智能交通大数据及云应用平台解决方案
随着日益增长的交通“大数据” ，给交通管理创新带来的新挑战，以及对交通管
理工作提出的新要求，交通信息化建设必然步入云计算智慧应用阶段，利用云计算破解当前诸多交通瓶颈问题。精品文档，超值下载
什么是交通大数据
交通概念很大，所涉及的范围很广，如城市道路交通指数、地铁运行数据、
一卡通乘客刷卡数据、港口集装箱数据、机场航班数据、轨道交通运营数据、远
洋及内河航道船舶数据、物流车辆及货物数据、公交车实时数据、出租车行车数据、空气质量状况、气象数据、道路事故数据、高架匝道运行数据、以及衍生的
相关拥堵、事故、违法信息等都属于交通数据。我们通常所提的城市公安交通管
理大数据是指在城市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大量数据，并借助信息化手段将这些相互关联的数据整合到一起（比如车辆信息、地
图信息、人员信息、违规违章记录信息等等），形成一个有价值数据链，从而知
道城市交通信息化建设，为公安交通实战应用服务，为市民出行服务。
什么是云分析
云分析系统具备超高的计算性能，单机设备每天处理的信息量最大高达 2000 万张图片。云分析具备对卡口、电警以及部分监控设备拍摄的车辆图像信息的结构化智能分析功能，主要包括识别图像中车辆的品牌、型号、年款、车身颜色、
类别、异常特征（如遮挡面部、遮挡号牌）、唯一性局部特征（如年检标志、车
内饰物）等关键信息。
可对提交的图像中的车辆车牌颜色及车牌号进行二次识别，通过大数据进
行，时间、地理、轨迹等的对比识别，以得出分析结果。
过去几年，智能交通系统建设取得了长足的进步与发展，针对道路交通违法、交通安全等，不断在不同的时间，不同的阶段建立了交通卡口、违法检测、道路
智慧监控、交通事件监测等信息化系统，但这些信息化系统所采用的设备、平台均来自于不同的厂家，采用的标准，上下级不能很好的实现级联，与公安系统融合度不高，无法进行集中管理，资源共享，发挥统一的实战作用。
不同时期，不同阶段建设的信息化系统，技术路线，功能性能指标各异，在
套牌、摘牌、故意遮挡号牌等涉车案件中，不能找到行之有效的手段处理。
现阶段，交通违法行为导致的交通安全、道路交通事故问题依然突出，交通
违法管理的颗粒度也越来越细，道路交通安全法也不断的修正以满足交通管理工
作的需要。其中，不系安全带、开车打电话等违法行为纳入了处罚范围，而过去
建设的卡口系统绝大多数不具备这些功能，不能很好的服务公安交通管理需要。
云分析系统的出现，问题将迎刃而解。云分析系统创新型引入 GPU+CPU的
设计理念，单台设备每天最高处理性能达到2000 万张图片，提取车牌号、车身颜色、车标、子品牌、车型、车脸等交警实战所需的结构化信息，并能够自动甄别
不系安全带、打电话等违法行为，为公安交通管理提供全新的技术手段和业务
体验。
系统设计
系统中采用的设计方法和技术路线在实战应用技术中处于领先地位，软件的设
计先进灵活，便于升级以及与其它系统的互联互通。系统涵盖了目前实战应用所涉及的一系列技术，如：图像预处理、信息筛查、电子地图轨迹分析等，在此
基础上融合了车型建模、车牌识别、车标识别、运动目标检测和行为分析、图片
检索等智能视频图像分析技术，创新性的实现了“车脸识别”、“不系安全带检测”等功能，创造性的使用云分析实现超大数据量的图片二次识别，为用户提供超高性
价比的解决方案。
系统设计时，对需要实现的功能进行合理的配置，且配置具有良好的兼容性
和扩展性；通过提供二次开发接口，支持用户利用本系统自主开发新功能，满足业务需求。
系统具有开放性的标准体系，后端基于开放式的 TCP/IP 网络系统进行设计，
支持多种网络协议，便于和各系统间的互联、互通、互控，遵循规范的通用接口
标准，使系统对硬件环境、通信环境、软件环境、操作系统之间的相互制约和影
响减至最小。
具有良好的人机交互界面，尽可能避免出现繁琐操作实现某项具体业务应用
的情形。系统在体系设计及工程实施中应根据用户使用需求充分考虑性能优化，在
合理时间范围内，尽可能缩短系统的操作响应时间；系统维护也应在合理范围内
尽可能简化，使操作人员能快速地学习和掌握系统操作。
系统涵盖了目前交通管理业务应用所涉及的一系列技术，如：图像接入、通
用解码、转码、图片索引、车型建模、图像预处理、信息筛查、电子地图轨迹分
析、套牌分析等。基于云分析的二次识别方案配合大数据的高效查询、检索、研
判方案，构筑了智能交通综合管控平台的数据底层支持优秀架构，为交警实战业务应用提供了极佳的用户体验。
1.1 系统架构
用
利旧和集成户
层
公安局交警总队交通支队交通大队政府相关部门社会公众
信息
发布
与展
指挥中心监室外交通交通广播交通电服务接处警平面媒体现层手机应用系统
控大屏诱导屏电视台视台网站
信息发布信息服务
业务业务应用
应用
层交通状况监测日常组织与管控交通区域信息控制应急指挥与协作车辆信息研判与违法管理
分析
系统现有应用系
统
数据服务数据服务
数据资源管理与整合中心
信息支撑层
关系数据库分布式文件系统
基础数业务数交换数监控交通实时交
据库据库据库视频图像通数据
数据存储数据模型数据分析
数据加工数据清洗数据预测现有基础运
数据优化数据共享数据服务
行环境体系虚拟化大数据技术并行计算二次识别云管理平台网络系统配套工程
信息采集信息采集
感知
事件电警122 接信号GPS 车层微波视频地磁视频
检测检测检测监控检测卡口处警机载终端
系统的使用者通常为指挥中心调度人员、指挥中心带班领导、支/ 总/ 大队的主管领导、交通秩序管理人员、大队分控中心人员、路面执勤民警等。系统维护的职责则由运维工程师和系统管理员完成。
主要的关键业务应用包括交通状况监测、日常组织与管控、应急指挥与协作、信息研判分析等方面，主要是应对城市交通管理的现状实时监视、日常业务处置、突发事件应对、交通数据挖掘研判等业务需求。
辅助核心业务的是一系列的支撑应用，包括基础数据管理（路网信息、设备
设施信息）、警力资源管理（警员信息、警车信息、装备信息）、电子地图管理、系统配置管理。
在应用层下面是支持业务应用的支撑层，在这层完成对信息的采集、汇聚、
加工、存储、交换等处理操作，同时支撑层还内包消息服务器、 GIS 地图中间件、
视频服务、诱导服务等信令及数据的服务或中间件。
最下端为数据感知层，包括业务子系统及设备，为各类交通信息的原始数据
来源，如 GPS车辆轨迹信息、视频信息、通行车辆信息、交通流信息、施工占道
信息、交通管制信息、气象信息等。
视频大数据技术平台
视频大数据技术平台负责存储和提取处理视频、图片等非结构化数据，通过
视频结构化技术，可挖掘出视频图像中的人、车、物、事件等结构化信息，进一
步用于大数据的分析挖掘。同时，视频大数据技术平台可提供视频摘要、视频浓缩、视频质量诊断等智能分析服务，使上层应用提高视频处理的效率。
通用大数据技术平台
通用大数据技术平台提供基于Hadoop和 Spark 的分布式存储、分布式计算
等能力，负责整合并管理海量的结构化、半结构化、非结构化数据，具备高度的
可扩展性，可将数千台的廉价服务器组建成一套庞大的云存储系统、一台超级计
算机。基于 Spark 架构的内存运算，速度比传统的Hadoop快 10~100倍，适合交通行业对时间要求的流式计算需求。
行业大数据能力平台
能够针对海量数据进行快速检索、快速统计分析，同时能够进行深度的关联
分析，挖掘出其中有价值的信息。行业大数据能力平台以接口的方式为上层应用
提供服务。
大数据运维平台
负责对整个大数据平台进行部署、配置、管理、监控，通过自动化安装的方
式，方便用户架设大数据平台。同时，通过可视化界面，可以形象地获知整个平
台的运行状况。随着业务的发展，当平台需要升级或扩容时，可方便的通过该工
具进行调整。
1.1.1 视频大数据技术平台
1、视频云存储
视频云存储系统解决百 PB级视频基础数据视频数据的低成本、高可靠存储，支持视频流数据的高并发 I/O 。
监控平台视频云分析系统大数据分析系统
前端
...
