李萌：數(shù)據(jù)模型支撐交通管理決策

隨著新技術(shù)的不斷發(fā)展，我們看到了新興的互聯(lián)網(wǎng)企業(yè)在資本的推動下，讓很多的數(shù)據(jù)成為了可能。

 近幾年，我們看到交通信息從數(shù)字化向數(shù)據(jù)化過渡，數(shù)據(jù)化向數(shù)據(jù)服務(wù)轉(zhuǎn)化。我們發(fā)現(xiàn)，在這里仍然存在一些缺陷和病毒。目前的政策沒有完全基于量化的分析和量化的管理，車輛畫像難以建立，警衛(wèi)部署缺乏量化的支撐，我們應(yīng)該要把數(shù)據(jù)去落到實處。

數(shù)據(jù)已經(jīng)出現(xiàn)卻幫不上忙，為什么會存在這樣的問題呢？我們列舉了以下幾點:

▼數(shù)據(jù)孤島

許多行業(yè)中數(shù)據(jù)確實出現(xiàn)了，各個部門的數(shù)據(jù)也出現(xiàn)了。但是許多人認(rèn)為數(shù)據(jù)是“新的石油、新的資產(chǎn)、新的金礦”，大家都想去挖取。許多管理部門過高地估計了數(shù)據(jù)的價值，他們普遍存在管理的屏障和管理的困難。

▼無法便捷提取并分析

一方面，數(shù)據(jù)本身沒有足夠的工具去保證，包括個人隱私問題。我們并不能因為隱私問題而不去分析數(shù)據(jù)，我們可以研發(fā)一些分析辦法，在保障個人隱私的情況下，讓數(shù)據(jù)本身的價值發(fā)揮出來。另一方面，它和交通學(xué)界有關(guān)，長期以來，我們的數(shù)據(jù)系統(tǒng)幫助我們的規(guī)劃、管理、決策。這樣的模型實際是基于小樣的數(shù)據(jù)，所以我們在徹底變革交通的建模手段，這也是一個過程。

另外，我們交通行業(yè)在發(fā)展交通大數(shù)據(jù)的時候，我們更多的不是提及數(shù)據(jù)科學(xué)。我們的優(yōu)勢是對行業(yè)的理解和深度把握、知道行業(yè)的需要，在這里，更多需要的是決策科學(xué)。我們現(xiàn)在想去推動的是，怎么樣基于這樣大量的數(shù)據(jù)，用數(shù)據(jù)驅(qū)動的方法、數(shù)據(jù)的思維模式去改變我們現(xiàn)在的一些思維和決策的方法。

從2012年開始，隨著各方面的合作和中心重要人員的加入，我們的數(shù)據(jù)開拓了一個新的市場。很多傳統(tǒng)的、單獨管理部門的檢測數(shù)據(jù)和社會、企業(yè)相結(jié)合，包括和高德浮動車的數(shù)據(jù)合作、公交集團(tuán)公交車的數(shù)據(jù)和公交刷卡的信息、交通事故以及地磁檢測的數(shù)據(jù)，這樣的數(shù)據(jù)匯總起來，融合交叉碰撞進(jìn)行一系列研究。

我們研究包括擁堵機(jī)理及治堵建議、交通事故分析、公交線路優(yōu)化研究、信號評價方法研究以及交通流等等最基礎(chǔ)的理論。

我重點介紹以下幾個方面：

▼基于可預(yù)測性的旅行時間可靠性度量

旅行時間的預(yù)測在交通服務(wù)中是關(guān)注的要點，所以我們對此做了一個根本性的研究。

例如：一周旅行時間，分為周一至周五，在特定的場景和特定的時間下，不同的旅行時間波動大不一定意味著旅行時間的不可靠，周一至周五的旅行時間雖然變化很大，但是像以上情況每周基本不變，通勤者是可以提前感知到每天的行程，根據(jù)合格時間可以進(jìn)行可預(yù)測性或不可預(yù)測性分析。

