观点 | 大数据变革交通新治理

改革开放40年以来，中国城市化进程迅速发展，从1978年的20%提升到目前的58.5%。北上广深城市化进程最快，深圳目前基本达到了100%。城市化进程的迅速发展带来了基础设施的趋于稳定。下一阶段的城市目标是如何用好这些基础设施，即如何运用好互联网产生的大数据来服务好人们的出行。

（图片源于网络）

首先，根据城市人群出行变化情况图，可以看出，大城市的中等收入阶层人群正在迅速增加,这带来了大城市交通出行率的增长，而这部分增长更多是非通勤交通。这说明随着居民收入水平的提升，非通勤交通增长迅速。但现有的研究对这部分变化的分析远远不够，这导致基础设施使用缺乏科学合理的指导。由此可见，对区域交通研究薄弱，是近年来我们面临的一个大问题。早期是因为没有数据或者只局限在某一个城市。但是现在我们获得了更多区域级的数据，使得分析区域交通成为可能，特别是区域大型基础设施的统筹协作，如珠三角地区的五个大型机场、高铁枢纽和港口如何协同，现在将能得到更好的解答。

第二，在城市核心区，特别像深圳这样的城市，城市核心区高度集聚，出行方式变化复杂。例如在福田中心区的大量轨道交通建设完毕后，居民的出行习惯发生了较大变化。但近期的交通决策考虑得仍然是如何进行路权调整,协调以小轿车为主的空间，这是严重滞后的。另外，CBD中有很多旧改，如深圳海边保留了一平方公里的空间，但开发量达到600万。在如此小的空间内聚集这么大的建设，如何处理密集地区的各种交通问题，是非常值得思考的。

第三，我们对出行行为的了解有限。例如北京、上海近几年公交客运量在持续下降。众所周知，地铁的发展转移了部分公交客运量，但到底是哪部分人群转移了，我们无从得知。如何在CBD中交通基础设施有限的情况下，制定相应政策从而吸引该部分人群重新选择公交，是一个值得思考的问题。其次，虽然深圳公交客运量从每天的600万人下降到了400万人，但公交补贴却60亿提高到了80亿。如何进行针对性的财政补贴，也是值得思考的问题。根据深圳小汽车使用政策可以看出，收入在6到15万的家庭里，对提高停车收费比较敏感。如果提高停车收费，该部分人群可能会转移到公交和地铁。但有些人群就不敏感，所以需要长期的数据跟踪才能制定好交通政策。综上所述，如何从居民出行数据分析个人的出行行为，从而制定更有针对性的政策，是当前研究的重中之重。

随着智慧交通的发展，未来会产生更多数据，将为数据交通治理带来更大的可能性。我们在深圳进行的交通治理探索，重点就是数据交通治理。我们希望能够通过更多的数据，把对城市交通的模拟从传统静态的城市模型到多元数据融合的区域模型，再到对整个数据进行全息感知后的新一代数据体系。

早期的空间改善基于规划，但目前城市治理的核心是基于空间活动。通过大数据，我们对整个地区人和车的活动了解更加清楚，所以空间改善和治理将更具针对性。

首先，是区域协同的例子。我们在选择新开的国际航线时，使用了系列城市的数据，包括航班数据、旅客分布数据等。过去一年，我们大概开通了20条国际航线。每条航线的开通都进行了各种数据分析，如与深圳产业连接度的数据分析、与深圳客流联系上的分析、与区域中广州、香港机场的客流分布的协调分析等。这使得整个区域级航空网络调整都比以前更有数据依据。

（图片源于网络）

第二，是中心区改善的例子。福田中心区面积为40平方公里，从1996年开始建设，20年后基本建成。通过福田中心区的规划图，可以看到，中心是一根长轴，建成后为大广场，两边是商业区。但福田中心区建成后，居民活动并未沿着中轴线进行，所以并未达到规划的目的。这需要我们进行交通评估和改造。

首先，我们进行了福田中心区的交通评估，评估地区的公交可达性。该区域交通最初主要由小汽车构成，后来规划为公交+轨道交通的主要出现模式。所以首先评估该地区的公交可达性。在轨道二期开通以前，该地区90%的区域公交服务良好。该地区的中轴轨道运行空间表现较强，所以我们]后面的空间设计均围绕中轴轨道交通进行，包括高差设计、信号灯设计和座椅设计等。根据数据分析，我们的第一想法是在该地区进行无障碍设施改造。该地区4平方公里内全为无高差，即所有街道断面的机动车和非机动车道均在同一水平线上，且均为共享车道。由于该地区步行量较大，以轨道交通+步行为主，故最初存在大量无障碍设施，但是步行的舒适度不好。因此，我们通过压缩机动车道，增加了11万平米的步行活动空间。相当于压缩了四分之一天安门广场的面积，来增加该地区的步行活动空间。除了步行的高差和宽度问题，我们还考虑了很多的安全改善措施。首先是限速。在该地区的核心广场区域是10公里限速，外围是20公里限速，再外围是30公里限速。

其次是识别车流与人流的冲突点，给车辆和人群做提醒。同时，我们根据该地区人群活动规律进行了一些小空间改善。如布设大量的风雨连廊，隔离日晒；设置可供休息的座椅，提高行人舒适度；设置自行车道，减少共享单车占用步行道。该地区大量的公交需求为长距离的快线需求，但我们最初提供的是短距离的出行，所以通过数据分析来改善公交结构以更好地运行公交的运营。

最后，是利用数据进行政策监管的例子。例如，根据交通运行指数和停车收费指数的关系，交通运行指数提高，意味着应该增加停车收费，来调节拥堵情况。网约车对道路的冲击情况，也是我们长期在评估的一个问题。网约车吸引了大量地铁与公交客流，但增加了道路的周转量。因此，我们需要提出相应政策限流。同时，对于外地车，根据政策要求，9点半之前不允许上主干道。10点钟以后，路网的外地车比例占到40%。因此，我们需要根据数据制定有针对性的措施，来调节深圳小汽车的使用情况。

希望有更多的互联网+数据，带动交通的空间治理，让数据驱动交通治理，让我们的出行更美好！