1  引言

2015年兩會(huì)上，“大數(shù)據(jù)（big data）”一詞首次寫入政府工作報(bào)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(shí)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(shí)，大數(shù)據(jù)的挖掘和使用還有利于催生信息消費(fèi)新模式，促進(jìn)信息消費(fèi)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(shí)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(jì)算平臺(tái)技術(shù)支持下，通過城市交通大數(shù)據(jù)的采集、傳輸、存儲(chǔ)、挖掘和分析等，有望實(shí)現(xiàn)城市交通一體化，即在一個(gè)平臺(tái)上實(shí)現(xiàn)交通行政監(jiān)管、交通企業(yè)運(yùn)營(yíng)、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(duì)我國(guó)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(shí)空尺度跨越大、動(dòng)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(shí)效性和知識(shí)牽引等城市交通智慧化需求，是各個(gè)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(jiǎn)單介紹了大數(shù)據(jù)的發(fā)展?fàn)顩r及趨勢(shì)，然后重點(diǎn)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(diǎn)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(shì)

近年來，數(shù)據(jù)的快速增長(zhǎng)成了許多行業(yè)共同面對(duì)的嚴(yán)峻挑戰(zhàn)和寶貴機(jī)遇，信息社會(huì)正在進(jìn)入大數(shù)據(jù)時(shí)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(shí)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(cè)，數(shù)據(jù)一直以每年50%的速度增長(zhǎng)（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(jì)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(jí)上升到PB、EB甚至ZB級(jí)，人們面臨著如何降低數(shù)據(jù)存儲(chǔ)成本、充分利用計(jì)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(duì)大數(shù)據(jù)的發(fā)展趨勢(shì)，更好地為行業(yè)用戶和個(gè)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(tái)，支持用戶對(duì)數(shù)據(jù)的多種需求。構(gòu)建大數(shù)據(jù)平臺(tái)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(tái)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(dòng)和動(dòng)態(tài)的體系以及巨大的價(jià)值是大數(shù)據(jù)平臺(tái)構(gòu)建需要重點(diǎn)考慮的幾個(gè)因素。除此之外，數(shù)據(jù)的分類存儲(chǔ)、數(shù)據(jù)平臺(tái)的開放性、數(shù)據(jù)的智能處理以及數(shù)據(jù)平臺(tái)與用戶的交互都為大數(shù)據(jù)平臺(tái)的建設(shè)帶來前所未有的挑戰(zhàn)。

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

“大數(shù)據(jù)”本身是一個(gè)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(duì)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(cè)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(duì)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(shí)現(xiàn)盈利的關(guān)鍵在于提高對(duì)數(shù)據(jù)的“加工能力”，通過“加工”實(shí)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(chǔ)、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(shì)。

（1）基于云計(jì)算的數(shù)據(jù)分析平臺(tái)

云計(jì)算為大數(shù)據(jù)提供了可以彈性擴(kuò)展、相對(duì)便宜的存儲(chǔ)空間和計(jì)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(jì)算來完成大數(shù)據(jù)分析。云計(jì)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(shí)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(jì)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(jì)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(jí)數(shù)據(jù)倉(cāng)庫(kù)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(huì)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(huì)進(jìn)入PB時(shí)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(huì)成倍增長(zhǎng)。

隨著數(shù)據(jù)分析集的擴(kuò)大，以前部門層級(jí)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(jí)數(shù)據(jù)庫(kù)（EDW）的一個(gè)子集。因此，企業(yè)內(nèi)的數(shù)據(jù)分析將從部門級(jí)過渡到企業(yè)級(jí)，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(jí)數(shù)據(jù)倉(cāng)庫(kù)，使得數(shù)據(jù)倉(cāng)庫(kù)規(guī)模更大，數(shù)據(jù)的價(jià)值也更大。

（3）Hadoop對(duì)MapReduce的依賴程度越來越小

Hadoop是一個(gè)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(jí)數(shù)據(jù)，具有高可靠性、高擴(kuò)展性、高效性和高容錯(cuò)性等特點(diǎn)。其新版本不只為MapReduce服務(wù)，而是和Cloudera的Impala一樣用一個(gè)SQL查詢引擎或者其他的方法來替代MapReduce。HBaseNoSQL數(shù)據(jù)庫(kù)就是Hadoop離開MapReduce約束后的一個(gè)很好的例子。未來Hadoop平臺(tái)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?jī)?nèi)容

