【作者简介】

罗典，硕士，高级工程师，佛山市城市规划设计研究院交通所副总工程师

孙剑，同济大学交通运输工程学院交通工程系主任、教授

阎泳楠，硕士，现任职于佛山市城市规划设计研究院交通所

摘要

在大数据和人工智能快速发展的背景下，国家对城市空间治理提出了更高的要求。针对传统的基于小样本调查数据及以人工分析为主的交通规划方法存在的问题，文章以数据层、计算层和应用层“三层式”技术框架结构与“数据感知—算法推演—决策应用”一体化技术流程构建了交通规划辅助决策系统，并以佛山为例，介绍了该系统在识别广佛同城一体化交通需求特征、多维模拟城市交通运行及交通承载力分析应用等方面取得的成效，以期为新时代背景下交通规划技术体系的转型与变革提供参考。

[关键词]人工智能；空间治理；全息感知；仿真模拟；交通规划；辅助决策

[文章编号]1006-0022(2021)15-0068-07

[中图分类号]TU984.191

[文献标识码]B

[引文格式]罗典，孙剑，阎泳楠．交通规划辅助决策系统构建及佛山实践[J]．规划师，2021(15)：68-74．

2017年7月，国务院在《新一代人工智能发展规划》中提出建设城市大数据平台，构建多元异构数据融合的城市运行管理体系；2020 年10 月，自然资源部国土空间规划局印发的《国土空间规划城市体检评估规程(试行)》要求收集多元数据对城市发展进行多维评估，提高对空间治理问题的动态精准识别能力。可见，大数据的研究及应用已逐渐成为新时代创新规划理念的重要手段与方法，在认知现状、预测发展等方面发挥着不可替代的作用。

传统城市规划学科的特点是协调城市空间各类要素之间的关系，合理规划城市空间形态与用地布局，这在很大程度上需要依赖规划师的美学修养及经验知识与判断。而交通规划学科要解决交通系统供需平衡问题，离不开大量的定量分析工作，这与传统城市规划学科有所区别。在交通规划中，定量分析又包括交通供需现状分析、交通需求预测与交通方案评价，并贯穿于交通规划编制技术的全过程，是保证交通规划编制科学合理的核心手段。20 世纪沿用至今的“四步骤”交通模型则是交通规划中主要的定量分析工具。由于交通模型本身的专业化程度过高，模型中大量的运算程序、参数变量及相关软件的复杂操作大大增加了其普及的难度，往往只能由极少数专业技术人员内部使用，不适合辅助非专业人士( 如规划决策者) 实现简易直观的智能决策，对交通决策的快捷响应能力也有待提升。此外，传统的交通分析手段往往依托小样本调查数据，抽样率较低且调查周期较长，难以全面、精准地得出交通特征，且无法满足常态化的分析需求。因此，在大数据和人工智能快速发展的新背景下，迫切需要对交通大数据进行有机融合与深入挖掘，从海量的数据中快速、持续地获取有效的交通信息及相关特征，有力支撑城市交通规划的分析和编制工作。

为贯彻国家信息化技术相关发展政策，落实国家大数据战略，本文提出构建融合多元异构数据与人工智能技术的交通规划辅助决策系统，并以佛山为例，阐述了该系统在城市交通规划、设计与管理等实际业务中的具体应用及成效。

1 交通规划辅助决策系统的总体设计

1.1 功能目标

交通规划辅助决策系统是一种面向支撑城市交通规划和管理决策的需求，融合多元异构数据，基于大数据与人工智能技术建立的辅助决策支持系统，其实现了“数据—算法—服务”一体化和智能化的业务技术流程，为城市交通规划、建设和管理方面的决策提供了智慧化的支撑手段。区别于传统交通规划的数据获取与定量分析手段，基于大数据与人工智能技术的交通规划辅助决策系统的主要功能目标如下。

(1)“全方位+ 精准化”感知城市交通现状。

交通规划辅助决策系统克服了传统小样本调查数据的局限，融合多元异构数据并开发智能识别算法，全面、精准地感知城市交通供需运行情况，对城市交通现状进行全方位体检，识别其核心特征及诊断主要问题，为交通规划方向的研判和策略的制定提供指导。

(2)“多维度+ 高精度”模拟城市交通供需运行情况。

为避免分析停留在数据整合的层面，交通规划辅助决策系统通过深入挖掘各类数据间的内在关联，运用机器学习算法推演城市交通各要素间的相互影响运作规律并采取程序化模式，实现城市交通的“起源发生—流动分布—供需运行”的推演流程。此外，采用计算机数字化模拟仿真手段，从“城市总体—重点区域—局部节点”(宏观—中观—微观) 多个维度对城市的交通供需运行情况进行高精度拟合。

