11月23日，由中国智能交通协会城市交通委员会、国家智能交通产业技术创新联盟主办的2017’第十二届中国智能交通年会城市智能交通创新发展论坛上，东南大学交通运输学院院长刘攀教授发表《基于大数据的城市道路网联交通安全态势分析》的演讲，本文为演讲速记整理，未经演讲者本人审核。
东南大学交通运输学院院长 刘攀 教授
1.城市道路交通安全现状
随着城镇化、机动化进程的不断加快，道路交通事故的增长源不断增加，城市道路交通安全问题变得非常严峻。过去10年间，城市道路交通事故平均每年导致超过2万人死亡，14万人受伤，这个数据相当可观。
另一方面，城市道路交通事故往往会诱发交通拥堵，在交通拥堵的情况下，二次事故发生的几率陡增，这形成我们不希望看到的恶性循环。据不完全统计数据表明，城市道路25%的拥堵由交通事故引起，实际中，这个比例往往更大。
在我国城市相对复杂的交通运行环境之下，驾驶人往往是小心翼翼的开车，因为路况比较复杂，不知道会发生什么特殊情况，所以人们开车都小心翼翼。我们的道路系统正是因为这样的安全隐患问题，长期处于一种低效率的运行状态。与国外相比，我国的道路宽度明显更大，但是国外的车辆运行速度更快，交通运行的效率更高。通过统计同样等级的道路，国内国外道路的通行能力差距非常大。我国的道路没有把通行能力充分发挥出来。这在我国的大中小城市是非常普遍的现象，这里面涉及到管理问题、设计问题，也有一定的规划问题
同时，考虑到城市非常复杂的交通运行环境，城市交通事故在发生机理和影响范围方面，与高速公路上的交通事故相比，呈现了不同的特征。由数据分析得出的一些结论并不相同。回顾过去几年，我国在交通安全方面有两个重大的立项，道路交通安全行动计划的一期和二期，更多关注的是高速公路、山区公路以及低等级的公路，缺乏对城市道路交通安全的关注，还没有真正的就城市道路交通安全问题做过系统深入的研究。
实际上对交通安全的重视，不同的国家都经历了认识的过程。回顾美国机动化发展进程，美国早期也经历了对交通安全性认识的过程。如今美国整个公路体系、公路网骨干，其建设周期都是在50年代、60年代，经过20年时间建设完成。美国上世纪五六十年代，类似于我们中国过去30年时间，是大规模基础设施扩张的时代。其在基础设施建设的过程中很少考虑到交通安全的问题，建设完成以后庞大的公路网、道路体系不断暴露安全隐患。这些不断出现的安全问题迫使当局加以重视，不断地进行科研和工作，以减少交通事故风险。这是必须经历的认识过程。
1997年，美国道路交通安全战略规划的出台，从国家战略的层面，提出了要全面开展交通安全的研究，并且在工程中给出具体的措施来改善整个道路网的交通安全状态。同时，美国国会对交通安全的立法，也经过了不断发展的过程。最早可以追溯到1992-1997年交通方向的ISTA法案。在这个法案中提出了建立几个现代的交通系统，开始提及安全问题。1998年，美国国会在法案中指出投资2178亿美元用于交通系统的改善，明确提出构建道路交通安全的系统。这个法案把安全设立为一个独立的章节。从2004年的SAFETEA开始，整个交通系统的优化目标已经把安全放在可靠、高效等等之前，视为第一要素。
纵览国内一系列交通规划白皮书，实际上很少有能够把安全放在这么高的地位。对于国内各地的白皮书中，最近把安全放到第一位的是上海。上海的白皮书把安全作为要素放在第一位，但是具体的是怎么去体现还值得商榷，这需要一个发展过程。
2.主要的任务和技术瓶颈
交通安全是一个新兴学科，真正的理论体系完全成型在21世纪初。2010年左右美国道路安全手册的出版，一定程度标志着安全作为一个学科的理论体系已经基本完善。
