运用大数据提升交通管理能力
时间：2021-05-13 08:04:48 来源：雅意学习网 本文已影响 人 
摘 要：随着大数据时代的到来，大数据的分析与利用已渗透交通、汽车等多个领域。文章拟搭建Hadoop、Spark大数据处理平台，利用多种数据处理语言，对城市道路和公共交通网络数据、道路交通流检测数据、出租车GPS数据和公交刷卡数据等海量数据进行处理与计算，通过建立各种模型与算法对城市交通系统运行状态进行多方面的分析，基于复杂网络理论研究城市公共交通子网之间的级联关系，为城市交通管理和资源的优化配置提供理论和实证依据。
关键词：大数据；交通管理
中图分类号：F503 文献标识码：A 文章编号：1006-8937（2015）21-0127-03
1 研究背景及意义
目前，“大数据”一词成为热点关键词之一，预示着大数据时代的到来。大数据分析已经不仅仅是信息革命的新阶段，更关系到诸多实体企业在电子商务、公共服务及安全上的应用，企业的发展革新已经离不开大数据的应用。如今，企业对于大数据已经不再局限于了解大数据是什么阶段，大数据已经开始切实运用于实际。云计算和大数据将携手，共同掀起生产力大解放，与以蒸汽机的使用和电气的使用为代表的第一次工业革命和第二次工业革命不同的是，这次是以数据为材料，计算为能源。未来国家的发展战略将会以数据储备及数据分析为核心。
城市交通已面临诸多严重问题，必须采取更有效的措施，保证城市交通系统有效运行。为了应对城市交通运行困境，第一届智能交通大会于1994年在巴黎召开，从此，智能交通日益成为人们热衷探讨的话题，随着时间流逝，智能交通研究与应用在美、欧、日三国取得了长足发展，这三个国家及地区也成为了世界智能交通研究应用的主要基地。
同时，一些发达国家级地区例如新加坡、香港、澳大利亚等在此方面的研究也取得了相当的成果。我国近年来也一直在充分利用物联网、云计算、大数据、移动互联等技术，大力推进我国交通运输领域的信息化。
目前，云计算、大数据、移动互联等新技术已被广泛运用到车路协同系统、公众出行便捷服务、车联网等领域的研究和实践中。随着大数据技术的广泛研究及应用，智能交通上已经可以运用大数据手段，对交通运输的需求进行分析，得出精确的需求数据，在这样的形势之下，交通网络优化、智能化出行服务以及交通应急保障等方面将形成巨大的市场，大数据技术将成为市场新趋势。
2 研究内容
借助大数据技术，可以对多源、异构、海量、时变的海量交通数据进行分析和处理，挖掘其隐含的时空知识，为交通管理部门和出行者提供有利于公共系统调度和车主出行的决策信息，以便主动干预各类可能的交通问题，而不再被动接受，主要内容包括以下内容。
2.1 构建交通大数据的时空模型，对交通流状态分析和
趋势预测
利用聚类分析方法，构建交通流大数据时空模型。利用对海量交通数据（包括静态和动态数据：交通基础设施数据是相对静态的，如桥梁、城市道路、立交、轨道网、停车场等。各类动态交通运行信息即为动态交通数据，包括交通事故、施工占道、道路实时车速、流量、停车位使用等）。进行空间聚类分析，根据道路节点收集的数据，将数据内部隐含的信息特征找出来，将这些相似度高、关联性大的数据聚合。运用这一聚类分析方法，人们可以发现数据中交通网络的分布模式，从数据结果出发，实现交通流状态的分析及预测。
道路网通达性对于交通流量序列有着极大影响，处于同一时空之内的道路之间，必然存在时间差异关系极大的流量序列。所以，各个流量序列之间的时间相关性，可以通过空间权重矩阵和时间延迟做出明确的表达，按照相关系数，将预测相关因子选取出来，以多种算法模型为手段，对交通流趋势进行预测。
2.2 基于交通流大数据时空模型，分析交通路网拥堵状
态的趋势和成因
交通拥堵趋势及成因可以通过分析拥堵状态的数据、时空特征、语义，以时空关联性为基本方法，采用时空关联规则做出分析。
在这一过程中，还应该提高时空关联规则的获取效率，可以通过过滤无效数据，降低时间空间杂乱数据的干扰。按照这种思路，首先可以对频繁项集产生过程中的时空数据进行时间、空间段上的划分，分析时间与空间的有效性及关联性，在形成事务表之后，链接时空规则之间的项集，以拥堵状态的时空关联规则为基础，分析交通网的拥堵趋势。
2.3 基于复杂网络的各公共交通子网之间级联关系的
研究
公共交通是城市交通管理的主要对象，利用大数据手段分析公共交通数据（公交车、地铁等数据），探寻交通运行规律，研究各公共交通子网之间的级联关系。
3 关键问题
3.1 大数据平台的搭建
交通信息数据具有海量异构的特征，需要采用大数据手段、搭建大数据平台，本项目拟搭建HADOOP大数据环境，既需要对HADOOP环境本身的调试和配置，也需要对海量异构的交通数据进行分类梳理。
因此，搭建HADOOP大数据环境需要解决描述数据之间的连接关系及其相互影响，以及在分布式条件下数据的分类、聚合及其参数的设定。因此，解决了这一问题，将为后续大数据算法模型的运行提供基础环境。
3.2 多目标多因素算法和模型建立和优化方法
城市交通运行特性异常复杂，尤其是在拥堵情况下，受到的约束条件更多（如地铁客流、公交车客流等），因此，需要在课题建立的模型基础上制定适应多目标多时间尺度的协调优化方法。
3.3 交通复杂网络拓扑
城市交通运行涉及交通路网、地铁、公交、出租等复杂数据，这些数据各自成网，又相互作用。
因此，建立交通复杂网络拓扑结构，对模拟现实交通运行状况，探寻交通运行规律至关重要。
4 研究步骤
可以采用理论分析、数值计算和试验相结合的方法，取得研究效果。
