路网环境下交通监测预警及大数据分析的实现与展望

发表时间：2019-08-05T17:25:56.343Z 来源：《基层建设》2019年第15期作者：李卫1 刘磊2 杨鸣3

[导读] 摘要：当前建设以物联网、人工智能、大数据、云计算、空间感知、移动互联网等，新一代信息技术为支撑的智慧交通体系已经成为发展趋势。

1.身份证号码：32030219820122XXXX；

2.身份证号码：65270119841023XXXX；

3.身份证号码：32011219810311XXXX

摘要：当前建设以物联网、人工智能、大数据、云计算、空间感知、移动互联网等，新一代信息技术为支撑的智慧交通体系已经成为发展趋势。在宿迁路网中以视频监控设施为基础，构建以智慧交通为目标的路网智能化交通监测预警和大数据分析系统，实现多元交通数据融合、取长补短、科学决策；以此提升路网运行监测预警、交通研判与趋势预测、指挥决策和出行服务能力，是一项极具实用价值的研究课题！本文主要对路网环境下的交通监测预警和大数据分析进行探讨。

关键词：深度学习；路网监控；大数据；智慧交通；交通预警；交通视图

一、系统建设思路与技术方案

（一）建设思路

1．多元数据融合分析

可接入视频交通事件检测、智能卡口、高清视频监控等多种视频图像数据，并预留线圈车检、微波车检、气象数据、互联网数据接口。通过对海量历史数据建模，探索其潜在的规律和联系，并通过对实时或不定周期数据的分析对未来一段时间的交通运行态势进行预测和研判，为路网监测调度指挥提供可靠的数据支撑。

2．采用深度学习图像分析技术

采用深度图像分析技术可实现交通事件监测预警及视频能见度分析，实现交通参数统计等多种检测功能。可避免传统视频检测技术，因目标分类不准、机非混行、阴影、遮挡等导致的报警延迟、误报等问题。

3．采用大数据技术，解决非结构化数据分析管理难题

采用Hadoop、HBase、HDFS、MapRedce、ETL等技术，结合深度图像处理技术，实现对视频流及图片等非结构化数据的结构化分析、清洗、价值萃取，并为非结构化数据存储和查询、比对、检索等应用提供技术支撑。

4．紧密联系实战，实现大数据业务应用落地

以宿迁市公路管理处路网监测预警及大数据分析业务需求为基础，构建以深度事件监测、图像结构化分析、大数据综合研判分析功能为核心的路网监测预警及大数据分析应用系统；为路网管理人员提供数据可视化，交通事件报警及联动，事件及交通参数多维分析，交通趋势研判分析及预测、移动APP等业务实战工具，有效提升管理部门的综合业务水平和数据决策、应急指挥能力。

（二）技术方案

1.关键技术

本系统涉及到的关键支撑技术主包括：大数据、深度学习、增强学习与机器学习、视频能见度检测、基于车辆模型的拥堵检测等。

2.改造内容

系统主要利用宿迁市公路处路网中心管理的京杭运河三号桥进行改造实验。所属路段道路宽度为并排双向2车道。将东西两端各增加一套黑光夜视球机（2台）及一套高清卡口抓拍相机（2台），24小时不间断可对通过京杭运河三号桥的车辆进行精准识别和交通事件实时监测预警分析。

3.系统架构

路网监测预警及大数据分析系统，采用面向服务的SOA架构设计，它可以根据需求通过网络对松散耦合的粗粒度应用组件进行分布式部署、组合和使用，未来可以满足各级路网规模的部署需求。服务层（接入层）是SOA系统架构的基础，可以直接被应用调用，从而有效控制系统中与软件代理交互的人为依赖性。

SOA体系架构具有极强的兼容性和系统可扩展性，这为今后系统对于微波、地感、雷达等多种前端数据的补充接入以及其他数据平台的互联互通奠定了基础。

基于SOA架构设计的路网检测预警及大数据分析平台主要由以下部分构成：

（1）接入层，实现各种前端检测数据和其他共享数据的接入；

（2）报警、气象信息、互联网信息等基础信息资源。

（3）计算层：实现虚拟化、仿真分析、大数据技术进行数据清洗和抽取；

（4）业务层，模块化设计，通过深度识别、预测模型等满足业务管理需求；

（5）展示层，提供多业务、多维分析、大数据信息研判、辅助决策；

4.系统功能

（1）数据可视化首页

通过大数据挖掘、统计分析以及数据可视化技术，按照用户要求对业务管理者重点关注的数据内容进行可视化展示。通常可包括：车流量、事件报警、交通出行结构、车辆出行规律、设备运行状态等内容的可视化分析。

