【研究】交通节能减排智能化分析技术——北京市实践

1)真实性。交通能耗排放治理决策目标是应用于实际治理，因此必须保证真实性。由于车联网监测和实验室检测等技术相对成熟，获得的数据真实可靠，因此该技术模型中交通和能耗排放关键参数均来源于车联网监测及实验室检测数据，能够反映真实排放水平，有效解决真实性问题。

2)辨识度。由于交通源的移动特性，能耗排放仿真及评估技术需对不同维度、粒度的交通能耗排放情况进行评估决策，因此需对区域、路段和单车等多个维度尺度，对年、月、日等多个时间粒度进行排放监测，以实现高辨识度的监测与评估。

3)敏感性。高分辨率仿真技术和多尺度评估技术与交通节能减排治理工作紧密结合，需要能够敏感反映政策实施前后的变化。为达到此目的，模型的关键参数数量是传统模型的5~8倍，面向交通污染治理决策，对宏、中、微观等多类政策高度敏感，特别是交通缓堵和区域限行等政策。

4)综合性。交通节能减排工作涉及能耗、污染物排放、碳排放等对象，需同时兼顾不同时间粒度、不同对象的核算。该模型集交通各领域、各对象(能耗、污染物排放和碳排放)、各时间粒度(年、月和日)核算模型为一体，多方位支撑管理决策。海量数据分析挖掘技术面对大数据给交通节能减排分析工作带来的机遇和挑战，需要具备海量数据实时采集、传输、处理、存储、分析、应用为一体的信息化技术。目前，基于微观监测进行系统评估的工作，例如驾驶行为诊断矫正、车辆减排装置状态监测等，对指标计算及分析的实时性要求比较高。此外，交通行业处于监测体系大发展期，计量监测范围和数量日益增多，数据接入的种类以及数据量会进一步提升，进而带来了系统扩展难题。传统的大数据技术基于MapReduce原理构建，可以满足海量数据分析的要求，但时效性远远不能满足本系统中实时性的要求，扩展性也有所欠缺。

为满足高时效性和高扩展性的需求，交通节能减排智能化分析技术还需具备高时效性、高扩展性的海量数据分析挖掘能力。结合节能减排系统的业务特点，本文设计了以私有云为基础的大数据架构，综合运用流式计算、内存实时计算和海量数据分析挖掘技术(见下图)，满足海量数据快速计算、系统扩展等综合应用需求，实现高时效性、高扩展性。依托该项技术，北京市建立了中国首个交通智能化分析的交通领域节能减排统计与监测平台。平台实现了交通节能减排大数据的实时采集、处理、分析与应用，同时能够实现系统扩展，为北京市的交通节能减排工作提供支撑。

海量数据分析挖掘技术架构

该技术的主要特点包括：

1)高时效性。采用基于流式计算技术的SparkStreaming组件，实现对接入数据的实时清洗和初步计算;针对实时监测分析的指标数据，建设基于RDD的实时内存计算引擎，避免传统基于MapReduce方式的大数据技术需要频繁访问I/O所带来的性能问题。对TB级数据可以在秒级完成各种监测指标的计算和分析，满足系统对海量数据计算的高时效性要求。

2)高扩展性。采用在云计算基础支撑平台上搭建大数据引擎的架构设计。利用云计算平台扩展方便、管理维护成本低的优点，结合基于分布式存储技术的HDFS组件和基于分布式资源调度管理的YARN/Mesos组件，实现存储能力和计算能力的灵活扩展。可扩展至数百台乃至上千台服务器进行分布式存储和计算，达到EB级存储及计算能力，有效解决系统的扩展性问题。

3应用案例

基于交通节能减排智能化分析技术，北京市率先制定了交通领域节能减排统计监测体系建设总体规划，正着手建立覆盖能耗、燃油、污染物排放、碳排放，能够实现可分析可追溯、可分解可考核、可预测可预警的统计监测体系，建成集微观监测、宏观分析、政策评价及决策支持于一体的可用于多部门的交通领域节能减排统计与监测平台(见下图)，为北京市交通节能减排政策制定、行业监测与管理等提供重要支撑。

北京市交通领域节能减排统计与监测平台

提高能耗及排放清单编制频率

支持高频度编制交通行业能耗清单、排放清单，实现北京市能耗排放的长期监测及变化趋势分析。目前，交通运输行业局限于传统的以企业为单位、年度统计能耗数据，尚无科学合理的能耗核算方法。该方法的数据获取频度低，指标数量少，数据质量难以评估。应用交通节能减排智能化分析技术，北京市交通管理部门分别编制了年度、月度、日度的分能源类型、分行业等能源消耗量的能耗清单，以及年度、月度、日度分污染物类型、分行业污染物排放量的排放清单。实现了交通能耗排放的年度、月度总量核算，以及日度监测及趋势分析(见下图)。

交通能耗日监测分析该项应用为重大交通政策的制定和效果评估提供了数据支撑。例如，北京市APEC会议、中国人民抗日战争暨世界反法西斯战争胜利70周年纪念日阅兵、雾霾红色预警期间，北京市均实行了单双号限行政策，并利用平台日度监测功能实现了限行效果的评估。