周涛：基于电子车牌RFID的城市交通决策研究

　　以下为周涛演讲实录：

　　大家下午好！今天的汇报主要有以下几点。

　　实际上我院在2011年开始，就开始借用全重庆市的手机信息数据。手机信令数据可以用于区域人流分析及交通组织。从2011年开始，重庆交通院接入手机信令数据，包括联通和移动数据；重庆联通用户约430万。每日数据记录约2亿条，重庆移动用户约2000万，每日约15亿条数据。市域各区县城与主城人流联系强度进行分析，发现江津、合川、璧山、长寿四个区与主城人流交换量最大。跨区通勤交换量，是通过较长时间的数据分析发现江津、合川、璧山、长寿与主城之间存在稳定的通勤出行，且居住在主城到区县上班的人数多于住区县到主城上班的人数。而基于周末需求大的特点，通过调整客运交通组织可以满足交通需求。

　　手机信令数据还可以凌驾于4G数据的应用。目前，我们正在开展移动4G数据分析，4G用户每天的信令数量已由之前的30条左右增加至数百条。车载GPS数据是用于发布重庆交通运行指数，引导居民出行。2011年起，重庆交通院开始接入了GPS数据，先阶段有3类数据，分别是公交车辆GPS数据、出租车辆GPS数据和“两客一危”车辆GPS数据。轨道闸机、公交IC卡数据是用于实时调整轨道及公交运行，重庆市每日轨道闸机、公交IC卡数据量为750万条，每日用户为330万，建立了轨道、地面公交客流监测分析系统。

　　我们在2001年开始做这个实验。重庆主城区面积为2737平方公里，该范围内的RFID监测点位有672个。

　　当带有RFID标签的车辆通过RFID监测点时，系统会产生一条与该车辆相关的通行记录数据，这就是电子车牌数据，RFID数据是一种典型的时空数据。

　　电子车牌RFID数据的优势为：样本量大、覆盖了所有装有RFID标签的车辆；数据连续可以在长时间段观察数据，发现规律；分析成本低；采集精度相对较高。当然也有劣势：如，RFID的点位主要分布在道路上，无法精确至车辆正在的起始点。并且RFID的数据采集只针对于安装RFID标签的车辆。

　　研究目的：利用RFID的车辆轨迹实现全路网的流量还原，获取每条路段的实际流量。未来可以为交通流量调查，交通信号优化调整提供数据。还原结果：目前，由于RFID点位原因，路段还原流量与调查值相差10%以内的路段仅占研究路段的48%。随着监测点的加密，未来可对主城区全路网进行流量实时监测分析。

　　OD切分目的：连续的RFID通行记录数据无法反映车辆的OD出行特征，通行切分，掌握车辆OD在全路网上的分布规律，对道路交通智能化管理意义重大。OD切分方法：第一，通过RFID通行记录识别每辆车全天的出行链。第二，计算相邻两个记录的时间间隔，识别停留点。三，通过停留点，切分车辆OD

　　研究范围及对象：研究内环以内建设用地面积230.平方公里，分布有623个RFID点位。研究车型为小汽车和货车。不包括出租车、公交车和其他车辆（如，警车、救护车、租赁车等）

　　切分步骤：第一，计算一辆车相邻两次检测点记录的时间间隔T；第二，计算相邻1小时内所有通过该路段车辆的平均行驶时间间隔T1；第三，计算相距相符度。

　　最后，就是OD切分结果。利用车辆OD切分模型，对所有车辆的OD进行了切分。

　　车辆行为画像是利用的车辆OD数据，根据车辆不同的使用特征，对车辆进行分类识别，可以全面掌握每类车辆的出行行为。而且，利用RFID的OD数据分析车辆的使用特征，进行车辆行为的聚类分析，为未来对车辆进行分类交通运行管理提供了条件。例如，利用聚类分析得到的通勤车辆、高频率使用车辆等特征，对未来制定中心区限行、拥堵收费等管理措施方案具有非常重要的意义。可以得到，车辆出行时间分布、车辆出行时长分布、还可知道哪些车辆在高频率出行，以及规律性识别。规律出行时指一辆车在不同日期（以日为单位）存在着规律性的出行行为。

　　应用研究——重庆主城区网约车识别及特征分析。

　　网约车识别，在重庆市主城区网约车每天运行的车辆数量为2.6万辆左右，远远超过1.3万辆的出租车规模。

　　网约车出行特征分析，网约车使用强度高，单车每天车公里数约210公里。

　　得出的结果是，网约车出行时间集中在白天；网约车与出租车高峰时段出行量基本相同，但出行率明显低于出租车；并且90%以上的网约车是全职司机。网约车的活跃区域与出租车的活跃区域基本相同。

　　网约车数据的变化趋势，从2015年至2016年6月，主城区网约车数量一直保持强劲的增长势头。到今年10月份，网约车的数量有所回落，可能是网约车新政的发布以及奖励措施的改变导致的。

　　应用研究——重庆主城区内环快速路高架方案分析。

　　研究背景，内环快速路前身为内环高速公路，于2002年建成，双向6车道，全长74km，立交20座。

　　研究目的，通过RFID分析内环快速路车辆运行特征，识别出射线高速之间的绕行交通量、进出城集散交通量、内部转换交通量三类交通量构成情况。

　　RFID点位特征主要有两点，点位数量和点位分布。

　　运行特征，第一，平均每天进出内环节点的车辆数为51.6万辆；第二，内环上车辆平均出行距离8.5公里，出行距离10km以内占比66%，10km以上占比34%；第三，是重要断面的流量流向分布。

　　基本结论：现状内环快速路上“集散、绕行、内部转换”三种类型的交通量重叠。

　　交通大数据在城市交通规划决策、智能交通管理等方面的研究和应用正在不断深入。电子车牌RFID等车联网数据的普及和应用、为城市交通研究者提供了新的视觉。最大的好处是，利用了RFID海量数据，可以深入了解车辆运行的内在机理，为交通决策和管理提供了新的支撑。

　　目前，我们对电子车牌RFID数据的挖掘和研究还处于摸索阶段，需要不断的提高。

　　谢谢大家！