11月23日，由中國智能交通協會城市交通委員會、國家智能交通產業技術創新聯盟主辦的2017’第十二屆中國智能交通年會城市智能交通創新發展論壇上，東南大學交通運輸學院院長劉攀教授發表《基于大數據的城市道路網聯交通安全態勢分析》的演講，本文為演講速記整理，未經演講者本人審核。

東南大學交通運輸學院院長 劉攀 教授

1.城市道路交通安全現狀
　　隨著城鎮化、機動化進程的不斷加快，道路交通事故的增長源不斷增加，城市道路交通安全問題變得非常嚴峻。過去10年間，城市道路交通事故平均每年導致超過2萬人死亡，14萬人受傷，這個數據相當可觀。
　　另一方面，城市道路交通事故往往會誘發交通擁堵，在交通擁堵的情況下，二次事故發生的幾率陡增，這形成我們不希望看到的惡性循環。據不完全統計數據表明，城市道路25%的擁堵由交通事故引起，實際中，這個比例往往更大。
　　在我國城市相對復雜的交通運行環境之下，駕駛人往往是小心翼翼的開車，因為路況比較復雜，不知道會發生什么特殊情況，所以人們開車都小心翼翼。我們的道路系統正是因為這樣的安全隱患問題，長期處于一種低效率的運行狀態。與國外相比，我國的道路寬度明顯更大，但是國外的車輛運行速度更快，交通運行的效率更高。通過統計同樣等級的道路，國內國外道路的通行能力差距非常大。我國的道路沒有把通行能力充分發揮出來。這在我國的大中小城市是非常普遍的現象，這里面涉及到管理問題、設計問題，也有一定的規劃問題
　　同時，考慮到城市非常復雜的交通運行環境，城市交通事故在發生機理和影響范圍方面，與高速公路上的交通事故相比，呈現了不同的特征。由數據分析得出的一些結論并不相同。回顧過去幾年，我國在交通安全方面有兩個重大的立項，道路交通安全行動計劃的一期和二期，更多關注的是高速公路、山區公路以及低等級的公路，缺乏對城市道路交通安全的關注，還沒有真正的就城市道路交通安全問題做過系統深入的研究。
　　實際上對交通安全的重視，不同的國家都經歷了認識的過程。回顧美國機動化發展進程，美國早期也經歷了對交通安全性認識的過程。如今美國整個公路體系、公路網骨干，其建設周期都是在50年代、60年代，經過20年時間建設完成。美國上世紀五六十年代，類似于我們中國過去30年時間，是大規模基礎設施擴張的時代。其在基礎設施建設的過程中很少考慮到交通安全的問題，建設完成以后龐大的公路網、道路體系不斷暴露安全隱患。這些不斷出現的安全問題迫使當局加以重視，不斷地進行科研和工作，以減少交通事故風險。這是必須經歷的認識過程。
　　1997年，美國道路交通安全戰略規劃的出臺，從國家戰略的層面，提出了要全面開展交通安全的研究，并且在工程中給出具體的措施來改善整個道路網的交通安全狀態。同時，美國國會對交通安全的立法，也經過了不斷發展的過程。最早可以追溯到1992-1997年交通方向的ISTA法案。在這個法案中提出了建立幾個現代的交通系統，開始提及安全問題。1998年，美國國會在法案中指出投資2178億美元用于交通系統的改善，明確提出構建道路交通安全的系統。這個法案把安全設立為一個獨立的章節。從2004年的SAFETEA開始，整個交通系統的優化目標已經把安全放在可靠、高效等等之前，視為第一要素。
　　縱覽國內一系列交通規劃白皮書，實際上很少有能夠把安全放在這么高的地位。對于國內各地的白皮書中，最近把安全放到第一位的是上海。上海的白皮書把安全作為要素放在第一位，但是具體的是怎么去體現還值得商榷，這需要一個發展過程。
　　2.主要的任務和技術瓶頸
　　交通安全是一個新興學科，真正的理論體系完全成型在21世紀初。2010年左右美國道路安全手冊的出版，一定程度標志著安全作為一個學科的理論體系已經基本完善。
　　道路交通安全學研究的主體是道路交通事故，目的是降低事故的頻次或者降低事故的嚴重程度，真正的研究對象實際上是一系列影響這兩個事故的頻次和嚴重程度的事件。這些事件根據時間可以劃分為事前、事中和事后，而影響這一系列事件的系統要素中包括了人、車、路和環境。在與此相對的改善措施中，這些因素又包括了工程措施、教育措施、執法和急救等等措施。所以交通安全是一個多學科交叉的綜合性很強的學科，涉及到規劃、交通工程、車輛工程等眾多學科。
　　概括研究框架對研究的領域做一個界定大概可以分為兩大塊：一塊是交通安全分析，另一塊是交通安全管控。交通安全分析就是要建立起系統的要素和交通安全之間的聯系，而交通安全管控即是要提出有效的交通安全改善措施。

