讓規劃更高效—云上智能規劃平臺
引言
云上智能規劃平臺是深圳市城市交通規劃設計研究中心(以下簡稱“深圳交通中心”)集成全面的數據與場景應用,面向各類交通規劃分析需要打造的規劃設計專用分析云平臺。以數據治理引領交通規劃,場景分析支撐應用案例,讓規劃師聚焦規劃方案創意本身,讓交通規劃設計更加準確、專業和高效。我們的目標是將云上智能規劃平臺打造成一個全球規劃師的應用平臺,支持更多的人二次開發規劃分析算法應用,集眾智力量,為城市交通規劃與建設賦能!
1.讓規劃設計更專業高效
邁入大數據時代,數據推動城市交通綜合治理成為了共識,海量數據資源也為城市交通規劃設計帶來了新的分析角度。經過近些年的發展,交通大數據融合分析已實現了城市交通的可感知、可監測、可分析,然而從城市交通監測感知到規劃設計決策應用發展則相對緩慢。我們一直在關注如何融合交通大數據分析與規劃分析算法應用,讓規劃設計更加準確。云上智能規劃平臺面向各類交通規劃設計咨詢項目,針對動靜態數據資源整合、數據計算分析與表達、前景預測分析、方案模型測試等需求,集成了統一全面的規劃數據指標資源,提供在線規劃數據算法編輯工具,打造各類交通規劃數據表達專用模板,讓規劃設計更加專業。嘗試解決規劃數據獲取難、規劃指標計算難、規劃出圖耗時長、規劃分析表達不一致、方案測試復雜等問題,讓規劃設計更加高效。
圖1 出行分布分析
2.全面集成規劃數據指標
交通規劃涉及的數據量大,數據種類多,總體可以劃分為靜態規劃類數據與動態交通運行數據。其中靜態數據包括社會經濟、人口崗位、交通設施等,動態數據包括道路交通、公共交通、對外交通等。云上智能規劃平臺集成全面的規劃關聯數據指標,匯集土地、交通、環境、安全、經濟等多元數據,建立了統一的交通大數據共享平臺。
圖2 規劃數據指標集
為了將更新頻率、數據格式、時空特性各異的海量數據資源有效整合以適應交通規劃分析需要,我們主要從時間和空間兩個維度對數據指標進行標準化處理??臻g維度分別從區域、線網、點位三個層級進行整合。例如,在區域層面,將人口崗位、出行分布、職住關聯等相關數據指標按照行政區、街道辦、交通小區、500米柵格逐層細化統一;在線網層面,將公交線網的運行速度、客流量融合至至道路網絡,與路網運行速度、交通流量協同管理。時間維度將全年劃分為春節、上半年、國慶、下半年典型數據分析周期,區分工作日與非工作日,以及早晚高峰、平峰與全天等時間特征,將各類動靜態數據指標進行整合。
圖3 交通小區層級的人口崗位分布
圖4 道路網運行速度
3.自主可控的云上超級模型
交通模型作為分析、預測人/物在城市空間下的移動需求方法理論體系,支撐交通系統的承載分析、交通系統運行的評價,對城市多元化空間特性研究、城市交通基礎設施建設及城市綜合交通管理具有不言而喻的重要性。然而,各地交通模型建模平臺差異(TC、Cube、EMME、Visum)與模型校核參數差異卻造成了模型通用性差,模型建模過程難以公開透明,影響了模型對規劃支撐的公信力。
目前國內主流的交通模型是四階段交通模型,將分析區域劃分為若干個交通小區,從出行生成、出行分布、方式劃分、交通分配來分析整個完整的出行過程。四階段模型計算過程中將產生大量的網絡路徑計算、矩陣運算、迭代收斂平衡,并且建模過程需要多輪次迭代計算出行生成、出行分布、方式劃分、交通分配以滿足目標的模型精度,將上一輪計算結果作為這一輪模型計算的基礎,整個模型計算過程需要消耗大量的時間。模型分析測試周期過長,也影響了交通模型在復雜規劃場景下的應用支撐作用。
智能規劃平臺將在深圳交通中心長期積累的多層次交通模型體系、實時在線仿真平臺及交通大數據平臺基礎上,引進國際先進的活動鏈、一體化模型技術,構建基于大數據驅動和云上SaaS服務的新一代城市交通模型——云上超級模型。其核心目標是完成出行鏈、活動鏈、大規模動態仿真等先進模型技術研發任務,實現多層次模型的一體化,并無縫銜接大數據產品體系。通過全套代碼自主研發,平臺將幫助規劃人員擺脫對各類商業模型軟件的依賴,降低模型構建與使用的技術門檻,提升交通模型在行業內的通用性,使交通模型作為一個優秀的數學分析工具,支持更多的規劃設計方案的實施,以推動城市交通建設更加科學有效。
