城市交通大数据技术及智能应用系统.docx

《城市交通大数据技术及智能应用系统.docx》由会员分享，可在线阅读，更多相关《城市交通大数据技术及智能应用系统.docx（16页珍藏版）》请在课桌文档上搜索。

1、摘要：城市交通大数据具有种类繁多、异质性、时空尺度跨越大、动态多变、高度随机性、局部性和生命周期较短等特征，如何有效地采集和利用交通大数据，满足高时效性的交通行政监管、交通企业经营管理、交通市民服务等应用需求，是城市交通和智越城市面临的前所未有的机遇和挑枝。重点分析总结r城市交通大数据的若干研究内容及核心技术，提出了城市交通大数据智能应用系统解决方案，列举了几种典型应用，在城市交通和智微城市领域的大数据研发和应用领域进行了初步探讨。关键词：城市交通；大数据：云计算；物联网I引言2015年两会上，“大数据(bigdata)”一词首次写入政府工作报告。在交通领域，大数据直被视作缓解交通压力的技术利

2、器。应用大数据有助于了解城市交通拥堵问题中人的出行规律和原因，实现交通和生活的和谐，提高城市的宜居性，为政府精准管理提供基于数据证据的综合决策I。同时，大数据的挖掘和使用还有利于催生信息消费新模式，促进信息消费产业发展。随着手机网络、全球定位系统(g1.oba1.positioningsystem,GPS)/北斗乍我导航、车联网、交通物联网的发展，交通要素的人、车、路等的信息都能够实时采集，城市交通大数据来源日益车友2。在日益成熟的物联网和云计算平台技术支持卜.，通过城市交通大数据的采集、传输、存储、挖掘和分析等，有望实现城市交通体化，即在个平台上实现交通行政监管、交通企业运营、交通市民服务的

3、集成和优化3“城市交通大数据的集成与分析技术研究，对我国智慧城市的发展具有战略性意义。交通大数据具有种类繁多、异质性、时空尺度跨越大、动态多变、高度随机性、局部性和有限生命周期等特征，如何有效地集成交通大数据，满足高时效性和知识牵引等城市交通智慧化需求.是各个大中城市所面临的前所未有的发展机遇和挑战48.本文首先荷维介绍了大数据的发展状况及由垮，然后重点分析总结了城市交通大数据的若干核心技术，并提出城市交通大数据的智能应用系统解决方案，最后重点列举几种典型应用.2大数据的发展状况及趋势近年来，数据的快速增长成了许多行业共同面对的严峻挑战和宝贝机遇，信息社会正在进入大数据时代。大数据指的是涉及的

4、资料量规模巨大到无法透过目前主流软件工具在合理时间内达到感知、撷取、管理、处理和服务的数据集合。从2009年左右开始，“大数据”开始成为互联网信息技术行业的流行词汇。根据比联网数据中心(IDC)估测，数据一直以每年50%的速度增长(大数据摩尔定律)，这意味着人类在最近两年产生的数据量相当于之前产生的全部数据量,预计到2020年，全球将总共捕有35亿GB(35ZB)的数据.大数据处理的数据规模从TB级上升到PB、EB甚至ZB级，人们面临着如何降低数据存储成本、充分利用计算资源、提高系统并发吞吐率、支持分布式非线性迭代算法优化等众多难题。为应对大数据的发展趋势，更好地为行业用户和个人提供数据分析的

5、服务，亟需构建各类不同的大数据平台，支持用户对数据的多种需求。构建大数据平台就是要将不同渠道、不同来源、不同结构的数据进行有机的整合。与传统数据平台不同的是，大数据海量的规模、多样的类型、快速的流动和动态的体系以及巨大的价值是大数据平台构建需耍重点考虑的几个因素.除此之外，数据的分类存储、数据平台的开放性数据的智能处理以及数据平台与用户的交互都为大数据平台的建设带来前所未有的挑战。大数据平台处理的数据类型是多种多样的。目前这些平台的搭建已经有了些有代表性的成果，如Goog1.e公司的Freebase、微软公司的Probase、国内著名的中文信息结构库一中国知网。在商用数据平台方面，IBM公司的

6、InfoSPhCK大数据分析平台、天睿公司的TCmdata统一数据环境以及由国内天猫、阿里云、万网联合推出的国内首个电商云工作平台聚石塔是3个典型的数据平台。“大数据”本身是一个现象而不仅仅是一种技术，这是信息科技历史发展的必然结果。大数据的采集、传输、处理和应用所需的相关大数据处理技术，是通过系列地使用非传统工具来对大量的结构化、半结构化和非结构化数据进行处理，从而获得分析和预测结果的系列大数据处理技术。大数据技术的战略意义也不仅在于掌握庞大的数据信息，而更在于对这些含有意义的数据进行专业化处理。换言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键在于提高对数据的“加工能力”，通过“

