大数据处理技术在智能交通中的实施探析

张东东

关键词：大数据处理技术;智能交通;实施

引言：探索大数据处理技术在智能交通中的实施，需明确大数据处理技术的核心含义与具体应用途径，并总结当前智能交通行业痛点及需求，以此为基础来构建大数据处理平台，实现对交通情况的全面把握，并建议在进行大数据平台构建的过程中，应关注到城市的切实需求以及整体发展特点，遵循适宜性、经济性的构建原则，以此来发挥出大数据平台的最大价值。

1.大数据处理技术概述

大数据处理技术主要包括以下数方面内容：

1.1大数据采集技术

大数据采集技术主要是借助移动互联网数据、社交网络交互数据、传感器数据、RFID数据等方式来得到海量的、多元化的非结构化、半结构化、结构化的数据。实现其在智能交通中的应用，会涉及到数量巨大、多种多样、产生速度极快的数据，因此会面临诸多的挑战，需保障整体数据采集过程的高效性、可靠性、避免重复性，才可发挥出其最大的价值。

1.2预处理技术

预处理技术针对的是已经获取的数据信息，进行辨析→抽取→清洗→填补→平滑→合并→、规格化→检查等一体化操作。但是由于获取的数据包括各种类型、结构与组织方式，因此在进行数据抽取时，需将比较复杂的数据通过一定的方式来进行简化，才可实现对其的快速处理与分析。

3.存储与管理技术

存儲与管理技术的核心目的在于通过存储器来存储各项数据信息，并以此为基础来构建数据库，实现对其的个性化、系统化的管理，便于其得到有效地利用[1]。

4.大数据处理技术

大数据包括多种应用类型，当前阶段所用的处理模式分为批处理、流处理两种，其中前者是在存储之后再进行处理，后者则是直接进行处理。在智能交通中一般是结合两种技术来综合使用，以此来达到最好的交通管理效果。

2.智能交通行业痛点及需求

2.1智能交通行业痛点

其一，创新技术与用户需求之间不够紧密。交通系统极其复杂且涉及面广，且随着各种交通车辆数量的激增，交通供需矛盾日渐严重，如何提升智能交通运行效率，给予居民更好的出行环境，是当前智能交通面临的主要挑战。但就当前的发展形势来说，很多新技术的应用局限在实验室中，在实际应用时会面临很多的阻碍因素，使得智能交通行业的发展缓慢;其二，建设不够规范、市场混乱。很多城市在智能交通发展进程中缺乏宏观调控与整体规划，导致很多智能设备设施的建设与智能技术的应用不够规范，比如传感器设备的布置与应用，因为传感器设备生产企业缺乏统一的接口标准。标准和规范的混乱妨碍了交通数据的获取，从而无法进行交通流的分析和预测。在高速公路收费系统方面，各省或地区内建设的网络一卡通或不停车收费系统，也没有统一指导和标准，为将来的全国联网造成了困难;其三，观念的普及即落地前的宣传问题。以城市停车问题为例，在城市停车日渐困难的情况下，虽然出现了很多的智慧停车APP，但是因许多智慧停车的软件都仅与各自的合作停车场签约，导致信息分散，APP推广难度大。平台方只能是利用自身的人脉与资源，一个一个小区推进，导致停车问题依旧是智慧交通的一大痛点。

2.2智能交通行业需求

其一，通过大数据处理技术来建设综合交通信息管理平台，以系统智慧、数据智慧来强化交通管理部门的交通管理能力、决策能力，并面向全社会提供各种信息共享服务;其二，建设综合交通协同管理平台，以此来实现交通部门各个层级的上下联动以及左右协同，以此来提供更加全面、优质的交通管理服务;其三，面向城市居民，提供其切实所需的交通信息服务，以此来破解城市交通中的各种困局，解决居民开车难、停车难等问题。

3.大数据处理技术在智能交通中的实施

从以下数个方面来探讨大数据处理技术在智能交通中的具体实施过程：

3.1平台架构

其一，设计平台整体架构。智能交通大数据处理平台是采用前沿的人工智能技术、传感技术、通信技术、计算机信息技术、大数据技术等进行整合，用于交通控制与交通信息管理，注重人、道路与车的协调，组成一个利于保护道路安全、节约能源、优化环境的综合管理系统。大数据管理平台采取的是层次化结构模型来进行系统的设计工作，并将整个平台自上而下分为应用层、资源层、数据感知层三个层次。其中数据感知层用于各个阶段、各个区域、各个卡口的交通信息采集，资源层的任务是管理各项交通数据信息，应用层则是依据以上数据分析结果来合理调配各项交通资源[2]。

