当前位置:文档之家› 大数据分析:智能交通发展的引擎

大数据分析:智能交通发展的引擎

大数据分析:智能交通发展的引擎0前言近年来,各国都在关注“大数据”,力图通过扩大其在国内的应用范围,进一步释放数据所蕴含的潜在价值。

2012年3月29日,奥巴马政府公布“大数据研发计划”,旨在改进现有人们从海量和复杂的数据中获取知识的能力,从而加速美国在科学与工程领域发明的步伐,增强国家安全,转变现有的教学和学习方式。

我国亦于2012年7月22日在北京大学举行“首届中国大数据应用论坛”,主要议题包括大数据的发展趋势、不同场景的大数据应用、云计算与大数据、大数据与商业智能等,旨在共同讨论大数据的应用价值。

在2013年4月举行的首届中国国际云计算技术和应用展览会上,工信部软件服务业司司长陈伟表示“大数据,我认为它有四个维度:量大,种类多,发展速度快,最后就是价值复杂,可以说处处是黄金,到处是沙子”[1]。

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[2]。

1大数据概念Big Data“大数据”是继云计算、物联网之后IT产业又一次颠覆性的技术变革,对国家治理模式、对企业的决策、组织和业务流程、对个人生活方式都将产生巨大的影响。

在信息技术中,大数据是一个数据集的集合,这个集合是如此大而复杂,以至于它很难通过现有数据库管理工具来进行处理[3]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。

大数据特点有四个层面:第一,数据体量巨大。

从TB级别,跃升到PB级别;第二,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。

第三,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。

第四,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[4]。

2 大数据技术与智能交通2.1大数据:改变传统交通管理的路径社会经济的快速发展促使城市机动车辆的数量大幅增加。

城镇化的加速打破了城市道路系统的均衡状态,传统的交通系统难以满足当前复杂的交通需求,交通堵塞成为棘手问题。

用大数据技术可促进交通管理模式的变革。

大数据技术的主要特点及其对传统交通的改变集中在以下方面:第一,大数据的虚拟性可以解决跨越行政区域的限制。

行政区域的划分是国家为了有效统治和管理,而将一个国家划分不同行政区域。

这个划分在促进各个行政区域自治的同时,也导致各个地方政府追求各自辖区利益的最大化,而对地方政府之间边界区的交通基础设施建设、过境交通线路等漠不关心。

交通大数据的虚拟性,有利于其信息跨越区域管理,只要多方共同遵照相关的信息共享原则,就能在已有的行政区域下解决跨域管理问题[2]。

第二,大数据具有信息集成优势和组合效率。

我国大部分城市的各类交通运输管理主体分散在不同主管部门,呈现出条块分割的现象。

涉及交通的“有关部门”超过10个,每个部门都有自己的信息化系统,但这些数据信息只存在于垂直业务和单一应用中,与邻近业务系统缺乏共通联动。

这种分散造成交通管理的碎片化,如交通信息分散、信息内容单一等问题。

大数据有助于建立综合性立体的交通信息体系,通过将不同范围、不同区域、不同领域的“数据仓库”加以综合,构建公共交通信息集成利用模式,发挥整体性交通功能,这样才能发现新价值,带来新机会。

例如气象、交通、保险部门的数据结合起来,可高效率地研究交通领域防灾减灾;IC卡数据结合抽样调查,能更快捷、更精确测得城市交通流分布状况[5]。

第三,大数据的智能性能较好的配置交通资源[4]。

传统的交通管理主要依靠人工的方式进行规划和管理,难以实现交通的动态化管理。

通过对大数据的分析处理,可以辅助交通管理制定出较好的统筹与协调解决方案。

一方面减少各个交通部门运营的人力和物力,另一方面可有些提升道理交通资源的合理利用。

如根据大数据结果确定多模式地面公交网络高效配置和客流组织方案,多层次地面公交主干网络绿波通行控制以及交通信号自适应控制。

第四,大数据的快速性和可预测性能提升交通预测的水平。

用传统的思维来改善交通拥堵,一般是加大基础设施投入,即加宽道路、增加道路里程来提高交通通行能力,但这种做法又不仅会受到土地资源的限制,而且规划的方案是否能满足远景需要也有待商榷。

