隨著交通系統(tǒng)的快速發(fā)展，交通已經(jīng)成為人類生活中一個(gè)重要的組成部分。據(jù)統(tǒng)計(jì)，城市中大約有40%的人口每天花費(fèi)1小時(shí)在交通上 。然而，現(xiàn)代城市中大量的人口以及交通工具產(chǎn)生了許多城市問題，比如交通擁堵、交通事故和空氣污染等。

伴隨著大數(shù)據(jù)可視化的熱潮，在交通數(shù)據(jù)中使用可視化可以幫助人們有效地理解移動(dòng)車輛的行為、發(fā)現(xiàn)交通在時(shí)空上的模式，從而為交通優(yōu)化等提供決策信息。當(dāng)代交通系統(tǒng)每時(shí)每刻都會產(chǎn)生大量的數(shù)據(jù)，比如，出租車上搭載的GPS傳感器會記錄出租車的行駛軌跡；街道監(jiān)控?cái)z像頭會記錄車輛的通過情況。而且，伴隨著城市越來越大，汽車越來越多，監(jiān)控越來越多，交通數(shù)據(jù)的規(guī)模有了爆炸性的增長。在這種情況下，直接對交通數(shù)據(jù)進(jìn)行分析的傳統(tǒng)方法已經(jīng)變得越來越困難，而且效率越來越低，數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)和可視化等智能化技術(shù)的深入和廣泛使用已經(jīng)變得刻不容緩。特別地，可視化可以將用戶和數(shù)據(jù)直接相關(guān)，支持用戶以簡單可視的方式與數(shù)據(jù)進(jìn)行交互，進(jìn)而實(shí)現(xiàn)用戶智慧和機(jī)器智慧交融反饋，可以極大地提高分析和決策的效率與準(zhǔn)度。

首次將交通可視化作為一個(gè)獨(dú)立的研究與應(yīng)用領(lǐng)域展開工作，認(rèn)為這一技術(shù)是通向未來智慧城市的必由之路。狹義上來說交通可視化就是對交通系統(tǒng)中產(chǎn)生的數(shù)據(jù)進(jìn)行編碼，通過圖片、圖表的方式向用戶展示交通數(shù)據(jù)，支持用戶交互的分析交通數(shù)據(jù)，主要包括對象軌跡的可視化、監(jiān)控?cái)?shù)據(jù)的可視化以及路網(wǎng)路況的可視化。軌跡的可視化一般是將交通系統(tǒng)中的實(shí)體(比如出租車、公交車、行人等等)的軌跡在地圖上用線條的方式進(jìn)行展示；而監(jiān)控?cái)?shù)據(jù)的可視化則可以根據(jù)監(jiān)控的類型分為基于監(jiān)控事件的可視化和監(jiān)控視頻的可視化；至于路網(wǎng)路況的可視化，則一般是通過熱力圖等技術(shù)可視化實(shí)時(shí)通行狀況和擁堵狀況等。

廣義的交通可視化則可以理解為在交通智能分析系統(tǒng)中可以利用的所有可視化技術(shù)的總和。一個(gè)智能分析系統(tǒng)一般可以大致的拆分成數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、數(shù)據(jù)查詢和數(shù)據(jù)分析四個(gè)部分。除了數(shù)據(jù)采集外，其他三個(gè)部分都有可視化技術(shù)的施展空間。比如，在數(shù)據(jù)預(yù)處理過程中，采集到的原始交通數(shù)據(jù)可能存在包括重復(fù)、缺失在內(nèi)的各種各樣的問題，可視數(shù)據(jù)清洗可以幫助用戶對原始交通數(shù)據(jù)進(jìn)行去重、補(bǔ)全等操作，提高數(shù)據(jù)的可用性；在數(shù)據(jù)查詢過程中，通過可視化的查詢界面，幫助用戶優(yōu)化查詢條件，分析查詢結(jié)果等等；在數(shù)據(jù)分析過程中，可視化技術(shù)可以與其他數(shù)據(jù)分析方法相結(jié)合，支持用戶干預(yù)數(shù)據(jù)分析流程。

1.交通可視化起源

隨著交通系統(tǒng)的完善，人們對于出行的需求越來越迫切。為了提升交通系統(tǒng)對于人們的服務(wù)質(zhì)量，交通數(shù)據(jù)的可視分析扮演了一個(gè)重要的角色。數(shù)據(jù)可視化雖然是剛興起的學(xué)科，但是可視化方法在交通數(shù)據(jù)的分析過程中存在已久。