其二，各个模块层具体设计。①资源层。就智能交通数据存储来讲，通过数据挖掘技术、数据仓库来进行各项交通数据信息的存储与分析。可选择数据仓库技术，可最大程度地满足平台处理各个方面、各个阶段数据的根本所需，其依靠预设存储，将交通领域存在的异构数据，按照数据的具体结构与类型来进行提取→调用→处理。此外，按照预设仓储模型存放数据在指定数仓库内;②应用层设计。通过SOA来设计智能交通数据平台应用层设计，其主要包括三个小模块：应用实现模块，其主要功能是按照上一阶层的指令来进行数据调度，再通过逻辑编程来实现对应的功能;应用流程模块，整体数据调度需依靠BPFL工具来实现各种数据资源的有效调度，以此来及时的处理各项紧急事件;特殊调度模块，其主要作用是转化自定义调度流程为BPEL流程;③数据表现层。表现层是用户能够直接接触与使用的界面，交警可借助手机、平板与其他终端来浏览对应的交通信息，该层的核心任务在于提升用户与平台系统交互性，因此要求配备简洁的单元控件、界面框架、外观等。

其三，平台功能。①数据采集。通过云计算平台、车联网设备、高清监控、移动通信技术来实现，实现对交通数据信息的在线采集，主要包括路况信息、车辆行驶路径、车辆状态、车辆定位等;②数据分析。对收集到的各项数据进行整理、计算与分析，以此来得到有效的信息，为相关交通决策提供可靠的论证数据，保障交通安全与效率;③数据处理。主要是剔除其中的无效信息，对各项信息的准确性、全面性、实时性等进行检验与分析，确保其满足基本的使用标准[3]。

其四，平台包含系统。平台的应用系统主要包括以下数种：KGIS+系统、道路交通监控系统、电警系统、高清卡口系统、信号机与信号控制系统、信息采集与路况判定系统、信息发布与交通诱导系统、集成指挥系统、交通信息研判系统等。各个系统的综合应用，可使得平台能够处理智能交通中的大部分事务，以此来确保智能交通的长远发展[4]。

3.2采集定位

依托于大数据智能平台，可利用移动通信技术、云计算技术、车联网技术、高清监控技术等数据采集工具来系统、全面的采集交通数据信息，在采集到数据信息之后，依靠Aspera、DataX、Sqoop等工具同步传输到存储平台，其后依靠通用数据库、可视化分析、数据挖掘等数据处理技术，通过相应的计算框架、计算中心与分析软件（Pentaho B.RapidMiner、Apache Drill、Storm、HPCC、Hadoop等）来进行采集信息的分析与处理，最终形成最有价值的信息，最短的时间内完成采集精确定位，为交通管理的判断与决策管理等提供可靠的数据支持[5]。

3.3快速检索

快速检索主要是通过全文检索技术，对海量过车数据进行快速检索，支持精确查询、模糊查询、多条件组合查询。支持千亿过车数据中秒级查询到结果。其具体应用包括以下数个方面：其一，查询卡口机动车。主要查询的是卡口各种机动车的过车记录，并将其纳入到数据管理平台，对该卡口的车流量进行分析、总结与管理;其二，查询外地机动车，可明确各个阶段外地机动车的进入数量，这可利于城市交通管理部门据此来制定对应的管制条例，提升城市的道路管理水平;其三，查詢异常牌照。通过快速检索功能，能够查询该车辆是否出现过车辆超速、车辆超载、逆行、闯红灯等过车记录，并对其采取对应的规制手段;其四，查询布控告警。具体查询内容是黑名单告警、布控告警等;其五，查询红名单车辆，主要查询的是这部分车辆的过车记录;其六，查询未识别车辆。支持根据组合条件对未识别车辆进行查询，未识别车辆包括非机动车辆、没有车辆通过确拍照的、只抓拍下部分车牌的车辆、正确抓拍却未识别出的车辆，可选条件包括卡口、时间段等。