道路交通安全学研究的主体是道路交通事故，目的是降低事故的频次或者降低事故的严重程度，真正的研究对象实际上是一系列影响这两个事故的频次和严重程度的事件。这些事件根据时间可以划分为事前、事中和事后，而影响这一系列事件的系统要素中包括了人、车、路和环境。在与此相对的改善措施中，这些因素又包括了工程措施、教育措施、执法和急救等等措施。所以交通安全是一个多学科交叉的综合性很强的学科，涉及到规划、交通工程、车辆工程等众多学科。
概括研究框架对研究的领域做一个界定大概可以分为两大块：一块是交通安全分析，另一块是交通安全管控。交通安全分析就是要建立起系统的要素和交通安全之间的联系，而交通安全管控即是要提出有效的交通安全改善措施。
图1理论框架图
理论框架如图1所示，城市道路交通安全研究的一个重要任务是把安全作为目标要素，融入到城市道路系统的规划、设计及运行调控的全过程，实现安全导向的主动规划，主动设计和主动调控。即我们在城市规划执行过程中，如何真正把安全作为一个约束放进规划政策的制定中，如何把真正地安全作用目标要素，带到我们的设计过程中。如何去实现以安全为导向的控制策略优化，这是三个需要亟待解决的问题，但是存在一系列的技术瓶颈。
第一个技术瓶颈，我们还没有能够定量的刻画道路要素和交通安全关联关系，这是交通分析所要解决的一个核心问题。交通安全缝隙要解决交通事故的风险以及严重程度和我们系统要素之间的关系。交通事故的发生受到人、车、路、环境等等多种因素影响，具有高度的复杂性。这么多因素混杂在一起，你很难从中剥离出你所关注的因素，特别是道路系统相关的因素。
为此交通安全发展出了一套理论，主要是基于事前、事后比较横断面分析，以及交通事故模型的这一套理论体系。这套理论体系在发达国家得到了广泛的应用，但是在中国它的应用受到了一定的限制。特别是这套理论方法体系，非常高质量的交通理论数据，在事故数据记录或者事故数据不太完整、不太容易获取的情况下，这套分析方法难以使用。无法理解道路系统要素对安全的影响，就无法在规划和设计阶段把安全作为要素考虑进去，决策管理者只能凭借经验提出一些模糊的概念。
第二个技术瓶颈，我们没有能够实现道路交通事故风险的量化分析，即使在发达国家，传统的分析方法对历史数据进行事故统计分析，历史数据包括过去几年的平均交通事故，年平均日交通量等等这是进行分析。这套分析方法有其背景，即50年代、60年代美国大规模的道路基础设施建完了不断地暴露交通问题。过去几十年积累了大量的数据，通过用这些历史的统计数据进行分析。这是它这套理论方法产生的根源，但是由这样的方法产生的结论能指导工程实践必然是一种被动的事后的工程实践。安全问题要充分暴露了以后，我们要再去了解产生这些安全问题的原因，我们没有办法对未来没有发生的事故风险，进行一种量化的比较精确的分析，这一点在过去是做不到的。
第三个技术瓶颈，我们没有办法对交通风险进行主动干预，我们过去几十年建了大量的城市也好，高速公路也好有大量的监控设施的建设。我们从监控设施上捕捉到了事故发生，或者能对交通事故风险进行科学的判断，我们也缺少有效的手段对它进行主动的干预。
这是三个瓶颈，这三个瓶颈制约着交通安全规划、交通安全设计和交通安全控制目标的实现。但是在大数据时代，大数据可以给我们带来新的发展契机，这三个瓶颈在一定程度上可以克服。
3.大数据与城市道路交通安全研究
现代城市每天产生海量庞杂、易质多元、大范围时空关联的数据，这些数据里面蕴含着丰富的价值信息。大数据对交通工程带来实实在在的革命性变化，传统交通工程学的方法论在大数据的时代正在面临重构。
回顾一下我们城市里的交通大数据：每隔几十秒会上传高解析度的车道级交通流数据。车载通讯数据、车载GPS、雷达、RFID等等。北京市4万辆浮动车，每天产生2000万条记录。车载检测设备与定点设备相结合，全方位获取城市交通大数据。
