张桐源

[摘 要]相对于传统的样本统计方法，基于大数据技术对城市交通能耗进行统计，更为客观便捷，对于分析城市交通能耗来源及差异也将更为合理，这对于优化城市交通出行结构，构建绿色低碳的出行方式具有积极的作用，也有利于管理部门制定低能耗、低排放的导向性交通政策。

[关键词]大数据；城市交通能耗；差异分析

[DOI]10.13939/j.cnki.zgsc.2018.04.039

1 引 言

随着社会的快速发展，使信息数量呈几何级数增长（城市级一般在万亿字节以上），“大数据”一词应运而生，一般认为该概念由牛津大学教Viktor Mayer 最早提出。[1]面对庞大的数据，由于受到采集方法、处理能力等制约，过去一般只能采用随机分析法（抽样调查）进行分析处理，即所谓“走捷径”。该方法尽管精确性相对不高，但面对数量大、类型多、价值密度低的庞大数据，却具有较高的效率和较强的经济性，这是与当时的社会经济技术发展水平相适应的。

近年来，随着数据采集手段、处理技术的快速提高，采集处理成本的大幅下降，使得大数据的处理方法得以进入应用领域。大数据的研究对象不再是样本，而是整个完整的数据库，认为庞大、混杂、非精确性的数据，不是因果关系，而是相互关系。将大数据关联与挖掘后，把孤立的数据联系起来，能相对完整描述一个对象。正所谓“数据挖掘的最高境界就是从数据中获取知识，辅助科学决策”。在一些观察者眼中，大数据已成为劳动力和资本之外的第三生产力。

近些年，随着互联网的迅速发展，大数据已经应用于各行各业中，由于云计算的出现又一次推动了大数据的发展。例如，我国已经将大数据应用于交通行业，借助大数据使交通更加智能化，也有利于更好地管理交通秩序，监控交通能耗与排放。

2 大数据在交通领域应用情况综述

随着信息技术的更新，各种传感器、软件应运而生，为数据的采集提供了可靠的物理保障，使得交通行业积累了大量的数据信息，大型存储设备的出现也为海量数据存储提供了可能，云计算的出现使数据的计算更加高效，交通行业的数据特征基本符合大数据的特点。

由于交通规划、研究以及管理的需要，以往每隔5年左右就需要采用抽样的方法进行一次基础性的居民出行交通调查，或独立进行，或结合人口普查一起进行，都需要投入大量的人力、物力、财力，而且得到的数据精确度并不高，而且难以及时更新，已经无法满足城市交通日益提高的精细化规划管理需求，而智慧城市、智能交通的发展对相关交通数据的精确度和时效性提出了更高的要求。对于城市交通来说，大数据是发展的机遇，对于大数据来说，城市交通是发挥作用的机会。

尤其对于城市交通较为重要的评价模型，大数据技术基本可以做到完全真实，预测模型的不确定性也将大幅降低。大数据不仅仅应用在数据的采集处理，其对整个城市交通分析技术体系的影响也是深刻的，从本质上来说，大数据环境下城市交通分析技术所完成的是一种将数据组织成为信息，从信息提炼特征，从特征变化中发现规律，就对策进行追踪评估的信息处理过程。从信息处理角度来看，可以划分为数据采集与质量控制层、特征提取层、规律辨识与分析层和问题导向功能综合层四个层次，以及通过功能衔接和信息传递实现的有机整合。该种大数据环境下基于证据的决策分析技术框架，其主要目标是提升有机融合在城市交通战略、政策、规划、建设、管理和控制等技术环节的战略调控过程的决策效果。[2]

例如，如何落实城市交通的可持续发展理念？也就是说如何在尽量减少生态环境影响和能源消耗的基础上，满足社会经济发展的需要？基于大数据技术，可以运用交通能耗与排放模型，构建交通能耗及排放监测系统，通过热力图、网格图等专题图动态反映燃油量、温室气体、污染物等指标的空间分布，使得高频、动态的量化监测得以实现，能更为准确地评估分析能耗与排放的特征，并通过数据融合进行反馈。这对于传统的静态评估是一种本质的提升。

此外，作为城市大系统的有机组成部分，交通小系统与大系统之间存在明显的相互作用影响，尤其是土地与交通、交通与环境之间。土地开发对交通系统产生本源影响，而交通系统对生态环境的影响（包括能耗、排放、噪声、震动等）也不断增强。因此，针对上述复杂、多元的影响，进行有效的评估就尤为重要，而大数据技术正是承担该项工作的有力手段。例如，在评估“空间—交通—环境”相互作用时，大数据对交通影响评价和交通排放监测提供数据输入与分析平台，该平台不仅可以为交通管理提供决策支持，为规划设计和研究提供分析支持，同时也为居民出行提供信息服务支持。

3 城市交通能耗来源

在我国的统计体系中一般仅对“交通运输仓储及邮电通信业”的能耗进行统计，将居民出行能耗并入“生活消费”或“其他”大类，并不能清晰地反映城市交通能耗的实际情况。实际上，交通运输中的能源消耗与总能耗的比例是非常高的。在加拿大，交通运输系统消耗总燃油的66%，其中绝大部分为汽车运输所消耗；在美国，交通运输系统消耗总燃油的 60%，其中 73% 为汽车运输所消耗。我国目前的交通能耗与总能耗的比例还不是很高，燃油消耗中交通所占的比例一般在 30%左右。盡管如此，但随着道路交通的逐步机动车化，交通系统所占的能源消耗比重将逐年增加。以上海市为例，近10年来交通运输占全市能源消耗总量的份额平均每年增加2个以上的百分点。