圖1理論框架圖

理論框架如圖1所示，城市道路交通安全研究的一個重要任務是把安全作為目標要素，融入到城市道路系統的規劃、設計及運行調控的全過程，實現安全導向的主動規劃，主動設計和主動調控。即我們在城市規劃執行過程中，如何真正把安全作為一個約束放進規劃政策的制定中，如何把真正地安全作用目標要素，帶到我們的設計過程中。如何去實現以安全為導向的控制策略優化，這是三個需要亟待解決的問題，但是存在一系列的技術瓶頸。
　　第一個技術瓶頸，我們還沒有能夠定量的刻畫道路要素和交通安全關聯關系，這是交通分析所要解決的一個核心問題。交通安全縫隙要解決交通事故的風險以及嚴重程度和我們系統要素之間的關系。交通事故的發生受到人、車、路、環境等等多種因素影響，具有高度的復雜性。這么多因素混雜在一起，你很難從中剝離出你所關注的因素，特別是道路系統相關的因素。
　　為此交通安全發展出了一套理論，主要是基于事前、事后比較橫斷面分析，以及交通事故模型的這一套理論體系。這套理論體系在發達國家得到了廣泛的應用，但是在中國它的應用受到了一定的限制。特別是這套理論方法體系，非常高質量的交通理論數據，在事故數據記錄或者事故數據不太完整、不太容易獲取的情況下，這套分析方法難以使用。無法理解道路系統要素對安全的影響，就無法在規劃和設計階段把安全作為要素考慮進去，決策管理者只能憑借經驗提出一些模糊的概念。
　　第二個技術瓶頸，我們沒有能夠實現道路交通事故風險的量化分析，即使在發達國家，傳統的分析方法對歷史數據進行事故統計分析，歷史數據包括過去幾年的平均交通事故，年平均日交通量等等這是進行分析。這套分析方法有其背景，即50年代、60年代美國大規模的道路基礎設施建完了不斷地暴露交通問題。過去幾十年積累了大量的數據，通過用這些歷史的統計數據進行分析。這是它這套理論方法產生的根源，但是由這樣的方法產生的結論能指導工程實踐必然是一種被動的事后的工程實踐。安全問題要充分暴露了以后，我們要再去了解產生這些安全問題的原因，我們沒有辦法對未來沒有發生的事故風險，進行一種量化的比較精確的分析，這一點在過去是做不到的。
　　第三個技術瓶頸，我們沒有辦法對交通風險進行主動干預，我們過去幾十年建了大量的城市也好，高速公路也好有大量的監控設施的建設。我們從監控設施上捕捉到了事故發生，或者能對交通事故風險進行科學的判斷，我們也缺少有效的手段對它進行主動的干預。
　　這是三個瓶頸，這三個瓶頸制約著交通安全規劃、交通安全設計和交通安全控制目標的實現。但是在大數據時代，大數據可以給我們帶來新的發展契機，這三個瓶頸在一定程度上可以克服。
　　3.大數據與城市道路交通安全研究
　　現代城市每天產生海量龐雜、易質多元、大范圍時空關聯的數據，這些數據里面蘊含著豐富的價值信息。大數據對交通工程帶來實實在在的革命性變化，傳統交通工程學的方法論在大數據的時代正在面臨重構。
　　回顧一下我們城市里的交通大數據：每隔幾十秒會上傳高解析度的車道級交通流數據。車載通訊數據、車載GPS、雷達、RFID等等。北京市4萬輛浮動車，每天產生2000萬條記錄。車載檢測設備與定點設備相結合，全方位獲取城市交通大數據。
　　加上大量的交通收費數據、視頻數據，其中，視頻數據是現在體量最大的數據，且是典型的非結構化數據。如何從這種非結構化數據中提取我們想要了解的信息，充分發揮它的價值，實際上也是值得我們思考的。在視頻數據中，我們現在有成熟的技術可以提取車輛的軌跡。最近幾年，對車輛軌跡的研究已經成為交通工程學研究的重點。
