最新新闻
起亚电动SUV EV9升级,动力与软件得到全面提升 上汽大众新款SUV途岳正式上市,售价15.86-21.66万元 福特领衔投资45亿美元,将在印尼建立镍加工厂 主机厂召开座谈会,探讨国六B切换情况 特斯拉在墨西哥大举投资,助力其成为电动汽车大国 特斯拉推出版Giga啤酒,啤迷大喜过望 西安特斯拉中心车间揭秘,让你近距离了解制造 宝马、特斯拉等豪掷重金,墨西哥将成电动车大国 本田雅阁e:HEV亮相:能否成为雅阁救世主? 特斯拉中国首次败诉,需退一赔三 AI伦理员工大量裁减引发业界担忧,微软、谷歌等科技巨头被指责 AI过于强大,人类面临危险?马斯克、图灵奖得主呼吁暂停GPT-4模型后续研发 微软早期阶段将广告植入GPT-4版必应搜索 故意毁灭证据:美法庭对谷歌Play商店垄断诉讼开出罚单 元宇宙仍是未来,但实现需要时间——Meta重申在计算领域的地位 AI老板发出警告:无法解释的推理能力可能导致人类灭亡 监管机构开始对特斯拉Model X的问题展开调查 追溯OpenAI的历史,揭示其与马斯克的众多纷争 GitHub裁员,印度团队成最大受害者 微软与OpenAI强力结盟,共同致力于网络安全领域 AI视频素材来源不明,百度文心一言创作者面临版权风暴 OpenAI神秘CTO只有35岁,是ChatGPT之母 马斯克脑机接口公司开始寻找合作伙伴 推进人体试验 芝麻信用黑灰产生意:购买会员、薅羊毛可轻松提升信用分 比尔盖茨遭马斯克批评 AI 理解有限 AI越来越智能,你的工作还能保住吗?现实不容忽视 微软研究惊艳科学界:GPT-4能力接近人类,AI朝“天网”迈进? 推特泄露部分源代码,GitHub受命删除,安全问题引人担忧 谁在制造泰国游客流失的恐慌?真相揭秘 为何马斯克和OpenAI撕破脸了?马斯克为何实际控制被拒?
您的位置:首页 >资讯 > 科技 >

大数据在城市交通治理中的应用

2019-08-06 16:16:04   来源:
导读 5月29日,滴滴互联网智慧信控论坛上,北京市市政工程设计研究总院高级工程师韩冬,通过中关村西区交通治理项目为例,分享了大数据在城市交

5月29日,滴滴互联网智慧信控论坛上,北京市市政工程设计研究总院高级工程师韩冬,通过中关村西区交通治理项目为例,分享了大数据在城市交通治理中的应用实践。交通治理指的是面向城市综合交通系统的治理方案,工作流程首先要对现状交通需求和设施供给进行排查,然后识别问题。对于各类交通方式的使用者提出综合治理方案,最后形成项目化的清单,作为主要成果提交给相关机构执行建设计划。

我们在做交通治理项目的时候,遇到了交通问题识别与数据收集的瓶颈。首先是调研手段落后,其次是数据少范围小,还包括观测时段受限、无法追踪路径、OD获取困难、数据不可回溯等。

以中关村西区交通治理项目为例看大数据的应用。在问题识别阶段,主要利用浮动车轨迹数据等聚合起来进行数据验证作为问题识别的主要依据。在改善方案阶段,构建一个宏观交通预测模型,在模型输入数据过程中用到了滴滴提供的OD数据作为基础数据。

在后评价阶段,我们计划用数据回溯功能进行前后对比来分析项目实施效果。

大数据在实际应用中的优势

一、区域交通运行态势判断

态势判断是大数据最广泛的应用场景,获取指定时段的区域路网总体运行状态信息,用于初步分析拥堵成因。实时监测路网运行状态,用于态势研判和辅助决策。可回溯的历史数据,用于分析拥堵演进过程。

二、区域出行分布和路径特征

基于轨迹大数据,追溯出行路径。追溯拥堵路段的主要交通来源,用于分析拥堵成因。分析片区信号灯控路口的出行链路,用于指导交叉口信号控制策略和子区划分。

三、交叉口全时段指标分析

全时段、全天候交叉口历史数据回溯,指导单个路口的信号配时优化方案,对路口的改善方案后评估。

总结:大数据应用中的优势就是在定性的态势判断上非常有用,但是在定量的分析上,会暴露一些大数据的精度问题。

大数据在实际应用中遇到的问题

一、交叉口流量分析遇到的问题

目前主要依据轨迹数据反馈的排队长度和延误特征来推算交叉口流量,而这个方式更多的是依靠交叉口现有的路口设施渠化方案,以及现有的配时方案来推算。

但是浮动车有一个特点是在某个路段的某个点一天的数据量可能不是特别充足,在分析的时候需要叠加一个月的数据,一个月内路口的某些渠化方案或配时方案或许会发生改变,这样会导致所推算的流量产生误差。

流量

因此,在后续改进中,我们也利用了交管部门提供的历史方案和配时数据来修正这个问题。另外一点是轨迹数据无法反应公交车的信息,推算无法反馈公交专用车道的流量。

二、路段断面流量分析遇到的问题

路段流量分为两类,一种是城市灯控交叉口的流量,这种流量推算目前主要是依据路口的流量,但有一个问题是有些地方两个路口之间还存在非灯控的交叉口流量无法检测。

第二种是城市快速路的流量,目前还是基于流量速度模型进行推算,但是无法准确反映带有公交专用道的快速路流量。

三、OD分析遇到的问题

轨迹数据来源于APP用户,无法做到全样本数据;样本分布呈现偏态,无法做到简单随机抽样;用地业态对OD样本集中度影响大;因OD样本抽样比例未知,准确扩样难度大。

作为用户谈一下我们的感受,没有大数据是万万不能的。因为大数据提供了新的平台、新的方法、新的诊断工具,但是从实践来看,大数据并不是万能的。

大数据的这种特征,对定性、判态分析的影响较小,但对定量分析的数据精度影响较大。因此,需配合多种数据修正手段,甚至仍然依靠现场人工复核的方式才能保证精度。

对未来大数据的期望

关于对大数据的改进建议有两点

大数据

第一是慢行系统治理,是交通治理的重要工作,目前的统计,更关注机动车的运行状态和数据分析,缺少有效的,收集慢行交通大数据的手段。期待大数据在步行、自行车交通上,能够提供更多的数据来源和分析手段。

第二是目前大数据对事故数据分析尚有欠缺,期待大数据在事故的识别、判定和统计上,能发挥更大的作用。

关于对未来大数据的愿景与期望

顶层设

第一是希望在智慧城市框架下,构建交通大数据云端公共平台,实现全样本、全方式的交通大数据。

第二是构建规划建设与交通治理决策平台,平台的基础是交通大数据和城市总体规划数据。

我们希望构建这个平台能够作为政府决策、多单位协同作业的公共平台,包括公众参与的平台,这样对未来的城市建设有更好的指导。

免责声明:本文由用户上传,如有侵权请联系删除!