云計算在智能交通中的應(yīng)用

1. 四川大學(xué)，錦城學(xué)院，成都 611731

2. 西南交通大學(xué)，交通運輸與物流學(xué)院，成都 610031

0 引 言

汽車數(shù)量快速增長，由此帶來的交通擁堵、安全事故和環(huán)境污染等已嚴重影響社會經(jīng)濟的健康發(fā)展。交通發(fā)展必須是可持續(xù)發(fā)展模式，智能交通技術(shù)應(yīng)用到現(xiàn)代交通中成為了解決矛盾的有效途徑。經(jīng)過幾十年的發(fā)展，智能交通也面臨諸多問題，如不能提供時時交通信息，交通信息處理低效，交通流預(yù)測不準確等。針對這些問題引入“云計算”的概念，構(gòu)建智能交通云系統(tǒng)，提高智能交通系統(tǒng)的信息時效性和準確性，同時也為各種交通系統(tǒng)的信息融合提供技術(shù)支持，促進綜合交通的發(fā)展。

1 智能交通的發(fā)展和云計算概述

1.1 智能交通系統(tǒng)的發(fā)展歷程

二戰(zhàn)結(jié)束后，世界經(jīng)濟復(fù)蘇，交通迅速發(fā)展，汽車數(shù)量的增加使道路擁堵等問題日益嚴重，各國開始關(guān)注并研究可持續(xù)的交通發(fā)展模式——智能交通系統(tǒng)（Intelligent transportation system，ITS）。

20世紀50年代，美國通用汽車公司進行了自動駕駛系統(tǒng)試驗，研究利用雷達跟行前方車輛，如日本豐田汽車公司進行了MAC系統(tǒng)的自動駕駛實驗等。因為當(dāng)時技術(shù)不完善，增加道路網(wǎng)密度能更快解決交通擁堵問題，因此直到20世紀80年代中期人們才開始深入研究ITS。1986年，歐洲19個國家政府、公司和大學(xué)建立了PROMETHEUS（使歐洲交通最高效且最安全的工程），PROMETHEUS計劃包括對公路系統(tǒng)的改進和綜合交通系統(tǒng)的發(fā)展。1991年，歐洲交通部和歐洲委員會共同成立了 ERTICO組織，ERTICO最初的研究目的是道路交通，后來研究方向也逐漸擴展到綜合交通領(lǐng)域。1998年，ERTICO開始進行新的方向研究，它們包括：數(shù)字聲音廣播（DAB）、系統(tǒng)結(jié)構(gòu)（KAREN）、視頻援助（VERA）等[1]。

隨著計算機技術(shù)、通信技術(shù)的不斷發(fā)展，目前智能交通系統(tǒng)的研究領(lǐng)域包括：先進的交通管理系統(tǒng)（Advanced Traffic Management Systems，簡稱ATMS）、先進的旅行者信息系統(tǒng)（Advanced Travelers Information System，ATIS）、自動收費系統(tǒng)（Electronic Toll Collection System，簡稱ETCS）、公共交通系統(tǒng)（Advanced Public Transport System，簡稱APTS）、運行管理和緊急事故管理系統(tǒng)（Security and Emergency Management System，簡稱SEMS）、貨物和流量管理系統(tǒng)（Freight and Fleet Management System，簡稱FFMS）等。

云計算本質(zhì)是整合型的計算模型，整合了多類不同計算技術(shù)和概念。按照交付模式云計算分為：軟件服務(wù)、平臺服務(wù)、基礎(chǔ)設(shè)施服務(wù)，如圖1所示。IaaS層將硬件基礎(chǔ)資源封裝成服務(wù)供用戶使用，用戶搭建自己的業(yè)務(wù)平臺，如亞馬遜的 AWS（Amazon Web Services）。PaaS層提供用戶應(yīng)用程序的運行環(huán)境，用戶能夠在這個平臺上快速搭建自己的應(yīng)用，如Google App Engine和 Microsoft Windows Azure。SaaS層把應(yīng)用或者軟件封裝為服務(wù)，用戶可以通過任何網(wǎng)絡(luò)設(shè)備使用這個程序，如 Google的 Gmail和 Sales force公司的CRM（Client Relationship Management）服務(wù)，允許大量的用戶同時在線并提供云端存儲、處理等服務(wù)。

