智能交通管理系统发展趋势
李瑞敏1, 王长君2    
1. 清华大学 土木工程系, 北京 100084;
2. 公安部道路交通安全研究中心, 北京 100062
摘要:数十年智能交通管理系统的发展依然存在效能不足的问题。该文聚焦城市交通系统的社会技术属性和特征,对智能交通管理系统的发展方向进行了探索,提出了智能交通管理系统发展的三大趋势:在技术基础上应以信息物理社会系统为基础,在建设目标上要实现能力的本质提升,在管理机制上要实现数据支撑的综合驱动。在分析信息域、物理域、社会域三者之间关系的基础上,提出了基于信息物理社会系统的智能交通管理系统体系框架,阐述了三大趋势的具体内涵及未来发展的建议,以期对我国智能交通管理系统的发展提供借鉴。
关键词智能交通管理系统    社会技术系统    信息物理社会系统    人工智能    
Development of advanced traffic management systems
LI Ruimin1, WANG Changjun2    
1. Department of Civil Engineering, Tsinghua University, Beijing 100084, China;
2. Road Traffic Safety Research Center of the Ministry of Public Security, Beijing 100062, China
Abstract: Advanced traffic management systems (ATMS) still need significant development. This study analyzed the socio-technical characteristics of urban transportation systems to predict future development directions for advanced traffic management systems. Future ATMS will be based on cyber-physical-social systems (CPSS) and have improved capabilities using big data in integrated systems. An ATMS framework was developed based on the relationships between the cyber domain, physical domain, and social domain. This study describes key implications of the three trends with suggestions for future developments of modern ATMS.
Key words: advanced traffic management systems    social-technical systems    cyber-physical-social systems    artificial intelligence    

智能交通系统(intelligent transportation system,ITS)的发展从统一定义到目前已有近30年的历史[1],而从信息技术在交通领域的应用算起则已超过半个世纪。智能交通系统的发展建设在应对中国快速城市化、机动化的进程中发挥了重要的作用。然而,另一方面的现实是,随着中国城市化、机动化进程的持续快速推进,虽有交通基础设施的大力建设和智能交通系统的技术支撑,但城市交通拥堵、道路交通事故频发等问题依然明显存在,交通管理者在交通系统治理方面、出行者在出行舒适性方面等都存在较大的提升空间。

近年来,信息通信技术(information and communication technology,ICT)的快速发展推动着智能交通系统发展领域的不断变迁,各个国家或地区的智能交通系统发展的框架性[2]、规划性文件[3-4]的内容也随之不断更新,自动驾驶、数据共享、出行即服务(mobility as a service, MaaS)等成为智能交通系统未来的发展方向与热点[3, 5]。与此同时,云计算、大数据、物联网、移动互联、人工智能等技术也逐步被引入智能交通系统并在某些场景中逐渐发挥越来越显著的作用[6]。而“新基建”的提出也表明了未来要在信息基础设施建设的基础上加强融合基础设施及创新基础设施的建设。

总体而言,我国智能交通系统在过去20多年的时间内取得了良好的进展,但以软硬件技术系统建设为主的模式近年来遇到了难以充分发挥功效等瓶颈,智能交通系统的支撑理论和建设模式等都需要新的发展。

作为智能交通系统的重要组成部分,智能交通管理系统[7]一直是ITS发展的重要内容并关联着众多其他领域的智能交通子系统,本文结合当前智能交通管理系统的发展现状及基本支撑理论与技术的发展,从3个不同维度分析了未来智能交通管理系统的发展趋势:在技术支撑上要充分考虑城市交通系统的社会技术系统属性,以信息物理社会系统为基础构建新的智能交通管理系统体系框架;在建设目标上要实现能力的本质提升;在管理机制上要实现数据支撑的综合驱动。

