数据驱动 城市交通精准治理
2021-03-03 来源:中国智能交通协会
中规院城市交通院智能交通与交通模型研究所所长 伍速锋 教高
数据驱动在历史中扮演着重要角色,中国有四大发明,其中有一个是指南针,发明之后对我们产生了很大的影响,就是航海技术。明朝郑和下西洋,但是他走的路线全是贴着海岸线走,为什么?因为我们的指南针只能解决南北向的问题,没法解决东西向的问题,没法进行跨洋航行。后来大家在想,我们是不是可以用天体,有月亮和太阳,用星辰进行导航?当时的星辰导航有个问题,不准。哥伦布发现了新大陆,但是他发现新大陆之后,他以为到了印度,所以他死的时候说,他到了印度,这里的是印第安人。可以看出,导航这个系统在社会经济发展中作用是非常大的。
大家说,21世纪是城市的世纪,但城市是否有这样的导航系统?我们看看有些数据,未必。因为我们这几年跟城市一些领导交往的过程中发现,这个数据一拿出来,发现城市怎么这么差?但这确确实实是规划出来的,是建出来的。所以我觉得,我们需要用数据驱动,为城市做很多的工作。
一、现状体检,城市交通基础设施利用几何?
1.交通设施利用率
我们简单看看这几个数据,近几年我们也发布了几个报告,在社会的影响力还是比较大的,比如我们的路网密度报告、通勤报告,转载量超过一千万,阅读量超过几千万,说明人们对这些数据是很关心的,但我们以前是没有这些感知的。比如路网密度,很简单,一个是分子,一个是分母,这两个数据怎么取?很多城市都是乱的,可以看到我们原来提的是8,现在很多城市平均只有6.1,差距还是很大的。我们的城市拥堵。我们算了36个城市的平均速度,高峰时间只有20公里。
还有公交优先,这几年提了很多年,我们看一下,三分之一的省会城市都是低于20%,停车矛盾更大了。居住区现在80%都是严重不足的。另一方面,我们的设施短缺,利用率也有问题。专家们指出我们路网的连通性很低,主要靠干路承担交通,实际上可靠性是非常低的,拥堵里程10%左右。就像以前说的,整个空间资源没有得到很好的利用。还有停车的问题,以前说有“两个50%”,停车泊位缺口50%,没有得到利用的是50%,这个过程中还有很多潜力可以挖,就是公共交通。
公交车那么大,每天在路上跑,拉了多少人?就是200-300人。折算成车公里,北京的数据是2.5。什么意思?一个小汽车平均下来的车公里,北京是1.2-1.4左右,所以我们的公共交通效率是极低的。轨道交通也是同样的问题,现在很多城市票价收入连1元成本都没法涵盖,还有建设成本,下一步怎么办?这是很大的风险。
现在互联网来了,我们有网约车,但出租车的载客量是在下降的。还有共享单车,据公布的数据,一辆自行车一天的利用率只有1次左右,深圳大概在1.8次,利用率很低。
发现了这些,如何提升?对于交通参与的主体要精准感知,这是很重要的方面。举一个车的例子,这是我们在青岛做的。我们通过2亿条卡口的数据跟踪每天每辆车的活动,可以把每辆车从哪里来、到哪里去摸得清清楚楚,不光是从信号灯优化,可以从空间的优化组织进行改善,从源头上改。
二、辅助决策,交通基础设施效率该如何提升?