预览/ 回放视频数据智能数据
视频/ 图片/ 下载数据下载下载
流数据视频云存储系统
存储资源池
...
管理节点
存储节点存储节点存储节点
...
管理节点管理节点
视频云存储系统架构图
2、视频云分析
视频云分析平台则是通过整合用户现有的数据中心分析设备，对过车视频、过
车图片等数据进行进一步分析，其中中心分析设备采用分布式计算节点集群的方式，能够提供基于任务自动负载均衡的数据处理方式，解决从海里视频图像数据中解析出来的视频结构化数据的需求。
视频云分析方案架构图
具体包括以下模块：
特征提取模块
特征提取模块负责对实时或历史视频图像中的结构化信息进行提取，包括
人、车、物等特征信息。提取出的信息存储于大数据系统中，并作为 DataEngine 进一步分析的数据基础。
行为分析模块
行为分析模块负责对实时或历史视频图像中的行为信息进行分析，分析结果可作为上层应用报警的依据，同时行为信息作为结构化数据，可存储于大数据系统中，并作为 DataEngine 进一步分析的数据基础。
音频分析模块
音频分析模块负责对音频进行分析，识别异常音源，分析结果可作为上层应用报警的依据。
以图搜图模块
以图搜图模块负责对大数据系统中的图片数据进行分析比对，并按相似度返回图片列表。以图搜图模块支持对人脸图片的搜索，支持对车辆图片的搜索。
隐私保护模块
隐私保护模块负责对实时或历史视频图像中的人体影像进行模糊处理，保护个人隐私。
视频摘要模块
视频摘要模块负责对实时或历史视频进行摘要处理，提取出视频中有用的信息，合并到同一个背景中，以此缩短视频播放时间。视频摘要可有效缩短用户观看视频的时间，提高工作效率。
视频浓缩模块
视频浓缩模块负责对实时或历史视频进行浓缩处理，视频中有事件出现时进行慢放，无事件时进行快放，以此缩短视频播放时间。视频浓缩可有效缩短用户观看视频的时间，提高工作效率。
视频质量诊断模块
视频质量诊断模块负责对实时视频流进行质量诊断，以巡检的方式对前端接入视频流进行分析，实时发现摄像机是否在线、画面是否正常等问题。
视频图像增强复原模块
视频图像增强复原模块负责对实时或历史视频图像进行增强复原，对效果较差的视频、图像进行智能修复并增强处理。
1.1.2 通用大数据技术平台
通用大数据技术平台是大数据的存储和计算中心，具有分布式、统一存储、
统一访问、动态扩容的特点，用于汇集视频、图像、报警、卡口信息、位置信息、案事件等大数据，为数据的综合利用提供支撑。
系统技术架构图
分布式文件系统 HDFS 2.0：运行在通用硬件上的可扩展高容错的分布式文件系统，已经成为海量数据存储的事实标准。负责海量数据存储，将数据分散存储在多台独立的设备上，系统采用可扩展的体系结构，利用多台存储服务器分担存储负荷，利用元数据服务器定位存储信息，它不但提高了系统的可靠性、可用性和存取效率，还易于扩展。
分布式资源管理 YARN：分布式资源管理框架，负责计算、存储资源的管理，
用以提高分布式集群环境下的资源利用率，这些资源包括内存、IO、网络、磁盘等。
分布式计算 Map/Reduce：分布式计算框架，负责将一个需要非常巨大的计
算能力才能解决的问题分成许多小的部分，然后把这些部分分配给许多计算机进
行处理，最后把这些计算结果综合起来得到最终的结果。
分布式数据库HBase：一个分布式的、按列存储的、多维表结构的实时分布
式数据库，用于存储粗粒度的结构化数据，适合构建高并发低延时的在线数据服
务系统。
全文检索引擎 Solr ：一个基于 Lucene 构建的开源，分布式， RESTful 搜索引擎，设计用于云计算中，能够达到稳定、可靠、快速实时搜索。
内存计算 Spark ：下一代基于内存的 Map/Reduce 计算引擎，处理大数据像“光速”一样快，比 Hadoop Map/Reduce 快 10x 到 100x 倍。
流计算 Stream：流计算，负责对流媒体数据的分析计算。
分布式协作 Zookeeper：分布式协作系统，作为一个分布式锁及共享数据管
理者，提供集群节点间的事物协调服务，保证 HDFS、HBase、Spark、Map/Reduce 等分布式系统的安全可靠运行。
Kafka ：分布式数据总线，负责数据的采集、整合、交互。
Sqoop：SQL to Hadoop ，一个数据抽取工具，用于从关系数据导入数据
到Hadoop。
1、分布式文件系统
HDFS是分布式计算中数据存储管理的基础，具有高容错性、高可靠性、高
可扩展性、高吞吐率等特点，可以设计部署在低廉的硬件上，为海量数据提供了
不怕故障的存储，适合那些有着超大数据集的应用程序。
2、分布式数据库
HBase是一种构建在 HDFS之上的分布式、面向列的存储系统，它具有高可靠、高性能、面向列和可伸缩的特性。HBase适合于存储大表数据（表的规模可
以达到数百亿行以及数百万列），并且对大表数据的读、写访问可以达到实时级别。
3、分布式计算
MapReduce是一种处理海量数据的并行编程模型和计算框架，用于对大规模
数据集 ( 通常大于 1TB)的并行计算。 MapReduce的名字源于该模型中的两项核心操作： Map和 Reduce。Map将一个任务分解成为多个任务， Reduce将分解后多任务处理的结果汇总起来，得出最终的分析结果。
4、分布式协作系统
ZooKeeper是一个针对大型分布式系统的可靠协调系统，主要提供两个功能：帮助系统避免单点故障，建立可靠的应用程序；提供分布式协作服务和维护配置信息。
1.1.3 行业大数据平台
行业大数据平台负责与通用大数据平台进行对接，负责对结构化数据（过车数据、测速数据）进行分析计算，提供快速检索、分析、统计、挖掘等功能，并
提供用户最终的操作界面。面向交通行业的大数据业务展示平台，即为
XZX-TMS-9200智能交通综合管控平台。
1.1.4 大数据管理平台
大数据管理平台负责对整个大数据平台进行部署和管理，结构示意图如下图
所示，包括集群部署、集群管理、任务管理、服务管理、状态监控、用户管理、
告警、日志等模块。