1 城市交通系统的社会技术系统属性

城市交通系统是由运输对象(人)、运输工具(车)、基础设施(路)、管理设施(交通标志标线等)、组织管理体制等多个相互关联的要素所构成,同时与外界系统如土地使用、环境、能源、经济、人文等有着千丝万缕的联系。因此,城市交通系统可视为一个复杂的社会技术系统[8-9]。社会技术系统理论认为一个“组织”是由社会子系统与技术子系统为核心构成,同时需考虑环境子系统。对于社会子系统与技术子系统而言,如果只强调其中的一个而忽略另一个,就可能导致整个系统的效率低下。近年来,随着信息技术的快速发展,城市交通系统各要素之间关系日渐紧密,在研究分析方法中也需要充分重视社会子系统与技术子系统的整合。例如,在欧盟的可持续城市出行规划指南中[10],明确指出需要从传统交通规划的“交通基础设施作为主要主题”向可持续城市出行规划中的“结合基础设施、市场、监管、信息和推广”转变。

智能交通管理系统作为对城市交通系统进行感知、分析、调控、评估等的重要手段,在过去半个多世纪中得到了全面的发展。在获得广泛应用的同时,与当前我国经济社会发展需求相对比,尚存在较大差距[7]。重要原因之一是在重视技术系统建设的同时,未能充分关注对社会子系统的理解和融合,从而导致当前的困境。例如缺乏对传统交通工程技术与先进信息通信技术之间的专业整合(机制问题)、交通参与者交通意识提升不足(社会意识问题)、服务理念过于强调车辆为对象而忽视人的出行本质(认知问题)等[7]。智能交通管理系统的良好运行与作用发挥除依赖于先进的软硬件系统之外,机制、数据、法律、各类参与者等要素之间都是相互作用的,因此社会技术系统方法提供了一种更全面的手段来推动特定技术的实施。而在智能交通管理系统的建设中,一方面要充分优化机制等方面的问题,使技术实施与业务需求等相互匹配来提高软硬件系统的功效,另一方面要充分重视出行者的出行行为和社交关系等来提供合适的信息服务、出行服务,从而改善出行质量乃至生活质量。

2 基于CPSS的智能交通管理系统

信息物理社会系统(cyber-physical social systems,CPSS)在信息物理系统(cyber-physical systems,CPS)的基础上发展而来[11-12],其目标是实现人类社会、信息空间、物理世界三者的全面连通与融合,以数据为连接从而更好地实现对现实世界(既有物理世界也有社会行为和关系等)的认识、理解和优化等,目前已经在众多复杂巨系统中得到关注[13-18],包括城市和交通系统[15, 19]

2.1 信息物理社会域关系解析

交通系统中的3类空间之间的关系如图 1所示[20-21]

图 1 信息物理社会域关系

1) 物理域。

交通系统物理域主要包括构成交通系统的基础设施、管理设施、载运工具、运营者、出行者、货物等主体,基础设施提供运输空间和通道,运营者利用载运工具实现客货运输,当然也包括自有交通工具的出行及运输等。各要素在交通系统这一物理域内发生交互,实现各类交通运输活动。

2) 信息域。

信息技术在过去几十年的发展中实现了对交通物理域的信息表达,不仅构成交通系统要素的基础设施、载运工具等实现了全部的信息化管理,而且对交通运行状态、出行行为乃至出行需求等反映交通需求的要素也都实现了信息化,形成了平行于物理域的信息域[18, 22]

3) 社会域。

社会域由出行者行为、出行需求、交通管理政策、模式等要素构成,体现了交通系统各主体的社会性及社会关系,形成了交通系统内复杂的社会关系网络,也是造成交通系统社会领域复杂性的根本。

4) 域间交互影响。

智能交通管理系统应是信息、物理、社会域相互融合的多学科交叉研究对象。在社会域与信息域之间,社会域被信息域通过各种手段感知,同时信息域为社会域的运行提供各类的信息服务等;在信息域与物理域之间,信息域通过各类技术手段实现对物理域的全面感知和调控优化,物理域的变化也能够为信息域带来相应的影响;在物理域与社会域之间,物理域是交通系统社会域各类活动实现的基础,社会域的需求是物理域的相应运转的驱动力,社会域的运行方式又会影响物理域的发展变化等。

