大数据驱动的城市群交通状态感知、态势推演与智慧决策

Urban agglomeration is the main form of new urbanization in China, and the integrated transportation system of urban agglomerations is playing a key role in expanding the space for regional development and releasing the potential of regional economy. This project fully utilizes and mines massive, complex, and heterogeneous multi-source data, which are produced in the mobile Internet era and associated with traffic users, transportation vehicle tracks, transportation facilities operation statuses and transportation-related social economic environments, in order to identify and extract the characteristics of micro individual travel behavior, mesoscopic traffic flow evolution and macro distribution of travel demand in three subsystems of urban-agglomeration transportation, namely, external transportation, intercity transportation and metropolis circle transportation. Then, aiming to improve each subsystems' running efficiency and reduce their costs of construction, operation and management, we are going to develop the methods of urban-agglomeration transportation systems' serviceability evaluation and individual user travel guidance, operation reliability evaluation and traffic organization, and bearing-capacity evaluation and resource allocation. Based on big data, the models and method systems for traffic demand forecast, travel information delivery, traffic operation state diagnoses, traffic management scenario deduction and traffic facility layout optimization will be established. Thus, the big-data-driven management and decision paradigm for urban-agglomeration transportation systems can be generalized from this project and used for reference in practice.

城市群是我国新型城镇化的主体形态，而城市群综合交通一体化建设与发展是拓展区域发展空间、释放发展潜力的重要保障。本项目通过充分利用、挖掘移动互联时代所产生的海量庞杂、异质多源、大尺度时空关联的交通用户、交通工具运行轨迹、交通设施运营状态以及与交通相关的社会经济环境等数据，发现提取城市群对外交通、城际交通以及都市圈交通等三个子系统中的微观个体出行行为特性、中观交通流演化规律以及宏观出行需求分布特征。进而，以提升各个城市群交通子系统运行效率和降低建设、运营及管理成本为目标，研究城市群交通服务能力评估与个体出行诱导方法、交通设施运营可靠性评估与运行组织方法以及城市群交通系统承载力评估与资源配置方法，从而建立基于大数据的交通需求预测、出行信息发布、交通运行状态判别、交通措施场景推演、交通设施布局优化等模型与方法体系，从而形成可供推广借鉴的大数据驱动型城市群交通管理与决策范式。

城市群是我国新型城镇化的主体形态，而城市群综合交通一体化建设与发展是拓展区域发展空间、释放发展潜力的重要保障。本项目通过充分挖掘移动互联的交通用户、交通工具运行轨迹、交通设施运营状态以及社会经济环境等数据，提取城市群微观个体出行行为特性、中观交通流演化规律以及宏观出行需求分布特征。进而，以提升城市群交通系统运行效率和降低建设、运营及管理成本为目标，构建城市群交通系统个体出行行为的精准辨识与出行诱导、网络交通流时空推演与交通运行组织以及宏观出行需求全景刻画与资源配置优化等模型与方法体系，从而形成可供推广借鉴的大数据驱动型城市群交通管理与决策范式。.项目组集成北京市TOCC、信息中心、公交集团、滴滴和百度等多方海量城市群数据，依托该项目已经取得多项重要研究成果。通过挖掘城市群微观层面个体交通行为的时空分布特征，提出了城市群个体出行选择行为和出行链模式的精准识别方法，以及出行路径轨迹预测和车辆调度优化方法；深入探索中观视角下的常态和非常态城市群网络交通流时空演化规律，构建了城际交通拥堵瓶颈的模式识别方法，以及应对各类场景的交通运行组织方法与策略；挖掘多尺度下城市群交通需求的时空分布、演化机制与影响机理，建立了城市群多方式综合交通需求预测模型，提出了都市圈空间结构特征识别方法、城市群关键廊道规划方法、综合交通运行感知与服务技术以及京津冀交通一体化发展策略。.通过以上研究项目组共发表论文70余篇，其中SCI/SSCI论文47篇（包括Q1类论文21篇）；申请国家发明专利20项（11项已授权），获得软件著作权10项；出版学术专著4部；获得教育部和北京市的科学技术进步奖二等奖各1项； 5篇政策建议投稿被收录，其中一篇得到北京市领导批示。以上研究成果已形成多项技术转化并应用于城市群综合交通常态条件下的运行监测与非常态条件下的应急保障，对城市群交通的健康、有序、可持续发展具有重要作用。