首頁熱門文章
交通可視化將是解決分析交通數(shù)據(jù)重要鑰匙
發(fā)布時間：2018-01-04 分類：行業(yè)資訊
隨著交通系統(tǒng)的快速發(fā)展，交通已經(jīng)成為人類生活中一個重要的組成部分。據(jù)統(tǒng)計，城市中大約有40%的人口每天花費1小時在交通上。然而，現(xiàn)代城市中大量的人口以及交通工具產(chǎn)生了許多城市問題，比如交通擁堵、交通事故和空氣污染等。
伴隨著大數(shù)據(jù)可視化的熱潮，在交通數(shù)據(jù)中使用可視化可以幫助人們有效地理解移動車輛的行為、發(fā)現(xiàn)交通在時空上的模式，從而為交通優(yōu)化等提供決策信息。當代交通系統(tǒng)每時每刻都會產(chǎn)生大量的數(shù)據(jù)，比如，出租車上搭載的GPS傳感器會記錄出租車的行駛軌跡;街道監(jiān)控攝像頭會記錄車輛的通過情況。而且，伴隨著城市越來越大，汽車越來越多，監(jiān)控越來越多，交通數(shù)據(jù)的規(guī)模有了爆炸性的增長。在這種情況下，直接對交通數(shù)據(jù)進行分析的傳統(tǒng)方法已經(jīng)變得越來越困難，而且效率越來越低，數(shù)據(jù)挖掘、機器學習和可視化等智能化技術(shù)的深入和廣泛使用已經(jīng)變得刻不容緩。特別地，可視化可以將用戶和數(shù)據(jù)直接相關(guān)，支持用戶以簡單可視的方式與數(shù)據(jù)進行交互，進而實現(xiàn)用戶智慧和機器智慧交融反饋，可以極大地提高分析和決策的效率與準度。
首次將交通可視化作為一個獨立的研究與應(yīng)用領(lǐng)域展開工作，認為這一技術(shù)是通向未來智慧城市的必由之路。狹義上來說交通可視化就是對交通系統(tǒng)中產(chǎn)生的數(shù)據(jù)進行編碼，通過圖片、圖表的方式向用戶展示交通數(shù)據(jù)，支持用戶交互的分析交通數(shù)據(jù)，主要包括對象軌跡的可視化、監(jiān)控數(shù)據(jù)的可視化以及路網(wǎng)路況的可視化。軌跡的可視化一般是將交通系統(tǒng)中的實體(比如出租車、公交車、行人等等)的軌跡在地圖上用線條的方式進行展示;而監(jiān)控數(shù)據(jù)的可視化則可以根據(jù)監(jiān)控的類型分為基于監(jiān)控事件的可視化和監(jiān)控視頻的可視化;至于路網(wǎng)路況的可視化，則一般是通過熱力圖等技術(shù)可視化實時通行狀況和擁堵狀況等。
廣義的交通可視化則可以理解為在交通智能分析系統(tǒng)中可以利用的所有可視化技術(shù)的總和。一個智能分析系統(tǒng)一般可以大致的拆分成數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、數(shù)據(jù)查詢和數(shù)據(jù)分析四個部分。除了數(shù)據(jù)采集外，其他三個部分都有可視化技術(shù)的施展空間。比如，在數(shù)據(jù)預(yù)處理過程中，采集到的原始交通數(shù)據(jù)可能存在包括重復(fù)、缺失在內(nèi)的各種各樣的問題，可視數(shù)據(jù)清洗可以幫助用戶對原始交通數(shù)據(jù)進行去重、補全等操作，提高數(shù)據(jù)的可用性;在數(shù)據(jù)查詢過程中，通過可視化的查詢界面，幫助用戶優(yōu)化查詢條件，分析查詢結(jié)果等等;在數(shù)據(jù)分析過程中，可視化技術(shù)可以與其他數(shù)據(jù)分析方法相結(jié)合，支持用戶干預(yù)數(shù)據(jù)分析流程。
