1、城市交通大數(shù)據(jù)技術(shù)及智能應(yīng)用系統(tǒng)分析1引言2015年兩會上，大數(shù)據(jù)(big data ) ”一詞首次寫入政府工作報告。在交通 領(lǐng)域，大數(shù)據(jù)一直被視作緩解交通壓力的技術(shù)利器。應(yīng)用大數(shù)據(jù)有助于了解城市交通擁堵問題中人的出行規(guī)律和原因， 實現(xiàn)交通和生活的和諧，提高城市的宜居 性，為政府精準(zhǔn)管理提供基于數(shù)據(jù)證據(jù)的綜合決策。同時，大數(shù)據(jù)的挖掘和使用還有利于催生信息消費(fèi)新模式，促進(jìn)信息消費(fèi)產(chǎn)業(yè)發(fā)展。隨著手機(jī)網(wǎng)絡(luò)、全球定位系統(tǒng)(global positioning system , GPS) /北斗車 載導(dǎo)航、車聯(lián)網(wǎng)、交通物聯(lián)網(wǎng)的發(fā)展，交通要素的人、車、路等的信息都能夠?qū)?時采集，城市交通大數(shù)據(jù)來源日益豐富

2、20在日益成熟的物聯(lián)網(wǎng)和云計算平臺 技術(shù)支持下，通過城市交通大數(shù)據(jù)的采集、傳輸、存儲、挖掘和分析等，有望實 現(xiàn)城市交通一體化，即在一個平臺上實現(xiàn)交通行政監(jiān)管、交通企業(yè)運(yùn)營、交通市 民服務(wù)的集成和優(yōu)化。城市交通大數(shù)據(jù)的集成與分析技術(shù)研究，對我國智慧城市的發(fā)展具有戰(zhàn)略性 意義。交通大數(shù)據(jù)具有種類繁多、異質(zhì)性、時空尺度跨越大、動態(tài)多變、高度隨 機(jī)性、局部性和有限生命周期等特征，如何有效地集成交通大數(shù)據(jù)，滿足高時效 性和知識牽引等城市交通智慧化需求，是各個大中城市所面臨的前所未有的發(fā)展 機(jī)遇和挑戰(zhàn)本文首先簡單介紹了大數(shù)據(jù)的發(fā)展?fàn)顩r及趨勢，然后重點分析總結(jié)了城市交 通大數(shù)據(jù)的若干核心技術(shù)，并提出城市交通

3、大數(shù)據(jù)的智能應(yīng)用系統(tǒng)解決方案，最后重點列舉了幾種典型應(yīng)用。2大數(shù)據(jù)的發(fā)展?fàn)顩r及趨勢近年來，數(shù)據(jù)的快速增長成了許多行業(yè)共同面對的嚴(yán)峻挑戰(zhàn)和寶貴機(jī)遇，信息社會正在進(jìn)入大數(shù)據(jù)時代。大數(shù)據(jù)指的是涉及的資料量規(guī)模巨大到無法透過目 前主流軟件工具在合理時間內(nèi)達(dá)到感知、擷取、管理、處理和服務(wù)的數(shù)據(jù)集合。從2009年左右開始，大數(shù)據(jù)”開始成為互聯(lián)網(wǎng)信息技術(shù)行業(yè)的流行詞匯。根據(jù)互聯(lián)網(wǎng)數(shù)據(jù)中心(IDC)估測，數(shù)據(jù)一直以每年50%的速度增長(大數(shù) 據(jù)摩爾定律)，這意味著人類在最近兩年產(chǎn)生的數(shù)據(jù)量相當(dāng)于之前產(chǎn)生的全部數(shù) 據(jù)量，預(yù)計到2020年，全球?qū)⒖偣矒碛?5億GB (35 ZB)的數(shù)據(jù)。大數(shù)據(jù)處 理的數(shù)據(jù)規(guī)模從T

4、B級上升到PB、EB甚至ZB級，人們面臨著如何降低數(shù)據(jù)存 儲成本、充分利用計算資源、提高系統(tǒng)并發(fā)吞吐率、支持分布式非線性迭代算法 優(yōu)化等眾多難題。為了應(yīng)對大數(shù)據(jù)的發(fā)展趨勢，更好地為行業(yè)用戶和個人提供數(shù)據(jù)分析的服 務(wù)，亟需構(gòu)建各類不同的大數(shù)據(jù)平臺， 支持用戶對數(shù)據(jù)的多種需求。構(gòu)建大數(shù)據(jù) 平臺就是要將不同渠道、不同來源、不同結(jié)構(gòu)的數(shù)據(jù)進(jìn)行有機(jī)的整合。 與傳統(tǒng)數(shù) 據(jù)平臺不同的是，大數(shù)據(jù)海量的規(guī)模、多樣的類型、快速的流動和動態(tài)的體系以 及巨大的價值是大數(shù)據(jù)平臺構(gòu)建需要重點考慮的幾個因素。除此之外，數(shù)據(jù)的分類存儲、數(shù)據(jù)平臺的開放性、數(shù)據(jù)的智能處理以及數(shù)據(jù)平臺與用戶的交互都為大 數(shù)據(jù)平臺的建設(shè)帶來前所未有

5、的挑戰(zhàn)。大數(shù)據(jù)平臺處理的數(shù)據(jù)類型是多種多樣的。目前這些平臺的搭建已經(jīng)有了一 些有代表性的成果，如 Google公司的Freebase、微軟公司的Probase、國內(nèi) 著名的中文信息結(jié)構(gòu)庫一一中國知網(wǎng)。在商用數(shù)據(jù)平臺方面， 舊M公司的 Infosphere大數(shù)據(jù)分析平臺、天睿公司的 Teradata統(tǒng)一數(shù)據(jù)環(huán)境以及由國內(nèi)大 貓、阿里云、萬網(wǎng)聯(lián)合推出的國內(nèi)首個電商云工作平臺聚石塔是3個典型的數(shù)據(jù)平臺。大數(shù)據(jù)”本身是一個現(xiàn)象而不僅僅是一種技術(shù)，這是信息科技?xì)v史發(fā)展的必 然結(jié)果。大數(shù)據(jù)的采集、傳輸、處理和應(yīng)用所需的相關(guān)大數(shù)據(jù)處理技術(shù)，是通過 系列地使用非傳統(tǒng)工具來對大量的結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)

