基于大數據和邊緣計算的智慧交通系統應用研究

周俊杰

關鍵詞：大數據;智慧交通;邊緣計算

城市交通的發展帶動了大數據技術的需求，作為一個重要的大數據處理方案，云計算通過其靈活可拓展、低成本運營以及運維方便等特點，得到了廣泛應用和大力發展。然而，高成本、高網絡延時以及隱私不受保護等問題，使得云計算難以滿足很多系統對大數據處理和分析的要求，特別表現在智慧交通系統應用中。面對一系列的問題，邊緣計算技術正好可以為此提供解決方法。

在常用的大數據處理技術架構中，以云為中心的集中式方法存在很多局限，導致難以大面積推廣，其表現為：在當下的交通系統所呈現的邊緣數據劇增，邊緣設備性能飛速提升，云計算的發展速度已經是望塵莫及：在邊緣設備的應用環境中，以云為中心的集中處理式架構會加大傳輸數據帶寬的壓力，同時過程中消耗增加.成本提升：邊緣數據在隱私和網絡安全上存在諸多問題，數據處理不及時將存在巨大隱患。所以，邊緣計算作為一種新技術，以就近設備源或數據源，將存儲、計算以及網絡等性能分布式應用，從而快速處理邊緣數據得以被廣泛推薦。該技術最早是針對5C網絡延時等問題研發的一種關鍵技術，隨著不斷研究與推廣，在物聯網以及車聯網等新型領域也有不錯的表現。邊緣計算能將云計算所涉及的問題逐一解決，因此在以邊緣設備為主體的智慧交通系統中具有很高的研究價值。

1基于邊緣計算的數據處理系統設計

1.1邊緣計算概述

邊緣計算是一種分布在數據源頭或者是終端附近的計算資源，類似于基于本地服務的一種近端計算模式。作為一種開放式平臺，其相關設備集存儲、計算以及網絡應用為一體，從而實現對設備采集的邊緣數據實時收集和處理，相較于云計算等相關技術，其具有更低的時延、更小的帶寬、更豐富的網絡接人、更高的安全性以及更獨立等優勢。

1.2系統硬件架構設計

在一個完整的邊緣計算系統中，邊緣設備通過多個采集點來實現數據采集，同時一個采集點單元是一個邊緣設備與多個外圍設備組成。外圍設備便是實現物理數據采集基礎設備，通過一定的格式把數據實時地傳輸給邊緣設備，為實現更好的兼容性，邊緣設備往往會提供多種無線或有線傳輸接口和硬件接口，以實現邊緣設備和外部設備的通信。當多個外部設備同時向邊緣設備進行數據傳輸時，系統將各自的數據上傳，以確保實時性。

如圖1所示，在系統中，所有數據都要通過邊緣設備進行數據預處理這一步驟，將數據以要求的格式進行上傳。所以，系統的邊緣計算設備必須選用一個算力足夠的微處理器，從而達到硬件整體核心的作用。由上可知，邊緣設備必須具有高數據處理能力、海量存儲能力以及多兼容通信接口等功能。

1.3系統關鍵模塊設計

1.3.1邊緣設備數據采集模塊設計

結合實際工作場景的情況以及設計的系統結構，通過對各種傳感器的數據采集控制，完成邊緣設備和外部設備的數據傳輸。如圖2所示，邊緣設備的數據采集部分不僅要有數據預處理接口以及計算接口做模塊間的功能協調，還需要把傳感器的控制權限和工作狀態實時上傳到計算中心，從而保證計算中心對系統采集情況的把控。

1.3.2邊緣設備數據預處理模塊設計

數據預處理是對數據整合的一種方法，目的在于處理后的數據具備有效性和可讀性，特別是傳感器收集到的一些物理數據難以直接分析和閱讀，故要通過邊緣設備進行結構化處理。將數據源做預處理，在一定程度上能夠確保數據的完整性，特別是避免了傳輸數據過程中的丟包行為。同時，系統中的預處理可以降低總計算量，從而提高系統計算效率。圖3為數據預處理構成圖。