(3)“全流程+ 多场景”支撑交通规划与管理决策。

交通规划辅助决策系统突破了传统复杂的人工主导的交通规划及定量分析模式，运用信息系统集成技术，将多元大数据、智能识别算法与宏观—中观—微观交通仿真模型进行集成、封装，以“基础数据—模型算法—规划应用”为流程标准，开发涵盖交通规划各技术领域场景的辅助决策模块，对各类交通规划方案进行评估，并提供直观的人机操作和展示界面，支持准确快捷的交通规划“现场决策”。

1.2 框架结构

交通规划辅助决策系统由数据层、计算层和应用层“三层式”的技术框架结构组成( 图1)。

图1 技术框架结构顶层设计图

(1) 数据层。

底层的数据层是通过数据采集与融合处理，构建多元异构的交通大数据库。数据库包括从互联网与手机采集到的人群和车辆的流动数据及交通的供需运行等数据，也包括各相关部门收集及检测采集的数据。

(2) 计算层。

计算层以数据层为基础，内含大数据智能识别算法和交通仿真模型算法。其中，大数据智能识别算法是通过数据的挖掘对城市交通进行综合感知，如对城市人口职住分布的识别、对人群出行需求时空分布的识别及对各类交通系统(公交网、道路网等) 运行状态的数字化表征与特征识别；交通仿真模型算法则是寻求各类数据间的内在关联并建立逻辑推演算法，构建静态数据输入—动态数据输出的智能化运算模式及程序。

(3) 应用层。

应用层则提供不同维度的交通供需分析场景，对各类型的交通规划专题进行分析应用与展示，相应地支撑各类型的交通规划业务，实现对交通规划全技术流程的决策支撑。

2 交通规划辅助决策系统的详细功能结构

交通规划辅助决策系统属于典型的城市智能规划的研究范畴，包含城市智能分析、城市动态模拟、城市智能交互技术和计算机辅助设计技术，由全息感知、推演仿真和决策应用3 个子系统组成。该系统不仅以大数据为手段对城市交通的“身体”系统进行全面、综合的感知，还深入探索城市交通的“内在”系统，强调各类要素之间的关联机制，发掘交通影响和模拟结果的耦合关系及规律，最后形成一整套支持决策优化的智力系统，通过计算机输入数据和自动运算就可以直观地展示结果，并通过人机交互模式进行输入调整，实现规划方案的评价和比选。

2.1 全息感知系统

(1) 通过动静结合的数据采集模式实现对城市交通的全面感知。

底层数据层是全息感知系统的重要基础，包含社会经济、土地利用、交通网络和路况运行等静态数据及互联网定位、手机信令、视频卡口数据等动态数据( 图2)。其中，动态数据作为交通时空特征的动态表征，是最重要的基础数据。随着移动定位技术的发展，互联网定位数据及手机信令数据能够描绘出个体用户在城市范围内乃至城市与城市之间的出行轨迹，而通过集计模型可得到特定区域层面的人群流动数据，实现对城市交通出行主体流动信息的采集。与此同时，交通部门目前也已拥有先进的交通流采集设备，可以实现对交通流的信息采集，如通过视频卡口数据采集道路交通的流量、通过公交刷卡数据获取公交客流OD 分布、通过车载GPS 可以获取车辆的运行速度等指标数据。通过动态数据的采集可以全面获取城市交通系统的三大核心要素(人流、车流、路况)的相关信息及状态。

图 2 动静结合的基础数据库系统示意图

城市交通表现为一种动态过程，实质上是土地利用的布局促成了用地在空间上的分离，使人们为了完成通勤、商务及休闲等各种活动出行而进行空间上的移动与集聚。从某种意义上说，静态的土地利用分布是交通产生的重要源头。而交通的动态流动需要通过静态的交通网络( 道路网、公交网) 来实现。因此，对城市交通的系统运作进行全面感知，除了需采集动态数据以外，还需整合社会经济、土地利用分布、地块属性和交通设施等静态数据。目前，交通网络的矢量数据信息( 道路网、公交网) 与地块的功能属性均可通过互联网得到。

(2) 利用多元数据的融合校核手段实现城市交通的精准感知。

目前的大数据技术手段能够实现多样本量数据的连续采集，在数据的全局性和稳定性上具有一定优势，但是其在算法上的局限性可能会带来固有误差。以交通需求中最核心的客流OD 数据的获取为例，由于互联网定位数据是基于GPS、基站和WiFi 定位等多维特征对职住状况进行判别所得的数据，虽然对职住分布及通勤OD 的识别精度较高，但是针对非通勤出行的扩样技术仍不成熟，导致非通勤OD 在量级上存在误差。而手机信令数据在运营商占有率、一人多卡率等扩样技术上的成熟发展，可以作为获取非通勤OD 数据的补充手段。与此同时，为了尽量减少大数据因固有算法而带来的误差，还需要利用实际检测的各类数据(如道路车流及公交客流检测数据等) 来进行校核与调整，即利用多元数据融合校核的方法来确保获取高精度的城市客流OD 数据(图3)。

