1、城市交通运行评价方法对比及关键问题研究从指数乱象谈起交通大数据分析亟待规范 辅助标题辅助标题辅助标题 二一六年十一月郭继孚郭继孚北京交通发展研究院Beijing Transport Institute城市交通运行评价方法对比及关键问题研究一、交通指数乱象1.1 背景1.2 指数 辅助标题辅助标题辅助标题 张彭张彭1.3 原因背景背景城市化、机动化交通矛盾突出概念：交通运行指数（交通拥堵指数）是综合反映城市路网运行状态的指标，简称交通指数.1.1 背景状态的指标，简称交通指数.服务对象：决策支持政策实施预评估与后评估重大活动保障交通工作绩效考核科学研究市民出行三元桥北四环国贸西二环1.2 指数乱2、象1234高峰拥堵延时指数济南济南北京北京哈尔滨哈尔滨杭州杭州2.0972.0972.0712.0712.0252.0252.0182.0182016上半年拥堵城市排行2016上半年拥堵城市排行排名混乱G公司2016 上半年中国主要城市分析报告G公司2016 上半年中国主要城市分析报告D公司2016上半年中国城市交通分析报告D公司2016上半年中国城市交通分析报告排名差距依然很大54687910杭州杭州贵阳贵阳上海上海重庆重庆深圳深圳广州广州大连大连2.0182.0181.8851.8851.8651.8652.0062.0061.9091.9091.8641.8641.8421.8421.13、 研究背景G 公司公司指数排名指数排名S 公司公司指数排名指数排名济南济南14北京北京21广州广州321.2 指数乱象排名混乱呼和浩特呼和浩特48杭州杭州57深圳深圳63重庆重庆76珠海珠海810上海上海95中山中山1010南京南京118长沙长沙11121.1 研究背景 在2015年度中国主要城市交通分析报告中，G公司和T公司交通指数排名情况：1.2 指数乱象T公司指数排名公司指数排名G公司 指数排名公司 指数排名成都成都115天津天津22031排名混乱北京北京31杭州杭州44重庆重庆510长沙长沙616广州广州76深圳深圳88沈阳沈阳921福州福州1019石家庄石家庄1122上海上海127运4、行指数0-22-44-66-88-10运行等级畅 通基本畅通轻度拥堵中度拥堵严重拥堵交通指数交通指数北京、广州指数值范围：0-100指数值范围：0-1001.1 研究背景1.2 指数乱象取值范围不同7拥堵延时指数=交通拥堵通过的旅行时间/自由流通过的旅行时间范围：0-10范围：0-101.1 研究背景1.2 指数乱象等级不一样，取值不一样，颜色也有差异等级个数取值范围颜色等级个数取值范围颜色北京、广州5级0-10绿到红上海4级0-100绿到红上海4级0-100绿到红深圳5级0-10绿到红G 无分级无上下界，一般不超过3无S6级0-100绿到深红各类出行分析报告各类出行分析报告G 公司 第1季度5、和第2季度运行报告数据显示，与去年同期相比大部分城市有不同程度的拥堵加重趋势1.2 指数乱象同比变化趋势不一致D公司D公司 发布2016上半年中国城市交通出行报告，上半年相比去年同期相比去年同期，整体车速呈小幅上升趋势。评价时段不同评价时段不同高德 评价高峰时段：高德 评价高峰时段：早高峰7:009:00晚高峰17:0019:00。各类出行分析报告各类出行分析报告1.1 研究背景1.3 原因评价时段不同晚高峰17:0019:00。滴滴 评价滴滴 评价高峰时段：早高峰7:0010:00晚高峰17:0020:00。1.3 原因D公司公司？快车本身的速度是否具有代表性？计算速度的空间范围？6月速度比6、5月和7月都高？1.3 原因6.0 8.0 10.0 交交通通指指高峰时段交通指数（高峰时段交通指数（2011年至年至2016年）年）0.0 2.0 4.0 1月2月3月4月5月6月7月8月9月10月11月12月指指数数2011年2012年2012年2014年2015年2016年每年交通指数都是9月最高，2月、7月、8月较低1.3 原因？