XX市基于大數(shù)據(jù)的智慧交通解決方案

1、XX市基于大數(shù)據(jù)的智能交通解決方案2解決方案1項(xiàng)目背景3項(xiàng)目應(yīng)用案例目錄城市交通“路在何方”：管理與技術(shù)的深度融合健康的城市空間結(jié)構(gòu)+可持續(xù)的交通模式+高效運(yùn)行的交通服務(wù)體系不是表面的車-路矛盾，而 是人居環(huán)境與無節(jié)制的小汽 車交通需求間的矛盾簡單依靠硬件系統(tǒng)建設(shè)，并不能保證城市交通模 式自然向可持續(xù)方向轉(zhuǎn)變?nèi)毡救蠖际腥?通比例結(jié)構(gòu)的演變。智能車輛并不能從根本 上改變空間資源制約單純依靠交通系統(tǒng)克服 城市空間結(jié)構(gòu)缺陷，是 難以勝任的任務(wù)路權(quán)之爭，本質(zhì)上是對公眾利 益訴求分歧的公共政策協(xié)調(diào)城市交通面對的是人居環(huán)境與難以節(jié)制的交 通需求之間的矛盾Beijing 北京市Guangzhou 廣州市

2、Shanghai 上海市我們并非不知道增長的極限，但是 在無序地爭搶屬于自己的資源！我們不是沒有對美好家園的憧憬，但是缺少實(shí)現(xiàn)理 想的資源管控機(jī)制！首爾市清溪川改造工程拆除了5.8公里的高架路，創(chuàng)造宜居的生態(tài)環(huán)境 減少車流 : 125,000 輛/日改造前改造后(2005年9月)1)經(jīng)濟(jì)增長年3) 機(jī)動(dòng)化GDP4)供需關(guān)系車均道路長度2) 城市擴(kuò)展年城市半徑排放年6) 環(huán)境污染5) 能源消耗能源消耗城市半徑Nanjing 南京市Chengdu 成都市Hangzhou 杭州市我們不是不了解惡性循環(huán)的后果，但是 缺乏擺脫“尾旋”的能力！GDP汽車保有量既然城市交通面對的不是單純的“車-路”矛盾，僅

3、僅在交通工具和硬件設(shè)施上做文章，就難以取得真 正的實(shí)效?！皬?fù)雜性”在考驗(yàn)政府管理智慧多個(gè)自由度上的互動(dòng)，呈現(xiàn)“復(fù)雜”也展現(xiàn)“可能性”，關(guān)鍵是“駕馭能力”！城鎮(zhèn)化進(jìn)入城 市群發(fā)展階段軌道交通政策支 持和建設(shè)推進(jìn)汽車保有量的快 速增加1370010000我們一直希望通過提高“預(yù)測精度”來消除未來 的“不確定性”，現(xiàn)在卻 不得不重新思考“未來是 可以準(zhǔn)確預(yù)測的嗎”？不確定性不可怕，可怕式的出現(xiàn)與沖擊“互聯(lián)網(wǎng)+”帶來 的機(jī)遇和挑戰(zhàn)信息技術(shù)注入引 發(fā)的系統(tǒng)變化城市空間結(jié)構(gòu) 的演化？交通方式結(jié)構(gòu) 的快速變化的是固執(zhí)于“線性思維”；駕馭不確定性，需要建 立政府對變化過程的控制 能力；城市交通戰(zhàn)略調(diào)控，既 要