图 3 多元数据融合校核客流 OD 方法示意图

可见，通过大数据采集手段已经可以获取海量丰富、多元异构的数据，但是大数据智能分析技术并不是将数据进行简单的组合，而是通过多元数据相互补充、融合与校核的方法，尽可能获取高精度、与现实更加吻合的数据信息，从而实现对城市交通的精准感知。

(3) 运用人工智能的识别算法实现对城市交通的智能感知。

传统的数据采集与分析技术以数据储存、处理和统计分析为主，需要依靠人工进行参数设置、统计分析及数据特征提取。交通规划辅助决策系统则是运用大数据与人工智能技术(机器学习和深度学习算法等)进行数据特征及规律的挖掘，识别出相应的交通需求特征(表1)，从而实现对城市交通系统的“由感到知”。

表1 交通规划领域中主要的大数据与人工智能识别算法及识别特征

2.2 推演仿真系统

推演仿真系统是对城市交通现象形成的原因及过程进行推演，并进行抽象的数学表达及直观的计算机模拟。系统中的输入数据主要为城市发展等静态基础数据、交通感知系统获取的各项动态数据及相应交通网络方案数据，在此基础上采用模型算法进行城市交通“由发生起源到现象结果”的过程推演；输出数据为交通供需及运行评价指标相关数据，可在此基础上对交通运行状态进行动态化拟合。推演仿真系统的应用实现了从基础输入到结果输出的“黑匣子”程序化模式，是保证人工智能交通决策辅助功能实现的内核。

根据推演仿真系统分析的范围尺度和决策支撑重点，可以将系统中的推演仿真模型划分为宏观模型、中观模型和微观模型3 类( 图4)。其中，宏观模型是建立“城市土地利用—人口就业—城市客流—供需运行”的推演过程，主要用于评价城市总体交通战略方案及重要设施布局方案；中观模型是采用子区域模型技术，将宏观模型中重点地区的供给与需求细化，开展动态的交通分配，并输出路网尺度的精细化交通运行指标，适合对城市重点地区的近期交通建设规划、改善交通拥堵的方案等进行评价；微观模型是对局部区段或节点的交通设计进行详细拟合，并对交通运行情况进行动态化模拟，以支撑局部地段的交通组织、设计与管控的优化。

图4 宏观—中观—微观一体化的城市交通推演仿真模型示意图

2.3 决策应用系统

传统的交通规划编制工作是由交通规划师主导制定规划方案，由交通模型师进行定量分析并提供技术支撑，最终综合多方面因素及协调多方利益确定规划编制方案。这种以人工为主导的流程化工作模式由于编制技术工作的专业化程度过高，不利于多方规划人员( 如规划决策者) 的理解和参与，形成了交通规划技术工作的壁垒，大大影响了规划编制工作的开展效率。而简易化、直观化和智能化的规划工作流程已成为新信息技术发展背景下的研究趋势。决策应用系统采用信息集成技术构建“基础数据—模型算法—规划应用”一体化的流程辅助决策系统，针对交通规划技术流程中的多个场景需求进行专题应用，采用人机对话的用户逻辑思维模式，集成交通仿真模型接口，实现计算过程调用及计算结果自动输出。此外，决策应用系统采用“双屏及多屏”设计，针对不同的方案进行可视化输出，可实现多用户参

与系统方案的评价，为规划决策者及其他规划参与者提供界面友好、操作便捷和响应迅速的决策支持(图5)。

图5 决策应用系统流程图

3 佛山实践

佛山根据上述研究方法体系构建了智慧交通规划辅助决策系统，并将其广泛应用于城市交通规划、设计与管理等实际业务中，科学有效地支撑了城市交通规划与管理过程中的相关决策工作。本文从智能感知、智能模拟与智能决策3个方面列举案例对该系统的具体应用及效果进行阐述。

3.1 智能感知：广佛同城一体化交通需求特征的识别

区域协同与城市群一体化发展已成为国家层面的重要战略方向，城市间的合作交流更加频繁，交通联系日益增强，因此城市交通规划必须充分考虑城市与周边地区的一体化发展。佛山地处广州的西侧，广佛地区是全国同城化程度最为密切的地区，广佛同城化一体化作为大湾区战略规划的重要内容被提出，已成为两市谋划城市发展需要考虑的战略前提。而大数据突破了传统调查数据受到行政区划的限制，能更便捷地获取人们在整个城市群空间范围的流动轨迹信息。佛山的智慧交通规划辅助决策系统通过大数据智能分析技术全面识别广佛同城一体化的交通需求特征，首先基于互联网定位数据识别了广佛人口的职住分布和通勤特征，发现广佛具有全国最高的跨市通勤规模(日均80 万人次左右)；其次，结合手机信令数据共同识别广佛同城一体化的客流OD 分布特征，发现当前两市已初步形成了与城市空间形态相吻合的“双心、多组团轴带，边界密集缝合”的一体化客流布局结构；最后，利用交通检测与公交刷卡数据推导得到道路车流分布及公共交通客流分布特征，识别出同城化区域重要的客流交通走廊。对广佛同城交通需求特征的智能化识别，为同城化交通发展策略的制定、一体化交通网络的构建及重大交通基础设施的布局等规划决策提供了支撑依据(图6 ～图9)。

