大數(shù)據(jù)背景下重慶市綜合交通模型維護(hù)升級

吳祥國，余清星，韋 翀

(重慶市交通規(guī)劃研究院，重慶400020)

大數(shù)據(jù)背景下重慶市綜合交通模型維護(hù)升級

吳祥國，余清星，韋 翀

(重慶市交通規(guī)劃研究院，重慶400020)

利用傳統(tǒng)交通調(diào)查數(shù)據(jù)開展交通模型維護(hù)升級工作存在抽樣率低、樣本量小、人工成本高、精度低、實施難度大等多種現(xiàn)實問題。在大數(shù)據(jù)技術(shù)不斷更新完善的背景下，有必要探索新的模型維護(hù)升級技術(shù)和方法。首先，闡述重慶市交通大數(shù)據(jù)的發(fā)展歷程、數(shù)據(jù)類型、數(shù)據(jù)采集與數(shù)據(jù)格式。其次，在重慶市綜合交通模型的框架結(jié)構(gòu)中，分別利用大數(shù)據(jù)資源探索公共汽車線網(wǎng)的構(gòu)建、各等級道路流量延誤函數(shù)標(biāo)定、常住人口和就業(yè)崗位分析、出行分布特征分析和公共交通出行需求分析等相關(guān)技術(shù)方法。最后，以重慶市綜合交通模型的應(yīng)用實踐成果驗證模型的可靠性和準(zhǔn)確性。

交通規(guī)劃；交通模型；維護(hù)升級；大數(shù)據(jù)；重慶市

0 引言

城市交通模型的維護(hù)升級需要根據(jù)城市發(fā)展建設(shè)情況對模型基礎(chǔ)輸入數(shù)據(jù)和相關(guān)參數(shù)進(jìn)行更新，確保模型分析結(jié)果的準(zhǔn)確性[1]。然而，傳統(tǒng)交通調(diào)查作為交通模型維護(hù)升級一般的基礎(chǔ)數(shù)據(jù)來源，存在抽樣率低、樣本量小、人工成本高、精度低、實施難度大等多種現(xiàn)實問題，基礎(chǔ)數(shù)據(jù)采集困難。此外，模型基礎(chǔ)網(wǎng)絡(luò)信息更新還存在工作量大、內(nèi)容煩瑣、模型維護(hù)難度大等問題。

隨著計算機、通信、網(wǎng)絡(luò)、傳感等高新技術(shù)的快速發(fā)展，由互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)、移動通信、物聯(lián)網(wǎng)、車聯(lián)網(wǎng)等高端設(shè)備產(chǎn)生的交互和交易數(shù)據(jù)共同構(gòu)成了大數(shù)據(jù)，具有大體量(Volume)、速度快(Velocity)、多樣性(Variety)、價值密度低(Value)的4V特征[2]。雖然這些大數(shù)據(jù)最初并非為分析城市交通出行規(guī)律而產(chǎn)生，同時應(yīng)用這些大數(shù)據(jù)面臨數(shù)據(jù)采集、數(shù)據(jù)格式和數(shù)據(jù)分析等諸多方面的難題，但通過對多源大數(shù)據(jù)的深度關(guān)聯(lián)分析挖掘，仍然可以為城市交通模型的維護(hù)升級工作提供豐富的數(shù)據(jù)基礎(chǔ)。

1 重慶市交通大數(shù)據(jù)

2010年，重慶市已著手開展大數(shù)據(jù)在交通規(guī)劃工作中的應(yīng)用研究，代表性工程為重慶市交通綜合信息平臺，稍晚于2006年的深圳市城市交通仿真系統(tǒng)[3]。該平臺實現(xiàn)了基于GIS技術(shù)的各類現(xiàn)狀及規(guī)劃交通基礎(chǔ)設(shè)施數(shù)據(jù)的匯聚整合，并應(yīng)用手機信令、車載GPS、交通視頻圖像等數(shù)據(jù)實現(xiàn)主城區(qū)實時車速、流量狀況計算，可為政府部門、社會公眾、運輸企業(yè)、科研機構(gòu)提供基礎(chǔ)數(shù)據(jù)支持，同時也為重慶市綜合交通模型維護(hù)升級提供重要的基礎(chǔ)數(shù)據(jù)支撐。