6、進(jìn)行處理， 從而獲得分析和預(yù)測結(jié)果的一系列大數(shù)據(jù)處理技術(shù)。大數(shù)據(jù)技術(shù)的戰(zhàn)略意義也不僅在于掌握龐大的數(shù)據(jù)信息，而更在于對這些含有意義的數(shù)據(jù)進(jìn)行專業(yè)化處理。 換言之，如果把大數(shù)據(jù)比作一種產(chǎn)業(yè)，那么這種產(chǎn)業(yè)實現(xiàn)盈利的關(guān)鍵在于提高對 數(shù)據(jù)的加工能力”，通過加工”實現(xiàn)數(shù)據(jù)的增值”。大數(shù)據(jù)領(lǐng)域已經(jīng)涌現(xiàn)出了大量 新的技術(shù)，它們成為大數(shù)據(jù)采集、存儲、處理和呈現(xiàn)等功能的有力武器。大數(shù)據(jù) 發(fā)展呈現(xiàn)以下趨勢。(1)基于云計算的數(shù)據(jù)分析平臺云計算為大數(shù)據(jù)提供了可以彈性擴(kuò)展、 相對便宜的存儲空間和計算資源，使得 中小企業(yè)也可以像亞馬遜公司一樣通過云計算來完成大數(shù)據(jù)分析。云計算IT資源龐大、分布較為廣泛，是異構(gòu)系統(tǒng)較多的

7、企業(yè)及時準(zhǔn)確處理數(shù)據(jù)的有力方式， 甚至是唯一的方式。大數(shù)據(jù)要走向云計算，還有賴于數(shù)據(jù)通信帶寬的提高和云資源池的建設(shè)，需要確保原始數(shù)據(jù)能遷移到云計算環(huán)境以及資源池可以隨需彈性擴(kuò)展。(2)數(shù)據(jù)分析集逐步擴(kuò)大，企業(yè)級數(shù)據(jù)倉庫將成為主流當(dāng)人們從大數(shù)據(jù)分析中嘗到甜頭以后，數(shù)據(jù)分析集就會逐步擴(kuò)大。目前大部分的企業(yè)分析的數(shù)據(jù)量一般以 TB為單位。按照目前數(shù)據(jù)的發(fā)展速度，數(shù)據(jù)量很 快將會進(jìn)入PB時代。特別是目前在100500 TB和500+ TB范圍的分析數(shù)據(jù) 集的數(shù)量會成倍增長。隨著數(shù)據(jù)分析集的擴(kuò)大，以前部門層級的數(shù)據(jù)集將不能滿足大數(shù)據(jù)分析的需 求，它們將成為企業(yè)級數(shù)據(jù)庫(EDW)的一個子集。因此，企業(yè)內(nèi)的

8、數(shù)據(jù)分析 將從部門級過渡到企業(yè)級，從面向部門需求轉(zhuǎn)向面向企業(yè)需求， 從而也必將獲得 比部門視角更大的益處。隨著政府和行業(yè)數(shù)據(jù)的開放，更多的外部數(shù)據(jù)將進(jìn)入企 業(yè)級數(shù)據(jù)倉庫，使得數(shù)據(jù)倉庫規(guī)模更大，數(shù)據(jù)的價值也更大。(3) Hadoop對MapReduce的依賴程度越來越Hadoop是一個能夠?qū)Υ罅繑?shù)據(jù)進(jìn)行分布式處理的軟件框架，能夠處理 PB 級數(shù)據(jù)，具有高可靠性、高擴(kuò)展性、高效性和高容錯性等特點。其新版本不只為 MapReduce服務(wù)，而是和Cloudera的Impala 一樣用一個SQL查詢引擎或者 其他的方法來替代 MapReduce。 HBaseNoSQL數(shù)據(jù)庫就是Hadoop離開 MapR

9、educe約束后的一個很好的例子。未來 Hadoop平臺將在大數(shù)據(jù)處理中發(fā) 揮越來越重要的作用。3城市交通大數(shù)據(jù)3.1 城市交通大數(shù)據(jù)的主要研究內(nèi)容城市交通大數(shù)據(jù)的研究內(nèi)容主要包括以下方面。(1)時效約束的大數(shù)據(jù)多尺度匯聚計算和動態(tài)圖譜交通大數(shù)據(jù)存在多源、異質(zhì)、局部性、時空關(guān)聯(lián)、異步性、信息稀疏性和并 發(fā)性等特點，而城市交通系統(tǒng)存在著對大數(shù)據(jù)匯聚處理的高時效性以及對人而信息稀疏”的交通大數(shù)據(jù)的領(lǐng)域知識牽引要求。現(xiàn)有的數(shù)據(jù)融合、計算理論與方 法難以滿足高時效性的大數(shù)據(jù)處理和基于數(shù)據(jù)的知識構(gòu)建與轉(zhuǎn)換等需求，亟需提出時效約束的大數(shù)據(jù)多尺度匯聚計算和動態(tài)圖譜的交通大數(shù)據(jù)處理新理論與新 方法。(2)高維