旅行時間的可靠性是通過其波動的不可預(yù)測性，主要有兩種類型的變化：不規(guī)則性事件（例如交通事故和崩潰）和常規(guī)波動（例如日常需求變化）。

如果用可預(yù)測性的方法，可以有效對這兩個信息進(jìn)行交流，這樣就可以區(qū)別于傳統(tǒng)，只看波動性，就認(rèn)為系統(tǒng)穩(wěn)定性差，為此做出很多的糾正。

另外，標(biāo)準(zhǔn)差的變化跟時間的序列有關(guān)系，所以我們?nèi)我庹{(diào)整他們的關(guān)系并不會影響功能性，但是調(diào)整這樣的順序?qū)ξ覀兂掷m(xù)變化的模式產(chǎn)生巨大的影響。我們做了一些實驗去隨機(jī)任意的調(diào)整數(shù)據(jù)的順序和次序，發(fā)現(xiàn)調(diào)整的越亂可預(yù)測性的部分就會變得越來越差，整個模式也變得越來越差。

我們同時對道路，例如快速路、高速路、主干路和次干路也做了不同的數(shù)據(jù)分析，通過不同的計算方法發(fā)現(xiàn)了UBP它對異常的波動越少，可預(yù)測性越高。UBP能在一定程度識別出一周的旅行時間的額變化模式，從預(yù)測性的角度反映人們對旅行時間可靠性的感知。

UBP與小波變換的聚集系數(shù)呈正相關(guān)，對于一級二級道路，UBP和傅里葉變換的聚集系數(shù)呈正相關(guān)（高頻波動越少，UBP越高），但對與快速路，較低的聚集系數(shù)的高頻成分會呈現(xiàn)更高的UBP，因此我們可以推測，快速路的周期性更強，對高頻（短周期）的波動更不敏感。

▼基于深度學(xué)習(xí)模型的旅行時間預(yù)測

旅行時間預(yù)測面臨諸多挑戰(zhàn)，對比于高速路、快速路、城市路網(wǎng)交通流的特性更為復(fù)雜；路網(wǎng)空間拓?fù)浣Y(jié)構(gòu)復(fù)雜，傳統(tǒng)模型很難考慮空間關(guān)聯(lián)性；多步預(yù)測準(zhǔn)確度低。

旅行時間預(yù)測可為我們的交通管理提供信息支撐，即為導(dǎo)航應(yīng)用提供核心支撐；從被動式交通管理轉(zhuǎn)變?yōu)橹鲃邮浇煌ü芾?，動態(tài)路徑誘導(dǎo)實現(xiàn)路網(wǎng)流量均衡分配。

旅行時間預(yù)測，我們在卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)之上應(yīng)用新一代圖卷積神經(jīng)網(wǎng)絡(luò)，利用圖譜理論將卷積運算推廣到非歐數(shù)據(jù)，適用于提取交通路網(wǎng)空間信息。

我們選取交通指揮網(wǎng)絡(luò)，通過傳統(tǒng)的交通流理論，提出了關(guān)鍵的特征，在此基礎(chǔ)上搭建圖卷積神經(jīng)網(wǎng)絡(luò)的模型，我們現(xiàn)在能夠通過結(jié)合空間特征，圖卷積神經(jīng)網(wǎng)絡(luò)的模型更好的預(yù)測出交通流劇烈地變化，而傳統(tǒng)模型具有明顯的滯后現(xiàn)象。

▼城市動態(tài)特征分析—非直線系數(shù)分析

城市中小汽車的繞行是廣泛存在的，基于大數(shù)據(jù)不同城市非直線系數(shù)分析能夠幫助我們深入理解城市路網(wǎng)的拓?fù)浣Y(jié)構(gòu)和出行規(guī)律。

