基于大数据的智能交通

姜涛

（河北省高速公路京沪管理处，河北沧州061001）

摘要：交通系统具有很强的随机性、模糊性和不确定性，充分利用大数据技术从中发现内在规律，并为现代交通管理提供

可靠、快速和准确的技术支持是很有必要的。鉴于此，从桥梁健康监测、交通能耗监测、智慧高速公路系统3个方面介绍大数据在智能交通领域的应用，并对其产生的积极效果进行展望。

关键词：智能交通；大数据技术；健康监测；交通耗能中图分类号：U495

文献标识码：A

0引言

交通管理运营中产生的数据数量庞大、种类多样、实时性强，蕴藏着巨大的价值，已经充分体现出大数据的“4V”特征。特别是在物联网时代，智能交通必然和人类活动产生的大数据有着千丝万缕的联系，应用大数据技术对采集的交通数据进行有效处理、分析和应用，能够完成以往难以实现的工作。大数据技术将推动交通领域的智慧化进程，同时交通系统的快速发展又会反过来推动大数据技术的完善和成熟。本文选取桥梁健康监测、交通能耗监测、智慧高速公路3个方面说明大数据技术的应用技术及其前景。如果运用传统人工方法，这3个方面的工作将消耗巨大的人力物力，又不能开展实时分析。然而，新兴的大数据技术为其合理解决提供了新的、有希望的途径。

模拟计算数据、人工采集及性能评价数据、桥梁档案及施工控制数据等[1]。这些数量庞大、种类多样、实时性强的数据蕴藏着巨大的价值，通过对其进行深入挖掘和分析，可以高效、立体、全方位地掌握桥梁健康状况。

（1）状态监测

基于大数据的监测相比传统的监测技术，是多种数据的全方位应用。新技术通过对监测数据的自动化、标准化采集，实现桥梁的实时监测与远程控制，最终实现连续定期地对桥梁特定部件进行状态监视，并通过对异常信息进行分析，判断损伤的部位和性质[1]。

（2）风险管理及预警

大数据下的桥梁风险管理及预警系统可以对桥梁可能面临的风险进行备案，并根据实时评估的情况做出相应的预警，同时将信息发送至远端控制中心，经结构性能的验算和隐患排查，发布维修方案至不同客户端平台。

大数据下的桥梁健康监测与养护管理将不仅仅局限于数据的收集和局部应用，而且能形成一条完整的信息链，包括桥梁的设计、施工、管理、监测、加固及养护，实现桥梁寿命的准确评估预测。依托于大数据，桥梁的健康监测及管理养护必然会走向迅速化、标准化、智能化，同时充分应用物联网、云计算、虚拟现实技术等形成先进的智慧桥梁监测核心。

1基于大数据的桥梁健康监测

桥梁是高速公路系统中经常用到的结构。随着时间的推移，各种不良因素的作用，例如汽车荷载、腐蚀效应、材料老化等，桥梁结构逐渐产生自然老化、损伤积累，如果这些损坏不能及时发现和修复，将会成为交通的安全隐患，缩短桥梁的使用寿命，乃至造成桥梁的突然破坏和倒塌。现在的桥梁健康监测在很大程度上是靠人的经验，缺乏科学和系统的方法，这就导致对桥梁情况缺乏全面的了解和判断以及及时的信息反馈。如果对桥梁不良因素的评估不够充分，有可能失去修复的最佳时间，这些因素的存在，将使桥梁损坏的过程加快，桥梁的使用寿命缩短；如果桥梁的损坏被高估从而判断需要维修，会对社会资源和资金造成大量浪费。

桥梁健康监测从信息的角度出发，可以看作是一个桥梁重要位置数据采集和处理的过程。这些数据包括桥梁健康监测环境数据、规范设定及参数量化数据、数值模型及

2基于大数据的交通能耗监测

城市交通的快速建设同时伴随着很多问题：交通能耗、环境污染，这些问题在绿色发展道路中尤为明显，同时也了城市发展。我国交通行业车型复杂（包括出租车、郊区客运、省际车辆、货运、公交、旅游车辆等），各种车辆的技术状态参差不齐，不同行业的管理需求和技术手段各不相同。车辆是城市交通能耗和二氧化碳排放的重要来源，每天都会产生大量的数据，这其中包括位置、速