地鐵出現(xiàn)至今已有百余年歷史，目前最早的地鐵工程可追溯至1863年的倫敦大都會鐵路。為了向公眾展示地鐵在城市中的分布情況和站點(diǎn)地址，人們使用線條和圓點(diǎn)在城市地圖上直觀地表示地鐵線路。圖1是1907年英國倫敦The Evening News發(fā)布的“倫敦地鐵地圖(Tube Map)”，其中不同的地鐵線路使用能夠明顯區(qū)分的顏色進(jìn)行編碼，站點(diǎn)位置均采用地圖上的真實(shí)位置。

早期地鐵線路圖通常將視覺元素直接疊加在真實(shí)比例的城市地圖上。然而在人們出行時(shí)，很多時(shí)候并不需要考慮準(zhǔn)確的站點(diǎn)地理位置，只需要關(guān)注“我從某地出發(fā)，乘某條線，能到某個(gè)站點(diǎn)”這樣的信息，就已足夠滿足出行需要。因此現(xiàn)代地鐵圖放棄完全貼合真實(shí)比例地圖，轉(zhuǎn)而使用比較規(guī)整的“示意性”布局方案。我們以目前最新的上海城市地鐵示意圖為例，其中所有用于表示線路的線條均由水平、垂直線和接近45度的斜線段組成，其站點(diǎn)位置的擺放僅大致表達(dá)了站點(diǎn)在城市中所處的方位。這種規(guī)整的布局設(shè)計(jì)能使人更加專注于提取“起始點(diǎn)——終點(diǎn)”信息，而無需費(fèi)力地跟蹤原本錯(cuò)綜復(fù)雜的曲線線條。然而真實(shí)比例的地鐵地圖并不是完全被拋棄，地鐵站經(jīng)常會在非主要位置擺放真實(shí)比例圖，提供給需要參考準(zhǔn)確地理位置的乘客使用。

制作地鐵示意圖的工作最開始通常由設(shè)計(jì)師完成，其站點(diǎn)位置完全由人工安排。不過在站點(diǎn)和線路關(guān)系復(fù)雜的城市中，如何生成這種規(guī)整的地鐵示意圖著實(shí)是一門學(xué)問。隨著優(yōu)化算法的引入，很多專門的算法都可以用于生成這些地圖，并支持加入各種約束條件(如保持整體形狀、減少交叉數(shù)目、減少使用斜線等)，以生成不同需求下的示意圖結(jié)果，供設(shè)計(jì)師和決策者參考。早在一個(gè)世紀(jì)前，étienne-Jules Marey為了分析火車交通系統(tǒng)的運(yùn)行狀態(tài)，設(shè)計(jì)了一個(gè)展示火車時(shí)刻的圖表。如圖3所示，多個(gè)時(shí)間軸平行分布，每一個(gè)時(shí)間軸對應(yīng)一座車站，沿縱向根據(jù)車站間地理距離分布。每一條折線連接不同時(shí)間軸上的時(shí)間點(diǎn)，揭示每一列火車在每個(gè)站點(diǎn)?？康臅r(shí)間。同時(shí)，線的斜率反映了火車的速度：越傾斜代表火車速度越快。現(xiàn)在我們稱這樣的圖表為Marey's Graph。

2.可視化方法

交通數(shù)據(jù)主要指的是由移動(dòng)設(shè)備的位置傳感器和安裝在道路上的監(jiān)控器所生成并且收集的數(shù)據(jù)。例如，出租車GPS軌跡數(shù)據(jù)記錄了車輛實(shí)時(shí)的精確經(jīng)緯度位置，手機(jī)用戶的基站數(shù)據(jù)記錄了手機(jī)用戶進(jìn)出的基站序號，道路上的監(jiān)控設(shè)備實(shí)時(shí)錄制、拍攝和計(jì)數(shù)過往的車輛信息。軌跡數(shù)據(jù)是一種最常見的交通數(shù)據(jù)，每一個(gè)軌跡記錄點(diǎn)不僅包含位置信息，同時(shí)還記錄了當(dāng)時(shí)的時(shí)間。事件日志提供了更多關(guān)于城市交通道路上的語義信息，可以增強(qiáng)我們對異常軌跡的理解和分析，比如堵車、車禍等事件。交通數(shù)據(jù)的可視化方法主要分為三類：統(tǒng)計(jì)、時(shí)空軌跡和多維編碼。

