云計算在智能交通中的應用

1. 四川大學，錦城學院，成都 611731

2. 西南交通大學，交通運輸與物流學院，成都 610031

0 引 言

汽車數量快速增長，由此帶來的交通擁堵、安全事故和環境污染等已嚴重影響社會經濟的健康發展。交通發展必須是可持續發展模式，智能交通技術應用到現代交通中成為了解決矛盾的有效途徑。經過幾十年的發展，智能交通也面臨諸多問題，如不能提供時時交通信息，交通信息處理低效，交通流預測不準確等。針對這些問題引入“云計算”的概念，構建智能交通云系統，提高智能交通系統的信息時效性和準確性，同時也為各種交通系統的信息融合提供技術支持，促進綜合交通的發展。

1 智能交通的發展和云計算概述

1.1 智能交通系統的發展歷程

二戰結束后，世界經濟復蘇，交通迅速發展，汽車數量的增加使道路擁堵等問題日益嚴重，各國開始關注并研究可持續的交通發展模式——智能交通系統（Intelligent transportation system，ITS）。

20世紀50年代，美國通用汽車公司進行了自動駕駛系統試驗，研究利用雷達跟行前方車輛，如日本豐田汽車公司進行了MAC系統的自動駕駛實驗等。因為當時技術不完善，增加道路網密度能更快解決交通擁堵問題，因此直到20世紀80年代中期人們才開始深入研究ITS。1986年，歐洲19個國家政府、公司和大學建立了PROMETHEUS（使歐洲交通最高效且最安全的工程），PROMETHEUS計劃包括對公路系統的改進和綜合交通系統的發展。1991年，歐洲交通部和歐洲委員會共同成立了 ERTICO組織，ERTICO最初的研究目的是道路交通，后來研究方向也逐漸擴展到綜合交通領域。1998年，ERTICO開始進行新的方向研究，它們包括：數字聲音廣播（DAB）、系統結構（KAREN）、視頻援助（VERA）等[1]。

隨著計算機技術、通信技術的不斷發展，目前智能交通系統的研究領域包括：先進的交通管理系統（Advanced Traffic Management Systems，簡稱ATMS）、先進的旅行者信息系統（Advanced Travelers Information System，ATIS）、自動收費系統（Electronic Toll Collection System，簡稱ETCS）、公共交通系統（Advanced Public Transport System，簡稱APTS）、運行管理和緊急事故管理系統（Security and Emergency Management System，簡稱SEMS）、貨物和流量管理系統（Freight and Fleet Management System，簡稱FFMS）等。

云計算本質是整合型的計算模型，整合了多類不同計算技術和概念。按照交付模式云計算分為：軟件服務、平臺服務、基礎設施服務，如圖1所示。IaaS層將硬件基礎資源封裝成服務供用戶使用，用戶搭建自己的業務平臺，如亞馬遜的 AWS（Amazon Web Services）。PaaS層提供用戶應用程序的運行環境，用戶能夠在這個平臺上快速搭建自己的應用，如Google App Engine和 Microsoft Windows Azure。SaaS層把應用或者軟件封裝為服務，用戶可以通過任何網絡設備使用這個程序，如 Google的 Gmail和 Sales force公司的CRM（Client Relationship Management）服務，允許大量的用戶同時在線并提供云端存儲、處理等服務。

圖1 云計算交互模式Fig.1 Cloud computing interaction model

我國云計算發展也非常迅速，2008年5月10日，IBM 在無錫太湖建立了中國第一個云計算中心；隨后，IBM在北京IBM中國創新中心成立了第二家中國的云計算中心——IBM大中華區云計算中心。2008年12月，阿里巴巴集團旗下子公司阿里軟件于2009年初在南京建立國內首個“電子商務云計算中心”。世紀互聯推出了Cloud-Ex產品線，包括完整的互聯網主機服務“Cloud-Ex Computing Service”。

