车联网应用：大数据与智能交通

□ 文/王 锴

车联网应用：大数据与智能交通

□ 文/王 锴

根据高德发布的《2016年度中国主要城市交通分析报告》显示，全国有1/3的城市高峰通勤受到拥堵的威胁，报告调研的60个主要城市中有32个城市高峰拥堵延时指数超过1.8，即，正常情况通勤30分钟在这些城市会增加24分钟，达到54分钟。交通拥堵的状况已经从北上广深等一线城市向中小城市蔓延。

智能交通系统便是为了缓解交通拥堵，提升管理效率而生，这是车联网技术的基础应用。过去的智能交通建设侧重于交通设施建设，比如：通过建设电子警察来减少交通违法，建设信号控制系统来管控车流，树立交通诱导屏来引导出行，设置标志标线来规范驾驶行为等等，这些手段对于改善交通状况起到了很大的作用，而且很大程度上缓解了交通管理部门人力上的不足，但是随着汽车保有量的持续增加，通过这些“点”的方式已经很难解决复杂的交通问题，必须将移动中的所有交通工具作为一个大网络，从车联网的角度来考虑解决问题的方式。交通信息化建设已经积累了大量的交通数据，能否通过这些躺在硬盘里的“死”数据，帮助交通决策者制定精准、有效、合理的应对策略？大数据分析技术的日趋成熟为解决这些问题提供了可能。

各城市建设智慧交通的过程中，已经产生越来越多的视频监控、卡口电警、路况信息、管控信息、营运信息、GPS定位信息、RFID识别信息等数据，每天产生的数据量可以达到PB级别，并且呈现指数型增长，目前这些数据仅仅是存储在硬盘里面，如何创造条件让这些数据“说话”是优先要解决的问题。

构建交通大数据中心

目前各类涉及交通的数据都局限于垂直单一的业务系统和应用部门中，与邻近业务部门所管辖的系统缺乏共通联动。这种分散的局面导致城市交通综合治理呈现碎片化的态势，产生交通信息分散、信息缺乏权威等问题。通过交通大数据中心的建设，有助于建立综合性立体的交通信息体系，构建交通信息集成利用模式，发挥整体性效能。交通大数据中心的设计要符合以下应用需求：

以数据为中心

围绕从数据采集、数据清洗转换、数据分析，到数据查询整个生命周期构建大数据系统。完成数据一致建模、集中存储、统一管控，并提供数据服务进行资源共享：数据本身共享、数据分析能力共享。

以融合开放为基础

具有融合开放的架构，支持多种数据源（部门内部、公众数据、互联网数据）、多种数据格式，以及结构化数据、非结构化数据分析处理能力；对外以服务化方式开放，既能使用其他系统的服务，又能开放自身能力。

以挖掘算法做支撑

需要丰富的算法支撑警务应用的创新，从集中过来的大量数据中发现其价值；让数据智慧起来，方便警务人员及时准确地做出决策。

重视数据安全与隐私

大数据体系具有很强的开放性，要确保数据的安全和隐私。要在整个平台生命周期内建立安全、隐私的数据保护体系，并在连续监测、身份认证、授权、凭证管理和支持从安全设备到安全数据转化的密码学等领域，采取全面的解决方案，以确保数据在被安全授权的情况下方可使用。

大数据中心整体框架如下图，主要分为交通大数据资源中心和交通大数据计算中心。

交通大数据资源中心主要负责对各类交通数据进行统一的存储和管理，整体架构采用云存储架构，能够实现对数据的高效存取和组织，为大数据分析计算提供可靠的数据保障。

云储存系统解决了城市级海量数据存储和检索难题，以视频、图片文件存储和管理为核心，可面向大规模数据密集型应用。云存储系统以网络智能存储为载体，通用的X86架构应用服务器为元数据管理服务器，来实现存储节点能够根据业务需要扩容，存储节点间容错等高级特性，具有高性能、高容错、高可用的特点。云存储系统属于基础平台支撑层，以用于数据集中存储和共享，实现对数据的统一管理和高效应用。将数据逻辑集中物理分散，以提供多并发高吞吐带宽，最大程度降低系统访问瓶颈。

交通大数据计算中心通过开放、高效的计算框架，实现对交通数据的预处理和计算，可以支持mahout与R语言、SAS等主流数据分析技术，实现第三方智能算法的快速开发和部署。

数据处理和数据服务

统一数据采集手段，通过一套完整的数据整合作业工具，能够依托于数据元标准化管理与数据建模，有效实现面向多结构资源下标准化采集，摒弃原有多种采集工具并存下管理难，运维难的局面。

智能分析算法结合大数据分析平台技术架构实现分布式并行计算分析，可对大量视频、图、结构化数据进行处理，并提供快速提取运动车辆和人像特征的能力，实现快照看、智能变速看、浓缩看、图片以图搜图、语义搜索等高级功能，节约大量的视频研判分析时间，并可以通过智能分析实现实时自动报警，从而提高对各类交通事件、案件的查证能力，提高交通管理的效率和水平。

通过对不同大数据业务的封装，主要为上层业务提供基于Restful接口方式、HTTP方式、程序API方式、SQL接口等方式，来使用平台的大数据分析服务，主要分为：

（1）视频检索服务

（2）数据挖掘服务

（3）智能分析平台服务

（4）车辆数据分析服务

（5）开放交通视图数据，供第三方应用二次开发，形成交通大数据应用生态圈；

按照业务数据的类型来提供不同的共享和调用方式：

（1）实时消息交换

对于汇集的业务数据进行转发时，系统只提供被动接口采用主推送式。主动推送需要支持对异构接口的调用，并具有断点续传与数据补功能。

（2）数据库交换

对于汇聚的文本数据提供标准外部访问接口（如Webservice接口），供外部系统调用。

（3）文件共享

对于汇聚的文件提供标准外部访问接口（如FTP接口），供外部系统调用。

基于交通大数据的业务应用

主要通过对大数据中心汇聚的各类交通信息进行综合研判分析，包括各类基础数据的研判分析、交通事故数据研判分析、重点车辆关联分析、实时交通仿真预测，针对应急方案、组织方案、控制方案的合理性和适用性进行评估等，研判分析的结果可以为管理决策提供数据支持。

