交通大数据的体系研究

.36 .3

VolNo

TECHNOLOGICAL DEVELOPMENT OF ENTERPRISE

企业技术开发

2017 年 3 )

Mar.2017

文通大教％的体（研*

卢春

1,陈思恩2,俞

辉

3

(1.中国南方航空股份有限公司，广东广州510080;2.美国圣何塞州立大学，美国圣何塞95192;3.厦门卫星定位应用有限公司，福建厦门361008)

摘要：伴随着交通领域的技术发展，交通信息数据成几何级别的增长，由于交通系统的复杂性，传统的 交通数据分析更偏重于依据交通模型的分析推演，缺乏相应的数据支撑。文章通过对交通大数据的全生 命周期分析，将交通数据的采集、分析、发现、应用等各层级进行梳理，并用大数据的技术手段指导城市交 通规划、建设、管理、运行决策支持。

关键词：城市交通；大数据；生命周期；架构设计；决策支持

中图分类号：U495 文献标识码：A

文章编号= 1006-37(2017)03-0016-04

DOI ： 10.14165/j. cnki. hunansci .2017.03.004

Research on the System of Traffic Big Data

LU Chun1，CHEN Si-en2, YU Hui3

(l.China Southern Airlines Company Limited，Guangdong，Guangzhou 510080，China;

2.United States San Jose State University，San Jose 95192,USA;

3.Xiamen Satellite Positioning Application Co.，Ltd.，Xiamen，Fujian 361008，China)

Abstract： With the development of technology in the field of traffic，traffic information data is increasing on a geometric level. Due to the complexity of the traffic system，traffic analysis deduction emphasizes moreon traditional data analysis based on the traffic model，which lacks data support.Based on the analysis of the whole life cycle of the traffic data.Analysis later found that all levels of the application were reviewed with the technical means of big data to guide the city traffic planning，construction， management， operation， and decision support.Keywords ： urban traffic; big data; life cycle; architecture design; decision support

i

概述

在如今各大城市相继建设智能交通的进程中，各种

等各类交通数据内容。这些交通数据容量大、增长快、结 构多样化，不少数据价值密度低，有待深人处理挖掘。

随着中国智能交通建设进程的逐步推进，交通数据 已经从稀缺走向了极大丰富，并带来了交通大数据的严 峻挑战：

①极大丰富的交通数据未能有效整合。首先，数据 之间未建立有效关联，在类别、行业、部门与地方被隔离

路测和车载智能传感器以及信息化的交通业务系统，产 生了大量的车辆信息、道路信息、出行者信息和管理服 务信息，包含了城市道路、公路、地面公交、轨道交通、出 租汽车、省际客运、交通管理、民航、铁路，甚至气象

收稿日期= 2017-01-17

作者简介:卢春（1974—)，男，广东顺德人，大学本科，高级工程师，研究方向：电子商务、系统规划、大数据应用。 通讯作者：陈思恩（1980—)，男，重庆人，博士后，研究员，研究方向：大数据应用、电子商务、商务智能、数据挖掘。

第36卷第3期

卢春，等:交通大数据的体系研究17

起来，道路视频作为最大的交通信息源没有被充分利用， 公众无法获取准确连贯的出行服务信息。

②

含大量视频、图像等半结构、非结构化数据，并且数据无 统一标准，在组织、融合、清洗和转换这些数据时的难度 较大。

③

集聚。在设备采集交通基础数据的基础上，由交通各类 行业应用系统（如交通管控系统、交通综合指挥系统、交 息、公路运行信息、水路运行信息、公共交通运行信息、 对外交通运行信息、交通管理信息、交通调查信息等，涉 及到交通管理、交通运输等各类应用，数据的集聚是交

