SCI论文（www.lunwensci.com）:
摘要：为了提高学生的数据应用能力，文章首先分析了交通大数据应用的必要性，然后论述了交通大数据实验内容，接着阐述了大数据融合与应用探索实验，最后说明了交通大数据实验效果。
关键词：实验教学；交通大数据；数据分析
随着移动互联网、大数据、云计算等新兴技术的发展，交通数据的内涵和外延得到了进一步拓展。交通相关专业开发可交互的大数据分析及可视化实验，能够培养学生交通大数据的处理、分析、挖掘及多源数据融合应用能力，全面提升学生对交通大数据的集成能力和应用效果。
一、交通大数据应用的必要性
(一)交通数据是研究城市交通情况和存在问题的重要手段
随着城市交通复杂性的增加和交通大数据的不断积累，全面的城市交通基础数据是研究城市交通情况和存在问题的重要基础，也是制定科学合理的交通规划、交通政策和管理措施及进行重大交通工程前期决策的重要技术分析基础。利用不同种类的海量数据，依托数据资源优化现有城市交通、驱动未来交通发展是数据智能时代的战略性选择。为此，住建部颁布了《城市综合交通体系规划编制导则》《城市综合交通体系规划交通调查导则》等技术规范，旨在推进全国各城市的交通数据采集、收集及梳理工作。
(二)居民交通出行动态特征逐渐受到国内越来越多城市的重视
随着机动车保有量迅速增长及城市BRT设施、快速路设施等大运量的交通设施不断建设完善，城市格局变化迅速，交通出行特征、出行规律变化明显，动态的交通出行特征日益受到更多的重视。基于此，大量地采集、收集交通数据，把握交通出行特征显得尤为重要，如北京、上海等城市都建设了相应的交通管理系统，实时关注道路的动态交通特征。概言之，结合相应的数据源，能在一定程度上快速把握交通出行的动态特征。
(三)大数据时代为交通出行特征的快速把握提供了重要机遇
随着各类电子信息采集设备提供了越来越多源的交通信息数据，如手机信令、共享单车、高速公路、物流等大数据，各城市可以从多个角度及多个维度观测交通出行现状、把握居民的出行特征变化。基于大数据获取交通信息具有样本覆盖率高、数据连续性好、数据采集成本低等优点，再通过不同调查方式的相互校核和补充分析，会形成更为完整、准确的交通现状分析结果，这对于把握动态交通特征具有重要意义。
二、交通大数据实验内容
交通大数据实验教学中，基于多维、海量的交通大数据，开发不同的虚拟仿真实验[1]，主要目的有三个方面。其一，通过大数据的基本处理与解析，让学生掌握不同类型交通大数据的处理方法，包括数据清洗、处理；其二，开展数据的初步分析挖掘，明确数据挖掘算法的逻辑，挖掘内容包括运行时空特征的规律解析，使学生对交通基础数据及运营状态进行分析，并通过可视化技术的应用，展示交通大数据分析结果的各类专题图表，实现大数据分析结果的可视化呈现，提升分析结果的可读性；其三，为融合多源大数据、开展数据的应用探索打下基础，同时从多模式交通的角度，全面集成交通数据，深挖数据价值，为科学、高效地掌握城市交通运营现状，优化交通基础建设、运营模式及方案决策等提供支撑，提升研究的专业性和科学性。
在城市交通基础GIS地理信息数据的基础上，采用交通大数据整合交通资源建立大数据实验教学系统，通过完善的属性数据和成熟的大数据分析模型，综合分析交通运行特征，多角度、全方位地挖掘潜在关联和规律，可实现城市交通数据分析的信息化、科学化，提升城市交通分析的综合性和完整性，全面提升学生对交通大数据的集成能力和应用效率。具体内容如图1所示。
(一)基础数据可视化
1.基础数据。展示区域电子地图、各等级路网的总里程和各区县的人口占比情况。
2.公交线网。展示公交线网结构、线路走向和站点设置、公交专用道设置情况。
3.轨道线网。展示轨道交通运营线路和站点。
4.其他交通。有轨电车线路及站点、快速公交BRT线路及站点、自行车专用道等。
(二)手机信令大数据实验
1.出行分布。展示不同行政区的出行期望线图，显示各行政区的出行出发和到达总量，分析各区的内部通勤占比，以及从某区域到各区域的比例统计图。
2.通勤特征。展示主要居住地、就业地的通勤距离分布及通勤时间分布，展示各行政区间通勤联系强度、每天每小时的出行频次，统计各行政区间平均通勤距离，由此判断早晚高峰出行所占比重[2]。
3.职住分布。识别主要居住地和就业地分布，分析职住地空间分布，并使用热力图展示职住集中区域，对比各行政区域的职住人口数量，解析各区职住平衡水平。根据需要也可对城市新区的职住水平进行解析。
(三)共享单车大数据实验
1.分布特征。通过分析不同日期某个时间段共享单车的位置，了解共享单车的总量及空间分布情况，并使用热力图展示。
