中山大学智能工程学院何兆成、余志教授团队2项研究成果在Nature杂志子刊发表
中山大学智能工程学院何兆成、余志教授团队长期深耕交通系统信息物理模型理论研究。近日，团队理论研究取得重大突破，在Nature杂志子刊Scientific Data发表2篇研究论文，并开放了全息交通流数据集与个体出行生成数据集。两个数据集描述了交通系统不同粒度、不同维度的信息，有助于形成对交通系统从宏观状态到微观活动的完备认知，对推动交通理论研究的发展与革新具有重要意义。
全息交通流数据与VSensor虚拟交通流测量平台
研究团队于2023年1月在国际知名出版社Nature旗下Scientific Data 子刊上发表在线发表了题为“City-scale holographic traffic flow data based on vehicular trajectory resampling”的研究论文。Scientific Data是着重于高价值科研数据发现与共享的学术期刊，此次发表的是该团队利用时空稀疏的个体车辆标签检测信息，重构得到的首个城市级车辆出行连续轨迹数据集。
得益于宣城公安智慧警务赋能技术研发联合实验室相关研究工作的支持，该联合实验室为团队所在的广东省智能交通重点实验室与宣城市公安局合作建立，在对电警卡口过车检测数据进行对齐、汇聚的基础上，研究团队通过完备性观测实现了个体全部移动行为（移动-驻留）的描述，并利用车辆出行轨迹重构技术获得了个体连续运动轨迹，重现了城市规模交通流的连续演变。由于出行轨迹的包含该城市全部车辆全时、全域、全量的连续轨迹，故称为全息交通流数据。由于数据集的全息特性，可以不依赖估计信息而开展城市级长周期的群体与个体出行特征的发现与应用。因此，该数据集的开放对于智能交通在数据融合、出行模式发现、检测器最优布局等多个研究方向上提供有力的支持。
图1. 全息交通流数据发现的出行特征
基于交通流运动的重构结果，研究团队采用重采样的方式开放共享全市连续30天的交通数据，数据包括市内所有路段连续30天内的流量与平均车速数据（统计间隔5分钟），以及500辆运营车辆的浮动车轨迹数据（采样间隔10秒）。除了以上静态数据集外，为了最大程度发挥全息交通流数据的价值，研究团队创造性地采用在线交互方式，通过虚拟检测技术为使用者提供任意时空位置的交通流检测结果，既提高数据使用的灵活度，也避免了直接公开个体轨迹导致的隐私泄露。用户目前可通过OpenITS网站的VSensor开放平台(http://vsensor.openits.cn)，及figshare平台（https://doi.org/10.6084/m9.figshare.c.5796776.v1）免费使用该数据集。
图2. VSensor虚拟交通流测量平台主页面
中山大学智能交通团队的这一创新成果对于交通科学的发展具有重要意义。它为我们理解和改善城市交通提供了新的视角和方法，将进一步推动智慧城市领域的创新与进步。
城市规模的个体出行生成数据集公开
相较于交通流数据，个体级出行数据能够精确描述交通系统中微观个体的活动过程，有助于构建对交通系统运行的微观认知，同样具有极高的研究价值。然而长期以来此类型数据因涉及出行隐私问题无法被公开，这极大地阻碍了针对个体的交通理论的发展。针对个体级出行数据的开放，推动面向个体的交通系统研究新理论的发展，何兆成、余志教授团队于2023年2月在Scientific Data上发表了另一篇题为“City-scale synthetic individual-level vehicle trip data”的研究论文。
宣城公安智慧警务赋能技术研发联合实验室长期对个体级出行数据的采集与处理使得宣城具备全域全量的高质量个体级出行数据。基于真实的个体出行数据，该研究提取多维出行信息，综合考虑出行逻辑、宏观出行特征与个体出行特征进行个体推理计算，形成了一种兼顾个体出行隐私保护与数据可用性的个体出行生成方法，并公开了一个城市规模的个体级出行生成数据集，包含通勤者、随机出行者等五类出行个体的出行时间、起点、目的地、路径等丰富个体出行信息。
大量对比实验表明，生成数据集在宏观出行信息方面与真实数据高度一致，精确还原了城市的出行时间分布、出行高发的热点区域等。除此之外，生成的个体级出行数据中标注了出行个体的身份类型，刻画了不同类型出行群体在出行分布上的差异。个体维度方面，生成个体符合真实的出行逻辑，如具备出行的空间连续性；出行频次、出行间间隔、出行熵等信息均处在合理区间且与真实个体接近，即生成个体可被视为该城市中的“真实”个体，因此生成的个体出行数据集与真实数据集具有相近的研究价值。
图3 数据科学性展示
目前，该生成数据已经通过数据开放平台figshare进行了开放（https://doi.org/10.6084/m9.figshare.c.6148536.v1），填补了开放数据中个体级出行数据集的空白。该成果能够支撑城市个体级出行分析，推动面向个体的推理计算、关联分析的交通研究新理论的发展，促进如精细化交通控制、个体级路径规划和个性化出行诱导研究进展。基于该数据构建的个体级出行知识图谱后续会在Openits平台开放，欢迎关注Openits公众号获取最新进展。