圖1 云計算交互模式Fig.1 Cloud computing interaction model

我國云計算發(fā)展也非常迅速，2008年5月10日，IBM 在無錫太湖建立了中國第一個云計算中心；隨后，IBM在北京IBM中國創(chuàng)新中心成立了第二家中國的云計算中心——IBM大中華區(qū)云計算中心。2008年12月，阿里巴巴集團旗下子公司阿里軟件于2009年初在南京建立國內(nèi)首個“電子商務(wù)云計算中心”。世紀互聯(lián)推出了Cloud-Ex產(chǎn)品線，包括完整的互聯(lián)網(wǎng)主機服務(wù)“Cloud-Ex Computing Service”。

2 智能交通云的構(gòu)成與功能

2.1 智能交通云

智能交通子系統(tǒng)包括：先進的交通管理系統(tǒng)、先進的旅行者信息系統(tǒng)、自動收費系統(tǒng)、公共交通運行管理系統(tǒng)等。這些子系統(tǒng)的應(yīng)用服務(wù)和計算設(shè)備分層后可以得到通用的計算層，作為構(gòu)建智能交通系統(tǒng)中心的基礎(chǔ)。對于這個通用的計算層，利用云計算服務(wù)商提供的服務(wù)，智能交通系統(tǒng)可以直接調(diào)用交通云平臺中的海量交通信息和數(shù)據(jù)分析結(jié)果。這種基于云計算服務(wù)的智能交通系統(tǒng)稱為“智能交通云”[2]。

交通信息云是一種快速反應(yīng)的交通信息管理模式，實現(xiàn)了基于云計算的交通信息采集、分析、存儲、調(diào)用、發(fā)布和反饋等功能。大量繁雜多變的交通信息，如交通流量、密度、最優(yōu)路徑、擁堵狀況等信息通過網(wǎng)絡(luò)傳輸?shù)浇煌ㄔ破脚_。借助云計算的分布式存儲、冗余存儲和動態(tài)存儲等技術(shù)，具備了超大容量的存儲能力和分析能力，為用戶提供時時交通數(shù)據(jù)、計算軟件和交互平臺。

2.2 智能交通云計算模式

智能交通云能夠?qū)煌ㄐ畔牟杉桨l(fā)布反饋全過程進行優(yōu)化，提高交通信息的準確度和時效性。下面從邏輯架構(gòu)和組織架構(gòu)兩方面對智能交通云進行介紹。

（1）邏輯架構(gòu)

交通云可以提供的服務(wù)有：交通信息分析與發(fā)布、交通管理、交通基礎(chǔ)設(shè)施規(guī)劃建設(shè)、時時路徑誘導(dǎo)等。如圖2所示，在硬件設(shè)備資源層上建立虛擬化層，在硬件設(shè)備資源層和虛擬化層的基礎(chǔ)上提供虛擬機，組成虛擬機應(yīng)用系統(tǒng)，這三層結(jié)合云計算服務(wù)管理即可構(gòu)成IaaS云?；贗aaS之上可構(gòu)建PaaS云，即平臺云，用于提供軟件產(chǎn)品的自行安裝和配置。相應(yīng)的應(yīng)用系統(tǒng)如交通管理及仿真決策支持系統(tǒng)、公眾出行服務(wù)信息系統(tǒng)、最優(yōu)路徑誘導(dǎo)系統(tǒng)，可以在PaaS上運行，也可以直接在IaaS層上運行[3]。

（2）組織架構(gòu)