4、充分利用已有經(jīng)驗(yàn)和理 論，也要善于發(fā)現(xiàn)“未 知”，及時(shí)調(diào)整工作方案 和對策。大數(shù)據(jù)價(jià)值在于更強(qiáng)的觀察能力所帶來的決策分析方法變化IC卡數(shù)據(jù)移動(dòng)通信數(shù)據(jù)車牌照數(shù)據(jù)滬A1GPS數(shù)據(jù)人口普查數(shù)據(jù)城市規(guī)劃管理數(shù)據(jù)POI數(shù)據(jù)住宅價(jià)格數(shù)據(jù)其它基礎(chǔ)數(shù)據(jù)個(gè)體連續(xù) 追蹤數(shù)據(jù)P軌交AFC數(shù)據(jù)出租車營運(yùn)數(shù)據(jù)定點(diǎn)檢測器數(shù)據(jù)停車管理數(shù)據(jù)單次計(jì)量 觀測數(shù)據(jù)期盼大數(shù)據(jù)所帶來的多角度 連續(xù)“廣譜”觀測能力， 如何提升城市交通對策 水平？瓶頸面對快速且復(fù) 雜的變化，傳 統(tǒng)交通調(diào)查無 論從觀察頻度 還是觀察廣度 上，均顯現(xiàn)出 極大的不適應(yīng)。大數(shù)據(jù)并非簡單是“大的數(shù)據(jù)”當(dāng)我們當(dāng)我們獲得更多 天的OD傳統(tǒng)交通調(diào) 查獲得的是 基于小樣

5、本 的一天OD車輛數(shù)量/萬臺車輛使用特征類型當(dāng)我們可以更加細(xì)致地觀 察交通流動(dòng)的構(gòu)成與分布7:30-8:00, 6.81%8:00-8:30, 6.51%17:30-18:00, 5.48%18:00-18:30, 5.98%2.00%1.00%0.00%7.00%6.00%5.00%4.00%3.00%8.00%乘客比例上車時(shí)間當(dāng)我們可以更加細(xì)致地 區(qū)分公交乘客的活動(dòng)類型時(shí)間軸獲得大 樣本但 不精確 的許多天“OD”時(shí)-50000-5000050001000015000-5000-45000 -40000 -35000 -300000500010000odData_zip,2odData_z

6、ip,3中秋節(jié)（周一）國慶前一天（周五）中秋節(jié)放假前一天（周五）odData_zip,1事故后一天周五時(shí)間軸上 的降維而 非數(shù)學(xué)平 均！主要用于通勤車 輛高頻度使用車輛低頻度使用車輛上海牌照12.4459.18196.87外地牌照2.3740.03206.99合計(jì)車輛數(shù)14.8199.21403.86占所有車輛比例2.86%19.16%77.98%基 于 用 戶 咂 畫 像 喘 的 車 輛 時(shí) 空 分 布100%90%80%70%60%50%40%30%20%10%0%乘次比例上車時(shí)間不同時(shí)段內(nèi)各類乘客的乘次與該時(shí)段內(nèi)總乘次之比 Cluster 1 Cluster 2 Cluster 39.0

7、1%21.43%10.33%0%5%10%15%20%25%乘客比例工作日首乘時(shí)間平均值Cluster 1Cluster 2Cluster 3Cluster 1Cluster 2Cluster 3廈門北站第一碼頭廈門站居住區(qū)2解決方案1項(xiàng)目背景3項(xiàng)目應(yīng)用案例目錄理解決策：城市交通目標(biāo)導(dǎo)向行動(dòng)框架可以不依賴小汽車的 城市空間結(jié)構(gòu)土地與交通協(xié)同 的政策體系要素結(jié)構(gòu)杠桿目標(biāo)環(huán)境的制約能源的制約土地的制約適應(yīng)可持續(xù)發(fā)展要求 的交通基礎(chǔ)設(shè)施以公交為主體的綜合 交通服務(wù)體系具有創(chuàng)新性的交通技 術(shù)保障體系圍繞智慧管理的決策 支持體系公交優(yōu)先發(fā)展的 政策體系機(jī)動(dòng)化進(jìn)程管理 的政策體系新能源技術(shù)發(fā)展 的政策體系

