眾所周知，城市交通是城市活動的重要組成部分，猶如人體的動脈，維系著整個城市的正常運轉。隨著人口的增多、科技的進步和城市規模的擴大，交通方式由原來簡單的車馬舟船，演變為現在的火車、汽車、地鐵、飛機等各種綜合型的運輸方式。交通作為現代城市的重要體現和標志 ，見證著每一個城市的歷史與文明、發展與興衰。城市交通不僅僅是一個市政 工程問題或交通技術問題，而且是一個綜合性的社會問題。

然而，隨著城市化進程的不斷加快，我國的城市交通面臨越來越大的壓力，甚至一度成為亟待解決的民生問題。造成城市交通問題的原因眾多，舉例來說，大城市對上部空間的進一步開發，高層、超高層樓群大規模的興建，導致人流、車流在上、下班高峰期的集中非常突出；隨著我國加入WTO，家庭轎車的價格大幅下降，汽車擁有量逐年增長，路面已趨于飽 和。據了解，2013年我國私人汽車擁有量首次突破1億輛，2014年、2015年持續增長。至2015年末，我國私人汽車擁有量實現722767.87萬輛，相比于2014年末同比增長了14.3% ^【1】 。凡此種種，舉不勝舉，更是造成多骨諾牌效應地出現， 交通阻塞加劇、停車問題突出、人們的出行變得越來越困難、出行時間所占用的比例越來越大……這一切都顯現出了我國 城市交通的非可持續性。

【1】摘自前瞻產業研究院的《中國汽車行業市場前瞻與投資分析報告》，參考網址//bg.qianzhan.com/report/detail/459/170410-97512c98.html。

“大”數據與城市交通的“大問題”

大數據以及人工智能創新技術的不斷涌現為解決城市交通難題帶來了希望。但是交通相關的數據來源非常多，日常生活中參與的主體更是繁多。譬如，最重要的交通管理部門中的交通規劃、交通管理，汽車、公交、軌道，以及所有的參與個體。如此龐大的數據量如何加以利用并進行分析？分析出來的結論是否真的能夠提供一些深刻 的洞察？基于這些結論可以采取哪些措施呢？

大數據賦能，IBM巧解多源數據融合

針對上述問題，需要對某城市的交通情況調查工作的現狀和需求進行梳理，分析交通行業多源數據采集的內容和每一類數據源，可以形成的交通指標，設計公路交通 情況調查多元化采集體系，提出多源數據融合的框架，融合之后再基于要解決的某個問題對整理過的數據進行建模、分析、驗證、規劃、部署。

數據的梳理

鑒于交通數據的復雜性，及根據以往制定解決方案的經驗，建議把交通相關的數據，梳理后分為四類。

交通運營數據

這部分數據主要分為三大類。其一，卡口數據，也就是路上經常看到的攝像頭拍的數據，這些數據會做后續的處理，做成結構化數據。其二，RFID數據，在城市關鍵的路口或者特定的地點，所有的車輛經過都會有一個信號。其三，車聯網數 據，比如說百度、高德等，還有基于政府機構的車輛網絡信息。另外，還有軌道 交通、GPS、手機信令等方面的信息都可以作為交通參與的主體的基礎數據，對做交通分析有很大的幫助。

交通設施數據

這些是靜態的數據，這些數據也隨著時間的推移在變化，只是這些變化不是實時 的。比如說軌道、公交、道路的會合、分岔等，也是對交通非常有用的信息。

交通規劃數據

緣何路越修越多，反而卻越來越堵呢？事實上，根源的問題在于規劃。關于規劃，包括 道路的規劃用途、地塊兒的規劃用途對交通的影響非常大，如果能夠提前拿到這些信 息，幫規劃部門做一些分析，甚至利用以前的歷史規劃和歷史的交通狀態做分析，便能 夠從中分析現狀的優劣勢，對將來的規劃會有很大的幫助。

交通地理數據

這部分數據主要包含電子政務地圖、衛星（航拍）影像圖、地形圖、地名數據。

數據的融合和統一

交通數據種類和來源繁雜而眾多，必然存在著一系列的問題。譬如，在數據質量上， GPS 樣本量偏少容易出現異常，如果遇到隧道、軌道、地鐵等基本無法得到實時的數 據；在覆蓋范圍上，RFID 路網分布間隙大，GPS 不覆蓋隧道，卡口路網分布密度大； 而且各數據源有不同程度的缺失值。

顯然，要想解決這一系列問題，數據來源的融合非常重要，多源的數據能夠按需所取， 優勢互補，會讓整個形勢，或者全局的勢頭更清晰。通過對數據進行清洗、整理和融合， 不僅可以實現數據互補，提高樣本量，減少缺失值。

就交通數據來說，如果將機動車輛作為交通參與的主體，還需要基于路段來進行指標 刻畫，用車輛的平均行駛時間、平均速度、低速里程占比、低速時間占比、擁堵區間長 度、擁堵點位置、路段擁堵狀態等情況來全面描述刻畫主體。基于這樣統一的融合數據 做了處理之后，就可以開始下一步的分析和建模。

模型開發和設計架構

基于對擁堵趨勢、擁堵模式長短時預測的分析，在 IBM 大數據分析平臺上，構建了 交通預測分析算法及模型（Traffic Predictive Models），本模型里包括了交通異常 檢測、擁堵趨勢預測、擁堵模式發現的應用。在這套智能交通指標體系里，系統能夠識別擁堵事件并進行刻畫，分析常發擁堵模式及其原因并進行預測報警。

