大數據時代 智能交通如何發展

城鎮化和汽車普及進程的加快，不斷加劇各大城市的交通供需矛盾，交通安全、交通擁堵及環境污染成為困擾我國交通領域的三大難題。統計顯示，截止2015年年底，全國機動車保有量達2.79億輛，機動車保有量超過1000萬輛的有12個省，城市汽車保有量超過200萬輛的有11個城市，其中北京超過450萬輛。北上廣一線城市卡口點位數量超過3000個，中等城市大多在1000個左右。同時，隨著城市卡口密度的增加，卡口聯網與信息共享趨勢加速，數據量將大幅增長，將形成更為龐大的交通大數據。

智能交通行業需要在視頻監控、卡口管理、電子警察、交通信號控制、交通流量、交通誘導等多方面進行規劃和設計。在以往的建設中，往往是基于經驗或一些基本數據進行規劃設計，建設后不能達到令人滿意的水平。因此需要及時、準確、快速地獲取交通數據，并由此構建交通大數據平臺，對交通流量、交通信號、車輛大數據等諸多體量巨大(Volume)、數據類型繁多(Variety)、價值巨大(Value)、需要高速處理(Velocity)的大數據進行全面融合匯總，并進行多角度精準分析，多層次關聯處理、多樣化匯報展現。

1. 智能交通行業的發展

總結近10多年智能交通行業的發展，我們發現城市智能交通發展是信息化發展的縮影，從信息化、系統化向智能化發展，可以大致歸類成三個階段：

基礎建設階段

城市智能交通的發展，處于首位的是必要的交通基礎設施建設。例如市中心區域主干道的交通信號自動控制設備的覆蓋，干線協調系統的搭建；主要干道的交通視頻監控；重要交叉路口、路段數字化執法設備的建設等交通基礎設施，以及此類集成子系統的中心后臺的搭建。對于個別子系統會進行簡單的小范圍系統集成應用，如道路監控與電子警察的系統集成等。

此階段主要是緩解城市路網和車輛的供需矛盾，提高交通通行能力，減少城市中心區的交通負荷。

提升管理階段

在基本的基礎建設完成后，隨著日益增加的城市交通需求，使得交通管理系統必須盡快提升自身的管理水平。首先擴大基礎設施建設，例如多區域交通信號的聯網覆蓋，城市點、線、面交通路段信號區域協調控制等；增加完善信息集成子系統；然后進行大型綜合系統集成應用，多個子系統協調聯動，從而提高管理效率和水平。 　　此階段主要是完善各子系統，提高各系統使用效率，提高業務管理水平，緩解城市人車路之間的矛盾。

在解決了城市交通綜合管控、交通安全保障后，交通信息服務的搭建將會成為一個能切實服務于公眾的建設工程，此階段需要將各應用領域的資源進行匯聚融合，構建智能交通大數據平臺，對各類交通數據進行挖掘、共享、融合、應用，并且完善服務體系，提高政府服務水平。

此階段主要是在智能交通系統建設后，綜合利用各種先進技術，如云計算、大數據，互聯網技術等服務民眾。

由于我國智能交通行業發展的復雜性，三個階段的特征同時存在。但總體來講，普遍存在的情況就是：缺乏通過大數據分析技術深度挖掘海量數據中的潛在規律和線索，不能充分挖掘和分析各類道路交通信息，缺少道路動態交通路況、交通事故、交通違法智能分析的能力，不能更好的將智能交通大數據用于交通管理。

2. 大數據對智能交通的影響

何謂大數據，不論是4V還是5V，都僅僅從數據的特征緯度提出了大數據的概念，并沒有提高到應用的層次來解釋大數據。大數據不僅僅是一個采集融合、管理分析、處理展現的數據集合，更是采用新技術流程優化、深刻洞察、智能分析決策的以適應海量、高增長、多樣化的信息資產。

大數據對于智能交通有哪些影響呢？

我們可以先看一個比較突出的問題：近年來，各地大規模上了交通管控系統之后，盡管交通違法情況得到了遏制，但是交通擁堵的情況卻并未減少。從以往的經驗來看，主要原因之一就是 “重建輕用”。因此對于緩解交通擁堵，要從管理應用上入手。這其中能產生有效效果的就是利用交通大數據的應用了。

大數據采集與存儲

交通數據采集的范圍、廣度和深度急劇增加，數據量隨著智能交通系統建設規模不斷擴大。以線圈、視頻檢測、微波、卡口、GPS、浮動車等產生交通流監測數據、視頻監控數據、系統數據、服務數據等構筑了交通大數據。以上海市數據為例，全市接入6600多個卡口，每天近8000萬的通行數據，產生大量的視頻、圖片和通行記錄。利用二次識別技術，對車輛圖片和視頻進行分析，形成更準確的數據資源。

大數據分析與應用

高效的云計算能力，帶來千億數據的秒級返回的檢索能力，為大數據分析應用，提供了快速的保障?；?a href='/map/shenduxuexi/' style='color:#000;font-size:inherit;'>深度學習的智能分析算法，為大數據分析應用提供有力的工具。交通大數據的分析，為交通管理、決策、規劃、服務以及主動安全防范帶來更加有效的支持。

利用大數據技術，結合高清監控視頻、卡口數據、線圈微采集波數據等，再輔以智能研判，基本可以實現路口的自適應以及信號配時的優化。通過大數據分析，得出區域內多路口綜合通行能力，用于區域內多路口紅綠燈配時優化，達到提升單一路口或區域內的通行效率。如根據平日/節假日，早、晚高峰/其他時段，主要干道關鍵路口/次關鍵路口/普通路口，白天/夜間等不同情況，人工或系統自動設置不同的配時，達到大幅提高區域內交通通行能力。

大數據分析研判功能，還可以支持對卡口數據、視頻監控數據進行二次識別，提高車輛信息的準確性，進而利用大數據實現軌跡分析、落腳點分析、隱匿車輛分析等功能。對車輛大數據進行深入挖掘，實現事前全面監控、事中及時追蹤、事后準確回溯的不同場景需求。常州市建設的車輛大數據平臺，協助有關部門每天自動發現套牌車輛10余起，再根據車輛的軌跡分析和落腳點分析，快速找到套牌車輛進行處罰管理。

結合智能算法，二次識別等功能，可以更準確的識別車牌、車身顏色、車型、車標、年款等特征，并且對遮陽板檢測、安全帶檢測、接打電話檢測、司機人臉識別等進行分析。

利用智能交通的管理系統，可以獲取道路天氣、施工情況、事故情況、結合大數據分析，為出行司機和交管部門提供天氣、路面狀況、事故易發地點、停車場等信息，并根據車輛目的地、行駛習慣，路面情況推薦行駛路線。