走向智慧交通不可缺失的基礎(chǔ)環(huán)節(jié)——車(chē)輛活動(dòng)系統(tǒng)觀測(cè)

從智能交通走向智慧交通，物理系統(tǒng)控制權(quán)將部分轉(zhuǎn)交給計(jì)算機(jī)，要求“人”需要學(xué)會(huì)繼續(xù)思考，進(jìn)而承擔(dān)起高層次上提升系統(tǒng)能力的職責(zé)。這意味著系統(tǒng)具有人-機(jī)混合模式的特征。在道路交通管控領(lǐng)域中，需要在信號(hào)系統(tǒng)管控交通狀態(tài)的基礎(chǔ)上，進(jìn)一步深化對(duì)車(chē)輛活動(dòng)的調(diào)控。即在有限空間資源約束下抑制不合理的車(chē)輛使用，保障合理的車(chē)輛使用需求；在不斷完善基礎(chǔ)設(shè)施、技術(shù)進(jìn)步的背景下，引導(dǎo)城市交通模式的演化，避免對(duì)不可持續(xù)交通方式的過(guò)度依賴(lài)性。

智慧交通的這種深層次思考能力，建立在對(duì)城市交通系統(tǒng)的深入觀察和理解的基礎(chǔ)之上。其中的一項(xiàng)重要任務(wù)，是將道路交通狀態(tài)數(shù)據(jù)采集，擴(kuò)展到對(duì)于車(chē)輛活動(dòng)的有效觀測(cè)。

道路網(wǎng)絡(luò)的交通狀態(tài)，是大量車(chē)輛個(gè)體活動(dòng)的集計(jì)表現(xiàn)，這仍然屬于系統(tǒng)的一種表象特征。停留于此，很難區(qū)分、識(shí)別合理與不合理的車(chē)輛使用行為，也難以實(shí)現(xiàn)城市交通模式的演化引導(dǎo)。由此導(dǎo)致“一刀切”模式的粗放型交通需求管理政策，很難得到社會(huì)的積極支持。此外，智能系統(tǒng)算法往往涉及需求保障的優(yōu)先序問(wèn)題，即算法背后隱藏著社會(huì)利益調(diào)節(jié)和空間正義。為了合理有效地處理智能系統(tǒng)算法的社會(huì)屬性，研究者和管理者必須深入把握城市中的車(chē)輛使用行為。

城市中的車(chē)輛牌照識(shí)別系統(tǒng)提供了可以連續(xù)追蹤的車(chē)輛活動(dòng)信息，盡管由于牌照識(shí)別技術(shù)的不完善，以及外界環(huán)境影響（例如風(fēng)雨夜間的視覺(jué)環(huán)境變差等）其觀測(cè)數(shù)據(jù)會(huì)出現(xiàn)缺失，但是采用大數(shù)據(jù)分析技術(shù)仍然可以在“模糊的正確”原則基礎(chǔ)上建立車(chē)輛使用畫(huà)像。

利用上海市車(chē)輛牌照數(shù)據(jù)分析的結(jié)果，在圖1中可以看到，當(dāng)我們將車(chē)輛劃分為主要用于通勤、高頻度使用、低頻度使用等三種使用屬性類(lèi)型時(shí)，不同類(lèi)型車(chē)輛在路網(wǎng)上活動(dòng)的車(chē)輛總數(shù)的時(shí)間分布具有顯著差異；而圖2則顯示了三種類(lèi)型車(chē)輛每天首次進(jìn)入路網(wǎng)位置的空間分布差異。由此可以判別區(qū)分車(chē)輛類(lèi)型有助于深入了解車(chē)輛在城市中使用的時(shí)空分布特征，幫助我們更加精細(xì)化地設(shè)計(jì)相關(guān)政策。

圖1 不同使用類(lèi)型車(chē)輛時(shí)間分布的差異

圖2 不同使用類(lèi)型車(chē)輛每日首次進(jìn)入快速路網(wǎng)絡(luò)位置分布差異

對(duì)車(chē)輛活動(dòng)系統(tǒng)的觀測(cè)，不僅要求實(shí)現(xiàn)對(duì)車(chē)輛連續(xù)追蹤觀測(cè)，以及將觀測(cè)范圍從道路拓展到全域空間，而且需要在個(gè)體和集計(jì)兩個(gè)層面上建立城市車(chē)輛活動(dòng)系統(tǒng)的描述模型。

