1、北京交通大数据应用与展望北京交通大数据应用与展望Applications and Prospect of Beijing Transportation Big Data北京交通发展研究中心北京交通发展研究中心Beijing Transportation Research Center (BTRC)温慧敏温慧敏 Huimin Wen汇报内容汇报内容Content北京交通数据情况北京交通数据情况Transportation Data of Beijing北京交通大数据的应用北京交通大数据的应用 Applications未来展望未来展望 Prospects 2数据类型数据类型 Data Type交通
2、基础交通基础数据数据Basic Data动态运行动态运行数据数据Dynamic Data交通调查交通调查数据数据Census Data城市活动城市活动数据数据Context Data基础设施基础设施 Infrastructure车辆和人员车辆和人员Vehicles and Employees交通行为数据交通行为数据Behavior Data交通检测数据交通检测数据Detection Devices人口、土地、经济人口、土地、经济Population,Land,Economics气象、环境等气象、环境等Weather,Activities综合交通调查综合交通调查Comprehensive Cen
3、susTransportation Economic Census数据规模数据规模 Data Scale4分类分类 Classification数据内容数据内容 Data Content数据规模数据规模 Data Scale动态运行数据 Dynamic data道路检测器Road Detect data断面流量、速度、车型采集：2分钟，500万记录/天车辆卫星定位Vehicle GPS data(taxis,buses,coach,trucks)经纬度、时间、方位角、车辆代码采集：60秒（部分12秒）6万辆出租车，15G，9000万记录/天2万辆公交车，5G，3000万记录/天电子收费Elec
4、tronic fee(IC cards,ETC)收费时间、位置、线路、额度公交IC卡：2500万记录/天，10G/天ETC：300万记录/天牌照识别Recognition data(Video,RFID)检测位置和时间、车牌号（车辆属性数据）采集：2分钟2G，500万记录/天（按检测点存储）事故数据Accident data事故位置、时间、类型信令数据Pseudo-code mobile signaling data信令发生位置、时间、活动类型北京移动：1800万样本，10亿条/天调查数据Census data城市综合交通调查、运输经济专项调查、出行方式意愿性调查Household surve
5、ys,intention surveys,etc.城市综合交通调查、运输经济专项调查、出行方式意愿性调查Fifth Census：18 serials,40,000 families城市背景数据Urban context data土地利用、人口分布、气象道路施工、交通事件多张网、交错关联交通基础数据Basic data人（从业人员）、车、路（道路网、公交线路）汇报内容汇报内容Content北京交通数据情况北京交通数据情况Transportation Data of Beijing北京交通大数据的应用北京交通大数据的应用 Applications未来展望未来展望 Prospects 5应用应用1
6、 1:浮动车系统浮动车系统 (FCD)FCD)北京北京：40000辆辆出租汽车出租汽车，5分钟分钟（20秒）计算一秒）计算一次次 Beijing:40,000 taxis,5 minutes(20 seconds)updating 五五环内路网覆盖率环内路网覆盖率8080%，精度精度86%86%以上以上 Coverage(5th ring road):80%,Accuracy:over 86%Taxi GPS distributionReal-time traffic congestp 识别常发拥堵路段，并与土地识别常发拥堵路段，并与土地开发开发关联分析，服务拥堵治理（关联分析，服务拥堵治理（
7、2009-2009-）7早高峰拥堵路段和节点职住平衡度与早高峰常发拥堵路段Congested segment and intersection Morning peakCommercial/residential balance and congested segments morning peakIdentifies frequently congested road，Analysis with land development，Support for congestion management from 20098Congestion formation and dissipation r
8、atio-2:3Heavy rain,evening peakCongestion Formation and Dissipation Evolution A Subtle Portrayal of Phantom交通网络拥堵形成和消散演变规律分析交通网络拥堵形成和消散演变规律分析 幽灵拥堵的细微刻画幽灵拥堵的细微刻画大规模降雨、晚高峰大规模降雨、晚高峰拥堵形成和消散的时间比例为2：39Congestion Distribution Cloud Imagehorizontal axis:time vertical axis:road segmentscolor:congestion level
9、An accident causing congestion.A:congestion spreadB:congestion dissipationCongestion Formation and Dissipation Evolution A Subtle Portrayal of Phantom交通网络拥堵形成和消散演变规律分析交通网络拥堵形成和消散演变规律分析 幽灵拥堵的细微刻画幽灵拥堵的细微刻画交通拥堵分布时空交通拥堵分布时空“云图云图”横轴代表时间，纵轴代表路段颜色代表该时间、该路段的拥堵程度。莲花桥附近发生事故，产生拥堵。A：拥堵蔓延B：拥堵消散10Inspiration:Can