　　另外，手機和社交網絡數據是被我們忽略的數據。實際上社交網絡數據是大數據的重要組成部分，它提供了很多傳統的大數據來源無法提供的，關于人類的情感、活動、社會關系這方面的信息。我們氣象數據應該說是傳統的數據了，我們認為大數據的技術為實現城市路網交通安全態勢的深度挖掘，前期診斷和智能調控提供可能性。在大數據的幫助下我們有可能突破傳統方法的技術瓶頸，實現城市路網的主動安全規劃、主動安全設計和主動安全調控。
　　2013年開始我們做了很多的技術儲備。首先是硬件環境的搭建，我們搭建了分布式大數據處理平臺，同時構建了幾十個城市大數據的庫，為我們的研究提供了堅實的基礎。
　　4.基于大數據的交通安全態勢分析
　　下面圍繞這三個思路做了一點點嘗試，更多的是理論的探索。第一個我們做的是基于多元數據對區域交通風險進行分析，傳統的規劃是以交通小區為單元研究出行和小區里面各種社會關系等等社會經濟要素之間的關系。我們現在以交通小區為基本的分析單元，去研究路網的結構，土地利用特征、社會經濟指標、交通出行強度與區域交通事故風險的關聯關系。這些信息實際上是實現主動交通安全規劃的重要基礎，這一類的研究過去幾年在交通安全很熱，很多做過這些研究，它的傳統數據來源主要是交通調查數據，比如社會經濟數據，宏觀的經濟出行數據。我們知道用宏觀的出行數據去度量整個網絡的交通出行強度是不準確的，是很模糊的。我們嘗試用大數據、用浮動車、用社交網絡等等的數據去補足這個缺點，怎么樣更精準地度量交通出行強度，進而去分析以小區為單元的交通事故風險。
　　我們運用紐約的數據進行理論研究，所得的模型在各個地方都是通用的，只是數據來源的問題。我們用紐約做研究對象，把紐約劃分167個交通小區，這與傳統的規劃做法是類似的。我們運用網絡爬蟲，從Twitter提取了2010年將近3000名用戶的41萬條簽到數據。Twitter簽到數據包含了用戶一天的活動信息。同時，我們從紐約出租車共享的浮動車數據，提取了交通事故數據、土地利用、路網信息、社會經濟以及人口的信息。
　　運用Twitter簽到數據，把人的出行活動分為八類，家庭、工作等等八類出行數據，用浮動車數據用隱狄利克雷分布模型對出行特征進行挖掘，并且用隨機聲明方法提取出12個影響交通事故的關鍵出行特征。比如說表格中告訴我們從12點到2點之間因為要工作出去吃飯，這種類型的出行我們可以精準到這個地步從6點-8點之間下班回家這樣的出行，從7點-9點晚上出去娛樂的出行。我們把各種各樣出行的模式通過我們的大數據辨別出來，判斷出來以后去研究它和交通事故風險之間的相關性，不同類型的出行模式對交通事故風險影響程度完全不一樣。
　　通過數據的可視化表達，從最簡單的空間分布可以看出，交通事故的分布特征和不同類型活動的分布，社交、購物、工作等等這些活動是密切相關。這就是我們城市交通規劃可以看到的定量化數據，同時我們出行者的路徑半徑實際上和事故風險呈負相關關系，如圖2所示。

圖2出路徑半徑和事故風險關系圖

　　交通事故與浮動車的出行記錄在空間和時間上都存在顯著的相關性，我們把一系列的數據都放到我們空間模型中，去分析交通小區種不同出行的活動類型對事故風險的影響。比如吃飯、教育等這些出行活動和機非機動車的交通事故風險呈正相關，關鍵可以在不同小區中給出吃飯、教育等等出行模式對交通事故風險、機非交通事故風險的定量化的刻畫。在購物、社交出行和機-機等交通風險正相關，而且可以給出不同的交通小區之間它的影響強度。

