《大数据环境下上海创新交通综合管理的实践与探索》由会员分享，可在线阅读，更多相关《大数据环境下上海创新交通综合管理的实践与探索（34页珍藏版）》请在金锄头文库上搜索。
1、大数据环境下上海创新交通综合管理的实践大数据环境下上海创新交通综合管理的实践与探索与探索一、背景二、数据挖掘技术三、大数据应用四、展望提纲1背景一、开展交通信息数据挖掘的必要性（一一）交通信息化迅速发展为信息数据挖掘奠定基础交通信息化迅速发展为信息数据挖掘奠定基础（二二）交通信息化数据挖掘是交通调查技术的发展趋势交通信息化数据挖掘是交通调查技术的发展趋势（三三）对获得全面、真实的交通数据至关重要对获得全面、真实的交通数据至关重要（四四）对传统人工调查的辅助、补充和校核对传统人工调查的辅助、补充和校核二、现状数据基础车牌识别系统数据用地数据手机信令数据运营车辆GPS数据信息平台统计数据交通一卡通
2、数据三、数据挖掘成果在本次交通大调查的应用信息数据挖掘调查共有信息数据挖掘调查共有6 6个分项，是其他综合交通调查的弥补、辅助校核。个分项，是其他综合交通调查的弥补、辅助校核。交通信息交通信息数据挖掘数据挖掘交通基交通基础数据础数据调查调查车辆使车辆使用情况用情况调查调查系统运系统运行特征行特征调查调查人员出人员出行情况行情况调查调查1.城市用地2.调查期实有人口3.小客车实有量1.出租汽车出行特征2.货运车辆出行特征3.进出市境车辆出行特征1.区域间人员出行2.外来人员住宿特征1.道路断面流量及车速2.轨道客流进出站及换乘特征3.公共交通方式间客流换乘特征4.潮汐交通特征2信息数据挖掘关键技
3、术一、基于遥感技术的交通相关用地数据挖掘技术 解译获得全市23万个分析单元用地信息，是城市用地调查的主要方法。数据来源：城市信息中心数据时间：2008年、2013年高分辨率航空遥感用地（解译）房屋建筑（统计）数据来源：房屋土地资源信息中心、测绘建筑数据时间：2013年获取最新上海市市域红外航空遥感影像、遥感影像定位匹配以住建部城市用地分类与规划建设用地标准（GB50137-2011）为指导，对上海市全陆域进行用地分类遥感解译、同步进行外业采样核对在ArcGIS环境下实施土地利用航空遥感解译制图，并以区县为单位，计算每个区县内所有图斑的面积，按土地利用类型进行面积汇总、特征分析。 通过解译，将全
4、市28类用地细分到23万个单位，同时结合房地管理中心房屋建筑信息库、测院数据进行建筑量的校核，得到全市细分为13类的建筑量，是分析人口岗位布局、交通与用地发展的重要基础数据。二、基于手机信令的人员出行特征挖掘技术原始数据主要字段列表字段含义MSID唯一用户标识TIMESTAMP时间戳LAC位置区编号CELL小区编号EVENTID事件类型（位置更新、小区切换、收发短信等）移动基站分布 日均1800万移动通信用户的信令数据，辅助校核人口分布、出行分布等人工调查。数据来源：由市交通信息中心协调获取2013年-2014年移动手机信令数据基站分布：全市约6万个基站，中心城平均半径约130米，郊区平均半径
5、约360米采样原理：短信、通话、LAC区切换或每隔1-2小时定时与基站通讯的信令数据基于移动通信用户基于移动通信用户电子脚印的手机信令数据分析技术的手机信令数据分析技术利用地下轨道线路与移动通信LAC区、地下轨道车站与基站的唯一对应关系进行路径识别将手机检测与申通统计乘距相比对，地下轨道车站比例超过90%的轨道线路看，如2、7、10、13号线，两个渠道数据的绝对差小于5%将移动通信网络的出行轨迹映射至道路网络，并在校核线周边设置100-500米的缓冲区过滤信号漂移产生的影响对穿越校核线地下轨道断面的样本客流进行扩样，并与申通统计断面客流进行比对，两个渠道数据的绝对差平均为7%。1、地下轨道车站