合理城市交通结构的确立是建立可持续发展的城市交通系统的核心，而确立合理的城市交通结构，不但要考虑交通秩序、交通畅通与交通安全，还要在满足各类居民出行需求的前提下，使交通系统的资源损耗最小，能源消耗最低，环境污染最少。因此，对于城市交通能耗来源以及差异化分析就越来越重要，传统的交通数据采集与分析手段已经无法满足多元、动态的交通能耗模型需求，而大数据的分析手段也自然成为该项工作的重要工具。

值得特别指出的是，近年来纯电动汽车的快速发展，对城市交通能耗来源及差异分析计算产生了较大的影响。实际上，电动汽车已经有130多年的历史，只是受限于蓄电池、行驶经济性等因素而发展较慢，近年来随着相关技术的突破发展，也相应进入了快速发展的轨道。相比传统汽车的内燃汽油发动机的动力系统，纯电动汽车不仅不需要发动机、油箱、变速器、排气等系统，而且具有更高的能量转换效率。endprint

通过大量车辆对比能耗的数据采集与分析，纯电动大巴平均百公里能耗约为125千瓦时，按照我国《交通运输综合统计报表制度》标准，折算成标准煤为15.4公斤，而传统柴油大巴为48.3公斤，油电混合动力大巴为43.3公斤。对于纯电动小汽车，其节能作用也十分明显，平均百公里能耗约为3.4公斤标准煤，而普通小汽车约为10.9公斤。可见，纯电动汽车的快速发展对城市交通能耗与排放的影响是颠覆性的。

此外，我国城市轨道交通发展很快，其能耗问题的研究也应重视。在满载情况下，常规公交的单位能耗在各个运行速度水平下，均为轨道交通的4倍以上，能耗之比在4～5之间，可见大力发展轨道交通这种相对低能耗的交通方式对于降低我国交通能耗水平也尤为重要。

4 案例分析与启示

大数据分析在城市交通能耗与排放的分析、监测、优化等方面的应用将越来越重要，包括构建交通能耗排放监测平台、24小时动态热力图监测燃油量、温室气体、污染物等指标等。此外，可以从能源消耗的角度，对城市交通结构进行优化建议，有利于可持续发展交通政策的制定。例如，通过不同交通工具的设备特征、客运性能、能耗指标等大量数据的采集、分析与整理，并运用居民个体机动化出行能耗模型得出不同交通方式的能耗数据。数据表明，公共交通的人均能耗仅为私人小汽车的1/4左右，因此，公共交通出行方式比例的提高可以明显降低城市总体交通能耗水平，同时交通工具的承载率指标也对交通能耗有着较大的影响。例如在美国，虽然公共交通比较发达，但由于公共交通的使用率较低，人均公交能耗指标也相对较高。

此外，通过大数据分析，发现不仅是交通出行结构，城市空间布局形态、社会经济发展水平、人口密度、环境气候等因素对交通能耗也有着一定的影响。因此，面对如何降低城市能耗的课题，必须放到城市大系统中综合解决。

不少城市在交通大数据能耗监测应用方面已经开始了探索实践。例如在北京，利用交通大数据较好地解决了能耗数据综合性差、维度单一、可利用率低等问题，采用以车辆基础特征为坐标原点的微观运行监测数据，兼容多种发动机类型，实现了动态能耗的直接感知，监测偏差在3%以内（传统器具的偏差接近20%）。同时通过平台监测和实验室检测，结合交通大数据技术，应用高分辨率交通能耗仿真技术和多尺度评估技术，初步构建了高综合性、高敏感性的五层次交通能耗综合评估模型体系，这成为掌握分析城市交通真实能耗的重要手段。例如通过对APEC会议以及国庆阅兵期间交通措施的能耗排放预测分析，为政府提供科学、准确的能耗排放数据，帮助政府积极应对社会公众舆情。

还有深圳市，依托每天包括加油站、加气站、充电桩数据，以及手机百度GPS、公交车GPS、出租车GPS 、腾讯移动流量、地磁流量、公交刷卡等近7亿条的交通运行大数据，通过融合与挖掘，深圳市相继构建一体化多层次交通模型体系、覆盖全市域的道路交通运行指数系统、交通排放监测平台和城市交通仿真系统（关键走廊、枢纽和轨道交通车站等），改进交通规划技术支持、增强交通决策管理方法和提升交通信息化服务水平，有力支撑了该市城市交通发展[3]，尤其是在践行大力发展低能耗、低排放交通工具方面，至2017年底，深圳市将全市近2万台公共汽车全部更换为纯电动大巴。

5 结 论

城市交通能耗涉及因素众多，其与城市各要素之間，相互影响、相互制约，数据量大，而且数据计算和处理的质量要求也较高，因此“大数据、互联网、云计算”等现代信息技术，尤其是实时、稳定的大数据计算和分析能力，将成为城市交通能耗的计算与分析的重要工具。基于大数据的城市交通能耗特性模型，能够体现城市交通的本质，计算分析也更为客观。通过对各种交通方式进行能耗比较，可以得出能源消耗量较小的出行方式，而人均能源消耗量最小的出行方式则更应大力提倡发展，例如公共交通出行。同时通过对普通能源消耗和新型能源消耗的对比，有利于交通能源结构的不断优化。

参考文献：

[1]宋清辉.大数据正改变我们的未来[N].中华工商时报，2015-02-27（03版）.

[2]杨东援，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，2015（1）.

[3]丘建栋，陈蔚，宋家骅，等.大数据环境下的城市交通综合评估技术[J].城市交通，2015（3）.endprint