一种基于网格的简单高效的方法：从浮动车轨迹数据提取交通动态信息

1、文章信息

《Mapping to Cells: A Simple Method to Extract Traffic Dynamics from Probe Vehicle Data》。

北京工业大学贺正冰老师2017年发在Computer-Aided Civil and Infrastructure Engineering上的一篇文章，交通土木顶级期刊。

2、摘要

在大数据时代，挖掘数据而不是收集数据是研究者和工程师面临的新挑战。在交通领域，从广泛存在的浮动车数据中提取交通动态具有重要的理论和实践意义。因此，本文提出一种简单的网格映射方法来构建高速公路网络的时空交通图。该方法首先将一个网络区域划分为小的正方形网格，并用这些网格表示该区域内的真实网络。在确定了各单元的交通流方向后，可以很好地构造出按交通速度着色的时空交通图。文章以北京的城市高速公路为例，验证了该方法的有效性和优越性。

这种方法很简单，因为它完全基于数据本身，没有借助任何其他工具例如如地理信息系统软件或数字地图等。该方法基于离散的空间-空间和时间-空间同质单元格(space-space and time-space homogeneous cells)，允许我们通过基本的算术运算匹配浮动车数据，有助于从浮动车数据中更好地了解交通拥堵，从而帮助开展各种交通研究和应用。

3、简介

如何从浮动车数据中可视化和提取交通状况是一个有意义的话题。通过使用浮动车数据可视化交通状况，最简单的方法是直接在地图上绘制探测车辆的位置，并根据其瞬时速度着色。然而，这种高度离散的方式并不能系统地为我们提供在时间和空间上不断演化的交通动态。

而且利用地图匹配和GIS技术构建时空图存在两个问题。首先是地图匹配和GIS技术。地图匹配是一个众所周知的具有挑战性的任务，特别是对于低时间分辨率的浮动车数据，而且，虽然相关的技术和软件广泛存在，但这些技术更像是复杂的工具，而不是交通工程师和研究人员真正感兴趣的，他们与GIS的研究不太相关。此外，不应忽视的是，商用GIS软件通常是昂贵的，这可能更糟。例如在美国，没有能够让研究人员和工程师匹配浮动车数据的数字地图。公司为我们提供了大量的几个月的浮动车数据，但为了保护知识产权不愿意提供地图。其他开源的数字地图可能与这些数据不太匹配。因此，如果没有数字地图的帮助，分析数据似乎是不可能的。特别是在我们无法轻易获得地图的情况下，或者在地理信息受到限制的国家，也会出现缺乏当地地图的情况，尤其是那些不致力于学术研究的数据。

为此，本文提出了一种简单而有效的构建高速公路网时空交通图的映射方法，以实现从浮动车数据中完全可视化交通动态。方法很简单，因为它完全基于浮动车数据，没有使用任何其他工具，如GIS软件或数字地图。不熟悉地图匹配和GIS技术的研究人员和工程师可以在短时间内掌握它。该方法将连续的网络空间转化为离散的、同质的单元格，通过简单的计算可以将GPS定位点与单元格匹配，是一种有效的在线应用方法。对于处理大数据来说，效率比准确性更有意义。在北京的城市高速公路上验证了该方法的有效性。据作者所知，这是北京城市高速公路时空交通图首次采用这样的分辨率（本文所使用的轨迹数据的打点间隔为30秒到5min），这得益于基于网格的映射方法。

本文的其余部分组织如下:第二节讨论了网格单元映射方法，包括构建一个网格单元网络，确定网格单元中的交通流方向，构建时空图和拥挤识别。第3节以中国北京的一个城市高速公路为例，验证了该方法的有效性，并构造了随机拥堵图。最后给出了结论。本文的结构如图1所示，其中包括了映射到单元格方法的过程，对每个过程的简要描述，以及北京城市高速案例中相应的结果。

4、创新点

文章并没有涉及复杂的算法，最大的创新性还是点子上，即文章反复强调的：本文的研究完全基于轨迹数据，没有借助任何GIS工具以及地图。

5、结论部分

mapping-to-cells method的优点如下:

capable。该方法能够将高速公路网络转换为蜂窝网络，并能以较低的时间分辨率从分散的探测数据中提取交通动态。

简单。这种方法很简单，因为它完全基于数据本身，不需要任何附加GIS工具甚至数字地图的帮助。

非常高效。该方法将连续时间和空间离散为均匀方形单元，计算量小，效率高。在大数据时代更有意义，因为我们通常有大量的数据需要处理。

Attention

如果你和我一样是轨道交通、道路交通、城市规划相关领域的，可以加微信：Dr_JinleiZhang，备注“进群”，加入交通大数据交流群！希望我们共同进步！