年终茶话｜数据驱动交通及运输管理、生产优化升级

交通数字化是大势所趋，也是ITS114前几年一直强调，智慧交通行业从增量发展阶段转向存量优化阶段必然会呈现的趋势，也就是从“有没有”到“好不好”的需求转变所致。前面一二十年的努力，各交通管理、运输管理部门以及交通生产服务主体建设了大量的感知设备、网络、智能化系统，积累了多种数据类型和海量的数据量，基本上实现了全面的实时感知监测，具备了利用大数据、大模型、云计算等技术来实现基于数据来梳理、重构管理、生产的基础，当然，是否有余力来推动“生产关系”的重构，还得看市场需求、管理者的能力和眼界、魄力。

事实上，疫情三年给交通运输经济发展带来了一些不利的影响，综合运输结构调整以及出行偏好的改变，在一定程度上倒逼交通生产主体的数字化转型升级，而管理单位面临着越来越严格的运输安全生产管理、道路交通安全管理压力，在主要且普遍的交通违法行为增长被遏制后，需要寻找更多的技术和数据来预防重大交通安全事故的发生。

因此，本文提到的交通数字化，不仅包含各类交通集团、运输企业、机场港口以及综合枢纽等生产主体的数字化升级转型，也包括基于大数据分析来实现交通安全管理措施、运输安全管理、交通组织优化等。

生产主体的数字化

就前者而言，交通生产主体的数字化，是十四五期间我国交通运输发展的新特征、新任务，也是在交通运输各生产领域初步完成信息化设备、系统建设之后，面临的新阶段——即以数据支撑安全生产、管理优化、效率提升，以数据引导生产、管理、服务流程再造。生产主体的交通数字化被认为是一把手工程，是长期性工程。正如北京公交集团邵强高工强调的：用数据来进行思考，用数据来进行日常的管理，用数据来说话，用数据来决策，是企业管理的一种转变，能否让管理层决策层做到这一点，是整个数据治理里的数据数字化转型里的一个关键。

管理的数字化

对于后者来说，交通管理、交通运输管理的数字化一定程度上不像前者那样，需要对实施数字化的主体进行机制、职能改革，其应用也早于生产主体的数字化，并进入了新的发展阶段。大数据分析应用在交管领域非常常见，诸如基于流量数据支持交通规划、交通信号优化、交通管理精细化（可变车道、潮汐车道等），以及基于历史和实时数据，来分析某一类行为、某一类车辆的出行规律、违法特征等，实施专项执法等。公安部交管局已经连续4年举办交管大数据建模比武竞赛，到今年已经有多省市举办省市级的比武竞赛，说明公安交管领域的数据应用/数字化，至少在管控、执法层面已经相当成熟，在全城全域信号优化方面，部分城市也开始了探索。

当然，交管领域的数字化此前更多在业务系统中发展，而随着智慧交管的发展深入，更全面、深入的数字化，就需要更多的数据支持、部门支持。实际上，交通、交管两个部门的数字化应用，都到了这个阶段，即多业务系统数据汇集融合、碰撞，建模、引入算法，实现对某一类重点行为、重点驾驶人群、路段/路口、重点运输企业等进行规律分析，识别隐患，主动预防，针对不同群体制定实施不同安全教育、管控措施。此外，就像交警会基于流量变化，在路口进行渠化改造（车道调整、待行区、可变车道、串联掉头、潮汐车道等）一样，交运也在数据支持下，实施公交客运线路调整、交通枢纽内功能微改造，数据在虚拟世界的“跑”，来支持物理世界改造，线上线下一体化发展，应该是未来交通管理数字化的主要特征之一。

就交管数字化而言，尤其是对重点人群、重点车辆的管控，其最大的难点可能在于部门协调，包括内部的、外部的。比如太仓交警在推进的电动自行车交通管理，协调的部门就有市公安局（机动车、非机动车驾驶人及其关键家属姓名及电话，老年人违法会将其违法信息发送给其子女）、市文明办（将群体交通违法纳入文明单位评比）、市教育局（学生非机动车违法数排名）、各街道办（多次违法上门宣教），以及快递外卖骑手劳务公司（建立骑手积分管理制度）、大型企业（多次违法上门宣教）等，这类部门合作在服务于“减量控大”工作方面，很有效果，但往往费时费力。当然，前提是建立起机动车驾驶人、非机动车驾驶人的数据库，包括其身份证信息、联系方式、居住地址等，以及基于公安、交警的前端视频设备实现全量、动态的交通违法识别、路径识别等（人脸识别、车牌识别等），动静态数据一体化，才能做到“精细化管理”。