8、協(xié)調(diào)決策民主與 科學(xué)的政策體系可持續(xù)發(fā)展的交通模式對生態(tài)環(huán)境的保護(hù)對社會健康發(fā)展的支持對經(jīng)濟(jì)活力的支持理解技術(shù)感知：變化、征兆、效果駐點(diǎn)的空間分布在興趣值基礎(chǔ)上多維 子空間聚類分析出行鏈模式分析個(gè)體屬 性輸入通過聚類和降維 簡化問題正確設(shè)定觀察角度合理選擇表征指標(biāo)識別值得關(guān)注的“聚 集”、“涌現(xiàn)”和“異常征兆”軌道交通不使用軌道交通偶爾使用軌道交通中度使用軌道交通重度使用活動(dòng)區(qū)域活動(dòng)區(qū)域活動(dòng)區(qū)域建成環(huán)境差、建成環(huán)境差、離 市中心非公離家近家遠(yuǎn)或者 市中心 交走廊沿線 公交走廊沿線活動(dòng)區(qū)域建成環(huán)境 差、離家近居住地顧村 大華活動(dòng)區(qū)域居住地其他三靜安類區(qū)域居住地顧村 大華居住地居住地居住地靜安顧村

9、大華居住地靜安44.5% 42.6%48.0%38.5%62.8%43.2%38.0%61.7%49.0%52.6% 65.9%對變化趨勢的模式識別基于大數(shù)據(jù)并不意味著必然“真實(shí)”，決策 者和研究者看到的是經(jīng)過數(shù)據(jù)分析工程師加工的“數(shù)據(jù)圖像”，其“立場”、“視野”、“價(jià)值 取向”、“分析能力”等，均會對“數(shù)據(jù)圖像” 產(chǎn)生影響，也會造成用戶的觀察能力的缺陷！理解技術(shù)認(rèn)知：公共管理領(lǐng)域不可回避的任務(wù)小汽車巴士當(dāng)視野得到擴(kuò)展，的確可以 依靠直覺發(fā)現(xiàn)規(guī)律步行自行車+摩托更多的情況下，關(guān)聯(lián)分析給出重要 的“向?qū)А毙畔⒑晡⒂^數(shù)據(jù)的鏈接， 是將宏觀態(tài)勢分析與微觀 機(jī)理分析結(jié)合的關(guān)鍵。利用大數(shù)據(jù)的 時(shí)空分布結(jié)

10、構(gòu)分析 與利用問卷調(diào)查數(shù) 據(jù)的機(jī)理研究。3.3 高鐵站點(diǎn)要素集聚關(guān)聯(lián)研究（決策樹C5.0算法）周 邊 要 素 集 聚距離指數(shù)0.3連接車站數(shù)129城市等級3影響重要性（0- 1）0.210.110.40.200.8 0.680.6距離指數(shù)=0.14 集聚度好 北京西站、北京南站、寧波站、鄭州東站（4，100%）距離指數(shù)0.14 集聚度中：杭州東站、廊坊站、石家莊站、天津西站（4，100%）集聚度差：常州北站、成都東站、安陽東站、嘉興南站、廈門北站、蘇連接車站數(shù)=3 集聚度差：嘉興南站、昆山南站、徐州東站（3，100%）通過大數(shù)據(jù)的整體類別結(jié)構(gòu) 分析，為案例剖析防止“選擇性 偏差奠定基礎(chǔ)”。理解

11、技術(shù)洞察：情報(bào)決策中最華麗的篇章智慧政府的行動(dòng)框架治本：制定戰(zhàn)略性空間政策， 實(shí)現(xiàn)可持續(xù)發(fā)展的交通模式 與健康的城市空間結(jié)構(gòu)的戰(zhàn) 略協(xié)同；需求管理：充分認(rèn)識“雙面 劍”性質(zhì)，精準(zhǔn)調(diào)控，將正超越經(jīng)驗(yàn)、超越常規(guī)的認(rèn)識自相矛盾觸類旁通急中生智利用薄弱環(huán) 節(jié)重構(gòu)劇本增加新的 思維錨點(diǎn)拋棄薄弱 的錨點(diǎn)基 于 大 數(shù) 據(jù) 的思影響盡可能縮小，實(shí)現(xiàn)精準(zhǔn) 化調(diào)控；公交優(yōu)先：要讓公交成為社 會各界可接受的交通方式， 需要進(jìn)行需求細(xì)分，實(shí)現(xiàn)精 細(xì)化服務(wù)；交通控制：為了最大程度發(fā) 揮已有系統(tǒng)的潛力，必須明 晰擁堵形成機(jī)理，實(shí)現(xiàn)精明 管控?；?信礎(chǔ) 息： 融有 合效的決策層特征層數(shù)據(jù)層我們的理解、行動(dòng)、觀察、感覺和

