浮动车数据如何揭示城市拥堵规律

FCD 是什么

浮动车数据(Floating Car Data)来自带 GPS 的车辆，记录其位置、速度、方向与时间戳。网约车、出租车、公交车是常见来源。它覆盖广、成本低，但噪声大、采样不均。

从 GPS 到交通状态

原始 GPS 不能直接当"速度"用，需要三步：

1. 地图匹配：把 GPS 点吸附到路网。我用隐马尔可夫模型，考虑观测概率(点到路段的距离)与转移概率(路段间的可达性)。 2. 聚合：按 5 分钟时间窗、按路段聚合，取速度的中位数而非均值——中位数对异常点更鲁棒。 3. 状态估计：用基本图关系把速度映射到服务水平(LOS)。

python
def aggregate(df, bin='5min'):
    df['t'] = df['timestamp'].dt.floor(bin)
    g = df.groupby(['edge_id', 't'])['speed']
    return g.median().reset_index()

一个反直觉发现

在分析某主干道时，我发现凌晨的"畅通"路段仍有低速样本——那是车辆在等红灯。如果直接取均值，会被这些静止样本拖低。解法是按停车状态过滤，或用分位数而非均值。

数据不会说谎，但它会沉默。我们要替它把语境补上。