廖 凱，張潤濤，楊子安，向悅萍，何正友

（西南交通大學電氣工程學院，四川省成都市 611756）

0 引言

實現(xiàn)“碳達峰、碳中和”，是中國的重大戰(zhàn)略決策［1］。根據(jù)全球碳計劃組織發(fā)布的《2020 年全球碳預算》顯示，中國近12 年碳排放連續(xù)位居世界第一，并以年均2.55%的增速繼續(xù)增長［2-3］。其中，交通領域的碳排放占比為13.89%，遠高于世界平均水平7.01%［4］，為全面落實“雙碳”目標，交通減碳勢在必行。

交通電氣化是減少交通領域碳排放的有效方式。當前，電氣化交通正飛速發(fā)展。據(jù)國際能源署報道，從2020年到2030年，全球電動汽車將增長18倍，預計2030 年電動汽車年銷量將達到5 500 萬輛［5］。2020 年中國電動汽車銷量高達136.6 萬輛，占全球份額的51%［6-7］。另外，中國電氣化鐵路里程從2001年到2020 年，累計增長6.1 萬km，增幅達23.8%［8-9］。

電氣化交通大規(guī)模運行并與電網(wǎng)交互，勢必會加劇電網(wǎng)穩(wěn)定運行的風險，造成一系列影響。例如，電氣化交通的運行時間與居民用戶用電行為規(guī)律重合，導致負荷峰谷差加大［10］、電能質量下降［11］、網(wǎng)損增大［12］等各方面問題，從而影響電力系統(tǒng)的穩(wěn)定安全運行，帶來安全隱患［13］。此外，當電力系統(tǒng)發(fā)生故障時，也會影響電氣化交通的正常運行，造成城市與城際交通擁堵甚至癱瘓［14］。

另一方面，電動汽車兼具移動儲能特性，可用做需求側靈活性資源，參與電網(wǎng)調峰調頻等輔助服務，實現(xiàn)交通能源友好互動。分析交通與能源間的緊密耦合關系，提出了交通能源融合的框架與技術，是交通能源友好互動的基礎。文獻［15］提出了能源互聯(lián)網(wǎng)較為明確的概念、架構及組成，預測了未來交通系統(tǒng)與電力系統(tǒng)在規(guī)劃與運行將演變?yōu)楦叨锐詈系南到y(tǒng)。文獻［16］基于能量流與信息流實現(xiàn)了多元能量發(fā)電系統(tǒng)、柔性新型供電網(wǎng)絡、主動交通負荷和能源儲存設施。文獻［17］分析了能源-交通-信息三網(wǎng)融合的必要性與可行性，以電動汽車在充電服務領域為例，提出了三網(wǎng)融合的系統(tǒng)架構及關鍵技術。文獻［18］分析了區(qū)域、城鎮(zhèn)/地區(qū)、終端的三層能源交通一體化系統(tǒng)的發(fā)展模式，考慮了交通系統(tǒng)各類能源布局、生產(chǎn)、傳輸?shù)挠绊?。文獻［19］以港口綜合能源系統(tǒng)為研究場景，從能源側和交通側兩方面詳細分析了港口能源-交通融合下的各類柔性資源，并給出了示范性的建模方法。

上述研究探索并總結了交通能源融合的框架，可為后續(xù)交通與能源協(xié)同發(fā)展提供良好的建議。然而，現(xiàn)有交通與能源融合系統(tǒng)框架的實施都將嚴重依賴于兩者間的數(shù)據(jù)交互，交通能源融合涉及交通和電力行業(yè)的供應商、運營商、監(jiān)管等眾多政府、企業(yè)部門，在信息交互與運行控制等方面均獨立運行且具有較高的行業(yè)壁壘［20］。這些系統(tǒng)成煙囪式發(fā)展，數(shù)據(jù)信息分布分散、缺乏統(tǒng)籌規(guī)劃，并且各系統(tǒng)間的數(shù)據(jù)難以兼容，從而極大地限制了交通與能源系統(tǒng)的融合協(xié)調發(fā)展。因此，加快研發(fā)交通能源大數(shù)據(jù)融合技術、構建交通能源融合大數(shù)據(jù)平臺是解決上述問題的必然路徑。

本文以城市交通網(wǎng)和能源網(wǎng)為背景，研究交通能源融合大數(shù)據(jù)平臺。首先，提出交通能源融合大數(shù)據(jù)平臺架構，從功能和技術兩方面進行解析。其次，從數(shù)據(jù)交互融合、質量把控、協(xié)同分析及安全保護4 個角度，歸納并總結構建該平臺所面臨的關鍵挑戰(zhàn)，并提出解決對應挑戰(zhàn)的關鍵技術。最后，列舉該平臺部分典型應用場景，為后續(xù)大數(shù)據(jù)技術在交通能源融合方向的研究與發(fā)展提供參考。

1 交通能源融合大數(shù)據(jù)平臺架構

交通能源融合大數(shù)據(jù)平臺架構分為功能架構與技術架構。功能架構主要用于規(guī)范和定義大數(shù)據(jù)平臺在運行時的整體功能流程。技術架構主要用于保障大數(shù)據(jù)平臺能夠順利實現(xiàn)各種功能。

1.1 功能架構

根據(jù)交通能源融合運行的實際需求，以大數(shù)據(jù)準確分析與有效應用為建設目標，構建交通能源融合大數(shù)據(jù)平臺功能架構如圖1 所示。

圖1 交通能源融合大數(shù)據(jù)平臺功能架構Fig.1 Functional architecture of traffic-energy integrated big data platform

交通能源融合大數(shù)據(jù)平臺主要包括5 個功能模塊：

1）數(shù)據(jù)融合。首先，對不同來源的數(shù)據(jù)進行格式轉化，形成統(tǒng)一的數(shù)據(jù)規(guī)范。然后，將異名同義的數(shù)據(jù)進行合并。最后，根據(jù)語義關聯(lián)性，通過實體識別與信息關聯(lián)，將描述同類信息的數(shù)據(jù)建立字典檢索，以減少數(shù)據(jù)冗余、提高數(shù)據(jù)檢索效率，為后續(xù)大數(shù)據(jù)存儲與分析奠定數(shù)據(jù)基礎。

2）數(shù)據(jù)存儲。首先，建立數(shù)據(jù)中心，包括數(shù)據(jù)倉庫、關系數(shù)據(jù)庫和技術數(shù)據(jù)庫。然后，通過篩查錯誤數(shù)據(jù)、補充缺失數(shù)據(jù)、糾正偏差數(shù)據(jù)，實現(xiàn)數(shù)據(jù)清洗。最后，構建信息目錄樹、提供信息發(fā)布功能、信息檢索服務和數(shù)據(jù)接口，實現(xiàn)數(shù)據(jù)共享。

3）數(shù)據(jù)分析。數(shù)據(jù)分析是交通能源融合大數(shù)據(jù)平臺的關鍵環(huán)節(jié)，針對數(shù)據(jù)展示與數(shù)據(jù)應用所需要的信息，提供內(nèi)置數(shù)據(jù)分析工具，包括但不限于數(shù)理統(tǒng)計、人工智能和數(shù)據(jù)挖掘等模型與算法，實現(xiàn)海量多源多樣化數(shù)據(jù)分析，以滿足不同用戶或功能的使用需求。為滿足平臺功能的不斷拓展，數(shù)據(jù)分析還需要具備橫向擴展能力，以滿足用戶自定義的數(shù)據(jù)分析方式。