2.2 基于CPSS的智能交通管理系统体系架构

基于CPSS的智能交通管理系统由物理层、信息层和社会层组成,如图 2所示。物理层是指交通运输系统中真实的交通运输服务,实现人、车、路及管理设施之间的物理性交互,并且针对不同要素,通过泛在传感采集各类物理交互信息并传输到信息层。信息层则主要实现对物理层的信息化体现,一方面代表交通供给的基础设施、载运工具等实现了信息化,另一方面代表交通需求的出行行为、出行需求实现了信息化,二者交互进而形成了交通管理、出行服务的信息化等,在该层形成了虚拟化的交通系统。社会层则基于交通系统相关要素的社会化交互,综合考虑出行者的需求特性和制度领域的各类要素,形成具有组织规则的广义互联社会,进而又影响到交通系统中的个体行为。因此,需要对交通系统的社会化特征进行深入剖析并与技术系统进行整合。

图 2 基于CPSS的智能交通管理系统体系架构

在智能交通管理系统这个典型的CPSS系统的发展中,必须充分融合交通系统这一复杂社会技术系统中的人和社会的因素。因此,在对社会子系统的理解和融合方面,未来主要需要强调以下两个方面工作:

1) 交通感知的全面和深入。在交通系统感知上,未来需要从偏重于对宏微观交通现象、交通规律等客观现象的感知向重视出行行为的采集和分析进而实现对交通系统现象和本质的全面深入感知转变。

在过去的交通系统检测中,受制于可利用技术条件等的限制,更多的是采用安装在基础设施中的各类检测器(如线圈、视频、雷达等)对交叉口、路段、枢纽、车站等的交通现象进行集计的信息采集,例如可以掌握某段道路的流密速关系并进行交通流建模等[23],但是对于这些交通流生成的由来、过程缺乏了解。而本质上交通出行是一种派生需求,要对其规律进行更为精准的认识和掌握,需要结合产生出行的本源需求(社会活动行为)进行认识。

近年来,随着各类移动智能装备不断普及以及在线平台的迅速发展,利用遍布分布的“社会传感器”所提供的丰富的社会信息来深入挖掘交通系统的现象背后的影响因素、决定机制等已经成为可能[24-25],从而可以更好地深入认识社会活动、理解出行规律等[26-27]。诚然,目前的社会化信息尚未达到完整的程度,但是多年来传统的基于检测交通流数据来调控优化交通供给的思路已经无法适应交通系统的发展需求,未来必须通过整合多源数据(不仅仅是直接的出行数据,还要整合其他影响因素的数据等)来挖掘交通出行产生的本质[26, 28],从调整交通供给和改变出行行为及需求的多个维度来实现交通系统的供需平衡。

基于CPSS的理念进行交通系统的信息采集和感知的特点之一是要充分考虑交通系统的社会属性,考虑作为决定出行系统表征的交通参与者的行为特性以及由此带来的不确定性而导致的对交通系统观察和理解的难度,从把握出行行为、出行规律、影响机理的层面入手,结合对交通系统的观测更为深入地解析和了解交通系统,提高对交通系统的动态演化机理的认识和预测能力。例如,异常天气下的交通系统运行状态,由于天气因素导致出行选择的变化进而导致交通系统的总体变化,在对其进行估计预测的过程中需要充分融合气象因素、出行选择行为等方面的数据。

2) 充分整合制度领域要素促进系统建设。“城市交通治理是工程技术与社会问题的综合”[29],在智能交通管理系统的建设发展上,除了重视信息物理系统支撑的技术系统外,还要充分重视交通系统涉及的制度领域等社会系统方面的特点,例如在近数十年来所强调的客货运的多式联运方面,其中出行即服务的发展关键点的影响因素更多是在非技术系统的社会系统方面[30]

在未来智能交通管理系统的发展建设中,需要建立良好的ITS实施部署的成熟过程,首先从需求分析及功能定义入手,在统筹建设安全、高效的综合交通系统和社会效益最大化等多目标的情况下,识别物理领域内的各个子系统以及制度领域的部门组织,实现部门组织需求与各子系统功能紧密衔接,通过系统建设实现流程再造,进而建立有效的智能交通管理系统建设的效果评估,形成智能交通管理系统发展的生态体系。未来的智能交通管理系统有多维的目标,也有复杂的机制,而目前智能交通管理系统的能力未能充分发挥的一个原因即在于对于机制的梳理和适应不足。