10、we use a figure to reflect transportation conditions?Roads are like stockstraffic index as its coreFive-dimensional congestion recognition concept应用二：应用二：“交通指数交通指数”拥堵评价拥堵评价Traffic Index Congestion Evaluation灵感来源：灵感来源：拥堵识别拥堵识别“五维五维”理念理念能否用一个数字反映交通运行状态能否用一个数字反映交通运行状态道路类似个股道路类似个股以以“交通指数交通指数”为核心的拥堵评价体系为
11、核心的拥堵评价体系11尾号尾号4 4、9 9限行限行the last number on the license plate Is 4 or 9very sensitive to changes in urban transport交通指数对城市交通拥堵变化非常敏感12月交通指数变化月交通指数变化（2007-2015）Month traffic index（from 2007 to 2015）p 数据积累：连续积累了数据积累：连续积累了20052005年至今的所有数据。年至今的所有数据。p Data accumulation:continuously from 2005 to the pres
12、entp 第一次定量化地衡量了城市拥堵，拥堵治理目标实现定量化。p first time:urban congestion be measured quantitatively,and management goals also become quantitative.severe congestion during evening peak2010 72 days2011 22 days2012 28 days2014 45 days晚高峰严重拥堵天晚高峰严重拥堵天14Congestion duration（from 2007 to 2015）seriousLightmiddle交通运行交通
13、运行提前提前研判和应对研判和应对 Congestion forecasting and replyingl建立研判工作机制，年初、节假日前、高峰拥堵期前，针对性进行研判预测，引导建立研判工作机制，年初、节假日前、高峰拥堵期前，针对性进行研判预测，引导各部门运力调配、公众出行各部门运力调配、公众出行 Application 3:Electronic Fee(IC)for Public Transport16Segment passengers of bus networkpublic transport operational parameters应用三：公交电子收费（应用三：公交电子收费（IC
14、IC卡）卡）公交网络断面客流公交网络断面客流l 每日每日近近25002500万条公共交通电子收费数据万条公共交通电子收费数据 about 25 million electronic fee collection data items each dayl 从从20062006年年5 5月开始积累月开始积累数据数据 began in May 2006l 在在不额外增加设施建设情况下，实现公共交通参数定量化不额外增加设施建设情况下，实现公共交通参数定量化获取获取 no additional facilities are added,it achieved automatic computation
15、of public transport operational parameters 17Boarding and alighting volumeCongested segments and nodesBus passenger flow concentration locations generally have serious congestion城市公交客流集中的地方，往往拥堵较为严重基于公交IC卡数据计算 From bus IC data基于浮动车行程速度计算 From floating car data全市客流点登降量全市客流点登降量晚高峰拥晚高峰拥堵路段和节点堵路段和节点18Su
16、bway Passenger Characteristics and Land Use地铁地铁5号线天通苑车站号线天通苑车站-6000-4000-200002000400060008000678910 11 12 13 14 15 16 17 18 19 20 21 22 23 24进站出站地铁地铁1号线国贸站号线国贸站-15000-10000-5000050001000015000678910 11 12 13 14 15 16 17 18 19 20 21 22 23 24进站出站地铁地铁13号线回龙观车站号线回龙观车站-6000-4000-200002000400060008000678
17、910 11 12 13 14 15 16 17 18 19 20 21 22 23 24进站出站地地铁铁1号号线线西西单单车车站站-8000-6000-4000-2000020004000600080006789 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24进站出站地地铁铁1号号线线军军博博站站-5000-4000-3000-2000-1000010002000300040006 7 8 9 10 111213 141516 171819 2021 222324进站出站地地铁铁2号号线线西西直直门门站站-6000-4000-200002000400
18、0600080006789 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24进站出站ResidentialCommercialResidential+Commercial轨道交通客流特征与周边用地功能分析轨道交通客流特征与周边用地功能分析居住主导：天通苑居住主导：天通苑商业主导：国贸商业主导：国贸居住居住+商业：军博商业：军博Taxi Passenger Characteristics Analysis19应用四：出租汽车客流特征分析应用四：出租汽车客流特征分析早高峰早高峰7:00-9:007:00-9:00晚高峰晚高峰17:00-19:0017:00-
19、19:00出行速度分布（按起点位置统计）上上地、地、中关村中关村二二环环内内西西四四环环早高峰：二环内南部、上地、中关早高峰：二环内南部、上地、中关村，出行速度较低；村，出行速度较低；晚高峰：三环内、北部城区（中关村晚高峰：三环内、北部城区（中关村、上地、望京、东北四环），低速、上地、望京、东北四环），低速20出行距离出行距离(单位：公里单位：公里)四环四环内内四环四环-五环五环五环外五环外8.1公里公里9.9公里公里12.6公里公里特点：内短外长、西短东长特点：内短外长、西短东长白天白天6:00-22:006:00-22:00出行距离分布（按起点位置统计）Taxi Passenger Cha