2.1 統(tǒng)計(jì)熱力圖

作為最基本和常見的可視化形式之一，通常用于表達(dá)單一數(shù)值(如車流量、人數(shù)、繁忙程度等)在不同位置上的分布。圖4是美國紐約2011年中某一周的出租車運(yùn)營狀況，其中，地圖上每個(gè)像素點(diǎn)的顏色深淺代表該位置每小時(shí)的平均營運(yùn)量；顏色越深，則代表該位置出租車上下客越頻繁。因此在熱力圖的顏色分布中，我們可直觀看到城市繁華地區(qū)的出租車客運(yùn)更加繁忙。

2.2 時(shí)空軌跡

軌跡數(shù)據(jù)蘊(yùn)含著豐富的時(shí)空信息，我們可以從時(shí)間和空間角度對軌跡數(shù)據(jù)進(jìn)行可視化。軌跡的時(shí)間屬性主要有線性時(shí)間和周期性時(shí)間兩種。線性時(shí)間可以使用基于時(shí)間線的可視化方法編碼，時(shí)間線的兩端編碼了數(shù)據(jù)的起始時(shí)間。圖5中的視圖采用時(shí)間線的方法可視化了地鐵路徑選擇與時(shí)長的關(guān)系。從一個(gè)站點(diǎn)出發(fā)，用戶可以根據(jù)地鐵網(wǎng)絡(luò)選擇任意一個(gè)站點(diǎn)下車，水平軸上的長度代表了整一趟旅途所花費(fèi)的時(shí)間。對于周期性的時(shí)間，比如周、天、小時(shí)，最常用的可視化方法是環(huán)形布局。

空間在軌跡分析中是非常重要的屬性，人類的社會活動(dòng)都和位置密切相關(guān)。軌跡的空間屬性可以基于線進(jìn)行繪制。Lundblad等人將輪船的航線用折線繪制于地圖上，提供船只的監(jiān)測服務(wù)。然而，如果直接繪制大規(guī)模的軌跡，屏幕上就會充斥著大量繁雜的軌跡，可視分析系統(tǒng)的使用者就無法進(jìn)行理解分析?？梢暬芯空咛岢隽诉吔壎ㄋ惴▽ο嗨频能壽E進(jìn)行聚合。圖6所示的是美國境內(nèi)的飛機(jī)軌跡。當(dāng)我們采用邊綁定的算法對形狀類似的軌跡進(jìn)行聚類，用戶可以清楚地看到美國州與州之間的飛行情況。

2.3 多維編碼

熱力圖和軌跡圖等可視化形式一般只能編碼較少的維度信息。當(dāng)數(shù)據(jù)維度較多時(shí)，通用可視化形式開始變得難以駕馭如此復(fù)雜的信息，因此需要針對應(yīng)用場景和分析任務(wù)針對性設(shè)計(jì)合適的視覺編碼。例如，時(shí)空立方體(Space-Time Cube，STC)是一種表達(dá)時(shí)空軌跡的常用方法，其中物體的軌跡使用從地圖平面逐漸向上方延伸的線條進(jìn)行表達(dá)。為了展現(xiàn)軌跡不同位置上的多種屬性(例如人群類型，車輛類型，發(fā)生事件的詳細(xì)信息等)，軌跡線條上還可以在相應(yīng)位置添加顏色、點(diǎn)、幾何圖形或是特殊設(shè)計(jì)的圖符等。如圖7所示，折線編碼了車輛在空間和時(shí)間維度上的位置，其中顏色從紅到綠編碼了移動(dòng)速度，一些遭遇交通擁堵的軌跡很容易被分辨出來。