個(gè)體層面的車(chē)輛活動(dòng)描述，包括建立在統(tǒng)計(jì)基礎(chǔ)上的特征屬性：錨點(diǎn)（車(chē)輛夜間最主要的停放位置）、駐點(diǎn)（車(chē)輛經(jīng)常訪(fǎng)問(wèn)的位置，所謂訪(fǎng)問(wèn)是車(chē)輛在此停留使用者足以完成活動(dòng)的時(shí)間）、興趣點(diǎn)（被賦予根據(jù)車(chē)輛訪(fǎng)問(wèn)頻率與停留時(shí)間確定的興趣值的位置）、關(guān)聯(lián)路段（根據(jù)訪(fǎng)問(wèn)頻率被賦予非零關(guān)聯(lián)值的路段）等，另外則是通過(guò)聚類(lèi)分析等手段被賦予的使用特征類(lèi)別。

集計(jì)層面的車(chē)輛活動(dòng)系統(tǒng)描述，包括直接建立在統(tǒng)計(jì)指標(biāo)基礎(chǔ)上的表象特征（例如錨點(diǎn)在同一區(qū)域中的車(chē)輛的時(shí)空活動(dòng)特征統(tǒng)計(jì)值，具有相似興趣點(diǎn)的車(chē)輛的時(shí)空活動(dòng)統(tǒng)計(jì)值等），也包括車(chē)輛屬性與時(shí)空環(huán)境的關(guān)聯(lián)特征（用以揭示相同類(lèi)型車(chē)輛在不同時(shí)空環(huán)境中的活動(dòng)差異，不同類(lèi)型車(chē)輛在相同時(shí)空環(huán)境中的活動(dòng)差異）。

更為艱巨的任務(wù)是建立車(chē)輛空間活動(dòng)系統(tǒng)的模型，這是做出有限但必要的交通系統(tǒng)對(duì)政策調(diào)控的響應(yīng)行為預(yù)測(cè)需要依賴(lài)的分析技術(shù)?？赡苡行┳x者認(rèn)為不是已經(jīng)在車(chē)輛使用行為模型研究方面取得了很多成果了嗎，為何還認(rèn)為此方面的龔總?cè)沃氐肋h(yuǎn)？事實(shí)上，根據(jù)小樣本意愿調(diào)查數(shù)據(jù)（數(shù)千至萬(wàn)余樣本）構(gòu)建的模型，只能一般性說(shuō)明可能發(fā)生的變化與響應(yīng)，但難以精準(zhǔn)說(shuō)明不同空間環(huán)境和關(guān)系條件下，可能出現(xiàn)的變化分布，因而難以支撐精準(zhǔn)化的需求管理等決策。

我們很難僅僅依靠數(shù)據(jù)統(tǒng)計(jì)或者關(guān)聯(lián)分析的結(jié)果構(gòu)建具有較高時(shí)空分辨率的行為響應(yīng)模型，因此不得不進(jìn)入車(chē)輛空間活動(dòng)分析的深水區(qū)。一種可行的技術(shù)方向是建立宏微觀嵌套的分析模板，將車(chē)輛空間活動(dòng)的大數(shù)據(jù)分析技術(shù)，與細(xì)化分類(lèi)設(shè)計(jì)的車(chē)輛使用行為分析技術(shù)有機(jī)融合。依托大數(shù)據(jù)分析技術(shù)可以有效掌握得到細(xì)化問(wèn)題結(jié)構(gòu)的時(shí)空間版圖（不同類(lèi)型車(chē)輛使用在時(shí)空間的分布），這為我們創(chuàng)造了根據(jù)不同類(lèi)型問(wèn)題進(jìn)行差別化意愿調(diào)查以及建模的條件，將幫助研究者規(guī)避“選擇性偏差”陷阱。而差別化小樣本調(diào)查數(shù)據(jù)基礎(chǔ)上構(gòu)建的行為模型，將有助于在因果識(shí)別基礎(chǔ)上科學(xué)判斷系統(tǒng)不同響應(yīng)行為。