10、空間的隱性知識序貫挖掘與演化模型交通主體、行為、態(tài)勢、路網(wǎng)拓?fù)浜铜h(huán)境形成了高維生態(tài)系統(tǒng)閉空間，相互 之間存在著高度非線性、隨機(jī)性和動態(tài)的耦合關(guān)系。交通態(tài)勢及其演化是交通系統(tǒng)的宏觀體現(xiàn)，具有約束條件下的動態(tài)性、序貫性、自組織、隨機(jī)性等特點，交 通態(tài)勢機(jī)理解釋對解決城市交通的難題非常重要。傳統(tǒng)的交通理論難以發(fā)現(xiàn)隱含在如此高維空間的知識，對交通出行規(guī)律及其時空演化、大面積交通擁堵演變規(guī) 律、環(huán)境與交通行為等進(jìn)行綜合知識和數(shù)據(jù)支撐的解釋與評價，高維空間的隱性知識序貫挖掘與演化將為此提供堅實的理論與技術(shù)支撐。(3)交通態(tài)勢的預(yù)測機(jī)理與調(diào)控策略交通態(tài)勢是城市交通系統(tǒng)運(yùn)行狀態(tài)的反映，受到交通需求、網(wǎng)絡(luò)拓?fù)洹?/p>

11、多交 通子系統(tǒng)、環(huán)境、管理和調(diào)控策略等眾多因素的相互影響與作用。由于城市交通態(tài)勢具有時變性、不確定性、非馬氏性以及影響因素之間的相關(guān)性等特點，是一 個超維的復(fù)雜巨系統(tǒng)，其調(diào)控與預(yù)測是世界性的難題，目前尚缺乏相關(guān)的理論與 方法。交通態(tài)勢的預(yù)測機(jī)理與調(diào)控策略的研究，將創(chuàng)建復(fù)雜交通巨系統(tǒng)的預(yù)測及 其控制的新理論與途徑。3.2 城市交通大數(shù)據(jù)相關(guān)處理技術(shù)在城市交通蓬勃發(fā)展的過程中，其數(shù)據(jù)采集量必然成倍增長，形成海量、動 態(tài)、實時的交通大數(shù)據(jù)。因此，以大數(shù)據(jù)處理技術(shù)為支撐的城市交通信息服務(wù)將 成為未來智能交通發(fā)展的增長點。 城市交通所涉及的大數(shù)據(jù)技術(shù)，總結(jié)起來大致 包括如下內(nèi)容。(1)基于Hadoop框

12、架的MapReduce模式技術(shù)Hadoop是一個能夠?qū)Υ罅繑?shù)據(jù)進(jìn)行分布式處理的軟件框架，而map/reduce 是Hadoop的核心計算模型，它將復(fù)雜地運(yùn)行于大規(guī)模集群上的并行計算過程高 度地抽象到了兩個函數(shù)。Hadoop實現(xiàn)了一個分布式文件系統(tǒng)(Hadoop distributed file system , HDFS ) 。 HDFS有著高容錯性的特點，用來部署在低 廉的硬件上。而且它能提供高傳輸率來訪問應(yīng)用程序的數(shù)據(jù)，適合那些有著超大 數(shù)據(jù)集的應(yīng)用程序。(2)數(shù)據(jù)倉庫技術(shù)數(shù)據(jù)倉庫是決策支持系統(tǒng)(DSS )和聯(lián)機(jī)分析應(yīng)用數(shù)據(jù)源的結(jié)構(gòu)化數(shù)據(jù)環(huán)境， 研究和解決從數(shù)據(jù)庫中獲取信息等問題。數(shù)據(jù)倉庫

13、的特征在于面向主題、集成性、 穩(wěn)定性和時變性。其主要功能是將組織通過資訊系統(tǒng)的聯(lián)機(jī)交易處理( OLTP) 經(jīng)年累月所累積的大量資料、數(shù)據(jù)倉庫理論所特有的資料存儲架構(gòu)進(jìn)行系統(tǒng)的分 析整理，以利于各種分析方法如線上分析處理 (OLAP )、數(shù)據(jù)挖掘(data mining ) 的進(jìn)行，進(jìn)而支持決策支持系統(tǒng)、主管資訊系統(tǒng)(EIS)等系統(tǒng)的創(chuàng)建，幫助決 策者快速、有效地從大量數(shù)據(jù)資料中分析出有價值的信息，以利于決策擬定及快速回應(yīng)外在環(huán)境變動，幫助構(gòu)建商業(yè)智能。(3)中央數(shù)據(jù)登記簿技術(shù)中央數(shù)據(jù)登記簿系統(tǒng)是平臺數(shù)據(jù)統(tǒng)一管理、綜合交通信息服務(wù)的基礎(chǔ)，包括 與交通信息有關(guān)的數(shù)據(jù)表示和交互以及交通信息服務(wù)、 適

14、合于綜合交通環(huán)境的數(shù) 據(jù)字典和消息模板、交通數(shù)據(jù)項定義規(guī)則、注冊和管理機(jī)制等。(4)平臺GIS-T應(yīng)用技術(shù)平臺GIS-T應(yīng)用技術(shù)是交通地理信息系統(tǒng)的支撐技術(shù)，可為交通信息服務(wù) 提供高效的信息查詢功能、海量的存儲功能，包括出租車、公交車、綜合交通視 頻信息等數(shù)據(jù)；提供優(yōu)秀用戶體驗的 WebGIS引擎，讓用戶享受基于瀏覽器的 交通信息服務(wù)。(5)基于非序列性數(shù)據(jù)操作技術(shù)基于非序列性數(shù)據(jù)操作技術(shù)包括虛擬化環(huán)境以及流數(shù)據(jù)處理技術(shù)， 通過網(wǎng)絡(luò) 將大 量服務(wù)器的內(nèi)存空間統(tǒng)合在一起，使之形成一個超大型的虛擬內(nèi)存，然后 在其上進(jìn)行數(shù)據(jù)配置，可實現(xiàn)對現(xiàn)有設(shè)備資源的最大使用效率，同時實現(xiàn)對即時 性數(shù)據(jù)的反饋能力。