城市交通大數(shù)據(jù)的研究?jī)?nèi)容主要包括以下方面。

（1）時(shí)效約束的大數(shù)據(jù)多尺度匯聚計(jì)算和動(dòng)態(tài)圖譜

交通大數(shù)據(jù)存在多源、異質(zhì)、局部性、時(shí)空關(guān)聯(lián)、異步性、信息稀疏性和并發(fā)性等特點(diǎn)，而城市交通系統(tǒng)存在著對(duì)大數(shù)據(jù)匯聚處理的高時(shí)效性以及對(duì)“大而信息稀疏”的交通大數(shù)據(jù)的領(lǐng)域知識(shí)牽引要求?，F(xiàn)有的數(shù)據(jù)融合、計(jì)算理論與方法難以滿足高時(shí)效性的大數(shù)據(jù)處理和基于數(shù)據(jù)的知識(shí)構(gòu)建與轉(zhuǎn)換等需求，亟需提出時(shí)效約束的大數(shù)據(jù)多尺度匯聚計(jì)算和動(dòng)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(shí)序貫挖掘與演化模型

交通主體、行為、態(tài)勢(shì)、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(dòng)態(tài)的耦合關(guān)系。交通態(tài)勢(shì)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(dòng)態(tài)性、序貫性、自組織、隨機(jī)性等特點(diǎn)，交通態(tài)勢(shì)機(jī)理解釋對(duì)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(shí)，對(duì)交通出行規(guī)律及其時(shí)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(shí)和數(shù)據(jù)支撐的解釋與評(píng)價(jià)，高維空間的隱性知識(shí)序貫挖掘與演化將為此提供堅(jiān)實(shí)的理論與技術(shù)支撐。

（3）交通態(tài)勢(shì)的預(yù)測(cè)機(jī)理與調(diào)控策略

交通態(tài)勢(shì)是城市交通系統(tǒng)運(yùn)行狀態(tài)的反映，受到交通需求、網(wǎng)絡(luò)拓?fù)洹⒍嘟煌ㄗ酉到y(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(shì)具有時(shí)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(diǎn)，是一個(gè)超維的復(fù)雜巨系統(tǒng)，其調(diào)控與預(yù)測(cè)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(shì)的預(yù)測(cè)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(cè)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(zhǎng)，形成海量、動(dòng)態(tài)、實(shí)時(shí)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(zhǎng)點(diǎn)。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(gè)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(jì)算模型，它將復(fù)雜地運(yùn)行于大規(guī)模集群上的并行計(jì)算過程高度地抽象到了兩個(gè)函數(shù)。Hadoop實(shí)現(xiàn)了一個(gè)分布式文件系統(tǒng)（Hadoop distributed file system，HDFS）。HDFS有著高容錯(cuò)性的特點(diǎn)，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(cāng)庫(kù)技術(shù)

數(shù)據(jù)倉(cāng)庫(kù)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(kù)中獲取信息等問題。數(shù)據(jù)倉(cāng)庫(kù)的特征在于面向主題、集成性、穩(wěn)定性和時(shí)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(cāng)庫(kù)理論所特有的資料存儲(chǔ)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(jià)值的信息，以利于決策擬定及快速回應(yīng)外在環(huán)境變動(dòng)，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(tái)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(xiàng)定義規(guī)則、注冊(cè)和管理機(jī)制等。

（4）平臺(tái)GIS-T應(yīng)用技術(shù)

