基于大数据的智能交通系统浅析

郝 娜， 李 鑫

(石家庄职业技术学院 电气与电子工程系，河北 石家庄 050081)

近年来，我国交通领域出现了多种先进的数据检测设备和方法，包括浮动车数据、智能手机检测数据和北斗卫星导航系统等，这些数据检测手段结合传统视频检测数据、微波检测数据和感应线圈检测数据，共同组成了交通大数据，为解决城市道路拥堵问题制定城市交通规划，进行城市道路交通控制和管理提供数据保障.在大数据时代背景下选择合适的方法对交通大数据进行分析，探索交通大数据在智能交通中的应用具有重要意义.

1 交通大数据的基本概念

1.1 交通大数据的特征

交通大数据与传统交通数据的不同主要体现在其特征方面，结合交通大数据的基本类型，交通大数据的特征为“6V”，具体内容见表1[1].

表1 交通大数据的特征

交通大数据的特征对数据存储、网络通信和数据安全提出了更高的要求.首先，交通大数据体量大，例如高清摄像头每月能产生1.8 TB的数据，中等城市每一年的视频监控产生约300 PB的数据，大量的数据给存储技术带来巨大的压力，也会提高智能交通的建设成本，这就需要借助云存储和云计算技术来解决.其次，交通大数据传输速度快，数据模态多样，需可视化呈现等特点，要求网络通信必须满足大数据的稳定、快速传输，特别是可视化数据的传输，这就要求对现有的有线通信和无线通信资源进行有机结合，最大限度地保障大数据的顺利传输.再次，交通大数据真伪难辨，海量的大数据包含很多错误和冗余信息，为了提高数据分析的有效性和稳定性，必须对大数据进行有效预处理，包括数据识别、清洗、补充和修正等.第四，交通大数据信息量大、价值高，涉及国家安全、个人隐私等，在数据处理、传输、存储和应用过程中安全问题极为重要，必须符合网络安全规范和标准，并遵循隐私保护机制[2].

1.2 交通大数据的来源

随着自动检测技术的进步，当前交通大数据的采集主要应用自动采集技术，按照检测器布设位置、检测区范围的差异，分为固定点数据检测、轨迹线交通数据检测、大空间数据检测3部分[3].

(1)固定点数据检测

固定点检测技术主要是检测固定位置的交通数据，它为智能交通系统的构建提供最基础的数据支撑[4].固定点检测器包括感应线圈检测器、视频检测器、微波检测器、雷达检测器和红外检测器等，所采集的信息将会分批次传输到控制中心，但设备和传输系统的故障将会影响数据质量，所以采集的数据信息必须经过预处理才能应用.

(2)轨迹线交通数据检测

轨迹线交通数据检测技术主要包括车辆自动识别技术和浮动车数据采集技术.轨迹线交通数据检测能够采集车辆所经过的轨迹线上的数据，主要包括车辆的行驶速度、行驶时间等轨迹信息，这些数据为城市道路的交通预测提供了丰富的数据基础，但也存在一些缺陷，车辆自动识别技术所获得的交通信息对于长距离来说，属于历史信息，实时性较差；浮动车收集的数据必须在浮动车设备密度足够大时才有效，并且其GPS系统的定位容易受到建筑物的影响.

(3)大空间数据检测

大空间数据检测技术是指通过航空设备的遥感器检测远距离目标辐射或反射的磁信息，并对目标进行识别和检测.目前这种遥感技术在交通基础设施的信息提取、交通灾害、环境检测和应急方面得到广泛应用.现有遥感技术在交通系统的应用主要以采集静态信息为主，需要采取合适的数据融合技术，综合分析静态数据和动态数据，为交通预测和分析提供新的动力.

2 交通大数据的研究方法

交通大数据多用于交通预测，其主要研究方法分为两大类：一是运用数理统计以及微积分理论的传统预测方法，例如历史平均模型、自回归滑动平均模型，还有复杂程度更高、预测误差更小的多元回归模型，自回归积分滑动平均模型，卡尔曼滤波模型等[5]；二是运用数学模型方法，主要包括非参数回归[6]、谱分析法、人工神经网络方法等，其中人工神经网络分析法应用计算机技术模拟人脑思维功能和组织结构，无需先验知识，根据输入和输出关系建立模型[7]，应用广泛.常用的交通预测方法对比见表2.

表2 常用交通预测方法对比

3 大数据驱动的智能交通系统的优势

(1)检测手段多样

大数据驱动下的智能交通系统通过多种检测器获取海量的交通数据，从而实现对城市交通状况的全面感知，为交通预测分析提供数据支撑.

(2)网络传输快速

海量的交通数据需要进行快速、实时的网络传输，为满足这一要求，智能交通系统构建了有线传输和无线传输相结合的专用传输通道，以保障通信设备的安全运行.

(3)数据处理平台高效

交通大数据传输到控制中心，需要数据处理平台对海量的数据进行高效的预处理、存储、分析和共享，云计算技术利用远程服务器的软件和硬件较好地解决了这一问题.

通过智能交通系统能及时、准确地获取交通大数据，构建交通数据处理模型[8].大数据驱动的智能交通系统包括物理感知层、网络通信层、软件应用平台和综合服务层，其框架如图1所示.

图1 智能交通系统整体框架图

4 完善智能交通系统的措施

(1)建立完善的交通数据检测体系

在大数据背景下，智能交通系统需要海量、多源的数据支撑，因此数据采集设备的更新和研发成为制约其发展的条件.当前，大部分城市的智能交通硬件建设还不够完善，车辆状态的实时获取、环境的智能感知和车路信息交互技术有待提升，要形成对整个路网的智能监控必须加大建设投入，建立完善的交通数据检测体系，为大数据的分析提供基础.

(2)建立精确的交通系统模型

交通系统是一个复杂开放的大系统，必须将机理、数据和知识进行系统化，才能建立更为精确的交通系统模型.大数据的出现，特别是多源交通大数据的有机融合，为交通建模奠定了基础，也为交通模型的完善提供了支撑.有了更为完善的交通系统模型，未来就可以实现交通控制系统的智能化和集成化.

(3)加快智能交通产业化进程

从日渐增长的交通管理需求出发，加快智能交通产业的技术创新，联合相关企业和科研院校，逐步完善智能交通技术的创新体系，把科研成果及时转化为实际应用，并积极开展国际合作，通过借鉴国际先进经验提升国内交通智能化水平.