北京市交通大数据应用和展望

1、北京交通大数据应用与展望Applications and Prospect of Beijing Transportation Big Data第1页2汇报内容ContentABC第2页数据类型 Data Type交通基础数据Basic Data动态运行数据Dynamic Data交通调查数据Census Data城市活动数据Context Data基础设施 Infrastructure车辆和人员Vehicles and Employees交通行为数据Behavior Data交通检测数据Detection Devices人口、土地、经济Population, Land, Economics气

2、象、环境等Weather, Activities综合交通调查Comprehensive CensusTransportation Economic Census第3页4数据规模 Data Scale分类 Classification数据内容 Data Content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，500万统计/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，1

3、5G，9000万统计/天2万辆公交车，5G，3000万统计/天电子收费Electronic fee (IC cards, ETC)收费时间、位置、线路、额度公交IC卡：2500万统计/天，10G/天ETC：300万统计/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，500万统计/天（按检测点存放）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

4、城市综合交通调查、运输经济专题调查、出行方式意愿性调查Household surveys, intention surveys, etc.城市综合交通调查、运输经济专题调查、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、交织关联交通基础数据Basic data人（从业人员）、车、路（道路网、公交线路）第4页5汇报内容ContentABC第5页应用1: 浮动车系统 (FCD)北京：40000辆出租汽车，5分钟（20秒）计算一次 Beijing: 4

5、0,000 taxis, 5 minutes (20 seconds) updating 五环内路网覆盖率80%，精度86%以上 Coverage (5th ring road): 80%, Accuracy: over 86%Taxi GPS distributionReal-time traffic congest第6页7识别常发拥堵路段，并与土地开发关联分析，服务拥堵治理（-）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

6、congested segments morning peakIdentifies frequently congested road，Analysis with land development，Support for congestion management from 第7页8Congestion formation and dissipation ratio - 2:3Heavy rain, evening peakCongestion Formation and Dissipation Evolution A Subtle Portrayal of Phantom交通网络拥堵形成和消

7、散演变规律分析 幽灵拥堵细微刻画大规模降雨、晚高峰拥堵形成和消散时间百分比为2：3第8页9Congestion Distribution Cloud Imagehorizontal axis: time vertical axis: road segmentscolor : congestion levelAn accident causing congestion.A: congestion spreadB: congestion dissipationCongestion Formation and Dissipation Evolution A Subtle Portrayal of P

8、hantom交通网络拥堵形成和消散演变规律分析 幽灵拥堵细微刻画交通拥堵分布时空“云图”横轴代表时间，纵轴代表路段颜色代表该时间、该路段拥堵程度。莲花桥附近发生事故，产生拥堵。A：拥堵蔓延B：拥堵消散第9页10Inspiration:Can we use a figure to reflect transportation conditions?Roads are like stockstraffic index as its coreFive-dimensional congestion recognition concept应用二：“交通指数”拥堵评价Traffic Index Conge

9、stion Evaluation灵感起源：拥堵识别“五维”理念能否用一个数字反应交通运行状态道路类似个股以“交通指数”为关键拥堵评价体系第10页11尾号4、9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改变非常敏感第11页12月交通指数改变（-）Month traffic index （from to ）数据积累：连续积累了至今全部数据。Data accumulation: continuously from to the prese

10、nt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。first time: urban congestion be measured quantitatively, and management goals also become quantitative.第12页severe congestion during evening peak 72 days 22 days 28 days 45 days晚高峰严重拥堵天第13页14Congestion duration （from to ） seriousLightmiddle第14页交通运行提前研判和应对 Congestion forec

11、asting and replying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 第15页Application 3: Electronic Fee (IC) for Public Transport16Segment passengers of bus networkpublic transport operational parameters应用三：公交电子收费（IC卡）公交网络断面客流 每日近2500万条公共交通电子收费数据 about 25 million electronic fee collection data items e

12、ach day 从5月开始积累数据 began in May 在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 no additional facilities are added, it achieved automatic computation of public transport operational parameters 第16页17Boarding and alighting volumeCongested segments and nodesBus passenger flow concentration locations generally have serious

13、 congestion城市公交客流集中地方，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全市客流点登降量晚高峰拥堵路段和节点第17页18Subway Passenger Characteristics and Land UseResidentialCommercialResidential+Commercial轨道交通客流特征与周围用地功效分析居住主导：天通苑商业主导：国贸居住+商业：军博第18页Taxi Passenger Characteristics Analysis19应用四：出租汽车客流特

14、征分析早高峰7:00-9:00晚高峰17:00-19:00出行速度分布（按起点位置统计）上地、中关村二环内西四环早高峰：二环内南部、上地、中关村，出行速度较低；晚高峰：三环内、北部城区（中关村、上地、望京、东北四环），低速第19页20出行距离(单位：公里)四环内四环-五环五环外8.1公里9.9公里12.6公里特点：内短外长、西短东长白天6:00-22:00出行距离分布（按起点位置统计）Taxi Passenger Characteristics Analysis应用四：出租汽车客流特征分析第20页21直达系数(直达系数=直线距离/行驶距离)棋盘状路网，理想直线系数=1.414/2=0.707回