平臺(tái)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(chǔ)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(yàn)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(gè)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(shí)現(xiàn)對(duì)現(xiàn)有設(shè)備資源的最大使用效率，同時(shí)實(shí)現(xiàn)對(duì)即時(shí)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(gè)專用性的視頻監(jiān)控系統(tǒng)有機(jī)地整合在一起，實(shí)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(yùn)營(yíng)的“五統(tǒng)一”目標(biāo)。它可整合包括交通視頻、站臺(tái)視頻、客運(yùn)站視頻、高速公路視頻、社會(huì)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(shí)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(tái)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(duì)接入的數(shù)據(jù)進(jìn)行有效性的檢驗(yàn)、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(kù)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(tái)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(shí)別/分類、神經(jīng)網(wǎng)絡(luò)、貝葉斯網(wǎng)絡(luò)等）、目標(biāo)機(jī)動(dòng)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(jí)：基礎(chǔ)級(jí)是數(shù)據(jù)級(jí)融合，它只完成數(shù)據(jù)的預(yù)處理和簡(jiǎn)單關(guān)聯(lián)；第二級(jí)是特征級(jí)融合，就是根據(jù)現(xiàn)有數(shù)據(jù)的特征預(yù)測(cè)交通參數(shù)；第三級(jí)是狀態(tài)級(jí)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(jì)。

（9）實(shí)時(shí)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(shí)效性高等特點(diǎn)，往往需要來自于其他系統(tǒng)的實(shí)時(shí)數(shù)據(jù)來支持其業(yè)務(wù)邏輯。比如浮動(dòng)車輛的GPS數(shù)據(jù)、目前城市道路的路況分析和收費(fèi)站排隊(duì)監(jiān)控分析、省級(jí)運(yùn)政衛(wèi)星定位聯(lián)網(wǎng)監(jiān)控系統(tǒng)的上報(bào)、營(yíng)運(yùn)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(gè)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(píng)估等基本階段。其處理模型如圖1所示。 

圖1  交通大數(shù)據(jù)挖掘模型

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(dòng)態(tài)大數(shù)據(jù)。

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(shí)施信息）、道路交通網(wǎng)絡(luò)基礎(chǔ)信息（道路等級(jí)、長(zhǎng)度、收費(fèi)信息）、道路交通客運(yùn)信息（客運(yùn)班線、客動(dòng)票務(wù)、市區(qū)公交信息、車站線路輻射圖、客運(yùn)企業(yè)信息、交通換乘點(diǎn)等）、航班信息、列車信息、水運(yùn)信息（船次、起終碼點(diǎn)、開船時(shí)間等）、停車場(chǎng)信息（停車場(chǎng)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(cè)場(chǎng)、考試場(chǎng)、過境檢查站）以及交通抽樣調(diào)查數(shù)據(jù)等。

動(dòng)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(cè)量，低空無人機(jī)應(yīng)急平臺(tái)、地面測(cè)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(dòng)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(fèi)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(shí)時(shí)位置數(shù)據(jù)、公交車運(yùn)營(yíng)數(shù)據(jù)、出租車運(yùn)營(yíng)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(jì)算支撐平臺(tái)

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(jì)算技術(shù)來實(shí)現(xiàn)，其總體邏輯架構(gòu)如圖2所示。采用云計(jì)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(jì)算支撐平臺(tái)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(yùn)營(yíng)平臺(tái)和維護(hù)。

圖2  城市交通大數(shù)據(jù)云計(jì)算支撐平臺(tái)

城市交通云計(jì)算支撐平臺(tái)包含多個(gè)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(jì)算虛擬化平臺(tái)。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(duì)物理資源進(jìn)行刪除、升級(jí)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(jì)算支撐平臺(tái)來搭建的智能應(yīng)用系統(tǒng)，采用“中心數(shù)據(jù)存儲(chǔ)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(shí)時(shí)數(shù)據(jù)，分析挖掘歷史數(shù)據(jù)，基于歷史數(shù)據(jù)對(duì)未來情況做出預(yù)測(cè)，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(shí)時(shí)路況服務(wù)、精準(zhǔn)交通信息服務(wù)、實(shí)時(shí)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(jì)算資源、個(gè)性化情報(bào)分析結(jié)果，在數(shù)據(jù)采集共享、大規(guī)模數(shù)據(jù)實(shí)時(shí)處理和分析、企業(yè)突發(fā)事件處置應(yīng)對(duì)方面具有十分突出的優(yōu)勢(shì)，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(jì)、ZigBee無線傳感器網(wǎng)絡(luò)技術(shù)、基于移動(dòng)互聯(lián)網(wǎng)的交通信息應(yīng)用服務(wù)設(shè)計(jì)、基于機(jī)器學(xué)習(xí)的行程時(shí)間預(yù)測(cè)、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(huì)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(shí)現(xiàn)可分為3個(gè)步驟：首先，集成城市公共交通采集的站臺(tái)、線路、道路、活動(dòng)場(chǎng)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(cè)算法，針對(duì)復(fù)雜交通系統(tǒng)行為的不可預(yù)測(cè)性，充分考慮簡(jiǎn)單對(duì)象的主動(dòng)性和隨機(jī)性，從行為生成的角度出發(fā)實(shí)現(xiàn)對(duì)城市公共交通系統(tǒng)的“等價(jià)”描述；然后，針對(duì)城市公共交通的運(yùn)營(yíng)與管理需求，通過計(jì)算實(shí)驗(yàn)和涌現(xiàn)觀察，生成實(shí)時(shí)、未來和各種可能情況下的交通場(chǎng)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(shí)際交通系統(tǒng)與人工交通系統(tǒng)之間交互運(yùn)行和過程演化，實(shí)現(xiàn)城市公共交通運(yùn)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(shí)再利用車輛擁堵時(shí)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(huì)更加有依據(jù)。

