城市交通大數(shù)據(jù)技術(shù)及智能應(yīng)用系統(tǒng)

熊 剛，董西松,3，朱鳳華，季統(tǒng)凱

1. 中國科學(xué)院自動化研究所復(fù)雜系統(tǒng)管理與控制國家重點實驗室 北京 100190；2. 中國科學(xué)院云計算中心 東莞 523808；3. 青島智能產(chǎn)業(yè)技術(shù)研究院 青島 266109

城市交通大數(shù)據(jù)技術(shù)及智能應(yīng)用系統(tǒng)

熊 剛1,2，董西松1,2,3，朱鳳華1,2，季統(tǒng)凱2

1. 中國科學(xué)院自動化研究所復(fù)雜系統(tǒng)管理與控制國家重點實驗室 北京 100190；2. 中國科學(xué)院云計算中心 東莞 523808；3. 青島智能產(chǎn)業(yè)技術(shù)研究院 青島 266109

城市交通大數(shù)據(jù)具有種類繁多、異質(zhì)性、時空尺度跨越大、動態(tài)多變、高度隨機(jī)性、局部性和生命周期較短等特征，如何有效地采集和利用交通大數(shù)據(jù)，滿足高時效性的交通行政監(jiān)管、交通企業(yè)經(jīng)營管理、交通市民服務(wù)等應(yīng)用需求，是城市交通和智慧城市面臨的前所未有的機(jī)遇和挑戰(zhàn)。重點分析總結(jié)了城市交通大數(shù)據(jù)的若干研究內(nèi)容及核心技術(shù)，提出了城市交通大數(shù)據(jù)智能應(yīng)用系統(tǒng)解決方案，列舉了幾種典型應(yīng)用，在城市交通和智慧城市領(lǐng)域的大數(shù)據(jù)研發(fā)和應(yīng)用領(lǐng)域進(jìn)行了初步探討。

城市交通；大數(shù)據(jù)；云計算；物聯(lián)網(wǎng)

1 引言

2015年兩會上，“大數(shù)據(jù)（big data）”一詞首次寫入政府工作報告。在交通領(lǐng)域，大數(shù)據(jù)一直被視作緩解交通壓力的技術(shù)利器。應(yīng)用大數(shù)據(jù)有助于了解城市交通擁堵問題中人的出行規(guī)律和原因，實現(xiàn)交通和生活的和諧，提高城市的宜居性，為政府精準(zhǔn)管理提供基于數(shù)據(jù)證據(jù)的綜合決策[1]。同時，大數(shù)據(jù)的挖掘和使用還有利于催生信息消費新模式，促進(jìn)信息消費產(chǎn)業(yè)發(fā)展。

隨著手機(jī)網(wǎng)絡(luò)、全球定位系統(tǒng)（global positioning system，GPS）/北斗車載導(dǎo)航、車聯(lián)網(wǎng)、交通物聯(lián)網(wǎng)的發(fā)展，交通要素的人、車、路等的信息都能夠?qū)崟r采集，城市交通大數(shù)據(jù)來源日益豐富[2]。在日益成熟的物聯(lián)網(wǎng)和云計算平臺技術(shù)支持下，通過城市交通大數(shù)據(jù)的采集、傳輸、存儲、挖掘和分析等，有望實現(xiàn)城市交通一體化，即在一個平臺上實現(xiàn)交通行政監(jiān)管、交通企業(yè)運營、交通市民服務(wù)的集成和優(yōu)化[3]。

城市交通大數(shù)據(jù)的集成與分析技術(shù)研究，對我國智慧城市的發(fā)展具有戰(zhàn)略性意義。交通大數(shù)據(jù)具有種類繁多、異質(zhì)性、時空尺度跨越大、動態(tài)多變、高度隨機(jī)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(shù)據(jù)，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(fā)展機(jī)遇和挑戰(zhàn)[4～8]。

本文首先簡單介紹了大數(shù)據(jù)的發(fā)展?fàn)顩r及趨勢，然后重點分析總結(jié)了城市交通大數(shù)據(jù)的若干核心技術(shù)，并提出城市交通大數(shù)據(jù)的智能應(yīng)用系統(tǒng)解決方案，最后重點列舉了幾種典型應(yīng)用。

2 大數(shù)據(jù)的發(fā)展?fàn)顩r及趨勢

近年來，數(shù)據(jù)的快速增長成了許多行業(yè)共同面對的嚴(yán)峻挑戰(zhàn)和寶貴機(jī)遇，信息社會正在進(jìn)入大數(shù)據(jù)時代。大數(shù)據(jù)指的是涉及的資料量規(guī)模巨大到無法透過目前主流軟件工具在合理時間內(nèi)達(dá)到感知、擷取、管理、處理和服務(wù)的數(shù)據(jù)集合。從2009年左右開始，“大數(shù)據(jù)”開始成為互聯(lián)網(wǎng)信息技術(shù)行業(yè)的流行詞匯。

根據(jù)互聯(lián)網(wǎng)數(shù)據(jù)中心（IDC）估測，數(shù)據(jù)一直以每年50%的速度增長（大數(shù)據(jù)摩爾定律），這意味著人類在最近兩年產(chǎn)生的數(shù)據(jù)量相當(dāng)于之前產(chǎn)生的全部數(shù)據(jù)量，預(yù)計到2020年，全球?qū)⒖偣矒碛?5億GB（35 ZB）的數(shù)據(jù)。大數(shù)據(jù)處理的數(shù)據(jù)規(guī)模從TB級上升到PB、EB甚至ZB級，人們面臨著如何降低數(shù)據(jù)存儲成本、充分利用計算資源、提高系統(tǒng)并發(fā)吞吐率、支持分布式非線性迭代算法優(yōu)化等眾多難題。

為了應(yīng)對大數(shù)據(jù)的發(fā)展趨勢，更好地為行業(yè)用戶和個人提供數(shù)據(jù)分析的服務(wù)，亟需構(gòu)建各類不同的大數(shù)據(jù)平臺，支持用戶對數(shù)據(jù)的多種需求。構(gòu)建大數(shù)據(jù)平臺就是要將不同渠道、不同來源、不同結(jié)構(gòu)的數(shù)據(jù)進(jìn)行有機(jī)的整合。與傳統(tǒng)數(shù)據(jù)平臺不同的是，大數(shù)據(jù)海量的規(guī)模、多樣的類型、快速的流動和動態(tài)的體系以及巨大的價值是大數(shù)據(jù)平臺構(gòu)建需要重點考慮的幾個因素。除此之外，數(shù)據(jù)的分類存儲、數(shù)據(jù)平臺的開放性、數(shù)據(jù)的智能處理以及數(shù)據(jù)平臺與用戶的交互都為大數(shù)據(jù)平臺的建設(shè)帶來前所未有的挑戰(zhàn)。

大數(shù)據(jù)平臺處理的數(shù)據(jù)類型是多種多樣的。目前這些平臺的搭建已經(jīng)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(nèi)著名的中文信息結(jié)構(gòu)庫——中國知網(wǎng)。在商用數(shù)據(jù)平臺方面，IBM公司的Infosphere大數(shù)據(jù)分析平臺、天睿公司的Teradata統(tǒng)一數(shù)據(jù)環(huán)境以及由國內(nèi)天貓、阿里云、萬網(wǎng)聯(lián)合推出的國內(nèi)首個電商云工作平臺聚石塔是3個典型的數(shù)據(jù)平臺。

