交通可視化將是解決分析交通數(shù)據(jù)重要鑰匙

        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(gè)重要的組成部分。據(jù)統(tǒng)計(jì)，城市中大約有40%的人口每天花費(fèi)1小時(shí)在交通上[1] 。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(dòng)車輛的行為、發(fā)現(xiàn)交通在時(shí)空上的模式，從而為交通優(yōu)化等提供決策信息。當(dāng)代交通系統(tǒng)每時(shí)每刻都會(huì)產(chǎn)生大量的數(shù)據(jù)，比如，出租車上搭載的GPS傳感器會(huì)記錄出租車的行駛軌跡；街道監(jiān)控?cái)z像頭會(huì)記錄車輛的通過情況。而且，伴隨著城市越來(lái)越大，汽車越來(lái)越多，監(jiān)控越來(lái)越多，交通數(shù)據(jù)的規(guī)模有了爆炸性的增長(zhǎng)。在這種情況下，直接對(duì)交通數(shù)據(jù)進(jìn)行分析的傳統(tǒng)方法已經(jīng)變得越來(lái)越困難，而且效率越來(lái)越低，數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)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(jiǎn)單可視的方式與數(shù)據(jù)進(jìn)行交互，進(jìn)而實(shí)現(xiàn)用戶智慧和機(jī)器智慧交融反饋，可以極大地提高分析和決策的效率與準(zhǔn)度。

　　首次將交通可視化作為一個(gè)獨(dú)立的研究與應(yīng)用領(lǐng)域展開工作，認(rèn)為這一技術(shù)是通向未來(lái)智慧城市的必由之路。狹義上來(lái)說交通可視化就是對(duì)交通系統(tǒng)中產(chǎn)生的數(shù)據(jù)進(jìn)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(duì)象軌跡的可視化、監(jiān)控?cái)?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(shí)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(jìn)行展示；而監(jiān)控?cái)?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(shí)時(shí)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(gè)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(gè)部分。除了數(shù)據(jù)采集外，其他三個(gè)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(duì)原始交通數(shù)據(jù)進(jìn)行去重、補(bǔ)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(duì)于出行的需求越來(lái)越迫切。為了提升交通系統(tǒng)對(duì)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(gè)重要的角色。數(shù)據(jù)可視化雖然是剛興起的學(xué)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(huì)鐵路。為了向公眾展示地鐵在城市中的分布情況和站點(diǎn)地址，人們使用線條和圓點(diǎn)在城市地圖上直觀地表示地鐵線路。圖1是1907年英國(guó)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(jìn)行編碼，站點(diǎn)位置均采用地圖上的真實(shí)位置。

　　早期地鐵線路圖通常將視覺元素直接疊加在真實(shí)比例的城市地圖上。然而在人們出行時(shí)，很多時(shí)候并不需要考慮準(zhǔn)確的站點(diǎn)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(gè)站點(diǎn)”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(shí)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(diǎn)位置的擺放僅大致表達(dá)了站點(diǎn)在城市中所處的方位。這種規(guī)整的布局設(shè)計(jì)能使人更加專注于提取“起始點(diǎn)——終點(diǎn)”信息，而無(wú)需費(fèi)力地跟蹤原本錯(cuò)綜復(fù)雜的曲線線條。然而真實(shí)比例的地鐵地圖并不是完全被拋棄，地鐵站經(jīng)常會(huì)在非主要位置擺放真實(shí)比例圖，提供給需要參考準(zhǔn)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(jì)師完成，其站點(diǎn)位置完全由人工安排。不過在站點(diǎn)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(shí)是一門學(xué)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(jì)師和決策者參考。早在一個(gè)世紀(jì)前，étienne-Jules Marey為了分析火車交通系統(tǒng)的運(yùn)行狀態(tài)，設(shè)計(jì)了一個(gè)展示火車時(shí)刻的圖表。如圖3所示，多個(gè)時(shí)間軸平行分布，每一個(gè)時(shí)間軸對(duì)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(shí)間軸上的時(shí)間點(diǎn)，揭示每一列火車在每個(gè)站點(diǎn)?？康臅r(shí)間。同時(shí)，線的斜率反映了火車的速度：越傾斜代表火車速度越快?，F(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(dòng)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(shí)時(shí)的精確經(jīng)緯度位置，手機(jī)用戶的基站數(shù)據(jù)記錄了手機(jī)用戶進(jìn)出的基站序號(hào)，道路上的監(jiān)控設(shè)備實(shí)時(shí)錄制、拍攝和計(jì)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(gè)軌跡記錄點(diǎn)不僅包含位置信息，同時(shí)還記錄了當(dāng)時(shí)的時(shí)間。事件日志提供了更多關(guān)于城市交通道路上的語(yǔ)義信息，可以增強(qiáng)我們對(duì)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(jì)、時(shí)空軌跡和多維編碼。

