車聯網應用：大數據與智能交通

□ 文/王 鍇

車聯網應用：大數據與智能交通

□ 文/王 鍇

根據高德發布的《2016年度中國主要城市交通分析報告》顯示，全國有1/3的城市高峰通勤受到擁堵的威脅，報告調研的60個主要城市中有32個城市高峰擁堵延時指數超過1.8，即，正常情況通勤30分鐘在這些城市會增加24分鐘，達到54分鐘。交通擁堵的狀況已經從北上廣深等一線城市向中小城市蔓延。

智能交通系統便是為了緩解交通擁堵，提升管理效率而生，這是車聯網技術的基礎應用。過去的智能交通建設側重于交通設施建設，比如：通過建設電子警察來減少交通違法，建設信號控制系統來管控車流，樹立交通誘導屏來引導出行，設置標志標線來規范駕駛行為等等，這些手段對于改善交通狀況起到了很大的作用，而且很大程度上緩解了交通管理部門人力上的不足，但是隨著汽車保有量的持續增加，通過這些“點”的方式已經很難解決復雜的交通問題，必須將移動中的所有交通工具作為一個大網絡，從車聯網的角度來考慮解決問題的方式。交通信息化建設已經積累了大量的交通數據，能否通過這些躺在硬盤里的“死”數據，幫助交通決策者制定精準、有效、合理的應對策略？大數據分析技術的日趨成熟為解決這些問題提供了可能。

各城市建設智慧交通的過程中，已經產生越來越多的視頻監控、卡口電警、路況信息、管控信息、營運信息、GPS定位信息、RFID識別信息等數據，每天產生的數據量可以達到PB級別，并且呈現指數型增長，目前這些數據僅僅是存儲在硬盤里面，如何創造條件讓這些數據“說話”是優先要解決的問題。

構建交通大數據中心

目前各類涉及交通的數據都局限于垂直單一的業務系統和應用部門中，與鄰近業務部門所管轄的系統缺乏共通聯動。這種分散的局面導致城市交通綜合治理呈現碎片化的態勢，產生交通信息分散、信息缺乏權威等問題。通過交通大數據中心的建設，有助于建立綜合性立體的交通信息體系，構建交通信息集成利用模式，發揮整體性效能。交通大數據中心的設計要符合以下應用需求：

以數據為中心

圍繞從數據采集、數據清洗轉換、數據分析，到數據查詢整個生命周期構建大數據系統。完成數據一致建模、集中存儲、統一管控，并提供數據服務進行資源共享：數據本身共享、數據分析能力共享。

以融合開放為基礎

具有融合開放的架構，支持多種數據源（部門內部、公眾數據、互聯網數據）、多種數據格式，以及結構化數據、非結構化數據分析處理能力；對外以服務化方式開放，既能使用其他系統的服務，又能開放自身能力。

以挖掘算法做支撐

需要豐富的算法支撐警務應用的創新，從集中過來的大量數據中發現其價值；讓數據智慧起來，方便警務人員及時準確地做出決策。

重視數據安全與隱私

大數據體系具有很強的開放性，要確保數據的安全和隱私。要在整個平臺生命周期內建立安全、隱私的數據保護體系，并在連續監測、身份認證、授權、憑證管理和支持從安全設備到安全數據轉化的密碼學等領域，采取全面的解決方案，以確保數據在被安全授權的情況下方可使用。

大數據中心整體框架如下圖，主要分為交通大數據資源中心和交通大數據計算中心。

交通大數據資源中心主要負責對各類交通數據進行統一的存儲和管理，整體架構采用云存儲架構，能夠實現對數據的高效存取和組織，為大數據分析計算提供可靠的數據保障。

云儲存系統解決了城市級海量數據存儲和檢索難題，以視頻、圖片文件存儲和管理為核心，可面向大規模數據密集型應用。云存儲系統以網絡智能存儲為載體，通用的X86架構應用服務器為元數據管理服務器，來實現存儲節點能夠根據業務需要擴容，存儲節點間容錯等高級特性，具有高性能、高容錯、高可用的特點。云存儲系統屬于基礎平臺支撐層，以用于數據集中存儲和共享，實現對數據的統一管理和高效應用。將數據邏輯集中物理分散，以提供多并發高吞吐帶寬，最大程度降低系統訪問瓶頸。