用市域范围是否合理？还应该看看2014年的情况，没有专车和快车时的路网运行状况，样本分布情况？仅仅用相关性分析就能说明问题吗？1.3 乱象原因用专车上线前的交通指数和上线后的两年度交通指数对比，拥堵处于上升趋势发展历程：北京2007、上评价角度：拥堵、混乱性、7、安全性.1.3 原因方法不一致北京广州发展历程：北京2007、上海2011、深圳2011、广州2013、武汉、杭州、温州.技术流派：北京、上海、广州、深圳图8 各城市交通运行指数上海深圳实现步骤（共性）：基础性指标：速度、密度、流量、交叉口延误等测量数据，目前主要采用浮动车行程速度数据.特征性指标：严重拥堵里程比例、TTI、延误时间比.（差异性）评价角度：畅通性设计原理：快照法（Snapshot）状态而非过程0102030405060012345678910指数1.3 原因方法不一致特征性指标：严重拥堵里程比例、TTI、延误时间比.（差异性）决策性指标：归一化交通运行指数（0-5、0-10、08、-100等）.北京：1、路段是否严重拥堵的判决；2、(加权后)严重拥堵里程比例上海：车速偏离最佳车速比1、路段指标广州：延误时间比P 严重拥堵路段里程路网总里程=TTI-1实际行驶时间 自由流行驶时间自由流行驶时间深圳：出行时间比11 自由流车速实际车速自由流车速=TTI实际行驶时间自由流行驶时间特征性指标计算方法iP ave(L)iL0102030405060拥堵里程百分比图1 折减函数示意图2、路段加权求平均加权方法：算数均值、几何均值、调和均值（波动小）00.511.520.050.10.150.20.250.3特征性指标（核心算子）1.3 乱象方法不一致图2 四种方法核心算子对比(北京9、市路网，2014年4月23日)00:001:152:303:455:006:157:308:4510:0011:1512:3013:4515:0016:1517:3018:4520:0021:1522:3023:4500:001:152:303:455:006:157:308:4510:0011:1512:3013:4515:0016:1517:3018:4520:0021:1522:3023:45北京（严重拥堵里程比例）深圳（出行时间比TTI)上海（车速偏离比 1-1/TTI）广州（延误时间比 TTI-1)-0.4-0.200.20.40.60:001:303:004:306:007:30910、:0010:3012:0013:3015:0016:3018:0019:3021:0022:30-0.500.510:001:303:004:306:007:309:0010:3012:0013:3015:0016:3018:0019:3021:0022:301.3 原因各自问题均值法：1、各等级拥堵等量齐观不能反映真实拥堵感受和社会反映.拥堵以拥堵点段的形态出现，堵点上游堵、下游畅通，拥堵越严重堵点越多、堵点上下游的状态差异越大，统计上表现为概率分布的展宽.均值无法分辨路网中车辆状态的两极分化，这和恶化的实际情况不符.2、平滑过程导致对严重拥堵敏感性不足.00.10.20.30:001:4511、3:305:157:008:4510:3012:1514:0015:4517:3019:1521:0022:4500.511.520:001:453:305:157:008:4510:3012:1514:0015:4517:3019:1521:0022:45路网严重拥堵里程比例路网TTI均值0.20.40.60.81消息社会覆盖比两类方法间区别1.3 原因拥堵本质均值法：运输效率、时间代价运输效率、时间代价严重拥堵比例法：公众感受、社会反映公众感受、社会反映1、严重拥堵是拥堵感受的主要来源.2、随着交通服务质量的降低，拥堵舆论面经历了基本不变、激增、再缓增趋于饱和的三个阶段.