城市智能交通大數據平臺的模型庫研究與設計分析

馬寧博

摘要：智能交通是城市現代化發展的一個重要方向，智能交通最大的外在表現是應用通信、計算機等高新科技逐步建設與應用模型庫、知識庫等，一方面顯著提升了交通系統的運行效率，另一方面也增強了地面交通網絡的安全性。該文首先分析交通大數據平臺的模型庫的基本功能，包括記錄過車及車輛違規行駛數據、對接信號控制系統等；其次從不同方面探究主要模型庫的設計方法，有交通狀態識別、交通專題分析、跨專題式大數據分析挖掘模型這3種；最后探討交通仿真與該文所設計功能性平臺的融合問題，統計并分析了區域內車輛仿真結果，證實了該研究設計平臺的科學性、有效性，具有一定推廣價值。

關鍵詞：城市智能交通??大數據平臺??模型庫設計??技術應用

中圖分類號：U495???文獻標識碼：A

Research?and?Design?Analysis?of?Model?Bases?of?the?Urban?Intelligent?Transportation?Big?Data?Platform

MA?Ningbo

（Hefei?Municipal?Design?and?Research?Institute?Co.，?Ltd.，?Hefei，?Anhui?Province，?230000?China）

Abstract：?Intelligent?transportation?is?an?important?direction?of?urban?modernization?development.?The?biggest?external?manifestation?of?intelligent?transportation?is?to?apply?high?and?new?technologies?such?as?communication?and?computer?to?gradually?construct?and?apply?model?bases?and?knowledge?bases，?which，?on?the?one?hand，?significantly?improves?the?operation?efficiency?of?the?transportation?system，?and，?on?the?other?hand，?also?enhances?the?safety?of?the?ground?transportation?network.?Firstly，?the?paper?analyzes?the?basic?functions?of?the?model?base?of?the?traffic?big?data?platform，?including?recording?the?data?of?passing?and?illegal?driving?of?vehicles，?docking?the?signal?control?system，?etc.?Secondly，?it?explores?the?design?method?of?the?main?model?base??from?different?aspects，?including?traffic?state?identification，?traffic?thematic?analysis?and?cross-thematic?big?data?analysis?and?mining?models.?Finally，?it?discusses?the?integration?of?traffic?simulation?and?the?functional?platform?designed?in?this?paper，?and?counts?and?analyzes?vehicle?simulation?results?in?the?region，?which?confirms?the?scientificity?and?effectiveness?of?the?platform?designed?in?this?paper，?and?has?certain?promotion?value.

Key?Words：?Urban?intelligent?transportation;?Big?data?platform;?Model?base?design；Technical?application

我國城市智能交通已經有20多年的發展歷程，早期研究主要集中在交通信號管控、信號配時算法研究上，逐漸過渡值交通信息收集、行程速度測算、交通狀態辨識等方面，現如今朝著模型庫、知識庫的構建與應用領域全力進軍。很多一線城市陸續做出構建交通決策支持系統、數據庫等的提議。各地城市在積累大量道路交通、公共交通等數據后，急需以大數據平臺作為支撐規劃建造模型庫，以為城市交通管理、決策等提供可靠依據。

1智能交通大數據平臺模型庫的功能需求

大數據平臺在長期使用過程中其上積累了大量的交通違法數據、道路信息等，傳統的關系型數據庫在數據保存、處置等方面逐漸不能滿足數據應用需求。關系型數據庫分析智能交通轉向場景的規律時，很難在不同維度數據類型之間構建良好的關聯性。建設與應用模型庫的宗旨在于整合處理結構或半結構化的交通數據，故而基于交通大數據平臺創建的模型庫具備如下幾點功能。

（1）過車數據：處于行駛狀態下的車輛經由卡口、電子警察等視頻采集點時，能快捷精準地錄入車輛的結構化數據，包括車牌號、顏色及車型等；（2）違規行駛信息：前段安裝的采集儀能由各路口收集車輛是否闖紅燈、壓線、違法停車等信息，并運用視頻采集點或固定源能動態采集車流量信息；（3）對接信號管控系統，及時獲得系統的相位調控等信息[1]。

2主要模型庫類型的研究與設計

2.1交通狀態識別模型

經過科研人員的不斷探索和反復應用后發現，建立完整的系統模型后，模型內部的相關結構在發揮自身實用功能的基礎上，利用先進的大數據處理技術，能夠達到預設的工作要求。對于未來社會交通運輸紅綠燈狀態的判斷、識別，交通運行情況的判定奠定了堅實的基礎，管理人員應利用自身知識完善模型的計算方法。

