四川中衛(wèi)北斗科技有限公司

在線咨詢
微信

微信掃一掃

長按二維碼關注微信加好友

交通可視化將是解決分析交通數據重要鑰匙

發(fā)布時間:2018-01-03 10:56

        隨著交通系統(tǒng)的快速發(fā)展,交通已經成為人類生活中一個重要的組成部分。據統(tǒng)計,城市中大約有40%的人口每天花費1小時在交通上[1] 。然而,現代城市中大量的人口以及交通工具產生了許多城市問題,比如交通擁堵、交通事故和空氣污染等。


  伴隨著大數據可視化的熱潮,在交通數據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)每時每刻都會產生大量的數據,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,交通數據的規(guī)模有了爆炸性的增長。在這種情況下,直接對交通數據進行分析的傳統(tǒng)方法已經變得越來越困難,而且效率越來越低,數據挖掘、機器學習和可視化等智能化技術的深入和廣泛使用已經變得刻不容緩。特別地,可視化可以將用戶和數據直接相關,支持用戶以簡單可視的方式與數據進行交互,進而實現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用領域展開工作,認為這一技術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)中產生的數據進行編碼,通過圖片、圖表的方式向用戶展示交通數據,支持用戶交互的分析交通數據,主要包括對象軌跡的可視化、監(jiān)控數據的可視化以及路網路況的可視化。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)控數據的可視化則可以根據監(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;至于路網路況的可視化,則一般是通過熱力圖等技術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的總和。一個智能分析系統(tǒng)一般可以大致的拆分成數據采集、數據預處理、數據查詢和數據分析四個部分。除了數據采集外,其他三個部分都有可視化技術的施展空間。比如,在數據預處理過程中,采集到的原始交通數據可能存在包括重復、缺失在內的各種各樣的問題,可視數據清洗可以幫助用戶對原始交通數據進行去重、補全等操作,提高數據的可用性;在數據查詢過程中,通過可視化的查詢界面,幫助用戶優(yōu)化查詢條件,分析查詢結果等等;在數據分析過程中,可視化技術可以與其他數據分析方法相結合,支持用戶干預數據分析流程。


  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)對于人們的服務質量,交通數據的可視分析扮演了一個重要的角色。數據可視化雖然是剛興起的學科,但是可視化方法在交通數據的分析過程中存在已久。


  地鐵出現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。因此現代地鐵圖放棄完全貼合真實比例地圖,轉而使用比較規(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系復雜的城市中,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、減少交叉數目、減少使用斜線等),以生成不同需求下的示意圖結果,供設計師和決策者參考。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,每一個時間軸對應一座車站,沿縱向根據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?,F在我們稱這樣的圖表為Marey's Graph。


  2.可視化方法


  交通數據主要指的是由移動設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據。例如,出租車GPS軌跡數據記錄了車輛實時的精確經緯度位置,手機用戶的基站數據記錄了手機用戶進出的基站序號,道路上的監(jiān)控設備實時錄制、拍攝和計數過往的車輛信息。軌跡數據是一種最常見的交通數據,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。交通數據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值(如車流量、人數、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


  軌跡數據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據進行可視化。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據的起始時間。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系[6]。從一個站點出發(fā),用戶可以根據地鐵網絡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。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。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。可視化研究者提出了邊綁定算法對相似的軌跡進行聚合。圖6所示的是美國境內的飛機軌跡。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。當數據維度較多時,通用可視化形式開始變得難以駕馭如此復雜的信息,因此需要針對應用場景和分析任務針對性設計合適的視覺編碼。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位置添加顏色、點、幾何圖形或是特殊設計的圖符等。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按照應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


  城市交通路網分析對于交通管理有一定的指導意義。現有的路網分析方法一般需要布置特定的設備和專業(yè)人員現場采集數據,過程也多采取多次試錯的方式調節(jié)各類模型參數,需要大量的人力和物力。城市交通軌跡數據保存了大量車輛長期行駛記錄,數據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],對軌跡數據建立了雙向鏈接哈希索引提升查詢效率。他們設計的可視化系統(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。


  對于交通軌跡數據的信息挖掘和知識提取越來越重要,現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據進行過濾。而對于特定的分析任務,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)將海量軌跡數據轉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)。領域專家或管理人員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查詢結果。最后團隊通過對商場軌跡的實際案例分析,發(fā)現了如“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


  手機位置數據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據,分析師首先希望從宏觀角度查看和探索整個數據集,得到對數據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絡流進行建模,對城市范圍內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系和人流密度;④結合社交關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)掘人群社交關系與地理位置間的關聯。


  2.6 查詢推理


  “智慧城市”一詞萌芽于當今的數據爆炸時代。社交媒體,車輛人流,設施圖像等各個領域匯集了海量數據信息。人們開始融合多領域數據,期望得到更加全面的分析結果。多源異構數據的查詢與推理能夠最直接的結合各個數據集的知識。“Step by step”的數據分析方法利用上一步分析結果,指導并影響下一步的分析,利用推理模式對多數據源的城市數據進行分析。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,構建推理流程,得到分析結果。浙江大學陳為教授的團隊研發(fā)了一種能夠應用于城市規(guī)劃,交通監(jiān)管和場景再現的可視分析系統(tǒng)[13]。系統(tǒng)通過建立高效的數據索引,提供對多源異構城市數據的查詢、展示和推理,可以實現復雜的城市分析任務。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據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據的O-D查詢,定位到兩輛當晚經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,結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


  本文以多個交通數據可視分析系統(tǒng)的實例介紹交通模式發(fā)現和交通態(tài)勢監(jiān)控。


  交通數據可視化的一個重要目標就是發(fā)現和分析交通系統(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。通過將可視化技術與聚類等數據挖掘的方法相結合,便可以支持用戶交互的探索交通數據中實體的移動模式。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)控數據中發(fā)現在交通系統(tǒng)中出現的一些意外事件,比如車禍、汽車拋錨等等。一般情況下,交通監(jiān)控系統(tǒng)產生的數據量是非常龐大的,因為這些系統(tǒng)每時每刻都在不斷的產生數據。因此,直接從原始的監(jiān)控數據中找到交通系統(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,就可以讓用戶根據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據中存在的一些事件。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.結語


  交通大數據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、分析和預測交通數據,是我們這個時代所面臨的問題??梢暬墙鉀Q分析大規(guī)模非結構化交通數據的一把重要的鑰匙。通過對交通數據的交互式分析,可視化技術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。


           友情鏈接:www.51carfi.com

掃一掃在手機上閱讀本文章

版權所有? 四川中衛(wèi)北斗科技有限公司    蜀ICP備14007264號-3    技術支持: 竹子建站