1.1 數(shù)據(jù)類型

圖1 重慶移動手機信令監(jiān)測范圍Fig.1 Mobile phone signaling coverage area for operator China Mobile in Chongqing

重慶市交通綜合信息平臺已匯集多家市級部門和社會企業(yè)的交通大數(shù)據(jù)，數(shù)據(jù)類型覆蓋城市道路、公共交通、航空、鐵路、公路、水運等交通領(lǐng)域，主要數(shù)據(jù)類型有：1)人員移動數(shù)據(jù)，包括手機信令數(shù)據(jù)、公交IC卡數(shù)據(jù)、軌道交通閘機數(shù)據(jù)等；2)車輛移動數(shù)據(jù)，例如出租汽車、公共汽車、客車和貨車的GPS數(shù)據(jù)，射頻識別(Radio Frequency Identification,RFID)數(shù)據(jù)，線圈與視頻卡口數(shù)據(jù)，停車場收費信息等。

1.2 數(shù)據(jù)采集與格式

1.2.1 人員移動數(shù)據(jù)

重慶市交通綜合信息平臺中與人的移動相關(guān)的數(shù)據(jù)資源主要包括手機信令數(shù)據(jù)、公交IC卡數(shù)據(jù)和軌道交通閘機數(shù)據(jù)。

自2011年開始，重慶市交通綜合信息平臺陸續(xù)接入兩家運營商的手機信令數(shù)據(jù)，其中重慶移動手機信令覆蓋主城區(qū)及周邊19個區(qū)縣，面積約2.7萬km2，基站約3萬個，位置區(qū)109個(見圖1)；重慶聯(lián)通手機信令覆蓋主城區(qū)及周邊38個區(qū)縣，面積8.24萬km2，基站約2.5萬個，位置區(qū)94個(見圖2)。手機信令的主要內(nèi)容包括用戶編號、基站編號、事件時間和事件類型。將事件類型按手機信令產(chǎn)生過程是否受到手機用戶主觀行為影響，劃分為主動方式和被動方式。前者主要包括主叫、被叫、掛機、接收短信、發(fā)送短信、基站控制器(BSC)切換等。后者主要包括正常位置更新、周期性位置更新，即通信系統(tǒng)對于手機用戶位置的定時更新記錄。

重慶市公共交通刷卡比例逐年攀升。根據(jù)重慶城市通卡支付有限責(zé)任公司統(tǒng)計數(shù)據(jù)，截至2014年底公交IC卡持卡率達(dá)到81%，每天產(chǎn)生IC卡刷卡數(shù)據(jù)量540萬條。公共汽車刷卡數(shù)據(jù)和軌道交通閘機數(shù)據(jù)的主要內(nèi)容包括卡號、卡類型、交易類型、刷卡日期、刷卡時刻、交易金額、營運單位、設(shè)備號、公交線路號、公交車輛號、公共汽車簽到卡號、軌道交通進(jìn)站時間、軌道交通進(jìn)站車站、軌道交通出站時間、軌道交通出站車站。

1.2.2 車輛移動數(shù)據(jù)

重慶市交通綜合信息平臺匯集的車輛移動數(shù)據(jù)主要包括公共汽車、出租汽車、“兩客一?！避囕v(即從事旅游的包車、三類以上班線客車和運輸危險化學(xué)品、煙花爆竹、民用爆炸物品的專用車輛)的車載GPS數(shù)據(jù)以及道路流量數(shù)據(jù)(例如RFID數(shù)據(jù)、線圈或視頻卡口數(shù)據(jù)等)。