大数据管理平台架构图
1.2 数据流程设计
枪机
智能交通综合管控平台
智能交通综合管控平台
应用服务器数据库服务器应用服务器数据库服务器
接网入关服务器管理服务器球机
数据整合及接入云分析大数据应用
第三方平台
前端及第三方资源
前端新建及已建能够按照标准协议接入的设备通过智能交通综合管控平台
交通接入服务器接入转发至云分析平台进行车辆建模和二次识别。已经部署云存储
模块的系统，云分析也能够直接从云存储中读取图片信息进行车辆建模和二次识别。
已建的第三方平台，提供符合要求的 SDK协议，智能交通综合管控平台进行
数据整合后再转发至云分析平台进行车辆建模和二次识别。
云分析通过智能交通综合管控平台提供的图片 URL信息加载图片，进行建模和
二次识别，完成建模和二次识别后，将识别结果信息如车牌、车型、车辆品牌等信
息提供给大数据平台。
大数据平台读取二次识别的结果信息，写入到 HDFS分布式文件存储系统中；
基于 HDFS分布式文件系统部署分布式数据库，用来承载数据的预统计表和二级
索引表。在数据搜索层，部署基于 Solr 分词的全文检索搜索引擎，并通过MapReduce分布式计算框架提供高效数据分析速度。 Zookeeper 提供分布式文件
系统之间的多进程协调服务。
数据写入、检索、统计和研判应用，大数据平台提供统一的webservice 接口，智能交通管控平台通过调用大数据平台接口进行处理应用。
1.2.1 云分析数据处理流程
云分析可以采用的工作模式主要包括主动工作模式和被动工作模式。目前采用
的是被动工作模式。
主动工作模式的特点是中央强力控制，即由中心管理服务下派任务到指定的计
算节点，计算节点没有发起任务申请的权利。被动工作模式则相反，由计算节
点主动向中心管理服务发起申请，申请获得批准后获得执行任务，然后开始任务
执行，任务执行过程中与中心管理服务保持实时更新，确保任务能够正常完成。
被动工作模式相比主动工作模式而言能够突出计算节点的优势，管理单元越小，管理的难度也就越小。如果按照主动工作模式，由中心管理服务全部承担任务分派、任务调度等功能，负载、责任过大，容易造成单点失败。即便采用集群方式或
者单点灾备模式，依然没有真正解决负载过重、任务调度节点易失败等情况。被
动工作模式把任务申请职责交给了计算节点，各个计算节点按照自己的实际情况决
定是否发起任务申请，这样可以有效地避免计算节点出现计算资源使用率频繁切换、异常波动，同时，降低了中心管理服务的压力。
任务调度方面，云分析通过接入第三方应用平台，实时获取执行任务信息，
然后通过中心服务管理动态调度任务的方式达到高优先级任务优先执行的目的。
对于计算节点来说，它申请获得任务没有优先级之分，一旦申请成功，立即转入工
作状态。同时，由于云分析节点是分布式部署，系统高并发执行的效果可以有效
的提高分析执行效率、优化网络带宽的流量压力，使得整个监控系统的性能得到
更大的提升。
1.2.2 大数据数据处理流程
大数据技术平台是大数据的存储和计算中心，具有分布式、统一存储、统一
访问、动态扩容的特点，用于汇集视频、图像、报警、卡口信息、位置信息、事
件等大数据，为数据的综合利用提供支撑。
1.3 交通大数据平台功能
1.3.1 快速检索
针对过车记录表及违法记录表有针对车牌的精确查询及模糊查询需求，如
下：
1、过车记录精确查询
车牌结合过车时间 ( 开始时间 +截止时间 ) 、根据选择卡口、车道、方向、车
辆标识、颜色深浅、车辆类型、车速、车长、号牌段、车身颜色、车牌颜色等其
它筛选条件随意组合在海量过车记录数据中对车牌做精确查询并且要求在秒级内
返回查询结果。
2、过车记录模糊查询
车牌结合过车时间 ( 开始时间 +截止时间 ) 、根据选择卡口、车道、方向、车
辆标识、颜色深浅、车辆类型、车速、车长、号牌段、车身颜色、车牌颜色等其
它筛选条件随意组合在海量过车记录数据中对车牌的前缀、中间、后缀做模糊查
询并且要求在秒级内返回查询结果。
3、违法记录精确查询
车牌结合过车时间、车辆类型、车辆颜色、车牌类型、车牌颜色、违法行为、
处理状态等其它筛选条件在海量违法过车记录数据中做精确查询并且要求在秒级内返
回查询结果。
4、违法记录模糊查询
车牌结合过车时间、车辆类型、车辆颜色、车牌类型、车牌颜色、违法行为、
处理状态等其它筛选条件在海量违法过车记录数据中对车牌的前缀、中间、后缀做
模糊查询并且要求在秒级内返回查询结果。
5、轨迹查询
查询车辆在特定的时间段内的行车轨迹：即在某个时间段内（根据场景，还
可以设置车辆类型、颜色深浅、车牌类型、车牌号码、车速、车长、号牌段、车身
颜色、车牌颜色等限制条件），同时经过多个卡口（至少两个以上才能确定一条轨
迹）的过车信息。
6、快速统计
针对过车记录表及违法记录表有如下统计需求：
过车记录表车流量统计
以卡口（或车辆类型、车辆归属）为维度结合统计时间、方向、车辆归属地、车辆类型、车牌类型等特定筛选条件对过车记录做统计，生成相应日（或周、月、年）报表：即根据设定的维度，还有根据报表类型分割的时间粒度，统计各个时
间区间内的车流量。
过车记录表车流量对比
同一个卡口不同时间段（跨度在 1 天内）的车流量对比以及不同卡口同一时
间段（跨度在 1 天内）的车流量对比。
通过车流量对比能够对改善城市交通调度提供依据。
违法记录表车辆违法统计
选定一组卡口，在选定的开始时间和结束时间内，统计各卡口所有的过车记
录数和违法记录数。
过车记录表特定时间段车流量统计
同车流量对比，时间颗粒度变成一天，并且可以选定一天中具体的若干个
时间段。
过车记录车辆行车轨迹统计
根据选定统计方式（即统计维度：包括按车牌类型统计、车牌颜色统计），统计
在选择的时间段内，经过指定轨迹（所谓的轨迹：即由多个卡口确定的一条行车路径，带方向，比如，从路径 A->B->C, 和路径 C->B->A 是俩条不同的轨迹）的车流量
次数（还包括其他的过滤条件，如：车辆归属地、车辆类型、车牌类型、车牌颜色，同一车牌多次经过指定轨迹按多次计算）。
1.3.2 研判分析