7、加工”实现数据的“增值”。大数据领域已经涌现出了大量新的技术，它们成为大数据采集、存储、处理和呈现等功能的有力武器。大数据发展呈现以下趋势.（1）基于云计党的数据分析平台云计算为大数据提供了可以抑性扩展、相对便元的存储空间和计算资源，使得中小企业也可以像亚马逊公司样通过云计算来完成大数据分析。云计算IT资源庞大、分布较为广泛，是异构系统较多的企业及时准确处理数据的有力方式，甚至是唯一的方式。大数据要走向云计算，还有赖于数据通信带宽的提高和云资源池的建设，需要确保原始数据能迁移到云计算环境以及资源池可以随需弹性扩展。（2）数据分析集逐步扩大，企业级数据仓库将成为主流当人们从大数据分析中尝到甜头以

8、后，数据分析集就会逐步扩大。R前大部分的企业分析的数据量一般以TB为堆位。按照目前数据的发展速度，数据量很快将会进入PB时代。特别是目前在100500TB和50（HTB范闱的分析数据集的数砥会成倍增长.随着数据分析集的扩大，以前部门层级的数据集将不能满足大数据分析的需求，它们将成为企业级数据库（EDW）的一个子集。因此，企业内的数据分析将从部门级过渡到企业级，从面向部门需求转向而向企业需求，从而也必将获得比部门视角更大的益处.随着政府和行业数据的开放，更多的外部数据将进入企业级数据仓库，使得数据仓库规模更大，数据的价值也更大。（3） Hadp对MaPRCdUCC的依赖程度越来越小Hadoop是

9、个能够对大量数据进行分布式处理的软件框架,能够处理PB级数据，具有高可靠性、高扩展性、高效性和高容错性等特点。其新版本不只为MapRcducc服务，而是和CIO1.KIera的ImPHhI一样用一个SQ1.隹询弓I擎或者其他的方法来皆代MapRcduccHBascNoSQ1.数据库就是Hadoop离开MapRcducc约束后的个很好的例子。未来HadoOP平台将在大数据处理中发挥越来越重要的作用。3城市交通大数据3.1 城市交通大数据的主要研究内容城市交通大数据的研究内容主要包括以下方面。（1）时效约束的大数据多尺度汇聚计算和动态图谱交通大数据存在多源、异质、局部性、时空关联、异步性、信息稀疏

10、性和并发性等特点，而城市交通系统存在着对大数据汇聚处理的高时效性以及对“大而信息稀疏”的交通大数据的援域知识牵引要求。现仃的数据融合、计算理论与方法难以满足而时效性的大数据处理和基r数据的知识构建与转换等需求，亟需提出时效约束的大数据多尺度汇聚计算和动态图谱的交通大数据处理新理论与新方法。（2）高维空间的隐性知识序贺挖掘与演化模型交通主体、行为、态势、路网拓扑和环境形成J高维生态系统闭空间，相互之间存在若容度非线性、随机性和动态的耦合关系。交通态势及其演化是交通系统的宏观体现，具有约束条件卜的动态性、序贯性、自组织、随机性等特点，交通态势机理解释对解决城市交通的难题非常重要。传统的交通理论难以

11、发现院含在如此悬维空间的知识，对交通出行规律及其时空演化,大面积交通拥堵演变规律、环境与交通行为等进行综合知识和数据支撑的解群与评价，高维空间的隐性知识序贯挖掘与演化将为此提供坚实的理论与技术支撑。（3）交通态势的预测机理与调控策略交通态势是城市交通系统运行状态的反映，受到交通需求、网络拓扑、多交通子系统、环境、管理和调控策略等众多因素的相互影响与作用。由于城市交通态垮具有时变性、不神定性、非马氏性以及影响因素之间的相关性等特点，是一个超维的宏杂巨系统，其调控与预测是世界性的难题，目前尚缺乏相关的理论与方法.交通态势的预测机理与调控策略的研究，将创建芨杂交通巨系统的预测及其控制的新理论与途径.

12、3.2 城市交通大数据相关处理技术在城市交通蓬勃发展的过程中，其数据采集量必然成倍增长，形成海员、动态、实时的交通大数据.因此，以大数据处理技术为支捽的城市交通信息服务将成为未来智能交通发展的增长点。城市交通所涉及的大数据技术，总结起来大致包括如卜内容。（1）基于Hadoop框架的MapReduce模式技术Hadoop是一个能够对大员数据进行分布式处理的软件框架，而map/reduee是HadOOP的核心计算模型，它将过杂地运行于大规模集群上的并行计算过程高度地抽象到了两个函数.Hadoop实现了一个分布式文件系统（Hadoopdistributedfi1.esystem,HDFS）eHDFS

