大數據背景下智能交通系統發展綜述

孫馬馳

摘 要：21世紀以來，人們在時代進步和發展過程中不知不覺地進入了信息時代。在信息時代，大量數據進入新時代。在數據時代，人們仍然迫切要求提高生產和生活質量。智能交通的發展要滿足人們的生活和現實社會的需求，大量的信息和數據在智能交通的建設中也發生了變化和增加了難度。高效便捷的智能交通系統已成為當今大數據時代研究的主題。本文從智能交通方式在大數據時代下發生的變化、大數據的融合給智能交通帶來的優劣勢以及帶來的問題與挑戰出發探究大數據背景下智能交通系統的發展。

關鍵詞：智能交通；大數據；應用；發展

一、緒論

大數據時代已經到來。這無疑對城市交通來說，既是機遇又是挑戰。作為主要支柱的城市交通在傳統的交通方式中具有根本性作用。大數據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據能使得交通預測的水平提升。未來的交通運行狀態、驗證可行性的技術方案依靠各個部門提供的有效數據進行精準提煉和建構合適的交通預測模型進行有效模擬。而在實時交通預測領域，車輛碰撞、車輛換道、檢測車輛駕駛員行為狀態可以依靠大數據的快速信息處理能力進行實時預測。在大數據時代，城市交通和大數據將不可避免地冗合在各個環節。大數據帶來的技術突破將城市交通推向一個全面的信息時代。

二、智能交通在大數據時代下發生的變化和帶來的優劣勢

（一）傳統公共交通管理在大數據時代變化的途徑

大數據可能會超出管理區域的限制。行政區劃的劃分是國家劃分為不同的行政區域進行有效的規則和管理，同時也帶動地方政府追求各自轄區利益最大化，將各類用戶可能使用的交通數據整合到系統中，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，需要將大數據集成起來檢索、利用和分析來提取相關信息滿足交通需求。

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

（二）數據遷移問題

近年來，互聯網，云計算等技術的快速發展，越來越多的個人和企業選擇將大量信息數據業務轉移到服務優勢和技術優勢明顯的云計算平臺。規模化的數據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的數據遷移并不那么容易。它必須得到可行、可靠和安全的技術解決方案的支持。一旦出現錯誤將出現安全危險，進而影響現實社會和實體經濟。此外，為了實現大規模數據遷移任務，必須保證傳輸技術支持大帶寬的有效空間。帶寬技術的發展目前雖然發展迅速，但隨著大數據時代的到來，其發展速度已經與大量海域信息傳輸的要求步調落后，以至于其可能成為數據遷移的障礙。

（三）大數據下智能交通的劣勢

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

三、智能交通在大數據時代下產生的問題與挑戰

（一）數據綜合體

目前，像浮動車數據、智能交通卡之類的信息數據也已經廣泛分布在信息處理與記錄領域。例如城市中有20000輛車輛，由20000車輛軌跡產生的實時傳輸記錄能夠生成的平均數據長度為50B。這樣每天就能生成4.75 GB的數據。如果加入視頻、圖像、音頻，那么整個數據系統將具有更復雜、經歷動態和不確定的變化的相互關聯關系，從而產生錯綜復雜并且難以處理的數據關聯模型。

（二）實時數據接收

交通領域在現代智能交通的發展過程中呈現出動態多方向發展。在網上大量的數據被接受、記錄和處理，這是現代智能交通的發展需要。例如在交通領域，出租車在行駛以及停放位置的軌跡數據記錄、長途客車駕駛員在駕駛時的軌跡數據記錄、公務車輛外出辦理業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據記錄也需要大量的實時接收、記錄和處理。

（三）海量數據的計算

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

（四）大數據帶給城市交通環境的挑戰

大數據環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；單一的數據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；來源不一樣的數據源因參考系統的選取不同而得到不一樣的錯誤分布結論；關注更多地數據之間的聯系分析以發現新的知識和法律。因此，以上海為例，城市擴張給交通帶來了新的挑戰：“上海社會經濟發展與城市交通之間的關系進行研究”。2030年國內生產總值總量達6720億元，比2010年多3倍；2020年職位總數規模達到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。中心城市規模仍在擴大：“十一五”期間，中心城區建設量將增加2000萬平方米每年，建筑物開發量將接近4.5億平方米。常住人口表現出向中心地區蔓延的趨勢。從2009年開始，計劃發展可容納300萬人的面積達70平方公里的2批38個大型住宅社區。

