大數據背景下的智能交通系統應用與平臺構建★

張 偉 魏永青 劉婷婷 關少龍

(遼寧工程技術大學土木工程學院，遼寧 阜新 123000)

智能交通系統應用與平臺構建將進一步提高城市規劃和管理建設現代化水平，為城市交通規劃做好預測，通過智能交通系統平臺分享當前城市交通動態，最大程度的降低城市交通擁堵狀況，減輕城市交通壓力;定期將數據庫中數據進行匯總形成周報、月報、年報，從而為政府的決策提供幫助。將城市智能交通系統大數據和政府城市交通規劃、企業交通建設、企業交通管理、企業交通服務對接合作，最終達到數據共享、按類歸檔、按類存儲，做到互聯互通。利用智能交通系統應用將網絡數據庫所收集的數據進行再次的篩選比對，應用VR技術進行仿真模擬，通過計算機將數字、圖像、動畫進行整合，載入到實施模擬場景，設定特定的環境信息要求，從而實現由交通數據再現城市交通現象的目的，進一步發掘隨著時間和空間的變化對城市交通流狀態的影響規律，模擬影響交通的控制變量之間圖像，將所得到的結果進行分析、優化后導入系統當中，從而服務于城市交通規劃、城市道路改造、城市交通事故處理、城市交通管理與控制等實踐[1]。

大數據智能交通系統應用與平臺要以城市交通信號系統、交警系統、卡口系統、道路監控系統、城市“天眼系統”以及道路固定源采集設備作為主要數據來源[2]。從所采集到的智能交通數據入手，結合大數據平臺，構建城市交通智能體[3]。

1 大數據在智能交通系統中的應用

1.1 交通系統中子系統數據間的共享

各個子系統之間的支持與配合，實現信息的共享，是實現智能交通系統中的所有項功能都能夠完全發揮作用的必要條件。因此，在構建智能交通系統的信息共享平臺中，實現子系統之間的數據共享是非常關鍵的一步。智能交通運輸系統的數據共享、交通信息管理控制中心的數據共享、車載智能設備以及交通基礎設施中的數據共享，是子系統數據共享的基本表現。實現子系統數據共享，可輔助城市實現交通信息的規范化處理，是信息功能和信息性質的最強保障。子系統之間的數據共享方式可促進形成更加有效的數據庫系統，極大的提高大數據的儲存和管理的效率[4]。

可以利用智能交通系統，建立數據共享平臺，運用數據共享的方法，發揮大數據的特性和功能，從而對智能交通系統中的子系統給予保障，將收集到的初始數據進行讀取、篩選，將不同地區、不同時間的數據庫進行整合，把達到的歷史數據庫與現在數據庫搭建共享連接，使得數據庫具有完整性、代表性和科學性。

此外，可對信息進行分類管理，滿足不同需求的人，為將來平臺系統的查詢工作提供更加便利的條件。

1.2 智能交通系統的數據優化應用設計

智能交通系統數據庫建設設計從交通違法信息數據、城市交通流量數據和城市交通錄像數據等多個方面進行采集分析，對城市道路交通信號的控制，實現對基礎道路信號系統的優化設計，做好信號控制定時配制語言。基于大數據的交通流量信息挖掘與分析，可以為信號機配時提供數據支撐。根據智能交通大數據分析可以做出最優的路網優化方案，如單行車道、潮汐車道、分時段進行路段等等的優化設計。

2 智能交通數據系統的類型分析

由于智能交通系統平臺所采集的數據信息駁雜，信息量龐大且實時信息變化波動較大，建立在傳統觀念上的關系型數據庫的數據儲存和處理能力已經無法滿足現行的大數據要求。傳統觀念上的數據庫形式對當前智能交通信息的預報、仿真、規律分析時，不能夠與不同方向采集的數據類型建立良好的關聯性和因果規律。智能交通系統應用平臺是將現有的不統一的、不完整的、無明確結構的數據系統進行整合優化，可整合建立的數據系統有以下幾點[5]：

1)車輛通過數據:車輛通過收費路卡口、交通監控、公安智能檢測等智能視頻數據采集點時可將視頻采集到的車輛牌照、顏色、排量、型號、車檢等進行結構數據整合。2)違法車輛數據:應用現有的城市交叉路口視頻監控采集系統，將有闖紅燈、逆行、違章掉頭、壓線、交通事故肇事逃逸等違法信息的結構化數據整合。3)道路車流量數據:通過道路固定的雷達測速等設備將采集到過往車速、行車距離以及道路車流量等。同時接入道路路網信息數據，整合數據結構。4)信號配置數據:將智能交通數據平臺與交通信號控制平臺進行對接，從而將道路車流最大疏導，使交通信號更具科學性。信號配制數據與道路交通路網信息匹配，使交通管控平臺對信息的收集、檢索、服務、規劃業務更具效率。

