刘辰迪
中国城市建设研究院有限公司 北京 100120
摘要：现如今，智慧城市与智慧交通已为人们重点关注。交通拥堵的出现，给城市居民生活出行带来极大不便。借助大数据技术，加强这方面是的研究，有助于缓解交通拥堵，对于打造智慧城市与智慧交通有积极意义。本文以某城市为例，就大数据技术的应用作用展开了相关探究。
关键词：大数据方法；城市交通；交通拥堵
引言：
当前背景下，我国城市化进程中，不少城市致力于智慧城市的打造，这推动了智慧交通的发展，对于交通拥堵、交通事故的预防有重要意义。交通大数据的应用和发展为现代车辆路径规划带来了机遇和挑战。因此，了解交通大数据概念、路网匹配、路径规划算法、交通信息预测等方面的研究现状和研究特点，对明确未来路径规划研究方向和发展趋势显得尤为重要。在现阶段，全球定位系统（GPS）、地理信息系统（GIS）、电子计算机技术及大数据技术等系统技术的融合为车辆路径规划提供了重要支撑，从而一定程度上降低了交通拥堵、交通事故的发生率，为智慧城市的实现作出了重要贡献。
1 城市交通系统大数据概述
1.1 交通大数据特征
交通大数据是智能交通系统基础，研究和分析交通大数据是实现智能交通系统的重要环节。传统交通数据特征有3V、4V、5V，与传统交通数据不同，交通大数据有6V特征。众多学者从交通安全、交通监测、交通车辆行驶效率、公交基础建设、运营管理及出行预测等方面研究了大数据对智能交通的作用。交通大数据的出现不仅为智能交通系统的实现提供重要的技术支撑，而且也为车辆路径规划和信息预测提供巨大的数据保障。
1.2 轨迹数据
轨迹数据属于交通大数据，其数据丰富性和多样性符合交通大数据的6V特征，即体量大（Volume）、速度快（Ve-locity）、多源（Variety）、难辨识（Veracity）、价值密度低（Val-ue）、可视化（Visualization）。当轨迹数据为分析对象时，数据特征和处理技术架构等有价值的信息是关注重点。轨迹数据是通过对1个或多个移动对象运动过程的采样而形成的数据信息，一般包括GPS定位数据、时间数据、速度数据等。轨迹数据来源广泛，不仅可通过卫星定位、手机APP信息、通信服务基站、流动公交等途径获取，还可通过 RFID 技术、图像识别技术等方式获取，例如出租车、公交车等交通工具的活动轨迹数据可通过车载GPS技术获取。
1.3 数据预处理
数据是进行各项工作的基础，由于轨迹数据来源多样且复杂，因而存在许多非人为的误差或错误。为了得到更准确且有价值的数据，需对轨迹数据进行必要的数据清洗工作。轨迹数据清洗是为了剔除数据中的冗余点与噪音点。车辆在静止和行驶状态下会产生大量冗余点。有基于停留区域的轨迹数据挖掘，例如对旅游路线热点区域和路线进行推荐，挖掘其中热点区域和剔除冗余采样点；有基于速度的行为模式挖掘，其关注重点是基于速度划分的行为模式 ；有基于用户行为模式的挖掘，通过基于速度的出行模式划分，获取用户行为模式与习惯。而噪音点是数据接收设备异常导致的错误数据，例如，行驶车辆进入地下停车场或进入隧道涵洞干扰卫星定位而导致的接受信号偏差。噪音点会影响数据分析准确性。常用轨迹数据清洗处理方法还有噪音滤波（Noise Filtering）、停留点检测（Stay Point Detection）。
1.4 交通信息预测
准确的交通信息预测是智能交通领域的重要研究内容。近些年，在基于大数据的车辆路径规划相关研究中，对车辆数据发掘并作出交通信息预测成为热点。目前，有许多预测方法被广泛用于交通信息预测并取得了不错的效果，如卡尔曼滤波方法、时间序列方法、神经网络法、马尔可夫预测及灰色预测理论等，上述各方法又可建立多种预测模型。其中时间序列方法在车辆交通流预测研究应用中使用较多，是交通流预测研究热点。