“大數(shù)據(jù)”本身是一個現(xiàn)象而不僅僅是一種技術(shù)，這是信息科技?xì)v史發(fā)展的必然結(jié)果。大數(shù)據(jù)的采集、傳輸、處理和應(yīng)用所需的相關(guān)大數(shù)據(jù)處理技術(shù)，是通過系列地使用非傳統(tǒng)工具來對大量的結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行處理，從而獲得分析和預(yù)測結(jié)果的一系列大數(shù)據(jù)處理技術(shù)。大數(shù)據(jù)技術(shù)的戰(zhàn)略意義也不僅在于掌握龐大的數(shù)據(jù)信息，而更在于對這些含有意義的數(shù)據(jù)進(jìn)行專業(yè)化處理。換言之，如果把大數(shù)據(jù)比作一種產(chǎn)業(yè)，那么這種產(chǎn)業(yè)實現(xiàn)盈利的關(guān)鍵在于提高對數(shù)據(jù)的“加工能力”，通過“加工”實現(xiàn)數(shù)據(jù)的“增值”。大數(shù)據(jù)領(lǐng)域已經(jīng)涌現(xiàn)出了大量新的技術(shù)，它們成為大數(shù)據(jù)采集、存儲、處理和呈現(xiàn)等功能的有力武器。大數(shù)據(jù)發(fā)展呈現(xiàn)以下趨勢。

（1）基于云計算的數(shù)據(jù)分析平臺

云計算為大數(shù)據(jù)提供了可以彈性擴(kuò)展、相對便宜的存儲空間和計算資源，使得中小企業(yè)也可以像亞馬遜公司一樣通過云計算來完成大數(shù)據(jù)分析。云計算IT資源龐大、分布較為廣泛，是異構(gòu)系統(tǒng)較多的企業(yè)及時準(zhǔn)確處理數(shù)據(jù)的有力方式，甚至是唯一的方式。

大數(shù)據(jù)要走向云計算，還有賴于數(shù)據(jù)通信帶寬的提高和云資源池的建設(shè)，需要確保原始數(shù)據(jù)能遷移到云計算環(huán)境以及資源池可以隨需彈性擴(kuò)展。

（2）數(shù)據(jù)分析集逐步擴(kuò)大，企業(yè)級數(shù)據(jù)倉庫將成為主流

當(dāng)人們從大數(shù)據(jù)分析中嘗到甜頭以后，數(shù)據(jù)分析集就會逐步擴(kuò)大。目前大部分的企業(yè)分析的數(shù)據(jù)量一般以TB為單位。按照目前數(shù)據(jù)的發(fā)展速度，數(shù)據(jù)量很快將會進(jìn)入PB時代。特別是目前在100～500 TB和500+TB范圍的分析數(shù)據(jù)集的數(shù)量會成倍增長。

隨著數(shù)據(jù)分析集的擴(kuò)大，以前部門層級的數(shù)據(jù)集將不能滿足大數(shù)據(jù)分析的需求，它們將成為企業(yè)級數(shù)據(jù)庫（EDW）的一個子集。因此，企業(yè)內(nèi)的數(shù)據(jù)分析將從部門級過渡到企業(yè)級，從面向部門需求轉(zhuǎn)向面向企業(yè)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(yè)數(shù)據(jù)的開放，更多的外部數(shù)據(jù)將進(jìn)入企業(yè)級數(shù)據(jù)倉庫，使得數(shù)據(jù)倉庫規(guī)模更大，數(shù)據(jù)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?qū)Υ罅繑?shù)據(jù)進(jìn)行分布式處理的軟件框架，能夠處理PB級數(shù)據(jù)，具有高可靠性、高擴(kuò)展性、高效性和高容錯性等特點。其新版本不只為MapReduce服務(wù)，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。HBase NoSQL數(shù)據(jù)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(shù)據(jù)處理中發(fā)揮越來越重要的作用。

3 城市交通大數(shù)據(jù)

3.1 城市交通大數(shù)據(jù)的主要研究內(nèi)容

城市交通大數(shù)據(jù)的研究內(nèi)容主要包括以下方面。

（1）時效約束的大數(shù)據(jù)多尺度匯聚計算和動態(tài)圖譜

交通大數(shù)據(jù)存在多源、異質(zhì)、局部性、時空關(guān)聯(lián)、異步性、信息稀疏性和并發(fā)性等特點，而城市交通系統(tǒng)存在著對大數(shù)據(jù)匯聚處理的高時效性以及對“大而信息稀疏”的交通大數(shù)據(jù)的領(lǐng)域知識牽引要求?，F(xiàn)有的數(shù)據(jù)融合、計算理論與方法難以滿足高時效性的大數(shù)據(jù)處理和基于數(shù)據(jù)的知識構(gòu)建與轉(zhuǎn)換等需求，亟需提出時效約束的大數(shù)據(jù)多尺度匯聚計算和動態(tài)圖譜的交通大數(shù)據(jù)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(tài)勢、路網(wǎng)拓?fù)浜铜h(huán)境形成了高維生態(tài)系統(tǒng)閉空間，相互之間存在著高度非線性、隨機(jī)性和動態(tài)的耦合關(guān)系。交通態(tài)勢及其演化是交通系統(tǒng)的宏觀體現(xiàn)，具有約束條件下的動態(tài)性、序貫性、自組織、隨機(jī)性等特點，交通態(tài)勢機(jī)理解釋對解決城市交通的難題非常重要。傳統(tǒng)的交通理論難以發(fā)現(xiàn)隱含在如此高維空間的知識，對交通出行規(guī)律及其時空演化、大面積交通擁堵演變規(guī)律、環(huán)境與交通行為等進(jìn)行綜合知識和數(shù)據(jù)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(shù)支撐。

（3）交通態(tài)勢的預(yù)測機(jī)理與調(diào)控策略

交通態(tài)勢是城市交通系統(tǒng)運行狀態(tài)的反映，受到交通需求、網(wǎng)絡(luò)拓?fù)?、多交通子系統(tǒng)、環(huán)境、管理和調(diào)控策略等眾多因素的相互影響與作用。由于城市交通態(tài)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(guān)性等特點，是一個超維的復(fù)雜巨系統(tǒng)，其調(diào)控與預(yù)測是世界性的難題，目前尚缺乏相關(guān)的理論與方法。交通態(tài)勢的預(yù)測機(jī)理與調(diào)控策略的研究，將創(chuàng)建復(fù)雜交通巨系統(tǒng)的預(yù)測及其控制的新理論與途徑。

3.2 城市交通大數(shù)據(jù)相關(guān)處理技術(shù)

在城市交通蓬勃發(fā)展的過程中，其數(shù)據(jù)采集量必然成倍增長，形成海量、動態(tài)、實時的交通大數(shù)據(jù)。因此，以大數(shù)據(jù)處理技術(shù)為支撐的城市交通信息服務(wù)將成為未來智能交通發(fā)展的增長點。城市交通所涉及的大數(shù)據(jù)技術(shù)，總結(jié)起來大致包括如下內(nèi)容。

（1）基于Hadoop框架的MapReduce模式技術(shù)