12、期望的方式發(fā)生了變化辨 環(huán) 境新時(shí)期，城市交通大數(shù)據(jù)體系正進(jìn)行全面重構(gòu)，大數(shù)據(jù) 的融合分析為多維度的綜合性分析提供了可能性。區(qū)域評估：從城市到都市圈和區(qū)域廣 度1、交通大數(shù)據(jù)多維視角精細(xì)化評估：從網(wǎng)絡(luò)到片區(qū)、走廊和節(jié)點(diǎn)多領(lǐng)域跨行業(yè)評估：土地、交通、安全、環(huán)境、經(jīng)濟(jì)深 度頻 度維 度動(dòng)態(tài)、高效評估：每分、每時(shí)、每日、每周、每月綜 合 評 估構(gòu)建新一代“系統(tǒng)性”的邏輯架構(gòu)融合多元?jiǎng)屿o態(tài)交通數(shù)據(jù)，以多層次、一體化交通仿真模型為核心， 面向多維度、多領(lǐng)域應(yīng)用的綜合評估與決策支持系統(tǒng)。系統(tǒng)總體構(gòu)成2解決方案1項(xiàng)目背景3項(xiàng)目應(yīng)用案例目錄1、面向政府：交通指數(shù)系統(tǒng)+交通排放系統(tǒng)的評估體系1、面向政府：交通指

13、數(shù)系統(tǒng)依托交通指數(shù)平臺，對過去五年的重大交通政策效果及特殊事件影響進(jìn)行跟蹤評估停車收費(fèi)方案比選：評估不同停車收費(fèi)方案的運(yùn)行車速提升效果（約12%）工作日“征收、不錯(cuò)峰”24小時(shí)交通指數(shù)時(shí)變圖工作日“征收、錯(cuò)峰”24小時(shí)交通指數(shù)時(shí)變圖1、面向政府：交通指數(shù)系統(tǒng)評估路內(nèi)停車收費(fèi)政策效果，四個(gè)試點(diǎn)片區(qū)工作日晚高峰車速環(huán)比上 升12%-15%，非試點(diǎn)片區(qū)同期車速有升有降，幅度在4%左右。中心城區(qū)工作日晚高峰平 均車速增幅3.2公里/小時(shí) 上升約13%路內(nèi)停車收費(fèi)政策實(shí)施前路內(nèi)停車收費(fèi)政策實(shí)施后1、面向政府：交通排放系統(tǒng)中心城區(qū)工作日晚高峰 交通排放下降約7%。1、面向政府：重大基建、軌道客流預(yù)測評估基

14、于實(shí)時(shí)數(shù)據(jù)的車站運(yùn)營組織方案仿真模擬及優(yōu)化蓮 塘 口 岸 微 觀廣泛應(yīng)用于軌道樞紐、有軌電車、道路、交叉口、交通公共空間的車輛、行人仿真， 為交通設(shè)施規(guī)劃、建筑工程設(shè)計(jì)提供直接依據(jù)。福 田高 鐵 站 周 邊 微1、面向政府：微觀仿真模型仿 真觀 仿 真地 鐵 車 站 微 觀 仿 真深 南 大 道 微 觀 仿 真1、面向政府：實(shí)時(shí)在線仿真系統(tǒng)建立數(shù)據(jù)采集、融合、計(jì)算、應(yīng)用和反饋的閉環(huán)系統(tǒng)，以動(dòng)態(tài)OD估計(jì)為核心技 術(shù)，每15分鐘更新一個(gè)OD矩陣，實(shí)時(shí)模擬并評估各種交通預(yù)案對道路交通流的影 響，實(shí)現(xiàn)各種預(yù)設(shè)復(fù)雜交通條件下的方案預(yù)演和快速而有效地選擇最優(yōu)交通改善或 交通管理方案。目前深圳正在推進(jìn)國內(nèi)首