6、客流换乘特征分析技术跟踪一段时期手机数据，按出现天数比例判定分析对象，并按累计停留时间最长为原则判断用户的夜间、白天固定地分布夜间分布与“六普”数据比对，行政区人口比例的绝对差均在2%以内。2、校核线手机客流穿越特征分析技术3、手机用户昼夜分布分析技术三、基于牌照识别的车辆出行特征挖掘技术市境道口快速路车牌断面数据来源：市交通信息中心协调获取市交警2013年-2014年车牌识别数据数据内容：车辆号牌、号牌颜色、途径时间、途径车速、车辆属地及设备断面编号等市境道口车牌识别车流量与高速收费流量对比，高速道口的平均捕捉精度约93%；快速路车牌识别车流量与高架线圈相比，车牌设备的平均捕捉率为96%。
7、42个市境道口、343个中心城快速路断面和14个越江桥隧车牌识别数据，辅助校核小客车实有量、车辆出行分布等人工调查。（1 1）基于）基于停留时长分析的长期在上海使用的外地牌照小客车规模推算分析的长期在上海使用的外地牌照小客车规模推算技术一年内累计在上海停留超过180天单次来沪平均停留时间超过5天市境道口车牌识别市境道口车牌识别外牌车辆累计在沪天数(除当日往返)交强险停车调查车牌识别年检站居民家访调查车牌识别数据挖掘结果与推荐值绝对误差为车牌识别数据挖掘结果与推荐值绝对误差为5%5%（2 2）基于）基于行驶路径整理的车辆出行特征分析技术整理的车辆出行特征分析技术1、筛选问题车牌车牌至少有一位被错
8、误识别的概率为6%-12%2、误识别车牌的较正按断面相近，路径可循，采集时间差合理为原则进行车牌数据校正3、出行链整理与线圈数据，收费数据相比对，整理路径信息p入境车辆基于地带的目的地分布入境车辆基于地带的目的地分布p中心城快速路不同号牌车辆行驶特征中心城快速路不同号牌车辆行驶特征市境道口车牌识别车流量与高速收费流量对比，高速道口的平均捕捉精度约93%；以郊区为目的的入境车辆数量，收费数据和车牌数据推算结果的绝对差为5%快速路车牌识别车流量与高架线圈相比，车牌识别的平均捕捉率为96%四、基于GPS的车辆出行特征数据挖掘技术出租车轨迹图货车轨迹图 2.9万辆出租车，1万辆货车GPS信息，是调查中
9、心城地面道路车速的主要途径，是辅助校核出租车、货运车辆出行特征的主要手段。基于轨迹信息的车辆出行特征分析技术数据预处理（检验排除数据飘逸、传输延迟等）地图匹配（50*50米网格）基于最短距离的出行路径推算路段行程车速计算（出租车重车）1 1、基于出租车、基于出租车GPSGPS信息的路段行程车速分析技术信息的路段行程车速分析技术出租车出行OD（利用空、重车状态切换信息）集装箱卡车出行OD（结合用地、车速、停留时间）2 2、基于、基于GPSGPS信息的车辆出行信息的车辆出行ODOD分析技术分析技术五、基于交通信息平台的道路交通信息挖掘技术高架快速路线圈（分3种车型车流量、车速等）地面SCATS线圈
10、（机动车流量、饱和度等）高速公路收费站OD（分11种车型机动车流量） 478个快速路线圈、3043个地面SCATS线圈和104个高速公路收费站数据，数据甄别、清洗后形成不同空间、时间的统计指标，与人工调查相结合，获得道路交通运行状况。数据来源：市交通信息中心时间颗粒度：5分钟六、基于一卡通的交通特征数据挖掘技术 日均刷卡约400万张，超过1000万次的交通一卡通数据，辅助校核公共交通客流出行特征。交通卡原始刷卡记录字段列表交通信息平台统计指标列表基于刷卡时间间隔的公交客流换乘特征分析技术换乘时耗分布轨道车站公交接驳比例交通卡挖掘结果与推算值绝对误差为轨道车站公交接驳比例交通卡挖掘结果与推算值绝