Hadoop是一個能夠?qū)Υ罅繑?shù)據(jù)進(jìn)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(fù)雜地運行于大規(guī)模集群上的并行計算過程高度地抽象到了兩個函數(shù)。Hadoop實現(xiàn)了一個分布式文件系統(tǒng)（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(yīng)用程序的數(shù)據(jù)，適合那些有著超大數(shù)據(jù)集的應(yīng)用程序。

（2）數(shù)據(jù)倉庫技術(shù)

數(shù)據(jù)倉庫是決策支持系統(tǒng)（DSS）和聯(lián)機(jī)分析應(yīng)用數(shù)據(jù)源的結(jié)構(gòu)化數(shù)據(jù)環(huán)境，研究和解決從數(shù)據(jù)庫中獲取信息等問題。數(shù)據(jù)倉庫的特征在于面向主題、集成性、穩(wěn)定性和時變性。其主要功能是將組織通過資訊系統(tǒng)的聯(lián)機(jī)交易處理（OLTP）經(jīng)年累月所累積的大量資料、數(shù)據(jù)倉庫理論所特有的資料存儲架構(gòu)進(jìn)行系統(tǒng)的分析整理，以利于各種分析方法如線上分析處理（OLAP）、數(shù)據(jù)挖掘（data mining）的進(jìn)行，進(jìn)而支持決策支持系統(tǒng)、主管資訊系統(tǒng)（EIS）等系統(tǒng)的創(chuàng)建，幫助決策者快速、有效地從大量數(shù)據(jù)資料中分析出有價值的信息，以利于決策擬定及快速回應(yīng)外在環(huán)境變動，幫助構(gòu)建商業(yè)智能。

（3）中央數(shù)據(jù)登記簿技術(shù)

中央數(shù)據(jù)登記簿系統(tǒng)是平臺數(shù)據(jù)統(tǒng)一管理、綜合交通信息服務(wù)的基礎(chǔ)，包括與交通信息有關(guān)的數(shù)據(jù)表示和交互以及交通信息服務(wù)、適合于綜合交通環(huán)境的數(shù)據(jù)字典和消息模板、交通數(shù)據(jù)項定義規(guī)則、注冊和管理機(jī)制等。

（4）平臺GIS-T應(yīng)用技術(shù)

平臺GIS-T應(yīng)用技術(shù)是交通地理信息系統(tǒng)的支撐技術(shù)，可為交通信息服務(wù)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(shù)據(jù)；提供優(yōu)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(wù)。

（5）基于非序列性數(shù)據(jù)操作技術(shù)

基于非序列性數(shù)據(jù)操作技術(shù)包括虛擬化環(huán)境以及流數(shù)據(jù)處理技術(shù)，通過網(wǎng)絡(luò)將大量服務(wù)器的內(nèi)存空間統(tǒng)合在一起，使之形成一個超大型的虛擬內(nèi)存，然后在其上進(jìn)行數(shù)據(jù)配置，可實現(xiàn)對現(xiàn)有設(shè)備資源的最大使用效率，同時實現(xiàn)對即時性數(shù)據(jù)的反饋能力。

（6）視頻大數(shù)據(jù)處理技術(shù)

視頻大數(shù)據(jù)處理技術(shù)將目前各個專用性的視頻監(jiān)控系統(tǒng)有機(jī)地整合在一起，實現(xiàn)視頻資源統(tǒng)一接入、統(tǒng)一轉(zhuǎn)碼、統(tǒng)一分發(fā)、統(tǒng)一管理和統(tǒng)一運營的“五統(tǒng)一”目標(biāo)。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(nèi)的多種視頻資源，提高整體視頻監(jiān)控的效率，且基于視頻監(jiān)控基礎(chǔ)設(shè)施之上創(chuàng)造更多增值性的應(yīng)用，從而實現(xiàn)視頻監(jiān)控系統(tǒng)的最大化效用。

（7）大數(shù)據(jù)處理技術(shù)

大數(shù)據(jù)預(yù)處理技術(shù)是將接入平臺的數(shù)據(jù)根據(jù)具體的業(yè)務(wù)規(guī)則進(jìn)行進(jìn)一步的處理，包括對接入的數(shù)據(jù)進(jìn)行有效性的檢驗、大數(shù)據(jù)清洗等。大數(shù)據(jù)標(biāo)準(zhǔn)化處理技術(shù)從數(shù)據(jù)庫中取出經(jīng)過清洗后的數(shù)據(jù)，根據(jù)業(yè)務(wù)規(guī)則將外部系統(tǒng)的數(shù)據(jù)格式轉(zhuǎn)化為平臺定義的標(biāo)準(zhǔn)格式。

（8）大數(shù)據(jù)融合處理技術(shù)

大數(shù)據(jù)融合處理技術(shù)是指采用多源交通信息融合方法，結(jié)合特征融合技術(shù)（識別/分類、神經(jīng)網(wǎng)絡(luò)、貝葉斯網(wǎng)絡(luò)等）、目標(biāo)機(jī)動信息處理技術(shù)（自適應(yīng)噪聲模型等）及多目標(biāo)跟蹤的信息融合技術(shù)，提高信息系統(tǒng)的頑健性及可靠性。多源交通大數(shù)據(jù)信息融合分為3級：基礎(chǔ)級是數(shù)據(jù)級融合，它只完成數(shù)據(jù)的預(yù)處理和簡單關(guān)聯(lián)；第二級是特征級融合，就是根據(jù)現(xiàn)有數(shù)據(jù)的特征預(yù)測交通參數(shù)；第三級是狀態(tài)級融合，根據(jù)當(dāng)前交通流信息判斷交通狀態(tài)。交通流信息融合的基本過程包括多源信息提取、信息預(yù)處理、融合處理以及目標(biāo)參數(shù)獲取和狀態(tài)估計。

（9）實時數(shù)據(jù)分發(fā)訂閱技術(shù)

海量交通大數(shù)據(jù)具有數(shù)據(jù)量大、更新頻繁、時效性高等特點，往往需要來自于其他系統(tǒng)的實時數(shù)據(jù)來支持其業(yè)務(wù)邏輯。比如浮動車輛的GPS數(shù)據(jù)、目前城市道路的路況分析和收費站排隊監(jiān)控分析、省級運政衛(wèi)星定位聯(lián)網(wǎng)監(jiān)控系統(tǒng)的上報、營運車輛安全監(jiān)管系統(tǒng)等監(jiān)控分析系統(tǒng)需要向外單位共享的數(shù)據(jù)。

（10）大數(shù)據(jù)挖掘技術(shù)

多源交通大數(shù)據(jù)挖掘是一個多步驟的過程，可以分為問題定義、數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)分析、模式評估等基本階段。其處理模型如圖1所示。

4 城市交通大數(shù)據(jù)的智能應(yīng)用系統(tǒng)

4.1 交通大數(shù)據(jù)采集內(nèi)容

城市交通大數(shù)據(jù)可分為靜態(tài)大數(shù)據(jù)與動態(tài)大數(shù)據(jù)。

圖1 交通大數(shù)據(jù)挖掘模型

靜態(tài)交通大數(shù)據(jù)主要包括城市交通的基礎(chǔ)空間數(shù)據(jù)（地表模型、高清正射影像等）、城市及周邊基礎(chǔ)地理信息（城市路網(wǎng)、交叉口布局、城市基礎(chǔ)交通實施信息）、道路交通網(wǎng)絡(luò)基礎(chǔ)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(wù)、市區(qū)公交信息、車站線路輻射圖、客運企業(yè)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(shù)、開閉狀態(tài)、空閑泊位數(shù)等）、交通管理信息（警區(qū)界限、安全界限、警力分布、交通崗位、執(zhí)法站、車管所、檢測場、考試場、過境檢查站）以及交通抽樣調(diào)查數(shù)據(jù)等。