車輛GPS數(shù)據(jù)中，公共汽車每天產(chǎn)生4 200萬條數(shù)據(jù)記錄，主要內(nèi)容包括線路號、車輛號、定位時間、定位經(jīng)緯度、速度、角度、營運單位；出租汽車每天產(chǎn)生9 400萬條數(shù)據(jù)記錄，主要內(nèi)容包括車輛號、定位時間、定位經(jīng)緯度、速度、角度、是否載客；“兩客一?！避囕v每天產(chǎn)生3 200萬條數(shù)據(jù)記錄，主要內(nèi)容包括車輛號、定位時間、定位經(jīng)緯度、速度、角度。

各類型道路流量數(shù)據(jù)中，線圈僅能夠統(tǒng)計斷面流量，無法識別車輛ID、類型等其他相關(guān)信息，而RFID和視頻卡口可識別的車輛信息較為全面。重慶市主城區(qū)已投入運營的RFID監(jiān)測采集點共計852個(見圖3)，覆蓋主要道路與城市出入口，采集數(shù)據(jù)內(nèi)容包括車輛ID、通過監(jiān)測點時間、車型代碼、號牌種類、使用性質(zhì)、車牌歸屬地。視頻卡口采集斷面相對較少，僅有31個，而線圈布局有249個，其中視頻卡口采集數(shù)據(jù)內(nèi)容包括卡口編號、方向、車道號、車牌號、號牌種類、過車時間、車輛速度和車輛類型(見圖4)。

2 重慶市綜合交通模型維護(hù)升級

2.1 模型框架

重慶市綜合交通模型采用傳統(tǒng)的四階段模型方法構(gòu)建，包括出行網(wǎng)絡(luò)模型和出行需求模型。前者主要包括道路網(wǎng)絡(luò)、軌道交通網(wǎng)絡(luò)和公共汽車網(wǎng)絡(luò)及其附屬屬性和函數(shù)；后者指各階段互相反饋的四階段模型，主要模塊為道路網(wǎng)絡(luò)分配模型和公共交通網(wǎng)絡(luò)分配模型(見圖5)。

2.2 模型維護(hù)升級內(nèi)容與方法

重慶市綜合交通模型維護(hù)的主要內(nèi)容為道路網(wǎng)絡(luò)、軌道交通網(wǎng)絡(luò)和公共汽車網(wǎng)絡(luò)等基礎(chǔ)網(wǎng)絡(luò)資料和人口用地資料。模型升級的主要內(nèi)容為流量延誤函數(shù)、公共交通出行時間函數(shù)的標(biāo)定以及四階段模型中各模塊相關(guān)參數(shù)的調(diào)整。

2.2.1 公共汽車線網(wǎng)構(gòu)建

公共汽車網(wǎng)絡(luò)是依附在道路網(wǎng)絡(luò)上的路徑系統(tǒng)，能夠記錄公共汽車線路運行的路段、節(jié)點次序以及車站位置。TransCAD和EMME等傳統(tǒng)交通規(guī)劃軟件均含有公共汽車線網(wǎng)編輯功能。EMME軟件要求公共汽車站必須位于路網(wǎng)節(jié)點上，手動編輯相對復(fù)雜；TransCAD軟件允許車站位于路段的任意位置，但為與EMME軟件兼容，一般在路段設(shè)置虛擬節(jié)點[4]。

圖3 重慶市主城區(qū)RFID監(jiān)測點位分布Fig.3 RFID distributions in Chongqing central district

圖4 重慶市主城區(qū)線圈和視頻卡口監(jiān)測點位分布Fig.4 Distribution of video and loop detectors in Chongqing central district

傳統(tǒng)公共汽車線網(wǎng)構(gòu)建的方法主要有兩種：1)通過TransCAD軟件中的Route systems編輯器功能手動編輯線路和車站；2)首先進(jìn)行全網(wǎng)絡(luò)的公共汽車站定位信息調(diào)查，確定每條線路車站的經(jīng)緯度及雙向運行次序，再通過TransCAD軟件中的線路車站間最短路徑的方法構(gòu)建公交線網(wǎng)。傳統(tǒng)方法投入的人工和調(diào)查成本較高，工作量大，費時費力，一般適用于公共汽車線路較少的城市。