2.出行特征。根据订单数据分析共享单车车均使用频次(周转率)、人均骑行次数、出行时刻、骑行时间、骑行距离等特征，判断早晚高峰出行所占比重，并选择不同日期展示工作日、周末、节假日的区别[3]。
3.空间特征。通过数据进行起终点OD可视化和热力呈现，分析用户使用密集的区域；将起终点在商圈/轨道站点周围一定范围内的出行作为离开到达商圈/轨道站点的出行，分析接驳范围和骑行量，并将骑行路径在地图上进行可视化展示，分析客流来源及去向。
(四)网约车大数据实验
1.出行特征。将订单的起止点提炼为出行OD，进行OD可视化和热力呈现，分析热门出发地和到达地；根据订单数据分析出行距离、出行时长特征，并选择不同日期展示工作日、周末、节假日的区别。
2.轨迹可视化。调用百度地图API实现轨迹回放，将单个/多个订单的行程轨迹散点在地图上描绘出路径，将单个/多个行程的轨迹在地图上动态展示回放，模拟整个出行过程或片区车辆的出行活动，并比较工作日与非工作日的出行轨迹，分析通勤出行特征。
3.运行指标。分析选定时间片段，计算道路所有轨迹车辆的运行速度，并分析平均车速，以此为基础，构建拥挤度评价指标，得出道路的拥挤度(严重拥堵、拥堵、缓行、畅通)，并进行运行状态可视化[4]。
(五)公交大数据实验
1.客量识别。融合公交IC卡刷卡数据与公交行驶GPS数据，对公交车辆到站时间与公交卡刷卡时间进行匹配，识别公交站上下客量，从而识别换乘枢纽、节点。其他客量信息包括线路客流量、日总客流量。
2.出行特征。基于IC卡和GPS数据信息，分析居民公交出行时刻、出行时间、出行距离等特征，并选择不同日期展示工作日、周末、节假日的区别；通过分析公交客流的空间分布，得出公交站点间断面载客量[5]。
3.公交营运指数。根据客流信息、行车信息、运力配置、客运服务和大事件等公交营运管理数据，提出公交营运指数，并通过实时线网数据统计、公交道路拥堵指数、专用道数据分析进一步挖掘公交运速影响因子。
(六)轨道交通大数据实验
1.客量识别。通过AFC检票大数据，识别轨道交通站点上下客量，从而识别轨道交通换乘枢纽、节点。其他客量信息包括线路客流量、日总客流量。
2.出行特征。基于AFC检票大数据，分析出发时刻、出行时间、出行距离等特征；通过分析轨道交通客流的空间分布，得出轨道交通站间断面的载客量[6]。
3.轨道交通营运指数。根据客流信息、行车信息、运力配置、客运服务和运营大事件等重要运营数据，得出轨道交通运行指数，为营运管理提供动态分析依据。
三、大数据融合与应用探索实验
(一)交通运行分析与评判
应用探索一：道路运行状态评价。
网约车作为一种方便、快捷、“门到门”出行、运营时间长(一般24 h)的出行方式[7]，其订单轨迹数据具有覆盖范围广、记录时间长、样本量大、数据时效性强的特点，能够真实反映道路运行状况，因此基于网约车大数据，分析出行的时空特征，计算道路所有轨迹车辆的运行速度，并分析平均车速，能够构建出拥挤度评价指标，得出道路的拥挤度(严重拥堵、拥堵、缓行、畅通)，并进行运行状态可视化。
应用探索二：轨道站点辐射范围分析研究。
共享单车点到点的模式能够对轨道交通站到站的模式形成有效的补充，骑行接驳是解决轨道交通“最后一公里”问题最有效的方法。对于轨道交通的服务盲区，共享单车的接驳能够有效延伸服务范围。为分析轨道站点辐射范围，可通过轨道交通专用基站，利用手机信令数据集中识别轨道交通乘客，并通过用户ID关联，在共享单车数据集中筛选出使用过轨道交通出行的用户。接着可按照一定的时间、空间约束判别规则判断两者是否存在接驳关系，并将接驳出行起点、终点可视化，计算指标，从而得出不同站点的共享单车辐射范围。
(二)交通设施规划和建设
应用探索三：自行车道与停车点规划。
自行车道作为一种公共交通资源，能更好地服务更多的人，覆盖更长的个人骑行轨迹，同时这些设施最好能够在整个路网上连成有限个区域，而不是分散分布。基于轨迹大数据，可选择骑行量TOP-M的路段作为候选路段，并基于轨迹聚类和网络扩展，最终形成自行车道的规划方案。其他应用包括对轨迹停车点进行点位聚合和路面校验，以此作为未来发展定点停车模式的规划停车点。
应用探索四：公交线路优化及站点提升改造。
利用手机信令数据可以识别公交300米、500米范围覆盖不足的区域，并在对其人口、岗位进行分析及公交出行需求预测的基础上，判断公交出行需求较大的区域，以便在这些区域加强公交的覆盖；基于手机信令数据，识别交通需求走廊，结合轨道交通的服务支撑，评估公交公交线网合理性；根据公交断面载客量，评估公交线路运力资源配置；通过公交站点客流分析站点换乘量，结合线网整体架构情况，考虑对主要公交换乘站点进行改造，打造大型换乘枢纽，以提升市民换乘体验[8]。