11、对误差为4%4%轨道换乘公交轨道换乘出租公交换乘轨道公交换乘公交3大数据在上海城市综合交通管理中的应用 以遥感用地数据挖掘为主，辅以建造量信息统计，获得现状上海用地以遥感用地数据挖掘为主，辅以建造量信息统计，获得现状上海用地开发类型、分布及用地强度等指标，并反映历史演变趋势。开发类型、分布及用地强度等指标，并反映历史演变趋势。1、城市用地基本情况2008-2013新增建设用地2008年底建设用地全市全市20132013年建设用地年建设用地29182918平方公里，平方公里，较较0808年年增加220km220km2 2，增幅为8%8%居住用地占36.2%36.2%，工业及物流用地占30%30%
12、，公共与商业用地占10.0%10.0%建设用地中建设用地中： 全市全市建筑量建筑量11.611.6亿平方米，较亿平方米，较0808年新增年新增3.43.4亿平方米。住宅亿平方米。住宅建筑量占新增建筑量的建筑量占新增建筑量的43%43%，近近八成八成增加增加在中心区在中心区外。外。商业行政商务办公商业行政商务办公建筑占新增建筑量的建筑占新增建筑量的16%16%，近七近七成增加在中心城。成增加在中心城。20132013全市居住建筑全市居住建筑密度密度20132013年全市非居建筑密度年全市非居建筑密度2、城市人口分布充分利用充分利用手机手机信令数据，信令数据，是校核调查期实有人口分布的重要依据。是
13、校核调查期实有人口分布的重要依据。地带地带夜间手机人口数（万人）夜间手机人口数（万人） 夜间手机人口比例夜间手机人口比例中心区浦西中心区浦西134.2 11.4%中心区浦东中心区浦东27.4 2.3%中心区小计中心区小计161.6 13.7%外围区浦西外围区浦西279.0 23.7%外围区浦东外围区浦东120.0 10.2%外围区小计外围区小计399.0 33.9%中心城合计中心城合计560.6 47.7%近郊区近郊区267.2 22.7%远郊区远郊区348.6 29.6%合计合计1176.4 100.0%20142014年年夜间手机人口地带分布比例夜间手机人口地带分布比例3、人员出行特征 手
14、机手机数据挖掘数据挖掘成果是校核职住分布的重要依据。另外，综合手机信令、成果是校核职住分布的重要依据。另外，综合手机信令、出租车出租车GPSGPS、中心城快速路线圈、轨道闸机数据反映潮汐交通特征。、中心城快速路线圈、轨道闸机数据反映潮汐交通特征。陆家嘴区域人流来向分布陆家嘴区域人流来向分布人民广场区域人流来向分布人民广场区域人流来向分布中心城浦西：41%中心城浦东：50%郊区：9%中心城浦西：77%中心城浦东：14%郊区：9%职住等刚性出行需求的平均出行距离约为职住等刚性出行需求的平均出行距离约为 公里，公里，90%90%的出行在的出行在 公里以内。公里以内。早高峰轨道交通（流量）进：出进：出
15、2 ：1早高峰道路交通（车速）进：出进：出0.6：1早高峰进出内环手机用户数进：出进：出1.5 ：1内环线的潮汐交通现象最为明显，内环线、中环线、外环线早高峰以入城客流为主中心城周边与远郊连接区域出城方向客流略高苏州河潮汐交通明显，以北向南客流为主黄浦江潮汐交通不明显，浦东至浦西客流略高。4、小客车实有规模大类小类统计量（辆）道口系统采集的长期在沪的外牌小型车1、仅在郊区出行（未在中心城出行）11万2、在中心城快速路出行95万交强险3、未在道口和中心城快速路出行的车辆6万总计112万小客车（88%）98万根据收费流量数据，小型车中小客车与小货车的比值为88%:12% 经本次调查检验，基于车牌识
