當智能交通遇到(dao)大數據,如同二氧化(hua)錳在制取氧氣的(de)(de)實驗(yan)中(zhong)作為催化(hua)劑一(yi)樣,一(yi)場劇烈的(de)(de)化(hua)學反應加劇了兩(liang)方的(de)(de)共同發展(zhan)。
隨著城市的迅速發展,交通(tong)(tong)(tong)擁(yong)堵(du)、交通(tong)(tong)(tong)污染(ran)日益嚴(yan)重,交通(tong)(tong)(tong)事(shi)故頻繁(fan)發生,這(zhe)些都是各(ge)大(da)城市亟待解(jie)決(jue)的問題。智能交通(tong)(tong)(tong)成(cheng)為改善(shan)城市交通(tong)(tong)(tong)的關鍵所(suo)在。為此(ci),及時、準(zhun)確獲取交通(tong)(tong)(tong)數(shu)(shu)據(ju)(ju)并構建交通(tong)(tong)(tong)數(shu)(shu)據(ju)(ju)處(chu)理模(mo)型是建設智能交通(tong)(tong)(tong)的前提,而這(zhe)一難題可以通(tong)(tong)(tong)過大(da)數(shu)(shu)據(ju)(ju)技(ji)術得(de)到解(jie)決(jue)。
智能交通需求與大數據契合
智(zhi)能交(jiao)通整體框(kuang)架(jia)主要(yao)(yao)包(bao)括物理(li)感知(zhi)(zhi)層、軟件應(ying)用平(ping)臺及分析預(yu)測及優化管(guan)理(li)的應(ying)用。其中物理(li)感知(zhi)(zhi)層主要(yao)(yao)是對交(jiao)通狀況和交(jiao)通數據的感知(zhi)(zhi)采集;軟件應(ying)用平(ping)臺是將(jiang)各感知(zhi)(zhi)終端的信息進(jin)行整合(he)、轉換處理(li),以支(zhi)撐分析預(yu)警與優化管(guan)理(li)的應(ying)用系統(tong)建設(she);分析預(yu)測及優化管(guan)理(li)應(ying)用主要(yao)(yao)包(bao)括交(jiao)通規劃、交(jiao)通監控、智(zhi)能誘導、智(zhi)能停車等應(ying)用系統(tong)。
系(xi)(xi)統(tong)(tong)(tong)(tong)利用先進的(de)視頻監控(kong)、智(zhi)能識(shi)別和(he)信(xin)息(xi)(xi)(xi)技術手段,增加可(ke)管(guan)理空間(jian)、時間(jian)和(he)范圍,不斷(duan)提升管(guan)理廣度(du)、深度(du)和(he)精細度(du)。整個系(xi)(xi)統(tong)(tong)(tong)(tong)由信(xin)息(xi)(xi)(xi)綜合(he)應用平臺(tai)、信(xin)號控(kong)制系(xi)(xi)統(tong)(tong)(tong)(tong)、視頻監控(kong)系(xi)(xi)統(tong)(tong)(tong)(tong)、智(zhi)能卡口系(xi)(xi)統(tong)(tong)(tong)(tong)、非現場執法系(xi)(xi)統(tong)(tong)(tong)(tong)、信(xin)息(xi)(xi)(xi)采(cai)集系(xi)(xi)統(tong)(tong)(tong)(tong)、信(xin)息(xi)(xi)(xi)發布系(xi)(xi)統(tong)(tong)(tong)(tong)等組(zu)成。以達到如下四方面的(de)目(mu)標(biao):
提高通行能力
減少交通事故
打擊違章事件
出行信息服務
如下(xia)是智能交通(tong)整體應(ying)用架構圖:
整個(ge)系統(tong)建設的核(he)心是數據的沉(chen)淀、存儲(chu)與計算,而其中最(zui)重(zhong)要的核(he)心思想就(jiu)是“數據是價(jia)值(zhi)”。問題(ti)就(jiu)是如何把數據轉換成(cheng)價(jia)值(zhi)。這(zhe)就(jiu)成(cheng)為(wei)一個(ge)技術問題(ti)。
