城市交通大數據技術及智能應用系統分析

隨著手機網絡、全球定位系統（global positioning system，GPS）/北斗車載導航、車聯網、交通物聯網的發展，交通要素的人、車、路等的信息都能夠實時采集，城市交通大數據來源日益豐富[2]。在日益成熟的物聯網和云計算平臺技術支持下，通過城市交通大數據的采集、傳輸、存儲、挖掘和分析等，有望實現城市交通一體化，即在一個平臺上實現交通行政監管、交通企業運營、交通市民服務的集成和優化[3]。 　　城市交通大數據的集成與分析技術研究，對我國智慧城市的發展具有戰略性意義。交通大數據具有種類繁多、異質性、時空尺度跨越大、動態多變、高度隨機性、局部性和有限生命周期等特征，如何有效地集成交通大數據，滿足高時效性和知識牽引等城市交通智慧化需求，是各個大中城市所面臨的前所未有的發展機遇和挑戰[4~8]。 　　本文首先簡單介紹了大數據的發展狀況及趨勢，然后重點分析總結了城市交通大數據的若干核心技術，并提出城市交通大數據的智能應用系統解決方案，最后重點列舉了幾種典型應用。 　　2 大數據的發展狀況及趨勢 　　近年來，數據的快速增長成了許多行業共同面對的嚴峻挑戰和寶貴機遇，信息社會正在進入大數據時代。大數據指的是涉及的資料量規模巨大到無法透過目前主流軟件工具在合理時間內達到感知、擷取、管理、處理和服務的數據集合。從2009年左右開始，“大數據”開始成為互聯網信息技術行業的流行詞匯。 　　根據互聯網數據中心（IDC）估測，數據一直以每年50%的速度增長（大數據摩爾定律），這意味著人類在最近兩年產生的數據量相當于之前產生的全部數據量，預計到2020年，全球將總共擁有35億GB（35 ZB）的數據。大數據處理的數據規模從TB級上升到PB、EB甚至ZB級，人們面臨著如何降低數據存儲成本、充分利用計算資源、提高系統并發吞吐率、支持分布式非線性迭代算法優化等眾多難題。 　　為了應對大數據的發展趨勢，更好地為行業用戶和個人提供數據分析的服務，亟需構建各類不同的大數據平臺，支持用戶對數據的多種需求。構建大數據平臺就是要將不同渠道、不同來源、不同結構的數據進行有機的整合。與傳統數據平臺不同的是，大數據海量的規模、多樣的類型、快速的流動和動態的體系以及巨大的價值是大數據平臺構建需要重點考慮的幾個因素。除此之外，數據的分類存儲、數據平臺的開放性、數據的智能處理以及數據平臺與用戶的交互都為大數據平臺的建設帶來前所未有的挑戰。 　　大數據平臺處理的數據類型是多種多樣的。目前這些平臺的搭建已經有了一些有代表性的成果，如Google公司的Freebase、微軟公司的Probase、國內著名的中文信息結構庫——中國知網。在商用數據平臺方面，IBM公司的Infosphere大數據分析平臺、天睿公司的Teradata統一數據環境以及由國內天貓、阿里云、萬網聯合推出的國內首個電商云工作平臺聚石塔是3個典型的數據平臺。 　　“大數據”本身是一個現象而不僅僅是一種技術，這是信息科技歷史發展的必然結果。大數據的采集、傳輸、處理和應用所需的相關大數據處理技術，是通過系列地使用非傳統工具來對大量的結構化、半結構化和非結構化數據進行處理，從而獲得分析和預測結果的一系列大數據處理技術。大數據技術的戰略意義也不僅在于掌握龐大的數據信息，而更在于對這些含有意義的數據進行專業化處理。換言之，如果把大數據比作一種產業，那么這種產業實現盈利的關鍵在于提高對數據的“加工能力”，通過“加工”實現數據的“增值”。大數據領域已經涌現出了大量新的技術，它們成為大數據采集、存儲、處理和呈現等功能的有力武器。大數據發展呈現以下趨勢。 　�。