2 智能交通云的構成與功能

2.1 智能交通云

智能交通子系統包括：先進的交通管理系統、先進的旅行者信息系統、自動收費系統、公共交通運行管理系統等。這些子系統的應用服務和計算設備分層后可以得到通用的計算層，作為構建智能交通系統中心的基礎。對于這個通用的計算層，利用云計算服務商提供的服務，智能交通系統可以直接調用交通云平臺中的海量交通信息和數據分析結果。這種基于云計算服務的智能交通系統稱為“智能交通云”[2]。

交通信息云是一種快速反應的交通信息管理模式，實現了基于云計算的交通信息采集、分析、存儲、調用、發布和反饋等功能。大量繁雜多變的交通信息，如交通流量、密度、最優路徑、擁堵狀況等信息通過網絡傳輸到交通云平臺。借助云計算的分布式存儲、冗余存儲和動態存儲等技術，具備了超大容量的存儲能力和分析能力，為用戶提供時時交通數據、計算軟件和交互平臺。

2.2 智能交通云計算模式

智能交通云能夠對交通信息從采集到發布反饋全過程進行優化，提高交通信息的準確度和時效性。下面從邏輯架構和組織架構兩方面對智能交通云進行介紹。

（1）邏輯架構

交通云可以提供的服務有：交通信息分析與發布、交通管理、交通基礎設施規劃建設、時時路徑誘導等。如圖2所示，在硬件設備資源層上建立虛擬化層，在硬件設備資源層和虛擬化層的基礎上提供虛擬機，組成虛擬機應用系統，這三層結合云計算服務管理即可構成IaaS云。基于IaaS之上可構建PaaS云，即平臺云，用于提供軟件產品的自行安裝和配置。相應的應用系統如交通管理及仿真決策支持系統、公眾出行服務信息系統、最優路徑誘導系統，可以在PaaS上運行，也可以直接在IaaS層上運行[3]。

（2）組織架構

交通管理者、交通運營企業和交通用戶通過交通信息云聯系起來，通過服務交付的方式將交通信息云的基礎架構提供給不同類型的用戶。其組織架構依次為：

① 云計算資源。如分散的大量服務器、各種硬件設備、存儲設備等。

② 云計算管理平臺。對采集的交通數據進行融合分析、存儲和管理。

③ 基礎設施。采集的各種交通數據組成交通數據資源池，分別提供小型虛擬機、虛擬存儲、虛擬服務器和虛擬網絡的存儲。

④ 服務管理平臺。通過時時監控，保證云平臺的交通數據高效準確；錯誤的數據及時修正或者棄用，為用戶提供交通誘導服務。

⑤ 平臺服務。主要包括交通信息發布平臺、交通信息查詢平臺、交通管理平臺和交通誘導平臺。

3 云計算在智能交通中的應用案例

3.1 基于GPS的浮動車交通信息云

通過網絡把數據處理中心、虛擬機和車載 GPS終端連接起來組成交通信息云計算的基礎設施，稱為交通信息云。

基于 GPS的浮動車交通信息采集原理是：根據裝備車載全球定位系統（GPS）的浮動車在其行駛過程中記錄的車輛位置、方向和速度等信息，應用地圖匹配、路徑推測等計算模型和算法進行處理，使浮動車位置數據和城市道路在時間和空間上關聯起來，最終得到浮動車所經過道路的車輛行駛速度以及道路的行車旅行時間等交通信息。

車載 GPS可以提供準確的位置、速度等信息，減少了數據中心的修正、刪除錯誤數據的計算。浮動車采集的車流密度、速度、流向、路段擁堵等信息經過云計算中心存儲和處理，將交通信息及交通引導建議反饋給管理部門或者是車輛駕駛者，有利于及時引導交通或選擇合理路線以規避擁堵路段。

云計算在基于GPS的浮動車交通信息采集技術中應用如圖3所示。

圖2 交通云的邏輯架構Fig.2 Traffic cloud logical architecture

圖3 云計算在基于GPS的浮動車技術中的應用Fig.3 Cloud computing applications in floating car based on GPS technology