（2）智能事件预警

对接深度学习高清事件监测报警数据以及交通参数、视频能见度等数据；系统采用智能交通事件分析预警技术，实现对交通拥堵、能见度异常等交通事件的实时监测；可通过分车道、分区域设置预警等级，并自动关联CCTV监控系统，事件发生时可通过图像及声光报警提醒监控人员及时处理并确认是否启动应急预案，如：关联室外可变情报板、诱导显示屏对后续车辆限速、分流、警示提醒，可有效降低因处置不及时而导致的二次事故发生概率。

（3）多维数据分析

各部门管理者可对所关注的对象信息进行多维度查询展现，从多个角度展示数据，可对数据报表进行层层钻取。主要可包括：

事件多维分析，对交通事件进行多维分析，包括事件类型、位置、时间、报警方式、影响范围、持续时间、间隔时间、发生频次等；

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

城市交通大数据可视化框架及实现

城市交通大数据可视化框架及实现随着智能交通在物联网、云计算、移动互联等领域的结合应用和迅速发展，其发展模式已经从传统的信息不均衡、信息处理能力低效的系统发展成为真正的运用新技术的智能交通系统。智能交通系统是多个与交通有关的系统的综合应用，包括车路协同系统、公众出行便捷服务、车联网等，这些应用运用大数据技术、云计算技术、移动互联技术等为交通系统的智能化效率的提高提供重要的支持，不断提高智能交通系统的数据分析判断能力，以优化交通的运行管理，精准地掌握交通状况，给车辆和出行者带来更加智能化的服务。目前大数据技术已经应用在很多城市的智能交通领域，公众出行越来越离不开交通大数据分析带来的便利。随着大数据技术的兴起，智能交通的发展也在飞速前进的阶段，交通大数据的总量已从TB级跃升为PB级并仍在不断攀升。但目前，在如何运用大数据技术有效处理分析这些日益剧增的交通大数据分析获取更有价值的信息的问题上，我国的智能交通发展仍然处于开始阶段。如何运用大数据技术，有效分析利用交通大数据，实现大数据的可视化，使其发挥出应有的价值，是现阶段智能交通发展的重要任务。 1数据可视化基本框架 1.1 数据可视化流程科学可视化和信息可视化分别设计了可视化流程的参考体系结

构并被广泛应用于数据可视化系统中。可视分析学的基本流程则通过人机交互将自动和可视分析方法紧密结合。从数据到知识的转化方式有两种途径，交互的可视化方法和自动的数据挖掘方法。过程中用户即可以对可视化结果进行交互的修正，也可以调节参数以修正模型。在相当多的应用场合，异构数据源需要在可视分析或自动分析方法之间被整合。因此，这个流程的第一步需要将数据预处理并转换，导出不同的表达，便于后续的分析，其他的预处理任务包括数据清洗、数据规范、数据归类和异构数据源集成。在任何一种可视化分析过程中，人都是最核心的要素。机器智能虽然在很多场合都比人的效率要高，但是机器只能承担替代一部分人所承担的工作，并不能够最终决策或对知识进行加工和使用。所以数据可视化的目的并不是替代人的判断和决策，而是为人所用，增强人的能力，提高人的效率。 1.2数据可视化流程中的核心要素数据可视化流程中的核心要素包括 3 个方面。 1.2.1 数据表示与变换数据可视化的基础是数据表示和变换。为了允许有效的可视化、分析和记录，输入数据必须从原始状态变换到一种便于计算机处理的结构化数据表示形式。通常这些结构存在于数据本身，需要研究有效的数据提炼或简化方法以最大程度地保持信息和知识的内涵及相应的上下文。

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

2017年互联网+城市交通大数据应用现状及未来趋势

汇报内容A 城市交通的数据 B 大数据应用现状 C 未来展望

交通基础数据动态运行数据车辆和人员行为数据城市交通数据检测设备交通基础设施城市背景数据人口、土地开发、社会经济气象、道路施工、大型活动第五次综合调查交通调查数据运输经济调查

分类数据内容数据规模（以北京为例）动态运行数据道路检测数据断面流量、速度、车型采集：2分钟，500万记录/天车辆卫星定位数据（出租车、公交车、长途客车和部分货车）经纬度、时间、方位角、车辆代码采集：60秒（将升为12秒） 6万辆出租车，15G，9000万记录/天 2万辆公交车，5G，3000万记录/天电子收费数据（IC卡、ETC）收费时间、位置、线路、额度公交IC卡：2500万记录/天，10G/天 ETC：300万记录/天车辆识别数据（视频、RFID）检测位置和时间、车牌号（车辆属性数据）采集：2分钟 2G，500万记录/天（按检测点存储）交通事故数据事故位置、时间、类型伪码移动信令数据信令发生位置、时间、活动类型北京移动：1800万样本，10亿条/天移动互联网众包数据触发时间、位置、用户高德：2013年12月6日，9G/天抽样调查数据城市综合交通调查、运输经济专项调查、出行方式意愿性调查第五次综合调查：共18项调查，其中：入户调查4万户约12万人（面对面）城市背景数据土地利用、人口分布、气象道路施工、交通事件多张网、交错关联交通基础数据人（从业人员）、车、路（道路网、公交线路）数据规模及特征

