大數(shù)據(jù)背景下智能交通系統(tǒng)發(fā)展綜述

孫馬馳

摘 要：21世紀以來，人們在時代進步和發(fā)展過程中不知不覺地進入了信息時代。在信息時代，大量數(shù)據(jù)進入新時代。在數(shù)據(jù)時代，人們?nèi)匀黄惹幸筇岣呱a(chǎn)和生活質(zhì)量。智能交通的發(fā)展要滿足人們的生活和現(xiàn)實社會的需求，大量的信息和數(shù)據(jù)在智能交通的建設中也發(fā)生了變化和增加了難度。高效便捷的智能交通系統(tǒng)已成為當今大數(shù)據(jù)時代研究的主題。本文從智能交通方式在大數(shù)據(jù)時代下發(fā)生的變化、大數(shù)據(jù)的融合給智能交通帶來的優(yōu)劣勢以及帶來的問題與挑戰(zhàn)出發(fā)探究大數(shù)據(jù)背景下智能交通系統(tǒng)的發(fā)展。

關(guān)鍵詞：智能交通；大數(shù)據(jù)；應用；發(fā)展

一、緒論

大數(shù)據(jù)時代已經(jīng)到來。這無疑對城市交通來說，既是機遇又是挑戰(zhàn)。作為主要支柱的城市交通在傳統(tǒng)的交通方式中具有根本性作用。大數(shù)據(jù)時代的特點人們用四個V字符開頭的英文單詞Velocity，Variety，Volume和Value等詞匯表達。快速性和可預測性的大數(shù)據(jù)能使得交通預測的水平提升。未來的交通運行狀態(tài)、驗證可行性的技術(shù)方案依靠各個部門提供的有效數(shù)據(jù)進行精準提煉和建構(gòu)合適的交通預測模型進行有效模擬。而在實時交通預測領(lǐng)域，車輛碰撞、車輛換道、檢測車輛駕駛員行為狀態(tài)可以依靠大數(shù)據(jù)的快速信息處理能力進行實時預測。在大數(shù)據(jù)時代，城市交通和大數(shù)據(jù)將不可避免地冗合在各個環(huán)節(jié)。大數(shù)據(jù)帶來的技術(shù)突破將城市交通推向一個全面的信息時代。

二、智能交通在大數(shù)據(jù)時代下發(fā)生的變化和帶來的優(yōu)劣勢

（一）傳統(tǒng)公共交通管理在大數(shù)據(jù)時代變化的途徑

大數(shù)據(jù)可能會超出管理區(qū)域的限制。行政區(qū)劃的劃分是國家劃分為不同的行政區(qū)域進行有效的規(guī)則和管理，同時也帶動地方政府追求各自轄區(qū)利益最大化，將各類用戶可能使用的交通數(shù)據(jù)整合到系統(tǒng)中，利用整體交通功能建立公交信息綜合利用模式。為解決實時交通障礙，需要將大數(shù)據(jù)集成起來檢索、利用和分析來提取相關(guān)信息滿足交通需求。

名古屋市中心京都地區(qū)從1970年到2004年汽車分流比呈現(xiàn)上升趨勢，而公共汽車和鐵路呈現(xiàn)下降趨勢，城市交通模式與公共交通發(fā)展方向不一致。

（二）數(shù)據(jù)遷移問題

近年來，互聯(lián)網(wǎng)，云計算等技術(shù)的快速發(fā)展，越來越多的個人和企業(yè)選擇將大量信息數(shù)據(jù)業(yè)務轉(zhuǎn)移到服務優(yōu)勢和技術(shù)優(yōu)勢明顯的云計算平臺。規(guī)模化的數(shù)據(jù)中心將減少本地硬件的投資和維護成本，還能確保安全性。但是，我們知道Chao Daoo的數(shù)據(jù)遷移并不那么容易。它必須得到可行、可靠和安全的技術(shù)解決方案的支持。一旦出現(xiàn)錯誤將出現(xiàn)安全危險，進而影響現(xiàn)實社會和實體經(jīng)濟。此外，為了實現(xiàn)大規(guī)模數(shù)據(jù)遷移任務，必須保證傳輸技術(shù)支持大帶寬的有效空間。帶寬技術(shù)的發(fā)展目前雖然發(fā)展迅速，但隨著大數(shù)據(jù)時代的到來，其發(fā)展速度已經(jīng)與大量海域信息傳輸?shù)囊蟛秸{(diào)落后，以至于其可能成為數(shù)據(jù)遷移的障礙。

