城市虚拟交通系统与交通发展决策支持模式研究

王炜 ,  赵德 ,  华雪东 ,  周伟

中国工程科学 ›› 2021, Vol. 23 ›› Issue (3) : 163 -172.

PDF (2908KB)
中国工程科学 ›› 2021, Vol. 23 ›› Issue (3) : 163 -172. DOI: 10.15302/J-SSCAE-2021.03.020
工程前沿

城市虚拟交通系统与交通发展决策支持模式研究

作者信息 +

Virtual Urban Transportation System and Decision Support Mode for Transportation Development

Author information +
文章历史 +
PDF (2977K)

摘要

本土化的城市虚拟交通系统与交通发展决策支持模式，在解决由快速城镇化引发且趋于严重的城市交通问题、克服现阶段智能交通系统存在的瓶颈方面具有重要意义。本研究依托大数据、互联网等信息技术，建立了由基础数据库、分析模型库、软件模块库、备选预案库组成的城市虚拟交通系统，涵盖其理论框架、系统功能、技术体系，据此提出覆盖城市土地开发、交通设施建设、交通运行管控、公共交通运营、交通政策制定等应用场景的交通发展决策支持模式。以重庆市为例，阐述了城市虚拟交通系统构建过程，完成重庆市新型冠状病毒肺炎疫情期间居民出行、车辆通行错峰方案的政府决策论证。结果表明，基于城市虚拟交通系统的交通发展决策支持模式在实际交通方案论证过程中具有及时性和有效性。研究建议，未来我国城市交通规划管理可注重城市虚拟交通系统的建设和运用，及时纳入新型信息技术成果以优化应用效果。

Abstract

Developing a localized virtual urban transportation system (VUTS) and a decision support mode for transportation development is significant for solving the increasingly severe urban traffic problems caused by rapid urbanization and for overcoming the current bottlenecks that restrain the intelligent transportation system development. Based on the advanced information technologies such as big data and Internet technologies, this study establishes a VUTS that is composed of four parts: basic databases, analysis models, software platforms, and alternative plans; the theoretic framework, systematic functions, and technical system of the VUTS are analyzed. Furthermore, a decision support mode for transportation development is proposed; it covers the application scenarios including urban land development, traffic facilities construction, traffic operation control, public transport operation, and traffic policy making. Subsequently, we built the VUTS of Chongqing and provided plans for the municipal government regarding its decision on shifting peaks for residents and vehicles during the outbreak of the COVID-19 epidemic. The case results suggest that the decision support mode based on VUTS is effective in the demonstration of traffic plans. Therefore, we suggest that China attach importance to the VUIS and its application in urban traffic planning and management and incorporate new information technologies to optimize the application effects.

关键词

城市交通系统 / 道路网络 / 交通分析模型 / 虚拟交通系统 / 决策支持模式

Key words

urban transportation system / road network / traffic analysis model / virtual transportation system / decision support mode

引用本文

引用格式 ▾
王炜,赵德,华雪东,周伟. 城市虚拟交通系统与交通发展决策支持模式研究[J]. 中国工程科学, 2021, 23(3): 163-172 DOI:10.15302/J-SSCAE-2021.03.020

登录浏览全文

4963

注册一个新账户 忘记密码

一、前言

改革开放以来，我国城市交通发展经历了大规模建设、现代化管理、机动化转型、智能化服务 4 个阶段 [1]；仅用 40 年时间完成了发达国家一百多年的发展历程，发展速度之快、面临问题之复杂、技术难度之大世所罕见。这期间，我国城市交通的出行方式也经历了自行车主导、机动车 / 非机动车混行、机动车主导的转变。也要注意到，快速城镇化引发了居民出行机动化，城市交通问题趋于严重。根据国家统计局数据，2004—2019 年我国私人载客汽车保有量从 1.07×107 辆增长至 2.07×108 辆（增长 19.4 倍），而城市道路里程仅从 2.23×105 km 增长至 4.59×105 km（增长 2.1 倍）。城市交通系统供需严重失衡，交通拥堵、安全事故、环境污染等一系列大城市交通问题不断涌现。

