龙源期刊网 http://www.qikan.com.cn
交通部门大数据应用案例分析
作者：鲁明
来源：《神州·下旬刊》2019年第05期
摘要：一直以来，大数据与我们就密不可分。有了数据就能预测公众喜好，了解群众动态，如今巨大的数据流量在全世界传播，各行各业都与大数据息息相关，大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换而言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。从技术上看，大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘。但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。尤其当大数据和云计算在国家部门使用时，其价值便得到充分的发挥，在交通领域在领域在教育领域以及商业领域都随处可见。本文主要讲解大数据在交通运输部门的应用案例，并做一定技术分析和应用前景的概述。 关键词：大数据;交通运输
一、基于大数据的道路运输安全事故预警模型系统
概述：基于大数据平台，整合全省运输、交管、气象等交通运输安全相关部门的各类数据，通过车辆监控、二次识别、人脸识别等手段对重点车辆（如两客一危、长途货运等）、驾驶员、重点路段路口路况以及天气等相关因素的监控分析，对可能发生的潜在交通安全事故风险进行评估与预警。帮助交通运输及有关部门掌握可能存在安全隐患的区域、路段和路口。做到提前预防，及时处理，防患于未然。
掌握城市道路情况以及重点车辆实时动态，根据司机、车辆、道路、环境的相关数据进行预警，提示车辆上路行驶风险，有助于降低道路运输安全事故防范，提高违法案件处理效率，保障城市道路交通安全。
主要内容：（1）数据接入：运输管理及交管相关业务数据、路口、卡口、电警、检测器、天气等各类数据的接入。
（2）数据存储：需存储信号、日志、图像、音视频等各类数据，采用分布式架构及NOSQL进行数据存储，增强系统的兼容性和扩展性。
（3）数据整理：数据清洗转换规则管理、数据关联提取规则管理、数据比对标识规则管理、数据标准化统计和数据分类等。
龙源期刊网 http://www.qikan.com.cn
（4）数据检索：根据身份证、车牌、路段、卡口等唯一标识信息进行即席检索。 （5）数据分析：采用数据标签化处理、可视化关联分析等手段分析人—车—路关系。 （6）可视化建模：可视化分层级建模、图形化建模、自定义SQL建模、聚合和表计算、自定义计算度量等。
技术路线：基于J2EE技术，采用基于分布式文件系统、分布式数据处理“Map-Reduce”架构的开源大数据组件及可视化建模工具，构建车辆运输业务和事故风险预警模型。
拟解决的问题：（1）跨部门跨地域跨级别运输、监管数据的接入汇聚融合;（2）构建道路运输“人-车-路”标签化体系;（3）构建道路运输业务及安全事故预警模型。
创新点：基于大数据平台，整合全省运输、交管、气象等交通运输安全相关部门的各类数据，通过车辆监控、二次识别、人脸识别等手段对重点车辆（如两客一危、长途货运）、驾驶员、重点路段路口路况以及天气等相关因素的监控分析，对可能发生的潜在交通安全事故风险进行评估与预警。
帮助交通运输及有关部门掌握可能存在安全隐患的区域、路段和路口。做到提前预防，及時处理，防患于未然。
效益：掌握城市道路情况以及重点车辆实时动态，根据司机、车辆、道路、环境的相关数据进行预警，提示车辆上路行驶风险，将有助于降低道路交通安全事故发生几率，提高违法案件处理效率，保障城市道路交通安全。
二、基于大数据的城市道路交通信号灯智能调时系统
通过大数据平台分析计算城市各道口及道路车辆数据，对于发生拥堵的路段，通过算法分析智能辅助信号灯控制，自动调节信号灯通行时间，增加绿波通行时间，减少干线失调、二次排队等因车流辆过载或道路路口控制因素导致的车辆拥堵。智能优化现有信号控制方案，根据实际过载情况，智能控制各车道通行时间，不再按固化时间执行信号变化，减少交警出勤频率，提高城市交通出行效率。
目的与意义：全面掌握城市道路交通拥堵情况，根据路口和道路实时动态，调整信号灯配时方案，有助于减少交通堵塞或降低堵塞时间，降低道路运输安全事故风险，提高交警出勤效率，提高城市道路交通出行效率顺畅性。 主要研究内容：
龙源期刊网 http://www.qikan.com.cn
（1）数据接入：交通信号控制机、相位、检测器、浮动车、车辆热力、视频、路网、GPS数据等各类影响交通控制数据的接入。
（2）数据存储：需存储信号、日志、图像、视频等各类数据，采用分布式架构及NOSQL进行数据存储，增强系统的兼容性和扩展性。
（3）数据整理：数据清洗转换规则管理、数据关联提取规则管理、数据比对标识规则管理、数据标准化统计和数据分类等。
（4）分析优化：通过视频监测、二次识别、关系挖掘、轨迹分析、AI算法等手段对交通态势进行状态监测、诊断预警、态势研判、信号优化。
技术路线：基于J2EE技术，采用基于分布式文件系统、分布式数据处理“Map-Reduce”架构的开源大数据组件，构建交通运行诊断及优化模型的底层。通过“状态监测、诊断预警、态势研判、信号优化”的路线，探索AI信号优化的实现路径和落地应用，变革交通运行诊断与研判，突破信号控制系统传统技术实现路径。 拟解决的问题：
（1）信号系统与路网、车辆等各类数据的融合; （2）信号系统与大数据平台数据共享、交互及深度应用; （3）实现信号控制系统的升级优化。 参考文献：
[1]邱亚娟 智能交通信号灯模拟控制系统设计[J].黑龙江科技信息，2017 （06）：82-83. [2]施裕琴 智慧城市建设中智能交通系统关键技术概述[J].物联网技术，2017 （02）：54-55.
[3]王春生 大数据思维下城市交通信息化建设要点研究[J].信息系统工程，2017 （02）：99-100.
[4]张铿，陆振益 大城市交通指挥中心指挥警务模式探讨[J].上海高等专科学校学报，2017 （01）：13-25.
作者简介：鲁明（1963.4）男，高级实习指导教师，民族：汉族，山东临沂人，单位：山东交通技师学院，研究方向：交通，机械，学生管理。