（三）大數(shù)據(jù)下智能交通的劣勢

大數(shù)據(jù)的擴張加速了信息傳遞和共享的速度。大數(shù)據(jù)管理系統(tǒng)使可以使用擁有交通數(shù)據(jù)的交通部門、交警部門的相關(guān)數(shù)據(jù)。然而系統(tǒng)的計數(shù)功能無法被除人以外的任何其他功能檢索到以靜態(tài)格式存儲的計算交通數(shù)據(jù)。用智能手機、傳感器和機載車輛不斷收集、交流和處理移動數(shù)據(jù)，例如交通狀況和天氣狀況，這是交通數(shù)據(jù)的目標。

三、智能交通在大數(shù)據(jù)時代下產(chǎn)生的問題與挑戰(zhàn)

（一）數(shù)據(jù)綜合體

目前，像浮動車數(shù)據(jù)、智能交通卡之類的信息數(shù)據(jù)也已經(jīng)廣泛分布在信息處理與記錄領(lǐng)域。例如城市中有20000輛車輛，由20000車輛軌跡產(chǎn)生的實時傳輸記錄能夠生成的平均數(shù)據(jù)長度為50B。這樣每天就能生成4.75 GB的數(shù)據(jù)。如果加入視頻、圖像、音頻，那么整個數(shù)據(jù)系統(tǒng)將具有更復雜、經(jīng)歷動態(tài)和不確定的變化的相互關(guān)聯(lián)關(guān)系，從而產(chǎn)生錯綜復雜并且難以處理的數(shù)據(jù)關(guān)聯(lián)模型。

（二）實時數(shù)據(jù)接收

交通領(lǐng)域在現(xiàn)代智能交通的發(fā)展過程中呈現(xiàn)出動態(tài)多方向發(fā)展。在網(wǎng)上大量的數(shù)據(jù)被接受、記錄和處理，這是現(xiàn)代智能交通的發(fā)展需要。例如在交通領(lǐng)域，出租車在行駛以及停放位置的軌跡數(shù)據(jù)記錄、長途客車駕駛員在駕駛時的軌跡數(shù)據(jù)記錄、公務車輛外出辦理業(yè)務或者出差時的駕駛軌跡記錄以及出租車在與乘客進行交易時的交易信息數(shù)據(jù)記錄也需要大量的實時接收、記錄和處理。

（三）海量數(shù)據(jù)的計算

大數(shù)據(jù)的計算和處理要求繁瑣且對數(shù)據(jù)要求嚴格，傳統(tǒng)的計算和處理方法已經(jīng)不能滿足。密集計算和新的計算模型能打破傳統(tǒng)的思維模式保證大數(shù)據(jù)的計算和處理。大數(shù)據(jù)時代的數(shù)據(jù)計算需要自下而上的以數(shù)據(jù)為中心的計算模型代替自頂向下的集中式模型。該模型在技術(shù)上的支持離不開數(shù)據(jù)計算效率的評估方法和數(shù)據(jù)計算復雜度的基礎(chǔ)研究理論。

（四）大數(shù)據(jù)帶給城市交通環(huán)境的挑戰(zhàn)

大數(shù)據(jù)環(huán)境給城市交通帶來信息密度較低，存在一定的不確定性的變化；單一的數(shù)據(jù)源不能完整的描述圖像，只能從某一角度對圖像的某一個特征進行描述；來源不一樣的數(shù)據(jù)源因參考系統(tǒng)的選取不同而得到不一樣的錯誤分布結(jié)論；關(guān)注更多地數(shù)據(jù)之間的聯(lián)系分析以發(fā)現(xiàn)新的知識和法律。因此，以上海為例，城市擴張給交通帶來了新的挑戰(zhàn)：“上海社會經(jīng)濟發(fā)展與城市交通之間的關(guān)系進行研究”。2030年國內(nèi)生產(chǎn)總值總量達6720億元，比2010年多3倍；2020年職位總數(shù)規(guī)模達到1430-1550萬人，比目前高出26%；常住人口：2020年為2800萬，2030年為3000萬；流動人口2020年將達到250萬，比目前多26萬。中心城市規(guī)模仍在擴大：“十一五”期間，中心城區(qū)建設量將增加2000萬平方米每年，建筑物開發(fā)量將接近4.5億平方米。常住人口表現(xiàn)出向中心地區(qū)蔓延的趨勢。從2009年開始，計劃發(fā)展可容納300萬人的面積達70平方公里的2批38個大型住宅社區(qū)。