1、过车记录表频度研判
分析出在特定卡口上（一个或多个），在特定时间段内，过车次数满足一定
条件的所有过车信息和过车数：所谓的满足一定条件是指过车次数大于等于（或小
于等于或等于）（频度设置）一定数量（频度阈值），根据设定的频度阈值，分析在
某一段时间内通行路口次数超过设定阈值的车辆。
对指定区域（卡口）做过车频度分析，过滤出频繁出入的车辆（过车次数满
足指定阈值）进行重点关注，对预防犯罪及嫌犯跟踪有重大贡献。
2、过车记录表特定时段车辆研判
实际上就是阈值为0，时间跨度在 1 天之内的频度研判。
3、过车记录表短时过车研判
在特定的时间段内，所选择的卡口组合（一个或多个）中的过车时间与参考卡
口中的过车时间的绝对值小于设定的某个值（passInterval ）的所有过程信息：找
出同一车辆同时经过参考卡口及指定卡口组合，过滤出经过参考卡口与指定卡口的
时间差小于设定的阈值的车辆，以协助公安人员分析出套牌或超速等其它违章行为
的嫌疑车辆。
4、过车记录表车辆初次入城研判
特定时间范围结合特定筛选条件（车辆归属地、车辆类型、车牌类型等特定筛选条件），找出经过“入城”路口的车辆，并找出这些车辆之前 30 是否有“入城”记录，如果没有将做重点关注以预防其犯罪。
5、过车记录表区域碰撞研判
特定的 N（2<=N<=5）个区域（ 1~5 个卡口组成一个区域） , 结合各区域指定的时间范围，找出同一辆车在指定条件下经过其中的两个及以上区域的车辆，并统计其经过次数进行数据碰撞。区域碰撞功能给公安查询分析跨区反复作案的嫌疑车辆带来极大的便利。
6、过车记录表行车轨迹研判
特定时间范围结合特定筛选条件（车辆归属地、车辆类型、车牌类型等特定
筛选条件）找出制定车牌在此时间范围内的过车记录。
7、过车记录表跟车研判
特定时间段内过车时间相差一定间隔的所有过车信息：首先根据特定时间段（还可以指定车牌或路口名称）查出参考车辆及其过车信息，然后指定一条过车记录，查询出与该记录相隔一定时间段（早或者晚）的所有过车信息。
针对嫌疑车辆可能会结队出行的特点，在刑侦等业务应用时，确定特定嫌疑车辆后，通过数据挖掘的方式分析其通过多个监测点时相邻的车辆号牌，能够找出与嫌疑车辆有关联的车辆，从而获取破案线索。
8、违法记录表违法多发时段研判
特定时间范围给定卡口，以一小时为颗粒度统计出各个时段违法记录数形
成一张对比直方图以协助城市交通改造。
违法记录表违法多发地研判
特定时间范围内给定卡口，统计出各个卡口违法记录数形成一张对比直方图
以协助城市交通改造。
9、驾驶人员行为源头管控
驾驶人员行为源头管控，是指对开车经常超速在20%以下，但是又有超速习惯的驾驶人员（不违法，但是有违法的嫌疑），进行专项的分析，然后以非现场
执法的形式发送通知短信，进行源头管控；筛选超速10%~20%车辆，然后进行统计，分析其超速行为的概率，从而判断驾驶人员的动态评分规则；
10、特种车辆轨迹时空域分析
基于大数据的特种车辆管控，是指针对类似渣土车、校车等安全等级较高的车辆，通过设定专属的行驶路线，一旦出现车辆偏离行车路线的时候，即发送报警信息给相关人员，从而确保特种车辆始终处于受控的安全状态。
11、车辆遮阳板与案件关联的时空域分析
大数据平台根据卡口的过车数据对每辆过往车辆建立单独的信息库，与车管库的车辆信息库所不同的是，该信息库是专门用于过车信息研判。例如卡口会对每辆过车时是否放下了遮阳板进行检测，大数据平台则统计车辆的全部过车照
片，放下遮阳板的次数有多少；打开遮阳板的次数有多少，随后定义一个研判规则，例如这个比例超过 50%，那么驾驶人就有一定的违法嫌疑，进入单独的违法嫌疑车辆库；这个信息库往后来看，就是根据一些统计结果来判断驾驶人员的驾驶行为分析。
12、同行车辆多模型分析
基于大数据的同行车辆分析，是指针对具有跟车相关的团伙作案时的车辆进行进一步研判，研判的规则包括筛选某个固定时间区间内同行经过 N 个卡口数量的车辆信息；筛选某个固定时间内有关多车关联性的分析，举例而言就是通过跟车关联性研判发现车辆 A 与车辆 C有跟车关联性，车辆 B与车辆 C有跟车关联性，那么分析车辆 A 和 B 之间的跟车关联性的嫌疑性。
13、多业务维度积分研判分析
基于大数据平台的多业务维度车辆积分研判，是武进技防和图侦相关干警参
考其他地市先进的车辆信息技战法以及结合自身对实际嫌疑车辆研判时所提出的一种新的研判分析方法。其根据对车辆的出没时间属性、出没卡口地点属性、
驾驶人员违反行为信息、牌照归属地信息等多种有关车辆属性进行综合考虑，引入一套关于车辆积分研判的方法，因此在对车辆信息进行有针对性地研判时带来一种全新的体验。同时为了满足研判和预警实时性的要求，大数据采用 spark 流计算的方式保证车辆积分能够实时处理并将结果分发相关人员。
14、基于车辆相关数据的车辆套牌的相关性分析
在现有的视频作战平台中，已经引入了一套根据同一时间内出现在不同地点
来判断是否套牌车辆的相关分析手段，但是由于前端卡口设备在车辆识别率上并
不能达到 100%，因此有一定的误报率；此外该种套牌分析方法在定位一些非当
前库内所包含的车辆信息时往往缺乏有效的分析手段；而大数据平台则是利用本期和前三期中一些已经对车辆进行二次结构化处理后的数据（例如车型、车标、
子品牌、年款等）进行套牌车分析库，将被盗抢车作为套牌车辆分析的重点，从
而判断套牌车辆的可能性；另外大数据平台将在时空领域上结合 GIS 应用，根据车
辆不正常的出没规律来分析套牌车辆的可能性，例如某辆车 C 在不同的时内从区域
A 出现在区域 B，但是逻辑上区域 A 和区域
B 必须经过某几个卡口，但是在该段区
域和时间内没有任何关于车辆 C的过车卡口描述，因此可以判断车辆 C 是否为套牌
车辆。
15、车辆时空出没规律分析
大数据平台的另一个重要的作用是多元多维度的统计分析方法，针对某一辆车
辆信息，大数据平台采用分布式计算的方法将车辆信息的过车点位信息、所有过车
卡口的出没频次、出没时间段、经常活动的区域、经常经过的监控点位信息以及违
