專題導讀

專題導讀

An Introduction to Special Topics

近年來大數據浪潮所激發的熱情，同樣在城市交通領域擴散。其他行業中采用數據驅動和大強度計算來發展決策支持能力，在大數據基礎上實現的自動信息提取匯總、自動深度學習的成功案例，為深感壓力的城市交通展現了一幅值得憧憬的景象。

北京、上海、廣州、深圳、重慶等城市交通研究部門高度關注這一技術變化，對于通過大數據提升綜合交通調查的能力和質量、在城市交通規劃中的應用等進行了大量嘗試，并獲得了初步經驗。中國的研究者也在新技術概念基礎上，迅速搭建基于大數據環境的城市交通技術體系框架。

對于城市交通研究來說，大數據所帶來的不僅是一種技術變化，還是一種研究模式變革。回顧交通理論研究，在網絡交通流分析理論和交通行為分析理論提出以后，數十年來所取得進步的漸進性多于突破性。但是面對中國快速城鎮化和機動化相互交織所產生的復雜問題，面對協調空間結構框架、引導城市交通發展模式、緩解交通擁堵壓力等相互交織的復雜問題，傳統分析理論顯得力不從心。大數據所帶來的對研究對象多方位、全視角、持續的觀察能力，對研究城市交通中的復雜性產生了技術推動，展現了揭示內在機理的新路徑。

同時，大數據為城市交通的戰略調控、交通規劃與城市規劃的戰略對話、交通需求管理精準調控、道路交通網絡狀態精明控制、公共交通市場細分基礎上的精細化服務等提供了技術支持。這種技術手段的擴展，對于強化城市交通演化過程的控制能力的價值難以估量，為城市交通擺脫單純追隨需求的被動局面帶來希望。

但是，交通大數據與傳統交通調查獲得的“定制數據”不同，帶有不可避免的模糊性和非完備性。研究者的實踐表明，將新的數據資源、傳統模型及分析模式簡單撮合在一起，遇到了一系列的技術沖突和困難。基于關聯分析的大數據思維與基于因果的模型思維沖突，數據驅動研究所要求的認識方法變革等，對于習慣了還原論思維模式、以消除不確定性為追求目標的交通工程師來說，既有看到創新機遇的興奮，也有難以適應產生的困惑。

城市交通領域中大數據技術應用的三個核心環節是：度量、認知和洞察。

由于數據基礎及攜帶信息的差異，需要針對研究對象建立與之適應的新度量體系，從而實現將數據組織成為信息的過程。例如移動通信數據由于采集時點和位置誤差，難以精確描述每次出行，卻可以通過時間積累檢測個體的經常活動地區。將這種類型數據“塞入”傳統OD概念，既遇到精度不夠的困難，也沒有發揮其對出行間關聯檢測能力的特長。

目前采用的移動通信數據、公交IC卡數據、車輛牌照數據等，雖然能夠較好地連續追蹤對象個體，但由于獨立出行切分誤差以及數據缺失等原因，尚難以在數學嚴密級別依托模型來實現對因果關系的認知。由于交通領域決策影響重大，也不可能像智能商務那樣專注于“關聯”而忽略“因果”。因此，如何使用一系列間接證據實現對數據背后隱藏規律的判斷，成為有待攻克的又一道難關。

對未來的洞察是城市交通分析的精髓。基于現狀和歷史數據中提取的信息，參考他山之石的經驗教訓，結合模型和仿真提供測試結果，洞察系統的重大變化，識別演化趨勢，從而建立適時響應的戰略控制能力，應該成為交通大數據研究的遠大目標。

千里之行，始于足下，交通大數據研究充滿挑戰，如今的研究盡管還難脫稚嫩，卻是抓住機遇和應對挑戰的重要一步。相信經過共同努力，中國城市交通研究者依托快速發展實踐，會在世界科技創新之冊中留下自己的貢獻。

同濟大學 楊東援