在交运方面，比较常见的基于数据优化管理的，一是运输企业、驾驶员的数字画像/赋码，基于驾驶行为数据（疲劳驾驶、抽烟等）、交通违法数据（超速、打电话、事故等）等来实现对重点道路运输企业、驾驶员的分类分级管理；二是基于多源数据（含轨迹、位置的车辆动态监控数据、卡口数据、车载视频设备数据等）来实现非法营运车辆识别、执法，出租车拉客、选客等识别执法。此外，基于数据来支持综合枢纽部门区域的功能改造以及运输组织工作优化，则是比较少见。在2023中国智能交通大会上，广州市交委副主任张孜则介绍了基于多源、全量数据来支持广州南站集疏运工作的优化，用数据分析规律、需求后，来对场站设施进行调整，包括设置专门的网约车上客区，更改并扩大出租车上客区等，来提升枢纽的疏运工作效率，同时根据数据监测客流方向，调配公交、客运大巴，并在出站闸机放置临时广播，提醒乘客有夜间地铁、公交，提高地铁和公交的上客率。

在重点驾驶人、运输企业的管控方面，数据融合是进展最快的。比如四川交通运输厅今年在推进“两客一危”数字画像工作，和四川交警总队一起，融合车辆动态监控数据、公路卡口数据和公安交警部门的车辆行驶轨迹数据以及驾驶人的驾驶行为数据、交通违法数据，来对重点车辆驾驶人、运输企业进行评级、画像，从而有针对性的进行分析管理。基于数据分析对重点车辆实施分级管理，在浙江、江苏等多省市都已落地，有些省市是“赋码”，有的省市则是画像。随着运输安全生产管理工作日趋严厉，公路运营方此前一直诟病难以共享（很多交警、公路运营单位都是付费购买数据）的重点车辆动态监控数据，正逐步得到解决，比如辽宁省交通厅今年建设了省级交通运输应急调度中心，就解决了“两客一危”车辆数据接入解析技术难题，打通路网监测平台与“两客一危”监管系统、运政系统的数据壁垒，实现路网监测平台对全省“两客一危”车辆的实时监测，提升重点车辆管理的精准化水平（据了解，交通运输部正在修订动态监督管理办法，重点车辆动态监控数据未来很可能实现部门共享）。

市场机会

总的来说，基于海量数据以及大数据分析技术，实现对交通全感知、出行全覆盖，进而挖掘交通流特征、交通运行规律、出行方式偏好等，从而服务于更有针对的交通组织优化、交通运输结构优化、交通仿真评估等，也可以说，城市智能交通创新已经进入到下半场，基于数据感知、分析来服务于交通运输、交通管理的效能提升，让出行者更有获得感，也就是这一阶段的需求点。

在这一过程中，数据大脑/中台以及多源数据融合共享的重要性将会凸显。十四五数字交通规划中，提出打造部省两级综合交通运输“数据大脑”，并鼓励和支持各地交通运输主管部门统筹开展综合交通运输信息平台建设，与国家综合交通运输信息平台实现互联互通，今年以来，省一级的交通运输中心、大脑项目已经有不少，预计未来几年，所有省一级大部分市一级以及部分县一级，都将建设类似的运输“数据大脑。

需求会如何反应在市场中？可能更多还是数据中心/中台、算法等需求，如果大模型能够证明其能够满足并超过现有需求，可能大模型在交通数据中心、交通指挥中心等的春天会更早到来，说到底，大数据、大模型、数字孪生等，都只是工具，要满足场景需求才会被使用的工具，并不涉及外场设备的建设，只是随着“软”系统的升级，很可能会反推外场设备的更新升级、完善。