大数据交通意义和发展趋势

大数据的意义和发展趋势

一：大数据之于智能交通意义重大

智能交通建设和运营的过程中，从视频监控、卡口电警、路况信息、管控信息、营运信息、GPS定位信息、RFID识别信息等每天产生的数据量可以达到PB 级别，并且是指数级的增长。虽然绝大部分数据是“沉睡的数据”，但按照相关规定，需要对数据进行有期限或无期限的保存，这无疑给用户在存储成本上带来压力，而通过监控摄像机前端智能技术和大数据分析技术的应用，很好地解决了行业用户的此类问题，给用户带来经济效益，同时也可以将工作人员从纷繁复杂的监控画面中解放出来。

大数据之于智能交通的意义，可以解决跨越行政区域的限制，实现数据信息的共享，在信息集成优势和组合效率上，有助于建立综合性立体的交通信息体系;另外在车辆安全、交通资源配置以及利用大数据的快速性和可预测性能提升交通预测的水平都有极大的帮助。

第一，大数据的虚拟性可以解决跨越行政区域的限制。交通大数据的虚拟性，有利于其信息跨越区域管理，只要多方共同遵照相关的信息共享原则，就能在已有的行政区域下解决跨域管理问题。 第二，大数据具有信息集成优势和组合效率。大数据有助于建立综合性立体的交通信息体系，通过将不同范围、不同区域、不同领域的“数据仓库”加以综合，构建公共交通信息集成利用模式，发挥整体性交通功能，这样才能发现新价值，带来新机会。例如气象、交通、保险部门的数据结合起来，可高效率地研究交通领域防灾减灾；IC卡数据结合抽样调查，能更快捷、更精确测得城市交通流分布状况。

第三，大数据的智能性能较好的配置交通资源。通过对大数据的分析处理，可以辅助交通管理制定出较好的统筹与协调解决方案。一方面减少各个交通部门运营的人力和物力，另一方面可有些提升道理交通资源的合理利用。如根据大数据结果确定多模式地面公交网络高效配置和客流组织方案，多层次地面公交主干网络绿波通行控制以及交通信号自适应控制。

第四，大数据的快速性和可预测性能提升交通预测的水平。在对各个部门的数据进行准确提炼和构建合适的交通预测模型后，可以有效模拟交通未来运行状态，验证技术方案的可行性。而在实时交通预测领域，大数据的快速信息处理能力，对于车辆碰撞、车辆换道、驾驶员行为状态检测等实时预测也有非常高的可靠性。

第五，提高交通运行效率。大数据技术能促进提高交通运营效率、道路网的通行能力、设施效率和调控交通需求分析。交通的改善所涉及工程量较大，而大数据的大体积特性有助

于解决这种困境。

大数据的实时性，使处于静态闲置的数据被处理和需要利用时，即可被智能化利用，使交通运行的更加合理。大数据技术具有较高预测能力，可降低误报和漏报的概率，随时针对交通的动态性给予实时监控。因此，在驾驶者无法预知交通的拥堵可能性时，大数据亦可帮助用户预先了解。

第六，提高交通安全水平。主动安全和应急救援系统的广泛应用有效改善了交通安全状况，而大数据技术的实时性和可预测性则有助于提高交通安全系统的数据处理能力。在驾驶员自动检测方面，驾驶员疲劳视频检测、酒精检测器等车载装置将实时检测驾车者是否处于警觉状态，行为、身体与精神状态是否正常。同时，联合路边探测器检查车辆运行轨迹， 大数据技术快速整合各个传感器数据，构建安全模型后综合分析车辆行驶安全性，从而可以有效降低交通事故的可能性。在应急救援方面，大数据以其快速的反应时间和综合的决策模型，为应急决策指挥提供辅助，提高应急救援能力，减少人员伤亡和财产损失。 第七，提供环境监测方式。大数据技术在减轻道路交通堵塞、降低汽车运输对环境的影响等方面有重要的作用。通过建立区域交通排放的监测及预测模型，共享交通运行与环境数据，建立交通运行与环境数据共享试验系统，大数据技术可有效分析交通对环境的影响。同时，分析历史数据，大数据技术能提供降低交通延误和减少排放的交通信号智能化控制的决策依据，建立低排放交通信号控制原型系统与车辆排放环境影响仿真系统。 在当前大数据时代，数据充斥所带来的影响远远超出了企业领域，其不仅能带来商业价值，亦能产生社会价值。随着信息通讯技术的发展，交通运输从数据贫乏的困境转向数据丰富的环境，而面对众多的交通数据，如何从中根据用户需求提取有效数据成为关键所在。但是，大数据技术在智能交通应用领域同样面临着巨大挑战，包括隐私，数据处理硬件设施、数据不完备性、模型有效性等领域，这些都是我们未来继续需要探讨和解决的问题。

二：大数据背景下智能交通的发展趋势

大数据时代背景下，立足国情，运用新技术手段，结合智慧城市建设，构建具有中国特色的新一代智能交通系统，是我国智能交通发展的重要方向，重点要开展以下几个方面的工作： 1.持续提升交通感知智能化水平，完善网络化的交通状态感知体系