3.4套牌分析

其一，选择适宜监控点，以此来避免遗漏套牌车数据收集与分析，在选择监控点时遵循“最大车流量、最少监控点”的原则，并优选以下监控点：①大型火车站、车站、停车场等比较繁忙的路段或者交叉口;②城市主干道，特别是繁华地带;其二，在大数据平台上构建索引，因不同车牌颜色可能会是同一车牌，为避免误判，选择以车牌颜色、车牌号码为基准构建索引，并存储车辆经过卡口的位置、时间等信息;其三，预设城市布置卡口之间的最短时间，并构建时间矩阵，在监控区域内经过任意两卡口需要的最短时间为两个卡口距离与其最高时速之商，可将其当做套牌车时间阈值;其四，通过布置在各个卡口的高清摄像头捕获途经车辆的车牌号、卡口号、经过时间、车牌颜色等，并将这部分信息上传大数据平台;其五，将实时抓拍车辆的颜色、车牌号等与索引表中的车牌颜色、车牌号一一对比分析;若是比对分析之后发现其存在历史信息，存储其卡口位置、时间即可，然后与其上次经过卡口的时间展开对比分析，若是两次过车时间差小于其途径两个卡口的时间阈值，代表该车为套牌车，若是不小于，则记录为历史数据;其六，若是对比分析显示其无历史数据，则将该次记录作为历史过车记录保存。

3.5轨迹碰撞

轨迹碰撞主要用于解决交通纠纷案件，在案件发生后，交通民警借助该项技术来实现系统的分析，推测嫌疑车辆或者肇事车辆在案件发生之后可能经过的卡口或者地区，其主要应用方式是：通过大数据技术来提取并分析可疑车辆的行车路线，再结合地图来科学地判断其行车轨迹，以此来提升嫌疑车辆搜索效率。此外，该项技术亦可用于查找出租车失物，排查嫌疑车辆的出没地点等。主要应用流程如下所示：

其一，车辆行车轨迹运算。根据车牌号码来进行分组，并按照车辆通过时间来进行排序，聚合各个车辆的整体过车数据，计算其行车轨迹;其二，存储行车轨迹数据。行车轨迹主键为：“时间→卡口→过车信息”，行键为“时间→卡口→车牌”，构建车辆行进轨迹数据序列，上传至大数据平台，通过平台信息研判系统来判断其是否出现违法犯罪行为。

3.6车辆频度

其一，通过大数据平台中储存的车辆通过记录，总结出一段时间内通过各个卡口的车辆数量、车辆信息（包括车辆号码牌、车辆颜色、车辆出现区域、车辆行驶记录、车辆违法记录等），以此来协助交通民警来正确的判断其中是否存在异常车辆，避免出现比较严重的违法案件;其二，通过对各个卡口车辆频度的检测来判断城市各个区域的车流量，从而能够为后续城市交通管理与辅助交通设施建设等提供相应的数据信息，以此来提升城市发展战略制定的有效性，利于改善城市当前的交通环境，促进城市的健康发展。

结束语：

综述，文章就大数据处理技术在智能交通中的实施进行了论述与分析，并从平台架构、采集定位、快速检索、套牌分析、轨迹碰撞、车辆频度六个层面来进行了探究，强调了大数据处理技术应用的必要性与意义，并建议给予其足够的重视，实现其在智能交通发展进程中的广泛应用，以此来维护城市交通健康发展，为城市居民提供更加优质的出行环境，并最大程度地降低交通违法行为的发生。

参考文献：

[1]刘寒溆.大数据处理技术在智能交通中的应用探讨[J].企业科技与发展，2020（11）：83-84+87.

[2] 陈剑，张志华，伍乙生，傅志铭.大数据技术在高校智慧校园建设中的应用[J].微型电脑应用，2021，37（07）：79-81+89.

[3] 王一帆.关于数据处理中的云计算技术应用[J].互联网周刊，2021（22）：46-47.

[4] 程德巧，林雄凯，王芳宇.大数据处理技术的比较及建议[J].商讯，2020（01）：153+155.

[5]沈正荣.大数据处理技术在智能交通中的应用[J].智能城市，2020，6（07）：164-165.DOI：10.19301/j.cnki.zncs.2020.07.093.