近幾年,隨著信息技術的不斷發展和進步以及互聯網技術的成熟發展,人們在不知不覺中進入第四次工業革命,迎來了大數據時代。所謂的大數據(big data),指無法在一定時間范圍內用常規軟件工具進行捕捉、管理和處理的數據集合[1]。通俗講,即數據量非常的龐大,所以無法借助現有的一些數據管理技術或者是軟件來對數據進行有效的處置。大數據主要具備數據量很大、數據類型很多、處理速度很快、具有時效性等個性化特點。
交通大數據包括互聯網信息數據、路網檢測數據、信號燈數據、視頻監控數據、卡口布控數據、公安警務數據、RFID數據等。交通大數據具有以下幾個個性化特色:第一點,數據量較為龐大而且規模也很大,數據來源非常的廣泛且需要較長時間的儲備;第二點,對數據處理的時效性要求較高,需要非常快的數據處理;第三點,大部分數據為異構復雜數據,數據的來源非常的廣泛,類型也較為多種多樣;第四點,具有很高的價值意義。數據擁有了時間以及空間等其它的多元化特色,所以打通數據網絡,將交通大數據進行有效融合,具有非常高的價值意義[2]。
交通誘導,是通過相關高新信息技術(如GIS、GPS、導航和現代無線通信技術等)的集成,有效地引導車輛運行,減少車輛占路時間,并最終實現交通量在整個路網中均衡分配的技術手段。交通誘導是提供交通信息數據的采集加工后發布交通信息的一種重要手段,也是改善交通流組織、提升交通公眾服務的重要途徑,具有科學合理監控路況的重要功能,其借助計算機技術、無線(或有線)傳輸技術、圖像數字處理技術、自動控制技術,并以可變的、多級的信息載體去獲取交通的運行資料數據。合理的借助大數據相關技術,依靠采集到的數據來對當前階段的交通狀態進行分析評估,而后采取短時預測的方式預測交通流量。同時相關的工作單位也要借助廣播、信息情報設備等其它途徑來傳遞和發布誘導消息,并且參考交通流實時的改變情況來及時的更新升級誘導方法。除此之外,也要合理的借助大數據技術來對多種檢測設備的歷史路況數據進行細致有效的探析,歸納出道路的整體路況發展規律,與交警的平時考勤情況、道路信號改變信息、進行勤務、信號更改優化等進行有效的結合,達到“出行前有提示,出行中有誘導;擁堵前及時警示,擁堵時迅速疏散”,有效的減少交通擁塞情況的出現,大幅提升道路整體的暢通性。
隨著城市化建設腳步的逐漸加快,城市的車輛的數量也在迅速的提升,越來越容易發生交通事故。如何有效的提高交通運輸的整體可靠性是值得思考的一個問題。
在整個交通系統中,行人和車輛通行在安全性方面存在很大的不同,較為容易受到天氣或者是周圍環境的影響,因此交通事故的發生很難被有效的控制而且難以預測[3]。將時空大數據和深度學習等機器學習方法應用到交通事故預測中,能夠有效的提升事故預測的準確率,同時借助對以往交通數據的科學合理的分析探究,進行合理有效的預測,可以減少交通事故的發生,有效避免人們生命財產的損失。
服務管理不僅是整個智能交通建設中的重要一個環節和部分,也是整個公共交通的重要一個部分。城市中有著非常多的交通工具,而且種類也不盡相同,有一些交通工具的運行方式只可以沿著固定的線路或者是軌道進行,例如通勤車、公交車及地鐵等。這種類型的交通工具都需要嚴格的遵守時刻表來進行發車,如果不能夠保證公共資源配置的科學合理,就很容易出現交通或者是乘車的堵塞情況,有時候會出現等車時長遠遠大于坐車時長的情況,導致很多乘客會因為擁擠無法乘坐車輛。將大數據進行合理的使用可以保證公共交通服務質量更好的提高,而且也可以實現對資源的合理分配。對乘客流量進行更加有效的監督測評,乘客也可以借助相關的移動設備比如手機app來對公共設施的運轉情況進行及時的查看。
將大數據應用到智能交通系統中主要具有以下幾點優勢:第一點,可以有效地提升交通運輸的整體速率。大數據具有很強的實時性特點,而且可以讓閑置的數據更加合理高效的使用,借助智能化的設備或者是技術來對交通動態進行及時的監測,進而可以有效地提升交通運行的整體質量。第二點,可以有效地保證交通的整體可靠性和安全性。大數據的實時性能的提高可以有效的提升智能交通在數據處理方面的能力水準。舉個例子來看,在依靠相關的監測設備來對車輛的準入及個體運行狀態軌跡進行有效的探索分析的時候,通過大數據方法就可以更加快速的獲取到海量數據然后進行高效的分析處理和傳輸,在構建安全模型以后對車輛的整體安全性能進行有效的分析,進而有效的提高交通安全的質量。
根據上文所述,我們可以知道智能交通系統的構建和穩定運行可以為交通領域的發展帶來更加多的便利,有效的提升了整體的交通管制質量。科學合理的將大數據技術應用到智能交通之中可以將其優點進行淋漓盡致的發揮,有效的處解決信息量缺乏以及信息孤島的相關問題。大數據和智能交通系統的有效結合,可以進一步降低交通系統的制作成本,使得交通更加智能化,惠及大眾。