4）運維與安全。通過大數(shù)據(jù)平臺服務集群進行集中式監(jiān)視和管理，對大數(shù)據(jù)平臺功能采用配置式擴展等技術，解決大規(guī)模服務集群軟、硬件的管理難題，并能動態(tài)配置調整大數(shù)據(jù)平臺的系統(tǒng)功能。采用隱私保護、訪問控制、身份驗證等技術手段保障數(shù)據(jù)全生命周期安全。

5）可視化。為更好地解釋數(shù)據(jù)分析的結果，方便管理人員或用戶直觀地獲取信息，大數(shù)據(jù)平臺可通過桌面終端、移動終端、大屏終端等呈現(xiàn)系統(tǒng)的歷史數(shù)據(jù)、當前運行參數(shù)以及未來趨勢預測。管理人員或用戶可通過便捷的操作界面與數(shù)據(jù)交互，實現(xiàn)對數(shù)據(jù)的高級分析與利用。

1.2 技術架構

依托成熟的數(shù)據(jù)平臺和通用設計，結合交通能源融合大數(shù)據(jù)平臺的功能需求，本文提出適應交通能源融合大數(shù)據(jù)平臺的技術架構，如圖2 所示。

圖2 交通能源融合大數(shù)據(jù)平臺技術架構Fig.2 Technical architecture of traffic-energy integrated big data platform

交通能源融合大數(shù)據(jù)平臺技術架構主要包括以下4 個層級：

1）融合層。本層級的主要目的是對多源結構化數(shù)據(jù)進行融合。首先，大數(shù)據(jù)平臺與交通能源相關的調控平臺或數(shù)據(jù)采集系統(tǒng)進行數(shù)據(jù)交互，采用網(wǎng)絡本體語言（ontology web language，OWL）進行語義描述，將語義異構的數(shù)據(jù)相融合形成局部本體。其次，利用語義網(wǎng)規(guī)則語言（semantic web rule language，SWRL）規(guī)則結合的方式將局部本體融合成全局本體，最后建立全局本體庫，為后續(xù)數(shù)據(jù)處理與分析提供支撐。

2）儲存層?；诮y(tǒng)一資源調度管理器與分布式儲存，實現(xiàn)數(shù)據(jù)的快速儲存與查找。首先，采用數(shù)據(jù)高速緩存Redis 的集群部署模式，提高業(yè)務數(shù)據(jù)的整體讀寫效率。其次，利用MySQL 作為關系型數(shù)據(jù)庫，當表數(shù)據(jù)體量過大時，可采用分庫分表的策略提高數(shù)據(jù)庫的水平擴展能力。最后，針對海量多源異構數(shù)據(jù)的處理、分析應用，還需要基于分布式文件系統(tǒng)（HDFS）、Hbase（面向列、可伸縮的分布式存儲系統(tǒng)）、Hive（基于Hadoop 的大型數(shù)據(jù)倉庫）、Presto（交互式數(shù)據(jù)查詢引擎）、Elasticsearch（分布式數(shù)據(jù)搜索引擎）等大數(shù)據(jù)組件，通過ZooKeeper 分布式應用程序協(xié)調器實現(xiàn)各分布式存儲的同步服務、配置維護和命名服務等。

3）分析層。根據(jù)分析數(shù)據(jù)的時效性、高速性、海量性和多樣性，可以將數(shù)據(jù)的處理方式分為數(shù)據(jù)流處理、內(nèi)存高速處理、批處理以及數(shù)據(jù)挖掘。流處理通常是指對實時數(shù)據(jù)源進行快速分析，迅速觸發(fā)下一步動作的場景；實時流處理業(yè)務，對分析處理速度要求極高，數(shù)據(jù)處理規(guī)模巨大，對CPU 和內(nèi)存要求很高，但是通常數(shù)據(jù)不落地，對存儲量要求不高，如Flink 專門用來承載實時流處理業(yè)務；內(nèi)存計算技術通常提供了一個基于內(nèi)存的快速計算、寫入以及交互式查詢的框架，如Spark 使用in-memory 的計算方式，通過這種方式來避免一個MR（MapReduce）工作流中的多個任務對同一個數(shù)據(jù)集進行計算時的輸入輸出（IO）瓶頸；批處理技術是針對實時性不高的業(yè)務，可對海量數(shù)據(jù)進分析和處理，形成結果數(shù)據(jù)，供下一步數(shù)據(jù)應用使用。若對處理時間要求不高，但處理數(shù)據(jù)量較大通常通過MR 或者Hive 的SQL作業(yè)實現(xiàn)；數(shù)據(jù)挖掘主要采用數(shù)理統(tǒng)計分析軟件RStudio、可伸縮的人工智能算法Mahout 和開源大數(shù)據(jù)挖掘平臺TensorFlow 進行數(shù)據(jù)分析與挖掘，能夠提供不同應用多樣化的結果。

4）展示層。采用Web 瀏覽器，通過并行使用多種計算機編程語言，實現(xiàn)泛屏多終端的可視化呈現(xiàn)，包括桌面終端、移動終端、大屏終端等。

2 交通能源融合大數(shù)據(jù)平臺關鍵挑戰(zhàn)

目前，針對獨立的交通或能源系統(tǒng)，其大數(shù)據(jù)挖掘分析與相關系統(tǒng)平臺已有相應研究成果［21-24］。隨著交通網(wǎng)與能源網(wǎng)逐漸融合發(fā)展為復雜的綜合系統(tǒng)，交通能源大數(shù)據(jù)平臺建設在數(shù)據(jù)交互體系、數(shù)據(jù)質量把控、多主體協(xié)同分析和數(shù)據(jù)安全4 個方面面臨挑戰(zhàn)。

2.1 挑戰(zhàn)1：海量多源異構數(shù)據(jù)交互方式難統(tǒng)一

相較于傳統(tǒng)的大數(shù)據(jù)平臺［25］，交通能源融合大數(shù)據(jù)平臺具有以下3 個主要特點。

1）數(shù)據(jù)來源廣泛。交通能源融合的數(shù)據(jù)來源涉及不同的行業(yè)主體，包括交通路網(wǎng)、城市電網(wǎng)、個體交通工具、充換電設施和其他系統(tǒng)。這些多主體與多系統(tǒng)數(shù)據(jù)庫之間存在著顯著的規(guī)模大小、通信協(xié)議、行業(yè)規(guī)范標準差異等一系列兼容性問題，若不能統(tǒng)一采集信息和互聯(lián)，將造成數(shù)據(jù)冗余。

2）數(shù)據(jù)類型不一。不同系統(tǒng)采集的數(shù)據(jù)可能是文本、圖片、音頻、視頻等多樣化數(shù)據(jù)類型，交通能源融合數(shù)據(jù)組成情況如表1 所示，主要分為結構化、半結構化和非結構化數(shù)據(jù)。

表1 交通能源融合數(shù)據(jù)組成Table 1 Composition of traffic-energy integration data

3）時間尺度多樣。交通能源融合數(shù)據(jù)的時間跨度非常大，采樣信息涵蓋了城市配電網(wǎng)和軌道交通牽引網(wǎng)的電壓電流以及交通工具實時定位的分秒級別數(shù)據(jù)，交通流擴散分布、擁堵疏導的小時級別數(shù)據(jù)，電力系統(tǒng)日前調度與交通流長期分布規(guī)律的日級別數(shù)據(jù)，氣象系統(tǒng)與線下大型活動發(fā)布的月度數(shù)據(jù)以及公共部門總結的各區(qū)域國內(nèi)生產(chǎn)總值（GDP）、人口活動情況等月度或年度數(shù)據(jù)。