当前，我国城市交通处于交通结构转型期，城市交通系统的供需矛盾很大；在快速城镇化、出行机动化的双重压力下，单靠道路建设无法满足机动化出行需求。缓解城市交通问题的总体思路是建设公交主导型的城市交通系统供需平衡体系 [1~3] （见图 1），具体策略包括：①在交通源头，采用以公共交通为导向的城市土地开发（TOD）模式，降低交通需求，引导城市综合交通系统的供需平衡；②在交通设施建设过程中，构建以轨道交通为骨干的城市综合交通网络体系，加强城市综合交通体系的综合协同，优化交通供给；③在交通末端，发展公共交通优先的城市智能化交通管理系统，提高交通系统的通行效率。在具体的实施过程中，需要精明的交通规划、精致的交通设计、精细的交通组织、精准的交通管控等措施，最终实现城市交通系统从“增量积累”到“存量发展”、从“能力建设”到“效能提升”的功能性转变。

图 2 城市虚拟交通系统与决策支持模式的应用原理

（二）城市虚拟交通系统与决策支持模式框架体系

城市虚拟交通系统由基础数据库、分析模型库、软件模块库、备选预案库四部分组成（见图 3）。①基础数据库是系统的基础，对多源交通大数据进行提取、加工、融合形成标准化数据库，直接连接到虚拟仿真平台开展交通系统分析。②交通分析基础模型库是内核，起到“城市交通大脑”的思维能力构建作用；依据城市交通系统构成要素的基本特征，描述并运用新型城镇化背景下的城市交通系统的演化规律与供需平衡机理。③交通仿真软件模块库是支撑，具有友好的人机交互界面，构建相应的交通数学模型，提供可靠的交通仿真功能，生成详细的数据指标报告、动态直观的可视化结果。④备选预案库是交通发展决策支持模式的拓展应用，相关过程涉及多管理部门协同，方案实施也需经过反复调整、评估、优化；面向业务功能的分析流程完善，可“一键式”开展仿真流程，合理放宽对方案设计、系统分析、仿真评估的人员专业能力需求。

图 4 交通大数据的快速获取与融合技术架构

快速构建城市大规模路网拓扑结构，需要依托成熟的地图服务商（如高德地图、百度地图、谷歌地图等）。文中提出了一种基于 OSM 数据库的城市交通网络数据库快速构建技术，解析 OSM 地图的下载图元，提取 OSM 数据库中的节点、路段数据并进行清洗整合，据此构建交通网络的拓扑结构、生成城市虚拟交通系统所需的路网基础数据库文件。实际应用表明，该技术可以在分钟级时间内构建 1 个大型城市的综合交通网络基础数据库。

在城市人口数据库快速构建方面，目前较多使用人口普查数据、手机信令数据、全球定位系统（GPS）数据、土地利用数据等。文中主要采用 LandScan 数据来推算交通小区的人口数据，这是因为 LandScan 数据采用地理信息系统与遥感影像相结合的方法计算并公布了世界范围内各城市 1 km格网分辨率的人口分布数据；采用一种基于栅格数据和面积比修正的交通小区人口数据统计方法，对包含交通小区边界的矩形进行调整以修正栅格内的人口高程值，进而累加得到交通小区总人口，据此快速构建交通小区人口数据库。

交通流量时间序列数据的主要来源有道路传感器、道路视频监控、GPS 数据、RFID 数据等。文中主要采用 RFID 数据来构建交通流量的时间序列，这是因为 RFID 数据库提供路段实时流量、路网路段拥堵情况等信息，与居民出行与交通网络数据库之间存在较大的关联性；在城市交通系统路段交通流时间演化预测模型、网络交通流空间演化仿真模型的基础上，构建了城市交通网络交通流时空分布一体化预测模型、时空演变一体化推演机制，据此实现城市交通网络宏观空间分布预测与重要交通节点微观实时推演的一体化。

