大數據時代城市智能交通的數據技術

謝夢怡

摘 要：大數據時代的到來，在社會上引起不同的反響。其大數據無時無刻不發生在每個人身上。隨著我國汽車保有量在近年來急劇增加，每天上班族的出行方式可以有多種選擇，不僅可以開車上班，還可以乘坐公交，BRT，打車上班。但在下班高鋒期，常常遇到打車困難、交通擁堵、停車位緊張等問題。而這些問題也給上班族帶來不小的影響，尤其是時間上的浪費，個人情緒的此起彼伏，城市公共資源的浪費，汽車排出的尾氣導致的空氣污染，機動車、行人的不文明行為造成的交通事故等問題，是各大城市交通存在的弊病。大數據時代下誕生的智能交通成為改善城市交通的選擇之一。為了能夠及時獲取交通數據，需求建立智能交通基于大數據的數據技術。

關鍵詞：大數據；智能交通；數據技術

隨著國民經濟的不斷發展，人們生活水平的不斷提高，居民購買汽車能力加強。我國的汽車保有量隨之增加，在一些大城市機動車擁有量以超過10%的速度加速，機動車成為每個家庭代步的交通工具，在有限的交通資源配置下，機動車的增加縮短了道路使用周期，城市主干道路超負荷使用，違法停車致使道路不能合理使用、行車不文明、乘車環境不良等現象有增無減。大數據時代，如何改善當前的交通狀況是本文闡述的核心內容。文章從以下幾個方面來闡述：大數據的現狀、大數據的概述、大數據的應用、智能交通的需求、智能交通體系的建立、數據技術。

1 大數據的現狀

據權威數據顯示，大數據應用在我國還處在起步階段。但在未來三年，通信、金融領域將在大數據市場突破100億元。市場規模在2012年有望達到4.7億元，到2013年增至11.2億元，增長率高達138%，2014年，保持了與2013年基本持平的增速，增長率為114.38%，市場規模達到24.1億元，未來三年內有望突破150億元，2016年有望達到180億規模。自從2014年以來，各界對大數據的誕生都備加關注，已滲透到各個領域：交通行業、醫療行業、生物技術、零售行業、電商、農牧業、個人位置服務等行業，由此也正在不斷涌現大數據的新產品、新技術、新服務。

大數據行業“十三五”規劃主要目標：在2020年，將大數據打造成為國民經濟新興支柱產業并在社會各領域廣泛應用，推動我國大數據產業穩步快速發展，基本健全大數據產業體系，推動制定一批相關大數據的國標、行標和地方標準，引進具備大數據條件的企業，建設大數據產業孵化基地，提高全國信息化總體水平，以躋身世界先進水平。

2 大數據的概述

2.1 大數據定義

大數據即巨量數據集合，目前還沒有一個統一的定義。大數據的概念最早是由全球著名的管理咨詢公司麥肯錫提出，2011年Mckinsey發布研究稱，大數據通常是指信息爆炸時代產生的海量數據，在各個行業和業務領域，數據已經滲透到行業中并逐漸成為重要的要素，人們能夠從海量數據中挖掘出有用的數據并加以應用。對大數據定義的另一說法是利用常用軟件工具捕獲、管理和處理數據所耗時間超過可容忍時間的數據集。

隨著信息時代的高速發展，大數據已經成為社會生產力發展的又一推動力。大數據被稱為是繼云計算、物聯網之后信息時代的又一大顛覆性的技術革命。大數據的數據量巨大，一般10TB規模左右，但在實際應用中，多個數據集放在一起，已經形成了PB級的數據量，甚至EB、ZB、TB的數據量。

2.2 大數據的特點

2.2.1 數據量巨大

數據量級別從TB級別躍升到PB級別。隨著可穿戴設備、物聯網和云計算、云存儲等技術的發展，用戶的每一個動作都可以被記錄，由此每天產生大量的數據信息。據有關人士估算：1986～2007年，全球數據的存儲能力每年提高23%，雙向通信能力每年提高28%，通用計算能力每年提高58%；2007年，人類大約存儲了超過300EB