交通大數據計算中心通過開放、高效的計算框架，實現對交通數據的預處理和計算，可以支持mahout與R語言、SAS等主流數據分析技術，實現第三方智能算法的快速開發和部署。

數據處理和數據服務

統一數據采集手段，通過一套完整的數據整合作業工具，能夠依托于數據元標準化管理與數據建模，有效實現面向多結構資源下標準化采集，摒棄原有多種采集工具并存下管理難，運維難的局面。

智能分析算法結合大數據分析平臺技術架構實現分布式并行計算分析，可對大量視頻、圖、結構化數據進行處理，并提供快速提取運動車輛和人像特征的能力，實現快照看、智能變速看、濃縮看、圖片以圖搜圖、語義搜索等高級功能，節約大量的視頻研判分析時間，并可以通過智能分析實現實時自動報警，從而提高對各類交通事件、案件的查證能力，提高交通管理的效率和水平。

通過對不同大數據業務的封裝，主要為上層業務提供基于Restful接口方式、HTTP方式、程序API方式、SQL接口等方式，來使用平臺的大數據分析服務，主要分為：

（1）視頻檢索服務

（2）數據挖掘服務

（3）智能分析平臺服務

（4）車輛數據分析服務

（5）開放交通視圖數據，供第三方應用二次開發，形成交通大數據應用生態圈；

按照業務數據的類型來提供不同的共享和調用方式：

（1）實時消息交換

對于匯集的業務數據進行轉發時，系統只提供被動接口采用主推送式。主動推送需要支持對異構接口的調用，并具有斷點續傳與數據補功能。

（2）數據庫交換

對于匯聚的文本數據提供標準外部訪問接口（如Webservice接口），供外部系統調用。

（3）文件共享

對于匯聚的文件提供標準外部訪問接口（如FTP接口），供外部系統調用。

基于交通大數據的業務應用

主要通過對大數據中心匯聚的各類交通信息進行綜合研判分析，包括各類基礎數據的研判分析、交通事故數據研判分析、重點車輛關聯分析、實時交通仿真預測，針對應急方案、組織方案、控制方案的合理性和適用性進行評估等，研判分析的結果可以為管理決策提供數據支持。

交通運行態勢分析

（1）實時擁堵情況分析研判：根據城區道路交通擁堵情況，計算出平均車速、擁堵時長、擁堵距離等數據。同時，將實時擁堵情況發布至交通誘導系統；

（2）擁堵態勢精細化描述比對：在從時空方面分析擁堵態勢的基礎上，從交通專業的角度分析擁堵情況下具體交通參數變化情況，計算出平均車速、擁堵時長、擁堵距離等數據，實現擁堵態勢具象化，支持未來交通專業化分析，并對擁堵路段、擁堵區域進行排名；

（3）擁堵路段分析研判：按照不同周期，分析任意周或者任意月的工作日或者非工作日早晚高峰和低平峰時段的交通指數和擁堵時長，統計出擁堵路段。路段擁堵詳情是選中路段點擊詳情分析功能，該功能展示路段的基礎信息，并在地圖上將路段標示出來，最后統計分析得出該路段不同指標的24小時趨勢對比、周趨勢對比、月趨勢對比；

（4）進出城車流分析研判：通過獲取各個進城卡口的車輛信息，可以從進城車的來源和類型兩個維度來分析。進城車的來源分為本地車和外地車，車輛類型分為大型車和其他車型，分別從進城車流占比、進城車流在各個卡口的排名、24小時進城車流趨勢、進城車流日趨勢來分析。

