应用于智能交通中的大数据技术

摘要：随着时代的发展，人们已经不知不觉走进了信息化时代，在信息化时代大量的数据爆棚成了新时代的特征。在这种特征下人们依然追求生产生活质量的提高。对于发展智能交通使人们生活以及现实社会的需要，然而在智能交通的构建当中，大量的信息数据也给其增添了变化和难度，如何在大数据时代构建一个智能化、安全化、低成本、高效便捷化的智能交通系统成为了当今人们研究的课题。本文从大数据时代给智能交通带来的变化及优缺点、大数据时代给智能交通带来的问题与挑战、智能交通需求与大数据的融合以及智能交通海量数据的平台搭建等方面做了简单阐述，可以对研究该项领域的科研人员提供一些建议。

关键字：智能交通大数据应用平台构建

一、前言

大数据时代已经来临，对于城市交通来说既是机遇，也是挑战，如何应对，如何利用，这是一个很大的课题。在传统交通中，城市交通是中流砥柱，具有基础性的作用。大数据时代的特征人们用四个V字开头的英文单词来表达即速度（Velocity）、多样性（Variety）、体量（V olume）以及价值密度（Value）。在大数据时代，城市交通与大数据必然发生各种联系，通过大数据带来的技术突破推动城市交通迈向全面信息化时代，通过城市交通的快速发展推动大数据更加落地，产生实效城市交通大数据的集成和未来的挖掘应用对于现代轨道的发展具有重要作用。不论对哪一个传统行业来说，对大数据的需求，都要既懂技术又深谙内情。能够驾驭行业大数据的人，需要比金融更懂金融，比电信更懂电信，比交通更懂交通，需要充分调查乘客的实际需求，需要对高峰期充分了解。

二、大数据时代给智能交通带来的变化及优缺点

随时网络信息技术以及相关配套技术的快速发展，使得当今时代在不知不觉中走进一个“大数据”时代阶段。就目前而言，国际上还没有给予“大数据”一个明确的具有权威性的定义，但是其在本质上的认识各个国家基本相同。一些研究人士认为“大数据”是数量极大的一堆数据，其作用性非常强，并且其可以对其应用领域的大体上做出预测。还有一些研究人士认为，在大量信息数据技术处理应用当中，“大数据”是一项大的数据集合，并且该种集合不仅数据量大并且还非常复杂。但是无论怎样大数据时代已经走来，我们必须接受并且要利用好其在各个领域的应用。因此在今天的智能交通领域，利用大数据技术已经成为了时代发展的必然，因为其可以给现代智能交通带来诸多大的变化。

（一）大数据时代改变传统公共交通管理的路径

大数据可以跨越行政区域的限制。行政区域的划分是国家为了有效统治和管理，而将一个国家划分不同行政区域。这个划分在促进各个行政区域自治的同时，也导致各个地方政府追求各自辖区利益的最大化将用户可能利用的各种交通数据纳入系统，构建公共交通信息集成利用模式，发挥整体性交通功能，通过在大

数据中进行集成检索、利用和分析来提取相关信息，满足各种交通需求，以解决实时交通障碍。（图一：日本三大都市圈交通模式的演变）

从图一我们可以看出从1970年至2004年，名古屋所处的中京都市圈小汽车分班比呈现上升的势头，且轨道与巴士出现下降的趋势，城市交通模式趋于偏离公共交通的发展。

（二）大数据下智能交通的优势

智能交通数据处理体系的构成一般由输入交通数据（静态与动态数据）——数据处理（实时数据处理）——数据存储（大数据）——数据查询，检索，可规划——用户等组成。大数据能较好的配置公共交通信息资源。传统的交通部门权责界定未厘清，专业分工的细化也促使公共交通管理部门职能重叠，因而在运营上浪费大量人力、物力。大数据能辅助人们制定出较好的统筹与协调解决方案，在各个交通部门之间合理配置交通职能，针对有关道路问题进行合理信息资源配置。大数据在解决公共交通问题上具有以下优势：1、在对公共交通的车辆进行配置过程中，配置成本会随着大数据的聚合而减小，这种高效配置能提高车辆的有效路段里程，进而提高交通运输效率；2、一旦某个路段发生问题，能立刻从大数据中调出有用信息，确保交通的连贯性和持续性；3、大数据具有较高预测能力，可降低误报和漏报的概率，可随时针对公共交通的动态性给予实时监控。在智能交通管理下，尽管引入处理大数据的超级计算机需要耗费一定资金，每年对其的维护也需耗费一定财力，但是从长远来看，其经济效益更大。应用大数据可以减小交通堵塞。将用户分析之后，转化为一张完整的道路交通状况地图，并在地图上以同颜色标示各个路段的运行现状，以确定造成交通堵塞的地点、应用大数据处理恶劣天气的道路状况。使用来自气象信息站和交通高速数的信息，以评估对关键路线的道路进行清理所要耗费的时间，从而提高处理道路状况的效率。应用大数据可以评估路况。使用交通的高速数据和分析，以评估出关键路段的行驶可靠性。定位拥挤路段，为拥堵路段的司机指明疏通路段。

（三）大数据下智能交通的弊端

大数据扩大了围，加快了信息传递和共享速度，若不加以严格控制，其所含的商业信息或私密信息就可能泄露，例如个人所在位置、个人出行习惯以及用户

最喜欢的主路线等。一旦个人察觉到这些私密信息有泄露，就会抵制大数据管理系统的广泛应用。各地机构都具有交通数据并能被大数据管理系统应用，但很多车辆计算交通数据都以静态格式存储，使得系统所具备的计数特性无法被除人之外的事物进行检索，这种传统“人对物”的互联网连接方式不符合物联网的“物对物”特性。交通数据的物联化是通过智能手机、传感器和机载车辆等硬件，不间断收集、通信和处理诸如交通条件、天气状况等移动数据。

三、大数据时代给智能交通带来的问题与挑战

（一）数据关联复杂

根据相关部门统计，随着互联网信息时代的到来，在当今三年里产生的信息数据相当于上一个时代四万年产生的数据量，并且随着时代的发展信息量要成上升趋势。大量信息数据的产生已经毋庸置疑的来了。在这些大量数据的产生中其来源来自于方方面面，无论从生活的互联网电子商务购物，还是到工业企业中各产线的的生产制造，还是到社交网站等媒体信息的沟通，还是到在线视频影响资料的制作与传输都是大量信息数据产生的源头。就现今时代发展而言无论从工业企业的信息自动化管理系统，还是政府机关等服务部门的电子窗口政务以及居民所使用的网络信息娱乐与服务均会产生大量的信息数据。同样在现代交通领域也不例外，就目前而言浮动车数据、智能交通卡等信息数据已经大量的分布各地。就浮动车的GPS数据数据而言，仅按照一座城市20 000辆pcu作为估算依据，那样车辆轨迹产生的实时传输记录就可以产生平均为50～200 B数据长度的数据，如果按照一辆车15—60 s／次的回报频率。这样仅该项数据就可每天产生4．75 GB的数据量，1．75 TB的年数据量。如果再加上视频、图像、音频等各项数据流，那么整个数据系统就会存在诸多错综复杂的关系，并且这些相互关联的关系还会发生动态的不可确定的变化，因而导致数据关联模式非常复杂，并且难以处理。

（二）数据迁移问题

受到各种信息服务终端的影响，各类信息系统均会产生大量信息数据，这样便使得各类信息数据的存储规模呈现迅猛爆炸式增长。就目前发展阶段而言，个人用户端的信息数据存储规模已经从过去的GB级别逐渐上升到了TB级别；在一些大中型信息化企业当中其信息数据存储规模也已经上升到了PB级别有的甚上升到了EB级别。近年来，随着互联网和云计算等技术的迅猛发展，由于其有明显的技术优势和服务优点，已经越来越多企业和个人和企业选择将大量的信息数据业务迁移到云计算平台等大规模数据中心中去，进而以降低本地硬件的投入和维护成本以及安全性的保证。但是我们知道超大海量的数据迁移并非那么容易其必须要以可行可靠安全的技术方案作为支撑，一旦出现错误将会给现实社会和实体经济带来影响以及增加安全隐患。此外超大海量数据迁移任务需要较大带宽作为传输技术支撑，就目前的带宽技术发展而言，虽然其已经发展较快，但随着时代的发展其发展速度将满足不了超大海量信息传输的要求，可能会成为数据迁移的一项发展瓶颈。

（三）数据接收实时性

随着现代智能交通的发展，交通领域已经呈现多样化的发展，现代交通的发展已经要求大量的数据需要进行在线接受、记录和处理，例如在交通领域中出租车行车轨迹数据记录、长途客车行车轨迹数据记录、公务性用车行车车轨迹数据

