行业研究 > 正文
疫情之下,加强“智慧交通”系统建设成为热点
2020/3/2 9:40:00   新京报      关键字:疫情之下,智慧交通,,热点      浏览量:
疫情期间,城市交通运行模式发生了很大变化。常规通勤需求消失,但基本的社区生活出行、就诊出行以及货运交通仍需维持。根据交通需求快速调整交通运行策略,是时空数据平台的重要能力。
  疫情至今,国家的“免疫力”面临“大考”,城市交通系统也正在进行一场全面的体检,既要保证城市有效运输,又要降低疫情扩散风险。
  加强“智慧交通”系统建设,应急交通场景成为新热点
  交通系统是维持城市日常生产生活、应急救援和疫情防控工作开展的基础保障。同时,交通工具、交通场所大量人流集中、转换,存在进一步扩散疫情的风险。
  疫情期间,城市交通运行模式发生了很大变化。常规通勤需求消失,但基本的社区生活出行、就诊出行以及货运交通仍需维持。根据交通需求快速调整交通运行策略,是时空数据平台的重要能力。
  然而,某些城市为阻断出行风险,一度发布消息,要将所有信号灯调成红色,即将所有机动车出行都视为违章。虽然很快修正了说法,但也体现了“智慧交通”系统的建设并未针对这种特殊场景做好准备。
  目前,城市街道上大量公交车空驶,无疑造成巨大浪费。通过手机信令、调查数据等,可快速了解市民出行需求变化。一方面,可及时发布公交线路和客流密度信息,引导分散出行、避免密集接触导致感染;一方面,可调整公交线路,根据实际客流开设临时线路,根据实际需求分布,减少换乘和等候造成的风险。
  此外,通过掌握各种车辆的实时位置,可以保障医疗急救、应急物资等车辆的路权,甚至根据时空状态实时调控车辆资源,提高利用效率。
  对处于寒冬中的无人驾驶产业,本次疫情也许是一次机遇。
  人际感染的高风险和应急交通的高强度,为无人驾驶的医疗车辆和应急物资货运车辆提供了理想场景。可以预见,各种交通场景的无人化和基于大数据的高效时空调度,会成为智慧交通领域新的热点。
  利用大数据技术,提供时空决策参考
  李兰娟院士多次指出,要利用大数据技术来应对无症状感染者和无意识的密集接触者,更好地发现和控制传染源。
  传统的流行病学调查,还是基于调查和门诊数据进行统计分析,虽已在结合时空数据和地理学方法,但在及时性和全面性方面受到很大限制。
  新冠病毒的人传人特征,加之潜伏期长和隐匿性,为隔离与防护带来很大困难。在搜寻和定位感染者与密切接触者方面,来自互联网公司和移动运营商的时空大数据,发挥了巨大作用。相比SARS时代使用的工具,这是一项新技术。
  与航空、铁路、社交媒体等数据结合,各大企业在春节前后,密集发布了各种定位查询产品分析工具,可对确诊者的位置和活动区域、重点敏感地区的活动人群及同行者进行查询等。
  随着疫情进展,多源数据融合的产品越来越多。对城市级的感染扩散过程,进行描述和推演,甚至能精确找到疑似感染者。
  以笔者参与的服务某电信运营商的新冠病毒接触风险评估模型为例。以新冠病毒(潜在)携带者的时空轨迹为输入,通过计算新冠病毒携带者的接触距离与时长,以此得出病毒人传人的概率。
  基于动态时空网格对新冠病毒传播的概率进行聚合计算,生成新冠病毒接触热力图,从而揭示特定时刻(某一小时、某一天)特定城市、地区新冠病毒传播风险(感染概率)的空间分布,重点发现潜在的高风险(高感染概率)病毒传播区域,为相关部门协调资源、做好管控提供数据支撑。
  模型并不复杂,但如果输入的数据足够丰富而彼此关联,经过时空数据平台的高效计算,可以提供非常准确的时空决策参考。
  当然,以目前各大运营商和互联网公司的时空数据引擎能力,尚不能支撑全样本量的大规模融合计算,只能有针对性地对一些重点人群和轨迹进行筛选和推演。相信疫情后各大厂商会加大对时空大数据处理能力的投入。
  精细化城市治理,重新思考城市交通系统发展策略
  人口聚集是城市最重要的特征,而管理城市的核心就是管理“人”。城市管理精细化的重要前提就是全面掌握人口的分布、需求等时空特征。这样才能对产业、交通、就业、医疗、教育等资源进行有效调度,以应对突发事件。
  其实,由于数据采集技术和管理理念的落后,城市真实的人口数量很难被计算,更不用说这个“人口”尚且有不同的口径:总人口、实有人口、常住人口等。
  相对于静态人口数据,大城市巨大的内部人口时空流动才是影响交通、环境的最大因素。
  传统获取人口数据的方法主要包括人口普查、流动人口监测和网格化管理。其中,人口普查每隔10年展开一次;流动人口统计主要靠公安部门的暂住人口登记,但申报率不高;城市社区网格化管理将城市划分为网格,并指派网格管理员随时巡查网格内包括人口变动在内的变化情况,从而实现城市社区管理的主动化、动态化和精细化。
  需要指出的是,网格化管理是近年来智慧城市建设的最重要成果,之所以列为传统模式,因为其本质上还是依靠人力调查,成本巨大且效率不高。
  近年来,随着移动互联网的普及,手机信令和互联网LBS数据逐渐成为人口统计和城市人口时空治理的重要手段。这些数据由人们在使用手机,或者基于位置的服务时留下的数字足迹挖掘而成。
  移动通信基站可以监控并实时获取用户所处的地理位置信息。通过分析用户的地理位置信息,可以挖掘人口的流动和分布,进而统计一定范围内的人口数。
  手机信令数据的空间尺度在中心城区和郊区差别较大,就2G、3G等宏蜂窝而言,在中心城区的精度为100m左右,而市郊的精度为500-1000m。
  可见,手机信令数据统计的空间尺度能到市级、区级、基站甚至社区尺度。而随着4G的普及,手机信令数据的空间尺度可达20m。这将大大缩小人口统计的空间尺度。
  长期跟踪用户的位置信息,能追踪流动人口来源地,甚至精确识别常住人口和流动人口数,例如实时获知天安门广场前的人都来自哪里。该数据在人们使用信令上网的过程中产生,成本低,是通讯类方法中覆盖人群范围最广的数据。
  但由于该数据获取的前提是使用手机,最好是使用智能手机上网,因此涵盖的人群为城市活跃人群,对于老人、小孩等难以识别,且会因一人多部手机的情况,造成数据误差。
  目前,手机信令数据分布在三大运营商手中,不同运营商各掌握部分数据。如果能将三家的数据进行整合,得到一个全样本的数据,将大大提高人口统计的精度。
  通过这些精准定位且实时更新的人口数据,城市大脑获得了以往无法做到的精细化时空治理能力。
  手机信令最常用的领域是对人口职住空间关系和通勤状态的分析,可以快速了解某一区域与周边区域的通勤关联,从而制定相应的交通和设施规划策略。