在大數(shù)據(jù)背景下，豐富的數(shù)據(jù)源為提高公共汽車線網(wǎng)構(gòu)建的效率提供可能：1)通過公共汽車車載GPS定位數(shù)據(jù)構(gòu)建公共汽車線網(wǎng)，即根據(jù)公交車載GPS數(shù)據(jù)的行車軌跡構(gòu)建公共汽車線路。當(dāng)公共汽車運行至車站時，運行速度降至0km·h-1，通過選定特定時段的線路經(jīng)過較長時間的訓(xùn)練可以獲取公共汽車站定位經(jīng)緯度，進(jìn)而獲取各行車方向的線路車站信息以構(gòu)建公共汽車線網(wǎng)。2)通過下載開源數(shù)據(jù)，例如百度、搜狗等網(wǎng)站的線路車站信息，通過相應(yīng)的坐標(biāo)轉(zhuǎn)換、車站識別等操作，導(dǎo)入至本地交通模型中，構(gòu)建公共汽車線網(wǎng)。

2.2.2 各等級道路流量延誤函數(shù)標(biāo)定

圖5 重慶市綜合交通模型框架Fig.5 Framework of Chongqing Comprehensive Transportation Model

流量延誤函數(shù)(Volume Delay Function,VDF)是指路段行駛時間與路段交通負(fù)荷、交叉口延誤與交叉口負(fù)荷之間關(guān)系的數(shù)學(xué)表達(dá)，是進(jìn)行出行路徑選擇和交通分配的關(guān)鍵參數(shù)。主要函數(shù)類型包括美國公路局的BPR函數(shù)、加拿大INRO公司開發(fā)的Conical函數(shù)、Akcelik在Davidson函數(shù)基礎(chǔ)上提出的Akcelik函數(shù)和以色列交通規(guī)劃研究部提出的基于Logit的流量延誤函數(shù)[5]。

傳統(tǒng)標(biāo)定流量延誤函數(shù)的數(shù)據(jù)基礎(chǔ)主要為人工交通量調(diào)查和跟車車速調(diào)查數(shù)據(jù)，一般采用的車道通行能力為經(jīng)驗值。由于調(diào)查費用高、樣本量小，所以標(biāo)定的流量延誤函數(shù)精度較低，模型敏感度不高。

重慶市交通綜合信息平臺匯集了豐富的交通量識別數(shù)據(jù)，例如RFID數(shù)據(jù)、視頻卡口和線圈數(shù)據(jù)、各類型車載GPS數(shù)據(jù)。充分采用上述數(shù)據(jù)，構(gòu)建城市實時車速運行系統(tǒng)，可為各等級道路流量延誤函數(shù)的標(biāo)定提供豐富的斷面流量和車速基礎(chǔ)數(shù)據(jù)。根據(jù)交通流理論，對路段不同時段的流量、密度進(jìn)行擬合分析，能夠比較清晰地劃分出暢通流、壓縮流和飽和流狀態(tài)，作為標(biāo)定分段流量延誤函數(shù)的重要基礎(chǔ)。此外，根據(jù)分時段交通量和車速的統(tǒng)計分析，還可為不同區(qū)域、不同道路等級的單車道通行能力標(biāo)定提供定量參考。

2.2.3 常住人口和就業(yè)崗位分析

常住人口和就業(yè)崗位是構(gòu)建出行生成模型的基礎(chǔ)和關(guān)鍵。獲取常住人口和就業(yè)崗位數(shù)據(jù)的傳統(tǒng)方法是利用統(tǒng)計局社會經(jīng)濟(jì)普查成果，根據(jù)各交通小區(qū)的居住建筑面積以及其他類型用地面積進(jìn)行細(xì)分。然而，統(tǒng)計局通過抽樣調(diào)查獲取的常住人口數(shù)據(jù)抽樣率較低，精度有待提高，且缺乏較為詳細(xì)的就業(yè)崗位信息，難以獲取較小區(qū)域(例如鎮(zhèn)、街道層面)的人口和就業(yè)崗位數(shù)據(jù)。