1.交通可視化起源
隨著交通系統(tǒng)的完善，人們對于出行的需求越來越迫切。為了提升交通系統(tǒng)對于人們的服務(wù)質(zhì)量，交通數(shù)據(jù)的可視分析扮演了一個重要的角色。數(shù)據(jù)可視化雖然是剛興起的學科，但是可視化方法在交通數(shù)據(jù)的分析過程中存在已久。
地鐵出現(xiàn)至今已有百余年歷史，目前最早的地鐵工程可追溯至1863年的倫敦大都會鐵路。為了向公眾展示地鐵在城市中的分布情況和站點地址，人們使用線條和圓點在城市地圖上直觀地表示地鐵線路。圖1是1907年英國倫敦The Evening News發(fā)布的“倫敦地鐵地圖(Tube Map)”，其中不同的地鐵線路使用能夠明顯區(qū)分的顏色進行編碼，站點位置均采用地圖上的真實位置。
早期地鐵線路圖通常將視覺元素直接疊加在真實比例的城市地圖上。然而在人們出行時，很多時候并不需要考慮準確的站點地理位置，只需要關(guān)注“我從某地出發(fā)，乘某條線，能到某個站點”這樣的信息，就已足夠滿足出行需要。因此現(xiàn)代地鐵圖放棄完全貼合真實比例地圖，轉(zhuǎn)而使用比較規(guī)整的“示意性”布局方案。我們以目前最新的上海城市地鐵示意圖為例，其中所有用于表示線路的線條均由水平、垂直線和接近45度的斜線段組成，其站點位置的擺放僅大致表達了站點在城市中所處的方位。這種規(guī)整的布局設(shè)計能使人更加專注于提取“起始點——終點”信息，而無需費力地跟蹤原本錯綜復(fù)雜的曲線線條。然而真實比例的地鐵地圖并不是完全被拋棄，地鐵站經(jīng)常會在非主要位置擺放真實比例圖，提供給需要參考準確地理位置的乘客使用。
制作地鐵示意圖的工作最開始通常由設(shè)計師完成，其站點位置完全由人工安排。不過在站點和線路關(guān)系復(fù)雜的城市中，如何生成這種規(guī)整的地鐵示意圖著實是一門學問。隨著優(yōu)化算法的引入，很多專門的算法都可以用于生成這些地圖，并支持加入各種約束條件(如保持整體形狀、減少交叉數(shù)目、減少使用斜線等)，以生成不同需求下的示意圖結(jié)果，供設(shè)計師和決策者參考。早在一個世紀前，étienne-Jules Marey為了分析火車交通系統(tǒng)的運行狀態(tài)，設(shè)計了一個展示火車時刻的圖表。如圖3所示，多個時間軸平行分布，每一個時間軸對應(yīng)一座車站，沿縱向根據(jù)車站間地理距離分布。每一條折線連接不同時間軸上的時間點，揭示每一列火車在每個站點?？康臅r間。同時，線的斜率反映了火車的速度：越傾斜代表火車速度越快。現(xiàn)在我們稱這樣的圖表為Marey's Graph。
2.可視化方法
交通數(shù)據(jù)主要指的是由移動設(shè)備的位置傳感器和安裝在道路上的監(jiān)控器所生成并且收集的數(shù)據(jù)。例如，出租車GPS軌跡數(shù)據(jù)記錄了車輛實時的精確經(jīng)緯度位置，手機用戶的基站數(shù)據(jù)記錄了手機用戶進出的基站序號，道路上的監(jiān)控設(shè)備實時錄制、拍攝和計數(shù)過往的車輛信息。軌跡數(shù)據(jù)是一種最常見的交通數(shù)據(jù)，每一個軌跡記錄點不僅包含位置信息，同時還記錄了當時的時間。事件日志提供了更多關(guān)于城市交通道路上的語義信息，可以增強我們對異常軌跡的理解和分析，比如堵車、車禍等事件。交通數(shù)據(jù)的可視化方法主要分為三類：統(tǒng)計、時空軌跡和多維編碼。