13、仃着高容错性的特点，用来部署在低廉的硬件上。而且它能提供高传输率来访问应用程序的数据，适合那些有着超大数据集的应用程序。（2）数据仓库技术数据仓库是决策支持系统（DSS）和联机分析应用数据源的结构化数据环境，研究和解决从数据库中获取信息等问题.数据仓库的特征在了面向主题、集成性、稳定性和时变性，其主要功能是将组织通过资讯系统的联机交易处理（O1.TP）经年累月所累枳的大量资料、数据仓库理论所特有的资料存储架构进行系统的分析整理，以利于各种分析方法如线上分析处理（O1.AP）、数据挖掘（datamining）的进行，进而支持决策支持系统,主管资讯系统（EIS）等系统的创建，帮助决策者快速、有效地

14、从大量数据资料中分析出有价值的信息，以利于决策拟定及快速回应外在环境变动，帮助构建商业智能。（3）中央数据登记簿技术中央数据登记簿系统是平台数据统一管理、综合交通信息服务的基础，包括与交通信息有关的数据表示和交互以及交通信息服务、适合于综合交通环境的数据字典和消息模板、交通数据项定义规则、注册和管理机制等。（4）平台GIS-T应用技术平台GIS-T应用技术是交通地理信息系统的支拽技术，可为交通信息服务提供高效的信息查询功能、海域的存储功能，包括出租车、公交车、综合交通视频信息等数据：提供优秀用户体验的WCbGIS引旗，让用户享受基于浏览器的交通信息服务。（5）基石非序列性数据操作技术基于非序列

15、性数据操作技术包括虚拟化环境以及流数据处理技术，通过网络招大量:服务器的内存空间统合在起，使之形成个电大型的虚拟内存,然后在其上进行数据配置，可实现对现有设备资源的最大使用效率，同时实现对即时性数据的反削能力。（6）视频大数据处理技术视频大数据处理技术将目前各个专用性的视频监控系统有机地整合在一起，实现视频资源统一接入、统转码、统分发、统管理和统运营的“五统”目标.它可整合包括交通视频,站台视频、客运站视频、离速公路视频,社会治安视频、车毂视频等在内的多种视频资源，提得整体视频监控的效率，且基于视频监控基础设施之上创造更多增值性的应用，从而实现视频监控系统的爆火化效用。（7）大数据处理技术大数

16、据预处理技术是将接入平台的数据根据具体的业务规则进行进一步的处理，包括对接入的数据进行有效性的检验、大数据清洗等。大数据标准化处理技术从数据库中取出经过清洗后的数据，根据业务规则将外部系统的数据格式转化为平台定义的标准格式.（8）大数据融合处理技术大数据眼合处理技术是指采用多源交通信息融合方法，结合特征融合技术（识别/分类、神经网络、贝叶斯网络等）、目标机动信息处理技术（自适应噪声模型等）及多目标跟踪的信息融合技术，提高信息系统的顽健性及可靠性。多源交通大数据信息融合分为3级：基础级是数据级融合，它只完成数据的项处理和简堆关联：第二级是特征级融合，就是根据现有数据的特征预测交通参数：第三级是状

17、态级融合，根据当前交通流信息判断交通状态。交通流信息融合的基本过程包括多源信息提取,信息预处理、融合处理以及目标参数获取和状态估计。（9）实时数据分发订阅技术海量交通大数据具有数据量大、更新频繁、时效性高等特点，往往需要来自十其他系统的实时数据来支持其业务逻辑。比如浮动车辆的GPS数据、目前城市道路的路况分析和收费站排队监控分析、省级运政更星定位联网监控系统的上报、营运车辆安全监管系统等监控分析系统需要向外单位共享的数据。（IO）大数据挖掘技术多源交通大数据挖掘是个多步界的过程，可以分为问题定义、数据准备、数据分析、模式评估等基本阶段.其处理模型如图I所示。图1交通大数据挖掘模型4城市交通大数

18、据的智能应用系统3.3 交通大数据采集内容城市交通大数据可分为静态大数据与动态大数据。静态交通大数据主要包括城市交通的基础空间数据（地表模型、高清正射影像等）、城市及周边基础地理信息（城市路网、交叉口布局、城市基础交通实施信息）、道路交通网络基础信息（道路等级、长度、收费信息）、道路交通客运信息（客运班线、客动票务、市区公交信息、车站线路辐射图、客运企业信息、交通换乘点等）、航班信息、列车信息、水运信息（船次、起终码点、开船时间等）、殍车场信息（停车场位置、名称、总泊位数、开闭状态、空闲泊位数等）、交通管理信息（警区界限、安全界限、警力分布、交通闵位、执法站、车管所、检测场、考试场、过埴检查站