的數據；到2013年，世界上存儲的數據能達到約1.2ZB。

2.2.2 數據類型多樣化

即數據類型繁多，產生了海量的新數據集，新數據集可以是關系數據庫和數據倉庫數據這樣的結構化數據到半結構化數據和無結構數據，從靜態的數據庫到動態的數據流，從簡單的數據對象到時間數據、生物序列數據、傳感器數據、空間數據、超文本數據、多媒體數據、軟件程序代碼、Web數據和社會網絡數據[1]。各種數據集不僅產生于組織內部運作的各個環節，也來自于組織外部。

2.2.3 數據的時效性高

所謂的數據時效性高指以實時數據處理、實時結果導向為特征的解決方案，數據的傳輸速度、響應、反應的速度不斷加快。數據時效性為了去偽存真，采用非結構化數據剔除數據中無用的信息，而當前未有真正的解決方法，只能是人工承擔其中的智能部分。有些專員負責數據分析問題并提出分析后的解決方案。

2.2.4 數據真實性低

即數據的質量。數據的高質量是大數據時代重要的關注點。但在生活中，“臟數據”無處不在，例如，一些低劣的偽冒產品被推上市場，由于營銷手段的成功，加之其他因素的影響導致評分很高。但是這并不是真實的數據，如果對數據不加分析和鑒別而直接使用，即使計算的結果精度高，結果都是無意義的，因為數據本身就存在問題出現。

2.2.5 價值密度低

指隨著物聯網的廣泛應用，信息巨大，信息感知存在于客觀事物中，有很多不相關的信息。由于數據采集的不及時，數據樣本不全面，數據可能不連續等等，數據可能會失真，但當數據量達到一定規模，可以通過更多的數據達到更真實全面的反饋。

2.3 大數據的應用

2.3.1 醫療大數據

利用大數據平臺收集患者原先就醫的病例和治療方案，根據患者的體征，建立疾病數據庫并對患者的病例分類數據庫。一旦患者在哪個醫院就醫，憑著醫保卡或就診卡，醫生就可以從疾病數據庫中參考病人的疾病特征、所做的檢查報告結果快速幫助患者確診。同時擁有的數據也有利于醫藥行業開發出更符合治療疾病的醫療器械和藥物的研發。

2.3.2 傳統農牧業大數據

因為傳統農牧業主要依賴于天氣、土壤、空氣質量等客觀因素，因此利用大數據可以收集客觀因素的數據以及作物成熟度，甚至是設備和勞動力的成本及可用性方面的實時數據，能夠幫助農民選擇正確的播種時間、施肥和收割作物的決策。當農民遇到技術市場問題可以請教專業人員，專業人員根據實時數據做出科學的指導，制定合理的優化決策，降低農民的損失成本，提高產品的產量，從而為轉向規模化經營打下良好基礎。

2.3.3 輿情大數據

利用大數據技術收集民眾訴求的數據，降低社會群體事件，有利管理犯罪行為。通過大數據收集在微博發布的尋找走失的親人或提供可能被拐賣人口的信息，來幫助別人。

3 智能交通的需求

隨著城市一體化的快速發展，新時代農民工涌入大城市，促使城市人口的增大不斷給城市交通帶來問題。究其原因主要有：一是機動車的迅猛發展導致城市主次干道的流量趨于飽和，大量機動車的通行和停放占據主干道路。二是城市交通的道路基礎設施供給不平衡導致路網承擔能力差。三是停車泊位數量不足導致機動車使用者不得不過多依賴道路停車。四是公共設施的公交車分擔率不高導致交通運輸效率降低。五是城市的土地開發利用與道路交通發展不均衡。六是行人和機動車主素質不文明導致道路通行效率降低。為此，智能交通的出現是改善當前城市交通的必要需求，能夠在一定程度上有效的解決城市交通問題。