在交通智能分析系統(tǒng)中所使用的可視分析技術(shù)按照應(yīng)用類型可以分為查詢、統(tǒng)計(jì)分析和查詢推理三大類。

2.4 查詢

城市交通路網(wǎng)分析對于交通管理有一定的指導(dǎo)意義?，F(xiàn)有的路網(wǎng)分析方法一般需要布置特定的設(shè)備和專業(yè)人員現(xiàn)場采集數(shù)據(jù)，過程也多采取多次試錯(cuò)的方式調(diào)節(jié)各類模型參數(shù)，需要大量的人力和物力。城市交通軌跡數(shù)據(jù)保存了大量車輛長期行駛記錄，數(shù)據(jù)覆蓋城市大部分道路，有利于城市道路整體評估。陳為教授團(tuán)隊(duì)提出了一種基于道路的軌跡查詢模型，對軌跡數(shù)據(jù)建立了雙向鏈接哈希索引提升查詢效率。他們設(shè)計(jì)的可視化系統(tǒng)中將道路作為空間查詢約束，把道路上車流模式劃分為四種拓?fù)淠Ｊ剑簂eave，cover，enter和cross。同時(shí)，系統(tǒng)提供了刷選工具，分析師可以任意選擇道路，通過該道路的車流熱力圖，統(tǒng)計(jì)圖等對道路進(jìn)行評估和分析，見圖8。通過實(shí)際案例分析，該系統(tǒng)可以發(fā)現(xiàn)潮汐車道以及“分水嶺”等城市道路的車流模式特征。

對于交通軌跡數(shù)據(jù)的信息挖掘和知識提取越來越重要，現(xiàn)有的工作大多都圍繞對特定地理位置區(qū)域和時(shí)間段的軌跡數(shù)據(jù)進(jìn)行過濾。而對于特定的分析任務(wù)，查詢難度就大大上升了。例如商場的管理者，希望知道在城市的什么地點(diǎn)放置擺渡車輛。趙燁教授團(tuán)隊(duì)研發(fā)了一種能夠基于語義的大規(guī)模軌跡檢索方法。系統(tǒng)將海量軌跡數(shù)據(jù)轉(zhuǎn)換為兩種不同的索引文本文件從而支持對出租車和針對行程的快速查詢功能。領(lǐng)域?qū)＜一蚬芾砣藛T可以通過輸入帶有語義的查詢句子對軌跡進(jìn)行檢索。例如用戶可以查詢經(jīng)過特定的街道或地點(diǎn)的軌跡。統(tǒng)計(jì)視圖、文本視圖和環(huán)境地圖從不同的分析角度展現(xiàn)查詢結(jié)果。最后團(tuán)隊(duì)通過對商場軌跡的實(shí)際案例分析，發(fā)現(xiàn)了如“商場繁忙路段”、“最愛來商場購物人群”及“最熱門商圈”等有價(jià)值的信息。

2.5 統(tǒng)計(jì)分析

手機(jī)位置數(shù)據(jù)可用于研究城市中的人群流動(dòng)模式與特征。然而對于城市級別的海量位置數(shù)據(jù)，分析師首先希望從宏觀角度查看和探索整個(gè)數(shù)據(jù)集，得到對數(shù)據(jù)分布和特征的大致印象。陳為教授團(tuán)隊(duì)將用戶在手機(jī)基站間的流動(dòng)量作為網(wǎng)絡(luò)流進(jìn)行建模，對城市范圍內(nèi)的手機(jī)用戶的移動(dòng)行為特征從四個(gè)方面進(jìn)行可視化：①基于基站的流量分析，使用特殊設(shè)計(jì)的視覺編碼展示每個(gè)基站上的流量和方向分布；②基站流量的時(shí)序特征分析，用于分析基站流量隨時(shí)間的分布和周期性波動(dòng)；③基站間流量的密度圖可視化，使用密度圖方法展示基站間的流動(dòng)關(guān)系和人流密度；④結(jié)合社交關(guān)系的人群流動(dòng)可視化，通過在同一社交圈中的手機(jī)用戶在地域上的移動(dòng)發(fā)掘人群社交關(guān)系與地理位置間的關(guān)聯(lián)。