饱和交通流的情况下,信号灯的作用是比较有限的,得从上游解决问题。还有两个片区之间交换量比较大,这些车是怎么交换的?有了这些数据以后我们一目了然,要不要增加新的通道,要不要进行诱导,实际上很容易做到。我们的干路承担了过多交通,哪些交通不是由它承担,我们可以进行逐一分解,哪些地方可以打通,哪些地方可以加入。还有停车的问题,我们可以对每一种停车的利用情况进行分析,把时间上、空间上进行组合,解决信息不对称的问题。
最近电动汽车的股票飞速上涨,这里面有一个很重要的问题,充电桩是严重不足的,我们现在正在做充电桩的研究,可以看出有很多充电桩每天没有得到利用就完全是闲置着的,但有些地方又是严重不足。这些地方在哪里?我们可以通过这些数据分析,照准盲区,有针对性地进行改善,每一个点都可以进行分析。就像上午有些老师说的,光靠信号来解决、组织来解决,是有比较多问题的,空间应该响应交通组织和控制。可以看到有很多出租车随意上下车,对交通的干扰很大。我们有网约车和出租车的数据,可以看看我们的需求点在哪里,哪些地方不堵,我们可以做一定的停放设施控制。像共享单车、自行车,可以通过数据判断哪些人的出行可以用慢性交通解决,通过共享单车的数据看看哪些点、放在哪些地方比较合适,做到精准应对。
公交发展这么多年,实际上只把公交旅客当成乘客,没有当成用户来进行管理。我们做了一个城市的分析,18%的公交常旅客贡献了60%的公交量,但我们没有对他们进行关注,没有进行精细化的服务,实际上可以分为通勤常旅客、生活常旅客,他们在哪些地方上下车,实际上都可以做很多的提升。
包括这些常旅客为什么选公交?有三个关键因素。一是不能时间太长,30分钟以内,即使公交稍微慢一点也还好,跟小汽车没有太大的差距。二是与小汽车的时耗比,比如公交30分钟,小汽车20分钟,这样的话他还能乘坐。比如小汽车20分钟,公交车需要40分钟,这个比例一下就降低了。三是公交的非直线距离,公交为了组织客流绕来绕去,实际上他们很不愿意乘坐的。
我们以前在公交线网布设的时候有一个考虑,为了让每条线路的客流有保证,会串联主要的客流点。实际上这不一定会增加客流,还有可能降低客流,有可能是走最拥堵的路段,因为有更多的公交车来提供服务,有没有这趟线路其实无所谓。有的线路可能需要串联这些客流点,但有的线路实际上没必要。有了数据以后,对传统的线网布局模式和治理手段都有很大的提升。如何实现?我们可以借鉴阿里三号人物总参谋长曾鸣说的,他说未来的商业都是智能商业。我们现在是出行级服务,不是要提供公交车,不是要提供网约车,我们是要提供一种服务,他需要什么就提供什么,不一定要买车。未来只有服务,产品只是其中的一个环节而已,精准是未来商业的核心。智能商业有两个,就像人体的DNA一样,双螺旋模型,一个是网络协同,一个是数据智能。我们这两天围绕智能治理和智慧出行,实际上再往上考虑,还是以出行服务为核心的。所以我觉得,未来的出行必然是以出行服务为核心,利用网络和算法精准重构整个交通治理的逻辑和交通治理的运营规律。
三.路径探索,如何实现城市交通精准治理?
要实现城市交通精准治理,需要实现“四化”,工具化、智能化、协同化、在线化。
1.工具化
大数据是有门槛的,没必要每个人都去了解背后的原理。就像我们开小汽车,有仪表盘,上面有很多显示,我们没必要了解原理,只需要看这个数字就可以了。未来从国家层面到城市层面,都应该有一个驾驶舱,有很多的仪表,来显示城市发展的各种数据,偏航了要纠偏。就像我们现在做的国家层面的路网密度、通勤等工作。除了中规院去年发布了以外,深圳交研中心、广州院、上海市政等等,都在发布自己的平台,这成为一种趋势。大数据还有一个问题,很多时候量化的是现状,判断未来的趋势实际上有更大的作用。比如我们现在做的云计算承载力模型,可以快速进行承载力判断。比如这个地方要建房子,建二十层,是商业或居住的混合,把这些设置好以后,可以马上知道交通量的影响,方便做判断。其实我们以前的模型,调查可能要三个月,再校核,六个月能做好就已经不错了,实际上这已经过了我们决策的判断期。随着经济社会发展越来越快,我们原来的模型应该进行相应的提升和改善。
