2016年中國智能交通產(chǎn)業(yè)的大數(shù)據(jù)應(yīng)用分析

中國大數(shù)據(jù)產(chǎn)業(yè)起步晚，發(fā)展速度快。物聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)的迅速發(fā)展，使數(shù)據(jù)產(chǎn)生速度加快、規(guī)模加大，迫切需要運(yùn)用大數(shù)據(jù)手段進(jìn)行分析處理，提煉其中的有效信息。2014年，中國大數(shù)據(jù)市場規(guī)模達(dá)到767億元，同比增長27.8%。預(yù)計(jì)到2020年，中國大數(shù)據(jù)產(chǎn)業(yè)規(guī)模將達(dá)到8228.81億元。2015-2017年復(fù)合增長率為51.5%。2014年，中國大數(shù)據(jù)應(yīng)用市場規(guī)模為80.54億元，同比增長3.2%，2015年市場規(guī)模約增長37.3%，至110.56億元，預(yù)計(jì)到2020年，中國大數(shù)據(jù)應(yīng)用市場規(guī)模將增長至5019.58億元。2015-2017年復(fù)合增速為87.8%。

2014-2020年中國大數(shù)據(jù)產(chǎn)業(yè)規(guī)模市場及預(yù)測

大數(shù)據(jù)應(yīng)用于智能交通產(chǎn)業(yè)

當(dāng)智能交通遇到大數(shù)據(jù)，如同二氧化錳在制取氧氣的實(shí)驗(yàn)中作為催化劑一樣，一場劇烈的化學(xué)反應(yīng)加劇了兩方的共同發(fā)展。

隨著城市的迅速發(fā)展，交通擁堵、交通污染日益嚴(yán)重，交通事故頻繁發(fā)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(guān)鍵所在。為此，及時(shí)、準(zhǔn)確獲取交通數(shù)據(jù)并構(gòu)建交通數(shù)據(jù)處理模型是建設(shè)智能交通的前提，而這一難題可以通過大數(shù)據(jù)技術(shù)得到解決。

1、智能交通需求與大數(shù)據(jù)契合

智能交通整體框架主要包括物理感知層、軟件應(yīng)用平臺及分析預(yù)測及優(yōu)化管理的應(yīng)用。其中物理感知層主要是對交通狀況和交通數(shù)據(jù)的感知采集；軟件應(yīng)用平臺是將各感知終端的信息進(jìn)行整合、轉(zhuǎn)換處理，以支撐分析預(yù)警與優(yōu)化管理的應(yīng)用系統(tǒng)建設(shè)；分析預(yù)測及優(yōu)化管理應(yīng)用主要包括交通規(guī)劃、交通監(jiān)控、智能誘導(dǎo)、智能停車等應(yīng)用系統(tǒng)。

系統(tǒng)利用先進(jìn)的視頻監(jiān)控、智能識別和信息技術(shù)手段，增加可管理空間、時(shí)間和范圍，不斷提升管理廣度、深度和精細(xì)度。整個(gè)系統(tǒng)由信息綜合應(yīng)用平臺、信號控制系統(tǒng)、視頻監(jiān)控系統(tǒng)、智能卡口系統(tǒng)、電子警察系統(tǒng)、信息采集系統(tǒng)、信息發(fā)布系統(tǒng)等組成。以達(dá)到四方面的目標(biāo)：提高通行能力、減少交通事故、打擊違章事件、出行信息服務(wù)。

智能交通整體應(yīng)用架構(gòu)圖

整個(gè)系統(tǒng)建設(shè)的核心是數(shù)據(jù)的采集、存儲與計(jì)算，而其中最重要的核心思想就是“數(shù)據(jù)是價(jià)值”。問題就是如何把數(shù)據(jù)轉(zhuǎn)換成價(jià)值。這就成為一個(gè)技術(shù)問題。

從統(tǒng)計(jì)學(xué)的角度，任何領(lǐng)域任何動態(tài)發(fā)展的事物，只要有足夠多的樣本數(shù)據(jù)，就一定能從樣本數(shù)據(jù)中找到動態(tài)發(fā)展的規(guī)律。數(shù)據(jù)越多，準(zhǔn)確率越高。這個(gè)“規(guī)律”就是數(shù)據(jù)的價(jià)值所在。對于商業(yè)機(jī)構(gòu)，可以分析用戶行為規(guī)律從而提高銷售量；分析目標(biāo)市場規(guī)律，定點(diǎn)投放廣告從而降低成本等等；對于公安行業(yè)，可以分析區(qū)域性犯罪趨勢，提前預(yù)防從而降低犯罪率；還可以分析交通行為規(guī)律，提前做交通疏導(dǎo)，提高交通通暢率，這就能真正挖掘數(shù)據(jù)的潛在價(jià)值，提高其社會價(jià)值。