綜上所述，傳統(tǒng)單業(yè)務大數(shù)據(jù)的交互方式不適用于海量多源異構的交通能源融合數(shù)據(jù)交互，各系統(tǒng)之間的大數(shù)據(jù)存取交互難以統(tǒng)一，交互成本高、信息壁壘仍然存在。各主體數(shù)據(jù)管理系統(tǒng)橫向拼接的建設思路不能從根本上實現(xiàn)交通能源融合大數(shù)據(jù)價值鏈條的貫通［26-30］。因此，需構建一種統(tǒng)一的交通能源融合數(shù)據(jù)交互方式解決上述問題。

2.2 挑戰(zhàn)2：多維異質數(shù)據(jù)質量難把控

為充分發(fā)揮海量多維數(shù)據(jù)的優(yōu)勢，需要提供真實、完整、及時的高質量數(shù)據(jù)。只有從海量高質量數(shù)據(jù)中進行分析處理與信息挖掘得到有用的信息，交通能源大數(shù)據(jù)平臺所得到的結果才能幫助決策者進行更好的調控與規(guī)劃［31］。

影響多維數(shù)據(jù)質量的因素主要來自環(huán)境或者人為干擾、故障狀況以及不同標準多源數(shù)據(jù)提取轉換過程中的誤差。本文根據(jù)大數(shù)據(jù)5V 特征：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（低價值密度）、Veracity（真實性），概括了交通能源大數(shù)據(jù)平臺的數(shù)據(jù)質量與信息挖掘中主要面臨的5 個方面的挑戰(zhàn)［32-33］。

1）數(shù)據(jù)完整性：保證數(shù)據(jù)不存在缺失。由于檢測設備老化、檢測環(huán)境惡劣、傳輸系統(tǒng)故障、系統(tǒng)運行缺陷等原因，從實際感知對象中采集到的動態(tài)實時數(shù)據(jù)經(jīng)生成、上傳、中間環(huán)節(jié)存儲、處理和傳輸至目的地，數(shù)據(jù)的完整性難以得到保障。按照缺失的數(shù)據(jù)量，可以分為部分數(shù)據(jù)或全部數(shù)據(jù)缺失；按照缺失的數(shù)據(jù)類型可以分為屬性值的缺失、采集時間的缺失等方面。

2）數(shù)據(jù)時效性：保證數(shù)據(jù)收集與分析實時進行。主要體現(xiàn)在原始數(shù)據(jù)收集和產(chǎn)生分析結果兩方面，交通能源融合大數(shù)據(jù)平臺通過與不同感知對象的數(shù)據(jù)管理系統(tǒng)進行交互，可能存在原始數(shù)據(jù)收集時已經(jīng)與實際發(fā)生偏差的情況。產(chǎn)生分析結果需要通過大數(shù)據(jù)平臺進行高效的分析，但隨著數(shù)據(jù)量的日益增長，數(shù)據(jù)處理的速度可能會趕不上數(shù)據(jù)的“保質期”。

3）數(shù)據(jù)一致性：保證數(shù)據(jù)不存在相互矛盾。交通能源融合大數(shù)據(jù)平臺的數(shù)據(jù)來源于各感知對象的數(shù)據(jù)管理系統(tǒng)，由于獲取數(shù)據(jù)的途徑較多，可能存在不同數(shù)據(jù)管理系統(tǒng)之間發(fā)生數(shù)據(jù)交叉的現(xiàn)象，例如數(shù)據(jù)采集、視頻傳輸?shù)?。此外，還存在多語義性差異、多坐標系差異等，這些問題都導致了數(shù)據(jù)的不一致。

4）數(shù)據(jù)準確性：保證數(shù)據(jù)能夠準確采集、處理、傳輸?shù)?。由于不同系統(tǒng)采集方式、采集精度、采集環(huán)境的不同等，可能導致數(shù)據(jù)由于精度不夠降低準確性；數(shù)據(jù)采集選區(qū)的采樣、計算、分析方法不一致，也有可能對數(shù)據(jù)的準確產(chǎn)生影響。

5）數(shù)據(jù)真實性：保證數(shù)據(jù)來源真實可靠。大數(shù)據(jù)平臺的數(shù)據(jù)都來自各個系統(tǒng)、網(wǎng)站、設備采集或融合生成，一些測量誤差或者外界擾動所引起的“數(shù)據(jù)污染”會影響平臺正常分析運行。大量噪聲數(shù)據(jù)雜糅在真實數(shù)據(jù)中容易掩藏數(shù)據(jù)的真實性，從而干擾平臺分析、導致錯誤的決策。

2.3 挑戰(zhàn)3：多主體協(xié)同的運行數(shù)據(jù)難分析

交通能源融合的建設基礎是物理層面的實物連接和信息交互。實物連接是兩網(wǎng)產(chǎn)生聯(lián)系的實體支撐，主要體現(xiàn)在充換電設施、燃料補充站、牽引變電所、儲能設備、光伏發(fā)電及風力發(fā)電等。而信息交互是依托實體連接，以維持和優(yōu)化兩網(wǎng)頻繁交互的重要手段。這些耦合信息通常是以激勵用戶的方式來運作的，例如：交通與能源系統(tǒng)各自運行的模型有較大的差異，交通能源融合大數(shù)據(jù)平臺如何分析已經(jīng)整合的數(shù)據(jù)，并將有效調控措施作用到兩網(wǎng)的信息耦合點上，是實現(xiàn)不同系統(tǒng)間協(xié)同運行的難點所在。為準確構建主體的協(xié)同運行模型，需要對各主體運行特征和影響因素進行分析。

1）電動汽車。由于用戶出行與用能決策易受交通流量、氣象、社會活動等多種客觀因素影響，因此電動汽車充電行為具有較高的不確定性，并且考慮不同因素影響下的行為模式差異性較大［34］。目前影響電動汽車用戶行為的因素可以概況為客觀條件、用戶的理性判斷與感性決策，如表2 所示。

表2 影響電動汽車用戶行為的因素與特點Table 2 Factors and characteristics affecting behaviors of electric vehicle users

為了更加全面地分析電動汽車出行與充電行為對充電設施、交通路網(wǎng)與城市電網(wǎng)運行狀態(tài)的影響，需考慮客觀條件，研究理性判斷對用戶選擇的影響，刻畫感性決策影響下的用戶行為不確定性。

2）充電設施。充電樁的運營模式在很大程度上影響了用戶的充電體驗，目前主要有3 種運營模式［35］：政府主導、企業(yè)主導和用戶主導。考慮到現(xiàn)有充電設施行業(yè)處在發(fā)展的成本效益階段，各企業(yè)建設充電設施過分追求建設補貼并搶占資源，忽略充電樁的科學布局［36］。同時，目前現(xiàn)有的充電平臺難以互通互聯(lián)，用戶很難選擇最優(yōu)的充電設施進行充電，增加用戶行駛成本，造成交通網(wǎng)與能源網(wǎng)難以協(xié)同優(yōu)化［37］。