在对各个部门的数据进行准确提炼和构建合适的交通预测模型后,可以有效模拟交通未来运行状态,验证技术方案的可行性。

而在实时交通预测领域,大数据的快速信息处理能力,对于车辆碰撞、车辆换道、驾驶员行为状态检测等实时预测也有非常高的可靠性。

2.2大数据在智能交通应用上的优势(1)提高交通运行效率大数据技术能促进提高交通运营效率、道路网的通行能力、设施效率和调控交通需求分析。

交通的改善所涉及工程量较大,而大数据的大体积特性有助于解决这种困境。

例如,根据美国洛杉矶研究所的研究,通过组织优化公交车辆和线路安排,在车辆运营效率增加的情况下,减少46%的车辆运输就可以提供相同或更好的运输服务。

伦敦市利用大数据来减少交通拥堵时间,提高运转效率。

当车辆即将进入拥堵地段,传感器可告知驾驶员最佳解决方案,这大大减少了行车的经济成本。

大数据的实时性,使处于静态闲置的数据被处理和需要利用时,即可被智能化利用,使交通运行的更加合理。

大数据技术具有较高预测能力,可降低误报和漏报的概率,随时针对交通的动态性给予实时监控。

因此,在驾驶者无法预知交通的拥堵可能性时,大数据亦可帮助用户预先了解。

例如,在驾驶者出发前,大数据管理系统会依据前方路线中导致交通拥堵的天气因素,判断避开拥堵的备用路线,并通过智能手机告知驾驶者[2][6]。

(2)提高交通安全水平主动安全和应急救援系统的广泛应用有效改善了交通安全状况,而大数据技术的实时性和可预测性则有助于提高交通安全系统的数据处理能力。

在驾驶员自动检测方面,驾驶员疲劳视频检测、酒精检测器等车载装置将实时检测驾车者是否处于警觉状态,行为、身体与精神状态是否正常。

同时,联合路边探测器检查车辆运行轨迹,大数据技术快速整合各个传感器数据,构建安全模型后综合分析车辆行驶安全性,从而可以有效降低交通事故的可能性。

在应急救援方面,大数据以其快速的反应时间和综合的决策模型,为应急决策指挥提供辅助,提高应急救援能力,减少人员伤亡和财产损失[7]。

(3)提供环境监测方式大数据技术在减轻道路交通堵塞、降低汽车运输对环境的影响等方面有重要的作用。

通过建立区域交通排放的监测及预测模型,共享交通运行与环境数据,建立交通运行与环境数据共享试验系统,大数据技术可有效分析交通对环境的影响。

同时,分析历史数据,大数据技术能提供降低交通延误和减少排放的交通信号智能化控制的决策依据,建立低排放交通信号控制原型系统与车辆排放环境影响仿真系统[8]。

3结语在当前大数据时代,数据充斥所带来的影响远远超出了企业领域,其不仅能带来商业价值,亦能产生社会价值。

随着信息通讯技术的发展,交通运输从数据贫乏的困境转向数据丰富的环境,而面对众多的交通数据,如何从中根据用户需求提取有效数据成为关键所在。

但是,大数据技术在智能交通应用领域同样面临着巨大挑战,包括隐私,数据处理硬件设施、数据不完备性、模型有效性等领域,这些都是我们未来继续需要探讨和解决的问题。

参考文献:[1] 韩耀强.大数据:智慧城市的发展引擎. /news/detail/105004003/1574183268.html, 2013-04-09/2013-4-19.[2]杨万三.智能交通管理一次颠覆传统的技术变革./Common/NewsDetail.aspx?ID=201304081137580 6088, 2013-04-08/2013-4-19.[3] 王涛.英特尔开放平台构建大数据生态圈./server/2012/1211/2135509.shtml, 2012-12-11/2013-4-20.[4]Mohan Sawhney.Big Data Challenges and Opportunities./docs/2012-.10.31.Sawhney.Big.Data.pdf, 2012-10-31/2013-4-20.[5] 李玲娟.IoT的数据管理与智能处理[J].中兴通讯技术,2011,17(1):38-41[6] Rima Mukherjee.Travel and Transportation in the Age of Big Data./blog/travel-and-transportation-age-big-data, 2012-08-28/2013-4-20.[7] Greg Rucks.How big data drives intelligent transportation./blog/2012/08/15/how-big-data-drives-intelligent-transportation?page=0%2C1, 2012-08-15/2013-4-20.[8] U.S. Department of Transportation.Big Data Analytics: Driving Value Beyond the Hype./coi-/outreach/colloquia/tsda/docs/bigdatabro_508.pdf, 2012-10-2/2013-4-20.。

相关主题