從20世紀(jì)初的網(wǎng)絡(luò)發(fā)展以來，進(jìn)入一個(gè)高度聯(lián)網(wǎng)的階段。聯(lián)網(wǎng)的同時(shí)，數(shù)據(jù)高度集中，數(shù)據(jù)量急劇增加。據(jù)IDC報(bào)告現(xiàn)在互聯(lián)網(wǎng)的數(shù)據(jù)，每兩年就翻一番。這個(gè)增長率在智能交通行業(yè)同樣有效，隨著卡口、電警、攝像機(jī)數(shù)量的增加，高清化、智能化的發(fā)展，如果再算上物聯(lián)網(wǎng)的各種傳感器，未來幾年的數(shù)據(jù)量增加可能大大高于這個(gè)增長率。這就為智能交通行業(yè)實(shí)現(xiàn)大數(shù)據(jù)提供了數(shù)據(jù)基礎(chǔ)。

從各種各樣類型的數(shù)據(jù)中，快速獲得有價(jià)值信息的能力，就是大數(shù)據(jù)技術(shù)。由此我們再看IBM歸納的4個(gè)V（量Volume，多樣Variety，價(jià)值Value，速Velocity）：

（1）Volume數(shù)據(jù)體量巨大。從TB級別，躍升到PB級別；

（2）Variety數(shù)據(jù)類型繁多。包括視頻、圖片、地理位置信息、傳感器數(shù)據(jù)等等。

（3）Value價(jià)值密度低，應(yīng)用價(jià)值高。以視頻為例，連續(xù)不間斷監(jiān)控過程中，可能有用的數(shù)據(jù)僅僅有一兩秒。

（4）Velocity處理速度快，1秒定律。

最后這一點(diǎn)也是和傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)有著本質(zhì)的不同。在交通領(lǐng)域，海量的數(shù)據(jù)主要包括4個(gè)類型的數(shù)據(jù)：傳感器數(shù)據(jù)（位置、溫度、壓力、圖像、速度、RFID等信息）；系統(tǒng)數(shù)據(jù)（日志、設(shè)備記錄、MIBs等）；服務(wù)數(shù)據(jù)（收費(fèi)信息、上網(wǎng)服務(wù)及其他信息）；應(yīng)用數(shù)據(jù)（生成廠家、能源、交通、性能、兼容性等信息）。交通數(shù)據(jù)的類型繁多，而且體積巨大。量Volume和多樣Variety是因，數(shù)據(jù)類型的復(fù)雜和數(shù)據(jù)量的急劇增加，決定了原有簡單因果關(guān)系的應(yīng)用模式對數(shù)據(jù)使用率極低，完全無法發(fā)揮數(shù)據(jù)的作用；速Velocity是過程，巨大的運(yùn)算量決定了速度必須快；價(jià)值Value是最終的果。

2、大數(shù)據(jù)采集

在各城市建設(shè)智慧交通的過程中，將產(chǎn)生越來越多的視頻監(jiān)控、卡口電警、路況信息、管控信息、營運(yùn)信息、GPS定位信息、RFID識別信息等數(shù)據(jù)，每天產(chǎn)生的數(shù)據(jù)量可以達(dá)到PB級別，并且呈現(xiàn)指數(shù)級增長。

3、大數(shù)據(jù)增值應(yīng)用

深入挖掘數(shù)據(jù)價(jià)值，在智能交通、公安實(shí)戰(zhàn)等行業(yè)上推出車輛軌跡、道路流量、案件聚類等大數(shù)據(jù)模型。基于大數(shù)據(jù)模型，推出智能套牌、智能跟車分析、軌跡碰撞、人臉比對、輿情分析等數(shù)據(jù)增值應(yīng)用，逐步解決行業(yè)的深層次問題。