　　2.1 統(tǒng)計(jì)

　　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(dá)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(guó)紐約2011年中某一周的出租車運(yùn)營(yíng)狀況，其中，地圖上每個(gè)像素點(diǎn)的顏色深淺代表該位置每小時(shí)的平均營(yíng)運(yùn)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(yùn)更加繁忙。

　　2.2 時(shí)空軌跡

　　軌跡數(shù)據(jù)蘊(yùn)含著豐富的時(shí)空信息，我們可以從時(shí)間和空間角度對(duì)軌跡數(shù)據(jù)進(jìn)行可視化。軌跡的時(shí)間屬性主要有線性時(shí)間和周期性時(shí)間兩種。線性時(shí)間可以使用基于時(shí)間線的可視化方法編碼，時(shí)間線的兩端編碼了數(shù)據(jù)的起始時(shí)間。圖5中的視圖采用時(shí)間線的方法可視化了地鐵路徑選擇與時(shí)長(zhǎng)的關(guān)系[6]。從一個(gè)站點(diǎn)出發(fā)，用戶可以根據(jù)地鐵網(wǎng)絡(luò)選擇任意一個(gè)站點(diǎn)下車，水平軸上的長(zhǎng)度代表了整一趟旅途所花費(fèi)的時(shí)間。對(duì)于周期性的時(shí)間，比如周、天、小時(shí)，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(huì)活動(dòng)都和位置密切相關(guān)。軌跡的空間屬性可以基于線進(jìn)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(cè)服務(wù)。然而，如果直接繪制大規(guī)模的軌跡，屏幕上就會(huì)充斥著大量繁雜的軌跡，可視分析系統(tǒng)的使用者就無(wú)法進(jìn)行理解分析?？梢暬芯空咛岢隽诉吔壎ㄋ惴▽?duì)相似的軌跡進(jìn)行聚合。圖6所示的是美國(guó)境內(nèi)的飛機(jī)軌跡。當(dāng)我們采用邊綁定的算法[8]對(duì)形狀類似的軌跡進(jìn)行聚類，用戶可以清楚地看到美國(guó)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(dāng)數(shù)據(jù)維度較多時(shí)，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(duì)應(yīng)用場(chǎng)景和分析任務(wù)針對(duì)性設(shè)計(jì)合適的視覺編碼。例如，時(shí)空立方體(Space-Time Cube，STC)是一種表達(dá)時(shí)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(jìn)行表達(dá)。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(xì)信息等)，軌跡線條上還可以在相應(yīng)位置添加顏色、點(diǎn)、幾何圖形或是特殊設(shè)計(jì)的圖符等。如圖7所示，折線編碼了車輛在空間和時(shí)間維度上的位置，其中顏色從紅到綠編碼了移動(dòng)速度，一些遭遇交通擁堵的軌跡很容易被分辨出來(lái)。

　　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(jì)分析和查詢推理三大類。

　　2.4 查詢

　　城市交通路網(wǎng)分析對(duì)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(chǎng)采集數(shù)據(jù)，過程也多采取多次試錯(cuò)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(zhǎng)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(píng)估。陳為教授團(tuán)隊(duì)提出了一種基于道路的軌跡查詢模型[10]，對(duì)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?cè)O(shè)計(jì)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?fù)淠Ｊ剑簂eave，cover，enter和cross。同時(shí)，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(jì)圖等對(duì)道路進(jìn)行評(píng)估和分析，見圖8。通過實(shí)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(duì)于交通軌跡數(shù)據(jù)的信息挖掘和知識(shí)提取越來(lái)越重要，現(xiàn)有的工作大多都圍繞對(duì)特定地理位置區(qū)域和時(shí)間段的軌跡數(shù)據(jù)進(jìn)行過濾。而對(duì)于特定的分析任務(wù)，查詢難度就大大上升了。例如商場(chǎng)的管理者，希望知道在城市的什么地點(diǎn)放置擺渡車輛。趙燁教授團(tuán)隊(duì)研發(fā)了一種能夠基于語(yǔ)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(duì)出租車和針對(duì)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(yǔ)義的查詢句子對(duì)軌跡進(jìn)行檢索。例如用戶可以查詢經(jīng)過特定的街道或地點(diǎn)的軌跡。統(tǒng)計(jì)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(tuán)隊(duì)通過對(duì)商場(chǎng)軌跡的實(shí)際案例分析，發(fā)現(xiàn)了如“商場(chǎng)繁忙路段”、“最愛來(lái)商場(chǎng)購(gòu)物人群”及“最熱門商圈”等有價(jià)值的信息。