大數據是如何在智能交通的應用呢？可以從兩個方面說明：一是對交通運行數據的收集。由于每天道路的通行機動車較多，能夠產生較大的數據，數據的采集并發數高，利用大數據使機動車主更好的了解公路上的通行密度，有效合理對道路進行規劃，可規定個別道路為單行線。其二是可以利用大數據來實現主干道根據道路的運行狀況即時調度信號燈，提高已有線路運行能力，可以保障交通參與者的生命和提高有關部門的工作效率，降低成本。對于機動車主可以根據大數據隨時的了解當前的交通狀況和停車位數量。如果交通擁堵，車主則可選擇另一路線，節約了車主的大量時間。

4 智能交通體系的建立

4.1 智能交通建立的框架

主要包括感知數據層、軟件應用平臺及分析預測和優化管理的應用。物理感知層主要是采集交通的運行狀況和對交通數據的及時感知；軟件應用平臺主要整合每個感知終端的信息、將信息進行轉換和處理，達到支撐分析并做出及時的預警措施。比如：對主要交通干進行規劃，對頻發交通事故進行監控。同時還應進行應用系統建設的優化管理。比如：對機動車進行智能誘導、智能停車。

智能交通系統需要在各道路主干道上安裝高清攝像頭，采用先進的視頻監控、智能識別和信息技術手段，來增加可管理的維度，從空間的廣度、時間的深度、范圍的精細度來管理。整個系統的組成包括信息綜合應用平臺、信號控制系統、視頻監控系統、智能卡口系統、電子警察系統、信息采集系統、信息發布系統。每個城市建立智能交通并進行聯網，則會產生越來越多的視頻監控數據、卡口電警數據、路況信息、管控信息、營運信息、GPS定位信息、射頻識別信息等數據，每天產生的數據量將可以達到PB級別，并且呈現指數級的增長。

4.2 智能交通數據處理體系的構成

主要包括交通的數據輸入、車輛信息、道路承載能力等的數據處理、數據存儲、數據檢索。其中交通數據輸入可以是靜態數據或者是動態數據。數據處理是針對實時數據的處理。數據主要存儲的是每天采集的巨大數據量。為了從中獲取有用的數據，則需要進行數據查詢和檢索，還要對數據進行規劃。

5 大數據技術

5.1 數據采集與預處理

數據采集與預處理主要對交通領域全業態數據的立體采集與處理來支撐交通建設、管理、運行決策。采集的數據主要是車輛的實時通行數據，以實現實時監控、事先預測、及時預警，完成道路網流量的調配、控。這些數據獲取可以采用安裝的傳感器、識別技術并完成對已接收數據的辨析、轉換、抽取、清洗等操作。

5.2 數據存儲與管理

大數據的存儲與管理是把采集到的數據存放在存儲器，并建立相應的數據庫，如關系數據庫、Not Only SQL即對關系型SQL數據系統的補充。利用數據庫采用更簡單的數據模型，并將元數據與應用數據分離，從而實現管理和調用。

5.3 數據分析與挖掘

數據分析及挖掘技術是大數據的核心技術。從海量數據中，提取隱含在其中，人們事先未知的，但又可能有用的信息和知識的過程。從復雜數據類型中挖掘，如文本、圖片、視頻、音頻。該技術主要從數據中自動地抽取模式、關聯、變化、異常和有意義的結構，可以預測模型、機器學習、建模仿真。從而實現一些高級別數據分析的需求。

5.4 數據展現與應用

數據技術能夠將每天所產生的大量數據從中挖掘出有用的數據，應用到各個領域有需要的地方以提高運行效率。

6 結束語

大數據時代，能對智能交通信息資源進行優化配置，能夠改善傳統的交通問題。對非機動車主而言，利用大數據可以更好的規劃線路，更好的了解交通狀況，在一定程度上可以對問題預先提出解決方案，起到節省大量時間、額外的開支。同時對交管部門而言，能夠在限的警力情況下合理配置人員資源和交通設備，主干道路在高峰期出現的問題能夠合理利用大數據信息配置資源，在刑事案件偵查中也能發揮更重要的作用。

全國要實現智能交通的聯網，依然有問題需要突破，這都是大數據的數據技術應用所在。

參考文獻

[1]（美）韓家煒（Han，J.），等.數據挖掘：概念與技術（第3版）[M]范明等，譯.北京：機械工業出版社，2012.