记录以及出租车营运交易信息数据的记录，类似这样的信息数据均需要大量的实时接收、记录和处理。除此之外这些交通实际应用对于信息数据的完整性以及安全性均要求较高。其中完整性的要求要使得信息数据做到无丢失并且实时接收用户的信息数据传输需求，同时还要做好并将信息数据的存储和备份。对于安全性的要求要使得数据的实时传输通道始终保持在授权的情况下运行，不能够在无授权的情况下被访问和监听进而盗取和破坏数据。与信息数据迁移性问题一样，信息数据的实时性接受也会受到带宽的制约，一般实时数据的接受功能需要在至少独享10 Mbps带宽上运行，同时在信息数据需要人机互动时还存在着I／O设备接口的瓶颈。

（四）海量数据计算

由于大数据的计算和处理特性，对于传统的数据分析、挖掘、处理方式已经无法满足大数据的要求。这样以计算和处理大数据就需要打破传统思维模式，进而利用密集型计算和新型计算的模式，该模式需要有数据计算效率的评估方法加上数据计算复杂性的研究基础理论作为技术支撑，而这些数据计算均要针对交通行业的特性以及现阶段存的问题组建成相应的数学模型才能够解决实际问题。因此大数据时代，数据量不仅庞大，更重要的是大部分数据长时期按照分布式的形式存在，使得数据很难得到集中处理，这样便会给移动数据带来巨大的消耗。所以大数据时代的数据计算需要将自顶向下的中心化模式转换为以自底向上的以数据为核心的计算模式。

（五）城市交通的大数据环境带来的挑战

城市交通的大数据环境带来以下变化数量大但信息密度相对较低，且有一定程度的不确定性；单一数据源只能从某以角度描述研究对象，但不能给出完整的描述图像；不同的数据源具有不同的参照系，并且服从不同的误差分布；更加需要关注数据关联分析，以求发现新的知识和规律。为此以上海为例城市扩展对交通带来新的挑战如下《上海社会经济发展趋势及对交通的影响研究》2030年GDP总量达67197亿元，为2010年的4倍；2020年岗位总规模达到1430-1450万，较现状增26%；常住人口：2020年2800万，2030年超过3000万；流动人口从现状的224万人，增长到2020年的250万人。中心城规模仍在扩大：十一五期间中心城建筑量年均增加2000万平方米，建筑开发量接近4.5亿平方方米，据规划院分析，2020年中心城建筑量将达到6.5亿平方米。常住人口呈现向中心区以外蔓延扩展的态势，2009年起，2批38个大型居住社区发展规划，用地70平方公里，估计可容纳300万人。（图二：上海第三产业从业人口比例逐步增加趋势图）

（表一：上海城市发展变化趋势，其中情景一为当前模式，核心集聚——中心城整体处于饱和状态，进出中心城的潮汐特征突出。情景二：多核发展——中心城路网整体处于可接受的服务水平，郊区交通量比重明显增加。）

上海城市发展变化趋势表

从以上分析我们不难得出以上海为例城市发展的变化将带来以下挑战：1、如何适应——融入城市群发展的上海，自身结构扩展调整的上海，产业结构转型的上海，提升国际航运中心能级的上海；2、如何引导——城市交通模式的可持续发展，城市交通的理性消费，现代交通意识的建立；3、如何应对——城市空间资源的紧缺，城市环境容量的制约，交通建设资金的紧缺，交通安全形势的严峻。因此我们必须要使智能交通需求与大数据的融合并且构建智能交通海量数据的平台。

四、智能交通需求与大数据的融合

（一）智能交通需求

所谓智能交通其整体框架主要应该包括物理感知层面、数字软件应用平台、数字分析预测以及优化应用管理系统，在这其中物理感知层面主要包括对交通状况、交通环境以及交通数据的物理感知采集；而数字软件应用平台包括对各个感知系统终端的信息数据进行整合并通过载体进转换处理进而支撑和分析各项应用系统的建设；对于分析预测以及优化应用管理系统主要包括交通规划、交通疏导、交通监控、智能指挥、智能停车、智能管理等应用系统。对于智能交通的系统应用其可以利用视频监控系统配合智能识别系统以及信息技术手段的融合，使得其管理空间、时间和范围得到不断加大，使得其管理手段在广度、深度以及精细度上均得到提高。对于现代智能交通系统整个应用平台而言，其平台的构成主要是由视频监控系统、信号控制系统、电子报警识别系统、智能卡口系统、信息采集和传输系统以及信号和信息处理发布系统等基本单元组成，这些结构单元组

成的系统平台主要实现的目的和目标应包含以下四个方面：1、该系统平台致力于提高交通通行能力，2、该系统平台的重要目标之一是为了减少和降低交通事故危险，3、该系统的核心手段是打击道路违章违法事件，4、该系统平台要经过不断的优化和提升。为此现代智能交通的功能需要就使得大数据技术与其必须进行融合。

(二)相互融合

在智能交通信息数据需求的的基础上，现代智能交通与大数据技术的相互融合具备以下基本条件：1、成熟度的融合，无论是现代智能交通还是大数据技术其在现代技术应用领域已经愈发成熟，在当今现代化城市社会无论是智能卡口还是电子警察再到智能视频监控系统其都已经对视频和影像数据处理技术进行了语意化的应用，并且已经成熟应用并且完整度和深度正在逐步加深。为此对于大数据时代智能交通极为可能成为在大数据新兴技术领域应用中最先推广和成熟应用的领域。2、技术融合，就目前大数据技术以及基础云计算技术的发展，其技术的应用构架与智能交通的系统平台构架融合度较高，而对于大数据技术在智能交通领域率先的融合和应用，因其能够带来巨大的社会效应，因此其必将引领该项技术在整个智能城市的建设中带领各子模块快速发展。3、群众基础，对于智能交通而言其面向的服务群体依然是广大群众，从智能交通面向的使用者角度来看，智能化交通可以影响到各类群体出行的信息服务。智能交通的全面应用不仅能够使得广大群众生活更加方面同时也降低了，城市运营成本，特别是能够让广大群众更加秩序化使得公安、交通的执法执勤频率降低。因其智能交通的发展有一个极强的群众基础作为支撑。因此这样一来，智能交通的信息数据的采集、存储与计算就会与广大群众个体相结合，使得对数据的采集、计算、甄别和处理上均需要大数据技术作为支撑。

五、智能交通海量数据的平台搭建

（一）针对战略调控的数据密集型分析的技术路径

从本质上来说，大数据环境下交通分析技术完成的是一种将数据组织成为信息，从信息提炼特征，从特征变化中发现规律，就对策进行追踪评估的信息处理过程。而模型所处理的问题领域可以划分为系统状态分析和交通行为分析两个基本板块。（图三：战略调控的技术应用架构）

（二）系统架构

针对现代智能交通的海量数据特点，结合与其融合的大数据典型平台架构，搭建一种智能交通海量数据平台其基本架构应包含以下三个部分，即数据采集层、数据架构层以及数据服务层。其中数据采集层采集的数据就是智能交通系统的所有所需处理信息数据，采集后得到的数据通过数据传输到交通云平台，交通云平台会根据不同的应用需求进行分类存储到相应的内存数据库中，此后便按照处理的不同需求选用不同的数据架构层进行处理，最终实现数据服务层对其提供实时快速高效的服务。(图四：智能交通海量数据共享分析平台)

（三）迁移数据方案

由于现有智能交通数据一般均存储在关系型数据库当中，我们为了能够让数据统计分析更为精准，所以必须要让历史数据迁移到大数据平台当中。经过多次反复测试，其中以开放oracle数据库数据浏览端口为最佳方案，因为其可以使用开源数据转移工具Sqoop直接将数据导入HDFS当中去，但其传输速度却要受限于网络带宽的限制。此方案在实际的测试过程当中，有着较高的安全性，试验中始终保持着，0次传输间断和O％数据传输丢失。Sqoop是一项将Hadoop与关系型数据库中的数据能够实现相互转移的工具，其不仅可以将一个关系型数据库中的数据导入Hadoop的HDFS中去，其还可以将HDFS中的数据导入到关系型数据库当中去。

（四）存储数据方案

对于任何信息数据计算系统数据的存储与数据计算是不可分割的，因此在系统的架构之初其就包含海量数据存储功能以及海量数据计算功能。为了保证该项功能的实现，这就要求通信客户端可以在接收数据源层中所采集的数据这一过程当中保证无丢失，并且能够无丢失的发送到云平台当中去。就在这一过程当中，系统的存储功能就需要保持所有数据无丢失并且持久性储存。一般情况下系统平台接收到需要上传文件的请求信号之后，这样在云平台上的Hadoop集群将会按照预定启动一项Job任务进而将需要上传的数据文件块上传HDFS当中的HBase 分布式数据库当中进行持久性的储存，进而实现存储功能。为了保证储存不丢失，一旦遇到多项任务上传时，这样JobTracker就会对任务进行调配，并在架构层中