严重拥堵是社会舆论12、的主要来源,严重拥堵临界点附近交通变化需要特别关注.00.050.10.150.20.250.30.350严重拥堵人数比例（a）舆论传播模型示意图(b)严重拥堵人数比例社会影响面关系图9 速度变化与心理感受关系（Fechne Law）y11Qs Q和分别为出行者中严重拥堵人数比例及出行人数为个人影响范围的均值.s ykln x图10严重拥堵人数比例累积概率图11 舆论传播模型示意图规范化1、样本来源，出租车？Or 私家车？2、评价空间、时间范围专业引领2、评价空间、时间范围3、数据规模、处理方法、匹配方法4、评价方法城市交通运行评价方法对比及关键问题研究二、交通大数据该怎么用？2.1 以浮动车13、数据举例2.2 其他数据 辅助标题辅助标题辅助标题 张彭张彭2.2 其他数据2.3 更为精准数据的补充2.1 浮动车数据北京交通发展研究院（北京交通发展研究中心）于2005年开始研究城市路网交通拥堵评价，研究目的是对北京市道路网拥堵变化情况跟踪监测，进行交通政策实施效果进行评估、制定交通发展规划目标以及重点拥堵时期预测预警基础数据源：浮动车浮动车，利用安装有定位和无线通信装置（GPS）的普通车辆(如出租车、公交车等)得到车辆位置、时间等信息，对这些实时信息进行处理，可以实时掌握道路运行状况浮动车数据浮动车数据道路运行评价路网拥堵评价道路运行评价路网拥堵评价数据质量分析浮动车比率研究05001014、001500采样间隔分析2.1 浮动车数据样本代表性分析匹配算法验证速度验证030507090交委0617奇华0617采样分布分析数据质量分析浮动车比率研究北京出租车总数2.1 浮动车数据样本代表性分析匹配算法验证速度验证浮动车覆盖情况分析与推演数据质量分析浮动车比率研究2.1 浮动车数据样本代表性分析匹配算法验证速度验证浮动车基本与社会普通车辆运行浮动车基本与社会普通车辆运行速度一致速度一致数据质量分析浮动车比率研究2.1 浮动车数据样本代表性分析匹配算法验证速度验证基于路径的纠偏基于路径的纠偏数据质量分析浮动车比率研究2.1 浮动车数据样本代表性分析匹配算法验证速度验证浮动车与微波检测器、15、车牌识别浮动车与微波检测器、车牌识别数据对比验证数据对比验证基于浮动车数据计算交通指数交通指数是综合考虑拥堵强度、拥堵持续时间、波及范围和发生频率等因素，量化反映路网整体拥堵程度的指标。拥堵感受调查拥堵感受调查2.1 浮动车数据尾号4、9限行尾号4、9限行拥堵感受调查拥堵感受调查以及基于数据的自验证以及基于数据的自验证和政策措施的关联验证和政策措施的关联验证2.1 浮动车数据和政策措施的关联验证和政策措施的关联验证2011年初北京实施“缓堵28条”，工作日五环路（含）内道路网平均日交通拥堵指数为4.8，比2010年（指数6.1）下降21.3%2.1 浮动车数据和政策措施的关联验证和政策措施的关16、联验证2012年底国家实施八项规定后，节前晚高峰交通拥堵情况有所缓解。2013年春节、中秋节、国庆节前晚高峰交通指数分别同比下降12.8%、4.0%、19.8%。