3）交通路網(wǎng)。隨著各種新技術不斷涌現(xiàn)并與交通工程有機融合，網(wǎng)絡約車、路徑搜索與規(guī)劃、路線導航、目的地停車引導等服務均已形成成熟體系，這也造成了交通路網(wǎng)的復雜性。此外，城市路網(wǎng)受到外界突發(fā)情況、系統(tǒng)技術失效、工作人員操作失誤等多方影響，這些都會導致路網(wǎng)的局部癱瘓，從而增加其他道路的負擔，可能會導致路網(wǎng)超載并損害交通功能，增加分析交通路網(wǎng)的困難性。這些突發(fā)情況具有事前檢測難度高、事中控制難度高、事后回溯難度高的特點，雖發(fā)生概率小，但潛在危害大，對現(xiàn)有秩序可能帶來巨大的沖擊［38-39］。

4）城市電網(wǎng)。隨著電動汽車的增多，電動汽車的充電負荷對電網(wǎng)造成的影響日益明顯，研究表明，制定分時電價或實時電價會緩解負荷曲線的峰谷差［40-41］。然而，傳統(tǒng)的分時電價與實時電價需求響應機制均會在峰谷產(chǎn)生新的負荷高峰［42］，并且電動汽車充電負荷分布具有不確定性與隨機性。同時，充電樁還提供預約充電、隨時充電的充放電模式［43］，未來還會有電動汽車與電網(wǎng)互動（V2G）的充放電模式。因此，準確刻畫電動汽車充電負荷對電網(wǎng)的影響具有一定難度。

5）軌道交通。不同于隨機分布的電動汽車充電負荷，電網(wǎng)為負荷體量龐大的軌道交通專門引出了牽引供電系統(tǒng)，因此，軌道交通在耦合系統(tǒng)協(xié)同優(yōu)化運行層更多考慮的是能量管理策略。對鐵道沿線的分布式能源出力和儲能、空間地勢變化、站臺分布與班次協(xié)調等相關數(shù)據(jù)的提取和管理，向牽引供電系統(tǒng)和列車提供在線能量管理策略，能有效減少沖擊性負荷對電網(wǎng)的影響，在節(jié)能的同時提高軌道交通運行的經(jīng)濟性。

6）多主體協(xié)同。在用戶方面，由于不同主體涉及的用戶有重疊，用戶群體在不同主體上的選擇或行為會使得各主體的運行相互影響。例如電動汽車的出行選擇影響交通流分配、電動汽車的充電選擇影響電網(wǎng)潮流分布。在運維方面，多主體的運行數(shù)據(jù)十分龐大，但針對各個不同的運維需求所需要的數(shù)據(jù)不一樣，如何從龐大的數(shù)據(jù)庫中有針對性地找到適用于各個不同運維需求的數(shù)據(jù)集合需要研究。在利益方面，各主體所對應的利益主體不同，不同的利益主體對交通與能源系統(tǒng)運行有不同的需求，且各自可提供的公用數(shù)據(jù)有限，如何利用有限的公用數(shù)據(jù)，兼顧多主體的利益，盡可能實現(xiàn)交通能源融合系統(tǒng)的高效穩(wěn)定運行需要研究。

2.4 挑戰(zhàn)4：復雜融合系統(tǒng)的數(shù)據(jù)安全難保障

未來交通能源互聯(lián)網(wǎng)應用的穩(wěn)定運行依賴于物理與信息兩個層面的可靠性和完備性［44］，而信息的交互實現(xiàn)過程頻繁且復雜、跨越時空范圍廣，同時大數(shù)據(jù)的分布和需求不同使得大數(shù)據(jù)信息在采集、傳輸、存儲和應用過程中面臨更多更大的安全風險［45-46］，具體體現(xiàn)在以下4 個階段：

1）采集階段。交通能源大數(shù)據(jù)平臺所獲取的相關數(shù)據(jù)來自安裝在系統(tǒng)中的各類傳感檢測設備，這些數(shù)據(jù)自身存在一些失真和誤差。同時，最為常見、影響最為顯著的威脅是人為網(wǎng)絡攻擊［47］，攻擊者對狀態(tài)感知設備進行破壞或篡改，例如篡改電網(wǎng)輸電線路或節(jié)點電氣量從而誤導調控平臺對網(wǎng)絡拓撲的判斷［48］、侵入交通網(wǎng)車載終端并對車輛定位信息和車載設備信息進行偽造和修改［49］等等，這些攻擊均有導致信息錯誤整合或者整合失敗的潛在風險。此外，攻擊者也可能趁機盜取融合層中系統(tǒng)的運行信息和用戶的個人信息，造成關鍵或隱私數(shù)據(jù)的非法泄露［50］。

2）傳輸階段。大數(shù)據(jù)的傳輸安全即通信安全，應特別注意對通信協(xié)議的配合和通信信道的保護。攻擊者發(fā)動分布式拒絕服務攻擊、重放攻擊、偽造基站來截取通信信號，甚至通過物理接口更改和控制車載電子控制單元（ECU）［51］等手段，都有可能干擾控制平臺對數(shù)據(jù)的正常獲取，危害車輛行駛安全，甚至引發(fā)故障的全方位擴散。

3）存儲階段。云計算為大數(shù)據(jù)的基本存儲架構，其數(shù)據(jù)加密、身份認證和安全服務信任問題存在待解決難點［45，52］。當前多家公司在推廣與更新數(shù)據(jù)庫方案，其產(chǎn)品和標準各有差異。而在交通能源互聯(lián)網(wǎng)的逐步推進中，如何將交通系統(tǒng)的數(shù)據(jù)庫和能源系統(tǒng)的數(shù)據(jù)庫進行一致性整合，以及制定統(tǒng)一的信任接口和安全保護策略，是構建和保護交通能源融合大數(shù)據(jù)平臺的研究難點。

4）應用階段。訪問控制是實現(xiàn)數(shù)據(jù)受控共享的有效手段［53］，隨著接入用戶多樣性的提高，常規(guī)的訪問控制策略即自主訪問控制、強制訪問控制和基于角色的訪問控制，無法滿足相應的權限要求［54］。因此在大數(shù)據(jù)架構還需要對新型的訪問控制機制進行探索和研究［45］。同時，采用新型的訪問控制模型可以避免攻擊者利用歷史經(jīng)驗對信息重要性的猜測和總結，是一種解決共享數(shù)據(jù)隱私保護的較好手段［54］。

3 交通能源融合大數(shù)據(jù)平臺關鍵技術

交通能源融合大數(shù)據(jù)平臺的核心目標是提高交通網(wǎng)與能源網(wǎng)的協(xié)同運行能力和能源利用效率。通過對交通能源多源數(shù)據(jù)的語義統(tǒng)一與標準化集成，實現(xiàn)數(shù)據(jù)規(guī)范化管理，有利于后續(xù)數(shù)據(jù)的統(tǒng)一處理和存儲；通過質量優(yōu)化管控技術，從數(shù)據(jù)源頭上和處理階段過程中來降低數(shù)據(jù)不良率，并對各類數(shù)據(jù)進行合適的分類；應用先進的數(shù)據(jù)挖掘與分析技術，充分利用潛藏信息，為制定系統(tǒng)協(xié)同運行策略、優(yōu)化調度方案提供預測性、關聯(lián)性方面的指導；通過全方位信息安全保護措施的部署，保證大數(shù)據(jù)平臺的安全、可靠、高效運行。