其中，IBM SPSS Modeler 是全球領先的數據挖掘、預測分析平臺軟件，擁有簡單 的圖形界面和高級分析能力，使得企業分析師和業務人員快速上手，獲得前所未有的深入了解和預測。IBM Data Science Experience 提供了一套與專有的 IBM技術相集成的數據科學工具。 它還與RStudio，Spark，Jupyter筆記本技術無縫集成 ， 其直觀的用戶界面為團隊和個人提供了一個協作的項目空間，大大提高了工作效 率，解決數據挑戰。IBM Machine Learning 提供整個機器學習工作流程中的端到端管理和自動化。它的數據科學家認知助手會根據數據樣本自動選擇最佳算法。

亮點

包含智能交通方案的專業知識、先進的大數據分析技術和探索將數據轉化為生產力以解決 實際交通問題的方法和路徑。

智能識別常發擁堵路段、堵點識別及其擴散規律、分析擁堵趨勢，并能夠挖掘擁堵模式及成 因分析。

• 建立了完善的數據利用體系

可以實現自動檢測交通異常并報警，指導大眾出行，幫助交管配置優化出警資源，從交通擁堵模式及規律中形成洞察，以輔助交通規劃決策，提升整個城市交通綜合服務水平。

• 全方位、深入地數據分析輔助決策

智能識別常發擁堵路段、堵點識別及其擴散規律、分析擁堵趨勢，并能夠挖掘擁堵模式及成因分析。

• 輔助決策，提升服務水平

可以實現自動檢測交通異常并報警，指導大眾出行，幫助交管配置優化出警資源，從交通擁堵模式及規律中形成洞察，以輔助交通規劃決策，提升整個城市交通綜合服務水平。

實際業務成果

在國內某省會城市，通過四個月歷史數據進行探索，得到以下結論，這些結論為下一步 道路規劃提供有力依據。

• 異常監控預警

可 24 小時實時監控城市路網交通運行狀態，檢測出異常擁堵并預測出持 續時間，還可預報未來半小時可能出 現的異常擁堵。

• 7日路況預報

可查詢未來7天內任意一天的城市路網交通運行狀況，提前獲知重點防控區域，還可結合天氣數據、重大活動安排等，預測未來交通路況。

• 常發擁堵查詢

可識別出整個城市路網中經常發生擁堵的道路，可查詢在歷史上經常發生 擁堵的道路信息，并以嚴重程度細分出3 個類別。

• 擁堵趨勢查詢

可 24 小時實時監控城市路網交通運行狀態，檢測出異常擁堵并預測出持續時間，還可預報未來半小時可能出現的異常擁堵。

此項目還通過實時路況預報、擁堵對比查詢、擁堵事件查詢、擁堵模式查詢、路網堵點查詢等探索成果，使該城市數據收集分析更加精準，推動了城市交通數字化智能化轉型。

IBM解決方案的優勢與特點

IBM為交通院構建時空大數據預測模型，這是一個具有強大機器學習的預測模型。 應用了 Event base time series（事件驅動的時間序列）和Spatial Temporal Prediction（時空預測模型），利用大數據對交通進行畫像，并依此提供一套交通 指標體系。

IBM針對影響交通的多源數據進行整合分析，比如極端氣候下交通如何變化，交 通流量與速度的關聯，流量和路段的關聯，擁堵事件的關聯等，最終給出更加準 確的預測和最佳交通解決方案。

另外，該方案有助于城市污染治理，因為汽車尾氣污染是城市嚴重問題。汽車尾氣污染主要來自低速行駛。該方案能給出相應的建議，例如汽車行駛超過一定運行速度，可實現排污降低，有利環保。

為什么選擇IBM？

• IBM 在大數據分析領域擁有著領先的地位，能夠基于認知計算的行業解決方案為業務決策者提供變革性的洞察。

• IBM 提供完整的大數據和分析解決方案組合，推動企業往認知商業的發展，幫助企業運用數據發現新的模式，形成突破性的構想。

• IBM 在銀行、保險、零售、消費品、電信、政府、媒體娛樂、交通運輸等八大行業具有應用大數據分析、解決業務難題方面的成功經驗。

為什么選擇慧都大數據？

• 慧都與全球包括IBM、Apple、Microsoft等超過400家優秀廠商建立了緊密的合作關系，通過慧都行業專家資源和專業技術研發團隊累計服務超過10000家跨行業企業，慧都大數據結合企業現狀，定制基于大數據基礎平臺的數據集成、數據管理和業務分析等關鍵功能，形成解決方案。

• 慧都擁有自主研發的大數據基礎平臺DateForce是企業大數據解決方案的重要組成部分，除了提供完整的大數據功能組件，我們還提供組件自定義搭配，為企業選擇滿足方案需要的大數據功能組件，使您的大數據解決方案成本降到最低，從而高品質的解決您的大數據需求問題。

• 慧都還為企業提供大數據培訓，更有來自IBM、cloudera、重慶郵電大學、慧都大數據等來自大數據廠商、高校的大數據研發專家，為企業提供大數據專業技術及實施培訓、行業認證培訓，讓企業團隊真正建立大數據思維，做出數據驅動的運營決策。

【免費下載最新IBM SPSS Modeler】