王绣春：城市公共交通系统为服务城市社会经济发展提供了有力支撑
【安全】驾驶公交车辆避免发生追尾事故的十条建议
摘要：当前，数字化、网络化、智能化已经成为我国经济社会发展的大趋势。《交通强国建设纲要》指出，要大力发展智慧交通，推动大数据、互联网、人工智能等新技术与交通行业深度融合，推进数据资源赋能交通发展。城市公交作为重要基础设施，在财政支出中有着不可或缺的地位，且当前我国城市公交普遍存在缺乏整体统筹，资源利用率低等问题，已无法适应大数据时代线下资源线上化、业务快速灵活迭代的发展要求，转型发展迫在眉睫。以大数据技术赋能城市公交发展，使公交企业进行数字化转型，可精确分析、精细管理车辆资源，提高服务水平和运营效率。当前我国绝大部分中小城市的公交线路调整仍是以随车客流调查、在线上征集人民意见等传统方式为主，不但费时费力，而且获得的运营数据不全面，导致公交线路的调整不科学、客流低迷、运营效益差，人民满意度较低。近年来我国经济发展迅速，城市不断扩张，新建成区域较多，在新建成区域开通公交线路时上述传统方式的弊端更为突出，面对公交空白的区域，如果仅靠人们主观上的规划，不引入大数据技术，新建成区域将会出现公交线路覆盖度不高、车辆配置不合理、难以保证线路运力匹配等诸多问题。CEMDAP模型可利用积累的公交运营数据，根据计量经济学模型对个体的出行行为进行微观模拟，需输入各种土地利用情况、家庭和社会人口统计信息、活动系统和公共交通服务水平属性，将个体分为工作个体和非工作个体两类，工作个体每日的出行分为上班前序列（Before-Work或 BW 序列）、上班通勤序列（Home-Work或HW序列）、工作序列（Work-Based或WB 序列）、下班通勤序列（Work-Home或WH 序列）、到家后序列（After-Work或 AW 序列）等五个序列，非工作个体同样使用与序列级、出行链级和驻留级相关属性来表征。最后利用CEMDAP软件输出每个人的日活动-出行序列。数据融合分为获取数据、数据预处理和数据融合三步。首先通过IC卡数据、车辆定位数据和视频数据等多种多样的数据源获取数据。其次对数据进行特征匹配，通过特征匹配寻找对应的物点作为控制点。根据融合目的和融合层次选择合适的融合算法，将数据特征进行有机合成，得到目标的更准确表示或估计。数据融合的种类主要有数据层融合、特征层融合和决策层融合。数据融合方法主要有代数法、图像回归法、主成分变换、K-T变换、贝叶斯估计、D-S推理法(Dempster-Shafter)、人工神经网络（ANN）等方法。最后通过数据融合技术把融合的数据源根据不同功能分为不同子系统，包括智能调度系统、乘客服务系统、车辆运行系统、道路交通系统、指挥监控系统等。通过信息网络实现各系统的互联互通，实现整个运营系统的全面管理。首先，面对城市新建成区域，公交部门可以和住房与城乡建设局、公安局等市政部门联合，获取新建成区域的道路、公交场站的详细参数和户籍信息，并将其导入大数据模型中，根据国标《公共汽电车线网设置和调整规则》（GB/T 37114—2018）判断新建成区域那些道路具备公交车的通行条件，从而准确有效地提高新建成区域的公交线网覆盖度。以及每一条道路分别具备多大尺寸的公交车通行，从而尽可能实现车辆资源的合理分配。线网的设置和调整应具备场站设施条件，场站的选址、规模、设施设置与用地应符合CJJ/T 15的规定。可用大数据模型筛选城市新建成区域中哪些公交用地可建设公交场站，以及公交场站适宜的选址。同时也将新建成区域居民区的位置和规模导入大模型中，同时也导入新建成区域及其附近的学校、商场、医院、公园、办公大厦等基础设施的位置和规模，最后用CEMDAP软件预测每个人的BW、HW、WB、WH和AW等出行序列，进一步预测待开通线路的客流，确定每一条线路的适宜走向、适配车型和发车间隔，从而更合理地规划公交线网。通过各大城市近年来积累的运营数据，我们不难发现，单一层次的线网早已不能满足人们多样化的出行需求。比如近年来我们对连接北京市区和通州区的京通快速路沿线的客流数据进行分析发现，有相当一部分人的乘车区间是通州区的东部至四惠桥或国贸桥，而京通快速路上几乎所有常规线路向东至通州城区西部的八里桥后就是“站站乐”了，如果此客流断面上只有这些常规线路必定会延误部分人的出行时间，而且当前地铁、网约车、共享单车对客流的吸引力逐渐增强，长此以往也会大幅降低公交与其它出行方式的竞争力。因此，近年来北京公交在京通快速路沿线上新开行了多条从国贸桥直达通州区的东部的快速直达专线，早晚高峰时也在常规普线快车的基础上加开直达快车，通过建设多层次公交线网的方式大大缓解了此问题。近两年来，北京公交在各大医院、学校周围开通了大批通医、通学专线，面对大型企业开通定制公交专线，在地铁站与居民区之间开通地铁接驳专线，在居民区与城市主干道路之间开通微循环线路，结合北京城市文化开通了以朝阳文旅公交专线为代表的一系列通游专线，进一步丰富了公交线网层次，满足了人们多样化的出行需求。国内其它城市亦是如此，近年来，重庆公交积极向市政部门获取每条道路的详细数据，筛选出了具备小型公交车通行条件且尚未开通公交线路的道路，并在这些区域内开通了“小巷公交”，解决了居民出行“最后一公里”的问题。另外，需求响应式公交在未来具有十分广泛的发展前景。随着智能交通技术的不断进步，需求响应式公交可与无人驾驶技术、人工智能和物联网等技术进行深度融合，这种结合方式不仅能够提升公交车辆的运营效率，减少城市交通的拥堵，还能够大大满足市民个性化的出行需求。成都公交利用大数据分析技术，对历史的订单数据进行分析，得到服务区域内乘客的出行习惯、偏好和需求模式，从而更好地预测未来的乘车需求，为线路的调整以及车辆的投放提供决策依据。并在天府大道、天府一街、昆华路、天府五街片区开通需求响应式公交。北京公交也在丽泽商务区、望京、金融街等商圈开通了需求响应式公交，使线网结构更加全面合理。[1]何松玲.计算机大数据技术在智慧出行中的应用与实践分析.人民公交.2024.（06）[2]杨丹.大数据在公交线网优化中的应用.运输经理世界.2024.4[3]陈绵、温馨.基于大数据的常规公交线路调整客流影响评估方法研究.交通与运输.2022.3[4]徐猛、刘涛等.城市智慧公交研究综述与展望.交通运输系统工程与信息.2022,22(02)[5]邵春福.我国城市交通发展中的关键问题及对策建议.北京交通大学学报.2016.8吴思航（河北师范大学计算机与网络空间安全学院 数据科学与大数据技术专业 河北省 石家庄市 邮编050000）吴思航（2007.2--），男，汉族，河北保定人，本科在读学生