2.1 浮动车数据晚高峰交通指数2011年2012年2012年比2011年2013年2013年比2012年春节前6.36.6+4.7%+4.7%5.8-12.8%-12.8%中秋节前7.68.0+4.9%+4.9%7.7-4.0%-4.0%国庆节前6.28.0+28.9%+28.9%6.4-19.8%-19.8%2.2 公交IC卡数据公交IC卡数据清洗过滤验证公交IC卡数据各指标计算与验证公交IC卡数据信息补全公交IC卡数据扩样与交通17、大模型交叉校核2.2 信令数据信令数据清洗OD等参数识别与验证与公交IC卡数据交叉校验与综合交通大调查数据交叉校验扩样与验证和交通综合大调查结合校核通勤发生吸引强度分布：发生信令结果（居住地）（居住地）调查结果2.2 其他数据：信令数据基于智驾车联网技术的OBD终端设备为获得实时车辆运行数据、能耗与排放数据提供了有效工具，OBD终端的小汽车运行数据采集方法，基于获取的实时运行数据，提出小汽车定位数据的行程速度计算，研究小汽车的出行行为特征以及停车特征，并能获取不同路况、速度情境下小汽车的能耗和排放数据，为实现城市的拥堵分析和治理提供依据。2.3 更为精准的数据补充：小汽车出行数据分析据，为实现18、城市的拥堵分析和治理提供依据。GPS：实时位置；3D加速度传感器：驾驶行为（急加速、急减速、急转弯）；诊断模块：车辆工况及车辆健康档案；无线通讯模块：数据及信息传输；OBD标准接口：诊断协议及车型自动适配柱形图：日均行驶里程40-60KM；折线图：次均行驶里程10-15KM柱形图：日均行驶里程40-60KM；折线图：次均行驶里程10-15KM柱形图：日均行驶时耗1.6-2.2小时；折线图：次均行驶时耗25-30分钟柱形图：日均行驶时耗1.6-2.2小时；折线图：次均行驶时耗25-30分钟每一天不同时间点出发、到达、在途车辆比例，准确获取全市车辆运每一天不同时间点出发、到达、在途车辆比例，准确获19、取全市车辆运行状态，对错峰出行、高峰预测、出行规律分析等提供支持行状态，对错峰出行、高峰预测、出行规律分析等提供支持工工作作日日累计在途车辆比例每五分钟出发车辆比例每五分钟到达车辆比例工工作作日日周周末末相比于浮动车可获得的位置数据之外，还可获得（一）行程数据：点火时间、点火位置、熄火时间、熄火位置等；（二）位置数据：每秒油耗、位置点状态等。2.3 更为精准的数据补充：小汽车出行数据分析可分析精细的驾驶行为，补充浮动车数据通过数据分析可以实现对于全市车辆空间分布、驾驶行为等内容的分通过数据分析可以实现对于全市车辆空间分布、驾驶行为等内容的分析，可以为网约车、合乘车提供解决方案，便于进行城市日常20、与突发事析，可以为网约车、合乘车提供解决方案，便于进行城市日常与突发事件的车辆与道路监管。件的车辆与道路监管。行驶轨迹以及不良驾驶行为点及拥堵点的聚合分布，能够直观地发现路网中交通拥堵、安全等相关问题，能够针对性的进行优化完善用户驾驶行为、出行行为评价，可以针对性优化用户驾驶、出行行为，提高出行效率，降低事故率可分析停车时空分布社会小汽车停车分布热力图社会小汽车停车分布热力图行政区停车量走势图行政区停车量走势图行政区停车量走势图行政区停车量走势图海淀区海淀区房山区房山区城市交通运行评价方法对比及关键问题研究三、交通大数据未来 辅助标题辅助标题辅助标题 张彭张彭三、交通大数据未来三、交通大数据的21、未来 交通信息化趋势全方式、全过程信息化出行全过程参与、干预出行全过程参与、干预交通信息化成为标配 交通工程师的责任大数据的清洗与验证大数据与小数据融合三、交通大数据的未来大数据与小数据融合同类数据不同数据源的融合交通系统内不同类数据信息的融合交通系统数据和外部数据的融合 知其然并知其所以然大数据本身表现出相关性，加入人的智慧因素，实现知其所以然三、交通大数据的未来现知其所以然对交通问题的探寻有了更多的可能 未来需求响应式交通系统基于大数据找到交通系统中各种纷繁复杂的现象和规律通过获取全面信息和机器学习和计算，充分发挥需求引三、交通大数据的未来通过获取全面信息和机器学习和计算，充分发挥需求引导作用，实现系统的优化和动态响应未来可测、可控 避免大数据狂乱基本判断力专业规范三、交通大数据的未来专业规范数据共享行业协作O(_)O北京交通发展研究院Beijing Transport Institute