提前配置Apache Hive、Apache Pig以及Impala等多种工具进而实现多种数据的快速分析、甄别和处理。存储模块也会相应的启动数据处理和分析Job的任务。就目前而言数据处理和分析的主要任务类型有：最近数据的查阅和数据简单统计并通过Apache Hive和ApachePig支持的SQL语句当中查询。然而在这一过程需要注意数据采集层在数据传输系统当中，其统计和分析的数据范围一般为最近的活跃数据，这样的设计就会受限于网络带宽。这样就会造成实时数据传输系统以外的系统为大数据海量数据提供访问接口进而实现批量处理功能。

（五）数据仓库系统

在构建智能交通大数据系统平台少不了数据仓库系统。近些年来，数据仓库系统已经成为数据管理研究领域的热点，而其中的主要原因为数据仓库系统在当前所面临在数据源的需求以及、所处的硬件环境加上需提供的数据服务等都发生了诸多本质性的变化，这些本质性的变化就必须让我们重新改进和利用数据仓库系统。而对于智能交通海量大数据，其应该在现有数据仓库系统的基础上完成对方案的重新审视，并需要具备以下几个重要的特性：1、高度的可扩展性：面对现代交通的发展其数据呈现几何增长的趋势，数据库已经不能仅依靠l台或几台机器进行scale up纵向扩展的升级来满足爆炸式的数据量增长。我们必须要能够在横向可扩展(scale out)等方面方便的实现高度的可扩展行目标；2、高度容错性：对于现代智能交通大数据系统其数据来源较为复杂，应当具备高度的容错性其容错性的要求要在系统的查询执行过程中一旦发生某个节点失效的情况时，不需要重新进行整个查询并满足于现代智能交通数据的实时交通信息查询。为此要在大规模机群环境下，重点考虑利用软件完成容错而不是依赖系统硬件来完成；3、支持异构环境，在以上基础之上由于计算机硬件更新较快，建设大规模机群同构系统难度较大，并且一次性购置大量同构计算机也是不为合理的。为此，解决这一问题异构环境便可以有效对一些闲置计算基资源进行利用，进而降低系统硬件的投入成本。

（六）处理数据方案

系统的数据处理是大数据系统平台在现代智能交通领域内的核心模块，一般系统的数据处理要实时与统计应用相互分离，进而适用不同应用的需求。该模块运用大规模并行计算以及增量式计算方法保证了能够全面性、准确性和实时性处理系统数据。在这一过程当中所应用的关键技术包括：

1、轨迹数据快速检索技术：该技术是以SeqIlence Fries二进制文件取代原始数据的转存，设计Key-Value储存作为记录。其能够利用Key进行快速检索Value的特性，并再将数据子集存储在Value之中。此外还可以用HDFs分布式文件系统以及MapReduce分布式计算编程取代过去的关系数据库查找进而实现快速统计功能。该项技术的数据压缩比可以达到40％，运算速度可以提升50倍以上，因此可实现对固化后的数据实现快速检索与统计分析功能。

2、分布式轨迹聚类技术：该技术是利用MapReduce分布式计算架构对分布式轨迹进行一定的规则化处理，从而实现K．Means聚类算法。一般其都会指定起始点位置，然后对常跑路径聚类分析进而快速探测异常值实现对分布式轨迹进行一定的规则化处理。该项技术一般提供对常规路线或指定路线的快速提取以及处理异常分析的比照等。

3、分布式停车点聚类技术：该技术是一种在Mahout与Hadoop分布式机器学习库平台的一项协作功能，其主要是分布式实现Mapreduce的可迭代式数据。以此来快速检索和统计分析所需轨迹停车点后的数据提取，在利用Mahout中的

Clustering数据中的挖掘模块实现多维空间下的快速聚类分析功能。

4、地图匹配技术：该技术是一项通过对传感器功能带来的观测数据进行分析进而确定传感器载体的地理空间位置。在智能交通领域当中一般的传感器指的均是GPS接收器，这是因为GPS接收器能够提供经纬度坐标等地理信息，并且其已经在诸多领域得到应用。大部分车载GPS接收器，其实际使用意义在于确定车辆正确的行驶道路，因此其对于车载实时导航系统具有至关重要的作用。在现在和未来应用当中车载GPS设备还会对交通流速度等交通状况进行数据传输，因此地图匹配技术在位置信息数据当中具有十分的关键的作用。

（七）数据安全策略

对于现代智能交通大数据系统平台数据的安全性应占据构建该平台的首要重要性位置，其包括数据的安全存储、安全递交以、安全访问以及安全共享等方面的构建。对于数据的安全备份策略，其系统可靠性需要来自于对HDFS文件系统进行冗余存储设计。HDFS系统的复制因子(Replication Factor)参数决定了资源利用率和数据可靠性之间的权衡关系。因此对于系统数据的备份设计需要将某数据节点中的本地数据在不同和相同机架的远程远端节点各备份l份，对此这样的设计既保障了数据可靠性，同时也能够按照就近备份原则提高了数据的可用性。对于数据的访问完全策略应当权衡精准服务和位置隐私之间的矛盾。利用Hadoop权限设计在HDFS相应文件夹当中设置相应的用户权限，并加以Namenode、HMaster和Jobtracker对HDFS和HBase访问时进行监控，并且实时生成追踪日志记录每次数据访问。此外进行数据匿名策略并适时替换敏感字段使得。现代智能交通大数据系统，能够具备大规模、实时、可扩展的优势，并能够安全支持海量数据的存储为交通的安全管理做好有效的保障性支撑。

（八）未来发展建议

广泛开放公共交通数据通过开放交通数据，有助于形成良好的公私伙伴关系，促使交通主管部门利用私营机构的专业信息技术知识，通过专业开发人员以及第三方应用程序开发者来完善交通信息服务，根据具体人群需求来定制个性交通服务。保护个人私密信息为避免个人私密信息非法泄露，政府应制定一部完整的数据隐私法，对个人数据的定义、数据可发布范围、数据发布的基本原则、数据可利用的范畴等方面进行规范。要做到数据的商业性开发、公益性利用能够与个人隐私权之间相平衡。

六、结论

随着时代的发展变化以及社会需求变化，对于现代智能交通已经成为了人们日后日常生活必不可少的城市建设环节。与此同时随着信息时代的到来，在智能交通领域大量的信息数据必须要得到高效、快捷、安全的处理。在大数据时代智能交通的建设，其主要目的是要使得城市的交通发展与管理水平得到有效提高。从今天到未来大数据在智能交通的应用中必须要使用云计算等大数据处理技术，而利用该技术就必须对其进行海量数据平台的建设，只有平台的充分利用才可以有效解决海量数据爆炸问题，为此做好海量数据平台的建设，保持其能够可持续发展，其必须要从系统架构、迁移数据方案的确定、存储数据方案以及处理数据方案的确定入手，进而构建一个智能化、安全化、低成本、高效便捷化的智能交通系统。

参考文献：

[1] 邱卫云. 智能交通大数据分析云平台技术[J]. 中国交通信息化.2013.

[2] 姬倩倩,温浩宇. 公共交通大数据平台架构研究[J]. 电子科技.2015.

[3] 韩欢. 基于大数据的智能交通运输平台的研究[D].成都理工大学.2014.

[4] 杨正. 基于大数据架构的智能交通解决方案[J]. 北京联合大学学报.2014.

[5] 叶亮. “大数据”背景下我国交通数据管理应用的转型与发展[J]. 交通与运输(学术版).2013.

[6] 邓春新,李海涛. 数据驱动的智能交通虚拟仿真系统研究与设计[J]. 电脑知识与技术.2013.