19、）以及交通抽样调查数据等。动态交通大数据来源广泛、形式多样，主要包括通过卫星遥感、航空摄影测量，低空无人机应急平台、地面测量车、地面视频等遥感手段获取的数据以及地面智能交通系统中，通过视频、手机、公交卡、地感线圈等传感设备和极功终端采集的人、车、路等交通耍素的数据.从人可以采集到的数据有驾驶行为数据、付费行为数据和出行行为数据，从车采集到的数据有车辆信息数据、车辆实时位置数据、公交车运营数据、出租车运营数据、众包路况数据，关于路的数据有卫星影像数据、航空摄影数据和道路基触设施数据。3.4 交通大数据云计算支撑平台城市交通大数据和相关业务的服务采用云计算技术来实现，其总体逻辑架构如图2所示。采用

20、云计算技术来支悻一体化交通大数据，按需提供自助管理虚拟基础架构汇集成高效池，以服务的形式提供资源。云计算支掾平台包括数据中心物理资源管理、数据中心逻辑资源,数据中心运营平台和维护.图2城市交通大数据云计兑支撑平台城市交通云计算支撑平台包含多个子系统，各系统提供稳定的信息、管理、监控服务。为了支持智能交通7X24h的稳定、高效服务，可引入云计算虚拟化平台.利用虚拟化技术将应用系统与物理机进行分离，减少因物理环境导致的系统中断服务，在不影响用户的情况下对物理资源进行删除、升级或改变。43交通大数据的智能应用系统交通大数据的智能应用系统是基于交通大数据中心、交通云计算支挣平台来搭建的智能应用系统，采

21、用“中心数据存储和处理”和“本地服务应用”的模式，从海量的交通数据中抓取实时数据，分析挖掘历史数据，基于历史数据对未来情况做出预测，为智能交通提供决策性建议。交通大数据智能应用系统可分别为政府、企业、公众提供智能交通信息服务，系统可为政府部门提供交通行政监管支持，主要提供精细地理信息服务、交通管理服务、应急响应服务、路边车位监管服务、公共交通监管服务等：为公众搭建基于手机应用的交通信息服务，通过交通信息服务也可采集公众日常出行行为的数据，主要有精细地理信息服务、精准实时路况服务、精准交通信息服务、实时车辆信息服务、交通诱导信息服务、停车诱导信息服务等：为企业提供交通信息增假服务，主要有精细地理

22、信息服务、公交车公司车辆调度及辅助决策、商业数据分析等。不同用户可共享行业数据、计算资源、个性化情报分析结果，在数据采集共享、大规模数据实时处理和分析、企业突发事件处置应对方面具有十分突出的优势，从而大大节约r系统资源和成本，提升r工作效率。系统所采用的技术主要包括堪于决策树支持向量机(DTM-SVM)的多源异构交通信息融合技术、基于SoA的交通信息基础数据服务设计、ZigBeC无线传感罂网络技术、基干移动互联网的交通信息应用服务设计、基于机器学习的行程时间预测、基卜位置服务(1.BS)的行人交通信息服务技术等5城市交通大数据智能系统的典型应用城市交通大数据智能系统相关的典型应用解决方案912

23、J,大致介绍如卜,3.5 城市交通大数据的公交行政监管与科学决策城市交通大数据的公交行政监管与科学决策支持系统(如图3所示)实现可分为3个步骤：首先，集成城市公共交通采集的站台、线路、道路、活动场所的交通数据，研发MapReduce框架卜的海量交通流融合与预测和法，针对更杂交通系统行为的不可预测性，充分考虑简单对象的主动性和随机性，从行为生成的角度出发实现对城市公共交通系统的“等价”描述：然后，针对城市公共交通的运营与管理需求，通过计算实验和涌现观察，生成实时、未来和各种可能情况下的交通场景，包含正常条件卜的交通环境，还包括交通事故、恶劣天气、突发事件等异常条件下的交通环境：最后，通过实际交通

24、系统与人工交通系统之间交”运行和过程演化，实现城市公共交通运行数据分析与调度方案演练，并为交通管理者和出行者提供堪于位置的交通服务信息。图3城市交通大数据的公交行政监管与科学决策支持系统大数据可以辅助公共交通规划制定决策。传统的方式需要投入大55人力进行OD调查和数据收集。目前的一卡通可让数据更为全面地展现在决策人员面前，潦量数据全部可以精确掌握，同时再利用车辆拥堵时间、拥堵路段的大数据分析，公交车的线路谢整、增加与减少换乘站的决策就会更加有依据。（1）城市公共交通云计算服务平台体系城市公共交通云计算服务平台采用4U结构，分别为应用U、平台乂、统一资源层和物理层。云计算服务平台使得公共交通管理