從(cong)統計學的角度(du),任(ren)何(he)領域任(ren)何(he)動態發(fa)展(zhan)的事物,只要有(you)足夠多(duo)(duo)的樣本數(shu)據,就(jiu)一定能從(cong)樣本數(shu)據中找(zhao)到(dao)動態發(fa)展(zhan)的規(gui)律(lv)。數(shu)據越(yue)多(duo)(duo),準確率越(yue)高(gao)。這個“規(gui)律(lv)”就(jiu)是數(shu)據的價值所在(zai)。對(dui)于商業機構,可以分析用(yong)戶行(xing)為(wei)規(gui)律(lv)從(cong)而提(ti)高(gao)銷售量;分析目標市(shi)場規(gui)律(lv),定點投放廣告從(cong)而降低成本等等;還可以分析交通(tong)行(xing)為(wei)規(gui)律(lv),提(ti)前做交通(tong)疏(shu)導,提(ti)高(gao)交通(tong)通(tong)暢率,這就(jiu)能真正挖(wa)掘數(shu)據的潛(qian)在(zai)價值,提(ti)高(gao)其社會(hui)價值。
從20世紀初的(de)(de)(de)網絡發展以來(lai),進入(ru)一個高(gao)(gao)(gao)度聯(lian)(lian)網的(de)(de)(de)階(jie)段。聯(lian)(lian)網的(de)(de)(de)同時,數(shu)據(ju)高(gao)(gao)(gao)度集中,數(shu)據(ju)量急(ji)劇增(zeng)加。據(ju)IDC報告(gao)現在互(hu)聯(lian)(lian)網的(de)(de)(de)數(shu)據(ju),每兩年就翻一番。這(zhe)個增(zeng)長率在智能交(jiao)通(tong)行(xing)業同樣有效(xiao),隨著(zhu)卡(ka)口、電(dian)警、攝像機數(shu)量的(de)(de)(de)增(zeng)加,高(gao)(gao)(gao)清化(hua)(hua)、智能化(hua)(hua)的(de)(de)(de)發展,如果再算上物(wu)聯(lian)(lian)網的(de)(de)(de)各種傳感器(qi),未(wei)來(lai)幾年的(de)(de)(de)數(shu)據(ju)量增(zeng)加可能大(da)大(da)高(gao)(gao)(gao)于這(zhe)個增(zeng)長率。這(zhe)就為智能交(jiao)通(tong)行(xing)業實(shi)現大(da)數(shu)據(ju)提供了(le)數(shu)據(ju)基礎。
從各種各樣類(lei)型(xing)的(de)(de)數(shu)據中,快速獲(huo)得有(you)價(jia)值信(xin)息的(de)(de)能(neng)力,就是大數(shu)據技術。由此我們(men)再看IBM歸納的(de)(de)4個(ge)V( 量Volume,多(duo)樣Variety,價(jia)值Value,速Velocity):
1)Volume數據體(ti)量巨大(da)。從TB級別,躍升到(dao)PB級別;
2)Variety數據類型繁多(duo)。包括視頻、圖(tu)片(pian)、地理位置信息(xi)、傳感器數據等(deng)等(deng)。
3)Value價值(zhi)密度低,應用(yong)價值(zhi)高。以視頻為(wei)例,連續(xu)不間斷監控過程中(zhong),可能有(you)用(yong)的數據僅僅有(you)一兩秒。
4) Velocity處(chu)理速(su)度快(kuai)。1秒(miao)定律。最(zui)后(hou)這一點也是和傳統的(de)(de)(de)數(shu)(shu)(shu)據(ju)(ju)挖掘技術(shu)有著(zhu)本質的(de)(de)(de)不(bu)同。