交通拥堵是世界性问题,如何治理交通拥堵一直受到各界广泛关注。随着终端技术、软件技术以及互联网技术的发展,“移动互联网、大数据”时代已经到来。在此背景下,利用最新科技成果提高现有交通设施的使用效率和管理水平,达到交通供需的动态平衡是解决交通拥堵问题的根本方向。城市路网的整体效能的提升依赖于交通资源的合理配置。实践证明,依靠传统的动态交通流分配来提升整体交通网络的性能在新形势下面临诸多困难:交通需求在时空上的快速变化、路网复杂程度的几何级上升、交通瓶颈位置的动态变化、突发事件的应变不足等都给城市交通网络性能提升带来挑战。而借助于移动互联网下的大数据,对交通信息平台中积累的大量交通数据的分析处理,进行价值挖掘,提取数据背后潜藏的知识与规律,诸如时空交通模式挖掘、时空相似性聚类、拥堵传播模式等,这些知识进一步转换成预警和疏导交通拥堵的规则与方法,这将为缓解交通拥堵、提高路网整体性能提供有效支撑。同时,交通知识的挖掘与分享也会深刻影响交通需求,使得交通参与者的交通行为更加的理性。进而,通过移动通信、智能算法、云计算等技术强化并联结这种理性,让路网中的每一个对象互通互联。通过海量的独立个体之间的局部即时交互和分布式智能,使整个网络系统具备自组织、自计算、自反馈的持续优化学习的功能,最终实现整个交通系统的协同提升。在上述背景下,本文试图构建以“提升城市交通管理效能,达到交通供需动态平衡”为目的的移动交通管理体系框架,论文主要研究工作包括以下几个方面:(1)依靠移动互联网技术创建协同式的交通信息获取与分享架构。(2)找出时空变化交通模式与动态交通瓶颈点。(3)影响并管理交通出行需求。(4)面向交通管理者,利用大数据技术对城市交通网络中的交通模式与规律进行分析,结合研究成果选择恰当的技术方法和模型,建立一套基于交通知识的决策支持系统。此框架包括交通信息收集与产生、多源异类交通信息的融合、交通知识的挖掘与应用四个阶段。在交通信息收集中,提出两种即时交通信息的收集方式,包含基于位置的应用服务与协同式交通信息获取与分享框架。搜集的交通数据与基于数据而探索的交通规律与知识应用到两个系统:行程时间预测系统与决策支持系统,前者提供出行者最短行程时间路径的查询,后者面向交通管理者提供有关提升交通路网性能的决策建议。两个系统都采取了数据库系统技术,采用的模型和算法设计则是在相关领域专家学者协助下借鉴既有的数据模型以及分析方法得到。论文提出从交通现象挖掘模式与规律,总结这些规律与模式进而产生的规则。新的规则反过来用于指导实践,再从实践中观察新的现象,形成不断优化的正向循环,最终实现智能决策。这也正是移动交通管理优化思想。本文的主要贡献如下:(1)建立一个以移动互联网、大数据为背景的交通管理与知识获取的体系框架,提出了移动交通管理的理论与概念,为智能交通系统的进一步发展做好基础性铺垫。(2)提出几种以时空数据分析挖掘方式找出时空交通模式与交通瓶颈的方法。(3)提出了动态混合式行程时间预测方法,新方法精度高于单独依靠实时行程时间预测与历史交通资料行程时间预测方法。(4)利用时空交通模式、动态交通瓶颈、预测交通状态等知识构建的交通资源分配决策支持系统比传统的交通管理方法更适合应用在城市交通网络的管理和能效提升。