图6 广佛两市居住人口密度分布图

图7 广佛两市工作人口密度分布图

图8 广佛同城一体化的客流形态分布图

图9 广佛同城一体化的道路网交通流量分布图

3.2 智能模拟：宏观—中观—微观一体化的综合交通仿真模型

佛山的智慧交通规划辅助决策系统结合“城市全域—中心城区—局部地段”不同范围尺度建立了宏观—中观—微观一体化的综合交通仿真模型，以全息感知的静态与动态数据作为基础输入数据，根据居民出行问询调查、公交跟车问询调查等样本数据对居民出行行为参数进行标定，实现了宏观、中观、微观不同层面的交通供需运作模拟。

市域宏观交通仿真模型通过模拟并预测佛山( 含广佛) 全日交通需求( 规模及分布流向)，得出高峰时段的交通供需与运行指标，并重点评价交通供给与需求的匹配程度，为城市的综合交通规划、各类专项规划的科学编制提供定量依据。中观交通仿真模型则是对360km²的中心城区的整个交通网络(包括交通设施及交通管控信息)进行详细建模仿真，对细分的OD 需求(15 分钟/ 次) 进行路网动态运行仿真，并输出排队长度、延误时间和通过流量等详细指标数据，以便支持各类精细化的交通规划、管理与设计，实现区域规划决策在中观层面的优化，该模型也可用于土地利用调整的交通适应性评价及交通影响评估。微观交通仿真模型以中观交通仿真模型的分配数据为基础，动态输入相关路径、通过流量及动态交通管控数据，推演及展示路网局部节点的车辆运行和拥堵情况，为局部地段详细的交通规划设计提供支撑( 图10)。

图10 佛山宏观—中观—微观一体化的交通仿真模型体系及应用场景示意图

3.3 智能决策：国土空间规划体系下交通承载力分析应用系统

交通规划在国土空间规划体系中占据重要地位，《全国国土规划纲要(2016—2030)》提出“合理拓展建设用地新空间，控制国土开发强度，全面提升土地节约集约利用水平”。可见，城市空间、用地与交通协同发展是促进国土空间合理化、集约化发展的重要途径。

以国土空间规划体系下交通承载力分析应用为例，佛山的智慧交通规划辅助决策系统建立了交通需求与城市土地利用的互动机制，可有效支撑城市土地利用调整和开发的各个阶段流程的交通评估分析工作。整体层面根据交通系统的承载力容量对全市的建设用地规模、人口与就业规模进行评价，并结合重大交通设施的布局对城市用地开发强度分区指标进行反馈调整(图11)；局部层面则是对区域规划方案中的交通系统用地布局与开发强度进行适应性评价，建立交通系统设施规模、网络构建、用地布局、开发强度与相应就业人口规模之间的对应调整机制( 图12)。该系统的操作都是通过简易的人机交互式模块设置关键指标参数，自动进行规划方案的指标对比、综合评价和优选，实现了规划技术流程的统一化和标准化，为规划工作提供了快捷、智能的决策支持手段。

图11 国土空间规划体系下佛山交通承载力分析技术路线图

图12 佛山控规层面交通系统适应性评价应用示例( 含方案比对) 图

4 结语

在大数据信息技术手段快速发展的今天，人工智能技术在城市交通规划领域将发挥越来越重要的作用。随着研究的不断深入，智能交通规划的技术体系已经逐步成形，如连续性强、样本覆盖度高的大数据采集为人工智能分析提供了稳定的数据源；多维度的仿真模拟技术可推演城市交通的运作状态、机制与规律，并预测未来交通发展态势，成为人工智能交通规划体系的内核中枢；人机智能交互技术则为规划的开放普及和多方决策参与提供了应用保障。未来仍需不断升级数据采集技术，改进与优化智能化模型算法，提高智能规划技术的准确度和可靠度，并完善智能化规划研究与应用的相关行业标准体系，以真正推动人工智能技术在交通领域乃至全规划领域的应用与发展。

新媒体编辑：苏子语

审读：王青

终审：刘芳

文章全文详见《规划师》2021年15期

《交通规划辅助决策系统构建及佛山实践》

欢迎加入智能交通群！加微信号automan332，标注”加群“。