摘要: 第十届钱学森城市学金奖、提名奖评选结果近日公布，由同济大学杨东援教授、段征宇副教授所著，同济大学出版社出版的《透过大数据把脉城市交通》获得“城市交通问题”金奖。

　　“钱学森城市学金奖”是城市学领域最高学术奖项之一。钱学森先生是城市学的倡导者，开辟了以系统论统领城市研究的全新领域。2020年，该奖项针对“城市流动人口问题”“城市交通问题”“城市教育问题”“城市卫生健康问题”“城市土地与住房问题”“城市文化遗产保护问题”“城市环境问题”等七大主题面向已公开发表或未公开发表的论文、研究报告、著作、译作开展征集评选活动，每项主题评出金奖1名、提名奖10名。《透过大数据把脉城市交通》也是今年“城市交通问题”金奖的唯一获奖作品。

　　大数据环境下城市交通分析是为数不多的与国际位于同一起跑线的交通工程学术研究领域，中国快速发展的机动化和城镇化又为其提供了一个广阔的实践舞台，但如果不能深入思考其中孕育的学说变革，仍然有可能在学术创新过程中“输在起跑线”。

　　本书专注于讨论城市交通的大数据决策思维方法，聚焦于通过研究案例论述城市交通的大数据思维方法和处理问题的框架。本书首先论述了城市交通领域大数据思维的主要脉络，随后讲述大数据的主要分析技术如何在城市交通领域中应用，最后讨论大数据与城市交通领域重要问题的结合方法。

　　伴随大数据和复杂系统理论的发展，城市交通理论面临着新的变革。在大数据创建的新技术环境基础上，依托复杂性理论等指导，融合传统技术形成新的决策支持框架，会产生推动城市交通理论革命性发展的激流。

　　城市的快速发展将越来越多的难题摆在了决策者的面前：不断增长的需求与难以为继的资源之间的矛盾日益突出；“专车”之类的新型服务方式突破了原有的管理理念与框架；交通规划正在步入社会参与的开放时代……诸如此类的变化，使得决策者意识到未来的城市交通是体系作战，作为一个非常复杂的调控过程，简单依靠传统经验和理论制定城市交通对策的做法已经很难适应，交通工程正在寻求新的理论和技术突破。

　　正当传统技术与新任务之间的不适应困扰着研究者和工程师的时候，大数据技术将许多新的技术手段和方法展现在我们面前。移动通信、IC卡、FCD、网络POI等许多新的数据资源，借助数据驱动和大强度计算得到提升的决策支持能力，在大数据基础上实现的信息提炼与概括、自动深度学习等，在我们面前展开了一幅值得期待的未来景象。

　　但是技术道路绝不平坦，在初步尝试的喜悦之后，越来越多的困难呈现在人们面前。大数据的模糊性和盖然性特征引发研究者对于大数据分析与传统模型分析技术方法内在差异的思考；更加丰富的信息被塞入基于OD的理论框架，也暴露出不相适应与所受制约；将碎片化信息转化为决策依据过程中，大量“间接证据”的使用为最终的决策支持提供了探索方向；交通决策者与分析技术人员之间缺乏与大数据体系相适应的技术语境，出现了新的沟通困难。

　　多年的研究经历让我产生了一种感受：大数据与城市交通的融合犹如一个技术领域的“围城”，圈外的研究者受到新技术展现出来优势的不断诱惑，而身陷其中的“探路者”则在苦恼如何跳出不完备数据环境的泥沼。

　　面对这一系列问题，需要在总结已有经验基础上梳理交通大数据研究和应用思路。研究实践也使我们深切地感受到，如果技术要求和方向得以明确，具体技术的实现不会成为致命障碍，而思路迷茫与混乱却正在阻碍大数据技术快速融入交通工程学科领域。