3.1 交通能源融合數(shù)據(jù)標準化集成技術

由于構建的交通能源融合大數(shù)據(jù)平臺所需數(shù)據(jù)分散在各個應用系統(tǒng)中，每個數(shù)據(jù)信息都有自己的數(shù)據(jù)庫管理系統(tǒng)。目前實現(xiàn)空間數(shù)據(jù)集成的傳統(tǒng)方式都忽略了語義異構的問題，數(shù)據(jù)中的語義異構需要一種能夠明確表達數(shù)據(jù)語義的方式來進行語義描述。目前，本體技術具有良好的概念層次結構和對邏輯推理的支持，可通過綜合各個數(shù)據(jù)庫管理系統(tǒng)所建立的不同應用本體來搭建一個良好的領域本體，由此產(chǎn)生全局概念模式，建立起異構系統(tǒng)中元數(shù)據(jù)和目標數(shù)據(jù)的語義映射，從而實現(xiàn)異構系統(tǒng)的語義互操作，滿足約束條件下的信息共享。根據(jù)空間數(shù)據(jù)的特點，通過自底向上的設計方法，在局部本體的基礎上，經(jīng)過融合生成一個綜合本體，從而產(chǎn)生全局概念模式以實現(xiàn)異構系統(tǒng)的語義共享，因此，這是一種松散耦合聯(lián)邦數(shù)據(jù)庫方式，如圖3 所示。

1）數(shù)據(jù)層。由不同數(shù)據(jù)庫組成，涵蓋交通、電網(wǎng)、充電樁企業(yè)、氣象部門等數(shù)據(jù)庫，提供海量分布式多源異構數(shù)據(jù)源作為基礎。

2）融合層。從各個數(shù)據(jù)源中抽取存放數(shù)據(jù)的模式，在此基礎上采用OWL 進行語義描述，形成不同本體的局部本體。由于局部本體來源廣泛，不同渠道在獲取數(shù)據(jù)的準確性、加工精度、重點描述維度等存在差異，因此需要將多源局部本體融合成一個統(tǒng)一完整的全局本體，主要包括數(shù)據(jù)轉換、信息整合和語義關聯(lián)3 個層面。

3）表示層。將融合后的局部本體通過SWRL規(guī)則結合的方式建立全局本體庫，本體維護器與本體推理器通過分析全局本體庫之間的共享詞匯，將相似的數(shù)據(jù)通過類別、屬性和角色進行合并優(yōu)化。

4）訪問層。主要負責各主體的查詢與編輯功能，通過Web 或應用程序接口（API）進行數(shù)據(jù)的訪問，將所訪問的本體數(shù)據(jù)轉化為查詢系統(tǒng)的本體語言，有效檢索管理平臺中各數(shù)據(jù)庫的結構化以及非結構化數(shù)據(jù)，從而有效支撐完成各行業(yè)應用。同時對于不需要的局部本體數(shù)據(jù)可以進行編輯，減小所需數(shù)據(jù)傳輸?shù)膸挕?/p>

以電動汽車為例，其全局本體數(shù)據(jù)集成如圖4所示。全局本體為電動汽車，局部本體為不同類型的電動汽車，例如公交車、私家車、網(wǎng)約車、環(huán)衛(wèi)車等，一般實體是與本體連接的實物，例如正在充電的電動汽車的一般實體為充電樁，局部本體和一般實體都有其對應的屬性值。

圖4 電動汽車全局本體數(shù)據(jù)集成Fig.4 Global ontology data integration of electric vehicle

3.2 多維數(shù)據(jù)質量優(yōu)化控制管理技術

多維異質數(shù)據(jù)的完整性、極值、尖峰、等值、梯度和一致性檢查是提高數(shù)據(jù)質量的關鍵步驟［32，55-56］，為交通能源融合大數(shù)據(jù)平臺應用提供高質量的數(shù)據(jù)支撐。多維數(shù)據(jù)質量優(yōu)化控制管理流程如圖5所示。

圖5 數(shù)據(jù)質量優(yōu)化流程Fig.5 Optimization process of data quality

1）完整性檢查。對于缺失的數(shù)據(jù)主要的處理方法分為3 類：刪除法、數(shù)據(jù)填充與不處理［57］。刪除法是將缺失的某一條數(shù)據(jù)或某一個屬性的對象刪除，從而得到完整的數(shù)據(jù)集。數(shù)據(jù)填充是采用一定的方法，對缺失值進行合理的估計并替代缺失值，從而得到完整的數(shù)據(jù)，保障了數(shù)據(jù)的完整性。不處理缺失值可以保障數(shù)據(jù)的原始性，避免數(shù)據(jù)刪除或填充不當造成數(shù)據(jù)失真等，從而得到錯誤的結果。以上3 種方法的優(yōu)缺點與適用范圍如表3 所示。

表3 缺失數(shù)據(jù)處理方法對比Table 3 Comparison of missing data processing methods

2）極值檢查。根據(jù)人們對各感知對象最基本的認識，檢查所測量的參數(shù)及相應的元數(shù)據(jù)（年份、月份、日份、時間、時區(qū)、經(jīng)緯度）是否在合理值區(qū)間內(nèi)。如果某一觀測值不在合理的區(qū)間內(nèi)，則該觀測值將被標記為可疑值。

3）尖峰檢查。在數(shù)據(jù)的融合與傳輸?shù)倪^程中，可能會因為機器故障或傳輸損失等原因，某一個數(shù)據(jù)存在明顯不合理的較大突變。參照文獻［58］的方法，比較當前時刻采樣值與上一時刻采樣值，再通過包含交通-電力網(wǎng)絡的結構拓撲約束和流量約束的相關量測量間約束關系關聯(lián)矩陣進行核驗，有效解決殘差淹沒問題，提高不良數(shù)據(jù)辨識的準確性。

4）等值檢查。部分檢測設備可能由于老化，導致檢測的數(shù)據(jù)具有一定的偏差性。因此，對于電力負荷與交通流量等周期規(guī)律強的數(shù)據(jù)，可以觀測其周期性輪廓線在不同時段與區(qū)域內(nèi)是否相似。如果在一定時間段或一塊區(qū)域內(nèi)出現(xiàn)了明顯的偏差，排除自然因素后，則將該時段或區(qū)域的數(shù)據(jù)標記為可疑值。

5）梯度檢查。對于定點、長時間序列的數(shù)據(jù)通常前后時刻的變化是連續(xù)、有規(guī)律的，因此可以通過確定相鄰兩時刻間的差值對數(shù)據(jù)進行校驗，超過某一閾值并排除故障、堵塞等特殊情況后，判定為異常值。

6）一致性檢查。由于交通與能源的數(shù)據(jù)在時間與空間上具有相關性，不同感知對象之間同樣存在一定的聯(lián)系［59］。例如交通流量與充電負荷的關系、天氣情況與交通流量的關系、當前電價與充電功率的關系等。因此，可以根據(jù)在同一時刻、同一地點觀測得到的數(shù)據(jù)間的相互關系進行檢驗。如果某一要素的數(shù)據(jù)與其他同時刻要素的數(shù)據(jù)在一定的范圍內(nèi)不符合兩者之間的關系，則標記為可疑值。

3.3 交通能源網(wǎng)絡信息挖掘與分析技術

交通能源融合大數(shù)據(jù)平臺的數(shù)據(jù)分析核心在于電動汽車移動模式分析、負荷時空分布預測以及交通能源關聯(lián)性分析，整體流程如圖6 所示。