16、别数据挖掘是今后调查小客车实有规模的主经本次调查检验，基于车牌识别数据挖掘是今后调查小客车实有规模的主要手段。经要手段。经综合推算综合推算，20142014年年长期在沪使用的外牌小客车规模约为长期在沪使用的外牌小客车规模约为9898万辆。万辆。5、道路交通车流特征 充分挖掘线圈、车牌识别、出租车充分挖掘线圈、车牌识别、出租车GPSGPS和高速公路收费数据反映道路交通和高速公路收费数据反映道路交通车流特征，是调查道路交通运行状况的主要手段，与人工调查相互补充。车流特征，是调查道路交通运行状况的主要手段，与人工调查相互补充。外牌车辆沪牌车辆早高峰高架道路运行车速内环线： 23% 30%全天午间平峰
17、中环线： 29% 40%南北高架：22% 31%延安高架：17% 23%逸仙高架：24% 32%沪闵高架：23% 32%p 中心城快速路（不含外环线）工作日外牌车辆比例全天占25%，午间平峰占32%p 高峰进一步向午后和早晨延长浦东内环内浦东内外环浦西内环内浦西内外环浦东内环内浦东内外环浦西内环内浦西内外环早高峰晚高峰0.05.010.015.020.025.015.019.212.613.916.622.911.815.5地面道路区域工作日拥堵频率地面干道工作日平均车速空间分布p分区域地面干道高峰运行状况保持稳定，但放射性干道服务水平有所下降，与2013年同比下下降降6%-16%6%-16%
18、。p地面道路拥堵区域数增加明显。按照信息中心在中心城区划分68个区域，有1515个区域个区域全年超过100100个工作日拥堵个工作日拥堵。p2014年9月工作日均高速公路驶出量约为90万车次，与2011年相比，年均增长10万车次。p新城范围内，工作日松江新城和青浦新城高速公路出入口车流增长最为明显，在25%-30%左右。工作日高速入口流量增长比例（ 2014/2011年）工作日高速公路流量分布图6、公共交通客流特征 基于基于轨道闸机数据，并运用轨道交通模型平台进行分析，反映轨道交通的客流分布及运行状轨道闸机数据，并运用轨道交通模型平台进行分析，反映轨道交通的客流分布及运行状况。利用手机信令挖掘
19、反映轨道系统内部客流的换乘特征。充分挖掘交通一卡通数据，反映公共况。利用手机信令挖掘反映轨道系统内部客流的换乘特征。充分挖掘交通一卡通数据，反映公共交通方式间的换乘特征，是校核轨道交通接驳方式结构，地面公交内部换乘率的重要手段。交通方式间的换乘特征，是校核轨道交通接驳方式结构，地面公交内部换乘率的重要手段。p全市轨道交通工作日均客运量为856856万万乘次。p中心城轨道交通上客量增幅达107%107%。全网客流分布全网客流拥挤分布分区域轨道进站量p轨道站点换乘客流达到330330万万，世纪大道和人民广场日换乘客流达到35万。早高峰人民广场站分向客流比例早高峰徐家汇站分向客流比例7、市境道口车流
20、特征利用车牌识别数据可以挖据进入上海市境车流的牌照及出行基本特征。利用车牌识别数据可以挖据进入上海市境车流的牌照及出行基本特征。p2014年9月道口日均进出车流总量为45万车次/日，其中高速公路承担59%。p常规工作日沪牌占38%，江苏牌照占34%，浙江牌照占13%。蓝牌与黄牌车比例为73%：27%。p工作日入境外牌车辆，50%为当日往返。p入境车辆到达郊区和进入中心城的比例约为7：3。入境车辆基于地带的目的地分布入境车辆在沪时长分布3展望 在延续以往调查方法的基础上，积极拓展信息数据采集渠道，进一步推进了信息化调查方法的应用。（1 1）引入手机引入手机3G3G数据，完善移动通信数据关于人员出行特征挖掘的应用数据，完善移动通信数据关于人员出行特征挖掘的应用（2 2）利用地面卡口车牌识别数据，充分挖掘车辆出行特征）利用地面卡口车牌识别数据，充分挖掘车辆出行特征（3 3）充分地面公交）充分地面公交GPSGPS与交通卡刷卡关联数据，反映公交客流上下客特征与交通卡刷卡关联数据，反映公交客流上下客特征谢 谢！
