大数据多维度下的智慧交通.docx

大数据多维度下的智慧交通 林祥兴 陈思恩 俞 辉 中图分类号：D631.5 文献标志码：A 文章编号：1000-8775(2015)04-0031-04 一、背景——城市交通现状 如果想要出行便捷，汽车一定会是我们的首选工具，但是随着时间和科技的推移，如今的汽车却给人类带来了另一个大麻烦——耗费太多时间在堵车和等红绿灯上了。由于城镇化建设的不断推进和国民经济的快速发展，近年来大中型城市的机动车数量增幅巨大。城市拥堵、违规违章、事故频发、尾气排放日趋严重，这些看似无关痛痒的“城市病”，却成为文明城市进一步发展的阻碍。以北京为例，IBM曾出过一份《全球交通痛苦指数报告》，首都以99的高分入选全球交通出行最痛苦城市。整体城市的交通基建承载力严重超负荷，公交系统承载能力也呈饱和状态。但问题是，北京的绝对汽车数量和人均汽车拥有量在全球各大城市中排名都不算靠前。来看看国外，根据美国得克萨斯州运输研究所发表的研究报告显示，美国因交通堵塞平均每年造成的经济损失高达631亿美元，间接经济损失接近1000亿美元。每一年美国民众浪费在堵车上的时间就高达37亿小时，平均每年因道路拥堵导致各种交通工具白白燃烧汽油达100亿升。更为揪心的是，若堵车时不熄火的汽车尾气排放量是平时正常行驶时排放量的20倍-30倍。显然，这所有问题的源头都出在了道路交通的设计规划和管理。 二、大数据时代下的交通案例 不论在哪里，打造出清洁、畅通、安全的道路环境都是城市管理者所期望看到的，可是凭借过气经验和推测做出的决策往往经不起现实的推敲，快速增长的车辆与有限的道路资源、通行效率与交通安全之间的矛盾越来越突出，一味地盲目规划和拓宽马路更容易激化人地矛盾，而在大数据时代，大数据技术的海量数据存储、高性能计算处理和高效分析挖掘能力，将进一步提高城市交通运行效率、保障老百姓出行安全，并为城市综合治理、智慧交通管理、以及公众服务发布等提供数据决策支持。 1．国外案例。 不久前，IBM公司受爱尔兰邀请，利用实时数据来帮助其首都都柏林实行便捷公共出行。由于大数据手段的施行，都柏林的公交车运行变得无比畅通。交通控制站能够利用数据实时确定公交大巴的位置。很多交通管理上的潜在问题也以可视化的形式展现在出来。例如，通过毫秒级运算交管后台能马上定位拥堵区域，且在事态蔓延开之前发现拥堵原因，提出疏导方案。这对交通管制员和运输提供商来说，庞大的网络的管理不在话下。大数据的应用改善了都柏林的交通状况，并且为爱尔兰政府减少了大笔的行政开销。而美国早在60年代便通过数据的分析利用大大降低了道路安全交通事故。1966年，交通死亡人数首次突破了5万，成为全美舆论的焦点。当时，专家估计，如果不采取措施来遏制这个增长势头，死亡人数将在1975年达到10万。然而1972年后近40年，死亡人数呈不断下降的趋势。2009年，死亡人数为33808人，创下了自1954年以来的最低水平。美国交通安全管理局将他们的经验概括为：循“数”管理，从1966年开始建立的“交通事故死亡分析报告系统”，也已经演变为一个在线分析系统，任何人都可以上网查询事故的原因和分析。新加坡地域面积小，人口密度大，新加坡陆路交通管理局通过创新部署建立了系统的ITS（智能交通系统）。具体来说，这个系统是将先进的信息技术、数据通信传输技术、电子传感技术、控制技术及计算机技术等有效集成运用于整个地面交通管理而建立的一种在大范围内、全方位发挥作用的，实时、准确、高效的综合交通运输管理系统。ITS能够帮助道路交通部门和公交运营机构：减少道路交通拥堵；提高跨不同道路交通系统的事件可见性；加快道路交通流量及事件相应速度；分析历史数据，从而获得并理解道路交通流量及事件的固定模式；预测未来一小时内的道路交通状况；增加公共交通车辆、服务及相关异常的可见度；预测公共交通车辆的到达时间。 