4、海量數(shù)據(jù)計(jì)算

通過云計(jì)算集群，實(shí)現(xiàn)對海量數(shù)據(jù)的分布式高速計(jì)算，支撐對海量數(shù)據(jù)的高效分析挖掘。云計(jì)算集群是一種M/S架構(gòu)的分布式計(jì)算系統(tǒng)，Master作為調(diào)度管理服務(wù)器，負(fù)責(zé)計(jì)算任務(wù)分解與調(diào)度、計(jì)算資源統(tǒng)一管理。Slave則由大量的計(jì)算服務(wù)器組成，負(fù)責(zé)完成Master下發(fā)的計(jì)算任務(wù)。

5、海量數(shù)據(jù)檢索

基于行業(yè)數(shù)據(jù)查詢特點(diǎn)，對搜索引擎進(jìn)行優(yōu)化定制，支持百億記錄的秒級高速查詢。通過集群機(jī)制，實(shí)現(xiàn)搜索服務(wù)的高可靠性、高容錯性、高擴(kuò)展性。

6、海量數(shù)據(jù)存儲

對于海量數(shù)據(jù)存儲，采用HBase分布式存儲系統(tǒng)。相比傳統(tǒng)關(guān)系型數(shù)據(jù)庫，有四個(gè)特點(diǎn)：數(shù)據(jù)格式靈活、高可用、橫向擴(kuò)展能力強(qiáng)和訪問高效。

同時(shí)能夠做到無縫集成，快速從關(guān)系型數(shù)據(jù)庫導(dǎo)入已經(jīng)存在的歷史數(shù)據(jù)。提供高可靠性、高容錯性、高性能的海量數(shù)據(jù)存儲解決方案，支持無縫容量擴(kuò)展。

7、大數(shù)據(jù)分析與應(yīng)用

高效的云計(jì)算能力，帶來千億數(shù)據(jù)的秒級返回的檢索能力，為大數(shù)據(jù)分析應(yīng)用，提供了快速的保障。基于深度學(xué)習(xí)的智能分析算法，為大數(shù)據(jù)分析應(yīng)用提供有力的工具。交通大數(shù)據(jù)的分析，為交通管理、決策、規(guī)劃、服務(wù)以及主動安全防范帶來更加有效的支持。

利用大數(shù)據(jù)技術(shù)，結(jié)合高清監(jiān)控視頻、卡口數(shù)據(jù)、線圈微采集波數(shù)據(jù)等，再輔以智能研判，基本可以實(shí)現(xiàn)路口的自適應(yīng)以及信號配時(shí)的優(yōu)化。通過大數(shù)據(jù)分析，得出區(qū)域內(nèi)多路口綜合通行能力，用于區(qū)域內(nèi)多路口紅綠燈配時(shí)優(yōu)化，達(dá)到提升單一路口或區(qū)域內(nèi)的通行效率。如根據(jù)平日/節(jié)假日，早、晚高峰/其他時(shí)段，主要干道關(guān)鍵路口/次關(guān)鍵路口/普通路口，白天/夜間等不同情況，人工或系統(tǒng)自動設(shè)置不同的配時(shí)，達(dá)到大幅提高區(qū)域內(nèi)交通通行能力。

大數(shù)據(jù)分析研判功能，還可以支持對卡口數(shù)據(jù)、視頻監(jiān)控?cái)?shù)據(jù)進(jìn)行二次識別，提高車輛信息的準(zhǔn)確性，進(jìn)而利用大數(shù)據(jù)實(shí)現(xiàn)軌跡分析、落腳點(diǎn)分析、隱匿車輛分析等功能。對車輛大數(shù)據(jù)進(jìn)行深入挖掘，實(shí)現(xiàn)事前全面監(jiān)控、事中及時(shí)追蹤、事后準(zhǔn)確回溯的不同場景需求。常州市建設(shè)的車輛大數(shù)據(jù)平臺，協(xié)助有關(guān)部門每天自動發(fā)現(xiàn)套牌車輛10余起，再根據(jù)車輛的軌跡分析和落腳點(diǎn)分析，快速找到套牌車輛進(jìn)行處罰管理。

結(jié)合智能算法，二次識別等功能，可以更準(zhǔn)確的識別車牌、車身顏色、車型、車標(biāo)、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(jī)人臉識別等進(jìn)行分析。

利用智能交通的管理系統(tǒng)，可以獲取道路天氣、施工情況、事故情況、結(jié)合大數(shù)據(jù)分析，為出行司機(jī)和交管部門提供天氣、路面狀況、事故易發(fā)地點(diǎn)、停車場等信息，并根據(jù)車輛目的地、行駛習(xí)慣，路面情況推薦行駛路線。