25、成为了一个开放式的可扩展系统。新的交通管理方案可以很快得到实施，而无需对现场的硬件设备进行更新换代。控制中心通过交通管理云提供的服务，不断对交通控制代理的运行进行优化，使系统性能得到提升,实现多个城市的交通控制系统连接交通管理云，实现数据集中、数据共享和服务共享。（2）基于海量交通检测数据的融合与预测城市交通大数据和相关的业芳服务采用云计算技术来实现，其总体逻辑架构如图4所示。采用云计算技术来支撑一体化交通大数据，按需提供白助管理虚拟基础架构汇集成商效池，以服务的形式提供资源。云计算支撑平台包括数据中心物理资源管理、数据中心逻辑资源、数据中心运营平台和维护。图4平行交通系统的云计算架构在进行交

26、通流预测时，需要根据交通流检测数据建立合理的交通流模型.采用混合高斯模型，并用期里最大化（EM）兑法对模型的参数进行学习求解.在MapRcducc架构卜将EM.算法进行并行处理,通过云计算平台来实现算法的分布式运行，满足海星交通数据的处理要求，提升模型参数学习的速度。实施流程如图5所示，首先基FMapReduce模型来实现交通流预测，研究分布式模型学习方法，建立相应的数据处理兑法，加速模型参数的学习过程，进而进行模型合并,得到各个路口的交通流预测模型，产生最终的预测结果。图5交通流检测数据融合与预测实施流程（3）基石平行交通的公共交通计尊实验平台在实际交通系统和人工交通系统平行执行的基础上，利

27、用计算实5金方法在平行交通系统上进行各种成验，对城市公共交通系统的行为进行预测和分析。实际交通系统中的算法分析工具以模块和组件的形式应用于平行交通系统实验平台中，其中包括各类学习策略与优化算法、定性与定量计算实险评估算法以及对各交通场景（包括常规交通需求场景、增强交通需求场景和突发事件交通场景提供特定支持的专用算法模块，这些工具将动态地分析、评估和优化公共交通计算实验过程及其结果，并结合评价指标体系更新评价结果。（4）针对城市公共交通管理应用需求，构建实际交通系统与人工交通系统之间交互运行和过程演化的“平行系统”评估分析城市公共交通当前运行状态并预测未来的情况，为公共交通管理方案提供演练环境。

28、在平行交通系统的基咄上，开展城市交通管理的评价实验，评价并优化常规需求情况下、增强需求情况下、突发事件情况下的管理方案。将管理方案巴于实际的和各种人工的交通场景之中，涌现“观察”方案的实施效果，建立包含交通疏散任务完成效果、背景交通影响程度等要素的粽合评价指标体系，综合评价疏散方案在不同需求情况下的实施效果。（5）综合利用传统媒体和移动互联网媒体，为用户提供基丁位置的公共交通服务信息通过手机客户端、公交电视、电子站牌、WCb网站、调度客户端、监控客户端等形式为公交乘客、公交企业管理者、政府行业管理人员提供出行服务、运营调度、企业管理、行业监管等不同届次的服务，影响或改变城市公交状态.3.6 城

29、市交通大数据的公交精细化调度与管理将GPS定位技术、3G通信技术、地理信息系统（G【S）技术等结合对车辆进行监控，基于此实施的公交车智能调度策略，提高了公交车的利用率，同时也在不断减轻城市道路的拥堵负担.城市交通大数据的公交精细化调度与管理系统聘公交要素标识标卷、公交车我信息中心（车载RSU）等物联网设备大规模部署于公交车、公交站台等场所,采集公交车辆状态信息、站点信息、行驶信息、客流信息，并通过建设公交大数据处理分析平台，基丁大数据技术对上述采集数据进行分析，通过数据的集成、计算，形成各类数据应用，为公交企业、公众出行者、政府管理部门提供公交调度服务、公交个性化信息服务以及公交行业监管服务，

30、彻底解决公交站点智能维护、公交“E站二个距监管、精准报站、发班与客流匹配等公交运营和监管难题.最终提升城市公交服务水平。基于城市交通大数据的公交精细化调度与管理系统如图6所示，包括3个层面。图6基于城市.交通大数据的公交精细化调度与管理系统城市公交状态感知U：采用基于物联网技术的交通耍索标识标签、公交车我信息中心、司机信息显示屏以及智能手机等设备，通过对公交各要素的电子化标识、数据采集和数据共享，实现对城市公交状态智能搐知。同时，接收来自城市公交信息服务层提供的各类信息。城市公交大数据处理U：接收来自城市公交状态感知展采集的城市公交数据，基于大数据技术进行大数据分析，通过数据的集成、计兑，形成

31、各类数据应用，为城市公交信息服务层提供数据服务。城市公交信息服务层：可通过手机客户端、公交电视、电子站牌、Web网站、调度客户端、监控客户湍等形式为公交乘客、公交企业管理者、政府行业管理人公提供出行服务、运营涮度、企业管理、行业监管等不同层次的服务，影响或改变城市公交状态。3.7 城市交通大数据的个性化服务平台以交通行业大数据处理为核心，整合城市交通各行业数据资源，通过大数据处理技术，实现数据存储、清洗、融合和挖掘，最终为城市交通行政部门决策和公众出行提供个性化的支持和服务。个性化服务平台包括基础信息综合平台实现交通行业数据采集整合、海量数据处理平台实现数据分析处理、交通决策服务平台为政府和公