15、個(gè)城市級的實(shí)時(shí)在線仿真試點(diǎn)，建設(shè)規(guī)模近2000km， 約占全市路網(wǎng)30%，覆蓋核心地區(qū)。南海大道-創(chuàng)業(yè)路口排陣仿真。 利用動(dòng)態(tài)仿真技術(shù)對排陣式仿真效果進(jìn)行模擬， 結(jié)果表明不同路況的排陣仿真效果差異較大。通過仿真，當(dāng)有90%以上的駕駛員熟悉 排陣式規(guī)則，則路口通行能力的提升優(yōu)于傳統(tǒng)交通控制方法。東西向左跨+南北排陣仿真現(xiàn)狀仿真南海大道-創(chuàng)業(yè)路口排陣仿真。 利用動(dòng)態(tài)仿真技術(shù)對排陣式仿真效果進(jìn)行多方 案比選，結(jié)果表明不同組織排陣方案，仿真效果差異較大，最大提升效果在5%左 右，而且是建立在100%的認(rèn)知度條件下。排陣式控制的實(shí)際效果需進(jìn)一步檢驗(yàn)。方案延誤/s飽和度停車次數(shù)預(yù)計(jì)最大通過量pcu/h延誤

16、預(yù)計(jì)最大 通過量 現(xiàn)狀方案46.50.880.726730 信號優(yōu)化方案38.50.850.69698518.1%3.9% 南北向左跨排陣方案36.80.870.9968120.9%1.2% 東西左跨排陣方案（占用右轉(zhuǎn)出口道）26.80.840.75703142.8%5.1% 東西向左跨排陣方案（不占用右轉(zhuǎn)出口道）30.50.850.75698034.2%4.6% 東西向左跨排陣，南北 向排陣方案33.70.901.09656327.5%2.5% 雙向左跨排陣方案28.70.830.83713038.3%5.4%2、全路網(wǎng)評估與動(dòng)態(tài)協(xié)調(diào)大數(shù)據(jù)方面：基于秒級大數(shù)據(jù)的信號交叉口延誤動(dòng)態(tài)監(jiān)測平臺，監(jiān)

17、測信號 配時(shí)，優(yōu)化信號配時(shí)，實(shí)時(shí)需求管理策略車頭時(shí)距（秒）存在空放空放排查：結(jié)合車頭 時(shí)距的變化，排查出大 龍崗地區(qū)五和大道-吉華 路等110個(gè)問題路口評估方面：融合手機(jī)信令、出租車OD等數(shù)據(jù)，分析出行總量和路徑，搭建深圳 市交通溯源平臺，輔助制定策略調(diào)控跨區(qū)/關(guān)鍵走廊交通出行，在時(shí)間上削峰填谷，空 間上控密補(bǔ)稀，實(shí)現(xiàn)區(qū)域時(shí)空平衡。深圳市交通溯源平臺（在建）通過交通溯源平臺，識別出擁堵點(diǎn)交通源主要來自上游3個(gè)路口，從而采取“向上截流、向下卸載”策略，確保在瓶頸處車輛維持一定車速情況下，達(dá)到該路 段最大通行能力（1900pcu/h），避免車輛溢出排隊(duì)。布瀾路鐵路橋瓶頸點(diǎn)控制策略優(yōu)化車速低于30公

18、里/時(shí)的緩行時(shí)段略有拉長，但早高峰的低于10公里/時(shí)的擁堵時(shí)段消失第二截流點(diǎn)第一截流點(diǎn)時(shí)間聯(lián)動(dòng)：自適應(yīng)控制由“單點(diǎn)自適應(yīng)”提升為“多點(diǎn)協(xié)同自適應(yīng)”，對間距小 于200米的相鄰路口，當(dāng)路側(cè)單元檢測到實(shí)時(shí)流量、車頭時(shí)距超出設(shè)定閾值，啟動(dòng)配時(shí) 參數(shù)優(yōu)化，調(diào)整路口間相位差和綠燈時(shí)長，避免車輛排隊(duì)溢出。3、路段時(shí)空聯(lián)動(dòng)原始龍平西路吉祥路口路側(cè)端智慧路口設(shè)備短距離路口間相位差、綠燈時(shí)長聯(lián)動(dòng)優(yōu)化后動(dòng)態(tài)車道管控：在道路空間資源挖潛上，開展潮汐車道、借道左轉(zhuǎn)、可變車道等 信號控制設(shè)計(jì)，上下游路口及平行路段協(xié)調(diào)車道資源，高效分配片區(qū)道路時(shí)空資源。布吉路潮汐車道新洲（蓮花-紅荔）潮汐車道皇崗筍崗路口借道左轉(zhuǎn)4、節(jié)點(diǎn)