�1）基于云計算的數據分析平臺 　　云計算為大數據提供了可以彈性擴展、相對便宜的存儲空間和計算資源，使得中小企業也可以像亞馬遜公司一樣通過云計算來完成大數據分析。云計算IT資源龐大、分布較為廣泛，是異構系統較多的企業及時準確處理數據的有力方式，甚至是唯一的方式。 　　大數據要走向云計算，還有賴于數據通信帶寬的提高和云資源池的建設，需要確保原始數據能遷移到云計算環境以及資源池可以隨需彈性擴展。 　�。�2）數據分析集逐步擴大，企業級數據倉庫將成為主流 　　當人們從大數據分析中嘗到甜頭以后，數據分析集就會逐步擴大。目前大部分的企業分析的數據量一般以TB為單位。按照目前數據的發展速度，數據量很快將會進入PB時代。特別是目前在100~500 TB和500+ TB范圍的分析數據集的數量會成倍增長。 　　隨著數據分析集的擴大，以前部門層級的數據集將不能滿足大數據分析的需求，它們將成為企業級數據庫（EDW）的一個子集。因此，企業內的數據分析將從部門級過渡到企業級，從面向部門需求轉向面向企業需求，從而也必將獲得比部門視角更大的益處。隨著政府和行業數據的開放，更多的外部數據將進入企業級數據倉庫，使得數據倉庫規模更大，數據的價值也更大。 　�。�3）Hadoop對MapReduce的依賴程度越來越小 　　Hadoop是一個能夠對大量數據進行分布式處理的軟件框架，能夠處理PB級數據，具有高可靠性、高擴展性、高效性和高容錯性等特點。其新版本不只為MapReduce服務，而是和Cloudera的Impala一樣用一個SQL查詢引擎或者其他的方法來替代MapReduce。HBaseNoSQL數據庫就是Hadoop離開MapReduce約束后的一個很好的例子。未來Hadoop平臺將在大數據處理中發揮越來越重要的作用。 　　3 城市交通大數據 　　3.1 城市交通大數據的主要研究內容 　　城市交通大數據的研究內容主要包括以下方面。 　�。�1）時效約束的大數據多尺度匯聚計算和動態圖譜 　　交通大數據存在多源、異質、局部性、時空關聯、異步性、信息稀疏性和并發性等特點，而城市交通系統存在著對大數據匯聚處理的高時效性以及對“大而信息稀疏”的交通大數據的領域知識牽引要求�，F有的數據融合、計算理論與方法難以滿足高時效性的大數據處理和基于數據的知識構建與轉換等需求，亟需提出時效約束的大數據多尺度匯聚計算和動態圖譜的交通大數據處理新理論與新方法。 　�。�2）高維空間的隱性知識序貫挖掘與演化模型 　　交通主體、行為、態勢、路網拓撲和環境形成了高維生態系統閉空間，相互之間存在著高度非線性、隨機性和動態的耦合關系。交通態勢及其演化是交通系統的宏觀體現，具有約束條件下的動態性、序貫性、自組織、隨機性等特點，交通態勢機理解釋對解決城市交通的難題非常重要。傳統的交通理論難以發現隱含在如此高維空間的知識，對交通出行規律及其時空演化、大面積交通擁堵演變規律、環境與交通行為等進行綜合知識和數據支撐的解釋與評價，高維空間的隱性知識序貫挖掘與演化將為此提供堅實的理論與技術支撐。 　�。�3）交通態勢的預測機理與調控策略 　　交通態勢是城市交通系統運行狀態的反映，受到交通需求、網絡拓撲、多交通子系統、環境、管理和調控策略等眾多因素的相互影響與作用。由于城市交通態勢具有時變性、不確定性、非馬氏性以及影響因素之間的相關性等特點，是一個超維的復雜巨系統，其調控與預測是世界性的難題，目前尚缺乏相關的理論與方法。交通態勢的預測機理與調控策略的研究，將創建復雜交通巨系統的預測及其控制的新理論與途徑。 　　3.2 城市交通大數據相關處理技術 　　在城市交通蓬勃發展的過程中，其數據采集量必然成倍增長，形成海量、動態、實時的交通大數據。