3 人工智能驱动的能力建设

将交通的基础设施归于物理域的内涵,发展建设主要由传统的交通基础设施建设来完成,并非智能交通系统的发展重心,而信息域(或信息系统)则是智能交通系统建设的重点(但非全部)。回顾智能交通管理系统的发展过程,在信息域方面的发展可以简单归结为“物力—算力—智力”的建设过程,而持续的发展目标则是“能力”的提升,包括交通管理的能力、出行服务的能力等。

智能交通管理系统的建设初期,受制于基础支撑技术的制约,以传统的信息通信技术手段为支撑,主要专注于内外场信息通信硬件环境(“物力”)的建设,实现初步的信息采集、数据分析、自动控制、指挥调度、信息服务等功能,彼时信息采集数量有限,通信速度受制,控制方法简单,但也在自动化信号控制、信息服务、应急交通等方面发挥了重要的作用。

近年来,随着IT技术的突破,云计算、大数据、边缘计算等使得各层面的计算能力得以不断提高,功能也日渐丰富;近来智能交通管理系统的建设中,数据管理(数据共享等)被作为很重要的一块服务领域[2-3],大数据中心、数据湖、云计算中心等的建设为智能交通管理系统具备良好的计算能力奠定了有力的基础,智能交通管理系统的“算力”有了良好的保障。

对于交通系统这样一个复杂的社会技术系统,如果仅仅从信息物理系统的角度入手而缺乏人类智能的参与,则建立在一系列软硬件基础上的智能交通管理系统的能力始终有限。智能交通管理系统的发展所需要的最核心的基础是智能化水平的提升,即是拟人化的智能的实现。因而,近年来形成了“交通大脑”等提法[6, 31-32],以期能够从人类智能加人工智能的混合智能角度发展,从而提升智能交通管理系统的水平,即更为关注智能交通管理系统的“智力”的发展。而“智力”的发展则需在物理设施、信息设施充分发展的基础上整合社会域的要素,从而综合“物力”、“算力”及“智力”的发展,最终智能交通管理系统的建设根本还是“能力”的提升。

未来,智能交通管理系统发展的能力建设的核心两点如下:

1) 形成新的交通治理体系。智能交通管理系统的“智力”发展不仅仅是技术问题。基于对城市交通系统社会技术系统属性的认识,通过对社会域(含人员、组织等)与信息物理系统的关系的深入认识,利用新的思维和理念对交通系统进行系统化构建,综合运用技术手段以及各类人员的广泛参与,实现共建共享、协同治理的过程和体系。新的交通治理体系的实现要综合考虑硬件、软件、组织、流程等在内的因素,需要融合人类智能与人工智能,在技术上当以数据驱动为基础、以智能技术为支撑,或可以通过云控系统[33]、平行系统[22]等类似的方式去实现。

2) 注重提升效率与调整需求并重。近年来交通系统的矛盾之一是需求的增速远超供给能力的提升,要想实现交通系统的良好运行,智能交通管理系统的内涵也需外延。基于信息技术等的快速发展,智能交通管理系统的建设重点需要从侧重提升物理系统(交通基础设施等)运行效率转向调整出行行为与改善物理系统运行效率并重的角度发展,例如MaaS与主动交通管理系统的整合等[30],从而优化交通出行的总量、出行时间、方式、路径等的选择,以更好地实现交通系统的各类平衡。

4 数据驱动的管理流程重构

泛在感知技术手段的发展,数据采集范畴的扩大,使传统的交通管理业务流程得以不断优化和重构,以数据为核心的信息物理社会系统体系中,结合人工智能等技术的发展,将有助于实现数据驱动的控制和优化的新模式。

智能交通管理系统的初期发展主要是以业务驱动为主,往往根据某项业务或某个业务部门有针对性地开发相应的业务管理信息系统,如信号控制系统、违法抓拍系统、信息服务系统等,通过业务知识的不断积累提升管理系统的能力和水平。而在日常的运行管理中,则往往是事件驱动型,由于一起事故、一个活动、一处拥堵等触发相应的管理优化流程,通过数据收集、问题分析、方案设计、方案实施、评估分析等完成日常的管理工作。未来,结合交通管理工作的需求及技术进步,在管理流程上需要实现如下提升:

1) 目标导向的交通管理流程。近年来,由于大数据的可得性,在交通管理中可以加入对目标的追求并可实现对目标的实时衡量,从而在实际管理工作中可以转向数据支撑的目标驱动型的管理流程[34]。结合城市发展的愿景与内容,确定城市交通系统的具体发展目标、交通管理目标并通过大数据支撑的性能指标来进行衡量,通过实时在线的分析计算实现对性能指标的实时监测。在此基础上确定相应的管理措施,并在实施后进行实时评估且与预期目标进行对照,如果存在差距,则进行周而复始的循环与迭代优化从而不断接近系统目标。由此建立新型的目标导向的闭环反馈的交通管理流程以提高城市交通系统运行效率。

2) 数据支撑的综合驱动。借助近年来快速发展的数据基础与计算能力的提升,通过在线数据应用系统等的建设与发展,未来的智能交通管理系统将充分结合人工智能与人类智能,更为深入准确地把握城市交通系统中交通参与者及社会因素导致的随机性及复杂性需求,以数据驱动为基础,通过整合业务流程、发展目标等突破现有技术与制度等方面的束缚,从而更加有效地发挥数据的能力,并整合人们的创新能力及机器的学习能力等,实现综合性的驱动。

目前而言,智能交通管理系统在信息物理系统层面已经获得了显著的发展,但在对社会层面要素的理解和整合方面尚存在不足。未来,一方面需要继续搭建感知体系,在感知体系的全面性、精细化程度方面要不断提升,尤其是要考虑利用社会传感器网络等新的技术手段去实现对出行者行为的把握;另一方面要加强对社会性数据的融合及社会性要素的整合,更好地从微观到宏观的多维层面去了解交通需求的产生机理,建立科学合理的业务流程及运行模式,以有效支撑交通管理工作。

5 结论

城市交通系统是一个复杂的社会技术系统,面向城市交通系统的智能交通管理系统的建设发展必须充分重视系统所涉及的社会性因素。从影响出行者行为的各类本源性需求到影响城市交通系统运行的各类制度领域的要素,都会对城市交通系统的运行带来影响。本文从3个层面探讨了未来智能交通管理系统的发展趋势,借鉴信息物理社会系统的概念,结合智能交通管理系统的特点,分析了交通管理系统中的信息域、物理域、社会域的要素及关系,提出了基于信息物理社会系统的智能交通管理系统体系框架,并从能力建设和流程重构的层面分析未来的发展趋势,以期对未来我国智能交通管理系统的发展起到良好的启示和指导作用。