五、分析模型库：大数据环境下的城市交通分析模型体系

当前在交通工程领域中，城市交通问题的解决方案仍以传统的交通分析模型为基础，模型分析功能与精度有限。互联网、大数据、AI、第五代移动通信、虚拟仿真等前沿技术为交通领域带来了新机遇；交通大数据呈现海量化和多元化的趋势，对交通分析模型的架构产生极大影响，因此重构城市交通分析模型体系势在必行。

交通大数据克服了传统交通抽样调查的局限性，基于大数据可以揭示新型城镇化背景下的城市交通系统的演化规律与供需平衡机理。大数据环境下的新一代城市交通模型体系应包括：交通网络运行分析模型、交通需求生成分析模型、交通需求分布–方式组合分析模型、公共交通网络分析模型、交通管理控制影响分析模型、交通政策法规影响分析模型、综合交通网络分配模型、城市交通系统综合评估模型等。

长期以来，我国在解决城市交通问题上缺乏跨部门协同机制，而单一部门的业务不能反映交通系统各组成单元之间的相互作用关系。大数据环境下的城市交通分析模型体系中，需要结合城市交通系统特征与交通要素特性，构建反映规划、城建、交通、交管、发改等部门协同的交通要素相互作用关系模型（见图 5）。

图 6 重庆市主城区城市虚拟交通系统的基础数据

注：图（b）中的界线表示自定义交通小区的边界。

（二）重庆市新型冠状病毒肺炎疫情期间居民出行上下班错峰方案仿真与评估

2020年3月底以后，随着重庆市疫情逐渐好转，企业复工、生活恢复，逐步增加的小汽车出行需求导致了道路网络交通负荷增加，主要通道交通拥堵情况加重。为了在保障有效“抗疫”的同时科学有序地恢复居民出行，重庆市城建、交通、交管等管理部门提出了错峰上下班的建议，这就要求快速制定具体方案并形成方案评估报告。在“任务急、时间短、要求高、跨部门”实际状况下，本课题组借助重庆市主城区城市虚拟交通系统快速完成方案的制定、论证、仿真、评价，给出行业错峰（对城市部分行业实施错时上下班）、车辆错峰（对主要桥隧在高峰时段进行限号）两类方案的详细评估结果。

仿真获得的方案实施前后路段交通流量差值分布如图 7 所示。如实施行业错峰方案，全路段的平均速度将提高 1.78%、平均流量将下降 3.08%，主要通道的平均速度将提高 0.76%、平均流量将下降 4.32%；但涉及企事业单位较多，实施难度较大。整体来看，行业错峰方案可在一定程度上改善整个交通网络的交通质量，但仍然未能缓解主要通道的交通拥堵状况。

图 7 重庆市错峰上下班方案实施前后的路段流量差值分布

注：图中的线条表示路网。

如实施车辆错峰方案，全路段的平均速度将下降 7.96%、平均流量将提高 9.05%，主要通道的平均速度将提高 0.93%、平均流量将下降 15.0%；仅涉及部分道路的管控，实施难度低，对居民的出行影响较小。鉴于车辆错峰方案仅针对主要通道的通行车辆实施，尽管在一定程度上增加了交通网络的交通压力，但将明显减轻主要通道的交通负荷，预计主要通道的交通拥堵状态将得到有效缓解。整体来看，车辆错峰方案的可实施性较好，主要通道拥堵缓解效果显著，得到了重庆市相关管理部门的认可和采纳。

九、结语

本文提出了包含基础数据库、分析模型库、软件模块库、备选预案库在内的城市虚拟交通系统与交通发展决策支持模式。实例研究表明，该系统模式在论证实际交通方案时具有及时性、有效性。

为解决我国城市交通系统的供需矛盾、突破智能交通系统存在的瓶颈，未来交通规划管理应该注重城市虚拟交通系统建设，结合我国交通运行特点发展国产化的交通仿真软件系统。

在未来城市虚拟交通系统的建设过程中，建议注重融合大数据、AI 等新兴技术。例如，融合多源交通大数据，构建多维度的、精细化的城市基础数据库；引入 AI 技术，促进传统交通数学模型的发展，进一步提高交通模型计算结果的精确性。