動態(tài)交通大數(shù)據(jù)來源廣泛、形式多樣，主要包括通過衛(wèi)星遙感、航空攝影測量，低空無人機(jī)應(yīng)急平臺、地面測量車、地面視頻等遙感手段獲取的數(shù)據(jù)以及地面智能交通系統(tǒng)中，通過視頻、手機(jī)、公交卡、地感線圈等傳感設(shè)備和移動終端采集的人、車、路等交通要素的數(shù)據(jù)。從人可以采集到的數(shù)據(jù)有駕駛行為數(shù)據(jù)、付費行為數(shù)據(jù)和出行行為數(shù)據(jù)，從車采集到的數(shù)據(jù)有車輛信息數(shù)據(jù)、車輛實時位置數(shù)據(jù)、公交車運營數(shù)據(jù)、出租車運營數(shù)據(jù)、眾包路況數(shù)據(jù)，關(guān)于路的數(shù)據(jù)有衛(wèi)星影像數(shù)據(jù)、航空攝影數(shù)據(jù)和道路基礎(chǔ)設(shè)施數(shù)據(jù)。

4.2 交通大數(shù)據(jù)云計算支撐平臺

城市交通大數(shù)據(jù)和相關(guān)業(yè)務(wù)的服務(wù)采用云計算技術(shù)來實現(xiàn)，其總體邏輯架構(gòu)如圖2所示。采用云計算技術(shù)來支撐一體化交通大數(shù)據(jù)，按需提供自助管理虛擬基礎(chǔ)架構(gòu)匯集成高效池，以服務(wù)的形式提供資源。云計算支撐平臺包括數(shù)據(jù)中心物理資源管理、數(shù)據(jù)中心邏輯資源、數(shù)據(jù)中心運營平臺和維護(hù)。

圖2 城市交通大數(shù)據(jù)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(tǒng)，各系統(tǒng)提供穩(wěn)定的信息、管理、監(jiān)控服務(wù)。為了支持智能交通7×24 h的穩(wěn)定、高效服務(wù)，可引入云計算虛擬化平臺。利用虛擬化技術(shù)將應(yīng)用系統(tǒng)與物理機(jī)進(jìn)行分離，減少因物理環(huán)境導(dǎo)致的系統(tǒng)中斷服務(wù)，在不影響用戶的情況下對物理資源進(jìn)行刪除、升級或改變。

4.3 交通大數(shù)據(jù)的智能應(yīng)用系統(tǒng)

交通大數(shù)據(jù)的智能應(yīng)用系統(tǒng)是基于交通大數(shù)據(jù)中心、交通云計算支撐平臺來搭建的智能應(yīng)用系統(tǒng)，采用“中心數(shù)據(jù)存儲和處理”和“本地服務(wù)應(yīng)用”的模式，從海量的交通數(shù)據(jù)中抓取實時數(shù)據(jù)，分析挖掘歷史數(shù)據(jù)，基于歷史數(shù)據(jù)對未來情況做出預(yù)測，為智能交通提供決策性建議。

交通大數(shù)據(jù)智能應(yīng)用系統(tǒng)可分別為政府、企業(yè)、公眾提供智能交通信息服務(wù)。系統(tǒng)可為政府部門提供交通行政監(jiān)管支持，主要提供精細(xì)地理信息服務(wù)、交通管理服務(wù)、應(yīng)急響應(yīng)服務(wù)、路邊車位監(jiān)管服務(wù)、公共交通監(jiān)管服務(wù)等；為公眾搭建基于手機(jī)應(yīng)用的交通信息服務(wù)，通過交通信息服務(wù)也可采集公眾日常出行行為的數(shù)據(jù)，主要有精細(xì)地理信息服務(wù)、精準(zhǔn)實時路況服務(wù)、精準(zhǔn)交通信息服務(wù)、實時車輛信息服務(wù)、交通誘導(dǎo)信息服務(wù)、停車誘導(dǎo)信息服務(wù)等；為企業(yè)提供交通信息增值服務(wù)，主要有精細(xì)地理信息服務(wù)、公交車公司車輛調(diào)度及輔助決策、商業(yè)數(shù)據(jù)分析等。不同用戶可共享行業(yè)數(shù)據(jù)、計算資源、個性化情報分析結(jié)果，在數(shù)據(jù)采集共享、大規(guī)模數(shù)據(jù)實時處理和分析、企業(yè)突發(fā)事件處置應(yīng)對方面具有十分突出的優(yōu)勢，從而大大節(jié)約了系統(tǒng)資源和成本，提升了工作效率。

系統(tǒng)所采用的技術(shù)主要包括基于決策樹—支持向量機(jī)（DTM-SVM）的多源異構(gòu)交通信息融合技術(shù)、基于SOA的交通信息基礎(chǔ)數(shù)據(jù)服務(wù)設(shè)計、ZigBee無線傳感器網(wǎng)絡(luò)技術(shù)、基于移動互聯(lián)網(wǎng)的交通信息應(yīng)用服務(wù)設(shè)計、基于機(jī)器學(xué)習(xí)的行程時間預(yù)測、基于位置服務(wù)（LBS）的行人交通信息服務(wù)技術(shù)等。

5 城市交通大數(shù)據(jù)智能系統(tǒng)的典型應(yīng)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(chǎn)學(xué)研合作，一起提出了城市交通大數(shù)據(jù)智能系統(tǒng)相關(guān)的典型應(yīng)用解決方案[9～12]，大致介紹如下。

5.1 城市交通大數(shù)據(jù)的公交行政監(jiān)管與科學(xué)決策

城市交通大數(shù)據(jù)的公交行政監(jiān)管與科學(xué)決策支持系統(tǒng)（如圖3所示）實現(xiàn)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(shù)據(jù)，研發(fā)MapReduce框架下的海量交通流融合與預(yù)測算法，針對復(fù)雜交通系統(tǒng)行為的不可預(yù)測性，充分考慮簡單對象的主動性和隨機(jī)性，從行為生成的角度出發(fā)實現(xiàn)對城市公共交通系統(tǒng)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(xiàn)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(huán)境，還包括交通事故、惡劣天氣、突發(fā)事件等異常條件下的交通環(huán)境；最后，通過實際交通系統(tǒng)與人工交通系統(tǒng)之間交互運行和過程演化，實現(xiàn)城市公共交通運行數(shù)據(jù)分析與調(diào)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(wù)信息。

圖3 城市交通大數(shù)據(jù)的公交行政監(jiān)管與科學(xué)決策支持系統(tǒng)

大數(shù)據(jù)可以輔助公共交通規(guī)劃制定決策。傳統(tǒng)的方式需要投入大量人力進(jìn)行OD調(diào)查和數(shù)據(jù)收集。目前的一卡通可讓數(shù)據(jù)更為全面地展現(xiàn)在決策人員面前，流量數(shù)據(jù)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(shù)據(jù)分析，公交車的線路調(diào)整、增加與減少換乘站的決策就會更加有依據(jù)。