大数据在智能交通中的应用

大数据在智能交通中的应用第1章绪论 1.1 论文的研究背景随着我国经济的高速发展，百姓生活的步伐逐渐加速，人们生活水平的日益提高，交通拥堵现象及交通事故问题将愈加严峻。同时道路基础设施资源有限，而汽车的需求量却将随经济的发展继续增加，因此两者之间的矛盾将愈加尖锐，交通问题就愈加严重。而交通拥堵和交通事故将导致人员的伤亡，浪费人们大量的出行时间，致使车辆行驶速度降低，尾气排放加大，光污染、环境污染加剧，城市空气质量降低，不仅浪费了石油资源和人类的出行的等待时间，给人们的日常生活带来了不便，还降低了经济的增长速度；与此同时，还给人类带来了生离死别的伤害，危及了人类的健康，因而交通问题严重降低了人类的幸福指数。因此面对如此严峻的社会问题，急需我们及时去解决。因而各国相继对智能交通系统进行开发以便逐渐解决交通问题，并且建设力度逐渐加大。我国的智能交通相对于西方发达国家虽然发展较晚，近几年的发展也比较迅速，取得了些许相应的技术突破。然而还有很多危及人类幸福感的交通问题未曾解决，和发达国家之间现在依旧还有较大差距，形不很乐观。交通是国民经济发展中发挥着关键性作用的产业，便捷的交通方式成为了国民经济快速发展的基础性条件。道路交通因其可以实现门到门直达交通、交通边际成本低、速度快等优越特点在城市间和城区间被广泛采用于交通客运和物流运输中，成为我国交通的主要方式之一。加快对交通基础设施的建设，将通信技术、计算机技术、电子通讯技术、大数据技术等先进技术广泛应用于交通系统中，提升道路基础设施建设水平，提高道路资源利用效率，降低交通危害对加快交通发展具有重要的意义。这是道路交通系统急需解决的重要问题。当前国际智能智能交通的发展方向中主要将物联网、云计算、大数据技术等广泛应用于智能交通热点领域的车路协同系统、车联网、公众出行便捷服务中，随着对先进技术研究的不断深入，可逐渐将大数据应用于智能交通中，通过大数据技术对大数据的加工、处理、分析研判，从而获取有价值的交通数据信息，通过将这些有价值的交通大数据信息应用到智能交通中从而满足各类交通主体对交通信息的需要，提高对交通基础设施资源的使用效率，减少环境污染及能源消耗，减轻甚至是解决交通危

大数据交通意义和发展趋势

大数据的意义和发展趋势一：大数据之于智能交通意义重大智能交通建设和运营的过程中，从视频监控、卡口电警、路况信息、管控信息、营运信息、GPS定位信息、RFID识别信息等每天产生的数据量可以达到PB 级别，并且是指数级的增长。虽然绝大部分数据是“沉睡的数据”，但按照相关规定，需要对数据进行有期限或无期限的保存，这无疑给用户在存储成本上带来压力，而通过监控摄像机前端智能技术和大数据分析技术的应用，很好地解决了行业用户的此类问题，给用户带来经济效益，同时也可以将工作人员从纷繁复杂的监控画面中解放出来。大数据之于智能交通的意义，可以解决跨越行政区域的限制，实现数据信息的共享，在信息集成优势和组合效率上，有助于建立综合性立体的交通信息体系;另外在车辆安全、交通资源配置以及利用大数据的快速性和可预测性能提升交通预测的水平都有极大的帮助。第一，大数据的虚拟性可以解决跨越行政区域的限制。交通大数据的虚拟性，有利于其信息跨越区域管理，只要多方共同遵照相关的信息共享原则，就能在已有的行政区域下解决跨域管理问题。第二，大数据具有信息集成优势和组合效率。大数据有助于建立综合性立体的交通信息体系，通过将不同范围、不同区域、不同领域的“数据仓库”加以综合，构建公共交通信息集成利用模式，发挥整体性交通功能，这样才能发现新价值，带来新机会。例如气象、交通、保险部门的数据结合起来，可高效率地研究交通领域防灾减灾；IC卡数据结合抽样调查，能更快捷、更精确测得城市交通流分布状况。第三，大数据的智能性能较好的配置交通资源。通过对大数据的分析处理，可以辅助交通管理制定出较好的统筹与协调解决方案。一方面减少各个交通部门运营的人力和物力，另一方面可有些提升道理交通资源的合理利用。如根据大数据结果确定多模式地面公交网络高效配置和客流组织方案，多层次地面公交主干网络绿波通行控制以及交通信号自适应控制。第四，大数据的快速性和可预测性能提升交通预测的水平。在对各个部门的数据进行准确提炼和构建合适的交通预测模型后，可以有效模拟交通未来运行状态，验证技术方案的可行性。而在实时交通预测领域，大数据的快速信息处理能力，对于车辆碰撞、车辆换道、驾驶员行为状态检测等实时预测也有非常高的可靠性。第五，提高交通运行效率。大数据技术能促进提高交通运营效率、道路网的通行能力、设施效率和调控交通需求分析。交通的改善所涉及工程量较大，而大数据的大体积特性有助

大数据分析：智能交通发展的引擎

大数据分析：智能交通发展的引擎 0前言近年来，各国都在关注“大数据”，力图通过扩大其在国内的应用范围，进一步释放数据所蕴含的潜在价值。2012年3月29日，奥巴马政府公布“大数据研发计划”，旨在改进现有人们从海量和复杂的数据中获取知识的能力，从而加速美国在科学与工程领域发明的步伐，增强国家安全，转变现有的教学和学习方式。我国亦于2012年7月22日在北京大学举行“首届中国大数据应用论坛”，主要议题包括大数据的发展趋势、不同场景的大数据应用、云计算与大数据、大数据与商业智能等，旨在共同讨论大数据的应用价值。在2013年4月举行的首届中国国际云计算技术和应用展览会上，工信部软件服务业司司长陈伟表示“大数据，我认为它有四个维度：量大，种类多，发展速度快，最后就是价值复杂，可以说处处是黄金，到处是沙子”[1]。随着城市的迅速发展，交通拥堵、交通污染日益严重，交通事故频繁发生，这些都是各大城市亟待解决的问题。智能交通成为改善城市交通的关键所在。为此，及时、准确获取交通数据并构建交通数据处理模型是建设智能交通的前提，而这一难题可以通过大数据技术得到解决[2]。 1大数据概念 Big Data“大数据”是继云计算、物联网之后IT产业又一次颠覆性的技术变革，对国家治理模式、对企业的决策、组织和业务流程、对个人生活方式都将产生巨大的影响。在信息技术中，大数据是一个数据集的集合，这个集合是如此大而复杂，以至于它很难通过现有数据库管理工具来进行处理[3] 从各种各样类型的数据中，快速获得有价值信息的能力，就是大数据技术。大数据特点有四个层面：第一，数据体量巨大。从TB级别，跃升到PB级别；第二，数据类型繁多。包括视频、图片、地理位置信息、传感器数据等等。第三，价值密度低，应用价值高。以视频为例，连续不间断监控过程中，可能有用的数据仅仅有一两秒。第四，处理速度快。1秒定律。最后这一点也是和传统的数据挖掘技术有着本质的不同。在交通领域，海量的数据主要包括4个类型的数据：传感器数据（位置、温度、压力、图像、速度、RFID等信息）；系统数据（日志、设备记录、MIBs 等）；服务数据（收费信息、上网服务及其他信息）；应用数据（生成厂家、能源、交通、性能、兼容性等信息）。交通数据的类型繁多，而且体积巨大[4]。 2 大数据技术与智能交通 2.1大数据：改变传统交通管理的路径社会经济的快速发展促使城市机动车辆的数量大幅增加。城镇化的加速打破了城市道路系统的均衡状态，传统的交通系统难以满足当前复杂的交通需求，交通堵塞成为棘手问题。用大数据技术可促进交通管理模式的变革。大数据技术的主要特点及其对传统交通的改变集中在以下方面：第一，大数据的虚拟性可以解决跨越行政区域的限制。行政区域的划分是国家为了有效统治和管理，而将一个国家划分不同行政区域。这个划分在促进各个行政区域自治的同时，也导致各个地方政府追求各自辖区利益的最大化，而对地方政府之间边界区的交通基础设施建设、过境交通线路等漠不关心。交通大数据的虚拟性，有利于其信息跨越区域管理，只要多方共同遵照相关的信息共享原则，就能在已有的行政区域下解决跨域管理问题[2]。第二，大数据具有信息集成优势和组合效率。我国大部分城市的各类交通运输管理主体分散在不同主管部门，呈现出条块分割的现象。涉及交通的“有关部门”超过10个，每个部门都有自己的信息化系统，但这些数据信息只存在于垂直业务和单一应用中，与邻近业务系统缺乏共通联动。这种分散造成交通管理的碎片化，如交通信息分散、信息内容单一等问题。大数据有助于建立综合性立体的交通信息体系，通过将不同范围、不同区域、不同领域的“数据仓库”加以综合，构建公共交通信息集成利用模式，发挥整体性交通功能，这样才能发现新价值，带来新机会。例如