因此，以大數據處理技術為支撐的城市交通信息服務將成為未來智能交通發展的增長點。城市交通所涉及的大數據技術，總結起來大致包括如下內容。 　�。�1）基于Hadoop框架的MapReduce模式技術 　　Hadoop是一個能夠對大量數據進行分布式處理的軟件框架，而map/reduce是Hadoop的核心計算模型，它將復雜地運行于大規模集群上的并行計算過程高度地抽象到了兩個函數。Hadoop實現了一個分布式文件系統（Hadoop distributed file system，HDFS）。HDFS有著高容錯性的特點，用來部署在低廉的硬件上。而且它能提供高傳輸率來訪問應用程序的數據，適合那些有著超大數據集的應用程序。 　�。�2）數據倉庫技術 　　數據倉庫是決策支持系統（DSS）和聯機分析應用數據源的結構化數據環境，研究和解決從數據庫中獲取信息等問題。數據倉庫的特征在于面向主題、集成性、穩定性和時變性。其主要功能是將組織通過資訊系統的聯機交易處理（OLTP）經年累月所累積的大量資料、數據倉庫理論所特有的資料存儲架構進行系統的分析整理，以利于各種分析方法如線上分析處理（OLAP）、數據挖掘（data mining）的進行，進而支持決策支持系統、主管資訊系統（EIS）等系統的創建，幫助決策者快速、有效地從大量數據資料中分析出有價值的信息，以利于決策擬定及快速回應外在環境變動，幫助構建商業智能。 　�。�3）中央數據登記簿技術 　　中央數據登記簿系統是平臺數據統一管理、綜合交通信息服務的基礎，包括與交通信息有關的數據表示和交互以及交通信息服務、適合于綜合交通環境的數據字典和消息模板、交通數據項定義規則、注冊和管理機制等。 　�。�4）平臺GIS-T應用技術 　　平臺GIS-T應用技術是交通地理信息系統的支撐技術，可為交通信息服務提供高效的信息查詢功能、海量的存儲功能，包括出租車、公交車、綜合交通視頻信息等數據；提供優秀用戶體驗的WebGIS引擎，讓用戶享受基于瀏覽器的交通信息服務。 　�。�5）基于非序列性數據操作技術 　　基于非序列性數據操作技術包括虛擬化環境以及流數據處理技術，通過網絡將大量服務器的內存空間統合在一起，使之形成一個超大型的虛擬內存，然后在其上進行數據配置，可實現對現有設備資源的最大使用效率，同時實現對即時性數據的反饋能力。 　�。�6）視頻大數據處理技術 　　視頻大數據處理技術將目前各個專用性的視頻監控系統有機地整合在一起，實現視頻資源統一接入、統一轉碼、統一分發、統一管理和統一運營的“五統一”目標。它可整合包括交通視頻、站臺視頻、客運站視頻、高速公路視頻、社會治安視頻、車載視頻等在內的多種視頻資源，提高整體視頻監控的效率，且基于視頻監控基礎設施之上創造更多增值性的應用，從而實現視頻監控系統的最大化效用。 　�。�7）大數據處理技術 　　大數據預處理技術是將接入平臺的數據根據具體的業務規則進行進一步的處理，包括對接入的數據進行有效性的檢驗、大數據清洗等。大數據標準化處理技術從數據庫中取出經過清洗后的數據，根據業務規則將外部系統的數據格式轉化為平臺定義的標準格式。 　�。�8）大數據融合處理技術 　　大數據融合處理技術是指采用多源交通信息融合方法，結合特征融合技術（識別/分類、神經網絡、貝葉斯網絡等）、目標機動信息處理技術（自適應噪聲模型等）及多目標跟蹤的信息融合技術，提高信息系統的頑健性及可靠性。多源交通大數據信息融合分為3級：基礎級是數據級融合，它只完成數據的預處理和簡單關聯；第二級是特征級融合，就是根據現有數據的特征預測交通參數；第三級是狀態級融合，根據當前交通流信息判斷交通狀態。