法信息统计和同行车辆信息进行统一展示，可以提供包括车辆的居住地和工作地相
关信息预测。同时预留这些数据分析结果，可进一步用于车辆与相关案件关联性的
分析。
1.3.3 基于大数据平台的以图搜图功能
以图搜图是当前智能交通综合管控平台针对车辆检索的新型的检索方案，系统支
持以一张原始图片为基础搜索条件，根据图片中车辆的特征信息（例如车头、车窗、车内饰等）查询目标车辆，根据特征信息的相似度进行从高到低的检索方案。当前
以图搜图主要有云存储和图片服务器两种方案，分别如下图所示：
XZX-TMS-9200平台
云存储方案
XZX-TMS-9200平台
图片服务器方案
云存储方案用于大型规模的智能交通平台，一般为日均过车数据在几百万以上的项目中。其中使用云存储设备作为数据信息的核心服务器，内置智能建模的算法；而智能服务器在系统中充当查询对比服务器，为用户返回最终分析结果。
该方案图片预建模和分析全都在云存储系统中完成，而检索部分则由专门的智能
分析服务器完成，因此是全网范围内的以图搜图应用，搜索的效率会比较高。
而图片服务器方案则适用于中小型规模的智能交通平台，由智能分析服务器完成过车数据的建模，并由其进行数据对比并返回以图搜图的对比结果。该方案则所有的建模分析和检索则全部依靠智能分析服务器完成，因此整个系统的瓶颈在于智能分析服务器的性能。
相比较这两种方案的以图搜图的实现方式，基于大数据平台的以图搜图实现
方式则进一步将图片资源的二次结构化和大数据平台的全文检索功能进行融合，从而将以图搜图的功能从精准检索更进一步扩展到极速检索。
1.4 云分析系统功能
1.4.1 车牌二次识别
1.4.2 车身颜色二次识别
系统能够识别 11 种车身颜色，白色、灰色、黑色、红色、紫色、蓝色、黄
色、绿色、青色、棕色、粉红色。还可以识别车身颜色的深色和浅色。
1.4.3 车型二次识别
系统能够识别 7 种常见车型，包括客车，大货车，轿车，面包车，小货车，SUV，中型客车。
1.4.4 车牌颜色二次识别
系统能够对车牌颜色自动识别，识别的 5 种车牌颜色包括蓝、黄、绿、白、
黑。
1.4.5 车标二次识别
系统可识别的车辆标志包括：奔驰、宝马、大众、别克、丰田、本田、依维
柯、金杯、福特、现代、马自达、奇瑞、奥迪、雪铁龙、雪弗兰、标致、东风、
五菱、尼桑、起亚、皇冠、东南、比亚迪等两百多种车标。
1.4.6 车辆子品牌二次识别
系统可识别的细分车型包括：奥迪A6L、奥迪Q3、奥迪Q5、阿斯顿马丁DB9、阿斯顿马丁 DBS、保时捷 911、别克 GL8、君威、君越、奔腾 B50、奔腾 B70、本田歌诗图、本田锋范、标致 307、标致 308 等两千多种细分车型，其涉及范围包括当前
已停售，或刚上市热销的各种细分车型。
1.4.7 遮阳板二次识别
系统能够对打开遮阳板进行检测，为公安交通管理和刑侦案件侦破提供科技
新手段。
1.4.8 黄标车二次识别
系统能够对黄标车进行检测，为黄标车专项整治、城市环保提供决策支撑。
1.4.9 未系安全带二次识别
系统能够对未系安全带违法行为进行自动检测，为交警查处未系安全带违法行为提供了科技新手段，从而规范驾驶人安全驾驶行为。
1.4.10 异常车辆二次识别分析及报警
系统能够对假牌、套牌、无牌、车牌遮挡、污损、模糊、逾期未年检、逾期
未报废车辆进行自动检测识别，对识别不到异常牌照，能够进行自动预警。
1.4.11 以图搜图
以图搜图，是通过搜索图像文本或者视觉特征，在系统中通过类似信息的比对，获取到真正实际需求的图像信息的一种智能搜索方法，可应用于套牌车辆分析等应用中，根据车窗上的车辆年检标识、车辆内饰等车辆特征搜索类似车辆。
可应用与无牌车的分析研判，根据车型搜索符合条件的无牌车，然后利用以图搜图根据车标、子品牌、车身颜色等信息定位车辆真实信息，可协助公安交警部门查处套牌车辆、盗抢车辆、肇事逃逸车辆等。
以图搜图的工作流程包括数据建模和比对分析两个步骤：
1）数据建模
由云分析对过车图片进行统一建模，建模数据直接存储在大数据平台中。
2）分析比对
大数据平台根据用户需要查询的原始图片和特征比对信息，自动与要查询的原始图片进行比对，比对结果按相似度返回给大数据平台。
1.4.12 连续违法分析
以不同卡口、不同时间为基点，自动检索多次违法的车辆。分析结果支持
列表展示，自动列出分析结果展示具体违法记录。
1.4.13 通行车辆实时监控分析
可对单个卡口，多个卡口进行实时监控，包括通过时间、通过地点、号牌种
类、号牌号码、行驶方向、行驶速度、车辆类型、车身颜色、车辆属地、图片详
情及行进轨迹等。
大数据在智能交通中的应用 第1章绪论 1.1 论文的研究背景 随着我国经济的高速发展，百姓生活的步伐逐渐加速，人们生活水平的日益提高，交通拥堵现象及交通事故问题将愈加严峻。同时道路基础设施资源有限，而汽车的需求量却将随经济的发展继续增加，因此两者之间的矛盾将愈加尖锐，交通问题就愈加严重。而交通拥堵和交通事故将导致人员的伤亡，浪费人们大量的出行时间，致使车辆行驶速度降低，尾气排放加大，光污染、环境污染加剧，城市空气质量降低，不仅浪费了石油资源和人类的出行的等待时间，给人们的日常生活带来了不便，还降低了经济的增长速度；与此同时，还给人类带来了生离死别的伤害，危及了人类的健康，因而交通问题严重降低了人类的幸福指数。因此面对如此严峻的社会问题，急需我们及时去解决。因而各国相继对智能交通系统进行开发以便逐渐解决交通问题，并且建设力度逐渐加大。我国的智能交通相对于西方发达国家虽然发展较晚，近几年的发展也比较迅速，取得了些许相应的技术突破。然而还有很多危及人类幸福感的交通问题未曾解决，和发达国家之间现在依旧还有较大差距，形不很乐观。 交通是国民经济发展中发挥着关键性作用的产业，便捷的交通方式成为了国民经济快速发展的基础性条件。道路交通因其可以实现门到门直达交通、交通边际成本低、速度快等优越特点在城市间和城区间被广泛采用于交通客运和物流运输中，成为我国交通的主要方式之一。加快对交通基础设施的建设，将通信技术、计算机技术、电子通讯技术、大数据技术等先进技术广泛应用于交通系统中，提升道路基础设施建设水平，提高道路资源利用效率，降低交通危害对加快交通发展具有重要的意义。这是道路交通系统急需解决的重要问题。当前国际智能智能交通的发展方向中主要将物联网、云计算、大数据技术等广泛应用于智能交通热点领域的车路协同系统、车联网、公众出行便捷服务中，随着对先进技术研究的不断深入，可逐渐将大数据应用于智能交通中，通过大数据技术对大数据的加工、处理、分析研判，从而获取有价值的交通数据信息，通过将这些有价值的交通大数据信息应用到智能交通中从而满足各类交通主体对交通信息的需要，提高对交通基础设施资源的使用效率，减少环境污染及能源消耗，减轻甚至是解决交通危