加上大量的交通收费数据、视频数据，其中，视频数据是现在体量最大的数据，且是典型的非结构化数据。如何从这种非结构化数据中提取我们想要了解的信息，充分发挥它的价值，实际上也是值得我们思考的。在视频数据中，我们现在有成熟的技术可以提取车辆的轨迹。最近几年，对车辆轨迹的研究已经成为交通工程学研究的重点。
另外，手机和社交网络数据是被我们忽略的数据。实际上社交网络数据是大数据的重要组成部分，它提供了很多传统的大数据来源无法提供的，关于人类的情感、活动、社会关系这方面的信息。我们气象数据应该说是传统的数据了，我们认为大数据的技术为实现城市路网交通安全态势的深度挖掘，前期诊断和智能调控提供可能性。在大数据的帮助下我们有可能突破传统方法的技术瓶颈，实现城市路网的主动安全规划、主动安全设计和主动安全调控。
2013年开始我们做了很多的技术储备。首先是硬件环境的搭建，我们搭建了分布式大数据处理平台，同时构建了几十个城市大数据的库，为我们的研究提供了坚实的基础。
4.基于大数据的交通安全态势分析
下面围绕这三个思路做了一点点尝试，更多的是理论的探索。第一个我们做的是基于多元数据对区域交通风险进行分析，传统的规划是以交通小区为单元研究出行和小区里面各种社会关系等等社会经济要素之间的关系。我们现在以交通小区为基本的分析单元，去研究路网的结构，土地利用特征、社会经济指标、交通出行强度与区域交通事故风险的关联关系。这些信息实际上是实现主动交通安全规划的重要基础，这一类的研究过去几年在交通安全很热，很多做过这些研究，它的传统数据来源主要是交通调查数据，比如社会经济数据，宏观的经济出行数据。我们知道用宏观的出行数据去度量整个网络的交通出行强度是不准确的，是很模糊的。我们尝试用大数据、用浮动车、用社交网络等等的数据去补足这个缺点，怎么样更精准地度量交通出行强度，进而去分析以小区为单元的交通事故风险。
我们运用纽约的数据进行理论研究，所得的模型在各个地方都是通用的，只是数据来源的问题。我们用纽约做研究对象，把纽约划分167个交通小区，这与传统的规划做法是类似的。我们运用网络爬虫，从Twitter提取了2010年将近3000名用户的41万条签到数据。Twitter签到数据包含了用户一天的活动信息。同时，我们从纽约出租车共享的浮动车数据，提取了交通事故数据、土地利用、路网信息、社会经济以及人口的信息。
运用Twitter签到数据，把人的出行活动分为八类，家庭、工作等等八类出行数据，用浮动车数据用隐狄利克雷分布模型对出行特征进行挖掘，并且用随机声明方法提取出12个影响交通事故的关键出行特征。比如说表格中告诉我们从12点到2点之间因为要工作出去吃饭，这种类型的出行我们可以精准到这个地步从6点-8点之间下班回家这样的出行，从7点-9点晚上出去娱乐的出行。我们把各种各样出行的模式通过我们的大数据辨别出来，判断出来以后去研究它和交通事故风险之间的相关性，不同类型的出行模式对交通事故风险影响程度完全不一样。
通过数据的可视化表达，从最简单的空间分布可以看出，交通事故的分布特征和不同类型活动的分布，社交、购物、工作等等这些活动是密切相关。这就是我们城市交通规划可以看到的定量化数据，同时我们出行者的路径半径实际上和事故风险呈负相关关系，如图2所示。
图2出路径半径和事故风险关系图
交通事故与浮动车的出行记录在空间和时间上都存在显著的相关性，我们把一系列的数据都放到我们空间模型中，去分析交通小区种不同出行的活动类型对事故风险的影响。比如吃饭、教育等这些出行活动和机非机动车的交通事故风险呈正相关，关键可以在不同小区中给出吃饭、教育等等出行模式对交通事故风险、机非交通事故风险的定量化的刻画。在购物、社交出行和机-机等交通风险正相关，而且可以给出不同的交通小区之间它的影响强度。