智能交通大数据与云应用解决方案

智能交通大数据及云应用平台解决方案随着日益增长的交通“大数据”，给交通管理创新带来的新挑战，以及对交通管理工作提出的新要求，交通信息化建设必然步入云计算智慧应用阶段，利用云计算破解当前诸多交通瓶颈问题。什么是交通大数据交通概念很大，所涉及的范围很广，如城市道路交通指数、地铁运行数据、一卡通乘客刷卡数据、港口集装箱数据、机场航班数据、轨道交通运营数据、远洋及内河航道船舶数据、物流车辆及货物数据、公交车实时数据、出租车行车数据、空气质量状况、气象数据、道路事故数据、高架匝道运行数据、以及衍生的相关拥堵、事故、违法信息等都属于交通数据。我们通常所提的城市公安交通管理大数据是指在城市智能交通建设和运营的过程中，从视频监控、卡口电警、路况信息、管控信息、营运信息、GPS定位信息、RFID识别信息等每天产生的大量数据，并借助信息化手段将这些相互关联的数据整合到一起（比如车辆信息、地图信息、人员信息、违规违章记录信息等等），形成一个有价值数据链，从而知道城市交通信息化建设，为公安交通实战应用服务，为市民出行服务。什么是云分析云分析系统具备超高的计算性能，单机设备每天处理的信息量最大高达2000万张图片。云分析具备对卡口、电警以及部分监控设备拍摄的车辆图像信息的结构化智能分析功能，主要包括识别图像中车辆的品牌、型号、年款、车身颜色、类别、异常特征（如遮挡面部、遮挡号牌）、唯一性局部特征（如年检标志、车内饰物）等关键信息。可对提交的图像中的车辆车牌颜色及车牌号进行二次识别，通过大数据进行，时间、地理、轨迹等的对比识别，以得出分析结果。过去几年，智能交通系统建设取得了长足的进步与发展，针对道路交通违法、交通安全等，不断在不同的时间，不同的阶段建立了交通卡口、违法检测、道路智慧监控、交通事件监测等信息化系统，但这些信息化系统所采用的设备、平台均来自于不同的厂家，采用的标准，上下级不能很好的实现级联，与公安系统融合度不高，无法进行集中管理，资源共享，发挥统一的实战作用。

大数据在智能交通中的应用与发展

大数据在智能交通中的应用与发展发表时间：2018-11-02T15:18:46.880Z 来源：《防护工程》2018年第18期作者：王钢 [导读] 来有效的利用已有的大规模数据，并且挖掘其内在价值，为本行业创造更好地发展。其中交通领域是一个非常重要的领域，影响着人们的每日出行和时间效率。而大数据是智能交通的关键技术，可有效地分析和解决日常生活中的交通问题。对此，本文对大数据在智能交通中的应用与发展进行探究。王钢浙江浙大中控信息技术有限公司浙江杭州 310051 摘要：随着大数据和人工智能的不断发展和深入，各行各业都想通过大数据的方法，来有效的利用已有的大规模数据，并且挖掘其内在价值，为本行业创造更好地发展。其中交通领域是一个非常重要的领域，影响着人们的每日出行和时间效率。而大数据是智能交通的关键技术，可有效地分析和解决日常生活中的交通问题。对此，本文对大数据在智能交通中的应用与发展进行探究。关键词：智能交通系统，大数据，发展方向在交通行业当中的大数据应用，主要是针对在智能交通领域方面的大数据技术应用，当前具备的交通基础设施已经相对比较完善，通过使用大量的先进设备和技术，产生了海量的交通数据资源，通过深入的挖掘和分析这些海量的数据资源，能够有效促进交通行业的不断发展。 1 智能交通系统内涵分析智能交通系统（Intelligent Traffic System，ITS），主要是指借助计算机技术和信息数据传输技术，能对交通运行过程进行科学化的管理和指挥，在管理机制建立过程中，要对人员因素、车辆因素、道路环境因素等进行全方位考量和判定。为了保证交通管理的高效性，将技术和管理体系融合在一起，确保交通管理系统的多元化发展。在智能交通系统建立和运行过程中，智能交通管理模块、智能信息管理模块、智能公共交通模块、车辆管理模块以及电子收费和应急管理模块是研究的重点。 2 大数据在智能交通中的应用大数据技术能够优化智能交通系统结构体系及其架构。因此，对于 C/S 架构，一方面需要布设好局域网，精心配置数据库服务器，将监控装备设置在数据采集前部，完成自动监控作业之后，要将监控视频与图片信息传输至服务器内，最后对数据进行处理，并将其分别传输到分中心与省中心。另一方面，要综合使用大数据技术着重优化智能交通硬件结构，精心配置车道计算机、控制器、微波读写器、触发线圈、车辆检测器、抓拍摄像机、信号灯、费额显示器、声光报警器、字符叠加器和高速挡车器，这样有助于保持交通的畅通性。 2.1车辆检测技术车辆检测技术大多被应用于 ETC 车道系统中，该系统通常在车道的入口与出口运用地感线圈来自动检测车辆。传统ETC车道系统通常会使用三线圈进行设置，一般情况下，第一个线圈是触发线圈，通过启动车道天线读写的方式来检测进入车道的车辆；第二个线圈是抓拍线圈，该线圈通过启动车辆识别系统来识别车牌和抓拍车辆图像；第三个线圈是落杆线圈，通常是在完成ETC交易之后自动回落栏杆。如今，ETC 车道系统在三线圈的基础上又增加了一个线圈，对系统进行了细致地优化。简而言之，当代智能化 ETC 车道系统由两个线圈识别车辆的队列信息，另外两个线圈则用以判断交易车辆。 2.2 图像抓拍识别技术从智能交通管理的角度来讲，图像抓拍识别技术属于车牌识别系统的核心技术，车牌识别系统主要是利用数字图像处理模式来识别车辆与车牌，并全面采集数字视频与数字图像。通常，智能交通管理将车牌号作为识别车辆的重要标记，因此，可以说图像抓拍识别工作性质的关键影响因素是车牌号的重要性以及特殊性。只要有车辆途经 ETC 车道，ETC系统和车牌识别系统就会自动识别车牌，并精确抓拍车辆的视频与照片，然后将车辆的车牌信息和所有图片信息进行加工并输入，使之形成流水数据，然后根据数据信息来判断来往车辆是否存在违规行为。 2.3自动车辆识别技术自动车辆识别技术能够准确识别途经车辆的大小、规模、车辆车型、重量、座位数、轴型和轮胎等，该技术属于自动车型识别系统的核心技术，其组成装备主要包括红外线扫描仪、轨道接触器、动态称重装置、电感环线圈和激光扫描器，这些精密装备仪器能够进一步促进交通管理智能化，将所有识别信息以数据形式输入 OBU 中。 3 大数据在智能交通发展中的前景 3.1加强对个人信息的保护信息时代，不管是人们生活中的微不足道的事情，还是教育、卫生等重大决策，都会将相关信息留在信息系统中，如果整合这些信息，就能研究出一个人的生活轨迹，从而暴露个人隐私。交通大数据也涉及到隐私问题，比如车主的行车路径等，因此为了避免个人信息的泄漏，政府需要制定相关的法律法规，依法完善交通信息管理。 3.2改善交通数据收集的多样性中国虽然人口基数庞大，汽车拥有量居世界前列，但在新信息收集方面还有欠缺。在交通信息数据收集上，除了选择传统的收集方法，比如调取交通部门存储的信息之外，还可以调动公众方面的力量，实现数据收集的多样性，并通过丰富数据资源来提高交通数据信息的自动化水平。 3.3提升交通运输系统的效能和交通服务的水平交通部门可以通过网络资源配置和结构优化技术的无缝整合，来协同提高运输系统整体效率，实现工程布局合理化，明确交通信息流通和服务体系分工，真正做到相互配合，优势互补。进一步提升和开发高效便捷的公众出行所需的智能化服务技术，比如实时交通信息发布技术和公交运营智能化技术等。 3.4大力发展智能车路协同技术智能车路协同技术将在一段时间引领智能交通的发展方向，这个领域的发展程度将决定我国智能交通系统整体的实力，是我们当前应