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
大数据分析：智能交通发展的引擎 0前言 近年来，各国都在关注“大数据”，力图通过扩大其在国内的应用范围，进一步释放数据所蕴 含的潜在价值。2012年3月29日，奥巴马政府公布“大数据研发计划”，旨在改进现有人们从 海量和复杂的数据中获取知识的能力，从而加速美国在科学与工程领域发明的步伐，增强国家安全，转变现有的教学和学习方式。我国亦于2012年7月22日在北京大学举行“首届中国大数据 应用论坛”，主要议题包括大数据的发展趋势、不同场景的大数据应用、云计算与大数据、大数 据与商业智能等，旨在共同讨论大数据的应用价值。在2013年4月举行的首届中国国际云计算技术和应用展览会上，工信部软件服务业司司长陈伟表示“大数据，我认为它有四个维度：量大， 种类多，发展速度快，最后就是价值复杂，可以说处处是黄金，到处是沙子”[1]。 随着城市的迅速发展，交通拥堵、交通污染日益严重，交通事故频繁发生，这些都是各大城市 亟待解决的问题。智能交通成为改善城市交通的关键所在。为此，及时、准确获取交通数据并构 建交通数据处理模型是建设智能交通的前提，而这一难题可以通过大数据技术得到解决[2]。 1大数据概念 Big Data“大数据”是继云计算、物联网之后IT产业又一次颠覆性的技术变革，对国家治理 模式、对企业的决策、组织和业务流程、对个人生活方式都将产生巨大的影响。在信息技术中， 大数据是一个数据集的集合，这个集合是如此大而复杂，以至于它很难通过现有数据库管理工具 来进行处理[3] 从各种各样类型的数据中，快速获得有价值信息的能力，就是大数据技术。大数据特点有四个 层面：第一，数据体量巨大。从TB级别，跃升到PB级别；第二，数据类型繁多。包括视频、图片、地理位置信息、传感器数据等等。第三，价值密度低，应用价值高。以视频为例，连续不间 断监控过程中，可能有用的数据仅仅有一两秒。第四，处理速度快。1秒定律。最后这一点也是 和传统的数据挖掘技术有着本质的不同。在交通领域，海量的数据主要包括4个类型的数据：传 感器数据（位置、温度、压力、图像、速度、RFID等信息）；系统数据（日志、设备记录、MIBs 等）；服务数据（收费信息、上网服务及其他信息）；应用数据（生成厂家、能源、交通、性能、兼容性等信息）。交通数据的类型繁多，而且体积巨大[4]。 2 大数据技术与智能交通 2.1大数据：改变传统交通管理的路径 社会经济的快速发展促使城市机动车辆的数量大幅增加。城镇化的加速打破了城市道路系统的 均衡状态，传统的交通系统难以满足当前复杂的交通需求，交通堵塞成为棘手问题。用大数据技 术可促进交通管理模式的变革。大数据技术的主要特点及其对传统交通的改变集中在以下方面：第一，大数据的虚拟性可以解决跨越行政区域的限制。行政区域的划分是国家为了有效统治和 管理，而将一个国家划分不同行政区域。这个划分在促进各个行政区域自治的同时，也导致各个 地方政府追求各自辖区利益的最大化，而对地方政府之间边界区的交通基础设施建设、过境交通 线路等漠不关心。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[2]。 第二，大数据具有信息集成优势和组合效率。我国大部分城市的各类交通运输管理主体分散在 不同主管部门，呈现出条块分割的现象。涉及交通的“有关部门”超过10个，每个部门都有自己的信息化系统，但这些数据信息只存在于垂直业务和单一应用中，与邻近业务系统缺乏共通联动。这种分散造成交通管理的碎片化，如交通信息分散、信息内容单一等问题。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
智能交通大数据及云应用平台解决方案 随着日益增长的交通“大数据”，给交通管理创新带来的新挑战，以及对交通管理工作提出的新要求，交通信息化建设必然步入云计算智慧应用阶段，利用云计算破解当前诸多交通瓶颈问题。 什么是交通大数据 交通概念很大，所涉及的范围很广，如城市道路交通指数、地铁运行数据、一卡通乘客刷卡数据、港口集装箱数据、机场航班数据、轨道交通运营数据、远洋及内河航道船舶数据、物流车辆及货物数据、公交车实时数据、出租车行车数据、空气质量状况、气象数据、道路事故数据、高架匝道运行数据、以及衍生的相关拥堵、事故、违法信息等都属于交通数据。我们通常所提的城市公安交通管理大数据是指在城市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大量数据，并借助信息化手段将这些相互关联的数据整合到一起（比如车辆信息、地图信息、人员信息、违规违章记录信息等等），形成一个有价值数据链，从而知道城市交通信息化建设，为公安交通实战应用服务，为市民出行服务。 什么是云分析 云分析系统具备超高的计算性能，单机设备每天处理的信息量最大高达2000万张图片。云分析具备对卡口、电警以及部分监控设备拍摄的车辆图像信息的结构化智能分析功能，主要包括识别图像中车辆的品牌、型号、年款、车身颜色、类别、异常特征（如遮挡面部、遮挡号牌）、唯一性局部特征（如年检标志、车内饰物）等关键信息。 可对提交的图像中的车辆车牌颜色及车牌号进行二次识别，通过大数据进行，时间、地理、轨迹等的对比识别，以得出分析结果。 过去几年，智能交通系统建设取得了长足的进步与发展，针对道路交通违法、交通安全等，不断在不同的时间，不同的阶段建立了交通卡口、违法检测、道路智慧监控、交通事件监测等信息化系统，但这些信息化系统所采用的设备、平台均来自于不同的厂家，采用的标准，上下级不能很好的实现级联，与公安系统融合度不高，无法进行集中管理，资源共享，发挥统一的实战作用。