在交(jiao)通領(ling)域(yu),海量的(de)(de)(de)數(shu)(shu)(shu)據(ju)(ju)主要包括4個(ge)類型的(de)(de)(de)數(shu)(shu)(shu)據(ju)(ju):傳感器數(shu)(shu)(shu)據(ju)(ju)(位(wei)置、溫度、壓力、圖(tu)像、速(su)度、RFID等(deng)信息);系統數(shu)(shu)(shu)據(ju)(ju)(日志、設備記錄、MIBs等(deng));服(fu)務(wu)數(shu)(shu)(shu)據(ju)(ju)(收費(fei)信息、上網(wang)服(fu)務(wu)及(ji)其他信息);應用數(shu)(shu)(shu)據(ju)(ju)(生成廠家、能源、交(jiao)通、性(xing)能、兼容(rong)性(xing)等(deng)信息)。交(jiao)通數(shu)(shu)(shu)據(ju)(ju)的(de)(de)(de)類型繁多(duo),而且體(ti)積巨(ju)大(da)量Volume 和多(duo)樣(yang) Variety是因,數(shu)(shu)(shu)據(ju)(ju)類型的(de)(de)(de)復雜(za)和數(shu)(shu)(shu)據(ju)(ju)量的(de)(de)(de)急劇增加,決定了原有簡單因果(guo)關系的(de)(de)(de)應用模式(shi)對數(shu)(shu)(shu)據(ju)(ju)使用率(lv)極低(di),完全無法發(fa)揮數(shu)(shu)(shu)據(ju)(ju)的(de)(de)(de)作用;速(su)Velocity是過(guo)程,巨(ju)大(da)的(de)(de)(de)運算量決定了速(su)度必須快(kuai);價值 Value是最(zui)終的(de)(de)(de)果(guo)。
大數據沉淀
在各城市(shi)建設智慧(hui)交通的(de)過程中(zhong),將產生越(yue)來越(yue)多的(de)視頻監控(kong)、卡口電警、路況信息(xi)、管控(kong)信息(xi)、營運(yun)信息(xi)、GPS定位信息(xi)、RFID識別信息(xi)等(deng)數據(ju)(ju),每(mei)天產生的(de)數據(ju)(ju)量可以達到PB級別,并且呈(cheng)現指數級增長。以丹東市(shi)的(de)卡口電警產生的(de)數據(ju)(ju)為例:
車道數 | 1300 |
---|---|
每車道平均每天過車數據 | 4000 |
每車道每天過車數據,峰值 | 12000 |
圖片存儲周期(天) | 180 |
過車信息存儲周期(天) | 180 |
平均每張圖片大小(KBytes) | 250 |
系統要求: | |
圖片存儲容量 | 數百TB |
數據庫存儲容量 | 數TB |
IPSAN吞吐率(MBytes/s),均值 | 15 |
IPSAN吞吐率(MBytes/s),峰值 | 45 |
數據庫容量(億條) | 百億級 |
并發能力(條/S),均值 | 60 |
并發能力(條/S),峰值 | 200 |
大數據增值應用
深入(ru)挖(wa)掘數據(ju)價值(zhi),在智能(neng)交通等(deng)行(xing)業(ye)上(shang)推出車(che)輛軌跡(ji)、道路流量、案件聚類等(deng)大數據(ju)模型。基(ji)于大數據(ju)模型,推出智能(neng)套牌(pai)、智能(neng)跟車(che)分析(xi)、軌跡(ji)碰撞、智能(neng)比對(dui)、輿情分析(xi)等(deng)數據(ju)增值(zhi)應用,逐(zhu)步解(jie)決(jue)行(xing)業(ye)的深層次問(wen)題
海量數據計算
通過云計算集群,實現對海量數據的分布式高速計算,支撐對海量數據的高效分析挖掘。
云計算集群是一(yi)種(zhong)M/S架構(gou)的分布式計算系統(tong),Master作為調度管(guan)(guan)理服務(wu)(wu)器(qi)(qi),負責(ze)計算任(ren)務(wu)(wu)分解與調度、計算資源統(tong)一(yi)管(guan)(guan)理。Slave則由大量的計算服務(wu)(wu)器(qi)(qi)組成,負責(ze)完(wan)成Master下發的計算任(ren)務(wu)(wu)。
海量數據檢索
基于行(xing)業數(shu)據查(cha)詢特(te)點(dian),對搜索引(yin)擎進(jin)行(xing)優化定制,支(zhi)持百億(yi)記錄的秒級高(gao)速(su)查(cha)詢。通(tong)過集群機制,實(shi)現搜索服務的高(gao)可靠(kao)性(xing)、高(gao)容錯性(xing)、高(gao)擴(kuo)展(zhan)性(xing)。
