基于大数据平台交通应用分析研究.pptVIP

孙桥路/军民公路 欧高公路/港城路 世纪大道/陆家嘴环路 陆家嘴东路/陆家嘴环 商城路/南泉北路 华夏东路/巴士公司 世纪大道/崂山路 上南路/成山路 张杨路/金桥路 商城路/浦城路 南浦大桥/杨高南路 杨高中路/红枫路 妙境路/川环南路 博成路/长清北路 博山路/万德路 数据缺失 10.1~10.5 国庆长假 周末 …… 拥堵起始日期 拥堵结束日期 X: 时间（日） Y: 路口 分析案例1：城市交通拥堵 分析案例1：城市交通拥堵 (a)日间全天候交通拥堵 (b)明显且均衡的早晚高峰特性 (c)早高峰比晚高峰拥堵严重 (d)晚高峰比早高峰拥堵严重 (e)拥堵发生在凌晨 准确把握交叉路口的拥堵特性，包括：拥堵开始、结束时间，日拥堵持续时间、拥堵性质，从而： 为交通政策措施的制定和实施提供决策支持； 为交通政策措施的实施效果提供评价依据； 路口指数按“时”统计 X: 路口 Y: 时间 （e.g. 陆家嘴东路/陆家嘴环） （e.g.高科中路/金科路） （e.g.杨高南路/东三里桥路） （e.g.长清路/昌里路） （e.g.李冰路/伽利略路） 分析案例1：城市交通拥堵 周一至周五的早高峰无明显差异 周六和周日无明显早高峰，且周六比周日上午时段拥挤 周六和周日午间较工作日拥挤 周五（绿线）晚高峰较其他时间拥挤 全周晚高峰交通趋势无显著差异 分析案例2：高速公路运行管理 浦东进出上海的通道为G15沈海高速，下设高东收费站，分进出上海双向，高东收费站位于沪陕高速崇明大桥入口，周边连接主要道路为A30绕城高速，五洲大道。考虑到高速公路节假日小客车取消收费的影响，采用收费站附近交调环形线圈采集交通流量作为数据来源，检测断面的编号如下。交调数据采集粒度为5min，按车道采集，数据时间范围为2013年1月至2015年1月。 收费站编号 描述 断面 线圈 G1501高东收费站北 出上海 BBA32JVD04N1 BBA32JVD04N101 BBA32JVD04N102 BBA32JVD04N103 BBA32JVD04N104 G1501高东收费站北 进上海 BBA32JVD04W1 BBA32JVD04W101 BBA32JVD04W102 BBA32JVD04W103 BBA32JVD04W104 分析案例2：高速公路运行管理 出上海（浦东） 进一步结合节假日放假信息，可以确定高峰出行集中在十一、五一、清明和元旦等假日，其中最高流量为十一出行，且从前后两年对比，可以看出： 1）2014年比2013年不仅出现高峰出行的节假日类型呈增多趋势，2014年高峰出行出现了16天，而2013年仅为6天； 2）而且相同节假日的高峰出行量也增长迅速，2013年清明节高峰流量为36335辆，而2014年增长到了45656辆，增长了10000辆；2013年十一高峰流量为45367辆，2014年十一高峰流量为50620辆，增长了5000辆。 分析案例2：高速公路运行管理 2014年10月1日的高峰车流有如下特征： 零晨时段，出现了极端大客流，持续时间为半小时,这和免费在10月1日零晨实施有关，大量车辆集中在零晨之后进入高速公路； 早高峰时段在5点，显著早于正常工作日； 在下午14点出现了午高峰。 2014年10月2日的高峰车流有如下特征： 高峰客流出现在8点左右，但持续时间较长。 出上海高峰车流时间分布 出上海车流空间分布相关性分析 分析案例2：高速公路运行管理 进上海（浦东） 东进上海高峰与出上海高峰客流类似，但发生的日期晚于出上海客流，显示其很大一部分为返程车流。以2013年十一为例，出上海(浦东)高峰车流发生于9月30日至10月3日，而进上海(浦东)高峰客流发生于10月3日至10月6日。 分析案例2：高速公路运行管理 进上海（浦东） 从5分钟时变图看，进上海高峰车流的时间分布和正常工作日存在显著差异，但出上海高峰车流的高峰时段比较稳定，从下午14点左右开始，持续到晚上20点左右。 通过相同的分析方法，可以确定五洲大道也是高东收费站进上海流量主要的消散方向 大数据应用方向设想 基于SCATS数据的路口拥堵指数关联视频大数据应用 交通违法、事故大数据应用 大数据应用方向设想 基于大数据技术的黑车、假套牌车分析治理 大数据应用方向设想 交通大数据平台构建 2 面向交通管理的应用分析 3 交通大数据问题 1 4 大数据应用发展趋势 交通大数据平台生态圈 交通大数据服务云平台 政府决策 交通管理 规划设计 科学研究 衣食住行 关联行业 上海行 交通大数据思维 数据转为对象 ，对象彼此互联，平台支撑网络，网络创造价值 谢谢各位领导和专家！ 大数据时代 * 颠覆的世界 * 大数据时代 * * * 大数据时代 * 大数据时代 * * 基于大数据平台的交通