　　总体来看，大数据对于城市交通所带来的机遇绝不仅是一种辅助技术手段，它使我们有可能拥有对复杂适应系统多方位、深入持续观测的战略技术手段，从而改变传统的城市交通规划与管理方法。同时，大数据又不是与传统分析技术的对立和排斥，毕竟绝大多数情况下大数据只能告诉我们“是什么”，却难以回答“为什么”。大数据的价值在于支持管理大智慧，在战略层介入管理决策，才无愧于“第四范式”的称谓。

　　本书围绕如下问题的思考而展开：

　　（1）什么是交通大数据？交通大数据强调的是充分利用相关数据资源，更加全面、持续、完整地观察研究对象。从这一观点出发，我们不仅需要重视数据量大的资源，也要重视全面观察问题不可或缺的数据资源，更需要突破“盲人摸象”的技术瓶颈。

　　（2）城市交通为什么需要大数据？由于城市交通所具有的复杂适应系统特征，必须深入观察系统的演化过程，有效地进行相应的调控，促使其遵循可持续发展的轨迹进化。从这个角度来说，大数据提供的是对一种战略层面的诊断机制、监测机制、预警机制的支持，同时是提升政府远见与智慧的重要技术工程。

　　（3）城市交通领域大数据应用与其他领域的差异是什么？城市交通领域中的主要决策都会对城市产生重大影响，需要尽力减少战略误判和对策失误。因此必须将大数据领域的关联分析等技术与本领域具有一定积累的因果分析技术有机融合，我们面对的并非一个简单的“信息挖掘”或者“信息融合”技术应用，而是对具有复杂适应系统特征的社会工程的“证析”。

　　（4）能否将大数据技术植入城市交通传统技术框架？由于所采用的数据并非针对传统技术概念的定制数据，如果不突破传统技术概念框架的束缚，将很难发挥新数据资源的优势，反而会深陷与传统技术指标难以直接对应的困境。采用居民活动空间概念替代OD概念，将对于流量的关注拓展为对交通流内在构成结构的分析等，带我们进入了一个新的广阔应用空间。

　　（5）城市交通大数据应用的技术主力是谁？交通工程传统上培养了三种类型的人员：交通工程师、交通规划师和交通模型师，面向未来需要培养一种新类型的技术人员——交通数据分析师。他们需要与其他三类人员共同组成未来的技术分析核心，才能够应对巨大的挑战。

　　（6）融合大数据技术与传统技术的框架是什么？基于证据的决策判断将大数据分析的成果，与仿真和模型分析技术产生的成果融合在一起。实现这一技术构想的难点，在于如何使用非定制数据所产生的间接证据，以及如何处理判断过程所面临的盖然性。

　　（7）多源数据基础上信息融合的技术特点是什么？城市交通大数据涉及移动通信信令数据、IC卡数据、车辆牌照检测数据、定点检测器数据、网络POI数据等规格各异、参照系不统一，从不同角度表征研究对象的数据，在数据层、特征层和决策层有效地进行信息融合，是避免陷入“盲人摸象”窘境的关键。

　　（8）如何在宏微观分析之间架设桥梁？一个嵌套式框架提供了研究的整体模板，在宏微观数据之间建立链接键，通过探索性研究正确地提出问题，基于聚类分析研究问题结构，保证案例研究避免“选择性偏差”，以及在此基础上设计精准对策的“靶向”行动方法等，均为有可能影响全局的关键技术环节。

　　（9）如何建立城市交通战略调控的技术框架？由于这绝非城市交通大数据分析研究领域可以单独解决的问题，现阶段只是形成了一些粗糙的想法，建立战略态势观测体系、适时响应对策机制、感知认知洞察的技术分析体系等，是战略调控技术框架中有待验证和充实的重要环节。

　　本书分为两个基本部分：第一部分论述城市交通领域大数据思维的主要技术概念；第二部分讨论大数据分析中的主要技术如何在城市交通领域中应用。

　　对于信息技术人员来说，通过本书可以了解如何在城市交通这一舞台上展现大数据的魅力；对于交通工程师来说则希望能够帮助他们增强大数据思维；而对于交通数据分析师来说，希望通过本书能够引导他们建立一个技术框架。

来源：同济大学出版社