道路工程中的大數據思維

蔡 卓，何 亮，凌天清

(重慶交通大學，重慶 400074)

?

道路工程中的大數據思維

蔡 卓，何 亮，凌天清

(重慶交通大學，重慶 400074)

大數據時代已經悄然逼近，各行業也開始研究大數據在本行業中的應用與發展前景。文章基于大數據的內涵與特征，介紹了大數據在國內外的道路工程領域的發展現狀和應用前景以及其在智能交通領域的應用實踐，并分析了大數據在道路工程推廣應用過程中存在的一些問題與障礙。

道路工程；大數據；道路交通；智能交通；信息技術；推廣應用

0 引言

眾所周知，隨著信息技術的不斷革新，幾乎每個科學和社會領域，都收藏著海量的信息數據。當前正在醞釀著一門能夠分析和處理這些海量數據以從中提取有用知識的科學，即近期的研究熱詞——“大數據”。2011年，英國《自然》雜志曾出版專刊指出，如果人類能夠成功地利用和管理“大數據”，該技術將對社會發展產生巨大的推動作用。

大數據源于英文“Big Data”。當前，大數據的定義還沒有一個統一的認識，但可以從兩個層次去理解：首先，它是指這些海量數據本身；其次，它也被引用為收藏、存儲、管理、分析如此龐大數據的一種技術。如圖1是大數據處理的一個基本流程。一般公認大數據具有“4 V”的特點(IBM提出)：Volume(海量性，即數據規模龐大，處理量級已從TB級躍升為PB級別)；Velocity(高速性，即要求數據產生處理速度快)；Variety(多樣性，即數據類型繁多，格式龐雜)；Veracity(真實性，即要求來源本身的真實性和準確性)[1]。

圖1 大數據處理基本流程圖

1 國內外的發展現狀

隨著現代信息技術呈現出的爆炸式的發展與應用，及互聯網、傳感器、云計算等技術的興起，各領域內的數據正呈現幾何級數的增長。道路工程領域也不例外，信息技術的應用加速了相關數據的累積。這也使得道路工程在數據環境中呈現出大數據的特征。在國際上，由于大數據理論剛剛起步，方興未艾。各國都將道路交通數據的采集技術并建立交通信息采集系統和平臺作為當前首要目標。例如：在美國佐治亞州，全州設定了300多個固定交通量采集站和10 000個移動交通量采集站來進行交通數據采集。而日本則是通過在高速公路上每500～1 000 m設置一套交通檢測設備以實時掌握道路交通流情況；平均2 km設置一部監控攝像頭，來掌握交通擁堵、交通事故等實時交通情況，以此建立一個較為完備、系統的交通數據采集體系[2]。還有美國新澤西州充分利用收集而來的具有高度準確性的手機和GPS信號，并且引進INRIX計算機系統對其進行分析，將其轉化為一張完整的以不同顏色標示各個路段的運行現狀的道路交通狀況地圖，以確定造成交通堵塞的地點[3]。英國則投入1.5億英鎊用以開展“連接城市”項目：建設10個城區的100 Mb/s的全市網絡并改善其互聯網接入。以此來推動各部門對基礎設施大數據的高度共享，實現跨部門的高效合作，從而達到減少交通擁堵，改善交通和道路系統的目的[4]。此外，運用大數據思維來研究道路交通工程的還有美國的IntelliDrive計劃，美國弗吉尼亞洲DOT(交通部)，英國Highways England和瑞典的PMS。其中IntelliDrivede計劃是設想整合在美國生產的所有車輛的通訊設備和GPS裝置所產生的海量數據，使美國全境范圍內的道路網可以進行數據交換，實現建立車、人、路一體的車路協調系統，達到安全智能交通的目的[5]。

在我國，大數據理論也逐步受到人們的重視。2013年，“大數據”研究在科技部發布的《“十二五”科技計劃信息技術領域2013年度備選項目征集指南》被列在首位。2015年9月，國務院印發《促進大數據發展行動綱要》，對“大數據”在中國的發展進行了系統的揣述。將大數據思維來實現智能交通管理的目標在一些城市也已經展開實踐：2000年，深圳市通過對閉路電視監控、交通信號控制、交通違章管理等多個系統的數據整合，設立了可以實現將道路交通的數據采集、實時監控、有效指揮于一體的智能交通指揮中心[6]。如下頁圖2顯示的就是一個城市交通狀態網絡的例子。上海市發布了《上海市交通發展白皮書2013》，并積極建設交通綜合信息平臺。目前，該平臺已發布道路車流量及相關的交通實時動態數據，未來還將采集整合公共交通、貨物運輸和樞紐站點等信息數據。世博會期間，上海市利用手機定位技術獲取了各種車流量數據以及客流數據，提供了高質量、高信息化的實時交通信息服務，為交通管理部門制定及時的交通管理措施提供了可靠的依據[7]。

