大數據下的智能化交通管理

吳登峰

摘 要大數據是基于海量的數據中所提出的，能夠為使用者提供具有規律變化的數據內容，其在各個行業的發展中都有著重要的作用，尤其是在政府的公共治理中。交通擁堵問題是城市化發展下不可避免的問題之一，而應用大數據將有助于形成智能化的交通管理格局，從而緩解擁堵，提高交通運輸的效率。為此，本文將基于大數據視角下的交通智能管理領域，探討大數據在優化交通上的具體應用。

【關鍵詞】大數據 智能交通 出行 安全

1 前言

工信部在年初發布了《大數據產業發展規劃2016-2020年》，基于2016年的大數據產業格局，未來的大數據發展在2016年3100億元的市場規模下，將以每年35%的速度實現規模化增長，因而大數據產業也將成為我國的基礎性戰略資源。十三五的開局年，國家大數據戰略被無數次強調，明確提出要將大數據在各個領域中持續推進，尤其是助力產業轉型升級和社會治理創新。

隨著城市化的進程不斷的發展，我國居民可支配收入提升，對于出行的需求也越來越大，汽車保有量大幅提升。截止到2017年6月，全國機動車保有量達3.04億輛。如此龐大的人口和汽車數量，給交通服務帶來了巨大的壓力，而“擁堵”也成為了諸多大城市的常態。有數據表明，上海、深圳等地的擁堵情況最嚴重的時候延時指數達2.06，造成了極大的擁堵成本，降低了社會運轉的效率。

2 大數據下的交通智能化管理應用

交通領域大數據分析和應用的場景相當多，物流和運輸公司、公交一卡通、GPS定位、車聯網、路網監控、電子地圖導航等都可以為交通服務提供大量的數據資源，而創新性的利用這些數據資源，是實現交通服務質量提升的關鍵。實現智能交通，可以從以下途徑展開。

2.1 基于大數據優化公交站點及路線

城市交通的發展中，對公交站點以及路線的規劃主要是基于地區的人口分布情況做出的，而沒有考慮到居民的實際出行需求也特點，這使得路線和站點選擇上存在盲點，一些公交每天十分擁堵，另一些則幾乎是長期保持空車狀態，浪費了交通資源。實際上，公交服務部門手中有大量的出行數據，例如公交一卡通，其中有大量民眾的出行數據，這些數據中包含了每個居民的出行時間、出行的路段，每天的往返數據等。公交車上的投幣箱也可以進行統計，在每個站點的上車人數，不同時段下公交車的平均運行時間，載客人數都可以基于一定的算法進行數據挖掘，得到居民的出行特征。

因此，基于大數據下的站點和路線優化，交通部門可以基于這些民眾數據，建立數據挖掘模型，建立優化方案，重新分配公交站點和設計公交路線，實現城市公共交通資源的最優化配置。

2.2 基于大數據治理交通擁堵

交通擁堵成為幾乎每個大城市都會面臨的常態，早晚高峰、節假日的出行也幾乎讓所有城市居民“添堵”，成為影響市民幸福指數、城區空氣質量、經濟發展環境的重要因素。大數據下，對車流量的動態監控，結合交通算法，將有助于緩解城市的擁堵現狀。

2.2.1 智能交通信號燈控制

交通路口的信號燈是道路擁堵問題解決的關鍵，基于大數據下，根據每條道路的車流匯聚的海量數據，挖掘車流的時空特點，評估道路的擁堵，動態化的調整信號燈。建立基于物聯網的干道交通信號綠波帶控制系統，確定當前車流通過相鄰兩個路口的速度及所需的時間，從而調整綠燈的開始和持續時間，大幅度提高道路通行效率。同時將紅綠燈的數據信息平臺進行資源共享，聯合出行APP，為機動車用戶提供路線規劃服務，精準的根據車流來調整，降低道路擁堵率。

2.2.2 交通共享平臺系統

基于道路埋設的物聯網傳感器，收集交通數據信息，納入交通共享平臺系統，為政府、交通部門、科技企業提供依據，并將目前的所有交通出行方式聯合起來，如納入共享單車、地鐵、出租車、公交車等，將所有的出行工具的位置信息納入平臺中共享，方便民眾的出行。同時平臺也提供交通出行的決策服務，評估當前的道路交通現狀，為用戶提供出行的最優方案。

例如出租車，上海交管部門的數據表明，上海出租車沒有的空載高達2400公里，為此基于數據共享平臺，根據民眾的出行特征，通過數據挖掘來為出租車提供用戶的最佳起客位置推薦服務。對民眾而言，通過平臺提供數據推送，預估等待時間，讓司機和乘客之前實現最精準的服務對接。

2.3 基于大數據響應交通事故

2016年，全國共發生交通事故187781起，造成58022人死亡，199880人受傷，直接導致的經濟損失高達10.4億元。交通事故一旦發生，除了帶來生命財產的損失外，還極大的影響道路的正常運轉。將大數據用在交通事故的管理中，將有助于降低事故率。

2.3.1 交通事故預防的信息排查

大數據中包含了全國所有的車主信息和車輛信息，基于這些信息可以完成對用戶的畫像分析。例如匯總駕駛人員的駕齡、年齡、性別、車輛狀態，以此來分析用戶的事故數據。交管部門的數據統計中，3年以下駕齡事故占所有事故的三分之一，同時臨近報廢車輛的事故率也偏高，此時應針對這些潛在高事故率駕駛人員予以重點關注，發出預警。

2.3.2 建立事故地圖

通過對大量交通事故數據的分布，基于挖掘算法計算和甄別運行失衡和溢出高風險的路口，為交管部門的交通服務提供決策，對事故、秩序、非法占道等產生的異常，集成運營業務管理、應急指揮調度、監測預警、值班接警、信息處理發布、應急指揮調度管理，形成最優決策，指派最近的交通警察來疏導服務，從而提升交通服務質量和效率。

2.3.3 大數據時代下的汽車防撞智能的應用

車聯網系統的發展下，汽車的信號發射和信號接收以及CPU處理能夠為防碰撞、追尾提供智能化應用方案。例如十字路口最容易發生碰撞，傳感器判斷車與車之間的相互距離，車載終端獲得本車車輛的位置信息和行駛狀態信息，根據汽車上的信號接收和發射裝置，基于CPU算法處理，得到在特定距離下汽車之間的安全距離和危險系數，并及時的發出預警信息。

3 結語

大數據下的規律和特征挖掘，有助于交管部門及時的掌握數據信息，為民眾提供最優的交通服務。相信隨著大戶數據的應用普及，未來的大數據交通應用場景還將不斷的拓展和豐富。

參考文獻

[1]劉冬.基于車輛識別的大數據分析技戰法[J].機電工程技術，2017（S2）：384-386

[2]楊海軍.智慧城市中大數據技術的應用[J].機電工程技術，2017（S2）：412-413

[3]吳為強.基于大數據挖掘的智能交通決策分析系統[J].機電工程技術，2017（S2）：526-528

作者單位

浙江省麗水市人力資源和社會保障信息中心 浙江省麗水市 323000