“治堵”兼“治城”,交通中心首创的道路运行指数系统再升级 ▎优秀项目交流 ⑪

致匠心·优秀项目交流 之 11 

 

项目:面向拥堵监测预测及出行信息优化的道路运行指数升级研究

 

委托单位:深圳市综合交通运行指挥中心

 

完成时间:2018年4月

 

为满足交通管理精细化与信息发布精准化的需求,受深圳市综合交通运行指挥中心委托,深圳交通中心升级了深圳市道路交通运行指数(简称“交通指数”)系统,在多源数据融合、交通精准预测、拥堵成因溯源与精细服务定制等关键技术环节取得突破,大幅提升了系统的覆盖率、精准度以及智能性,以及在政府管理决策与公众出行服务方面发挥的作用;同时,形成了道路交通运行板块的“数据中台”,为深圳市交通运输局及其他政府部门的业务系统提供了数据共享支撑。

 

 

交通指数是对路网交通总体运行状况进行定量化评估的综合性指标,交通指数越大,表明一次出行花费的时间越长。2012年,深圳交通中心在国内首创了基于行程时间比的交通指数,2016年纳入国家标准。

 

 

深圳市交通指数系统自2012年上线以来,已实现道路交通运行实时监测、多维分析、公交评估等功能,为研究拥堵产生机理、分析交通系统问题、制定改善和治理方案等工作,提供定量化的分析手段和依据,在量化支持决策、辅助交通管控、引导市民出行等方面,发挥了不可忽视的作用,得到社会广泛关注与认可。

 

 

为了满足深圳交通出行品质提升的需求,此次面向拥堵监测预测及出行信息优化的道路指数升级研究项目,在功能挖掘、业务支撑与决策支持等方面,通过进一步融合多源时空数据,实现指数系统数据广度和精度的提升;实现面向辖区局的定制化、精细化应用,满足对不同区域、不同时间和时段的评估分析;实现对不同管理部门业务工作和协作的数据共享,对用户进行不同维度、分级信息发布,并保障数据的安全。

 

 

创新特色

 

1、引入多源数据,构建结合自适应修补技术的数据融合框架

 

基于不同数据源特征的差异性,构建多源数据融合框架,同时增加卡尔曼滤波的自适应修补模型,对邻近时间或空间上缺失的片段进行修补。融合后有效改进了系统在外围区域、高速公路、低等级道路覆盖不足的问题,大幅提升了路况的精准度与覆盖度。

 

 

2、突破常规趋势预测瓶颈,构建考虑多因素特征的组合决策预测模型

 

提出了考虑多因素、梯度决策的短时预测算法,构建了时间、空间、交通、天气等特征影响模型,支持多节点并发式训练拟合,提高计算速度与预测精度。模型实现对未来2小时每个路段的短时速度预测,平均预测精度高于86%。

 

 

3、改变传统经验模式,构建支撑时空溯源与机理诊断的交通智脑体系

 

基于深度学习方法与多层贝叶斯网络的耦合,通过提取不同因素的作用域特征,深度挖掘不同拥堵模式的差异性,基于历史特征、实时态势和演变规律,实现拥堵成因智能判别,推动交通治理向智能化方向发展变革。

 

 

4、打破单一维度用户边界,构建面向多用户群体的分层次应用场景

 

构建面向多用户群体的分层次应用场景,如定制街道、小区、热点、路段等不同层级的实时交通运行监控和拥堵预警功能;针对辖区常态化的交通运行分析和决策需求,定制辖区监测报告模板,实现监测报告秒级一键生成。

 

 

项目成效

 

1、有效提升政府部门交通管理与决策效率

 

基于对交通运行精细化监测和定期动态评估,强化了全市和辖区局对不同层级路网交通运行情况的全面把握,为交通管理、政策实施、管控评估等提供多维数据支持,大幅提升政府部门的工作效率和专业化水平。

 


 
2、全面推动数据对外共享输出与出行服务

 

以精准路况信息服务为核心,提供标准化的对外交通路况接口,实现系统数据的多方式输出;依托历史拥堵挖掘、拥堵成因识别与趋势研判,支撑政府部门向市民发布各大节假日的路况预测和出行指引,引导市民做好出行规划。

 

 

 

3、大力推进交通拥堵治理模式向智能化变革

 

依托指数系统的路况实时监测、拥堵成因智能识别、交通运行多维评估等功能,实现对拥堵路段自动识别、拥堵成因分析、任务分办、事件治理、效果评估等拥堵治理全过程闭环管理,实现多部门的拥堵治理业务协同联动,推动拥堵治理向智能化发展。

 

 

未来展望

 

大数据应用带来交通分析评估技术和管理模式的巨大变革,下一步,深圳交通中心将推动系统继续深入融合大数据AI技术及相关应用,进一步加强系统对交通管理和信息服务的支撑力度,充分发挥系统的效能。

 

项目主管:丘建栋
项目总师:赵再先、段仲渊
项目负责人:庄立坚
主要参加人:陈昶佳、郑又伦、李细细、傅华斌、潘嘉杰、叶柏龙、傅恺延、左天文、彭俐

返回列表