参考文献
[1]
王笑京, 张纪升, 宋向辉, 等. 国际智能交通系统研发热点[J]. 科技导报, 2019, 37(6): 36-43.
WANG X J, ZHANG J S, SONG X H, et al. International research and development hotspots of intelligent transportation system[J]. Science & Technology Review, 2019, 37(6): 36-43. (in Chinese)
[2]
U.S. Department of Transportation. Architecture reference for cooperative and intelligent transportation[EB/OL]. (2020-11-30)[2021-01-06]. https://local.iteris.com/arc-it/.
[3]
CHAN-EDMISTON S, FISCHER S, SLOAN S, et al. Intelligent Transportation Systems (ITS) Joint Program Office: Strategic plan 2020-2025[R]. Washington, DC: Intelligent Transportation Systems Joint Program Office, 2020.
[4]
SIP. Public-private its initiative/roadmaps 2019[R]. Tokyo: Cabinet Public Relations Office, 2019.
[5]
郭戈, 许阳光, 徐涛, 等. 网联共享车路协同智能交通系统综述[J]. 控制与决策, 2019, 34(11): 2375-2389.
GUO G, XU Y G, XU T, et al. A survey of connected shared vehicle-road cooperative intelligent transportation systems[J]. Control and Decision, 2019, 34(11): 2375-2389. (in Chinese)
[6]
潘述亮, 徐晓东, 杨海波, 等. 智能与进化: 济南新一代智慧交通系统的设计[J]. 城市交通, 2020, 18(3): 103-113.
PAN S L, XU X D, YANG H B, et al. Intelligence and evolution: A new generation of intelligent transportation system design in Jinan city[J]. Urban Transport of China, 2020, 18(3): 103-113. (in Chinese)
[7]
王长君, 李瑞敏. 城市交通智能管控20年发展反思[J]. 城市交通, 2020, 18(5): 1-7, 33.
WANG C J, LI R M. A review of intelligent urban traffic management development in the past two decades[J]. Urban Transport of China, 2020, 18(5): 1-7, 33. (in Chinese)
[8]
SUSSMAN J M, SGOURIDIS S P, WARD J L. New approach to transportation planning for the 21st century: Regional strategic transportation planning as a complex large-scale integrated open system[J]. Transportation Research Record: Journal of the Transportation Research Board, 2005, 1931(1): 89-98. DOI:10.1177/0361198105193100112
[9]
GEELS F W, SOVACOOL B K, SCHWANEN T, et al. Sociotechnical transitions for deep decarbonization[J]. Science, 2017, 357(6357): 1242-1244. DOI:10.1126/science.aao3760
[10]
RUPPRECHT S, BRAND L, BöHLERBAEDEKER S, et al. Guidelines for developing and implementing a sustainable urban mobility plan, second edition[R]. Cologne: Rupprecht Consult-Forschung & Beratung GmbH, 2019.
[11]
翟书颖, 郭斌, 李茹, 等. 信息物理社会融合系统: 一种以数据为中心的框架[J]. 大数据, 2017, 3(6): 85-92.
ZHAI S Y, GUO B, LI R, et al. Cyber-physical-social system: A data-centric framework[J]. Big Data Research, 2017, 3(6): 85-92. (in Chinese)
[12]
WANG F Y. The emergence of intelligent enterprises: From CPS to CPSS[J]. IEEE Intelligent Systems, 2010, 25(4): 85-88. DOI:10.1109/MIS.2010.104
[13]
DE S, ZHOU Y C, ABAD I L, et al. Cyber-physical-social frameworks for urban big data systems: A survey[J]. Applied Sciences, 2017, 7(10): 1017. DOI:10.3390/app7101017
[14]
FRAZZON E M, HARTMANN J, MAKUSCHEWITZ T, et al. Towards socio-cyber-physical systems in production networks[J]. Procedia CIRP, 2013, 7: 49-54. DOI:10.1016/j.procir.2013.05.009
[15]
MOHEBBI S, ZHANG Q, CHRISTIAN WELLS E, et al. Cyber-physical-social interdependencies and organizational resilience: A review of water, transportation, and cyber infrastructure systems and processes[J]. Sustainable Cities and Society, 2020, 62: 102327. DOI:10.1016/j.scs.2020.102327
[16]
ZENG J, YANG L T, LIN M, et al. A survey: Cyber-physical-social systems and their system-level design methodology[J]. Future Generation Computer Systems, 2020, 105: 1028-1042. DOI:10.1016/j.future.2016.06.034
[17]
LIU Z, YANG D S, WEN D, et al. Cyber-physical-social systems for command and control[J]. IEEE Intelligent Systems, 2011, 26(4): 92-96. DOI:10.1109/MIS.2011.69
[18]
WANG F Y, ZHENG N N, CAO D P, et al. Parallel driving in CPSS: A unified approach for transport automation and vehicle intelligence[J]. IEEE/CAA Journal of Automatica Sinica, 2017, 4(4): 577-587. DOI:10.1109/JAS.2017.7510598