数据来源众多，存储方式多样，数据类型复杂，包 通共享信息系统、视频监控系统等）集聚的道路交通信

通大数据分析及应用的基础。深人挖掘交通数据的潜在价值。首先，需要一个

能够处理各种不同类型和规模数据的管理平台，该管理 平台还需要同时能处理结构化数据、半结构化数据和非 结构化的数据。

④

针对高增长、规模日益庞大的交通数据，我们需

要一种高效的大数据处理技术，对交通数据进行快速有 效的挖掘分析，从中提炼出高价值的信息，并灵活支撑 日益增多的各类交通业务应用需求。

为此，本文主要从交通大数据的全生命周期着手， 对交通大数据的体系进行研究探讨。

2交通大数据的全生命周期

根据交通各类关联数据的价值实现过程，将交通大

数据的生命周期分为六级。

交通数据按其流转途径可分为“数据产生一〉数据 采集一〉数据集聚一〉数据处理一〉数据分析一〉数据发 布、展示和应用一〉产生新数据”等阶段，其中，各类交通 设施根据城市交通的运行行为产生的多源交通数据进 行采集，并将数据存储在交通管控、交通综合指挥等交 通信息化系统中，根据各系统集聚的多样数据进行组织， 并汇数据分析平台，进行数据特征的抽取、海量数 据的融合分析，为交通行业监管、企业应用、公众出行服 务等提供支撑。故按照数据价值实现流程可分为数据采 集、数据集聚、数据组织、大数据分析、大数据发现、大数 据应用等层级。2.1数据采集层

数据采集层，是指各类交通设施设备数据的采集。 大数据主要来源于移动互联网、物联网、云计算等新一 代信息技术广泛应用而不断产生的交互数据、交易数据 和传感数据等，同时，依赖于平安城市、智慧城市、社交 网络、电子商务、企业信息化等不断发展。数据采集层包 括北斗/GPS车载终端、OBD/CAN总线、RFID设备、地感线 圈、ETC设备、1C卡设备、视频监测器等各类交通设施产 生的多源数据，交通数据的类型繁多，体积巨大。2.2数据集聚层

数据集聚层，是指对交通各类行业应用系统的数据

2.3数据组织层

数据组织层，是对大数据进行处理分析并发现价值 的必备基础，也是能支撑大数据的组织与管理的所有活 动集合。主要通过对交通资源的管理及交通数据的清 洗，形成交通共享数据标准、资源目录等，组织各类交通 数据汇聚至交通大数据分析平台。2.4大数据分析层

大数据分析层，是指能挖掘数据价值并支撑大数据 的处理分析的所有活动集合。数据分析是大数据完成价 值飞跃的关键环节，主要通过各类大数据分析技术实现 海量交通数据融合、交通数据实时清洗、实时地图匹配、 相关性分析与数据挖掘、时空数据分析与检索、与GIS引 擎的匹配、数据可视化等。2.5大数据发现层

大数据发现层，是指挖掘交通数据价值的所有活动集 合。依据大数据分析技术，结合各类交通模型在主要通 提取道路系统状态、交通服务系统状态、交通需求及行 为特征、多源数据的关联特征等，发现交通的内在规律。 2.6大数据应用层

大数据应用层，是指交通大数据挖掘结果在各行各 业应用的活动集合。大数据应用层可为交通行业监管、 交通行业企业运营、公众出行信息服务等提供区域OD 分析、公交线网优化决策支持、实时路况服务等各类应 用。大数据作为一种重要的战略资产，已经不同程度地 渗透到每个行业领域和部门，它对于推动信息产业创新、 改变经济社会管理面貌等方面意义重大，大数据的深度 应用不仅有助于企业经营活动，还有利于推动国民经济 发展。

3多源交通异构数据采集

智能交通的数据源是多数据源的集成，需采集多类

TOCC交通设施的数据以达到数据采集层的要求。如在北京市

的实际应用中，浮动车GPS每天产生20 MB数据，交

通监控中的视频/图像数据和元数据是每天几百TB，GIS 数据（如手机位置信息）是每天18 MB，出租车运营数据

18

企业技术开发

2017年3月

是每天1 MB，交通卡数据是每天19 MB，高速公路收费数 据是每天0.5MB。另外，城市供水系统、智能电网、居民睡 眠质量分析、社交网络情感分析都是智能交通的数据源 (部分数据源于北京TOCC)。