参考文献

原文顺序 | 出版日期 | 本文引用
[1]

王炜, 陈峻, 过秀成. 交通工程学 [M]. 南京: 东南大学出版社, 2019. Wang W, Chen J, Guo X C. Traffic engineering [M]. Nanjing: Southeast University Press, 2019.
[2]

杨涛, 张泉. 公交优先导向下的城市总体规划——构建公交都 市的空间框架 [J]. 城市规划, 2011, 35(2): 22–25. Yang T, Zhang Q. Transit oriented urban master plan: Towards the spatial framework of transit city [J]. City Planning Review, 2011, 35(2): 22–25.
[3]

王炜, 薛美根, 王媛, 交通规划与管理决策支持系统的研发 应用——中国城市交通发展论坛第24次研讨会 [J]. 城市交通, 2020, 18(1): 102–113. Wang W, Xue M G, Wang Y, et al. Development of transportation planning and management support system: Highlight of the 24th Urban Transportation Development Forum in China [J]. Urban Transport of China, 2020, 18(1): 102–113.
[4]

张军, 王云鹏, 鲁光泉, 中国综合交通工程科技2035发展战 略研究 [J]. 中国工程科学, 2017, 19(1): 43–49. Zhang J, Wang Y P, Lu G Q, et al. Development strategy for China’s integrated transportation engineering science and technology to 2035 [J]. Strategic Study of CAE, 2017, 19(1): 43–49.
[5]

高柯夫, 孙宏彬, 王楠, “互联网+”智能交通发展战略研究 [J]. 中国工程科学, 2020, 22(4): 101–105. Gao K F, Sun H B, Wang N, et al. Development strategy of Internet Plus intelligent transportation [J]. Strategic Study of CAE, 2020, 22(4): 101–105.
[6]

TransCAD. TransCAD transportation planning software [EB/OL]. (2016-01-01)[2020-07-15]. https://www.caliper.com/tcovu.htm.
[7]

INRO. Emme multimodal transport planning software [EB/OL]. (2016-01-01)[2020-07-15]. https://www.inrosoftware.com/en/ products/emme/.
[8]

PTV Group. PTV vissim [EB/OL]. (2016-01-01) [2020-07-15]. https://www.ptvgroup.com/en/solutions/products/ptv-vissim/.
[9]

Bentley. Transportation and land-use modeling [EB/OL]. (2016- 01-01)[2020-07-15]. https://www.citilabs.com/software/cube/.
[10]

《中国公路学报》编辑部. 中国交通工程学术研究综述·2016 [J]. 中国公路学报, 2016, 29(6): 1–161. Editorial Department of China Journal of Highway and Transport. Review on China’s traffic engineering research progress·2016 [J]. China Journal of Highway and Transport, 2016, 29(6): 1–161.
[11]

陆化普, 孙智源, 屈闻聪. 大数据及其在城市智能交通系统中的 应用综述 [J]. 交通运输系统工程与信息, 2015, 15(5): 45–52. Lu H P, Sun Z Y, Qu W C. Big data and its applications in urban intelligent transportation system [J]. Journal of Transportation Systems Engineering and Information Technology, 2015, 15(5): 45–52.
[12]

李德仁, 姚远, 邵振峰. 智慧城市中的大数据 [J]. 武汉大学学报 (信息科学版), 2014, 39(6): 631–640. Li D R, Yao Y, Shao Z F. Big data in smart city [J]. Geomatics and Information Science of Wuhan University, 2014, 39(6): 631–640.

基金资助

中国工程院咨询项目“中国‘站城融合’发展战略研究” (2020-XZ-14)；中国工程院咨询项目“‘新基建’思维改造传统公路交通基础设施战略研究” (2021-XZ-04)()

AI Summary AI Mindmap
PDF (2908KB)

2903

访问

0

被引

详细
导航
相关文章

AI思维导图

/

〈 〉