20、racteristics Analysis应用四：出租汽车客流特征分析应用四：出租汽车客流特征分析21直达系数直达系数(直达系数直达系数=直线直线距离距离/行驶行驶距离距离)棋盘状路网，理想直线系数棋盘状路网，理想直线系数=1.414/2=0.707=1.414/2=0.707回龙回龙观、天观、天通苑通苑南四环外南四环外直达系数：直达系数：0.66直达系数：直达系数：0.67回龙观回龙观南四南四环外环外Taxi Passenger Characteristics Analysis应用四：出租汽车客流特征分析应用四：出租汽车客流特征分析Application 5:Analysis Based o
21、n Pseudo-code mobile signaling Data22About 18 million users a day(sample),1 billion records everyday应用五：伪码移动信令数据的交通运行分析应用五：伪码移动信令数据的交通运行分析每日接近1800万用户（样本），每天10亿条记录。在京外地人口中，前三甲：河北在京外地人口中，前三甲：河北（25%）、河南（）、河南（10%），山西（），山西（8.94%）在京外地人口中（在京外地人口中（34天持续监测数据）天持续监测数据）在京停留时间超过在京停留时间超过27天的：占天的：占54%在在京停留时间京停留时间
22、2-7 天的：占总量的天的：占总量的13%Identifies the population(mobile phone users)relevant to the CBD Computes travel statistics24Travel Characteristics Analysis of CBD Population Average Daily Attraction TotalCBD population 24-hour movement2-4时时4-6时时6-8时时8-10时时10-12时时12-14时时14-16时时16-18时时18-20时时20-22 hCBDCBD区域出行特征
23、分析区域出行特征分析从全市样本数据中，识别出与CBD相关的人口(伪码移动信令用户)，针对这部分群体，统计其出行行为。日均吸引总量CBD相关人口24小时流动Analysis of Public Rail Passenger Characteristics25Beijing subway hourly sectional flow diagram for morning peakFrom bus IC DataFrom Pseudo-code mobile signaling Data轨道交通乘客特征分析轨道交通乘客特征分析由公交由公交ICIC卡数据计算卡数据计算北京轨道交通早高峰小时断面流量图北
24、京轨道交通早高峰小时断面流量图由伪码移动信令数据计算由伪码移动信令数据计算地铁地铁1 1号线乘客的号线乘客的居住地分布（人口数）居住地分布（人口数）地铁地铁1 1号线乘客号线乘客的工作地分布的工作地分布(人口数人口数)Urban Transport Simulation Model26应用六：城市交通仿真模型应用六：城市交通仿真模型路网、车辆等基础数据土地、人口等社会数据方式选择、出行次数等意愿数据道路流量、速度，交通流特征数据2724.5 thousand person trips21.8 thousand person trips,89%Jingtong Expressway Bus La
25、ne Deployment CaseSectional bus passengers distribution (morningpeak)Bus routes are concentrated,the traffic is very heavy so buses and private vehicles mutually affect each other,drop efficiency.From IC dataTongzhou to CBD passenger distributionFrom Pseudo-code mobile signaling Data京通快速路设置公交专用道案例京通
26、快速路设置公交专用道案例p 市政府拟设置公交专用道，实现公交和私人交通双赢。p 京通快速路沿线公交线路密集，但交通负荷度高，公共交通和私人机动车相互影响，效率均较低。Proposed to deploy dedicated bus lanes to benefit both public and private transport.京通快速路断面公交京通快速路断面公交客流客流ODOD分布（早高峰）分布（早高峰）通州至通州至CBDCBD客流分布客流分布28Bus Lane Deployment SimulationMorning peakEvening Peak公交专用道设置仿真分析公交专用道设
27、置仿真分析测试结果：早高峰进城方向、晚高峰出城方向减少一条车道，交通需求会有所下降，路段负荷有所增加，周边平行道路流量有所增长，但总体效果能够有效缓解京通快速路拥堵情况，实施方案可行。流量需求 Traffic Demand（veh/h）平均路段负荷度 Average Road Segment Load现状Current建成后 After Construction变化率Change现状Current建成后 After Construction变化率 Change早高峰（Morning peak）进京64884242-34.6%1.411.420.5%出京38732736-29.3%0.840.9
28、18.3%晚高峰（Evening peak）进京33432368-29.2%0.73 0.797.9%出京50713233-36.3%1.101.154.5%Result Evaluation(Open for 1 Year)p高峰时段公交运力提高高峰时段公交运力提高35%35%pCapacity（peak）:+35%公交IC卡数据 From bus IC data浮动车速度数据 From Floating Car DatapAbout 25%of passengers from subway to bus开通开通前前开通后开通后beforeafter开通前开通前 before开通后开通后 a