（1）城市公共交通云計算服務(wù)平臺體系

城市公共交通云計算服務(wù)平臺采用4層結(jié)構(gòu)，分別為應(yīng)用層、平臺層、統(tǒng)一資源層和物理層。云計算服務(wù)平臺使得公共交通管理成為了一個開放式的可擴(kuò)展系統(tǒng)。新的交通管理方案可以很快得到實施，而無需對現(xiàn)場的硬件設(shè)備進(jìn)行更新?lián)Q代?？刂浦行耐ㄟ^交通管理云提供的服務(wù)，不斷對交通控制代理的運行進(jìn)行優(yōu)化，使系統(tǒng)性能得到提升，實現(xiàn)多個城市的交通控制系統(tǒng)連接交通管理云，實現(xiàn)數(shù)據(jù)集中、數(shù)據(jù)共享和服務(wù)共享。

（2）基于海量交通檢測數(shù)據(jù)的融合與預(yù)測

城市交通大數(shù)據(jù)和相關(guān)的業(yè)務(wù)服務(wù)采用云計算技術(shù)來實現(xiàn)，其總體邏輯架構(gòu)如圖4所示。采用云計算技術(shù)來支撐一體化交通大數(shù)據(jù)，按需提供自助管理虛擬基礎(chǔ)架構(gòu)匯集成高效池，以服務(wù)的形式提供資源。云計算支撐平臺包括數(shù)據(jù)中心物理資源管理、數(shù)據(jù)中心邏輯資源、數(shù)據(jù)中心運營平臺和維護(hù)。

圖4 平行交通系統(tǒng)的云計算架構(gòu)

在進(jìn)行交通流預(yù)測時，需要根據(jù)交通流檢測數(shù)據(jù)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(shù)進(jìn)行學(xué)習(xí)求解。在MapReduce架構(gòu)下將EM算法進(jìn)行并行處理，通過云計算平臺來實現(xiàn)算法的分布式運行，滿足海量交通數(shù)據(jù)的處理要求，提升模型參數(shù)學(xué)習(xí)的速度。實施流程如圖5所示，首先基于MapReduce模型來實現(xiàn)交通流預(yù)測，研究分布式模型學(xué)習(xí)方法，建立相應(yīng)的數(shù)據(jù)處理算法，加速模型參數(shù)的學(xué)習(xí)過程，進(jìn)而進(jìn)行模型合并，得到各個路口的交通流預(yù)測模型，產(chǎn)生最終的預(yù)測結(jié)果。

（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(tǒng)和人工交通系統(tǒng)平行執(zhí)行的基礎(chǔ)上，利用計算實驗方法在平行交通系統(tǒng)上進(jìn)行各種試驗，對城市公共交通系統(tǒng)的行為進(jìn)行預(yù)測和分析。實際交通系統(tǒng)中的算法分析工具以模塊和組件的形式應(yīng)用于平行交通系統(tǒng)實驗平臺中，其中包括各類學(xué)習(xí)策略與優(yōu)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(guī)交通需求場景、增強(qiáng)交通需求場景和突發(fā)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(tài)地分析、評估和優(yōu)化公共交通計算實驗過程及其結(jié)果，并結(jié)合評價指標(biāo)體系更新評價結(jié)果。

（4）針對城市公共交通管理應(yīng)用需求，構(gòu)建實際交通系統(tǒng)與人工交通系統(tǒng)之間交互運行和過程演化的“平行系統(tǒng)”

圖5 交通流檢測數(shù)據(jù)融合與預(yù)測實施流程

評估分析城市公共交通當(dāng)前運行狀態(tài)并預(yù)測未來的情況，為公共交通管理方案提供演練環(huán)境。在平行交通系統(tǒng)的基礎(chǔ)上，開展城市交通管理的評價實驗，評價并優(yōu)化常規(guī)需求情況下、增強(qiáng)需求情況下、突發(fā)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(xiàn)“觀察”方案的實施效果，建立包含交通疏散任務(wù)完成效果、背景交通影響程度等要素的綜合評價指標(biāo)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(tǒng)媒體和移動互聯(lián)網(wǎng)媒體，為用戶提供基于位置的公共交通服務(wù)信息

通過手機(jī)客戶端、公交電視、電子站牌、Web網(wǎng)站、調(diào)度客戶端、監(jiān)控客戶端等形式為公交乘客、公交企業(yè)管理者、政府行業(yè)管理人員提供出行服務(wù)、運營調(diào)度、企業(yè)管理、行業(yè)監(jiān)管等不同層次的服務(wù)，影響或改變城市公交狀態(tài)。

5.2 城市交通大數(shù)據(jù)的公交精細(xì)化調(diào)度與管理

將GPS定位技術(shù)、3G通信技術(shù)、地理信息系統(tǒng)（GIS）技術(shù)等結(jié)合對車輛進(jìn)行監(jiān)控，基于此實施的公交車智能調(diào)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(fù)擔(dān)。

城市交通大數(shù)據(jù)的公交精細(xì)化調(diào)度與管理系統(tǒng)將公交要素標(biāo)識標(biāo)簽、公交車載信息中心（車載RSU）等物聯(lián)網(wǎng)設(shè)備大規(guī)模部署于公交車、公交站臺等場所，采集公交車輛狀態(tài)信息、站點信息、行駛信息、客流信息，并通過建設(shè)公交大數(shù)據(jù)處理分析平臺，基于大數(shù)據(jù)技術(shù)對上述采集數(shù)據(jù)進(jìn)行分析，通過數(shù)據(jù)的集成、計算，形成各類數(shù)據(jù)應(yīng)用，為公交企業(yè)、公眾出行者、政府管理部門提供公交調(diào)度服務(wù)、公交個性化信息服務(wù)以及公交行業(yè)監(jiān)管服務(wù)，徹底解決公交站點智能維護(hù)、公交“飛站”、車距監(jiān)管、精準(zhǔn)報站、發(fā)班與客流匹配等公交運營和監(jiān)管難題，最終提升城市公交服務(wù)水平。

基于城市交通大數(shù)據(jù)的公交精細(xì)化調(diào)度與管理系統(tǒng)如圖6所示，包括3個層面。

圖6 基于城市交通大數(shù)據(jù)的公交精細(xì)化調(diào)度與管理系統(tǒng)

· 城市公交狀態(tài)感知層：采用基于物聯(lián)網(wǎng)技術(shù)的交通要素標(biāo)識標(biāo)簽、公交車載信息中心、司機(jī)信息顯示屏以及智能手機(jī)等設(shè)備，通過對公交各要素的電子化標(biāo)識、數(shù)據(jù)采集和數(shù)據(jù)共享，實現(xiàn)對城市公交狀態(tài)智能感知。同時，接收來自城市公交信息服務(wù)層提供的各類信息。

· 城市公交大數(shù)據(jù)處理層：接收來自城市公交狀態(tài)感知層采集的城市公交數(shù)據(jù)，基于大數(shù)據(jù)技術(shù)進(jìn)行大數(shù)據(jù)分析，通過數(shù)據(jù)的集成、計算，形成各類數(shù)據(jù)應(yīng)用，為城市公交信息服務(wù)層提供數(shù)據(jù)服務(wù)。