海量數據存儲
對于海量數據存儲,采用HBase分布式存儲系統。 相比傳統關系型數據庫,有如下特點:
數據格式靈活
高可用
橫向擴展能力強
訪問高效
同時(shi)能夠做到無縫(feng)集成(cheng),快速從關系型數(shu)據庫導入(ru)已經存在的(de)歷史數(shu)據。 提供高(gao)可靠性(xing)、高(gao)容錯性(xing)、高(gao)性(xing)能的(de)海量數(shu)據存儲解(jie)決方案,支持無縫(feng)容量擴(kuo)展(zhan)。
大數據在智能交通中的發展
宇(yu)視智(zhi)(zhi)能交通(tong)產(chan)品總(zong)監(jian)孫加君分(fen)析,智(zhi)(zhi)能交通(tong)產(chan)品的技術定(ding)位近年來有兩(liang)大(da)顯著變(bian)化:
第(di)一(yi)是(shi)智能(neng)(neng)(neng)前置,前端(duan)的(de)抓拍單元發生了非常大(da)的(de)變化,實(shi)現(xian)了“一(yi)體化”,即(ji)所有的(de)交通(tong)行(xing)為、智能(neng)(neng)(neng)分(fen)析(xi)行(xing)為都由(you)相機來完成(cheng)(cheng)。而在2010年前后,抓拍單元還是(shi)純(chun)粹的(de)抓拍機,其他智能(neng)(neng)(neng)分(fen)析(xi)算法(fa)由(you)路(lu)口工控機或(huo)后端(duan)設備完成(cheng)(cheng);
第二是建設(she)規(gui)(gui)模,現在(zai)一個中小城市建設(she)卡口和電警設(she)備的(de)(de)規(gui)(gui)模就能(neng)達(da)到(dao)上千路,抓拍(pai)圖片(pian)的(de)(de)數量規(gui)(gui)模非常龐大,有的(de)(de)甚至上億條(tiao)(tiao),如果存儲時間較長則達(da)到(dao)10億條(tiao)(tiao),對平臺管(guan)理、檢索這(zhe)些過車記錄,提出了非常大的(de)(de)挑戰。
宇視副總裁閆(yan)夏卿從三個角(jiao)度闡述智能交(jiao)通與大數(shu)據(ju)的(de)關(guan)系:
首(shou)先,從應用(yong)成熟(shu)度看,在今(jin)天無(wu)論卡口、非現場執法(fa)設備,視(shi)(shi)頻(pin)監控是對圖像(xiang)和視(shi)(shi)頻(pin)數據(ju)(ju)進(jin)行語意化和結構化處理最(zui)(zui)(zui)成熟(shu)、最(zui)(zui)(zui)完整、應用(yong)深(shen)度最(zui)(zui)(zui)深(shen)的領(ling)域(yu)。智能(neng)交(jiao)通可能(neng)是現在新興技(ji)(ji)術和應用(yong)領(ling)域(yu)里,率先突破數據(ju)(ju)應用(yong)瓶頸的一個技(ji)(ji)術領(ling)域(yu);
其次,從(cong)技(ji)術角(jiao)度看,包括大(da)數據、云計算(suan)的(de)技(ji)術架構,最先在智(zhi)能交(jiao)通里(li)落(luo)地(di),智(zhi)能交(jiao)通也必將引領整個智(zhi)慧城市各個子模塊(kuai)的(de)技(ji)術潮(chao)流和走勢;
最(zui)后(hou),從使用者與應(ying)用者關聯(lian)的(de)角度看(kan),交(jiao)(jiao)通的(de)智(zhi)(zhi)能化,最(zui)終會影(ying)響(xiang)到(dao)每(mei)一(yi)(yi)個(ge)人騎車、駕車、公交(jiao)(jiao)出行(xing)的(de)感受。每(mei)位市(shi)民(min)都能夠有非常好的(de)交(jiao)(jiao)通秩序體驗,這一(yi)(yi)點就需(xu)要智(zhi)(zhi)能交(jiao)(jiao)通的(de)技術方(fang)案去支撐實現(xian)。