應(yīng)用手機信令數(shù)據(jù)進(jìn)行人口和就業(yè)崗位分析是一種較為理想的技術(shù)手段。手機定位采用的是基于基站小區(qū)的模糊定位技術(shù)，移動通信網(wǎng)絡(luò)能夠定期或不定期、主動或被動地記錄代表手機用戶位置的基站小區(qū)編號，通過對每個用戶連續(xù)出行軌跡的還原，進(jìn)而判斷用戶的具體出行行為[6]。利用長期(1個月以上)的手機位置歷史數(shù)據(jù)，可識別用戶夜間休息時段穩(wěn)定點為居住地、白天工作時段穩(wěn)定點為工作地，并剔除非通勤用戶的干擾，獲取常住人口和就業(yè)崗位分布。

2.2.4 出行分布特征分析

出行分布是指各交通分區(qū)之間的交換量，是描述出行特征的重要指標(biāo)。采用手機大數(shù)據(jù)的出行軌跡，能夠較為準(zhǔn)確地識別居民通勤出行的起訖點，分析得到居住人口的就業(yè)崗位分布或就業(yè)人口的居住地分布，適用于大區(qū)域或組團(tuán)間出行OD矩陣、特定區(qū)域(例如機場、火車站)出行OD矩陣分析。

RFID數(shù)據(jù)記錄了車輛ID和通過時間等信息，利用關(guān)鍵通道上幾個連續(xù)的RFID斷面，能夠追蹤車輛的運行軌跡，進(jìn)而分析特定路段不同的流量、流向構(gòu)成特征，可為模型校驗和項目功能定位分析提供參考。

2.2.5 公共交通出行需求分析

公共交通出行OD矩陣是公共交通出行需求分析的重要依據(jù)。傳統(tǒng)公共交通出行OD矩陣是在居民出行調(diào)查的基礎(chǔ)上，采用四階段模型進(jìn)行出行方式劃分分析得出。另外一種獲得公共汽車出行OD矩陣的方法是采用小票法對全部公共汽車線路的上下車站進(jìn)行調(diào)查，推算車站間OD矩陣和出行需求。總之，相關(guān)調(diào)查耗時耗力、調(diào)查樣本少，影響數(shù)據(jù)精度。

軌道交通閘機數(shù)據(jù)記錄了乘客出行的上下車站。公共汽車的IC卡數(shù)據(jù)并未記錄乘客的上下車站，但通過與車載GPS數(shù)據(jù)的相同關(guān)鍵字段相匹配，以及相應(yīng)的理論分析，可以推導(dǎo)得到公共汽車出行OD矩陣。將公交IC卡數(shù)據(jù)記錄的車輛號、刷卡時間與車載GPS數(shù)據(jù)記錄的車輛號、定位時間相匹配，可獲取乘客刷卡時對應(yīng)的定位經(jīng)緯度，與調(diào)查的公共汽車站經(jīng)緯度相匹配，即可推導(dǎo)出乘客出行的上車站。對于下車站推導(dǎo)，假設(shè)乘客單日全部出行是一個以起訖點為連接點的完整環(huán)狀出行鏈，則可以假設(shè)乘客前一次出行的終點是下一次出行的起點，乘客當(dāng)日最后一次出行的終點是第一次出行的起點。通過以上方法，可充分利用公交IC卡、GPS數(shù)據(jù)以及軌道交通閘機數(shù)據(jù)得到公共交通出行需求OD矩陣[7]，從而減少人工調(diào)查費用和成本，提高抽樣率和數(shù)據(jù)精度。

3 應(yīng)用實踐

3.1 公共汽車線網(wǎng)維護(hù)

