伦敦交通局利用Neo4j驱动的数字孪生将交通拥堵减少10%

伦敦交通局 (TfL) 负责运营和维护伦敦的公路、铁路和地铁交通网络，这是世界上最大、最复杂的交通网络之一。其使命是：确保九百万居民和近两千万年度游客能够安全便捷出行，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%的出行发生在公路上，每年出行次数超过37亿次，这绝非易事。 

作为全球访问量最大的首都城市之一，交通线路也是伦敦乃至全国的重要命脉。管理这个网络是一项极其复杂、精细的挑战；仅监测一项就是一项技术壮举，要知道仅公路就有65,000条。

应对这些道路上的突发事件甚至更难——但至关重要。伦敦每年发生20,000起计划外交通事件，每一分钟未处理的延误都意味着交通堵塞呈指数级增长。城市拥堵每年仅劳务损失就给伦敦造成75亿美元的损失，此外还有给道路使用者带来的压力和不便。

如果您能将所有这些道路的实时数据汇集起来，并在有人通过闭路电视发现事件之前就识别出来，那会怎样？在几秒钟内而不是几分钟内打破交通堵塞，可以为城市节省无数时间，并减少静止车辆造成的污染。

这就是 TfL 的一位先驱在 Neo4j 的帮助下着手要做的事情。

利用图技术赋能数字交通孪生

“长期以来，TfL 对数据采取的是完全被动的方法，” TfL 首席交通分析师 Andy Emmonds 说道。 

使用数字解决方案解决伦敦交通拥堵问题的主要挑战之一是低质量和分散的出行数据的普遍存在。

许多出行是私密且多模式的（您可能先驾车或骑自行车，然后乘坐火车，再步行），这使得它们难以追踪。同时，TfL 过去的方法是收集不同的数据集，这意味着他们只能回答团队想提出的一小部分问题。 

TfL 每周收集数太字节的数据，但由于这些数据存储和分析方式是分离的，因此无法根据数据集之间的关系得出有意义的结论。缺乏足够的传感器来收集新数据，例如摄像头和远程信息处理系统，这通常意味着 TfL 只有在交通事件被目视发现后才能获得相关洞察。

数字孪生是对物理现象的计算机复制——在本例中，是对伦敦交通网络的复制——可以在系统部署到现实世界之前测试“如果/那么”场景。这正是 Andy 确定 TfL 需要用来应对其拥堵挑战的。 

他很快意识到，使用图模型将是推动这种模型最有效、最经济、性能最佳的方式。TfL 需要一种方法来揭示数十亿数据连接中隐藏的关系和模式，以便做出预测和处理交通事件所需的决策。图模型使人们能够将数据点之间的连接作为数据本身进行存储和检查，就像通勤者考虑其日常出行中的路线和连接一样。 

“我们发现实时数据只能通过图数据库来解决，因为图数据库是一种敏捷且适应性强的方式，可以大规模地解释粒度数据，”Andy 说道。 

道路连接是一个节点——它是一条从 A 到 B 的路线，具有许多属性，因此天生适合图模型，这与 TfL 之前依赖的那些繁琐的电子表格相比。

“出行和路线规划只能通过这种数据库有效管理，”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。

每一分钟价值14,000美元

伦敦交通局的目标是大幅提高其在伦敦道路网络上尽可能接近实时地检测和处理事件的能力，这具有巨大的经济影响——每一分钟的延误都会造成负面后果。 

目前，伦敦交通局检测一起事件需要14到17分钟。等到事件被发现并采取干预措施时，交通拥堵平均已经损失了27分钟。这意味着从事件发生起，每延迟一分钟就价值14,000美元。

“我们在这里所做的，是试图缩短干预曲线。如果我们可以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，我们可以通过实时管理这项运营来大幅减少这笔开支。”

在虚拟环境中做出真实世界的决策

那么，伦敦交通局的交通数字孪生是什么样子？图技术又是如何为其赋能的呢？该孪生由五层组成

1. 数字孪生数据：模型的第一个层级，输入数据与业务挑战对齐
2. 框架：数据被组织起来以解决挑战
3. 图数据库：数据被设置成反映其建模的物理网络 
4. 可视化层：数据被发送到伦敦交通局的控制室进行解释
5. 即插即用层：数据用于解决不同的道路问题

借助 Neo4j 的图解决方案，伦敦交通局可以将这些数据集连接并输入到数字孪生中。为了测试其新解决方案并查看它将提供哪些实时洞察，伦敦交通局进行了一次现场预演——这几乎立即带来了成果。 

Andy 说：“我们建立了一个测试产品，它由图技术驱动的数据提供支持，可以近乎实时地告诉我们道路上是否有问题。在测试当天，系统检测到控制室未发现的五起事件。这正是对我们来说最好的证明。”

Andy 和他的团队与 Neo4j 合作体验如何？“我们与 Neo4j 团队密切合作，他们成为了我们紧密的协作者。最终，我们创造了一个整体产品。它使我们能够重新审视，建立新的网络和新的思维方式，并释放效率。”

伦敦交通局将如何削减7.5亿美元的拥堵成本

伦敦交通局希望其数字孪生也能在其将拥堵减少10%的愿景中发挥关键作用——根据其自身估计，这将每年为首都节省7.5亿美元，并为每位驾驶员每年节省超过1,500美元的时间。

Andy 和他的团队也展望未来。通过使用新解决方案，Andy 希望能为交通高峰期（例如体育场活动期间）构建一个优化器，以便利用数字孪生数据来最佳规划和控制整个网络的路线。

展望未来，Andy 和他的团队预计将利用他们的解决方案为伦敦制定减排策略，甚至为自动驾驶车辆网络奠定基础。 

“这种解决方案的伟大之处在于其架构是开放和敏捷的，”Andy 解释道。“没有什么能阻止我们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。”

联系我们

利用 Neo4j 的图数据库和分析工具发现隐藏的洞察。 联系我们。