交通运行态势分析

（1）实时拥堵情况分析研判：根据城区道路交通拥堵情况，计算出平均车速、拥堵时长、拥堵距离等数据。同时，将实时拥堵情况发布至交通诱导系统；

（2）拥堵态势精细化描述比对：在从时空方面分析拥堵态势的基础上，从交通专业的角度分析拥堵情况下具体交通参数变化情况，计算出平均车速、拥堵时长、拥堵距离等数据，实现拥堵态势具象化，支持未来交通专业化分析，并对拥堵路段、拥堵区域进行排名；

（3）拥堵路段分析研判：按照不同周期，分析任意周或者任意月的工作日或者非工作日早晚高峰和低平峰时段的交通指数和拥堵时长，统计出拥堵路段。路段拥堵详情是选中路段点击详情分析功能，该功能展示路段的基础信息，并在地图上将路段标示出来，最后统计分析得出该路段不同指标的24小时趋势对比、周趋势对比、月趋势对比；

（4）进出城车流分析研判：通过获取各个进城卡口的车辆信息，可以从进城车的来源和类型两个维度来分析。进城车的来源分为本地车和外地车，车辆类型分为大型车和其他车型，分别从进城车流占比、进城车流在各个卡口的排名、24小时进城车流趋势、进城车流日趋势来分析。

（5）交通参数预测：根据前几个时段的交通参数，并结合上下游路段交通参数的变化规律，建立交通参数预测模型（如历史趋势法、时间序列法、卡尔曼滤波、BP神经网络等），对未来时段交通参数进行预测，包括路口交通参数预测和路段行程时间预测等。

交通秩序分析研判

用于提取道路交通违法处理系统数据，对道路交通违法情况进行分析。功能包括：

（1）交通违法时空特性分析研判：在违法时间段分析的基础上，增加分析维度，从辖区、违法类型、违法地点、违法号牌、违法日期、违法来源六个维度来分析交通违法情况，包括违法次数统计分析、违法记分趋势分析、同期变化、违法行为趋势分析、发生违法行为的机动车总量、某时间段内指定机动车违法次数、发生指定违法行为的机动车数量、指定机动车指定违法行为数量等，以图形、表格的形式直观展示，并给出分析结论；

（2）交通违法与安全联合分析研判：在针对交通违法类型统计分析的基础上，与交通安全分析研判联合分析，给出交通违法行为与事故的关系，根据交通违法行为的变化情况确定安全态势等级，评价当前交通运行安全状态以及预测未来演变趋势，对安全态势等级达到预警级别的自动提示；

（3）违法高发单位分析研判：违法高发单位分析可以从月度、季度、半年度、年度对违法行为数量前50名的违法单位进行统计，并可对违法单位的违法车辆从违法行为和违法号牌两方面进行统计，交警据此名单可以对相关单位进行宣传教育；

（4）交通违法统计排名：对机动车违法TOP排名、驾驶人违法TOP排名、愈期3个月未年检车辆TOP排名、多次违法未处理车辆TOP排名等进行统计排名。

交通安全分析研判

对道路交通事故基本情况进行分析，对交通安全态势进行综合评价，实时评价交通运行安全状态以及预测未来演变趋势，对安全态势等级达到预警级别的自动预警提示，主要功能包括：

（1）交通事故时空特性分析研判：对道路交通事故发生地点（一般公路、高速公路、快速路、主干道、次干道、支路或城区道路、农村道路、所属行政区域等）、发生时间段（白天、夜间、早高峰、晚高峰、平峰等）进行分析。

（2）交通事故态势分析研判：对一定时期（周、月、季、年等）某区域的交通事故进行环比、同比分析，为交通安全态势分析研判提供数据支撑，也可作为考核辖区大队、辖区中队道路交通安全管理工作的依据；对事故时间分布、伤亡人员以及驾驶人驾龄、事故黑点、车辆类型、事故形态、事故违法、事故天气、事故原因进行统计分析，找出路段或交通事故的主要增长点，研判分析交通事故状态及趋势。根据交通事故数量变化情况确定安全态势等级，评价交通运行安全状态以及预测未来演变趋势，对安全态势等级达到预警级别的，自动预警提示；

（3）事故黑点分析研判：对过去一个时间段（周、月、季、年等）某路口、路段道路交通事故数量、类型及发生原因（人、车、路、环境等）进行分析，为事故黑点排查和事故预防工作提供数据支撑；

结束语

大数据时代的到来为智能交通和车联网领域带来了新的机遇与挑战。过去看似杂乱、无迹可寻、碎片化的交通问题正在通过大数据技术逐步变的清晰，为交通管理部门整体掌握交通运行规律，制定精细化的管理策略提供了有效的技术手段。由于我们过去忽视对交通数据的挖掘，因此必须建立起一整套围绕数据运用的技术体系和框架，同时交通管理部门还必须从“领导决策”的传统管理方式，向“数据决策”的科学管理方式转变，管理理念的变革必须与技术的变革相适应才能发挥出其应有的作用。

作者单位：浙江大华技术股份有限公司