交通从细节做起

文樊天翔



交通从细节做起

赶上毕业前的最后一次参加TRB会议机会的，着实幸运，甚是激动。硕士研究生三年不再留有遗憾。第一次出国参加国际学术会议，无论是单纯的生活体验，还是专业的学术交流，都是满满的收获。

体验篇

从大学本科至硕士研究生，在交通工程领域熏陶了将近七年，尽管未来在这个行业的学习之路还任重道远，但也难免有了些许“职业”思维，情不自禁地想从人、车、路及环境四个方面浅谈对华盛顿的第一印象。

初到华盛顿，当天还飘着小雨，站在空旷的街头，显得略微冷清。起初以为是周末，人们都“逃离”拥堵的中心城区而前往郊区休闲，所以见不着人影。后来发现即使是工作日，街头也很少出现人头攒动的情景，早晚高峰的地铁更是无需“抢座”，当然这也与美国小汽车主导型的出行结构有关。在国内一线城市待久了，难得享受这一份清静。

在华盛顿的这些天，碰到的当地人都很热情。既有杜勒斯机场满头白发却精神矍铄的老奶奶为我们详细讲解如何乘坐地铁，又有街道上、楼道里、电梯里各种场合擦肩而过的陌生人面带微笑地问好，还有TRB会场志愿者主动且不厌其烦地提供帮助等等，这一切都很自然，没有刻意的痕迹，令初来乍到的我，倍感亲切。

小汽车上的国家。美国的居民出行依赖小汽车，公交系统的规模比不上国内。虽然之前听说华盛顿的公交系统已属完善，不过切身体会之后，感觉其便捷程度不如国内的一线城市。例如，地铁和常规公交指示标志不够清晰、地铁站候车环境一般。不过有些细节值得关注：华盛顿的巴士不一定每站都停车，若站台没有人候车，就可能越站行驶，所以车上配备了下车提醒按钮。这些按钮不仅安装在下车区域的两根立柱上，而且通过与拉绳联动，使车内任何位置的乘客都可以及时告知司机下车需求。

华盛顿中心区人行道宽敞，步行空间良好。平常步行至会场的路上，大部分道路限速在25mph（40km/ h）左右，营造了较为安全的通行环境。驾驶员文明程度很高，这一点令人印象深刻。无论是直行、右转还是左转车辆，只要在路口遇到行人，基本都会减速或停车避让。

交通管理做得非常精细化。学校附近会有标志提醒驾驶员注意进入学校所在路段，国内也有类似做法，但是鲜见设立标志提醒学校路段在何处结束。道路施工管理措施十分细致，不仅有各种警示标志提醒前方道路施工、车道变窄，而且若影响到行人通行，还有标志提醒人行道关闭，同时配有指示标志指引行人绕行；在施工地点前方和后方分别设置有施工起点和终点标志。

空气清新、环境宜人。近年来国内雾霾肆虐，甚至有加剧的趋势。在华盛顿的日子，几乎天天都是蓝天白云，可以自由、舒畅地呼吸。走在路上，时有小松鼠蹦到身旁，时有鸟儿飞过头顶，想起国内的自然环境，心中略有伤感。环境也是交通的重要组成部分，各类污染治理需要各行各业的努力衷心希望在不远的将来国内的交通环境得以改善。

学术交流篇

TRB会议规模之大，如不是亲眼所见，难以想象。短短几天之内，有上百场会议，包括学术研讨（workshop）、讲座（lectern）、海报（poster）等。为了更高效的参加会议，每天晚上都需要从主题内容、学者等方面挑选第二天感兴趣的内容。在此，主要挑选了与自己研究有关的内容简单介绍。

浮动车与速度

车载全球定位系统（Global Positioning System，GPS）应用愈发普遍。出租车、公交车、货车装载了GPS设备，可以实时连续地记录车辆行驶的位置和时间信息，利用这些浮动车数据可以进一步推算车辆行驶轨迹、速度，应用于交通规划、交通安全分析等领域。影响浮动车数据精度的因素主要有：样本大小、样本率、采样间隔。一般认为采样间隔越小越好，论文《基于浮动车数据估计路段车速分布》（Li， Z.， Cai，C.， Menon， A.， Xu， Y.， Chen， F. Estimate link speed distribution from probe vehicle data）提出现有的GPS路径匹配算法主要针对采样频率较低的状态，当采样频率提高后，如何将大规模且高频率的GPS数据有效快速匹配到路网上会面临新的挑战。他们提出的新算法可以从三个方面提高效率：1、减少备选路线；2、改善GPS曲线轨迹与转弯路段的匹配方式；3、增加新的筛选机制剔除掉头现象。

路段车速估计可以利用定点测速装置（如线圈、视频等），也可以利用浮动车。浮动车的优势是在样本充足的情况下可以反映整个路段的运行状态。Luo等学者在《基于大规模高频率GPS数据的地图匹配方法研究》（Luo， Q.， Auld， J. A.， Sokolov， V. Addressing some issues of map-matching for largescale， high-frequency GPS data sets）中提出浮动车数据存在离散和高噪声等特点，他们提出了一种贝叶斯方法利用线圈测得的速度均值作为先验信息，利用浮动车估计的车速作为观测值，建立了高斯混合模型（Guassian mixture models），所得的后验均值作为路段车速估计值。

违法与事故

国外交警注重数据驱动式执法（data driven enforcement），论文《事故黑点区域范围内外交通执法的对比研究》（Maistros， A.， Schneider， W. H. A comparison of overtime patrol stops made inside and out of cluster identified hot spots）提出交警在执法时常常更依赖于个人经验，而非数据推断，并论证了向事故多发区域增派警力的合理性。目前国内交警部门也在寻求科技手段提高执法水平，广州市交警通过融合违法数据和事故数据，分析现场执法与事故、违法和事故的相关关系，进而在事故多发区域增派警力，进而在事故多发区域增派警力。

结束也是开始

此次TRB之行非常短暂，时差还没有完全适应就准备启程回国了，但是收获了很多新的见识，是非常宝贵的财富。体会最深的是：交通领域的问题是解决不完的，为了研究而研究，缺少了实践，最终是得不偿失的。