多源異構數據在區域交通領域中的應用分析

程雪敏

摘要：交通行業經過多年的信息化建設，目前已具備覆蓋公、鐵、水、空等多領域的數據積累。文章圍繞如何借助大數據分析技術實現交通全方式全要素的數據融合應用，面向區域交通大數據分析及應用成套技術開展研究，突破關鍵技術瓶頸，從不同角度細粒度還原交通現狀，支撐綜合交通規劃、管理、決策。

關鍵詞：多源異構數據；區域交通；應用分析

中圖分類號：TM73中圖分類號? 文獻標志碼：A文獻標志碼

0 引言

黨的十九大報告明確了“交通強國”的發展理念，以數據資源賦能智慧交通，以科技創新為核心，推動交通運輸高質量發展。交通行業經過多年的信息化建設，目前已具備覆蓋公、鐵、水、空等多領域的數據積累，匯聚和挖掘數據資源，開發和釋放數據蘊藏的巨大價值，已經成為發展大勢。隨著數據源的不斷豐富，目前大數據在交通行業領域應用仍存在技術瓶頸，如：數據資產標準化技術難點瓶頸仍未解決；數據壁壘廣泛存在，阻礙了數據的共享和開放；多源數據融合及深度挖掘技術手段缺乏，機理研究不足；交通大數據模型構建、交通規劃平臺建設技術還不成熟。這些都是制約大數據有效推動智慧交通發展的重要短板，亟待進一步深入推進解決［1］。

本文旨在面向區域交通大數據分析及應用成套技術開展研究，突破關鍵技術瓶頸，通過多源數據整合、數據標準體系設計、交通模型及算法體系構建、多層次交通平臺搭建等，從不同角度細粒度還原交通現狀，精準預測交通態勢，量化支撐精細化、智能化綜合交通規劃、管理、決策，為區域交通規劃研究帶來新的視角。

1 多源大數據介紹

目前交通系統中存有大量交通數據，通常包括靜態數據與動態數據。按采集時間不同，獲得動態數據能描述斷面歷史與實時的交通狀態特征。按采集地點變化，獲得的交通數據能描述整個路網交通流空間分布特征。按采集方式差異，人工調查數據能直接解析調查區域交通出行特征與規律，但數據量有限且主觀性強、更新周期長；車檢設備數據能提供檢測地點的交通流特征，但精確性與布設密度有關；浮動車GPS數據能提供行駛路段區間的運行參數特征或單個車輛的實時運行特征，但穩定性、連續性差；手機信令數據、公交IC卡數據獲取方便、內容完整、更新連續，能提供交通出行的精細化過程，但巨量數據分析與處理過程煩瑣。因而，不同的交通數據在時間、空間、側重點及用途上都表現出差異性，能以不同程度描述目標路段交通流運行特征。綜合分析、處理多源交通數據，就能得到全面、可靠與互補的交通信息［2］。

從交通行業研究所需的數據來看，數據來源種類繁多，按行業劃分為交通行業數據、非交通行業的交通數據和非交通數據3類。交通行業數據主要包括：公交車、出租車、兩客一危車輛、旅游大巴GPS數據，軌道交通刷卡數據，高速公路、鐵路、水運、客貨運樞紐、停車場、客票、車船等交通收費數據，航空票根數據，交通樞紐旅客到發量及車輛進出量數據，地磁、線圈、視頻數據等定點監測、FCD數據，RFID電子牌數據和基礎設施數據等。非交通行業的交通數據主要包括：手機信令數據、LBS（百度、騰訊、高德、打車軟件）、Wi-Fi定位數據、網絡搜索數據、社交媒體數據、事故數據和調查類數據。其他數據包括地價、房價、經濟指標、電子地圖、氣象信息等數據［3］。

2 多源大數據在區域交通領域的應用

2.1 區域交通多源數據預處理

大數據時代的到來，交通行業面臨前所未有的問題和挑戰。交通數據分散在不同部門，部門間又缺乏開放互通，形成信息孤島，造成交通數據資源分割化和信息碎片化等現象。此外，雖然經過各行各業多年的發展，積累了大量的公鐵水空數據、互聯網數據、手機信令數據等，但仍存在數據量大、質量低、分析難度大等特點。本研究在多源數據預處理上提出了3點主要流程及相關標準技術。

2.1.1 交通行業多源異構數據的標準體系

根據交通運輸部發布的交通數據標準，結合交通行業實際情況，提出省級交通行業數據規范，擬解決行業內數據規范管理欠缺、標準規范不統一、數據采集不兼容以及區域間信息共享方式不統一、不全面等問題，對分散在交通行業各部門的數據資源進行梳理，并按照統一的標準規范進行分級分類和格式標準化，形成符合應用需要的交通行業數據資源組織標準和規范，實現數據資源的有序組織。面對現在交通基礎設施地理信息存儲格式不一致、坐標系不一致、圖層屬性表不規范等問題，提出了一套針對公路、鐵路、水路、航空、海事、航道、港口、場站、管理機構9大專題數據，以滿足區域交通地理信息平臺對專題空間數據的需求。