2.1 統(tǒng)計
熱力圖作為最基本和常見的可視化形式之一，通常用于表達單一數(shù)值(如車流量、人數(shù)、繁忙程度等)在不同位置上的分布。圖4是美國紐約2011年中某一周的出租車運營狀況，其中，地圖上每個像素點的顏色深淺代表該位置每小時的平均營運量;顏色越深，則代表該位置出租車上下客越頻繁。因此在熱力圖的顏色分布中，我們可直觀看到城市繁華地區(qū)的出租車客運更加繁忙。
2.2 時空軌跡
軌跡數(shù)據(jù)蘊含著豐富的時空信息，我們可以從時間和空間角度對軌跡數(shù)據(jù)進行可視化。軌跡的時間屬性主要有線性時間和周期性時間兩種。線性時間可以使用基于時間線的可視化方法編碼，時間線的兩端編碼了數(shù)據(jù)的起始時間。圖5中的視圖采用時間線的方法可視化了地鐵路徑選擇與時長的關(guān)系[6]。從一個站點出發(fā)，用戶可以根據(jù)地鐵網(wǎng)絡(luò)選擇任意一個站點下車，水平軸上的長度代表了整一趟旅途所花費的時間。對于周期性的時間，比如周、天、小時，最常用的可視化方法是環(huán)形布局。
空間在軌跡分析中是非常重要的屬性，人類的社會活動都和位置密切相關(guān)。軌跡的空間屬性可以基于線進行繪制。Lundblad等人[7]將輪船的航線用折線繪制于地圖上，提供船只的監(jiān)測服務(wù)。然而，如果直接繪制大規(guī)模的軌跡，屏幕上就會充斥著大量繁雜的軌跡，可視分析系統(tǒng)的使用者就無法進行理解分析?？梢暬芯空咛岢隽诉吔壎ㄋ惴▽ο嗨频能壽E進行聚合。圖6所示的是美國境內(nèi)的飛機軌跡。當我們采用邊綁定的算法[8]對形狀類似的軌跡進行聚類，用戶可以清楚地看到美國州與州之間的飛行情況。
2.3 多維編碼
熱力圖和軌跡圖等可視化形式一般只能編碼較少的維度信息。當數(shù)據(jù)維度較多時，通用可視化形式開始變得難以駕馭如此復(fù)雜的信息，因此需要針對應(yīng)用場景和分析任務(wù)針對性設(shè)計合適的視覺編碼。例如，時空立方體(Space-Time Cube，STC)是一種表達時空軌跡的常用方法，其中物體的軌跡使用從地圖平面逐漸向上方延伸的線條進行表達。為了展現(xiàn)軌跡不同位置上的多種屬性(例如人群類型，車輛類型，發(fā)生事件的詳細信息等)，軌跡線條上還可以在相應(yīng)位置添加顏色、點、幾何圖形或是特殊設(shè)計的圖符等。如圖7所示，折線編碼了車輛在空間和時間維度上的位置，其中顏色從紅到綠編碼了移動速度，一些遭遇交通擁堵的軌跡很容易被分辨出來。
在交通智能分析系統(tǒng)中所使用的可視分析技術(shù)按照應(yīng)用類型可以分為查詢、統(tǒng)計分析和查詢推理三大類。
2.4 查詢
城市交通路網(wǎng)分析對于交通管理有一定的指導(dǎo)意義?，F(xiàn)有的路網(wǎng)分析方法一般需要布置特定的設(shè)備和專業(yè)人員現(xiàn)場采集數(shù)據(jù)，過程也多采取多次試錯的方式調(diào)節(jié)各類模型參數(shù)，需要大量的人力和物力。城市交通軌跡數(shù)據(jù)保存了大量車輛長期行駛記錄，數(shù)據(jù)覆蓋城市大部分道路，有利于城市道路整體評估。