圖2 某交通狀態網絡圖

2 大數據在道路工程的應用

2.1 道路養護與設計

學者Yagi等[8]提出利用智能手機的應用程序，手機汽車彈簧的垂直加速度，估計彈簧垂直運動狀況。以此來應對地震等自然災害或者測量道路的平整度以提高路面管理與新型導航服務。此外，還有致力于研究道路耐久性的LTPP計劃，該計劃在美國建立了一個全國性的公路數據采集系統。根據LTPP計劃，在美國用于研究的各個實驗路段都采集了路面結構、材料、氣候、交通量等相關數據信息。研究基于大數據的公路性能預測模型，對道路性能進行綜合精準評價。通過對數據的綜合分析，對路面的使用性能進行科學的評估，并且解釋各種路面性能產生變化的規律和原因，進而將這些研究成果應用到路面的養護、維修、管理和設計當中。其將對道路的使用及耐久性能帶來極大的改善[9]。美國波士頓為了解決城市交通問題，推出了一款手機應用程序“StreetBump(路拱)”。該應用程序利用類似于重力感應的原理，能通過檢測手機中的加速度計的微小變化來確定不同路段的擁擠程度。這個應用程序為城市道路改善提供了很好的參考依據[10]。

2.2 道路安全

當今社會，道路交通事故的發生率日益增大。應用大數據思維來研究事故發生的規律與分布，探索事故發生的原因，提出行之有效的防范對策具有十分現實的意義。學者FengWanga等[11]提出：使用一種僅實時數據，而不是挖掘歷史數據的實時道路交通監控系統，將出租車和公交車等探測車不斷發出的數據流以及大量質量傳感器的數據來有效地預測和及時防止交通擁堵。學者Michele等[12]利用交通信息，社交網站，手機GPS等建立相關的數據分析架構，通過整合美國加利福利亞州的45英里高速公路十年來的數據獲得了沖突概率。運用大數據思維掌握交通事故未來狀況，以便及時采取相應的對策，可以達到減少交通事故的目的。此外，學者Lind等[13]介紹了基于存在海量流量數據積累的上海高速公路監控中心，利用城市快速路的體系結構、關鍵算法和系統功能交通數據挖掘系統(UETDMS)，完成流量分析、交通擁堵瓶頸分析與交通事故分析，進而幫助交通管理部門更有效地處理交通擁堵。學者SH Park等[14]則提出使用Hadoop框架的過程和分析大流量數據并采取有效采樣的方法來解決數據不平衡問題。在此基礎上，預測系統通過進行預處理大流量數據再分析結果為學習系統創建數據。利用采樣方法校正了產生數據的不平衡性。為了提高預測精度，將校正后的數據分為若干組，對其進行分類分析。預測未來的交通事故，給司機以機會，以避免危險或減少快速反應的傷害。還有文獻[15]介紹了美國俄亥俄州運輸部(ODOT)通過使用并整合來自氣象信息站和INRIX云計算分析的交通高速大數據信息，實現暴風雪淹沒了其400多個關鍵路線后，在3 h內完成清理道路狀況的目標。這種大數據的應用，極大地避免了冬季連環撞車事故發生的發生。

2.3 道路施工

當前道路施工對施工質量的控制越來越重視，各種先進的控制手段也應用到了道路施工過程監控中，并得到了海量的數據。例如，文獻[16]中針對瀝青路面的碾壓過程就是一個利用大數據思維的很好例子。由于很難直接測量瀝青路面施工壓實度，實現過程實時監控，可以通過安裝在碾壓機上的GPS定位組件、溫度與振動監測傳感器以及遠程數據傳輸裝置來監測路面碾壓過程中的碾壓溫度、碾壓遍數和碾壓速度等物理量，以間接的方式通過這些輔助參數以達到間接控制壓實度的目的。如此就能對道路施工過程進行實時監控，以達到更好控制道路施工質量的目的。