收稿日期：2018-05-24

作者简介：姜涛（1975—），男，河北保定人，高级工程师，研究方向为高速公路运营管理。

5

总470期

2018年第20期（7月中）

度、瞬时能耗等各种信息；车辆数据以前主要为结构化数据，但是随着数据手机技术的发展，非结构化的数据的收集也逐步被重视起来，例如图片、视频等；同时，车辆的数据具有限时性，需要在一定的时间内及时处理[2]

。综上所述，浮动车产生的数据具有明显的大数据特征，其数据的复杂和多样，导致信息处理十分困难。

（1）大数据实时计算

大数据实时计算平台可以对数据进行挖掘和分析，比如实时地图匹配，高性能、复杂车辆位置查询。计算存储框架采用Hadoop，分布式计算存储框架采用Storm，利用噪声数据和平滑数据处理技术，包括分箱、聚类、回归等，进行统计分析和特征提取。可有效解决交通行业营运车辆车型构成复杂、技术状态参差不齐的问题[3]。

（2）能耗分析决策

能耗决策平台，是针对在云计算环境下MapReduce并行处理技术的高性能处理方法，为高效能耗决策提供算法上的支持。平台主要采用了遗传算法、神经网络等各种计算机自主学习的方法。根据不同数据格式设计合理的存储模型和压缩机制，使得查询速度基本不受限于数据量的大小，可解决数据量庞大的问题。

基于大数据的交通能耗平台有3个创新的方面：①实现监测工作现代化，充分利用无线通信、物联网、云计算等先进的技术，使监测工作从人工逐步过渡到利用各种传感器、监控等设备的现代能耗监测模式；②实现监测效率高效化，监测人员通过网上平台数据共享，高效快速地进行检测任务，充分提高效率，提升工作质量，实现智能办公，节省人力物力，缩短决策时间；③实现监测管理标准化，大数据下的交通能耗监测平台为管理人员提供了便捷高效的手段，从而可以规范监测并对其进行监督，提供标准的、规范的监督流程，从而提高管理效率。

3基于大数据的智慧高速公路

（1）基于大数据的拥挤自动识别

基于大数据的高速公路交通拥挤自动识别系统能够快速、有效地解决拥挤问题，它包括交通信息采集子系统、交通监视子系统、交通通信子系统、交通控制中心、救援与信息发布子系统几部分[4,5]。

在高速公路交通拥挤自动识别系统中，车辆驶入高速路段配备CPU设备（该设备同时具有把行车数据实时传送回智能交通平台的功能），通过该设备能够实现不停车收费，能有效减少高速收费站拥堵。其基本流程是：通过交通监视子系统采集车辆数据（数据信息、语音信息、图像信息），交通通信子系统把信息传递给智能交通平台，运用云计算识别路段是否拥挤，并通过一段时间的检验（3级报警制度）将拥挤的程度分成3个不同的等级，将不同等级对应的方案激活并反馈给管理人员，采用相应的措施进行疏导或者救援。交通信息发布子系统通过各种现代化网络途径，为出行者准确、快速提供完善的交通信息服务[7]。基于

6

大数据的拥挤自动识别系统融合多种数据，对出行路况进行介绍和预测，通过行车导航为大众提供最优的路线，能够大幅度缓解高速公路拥堵。

（2）高速公路“潮汐式”车道

“潮汐车道”是指根据各时间段不同的交通流量，对有条件的道路进行可调节性地拓宽，缩减利用率低的方向的车道。它通过改变车道分割栏的位置等方式，控制主干道车道行驶方向来调整车道数，提高车道使用效率。每逢节假日高速公路都会迎来堵车的情况，“汐式”车道能够很好地解决这种状况。所以实现“潮汐式”车道有一个必要条件，就是所设路段的交通流量在某时间内非常小，另一方向的车流量处于拥堵的状态。国内的节假日高速公路正是属于这种情况，双方向的车流量符合该条件。