2.6 查詢推理“智慧城市”一詞萌芽于當(dāng)今的數(shù)據(jù)爆炸時(shí)代。社交媒體，車輛人流，設(shè)施圖像等各個(gè)領(lǐng)域匯集了海量數(shù)據(jù)信息。人們開始融合多領(lǐng)域數(shù)據(jù)，期望得到更加全面的分析結(jié)果。多源異構(gòu)數(shù)據(jù)的查詢與推理能夠最直接的結(jié)合各個(gè)數(shù)據(jù)集的知識。“Step by step”的數(shù)據(jù)分析方法利用上一步分析結(jié)果，指導(dǎo)并影響下一步的分析，利用推理模式對多數(shù)據(jù)源的城市數(shù)據(jù)進(jìn)行分析。針對查詢推理的可視分析工具則能使人更加直觀方便的輸入查詢條件，構(gòu)建推理流程，得到分析結(jié)果。浙江大學(xué)陳為教授的團(tuán)隊(duì)研發(fā)了一種能夠應(yīng)用于城市規(guī)劃，交通監(jiān)管和場景再現(xiàn)的可視分析系統(tǒng)。系統(tǒng)通過建立高效的數(shù)據(jù)索引，提供對多源異構(gòu)城市數(shù)據(jù)的查詢、展示和推理，可以實(shí)現(xiàn)復(fù)雜的城市分析任務(wù)。系統(tǒng)中，繁瑣的城市問題可以被拆分成多個(gè)簡單的原子查詢，從而建立推理流程，完成分析。例如圖11案例，微博的博主希望尋回在出租車上丟失的手機(jī)。分析人員首先在建筑物信息數(shù)據(jù)中檢索到行程起點(diǎn)和終點(diǎn)的位置。緊接著，通過對出租車軌跡數(shù)據(jù)的O-D查詢，定位到兩輛當(dāng)晚經(jīng)過起點(diǎn)和終點(diǎn)的出租車。系統(tǒng)通過對出租車軌跡的場景再現(xiàn)，結(jié)合出租車的載客狀態(tài)與微博描述，從而鎖定了乘客乘坐的出租車。

3.系統(tǒng)實(shí)例本文以多個(gè)交通數(shù)據(jù)可視分析系統(tǒng)的實(shí)例介紹交通模式發(fā)現(xiàn)和交通態(tài)勢監(jiān)控。

交通數(shù)據(jù)可視化的一個(gè)重要目標(biāo)就是發(fā)現(xiàn)和分析交通系統(tǒng)中實(shí)體的移動(dòng)模式。一種移動(dòng)模式可以描述交通系統(tǒng)中一組實(shí)體的移動(dòng)方式。通過將可視化技術(shù)與聚類等數(shù)據(jù)挖掘的方法相結(jié)合，便可以支持用戶交互的探索交通數(shù)據(jù)中實(shí)體的移動(dòng)模式。例如，在TripVista中，就利用了stream map，平行坐標(biāo)圖等可視化技術(shù)對一個(gè)十字路口中，行人、公交車、轎車、自行車等實(shí)體的移動(dòng)模式進(jìn)行了可視化的分析。

交通可視化的另一個(gè)重要目標(biāo)就是對交通態(tài)勢的可視化監(jiān)控。可視化監(jiān)控的目標(biāo)就是從交通監(jiān)控?cái)?shù)據(jù)中發(fā)現(xiàn)在交通系統(tǒng)中出現(xiàn)的一些意外事件，比如車禍、汽車拋錨等等。一般情況下，交通監(jiān)控系統(tǒng)產(chǎn)生的數(shù)據(jù)量是非常龐大的，因?yàn)檫@些系統(tǒng)每時(shí)每刻都在不斷的產(chǎn)生數(shù)據(jù)。因此，直接從原始的監(jiān)控?cái)?shù)據(jù)中找到交通系統(tǒng)中發(fā)生的特殊事件是非常費(fèi)時(shí)且困難的工作。如果利用可視化技術(shù)，就可以讓用戶根據(jù)可視化提供的一些視覺線索，從宏觀到微觀，自頂向下地尋找交通數(shù)據(jù)中存在的一些事件。比如，AIVis就首先從視頻監(jiān)控中抽取出交通事件，然后再通過可視化的方式展示在隧道中發(fā)生的事件；而T-Watcher則是一個(gè)監(jiān)控和分析大城市中復(fù)雜交通狀況的可視分析系統(tǒng)，通過多種視圖來展示城市中不同尺度下的交通情況，引導(dǎo)用戶從整個(gè)城市的宏觀交通情況探索到一個(gè)較為微觀的尺度中，監(jiān)控一小部分車輛的行駛情況。

4.結(jié)語交通大數(shù)據(jù)給我們帶來了無限的機(jī)遇，同時(shí)也存在著巨大的挑戰(zhàn)。如何理解、分析和預(yù)測交通數(shù)據(jù)，是我們這個(gè)時(shí)代所面臨的問題?？梢暬墙鉀Q分析大規(guī)模非結(jié)構(gòu)化交通數(shù)據(jù)的一把重要的鑰匙。通過對交通數(shù)據(jù)的交互式分析，可視化技術(shù)將用戶智慧和機(jī)器智慧交融反饋，進(jìn)而優(yōu)化并且解決交通問題。相信在不久的將來，我們可以享受到更加高效的城市交通系統(tǒng)，生活在一個(gè)便捷的智慧城市中。

來源：中國安防展覽網(wǎng)