大数据时代智能交通的数据技术

大数据时代智能交通的数据技术大数据的来临对我们的日常生活产生了巨大影响，人们生活的方方面面都受到了大数据发展所带来的便利。随着经济水平的发展，我国汽车保有量正经历着飞速发展，人民的日常出行也不满足私家车出行，公交车、BRT、出租以及地铁都为人们出行提供了多样的选择性。在大数据的时代背景下，通过数据采集和分析，对当下城市交通系统进行合理改善，能够解决现有城市普遍存在的城市化所带来的问题。标签：大数据时代数据技术城市交通引言随着经济水平的不断发展，人民生活水平的日益提高，人均拥有汽车的系数不断增高，汽车保有量急剧增加。在城市化的发展进程中，汽车的剧增超过了原有的交通承载力，城市道路超负荷运行，导致城市交通问题日益严峻。利用大数据带来的分析解决方法对城市交通进行改善，是本文主要围绕进行阐述的内容。一、大数据的发展现状在大数据的应用发展中，我国的大数据观念和产业均起步较晚。但在对情景分析中，我国的大数据产业在通信、金融领域市场突破百亿元大关。在高增长率的发展下，未来三年将突破150亿元。在社会各界对大数据的关注和推动发展下，大数据应用已经应用于各行各业，包括交通、医疗、生物技术、零售业、农业生产及个人服务等行业领域，在其中也发展出大数据的有关新服务和新技术。根据我国对大数据产业发展规划，我国将着力打造大数据成为国民经济支柱产业，在各行业和社会服务中广泛推广应用，推动大数据产业在我国快速发展，健全有关大数据产业的体系，推动地方政府进行对大数据产业的法律法规制定和政策引导，主动引入大数据产业的企业进行行业引导。对有资质进行大数据产业创新发展的公司进行政策扶持，提高和带动地区大数据产业的发展，使大数据行业达到较高水平。二、大数据的应用特点 1.大数据的含义大数据就是巨量数据集合的意思，由于全世界范围大数据发展都处于开始阶段，目前大数据的涵盖范围广泛，还没有统一的定义。在2011年，由全球著名的公司在研究后提出大数据的概念，意为信息时代海量数据集合。在短短的几年中，大数据已经广泛存在应用在各个行业中，并成为行业发展不可或缺的重要组成部分，在大数据的应用中，人们能够在当中挖掘发现海量的相关数据进行分析研究，从而掌握行业的发展重点。伴随着互联网信息技术的不断发展，大数据作

智能交通大数据综合服务平台设计方案

智能交通大数据综合服务平台 1. 概述随着经济发展、城市化进程的加快以及城市规模不断扩大，机动车拥有量及道路交通流急剧增加，城市紧缺的土地资源和高密度的土地利用模式，使得交通供给与交通需求之间的矛盾日益突出，交通拥堵、停车困难、环境恶化等交通问题不断加剧，影响了城市的可持续发展及人民生活水平的提高，阻碍了经济的发展。大城市也面临同样的问题，近年来机动车保有量持续快速增长，高峰交通拥堵日益加剧，交通发展面临严峻形势和新的挑战。很多城市在市区主要范围内实施“错峰限行”等交通管理措施。采取调控交通需求削减交通需求总量其原因之一是城市道路已经难以通过基础设施规划建设来改善交通。另一方面,如何利用智能交通系统(ITS)来缓解交通、提升交通效率也是可以着力的一个方向。目前各交通管理部门建立了功能相对完善的交通指挥控制中心，包括交通信号控制系统、道路交通监控系统、交通诱导显示系统、停车管理系统、交通违章处理系统等，初步实现了交通信号控制、道路监控、交通信息综合查询、有/无线指挥调度及交通诱导等基础功能。ITS的各种信息采集技术（如微波采集技术、视频采集技术、环形线圈感应式采集技术等）被广泛地运用于交通数据采集，公安交管部门不仅具备了交通基础信息，还拥有了各类动态数据，如车辆实时营运信息、道路交通状况等，采集的数据类型包括属性数据、空间数据、影像数据等。对交通三要素（人流、车辆、道路）连续不断采集的多源交通数据流产生了巨量的交通数据，具有典型的“3V”特性：大容量、多样性、高速度，也具有价值、复杂性的特点，属于名符其实的交通“大数据”。仅以国内某城市内道路卡口数据为例，每天达到约15GB的数据量，要实现对城市道路交通的整体运营水平和人们出行规律的深度挖掘，就要以日、月甚至年为时间粒度对大数据进行计算和分析。数据是智能交通的核心，数据为王的大数据时代已经到来[。如何高效地从海量数据中分析、挖掘所需的信息和规律，结合已有经验和数学模型等生成更高层次的决策支持信息，获得各类分析、评价数据，为交通诱导、交通控制、交通需求管理、紧急事件管理等提供决策支持，为交通管理者、运营者和个体出行者提供交通信息，成为当务之急。交通数据分析的发展趋势正如TDWI大数据分析报告指出的，由常规分析转向深度分析，如图1所示。

大数据在智慧城市建设中的应用案例

大数据在智慧城市建设中的应用案例来源：数据观时间：2015-09-25 16:20:22 作者：当前，全球范围内城市化进程不断推进。随着互联网和信息化的发展，在云平台、大数据和物联网等技术的支持下，率先在美国“智慧星球”概念下诞生的“智慧城市”，逐渐成为当今世界各国城市建设的发展趋势和选择。一、国外案例自21世纪初期，美国、英国、德国、荷兰、日本、新加坡、韩国等先一步开展了智慧城市的实践，诞生了许多经典案例。 1. 迪比克美国第一个智慧城市，也是世界第一个智慧城市，它的特点是重视智能化建设。为了保持迪比克市宜居的优势，并且在商业上有更大发展，市政府与IBM 合作，计划利用物联网技术将城市的所有资源数字化并连接起来，含水、电、油、气、交通、公共服务等，进而通过监测、分析和整合各种数据智能化地响应市民的需求，并降低城市的能耗和成本。该市率先完成了水电资源的数据建设，给全市住户和商铺安装数控水电计量器，不仅记录资源使用量，还利用低流量传感器技术预防资源泄漏。仪器记录的数据会及时反映在综合监测平台上，以便进行分析、整合和公开展示。 2. 纽约通过数据挖掘，有效预防了火灾。据统计，纽约大约有100万栋建筑物，平均每年约有3000栋会发生严重的火灾。纽约消防部门将可能导致房屋起火的因素细分为60个，诸如是否是贫穷、低收入家庭的住房，房屋建筑年代是否久远，建筑物是否有电梯等。除去危害性较小的小型独栋别墅或联排别墅，分析

人员通过特定算法，对城市中33万栋需要检验的建筑物单独进行打分，计算火灾危险指数，划分出重点监测和检查对象。目前数据监测项目扩大到2400余项，诸如学校、图书馆等人口密集度高的场所也涵盖了。尽管公众对数据分析和防范措施的有效性之间的关系心存疑虑，但是火灾数量确实下降了。 3. 芝加哥通过“路灯杆装上传感器”，进行城市数据挖掘。在人们的生活里，无处不在的传感器被应用在了芝加哥市的街边灯柱上。通过“灯柱传感器”，可以收集城市路面信息，检测环境数据，如空气质量、光照强度、噪音水平、温度、风速。芝加哥城市信息技术委员会提供的资料表明，“灯柱传感器”不会侵犯个人隐私，它只侦测信号，不记录移动设备的MAC和蓝牙地址。在今后几年“灯柱传感器”将分批安装，全面占领芝加哥市的大小街区，每台传感器设备初次采购和安装调试成本在215～425美元之间，运行后的年平均用电成本约为15美元。该项目得到了思科、英特尔、高通、斑马技术（Zebra Technologies）、摩托罗拉以及施耐德等公司的技术和资金支持。 4. 西雅图利用数据节省电力能源。该市与微软和埃森哲（Accenture）合作了一个试验项目，以减少该地区的能源使用。该项目收集并分析从市区建筑物管理系统中得来的众多数据集，通过预测分析，找出哪里可以减少能源使用，或者根本不需要使用能源。项目的目标是将该地区的电力消耗减少25%。 5. 伦敦利用数据管理交通。在2012年奥运会期间，负责运行伦敦公共交通网络的公共机构“伦敦运输（Transport for London）”，在使用者增加25%的情况下，