图3浮动车与交通事故的时间分布关系图
用类似的手段我们建立了交通事故风险和不同类型的出行活动之间的关联关系，而且可以给出不同区域强度的表达，可以为规划、管理提供重要的决策依据。通过把所有的数据输入我们的模型中，发现风险分析模型的精度大大提高了，传统数据的得出的模型只有0.43%左右，但是依靠这些动态的数据源，可以提高到0.8-0.9%。
图4“车-人”和“车-车”事故模型
第二个案例是快速道路的交通事故风险辨识和主动调控。传统交通安全的分析运用静态手段分析交通事故，但是在大数据的环境下，应动态的高解析度动态交通流数据去分析交通事故和事故风险之间的关系。我们提取了沪杭甬等等高速公路1万余起交通事故，对每一起交通事故，我们研究在事故发生前大概30分钟之内的上下游相邻路段，与它的高解析度动态交通流数据和同样位置正常情况下的交通流数据进行对比。
图5正常交通流状态和事故前状态示意图
我们可以清晰的看到，大概在60%-70%的交通事故发生之前，相邻路段的交通流中都会发现一种异于正常情况的状态，主要表现在交通流在时间和空间上的不均匀分布。如果能够准确的描述事故发生前的交通状态，我们在相应程度上就实现了事故风险定量的刻画。基于这样的思路，我们从整个快速道路交通安全状态的分类和主动的辨识，到交通事故风险的主动预警，在能够预判交通事故风险的基础上，采用动态交通控制的手段，主动干预交通事故风险，也就是实现主动交通安全调控的目标。
第三，对于非结构性化数据、视频数据，从中提取出的轨迹曲线在交通安全研究中我们能做一些什么？我们和加拿大的团队做了这方面的工作。传统平面交叉口的交通安全分析是利用历史事故数据以及交通冲突数。传统的交通冲突分析方法是通过人工调查，科学性长期受到置疑，因为人的判断性非常主观。
随着着图像处理技术不断成熟，基于视频处理技术的交通冲突的自动识别在安全领域得到广泛的应用，它克服了人工观测的主观性和低精度的缺点，极大了提升了交通冲突技术的科学性。运用这种运动目标检测跟踪技术，提取冲突车辆的轨迹、速度等参数，我们可以把交通冲突发生的整个过程，例如对10秒钟数据以0.001秒为单位，分解为成千上万个瞬时的状态，去研究车与车在整个交通冲突发生过程中瞬时状态，以及速度分布发生了什么样的变化，并且预判下一步事故风险的发生。
研究表明基于人类动力学和运动模式，预测和匹配算法在状态判别取得了很好的成果，道路安全水平的评价效果要优于传统交通冲突技术。运用视频识别的方法，可以分析不同类型的交通设计对交通安全的影响。如果运用事故数据需要等待较长时间，而且事故数据来源较难。运用视频直接自动提取交通冲突，可以分析出整个交叉口、交通冲突的强度。
图6交叉口整体范围冲突点空间分布
上图清晰地表明了交叉口交通冲突的具体地点，及其时间和空间分布的特征，以帮助设计者更好地发现潜在的交叉口事故隐患。如图是可左转车道分布的情况。在此基础上，我们建立了设计要素和交通冲突之间的关联关系，从中可以得出一系列的安全设计的建议，例如某种右转车道设计案例的使用，如下图所示。以上是直接运用视频数据进行冲突识别方法的案例。
5.总结
城市道路安全需要得到更多的关注。把安全作为目标要融入城市道路系统的规划、设计与运行调控的全过程，是我们的重要职责。大数据为交通安全规划、设计与调控目标的实现提供了可能性。
大数据对交通工程方法论的影响很大。一方面，原有的数据来源不断得到补充，另一方面，在这些新的数据来源下，很多传统的方法无法使用，我们要追寻新的一种全新的分析方法、分析思路。这也要求交通工程师对知识结构进行更新，同时高校的人才培养体系也要做出改变。这体现了更多的颠覆性的影响。
