以下为精彩视频内容整理：

Ⅰ 城市数据大脑框架下的交通治理

大数据对于交通行业的改造治理的案例在我们身边非常多。大家了解到的滴滴、摩拜和ofo等企业，已经在很多方面深入的影响到我们日常出行的各个方面。其实交通是一个非常复杂的系统，如果想要在大数据的背景下改造好这个行业生态，首先要理清交通的痛点和特点。交通是非常复杂的一个系统，其复杂性是基于交通资源的分散和多场景、多层次交叉出行链的整合，交通系统管理的分散和人们日益增长的出行需求等原因。

交通治理的核心问题就是出行时空资源的优化配置。目前市场出现了像滴滴、ofo等产品，就是解决了交通供给和交通需求之间的时空的精确匹配问题。所以我们城市数据大脑应用在交通治理上，就是从现状感知、交通机理分析、预测模拟和公共服务等角度，来构建交通综合治理的总体框架。

首先，项目的出发点在于交通现状感知。我们希望通过各种数据的交通人物下的分析，能够对现在的交通运行进行全时空的精确刻画。基于此，建立起一套对于城市交通运行全面的监测体系和预警体系。

其次是交通治理机理的分析。交通运行的深层次影响机制是非常复杂的。大数据技术的应用，给我们传统规划师提供了大量的不同于以往的手段，可以去深层次挖掘和分析交通产生的原因和机理。在这样的理论基础上，构建一些新的预测模型。这些模型可以对城市交通的下一步运行态势，做到精确的预测、预判和模拟。

最后是公众服务。通过这些技术手段，为市民的出行多元、多层次的需求下，提供不同的解决策略。

经过这段时间的运营情况，我们将城市交通治理层面，归结为“六个一”关键因素。后面的所有交通治理组成设计，也都是基于此理论作为切入点。“六个一”主要包括：

1、一个综合交通数据库。创建交通数据关联型仓库，进行多元数据汇集，建立数据共享机制、数据安全机制和数据生态机制。

2、一套顶层设计方案。主要包括创建总体功能方案的设计、项目分多阶段推进、自下而上的功能模块的串联，和自上而下的由大场景细化分解为小模块的过程。

3、一支综合的技术团队。这支团队包括互联网+专家架构师，功能需求和系统实现专家架构师，维护机制和服务团队，还有大家一起配合着整体项目做一个滚动迭代的反思和优化。

4、一套核心算法和技术。交通治理不仅需要有经典模型和常规技术的支撑，更要有大数据挖掘下人工智能等新技术手段的补充和穿插，关键在于车路协同下关键技术体系的设计与控制，最后总结出标准化的工具集和算法仓库。

5、一套革新的治理体系。城市数据大脑主要是以数据的思维来进行数据融合下的资源整合和数据支撑下的治理体系改革，从而达到数据驱动下对交通治理进行精细化管控的目的。

6、一个开放式的生态系统。我们希望通过部门与部门之间协作，还有与开发企业协作，形成一个城市数据大脑的生态链，包括孵化新兴的产业。

Ⅱ交通大数据分析应用案例

利用大数据去刻画苏州交通的一天。我们利用大数据分析了苏州市区一天的出行总人次，大概是980万人次，包括公共交通、个体交通还有其他一些交通方式，还包括人群在一天中整体时空分布的态势。

交通产生最根本的源头，就是市民人口分布和岗位分布不同。我们利用手机技术去搜集数据，去进一步刻画城市的一天中人口和岗位的分布态势，分别是左边和右边两张图。我们通过这些数据再去进一步挖局这种分布和城市交通出行的深度关联关系。中间的图是人口和岗位值住比在空间分布的基本情况，表明城市中一天人口活力的中心，包括和交通出行之间更深层次的关联关系。

与此同时，我们还做了一些大范围的数据分析。除了在苏州本市以外，团队还通过其他的一些技术手段，可以将人口在城市群和跨城市群之间流动的出行关系绘制成图谱。比如有人在苏州居住上海上班，或者在上海定居苏州就业，这一类人群在城市空间中的分布，包括他们的时空基本特征，都可以做一些分析。我们还可以做一些城市活力，就是人口热力和居民出行强度之间的关联关系的分析。

我们选取苏州火车站（交通枢纽）、拙政园（旅游集散地）和观前商圈（商贸商圈）作为区域性分析研究对象，做了深层次的分析进行规律发掘。具体需要研究这些区域范围内人口一天的交通出行特征，包括人流从城市中哪些区域聚集过来。*方面也希望下一步能够结合深入学习、机械学习的一些方法，深入的研究和挖掘交通产生的吸引源，包括和深层次土地利用之间的关系。

我们希望通过这些研究和规律的挖掘去建立起城市交通出行的一个规律数据库，来表明各种交通用地特征下，人口出行的基本规律。包括停车行为、出行强度，时空分布规律，都在项目的研究范围内。

如果苏州有一个基本的规律库，我们可以基于样本整体的开发规模，进行一个交叉的、深度的、融合的综合分析之后，之后可以对样本的交通强度、时空分布和出行规律、包括停车行为等，做一个深度的预判。这样也为后续精细化的管控和相应政策的制定，作为重要的参考标准。这个规律库，可以为其他研究做出很好的数据支撑。

