基于大数据和边缘计算的智慧交通系统应用研究

周俊杰

关键词：大数据;智慧交通;边缘计算

城市交通的发展带动了大数据技术的需求，作为一个重要的大数据处理方案，云计算通过其灵活可拓展、低成本运营以及运维方便等特点，得到了广泛应用和大力发展。然而，高成本、高网络延时以及隐私不受保护等问题，使得云计算难以满足很多系统对大数据处理和分析的要求，特别表现在智慧交通系统应用中。面对一系列的问题，边缘计算技术正好可以为此提供解决方法。

在常用的大数据处理技术架构中，以云为中心的集中式方法存在很多局限，导致难以大面积推广，其表现为：在当下的交通系统所呈现的边缘数据剧增，边缘设备性能飞速提升，云计算的发展速度已经是望尘莫及：在边缘设备的应用环境中，以云为中心的集中处理式架构会加大传输数据带宽的压力，同时过程中消耗增加.成本提升：边缘数据在隐私和网络安全上存在诸多问题，数据处理不及时将存在巨大隐患。所以，边缘计算作为一种新技术，以就近设备源或数据源，将存储、计算以及网络等性能分布式应用，从而快速处理边缘数据得以被广泛推荐。该技术最早是针对5C网络延时等问题研发的一种关键技术，随着不断研究与推广，在物联网以及车联网等新型领域也有不错的表现。边缘计算能将云计算所涉及的问题逐一解决，因此在以边缘设备为主体的智慧交通系统中具有很高的研究价值。

1基于边缘计算的数据处理系统设计

1.1边缘计算概述

边缘计算是一种分布在数据源头或者是终端附近的计算资源，类似于基于本地服务的一种近端计算模式。作为一种开放式平台，其相关设备集存储、计算以及网络应用为一体，从而实现对设备采集的边缘数据实时收集和处理，相较于云计算等相关技术，其具有更低的时延、更小的带宽、更丰富的网络接人、更高的安全性以及更独立等优势。

1.2系统硬件架构设计

在一个完整的边缘计算系统中，边缘设备通过多个采集点来实现数据采集，同时一个采集点单元是一个边缘设备与多个外围设备组成。外围设备便是实现物理数据采集基础设备，通过一定的格式把数据实时地传输给边缘设备，为实现更好的兼容性，边缘设备往往会提供多种无线或有线传输接口和硬件接口，以实现边缘设备和外部设备的通信。当多个外部设备同时向边缘设备进行数据传输时，系统将各自的数据上传，以确保实时性。

如图1所示，在系统中，所有数据都要通过边缘设备进行数据预处理这一步骤，将数据以要求的格式进行上传。所以，系统的边缘计算设备必须选用一个算力足够的微处理器，从而达到硬件整体核心的作用。由上可知，边缘设备必须具有高数据处理能力、海量存储能力以及多兼容通信接口等功能。

1.3系统关键模块设计

1.3.1边缘设备数据采集模块设计

结合实际工作场景的情况以及设计的系统结构，通过对各种传感器的数据采集控制，完成边缘设备和外部设备的数据传输。如图2所示，边缘设备的数据采集部分不仅要有数据预处理接口以及计算接口做模块间的功能协调，还需要把传感器的控制权限和工作状态实时上传到计算中心，从而保证计算中心对系统采集情况的把控。

1.3.2边缘设备数据预处理模块设计

数据预处理是对数据整合的一种方法，目的在于处理后的数据具备有效性和可读性，特别是传感器收集到的一些物理数据难以直接分析和阅读，故要通过边缘设备进行结构化处理。将数据源做预处理，在一定程度上能够确保数据的完整性，特别是避免了传输数据过程中的丢包行为。同时，系统中的预处理可以降低总计算量，从而提高系统计算效率。图3为数据预处理构成图。