四、智能交通海量數據平臺

（一）數據密集型戰略控制分析的技術路徑

從本質上講，大數據背景下的流量分析技術是一種信息處理過程，它將數據組織成信息，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。系統狀態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：戰略監管的技術應用框架）

（二）系統架構

現代智能交通離不開大數據，結合典型的云計算平臺架構的基本結構，智能交通平臺海量數據架構可以分為三個主要部分：數據采集層、數據結構和數據服務層。數據采集層是收集所有需要處理的數據信息，智能交通系統通過數據傳輸到交通云平臺來獲得數據，根據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存數據庫內存當中，根據處理后的因地制宜的需求選擇不同的數據體系結構層進行相應的處理，最后為數據服務層提供實時、快捷、高效的服務。

（三）遷移數據計劃

為了讓數據的統計分析更加準確，我們必須允許存儲在現有智能交通數據的關聯數據庫中的歷史數據遷移到大數據平臺。經過反復實驗，由于oracle可以直接使用開源工具Sqoop數據傳輸數據到HDFS中，因而最好的解決方案是打開數據庫數據瀏覽端口，只是它的傳輸速度是在網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和關系數據庫之間傳輸數據的工具。它可以將數據從關系數據庫和Hadoop的HDFS和關系數據庫之間來回傳輸導入轉移到數據庫中。

（四）存儲數據計劃

包括海量數據存儲功能和大量的數據計算功能的系統架構必須保證數據存儲和數據計算是不可分割的，這是任何信息數據計算系統的共性。為了確保該函數的實現，這要求通信客戶端可以確保數據源層中收集的數據不會丟失，并且可以不丟失地發送到云平臺。在傳輸過程中，系統的存儲功能需要保持所有數據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平臺接收。這樣，為了讓數據持久性存儲，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據文件塊上傳到HDFS中的HBase分布式數據庫。多個任務被上傳的時候，JobTracker就會分配任務并在架構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據處理，并相應地分析任務的來源及可靠性。

（五）數據倉庫系統

數據倉庫系統是在構建智能交通大數據系統平臺的過程中的重要組成部分。在現有數據倉庫系統的基礎上對數據倉庫系統審查智能交通數據，以下功能是必備的：（1）高度的可擴展性：面對現代交通發展數據的大爆炸趨勢，數據庫不再依靠一臺或多臺服務器進行擴展，以滿足數據量的指數增長。我們必須能夠輕松實現高擴展性的線路目標。（2）高度容錯性：現代智能交通大數據系統的數據來源多且雜，應該高度允許出現差錯。容錯要求在系統查詢執行中在某一節點運行中出現故障時，不需要重新運行查詢這一步驟，只有這樣才能滿足現代智能交通數據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境中實現容錯，而不是依賴于系統硬件，這一點很重要。

（六）處理數據計劃

數據處理以滿足不同的需求，這是現代智能交通領域大數據系統平臺的心臟。一般系統的數據處理應用不同應用程序的需求是基于統計應用程序實時分離的基礎之上的。該模塊采用同步計算和增量計算方法，保證系統數據的完整、精確和實時處理。這個過程中使用的關鍵技術包括：

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

（2）分布式軌跡聚類技術：技術采用MapReduce分布式計算架構來處理分布式軌跡，實現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分布式軌跡的正則化。這種技術通常可以快速地比較常規路線或指定路線，以及異常分析的比較。

（3）地圖匹配技術：該技術通過對來源于傳感器的觀測數據進行分析來確定傳感器的載體位置。在智能交通領域，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緯度、坐標等地理位置信息，并且在許多領域已經得到應用。大多數車載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中發揮著至關重要的作用。

五、結論

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

參考文獻：

[1]邱衛云.智能交通大數據分析云平臺技術[J].中國交通信息化，2013.

[2]姬倩倩，溫浩宇.公共交通大數據平臺架構研究[J].電子科技，2015.

[3]韓歡.基于大數據的智能交通運輸平臺的研究[D].成都理工大學，2014.