以苏州市区为例做关联型分析，大家看到苏州基本和昆山、常熟的中心城市的联系，是强于其他几个板块。那么在市区范围内，新区、姑苏区和园区东西走向的客流量是多于其他走向的。最右边那张图是对苏州整个的出行规律做的蛛网图。这些分析会给后面公交、包括轨交方案的制定，提供优质的数据支持。

对于公共交通，*部门一直想研究一个很重要的问题，就是公交、轨交的客流，到底是从哪里来的？使用这些交通方式的人群分布在什么区域？我们利用手机采集到的数据做分析，经过研究发现，在轨交站点一公里范围内覆盖的人口大概是150万人，他们的轨道交通平均出行举例在1.5公里左右。

以一号线西边终点站木渎站为例，深入的分析木渎站辐射的人口，人口居住地的分布，人口岗位的分布和居民出行的特征，去预判出人口一系列的出行特征。根据研究结果，相关部门去优化现在的公交网络，去更好的匹配居民出行的时空分布需求。

同时苏州还做了一项工作——铺设了大量的公交专用道。但是公交专用道在布设的过程中有人提出疑问，拿出这么多道路资源去给公交车用，其经济性和社会效应到底强不强。据我们分析得出的结论是：公交专用道以1/3的道路资源，11%的车辆占比，承担近一半的人流输送量。从这个角度来讲，在城市的主要流动道路上，公交专用道设置的必要性还是很强的。通过利用大数据手段进一步的识别未来的公交走廊和客流通道，使得城市交通连成一张网络，去进一步的扩展和优化。

经过我们的统计和分析，苏州的一天，大概80%的车辆是在使用过程中的，还有20%其实没有在道路上跑。早高峰大概每天有22万辆车在路网上运行，20%的车集中在高峰运行。其中包括我们在城市不同范围内，交通量的汇集程度。

上述是整个车辆感知系统的时空刻画，大家可以观察到强度中心还是很明显的。

在中环开通之前，我们利用大数据技术手段，为中环开通的具体情况做了预判。事实上，判断的结果和实践的结果是一致的，都是增加了快速路网的压力。

同时对于苏嘉杭限货的方案，我们也做了一个大数据分析，并对结果进行了验证。因为苏嘉杭高速城区路段有大量的城市交通和货运交通的混杂，使得道路处于超饱和运行状态，同时对城市环境有很大污染。管理部门希望该段货车转移到长嘉高速公路上，项目组通过分析和多方案备选，使得整体实施效果在管控范围内。可以说，数据分析给我们今后的科学决策提供了很重要的技术手段，并且很多理论已经在实践中得到了应用。

可能我们现在对于城市大脑的探索只是点点滴滴，但是希望通过这些小而美的实践最终能够串联起来，成为我们未来具体方案中的一些功能模块，为未来的城市交通治理打下坚实的基础。

Ⅲ未来城市智慧交通愿景

技术的革新必然带动产业的发展。在这个基础上，我认为以后城市的智慧交通，有这样几个重要的方面。一个是全息感知。感和知是两个方面。我认为今后的社会是一个传感器的社会，就是社会生活中会出现很多多元的数据传感器，像现在的信号灯可能就是以后的智慧路灯，还可能有其他的交通采集设备对人们的动作进行全息的实时监控。在此基础上，我们预测感知系统包括*公共型、社会服务型。当然以后会出现更多的生态企业，也会有更多人去拥有数据，就是私人拥有型。通过这些资源的整合，形成数据产业的链条，为大家的出行更好的解决。

第二个就是精细的管控。我认为城市数据大脑能够构建起涵盖车路人等时空资源的优化配置和执行系统。以感知作为基础，对人们的出行进行时空资源的精确匹配，包括全局的实时分析和全过程的模拟推演等各个方面。对于*重要的道路等基础设施建设的决策、还有全局性的策略都可以预判，实施过程中进行全过程的管控干预。还有今后每个路口和路段，怎样精确的去将交通运行的策略，通过多数据的汇集和相应技术的服务，最终落地到实处。目前城市到治理应用中最重要的案例，就是城市的信号交叉口的区域联系控制，目前项目已经在进行实践的过程中。

第三个我认为是非常关键的是全程的服务。以后的交通服务，利用大数据互联网技术可以无缝对接到人们出行的各个方面。通过这样的方式，来串联成一个完整的出行链。包括可以解决到包括换乘接驳和停车难的这些痛点，并且还会开发出新的上下游的服务模式，比如旅行交通，加油和充电，还有交通工具租赁等。其实还有很多场景我们没有列举出来和没有想到的，话题也并没有完全展开，我认为我们的思维可以再发散一点，从全程服务这个角度来讲，大数据对交通的影响力和改造的方面其实非常多。构建起适合所有场景的交通是我们的根本目的，通过串联出行链打通服务链的方式，加入供需匹配和需求细分的考量，创造出属于苏州的交通闭环。

苏州城市大脑的交通治理项目的根本目的，就是要通过大数据使得市民出行变得更加美好，也让城市变得更加美好！

本文由云栖社区志愿者小组王晓慧整理，毛鹤审校。编辑：郭雪梅。