（1）城市公共交通云計(jì)算服務(wù)平臺(tái)體系

城市公共交通云計(jì)算服務(wù)平臺(tái)采用4層結(jié)構(gòu)，分別為應(yīng)用層、平臺(tái)層、統(tǒng)一資源層和物理層。云計(jì)算服務(wù)平臺(tái)使得公共交通管理成為了一個(gè)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(shí)施，而無需對(duì)現(xiàn)場(chǎng)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(duì)交通控制代理的運(yùn)行進(jìn)行優(yōu)化，使系統(tǒng)性能得到提升，實(shí)現(xiàn)多個(gè)城市的交通控制系統(tǒng)連接交通管理云，實(shí)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(cè)數(shù)據(jù)的融合與預(yù)測(cè)

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(jì)算技術(shù)來實(shí)現(xiàn)，其總體邏輯架構(gòu)如圖4所示。采用云計(jì)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(jì)算支撐平臺(tái)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(yùn)營(yíng)平臺(tái)和維護(hù)。

圖4  平行交通系統(tǒng)的云計(jì)算架構(gòu)

在進(jìn)行交通流預(yù)測(cè)時(shí)，需要根據(jù)交通流檢測(cè)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(duì)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(jì)算平臺(tái)來實(shí)現(xiàn)算法的分布式運(yùn)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(shí)施流程如圖5所示，首先基于MapReduce模型來實(shí)現(xiàn)交通流預(yù)測(cè)，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(gè)路口的交通流預(yù)測(cè)模型，產(chǎn)生最終的預(yù)測(cè)結(jié)果。

圖5  交通流檢測(cè)數(shù)據(jù)融合與預(yù)測(cè)實(shí)施流程

（3）基于平行交通的公共交通計(jì)算實(shí)驗(yàn)平臺(tái)

在實(shí)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(jì)算實(shí)驗(yàn)方法在平行交通系統(tǒng)上進(jìn)行各種試驗(yàn)，對(duì)城市公共交通系統(tǒng)的行為進(jìn)行預(yù)測(cè)和分析。實(shí)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(shí)驗(yàn)平臺(tái)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(jì)算實(shí)驗(yàn)評(píng)估算法以及對(duì)各交通場(chǎng)景（包括常規(guī)交通需求場(chǎng)景、增強(qiáng)交通需求場(chǎng)景和突發(fā)事件交通場(chǎng)景）提供特定支持的專用算法模塊，這些工具將動(dòng)態(tài)地分析、評(píng)估和優(yōu)化公共交通計(jì)算實(shí)驗(yàn)過程及其結(jié)果，并結(jié)合評(píng)價(jià)指標(biāo)體系更新評(píng)價(jià)結(jié)果。

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

評(píng)估分析城市公共交通當(dāng)前運(yùn)行狀態(tài)并預(yù)測(cè)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(píng)價(jià)實(shí)驗(yàn)，評(píng)價(jià)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(shí)際的和各種人工的交通場(chǎng)景之中，涌現(xiàn)“觀察”方案的實(shí)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(píng)價(jià)指標(biāo)體系，綜合評(píng)價(jià)疏散方案在不同需求情況下的實(shí)施效果。