应用一：浮动车计算系统由行驶车辆（出租汽车）作为样本，计算获得路段车速（拥堵水平）北京：40000辆出租汽车，5分钟（20秒）计算一次五环内路网覆盖率80%，精度86%以上出租汽车GPS点实时路况

交通管控大数据分析研判系统

交通管控大数据分析研判系统设计方案

目录 1 系统概述 (5) 1.1 系统背景 (5) 1.2 系统意义 (5) 1.3 研发原则 (6) 1.4 系统内容 (7) 2 需求分析 (8) 2.1 业务需求 (8) 2.1.1 面向交通管理的大数据业务需求 (8) 2.1.2 面向交通安全的大数据业务需求 (8) 2.2 功能需求 (9) 2.2.1 基于大数据的在线统计和离线分析需求 (9) 2.2.2 基于大数据的车辆特征分析需求 (9) 2.2.3 基于大数据的违法事故分析需求 (9) 2.2.4 基于大数据的勤务快速处置需求 (10) 2.2.5 基于大数据平台的车辆特征二次识别需求 (10) 2.2.6 基于大数据平台的技战法需求 (10) 2.3 性能需求 (10) 2.3.1 高并发实时数据采集需求 (10) 2.3.2 海量数据存储需求 (10) 2.3.3 分布式流处理需求 (11) 2.3.4 车辆二次识别需求 (11) 3 架构设计 (11) 3.1 总体应用架构 (11) 3.2 软件框架结构 (12)

3.3 网络部署架构 (12) 3.4 数据流结构 (13) 3.5 关键技术路线 (13) 3.5.1 Hadoop技术 (14) 3.5.2 Spark技术 (14) 3.5.3 车辆特征二次识别技术 (16) 4 功能设计 (16) 4.1 功能结构图 (16) 4.2 功能模块 (16) 4.2.1 首页 (16) 4.2.2 实时预警 (20) 4.2.3 信息查询 (21) 4.2.4 统计分析 (27) 4.2.5 技战法 (31) 4.2.6 车辆布控 (34) 4.2.7 系统设置 (35) 4.2.8 运维管理 (36) 5 数据库设计 (37) 5.1 数据库ER模型 (37) 5.2 数据库表 (37) 6 接口设计 (37) 6.1 接口分布图（接口关联图） (37) 6.2 接口详细说明 (37) 7 系统特色 (37) 7.1 优化交通大数据集中存储能力 (37)

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。

交通大数据的应用

交通大数据应用分析大数据时代是在现代科学技术跨越式发展的过程中逐步衍生而来,大数据诞生以来,世界各国高度重视,积极探索数据的来源、安全等问题，并将其应用于智能交通、智慧政府、智能金融等各行各业各个领域。[1]在政策方面，我国相继出台了《中华人民共和国国民经济和社会发展第十三个五年规划纲要》、《促进大数据发展行动纲要》等文件，明确提出要全面推进大数据的发展与应用；在实践方面，2016年以智慧城市为代表的“互联网+交通”项目在在全国范围内遍地开花，有效提升了城市的智能化水平。交通大数据是“互联网+交通”发展的重要依据，其发展及应用在宏观层面能为综合交通运输体系的“规、设、建、管、运、养”等提供支撑；在微观层面能够指导优化区域交通组织，如：优化交通信号、交通诱导、路况融合、规范停车场管理等。[2] 一、“互联网+交通”发展形势分析根据高德地图发布的《中国“互联网+交通”城市指数研究报告》，2016年“互联网+交通”领域中数据开放、资源共建、政务智能服务、智能出行、交通拥堵、绿色出行、交通大数据发展势头强劲，七大热点紧跟时代前沿，符合国家政策导向，且与社会大众的生活就业息息相关。[3]在新常态新形势之下，结合国家“创新、协调、绿色、开放和共享”五大发展理念，“互联网+交通”领域将重点发展绿色、便捷、安全、经济、高效的大容量公共交通，一是通过借助“互联网+交通”领域的前沿技术，模拟城市交通运行情况，采取有效的诱导与控制措施，引导居民出行方式，缓解城市交通拥堵，提高公众出行效率与出行舒适度；二是通过政府与企业建立合作协调与资源共享机制，借助“互联网+交通”领域先进技术，共同致力于提升城市道路交通管理水平，充分实现城市道路体系的高效率利用。[4]实践证明，交通大数据是“互联网+交通”发展的关键支撑，是“互联网+交通”科学决策的重要依据，是构建智能出行系统，缓解城市交通拥堵，实现绿色出行的基础，因此，在“互联网+交通”背景下，不仅要关注交通大数据的发展方向与发展形势，如何解决交通大数据的来源、安全、储存及使用效率，充分发挥交通大数据的价值更为关键。[5]

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。