为有效的整合交通数据资源，建议通过城市交通共 享信息平台完成从相关信息系统中的数据提取、数据整 理归档和数据查询应用等任务，完成数据集聚层、数据 组织层的工作。

4交通大数据分析技术架构

交通大数据分析技术架构分为大数据管理、大数据

存储、大数据分析和大数据展现等层级，在交通大数据 的全生命周期中起到承上启下的作用。说明如下：

①

大数据存储层，通过从城市交通共享信息平台中 获得FCD浮动车、客流、航班等数据，进行多源数据的深 度融合并进行存储；

② 大数据管理层，包括时空数据索引、轨迹数据管 理、地图数据管理、视频数据管理、图片数据管理等；③ 大数据分析层，包括机器学习、快速实时检索、式数据处理、S/L分析、交通数据可视化等；④

大数据展现层，包括路况分析、路径规划、停车诱

导、公交线网优化等交通应用的数据及技术支撑。

5交通大数据的数据发现

交通大数据的数据发现层依托大数据分析平台，提

取各类交通特征进行分析，并根据交通分析模型与规律 进行匹配验证，为各类交通数据应用提供支撑。5.1各类交通特征的提取

5.1.1道路系统特征

如道路路段基础特征的提取，包括路段宽度、长度、 车道数、是否为高架或立交、路段与交通小区(将城市区 域进行栅格化，多个空间栅格形成交通小区）的关联等； 路网交通状态特征的关联分析，包括基于出租车、公交 车FCD数据生成的路况特征与基于卡口、地磁、电子 等生成的交通流量特征的关联匹配，道路交通事故对路 网的拥堵扩散特征等。

5.1.2公共交通服务系统特征

如出租车运行状态特征的提取，包括出租车行驶路 段（与2IS路段信息融合）特征、出租车驾驶员的平均载 客时间、载客里程、怠速行驶时间及不同地点的打车概 率等；公交车运行状态特征的提取，包括公交车不同路 段（与公交专用道对比）特征、线路与站点的匹配、公交

线网中复线系数、非直线系数、300 m/500 m覆盖率等指 标对公交运力投放的影响等。

5.1.3交通需求及行为特征

如交通需求的特征，包括基于移动通信的信令、话 单等数据对交通区域间的OD分析、出行距离与时间等通 勤出行特征、特定区域客流集散特征、轨道交通客流特 征(如换乘客流、轨道交通站点服务半径与服务方向）等； 公交乘客的行为特征，包括基于公交IC卡数据对公交线 路各站点早晚高峰客流的分析、不同IC卡用户的通勤特 征、乘车时间间隔及换乘特征等。

5.1.4多源数据的关联特征

如基于多源数据的城市道路路况关联特征，包括浮 动车数据、交通视频数据、线圈数据等设备自动生成路 况数据与车辆抛锚、货物散落、车辆刮擦等交通事件数

据的关联分析，城市快速道路断面数据与交通流量数据 的关联分析等；基于多源数据的旅游交通关联特征，包 括移动通信数据、景点客流数据、航班及火车等长途旅 运客流数据对旅客活动范围、旅游景点意向的关联性分 析等。5.2建立规律分析和验证的分析模型

在对各类交通特征分析、提取的基础上，需建立基

于交通出行活动规律的分析和验证模型，可有效地产生 大量实验数据，有效挖掘及验证出行链的信息。

交通分析模型包含多种类型，如多源数据融合的区 间车辆速度预测模型、基于道路要素的多尺度路网数据 模型、基于特征的2IS-T关联数据模型、多用户多准则多 模式四阶段的组合模型、行程时间不稳定情况下的公交 客流随机用户均衡分配模型、基于计划行为理论的分析 模型等。

5.3交通信息融合方法

在大数据环境下，交通分析技术中对于信息融合的 关注，集中于采用多方面、多特征的信息形成完整的问 题判断。交通系统所产生的各种数据提供了多种角度的 观测图像、但是受到各种因素的影响，这些观测图像不 完整且存在缺陷。故对这些不完备的数据图像进行融合， 才可能全面客观的描述研究城市交通系统。

交通信息融合包括数据层融合(如利用交警RFID、 地感线圈等定点监测器数据对出租车：FCD数据的补充、 利用AFC数据与移动通信数据进行进出轨道站人数的一 致性比较等）、特征层融合（如基于移动通信和交通调查 数据的居民出行分析）、决策层融合(如城市空间结构与 综合交通体系的关系分析等）。