· 城市公交信息服務(wù)層：可通過手機(jī)客戶端、公交電視、電子站牌、Web網(wǎng)站、調(diào)度客戶端、監(jiān)控客戶端等形式為公交乘客、公交企業(yè)管理者、政府行業(yè)管理人員提供出行服務(wù)、運營調(diào)度、企業(yè)管理、行業(yè)監(jiān)管等不同層次的服務(wù)，影響或改變城市公交狀態(tài)。

5.3 城市交通大數(shù)據(jù)的個性化服務(wù)平臺

以交通行業(yè)大數(shù)據(jù)處理為核心，整合城市交通各行業(yè)數(shù)據(jù)資源，通過大數(shù)據(jù)處理技術(shù)，實現(xiàn)數(shù)據(jù)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(wù)。個性化服務(wù)平臺包括基礎(chǔ)信息綜合平臺實現(xiàn)交通行業(yè)數(shù)據(jù)采集整合、海量數(shù)據(jù)處理平臺實現(xiàn)數(shù)據(jù)分析處理、交通決策服務(wù)平臺為政府和公眾提供決策支持和信息服務(wù)，如圖7所示。

（1）基礎(chǔ)信息綜合平臺

圖7 基于城市交通大數(shù)據(jù)的個性化服務(wù)平臺

基礎(chǔ)信息綜合平臺為個性化服務(wù)平臺的基礎(chǔ)，是實時交通信息發(fā)布的數(shù)據(jù)來源，主要功能是交通信息數(shù)據(jù)的收集和處理。將各個子系統(tǒng)中的交通數(shù)據(jù)按照一定的編碼規(guī)則和既定格式采集起來，將其轉(zhuǎn)換為可用的綜合交通信息，基礎(chǔ)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(fā)布的數(shù)據(jù)來源，進(jìn)行交通信息數(shù)據(jù)的收集和處理，并為外部數(shù)據(jù)接入和對外數(shù)據(jù)分發(fā)提供數(shù)據(jù)規(guī)范和標(biāo)準(zhǔn)接口。

基礎(chǔ)信息綜合平臺將來自不同系統(tǒng)的數(shù)據(jù)進(jìn)行處理后，匯入數(shù)據(jù)管理層，數(shù)據(jù)管理層關(guān)注與其他層次的交互，擔(dān)當(dāng)事務(wù)監(jiān)控器、消息系統(tǒng)及其他角色，存儲著持久數(shù)據(jù)。選用業(yè)界高性能的數(shù)據(jù)庫來提供數(shù)據(jù)存儲、數(shù)據(jù)存取訪問、數(shù)據(jù)訪問控制、數(shù)據(jù)共享等服務(wù)。處理以上各層之間的數(shù)據(jù)通信問題，包括對各層之間的數(shù)據(jù)進(jìn)行相互傳輸。主要包含浮動車信息采集系統(tǒng)、智能交通監(jiān)控調(diào)度系統(tǒng)、出租車綜合管理系統(tǒng)、停車場行業(yè)管理系統(tǒng)、客運聯(lián)網(wǎng)售票系統(tǒng)、資源整合系統(tǒng)、仿真基礎(chǔ)數(shù)據(jù)采集系統(tǒng)等。不同的檢測技術(shù)適合于不同的采集環(huán)境，因此仿真基礎(chǔ)數(shù)據(jù)采集處理包括視頻交通流檢測系統(tǒng)、微波檢測系統(tǒng)、移動式地磁檢測系統(tǒng)三大模塊。

（2）大數(shù)據(jù)智能處理平臺

大數(shù)據(jù)處理是結(jié)合交通系統(tǒng)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(shù)據(jù)規(guī)范和接口規(guī)范，并在此基礎(chǔ)上研究和驗證綜合交通大數(shù)據(jù)的接入和融合技術(shù)、大數(shù)據(jù)處理和多維度挖掘技術(shù)以及大數(shù)據(jù)的安全和有效管理技術(shù)，從而最終建設(shè)完成市區(qū)綜合交通信息中心，并為交通信息服務(wù)、交通行業(yè)管理部門的智能決策等提供支持。

（3）交通信息服務(wù)平臺

交通信息服務(wù)平臺是利用基礎(chǔ)平臺和數(shù)據(jù)智能處理平臺提供的經(jīng)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(wù)的發(fā)布平臺。結(jié)合筆者和合作單位多年的交通信息服務(wù)實踐，交通信息服務(wù)平臺將通過移動互聯(lián)網(wǎng)（手機(jī)應(yīng)用）、傳統(tǒng)網(wǎng)站、電話熱線、電子站牌、交通情報板（誘導(dǎo)屏）、廣播電視、公共信息亭、導(dǎo)航儀等多種媒介為公眾提供免費或增值服務(wù)，該平臺還將為不同發(fā)布渠道提供軟件配套支持。

· 基于移動互聯(lián)網(wǎng)的信息服務(wù)：利用3G網(wǎng)絡(luò)等移動互聯(lián)寬帶技術(shù)，一方面可以通過其采集用戶位置信息提供豐富位置服務(wù)；另一方面使手機(jī)終端能快捷訪問交通信息服務(wù)，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(wù)、實時公交、出行規(guī)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(tǒng)互聯(lián)網(wǎng)的信息服務(wù)：對交通信息進(jìn)行采集、分析、挖掘、發(fā)布，打造全方位、一站式的交通信息服務(wù)發(fā)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(wǎng)上汽車票查詢預(yù)訂、停車場動態(tài)信息、航班動態(tài)信息、列車動態(tài)信息、地鐵信息以及交通咨詢在內(nèi)的出行前與出行途中的全程交通信息服務(wù)，使用戶足不出戶即可了解城市交通動態(tài)，科學(xué)規(guī)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(guān)信息，如公交車輛到站信息。

· 交通情報板：利用停車誘導(dǎo)屏等情報板為出行者提供停車誘導(dǎo)服務(wù)。

· 廣播電視：通過廣播電視節(jié)目為用戶播報綜合交通服務(wù)信息，如實時路況、航班動態(tài)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(wǎng)站類似的綜合交通信息服務(wù)。主要用戶是旅游出行人員和通過公共交通系統(tǒng)（如公路、鐵路和航空）出行的人員。

· 真三維動態(tài)導(dǎo)航與智能預(yù)警服務(wù)：在智能交通導(dǎo)航中，將以真三維導(dǎo)航（高分辨率真實影像替代虛擬場景）替代傳統(tǒng)二維虛擬導(dǎo)航。三維導(dǎo)航地圖不是在二維導(dǎo)航地圖上的3D顯示，而是在獲取三維空間數(shù)據(jù)后，利用信息通信技術(shù)處理三維空間數(shù)據(jù)，包容其他地理信息，可以突破常規(guī)二維表示對形式的束縛，更好地洞察和理解現(xiàn)實世界。真三維智能交通中，根據(jù)實地采集的實景資料，對色彩、材質(zhì)、燈光等細(xì)節(jié)進(jìn)行處理，逼真地在導(dǎo)航儀上動態(tài)地再現(xiàn)三維道路實景。針對交通事故多發(fā)區(qū)域，比如十字路口或者拐彎區(qū)域，通過高清影像與幾何模型結(jié)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(jìn)行評價，將評價結(jié)果及時反饋給司機(jī)，將導(dǎo)航過程中經(jīng)常發(fā)生危險的區(qū)域在真三維實景導(dǎo)航中顯示并警示，有利于駕駛員安全駕駛，減少交通事故發(fā)生。