（5）綜合利用傳統(tǒng)媒體和移動(dòng)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(yùn)營(yíng)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(duì)車輛進(jìn)行監(jiān)控，基于此實(shí)施的公交車智能調(diào)度策略，提高了公交車的利用率，同時(shí)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(shí)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(tái)等場(chǎng)所，采集公交車輛狀態(tài)信息、站點(diǎn)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(tái)，基于大數(shù)據(jù)技術(shù)對(duì)上述采集數(shù)據(jù)進(jìn)行分析，通過數(shù)據(jù)的集成、計(jì)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(gè)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(diǎn)智能維護(hù)、公交“飛站”、車距監(jiān)管、精準(zhǔn)報(bào)站、發(fā)班與客流匹配等公交運(yùn)營(yíng)和監(jiān)管難題，最終提升城市公交服務(wù)水平?；诔鞘薪煌ù髷?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(gè)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(shí)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(duì)公交各要素的電子化標(biāo)識(shí)、數(shù)據(jù)采集和數(shù)據(jù)共享，實(shí)現(xiàn)對(duì)城市公交狀態(tài)智能感知。同時(shí)，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(jì)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(yùn)營(yíng)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(gè)性化服務(wù)平臺(tái)

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(shí)現(xiàn)數(shù)據(jù)存儲(chǔ)、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(gè)性化的支持和服務(wù)。個(gè)性化服務(wù)平臺(tái)包括基礎(chǔ)信息綜合平臺(tái)實(shí)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(tái)實(shí)現(xiàn)數(shù)據(jù)分析處理、交通決策服務(wù)平臺(tái)為政府和公眾提供決策支持和信息服務(wù)，如圖7所示。

圖7  基于城市交通大數(shù)據(jù)的個(gè)性化服務(wù)平臺(tái)

（1）基礎(chǔ)信息綜合平臺(tái)

基礎(chǔ)信息綜合平臺(tái)為個(gè)性化服務(wù)平臺(tái)的基礎(chǔ)，是實(shí)時(shí)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(gè)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(tái)是整個(gè)智能交通信息組織過程中的信息樞紐，是實(shí)時(shí)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(duì)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(tái)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(chǔ)著持久數(shù)據(jù)。選用業(yè)界高性能的數(shù)據(jù)庫(kù)來提供數(shù)據(jù)存儲(chǔ)、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(duì)各層之間的數(shù)據(jù)進(jìn)行相互傳輸。主要包含浮動(dòng)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(chǎng)行業(yè)管理系統(tǒng)、客運(yùn)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(cè)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(cè)系統(tǒng)、微波檢測(cè)系統(tǒng)、移動(dòng)式地磁檢測(cè)系統(tǒng)三大模塊。

（2）大數(shù)據(jù)智能處理平臺(tái)

大數(shù)據(jù)處理是結(jié)合交通系統(tǒng)的實(shí)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(yàn)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(tái)

交通信息服務(wù)平臺(tái)是利用基礎(chǔ)平臺(tái)和數(shù)據(jù)智能處理平臺(tái)提供的經(jīng)整合處理后的交通信息，為公眾出行提供個(gè)性化交通信息服務(wù)的發(fā)布平臺(tái)。結(jié)合筆者和合作單位多年的交通信息服務(wù)實(shí)踐，交通信息服務(wù)平臺(tái)將通過移動(dòng)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(bào)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(fèi)或增值服務(wù)，該平臺(tái)還將為不同發(fā)布渠道提供軟件配套支持。

•  基于移動(dòng)互聯(lián)網(wǎng)的信息服務(wù)：利用3G網(wǎng)絡(luò)等移動(dòng)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(shí)時(shí)公交、出行規(guī)劃、地鐵信息、鐵路航班、客運(yùn)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(duì)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(tái)，為用戶提供包括實(shí)時(shí)路況、交通視頻、實(shí)時(shí)公交、出租車空車分布、網(wǎng)上汽車票查詢預(yù)訂、停車場(chǎng)動(dòng)態(tài)信息、航班動(dòng)態(tài)信息、列車動(dòng)態(tài)信息、地鐵信息以及交通咨詢?cè)趦?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(dòng)態(tài)，科學(xué)規(guī)劃出行方案。