大数据在智能交通中的应用与发展 发表时间：2018-11-02T15:18:46.880Z 来源：《防护工程》2018年第18期作者：王钢 [导读] 来有效的利用已有的大规模数据，并且挖掘其内在价值，为本行业创造更好地发展。其中交通领域是一个非常重要的领域，影响着人们的每日出行和时间效率。而大数据是智能交通的关键技术，可有效地分析和解决日常生活中的交通问题。对此，本文对大数据在智能交通中的应用与发展进行探究。 王钢 浙江浙大中控信息技术有限公司浙江杭州 310051 摘要：随着大数据和人工智能的不断发展和深入，各行各业都想通过大数据的方法，来有效的利用已有的大规模数据，并且挖掘其内在价值，为本行业创造更好地发展。其中交通领域是一个非常重要的领域，影响着人们的每日出行和时间效率。而大数据是智能交通的关键技术，可有效地分析和解决日常生活中的交通问题。对此，本文对大数据在智能交通中的应用与发展进行探究。 关键词：智能交通系统，大数据，发展方向 在交通行业当中的大数据应用，主要是针对在智能交通领域方面的大数据技术应用，当前具备的交通基础设施已经相对比较完善，通过使用大量的先进设备和技术，产生了海量的交通数据资源，通过深入的挖掘和分析这些海量的数据资源，能够有效促进交通行业的不断发展。 1 智能交通系统内涵分析 智能交通系统（Intelligent Traffic System，ITS），主要是指借助计算机技术和信息数据传输技术，能对交通运行过程进行科学化的管理和指挥，在管理机制建立过程中，要对人员因素、车辆因素、道路环境因素等进行全方位考量和判定。为了保证交通管理的高效性，将技术和管理体系融合在一起，确保交通管理系统的多元化发展。在智能交通系统建立和运行过程中，智能交通管理模块、智能信息管理模块、智能公共交通模块、车辆管理模块以及电子收费和应急管理模块是研究的重点。 2 大数据在智能交通中的应用 大数据技术能够优化智能交通系统结构体系及其架构。因此，对于 C/S 架构，一方面需要布设好局域网，精心配置数据库服务器，将监控装备设置在数据采集前部，完成自动监控作业之后，要将监控视频与图片信息传输至服务器内，最后对数据进行处理，并将其分别传输到分中心与省中心。另一方面，要综合使用大数据技术着重优化智能交通硬件结构，精心配置车道计算机、控制器、微波读写器、触发线圈、车辆检测器、抓拍摄像机、信号灯、费额显示器、声光报警器、字符叠加器和高速挡车器，这样有助于保持交通的畅通性。 2.1车辆检测技术 车辆检测技术大多被应用于 ETC 车道系统中，该系统通常在车道的入口与出口运用地感线圈来自动检测车辆。传统ETC车道系统通常会使用三线圈进行设置，一般情况下，第一个线圈是触发线圈，通过启动车道天线读写的方式来检测进入车道的车辆；第二个线圈是抓拍线圈，该线圈通过启动车辆识别系统来识别车牌和抓拍车辆图像；第三个线圈是落杆线圈，通常是在完成ETC交易之后自动回落栏杆。如今，ETC 车道系统在三线圈的基础上又增加了一个线圈，对系统进行了细致地优化。简而言之，当代智能化 ETC 车道系统由两个线圈识别车辆的队列信息，另外两个线圈则用以判断交易车辆。 2.2 图像抓拍识别技术 从智能交通管理的角度来讲，图像抓拍识别技术属于车牌识别系统的核心技术，车牌识别系统主要是利用数字图像处理模式来识别车辆与车牌，并全面采集数字视频与数字图像。通常，智能交通管理将车牌号作为识别车辆的重要标记，因此，可以说图像抓拍识别工作性质的关键影响因素是车牌号的重要性以及特殊性。只要有车辆途经 ETC 车道，ETC系统和车牌识别系统就会自动识别车牌，并精确抓拍车辆的视频与照片，然后将车辆的车牌信息和所有图片信息进行加工并输入，使之形成流水数据，然后根据数据信息来判断来往车辆是否存在违规行为。 2.3自动车辆识别技术 自动车辆识别技术能够准确识别途经车辆的大小、规模、车辆车型、重量、座位数、轴型和轮胎等，该技术属于自动车型识别系统的核心技术，其组成装备主要包括红外线扫描仪、轨道接触器、动态称重装置、电感环线圈和激光扫描器，这些精密装备仪器能够进一步促进交通管理智能化，将所有识别信息以数据形式输入 OBU 中。 3 大数据在智能交通发展中的前景 3.1加强对个人信息的保护 信息时代，不管是人们生活中的微不足道的事情，还是教育、卫生等重大决策，都会将相关信息留在信息系统中，如果整合这些信息，就能研究出一个人的生活轨迹，从而暴露个人隐私。交通大数据也涉及到隐私问题，比如车主的行车路径等，因此为了避免个人信息的泄漏，政府需要制定相关的法律法规，依法完善交通信息管理。 3.2改善交通数据收集的多样性 中国虽然人口基数庞大，汽车拥有量居世界前列，但在新信息收集方面还有欠缺。在交通信息数据收集上，除了选择传统的收集方法，比如调取交通部门存储的信息之外，还可以调动公众方面的力量，实现数据收集的多样性，并通过丰富数据资源来提高交通数据信息的自动化水平。 3.3提升交通运输系统的效能和交通服务的水平 交通部门可以通过网络资源配置和结构优化技术的无缝整合，来协同提高运输系统整体效率，实现工程布局合理化，明确交通信息流通和服务体系分工，真正做到相互配合，优势互补。进一步提升和开发高效便捷的公众出行所需的智能化服务技术，比如实时交通信息发布技术和公交运营智能化技术等。 3.4大力发展智能车路协同技术 智能车路协同技术将在一段时间引领智能交通的发展方向，这个领域的发展程度将决定我国智能交通系统整体的实力，是我们当前应