2.1.2 多源一體的交通大數據池化技術

針對現階段多源數據存儲中，不同交通數據集缺少統一標簽的主鍵，數據庫進行寫入、讀取、鏈接分析過程中無法有效使用的情況，提出基于特征層一致性的數據池化技術，即構建一個融合多方數據的資源池，在不同的資源表中設置一個唯一鍵值進行鏈接。傳統的數據庫連接池技術，在功能使用上各有不同，雖然可以較好地實現池化連接的思想，但并不符合標準的JDBC規范，且大多是采用各自的設計方案和優化策略，選擇上與應用服務器的耦合度較大。多源一體的交通大數據數據池化技術，在選擇適合開發框架的數據庫連接池基礎上，優化并發連接時不同的復用連接策略，提高連接池的動態并發處理性能。同時，需要建立一套特征值主鍵的唯一性的鏈接標準，提高交通數據庫在使用中鏈接共享的效率［4］。

2.1.3 基于數據層的多源異構數據融合技術

面對同一類交通主體的交通分析中，同一類主體可能通過不同的交通方式從出發地到達目的地，在測算兩地間的客貨運量關系時，就需要將不同交通方式的數據進行融合疊加，為精確分析交通流分布特性提供優質的數據。針對以上問題，提出了基于數據層的多源異構數據融合技術，主要包括兩方面：一是將同一交通方式不同的數據源分類融合得到統一交通方式的數據；二是將不同交通方式、不同來源的數據，統一到標準的人、車、貨單位。數據層融合的目的是對各種數據源的有不同量級、不同量綱、不同表現形式的數據做第一次規整，統一的網絡融合數據層形成的是以數據為中心的新型網絡架構，基于統一數據層可有效實現網絡的扁平化，簡化網絡運維，大幅降低TCO，并實現數據開放變現。

2.2 區域交通模型構建與算法構建

交通模型作為指導交通規劃與建設的重要技術工具，在指導交通規劃建設方面發揮著不可替代的作用。隨著交通運輸體系的建設發展，交通模型正在從單一模式向多網融合、從片區交通向區域一體化、從低精度向精細化方向轉變，針對既有算法在處理指數級增長的區域綜合交通運輸數據中存在不足，難以適用區域性全方式出行鏈的交通模型分析，導致區域交通出行特征的挖掘深度不夠等問題，以下通過結合數據的有效性和優缺點，設計各類數據修復算法和適用性分析，構建多源數據融合的區域交通算法與模型關鍵技術，為區域綜合交通規劃統籌協調區域各種運輸需求提供一定的實證參考，同時為地區精準地改善運輸服務水平提供決策方向。

2.2.1 基于ETC門架系統數據的車輛運行軌跡識別技術

針對高速公路運行車輛軌跡無法全網追蹤、斷面流量難以實時監測的難題，提出基于ETC門架系統數據的車輛行駛路徑推測與軌跡還原技術。以車輛途經ETC門架信息建立關鍵點時空序列，結合高速公路路段鄰接矩陣，提出基于最短路徑和灰色關聯的出行軌跡估計方法，該方法還原車輛軌跡準確率達90%以上，能對高速公路全網實時交通運行狀態進行有效監測。

2.2.2 基于VITS和船閘數據的船舶軌跡與載運特征識別技術

針對水路運輸外省籍船舶軌跡無法獲取、全網載運特征難以監測等問題，提出基于VITS數據的船舶航行軌跡反推算法。以省籍船舶VITS和軌跡數據為基礎，通過KNN算法補充軌跡缺失值，提取軌跡集聚活動半徑、駐留時長等重要參數，利用K-means聚類方法，識別船舶行駛的中途駐留點和起訖點。分析船舶起訖點與船閘上報運載信息的關聯性，提取船型、航速、航向、時間、載運量、貨物類型等特征，建立隨機森林模型，預測外省籍船舶起訖點，并還原船舶航行軌跡，實現全網船舶載運檢測。

2.2.3 基于手機信令數據的區域交通需求預測

針對手機信令數據存在時間間隔長、定位精度差、缺乏出行信息、無法直接計算交通需求等問題，提出了基于手機信令數據的出行特征挖掘與區域交通出行需求預測模型。通過空間柵格劃分、軌跡漂移剔除、時空鄰近聚類，提取了手機用戶停駐點；以居民出行調查數據為基礎，標定職住活動時段、活動時長、訪問頻次等參數，識別手機用戶職住位置。提出了基于模糊聚類的出行方式識別方法，以地圖API接口獲取起訖點各交通方式出行時間、出行距離等特征，模糊聚類識別用戶出行方式。建立了區域交通下小汽車、鐵路、道路客運等出行需求，采用交通分配模型，預測道路網、鐵路網交通量。