交通管理者、交通運營企業(yè)和交通用戶通過交通信息云聯(lián)系起來，通過服務(wù)交付的方式將交通信息云的基礎(chǔ)架構(gòu)提供給不同類型的用戶。其組織架構(gòu)依次為：

① 云計算資源。如分散的大量服務(wù)器、各種硬件設(shè)備、存儲設(shè)備等。

② 云計算管理平臺。對采集的交通數(shù)據(jù)進行融合分析、存儲和管理。

③ 基礎(chǔ)設(shè)施。采集的各種交通數(shù)據(jù)組成交通數(shù)據(jù)資源池，分別提供小型虛擬機、虛擬存儲、虛擬服務(wù)器和虛擬網(wǎng)絡(luò)的存儲。

④ 服務(wù)管理平臺。通過時時監(jiān)控，保證云平臺的交通數(shù)據(jù)高效準確；錯誤的數(shù)據(jù)及時修正或者棄用，為用戶提供交通誘導(dǎo)服務(wù)。

⑤ 平臺服務(wù)。主要包括交通信息發(fā)布平臺、交通信息查詢平臺、交通管理平臺和交通誘導(dǎo)平臺。

3 云計算在智能交通中的應(yīng)用案例

3.1 基于GPS的浮動車交通信息云

通過網(wǎng)絡(luò)把數(shù)據(jù)處理中心、虛擬機和車載 GPS終端連接起來組成交通信息云計算的基礎(chǔ)設(shè)施，稱為交通信息云。

基于 GPS的浮動車交通信息采集原理是：根據(jù)裝備車載全球定位系統(tǒng)（GPS）的浮動車在其行駛過程中記錄的車輛位置、方向和速度等信息，應(yīng)用地圖匹配、路徑推測等計算模型和算法進行處理，使浮動車位置數(shù)據(jù)和城市道路在時間和空間上關(guān)聯(lián)起來，最終得到浮動車所經(jīng)過道路的車輛行駛速度以及道路的行車旅行時間等交通信息。

車載 GPS可以提供準確的位置、速度等信息，減少了數(shù)據(jù)中心的修正、刪除錯誤數(shù)據(jù)的計算。浮動車采集的車流密度、速度、流向、路段擁堵等信息經(jīng)過云計算中心存儲和處理，將交通信息及交通引導(dǎo)建議反饋給管理部門或者是車輛駕駛者，有利于及時引導(dǎo)交通或選擇合理路線以規(guī)避擁堵路段。

云計算在基于GPS的浮動車交通信息采集技術(shù)中應(yīng)用如圖3所示。

圖2 交通云的邏輯架構(gòu)Fig.2 Traffic cloud logical architecture

圖3 云計算在基于GPS的浮動車技術(shù)中的應(yīng)用Fig.3 Cloud computing applications in floating car based on GPS technology

3.2 基于云模型的短時交通流預(yù)測

交通流預(yù)測是指在時刻t，通過對云計算數(shù)據(jù)中心數(shù)據(jù)的分析，再由云計算服務(wù)平臺通過對交通的擁堵情況、路面行駛狀態(tài)以及車輛的時時行駛速度進行統(tǒng)一的綜合處理，預(yù)測下一個決策時刻t + Δt以至以后若干時刻的交通流，Δt不超過15 min時為短時交通流預(yù)測[4]。

云的數(shù)字特征是采用基于正態(tài)分布的數(shù)字特征，把模糊性和隨機性結(jié)合在一起。以當(dāng)前采集的交通量為例，給定云模型的各項參數(shù)，例如，下班高峰期的交通量與平時的歷史數(shù)據(jù)集中平均量差異較大，但下班高峰期的交通量受之前交通量的影響，因此預(yù)測下班高峰期的交通量應(yīng)該以下午以前的交通量作為當(dāng)前云，然后根據(jù)云模型的推理機制，循環(huán)處理若干次，直到得到足夠的云滴，最終以所有云滴的平均值輸出。