32、众提供决策支持和信息服务，如图7所示.图7基于城右交通大数据的个性化服务平台(I)基础信息综合平台基础信息平个性化服务平台的基础，是实时交通信息发布的数据来源，主要功能是交通信息数据的收集和处理。将各个子系统中的交通数据按照一定的编码规则和既定格式采集起来，将其转换为可用的综合交通信息，基研)信息综合平台是整个智能交通信息组织过程中的信息枢纽，是实时交通信息发布的数据来源，进行交通信息数据的收集和处理，并为外部数据接入和对外数据分发提供数据规范和标准接口。基础信息综合平台将来自不同系统的数据进行处理后，汇入数据管理层，数据管理以关注与其他展次的交互，担当事务监控器、消息系统及其他角色，存储若持

33、久数据。选用业界1.性能的数据库来提供数据存储、数据存取访问、数据访间控制、数据共享等服务。处理以上各层之间的数据通信问题，包括对各层之间的数据进行相互传输。主要包含浮动车信息采集系统、智能交通监控调度系统、出租车综合管理系统,停车场行业管理系统、客运联网售票系统、资源整合系统,仿爽.基础数据采集系统等。不同的检测技术适合于不同的采集环境，因此仿其基础数据采集处理包括视频交通流检测系统、微波检测系统、移动式地磁检测系统三大模块。（2）大数据智能处理平台大数据处理是结合交通系统的实际情况，研窕综合交通模型体系，制定综合交通信息的数据规范和接口规范，并在此基础上研究和验证综合交通大数据的接入和融合

34、技术、大数据处理和多维度挖掘技术以及大数据的安全和有效管理技术，从而最终建设完成市区综合交通信息中心，并为交通信息服务、交通行业管理部门的智能决策等提供支持。（3）交通信息服务平台交通信息服务平台是利用基础平台和数据智能处理平台提供的经整介处理后的交通信息，为公众出行提供个性化交通信息服务的发布平台。结合笔者和合作单位多年的交通信息服务实践，交通信息服务平台将通过移动互联网（手机应用）、传统网站、电话热线、电子站牌、交通情报板（诱导屏）、广播电视、公共信息亭、导航仪等多种媒介为公众提供免费或增值服务，该平台还将为不同发布渠道提供软件配套支持.基于移动互联网的信息服务：利用3G网络等移动互联宽带

35、技术，一方面可以通过其采集用户位置信息提供丰宓位置服务：另一方面使F机终端能快捷访问交通信息服务，包括交通视频、图像等多媒体信息，提供的软件功能包括：路况信息、停车服务、实时公交、出行规划,地铁信息、铁路航班、客运信息、的士查询、驾培信息、交通资讯等。基于传统互联网的信息服务：对交通信息进行采集、分析、挖掘、发布，打造全方位、站式的交通信息服务发布平台，为用户提供包括实时路况、交通视频、实时公交、出租车空车分布、网上汽车票查询预订、停车场动态信息、航班动态信息、列车动态信息、地铁信息以及交通咨询在内的出行前与出行途中的全程交通信息服务，使用户足不出户即可了解城市交通动态，科学规划出行方案。电子

36、站牌：公交站台电了站牌为乘坐公交出行的用户提供交通相关信息，如公交车辆到站信息。交通情报板：利用停车诱导屏等情报板为出行者提供停车诱导服务。广播电视：通过广播电视节目为用户播报综合交通服务信息，如实时路况、航班动态等信息。公共信息亭：综合交通信息亭终端采用触摸屏方式接受用户的交互式操作，提供与Wcb网站类似的综合交通信息服务。主要用户是旅游出行人员和通过公共交通系统（如公路、铁路和航空）出行的人员。其三维动态导航与智能预警服务：在智能交通导航中，将以其三维导航（高分辨率真实影像替代虚拟场景）替代传统二维虚拟导航“一维导航地图不是在二维导航地图上的3D显示，而是在获取三维空间数据后，利用信息通信

37、技术处理三维空间数据，包容其他地理信息，可以突破常规二维表示对形式的束缚，更好地洞察和理解现实世界。真三维智能交通中，根据实地采集的实景资料，对色彩、材质、灯光等细节进行处理，逼真地在导航仪上动态地再现：.维道路实景.针对交通事故多发区域，比如十字路口或者拐弯区域，通过裔清影像与几何模型结合运算，计算出大车拐弯的死角范围，并搜集车身长度和性能进行评价，将评价结果及时反馈给司机，将导航过程中经常发生危险的区域在真三维实景导航中显示并警示，有利于驾驶员安全驾驶，减少交通事故发生。3.8 其他应用实例（1）交通基础设施数据提取及实时更新利用快速更新的遥感影像来提取城市道路变化，并及时自动更新交通大数