3 大數據智能交通系統平臺設計

3.1 大數據智能交通系統整體結構設計

大數據智能交通系統的整體架構采用層次化結構模型，根據網絡系統平臺的建設目的系統總體分為五個層面。

1)大數據采集層。主要是將歷史交通數據、城市公路數據、城市軌道數據、GIS衛星圖數據、城市土地利用數據的采集工作。2)大數據資源層。主要是將采集到的大數據進行原始存儲、分類存儲、數據分析、數據計算、內存計算等分配工作。3)大數據仿真平臺構建。通過數據篩選仿真對象的范圍，精確仿真數據，通過宏觀模型的參數利用OD矩陣(Origin Destination Matrix)進行仿真模擬，最終做出預選方案。4)大數據應用層。通過系統平臺仿真模擬后形成交通規劃云服務、交通管理云服務、交通建設云服務、交通服務業云服務的資源匹配服務工作。5)大數據用戶層。主要是通過手機APP、電臺廣播、服務電話、定位導航、網絡網站為社會群體、政府交通機構、交通建設企業、交通服務企業提供系列服務。

該系統將傳統分散的大數據采集、大數據存儲、大數據仿真、大數據調度、大數據處理和大數據服務等多種功能結合，極大的提高了數據的利用率，形成一套完整的服務體系。大數據智能交通系統整體平臺架構設計如圖1所示。

3.2 高精度智能交通系統仿真搭建設計

在擁有大數據庫的前提下，仿真技術的精確度仍然是一大難題，在傳統交通仿真技術當中，由于數據資料不夠多，數據分析方式單一，設定條件參數不準確，從而導致仿真模型代表性不強，不能夠更加真切的反映實際情況。在現有的智能交通系統當中，從數據的采集、分析、計算、處理都更具有科學性，利用這些數據所設定的仿真參數，可使得仿真模型誤差在可接受的范圍[6]。

利用城市規劃建設資料、GIS、高德地圖街景、衛星航拍地圖綜合數據搭建交通仿真網絡系統。根據采集到的市人口、住房、道路信息創立交通仿真城市，導入城市的初始OD數據矩陣和其他采集到的數據流量，設定精確的大數據宏觀模型參數，反復進行OD矩陣產生迭代反饋效果。最大限度的優化OD矩陣的數據路徑，在最短的距離產生最大的效益，調整仿真系統，實現高精度智能交通系統仿真搭建，推進城市交通智能一體化[7](見圖2)。

3.3 智能交通系統數據應用層設計

智能交通系統數據應用層的設計當中主要是通過面向服務的架構(SOA)服務實現其功能(如圖3所示)，智能交通系統數據應用層按照不同的標準分為四個層面：

1)大數據應用實現模塊功能。在該模塊當中主要是實現了大數據程序的調度設計、程序調度過程、程序調度服務，通過邏輯編程技術完成其具體的功能。2)大數據應用流程模塊功能。智能交通系統數據應用層的大數據流程主要是通過專業的工具BPEL來實現資源的整合調度再利用，且在該層面繼續保留著仿真數據的迭代反饋。3)大數據應用調度流程模塊功能。在遇到特殊情況下板塊將負責自定義調度流程轉換為標準BPEL流程。4)大數據應用存儲板塊功能。將應用處理后的數據進行篩選分析，然后按照交通建設、交通服務、交通規劃、交通管理建設云服務器。

用戶可直接進入界面，這點主要是由智能交通系統的大數據平臺表現層來實現，用戶在瀏覽各類智能交通信息數據時，可通過日常使用的互聯網設備即可，例：普通瀏覽器、客戶端應用程序、平板電腦、手機等終端等[8]。使用者的視覺直觀體驗和整個系統的交互是由該層負責，通常來說，外觀界面、表單控件、界面框架等是其主要構成部分[9]。

4 結語

智能交通大數據將城市交通當中較為駁雜的數據進行再次優化篩選處理，提高了大數據采集后的存儲和業務性能力。本文對大數據背景下的智能交通系統應用與平臺構建設計方案和大數據應用系統數據仿真模擬做了分析，設計了智能交通系統數據分析的架構，進行了大數據背景下的智能交通系統平臺應用功能分析。在大數據技術上進行的數據分析和信息篩選收集，智能交通系統應用層對交通數據的分析實現了交通信息的合理化利用的目的，實現了決策的科學化和出行的智能化。