流 第36卷第3期

卢春，等:交通大数据的体系研究19

6交通大数据应用

交通城市智能交通着重发展公众便捷出行智能化

交通服务，提升城市交通整体运行效能，促进城市低碳、 绿色交通可持续发展，发展方向聚焦于提高城市交通基 础设施的承载能力。

城市交通大数据应用可改善应急处置能力的需求， 同时满足部门对提高管理水平，最终，提升决 策水平；社会公众对于交通交通系统、出行环境和交通 服务的各层次需求进行响应;满足行业企业对降低运营 成本，提升核心竞争力和完善服务能力的需求。

城市交通大数据的分析可应用在城市客流分析、出 租车行业的综合应用、综合交通枢纽的引导等方面，具 有良好的行业应用前景。6.1城市客流分析

根据移动电话数据进行城市客流总体格局、公交、

BRT、出租车、易通卡数据及公交客流特征、公交客流产

生吸引、0D空间分布、分担率等信息的综合分析。结合指

挥中心交通信息采集和视频，根据出行特征为城市大事 件交通客流量的及时疏散做好应急预案，同时，实时进 行交通路况预测、交通分析、交通仿真。6.2出租车行业的综合应用

根据单趟旅程费用、出租车汽车空驶率等因素划分

客户群体，统计优质客户在城市内的时空分布，为出租 汽车的合理调度和电话召车等提供帮助；依据出租车的 &PS数据，分析上下客热点的特性，从时间、空间分布上 进行研究，对热点附近的出租车进行引导（如根据客流 的历史目的地、客流高峰时间段等对附近出租车通过调 度屏进行自动信息推送），设置合理的出租车停靠点，并 实时发布出租车打车指数，节省用户的出行时间成本。 另外，通过与移动基站数据的结合，对出租车的载客情 况进行分析，为失物查找、案件跟踪提供数据支撑。6.3交通枢纽的综合引导

通过手机基站定位数据(根据精度要求，可再添加视 频识别、红外检测、激光检测等客流检测设备）、BRT、公 交车及出租车GPS数据，得到枢纽站旅客疏散方式和疏 散时间图，可用于评价枢纽站公共交通运力分配的合理 性，制定贴合客流到达特性的公次，推送旅客召车

需求给在运营出租车，提高旅客满意度；另外，通过对接枢纽站的高清视频可对铁轨、人群聚集区域、意外情况进行实时预警，极大的降低工作人员的工作强度。

7结语

本课题通过对交通大数据的生命周期分析，对数据

在各阶段的作用做出了初步探讨。将大数据的技术与交通工程相结合，有助于消除交通决策判断的模糊性，提供定量化分析手段和数据决策支持，为交通数据的后期深人挖掘应用奠定了基础。参考文献：

[1] 何承，朱扬勇.城市交通大数据[M].上海:上海科学技术出

版社，[2] 2015.杨东授，段征宇.大数据环境下城市交通分析技术[M].上

海：同济大学出版社，[3] 2015.彭武雄，代义军，白帆.城市交通大数据中心建设与展望

[4] ShiQ[J].交通与运输(学术版），fic AbdelAty M.Big data 2015,（applications Z1 ):67-70.，urban operation and safety monitoring and in improvement real-time traf­on [5] ging expressways[J].Transportation Research Part C: Emer­DongHHTechnologies，2015，58(Part B): 380-394.，Wu M C，Ding X Q，et al.Traffic zone division based Transportation on big data Research from Part mobile C: Emerging phone base Technologies# stations [J]. [6] 2015,58(Part Lv Y SB):278-291.，Duan Y J，Kang W W，et al.Traffic flow pre­diction Transactions with big on Intelligent data: a deep Transportation learning approach [J].IEEE Systems，2014， [7] 16(2)：Li dence L 1-9.，Su traffic flow mining X N，predictions[J].Transportation in Wang big data Y W，network et al.Robust and Research its causal application depen - Part C: to [8] Walkowiak Emerging Technologies#2015#58( Part KKlinkowski MB): 292-307.，Woniak M，，et al.Optical net­works data traffic[J].International for cost -efficient and Journal scalable of Parallel provisioning Emergent of and big [9] Xiong Distributed GSystems，F H2015，3〇( 1) : 15-28.，Zhu ，Liu X W，et al.Cyber-physical-social system Automatica in intelligent Sinica#2015#2( 3): 320-333.

transportation[J].IEEE/CAA Journal of