韩冬

交通治理指的是面向城市综合交通系统的治理方案，工作流程首先要对交通需求和设施供给进行排查，然后识别问题。对各类交通方式的使用者提出综合治理方案，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。以中关村西区交通治理项目，分享一下大数据在城市交通治理中的应用实践。

治理面临的问题与挑战

交通治理项目，通常会遇到交通问题识别与数据收集的瓶颈，面临调研手段落后，数据少范围小，观测时段受限，无法追踪路径，OD获取困难，数据不可回溯等问题。

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OD数据作为基础数据。

大数据在应用中的优势

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。

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。

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。

实际应用中遇到的问题

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某路段的某个点一天的数据量可能不充足，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。

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映公交车的信息，流量推算无法反馈公交专用车道的流量。

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，但有些地方兩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。

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。