2．国内案例。 大数据应用不是悬在空中不可触及的理论空谈。在国内，上海是率先把大数据在交通管理中实践起来的城市。上海正在构建通过物联网技术支撑的汽车运行信息发布系统。市民可以利用智能手机，查询公交线路和实时运行信息；交警部门可以实时看到全上海37个陆路道口的出入车流量；快速比对本地车和外地车数量占比，并分析外地人流来向（是江苏方向入沪还是浙江方向入沪等）；还能精确到任意车牌实时监控各车道车速。另外，南京方面也构建起了强大的交通云平台，通过GPS、摄像头、传感器等设备搜集海量数据进行智能监控和分析，对本市的1000个摄像头进行实时采集和处理，通过主动报警、主动通知的形式对全市140万辆机动车进行管理。 三、大数据手段——数据融合、1400个维度  1．大数据平台，构建出行人全息视图。 交通大数据平台，是一整套基于Hadoop的生态体系，可部署在云计算平台上的企业级软件服务，消除了大数据的复杂度，同时还提供完整的可视化功能，去除所有的复杂大数据技术和流程，给予交通管理者简单、易于上手的界面和接口，让使用管理者更能专注于创建出对疏通道路和智能交管有价值的应用，而非把时间浪费在处理这些繁杂海量的交通数据上。这使得大数据平台能够更好地为企业提供合适的行业分析解决方案和商业资讯。在大数据平台基础上建立起来的具有1400个维度的全息驾车人视图，从多个渠道多个角度来收集关于驾车人的信息，包括上网记录、旅行、GPS、信用卡记录等相关信息，以充分了解每一位驾车人的特点。通常会使用一些维度和属性来描述用户，维度越多，则用户被描述得越清晰。用户维度和属性的定义可以从已有的数据源的属性提取，也可以从业务的角度来获得。全息用户视图与智慧交通的结合，必将产生更多关于驾车人的维度：例如日常行车路线、车辆信息、出行时间、停车信息、开车习惯等等。对用户维度和属性清晰有效的细分，不仅可以使得数据分析和展示更加有效，并且能充分刻画出用户的画像。 3.2标签分类，准确掌握路上每个乘客信息  （一）采集数据。 通过采集路网、停车、FCD浮动车（如出租、公交等车辆GPS数据）等多源数据，使用“用户身份识别”的方法将多渠道的用户数据整合在一起。 （二）人群分析。 使用特有的数据处理和人群分析模型（统计、聚类等方法），进行实时数据更新与分析。 （三）为人群打上标签。 比如用户A，性别：女；年龄：25岁-29岁；常用路线：莲前西路；工作地点：软件园二期；驾龄：新手；驾驶习惯：飙车等。 3．多维分析，准确掌握路上每个出行者信息。 基于标签的相关性和用户行为特征，对标签的多维度进行分析和挖掘，再结合交通视频监控数据、停车场车位数据、路面及路口地感数据、公共交通车辆FCD数据、私家车手机基站定位数据、交通事件数据（如交通管制、道路施工、道路管控、事故）等，通过分类萃取及数据清洗等预处理、利用张量分解等建模方法进行多源道路交通数据的时空数据分析，实现智慧交通的点、线、面多维度视图，全面掌握交通情况，提供交通决策支持、提升改善空间。海量情境感知信息的收集维度可以包括： （一）路况数据的分析与研判。 可在传统FCD数据源的基础上，通过采集RFID、地感线圈、地磁、微波及道路施工、道路管控等交通事件，极端天气（如台风、暴雨对低洼路段的交通影响等），突发性交通事件（大型体育赛事、音乐会、节假日庆典），城市能源消耗，噪音大气污染以及交通事故与道路施工等情景下产生的海量数据，通过对多源大数据的接入与融合，掌握上下班高峰期和闲时的路况规律，对重点路段、重点时段的交通状况进行预判，制订针对性的处置方案，为市民提供准确、可视化的实时路况信息 （二）城市交通的客流分析。 通过公交、出租车、地铁等公共交