四、智能交通海量數(shù)據(jù)平臺

（一）數(shù)據(jù)密集型戰(zhàn)略控制分析的技術(shù)路徑

從本質(zhì)上講，大數(shù)據(jù)背景下的流量分析技術(shù)是一種信息處理過程，它將數(shù)據(jù)組織成信息，從信息中提取特征，從特征變化中找出模式，并跟蹤對策措施。系統(tǒng)狀態(tài)分析和交通行為分析是模型處理問題的兩個基本的部分。（圖1：戰(zhàn)略監(jiān)管的技術(shù)應用框架）

（二）系統(tǒng)架構(gòu)

現(xiàn)代智能交通離不開大數(shù)據(jù)，結(jié)合典型的云計算平臺架構(gòu)的基本結(jié)構(gòu)，智能交通平臺海量數(shù)據(jù)架構(gòu)可以分為三個主要部分：數(shù)據(jù)采集層、數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)服務層。數(shù)據(jù)采集層是收集所有需要處理的數(shù)據(jù)信息，智能交通系統(tǒng)通過數(shù)據(jù)傳輸?shù)浇煌ㄔ破脚_來獲得數(shù)據(jù)，根據(jù)應用需求不同在云平臺將其分門別類并存儲在相對應的內(nèi)存數(shù)據(jù)庫內(nèi)存當中，根據(jù)處理后的因地制宜的需求選擇不同的數(shù)據(jù)體系結(jié)構(gòu)層進行相應的處理，最后為數(shù)據(jù)服務層提供實時、快捷、高效的服務。

（三）遷移數(shù)據(jù)計劃

為了讓數(shù)據(jù)的統(tǒng)計分析更加準確，我們必須允許存儲在現(xiàn)有智能交通數(shù)據(jù)的關(guān)聯(lián)數(shù)據(jù)庫中的歷史數(shù)據(jù)遷移到大數(shù)據(jù)平臺。經(jīng)過反復實驗，由于oracle可以直接使用開源工具Sqoop數(shù)據(jù)傳輸數(shù)據(jù)到HDFS中，因而最好的解決方案是打開數(shù)據(jù)庫數(shù)據(jù)瀏覽端口，只是它的傳輸速度是在網(wǎng)絡帶寬的限制下運行處理的。該方案在實際實驗過程中安全性能有保障，在測試中一直在維護其安全性。Sqoop是在Hadoop和關(guān)系數(shù)據(jù)庫之間傳輸數(shù)據(jù)的工具。它可以將數(shù)據(jù)從關(guān)系數(shù)據(jù)庫和Hadoop的HDFS和關(guān)系數(shù)據(jù)庫之間來回傳輸導入轉(zhuǎn)移到數(shù)據(jù)庫中。

（四）存儲數(shù)據(jù)計劃

包括海量數(shù)據(jù)存儲功能和大量的數(shù)據(jù)計算功能的系統(tǒng)架構(gòu)必須保證數(shù)據(jù)存儲和數(shù)據(jù)計算是不可分割的，這是任何信息數(shù)據(jù)計算系統(tǒng)的共性。為了確保該函數(shù)的實現(xiàn)，這要求通信客戶端可以確保數(shù)據(jù)源層中收集的數(shù)據(jù)不會丟失，并且可以不丟失地發(fā)送到云平臺。在傳輸過程中，系統(tǒng)的存儲功能需要保持所有數(shù)據(jù)一致性并在保存中長久不失真。在正常情況下，上傳文件的請求信號被系統(tǒng)平臺接收。這樣，為了讓數(shù)據(jù)持久性存儲，云平臺上的Hadoop集群分配檢驗開始的工作任務，然后將需要被處理的數(shù)據(jù)文件塊上傳到HDFS中的HBase分布式數(shù)據(jù)庫。多個任務被上傳的時候，JobTracker就會分配任務并在架構(gòu)層配置各種工具來保證存儲的完整性。存儲模塊在此時開啟數(shù)據(jù)處理，并相應地分析任務的來源及可靠性。

（五）數(shù)據(jù)倉庫系統(tǒng)