15、龙观、天通苑南四环外直达系数：0.66直达系数：0.67回龙观南四环外Taxi Passenger Characteristics Analysis应用四：出租汽车客流特征分析第21页22Application 5: Analysis Based on Pseudo-code mobile signaling DataAbout 18 million users a day (sample), 1 billion records everyday应用五：伪码移动信令数据交通运行分析每日靠近1800万用户（样本），天天10亿条统计。第22页在京外地人口中，前三甲：河北（25%）、河南（10%），

16、山西（8.94%）在京外地人口中（34天连续监测数据）在京停留时间超出27天：占54%在京停留时间 2-7 天：占总量13%第23页24Identifies the population (mobile phone users) relevant to the CBD Computes travel statisticsTravel Characteristics Analysis of CBD Population Average Daily Attraction TotalCBD population 24-hour movement2-4时4-6时6-8时8-10时10-12时12-14

17、时14-16时16-18时18-20时20-22 hCBD区域出行特征分析从全市样本数据中，识别出与CBD相关人口(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相关人口二十四小时流动第24页25Analysis of Public Rail Passenger CharacteristicsBeijing 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由公交IC卡数据计算北京轨道交

18、通早高峰小时断面流量图由伪码移动信令数据计算地铁1号线乘客居住地分布（人口数）地铁1号线乘客工作地分布(人口数)第25页26Urban Transport Simulation Model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，交通流特征数据第26页2724.5 thousand person trips21.8 thousand person trips, 89%Jingtong Expressway Bus Lane Deployment CaseSectional bus passengers distribution

19、(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市政府拟设置公交专用道，实现公交和私人交通双赢。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

20、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客流OD分布（早高峰）通州至CBD客流分布第27页28Bus Lane Deployment SimulationMorning peakEvening Peak公交专用道设置仿真分析测试结果：早高峰进城方向、晚高峰出城方向降低一条车道，交通需求会有所下降，路段负荷有所增加，周围平行道路流量有所增加，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 De

21、mand （veh/h）平均路段负荷度 Average Road Segment Load现实状况Current建成后 After Construction改变率Change现实状况Current建成后 After Construction改变率 Change早高峰（Morning peak）进京64884242-34.6%1.411.420.5%出京38732736-29.3%0.840.918.3%晚高峰（Evening peak）进京33432368-29.2%0.73 0.797.9%出京50713233-36.3%1.101.154.5%第28页Result Evaluation (

22、Open for 1 Year)高峰时段公交运力提升35% Capacity（peak）: + 35%公交IC卡数据 From bus IC data浮动车速度数据 From Floating Car DataAbout 25% of passengers from subway to bus开通前开通后beforeafter开通前 before开通后 after效果评定（开通1年后） 全日客运量增加24.5% passenger s（day）：+ 24.5%乘客问卷调查数据 From Passenger Survey Data 约25%乘客由地铁转移来第29页30ABC汇报内容Content

23、第30页31Mobile Internet: more data, complex association 公交、自行车、私家车 Bus, bicycle, car客运与货运 Passenger and freight交通与土地、人口 Transportation and land, population 出行与社交、餐饮 Travel and social, catering移动互联：数据将越来越多，且复杂关联如浮动车：4万辆 = 500万辆 FCD： 40 thousand = 5 million 出行意愿：12万 = 2100万人 SP：120 thousand persons=21 m

24、illion 完整出行链路Completetravel link起点、换乘点、终点Start, transfer, end步行、公交车、bicycle、bus, 空间： 10 米 = 0.1米Special：10 meter = 0.1 meter时间：60秒 = 1秒Interval ：60second= 1 second时效：实时time：real time上班、公务、下班、娱乐工作日、休息日、节假日今年、去年、过去十年第31页32Influencefor urban, transportation planning供给和需求怎样平衡？How to balance supply and d

25、emand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充分互联情况下交通诱导策略和用户最正确路径、出发时间选择 On fully inter-connected, traffic guide strategy and user best route and departure time choice运输者：最大化地使用资源 operators: maximize the use of resources如公交、地铁、自行车，无缝接驳 Example: bus an

26、d subway, bicycle, Seamless connection客运和货运分时分段使用道路 Segmented using road passenger and freight思索：对城市、交通规划影响第32页33交通与城市、社交紧密联动 Interactive between transportation and urban, social居住地、工作地选择 choice of residence, workplace工作方式、生活方式选择 choice of work and live style社交活动时间、地点安排 position and time arrangement of Social activities餐饮、旅游、购物营销管理、总量控制