（5）交通參數預測：根據前幾個時段的交通參數，并結合上下游路段交通參數的變化規律，建立交通參數預測模型（如歷史趨勢法、時間序列法、卡爾曼濾波、BP神經網絡等），對未來時段交通參數進行預測，包括路口交通參數預測和路段行程時間預測等。

交通秩序分析研判

用于提取道路交通違法處理系統數據，對道路交通違法情況進行分析。功能包括：

（1）交通違法時空特性分析研判：在違法時間段分析的基礎上，增加分析維度，從轄區、違法類型、違法地點、違法號牌、違法日期、違法來源六個維度來分析交通違法情況，包括違法次數統計分析、違法記分趨勢分析、同期變化、違法行為趨勢分析、發生違法行為的機動車總量、某時間段內指定機動車違法次數、發生指定違法行為的機動車數量、指定機動車指定違法行為數量等，以圖形、表格的形式直觀展示，并給出分析結論；

（2）交通違法與安全聯合分析研判：在針對交通違法類型統計分析的基礎上，與交通安全分析研判聯合分析，給出交通違法行為與事故的關系，根據交通違法行為的變化情況確定安全態勢等級，評價當前交通運行安全狀態以及預測未來演變趨勢，對安全態勢等級達到預警級別的自動提示；

（3）違法高發單位分析研判：違法高發單位分析可以從月度、季度、半年度、年度對違法行為數量前50名的違法單位進行統計，并可對違法單位的違法車輛從違法行為和違法號牌兩方面進行統計，交警據此名單可以對相關單位進行宣傳教育；

（4）交通違法統計排名：對機動車違法TOP排名、駕駛人違法TOP排名、愈期3個月未年檢車輛TOP排名、多次違法未處理車輛TOP排名等進行統計排名。

交通安全分析研判

對道路交通事故基本情況進行分析，對交通安全態勢進行綜合評價，實時評價交通運行安全狀態以及預測未來演變趨勢，對安全態勢等級達到預警級別的自動預警提示，主要功能包括：

（1）交通事故時空特性分析研判：對道路交通事故發生地點（一般公路、高速公路、快速路、主干道、次干道、支路或城區道路、農村道路、所屬行政區域等）、發生時間段（白天、夜間、早高峰、晚高峰、平峰等）進行分析。

（2）交通事故態勢分析研判：對一定時期（周、月、季、年等）某區域的交通事故進行環比、同比分析，為交通安全態勢分析研判提供數據支撐，也可作為考核轄區大隊、轄區中隊道路交通安全管理工作的依據；對事故時間分布、傷亡人員以及駕駛人駕齡、事故黑點、車輛類型、事故形態、事故違法、事故天氣、事故原因進行統計分析，找出路段或交通事故的主要增長點，研判分析交通事故狀態及趨勢。根據交通事故數量變化情況確定安全態勢等級，評價交通運行安全狀態以及預測未來演變趨勢，對安全態勢等級達到預警級別的，自動預警提示；

（3）事故黑點分析研判：對過去一個時間段（周、月、季、年等）某路口、路段道路交通事故數量、類型及發生原因（人、車、路、環境等）進行分析，為事故黑點排查和事故預防工作提供數據支撐；

結束語

大數據時代的到來為智能交通和車聯網領域帶來了新的機遇與挑戰。過去看似雜亂、無跡可尋、碎片化的交通問題正在通過大數據技術逐步變的清晰，為交通管理部門整體掌握交通運行規律，制定精細化的管理策略提供了有效的技術手段。由于我們過去忽視對交通數據的挖掘，因此必須建立起一整套圍繞數據運用的技術體系和框架，同時交通管理部門還必須從“領導決策”的傳統管理方式，向“數據決策”的科學管理方式轉變，管理理念的變革必須與技術的變革相適應才能發揮出其應有的作用。

作者單位：浙江大華技術股份有限公司