交通流信息融合的基本過程包括多源信息提取、信息預處理、融合處理以及目標參數獲取和狀態估計。 　�。�9）實時數據分發訂閱技術 　　海量交通大數據具有數據量大、更新頻繁、時效性高等特點，往往需要來自于其他系統的實時數據來支持其業務邏輯。比如浮動車輛的GPS數據、目前城市道路的路況分析和收費站排隊監控分析、省級運政衛星定位聯網監控系統的上報、營運車輛安全監管系統等監控分析系統需要向外單位共享的數據。 　�。�10）大數據挖掘技術 　　多源交通大數據挖掘是一個多步驟的過程，可以分為問題定義、數據準備、數據分析、模式評估等基本階段。其處理模型如圖1所示。 　　 　　圖1 交通大數據挖掘模型 　　4 城市交通大數據的智能應用系統 　　4.1 交通大數據采集內容 　　城市交通大數據可分為靜態大數據與動態大數據。 　　靜態交通大數據主要包括城市交通的基礎空間數據（地表模型、高清正射影像等）、城市及周邊基礎地理信息（城市路網、交叉口布局、城市基礎交通實施信息）、道路交通網絡基礎信息（道路等級、長度、收費信息）、道路交通客運信息（客運班線、客動票務、市區公交信息、車站線路輻射圖、客運企業信息、交通換乘點等）、航班信息、列車信息、水運信息（船次、起終碼點、開船時間等）、停車場信息（停車場位置、名稱、總泊位數、開閉狀態、空閑泊位數等）、交通管理信息（警區界限、安全界限、警力分布、交通崗位、執法站、車管所、檢測場、考試場、過境檢查站）以及交通抽樣調查數據等。 　　動態交通大數據來源廣泛、形式多樣，主要包括通過衛星遙感、航空攝影測量，低空無人機應急平臺、地面測量車、地面視頻等遙感手段獲取的數據以及地面智能交通系統中，通過視頻、手機、公交卡、地感線圈等傳感設備和移動終端采集的人、車、路等交通要素的數據。從人可以采集到的數據有駕駛行為數據、付費行為數據和出行行為數據，從車采集到的數據有車輛信息數據、車輛實時位置數據、公交車運營數據、出租車運營數據、眾包路況數據，關于路的數據有衛星影像數據、航空攝影數據和道路基礎設施數據。 　　4.2 交通大數據云計算支撐平臺 　　城市交通大數據和相關業務的服務采用云計算技術來實現，其總體邏輯架構如圖2所示。采用云計算技術來支撐一體化交通大數據，按需提供自助管理虛擬基礎架構匯集成高效池，以服務的形式提供資源。云計算支撐平臺包括數據中心物理資源管理、數據中心邏輯資源、數據中心運營平臺和維護。 　　 　　圖2 城市交通大數據云計算支撐平臺 　　城市交通云計算支撐平臺包含多個子系統，各系統提供穩定的信息、管理、監控服務。為了支持智能交通7×24 h的穩定、高效服務，可引入云計算虛擬化平臺。利用虛擬化技術將應用系統與物理機進行分離，減少因物理環境導致的系統中斷服務，在不影響用戶的情況下對物理資源進行刪除、升級或改變。 　　4.3 交通大數據的智能應用系統 　　交通大數據的智能應用系統是基于交通大數據中心、交通云計算支撐平臺來搭建的智能應用系統，采用“中心數據存儲和處理”和“本地服務應用”的模式，從海量的交通數據中抓取實時數據，分析挖掘歷史數據，基于歷史數據對未來情況做出預測，為智能交通提供決策性建議。 　　交通大數據智能應用系統可分別為政府、企業、公眾提供智能交通信息服務。系統可為政府部門提供交通行政監管支持，主要提供精細地理信息服務、交通管理服務、應急響應服務、路邊車位監管服務、公共交通監管服務等；為公眾搭建基于手機應用的交通信息服務，通過交通信息服務也可采集公眾日常出行行為的數據，主要有精細地理信息服務、精準實時路況服務、精準交通信息服務、實時車輛信息服務、交通誘導信息服務、停車誘導信息服務等；為企業提供交通信息增值服務，主要有精細地理信息服務、公交車公司車輛調度及輔助決策、商業數據分析等。