陳為教授團隊提出了一種基于道路的軌跡查詢模型[10]，對軌跡數(shù)據(jù)建立了雙向鏈接哈希索引提升查詢效率。他們設(shè)計的可視化系統(tǒng)中將道路作為空間查詢約束，把道路上車流模式劃分為四種拓撲模式：leave，cover，enter和cross。同時，系統(tǒng)提供了刷選工具，分析師可以任意選擇道路，通過該道路的車流熱力圖，統(tǒng)計圖等對道路進行評估和分析，見圖8。通過實際案例分析，該系統(tǒng)可以發(fā)現(xiàn)潮汐車道以及“分水嶺”等城市道路的車流模式特征。
對于交通軌跡數(shù)據(jù)的信息挖掘和知識提取越來越重要，現(xiàn)有的工作大多都圍繞對特定地理位置區(qū)域和時間段的軌跡數(shù)據(jù)進行過濾。而對于特定的分析任務(wù)，查詢難度就大大上升了。例如商場的管理者，希望知道在城市的什么地點放置擺渡車輛。趙燁教授團隊研發(fā)了一種能夠基于語義的大規(guī)模軌跡檢索方法[11]。系統(tǒng)將海量軌跡數(shù)據(jù)轉(zhuǎn)換為兩種不同的索引文本文件從而支持對出租車和針對行程的快速查詢功能(圖9)。領(lǐng)域?qū)＜一蚬芾砣藛T可以通過輸入帶有語義的查詢句子對軌跡進行檢索。例如用戶可以查詢經(jīng)過特定的街道或地點的軌跡。統(tǒng)計視圖、文本視圖和環(huán)境地圖從不同的分析角度展現(xiàn)查詢結(jié)果。最后團隊通過對商場軌跡的實際案例分析，發(fā)現(xiàn)了如“商場繁忙路段”、“最愛來商場購物人群”及“最熱門商圈”等有價值的信息。
2.5 統(tǒng)計分析
手機位置數(shù)據(jù)可用于研究城市中的人群流動模式與特征。然而對于城市級別的海量位置數(shù)據(jù)，分析師首先希望從宏觀角度查看和探索整個數(shù)據(jù)集，得到對數(shù)據(jù)分布和特征的大致印象。如圖10所示，陳為教授團隊將用戶在手機基站間的流動量作為網(wǎng)絡(luò)流進行建模，對城市范圍內(nèi)的手機用戶的移動行為特征從四個方面進行可視化[12]：①基于基站的流量分析，使用特殊設(shè)計的視覺編碼展示每個基站上的流量和方向分布;②基站流量的時序特征分析，用于分析基站流量隨時間的分布和周期性波動;③基站間流量的密度圖可視化，使用密度圖方法展示基站間的流動關(guān)系和人流密度;④結(jié)合社交關(guān)系的人群流動可視化，通過在同一社交圈中的手機用戶在地域上的移動發(fā)掘人群社交關(guān)系與地理位置間的關(guān)聯(lián)。
2.6 查詢推理
“智慧城市”一詞萌芽于當今的數(shù)據(jù)爆炸時代。社交媒體，車輛人流，設(shè)施圖像等各個領(lǐng)域匯集了海量數(shù)據(jù)信息。人們開始融合多領(lǐng)域數(shù)據(jù)，期望得到更加全面的分析結(jié)果。多源異構(gòu)數(shù)據(jù)的查詢與推理能夠最直接的結(jié)合各個數(shù)據(jù)集的知識?！癝tep by step”的數(shù)據(jù)分析方法利用上一步分析結(jié)果，指導(dǎo)并影響下一步的分析，利用推理模式對多數(shù)據(jù)源的城市數(shù)據(jù)進行分析。針對查詢推理的可視分析工具則能使人更加直觀方便的輸入查詢條件，構(gòu)建推理流程，得到分析結(jié)果。浙江大學陳為教授的團隊研發(fā)了一種能夠應(yīng)用于城市規(guī)劃，交通監(jiān)管和場景再現(xiàn)的可視分析系統(tǒng)[13]。