圖6 交通能源網(wǎng)絡信息挖掘與分析流程Fig.6 Process of information mining and analysis in traffic-energy network

1）移動模式分析。分析交通系統(tǒng)中各主體的出行規(guī)律，主要包括活動特性分析、出行類別劃分和異常狀況分析?；顒犹匦苑治隹紤]不同類型交通方式下的行程規(guī)律、平均行駛速度、早晚高峰流量分布、交叉口排隊時間等進行統(tǒng)計分析，宏觀把握各種交通方式的出行特性分布；出行類別劃分根據(jù)不同類型用戶的出行起訖時刻、停駐位置和時長、出行目的等，提取用戶出行OD（origin-destination）矩陣，繪制居民區(qū)、工作區(qū)、商業(yè)區(qū)等空間熱點分布模型，為交通精細化管理及不同類型用戶提供分類定制化的服務；異常狀況分析考慮突發(fā)自然災害或交通事故，這些異常狀況具有較強的不確定性、突發(fā)性與隨機性，主要通過模板匹配進行異常狀況檢測。

2）負荷時空分布預測。精準預測電動汽車的負荷分布是電網(wǎng)負荷管控的關鍵，也是風險預警與防控的先決條件。主要分為基于數(shù)理統(tǒng)計的分析與基于數(shù)據(jù)驅動的建模［34］。基于數(shù)理統(tǒng)計的方法是在掌握電動汽車移動模式整體分布特性的基礎上，結合不確定性模糊理論并將其擬合為數(shù)學模型，再代入設置的基本參數(shù)對充電負荷進行時空分布預測分析。然而對于高維、非線性、海量分布式數(shù)據(jù)，數(shù)理統(tǒng)計方法難以獲取精細的預測分析結果，因此有學者提出基于數(shù)據(jù)驅動的方法，包括基于移動社交網(wǎng)絡平臺的電動汽車充放電行為預測模型［60］、城市交通狀態(tài)估計［61］、基于卷積神經(jīng)網(wǎng)絡和小生境免疫算法的電動汽車充電負荷預測［62］等，通過自適應學習歷史數(shù)據(jù)中的隱藏演變模式，對未來負荷時空分布規(guī)律進行建模。

3）交通能源關聯(lián)耦合特性分析。關聯(lián)耦合分析的核心是量化兩個變量之間的數(shù)理關系，現(xiàn)實場景中，交通與能源的關聯(lián)十分緊密。例如，電動汽車用戶發(fā)起充電需求的時刻與電網(wǎng)提供充電服務的時刻具有時間滯后性，并且充電位置與用戶行駛軌跡具有空間相關性。此外，當交通發(fā)生區(qū)域范圍堵塞或癱瘓時，該區(qū)域充電負荷的滯后性將更加明顯，并且區(qū)域周圍充電負荷也將升高；當電網(wǎng)發(fā)生區(qū)域停電或故障時，可能會引發(fā)用戶的電量焦慮，從而導致附近充電負荷會急劇增加?？梢岳藐P聯(lián)規(guī)則聚類系統(tǒng)［63］、基于關聯(lián)規(guī)則的分類［64］、關聯(lián)決策樹［65］等數(shù)據(jù)關聯(lián)規(guī)則挖掘方法，加以不同類型氣象數(shù)據(jù)及周邊區(qū)域不同充電站的關聯(lián)特性進行分析。

3.4 多層級全生命周期信息加密技術

將數(shù)據(jù)安全與隱私保護落實到交通能源融合大數(shù)據(jù)平臺架構的各個層級中，以及從整理數(shù)據(jù)到應用數(shù)據(jù)的平臺全生命周期中，是全方位保障大數(shù)據(jù)平臺常態(tài)化安全穩(wěn)定運行的技術基礎。事實上，各行各業(yè)的大數(shù)據(jù)平臺在安全保護所應用的技術有許多的通用之處，并且這些技術都側重應對人為網(wǎng)絡攻擊。完整的多層級全生命周期數(shù)據(jù)安全技術參考關系如圖7 所示。

圖7 多層級全生命周期數(shù)據(jù)安全技術Fig.7 Technology of multi-level lifecycle data security

平臺的融合層負責在整理融合階段保障各運營商各部門所收集數(shù)據(jù)的安全。在保證融合算法高效性的條件下，除了采取先進的數(shù)據(jù)質量優(yōu)化技術、數(shù)據(jù)清洗技術來辨識和剔除信息采集中因不可抗力因素引發(fā)的異常、冗余數(shù)據(jù)混雜，還有必要在源頭上預防人為惡意注入虛假數(shù)據(jù)對信息收集過程的干擾。聰明的攻擊者會事先掌握交通網(wǎng)穩(wěn)態(tài)狀況、電網(wǎng)信息及其保護算法，能有效避開不良數(shù)據(jù)辨識檢測。文獻［66］利用歷史數(shù)據(jù)的軌跡規(guī)律對比分析，提出了基于廣義似然的序貫檢測和傳感器軌跡預測方法，能夠識別出偽裝的虛假數(shù)據(jù)。借助機器學習、深度學習、模糊聚類等人工智能技術，提取大數(shù)據(jù)的海量特征來對虛假數(shù)據(jù)進行判斷是一種效果較好的方案［67-68］。在規(guī)劃方面，文獻［69］提出了雙層混合整數(shù)線性規(guī)劃模型以識別電力系統(tǒng)的關鍵區(qū)域與組件，從而更優(yōu)地向系統(tǒng)傳感設備分配防御虛假數(shù)據(jù)的資源，預測攻擊者的潛在攻擊目標，形成攻防雙方博弈的最優(yōu)策略。

傳輸層是數(shù)據(jù)流入流出的通道，數(shù)據(jù)的提供者和消費者將在此處進行雙向交互。一般地，數(shù)據(jù)在被傳輸之前都會有加密處理?，F(xiàn)有應用廣泛的代理重加密算法、完全同態(tài)加密算法已能解決大部分數(shù)據(jù)安全保護的問題，但存在著密鑰管理和計算效率低的問題［70］，同時加密手段用于敏感數(shù)據(jù)防護方面仍有所欠缺［71］。而脫敏處理可以實現(xiàn)在不改變數(shù)據(jù)原始特征的條件下變換信息中的敏感內(nèi)容，有利于避免隱私數(shù)據(jù)的泄露。隨著量子信息技術的發(fā)展，量子保密通信技術將會是未來重點研發(fā)和突破的信息傳輸技術［72-73］。

分析層是實現(xiàn)交通能源融合的核心，兩網(wǎng)的數(shù)據(jù)上傳并存儲到平臺分析層，將能源網(wǎng)數(shù)據(jù)和交通網(wǎng)數(shù)據(jù)進行本體驅動的標準化集成處理、深度挖掘以及數(shù)據(jù)存儲。數(shù)據(jù)挖掘和數(shù)據(jù)操作的過程中應重點降低泄露和訪問風險，現(xiàn)有最基本的手段是匿名化技術、屬性控制和差分隱私算法，但在交通側與能源側的數(shù)據(jù)集龐大且關聯(lián)性強，單獨應用上述方案會存在計算效率低、被動防御等問題［74］。交通能源融合大數(shù)據(jù)平臺除了建立技術面所需數(shù)據(jù)庫外，還應設有在一定法律允許范圍內(nèi)存儲數(shù)據(jù)消費用戶的基本信息的數(shù)據(jù)庫，如用戶目標、偏好、信用等。訪問權限管理技術則可以基于該用戶數(shù)據(jù)庫對數(shù)據(jù)消費者進行嚴格的角色鑒定、身份認證，對其數(shù)據(jù)挖掘或者訪問請求進行風險評估［75］，從而保證數(shù)據(jù)流通的安全性以及提升平臺對威脅的攔截概率。當前，區(qū)塊鏈技術因其靈活和獨具特色的加密機制而在V2G 去中心化交易［76］、數(shù)據(jù)訪問控制與共享［77］等領域受到青睞，未來區(qū)塊鏈技術在交通-電力市場方向的運用可能成為潛在的發(fā)展趨勢。

