大数据在智能交通中的应用与发展 - 安防知识网

随着城市的迅速发展，交通拥堵、交通污染日益严重，交通事故频繁发生，这些都是各大城市亟待解决的问题。智能交通成为改善城市交通的关键所在。为此，及时、准确获取交通数据并构建交通数据处理模型是建设智能交通的前提，而这一难题可以通过大数据技术得到解决。

　　当智能交通遇到大数据，如同二氧化锰在制取氧气的实验中作为催化剂一样，一场剧烈的化学反应加剧了两方的共同发展。

　　智能交通需求与大数据契合

　　智能交通整体框架主要包括物理感知层、软件应用平台及分析预测及优化管理的应用。其中物理感知层主要是对交通状况和交通数据的感知采集;软件应用平台是将各感知终端的信息进行整合、转换处理，以支撑分析预警与优化管理的应用系统建设;分析预测及优化管理应用主要包括交通规划、交通监控、智能诱导、智能停车等应用系统。

　　系统利用先进的视频监控、智能识别和信息技术手段，增加可管理空间、时间和范围，不断提升管理广度、深度和精细度。整个系统由信息综合应用平台、信号控制系统、视频监控系

　　统、智能卡口系统、电子警察系统、信息采集系统、信息发布系统等组成。以达到四方面的目标：提高通行能力、减少交通事故、打击违章事件、出行信息服务。

　　如下是智能交通整体应用架构图：

　　整个系统建设的核心是数据的采集、存储与计算，而其中最重要的核心思想就是“数据是价值”。问题就是如何把数据转换成价值。这就成为一个技术问题。

　　从统计学的角度，任何领域任何动态发展的事物，只要有足够多的样本数据，就一定能从样本数据中找到动态发展的规律。数据越多，准确率越高。这个“规律”就是数据的价值所在。对于商业机构，可以分析用户行为规律从而提高销售量;分析目标市场规律，定点投放广告从而降低成本等等;对于公安行业，可以分析区域性犯罪趋势，提前预防从而降低犯罪率;还可以分析交通行为规律，提前做交通疏导，提高交通通畅率，这就能真正挖掘数据的潜在价值，提高其社会价值。

　　从20世纪初的网络发展以来，进入一个高度联网的阶段。联网的同时，数据高度集中，数据量急剧增加。据IDC报告现在互联网的数据，每两年就翻一番。这个增长率在智能交通行业同样有效，随着卡口、电警、摄像机数量的增加，高清化、智能化的发展，如果再算上物联网的各种传感器，未来几年的数据量增加可能大大高于这个增长率。这就为智能交通行业实现大数据提供了数据基础。

　　从各种各样类型的数据中，快速获得有价值信息的能力，就是大数据技术。由此我们再看IBM归纳的4个V( 量Volume，多样 Variety，价值Value，速Velocity)：

　　1、Volume数据体量巨大。从TB级别，跃升到PB级别;

　　2、Variety数据类型繁多。包括视频、图片、地理位置信息、传感器数据等等。

　　3、Value价值密度低，应用价值高。以视频为例，连续不间断监控过程中，可能有用的数据仅仅有一两秒。

　　4、 Velocity处理速度快，1秒定律。

　　最后这一点也是和传统的数据挖掘技术有着本质的不同。在交通领域，海量的数据主要包括4个类型的数据：传感器数据(位置、温度、压力、图像、速度、RFID等信息);系统数据(日志、设备记录、MIBs等);服务数据(收费信息、上网服务及其他信息);应用数据(生成厂家、能源、交通、性能、兼容性等信息)。交通数据的类型繁多，而且体积巨大。量Volume 和多样 Variety是因，数据类型的复杂和数据量的急剧增加，决定了原有简单因果关系的应用模式对数据使用率极低，完全无法发挥数据的作用;速Velocity是过程，巨大的运算量决定了速度必须快;价值 Value是最终的果。

　　大数据采集

　　在各城市建设智慧交通的过程中，将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，并且呈现指数级增长。以丹东市的卡口电警产生的数据为例：

　　大数据增值应用

　　深入挖掘数据价值，在智能交通、公安实战等行业上推出车辆轨迹、道路流量、案件聚类等大数据模型。基于大数据模型，推出智能套牌、智能跟车分析、轨迹碰撞、人脸比对、舆情分析等数据增值应用，逐步解决行业的深层次问题。

　　海量数据计算

　　通过云计算集群，实现对海量数据的分布式高速计算，支撑对海量数据的高效分析挖掘。云计算集群是一种M/S架构的分布式计算系统，Master作为调度管理服务器，负责计算任务分解与调度、计算资源统一管理。Slave则由大量的计算服务器组成，负责完成Master下发的计算任务。

　　海量数据检索

　　基于行业数据查询特点，对搜索引擎进行优化定制，支持百亿记录的秒级高速查询。通过集群机制，实现搜索服务的高可靠性、高容错性、高扩展性。

　　海量数据存储

　　对于海量数据存储，采用HBase分布式存储系统。相比传统关系型数据库，有四个特点：数据格式灵活、高可用、横向扩展能力强和访问高效。

　　同时能够做到无缝集成，快速从关系型数据库导入已经存在的历史数据。提供高可靠性、高容错性、高性能的海量数据存储解决方案，支持无缝容量扩展。

　　大数据在智能交通中的发展

　　宇视智能交通产品总监孙加君分析，智能交通产品的技术定位近年来有两大显著变化：

　　第一是智能前置，前端的抓拍单元发生了非常大的变化，实现了“一体化”，即所有的交通行为、智能分析行为都由相机来完成。而在2010年前后，抓拍单元还是纯粹的抓拍机，其他智能分析算法由路口工控机或后端设备完成;

　　第二是建设规模，现在一个中小城市建设卡口和电警设备的规模就能达到上千路，抓拍图片的数量规模非常庞大，有的甚至上亿条，如果存储时间较长则达到10亿条，对平台管理、检索这些过车记录，提出了非常大的挑战。

　　宇视副总裁闫夏卿从三个角度阐述智能交通与大数据的关系：首先，从应用成熟度看，在今天无论卡口、电子警察，视频监控是对图像和视频数据进行语意化和结构化处理最成熟、最完整、应用深度最深的领域。智能交通可能是现在新兴技术和应用领域里，率先突破数据应用瓶颈的一个技术领域;

　　其次，从技术角度看，包括大数据、云计算的技术架构，最先在智能交通里落地，智能交通也必将引领整个智慧城市各个子模块的技术潮流和走势;

　　最后，从使用者与应用者关联的角度看，交通的智能化，最终会影响到每一个人骑车、驾车、公交出行的感受。每位市民都能够有非常好的交通秩序体验，这一点就需要智能交通的技术方案去支撑实现。