5.4 其他應(yīng)用實例

（1）交通基礎(chǔ)設(shè)施數(shù)據(jù)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(shù)據(jù)中心的數(shù)據(jù)庫，可實現(xiàn)路網(wǎng)數(shù)據(jù)的實時更新，為用戶提供更準(zhǔn)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(huán)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(shù)、形狀指數(shù)和數(shù)學(xué)形態(tài)學(xué)知識來自動、半自動地提取道路線，并通過GIS進(jìn)行道路面積的快速計算；

· 采用面向?qū)ο蟮倪b感影像的分類方法，對遙感影像進(jìn)行分割，降低噪聲干擾，并得到同質(zhì)對象；

· 通過尺度選擇及轉(zhuǎn)換，構(gòu)建影像對象層次，充分認(rèn)識不同道路特征，建立道路知識庫，進(jìn)行道路信息提取。

（2）基于行車大數(shù)據(jù)的駕駛行為分析與預(yù)警

將收到的數(shù)據(jù)分組分類處理，可實現(xiàn)對移動車輛的全天候的實時監(jiān)控、報警、指揮與調(diào)度功能。通過電子地圖匹配GPS/中國北斗衛(wèi)星導(dǎo)航系統(tǒng)采集的車輛經(jīng)緯度、時間等信息，實時監(jiān)測車輛的運行位置和狀態(tài)，并在GIS上顯示車輛軌跡，進(jìn)行車輛的跟蹤；通過自動記錄、統(tǒng)計、分析車輛的歷史運行數(shù)據(jù)，輔助管理人員制定管理決策。對海量行車數(shù)據(jù)及駕駛行為數(shù)據(jù)導(dǎo)入一些統(tǒng)計分析手段，可以有效對駕駛行為進(jìn)行數(shù)據(jù)建模，通過駕駛員的出行習(xí)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(yè)等地方，從而應(yīng)用到各類行業(yè)中，如新車車主駕駛行為糾正系統(tǒng)、車主行車行為自診斷系統(tǒng)等。

（3）預(yù)測群體出行行為

結(jié)合交通大數(shù)據(jù)，可以預(yù)測出群體出行的態(tài)勢，對其可能出行的時間、出行路線、出行方式等進(jìn)行預(yù)測，從而為城市車輛調(diào)度提供決策幫助。反過來看，這些預(yù)測的群體出行行為數(shù)據(jù)也將為個人出行提供更加精確的服務(wù)，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(dá)目的地。

6 結(jié)束語

遙感空間數(shù)據(jù)、交通視頻數(shù)據(jù)、各類感知數(shù)據(jù)、輿情數(shù)據(jù)等信息在城市交通系統(tǒng)是分散獲取、單獨使用的，總的來說，數(shù)據(jù)量巨大，但由于各方面數(shù)據(jù)應(yīng)用單一、不夠深化，不能夠充分挖掘數(shù)據(jù)的價值。在這些數(shù)據(jù)的基礎(chǔ)上，構(gòu)建城市智能交通大數(shù)據(jù)平臺，可從尺度、精度、時相等方面保障數(shù)據(jù)及時更新，能夠?qū)崿F(xiàn)更精細(xì)、及時的動態(tài)監(jiān)測服務(wù)數(shù)據(jù)體系。

城市智能交通大數(shù)據(jù)平臺基于云計算平臺和高速網(wǎng)絡(luò)傳輸，支撐移動互聯(lián)網(wǎng)時代的智能交通服務(wù)，實現(xiàn)用戶移動終端數(shù)據(jù)采集、大數(shù)據(jù)分析挖掘、智能推送等信息實時高速傳輸；基于實時數(shù)據(jù)為用戶提供更精準(zhǔn)的導(dǎo)航、停車服務(wù)，實現(xiàn)新型的實時互聯(lián)交通服務(wù)模式。

展望未來，通過物聯(lián)網(wǎng)、云計算、大數(shù)據(jù)等技術(shù)手段，有望減少甚至消除城市交通原有的行政壁壘，實現(xiàn)城市交通各種大數(shù)據(jù)的全面采集和有機(jī)整合，在一個平臺上同時為政府各部門提供交通行政監(jiān)管服務(wù)、為企業(yè)和大眾提供交通信息服務(wù)，從而可進(jìn)一步提高城市交通的運營管理和綜合服務(wù)水平。

[1] 何承, 朱揚勇. 城市交通大數(shù)據(jù). 上海: 上海科學(xué)技術(shù)出版社, 2015 He C, Zhu Y Y. Urban Traffic Big Data. Shanghai: Shanghai Science and Technology Press, 2015

[2] 楊東授, 段征宇. 大數(shù)據(jù)環(huán)境下城市交通分析技術(shù). 上海: 同濟(jì)大學(xué)出版社, 2015 Yang D S, Duan Z Y. Urban Traffic Analysis Technology in Big Data Environment. Shanghai: Tongji University Press, 2015

[3] 彭武雄, 代義軍, 白帆. 城市交通大數(shù)據(jù)中心建設(shè)與展望. 交通與運輸, 2015, 31(A01): 67～70 Peng W X, Dai Y J, Bai F. Urban transportation data center outwork. Traffic & Transportation, 2015, 31(A01): 67～70

[4] Shi Q, Abdel-Aty M. Big data applications in real-time traffic operation and safety monitoring and improvement on urban expressways. Transportation Research Part C: Emerging Technologies, 2015, 58（Part B）: 380～394

[5] Dong H H, Wu M C, Ding X Q,et al. Traffic zone division based on big data from mobile phone base stations. Transportation Research Part C: Emerging Technologies, 2015, 58（Part B）: 278～291

[6] Lv Y S, Duan Y J, Kang W W,et al. Traffic flow prediction with big data: a deep learning approach. IEEE Transactions on Intelligent Transportation Systems, 2015, 16(2): 865～873

[7] Li L, Su X N, Wang Y W,et al. Robust causal dependence mining in big data network and its application to traffic flow predictions. Transportation Research Part C: Emerging Technologies, 2015, 58（Part B）: 292～307

[8] Walkowiak K,Woniak M, Klinkowski M,et al. Optical networks for cost-efficient and scalable provisioning of big data traffic. International Journal of Parallel Emergent and Distributed Systems, 2015, 30(1): 15～28

[9] 劉兵. 基于大數(shù)據(jù)分析的城市智能交通綜合信息服務(wù)平臺. 國家發(fā)展和改革委員會高技術(shù)服務(wù)業(yè)研發(fā)及產(chǎn)業(yè)化專項資金申請報告, 2012 Liu B. Urban Intelligent Transportation Comprehensive Information Service Platform Based Bid-Data Analyisis. Application Report for Special Funds About High-Tech Service Industry Development and Industrialization, National Development and Reform Commission, 2012

[10] 劉兵. 基于物聯(lián)網(wǎng)的城市公交車路協(xié)同與大數(shù)據(jù)分析技術(shù)研究及應(yīng)用. 項目說明書, 2014 Liu B. Research and Application of Vehical-Road Collaboration and Big-Data Analysis Technology Based on the Internet of Things. Project Report, 2014