　　2.5 統(tǒng)計(jì)分析

　　手機(jī)位置數(shù)據(jù)可用于研究城市中的人群流動(dòng)模式與特征。然而對(duì)于城市級(jí)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(gè)數(shù)據(jù)集，得到對(duì)數(shù)據(jù)分布和特征的大致印象。如圖10所示，陳為教授團(tuán)隊(duì)將用戶在手機(jī)基站間的流動(dòng)量作為網(wǎng)絡(luò)流進(jìn)行建模，對(duì)城市范圍內(nèi)的手機(jī)用戶的移動(dòng)行為特征從四個(gè)方面進(jìn)行可視化[12]：①基于基站的流量分析，使用特殊設(shè)計(jì)的視覺編碼展示每個(gè)基站上的流量和方向分布；②基站流量的時(shí)序特征分析，用于分析基站流量隨時(shí)間的分布和周期性波動(dòng)；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(dòng)關(guān)系和人流密度；④結(jié)合社交關(guān)系的人群流動(dòng)可視化，通過在同一社交圈中的手機(jī)用戶在地域上的移動(dòng)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(dāng)今的數(shù)據(jù)爆炸時(shí)代。社交媒體，車輛人流，設(shè)施圖像等各個(gè)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(gè)數(shù)據(jù)集的知識(shí)?！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(duì)多數(shù)據(jù)源的城市數(shù)據(jù)進(jìn)行分析。針對(duì)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(xué)陳為教授的團(tuán)隊(duì)研發(fā)了一種能夠應(yīng)用于城市規(guī)劃，交通監(jiān)管和場(chǎng)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(duì)多源異構(gòu)城市數(shù)據(jù)的查詢、展示和推理，可以實(shí)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(gè)簡(jiǎn)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(jī)。分析人員首先在建筑物信息數(shù)據(jù)中檢索到行程起點(diǎn)和終點(diǎn)的位置。緊接著，通過對(duì)出租車軌跡數(shù)據(jù)的O-D查詢，定位到兩輛當(dāng)晚經(jīng)過起點(diǎn)和終點(diǎn)的出租車。系統(tǒng)通過對(duì)出租車軌跡的場(chǎng)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(shí)例

　　本文以多個(gè)交通數(shù)據(jù)可視分析系統(tǒng)的實(shí)例介紹交通模式發(fā)現(xiàn)和交通態(tài)勢(shì)監(jiān)控。

　　交通數(shù)據(jù)可視化的一個(gè)重要目標(biāo)就是發(fā)現(xiàn)和分析交通系統(tǒng)中實(shí)體的移動(dòng)模式。一種移動(dòng)模式可以描述交通系統(tǒng)中一組實(shí)體的移動(dòng)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(shí)體的移動(dòng)模式。例如，在TripVista[14]中，就利用了stream map，平行坐標(biāo)圖等可視化技術(shù)對(duì)一個(gè)十字路口中，行人、公交車、轎車、自行車等實(shí)體的移動(dòng)模式進(jìn)行了可視化的分析。

　　交通可視化的另一個(gè)重要目標(biāo)就是對(duì)交通態(tài)勢(shì)的可視化監(jiān)控?？梢暬O(jiān)控的目標(biāo)就是從交通監(jiān)控?cái)?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?yàn)檫@些系統(tǒng)每時(shí)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?cái)?shù)據(jù)中找到交通系統(tǒng)中發(fā)生的特殊事件是非常費(fèi)時(shí)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(gè)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(lái)展示城市中不同尺度下的交通情況，引導(dǎo)用戶從整個(gè)城市的宏觀交通情況探索到一個(gè)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(yǔ)

　　交通大數(shù)據(jù)給我們帶來(lái)了無(wú)限的機(jī)遇，同時(shí)也存在著巨大的挑戰(zhàn)。如何理解、分析和預(yù)測(cè)交通數(shù)據(jù)，是我們這個(gè)時(shí)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(duì)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(jī)器智慧交融反饋，進(jìn)而優(yōu)化并且解決交通問題。相信在不久的將來(lái)，我們可以享受到更加高效的城市交通系統(tǒng)，生活在一個(gè)便捷的智慧城市中。

           友情鏈接：www.51carfi.com