數(shù)據(jù)倉庫系統(tǒng)是在構(gòu)建智能交通大數(shù)據(jù)系統(tǒng)平臺的過程中的重要組成部分。在現(xiàn)有數(shù)據(jù)倉庫系統(tǒng)的基礎(chǔ)上對數(shù)據(jù)倉庫系統(tǒng)審查智能交通數(shù)據(jù)，以下功能是必備的：（1）高度的可擴展性：面對現(xiàn)代交通發(fā)展數(shù)據(jù)的大爆炸趨勢，數(shù)據(jù)庫不再依靠一臺或多臺服務器進行擴展，以滿足數(shù)據(jù)量的指數(shù)增長。我們必須能夠輕松實現(xiàn)高擴展性的線路目標。（2）高度容錯性：現(xiàn)代智能交通大數(shù)據(jù)系統(tǒng)的數(shù)據(jù)來源多且雜，應該高度允許出現(xiàn)差錯。容錯要求在系統(tǒng)查詢執(zhí)行中在某一節(jié)點運行中出現(xiàn)故障時，不需要重新運行查詢這一步驟，只有這樣才能滿足現(xiàn)代智能交通數(shù)據(jù)的實時交通信息查詢快捷性的要求。因此，考慮使用軟件在大型集群環(huán)境中實現(xiàn)容錯，而不是依賴于系統(tǒng)硬件，這一點很重要。

（六）處理數(shù)據(jù)計劃

數(shù)據(jù)處理以滿足不同的需求，這是現(xiàn)代智能交通領(lǐng)域大數(shù)據(jù)系統(tǒng)平臺的心臟。一般系統(tǒng)的數(shù)據(jù)處理應用不同應用程序的需求是基于統(tǒng)計應用程序?qū)崟r分離的基礎(chǔ)之上的。該模塊采用同步計算和增量計算方法，保證系統(tǒng)數(shù)據(jù)的完整、精確和實時處理。這個過程中使用的關(guān)鍵技術(shù)包括：

（1）軌跡數(shù)據(jù)快速檢索技術(shù)：該技術(shù)的核心是原始數(shù)據(jù)被SeqIlence Fries二進制文件替換，并將鍵值存儲設計為一個記錄。此外，以前的關(guān)系數(shù)據(jù)庫查找來實現(xiàn)快速的統(tǒng)計功能被HDF分布式文件系統(tǒng)和MapReduce分布式計算編程所代替。該技術(shù)的數(shù)據(jù)壓縮率可達40%，運行速度可提高50倍以上。因此，可以實現(xiàn)固化數(shù)據(jù)的快速檢索和統(tǒng)計分析。

（2）分布式軌跡聚類技術(shù)：技術(shù)采用MapReduce分布式計算架構(gòu)來處理分布式軌跡，實現(xiàn)K.Means聚類算法。通常，它將指定起點位置，然后可以使用正常運行路徑的聚類分析來快速檢測異常值以實現(xiàn)分布式軌跡的正則化。這種技術(shù)通常可以快速地比較常規(guī)路線或指定路線，以及異常分析的比較。

（3）地圖匹配技術(shù)：該技術(shù)通過對來源于傳感器的觀測數(shù)據(jù)進行分析來確定傳感器的載體位置。在智能交通領(lǐng)域，通用傳感器其實就是我們常說的GPS接收機。這是因為GPS接收機能夠向我們提供諸如經(jīng)緯度、坐標等地理位置信息，并且在許多領(lǐng)域已經(jīng)得到應用。大多數(shù)車載GPS接收機的實際意義在于保證車輛在正確道路行駛。因此，它在車輛實時導航系統(tǒng)中發(fā)揮著至關(guān)重要的作用。

五、結(jié)論

無論是今天還是在未來，大數(shù)據(jù)在智能交通中的應用離不開現(xiàn)在已經(jīng)構(gòu)建了海量數(shù)據(jù)平臺的云計算等大數(shù)據(jù)處理技術(shù)和平臺進行數(shù)據(jù)的收集、接受和處理等。只有充分利用大數(shù)據(jù)平臺才能防止海量數(shù)據(jù)的突現(xiàn)。在大數(shù)據(jù)時代下開發(fā)利用現(xiàn)代交通，會讓智能交通更加快速地發(fā)展，也將為公眾在創(chuàng)造更加美好的生活的途中提供更加便捷、高效、綠色、安全的出行環(huán)境。因此，從系統(tǒng)架構(gòu)的確定、遷移數(shù)據(jù)計劃的確定、數(shù)據(jù)計劃的存儲以及確定數(shù)據(jù)處理計劃入手來做好海量數(shù)據(jù)平臺建設，并保證其能夠在今天在未來的可持續(xù)發(fā)展，來建立一個智能、高效、便捷的智能交通系統(tǒng)。

參考文獻：

[1]邱衛(wèi)云.智能交通大數(shù)據(jù)分析云平臺技術(shù)[J].中國交通信息化，2013.

[2]姬倩倩，溫浩宇.公共交通大數(shù)據(jù)平臺架構(gòu)研究[J].電子科技，2015.

[3]韓歡.基于大數(shù)據(jù)的智能交通運輸平臺的研究[D].成都理工大學，2014.