数据清洗、变换、规约与集成是数据预处理的核心方法，前两种方法是用于原始数据的处理，后两种方法是把处理后的数据实现降维度或者整合等过程。

在系统采集数据过程中，由于设备本身老化或质量问题，难以避免传感器在高压工作中采集的数据出现缺失和异常等问题。与此同时，数据传输以及存储也存在一定的数据异常概率。所以，数据预处理将系统中异常数据进行清扫，从而保证了数据的有效性，也提高了系统对大数据分析的准确性。

1.3.3数据分析模块设计

完成数据的预处理后，一方面在边缘设备上进行本地保存，另一方面要上传至云端做后面的数据分析。技术发展迅速，数据库和传感器的不断完善，生活场景中的各类数据都可以被保存记录下来。若将这些海量的数据通过一定的技术进行挖掘，从中找出规律等有价值的模型，将具有重大的意义。

人工智能是近年来热门技术之一，在数据挖掘和分析上有很大的优势。其典型的机器学习作为一种统计学习的模型，可以很好地从数据中分析出行为和内在信息并进行区别。同时，还能基于数据和挖掘目标进行分类、预测以及关联规则等操作，为系统后台提供有价值的信息。

系统中的数据分析模块需要结合人工智能技术进行搭建，除自身常规的数据统计分析模块外，系统中统计的分析是由计算中心獨立实现的，而数据模型是由边缘设备和计算中心组成的，即计算中心是用来训练和修正数据的模型，边缘设备是对数据模型的使用以及测试。

将数据采集模块、数据预处理模块以及数据分析模块整合至一起，以实现系统工作流程。系统整体功能架构如图4所示。

2智慧交通发展现状

在早年的技术发展中，交通领域和计算机领域结合的深度研究已是一大热点，如欧美发达国家对智慧交通的研究较早，具有一定的优势。美国最开始从车路协同技术人手，实现了车与车以及车与路的通信，并建立了交通信号的智能控制与管理。随后。它们为减少交通事故建立了智能交通信息网络，能够做到实时处理和综合性管理。而我国智慧交通的发展相对较晚，在二十世纪即便有了一些成果，如出行服务的发展。我国最早为了缓解交通拥堵等现象，着重对数据管理与采集进行了研究。二十一世纪初，为保障交通安全，开始对智能化交通管理进行了更深的研究，各类智能化车辆诱导系统和信息控制系统展现了我国在智慧交通领域的发展成果。

3边缘计算在智慧交通中的应用

3.1信息化智能监管

信息采集是智慧交通监管的重要功能，各大场景都部署了抓拍和视频监控以及传感器等设备，并要及时给出响应。面对城市规模的扩大，数据量的庞大以及实时处理等要求，传统的监管和处理方法已经不适用，因此将基于边缘计算的数据处理系统应用于智慧交通可以很好地应对这些问题。特别是在交通信号控制方面，由于交通信号基本采用预编程的控制模式，很多地方的交通情况较为不规律，交通信号无法根据具体情况调整，若利用边缘计算系统通过实时数据分析，给控制系统提供实时有效信息，便可以控制交通信号完成自适应调整，让整个交通系统具有更高的效率和更超前的智能化。

3.2精准执法取证

智慧交通的另一个重点是准确的执法取证。常规取证需要大量的人力对过往数据进行审查才能有结果，其过程繁杂还不具备一定的时效性，如果传输网络中断或者不稳定会造成取证数据丢失，故边缘设备的本地保存、立即处理等特点对此具有很高的应用价值。此外，结合人工智能技术还能够预判一些违法行为，为取证的准确性提供了保障。

4结束语

智慧交通是数字化城市发展的必然趋势，灵活利用现有的信息技术可以推动智慧交通快速发展。边缘计算、大数据、物联网以及人工智能等先进技术可以在数据通信、收集以及处理上应用于智慧交通的各个场景。将来，智慧交通会往高自适应性和多元化方向不断发展，给人们提供更高效率的便利交通。