3.3 最優(yōu)路徑誘導(dǎo)

傳統(tǒng)導(dǎo)航系統(tǒng)提供的是最短路徑，但是交通參與者的交通行為復(fù)雜多變，道路狀況適時變化，最短路徑往往不是最佳的選擇，這時就需要能對交通信息進行時時監(jiān)控、分析，提供動態(tài)導(dǎo)航的服務(wù)系統(tǒng)。最優(yōu)路徑誘導(dǎo)功能的實現(xiàn)涉及浮動車的交通信息采集處理技術(shù)、數(shù)據(jù)處理算法和多源信息融合技術(shù)、動態(tài)交通預(yù)測算法、定位信息接收及地圖匹配技術(shù)、高效的最優(yōu)路徑搜索算法、多媒體路徑誘導(dǎo)技術(shù)等。這些技術(shù)算法需要有強大的交通信息資源支撐和計算平臺的兼容，這就是云計算發(fā)揮作用的地方。

云計算數(shù)據(jù)中心對人、車、路等綜合交通影響因素的處理分析和融合，快速判斷出路況后，通過廣播、電子地圖、時時手機短訊、車載終端等媒介將信息發(fā)布給廣大的道路使用者，為其提供最優(yōu)路徑引導(dǎo)信息和各類時時交通信息幫助服務(wù)，便于駕駛員提前改變行車路線，避開交通擁堵、事故路段，提高通行效率和安全[5]。

3.4 交通信號控制

智能的交通信號控制依賴時時可靠的交通流檢測。各種傳統(tǒng)的交通信息采集方法采集的信息整合分析得到區(qū)域交通流運行的基本背景，同時利用現(xiàn)有的各類交通流檢測方式（線圈、微波、視頻等）和GPS、RFID、GID等主動信息采集方式，直接通過前端設(shè)備實現(xiàn)對路口各流向交通流自適應(yīng)控制。所有的匯集信息由云平臺集中處理，形成時時、精確的區(qū)域交通控制方案，統(tǒng)一調(diào)控聯(lián)網(wǎng)信號機，實現(xiàn)基于云計算的智能交通信號控制。

4 結(jié)束語

云計算技術(shù)在智能交通系統(tǒng)中的應(yīng)用，可以使交通基礎(chǔ)設(shè)施發(fā)揮最大的效能，有效緩解交通擁堵，降低交通環(huán)境污染。智能交通云把云計算資源和交通資源集中在可以共享的云平臺上,使整個交通系統(tǒng)整體優(yōu)化。云計算技術(shù)還有需要進一步完善的問題，比如：虛擬化應(yīng)用的復(fù)雜程度、服務(wù)生命的周期管理以及云計算的安全性等問題。當(dāng)前交通信息采集會產(chǎn)生大量的音頻和視頻數(shù)據(jù)，如何利用云計算技術(shù)對這些大容量信息進行篩檢、融合和分析是交通云平臺建設(shè)的重點。

[1] 史新宏，蔡伯根，穆建成. 智能交通系統(tǒng)的發(fā)展[J].北方交通大學(xué)學(xué)報，2002，26（1）：28-34.

[2] 王笑京，齊彤巖. 智能交通系統(tǒng)體系框架原理與應(yīng)用[M]. 北京：中國鐵道出版社，2012，7（6）：17-21.[3] 唐箭. 云存儲系統(tǒng)的分析與應(yīng)用研究[J]. 電腦知識與技術(shù)，2009，21（20）：37-40.

[4] Michael Arm Bruce, Armando Fox. Above the clouds：a berkeley view of cloud computing[J]. UC Berkeley，RAD Laboratory，2009，18（11）：30-33.

[5] 倪琴，許麗. 云計算技術(shù)在智能交通系統(tǒng)中的應(yīng)用研究[J]. 交通與運輸，2012，25（7）：106-109.