19、公交、行人優(yōu)先公交信號優(yōu)先：利用路側(cè)DSRC設(shè)備接收公交車輛位置及速度信息，結(jié)合各相位飽 和度、公交專用道、公交車流量，改變傳統(tǒng)信號方案適應(yīng)公交車輛單向優(yōu)化方式，對 公交信號相位與車速交互優(yōu)化，提高優(yōu)先效率。路側(cè)智能單元信號優(yōu)先調(diào)節(jié)+車速建議行人信號優(yōu)先：一是適應(yīng)軌道、公交脈沖式客流信息，在人行過街量較大的路口 和公交站附近部署；二是檢測平面集聚式客流信息，在交叉口安全島部署。采集的人 流量、平均步行速度傳輸至信號燈，自動(dòng)下放行人優(yōu)先配時(shí)方案。脈沖特征，與行人過街信號協(xié)調(diào)留醫(yī)部留醫(yī)部站（路北）落客人流到達(dá)路口過街?jǐn)?shù)據(jù)統(tǒng)計(jì)分布東門北路翠竹路測試路口人流量監(jiān)控預(yù)警：利用手機(jī)信令、騰訊微信等大數(shù)據(jù)，

20、對深圳熱點(diǎn)區(qū)域人員活動(dòng) 強(qiáng)度實(shí)時(shí)監(jiān)控、預(yù)測和預(yù)警，實(shí)現(xiàn)擁擠警情動(dòng)態(tài)感知。鳳凰山景區(qū)人流實(shí)時(shí)動(dòng)態(tài)監(jiān)控預(yù)警5、智慧信號管控平臺依托大數(shù)據(jù)、車路協(xié)同及仿真技術(shù)，研發(fā)集評估、優(yōu)化功能于一體的新一代智能 化信號控制系統(tǒng)。6、停車運(yùn)營以政府公共停車場和路邊停車實(shí)時(shí)監(jiān)測為基礎(chǔ)，整合宜停車、停車百事通、 蜜蜂停車、捷順等眾多平臺采集的社會停車場動(dòng)態(tài)數(shù)據(jù)，構(gòu)建路內(nèi)、路外完整的 停車大數(shù)據(jù)平臺。統(tǒng)籌路內(nèi)路外動(dòng)靜態(tài)交通資源，探索建立常態(tài)化停車收費(fèi)調(diào)節(jié)機(jī)制，根據(jù)道路速 度、停車位周轉(zhuǎn)情況變化，實(shí)現(xiàn)路邊（公共）停車收費(fèi)動(dòng)態(tài)調(diào)價(jià)引導(dǎo)臨近停車場間的 錯(cuò)峰引流。桂園 黃貝東門 翠竹 東曉 南湖 筍崗錯(cuò)峰 引流政府動(dòng)態(tài)調(diào)價(jià)+商

21、業(yè)合理定價(jià)依托停車大數(shù)據(jù)，針對特定區(qū)域，差異化制定公共停車收費(fèi)調(diào)整政策，引導(dǎo)路外 經(jīng)營性停車價(jià)格有序調(diào)整。深圳灣口岸60%的停車時(shí)間超過6小時(shí)，車位周轉(zhuǎn)率低，采用大幅提高全天最高價(jià)；深圳北 站60%的停車時(shí)間在半小時(shí)內(nèi)，但節(jié)假日期間長時(shí)間停放比例高，采用工作日與節(jié)假日差異化 收費(fèi)標(biāo)準(zhǔn)。深圳灣口岸收費(fèi)調(diào)整效果：高峰車位占用率由85%降為40%車位周轉(zhuǎn)率由1.5提高至3.0深圳北站收費(fèi)調(diào)整效果：過夜車輛大幅度減少車位周轉(zhuǎn)率提高20%深圳灣口岸與深圳北站停車場停車時(shí)間分布對比3.小汽車出行比例由30%降至23%北站60%左右車輛 停留半小時(shí)以內(nèi)口岸60%左右車輛 停留6到12小時(shí)， 平均周轉(zhuǎn)率僅1.