15、(6)視頻大數(shù)據(jù)處理技術(shù)視頻大數(shù)據(jù)處理技術(shù)將目前各個專用性的視頻監(jiān)控系統(tǒng)有機(jī)地整合在一起， 實現(xiàn)視頻資源統(tǒng)一接入、統(tǒng)一轉(zhuǎn)碼、統(tǒng)一分發(fā)、統(tǒng)一管理和統(tǒng)一運(yùn)營的五統(tǒng)一”目標(biāo)。它可整合包括交通視頻、站臺視頻、客運(yùn)站視頻、高速公路視頻、社會治 安視頻、車載視頻等在內(nèi)的多種視頻資源， 提高整體視頻監(jiān)控的效率，且基于視 頻監(jiān)控基礎(chǔ)設(shè)施之上創(chuàng)造更多增值性的應(yīng)用，從而實現(xiàn)視頻監(jiān)控系統(tǒng)的最大化效 用。(7)大數(shù)據(jù)處理技術(shù)大數(shù)據(jù)預(yù)處理技術(shù)是將接入平臺的數(shù)據(jù)根據(jù)具體的業(yè)務(wù)規(guī)則進(jìn)行進(jìn)一步的 處理，包括對接入的數(shù)據(jù)進(jìn)行有效性的檢驗、大數(shù)據(jù)清洗等。大數(shù)據(jù)標(biāo)準(zhǔn)化處理 技術(shù)從數(shù)據(jù)庫中取出經(jīng)過清洗后的數(shù)據(jù)，根據(jù)業(yè)務(wù)規(guī)則將外部系統(tǒng)

16、的數(shù)據(jù)格式轉(zhuǎn) 化為平臺定義的標(biāo)準(zhǔn)格式。(8)大數(shù)據(jù)融合處理技術(shù)大數(shù)據(jù)融合處理技術(shù)是指采用多源交通信息融合方法，結(jié)合特征融合技術(shù) (識別/分類、神經(jīng)網(wǎng)絡(luò)、貝葉斯網(wǎng)絡(luò)等)、目標(biāo)機(jī)動信息處理技術(shù)(自適應(yīng)噪 聲模型等)及多目標(biāo)跟蹤的信息融合技術(shù)，提高信息系統(tǒng)的頑健性及可靠性。 多 源交通大數(shù)據(jù)信息融合分為3級：基礎(chǔ)級是數(shù)據(jù)級融合，它只完成數(shù)據(jù)的預(yù)處理 和簡單關(guān)聯(lián)；第二級是特征級融合，就是根據(jù)現(xiàn)有數(shù)據(jù)的特征預(yù)測交通參數(shù)； 第 三級是狀態(tài)級融合，根據(jù)當(dāng)前交通流信息判斷交通狀態(tài)。 交通流信息融合的基本 過程包括多源信息提取、信息預(yù)處理、融合處理以及目標(biāo)參數(shù)獲取和狀態(tài)估計。（9）實時數(shù)據(jù)分發(fā)訂閱技術(shù)海量交通大

17、數(shù)據(jù)具有數(shù)據(jù)量大、更新頻繁、時效性高等特點，往往需要來自 于其他系統(tǒng)的實時數(shù)據(jù)來支持其業(yè)務(wù)邏輯。比如浮動車輛的GPS數(shù)據(jù)、目前城市道路的路況分析和收費(fèi)站排隊監(jiān)控分析、省級運(yùn)政衛(wèi)星定位聯(lián)網(wǎng)監(jiān)控系統(tǒng)的上 報、營運(yùn)車輛安全監(jiān)管系統(tǒng)等監(jiān)控分析系統(tǒng)需要向外單位共享的數(shù)據(jù)。（10）大數(shù)據(jù)挖掘技術(shù)多源交通大數(shù)據(jù)挖掘是一個多步驟的過程，可以分為問題定義、數(shù)據(jù)準(zhǔn)備、 數(shù)據(jù)分析、模式評估等基本階段。4城市交通大數(shù)據(jù)的智能應(yīng)用系統(tǒng)4.1 交通大數(shù)據(jù)采集內(nèi)容城市交通大數(shù)據(jù)可分為靜態(tài)大數(shù)據(jù)與動態(tài)大數(shù)據(jù)。靜態(tài)交通大數(shù)據(jù)主要包括城市交通的基礎(chǔ)空間數(shù)據(jù)（地表模型、高清正射影像等）、城市及周邊基礎(chǔ)地理信息（城市路網(wǎng)、交叉口布局

18、、城市基礎(chǔ)交通實施 信息）、道路交通網(wǎng)絡(luò)基礎(chǔ)信息（道路等級、長度、收費(fèi)信息）、道路交通客運(yùn) 信息（客運(yùn)班線、客動票務(wù)、市區(qū)公交信息、車站線路輻射圖、客運(yùn)企業(yè)信息、 交通換乘點等）、航班信息、列車信息、水運(yùn)信息（船次、起終碼點、開船時間 等）、停車場信息（停車場位置、名稱、總泊位數(shù)、開閉狀態(tài)、空閑泊位數(shù)等）、 交通管理信息（警區(qū)界限、安全界限、警力分布、交通崗位、執(zhí)法站、車管所、 檢測場、考試場、過境檢查站）以及交通抽樣調(diào)查數(shù)據(jù)等。動態(tài)交通大數(shù)據(jù)來源廣泛、形式多樣，主要包括通過衛(wèi)星遙感、航空攝影測 量，低空無人機(jī)應(yīng)急平臺、地面測量車、地面視頻等遙感手段獲取的數(shù)據(jù)以及地 面智能交通系統(tǒng)中，通過視頻