不同用戶可共享行業數據、計算資源、個性化情報分析結果，在數據采集共享、大規模數據實時處理和分析、企業突發事件處置應對方面具有十分突出的優勢，從而大大節約了系統資源和成本，提升了工作效率。 　　系統所采用的技術主要包括基于決策樹—支持向量機（DTM-SVM）的多源異構交通信息融合技術、基于SOA的交通信息基礎數據服務設計、ZigBee無線傳感器網絡技術、基于移動互聯網的交通信息應用服務設計、基于機器學習的行程時間預測、基于位置服務（LBS）的行人交通信息服務技術等。 　　5 城市交通大數據智能系統的典型應用 　　筆者和廣州市交通委員會及下屬公司等單位的專家們，多年來保持密切的產學研合作，一起提出了城市交通大數據智能系統相關的典型應用解決方案，大致介紹如下。 　　5.1 城市交通大數據的公交行政監管與科學決策 　　城市交通大數據的公交行政監管與科學決策支持系統（如圖3所示）實現可分為3個步驟：首先，集成城市公共交通采集的站臺、線路、道路、活動場所的交通數據，研發MapReduce框架下的海量交通流融合與預測算法，針對復雜交通系統行為的不可預測性，充分考慮簡單對象的主動性和隨機性，從行為生成的角度出發實現對城市公共交通系統的“等價”描述；然后，針對城市公共交通的運營與管理需求，通過計算實驗和涌現觀察，生成實時、未來和各種可能情況下的交通場景，包含正常條件下的交通環境，還包括交通事故、惡劣天氣、突發事件等異常條件下的交通環境；最后，通過實際交通系統與人工交通系統之間交互運行和過程演化，實現城市公共交通運行數據分析與調度方案演練，并為交通管理者和出行者提供基于位置的交通服務信息。 　　圖3 城市交通大數據的公交行政監管與科學決策支持系統 　　大數據可以輔助公共交通規劃制定決策。傳統的方式需要投入大量人力進行OD調查和數據收集。目前的一卡通可讓數據更為全面地展現在決策人員面前，流量數據全部可以精確掌握，同時再利用車輛擁堵時間、擁堵路段的大數據分析，公交車的線路調整、增加與減少換乘站的決策就會更加有依據。 　�。�1）城市公共交通云計算服務平臺體系 　　城市公共交通云計算服務平臺采用4層結構，分別為應用層、平臺層、統一資源層和物理層。云計算服務平臺使得公共交通管理成為了一個開放式的可擴展系統。新的交通管理方案可以很快得到實施，而無需對現場的硬件設備進行更新換代�？刂浦行耐ㄟ^交通管理云提供的服務，不斷對交通控制代理的運行進行優化，使系統性能得到提升，實現多個城市的交通控制系統連接交通管理云，實現數據集中、數據共享和服務共享。 　�。�2）基于海量交通檢測數據的融合與預測 　　城市交通大數據和相關的業務服務采用云計算技術來實現，其總體邏輯架構如圖4所示。采用云計算技術來支撐一體化交通大數據，按需提供自助管理虛擬基礎架構匯集成高效池，以服務的形式提供資源。云計算支撐平臺包括數據中心物理資源管理、數據中心邏輯資源、數據中心運營平臺和維護。 　　圖4 平行交通系統的云計算架構 　　在進行交通流預測時，需要根據交通流檢測數據建立合理的交通流模型。采用混合高斯模型，并用期望最大化（EM）算法對模型的參數進行學習求解。在MapReduce架構下將EM算法進行并行處理，通過云計算平臺來實現算法的分布式運行，滿足海量交通數據的處理要求，提升模型參數學習的速度。實施流程如圖5所示，首先基于MapReduce模型來實現交通流預測，研究分布式模型學習方法，建立相應的數據處理算法，加速模型參數的學習過程，進而進行模型合并，得到各個路口的交通流預測模型，產生最終的預測結果。 　　