• 電子站牌：公交站臺(tái)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(bào)板：利用停車誘導(dǎo)屏等情報(bào)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(bào)綜合交通服務(wù)信息，如實(shí)時(shí)路況、航班動(dòng)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(dòng)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(shí)影像替代虛擬場(chǎng)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(duì)形式的束縛，更好地洞察和理解現(xiàn)實(shí)世界。真三維智能交通中，根據(jù)實(shí)地采集的實(shí)景資料，對(duì)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(dòng)態(tài)地再現(xiàn)三維道路實(shí)景。針對(duì)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(yùn)算，計(jì)算出大車拐彎的死角范圍，并搜集車身長(zhǎng)度和性能進(jìn)行評(píng)價(jià)，將評(píng)價(jià)結(jié)果及時(shí)反饋給司機(jī)，將導(dǎo)航過程中經(jīng)常發(fā)生危險(xiǎn)的區(qū)域在真三維實(shí)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(shí)例

（1）交通基礎(chǔ)設(shè)施數(shù)據(jù)提取及實(shí)時(shí)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(shí)自動(dòng)更新交通大數(shù)據(jù)中心的數(shù)據(jù)庫(kù)，可實(shí)現(xiàn)路網(wǎng)數(shù)據(jù)的實(shí)時(shí)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(shí)來自動(dòng)、半自動(dòng)地提取道路線，并通過GIS進(jìn)行道路面積的快速計(jì)算；

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

• 通過尺度選擇及轉(zhuǎn)換，構(gòu)建影像對(duì)象層次，充分認(rèn)識(shí)不同道路特征，建立道路知識(shí)庫(kù)，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(shí)現(xiàn)對(duì)移動(dòng)車輛的全天候的實(shí)時(shí)監(jiān)控、報(bào)警、指揮與調(diào)度功能。通過電子地圖匹配GPS/中國(guó)北斗衛(wèi)星導(dǎo)航系統(tǒng)采集的車輛經(jīng)緯度、時(shí)間等信息，實(shí)時(shí)監(jiān)測(cè)車輛的運(yùn)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(dòng)記錄、統(tǒng)計(jì)、分析車輛的歷史運(yùn)行數(shù)據(jù)，輔助管理人員制定管理決策。對(duì)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(jì)分析手段，可以有效對(duì)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(píng)估，而此人的評(píng)估會(huì)被送往交通管理部門以及運(yùn)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(cè)群體出行行為

結(jié)合交通大數(shù)據(jù)，可以預(yù)測(cè)出群體出行的態(tài)勢(shì)，對(duì)其可能出行的時(shí)間、出行路線、出行方式等進(jìn)行預(yù)測(cè)，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(cè)的群體出行行為數(shù)據(jù)也將為個(gè)人出行提供更加精確的服務(wù)，幫助個(gè)人決策，讓個(gè)人出行盡量以最短的時(shí)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(dú)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(jià)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(tái)，可從尺度、精度、時(shí)相等方面保障數(shù)據(jù)及時(shí)更新，能夠?qū)崿F(xiàn)更精細(xì)、及時(shí)的動(dòng)態(tài)監(jiān)測(cè)服務(wù)數(shù)據(jù)體系。

城市智能交通大數(shù)據(jù)平臺(tái)基于云計(jì)算平臺(tái)和高速網(wǎng)絡(luò)傳輸，支撐移動(dòng)互聯(lián)網(wǎng)時(shí)代的智能交通服務(wù)，實(shí)現(xiàn)用戶移動(dòng)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(shí)時(shí)高速傳輸；基于實(shí)時(shí)數(shù)據(jù)為用戶提供更精準(zhǔn)的導(dǎo)航、停車服務(wù)，實(shí)現(xiàn)新型的實(shí)時(shí)互聯(lián)交通服務(wù)模式。

展望未來，通過物聯(lián)網(wǎng)、云計(jì)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(shí)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(gè)平臺(tái)上同時(shí)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(yùn)營(yíng)管理和綜合服務(wù)水平。