2.协同化
大家讲了这么多数据,我们现在也在做相应的科研工作,发现我们的数据种类很多,分散在各个部门,但数据之间的共享是很差的,业务之间也没有联动。我去一个地方调研,他们说有十几个平台,数据怎么交换?把一个系统打开,抄下来数据,然后贴到另一个系统上,这不但没有提升效率,反而降低了效率,他怎么可能会用?我去新加坡考察,部门之间的协同是做得比较好的,他们的系统比较简单,通过多部门协同,真正把这个很简单的系统用起来,事故前端检测,人工核实,调集相关部门,警车或者拖车过去,然后发布信息,这条路堵了,别的车就不要过来了。另一条平行路要组织绿波交通,尽快形成疏散,组织以后才能尽快形成效率。我们这个涉及规建管协同,我在调研的过程中发现,交警部门有时候是很为难的,处于一个相对比较末端的问题,前面很多问题都累计到这里,光靠信号灯是没法解决的,我们觉得有必要把业务问题变为数据可计算问题然后进行优化。
另外一点,参与方的协同。有人、车、路、环境,光靠一点的突破是有问题的,比如说前几年网约车一下子很火,提高了车辆的使用效率,因为一般情况下95%的时间都闲置着。但这几年回过头来看,它加剧了拥堵,道路的承载力没有相应增加,三者不是协同的关系,共享单车也是这个问题,参与方要协同。
3.智能化
一是感知智能,比如视频的、文本的、声音的。二是认知智能,这块是比较难的,其实现在我们所做的智能是基于深度学习的,它只能算是人工智能的1.0,背后的本质是基于to G的。我们现在可以识别一只猫,但是猫的眼睛画一条线,计算机就识别不了,容错性很差。但是你在猫身上画很多线,三岁小孩也能判断这是一只猫,这是人脑的智能。一方面我们的感知智能要强化,我尤其要强调一点,我们以前的感知智能太多关注于车,很多城市步行和自行车的比例都在30%以上,小汽车比例超过30%以上很少,但很多设施全部要看小汽车,我们觉得未来的设施,要更多关注人。我们在NASA做了一个工作,发挥视频存储和识别能力强的优势,把沿线整个阶段的环境一一识别出来,它的畅行程度和问题。
人工智能的2.0是知识图谱,有两个解释,一个是语义网络,给我们知识的表达。举个例子,大家都觉得C罗很牛,通过我们节点和关系的网络可以推出来C罗获得金球奖,金球奖又是全球影响力最大的几个评选之一,可以这样推出来。另一个是关系型数据库和图数据库,我们现在的数据库很多是基于关系的,虽然叫关系型数据库,但这个表的字段要跟另一个表的字段完全一一对应才能建立关系。比如我要查一千万人的朋友,它要把一千万个朋友分析一遍,查到四阶、五阶的时候他就算不出来了,实际上这是很笨的。一般人的朋友只有一百到一百五十个,最多也就不过一万个以内的,我们只需要算这一万个以内的,没必要把一千万人全部过一遍。我们现在基于国家的一个课题,把现实生活中的每一样实体,或者是我们要记录的出行行为,都存到数据库里,建立相应的关系,这样的话你就可以很好地实现数据融合。比如我们以前要分析公交车的数据,一年的公交车数据放到一个数据库里做分析,其实是很难的,计算不了,但是图数据库只需要算有关联关系的,可以很好地提升效率,而且它是比较灵活的,好设计这些结构。我们可以对人物、车辆、空间进行画像。
4.在线化
互联网企业面临一个问题,打通各种信息的发布主体。比如电脑上,上面有用户登录,你可以跟你的手机数据进行交换,它可以跟踪到一个人。但我们现实生活中,交通系统现在没法跟踪到一个人,比如你坐公交是刷公交卡,但是用共享单车是刷的手机,这两个就断链了。未来希望有系统进行打通,识别出这是唯一的一个人,进行相应的分析,而且人、车、路之间建立了关系。像北京现在正在做的,用了绿色的出行方式后,我要对你进行奖励,但是要跟踪你的行为,如果可以打通这些关系,可以很好地进行管理。
另外,现在北京也在做预约出行。以前人没办法跟社会很好地交互,现在他们定义为手机是人体的一个器官,有了手机这个器官以后,我们就可以很好地交互了。大家为什么投入这么大的精力在手机上?就是因为这个道理,这里面可以做的工作很多。