系統(tǒng)通過建立高效的數(shù)據(jù)索引，提供對多源異構(gòu)城市數(shù)據(jù)的查詢、展示和推理，可以實現(xiàn)復(fù)雜的城市分析任務(wù)。系統(tǒng)中，繁瑣的城市問題可以被拆分成多個簡單的原子查詢，從而建立推理流程，完成分析。例如圖11案例，微博的博主希望尋回在出租車上丟失的手機。分析人員首先在建筑物信息數(shù)據(jù)中檢索到行程起點和終點的位置。緊接著，通過對出租車軌跡數(shù)據(jù)的O-D查詢，定位到兩輛當晚經(jīng)過起點和終點的出租車。系統(tǒng)通過對出租車軌跡的場景再現(xiàn)，結(jié)合出租車的載客狀態(tài)與微博描述，從而鎖定了乘客乘坐的出租車。
3.系統(tǒng)實例
本文以多個交通數(shù)據(jù)可視分析系統(tǒng)的實例介紹交通模式發(fā)現(xiàn)和交通態(tài)勢監(jiān)控。
交通數(shù)據(jù)可視化的一個重要目標就是發(fā)現(xiàn)和分析交通系統(tǒng)中實體的移動模式。一種移動模式可以描述交通系統(tǒng)中一組實體的移動方式。通過將可視化技術(shù)與聚類等數(shù)據(jù)挖掘的方法相結(jié)合，便可以支持用戶交互的探索交通數(shù)據(jù)中實體的移動模式。例如，在TripVista[14]中，就利用了stream map，平行坐標圖等可視化技術(shù)對一個十字路口中，行人、公交車、轎車、自行車等實體的移動模式進行了可視化的分析。
交通可視化的另一個重要目標就是對交通態(tài)勢的可視化監(jiān)控?？梢暬O(jiān)控的目標就是從交通監(jiān)控數(shù)據(jù)中發(fā)現(xiàn)在交通系統(tǒng)中出現(xiàn)的一些意外事件，比如車禍、汽車拋錨等等。一般情況下，交通監(jiān)控系統(tǒng)產(chǎn)生的數(shù)據(jù)量是非常龐大的，因為這些系統(tǒng)每時每刻都在不斷的產(chǎn)生數(shù)據(jù)。因此，直接從原始的監(jiān)控數(shù)據(jù)中找到交通系統(tǒng)中發(fā)生的特殊事件是非常費時且困難的工作。如果利用可視化技術(shù)，就可以讓用戶根據(jù)可視化提供的一些視覺線索，從宏觀到微觀，自頂向下地尋找交通數(shù)據(jù)中存在的一些事件。比如，AIVis[15]就首先從視頻監(jiān)控中抽取出交通事件，然后再通過可視化的方式展示在隧道中發(fā)生的事件;而T-Watcher[16]則是一個監(jiān)控和分析大城市中復(fù)雜交通狀況的可視分析系統(tǒng)，通過多種視圖來展示城市中不同尺度下的交通情況，引導(dǎo)用戶從整個城市的宏觀交通情況探索到一個較為微觀的尺度中，監(jiān)控一小部分車輛的行駛情況。
4.結(jié)語
交通大數(shù)據(jù)給我們帶來了無限的機遇，同時也存在著巨大的挑戰(zhàn)。如何理解、分析和預(yù)測交通數(shù)據(jù)，是我們這個時代所面臨的問題?？梢暬墙鉀Q分析大規(guī)模非結(jié)構(gòu)化交通數(shù)據(jù)的一把重要的鑰匙。通過對交通數(shù)據(jù)的交互式分析，可視化技術(shù)將用戶智慧和機器智慧交融反饋，進而優(yōu)化并且解決交通問題。相信在不久的將來，我們可以享受到更加高效的城市交通系統(tǒng)，生活在一個便捷的智慧城市中。