圖5 響應式模型測試服務
4.云上構建智能算法模型
從原始基礎數據到規劃分析指標,需要經過大量的清洗、校核、擴樣等復雜流程才能適用于規劃場景應用,以往規劃類數據指標的分析計算難度較大,計算質量也難以得到保障。依托平臺的算法超市,我們提供了大量規劃指標計算的標準化算法,構建出行需求、交通分布、道路運行、公共交通、慢行特征、交通環境、交通安全等多個特征指標池,用戶上傳原始數據到平臺后即可快速完成規劃指標的計算。
圖6 算法超市
算法模型封裝常用的基礎工具和交通分析函數,涵蓋了平臺內置函數庫、基礎函數庫、交通分析函數庫、統計算法庫、空間算法庫以滿足各類規劃數據分析的需求。
圖7 算法模型
除開算法超市提供的規劃指標和算法模型外,我們還提供了自定義編輯算法模型功能,通過連通上述全部數據指標池的在線IDE,支持用戶個性化交通數據分析,用戶完成自定義算法可共享到算法超市供更多用戶使用。
圖8 用戶自定義算法
5.規劃模板分析與協同規劃實踐
交通規劃項目往往是復雜多元的,需要協調布置不同層次、不同編制主體、不同類型的規劃成果,以及貫穿整個規劃項目中的不同參與者,以保證規劃方案的協同性。然而,現階段規劃項目分析主要依賴于規劃師的個人經驗和既有項目作為參考,不同的規劃項目和規劃主體之間存在差異,很難達成規劃分析結果的一致性。為了提升協同規劃的品質和效率,云上智能規劃平臺將充分利用大數據和模型分析的優勢,在規劃分析表達、規劃方案測試等方面實現交通規劃分析的協同應用。
在統一的數據指標服務基礎上,平臺按照交通規劃的應用場景從交通需求、道路交通、常規公交、軌道交通等方面對規劃內容進行拆解細化,提供針對性的規劃分析應用服務。不僅如此,平臺還提供了一種渠道實現規劃分析經驗的積累和傳承,將一些優秀的規劃成果不斷打磨鉆研,從而打造出各類交通規劃分析的專用模板,方便規劃人員學習、參考和借鑒。
我們針對各類規劃分析關于分析結果地圖與圖表表達的需要,對地圖表達樣式和圖表分析效果進行了有針對性的調整和優化,讓規劃分析有內涵,更有顏值!
在交通需求分析板塊,提供了從宏觀出行蛛網分布、各層級區域的出行分布、職住關聯、職住平衡、對外出行分布、熱點區域出行分布、斷面查詢分析等功能應用分析場景。
圖9 職住平衡分析
圖10 自定義區域出行分布分析
圖11 斷面需求分析
在道路交通板塊,除開提供歷年道路交通運行速度和分析以外,我們還提供路段流量溯源、通道流量溯源、區域流量溯源、流量OD溯源、道路出行距離分析板塊,結合道路擁堵時空分布分析,可全方位對道路功能、道路擁堵溯源提供精準分析。
圖12 路段流量溯源分析
圖13 通道流量溯源分析
圖14 區域流量溯源分析
圖15 流量OD溯源分析
圖16 道路出行距離分析
在常規公交板塊,提供通道出行蛛網圖分析、公交出行OD分布分析、公交線路客流和站點上下客流分析功能。公交出行OD分析提供了在行政區、街道辦、自定義區域空間尺度的OD分布。公交線路客流根據規劃項目需求提供單條線路途經站點的上下客流統計分析和線路斷面客流分析。
圖17 公交出行蛛網圖
圖18 公交線路客流分析
軌道交通板塊提供軌道出行蛛網圖、軌道站點OD分布、軌道線路客流、軌道站點上下客流分析。通過自定義站點OD分布分析,可便捷實現對換乘站點客流分布統計分析功能。
圖19 自定義軌道站點OD分析
圖20 軌道線路客流分析
6.未來·開放包容
云上智能規劃平臺將基于云上超級模型與SaaS云平臺,集成全面數據分析與動態響應模型測試技術,構建規劃過程分析表達、規劃方案響應測試的通用模板,實現區域規劃、城市及分區規劃、片區規劃、專項規劃等各類規劃項目協同應用。平臺的核心目標是讓交通規劃設計更加專業、高效,因此我們將打造匯集全面數據指標的規劃分析平臺,實現規劃方案模型測試的通用性與響應式服務,形成各類交通規劃分析表達的專用模板,不斷提升協同規劃的品質與效率。
未來,云上智能規劃平臺將被打造成一個全球規劃師的應用平臺,提供更為豐富的規劃分析應用場景。我們將持續開放應用,讓更多的人二次開發規劃分析算法應用,融合更為全面的規劃數據指標,集眾智力量,為不同規模的城市交通規劃與建設賦能!
聯系人:屈新明
郵 箱:quxinming@sutpc.com