较早提出的预测模型有自回归模型（AR）、自回归滑动平均模型（ARMA）、滑动平均模型（MA）等。这些模型具有计算精度高、应用规模大、实时性好等优点，但有时无法准确反映交通状况的不确定性，抗干扰能力较差。因此，通常选取多种预测模型组合，使其优缺点互补，以最合适的预测模型进行交通信息预测。如马尔可夫预测模型经常与小波理论、BP神经网络等模型组合，这些模型在交通信息预测方面也有不错的效果。除此之外，结合人工智能算法的混合模型、组合预测理论、混沌理论等也被广泛应用于交通信息预测。交通信息预测为减少交通堵塞、提高道路利用率、适时实施交通管制及城市环境保护提供了强有力的技术支持，具有重要的现实意义。
2 城市交通拥堵成因分析
2.2 公共交通规划发展滞后，公共交通产品供给不足
我国大部分城市公共交通主要依靠公共汽车。例如目前，海口市有2261辆公共汽车。根据国家的要求，文明城市公交车的标准是1万人乘坐12辆以上的公交车，因此该城市目前的公交车无法满足市民的出行需求[1]。此外，大多数城市公交停车场都建在缺乏合理规划的市区内。从公民的角度来看，在经济允许的情况下，他们首先选择自己开车，然后选择出租车，最后选择公交车和地铁。
2.3 停车资源缺乏，私家车数量增多
旧住宅区没有足够的停车位，而大多数新住宅区没有足够的地下停车位，但是它们太昂贵了。没有停车位的居民将汽车停在道路的两侧，甚至占据人行道，这严重影响了居民的出行。低速车道，人行道停车场和次要干道都已停放，因此在高峰时段道路拥堵和交通流量减慢，连锁反应是发生了汽车和车辆冲入车道以及人员和车辆冲入道路的情况。此外，随着生活水平的提高，私家车也在增加。
2.4 交通管理水平偏低
大部分二三线城市主要依靠几种传统手段和方法来解决交通拥堵问题，主要体现为：首先，交通信号灯采用单点固定周期控制，许多路口交通信号灯的时间安排不合理，导致车辆通行能力不足[2]。其次，禁止某些道路向左转，拥挤的交叉路口的交通状况已有所改善，但这是将绕行操作转移到下几个交叉路口。
3 大数据方法对于缓解城市交通拥堵的作用理论
首先，大数据技术可实现实时交通引导信息更改周期。更改路口导航信息的时间间隔不能太长（通常为20分钟）。大数据技术使用数字数据和云计算技术来实时收集有关在道路上行驶的车辆的数量，类型，行驶方向，速度和其他信息。
其次，当前的路线指导计划主要是在最短的时间和最短的距离内进行，规划路线有一些条件。但是，这是基于软件历史数据库获得的结果，该数据库可能不完全适合不断变化的城市交通，并且交通大数据的实时收集，分析和预测系统提供了更复杂的交通指导的可能性[3]。例如，使用大数据方法的车辆识别技术可以为警察，救护车和消防车建立与人身和财产安全有关的特殊交通引导子系统，并且不公开引导信息。
其次，大数据技术有助于改善交通引导服务的人性化。交通参与者对交通指引信息的接收和响应是不确定的。在当前使用的交通引导系统中，所有交通参与者都可以获得相同的交通引导信息，因此每个人都可以选择相同的选择，并且出现了新的交通拥堵状况[4]。此外，每个交通参与者对交通拥堵都有不同的容忍度，并且每次旅行对旅行时间都有不同的要求。为此，客观上需要交通指导系统以提供更人性化的服务。在大数据技术的支持下，可以全面，及时地掌握交通拥堵，为各个出行时间用户群带来个性化信息支持。
结束语：
总而言之，借助于传统方式来应对交通拥堵，收到的成效非常小。只有依靠大数据方法，基于智慧城市规划、建设以及管理等方面着手解决，才能使交通拥堵得到解决。
参考文献：
[1]王立颖.基于大数据的城市交通拥堵治理对策研究[J].辽宁警察学院学报,2019,21(06):91-94.
[2]张雨.大数据背景下的城市道路交通拥堵问题研究[J].机电信息,2019(29):162-163.
[3]郭伟伊,王立伟.基于大数据的贵阳市交通拥堵问题治理研究[J].贵州师范大学学报(自然科学版),2019,37(03):102-111.
[4]林锐,吴瑞涵,黄雅婷.手机导航大数据对缓解城市交通拥堵的作用[J].中国统计,2019(05):16-17.