我們將中國北京、廣州、天津、成都的數(shù)據(jù)融合在一起，同時把紐約的數(shù)據(jù)也整理出來，在紐約的路網(wǎng)里是否也存在為了減少旅行時間去選擇大量繞行的相關(guān)分析。在這個分析中，首先對比北京、廣州和成都最短路徑繞行比率。最短路平均值以成都為基準(zhǔn)，北京高2.73% 廣州高1.64%，額外的繞行三個城市對比北京超過廣州廣州超過成都。

因此，我們可以看出，繞行的原因跟路網(wǎng)相關(guān)。北京的路網(wǎng)尺度較大，一旦繞行相對于其他城市繞行時間更多，路網(wǎng)的密度也是一個關(guān)鍵指標(biāo)，路網(wǎng)密度在北京5.59/平方公里、廣州7.02/平方公里、成都8.0/平方公里，成都是最為密集的路網(wǎng)，選擇最短的時間之后繞行的距離較短。

另外，現(xiàn)在的城市交通也面臨這一個新的問題，導(dǎo)航堵。隨著出行導(dǎo)航普及率較高的條件下，由于過多人，同時走導(dǎo)航推薦道路而產(chǎn)生交通擁堵的情況，數(shù)據(jù)顯示，只有50%-60%的車輛通過導(dǎo)航推薦路徑繞行而提升平均速度，降低旅行時間。

主要原因在于，現(xiàn)在的導(dǎo)航軟件發(fā)布信息的滯后性，交通誘導(dǎo)僅從用戶均衡的角度考慮，導(dǎo)航軟件應(yīng)開發(fā)路況預(yù)測信息，方便司機(jī)提前決策，并從全局最優(yōu)角度考慮誘導(dǎo)策略，實現(xiàn)群體誘導(dǎo)和個體誘導(dǎo)相結(jié)合。

我們正在嘗試把分析合作工具化、服務(wù)進(jìn)行平臺化，我們希望以平臺作為一個載體，數(shù)據(jù)作為一個基礎(chǔ)，利用工具去挖掘已有的數(shù)據(jù)，做一些相關(guān)的服務(wù)支撐。

基于我們對行業(yè)、對交通管理的理解，我們提出這種報告分析的體系。這個報告的體系基于不同的數(shù)據(jù)，包括互聯(lián)網(wǎng)數(shù)據(jù)、各類的交通的數(shù)據(jù)以及我們建立的大數(shù)據(jù)的平臺。

我們提出一系列管理職能相關(guān)的工具和分析手段，可自由地選取分析目標(biāo)的區(qū)域、參數(shù)、時段及展示方式，從而得出有效的分析結(jié)果標(biāo)準(zhǔn)化工具。

1、針對大型事件分析及警力部署

在天津全運會主要場館區(qū)域之內(nèi)，我們通過歷史數(shù)據(jù)的變化分析他們常態(tài)化的數(shù)據(jù)，然后累加上可能會發(fā)生的事件，分別從中觀、微觀角度對比分析路況擁堵情況，并通過有效的交通優(yōu)化管理決策實現(xiàn)整個區(qū)域的優(yōu)化。

2、 交通組織輔助決策

針對施工占道等問題，我們可以識別主要影響路口位置，提取主要影響路徑，最后根據(jù)道路承載力及路網(wǎng)結(jié)構(gòu)設(shè)計最優(yōu)交通組織方案。

數(shù)據(jù)移動互聯(lián)網(wǎng)技術(shù)、物聯(lián)網(wǎng)感知技術(shù)推動多種交通信息來源的涌現(xiàn)，決策分析已具備數(shù)字化基礎(chǔ)，但我們?nèi)匀蝗狈?shù)據(jù)驅(qū)動的決策科學(xué)思維與研究，需要一系列數(shù)據(jù)模型支撐交通管理決策。另外，案例表明，交通大數(shù)據(jù)要“接地氣”，不能只有大腦。