結合現行規范，依照下式運算出道路交通指數[2]：

分別表示的是路段、行程車速。

取值范圍0～100，如果最終運算結果＜0，則取=0。

整合里程長度與車道數兩大因素，應運用下式計算：

進一步了解后發現，路段i的車道總數由代表，路段I的整體長度由表示。

據有關資料顯示，管理人員通過共同探討后發現，并緊密聯系現實的評估需求，相關人員應在風險可控的情況下對不同因素條件進行分析整理，并采取適宜的加權計算方法對其進行統籌規劃。

從宏觀層面上，被分成4級，取值范圍是[0，100]、0≤＜30、30≤＜50、50≤＜70、70≤＜100分別對應1級、2級、3級、4級，交通運行狀態依次是暢通、較暢通、擁堵、嚴重擁堵。

2.2交通專題分析模

2.2.1機動車出行量預測模型

運用數據庫內控制子系統存儲的既往數據，整合模型庫內的交通流預測模塊，管理人員應采用適當方法對不同地區的交通區域及居民小區內部的機動車輛現實出行情況進行全面分析并統計，并結合不同期間的特定區域機動車出行量和運行規律進行分析和預測，通過專業人士的全面分析和判定構建完整的交通運輸方案和運輸管理體系，為后期交通運輸管理工作的平穩發展奠定夯實基礎。

2.2.2公交出行量預測模型

具體來說，科研人員應合理提取完整的數據庫及公交系統內部留存的諸多數據信息，通過交通運輸系統內部的預測模塊和模型數據條件進行統籌規劃，預估現有交通小區公交出行數量，能迅速地預覽該市多年以后的公交出行占有率，使相關部門規劃公交線網、設計公交發展方向等更能有據可依。

2.2.3區域交通信號配時模型

操作人員應順應時代發展潮流，運用合理的方式對交通運行區域的地理數據信息進行自動更新和完善，全面反映市政道路網絡內部機動車輛的運行情況，在系統內動態呈現市政道路網絡設施使用狀態，并且和數據庫內多個路段的交通參數之間建立可靠關聯性，幫助決策人員在最短時間內獲取城市道路的交通運輸線路和重點通行區域，通過相應的線路交叉點，結合市政及路政管理部門的法律政策法規，對相關區域的交叉區域進行系統擴建，并根據重點瓶頸和交通運行路線進行整合，為后期區域交通運輸管理工作創設諸多有利條件。

2.2.4公交線網合理性分析模型

管理人員應結合自身知識充分熟悉城市區域的公共交通路線運行數據和相關信息，并采用適當手段對運輸系統內部的各種空間投影情況進行全面規劃，對不同類型的道路運輸系統綜合管控后，要求運輸人員全面使用公交運行系統的使用頻率和次數，保證公交系統平穩運行的基礎上，為決策者提供完整的公共服務盲點及其他情況，在各個交通運輸管理人員充分交流后，制訂安全合理的公共運輸系統規劃圖，并重點闡明公共交通運輸區域的基礎設施擴建區域和存在的主要問題。例如：進行遠期交通運輸管理方案工作中，管理人員應通過實驗方式對公共交通運輸系統的網絡布局線路進行優化調整，通過一系列的仿真處理和實踐應用，對系統內部的各類功能進行集中管理，以保證公交運行系統得到實施效果能夠達到最佳。

2.2.5物流運輸模型

物流運輸管理人員應根據物流運輸的條件和供給特點，對物流運行條件的各種情況和實施計劃進行歸類，系統掌握當地市區物流的發展情況，對政府倡導的法律政策進行全面了解，并重點關注廣大人民群眾的生活需求，對物流運行信息進行綜合管控后，從多元保證物流資源的完整性、真實性，保證所有資源能夠真正發揮自身實用價值，促進不同地區物流運行信息效率進行優化和改進[3]。

2.2.6停車泊位以及運行模型

管理人員應充分利用先進的計算機處理技術，結合前期各類系統平臺采集的車輛停泊信息及大量有價值的數據，通過合理方式進一步對不同城市地區機動車輛的停泊信息進行自動監測及定位處理，統籌規劃車輛的服務管理水平、運行的安全情況，收集各類圖表后制定完整的配建停車場平面設計圖，從側面反映停車場當前存留的服務性或者容量性問題的停車“黑點”，繼而建立完整的停車智能導向處理系統平臺，在保證不同停車場內的實際車輛資源及相關價值被完全挖掘后，促使整個公共交通運輸系統及相關基礎設施的運行處于平穩均衡狀態，以滿足相關地區城市交通運輸條件在特定區域的停車需求。除此之外，應系統獲取不同停車場內部停車的周轉情況，充分了解周圍道路架構的交通實際需求，確定與之相宜、價格合理的車位收費費率等價格后，提升城市交通運輸管理水平。

2.2.7自行車用戶使用分析

進一步了解后發現，此個模塊應切實結合大量共享單車的運行基礎數據，真正解讀并挖掘與之相應的交通系統運行規律后，結合數據分析結果能更科學地規劃公共交通的延伸線，填補慢行交通內存在的“空位”以及控制共享單車的投放量等。