19、、手機(jī)、公交卡、地感線圈等傳感設(shè)備和移動終端 采集的人、車、路等交通要素的數(shù)據(jù)。從人可以采集到的數(shù)據(jù)有駕駛行為數(shù)據(jù)、 付費(fèi)行為數(shù)據(jù)和出行行為數(shù)據(jù)，從車采集到的數(shù)據(jù)有車輛信息數(shù)據(jù)、車輛實時位 置數(shù)據(jù)、公交車運(yùn)營數(shù)據(jù)、出租車運(yùn)營數(shù)據(jù)、眾包路況數(shù)據(jù)，關(guān)于路的數(shù)據(jù)有衛(wèi) 星影像數(shù)據(jù)、航空攝影數(shù)據(jù)和道路基礎(chǔ)設(shè)施數(shù)據(jù)。4.2 交通大數(shù)據(jù)云計算支撐平臺城市交通大數(shù)據(jù)和相關(guān)業(yè)務(wù)的服務(wù)采用云計算技術(shù)來實現(xiàn)，具總體邏輯架構(gòu) 如圖2所示。采用云計算技術(shù)來支撐一體化交通大數(shù)據(jù)， 按需提供自助管理虛擬 基礎(chǔ)架構(gòu)匯集成高效池，以服務(wù)的形式提供資源。云計算支撐平臺包括數(shù)據(jù)中心 物理資源管理、數(shù)據(jù)中心邏輯資源、數(shù)據(jù)中心運(yùn)營平臺

20、和維護(hù)。城市交通云計算支撐平臺包含多個子系統(tǒng)，各系統(tǒng)提供穩(wěn)定的信息、管理、 監(jiān)控服務(wù)。為了支持智能交通 7X24 h的穩(wěn)定、高效服務(wù)，可引入云計算虛擬化 平臺。利用虛擬化技術(shù)將應(yīng)用系統(tǒng)與物理機(jī)進(jìn)行分離， 減少因物理環(huán)境導(dǎo)致的系 統(tǒng)中斷服務(wù)，在不影響用戶的情況下對物理資源進(jìn)行刪除、升級或改變。4.3 交通大數(shù)據(jù)的智能應(yīng)用系統(tǒng)交通大數(shù)據(jù)的智能應(yīng)用系統(tǒng)是基于交通大數(shù)據(jù)中心、 交通云計算支撐平臺來 搭建的智能應(yīng)用系統(tǒng)，采用 中心數(shù)據(jù)存儲和處理”和本地服務(wù)應(yīng)用”的模式，從 海量的交通數(shù)據(jù)中抓取實時數(shù)據(jù)，分析挖掘歷史數(shù)據(jù)，基于歷史數(shù)據(jù)對未來情況 做出預(yù)測，為智能交通提供決策性建議。交通大數(shù)據(jù)智能應(yīng)用系統(tǒng)可

21、分別為政府、企業(yè)、公眾提供智能交通信息服務(wù)。 系統(tǒng)可為政府部門提供交通行政監(jiān)管支持，主要提供精細(xì)地理信息服務(wù)、交通管理服務(wù)、應(yīng)急響應(yīng)服務(wù)、路邊車位監(jiān)管服務(wù)、公共交通監(jiān)管服務(wù)等；為公眾搭建 基于手機(jī)應(yīng)用的交通信息服務(wù)，通過交通信息服務(wù)也可采集公眾日常出行行為的 數(shù)據(jù)，主要有精細(xì)地理信息服務(wù)、精準(zhǔn)實時路況服務(wù)、精準(zhǔn)交通信息服務(wù)、實時 車輛信息服務(wù)、交通誘導(dǎo)信息服務(wù)、停車誘導(dǎo)信息服務(wù)等；為企業(yè)提供交通信息 增值服務(wù)，主要有精細(xì)地理信息服務(wù)、公交車公司車輛調(diào)度及輔助決策、商業(yè)數(shù) 據(jù)分析等。不同用戶可共享行業(yè)數(shù)據(jù)、計算資源、個性化情報分析結(jié)果，在數(shù)據(jù) 采集共享、大規(guī)模數(shù)據(jù)實時處理和分析、企業(yè)突發(fā)事件處置

22、應(yīng)對方面具有十分突 出的優(yōu)勢，從而大大節(jié)約了系統(tǒng)資源和成本，提升了工作效率。系統(tǒng)所采用的技術(shù)主要包括基于決策樹 一支持向量機(jī)（DTM-SVM ）的多源 異構(gòu)交通信息融合技術(shù)、基于SOA的交通信息基礎(chǔ)數(shù)據(jù)服務(wù)設(shè)計、ZigBee無線 傳感器網(wǎng)絡(luò)技術(shù)、基于移動互聯(lián)網(wǎng)的交通信息應(yīng)用服務(wù)設(shè)計、 基于機(jī)器學(xué)習(xí)的行 程時間預(yù)測、基于位置服務(wù)（LBS）的行人交通信息服務(wù)技術(shù)等。5城市交通大數(shù)據(jù)智能系統(tǒng)的典型應(yīng)用筆者和廣州市交通委員會及下屬公司等單位的專家們，多年來保持密切的產(chǎn) 學(xué)研合作，一起提出了城市交通大數(shù)據(jù)智能系統(tǒng)相關(guān)的典型應(yīng)用解決方案， 大致 介紹如下。5.1城市交通大數(shù)據(jù)的公交行政監(jiān)管與科學(xué)決策城市交

