摘要:針對當前我國交通出行領域的復雜現狀，本文從數據、分析方法和應用話題三個方面對現有交通領域中的大數據研究進行了梳理。指出交通領域為大數據研究提供了信息量大、粒度細、更新快、連續性強的高質量數據基礎，現有研究主要使用數據采集、處理和可視化技術對交通數據進行分析，主要的應用話題集中在城市擁堵問題的研究、無人駕駛等方向。最后，本文對交通領域大數據分析潛在的研究方向進行了展望。

　　關鍵詞:大數據分析；交通出行；共享交通；研究機會

　　1情境

　　的交通出行領域呈現路網發達、車輛眾多，城市中心化發展、交通擁堵嚴重，自行車基數龐大，車型種類復雜、規則意識淡薄，對特殊時間和事件敏感度高[1]等特點。路網發達，車輛眾多：截止到2017年底，鐵路營業里程達到12.7萬公里，居世界第二，其中高速鐵路2.5萬公里1，高速公路里程達13.1萬公里2，位居世界第一。

　　鐵路和公路的迅速發展有效改善了交通。隨著我國發展進程的加快，城市機動車數量迅速增加，尤其是私家車的增長速度遠超過高速公路的增長速度。

　　城市中心化、交通擁堵：截至2017年末，城鎮化率達到58.5%，城鎮常住人口8億多人3。人口迅速向城市集結，的大城市和發達地區的政治、商業和文化等主要功能區都集中在城市中心，而且傾向于從中心向四周擴張的趨勢，尤其是北京上海等特大城市中心化嚴重，資源的集中導致人口流動密集，增加了中心地區、交通走廊和關鍵節點的交通壓力。多數城市沒有把交通規劃納入城市總體規劃中，使得城市布局和交通不相適應。

　　2、交通領域的數據內容、來源與特點

　　交通領域的海量數據主要包括交通路況信息、車輛運行信息、物流快遞信息和航空海運信息等內容。數據來源上，從觀測方式角度可以分為：單次觀測數據如移動車GPS數據、停車場數據、收費站數據等；連續觀測數據如微信、微博等手機應用軟件記錄用戶的位置數據、高德、百度等記錄的路況信息數據、道路監控數據、鐵路、地鐵公交的運行數據等；還包括一些靜態數據，如商家、景點的位置信息等。

　　相對于原來的交通數據，大數據環境下的數據具有以下特點：數據量大、信息豐富，通過對多來源信息的收集和整合，數據量達到PB級以上，蘊含的信息豐富；細粒度，數據對象信息具體到“某個人的某輛車”等，空間粒度上可以用經緯度表示其空間位置，時間粒度上數據實時獲??；更新快，以前的交通調查可能五六年一次，而現在90s內即可更新，速度非常快；連續性強，數據內容為對數據對象的連續觀測。

　　受益于我國政府大力推行的數字基礎設施建設，我國有相對完整的道路安全監控體系，配合公共交通和私人出現的數據能夠形成比較全面的交通數據網絡，這為我國交通大數據的發展提供了數據基礎。

　　3數據分析方法

　　交通大數據分析方法主要包括數據采集方法、數據處理技術和數據可視化技術等內容。數據采集技術包括捕獲位置數據的GPS技術，捕獲汽車牌照的視頻監控和圖像處理技術、捕獲交通密度、航道水質、天氣狀況和物品移動的各類傳感器技術以及處理數據的表2交通大數據的來源軟件技術。數據處理技術主要是Hadoop分布式文件系統、數據庫和HadoopMapReduce相關技術。數據處理流程主要是數據輸入-過濾-混洗-降維輸出。數據可視化技術則可以將收集到的數據進行處理呈現出視覺圖像。例如Wang等[2]構建了基于GPS軌跡的城市交通擁堵可視化分析的交互系統，為在視覺上探索和分析整個大城市的交通狀況提供了多個視圖；Lu等[3]探索了基于一般軌跡數據集的用戶路徑選擇行為可視化分析系統，可以幫助用戶處理大規模軌跡數據，比較不同的路線選擇。

　　4應用話題研究

　　圍繞大數據應用的研究主要有城市交通擁堵問題、城市共享交通和無人駕駛等話題。

　　4.1城市交通擁堵問題

　　利用大數據進行城市交通擁堵問題的研究圍繞著交通擁堵判定、影響因素和評估與應對等方面。研究發現車輛與車輛、車輛與基礎設施節點間信息交換可以高概率預測交通擁堵[4]，交通網絡結構對交通擁堵具有重要影響[6]，使用出行時間、出行需求變化和車流量等會反映交通擁堵狀況[5]，出行者特征、交通流、交通設施、交通情境因素、交通社會性因素等交通要素可以形成城市的交通擁堵評價模型系統[7]。大數據的應用可以改變傳統的交通管理路徑和出行方式，有利于更好配置公共交通資源，通過對交通的智能化管理，節約運輸成本，提高交通運轉效率，從根本上解決城市交通擁堵問題。

　　4.2城市共享交通

　　近年來，共享出行發展迅速。截止2018年6月共享單車用戶規模達2.45億，網約車出租車和專車、快車用戶分別為3.46億和2.99億，規模巨大。

　　用戶對交通共享產品的使用行為主要受產品的有用性與易用性的影響，也會受到強制性的施加政策和規范表4城市擁堵問題研究壓力的影響；現階段，用戶的使用意愿明顯大于使用行為[9]。政府應鼓勵交通共享并設立獎懲機制，構建共享交通領域的“市場主導、政府引導、公民參與”的協同治理新型公共服務模式[8]；企業則要嚴格按照市場容量投放車輛，建立集車輛監督、信用評估、安全監測和智能調度為一體的大數據綜合運營平臺。

　　5潛在研究方向

　　對于大數據在交通發展方面的現狀，我國的交通現狀和數字基礎設施的建設為交通大數據的發展提供了廣闊的舞臺和完備的數據基礎。

　　此外，由于政府在交通管理過程中對大數據技術的應用還不成熟，許多技術供應商也是剛剛起步，不同企業提供不同的技術解決方案，技術、功能和標準差異巨大，未能形成統一的標準。

　　因此逐步建立交通領域的大數據標準是未來的重點工作，企業在軟件開發上應按照大數據標準開發標準化軟件，在進行有效市場競爭的同時增加軟件和組件的可操作性和互換性，這對擴充大數據網絡實現網絡效應有著重要意義，同時也能更好地滿足用戶需求。

　　此外，由于各地區的大數據基礎設施差別巨大，應先在需求迫切的交通擁堵地區率先發展大數據交通，使用自上而下的方式在主要公路到次級航線和城市道路進行投資建設[1]。圍繞這些問題，研究人員可以開展許多有價值的研究。

　　參考文獻：

　　[1]Biuk-Aghai,R.P.,Kou,W.T.,&Fong,S.(2016,May).Bigdataanalyticsfortransportation:ProblemsandprospectsforitsapplicationinChina.InRegion10Symposium(TENSYMP),2016IEEE(pp.173-178).IEEE.

　　[2]Wang,Z.,Lu,M.,Yuan,X.,Zhang,J.,&VanDeWetering,H.(2013).Visualtrafficjamanalysisbasedontrajectorydata.IEEETransactionsonVisualizationandComputerGraphics,19(12),2159-2168.

　　[3]Lu,M.,Lai,C.,Ye,T.,Liang,J.,&Yuan,X.(2015,October).VisualanalysisofroutechoicebehaviourbasedonGPStrajectories.InVisualAnalyticsScienceandTechnology(VAST),2015IEEEConferenceon(pp.203-204).IEEE.

　　路守望王恒