圖5 交通流檢測數據融合與預測實施流程 　�。�3）基于平行交通的公共交通計算實驗平臺 　　在實際交通系統和人工交通系統平行執行的基礎上，利用計算實驗方法在平行交通系統上進行各種試驗，對城市公共交通系統的行為進行預測和分析。實際交通系統中的算法分析工具以模塊和組件的形式應用于平行交通系統實驗平臺中，其中包括各類學習策略與優化算法、定性與定量計算實驗評估算法以及對各交通場景（包括常規交通需求場景、增強交通需求場景和突發事件交通場景）提供特定支持的專用算法模塊，這些工具將動態地分析、評估和優化公共交通計算實驗過程及其結果，并結合評價指標體系更新評價結果。 　�。�4）針對城市公共交通管理應用需求，構建實際交通系統與人工交通系統之間交互運行和過程演化的“平行系統” 　　評估分析城市公共交通當前運行狀態并預測未來的情況，為公共交通管理方案提供演練環境。在平行交通系統的基礎上，開展城市交通管理的評價實驗，評價并優化常規需求情況下、增強需求情況下、突發事件情況下的管理方案。將管理方案置于實際的和各種人工的交通場景之中，涌現“觀察”方案的實施效果，建立包含交通疏散任務完成效果、背景交通影響程度等要素的綜合評價指標體系，綜合評價疏散方案在不同需求情況下的實施效果。 　�。�5）綜合利用傳統媒體和移動互聯網媒體，為用戶提供基于位置的公共交通服務信息 　　通過手機客戶端、公交電視、電子站牌、Web網站、調度客戶端、監控客戶端等形式為公交乘客、公交企業管理者、政府行業管理人員提供出行服務、運營調度、企業管理、行業監管等不同層次的服務，影響或改變城市公交狀態。 　　5.2 城市交通大數據的公交精細化調度與管理 　　將GPS定位技術、3G通信技術、地理信息系統（GIS）技術等結合對車輛進行監控，基于此實施的公交車智能調度策略，提高了公交車的利用率，同時也在不斷減輕城市道路的擁堵負擔。 　　城市交通大數據的公交精細化調度與管理系統將公交要素標識標簽、公交車載信息中心（車載RSU）等物聯網設備大規模部署于公交車、公交站臺等場所，采集公交車輛狀態信息、站點信息、行駛信息、客流信息，并通過建設公交大數據處理分析平臺，基于大數據技術對上述采集數據進行分析，通過數據的集成、計算，形成各類數據應用，為公交企業、公眾出行者、政府管理部門提供公交調度服務、公交個性化信息服務以及公交行業監管服務，徹底解決公交站點智能維護、公交“飛站”、車距監管、精準報站、發班與客流匹配等公交運營和監管難題，最終提升城市公交服務水平�；�于城市交通大數據的公交精細化調度與管理系統如圖6所示，包括3個層面。 　　圖6 基于城市交通大數據的公交精細化調度與管理系統 　　城市公交狀態感知層：采用基于物聯網技術的交通要素標識標簽、公交車載信息中心、司機信息顯示屏以及智能手機等設備，通過對公交各要素的電子化標識、數據采集和數據共享，實現對城市公交狀態智能感知。同時，接收來自城市公交信息服務層提供的各類信息。 　　城市公交大數據處理層：接收來自城市公交狀態感知層采集的城市公交數據，基于大數據技術進行大數據分析，通過數據的集成、計算，形成各類數據應用，為城市公交信息服務層提供數據服務。 　　城市公交信息服務層：可通過手機客戶端、公交電視、電子站牌、Web網站、調度客戶端、監控客戶端等形式為公交乘客、公交企業管理者、政府行業管理人員提供出行服務、運營調度、企業管理、行業監管等不同層次的服務，影響或改變城市公交狀態。 　　5.3 城市交通大數據的個性化服務平臺 　　以交通行業大數據處理為核心，整合城市交通各行業數據資源，通過大數據處理技術，實現數據存儲、清洗、融合和挖掘，最終為城市交通行政部門決策和公眾出行提供個性化的支持和服務。