伦敦交通局 - 图数据库与分析

伦敦交通局旨在利用由 Neo4j 提供支持的数字孪生技术，每年减少 10% 的拥堵和 7.5 亿美元的费用

基于 Neo4j 图解决方案构建的全球最复杂交通网络的数字孪生，如何提升事件响应时间，改善数百万人的出行体验，并为未来大都市奠定基础。

伦敦交通局 (TfL) 负责运营和维护伦敦的道路、铁路和地铁交通网络，该网络是全球最大、最复杂的交通网络之一。其使命：确保 900 万居民和近 2000 万年游客能够安全便捷地出行，以健康、包容和可持续的方式推动伦敦发展。

考虑到伦敦约 80% 的出行发生在道路上，每年超过 37 亿次出行，这绝非易事。

作为全球游客最多的首都城市之一，交通线路也是伦敦和整个国家的生命线。管理这个网络是一项极其复杂、错综复杂的挑战；仅监控它在技术上就是一项壮举，因为仅道路就有 65,000 条。

应对这些道路上的事件更加困难，但至关重要。伦敦每年发生 20,000 起计划外的交通事件，每多耽误一分钟，交通堵塞就会呈指数级增长。仅因劳动力损失，该市的拥堵每年就会给伦敦造成 75 亿美元的损失，此外还会给道路使用者带来压力和不便。

如果您能将所有这些道路上的实时数据整合起来，并在有人在闭路电视上发现事件之前就发现它，那该多好？在几秒钟而不是几分钟内缓解交通堵塞可以为城市节省无数小时，并减少静止车辆产生的污染。

这正是伦敦交通局（TfL）的一位先驱者想要做的事情——借助Neo4j的力量。

“长期以来，TfL 对数据的处理方式一直是完全被动的，”TfL首席交通分析师Andy Emmonds说道。

利用数字解决方案解决伦敦交通拥堵问题面临的主要挑战之一是旅行数据质量低下且来源分散。

许多出行方式是私人的且多模态的（例如，你可能开车或骑自行车，然后乘坐火车，最后步行），这使得追踪这些出行变得困难。与此同时，TfL 过去一直采用收集独立数据集的方法，这意味着他们只能回答团队想要提出的问题中的一小部分。

TfL每周收集数TB的数据，但由于这些数据存储和分析的方式——是分离的——因此无法根据数据集之间的关系得出有意义的结论。由于缺乏摄像头和车载信息系统等收集新鲜数据的传感器，TfL 通常只能在交通事故被肉眼发现后才能获得相关信息。

“我们实际上是通过Excel表格来使用这些分散的数据，”Andy解释道。“这些数据既没有关联性，也不是实时的，而我们需要的是成为一个实时运营商——为了做到这一点，我们需要一个数字孪生。”

数字孪生是对物理现象的计算机复制——在本例中，是伦敦的交通网络——可以在系统部署到现实世界之前测试“如果…那么…”的场景。而这正是Andy认为TfL解决拥堵问题所需的。

他很快意识到，使用图数据库将是构建这种模型最有效、最经济且性能最佳的方式。TfL需要一种方法来揭示数十亿个数据连接中隐藏的关系和模式，从而做出必要的决策来预测和处理交通事件。图数据库允许人们将数据点之间的连接作为数据本身进行存储和检查，这与通勤者在日常出行中思考路线和连接的方式非常相似。

“我们发现，只有图数据库才能解决实时数据问题，因为图数据库是一种灵活且适应性强的、能够大规模解释细粒度数据的方式，”Andy说道。

道路连接是一个节点——它是从A到B的路线，具有许多属性，因此与TfL之前依赖的那些笨拙的电子表格相比，它本质上更适合用图数据库来表示。

“行程和路线规划只能通过这种数据库来有效管理，”Andy补充道。对于他的团队来说，Neo4j的图解决方案是前进的方向。

TfL的目标是大幅提高其检测和处理伦敦路网交通事件的能力，使其尽可能接近实时，这具有巨大的经济意义——每分钟的延误都会产生负面影响。

目前，TfL需要14到17分钟才能检测到一起交通事件。当发现事件并采取干预措施时，平均已经损失了27分钟的交通时间。这意味着从事件发生到延误的每一分钟价值14,000美元。

“我们试图做的是缩短干预时间。如果我们能将干预窗口缩短到一两分钟，那么整个事件的延误曲线就会大大降低，”Andy说道。

“拥堵每年给伦敦造成60亿英镑（75亿美元）的损失，通过实时管理运营，我们可以在很大程度上减少这种损失。”

那么TfL的交通数字孪生是什么样子的，图数据库是如何为其提供动力的呢？孪生体由五层组成

借助Neo4j的图解决方案，TfL可以将这些数据集连接起来并馈送到数字孪生体中。为了尝试其新的解决方案并了解它将提供哪些实时洞察，TfL进行了一次预演——结果几乎立即显现。

Andy说：“我们建立了一个测试产品，它由图数据库驱动的实时数据供电，可以告诉我们道路上是否有问题。在测试当天，系统检测到5起控制室没有发现的事故。这对我们来说是一个强有力的证明。”

对于Andy和他的团队来说，与Neo4j合作是什么体验？“我们与Neo4j团队进行了非常密切的合作，他们成为了我们亲密的合作伙伴。最终，我们创造了一个整体性的产品。它使我们能够重新审视问题，建立新的网络和新的思维方式，并提高效率。”

TfL希望其数字孪生体也能在其减少10%拥堵的愿景中发挥关键作用——根据其自身的估计，这一结果每年将为伦敦节省7.5亿美元，并为每位司机节省超过1500美元的时间。

Andy和他的团队也着眼于未来。例如，利用新的解决方案，Andy希望为高峰交通日（例如，体育场馆举办活动时）构建一个优化器，以便根据数字孪生体提供的数据，最佳地规划和控制整个网络的路线。

未来，Andy和他的团队预计将利用他们的解决方案制定伦敦的减排策略，甚至为自动驾驶汽车网络奠定基础。

“这种解决方案的优点在于其架构开放且灵活，”Andy解释道。“没有任何东西能阻止我们利用它来构建和理解未来的大都市，对我来说，下一步是让伦敦的道路实现自动化和绿色化。”

使用Neo4j的图数据库和分析功能发现隐藏的洞察力。让我们聊聊。