大数据分析：智能交通发展的引擎

大数据分析：智能交通发展的引擎 0前言近年来，各国都在关注“大数据”，力图通过扩大其在国内的应用范围，进一步释放数据所蕴含的潜在价值。2012年3月29日，奥巴马政府公布“大数据研发计划”，旨在改进现有人们从海量和复杂的数据中获取知识的能力，从而加速美国在科学与工程领域发明的步伐，增强国家安全，转变现有的教学和学习方式。我国亦于2012年7月22日在北京大学举行“首届中国大数据应用论坛”，主要议题包括大数据的发展趋势、不同场景的大数据应用、云计算与大数据、大数据与商业智能等，旨在共同讨论大数据的应用价值。在2013年4月举行的首届中国国际云计算技术和应用展览会上，工信部软件服务业司司长陈伟表示“大数据，我认为它有四个维度：量大，种类多，发展速度快，最后就是价值复杂，可以说处处是黄金，到处是沙子” [1] 。随着城市的迅速发展，交通拥堵、交通污染日益严重，交通事故频繁发生，这些都是各大城市亟待解决的问题。智能交通成为改善城市交通的关键所在。为此，及时、准确获取交通数据并构建交通数据处理模型是建设智能交通的前提，而这一难题可以通过大数据技术得到解决[2] 。 1大数据概念 Big Data“大数据”是继云计算、物联网之后IT产业又一次颠覆性的技术变革，对国家治理模式、对企业的决策、组织和业务流程、对个人生活方式都将产生巨大的影响。在信息技术中，大数据是一个数据集的集合，这个集合是如此大而复杂，以至于它很难通过现有数据库管理工具来进行处理 [3] 从各种各样类型的数据中，快速获得有价值信息的能力，就是大数据技术。大数据特点有四个层面：第一，数据体量巨大。从TB级别，跃升到PB级别；第二，数据类型繁多。包括视频、图片、地理位置信息、传感器数据等等。第三，价值密度低，应用价值高。以视频为例，连续不间断监控过程中，可能有用的数据仅仅有一两秒。第四，处理速度快。1秒定律。最后这一点也是和传统的数据挖掘技术有着本质的不同。在交通领域，海量的数据主要包括4个类型的数据：传感器数据（位置、温度、压力、图像、速度、RFID等信息）；系统数据（日志、设备记录、MIBs等）；服务数据（收费信息、上网服务及其他信息）；应用数据（生成厂家、能源、交通、性能、兼容性等信息）。交通数据的类型繁多，而且体积巨大[4] 。 2 大数据技术与智能交通 2.1大数据：改变传统交通管理的路径社会经济的快速发展促使城市机动车辆的数量大幅增加。城镇化的加速打破了城市道路系统的均衡状态，传统的交通系统难以满足当前复杂的交通需求，交通堵塞成为棘手问题。用大数据技术可促进交通管理模式的变革。大数据技术的主要特点及其对传统交通的改变集中在以下方面：第一，大数据的虚拟性可以解决跨越行政区域的限制。行政区域的划分是国家为了有效统治和管理，而将一个国家划分不同行政区域。这个划分在促进各个行政区域自治的同时，也导致各个地方政府追求各自辖区利益的最大化，而对地方政府之间边界区的交通基础设施建设、过境交通线路等漠不关心。交通大数据的虚拟性，有利于其信息跨越区域管理，只要多方共同遵照相关的信息共享原则，就能在已有的行政区域下解决跨域管理问题[2] 。第二，大数据具有信息集成优势和组合效率。我国大部分城市的各类交通运输管理主体分散在不同主管部门，呈现出条块分割的现象。涉及交通的“有关部门”超过10个，每个部门都有自己的信息化系统，但这些数据信息只存在于垂直业务和单一应用中，与邻近业务系统缺乏共通联动。

大数据技术在智能交通中的应用

大数据技术在智能交通中的应用随着社会经济的快速发展，城市车辆也在飞速地增加，传统的交通管制和规划已经不能满足复杂的交通需求，交通拥堵已经影响到了居民的生活质量，加剧了环境污染，降低了城市的运行效率。要解决交通拥堵，必须从根源上找到导致交通拥堵的根源――除了车辆数的剧增外，还有路边车辆乱停乱靠、交通事故的发生以及发生后不能及时救援、清理现场等原因。面对交通拥堵，大力发展公共交通是一种有效手段，但事实上公共交通也存在着资源分配不合理的现象，导致等车时间上、乘车拥挤甚至挤不上车等问题。那如何解决这一系列的问题，最终解决交通拥堵问题，已经引起了我们的思考。大数据技术的发展给我们解决交通中存在的这些问题带来了新的思路。大数据技术的战略性意义在于我们可以快速、准确地获取、挖掘大量的有效的交通数据，构建交通数据处理模型，让交通有秩序的运行。本文中针对大数据技术在交通诱导中的应用、大数据对公共交通的优化、对交通安全的优化等方面进行阐述，并提出了主动式的交通服务模式。 1大数据的概念及应用进展 1.1大数据的概念所谓大数据是指数据量特别巨大，“超出了传统意义上的尺度，

一般的软件工具难于捕捉、存储、管理分析的数据。”这些数据不仅数量大，而且异质、复杂、来源不同、分散于各处。[1]在维克托?迈尔-舍恩伯格及肯尼斯?库克耶编写的《大数据时代》[2]中大数据指不用随机分析法（抽样调查）这样的捷径，而采用所有数据进行分析处理。大数据的特点可以概括为四个“V”：Volume（大量）、Velocity （高速）、Variety（多样）、Veracity（精确）。或者说，其特点有四个层面。第一，数据量巨大。大数据的起始计量单位至少是P（1000个T）、E（100万个T）或Z（10亿个T）；第二，数据类型繁多。比如，网络日志、视频、图片、地理位置信息，等等。第三，价值密度低，商业价值高。第四，处理速度快。最后这一点也是和传统的数据挖掘技术有着本质的不同。 1.2交通领域大数据技术应用进展美国西北大学的交通研究中心主任Hani Mahmassani2012年11月在芝加哥的Teradata Big Analytics研讨会上作了题为“大数据分析在出行和交通的应用（Travel & Transportation：Big Data Analytics）”的演讲，讨论了利用海量实时数据增强对交通系统状态的分析和预测能力，从而提高用户体验和交通系统运营效率，创新交通服务，供应链可视化等应用。

大数据对智能交通的意义

大数据对智能交通的意义公司内部编号：（GOOD-TMMT-MMUT-UUPTY-UUYY-DTTI-

第一，大数据的虚拟性可以解决跨越行政区域的限制。交通大数据的虚拟性，有利于其信息跨越区域管理，只要多方共同遵照相关的信息共享原则，就能在已有的行政区域下解决跨域管理问题。第二，大数据具有信息集成优势和组合效率。大数据有助于建立综合性立体的交通信息体系，通过将不同范围、不同区域、不同领域的“数据仓库”加以综合，构建公共交通信息集成利用模式，发挥整体性交通功能，这样才能发现新价值，带来新机会。例如气象、交通、保险部门的数据结合起来，可高效率地研究交通领域防灾减灾;IC卡数据结合抽样调查，能更快捷、更精确测得城市交通流分布状况。第三，大数据的智能性能较好的配置交通资源。通过对大数据的分析处理，可以辅助交通管理制定出较好的统筹与协调解决方案。一方面减少各个交通部门运营的人力和物力，另一方面可有些提升道理交通资源的合理利用。如根据大数据结果确定多模式地面公交网络高效配置和客流组织方案，多层次地面公交主干网络绿波通行控制以及交通信号自适应控制。第四，大数据的快速性和可预测性能提升交通预测的水平。在对各个部门的数据进行准确提炼和构建合适的交通预测模型后，可以有效模拟交通未来运行状态，验证技术方案的可行性。而在实时交通预测领域，大数据的快速信息处理能力，对于车辆碰撞、车辆换道、驾驶员行为状态检测等实时预测也有非常高的可靠性。