2.4 交通管理

道路交通大數據環境使道路交通領域人、車、路、環境等方面的大數據極其豐富。該數據環境為大數據共享、大范圍應用提供了數據基礎，可以進一步地發展智能交通系統。例如：ATIS交通信息服務系統能完成對服務信息及時準確的處理，使交通信息服務能夠針對出行者所處的交通情境實時計算，動態組合出適合出行者個性化需求的服務性信息[17]。還有根據擁有詳細軌跡的數萬名私家車與車載全球定位系統接收器，其中包含大眾交通信息，可應用到確定城市路網交通狀態估計，預測在不久的將來密集的交通領域[18-20]。如圖3反映的就是一個交通事件云處理的體系架構。學者Wang等[21]提出了依靠交通網絡如Twitter谷歌地圖和Waze等獲得的大數據來評價道路安全水平及解決方案運輸問題。還有文獻[22]提出了一種交叉模擬方法來獲取每個車輛在實際道路上的動態距離關系，獲得現有汽車的跟隨模型，并建立一個駕駛行為的數據庫。校準和分析后，可以識別各種駕駛行為。在急救情況期間，駕駛行為的分布為了適應瞬息萬變的情況將自動重構，以致仿真系統在緊急情況下具有自適應能力。該方法將為大規模的交通疏散提供更好的支持決策信息，對提高應急情況下的交通仿真系統的預測能力作出貢獻。學者S Yuan等[23]則提出根據每一條公共交通線路的實際情況設計新的發車時間表：運用公交IC卡信息，結合車輛內部的視頻監控信息獲取乘客公交出行的基本特征，找到在每天運行時段內該線路乘客的出行規律，調整原來的發車時刻表，避免在出行高峰時段的運力不足與行低谷時段的效率不高。

圖3 交通事件云處理的體系架構圖

3 大數據應用當前存在的一些問題

3.1 數據分析與處理

事實上，大數據本身沒有多大的價值，重要的是從海量的原始數據中找到有價值的信息和知識流。從目前的研究成果來看，面對PB級別的大數據以及不同性質的數據源，傳統的方法已經不再適用。這就要求科學地對待大數據，引進大量的信息技術和數據分析人才，尤其需要重視新技術的整合與應用，用創新的理論挖掘出大數據的真正價值。

3.2 數據共享

在我國，大部分道路交通數據被政府部門掌握。由于部門間職能與利益差異，造成部門間共享過程行政手續復雜或者不愿意共享數據。這將直接導致數據加工不徹底，大量重復勞動且浪費社會資源。根據國外的經驗，將道路交通數據分享到部門的信息公共平臺，信息平臺實行分級訪問制度，分別對不同交通職能部門、各個專業研究機構、高等院校以及社會公眾設置不同的訪問權限。以此來保證數據的公開、共享、保密的原則[24]。

3.3 數據集成

由于數據源存在不可避免的多樣性與異構性，例如：道路信息系統中需要同時考慮人、車、路、環境四個方面的數據，這將使數據分散在不同的數據管理系統中。而此時對相關數據進行集成顯得十分關鍵。這就要求在采集數據之前建立相關數據調查規范標準以及共享基礎平臺，加強數據的通用性。此外，海量的數據常常伴隨著信息垃圾的泛濫。在數據集成過程中需要對數據進行謹慎地選擇，如何過濾掉無用信息有避免有用信息的流失將是一個無法回避的難題。

4 結語

(1)大數據理論的發展時間并不是很長，其理論基礎不斷完善，“4 V”特征逐漸明晰。在各個領域的應用正在不斷深入。

(2)大數據思維在國內外道路工程領域都有創新的應用實踐。其中，國內外學者在道路養護與設計、道路安全、道路施工、交通管理等方面提出了切實的大數據思維應用。主要是通過傳感器收集大量道路數據信息，然后通過科學的數據處理手段得出相關有益的指導性結論。

(3)大數據理論方興未艾，數據分析與處理、數據共享、數據集成是制約其發展的主要因素。

[1]孟小峰，慈 祥.大數據管理：概念、技術與挑戰[J].計算機研究與發展，2013，50(1)：146-169.

[2]葉 亮.“大數據”背景下我國交通數據管理應用的轉型與發展[J].信息技術，2013(z2)：65-68.

[3]SHIRA OVIDE.Tapping“Big Data”to Fill Potholes[EB/OL].[2012-09-16].http//online.wsj.com/article/SB10001424052702303444204577460552615646874.html.

[4]Big Data Analytics Applied to Traffic Issues in New Jersey[EB/OL].[2012-09-17].http//nyconvergence.com/2012/06/big-data-analytics-applied-traffic-issuesnew-Jersey.html.