38、据中心的数据库，可实现路网数据的实时更新，为用户提供更准确的道路信息,过程如下：通过高分辨率影像提取道路的路面、绿化带、环岛、大车拐弯死角带等要素，通过航空影像和斜视影像，可以提取道路的路灯、井卷、路牌等信息：利用道路两旁行道树、植被指数、形状指数和数学形态学知识来自动、半自动地提取道路线，并通过GIS进行遒路面枳的快速计和；采用面向对象的遥感影像的分类方法，对遥感影像进行分割，降低噪声干扰，并得到同质对象：通过尺度选择及转换，构建影像对象层次,充分认识不同道路特征，建立道路知识库,进行道路信息提取。（2）基于行车大数据的驾驶行为分析与预警将收到的数据分组分类处理，可实现对移动车辆的全天候的实

39、时监控、报警、指挥与调度功能。通过电子地图匹配GPS/中国北斗卫星导航系统采集的车辆经纬度、时间等信息，实时监测车辆的运行位置和状态，并在GIS上显示车辆轨迹，进行车辆的跟踪；通过臼动记录、统计、分析车辆的历史运行数据，辅助管理人员制定管理决策。对海量行车数据及驾驶行为数据导入一些统计分析手段，可以有效对驾驶行为进行数据建模，通过驾驶员的出行习惯，从路线到行为，为该驾驶员提供一套评估，而此人的评估会被送往交通管理部门以及运输企业等地方，从而应用到各类行业中，如新车车主驾驶行为纠正系统、车主行车行为自诊|11；祭结笺“（3）预测群体出行行为结合交通大数据，可以预测出群体出行的态势，对其可能出行的

40、时间、出行路线、出行方式等进行预测，从而为城市车辆调度提供决策帮助。反过来看，这些预测的群体出行行为数据也将为个人出行提供更加精确的服务，梢助个人决策，让个人出行尽量以最短的时间、最短的路线抵达目的地。6结束语遥感空间数据、交通视频数据、各类感知数据、奥情数据等信息在城市交通系统是分散获取、单独使用的，总的来说，数据量巨大，但由于各方面数据应用单、不够深化，不能够充分挖掘数据的价值。在这些数据的基础上，构建城市智能交通大数据平台，可从尺度、精度、时相等方面保障数据及时更新，能够实现更精细、及时的动态监测服务数据体系。城市资能交通大数据平台基于云计.算平台和高速网络传输，支撑移动互联网时代的智能

41、交通服务，实现用户移动终端数据采集、大数据分析挖掘、智能推送等信息实时离速传输：基于实时数据为用户提供更精准的导航、停车股务，实现新型的实时互联交通服务模式。展望未来，通过物联网、云计算、大数据等技术手段，有望减少甚至消除城市交通原有的行政壁垒，实现城市交通各种大数据的全面采集和有机整合，在个平台上同时为政府各部门提供交通行政监管服务、为企业和大众提供交通信息服务，从而可进一步提高城市交通的运营管理和综合服务水平。附参考资料：大数据背景卜城市智能交通的数据技术应用在近些年的发展中，城市发展的脚步逐渐加快,城小中乍辆的数量越来越多，无形中给城市交通管理工作带来r挑战。在现阶段交通需求下，城市智能

42、交通成为必然发展趋势，在大数据背景下，将数据技术应用到城市智能交通中，能更好地适应现代化的城市交通需求。因此，基于大数据背景F,探析数据技术在城市智能交通中的应用是非常有必要的，本文首先概述了大数据的相关内容，接着论述城市智能交通以及智能交通数据处理体系的构成，最后从四个方面重点论述数据技术在城市智能交通中的应用.O1.大数据（）大数据的发展现状现阶段，大数据应用到r各行业中，其逐渐成为行业中最具竞争力的部分.随着信息化和数字化进程的不断推进，人们对数据的需求也越来越大，大数据技术的应用领域也在不断拓展。在互联网、金融、医疗、零传、制造、交通等多个领域，大数据技术已经得到广泛应用，为企业提供了

43、更多的商业机会和发展空间。在互联网领域,大数据技术被广泛应用于用户行为分析、推荐系统、广告投放等方面，帮助企业更好地了解用户需求，提高用户体验，促进业务增长，在金融领域，大数据技术可以帮助银行、保险公司等金融机构更好地进行风险管理、客户分类、反欺诈等工作，提高服务质量和效率。在医疗领域，大数据技术有助r医院提高医疗质氏,降低成本，同时也为医生提供更好的治疗方案和决策支持。在零华领域，大数据技术可以相助零传商更好地了解消费者的行为，优化商品布局和供应链管理，提高销售效益。在制造领域，智能制造、自动化制造、数字化制造成为可能.在交通领域，大数据技术可以帮助城市管理者更好地进行交通规划和优化，提高城