重慶市主城區(qū)公共汽車線網(wǎng)維護(hù)充分利用開源大數(shù)據(jù)資源，通過下載—導(dǎo)入—坐標(biāo)轉(zhuǎn)換—導(dǎo)入模型路網(wǎng)—運行路徑修正—車站識別等步驟，獲取開源公共汽車線路車站數(shù)據(jù)，并通過與公交企業(yè)提供的線路表、原有公共汽車線網(wǎng)相對比，補充遺漏的公共汽車線路。目前，重慶市主城區(qū)共有公共汽車線路559條(見圖6)，其中開源數(shù)據(jù)與公交企業(yè)提供的線路表之間存在差異的線路有41條，公共汽車線網(wǎng)維護(hù)的工作量大大減小。

圖6 重慶市主城區(qū)公共汽車線網(wǎng)Fig.6 Bus network in Chongqing central district

圖7 重慶市機場高速(奧特萊斯段)單車道流量和速度時段分布Fig.7 Vehicle flow counts and velocity per lane on Chongqing airport expressway(near Outlets mall section)

3.2 流量延誤函數(shù)升級

圖8 重慶市機場高速(奧特萊斯段)流量延誤函數(shù)Fig.8 VDF functions on Chongqing airport expressway(near Outlets mall section)

在整合路段的RFID車流量數(shù)據(jù)、視頻卡口和線圈等監(jiān)測設(shè)備分時段車流量數(shù)據(jù)、對應(yīng)路段的GPS車速檢測數(shù)據(jù)之后，可根據(jù)分時段的單車道流量值，取其95%分位值確定不同區(qū)域、等級路段的車道通行能力，并根據(jù)道路運行的暢通流、壓縮流和飽和流狀態(tài)進(jìn)行分段流量延誤函數(shù)的標(biāo)定。圖7為重慶市機場高速(奧特萊斯段)單車道流量和速度時段分布，早高峰(7:00—9:00)和晚高峰(16:30—18:30)時段單車道交通量分布在最大值區(qū)域，運行速度驟降，基本達(dá)到通行能力極限值，取其95%分位流量值1 700 pcu·h-1為本路段單車道通行能力。圖8為對應(yīng)路段的流量延誤函數(shù)，在飽和流狀態(tài)下運行速度隨著飽和度增加迅速降低?；谏鲜龌A(chǔ)分析成果，可以快速高效地標(biāo)定出包括都市功能核心區(qū)、都市功能拓展區(qū)兩類區(qū)域，高速公路、快速路、主干路、次干路和支路5類道路等級，橋梁、隧道、主輔路等多種斷面形式共計30余種流量延誤函數(shù)。

3.3 常住人口和就業(yè)崗位維護(hù)

利用主城區(qū)1個月以上的手機信令數(shù)據(jù)，持續(xù)跟蹤手機用戶在不同區(qū)域的出現(xiàn)天數(shù)、累計出現(xiàn)時長以及通信信號出現(xiàn)和消失的時間等信息，研究手機用戶在不同區(qū)域、不同時段出現(xiàn)的規(guī)律性特征，進(jìn)而訓(xùn)練并獲取主城區(qū)的常住人口和就業(yè)崗位手機用戶樣本，再利用統(tǒng)計局發(fā)布的鎮(zhèn)和街道層面的人口、年齡結(jié)構(gòu)數(shù)據(jù)進(jìn)行擴樣分析。從常住人口和就業(yè)崗位分布密度(見圖9和圖10)來看，重慶市主城區(qū)常住人口和就業(yè)崗位高度集中于核心商圈區(qū)域，都市功能核心區(qū)3.3%的區(qū)域面積承載了主城區(qū)40%的人口和就業(yè)崗位[8]。

