交通智行,数据大考
时间：2021-05-12 16:01:47 来源：雅意学习网 本文已影响 人 
尚处数据采集初级阶段
理想的智能交通系统，有遍布城市各个角落的信息采集设备收集实时路面场景，一旦有异常事件发生，系统会立即反馈，协助管理员排查问题，将异常事件的监测与发现由“事后”转为“实时”。
数据采集是智能交通应用大数据的第一步。我国智能交通发展较稚嫩，面对炙手可热的大数据，路走得并不顺畅。
人大金仓首席运营官戴钲在接受《中国计算机报》采访时表示，大数据在行业领域与互联网领域的应用有所不同，必须要迈过技术、定势模式和组织三道门槛。
首先，90%以上的互联网企业都采用广告模式，即由第三方付费，免费为用户服务。用户行为则是大数据的主体，对用户行为的分析结果能够直接转换为价值。而在其他领域，如银行、政府等职能部门，服务是产品，而大数据技术的目的是完善服务，即大数据在该领域的应用需要一次转化。而这次转化，对行业领域来说是一次技术考验。 “行业大数据的应用，应将NOSQL转换成NewSQL（新型数据库），技术变迁是企业应用领域的一道门槛。”
据了解，NOSQL和NewSQL在处理海量数据时都有较强的扩展能力。NOSQL的主要优势在对非结构化数据的处理上，而NewSQL对于全数据格式的支持正日趋成熟。此外，NewSQL在实时性、复杂分析、即时查询和可开发性等方面也比NOSQL更具优势，对存储结构、计算架构和内存使用等核心技术进行了创新。
智能交通领域内大数据的应用正是如此。应用大数据近十年的互联网企业有经验丰富的技术工程师来操控大数据，而专注大数据仅两年多的智能交通行业，技术变迁上颇有难度。
其次，戴钲认为，传统的定势模式要打破。“大数据技术融入行业，实现全数据分析，用全貌数据分析的结果帮助高层决策。这改变了之前依靠假设模式、数据的抽样调查的决策模式，同时挑战了企业的定势模式和管理理念”。
再次，“全貌数据需要开放性的组织，仅组织内部全貌还不够，还要结合外部相关数据，由封闭式变身开放式。”戴钲说。智能交通实现的是全市、甚至是全国范围的交通监控。若各大交通系统彼此信息封闭，无法实现真正的“智”。
苍白的数据采集
尽管我国不少城市的智能交通应用已经取得令人欣喜的成绩，然而2013年新春伊始的那起令人揪心的案件，却为智能交通对大数据的应用效果泼了一盆冷水。
某日，长春市一辆银色RAV4私家车载着一个两岁婴儿被盗。值得关注的是，互联网消息称，26小时后，直到发现被遗弃的车辆的时候，警方也未能明确车辆行驶动向线索。据了解，全市有几千个摄像头，加之车辆信息非常翔实，从视频中排查出车辆动向，甚至驾驶者人脸应该不难。
无论是何种原因，未能及时查到车辆轨迹，显然说明了该市的智能交通发展程度较弱，对视频监控系统采集来的原始视频数据未能及时分析利用，挖掘其价值。
北方工业大学云计算研究中心副研究员、副主任赵卓峰在接受《中国计算机报》记者采访时也表示，总体来说，我国智能交通对大数据的应用以数据采集分析为主。据了解，我国不少城市摄像头等设备采集视频的都是原始信息，只被传输和存储，以备异地和后期察看。若想挖掘有用的信息，诸如人脸、车型、车牌、运行方向等，需要人工较长时间地回放和查询。
武汉市计划到2020年基本建成智慧城市，其智能交通系统建设的总投入约2亿元。在武汉交通管理局大厅内，一块巨大的LED屏被分割成了48块，实时播放着路口摄像头拍摄的画面，但据工作人员介绍，虽然收集到了数据，整个系统还不能自动反馈路况。目前交管部门只能依靠经验判断交通异常情况。
赵卓峰介绍，数据采集也是目前国内城市发展智能交通研究的重点。随着通信技术、GIS技术、3S技术（遥感技术、地理信息系统、全球定位系统三种技术）和计算机技术的不断发展，交通信息的采集经历了从人工采集到单一的磁性检测器交通信息采集再到多源的多种采集方式组合的交通信息采集的历史发展过程。
来自互联网的消息显示，北京目前交通采用多种交通信息采集方式，其中60%的监测点采用线圈，50%采用视频检测器，20%采用微波技术，30%采用地磁技术，10%采用红外技术。
中国电子信息产业发展研究院城市信息化咨询中心总经理郭慧鹏在接受《中国计算机报》记者采访时表示，“每种采集技术各有优缺点，利用多种采集方式的组合采集交通信息是未来智能交通发展的趋势”，相较国外，我国智能交通发展程度还处于初级的阶段，但达到完善的智能交通体系只是时间问题。目前我国在信息的质量控制技术、多源交通信息融合技术、信息集成技术等方面有了很大进步。
数据分析波折重重
数据收集是数据价值挖掘的前提，大数据在智能交通系统的有效运作，显然离不开数据存储和分析技术。
智能视频分析面临挑战
赵卓峰介绍，海量数据处理技术也是智能交通领域应用的瓶颈。就数据存储来说，前端设备每一秒都会产生大量的数据，以北京为例，一天所收集的数据量能够达到数百个TB。针对交通行业的海量数据处理需求，在海量数据、恶劣网络环境和复杂业务处理情况下，要实现大量图片、车辆数据、视频数据的实时网络传输和快速持久化存储，对任意站点的图像进行显示，对任意站点的视频进行流畅播放、实时进行比对报警等，还是很难的。
随着采集设备的发展，以智能视频分析技术为主的数据分析技术更是面临种种挑战。
智能视频运算对稳定性要求越来越高。郭慧鹏称，视频分析技术的稳定性一直是发展的难题，交通行业本身对检测精度要求很高，视频应用并不完善，速度较快的车道更是如此。有消息称，目前我国多数高速路段的车辆检测采用线圈或雷达检测为主、视频为辅的方式，视频测速不作为交通超速违章处罚依据。
而且，随着技术的发展，前端采集设备所采集视频像素不断增加，视频分析技术要与之适应。据了解，高像素的视频流对视频运算和前端设备的承载能力有很高的要求，现在智能交通各系统已基本都使用高清摄像机为基础数据源。