23、通大數(shù)據(jù)的公交行政監(jiān)管與科學(xué)決策支持系統(tǒng)（如圖3所示）實現(xiàn)可分為3個步驟：首先，集成城市公共交通采集的站臺、線路、道路、活動場所的 交通數(shù)據(jù)，研發(fā)MapReduce框架下的海量交通流融合與預(yù)測算法， 針對復(fù)雜交 通系統(tǒng)行為的不可預(yù)測性，充分考慮簡單對象的主動性和隨機(jī)性， 從行為生成的角度出發(fā)實現(xiàn)對城市公共交通系統(tǒng)的 等價”描述；然后，針對城市公共交通的運(yùn) 營與管理需求，通過計算實驗和涌現(xiàn)觀察，生成實時、未來和各種可能情況下的 交通場景，包含正常條件下的交通環(huán)境，還包括交通事故、惡劣天氣、突發(fā)事件 等異常條件下的交通環(huán)境；最后，通過實際交通系統(tǒng)與人工交通系統(tǒng)之間交互運(yùn) 行和過程演化，實現(xiàn)城市公共

24、交通運(yùn)行數(shù)據(jù)分析與調(diào)度方案演練，并為交通管理者和出行者提供基于位置的交通服務(wù)信息。大數(shù)據(jù)可以輔助公共交通規(guī)劃制定決策。 傳統(tǒng)的方式需要投入大量人力進(jìn)行 OD調(diào)查和數(shù)據(jù)收集。目前的一卡通可讓數(shù)據(jù)更為全面地展現(xiàn)在決策人員面前， 流量數(shù)據(jù)全部可以精確掌握，同時再利用車輛擁堵時間、擁堵路段的大數(shù)據(jù)分析， 公交車的線路調(diào)整、增加與減少換乘站的決策就會更加有依據(jù)。(1)城市公共交通云計算服務(wù)平臺體系城市公共交通云計算服務(wù)平臺采用 4層結(jié)構(gòu)，分別為應(yīng)用層、平臺層、統(tǒng)一 資源層和物理層。云計算服務(wù)平臺使得公共交通管理成為了一個開放式的可擴(kuò)展 系統(tǒng)。新的交通管理方案可以很快得到實施，而無需對現(xiàn)場的硬件設(shè)備進(jìn)行更

25、新 換代。控制中心通過交通管理云提供的服務(wù)，不斷對交通控制代理的運(yùn)行進(jìn)行優(yōu) 化，使系統(tǒng)性能得到提升，實現(xiàn)多個城市的交通控制系統(tǒng)連接交通管理云，實現(xiàn)數(shù)據(jù)集中、數(shù)據(jù)共享和服務(wù)共享。(2)基于海量交通檢測數(shù)據(jù)的融合與預(yù)測城市交通大數(shù)據(jù)和相關(guān)的業(yè)務(wù)服務(wù)采用云計算技術(shù)來實現(xiàn)，具總體邏輯架構(gòu) 如圖4所示。采用云計算技術(shù)來支撐一體化交通大數(shù)據(jù)， 按需提供自助管理虛擬 基礎(chǔ)架構(gòu)匯集成高效池，以服務(wù)的形式提供資源。云計算支撐平臺包括數(shù)據(jù)中心 物理資源管理、數(shù)據(jù)中心邏輯資源、數(shù)據(jù)中心運(yùn)營平臺和維護(hù)。在進(jìn)行交通流預(yù)測時，需要根據(jù)交通流檢測數(shù)據(jù)建立合理的交通流模型。采用混合高斯模型，并用期望最大化(EM)算法對模型的

26、參數(shù)進(jìn)行學(xué)習(xí)求解。在 MapReduce架構(gòu)下將EM算法進(jìn)行并行處理，通過云計算平臺來實現(xiàn)算法的分 布式運(yùn)行，滿足海量交通數(shù)據(jù)的處理要求， 提升模型參數(shù)學(xué)習(xí)的速度。實施流程 如圖5所示，首先基于MapReduce模型來實現(xiàn)交通流預(yù)測，研究分布式模型學(xué) 習(xí)方法，建立相應(yīng)的數(shù)據(jù)處理算法，加速模型參數(shù)的學(xué)習(xí)過程，進(jìn)而進(jìn)行模型合 并，得到各個路口的交通流預(yù)測模型，產(chǎn)生最終的預(yù)測結(jié)果。(3)基于平行交通的公共交通計算實驗平臺在實際交通系統(tǒng)和人工交通系統(tǒng)平行執(zhí)行的基礎(chǔ)上，利用計算實驗方法在平 行交通系統(tǒng)上進(jìn)行各種試驗，對城市公共交通系統(tǒng)的行為進(jìn)行預(yù)測和分析。實際 交通系統(tǒng)中的算法分析工具以模塊和組件的形式

27、應(yīng)用于平行交通系統(tǒng)實驗平臺 中，其中包括各類學(xué)習(xí)策略與優(yōu)化算法、 定性與定量計算實驗評估算法以及對各 交通場景（包括常規(guī)交通需求場景、增強(qiáng)交通需求場景和突發(fā)事件交通場景）提 供特定支持的專用算法模塊，這些工具將動態(tài)地分析、評估和優(yōu)化公共交通計算 實驗過程及其結(jié)果，并結(jié)合評價指標(biāo)體系更新評價結(jié)果。（4）針對城市公共交通管理應(yīng)用需求，構(gòu)建實際交通系統(tǒng)與人工交通系統(tǒng) 之間交互運(yùn)行和過程演化的平行系統(tǒng)”評估分析城市公共交通當(dāng)前運(yùn)行狀態(tài)并預(yù)測未來的情況，為公共交通管理方 案提供演練環(huán)境。在平行交通系統(tǒng)的基礎(chǔ)上，開展城市交通管理的評價實驗，評 價并優(yōu)化常規(guī)需求情況下、增強(qiáng)需求情況下、突發(fā)事件情況下的管理方