圖10 重慶市主城區(qū)就業(yè)崗位密度Fig.10 Employment density in Chongqing central district

3.4 出行分布特征分析

利用手機信令數(shù)據(jù)訓(xùn)練的通勤出行OD矩陣可以用于分析各組團(tuán)間的出行分布特征。東京、倫敦、紐約、北京、上海等國際大城市具有中心城區(qū)就業(yè)崗位集中、居住空間不足、通勤出行以中心放射型中長距離出行為主的特征。而重慶市主城區(qū)通勤交通并沒有明顯的射線向心特征，通勤主要流向是由內(nèi)往外、由南往北、由中部槽谷至東西部槽谷，且絕大部分跨組團(tuán)通勤出行發(fā)生在相鄰組團(tuán)之間(見圖11)。這一交通分布特征充分體現(xiàn)了重慶市多中心組團(tuán)式發(fā)展的城市布局，也從另一側(cè)面反映了利用手機信令數(shù)據(jù)推導(dǎo)出行OD矩陣的可靠性和準(zhǔn)確性。

此外，還可利用RFID車流量數(shù)據(jù)來分析交通模型的準(zhǔn)確度及校核模型參數(shù)。以鵝公巖長江大橋為例(見圖12)，通過提取連續(xù)幾個RFID檢測斷面的車流量數(shù)據(jù)可以得到：二郎立交橋以西區(qū)域至鵝公巖長江大橋的車流交換量為8%，江南立交橋以東區(qū)域至鵝公巖長江大橋的車流交換量為17%。該數(shù)值與現(xiàn)狀道路交通模型對于鵝公巖長江大橋進(jìn)行關(guān)鍵斷面分析的結(jié)果基本一致，進(jìn)一步驗證了模型的可信性。

3.5 公共交通出行需求分析

基于公交IC卡、GPS數(shù)據(jù)以及軌道交通閘機數(shù)據(jù)反推公共交通出行需求OD矩陣、構(gòu)建公共交通出行需求模型的技術(shù)，已成功應(yīng)用于諸如重慶市主城區(qū)公共交通網(wǎng)絡(luò)優(yōu)化等規(guī)劃項目中。在重慶市主城區(qū)公共交通網(wǎng)絡(luò)優(yōu)化項目中，利用公交IC卡刷卡原始數(shù)據(jù)330萬條，成功推導(dǎo)出上下車站OD矩陣的出行乘次為225萬次，推導(dǎo)成功率高達(dá)68.2%。然后，分別從推導(dǎo)出的站間OD矩陣的刷卡數(shù)據(jù)與原始刷卡數(shù)據(jù)的相對關(guān)系、各線路刷卡率兩個層面對公共汽車站OD矩陣進(jìn)行擴樣。最后，根據(jù)公共交通車站與交通小區(qū)之間的從屬權(quán)重關(guān)系，將公共交通車站間OD矩陣轉(zhuǎn)換為交通小區(qū)出行OD矩陣，進(jìn)行公共交通分配(見圖13)。

4 結(jié)語

圖11 重慶市主城區(qū)通勤交通出行期望線Fig.11 Desire line of commuting trips in Chongqing central district

圖12 重慶市鵝公巖長江大橋關(guān)鍵路段流量流向分析Fig.12 Analysis of flow velocity and direction on key section in Egongyan Yangtze Grand Bridge

圖13 重慶市主城區(qū)公共交通客流量分配Fig.13 Transit assignment in Chongqing central district

城市交通模型的維護(hù)升級是一項長期工作。大數(shù)據(jù)技術(shù)的不斷發(fā)展和完善為城市交通模型的日常維護(hù)升級提供了良好的數(shù)據(jù)基礎(chǔ)。重慶市主城區(qū)充分利用開源數(shù)據(jù)以及手機、公交IC卡、軌道交通閘機、RFID、各類型車載GPS、視頻卡口和線圈等設(shè)備產(chǎn)生的大數(shù)據(jù)資源，在公交線網(wǎng)構(gòu)建、各等級道路流量延誤函數(shù)標(biāo)定、常住人口和就業(yè)崗位分析、出行分布特征分析和公共交通出行需求分析等方面進(jìn)行了較為成功的探索和應(yīng)用。

未來，大數(shù)據(jù)技術(shù)將會越來越廣泛地應(yīng)用于城市交通規(guī)劃，特別是城市交通模型的構(gòu)建、維護(hù)與升級中。多源大數(shù)據(jù)資源應(yīng)相互結(jié)合、相互校核、深入挖掘，才能迸發(fā)出更多更為真實、可信的成果。

[1]陳必壯，張?zhí)烊?中國城市交通調(diào)查與模型現(xiàn)狀及發(fā)展趨勢[J].城市交通，2015，13(5)：73-79.Chen Bizhuang,Zhang Tianran.Current and Future Development of Urban Travel Survey Methods in China[J].Urban Transport of China,2015,13(5):73-79.