智能“潮汐式”车道工作流程：车辆进入高速公路，通过CPU设备向智能交通平台实时发送自己的信息。智能交通平台将各个高速路上的车辆信息统一收集分析，来判断高速公路堵车的情况，同时根据实时监控数据判断另一侧车道的车流数量，结合以往高速公路记录数据预测将会出现的车流高峰，计算出其车辆稀疏侧车道最少所需的车道数。如果高速公路一向车道的车辆数在一定距离内达到某一值，另一向车道上能够减少车道而不影响高速车辆通行，由交通平台通过网络系统通知管理人员，由管理人员最终核定后启动“潮汐式”方案。智能交通平台通过CPU设备将高速公路变道的相关信息通知稀疏车道车辆上的驾驶人员，驾驶人员统一变道到外侧车道。智能交通平台通过网络向高速公路设备发出指令，之后高速公路设备对隔离带进行移动，移动到方案的位置，同时反馈给管理人员并发布信息给减少车道数道路上的车辆；智能交通平台通知加宽车道上的车辆有序开离拥堵车道，高速路拥堵得到缓解。

随着物联网和大数据技术的高速发展，智慧交通时代正在悄然到来。大数据在交通系统中的运用，能为其解决很多问题，同时也有很多挑战，在注重技术开发的同时也应该注重技术的应用和人对其的体验。智能交通系统已经在国外很多国家的高速公路中到了应用，这会是一个交通系统的大趋势，我国部门应该看到其巨大的优势，能够针对我国高速公路交通的特色进行高效的管理、为人民出行提供高效服务，在不远的将来使智能高速公路系统在国内大范围应用。

4结语

本文介绍了以大数据技术为依托的智能监控、交通能耗监测、智慧高速公路系统，从各种角度分析了大数据的应用。大数据技术应用于交通系统中必将会对现代交通产生巨大影响，同时也能够节省宝贵的人力、物力，解决许多以往难以解决的困难。

（下转第17页）

交通世界TRANSPOWORLD的，而是动态发展的。深圳坪山区在深圳东进战略下面临新一轮快速发展，通过对现有轨道交通网络进行分析并提出调整优化的建议，可使得片区网络结构清晰、合理，坪山中心与原特区内长距离出行由快线承担，东部组团内部之间的联系通过普速线路串联，形成集枢纽、高铁、城际快线、普快为一体的轨道交通体系，为城市快速发展提供支撑。

参考文献：

[1]顾伟华，黄天印，胡波.城市轨道交通信息化网络规划

[J].城市轨道交通研究，2016，19（S2）：1-6.

[2]李超.城市轨道交通网络可达性与客流的协调关系研究

[D].北京：北京交通大学，2016.

图2经优化调整后坪山轨道线网规划

[3]高鹏，李跃，杨一清.探究轨道交通网络信息系统网络

规划[J].网络安全技术与应用，2014（1）：148-149.

（编辑：唐勍勍）

于线网规划研究的基础条件中有许多预测性的因素，并且在各种因素间具有较强的连锁反应，故线网不是一成不变

（上接第6页）

参考文献

[1]陈艾荣，潘玥，王达磊，等.大数据时代的桥梁维护与

安全[J].上海公路，2014（1）：17-23.

[2]李保民.基于Hadoop的路径分析及能耗预测[D].北京：

北京交通大学，2016.

[3]刘莹，张克，徐龙.交通行业运营车辆能耗计量设备检

测大数据平台的设计与实现[J].中国计量，2017（7）：49-52.

[4]张一衡，李俊卫，沈刚，等.浅谈智慧高速公路的构建

[J].中国交通信息化，2017（S1）：18-19，22.

[5]李庆瑞，张洋，袁飞.智能交通系统在高速公路领域中

的应用探讨[J].交通标准化，2006（7）：32-36.

[6]刘智勇，吴今培，万百五.高速公路智能交通控制系统

的建模及多层描述[J].公路交通科技，1998，15（1）：39-44.

[7]周晓宇.山东省高速公路智能交通信息管理系统开发与

应用[D].济南：山东大学，2012.

（编辑：唐勍勍）

17