2.3 多層次的交通大數據平臺搭建

數據是開展交通規劃和設計的基礎，多層次的區域交通大數據平臺構建有利于數據挖掘、成果展、直觀可視交通特征，為交通行業交通數據管理、決策提供有力支撐。面對交通管理的新形勢、新挑戰，大數據技術的發展為交通系統的建設帶來了新的發展思路，利用現代計算機網絡、通信技術、大數據等眾多先進技術，匯集公路（高速公路、普通公路）、鐵路、水運、航空等行業數據，公鐵水等基礎設施空間數據，人口與經濟數據，網絡數據等多源數據，借助數據修復、數據關聯匹配等模型算法，形成從數據采集和獲取、大數據交通建模、大數據挖掘應用、平臺可視化展示一系列完整的數據處理流程，可開展多源大數據分析研究，分析交通運行狀態、出行規律、發展趨勢，為區域交通管理和運輸服務提供數據支撐［5］。

2.3.1 形成自底向上的知識圖譜數據庫

研究了多源交通數據的知識圖譜構建技術，融合GIS地圖、手機信令數據、車載GPS數據、視頻監測數據、交通運營數據等多源交通大數據，實現了“交通—決策—治理”的多角度、多層次、多測度的全鏈條數據挖掘，形成文本、視覺、多模態不同形態的大數據關聯圖譜庫，有效支撐交通運行態勢精準預測、精細化規劃、智慧治理。

2.3.2 構建多模式的大規模交通網絡實時仿真平臺

為有效解決交通行業不同層面的精準、高效治理的需求，本文搭建了江蘇省全域范圍內“區域—城市—小區”層面的多模式的綜合交通體系，創新了一種全方式、多對象、多層級的省域范圍的大規模交通網絡實時仿真平臺，建立了出行需求分析、各類交通方式運行態勢重現、趨勢研判與預測能力。

2.3.3 搭建面向場景應用的大數據平臺

為更好地將科研成果轉化為生產力，推進大數據賦能交通智慧管理，成果以多層次交通模型為核心，搭建多視角區域綜合評估可視化平臺。研究了大數據集成融合、分析挖掘、智慧決策一體化的大數據平臺搭建技術，形成了全鏈條智慧物流、綜合樞紐服務評估、旅游交通等應用平臺。

3 結語

本文從大數據應用閉環賦能成套體系入手，構建基于多源異構數據的區域交通綜合分析成套技術體系，突破多源異構數據融合分析技術難點，解決了交通規劃、設計、建設、管理、服務閉環過程中的復雜性和不確定性問題。研究成果已經在多個省、市項目中應用，顯著提升了多源異構數據融合、海量數據計算、多方式運行態勢推演、多維度區域交通決策分析能力和評估水平。

在“交通強國”背景下，多源大數據在區域交通中的綜合分析及應用是關系到國家社會經濟能否快速高效發展的關鍵，也是交通運輸領域的科學技術難題。本研究雖然從區域交通多源數據預處理、區域交通模型與算法實現、多層次多模式的智慧交通大數據平臺搭建等方面實現了一定程度的突破，但仍存在數據質量不高、行業壁壘高筑以及交通模型與算法的精確度、準確度、效率不高等問題，如何通過數據全域標識、狀態精準感知、數據實時分析、模型科學決策、智能精準執行，實現交通的模擬、監控、診斷、預測和控制，全面提高交通資源配置效率和安全運轉狀態，是未來亟待解決的難題，也是交通行業數字化發展的關鍵。

參考文獻

［1］張相賢.大數據和云計算技術在智慧城市建設中的應用分析［J］.商展經濟，2023（1）：112-115.

［2］曹軼云.大數據技術在智慧城市管理中的應用［J］.智能城市，2022（12）：42-44.

［3］鈕心毅，林詩佳.城市規劃研究中的時空大數據：技術演進、研究議題與前沿趨勢［J］.城市規劃學刊，2022（6）：50-57.

［4］匡軍.大數據技術在城市智能交通中的應用芻議［J］.辦公自動化，2022（19）：10-12，58.

［5］劉麗娜.智慧交通中大數據應用面臨的挑戰與對策研究［J］.智慧中國，2022（9）：78-79.

（編輯 沈 強）

Application analysis of multi-source heterogeneous data in regional transportation

Cheng? Xuemin

（China Design Group Co.， Ltd.， Nanjing 210004， China）

Abstract：? After years of information construction， the transportation industry has now accumulated data covering many fields such as highway， railway， water and air. This paper focuses on how to use big data analysis technology to realize the data fusion application of all elements of the whole mode of transportation， and carries out research on the whole set of technology for regional transportation big data analysis and application， breaks through the bottleneck of key technologies， restores the current situation of transportation from different angles in a fine-grained manner， and supports comprehensive transportation planning， management， and decision-making.

Key words： multi-source heterogeneous data; regional traffic; application analysis