29、fter效果评估（开通1年后）p 全日全日客运量增长客运量增长24.524.5%p passenger s（day）：）：+24.5%乘客问卷调查数据 From Passenger Survey Datap 约约25%25%的乘客由地铁转移来的乘客由地铁转移来城市交通的数据城市交通的数据Data of urban transportation大数据应用现状大数据应用现状 Applications未来展望未来展望 Prospect 30汇报内容汇报内容ContentMobile Internet:more data,complex association31 交通大数据Big data of t
30、ransportation全样本Whole sample全出行链Whole trip link全周期Complete period细粒度Fine-grained互联互通Inter-connect公交、自行车、私家公交、自行车、私家车车 Bus,bicycle,car客运与客运与货运货运 Passenger and freight交通与土地、交通与土地、人口人口 Transportation and land,population 出行与社交、出行与社交、餐饮餐饮 Travel and social,catering移动互联：数据将越来越多，且复杂关联移动互联：数据将越来越多，且复杂关联如浮动车
31、如浮动车：4万万辆辆 =500万万辆辆 FCD：40 thousand=5 million 出行意愿：出行意愿：12万万 =2100万人万人 SP：120 thousand persons=21 million 完整的出行链路完整的出行链路Complete travel link起点、换乘点、终点起点、换乘点、终点Start,transfer,end步行、公交车、步行、公交车、bicycle、bus,空间空间：10 米米 =0.1米米Special：10 meter=0.1 meter时间：时间：60秒秒 =1秒秒Interval：60second=1 second时效：实时时效：实时time
32、：real time上班、公务、下班、娱乐上班、公务、下班、娱乐工作日、休息日、节假日工作日、休息日、节假日今年、去年、过去十年今年、去年、过去十年Influence for urban,transportation planning 供给和需求如何平衡？供给和需求如何平衡？How to balance supply and demand出行者需求：用户最优 Traveler demand:the user optimal网络供给：系统最优 Network supply:the system optimal充分互联情况下的交通诱导策略和用户最佳路径、出发时间选择 On fully inter-
33、connected,traffic guide strategy and user best route and departure time choice 运输者：最大化地使用运输者：最大化地使用资源资源 operators:maximize the use of resources如公交、地铁、自行车，无缝接驳 Example:bus and subway,bicycle,Seamless connection客运和货运分时分段使用道路 Segmented using road passenger and freight32思考：对城市、交通规划的影响思考：对城市、交通规划的影响 交通与城
34、市、社交紧密交通与城市、社交紧密联动联动 Interactive between transportation and urban,social居住地、工作地的选择 choice of residence,workplace工作方式、生活方式的选择 choice of work and live style社交活动的时间、地点安排 position and time arrangement of Social activities餐饮、旅游、购物的营销管理、总量控制 marketing management and amount control of Catering,tourism,shop
35、ping,医疗、教育、娱乐等设置的部署和运营 deployment and operations of hospital,education,entertainment33Influence for urban,transportation planning思考：对城市、交通规划的影响思考：对城市、交通规划的影响 交通要素之间、与城市和社会之间相关关系交通要素之间、与城市和社会之间相关关系量化量化 quantitative the relationship between transportation elements and urban,society交通系统涉及因素非常多，而且往往交错、叠
36、加交通系统涉及因素非常多，而且往往交错、叠加影响影响 many elements,and Staggered,superposition interact with each other系统动态变化，上下游、前后时间段相互系统动态变化，上下游、前后时间段相互制约制约 dynamic changing,limited with Upstream and downstream,before and after 实时、稳定的大数据计算和分析实时、稳定的大数据计算和分析能力能力 Real-time,stable big data computing and analyze capacity交通关系民生
37、，数据计算和处理质量要求交通关系民生，数据计算和处理质量要求高高 Relation to livelihood,calculation and processing higher quality requirements以人（车）的活动为最基本的数据单元，数据规模以人（车）的活动为最基本的数据单元，数据规模庞大庞大 Person(car)activities as the basic unit of data,data size is huge34挑战挑战challenge对交通需求内在规律的重新认识和建模对交通需求内在规律的重新认识和建模对交通系统运行对交通系统运行规律的重新认识规律的重新认识和建模和建模对对交通流传播的重新认识和建模交通流传播的重新认识和建模35大数据应用的核心大数据应用的核心谢谢！谢谢！