[2]維克托·邁爾-舍恩伯格，肯尼思·庫克耶.大數(shù)據(jù)時代：生活、工作與思維的大變革[M].盛楊燕，周濤，譯.杭州：浙江人民出版社，2013.Mayor-Schonberger V,Cukier K.Big Data:A Revolution That Will Transform How We Live,Work and Think[M].Sheng Yangyan,Zhou Tao,translated.Hangzhou:Zhejiang People's Publishing House,2013.

[3]丘建棟，陳蔚，宋家驊，段仲淵，趙再先.大數(shù)據(jù)環(huán)境下的城市交通綜合評估技術(shù)[J].城市交通，2015，13(3)：63-70.Qiu Jiandong,ChenWei,Song Jiahua,Duan Zhongyuan,Zhao Zaixian.Comprehensive Assessment of Urban Transportation Using Big Data[J].Urban Transport of China,2015,13(3):63-70.

[4]張?zhí)烊?基于GIS的公交模型數(shù)據(jù)庫構(gòu)建及維護(hù)[J].城市交通，2014，12(5)：65-71.Zhang Tianran.Development and Maintenance of a GIS-based Transit Model Database[J].Urban Transport of China,2014,12(5):65-71.

[5]溫旭麗，吳忞，曹蕊.幾種典型路阻函數(shù)的特性比較及參數(shù)選擇研究[J].公路交通科技(應(yīng)用技術(shù)版)，2014(2)：205-208.

[6]冉斌.手機數(shù)據(jù)在交通調(diào)查和交通規(guī)劃中的應(yīng)用[J].城市交通，2013，11(1)：72-81.Ran Bin.Use of Cellphone Data in Travel Survey and Transportation Planning[J].Urban Transport of China,2013,11(1):72-81.

[7]吳祥國.基于公交IC卡和GPS數(shù)據(jù)的居民公交出行OD矩陣推導(dǎo)與應(yīng)用[D].濟(jì)南：山東大學(xué)，2011.

[8]重慶市交通規(guī)劃研究院.重慶市主城區(qū)交通發(fā)展年度報告[R].重慶：重慶市交通規(guī)劃研究院，2014.

Maintenance and Upgrading of Chongqing Comprehensive Transportation Models Under Big Data Era

Wu Xiangguo,Yu Qingxing,Wei Chong
(Chongqing Transport Planning Institute,Chongqing 400020,China)

Transportation models were maintained and upgraded highly relying on traditional traffic survey technology,which has raised a couple of practical issues,including low sample rates,small sample size,high labor cost,low accuracy,and implementation difficulty.As we are stepping into big data era,it is necessary to explore new ways for maintaining and upgrading transportation models.First of all,this paper illustrates the efforts in the big data development progress,data collection,and data structures Chongqing has made so far.Second,it highlights some critical achievements,including using big data to construct bus network,calibrate volume delay functions for various road types,analyze residential population and employment,discover trip distribution patterns and detect public transport demand under Chongqing Comprehensive Transportation Model framework.Finally,the paper demonstrates various real-world applications to justify the reliability and accuracy improvement of updated model.

transportation planning;transportation models;maintenance and upgrading;big data;Chongqing

1672-5328（2016）02-0051-08

U491.1+2

A

10.13813/j.cn11-5141/u.2016.0208

2015-11-30

吳祥國(1986—)，男，山東聊城人，碩士，工程師，主要研究方向：交通需求預(yù)測。E-mail:wxiangguo@126.com