2.3跨專題式交通大數據分析挖掘模型

大量實踐表明，此個模型的主要功能如下，即管理人員利用適當手段對相關操作平臺的交通數據信息進行挖掘，收集、分析及應用管理，全面尋找各類數據信息及壓縮包的模型應用特點，在各類模型的協助下，深度挖掘分析交通運行數據，進而為各級地方政府部分有效決策、現代企業科學管理控制、社會群眾便利出行等提供數據支持和相關服務項目。

2.3.1數據關聯分析模型

相關人員應全面掌握各種大數據關聯理論，進一步掌握相關數據理論的內涵后，真正掌握不同子系統灰色關聯度的概念，其宗旨是運用某種方法摸索到系統內子系統（或者因素）之間在數理層面上存在的關系。灰色關聯度分析即在系統發展及應用過程中，若存在著兩個因素改變的態勢是一致化的，實質上就是同步變化程度處于較高水平，那么就可以據此認定兩者之間存在著較大的關聯度，反之則代表其關聯度偏小。從以上視角出發，灰色關聯度分析量化了某一系統的發展改變態勢，在動態化歷程分析領域表現出較高的適用性。

該文這里所提及的“關聯程度”，和曲線間幾何形狀的差別程度之間對等。故而，可以把曲線間差值大小設定為衡量關聯程度的基準。針對單個參考數列其存在著數個對比數列，，…，，在每個時間點（即曲線內的各個點位）各個對比數列和參考數列之間的關聯系數可以運用下式計算得出[4]：

2.3.2綜合數據包絡模型

數據包絡方法是一種經典的非參數統計方法，其應用過程中把相對效率概念設定為基礎依據，主要被用在評估具備同類型的多投入、多產出的決策單元是否達到技術有效性。假定存在著個部門或單位（被叫作決策單元，），這個決策單元自身均具備一定可比性。已知各個決策單元均存在著種不同類型的“輸入”（代表著這種決策單元對既有“資源”的耗費情況）與種類型的“輸出”（其是決策單元消耗了一定量“資源”后，表示“成效”的部分指標）。依照前期構建出的指標體系，常規做法是分別把負向指標、正向指標分別作為“輸入”“輸出”指標。在這里存在著存在的關系等式：，其分別代表的是的輸入向量與輸出向量，分別對應的是種投入與種輸出的權向量，均是變量。分析并考察的效率測評相關問題：把的效率測評指數設定成目標，把全部決策單元的效率指數，作為約束條件，共同組成如下規劃問題[5]：

綜合以上內容，可以將分式規劃問題轉變成線性規劃問題：

3交通仿真與平臺之間的融合

設計于智能交通大數據平臺上融合運用VISSIM、VISSUM、Trans?CAD等仿真軟件，達到實時數據共享、仿真決策管理等實用性功能。

主要功能構建見圖1，涉及的功能模塊有如下幾大類型[6]?。

1. 動態路徑篩選和交通流配置：具體是以局部路網環境、交通信息供需辦法、交通管理手段等為基礎等，仿真規劃出車輛行駛狀態，動態仿真車輛當前的行駛行為。

（4）車輛仿真結果輸出：運用呈現界面，科學分析并精準輸出車輛運行軌跡、路段和區域路網狀態等仿真成果。

4???結語

近些年，國內很多城市交通供需矛盾日益顯著，普遍存在著交管執勤警力不夠問題，相關部門應精準掌控交通道路擁堵狀況，有效控制道路交通流，迅速智能處置交通事件，深度挖掘分析海量交通數據，進而為交通智能化管理控制提供可靠支持。該文以智能交通大數據平臺作為基礎建設了模型庫，該模型庫內有效處理分析交通運輸期間形成的數據信息，進而為相關不猛管理決策提供可靠依據，具備較高的推廣價值。

參考文獻

[1] 廖云.基于大數據平臺的城市軌道交通多專業智能運維系統構建探討[J].控制與信息技術，2021（5）：1-5.

[2] 閆鵬，張林.基于Hadoop平臺的交通大數據智能特征分析研究[J].華北理工大學學報（自然科學版），2020，42（3）：80-88.

[3] 梁元貞.大數據技術環境下的智能交通數據分析平臺系統設計[J].價值工程，2020，39（15）：243-244.

[4] 龔，廖金花.區塊鏈技術的城市智能交通大數據平臺及仿真案例分析[J].公路交通科技，2019，36（12）：117-126.

[5] 羅超.以大數據融合交通多業務管理的神兵利器：評測科達智能交通大數據平臺[J].中國公共安全，2019（Z1）：116-117.

[6] 劉冬梅，王文靜，楊子帆，等.互聯網+時代眾包交通大數據應用機制研究[J].公路交通科技，2018，35（7）：120-127.