數(shù)據(jù)消費者在應用層獲取經(jīng)授權后的流出數(shù)據(jù)。該過程對應于數(shù)據(jù)生命周期的應用階段，需要實施風險評估與訪問控制策略以確保數(shù)據(jù)不被泄露和濫用。同時，在數(shù)據(jù)流出的過程中需做好流轉記錄，便于出現(xiàn)異常后的及時查找與追溯［78］。

4 交通能源融合大數(shù)據(jù)平臺典型應用

交通能源互聯(lián)網(wǎng)作為跨學科、跨領域的前沿研究，具有很強的衍生性和包容性?；诮煌茉椿ヂ?lián)網(wǎng)的理念，構建交通能源融合大數(shù)據(jù)平臺的典型應用場景，并且支持橫向擴展更廣闊的業(yè)務功能，加強與更多的網(wǎng)絡組織的聯(lián)系，促進更龐大更復雜耦合網(wǎng)絡的形成。目前，智慧城市、港口交通、城市群區(qū)域、智慧航空，分別與交通系統(tǒng)存在工程場景，并具備交通能源融合的應用潛力。

4.1 智慧城市TOD 園區(qū)建設

TOD 的概念早在1992 年就被提出，具體是指以交通為導向的城市發(fā)展模式（transit-oriented development，TOD）。TOD 園區(qū)圍繞中心的交通樞紐站點通過路網(wǎng)向外輻射，建設有綜合辦公、商業(yè)、公交站、住宅、能源供給站點等多功能多用途的基礎設施及配套建筑。TOD 園區(qū)由于其土地面積適中、城市功能高效完善、區(qū)域能源集中、人車出行規(guī)律性強等特征，是交通與能源融合交互的典型場景。中國在TOD 的引進和發(fā)展上采取了積極措施，例如早期探索TOD 模式的云南昆明呈貢核心區(qū)，園區(qū)內(nèi)設有云南大學、高鐵樞紐以及綠色生態(tài)系統(tǒng)［79］；2019 年成都市帶頭首批規(guī)劃建設了16 個TOD 示范項目［80］。

TOD 園區(qū)人口繁多，考察每個用戶的行為和應激心理，為每個用戶提供合理的應用方案，是打造具有TOD 特色的交通能源大數(shù)據(jù)平臺的目標，主要包括以下工作：

1）靈活性資源調度潛力評估。大數(shù)據(jù)平臺可以對用戶進行智能聚類，利用數(shù)據(jù)挖掘技術獲取用戶出行行為、用能行為規(guī)律，并進行多維可調度潛力評估，實行合理的調度安排和出力分配。

2）實時滾動優(yōu)化運行。大數(shù)據(jù)平臺分析發(fā)電側和負荷側的供需差異數(shù)據(jù)，建立合理的電價激勵的用戶需求響應模型。模型接入在線傳輸?shù)膶崟r數(shù)據(jù)，從而制定電動汽車最優(yōu)的充放電策略，引導交通負荷消納可再生能源、削峰填谷，最終推動實現(xiàn)能量的高效利用和園區(qū)運營成本的經(jīng)濟性最優(yōu)。

3）可視化展示與分析。為了將平臺處理得到的數(shù)據(jù)以更為簡潔明了的方式呈現(xiàn)給各類用戶，平臺數(shù)據(jù)會經(jīng)前端技術包裝，形成可視化界面和客戶終端。作為園區(qū)用戶，或者從外界駛入園區(qū)網(wǎng)絡覆蓋范圍的用戶，經(jīng)過身份認證和使用授權后能夠通過個人便攜移動設備或者車載電腦實時查看平臺客戶端顯示的路網(wǎng)交通狀況、停車位置信息、充電站排隊信息、電價分布以及平臺提供的出行路徑，用戶既可以參考系統(tǒng)提供的方案出行，也可以按照用戶意愿制定個性化出行方案。

4.2 港口交通能源綜合系統(tǒng)建設

港口是實現(xiàn)國際集裝箱貿(mào)易的重要基建設施，港口機械、運轉車輛或拖船、貨運鐵路等港口物流交通系統(tǒng)的電氣化與含新能源發(fā)電場（海上風能、太陽能、潮汐能）的港口微電網(wǎng)、燃料輸送網(wǎng)絡、冷熱負荷供應網(wǎng)絡等能源系統(tǒng)的綜合集成共同推動港口交通能源的融合發(fā)展。近年來，世界范圍內(nèi)多個重要海岸港口、河流港口開始逐步發(fā)展和建設港口綜合能源系統(tǒng)［81］。

港口綜合能源系統(tǒng)管道能流較為復雜，包括電網(wǎng)潮流、化石燃料流、熱水流和生產(chǎn)型化工原料流，交通運輸設備眾多且繁忙。同時，港口、碼頭的大氣污染物排放量較大［82］。利用大數(shù)據(jù)技術能夠完成以下與建設港口交通能源綜合系統(tǒng)相關的工作：

1）能源供需預測。港口交通能源互聯(lián)網(wǎng)大數(shù)據(jù)平臺必須要配置更強大的算力，以同時求解平臺內(nèi)嵌的數(shù)據(jù)驅動型管道多能流融合的統(tǒng)一潮流模型。平臺應用層基于深度學習算法、大數(shù)據(jù)挖掘和多維數(shù)據(jù)融合功能，并考慮到船舶停港時間、能源使用的時效性等多時間尺度特性，對港口各能流需求和港口新能源發(fā)電出力的隨機性進行預測。

2）故障識別與應急方案。平臺在實時監(jiān)測各能源傳輸設備運行情況的同時，還需基于歷史和實時的大數(shù)據(jù)統(tǒng)計特征評估多層級耦合網(wǎng)絡脆弱性，辨識系統(tǒng)薄弱環(huán)節(jié)。即使物理系統(tǒng)發(fā)生故障，平臺也能調用智能搜索模塊快速鎖定故障位置并調整相應設備動作，同時制定應急協(xié)同調度策略，重新規(guī)劃能流，避免故障在各能流網(wǎng)間的相互傳播引發(fā)連鎖故障，最大限度減輕故障引發(fā)的損失。

3）港口-內(nèi)陸協(xié)同優(yōu)化。對于占地面積較大的港口，平臺需要接入到港口機械、運輸車輛或船舶的負載容量、耗電情況采集數(shù)據(jù)庫，結合港口內(nèi)的陸地路網(wǎng)拓撲與實時車流量，制定最優(yōu)物流任務配置和路徑規(guī)劃等相關的優(yōu)化方案，減少港口、碼頭及內(nèi)陸的污染排放。