個性化服務平臺包括基礎信息綜合平臺實現交通行業數據采集整合、海量數據處理平臺實現數據分析處理、交通決策服務平臺為政府和公眾提供決策支持和信息服務，如圖7所示。 　　圖7 基于城市交通大數據的個性化服務平臺 　�。�1）基礎信息綜合平臺 　　基礎信息綜合平臺為個性化服務平臺的基礎，是實時交通信息發布的數據來源，主要功能是交通信息數據的收集和處理。將各個子系統中的交通數據按照一定的編碼規則和既定格式采集起來，將其轉換為可用的綜合交通信息，基礎信息綜合平臺是整個智能交通信息組織過程中的信息樞紐，是實時交通信息發布的數據來源，進行交通信息數據的收集和處理，并為外部數據接入和對外數據分發提供數據規范和標準接口。 　　基礎信息綜合平臺將來自不同系統的數據進行處理后，匯入數據管理層，數據管理層關注與其他層次的交互，擔當事務監控器、消息系統及其他角色，存儲著持久數據。選用業界高性能的數據庫來提供數據存儲、數據存取訪問、數據訪問控制、數據共享等服務。處理以上各層之間的數據通信問題，包括對各層之間的數據進行相互傳輸。主要包含浮動車信息采集系統、智能交通監控調度系統、出租車綜合管理系統、停車場行業管理系統、客運聯網售票系統、資源整合系統、仿真基礎數據采集系統等。不同的檢測技術適合于不同的采集環境，因此仿真基礎數據采集處理包括視頻交通流檢測系統、微波檢測系統、移動式地磁檢測系統三大模塊。 　�。�2）大數據智能處理平臺 　　大數據處理是結合交通系統的實際情況，研究綜合交通模型體系，制定綜合交通信息的數據規范和接口規范，并在此基礎上研究和驗證綜合交通大數據的接入和融合技術、大數據處理和多維度挖掘技術以及大數據的安全和有效管理技術，從而最終建設完成市區綜合交通信息中心，并為交通信息服務、交通行業管理部門的智能決策等提供支持。 　�。�3）交通信息服務平臺 　　交通信息服務平臺是利用基礎平臺和數據智能處理平臺提供的經整合處理后的交通信息，為公眾出行提供個性化交通信息服務的發布平臺。結合筆者和合作單位多年的交通信息服務實踐，交通信息服務平臺將通過移動互聯網（手機應用）、傳統網站、電話熱線、電子站牌、交通情報板（誘導屏）、廣播電視、公共信息亭、導航儀等多種媒介為公眾提供免費或增值服務，該平臺還將為不同發布渠道提供軟件配套支持。 　　基于移動互聯網的信息服務：利用3G網絡等移動互聯寬帶技術，一方面可以通過其采集用戶位置信息提供豐富位置服務；另一方面使手機終端能快捷訪問交通信息服務，包括交通視頻、圖像等多媒體信息，提供的軟件功能包括：路況信息、停車服務、實時公交、出行規劃、地鐵信息、鐵路航班、客運信息、的士查詢、駕培信息、交通資訊等。 　　基于傳統互聯網的信息服務：對交通信息進行采集、分析、挖掘、發布，打造全方位、一站式的交通信息服務發布平臺，為用戶提供包括實時路況、交通視頻、實時公交、出租車空車分布、網上汽車票查詢預訂、停車場動態信息、航班動態信息、列車動態信息、地鐵信息以及交通咨詢在內的出行前與出行途中的全程交通信息服務，使用戶足不出戶即可了解城市交通動態，科學規劃出行方案。 　　電子站牌：公交站臺電子站牌為乘坐公交出行的用戶提供交通相關信息，如公交車輛到站信息。 　　交通情報板：利用停車誘導屏等情報板為出行者提供停車誘導服務。 　　廣播電視：通過廣播電視節目為用戶播報綜合交通服務信息，如實時路況、航班動態等信息。 　　公共信息亭：綜合交通信息亭終端采用觸摸屏方式接受用戶的交互式操作，提供與Web網站類似的綜合交通信息服務。主要用戶是旅游出行人員和通過公共交通系統（如公路、鐵路和航空）出行的人員。 　　