22、5停車場調(diào)整前價(jià)格調(diào)整后價(jià)格深圳 北站首小時(shí)5元首小時(shí)10元第二小時(shí)起每半小時(shí)1元第二小時(shí)起每半小時(shí)3元（節(jié)假日）或2元（工作日）全天最高40元全天最高148元（節(jié)假日）、102元（工作日）深圳灣 口岸首小時(shí)5元首小時(shí)10元第二小時(shí)起每半小時(shí)1元第二小時(shí)起每半小時(shí)5元全天最高51元全天最高240元注1：市交委聯(lián)合市口岸辦、北站管理處提出調(diào)價(jià)申請，市發(fā)改委組織研究并提出收費(fèi) 調(diào)整方案，征求交委等部門意見后予以實(shí)施；注2：深圳北站于2016年6月22日實(shí)施調(diào)價(jià)，深圳灣口岸于2016年7月13日實(shí)施調(diào)價(jià)； 注3：收費(fèi)調(diào)整效果評估摘自市發(fā)改委相關(guān)研究報(bào)告。探索互聯(lián)網(wǎng)+政府開放數(shù)據(jù)的模式，開放實(shí)時(shí)剩余停

23、車位信息，支持手機(jī)地圖APP的功能升級，提升公眾出行體驗(yàn)。百度地圖實(shí)時(shí)停車位數(shù)據(jù)由 羅湖區(qū)政府 提供高德地圖API由交通中心托管行車輔助駕駛：路側(cè)設(shè)備與交叉口信號控制系統(tǒng)互聯(lián)，通過DSRC通信技術(shù)和車載設(shè)備，駕 駛員獲取該路口同步的信號燈狀態(tài)和倒計(jì)時(shí)信息；信號自適應(yīng)控制：車載信息接入到交通大數(shù)據(jù)平臺和實(shí)時(shí)在線仿真平臺，利用歷史庫和在線 實(shí)時(shí)數(shù)據(jù)進(jìn)行短時(shí)動(dòng)態(tài)OD預(yù)測，結(jié)合信號控制策略，生成精準(zhǔn)的主動(dòng)信號控制方案；特殊車輛優(yōu)先控制：以信號優(yōu)先控制策略為指導(dǎo)，通過交通大數(shù)據(jù)平臺獲取路口的車輛到達(dá) 率，根據(jù)路側(cè)設(shè)備連續(xù)感知車輛位置和信號狀態(tài)，在線生成推薦車速和信號調(diào)整方案。SUTPC車路協(xié)同系統(tǒng)信號主

24、動(dòng)控制技術(shù)SUTPC車路協(xié)同系統(tǒng)車路實(shí)時(shí)交互技術(shù)緊 急 車通過DSRC技術(shù)實(shí)現(xiàn)路側(cè)設(shè)備和車載設(shè)備的雙向毫秒級實(shí)時(shí)通訊，采用DSRC的 國際通信標(biāo)準(zhǔn)，研發(fā)多通道信息采集技術(shù)，向車輛提供交叉口信號狀態(tài)及倒計(jì)時(shí)信 息、道路積水信息、路段限速信息、道路施工信息和緊急車輛避讓提醒信息。道 路 施 工 預(yù) 警避 讓 提 醒道 路 限 速 提 醒道 路 積 水 預(yù) 警SUTPC車路協(xié)同系統(tǒng)車輛主動(dòng)安全技術(shù)基于車路聯(lián)網(wǎng)的層次式安全距離評估模型：從制動(dòng)過程的運(yùn)動(dòng)學(xué)方程出發(fā)，基于車載設(shè)備實(shí)時(shí)獲取周圍車輛運(yùn)行情況的各層次 參數(shù)，考慮駕駛員主觀特性，建立基于車路聯(lián)網(wǎng)的層次式安全距離評估模型；基于車載設(shè)備的安全駕駛輔助