4.3 城市群區(qū)域交通能源一體化建設

隨著中國城市化進程的加速，以特大城市為中心、聯(lián)系周圍城市向外輻射擴展形成的城市群區(qū)域已迅速在中國規(guī)劃建設，例如長江三角洲地區(qū)、珠江三角洲地區(qū)、成渝經(jīng)濟區(qū)和長株潭城市群等。城市群的發(fā)展加快了資源和信息的流動，促進了市場和產(chǎn)業(yè)的擴大，對區(qū)域經(jīng)濟發(fā)展起到引領作用［83］。

與城市中小型區(qū)域內(nèi)交通能源協(xié)同規(guī)劃不同，城市群交通能源融合大數(shù)據(jù)平臺應有更強的數(shù)據(jù)傳輸能力、保持響應速度、存儲空間充足等功能，以適應空間跨度更大、設備分布更分散的城市群交通能源互聯(lián)網(wǎng)系統(tǒng)，其中主要包括高速路網(wǎng)與城際軌道交通。

1）高速路網(wǎng)是連接城市的基本交通系統(tǒng)。城市之間距離遠、電動汽車高速行駛耗電量大，如何規(guī)劃高速路網(wǎng)沿線公共充電站的位置與容量是當前研究的重點。依托大數(shù)據(jù)平臺，挖掘長期車流信息與車輛充電數(shù)據(jù)，構建以建設成本、用戶成本最低為目標函數(shù)的數(shù)據(jù)驅動模型，實現(xiàn)充電站、換電站或服務區(qū)的最優(yōu)選址和容量確定。同時，針對含光伏儲能設備的充電站，平臺通過對光伏出力的預測，以光儲充電站的壽命周期成本最小為目標規(guī)劃光儲設備容量，并智能調控充電負荷和儲能出力。

2）城際軌道交通是城市群交通能源互聯(lián)網(wǎng)的另一重要應用場景。鐵路沿線布置的分布式新能源和儲能設備也將接入軌道交通牽引網(wǎng)，形成“源-荷-儲”系統(tǒng)［16］。大數(shù)據(jù)平臺能夠快速整合異構計算資源，采用多級協(xié)調式能量管理技術，以優(yōu)化列車和配電網(wǎng)運行成本最低為目標，設計合理的電源側供應和用電側需求的平衡方案。此外，在建立牽引供電系統(tǒng)和電動汽車充換電站聯(lián)合運行系統(tǒng)的模型基礎上，平臺應用層可以制定價格激勵策略，反饋并引導用戶消納軌道交通系統(tǒng)再生制動能量，從而提高能源利用率，實現(xiàn)“源-荷-儲”系統(tǒng)的協(xié)同運行。

4.4 智慧航空交通運輸系統(tǒng)建設

面對中國民航運輸量、空中交通規(guī)模和復雜程度持續(xù)高速增長的發(fā)展趨勢［84］，2019 年民航局提出智慧民用航空運輸系統(tǒng)發(fā)展方向，即大數(shù)據(jù)、云計算和互聯(lián)網(wǎng)等新一代信息技術在民航的應用和融合［85］，推動民航運行全面數(shù)字化，促進民航業(yè)高效、綠色和可持續(xù)發(fā)展。

交通能源互聯(lián)網(wǎng)發(fā)展趨勢下的智慧民航工程分為硬件和軟件系統(tǒng)兩個協(xié)同發(fā)展的方向。在硬件方面，飛機電氣化推進系統(tǒng)和混合電推進技術是目前各國研發(fā)聚焦的熱點。電推進技術能顯著降低碳排放與噪聲，促進新型航空運輸業(yè)的發(fā)展。但現(xiàn)有電動飛機受限于電池能量密度，遠不能滿足大承重長距離的運輸要求，電推進和電動飛機領域在世界范圍內(nèi)均處于起步階段［86］。軟件系統(tǒng)方面，具有航空航天特色的交通能源大數(shù)據(jù)平臺有望實現(xiàn)以下功能：

1）機坪“車-機-路”自主協(xié)同運行。在機場內(nèi)廣泛部署車輛、航空器和廊橋傳感設備，使機場運控中心能深度感知場面資源和地面交通運行情況，實現(xiàn)對機場資源的優(yōu)化配置和交通的宏觀優(yōu)化調度。同時，地面交通工具還具備障礙檢測、協(xié)同避讓和自主路徑規(guī)劃等功能，提高機坪無人化水平。

2）航空器健康狀況分析。民航客機的一次正常航班后，會產(chǎn)生海量機組狀態(tài)數(shù)據(jù)和機載日志信息，為嚴格保證下次航行的安全性，大數(shù)據(jù)平臺必須借助智能模型對這些數(shù)據(jù)進行收集、價值挖掘和處理，分析航空器各組件的性能或壽命情況，完成快速故障診斷，以安排航后維護和檢修。

3）智能空中交通流管理。航空器的正常穩(wěn)定飛行需要與地面塔臺頻繁多鏈路交互通信，以感知各航路信息和氣象條件，平臺需要承載多鏈路的空地寬帶高速數(shù)據(jù)傳輸技術，保證超遠距離的信號覆蓋。在規(guī)劃方面，管理人員通過大數(shù)據(jù)平臺提前獲取航跡需求后，能及時請求相應空域管理中心、氣象部門的數(shù)據(jù)，為航班制定最優(yōu)的航路并預測空中交通態(tài)勢，輔助地面中心管制與航班波優(yōu)化。

5 總結與展望

在“碳達峰、碳中和”的國家戰(zhàn)略背景下，交通能源融合發(fā)展是未來城市建設與發(fā)展的必然趨勢，交通能源融合大數(shù)據(jù)平臺是實現(xiàn)交通網(wǎng)與能源網(wǎng)數(shù)據(jù)深度融合、協(xié)同運行控制、全方位優(yōu)化調度極為有力的技術支撐。本文提出了交通能源融合大數(shù)據(jù)平臺的基本架構，初步闡釋了交通能源融合大數(shù)據(jù)平臺在多源數(shù)據(jù)融合、復雜數(shù)據(jù)分析處理、交通能源協(xié)同優(yōu)化調控與安全保護4 個方面所面臨的難點與挑戰(zhàn)，論述了應對方法與關鍵技術，并針對交通能源融合的典型場景，給出了相關應用方案。

然而，完善交通能源互聯(lián)網(wǎng)理念中的全局信息交互、積極推動交通能源融合大數(shù)據(jù)平臺落地應用仍存在許多問題和挑戰(zhàn)，例如：

1）交通能源融合大數(shù)據(jù)平臺的研究和工程應用目前處于起步階段，作用的空間范圍小、作用的系統(tǒng)結構簡單，未來將進一步研究如何提高數(shù)據(jù)融合程度和融合范圍，以兼容更多的系統(tǒng)；

2）交通行業(yè)與能源行業(yè)的信息深度交互和協(xié)同發(fā)展需要眾多政府企業(yè)部門的溝通合作，牽涉多方利益，有必要形成統(tǒng)一規(guī)范的監(jiān)管體系；

3）交通能源融合大數(shù)據(jù)技術需要面向用戶并服務社會，因此，如何激勵與引導用戶接受統(tǒng)一化和智能化技術在生產(chǎn)生活中的滲透、積極選擇系統(tǒng)提供的更優(yōu)策略，是保證交通能源融合大數(shù)據(jù)平臺發(fā)揮正向作用的必要條件。