數據清洗、變換、規約與集成是數據預處理的核心方法，前兩種方法是用于原始數據的處理，后兩種方法是把處理后的數據實現降維度或者整合等過程。

在系統采集數據過程中，由于設備本身老化或質量問題，難以避免傳感器在高壓工作中采集的數據出現缺失和異常等問題。與此同時，數據傳輸以及存儲也存在一定的數據異常概率。所以，數據預處理將系統中異常數據進行清掃，從而保證了數據的有效性，也提高了系統對大數據分析的準確性。

1.3.3數據分析模塊設計

完成數據的預處理后，一方面在邊緣設備上進行本地保存，另一方面要上傳至云端做后面的數據分析。技術發展迅速，數據庫和傳感器的不斷完善，生活場景中的各類數據都可以被保存記錄下來。若將這些海量的數據通過一定的技術進行挖掘，從中找出規律等有價值的模型，將具有重大的意義。

人工智能是近年來熱門技術之一，在數據挖掘和分析上有很大的優勢。其典型的機器學習作為一種統計學習的模型，可以很好地從數據中分析出行為和內在信息并進行區別。同時，還能基于數據和挖掘目標進行分類、預測以及關聯規則等操作，為系統后臺提供有價值的信息。

系統中的數據分析模塊需要結合人工智能技術進行搭建，除自身常規的數據統計分析模塊外，系統中統計的分析是由計算中心獨立實現的，而數據模型是由邊緣設備和計算中心組成的，即計算中心是用來訓練和修正數據的模型，邊緣設備是對數據模型的使用以及測試。

將數據采集模塊、數據預處理模塊以及數據分析模塊整合至一起，以實現系統工作流程。系統整體功能架構如圖4所示。

2智慧交通發展現狀

在早年的技術發展中，交通領域和計算機領域結合的深度研究已是一大熱點，如歐美發達國家對智慧交通的研究較早，具有一定的優勢。美國最開始從車路協同技術人手，實現了車與車以及車與路的通信，并建立了交通信號的智能控制與管理。隨后。它們為減少交通事故建立了智能交通信息網絡，能夠做到實時處理和綜合性管理。而我國智慧交通的發展相對較晚，在二十世紀即便有了一些成果，如出行服務的發展。我國最早為了緩解交通擁堵等現象，著重對數據管理與采集進行了研究。二十一世紀初，為保障交通安全，開始對智能化交通管理進行了更深的研究，各類智能化車輛誘導系統和信息控制系統展現了我國在智慧交通領域的發展成果。

3邊緣計算在智慧交通中的應用

3.1信息化智能監管

信息采集是智慧交通監管的重要功能，各大場景都部署了抓拍和視頻監控以及傳感器等設備，并要及時給出響應。面對城市規模的擴大，數據量的龐大以及實時處理等要求，傳統的監管和處理方法已經不適用，因此將基于邊緣計算的數據處理系統應用于智慧交通可以很好地應對這些問題。特別是在交通信號控制方面，由于交通信號基本采用預編程的控制模式，很多地方的交通情況較為不規律，交通信號無法根據具體情況調整，若利用邊緣計算系統通過實時數據分析，給控制系統提供實時有效信息，便可以控制交通信號完成自適應調整，讓整個交通系統具有更高的效率和更超前的智能化。

3.2精準執法取證

智慧交通的另一個重點是準確的執法取證。常規取證需要大量的人力對過往數據進行審查才能有結果，其過程繁雜還不具備一定的時效性，如果傳輸網絡中斷或者不穩定會造成取證數據丟失，故邊緣設備的本地保存、立即處理等特點對此具有很高的應用價值。此外，結合人工智能技術還能夠預判一些違法行為，為取證的準確性提供了保障。

4結束語

智慧交通是數字化城市發展的必然趨勢，靈活利用現有的信息技術可以推動智慧交通快速發展。邊緣計算、大數據、物聯網以及人工智能等先進技術可以在數據通信、收集以及處理上應用于智慧交通的各個場景。將來，智慧交通會往高自適應性和多元化方向不斷發展，給人們提供更高效率的便利交通。