44、市的交通运行效率和环境友好度。总的来说，大数据技术的发展现状仍处于快速增长阶段，各行各业都在积极探索如何利用大数据技术创造更多的商业价值和社会效益.随着技术的不断进步和应用场景的不断丰富，大数据技术将继续发挥若亚要作用，成为推动产业升级和社会发展的重要动力。（二）大数据的定义内容大数据是指规模庞大、种类繁多的数据集合，由数据量庞大且涉及多个维度，传统的数据处理工具和方法已经难以满足需求，所以应采用更先进的算法来进行数据的处理，由此来提高数据的利用率，提升数据价值。大数据的特征较为明显，其中，数据种类多表现在数据的多样性、繁杂性，这表明数据需要有更大的存储空间：数据处理速度快意味着对数据的实时性

45、要求高：数据价值而意味着从大数据中挖掘出有用信息的能力能够为企业带来竞争优势。大数据已经普遍应用到了多个领域中，以卜.对几个重要的领域进行简要概括，其中，在金融领域，大数据可以帮助银行和保险公司更好地了解客户需求，提风控能力；在医疗领域，能够更好地实现精准医疗和高效医疗，提升医疗服务水平；在电商领域，大数据可以帮助电商企业实现精准推荐，提高销售额，同时也能够更加全面地了解市场需求，从而不断优化自身的产品、服务和业务，最终提升电商企业竞争力。02城市智能交通堪于大数据背最，城市智能交通应运而生，这是基于传统管理方，更为智能的交通模式，是时代发展的必然趋势。通过利用大数据技术来进行交通管理，不仅能

46、够实时进行交通监管，优化交通流量，降低拥堵率，提高出行率，而且能够带给大众更加便捷灵活的出行体脸“通过智能交通信息化系统，市民可以轻松获取交通信息，包括交通拥堵情况、公交车实时位置等，从而做出更明智的出行决策。此外，城市智能交通系统还可以盛合各种出行方式，包括地铁、公交、共享单车等，实现多式联运，提高出行便利性。随着科技的不断发展，城市智能交通系统将会不断完善和升级，为城市的交通管理和市民的出行体脸带来更多便利和效益。同时也需要政府、企业和社会各界共同努力、密切协作，共同推动城市智能交通系统的建设和发展，让城市交通变得更加智能、便她和可持续。03智能交通数据处理体系的构成数据采集。智能交通系统

47、通过各类传感器（如视频监控、雷达、车载传感器等）采集交通运行状态、车辆信息、道路状况等数据，将传感器所收集到的数据向中心服务器进行输送，以完成数据的采集工作。数据传输.利用网络技术手段，将数据进行传输，在此过程中要确保数据的准确性，在效的数据传输能确保数据的实时性和有效性，由此从根本上提裔数据处理率。数据存储。通过应用大数据存储技术，存储并管理交通数据,另外通过分布式存储系统，实现对大规模数据的存储。数据清洗，数据清洗即为对采集到的数据进行处理，招无用的数据、错误数据进行删除，以碑保数据的准确性，并做标准化处理工作，进行规范化的数据推理，确保数据的统性。数据分析“利用数据挖掘、机器学习等技术，

48、时交通数据进行分析和建模，提取有价值的信息和规律，为交通管理决策提供科学依据。数据展示。将经过处理分析的数据以直观、易懂的形式展示给交通管理者和公众，帮助他们了解交通状况、做出合理的决策。通过数据可视化技术可以呈现交通热点、路况预警等信息，提高交通管理的效率和精准度.总的来说，智能交通数据处理体系是一个豆杂的系统，涉及数据采集、传输、存储、清洗、分析和展示等多个环节，因此更需要多种技术之间高效配合完成，由此实现交通数据的仃效利用。只有不断优化和完善这些环节，才能更好地提升交通管理的水平和效果.04数据技术在城市智能交通中的应用（一）通过采集和分析各种交通数据，更好地了解城市交通状态通过使用先进的技术和工具，我们可以实时监测城市各个交通节点的情况，J解道路上车辆的实时流动情况以及拥堵的原因和程度.这些数据不仅可以帮助我们更好地了解交通状况，还可以帮助我们预测未来的交通流从而制定更加有效的交通管理策略。通过分析交通数据，可以发现一些交通瓶颈点，比如常常出现拥堵的路段或十字路口，我们可以对这些瓶颈点进行优化，通过改变交通信号灯的设置或增加道路容量来减少拥堵情况.同时，可以通过数据分析找到一些交通规律，比如某个时间段某条路段的车流量较大，在这个时间段增加公