[5]董海龍.深圳智能交通系統應用現狀[EB/OL].[2012-10-17].http//www.tranbbs.com/news/cnnews/ITS/news_ 64980_2. shtml.

[6]吳 瑋.美國車路協同系統和智能交通[J].全球經濟科技瞭望.2012，21(11)：65-67.

[7]楊 濤，焦敏朵.上海市交通信息服務應用平臺發展研究[J]，中國交通信息化，2014(6)：133-136.

[8]Yagi，Koichi.Creating big data for pavement maintenance management of unsprung movement information from sprung acceleration，Intelligent Transport Systems[J].2014(9).

[9]單麗巖，侯相深.LTPP 的進展綜述[J].中外公路，2005(5)：49-53.

[10]F Carrera，S Guerin，JB Thorp.By the People，for the People：the Crowdsourcing of“STREETBUMP”：AN Automatic Pothole Mapping App[J].ISPRS-International Archives of the Photogram，2013，5.

[11]FengWanga，Liang Hua，Dongdai Zhoub，Rui Suna，Jiejun Hua，Kuo Zhaoa.Estimating online vacancies in real-time road traffic monitoring with traffic sensor data stream，Ad Hoc Networks[J].2015：2-13.

[12]Michele，Di Sivo，Daniela，Ladiana.Decision-support tools for municipal infrastructure maintenance management[J].Procedia Computer Science，2011：36-41.

[13]Lin YU，Zhenxing PAN，X Iiao GAO，Feng SHEN4.Research on Urban Expressway Traffic Data Mining System and its Application[J].First International Conference on Transportation &Safety，2014：1420-1426.

[14]SH Park，SM Kim，YG Ha，Highway traffic accident prediction using VDS big data analysis[J].Journal of Supercomputing，2016(vember)：1-17.

[15]陳 美.大數據在公共交通中的應用[J].圖書與情報.2012(6)：22-28.

[16]韓立志，權 磊，李思李.基于大數據理論的瀝青路面碾壓過程分析[J].公路交通科技，2015，32(3)：26-31.

[17]段宗濤，鄭西彬，李 瑩，等.道路交通大數據及其關鍵技術研究[J].微電子學與計算機，2015(6)：85-89.

[18]Zhen yuShan，Qian qianZhu.Camera location for real-time traffic state estimation in urban road network using big GPS data[J].Neurocomputing.2015，169：134-143.

[19]ZT Duan，J Kang，L Tang，N Fan，Y Liu.Traffic information service cooperation architecture based on vehicular network big data[J].Changan Daxue Xuebao，2014，34(2)：108-114.

[20]F Giannotti，M Nanni，D Pedreschi，F Pinelli，C Renso.Unveiling the complexity of human mobility by querying and mining massive trajectory data[J].Vldb Journal，2011，20(5)：695-719.

[21]Wang Ming，Birken Ralf，Shahini Shamsabadi，Salar.Framework and implementation of a continuous network-wide health monitoring system for roadways[J].Society of Photo-optical Instrumentation Engineers Conference Series，2014，9063.

[22]趙鵬軍，李 鎧.大數據方法對于緩解城市交通擁堵的作用的理論分析[J].現代城市研究，2014(10)：25-30.

[23]S Yuan，Y Liu，G Wang，H Zhang，A cross-simulation method for large-scale traffic evacuation with big data[M].Springer International Publishing，2014，8597：14-21.

[24]錢紅波.美國交通數據資源共享對我國的啟示[J].中國公路，2015(23)：80-82.

Large Data Concept in Road Engineering

CAI Zhuo，HE Liang，LING Tian-qing

(Chongqing Jiaotong University，Chongqing，400074)

The era of large data has been quietly approaching，and all industries have began to study the application and development prospects of large data in their industry.Based on the connotation and characteristics of large data，this article introduced the development status and application prospects of large data in road engineering field at home and abroad as well as its application practices in the intelligent transportation field，and analyzed some problems and obstacles during the promotion and application of large data in road engineering.

Road engineering；Large data；Road traffic；Intelligent transportation；Information technology；Promotion and application

U

A

10.13282/j.cnki.wccst.2016.10.021

1673-4874(2016)10-0082-05

2016-09-02

蔡 卓(1992—)，碩士研究生，研究方向：路面材料與新技術；

何 亮(1983—)，副教授，碩士生導師，博士/博士后，研究方向：路面材料與結構；

凌天清(1962—)，教授，博士生導師，博士，研究方向：路面工程材料。

英國皇家學會牛頓基金(IE150750)