28、案。將管 理方案置于實際的和各種人工的交通場景之中，涌現(xiàn)觀察”方案的實施效果，建立包含交通疏散任務(wù)完成效果、背景交通影響程度等要素的綜合評價指標(biāo)體系， 綜合評價疏散方案在不同需求情況下的實施效果。（5）綜合利用傳統(tǒng)媒體和移動互聯(lián)網(wǎng)媒體，為用戶提供基于位置的公共交 通服務(wù)信息通過手機(jī)客戶端、公交電視、電子站牌、Web網(wǎng)站、調(diào)度客戶端、監(jiān)控客戶端等形式為公交乘客、公交企業(yè)管理者、政府行業(yè)管理人員提供出行服務(wù)、運(yùn) 營調(diào)度、企業(yè)管理、行業(yè)監(jiān)管等不同層次的服務(wù)，影響或改變城市公交狀態(tài)。5.2城市交通大數(shù)據(jù)的公交精細(xì)化調(diào)度與管理將GPS定位技術(shù)、3G通信技術(shù)、地理信息系統(tǒng)（GIS）技術(shù)等結(jié)合對車輛 進(jìn)行監(jiān)

29、控，基于此實施的公交車智能調(diào)度策略， 提高了公交車的利用率，同時也 在不斷減輕城市道路的擁堵負(fù)擔(dān)。城市交通大數(shù)據(jù)的公交精細(xì)化調(diào)度與管理系統(tǒng)將公交要素標(biāo)識標(biāo)簽、公交車載信息中心（車載RSU）等物聯(lián)網(wǎng)設(shè)備大規(guī)模部署于公交車、公交站臺等場所， 采集公交車輛狀態(tài)信息、站點信息、行駛信息、客流信息，并通過建設(shè)公交大數(shù) 據(jù)處理分析平臺，基于大數(shù)據(jù)技術(shù)對上述采集數(shù)據(jù)進(jìn)行分析，通過數(shù)據(jù)的集成、 計算，形成各類數(shù)據(jù)應(yīng)用，為公交企業(yè)、公眾出行者、政府管理部門提供公交調(diào) 度服務(wù)、公交個性化信息服務(wù)以及公交行業(yè)監(jiān)管服務(wù)，徹底解決公交站點智能維 護(hù)、公交飛站”、車距監(jiān)管、精準(zhǔn)報站、發(fā)班與客流匹配等公交運(yùn)營和監(jiān)管難題，

30、最終提升城市公交服務(wù)水平。基于城市交通大數(shù)據(jù)的公交精細(xì)化調(diào)度與管理系統(tǒng) 如圖6所示，包括3個層面。城市公交狀態(tài)感知層：采用基于物聯(lián)網(wǎng)技術(shù)的交通要素標(biāo)識標(biāo)簽、公交車載 信息中心、司機(jī)信息顯示屏以及智能手機(jī)等設(shè)備， 通過對公交各要素的電子化標(biāo) 識、數(shù)據(jù)采集和數(shù)據(jù)共享，實現(xiàn)對城市公交狀態(tài)智能感知。同時，接收來自城市 公交信息服務(wù)層提供的各類信息。城市公交大數(shù)據(jù)處理層：接收來自城市公交狀態(tài)感知層采集的城市公交數(shù) 據(jù)，基于大數(shù)據(jù)技術(shù)進(jìn)行大數(shù)據(jù)分析，通過數(shù)據(jù)的集成、計算，形成各類數(shù)據(jù)應(yīng) 用，為城市公交信息服務(wù)層提供數(shù)據(jù)服務(wù)。城市公交信息服務(wù)層：可通過手機(jī)客戶端、公交電視、電子站牌、Web網(wǎng)站、調(diào)度客戶端、

31、監(jiān)控客戶端等形式為公交乘客、公交企業(yè)管理者、政府行業(yè)管 理人員提供出行服務(wù)、運(yùn)營調(diào)度、企業(yè)管理、行業(yè)監(jiān)管等不同層次的服務(wù)，影響 或改變城市公交狀態(tài)。5.3 城市交通大數(shù)據(jù)的個性化服務(wù)平臺以交通行業(yè)大數(shù)據(jù)處理為核心，整合城市交通各行業(yè)數(shù)據(jù)資源，通過大數(shù)據(jù) 處理技術(shù)，實現(xiàn)數(shù)據(jù)存儲、清洗、融合和挖掘，最終為城市交通行政部門決策和 公眾出行提供個性化的支持和服務(wù)。個性化服務(wù)平臺包括基礎(chǔ)信息綜合平臺實現(xiàn) 交通行業(yè)數(shù)據(jù)采集整合、海量數(shù)據(jù)處理平臺實現(xiàn)數(shù)據(jù)分析處理、交通決策服務(wù)平 臺為政府和公眾提供決策支持和信息服務(wù)，如圖 7所示。(1)基礎(chǔ)信息綜合平臺基礎(chǔ)信息綜合平臺為個性化服務(wù)平臺的基礎(chǔ)，是實時交通信息發(fā)

32、布的數(shù)據(jù)來 源，主要功能是交通信息數(shù)據(jù)的收集和處理。將各個子系統(tǒng)中的交通數(shù)據(jù)按照一 定的編碼規(guī)則和既定格式采集起來， 將其轉(zhuǎn)換為可用的綜合交通信息，基礎(chǔ)信息 綜合平臺是整個智能交通信息組織過程中的信息樞紐， 是實時交通信息發(fā)布的數(shù) 據(jù)來源，進(jìn)行交通信息數(shù)據(jù)的收集和處理，并為外部數(shù)據(jù)接入和對外數(shù)據(jù)分發(fā)提 供數(shù)據(jù)規(guī)范和標(biāo)準(zhǔn)接口。基礎(chǔ)信息綜合平臺將來自不同系統(tǒng)的數(shù)據(jù)進(jìn)行處理后，匯入數(shù)據(jù)管理層，數(shù)據(jù)管理層關(guān)注與其他層次的交互，擔(dān)當(dāng)事務(wù)監(jiān)控器、消息系統(tǒng)及其他角色，存儲 著持久數(shù)據(jù)。選用業(yè)界高性能的數(shù)據(jù)庫來提供數(shù)據(jù)存儲、數(shù)據(jù)存取訪問、數(shù)據(jù)訪問控制、數(shù)據(jù)共享等服務(wù)。處理以上各層之間的數(shù)據(jù)通信問題， 包括對各