真三維動態導航與智能預警服務：在智能交通導航中，將以真三維導航（高分辨率真實影像替代虛擬場景）替代傳統二維虛擬導航。三維導航地圖不是在二維導航地圖上的3D顯示，而是在獲取三維空間數據后，利用信息通信技術處理三維空間數據，包容其他地理信息，可以突破常規二維表示對形式的束縛，更好地洞察和理解現實世界。真三維智能交通中，根據實地采集的實景資料，對色彩、材質、燈光等細節進行處理，逼真地在導航儀上動態地再現三維道路實景。針對交通事故多發區域，比如十字路口或者拐彎區域，通過高清影像與幾何模型結合運算，計算出大車拐彎的死角范圍，并搜集車身長度和性能進行評價，將評價結果及時反饋給司機，將導航過程中經常發生危險的區域在真三維實景導航中顯示并警示，有利于駕駛員安全駕駛，減少交通事故發生。 　　5.4 其他應用實例 　�。�1）交通基礎設施數據提取及實時更新 　　利用快速更新的遙感影像來提取城市道路變化，并及時自動更新交通大數據中心的數據庫，可實現路網數據的實時更新，為用戶提供更準確的道路信息。過程如下： 　　通過高分辨率影像提取道路的路面、綠化帶、環島、大車拐彎死角帶等要素，通過航空影像和斜視影像，可以提取道路的路燈、井蓋、路牌等信息； 　　利用道路兩旁行道樹、植被指數、形狀指數和數學形態學知識來自動、半自動地提取道路線，并通過GIS進行道路面積的快速計算； 　　采用面向對象的遙感影像的分類方法，對遙感影像進行分割，降低噪聲干擾，并得到同質對象； 　　通過尺度選擇及轉換，構建影像對象層次，充分認識不同道路特征，建立道路知識庫，進行道路信息提取。 　�。�2）基于行車大數據的駕駛行為分析與預警 　　將收到的數據分組分類處理，可實現對移動車輛的全天候的實時監控、報警、指揮與調度功能。通過電子地圖匹配GPS/中國北斗衛星導航系統采集的車輛經緯度、時間等信息，實時監測車輛的運行位置和狀態，并在GIS上顯示車輛軌跡，進行車輛的跟蹤；通過自動記錄、統計、分析車輛的歷史運行數據，輔助管理人員制定管理決策。對海量行車數據及駕駛行為數據導入一些統計分析手段，可以有效對駕駛行為進行數據建模，通過駕駛員的出行習慣，從路線到行為，為該駕駛員提供一套評估，而此人的評估會被送往交通管理部門以及運輸企業等地方，從而應用到各類行業中，如新車車主駕駛行為糾正系統、車主行車行為自診斷系統等。 　�。�3）預測群體出行行為 　　結合交通大數據，可以預測出群體出行的態勢，對其可能出行的時間、出行路線、出行方式等進行預測，從而為城市車輛調度提供決策幫助。反過來看，這些預測的群體出行行為數據也將為個人出行提供更加精確的服務，幫助個人決策，讓個人出行盡量以最短的時間、最短的路線抵達目的地。 　　6 結束語 　　遙感空間數據、交通視頻數據、各類感知數據、輿情數據等信息在城市交通系統是分散獲取、單獨使用的，總的來說，數據量巨大，但由于各方面數據應用單一、不夠深化，不能夠充分挖掘數據的價值。在這些數據的基礎上，構建城市智能交通大數據平臺，可從尺度、精度、時相等方面保障數據及時更新，能夠實現更精細、及時的動態監測服務數據體系。 　　城市智能交通大數據平臺基于云計算平臺和高速網絡傳輸，支撐移動互聯網時代的智能交通服務，實現用戶移動終端數據采集、大數據分析挖掘、智能推送等信息實時高速傳輸；基于實時數據為用戶提供更精準的導航、停車服務，實現新型的實時互聯交通服務模式。 　　展望未來，通過物聯網、云計算、大數據等技術手段，有望減少甚至消除城市交通原有的行政壁壘，實現城市交通各種大數據的全面采集和有機整合，在一個平臺上同時為政府各部門提供交通行政監管服務、為企業和大眾提供交通信息服務，從而可進一步提高城市交通的運營管理和綜合服務水平。