[11] 朱鳳華. 基于云計算的城市公共交通運行大數(shù)據(jù)分析平臺. 廣東省科技計劃項目申報書, 2014 Zhu F H. Urban Public Transportation Operation Big-Data Analysis Platform Based on Cloud Computing. ProjectApplication Report for Guang Dong S&T Fund, 2014

[12] Xiong G, Zhu F H, Liu X W,et al. Cyberphysical-social system in intelligent transportation. IEEE/CAA Journal of Automatica Sinica, 2015, 2(3): 320～333

熊剛，男，博士，現(xiàn)任中國科學(xué)院自動化研究所研究員，中國科學(xué)院云計算中心自動化所東莞研究院首席科學(xué)家等職務(wù)，主要從事智能交通、智能制造、云計算和大數(shù)據(jù)管理相關(guān)領(lǐng)域的理論研究和應(yīng)用實踐工作。先后主持芬蘭科學(xué)院、芬蘭技術(shù)創(chuàng)新局和國家自然科學(xué)基金、科學(xué)技術(shù)部“973”計劃、“863”計劃、工業(yè)和信息化部、廣東省科學(xué)技術(shù)廳和中國石油化工集團(tuán)公司等資助的科研項目40余項，總經(jīng)費1億多元。主編專著1本，參與專著章節(jié)4章。發(fā)表論文250余篇，其中SCI和EI檢索論文135篇。申請或授權(quán)專利40多項，其中PCT國際專利4項。登記軟件著作權(quán)50多項。歷任中國863/CIMS會員、浙江大學(xué)副研究員、芬蘭科學(xué)院研究員、坦佩雷理工大學(xué)高級研究員、芬蘭NOKIA公司全職專家、美國Accenture和Chevron公司的資深ERP顧問等職務(wù)。2002年成為IEEE通信、計算機(jī)專業(yè)委員會高級會員。先后獲得國家教育部等部委的科技獎勵3項，擔(dān)任國家自然科學(xué)基金委、科學(xué)技術(shù)部、工業(yè)和信息化部、廣東省科學(xué)技術(shù)廳等的科技項目評審專家。

董西松，男，博士，現(xiàn)任中國科學(xué)院自動化研究所助理研究員，青島智能產(chǎn)業(yè)技術(shù)研究院及中國科學(xué)院云計算中心自動化所東莞研究院助理研究員，主要研究方向包括復(fù)雜系統(tǒng)的建模與控制、智能交通等。主持廣東省科學(xué)技術(shù)廳專項、交通運輸部項目及橫向課題共4項，參與國家自然科學(xué)基金、“973”計劃、“863”計劃、教育部、中國科學(xué)院、廣東省科學(xué)技術(shù)廳項目共30余項；撰寫專著章節(jié)5章，發(fā)表論文60余篇，其中SCI 檢索9篇，EI檢索28篇；申請專利7項；獲第五屆ABB杯全國自動化系統(tǒng)工程師論文大賽一等獎。

朱鳳華，男，博士，現(xiàn)任中國科學(xué)院自動化研究所副研究員，中國科學(xué)院云計算中心自動化所東莞研究院副院長。在基于ACP方法的平行交通控制與管理方面有長期的工作積累，參與國家發(fā)展與改革委員會和交通運輸部聯(lián)合實施的“基于物聯(lián)網(wǎng)的城市交通應(yīng)用示范”項目；起草完成了城市交通信號控制領(lǐng)域的核心國家標(biāo)準(zhǔn)GB/T 20999《交通信號控制器與上位機(jī)間通信協(xié)議》。主持1項國家自然科學(xué)基金項目，獲北京市科技進(jìn)步獎二等獎、公安部科技進(jìn)步獎三等獎、中國自動化學(xué)會技術(shù)發(fā)明獎一等獎，2010年獲得北京市優(yōu)秀青年工程師稱號；發(fā)表6篇國際期刊論文和18篇國際會議論文，申請PCT國際專利1項，國內(nèi)專利10余項。

季統(tǒng)凱，男，博士，中國科學(xué)院云計算中心主任、研究員，國云科技股份有限公司董事長，中國云計算專家委員會委員、中國大數(shù)據(jù)專家委員會產(chǎn)學(xué)研應(yīng)用組組長、國家發(fā)展與改革委員會ICC專家?guī)鞂＜摇⒐I(yè)和信息化部云計算研究中心專家、廣東省云計算聯(lián)盟副主席。自2008年3月起，主導(dǎo)電子信息領(lǐng)域新興技術(shù)——云計算在東莞的落地實施，先后主持和參與了10多項國家、省市級科研項目；帶領(lǐng)團(tuán)隊申請發(fā)明專利45項，申請PCT國際發(fā)明專利3項，取得計算機(jī)軟件著作權(quán)25項，獲得授權(quán)實用新型20項，在國內(nèi)外重要會議及期刊上發(fā)表論文30余篇。曾獲得2010年度中國產(chǎn)學(xué)研合作創(chuàng)新獎、中國科學(xué)院院地合作獎先進(jìn)個人一等獎、中國人民解放軍總參謀部全軍科學(xué)技術(shù)進(jìn)步獎二等獎等。

Xiong G, Dong X S, Zhu F H,et al. Big data technologies and intelligent application system for urban transportation. Big Data Research, 2015042

Big Data Technologies and Intelligent Application System for Urban Transportation

Xiong Gang1,2, Dong Xisong1,2,3, Zhu Fenghua1,2, Ji Tongkai2

1. The State Key Laboratory of Management and Control for Complex Systems, Institute of Automation, Chinese Academy of Sciences, Beijing 100190, China;

2. Cloud Computing Center, Chinese Academy of Sciences, Dongguan 523808, China;

3. Qingdao Center for Intelligent Systems and Technology, Qingdao 266109, China

Urban traffic big data has such characteristics as various types, heterogeneity, large temporal and spatial scales, highly dynamic and random, localization and short life cycle. How to effectively collect and utilize the traffic big data to serve the real-time traffic administrative supervision, efficient operations of transportation enterprise, traffic services and other application needs, are unprecedented opportunities and challenges of urban transportation and smart cities. Several big data core technologies for urban transportation were summarized, and an intelligent application system solution was proposed, and some typical application was listed. In short, big data research and its application cases in the field of urban transportation and smart city were initially discussed.

urban transportation, big data, cloud computing, internet of things

10.11959/j.issn.2096-0271.2015042

2015-10-11

國家自然科學(xué)基金資助項目(No.71232006, No.61233001, No.61174172)；廣東省科學(xué)技術(shù)廳基金資助項目(No.2014B090902001, No.2014B010118001, No.2014A010103004)；東莞市引進(jìn)創(chuàng)新領(lǐng)軍人才項目（熊剛）；廣西省科學(xué)技術(shù)廳基金資助項目（No.14125008-1-12）

Foundation Items:National Natural Science Foundation of China (No.71232006, No.61233001, No.61174172), Guangdong Province S&T Department Project (No.2014A010103004, No.2014B090902001, No.2014B010118001), The Innovation and Entrepreneurship Leading Talent of Dongguan (Xiong Gang), Guangxi Province S&T Department Project(No.14125008-1-12)

熊 剛, 董西松, 朱鳳華等. 城市交通大數(shù)據(jù)技術(shù)及智能應(yīng)用系統(tǒng). 大數(shù)據(jù), 2015042