3.2 基于云模型的短時交通流預測

交通流預測是指在時刻t，通過對云計算數據中心數據的分析，再由云計算服務平臺通過對交通的擁堵情況、路面行駛狀態以及車輛的時時行駛速度進行統一的綜合處理，預測下一個決策時刻t + Δt以至以后若干時刻的交通流，Δt不超過15 min時為短時交通流預測[4]。

云的數字特征是采用基于正態分布的數字特征，把模糊性和隨機性結合在一起。以當前采集的交通量為例，給定云模型的各項參數，例如，下班高峰期的交通量與平時的歷史數據集中平均量差異較大，但下班高峰期的交通量受之前交通量的影響，因此預測下班高峰期的交通量應該以下午以前的交通量作為當前云，然后根據云模型的推理機制，循環處理若干次，直到得到足夠的云滴，最終以所有云滴的平均值輸出。

3.3 最優路徑誘導

傳統導航系統提供的是最短路徑，但是交通參與者的交通行為復雜多變，道路狀況適時變化，最短路徑往往不是最佳的選擇，這時就需要能對交通信息進行時時監控、分析，提供動態導航的服務系統。最優路徑誘導功能的實現涉及浮動車的交通信息采集處理技術、數據處理算法和多源信息融合技術、動態交通預測算法、定位信息接收及地圖匹配技術、高效的最優路徑搜索算法、多媒體路徑誘導技術等。這些技術算法需要有強大的交通信息資源支撐和計算平臺的兼容，這就是云計算發揮作用的地方。

云計算數據中心對人、車、路等綜合交通影響因素的處理分析和融合，快速判斷出路況后，通過廣播、電子地圖、時時手機短訊、車載終端等媒介將信息發布給廣大的道路使用者，為其提供最優路徑引導信息和各類時時交通信息幫助服務，便于駕駛員提前改變行車路線，避開交通擁堵、事故路段，提高通行效率和安全[5]。

3.4 交通信號控制

智能的交通信號控制依賴時時可靠的交通流檢測。各種傳統的交通信息采集方法采集的信息整合分析得到區域交通流運行的基本背景，同時利用現有的各類交通流檢測方式（線圈、微波、視頻等）和GPS、RFID、GID等主動信息采集方式，直接通過前端設備實現對路口各流向交通流自適應控制。所有的匯集信息由云平臺集中處理，形成時時、精確的區域交通控制方案，統一調控聯網信號機，實現基于云計算的智能交通信號控制。

4 結束語

云計算技術在智能交通系統中的應用，可以使交通基礎設施發揮最大的效能，有效緩解交通擁堵，降低交通環境污染。智能交通云把云計算資源和交通資源集中在可以共享的云平臺上,使整個交通系統整體優化。云計算技術還有需要進一步完善的問題，比如：虛擬化應用的復雜程度、服務生命的周期管理以及云計算的安全性等問題。當前交通信息采集會產生大量的音頻和視頻數據，如何利用云計算技術對這些大容量信息進行篩檢、融合和分析是交通云平臺建設的重點。

[1] 史新宏，蔡伯根，穆建成. 智能交通系統的發展[J].北方交通大學學報，2002，26（1）：28-34.

[2] 王笑京，齊彤巖. 智能交通系統體系框架原理與應用[M]. 北京：中國鐵道出版社，2012，7（6）：17-21.[3] 唐箭. 云存儲系統的分析與應用研究[J]. 電腦知識與技術，2009，21（20）：37-40.

[4] Michael Arm Bruce, Armando Fox. Above the clouds：a berkeley view of cloud computing[J]. UC Berkeley，RAD Laboratory，2009，18（11）：30-33.

[5] 倪琴，許麗. 云計算技術在智能交通系統中的應用研究[J]. 交通與運輸，2012，25（7）：106-109.