公交大數據及其應用

康瑩瑩

1 公交大數據來源及類別

1.1 數據來源

目前智能公交信息采集設備主要包括公交車輛調度終端、硬盤錄像機、客流采集終端、新能源車輛監控終端、充電樁、疲勞駕駛監測終端、防碰撞預警終端、IC卡車載機、智能投幣機等設備，形成完善的車載數據信息采集系統。同時多數公交企業已經建立了智能調度系統、公交ERP系統、充電運營管理系統、收銀點鈔管理系統、客流排班系統、IC卡清分結算系統、視頻安防監控系統等完善的信息化運營管理系統，也具備了與交警、城管等多行業之間的數據報送和共享機制。

1.2 數據類別

公交數據主要包含以下10類：

（1）定位類：經緯度、車輛速度等；

（2）工況類：CAN總線、發動機、胎壓、電池、車輛維修數據等；

（3）人次類：上下車OD客流數據、站臺人流數據等；

（4）消費類：投幣人次、刷卡（掃碼支付）數據等；

（5）視頻類：乘客、司機圖像數據等；

（6）路況類：周邊路況、交通路口、紅綠燈、交通標識數據等；

（7）安全類：ADAS告警、駕駛行為告警數據、倒車雷達數據等；

（8）運營類：線路數、車輛數、客運量、運營趟次、運營里程數據等；

（9）基礎信息：場站分布和數量、資源（加油站、充電、維修）數據、停車位、司機數據、考勤數據等；

（10）監管類：計劃完成率、交通擁堵指數、公交暢行指數、交通小區擁堵及客流分析數據、路網運行速度監測、財政補貼、成本收入、服務質量等。

此外公交都市信息化平臺，也匯總了出租、自行車等不同交通方式的海量數據。這些交通數據為進行交通大數據開發和應用提供了有力支撐，也為進一步發掘交通大數據應用方向、拓展應用領域提供了無限可能。

2 公交大數據應用

目前，公交大數據主要有六個方面具體應用：

2.1 在運營排班調度的應用

對客流數據進行分析，綜合考慮線路信息、站點信息、路況信息，利用運籌學進行建模規劃，建立包含多項參數的預測模型，預測線路的客流高峰時段，仿真線路短時間內的客流變化情況，預測線路的趟次周轉時間；基于客流仿真預測計算最優發車間隔、最小配車數，從而實現車輛智能排班，自動調整現有排班計劃以適應客流變化的需要；根據客流數據進行分析，優化生成發車時刻表，然后進行自動排班和減站點設置、調整線路車輛配置等。

在線網調整之前，進行實施后客流量和分布預測，對線網調整方案預評估。線路調整后的客流再調查和統計數據，對新開、撤銷、延長、縮短線路以及調整線路走向等方案實施效果進行評估，包括客流均衡性、線路間協調性和設施供需平衡性等。

2.2 在公交線網規劃的應用

通過采集到的線路、站點、公交車的上下車客流數據，結合公交站臺人流數據、IC卡刷機數據、投幣機和客流調查器采集的數據，運用大數據技術進行分析，診斷未完全覆蓋線路的道路，結合城市道路狀況、規劃發展及線路運力配置情況等信息，輔助對線路、站點進行布局優化和調整；對新開、撤銷、延長、縮短以及調整線路走向等方案實施效果進行客流均衡性、線路間協調性和設施供需平衡性等方面的評估；分析城區出行人口分布、出行特征、客流聚散點、高峰期站點斷面客流、客流走廊等，建立影響乘客的出行因素模型，為不同出行特征的乘客推送個性化出行服務。

通過數據挖掘等技術手段，預測從整體到局部的客流量及客流走向，指導城市公交站點、公交線網的合理布局，輔助優化線網，及時吻合城市客流走向變化。為公交運力調整、城市交通路網調整和優化提供數據支撐。

2.3 在公交車輛運營安全的應用

通過對CAN總線、發動機、胎壓、電池、車輛維修等數據的分析挖掘，實時掌握新能源車輛零部件工況和整車運行狀態，能夠為整車制造企業在產品持續改進等方面提供數據支撐，為運營企業提供車輛故障及安全預警，及時發現和解決問題，提高車輛運營效率，為政府安全運營監管提供決策支持。

公交車輛在運營中的視頻數據也有廣泛的應用前景。對乘客圖像、站臺候車圖像的人臉識別和姿態識別能夠及時發現異常事件，識別特殊人物，追溯犯罪案件，保障公共安全。采用人工智能技術和大數據技術分析駕駛員的駕駛行為，識別疲勞、打電話、抽煙等違法或不規范駕駛行為，并及時提醒駕駛員予以改正，避免發生交通事故。對駕駛員的急剎車、急轉彎、超速等駕駛數據進行分析，有利于規范駕駛行為，方便運營企業進行管理和考核。

將車輛工況數據、事故數據與周邊路況、交通路口、紅綠燈、交通標識等數據進行綜合分析，挖掘內在聯系，標記事故易發路段，形成事故地圖，為交通管理部門分析事故原因、改進交通設施提供可靠支撐，輔助交通管理部門制定出較好的統籌與協調解決方案。

2.4 在改善交通環境的應用

車輛主動安全輔助駕駛系統以提升駕駛安全為目的，采用多種硬件設備進行主動安全監測，及時快速整合各個采集設備的數據，指導駕駛員快速反應，避免交通事故的發生。其中產生的前向碰撞告警數據、車道偏離告警數據、行人及自行車告警數據、超速行駛數據等海量告警數據，采用大數據技術進行分析挖掘，結合周邊道路環境數據，分析日常運營中，車輛在道路上的哪個位置，哪個路口及哪一路段經常發生哪一類危險，哪些地點存在哪種交通隱患。

通過對車輛主動安全輔助系統產生數據的應用，能夠形成危險地點地圖，推動相關政府部門改善事故易發點的交通環境，促進企業合理規劃運營路徑，從而減少交通事故，提高交通安全水平。

2.5 在交通監管的應用

采用行業前沿的交通模型和算法以及GIS先進的、分塊式空間分析技術，對公交線路數、車輛數、客運量、運營趟次、運營里程等運營數據和場站分布、場站數量、資源(加油站、充電、維修)數據、停車位等基礎數據進行分析，分析計劃完成率、交通擁堵指數、公交暢行指數等線路、線網的各項技術性能指標，方便行業監管部門進行路網運行速度監測和服務質量評價，從各維度對城市公共交通進行監管，為指導交通行業的良性發展提供參考。同時為政府補貼、政策制定提供決策支持。

2.6 在自動駕駛的應用

積累的車輛定位、工況、客流、消費類、視頻、路況、安全、運營等交通大數據與人工智能相結合，能夠推進在無人駕駛公交車領域的研究。

海量數據是機器學習以及人工智能算法的基礎，通過采集設備、V2X設施和高精度地圖信息所獲得的數據，以及駕駛行為、經驗、規則、案例和周邊環境數據信息，運用模糊推理、強化學習、神經網絡和貝葉斯網絡技術等先進的決策理論進行決策判斷，確定適當工作模型，制定相應控制策略。