[19]
XIONG G, ZHU F H, LIU X W, et al. Cyber-physical-social system in intelligent transportation[J]. IEEE/CAA Journal of Automatica Sinica, 2015, 2(3): 320-333. DOI:10.1109/JAS.2015.7152667
[20]
刘念, 余星火, 王剑辉, 等. 泛在物联的配用电优化运行: 信息物理社会系统的视角[J]. 电力系统自动化, 2020, 44(1): 1-12.
LIU N, YU X H, WANG J H, et al. Ubiquitous and connected optimal operation of power distribution: The perspective of cyber-physical social system[J]. Automation of Electric Power System, 2020, 44(1): 1-12. (in Chinese)
[21]
汪光焘, 李芬, 高楠楠. 信息化对城市现代化的预期影响[J]. 城市规划学刊, 2020(3): 15-23.
WANG G T, LI F, GAO N N. The expected impact of informatization on urban modernization[J]. Urban Planning Forum, 2020(3): 15-23. (in Chinese)
[22]
吕宜生, 陈圆圆, 金峻臣, 等. 平行交通: 虚实互动的智能交通管理与控制[J]. 智能科学与技术学报, 2019, 1(1): 21-33.
LV Y S, CHEN Y Y, JIN J C, et al. Parallel transportation: Virtual-real interaction for intelligent traffic management and control[J]. Chinese Journal of Intelligent Science and Technology, 2019, 1(1): 21-33. (in Chinese)
[23]
LI L, JIANG R, HE Z B, et al. Trajectory data-based traffic flow studies: A revisit[J]. Transportation Research Part C: Emerging Technologies, 2020, 114: 225-240.
[24]
陈虹宇, 艾红, 王晓, 等. 社会交通中的社会信号分析与感知[J/OL]. 自动化学报, [2021-01-31], https://doi.org/10.16383/j.aas.c200055.
CHEN H Y, AI H, WANG X, et al. Analysis and perception of social signals in social transportation[J/OL]. Acta Automatica Sinica, [2021-01-31], https://doi.org/10.16383/j.aas.c200055. (in Chinese)
[25]
RASHIDI T H, ABBASI A, MAGHREBI M, et al. Exploring the capacity of social media data for modelling travel behaviour: Opportunities and challenges[J]. Transportation Research Part C: Emerging Technologies, 2017, 75: 197-211.
[26]
HARRISON G, GRANT-MULLER S M, HODGSON F C. New and emerging data forms in transportation planning and policy: Opportunities and challenges for "Track and Trace" data[J]. Transportation Research Part C: Emerging Technologies, 2020, 117: 102672.
[27]
YAO W R, QIAN S. From Twitter to traffic predictor: Next-day morning traffic prediction using social media data[J]. Transportation Research Part C: Emerging Technologies, 2021, 124: 102938.
[28]
WELCH T F, WIDITA A. Big data in public transportation: A review of sources and methods[J]. Transport Reviews, 2019, 39(6): 795-818.
[29]
汪光焘, 王婷. 贯彻《交通强国建设纲要》, 推进城市交通高质量发展[J]. 城市规划, 2020, 44(3): 31-42.
WANG G T, WANG T. Implementing the outline for building a leading transportation nation to promote high-quality development of urban transportation[J]. City Planning Review, 2020, 44(3): 31-42. (in Chinese)
[30]
李瑞敏. 出行即服务(MaaS)概论[M]. 北京: 人民交通出版社股份有限公司, 2020.
LI R M. Introduction to mobility as a service (MaaS)[M]. Beijing: China communications Press Co., Ltd., 2020. (in Chinese)
[31]
陆化普, 肖天正, 杨鸣. 建设城市交通大脑的若干思考[J]. 城市交通, 2018, 16(6): 1-6.
LU H P, XIAO T Z, YANG M. Thoughts on development of urban traffic brain[J]. Urban Transport of China, 2018, 16(6): 1-6. (in Chinese)
[32]
雷方舒, 温慧敏, 齐智, 等. 城市交通大脑的内涵与顶层设计[J]. 交通工程, 2019, 19(6): 47-52.
LEI F S, WEN H M, QI Z, et al. The connotation and top design of urban transportation brain[J]. Journal of Transportation Engineering, 2019, 19(6): 47-52. (in Chinese)
[33]
夏元清, 闫策, 王笑京, 等. 智能交通信息物理融合云控制系统[J]. 自动化学报, 2019, 45(1): 132-142.
XIA Y Q, YAN C, WANG X J, et al. Intelligent transportation cyber-physical cloud control systems[J]. Acta Automatica Sinica, 2019, 45(1): 132-142. (in Chinese)
[34]
LUKASIK D, HALE D K, MA J Q, et al. Enhancing active transportation and demand management (ATDM) with advanced and emerging technologies and data sources[R]. Reston: Federal Highway Administration, U.S. Department of Transportation, 2020.