圖3浮動車與交通事故的時間分布關系圖

　　用類似的手段我們建立了交通事故風險和不同類型的出行活動之間的關聯關系，而且可以給出不同區域強度的表達，可以為規劃、管理提供重要的決策依據。通過把所有的數據輸入我們的模型中，發現風險分析模型的精度大大提高了，傳統數據的得出的模型只有0.43%左右，但是依靠這些動態的數據源，可以提高到0.8-0.9%。

圖4“車-人”和“車-車”事故模型

第二個案例是快速道路的交通事故風險辨識和主動調控。傳統交通安全的分析運用靜態手段分析交通事故，但是在大數據的環境下，應動態的高解析度動態交通流數據去分析交通事故和事故風險之間的關系。我們提取了滬杭甬等等高速公路1萬余起交通事故，對每一起交通事故，我們研究在事故發生前大概30分鐘之內的上下游相鄰路段，與它的高解析度動態交通流數據和同樣位置正常情況下的交通流數據進行對比。

圖5正常交通流狀態和事故前狀態示意圖

我們可以清晰的看到，大概在60%-70%的交通事故發生之前，相鄰路段的交通流中都會發現一種異于正常情況的狀態，主要表現在交通流在時間和空間上的不均勻分布。如果能夠準確的描述事故發生前的交通狀態，我們在相應程度上就實現了事故風險定量的刻畫。基于這樣的思路，我們從整個快速道路交通安全狀態的分類和主動的辨識，到交通事故風險的主動預警，在能夠預判交通事故風險的基礎上，采用動態交通控制的手段，主動干預交通事故風險，也就是實現主動交通安全調控的目標。
　　第三，對于非結構性化數據、視頻數據，從中提取出的軌跡曲線在交通安全研究中我們能做一些什么？我們和加拿大的團隊做了這方面的工作。傳統平面交叉口的交通安全分析是利用歷史事故數據以及交通沖突數。傳統的交通沖突分析方法是通過人工調查，科學性長期受到置疑，因為人的判斷性非常主觀。
　　隨著著圖像處理技術不斷成熟，基于視頻處理技術的交通沖突的自動識別在安全領域得到廣泛的應用，它克服了人工觀測的主觀性和低精度的缺點，極大了提升了交通沖突技術的科學性。運用這種運動目標檢測跟蹤技術，提取沖突車輛的軌跡、速度等參數，我們可以把交通沖突發生的整個過程，例如對10秒鐘數據以0.001秒為單位，分解為成千上萬個瞬時的狀態，去研究車與車在整個交通沖突發生過程中瞬時狀態，以及速度分布發生了什么樣的變化，并且預判下一步事故風險的發生。
　　研究表明基于人類動力學和運動模式，預測和匹配算法在狀態判別取得了很好的成果，道路安全水平的評價效果要優于傳統交通沖突技術。運用視頻識別的方法，可以分析不同類型的交通設計對交通安全的影響。如果運用事故數據需要等待較長時間，而且事故數據來源較難。運用視頻直接自動提取交通沖突，可以分析出整個交叉口、交通沖突的強度。

圖6交叉口整體范圍沖突點空間分布

上圖清晰地表明了交叉口交通沖突的具體地點，及其時間和空間分布的特征，以幫助設計者更好地發現潛在的交叉口事故隱患。如圖是可左轉車道分布的情況。在此基礎上，我們建立了設計要素和交通沖突之間的關聯關系，從中可以得出一系列的安全設計的建議，例如某種右轉車道設計案例的使用，如下圖所示。以上是直接運用視頻數據進行沖突識別方法的案例。
　　5.總結
　　城市道路安全需要得到更多的關注。把安全作為目標要融入城市道路系統的規劃、設計與運行調控的全過程，是我們的重要職責。大數據為交通安全規劃、設計與調控目標的實現提供了可能性。
　　大數據對交通工程方法論的影響很大。一方面，原有的數據來源不斷得到補充，另一方面，在這些新的數據來源下，很多傳統的方法無法使用，我們要追尋新的一種全新的分析方法、分析思路。這也要求交通工程師對知識結構進行更新，同時高校的人才培養體系也要做出改變。這體現了更多的顛覆性的影響。