周春梅

當智能交通遇到大數據，如同二氧化錳在制取氧氣的實驗中作為催化劑一樣，一場劇烈的化學反應加劇了兩方的共同發展。

隨著城市的迅速發展，交通擁堵、交通污染日益嚴重，交通事故頻繁發生，這些都是各大城市亟待解決的問題。智能交通成為改善城市交通的關鍵所在。為此，及時、準確獲取交通數據并構建交通數據處理模型是建設智能交通的前提，而這一難題可以通過大數據技術得到解決。

智能交通需求與大數據契合

智能交通整體框架主要包括物理感知層、軟件應用平臺及分析預測及優化管理的應用。其中物理感知層主要是對交通狀況和交通數據的感知采集；軟件應用平臺是將各感知終端的信息進行整合、轉換處理，以支撐分析預警與優化管理的應用系統建設；分析預測及優化管理應用主要包括交通規劃、交通監控、智能誘導、智能停車等應用系統。

系統利用先進的視頻監控、智能識別和信息技術手段，增加可管理空間、時間和范圍，不斷提升管理廣度、深度和精細度。整個系統由信息綜合應用平臺、信號控制系統、視頻監控系統、智能卡口系統、非現場執法系統、信息采集系統、信息發布系統等組成。以達到如下四方面的目標：

提高通行能力
減少交通事故
打擊違章事件
出行信息服務

如下是智能交通整體應用架構圖：

整個系統建設的核心是數據的沉淀、存儲與計算，而其中最重要的核心思想就是“數據是價值”。問題就是如何把數據轉換成價值。這就成為一個技術問題。

從統計學的角度，任何領域任何動態發展的事物，只要有足夠多的樣本數據，就一定能從樣本數據中找到動態發展的規律。數據越多，準確率越高。這個“規律”就是數據的價值所在。對于商業機構，可以分析用戶行為規律從而提高銷售量；分析目標市場規律，定點投放廣告從而降低成本等等；還可以分析交通行為規律，提前做交通疏導，提高交通通暢率，這就能真正挖掘數據的潛在價值，提高其社會價值。

從20世紀初的網絡發展以來，進入一個高度聯網的階段。聯網的同時，數據高度集中，數據量急劇增加。據IDC報告現在互聯網的數據，每兩年就翻一番。這個增長率在智能交通行業同樣有效，隨著卡口、電警、攝像機數量的增加，高清化、智能化的發展，如果再算上物聯網的各種傳感器，未來幾年的數據量增加可能大大高于這個增長率。這就為智能交通行業實現大數據提供了數據基礎。

從各種各樣類型的數據中，快速獲得有價值信息的能力，就是大數據技術。由此我們再看IBM歸納的4個V( 量Volume，多樣Variety，價值Value，速Velocity)：

1)Volume數據體量巨大。從TB級別，躍升到PB級別；

2)Variety數據類型繁多。包括視頻、圖片、地理位置信息、傳感器數據等等。

3)Value價值密度低，應用價值高。以視頻為例，連續不間斷監控過程中，可能有用的數據僅僅有一兩秒。

4) Velocity處理速度快。1秒定律。最后這一點也是和傳統的數據挖掘技術有著本質的不同。在交通領域，海量的數據主要包括4個類型的數據：傳感器數據（位置、溫度、壓力、圖像、速度、RFID等信息）；系統數據（日志、設備記錄、MIBs等）；服務數據（收費信息、上網服務及其他信息）；應用數據（生成廠家、能源、交通、性能、兼容性等信息）。交通數據的類型繁多，而且體積巨大量Volume 和多樣 Variety是因，數據類型的復雜和數據量的急劇增加，決定了原有簡單因果關系的應用模式對數據使用率極低，完全無法發揮數據的作用；速Velocity是過程，巨大的運算量決定了速度必須快；價值 Value是最終的果。

大數據沉淀

在各城市建設智慧交通的過程中，將產生越來越多的視頻監控、卡口電警、路況信息、管控信息、營運信息、GPS定位信息、RFID識別信息等數據，每天產生的數據量可以達到PB級別，并且呈現指數級增長。以丹東市的卡口電警產生的數據為例：

大數據增值應用

深入挖掘數據價值，在智能交通等行業上推出車輛軌跡、道路流量、案件聚類等大數據模型。基于大數據模型，推出智能套牌、智能跟車分析、軌跡碰撞、智能比對、輿情分析等數據增值應用，逐步解決行業的深層次問題

海量數據計算

通過云計算集群，實現對海量數據的分布式高速計算，支撐對海量數據的高效分析挖掘。
云計算集群是一種M/S架構的分布式計算系統，Master作為調度管理服務器，負責計算任務分解與調度、計算資源統一管理。Slave則由大量的計算服務器組成，負責完成Master下發的計算任務。

海量數據檢索

基于行業數據查詢特點，對搜索引擎進行優化定制，支持百億記錄的秒級高速查詢。通過集群機制，實現搜索服務的高可靠性、高容錯性、高擴展性。

海量數據存儲

對于海量數據存儲，采用HBase分布式存儲系統。 相比傳統關系型數據庫，有如下特點：
數據格式靈活
高可用
橫向擴展能力強
訪問高效

同時能夠做到無縫集成，快速從關系型數據庫導入已經存在的歷史數據。 提供高可靠性、高容錯性、高性能的海量數據存儲解決方案，支持無縫容量擴展。

大數據在智能交通中的發展

宇視智能交通產品總監孫加君分析，智能交通產品的技術定位近年來有兩大顯著變化：

第一是智能前置，前端的抓拍單元發生了非常大的變化，實現了“一體化”，即所有的交通行為、智能分析行為都由相機來完成。而在2010年前后，抓拍單元還是純粹的抓拍機，其他智能分析算法由路口工控機或后端設備完成；

第二是建設規模，現在一個中小城市建設卡口和電警設備的規模就能達到上千路，抓拍圖片的數量規模非常龐大，有的甚至上億條，如果存儲時間較長則達到10億條，對平臺管理、檢索這些過車記錄，提出了非常大的挑戰。

宇視副總裁閆夏卿從三個角度闡述智能交通與大數據的關系：

首先，從應用成熟度看，在今天無論卡口、非現場執法設備，視頻監控是對圖像和視頻數據進行語意化和結構化處理最成熟、最完整、應用深度最深的領域。智能交通可能是現在新興技術和應用領域里，率先突破數據應用瓶頸的一個技術領域；

其次，從技術角度看，包括大數據、云計算的技術架構，最先在智能交通里落地，智能交通也必將引領整個智慧城市各個子模塊的技術潮流和走勢；

最后，從使用者與應用者關聯的角度看，交通的智能化，最終會影響到每一個人騎車、駕車、公交出行的感受。每位市民都能夠有非常好的交通秩序體驗，這一點就需要智能交通的技術方案去支撐實現。