大数据对智能交通的意义

随着我国汽车保有量在近年来急剧增加，交通拥堵、交通污染日益严重，交通事故频繁发生，这些都成为了各大城市亟待解决的交通管理问题。智能交通成为改善城市交通的关键所在。为此，及时、准确获取交通数据并构建交通数据处理模型是建设智能交通的前提，而这一难题可以通过大数据技术得到解决。智能交通需求与大数据契合智能交通整体框架主要包括物理感知层、软件应用平台及分析预测及优化管理的应用。其中物理感知层主要是对交通状况和交通数据的感知采集；软件应用平台是将各感知终端的信息进行整合、转换处理，以支撑分析预警与优化管理的应用系统建设；分析预测及优化管理应用主要包括交通规划、交通监控、智能诱导、智能停车等应用系统。系统利用先进的视频监控、智能识别和信息技术手段，增加可管理空间、时间和范围，不断提升管理广度、深度和精细度。整个系统由信息综合应用平台、信号控制系统、视频监控系统、智能卡口系统、电子警察系统、信息采集系统、信息发布系统等组成。以达到四方面的目标：提高通行能力、减少交通事故、打击违章事件、出行信息服务。在各城市建设智慧交通的过程中，将产生越来越多的视频监控、卡口电警、路况信息、管控信息、营运信息、GPS定位信息、RFID识别信息等数据，每天产生的数据量可以达到PB级别，并且呈现指数级增长。大数据用于智能交通的积极意义第一，大数据的虚拟性可以解决跨越行政区域的限制。交通大数据的虚拟性，有利于其信息跨越区域管理，只要多方共同遵照相关的信息共享原则，就能在已有的行政区域下解决跨域管理问题。第二，大数据具有信息集成优势和组合效率。大数据有助于建立综合性立体的交通信息体系，通过将不同范围、不同区域、不同领域的“数据仓库”加以综合，构建公共交通信息集成利用模式，发挥整体性交通功能，这样才能发现新价值，带来新机会。例如气象、交通、保险部门的数据结合起来，可高效率地研究交通领域防灾减灾;IC卡数据结合抽样调查，能更快捷、更精确测得城市交通流分布状况。第三，大数据的智能性能较好的配置交通资源。通过对大数据的分析处理，可以辅助交通管理制定出较好的统筹与协调解决方案。一方面减少各个交通部门运营的人力和物力，另一方面可有些提升道理交通资源的合理利用。如根据大数据结果确定多模式地面公交网络高效配置和客流组织方案，多层次地面公交主干网络绿波通行控制以及交通信号自适应控制。第四，大数据的快速性和可预测性能提升交通预测的水平。在对各个部门的数据进行准确提炼和构建合适的交通预测模型后，可以有效模拟交通未来运行状态，验证技术方案的可行性。而在实时交通预测领域，大数据的快速信息处理能力，对于车辆碰撞、车辆换道、驾驶员行为状态检测等实时预测也有非常高的可靠性。第五，提高交通运行效率。大数据技术能促进提高交通运营效率、道路网的通行能力、设施效率和调控交通需求分析。交通的改善所涉及工程量较大，而大数据的大体积特性有助于解决这种困境。大数据的实时性，使处于静态闲置的数据被处理和需要利用时，即可被智能化利用，使交通运行的更加合理。大数据技术具有较高预测能力，可降低误报和漏报的概率，随时针对交通的动态性给予实时监控。因此，在驾驶者无法预知交通的拥堵可能性时，大数据亦可帮助用户预先了解。第六，提高交通安全水平。主动安全和应急救援系统的广泛应用有效改善了交通安全状况，而大数据技术的实时性和可预测性则有助于提高交通安全系统的数据处理能力。在驾驶员自动检测方面，驾驶员疲劳视频检测、酒精检测器等车载装置将实时检测驾车者是否处于警觉状态，行为、身体与精神状态是否正常。同时，联合路边探测器检查车辆运行轨迹，大数据技术快速整合各个传感器数据，构建安全模型后综合分析车辆行驶安全性，从而可以有效降低交通事故的可能性。在应急救援方面，大数据以其快速的反应时间和综合的决策模型，为应急决策指挥提供辅助，提高应急救援能力，减少人员伤亡和财产损失。第七，提供环境监测方式。大数据技术在减轻道路交通堵塞、降低汽车运输对环境的影响等方面有重要的作用。通过建立区域交通排放的监测及预测模型，共享交通运行与环境数据，建立交通运行与环境数据共享试验系统，大数据技术可有效分析交通对环境的影响。同时，分析历史数据，大数据技术能提供降低交通延误和减少排放的交通信号智能化控制的决策依据，建立低排放交通信号控制原型系统与车辆排放环境影响仿真系统。在当前大数据时代，数据充斥所带来的影响远远超出了企业领域，其不仅能带来商业价值，亦能产生社会价值。随着信息通讯技术的发展，交通运输从数据贫乏的困境转向数据丰富的环境，而面对众多的交通数据，如何从中根据用户需求提取有效数据成为关键所在。但是，大数据技术在智能交通应用领域同样面临着巨大挑战，包括隐私，数据处理硬件设施、数据不完备性、模型有效性等领域，这些都是我们未来继续需要探讨和解决的问题。

大数据时代下的智能交通

龙源期刊网 https://www.360docs.net/doc/a54851710.html, 大数据时代下的智能交通作者：周翼华俞晓东来源：《现代信息科技》2018年第05期摘要：目前，大数据技术在科学计算、社交网络、金融、物联网、网页数据、移动数据、多媒体、REID传感器、互联网文本、医疗卫生、社会数据、文件、电子商务、天文学、生物学、大气科学、基因组学、档案管理学等各行业得到了广泛应用。随着大数据时代的不断深入，大数据技术也被植入了交通管理工作中，从而形成了智能交通。关键词：大数据时代；大数据技术；智能交通中图分类号：TP392 文献标识码：A 文章编号：2096-4706（2018）05-0111-02 Intelligent Traffic in the Era of Big Data ZHOU Yihua，YU Xiaodong （China Road & Bridge Corporation，Beijing 100011，China） Abstract：At present，big data technologies have been obtained in scientific computing，social networks，finance，internet of things，web data，mobile data，multimedia，REID sensors，internet texts，medical and health，social data，documents， electronic commerce，astronomy，biology，atmospheric science， genomics， archival management and other industries. It is widely used. With the deepening of the era of big data， big data technology has also been implanted in traffic management， thus forming intelligent transportation. Keywords： big data era；big data technology；intelligent transportation 0 引言互联网技术的迅速发展催生了大数据这一概念。在21世纪，大数据技术的应用行业也更加广泛，交通管理工作自然也不例外，实施大数据时代下的智能交通管理，不仅可以规范交通秩序，缓解交通污染与堵塞问题，而且能够为交通事业的发展提供有力的技术保障。在大数据时代，智能交通技术一共采用了四种关键技术，分别是大数据技术、车辆检测技术、图像抓拍识别技术和自动车辆识别技术。此外，智能交通系统软件主要包括单片式ETC系统和双片式ETC系统。本文将简析大数据时代下的智能交通技术优势，并浅论大数据时代下的智能交通管理技术。 1 大数据时代下的智能交通技术优势

应用于智能交通中的大数据技术

应用于智能交通中的大数据技术摘要：随着时代的发展，人们已经不知不觉走进了信息化时代，在信息化时代大量的数据爆棚成了新时代的特征。在这种特征下人们依然追求生产生活质量的提高。对于发展智能交通使人们生活以及现实社会的需要，然而在智能交通的构建当中，大量的信息数据也给其增添了变化和难度，如何在大数据时代构建一个智能化、安全化、低成本、高效便捷化的智能交通系统成为了当今人们研究的课题。本文从大数据时代给智能交通带来的变化及优缺点、大数据时代给智能交通带来的问题与挑战、智能交通需求与大数据的融合以及智能交通海量数据的平台搭建等方面做了简单阐述，可以对研究该项领域的科研人员提供一些建议。关键字：智能交通大数据应用平台构建一、前言大数据时代已经来临，对于城市交通来说既是机遇，也是挑战，如何应对，如何利用，这是一个很大的课题。在传统交通中，城市交通是中流砥柱，具有基础性的作用。大数据时代的特征人们用四个V字开头的英文单词来表达即速度（Velocity）、多样性（Variety）、体量（V olume）以及价值密度（Value）。在大数据时代，城市交通与大数据必然发生各种联系，通过大数据带来的技术突破推动城市交通迈向全面信息化时代，通过城市交通的快速发展推动大数据更加落地，产生实效城市交通大数据的集成和未来的挖掘应用对于现代轨道的发展具有重要作用。不论对哪一个传统行业来说，对大数据的需求，都要既懂技术又深谙内情。能够驾驭行业大数据的人，需要比金融更懂金融，比电信更懂电信，比交通更懂交通，需要充分调查乘客的实际需求，需要对高峰期充分了解。二、大数据时代给智能交通带来的变化及优缺点随时网络信息技术以及相关配套技术的快速发展，使得当今时代在不知不觉中走进一个“大数据”时代阶段。就目前而言，国际上还没有给予“大数据”一个明确的具有权威性的定义，但是其在本质上的认识各个国家基本相同。一些研究人士认为“大数据”是数量极大的一堆数据，其作用性非常强，并且其可以对其应用领域的大体上做出预测。还有一些研究人士认为，在大量信息数据技术处理应用当中，“大数据”是一项大的数据集合，并且该种集合不仅数据量大并且还非常复杂。但是无论怎样大数据时代已经走来，我们必须接受并且要利用好其在各个领域的应用。因此在今天的智能交通领域，利用大数据技术已经成为了时代发展的必然，因为其可以给现代智能交通带来诸多大的变化。（一）大数据时代改变传统公共交通管理的路径大数据可以跨越行政区域的限制。行政区域的划分是国家为了有效统治和管理，而将一个国家划分不同行政区域。这个划分在促进各个行政区域自治的同时，也导致各个地方政府追求各自辖区利益的最大化将用户可能利用的各种交通数据纳入系统，构建公共交通信息集成利用模式，发挥整体性交通功能，通过在大