感知是一切数据来源的前提。“十二五”时期，要突破车路状态感知与交互等关键技术，包括车辆动态组网、状态实时获取、环境智能感知、车路信息交互等一批前沿技术，提升交通运行监测能力和水平。要建设覆盖主要道路、公交场站、高速路口、轨道交通站点、综合运输枢纽的数据传感网络，形成全路网智能监控体系。要推动地面公交、轨道交通、民航、铁路、交管、气象、消防等部门实现信息共享，为交通大数据分析提供海量数据基础。 2.加强交通数据标准化建设，进一步整合数据资源

推进智能交通系统的数据标准化建设，特别是要建立和完善智能交通系统的接口规范和数据标准体系，为跨部门、跨区域的智能交通信息系统的互联互通奠定基础。同时，还要加强数据安全防范措施，提升数据监管和保护能力，维护数据的安全使用。综合交通相关的不

同部门、不同区域、不同类型的“数据仓库”，整合交通数据资源，建立综合性立体的交通信息体系，形成智能交通数据资源共享平台，提升交通数据资源的整体性服务能力。 3.创新交通大数据分析应用，实现基于大数据技术的交通系统高效运营和管理 基于交通数据资源互联共享、标准统一的原则，构建完备或准完备网络化交通信息环境，实现跨区域、跨模式的大范围出行调控、网络化诱导的协同联动控制。以互通的交通信息平台为基础，形成城际公路、铁路、民航等交通系统的协调运行体系，强化交通运营管理的整体性功能，通过多个交通部门的相互配合，实现步调一致的协同管理，为交通运行高效有序、居民出行安全便捷提供更有力的保障。

4.建立基于大数据分析的新一代智能交通信息服务系统，改善和提高公众出行的智能化服务水平

为满足公众出行多样化、个性化、动态化交通服务需求以及交通应急救援、跨行业综合交通服务需求，要应用大数据、云计算、新一代宽带移动通信、智能终端等新技术，大力推进个性化的移动服务发展，并创造新型商业模式，鼓励交通管理、载运工具制造、信息产业等多方组成联盟，一起推进新一代的交通信息服务系统的建立，让民众“随时随地”享受到交通信息智能服务带来的便利。

要建设跨区域、多模式的综合交通电子支付系统。基于大数据技术建立全国联网电子收费结算体系网络信任平台，建设国家高速公路联网电子收费清分结算和客户服务体系，实现全国范围跨区域电子不停车收费服务。加快交通一卡通跨区域、跨行业的互联互通，实现出行中的便捷支付。推动公路与城市车辆收费一体化，实现交通需求管理的科学化，并最终形成跨区域、多模式的综合交通电子支付体系，为公众出行提供更加智能的服务。 5.构建并完善智能交通技术创新体系，加强交通信息服务产业化进程

加强智能交通科技产业创新联盟平台的建设，强化企业技术创新主体地位，加强产学研之间的联系与互动，注重协同创新，提高企业技术集成能力。加大研发投入，促进从研究开发到产业化的有机衔接，加快科研成果转化和技术转移。充分利用国际科技资源，扩大智能交通科技开放合作，并加大对知识产权的保护力度。

建立交通数据采集、更新、共享和信息发布制度，明确各相关方在数据质量标准以及信息交换方面的责任和义务。建立公益服务与市场化增值服务相结合的交通信息资源开发利用机制，将交通运输各利益相关方通过价值链连接起来。交通信息按照市场引导、价值驱动的方式在各利益相关方之间流动，并逐步形成新的市场和营利点，加快交通信息服务的产业化进程。

“数据为王”的大数据时代已经到来。智能交通作为通信、计算机和控制技术在交通运输领域集成应用的产物，也为云计算、大数据、智能终端等新技术提供率先应用的环境，并

为其提供广阔的市场空间。交通大数据的开发利用，不仅会推进智能交通更加快速地发展，也将为公众提供更加便捷、高效、绿色、安全的出行环境，创造更加美好的生活。

三：大数据背景下智能交通发展面临的问题与挑战

交通大数据时代的来临是智能交通发展的必然趋势，在这个进程中我们也将面临前所未有的问题和挑战。所面临的问题主要有几个方面：一是交通数据分散在不同部门（我国与交通相关的部门有10多个），而部门之间又缺乏开放互通，造成了交通数据资源的条块化分割和信息碎片化等现象；二是由于交通检测方式多样，信息模式复杂，造成数据种类繁多，且缺乏统一的标准；三是目前尚缺乏有效的市场化推进机制，基于大数据的交通信息服务产业链、价值链尚未真正形成。 解决这些问题，需要做好几项挑战性工作：一是如何从政策和技术上突破交通数据资源互通、共享的壁垒，消除信息分散、内容单一等问题；二是如何确保交通数据资源的安全性，在数据开放的同时，加强数据的安全监管，尊重和保护相关政府部门、交通企业以及个人的机密和隐私不受侵犯；三是如何实现交通数据资源的综合利用效率，将交通路况检测、GPS、交通监控视频等零散信息进行有效地联系、汇聚和发掘，使其能够真正支撑交通系统的运营管理，提高交通运行效率和安全水平。

资料整理——易乾川 参考文献：

1.《大数据应用智能交通的七大意义》——吴忠泽

2.《大数据时代：智能交通系统发展面临机遇与挑战》——中国科技网-科技日报

本文来源：https://www.bwwdw.com/article/lly2.html