(三)交通管理与政策制定
应用探索五：道路交通管理与控制优化。
根据交通运行状况分析，把握交通运行的总体特征，明确存在的交通瓶颈和堵点，分析城市交通拥堵问题，并找出有效的解决方案。在现有道路交通设施不发生变动的前提下，科学地运用精细化交通管控技术措施，提高交通效益与交通安全。通过信号配时优化、绿波协调控制等措施提升道路交叉口通行效率[9]，并综合运用交通渠化、交通组织、交通管理等措施，实现对交通流运行的指挥、疏导及改善。
应用探索六：网约车智能投放与调度管理。
考虑轨迹数据中包含的时空信息，基于轨迹聚类算法，对网约车进行分区的聚类及需求预测，并根据预测的时空需求，实现科学投放。为保证车辆调度，可对早晚高峰热点区域进行智能规划与调度分析，及时按需分配运输资源，达到早晚高峰运力与车辆调度的最优匹配，实现网约车精细化管理，满足早晚高峰的出行需求，优化车辆行驶路径，从而提高城市客运服务水平。
四、交通大数据实验效果
(一)改进实验教学方法与手段
针对当前交通相关专业的知识体系和教学方法与未来交通行业的需求脱节等问题，同时也为解决传统的实验教学受制于实验场地、实验设备等导致的实验课程体系薄弱、实验项目不丰富的问题，基于交通大数据的虚拟仿真实验教学能有效弥补传统实验教学的不足，为改进教学方法和教学手段提供支撑，进而达到提高教师教学能力、拓展实践领域、丰富教学内容的目的。
(二)培养学生实践创新能力
通过实验，学生可深度掌握数理知识，能熟练编写计算机语言，熟知交通相关专业理论，同时培养数据处理及计算机建模分析能力。学生通过不同交通场景的每个算法实验，能够学习对应算法的逻辑，并在实验过程中提升代码编写能力，掌握交通大数据算法的设计与实现过程，提高实践创新能力和动手能力。
(三)加强专业建设，提升教学科研水平
虚拟仿真实验教学平台满足了实验室建设和实验教学改革与创新的需要，平台上带有脱敏后的真实交通大数据，可为交通规划、研究、服务提供有力支撑。具体而言，基于城市交通属性数据，搭建大数据分析和应用实验平台，能实现实验教学信息化；通过进行实验平台统筹规划建设，能实现资源统筹协调[10]，方便用户使用实验教学相关资源，进而满足交通相关专业的教学、科研需求。
总之，基于城市大数据的交通融合是趋势，在单一交通大数据分析的基础上，科学系统地挖掘应用多源异构数据，能有效提升城市交通分析的综合性和完整性。学校要加强实验室建设，基于交通大数据，充分利用虚拟仿真技术搭建实验教学平台，从而培养适应未来交通发展方向的专业人才。
参考文献：
[1]熊宏齐.虚拟仿真实验教学助推理论教学与实验教学的融合改革与创新[J].实验技术与管理,2020,37(5):1-4,16.
[2]丁鹏程,杨明,郑长江,等.基于手机信令数据的城市通勤出行特征研究[J].交通科技与经济,2020,22(3):29-34.
[3]周荣,王元庆,朱亮,等.基于时空数据的共享单车出行特征研究[J].武汉理工大学学报(交通科学与工程版),2019,43(1):159-163.
[4]何小波,罗跃,金贤锋,等.网约车数据挖掘的全流程方法研究[J].地理信息世界,2021,28(3):72-79.
[5]王钶,高宁波,魏东洋.基于GPS大数据的公交线网运行特征分析[C]//中国城市规划设计研究院城市交通专业研究院.创新驱动与智慧发展:2018年中国城市交通规划年会论文集.北京:中国城市规划设计研究院城市交通专业研究院,2018:3513-3521.
[6]李得伟,张天宇,周玮腾,等.轨道交通大数据运用现状及发展趋势研究[J].都市快轨交通,2016,29(6):1-7.
[7]贾兴无.基于网约车数据的居民出行需求特征分析及需求预测[J].交通工程,2018,18(5):39-45.
[8]万君.大数据在公交线网优化中的应用探讨:以佛山为例[C]//中国城市规划设计研究院城市交通专业研究院.交通治理与空间重塑:2020年中国城市交通规划年会论文集.北京:中国建筑工业出版社,2020:967-975.
[9]张博,庞基敏,章文蒿,等.互联网大数据技术在智慧交通发展中的应用[J].科技导报,2020,38(9):47-54.
[10]赵胜,温惠英.交通运输工程实验教学管理及资源开放共享平台建设[J].实验科学与技术,2017,15(4):163-168.
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jiaoyulunwen/50726.html