33、層之間 的數(shù)據(jù)進(jìn)行相互傳輸。主要包含浮動車信息采集系統(tǒng)、智能交通監(jiān)控調(diào)度系統(tǒng)、 出租車綜合管理系統(tǒng)、停車場行業(yè)管理系統(tǒng)、客運(yùn)聯(lián)網(wǎng)售票系統(tǒng)、資源整合系統(tǒng)、 仿真基礎(chǔ)數(shù)據(jù)采集系統(tǒng)等。不同的檢測技術(shù)適合于不同的采集環(huán)境， 因此仿真基 礎(chǔ)數(shù)據(jù)采集處理包括視頻交通流檢測系統(tǒng)、微波檢測系統(tǒng)、移動式地磁檢測系統(tǒng) 三大模塊。(2)大數(shù)據(jù)智能處理平臺大數(shù)據(jù)處理是結(jié)合交通系統(tǒng)的實際情況， 研究綜合交通模型體系，制定綜合 交通信息的數(shù)據(jù)規(guī)范和接口規(guī)范，并在此基礎(chǔ)上研究和驗證綜合交通大數(shù)據(jù)的接 入和融合技術(shù)、大數(shù)據(jù)處理和多維度挖掘技術(shù)以及大數(shù)據(jù)的安全和有效管理技 術(shù)，從而最終建設(shè)完成市區(qū)綜合交通信息中心， 并為交通信

34、息服務(wù)、交通行業(yè)管 理部門的智能決策等提供支持。（3）交通信息服務(wù)平臺交通信息服務(wù)平臺是利用基礎(chǔ)平臺和數(shù)據(jù)智能處理平臺提供的經(jīng)整合處理 后的交通信息，為公眾出行提供個性化交通信息服務(wù)的發(fā)布平臺。結(jié)合筆者和合作單位多年的交通信息服務(wù)實踐，交通信息服務(wù)平臺將通過移動互聯(lián)網(wǎng)（手機(jī)應(yīng) 用）、傳統(tǒng)網(wǎng)站、電話熱線、電子站牌、交通情報板（誘導(dǎo)屏）、廣播電視、公 共信息亭、導(dǎo)航儀等多種媒介為公眾提供免費(fèi)或增值服務(wù)，該平臺還將為不同發(fā) 布渠道提供軟件配套支持。基于移動互聯(lián)網(wǎng)的信息服務(wù)：利用 3G網(wǎng)絡(luò)等移動互聯(lián)寬帶技術(shù)，一方面可 以通過其采集用戶位置信息提供豐富位置服務(wù)； 另一方面使手機(jī)終端能快捷訪問 交通信息服

35、務(wù)，包括交通視頻、圖像等多媒體信息，提供的軟件功能包括：路況 信息、停車服務(wù)、實時公交、出行規(guī)劃、地鐵信息、鐵路航班、客運(yùn)信息、的士 查詢、駕培信息、交通資訊等。基于傳統(tǒng)互聯(lián)網(wǎng)的信息服務(wù)：對交通信息進(jìn)行采集、分析、挖掘、發(fā)布，打 造全方位、一站式的交通信息服務(wù)發(fā)布平臺，為用戶提供包括實時路況、交通視 頻、實時公交、出租車空車分布、網(wǎng)上汽車票查詢預(yù)訂、停車場動態(tài)信息、航班 動態(tài)信息、列車動態(tài)信息、地鐵信息以及交通咨詢在內(nèi)的出行前與出行途中的全 程交通信息服務(wù)，使用戶足不出戶即可了解城市交通動態(tài)，科學(xué)規(guī)劃出行方案。電子站牌：公交站臺電子站牌為乘坐公交出行的用戶提供交通相關(guān)信息，如公交車輛到站信息。

36、交通情報板：利用停車誘導(dǎo)屏等情報板為出行者提供停車誘導(dǎo)服務(wù)。廣播電視：通過廣播電視節(jié)目為用戶播報綜合交通服務(wù)信息，如實時路況、 航班動態(tài)等信息。公共信息亭：綜合交通信息亭終端采用觸摸屏方式接受用戶的交互式操作， 提供與Web網(wǎng)站類似的綜合交通信息服務(wù)。主要用戶是旅游出行人員和通過公 共交通系統(tǒng)（如公路、鐵路和航空）出行的人員。真三維動態(tài)導(dǎo)航與智能預(yù)警服務(wù)：在智能交通導(dǎo)航中，將以真三維導(dǎo)航（高 分辨率真實影像替代虛擬場景）替代傳統(tǒng)二維虛擬導(dǎo)航。三維導(dǎo)航地圖不是在二 維導(dǎo)航地圖上的3D顯示，而是在獲取三維空間數(shù)據(jù)后，利用信息通信技術(shù)處理 三維空間數(shù)據(jù)，包容其他地理信息，可以突破常規(guī)二維表示對形式的束縛， 更好 地洞察和理解現(xiàn)實世界。真三維智能交通中，根據(jù)實地采集的實景資料，對色彩、 材質(zhì)、燈光等細(xì)節(jié)進(jìn)行處理，逼真地在導(dǎo)航儀上動態(tài)地再現(xiàn)三維道路實景。 針對 交通事故多發(fā)區(qū)域，比如十字路口或者拐彎區(qū)域，通過高清影像與幾何模型結(jié)合 運(yùn)算，計算出大車拐彎的死角范圍，并搜集車身長度和性能進(jìn)行評價， 將評價結(jié) 果及時反饋給司機(jī)，將導(dǎo)航過程中經(jīng)常發(fā)生危險的區(qū)域在真三維實景導(dǎo)航中顯示 并警