25、模型：利用車載設(shè)備獲取周圍車輛的距離、相對方向、車速和車輛運(yùn)行狀態(tài)等信息，研究 車輛安全距離預(yù)警、緊急車輛避讓、車輛超車、車輛換道、交通異常狀況預(yù)警和駕駛建議 等安全輔助模型，通過車載APP進(jìn)行相應(yīng)的語音和振動(dòng)提醒。無人駕駛技術(shù)已經(jīng)從實(shí)驗(yàn)室走進(jìn)實(shí)際運(yùn)行環(huán)境目前已在紐約、倫敦、新加坡等城市中小尺度 片區(qū)得到應(yīng)用2010年到 2015年間，與汽車無人駕駛技術(shù)相 關(guān)的發(fā)明專利超過22000件2、基于無人車技術(shù)的車輛設(shè)備升級迪拜在市中心試運(yùn)營無人車Google無人車2、基于無人車技術(shù)的車輛設(shè)備升級交通中心自主研制的高精度導(dǎo)航的無人駕駛車輛（Automated Driving Vehicle，簡稱ADV

26、） 具備磁導(dǎo)航和無軌導(dǎo)航功能，可室內(nèi)（偽 衛(wèi)星定位）、室外（GNSS定位）導(dǎo)航，按照指定的導(dǎo)引路徑到達(dá)預(yù)定目 標(biāo)。可應(yīng)用于特定空間專用車輛行駛，未來有望應(yīng)用于城市指定地區(qū)的公 共運(yùn)輸。交通中心研發(fā)ADV無人車原型ADV無人車行駛路徑設(shè)置與控制界面3、基于車聯(lián)網(wǎng)的道路設(shè)施升級自動(dòng)駕駛及車聯(lián)網(wǎng)技術(shù)的逐步成熟應(yīng)用要求提前部署新型交通基礎(chǔ)設(shè)施，如：大幅 增加DSRC路側(cè)設(shè)備等傳感、通信設(shè)備增加設(shè)備減少設(shè)備4、面向個(gè)體化交通信息服務(wù)113路8:00黃貝嶺站5號線前海灣方向8:10前海1號線9:20加強(qiáng)信息服務(wù)(WRTM)實(shí)時(shí)交通短期預(yù)測，并考慮天氣對短期交通影響。交通信息服務(wù)提供天氣信息以及根據(jù)天氣預(yù)報(bào)的路 況預(yù)測，出行前提示惡劣天氣可能造成的出行困難以便 出行者再次考慮是否出行、出發(fā)時(shí)間和路徑，出行中動(dòng) 態(tài)提供前方路況，以誘導(dǎo)出行者路徑變更或及時(shí)躲避危 險(xiǎn)路段。未來交通實(shí)驗(yàn)室聯(lián)盟全產(chǎn)業(yè)鏈的聯(lián)盟先進(jìn)技術(shù)企業(yè)城市研究機(jī)構(gòu)專業(yè)科研機(jī)構(gòu)20多個(gè)城市機(jī)構(gòu)和10多個(gè)高校加入聯(lián)盟，同百度、高德、騰訊等互聯(lián)網(wǎng)企業(yè) 達(dá)成戰(zhàn)略合作愿景一個(gè)面向政府、行業(yè)、公眾和公益的交通創(chuàng)新聯(lián)盟挖掘數(shù)據(jù)價(jià)值踐行開放理念共建創(chuàng)新平臺互聯(lián)網(wǎng)+ 數(shù)據(jù)封閉 創(chuàng)新瓶頸交通行業(yè)如何有效應(yīng)對？未來交通實(shí)驗(yàn)室將成為集聚來自全球的交通管理和研究機(jī)構(gòu)的紐帶， 共同應(yīng)對“大數(shù)據(jù)