大数据时代智能交通的数据技术 大数据的来临对我们的日常生活产生了巨大影响，人们生活的方方面面都受到了大数据发展所带来的便利。随着经济水平的发展，我国汽车保有量正经历着飞速发展，人民的日常出行也不满足私家车出行，公交车、BRT、出租以及地铁都为人们出行提供了多样的选择性。在大数据的时代背景下，通过数据采集和分析，对当下城市交通系统进行合理改善，能够解决现有城市普遍存在的城市化所带来的问题。 标签：大数据时代数据技术城市交通 引言 随着经济水平的不断发展，人民生活水平的日益提高，人均拥有汽车的系数不断增高，汽车保有量急剧增加。在城市化的发展进程中，汽车的剧增超过了原有的交通承载力，城市道路超负荷运行，导致城市交通问题日益严峻。利用大数据带来的分析解决方法对城市交通进行改善，是本文主要围绕进行阐述的内容。 一、大数据的发展现状 在大数据的应用发展中，我国的大数据观念和产业均起步较晚。但在对情景分析中，我国的大数据产业在通信、金融领域市场突破百亿元大关。在高增长率的发展下，未来三年将突破150亿元。在社会各界对大数据的关注和推动发展下，大数据应用已经应用于各行各业，包括交通、医疗、生物技术、零售业、农业生产及个人服务等行业领域，在其中也发展出大数据的有关新服务和新技术。 根据我国对大数据产业发展规划，我国将着力打造大数据成为国民经济支柱产业，在各行业和社会服务中广泛推广应用，推动大数据产业在我国快速发展，健全有关大数据产业的体系，推动地方政府进行对大数据产业的法律法规制定和政策引导，主动引入大数据产业的企业进行行业引导。对有资质进行大数据产业创新发展的公司进行政策扶持，提高和带动地区大数据产业的发展，使大数据行业达到较高水平。 二、大数据的应用特点 1.大数据的含义 大数据就是巨量数据集合的意思，由于全世界范围大数据发展都处于开始阶段，目前大数据的涵盖范围广泛，还没有统一的定义。在2011年，由全球著名的公司在研究后提出大数据的概念，意为信息时代海量数据集合。在短短的几年中，大数据已经广泛存在应用在各个行业中，并成为行业发展不可或缺的重要组成部分，在大数据的应用中，人们能够在当中挖掘发现海量的相关数据进行分析研究，从而掌握行业的发展重点。伴随着互联网信息技术的不断发展，大数据作
智能交通大数据综合服务平台 1. 概述 随着经济发展、城市化进程的加快以及城市规模不断扩大，机动车拥有量及道路交通流急剧增加，城市紧缺的土地资源和高密度的土地利用模式，使得交通供给与交通需求之间的矛盾日益突出，交通拥堵、停车困难、环境恶化等交通问题不断加剧，影响了城市的可持续发展及人民生活水平的提高，阻碍了经济的发展。大城市也面临同样的问题，近年来机动车保有量持续快速增长，高峰交通拥堵日益加剧，交通发展面临严峻形势和新的挑战。很多城市在市区主要范围内实施“错峰限行”等交通管理措施。采取调控交通需求削减交通需求总量其原因之一是城市道路已经难以通过基础设施规划建设来改善交通。另一方面,如何利用智能交通系统(ITS)来缓解交通、提升交通效率也是可以着力的一个方向。 目前各交通管理部门建立了功能相对完善的交通指挥控制中心，包括交通信号控制系统、道路交通监控系统、交通诱导显示系统、停车管理系统、交通违章处理系统等，初步实现了交通信号控制、道路监控、交通信息综合查询、有/无线指挥调度及交通诱导等基础功能。ITS的各种信息采集技术（如微波采集技术、视频采集技术、环形线圈感应式采集技术等）被广泛地运用于交通数据采集，公安交管部门不仅具备了交通基础信息，还拥有了各类动态数据，如车辆实时营运信息、道路交通状况等，采集的数据类型包括属性数据、空间数据、影像数据等。对交通三要素（人流、车辆、道路）连续不断采集的多源交通数据流产生了巨量的交通数据，具有典型的“3V”特性：大容量、多样性、高速度，也具有价值、复杂性的特点，属于名符其实的交通“大数据”。仅以国内某城市内道路卡口数据为例，每天达到约15GB的数据量，要实现对城市道路交通的整体运营水平和人们出行规律的深度挖掘，就要以日、月甚至年为时间粒度对大数据进行计算和分析。 数据是智能交通的核心，数据为王的大数据时代已经到来[。如何高效地从海量数据中分析、挖掘所需的信息和规律，结合已有经验和数学模型等生成更高层次的决策支持信息，获得各类分析、评价数据，为交通诱导、交通控制、交通需求管理、紧急事件管理等提供决策支持，为交通管理者、运营者和个体出行者提供交通信息，成为当务之急。交通数据分析的发展趋势正如TDWI大数据分析报告指出的，由常规分析转向深度分析，如图1所示。
大数据在智慧城市建设中的应用案例
大数据在智慧城市建设中的应用案例 来源：数据观时间：2015-09-25 16:20:22 作者： 当前，全球范围内城市化进程不断推进。随着互联网和信息化的发展，在云平台、大数据和物联网等技术的支持下，率先在美国“智慧星球”概念下诞生的“智慧城市”，逐渐成为当今世界各国城市建设的发展趋势和选择。 一、国外案例 自21世纪初期，美国、英国、德国、荷兰、日本、新加坡、韩国等先一步开展了智慧城市的实践，诞生了许多经典案例。 1. 迪比克 美国第一个智慧城市，也是世界第一个智慧城市，它的特点是重视智能化建设。为了保持迪比克市宜居的优势，并且在商业上有更大发展，市政府与IBM 合作，计划利用物联网技术将城市的所有资源数字化并连接起来，含水、电、油、气、交通、公共服务等，进而通过监测、分析和整合各种数据智能化地响应市民的需求，并降低城市的能耗和成本。该市率先完成了水电资源的数据建设，给全市住户和商铺安装数控水电计量器，不仅记录资源使用量，还利用低流量传感器技术预防资源泄漏。仪器记录的数据会及时反映在综合监测平台上，以便进行分析、整合和公开展示。 2. 纽约 通过数据挖掘，有效预防了火灾。据统计，纽约大约有100万栋建筑物，平均每年约有3000栋会发生严重的火灾。纽约消防部门将可能导致房屋起火的因素细分为60个，诸如是否是贫穷、低收入家庭的住房，房屋建筑年代是否久远，建筑物是否有电梯等。除去危害性较小的小型独栋别墅或联排别墅，分析
人员通过特定算法，对城市中33万栋需要检验的建筑物单独进行打分，计算火灾危险指数，划分出重点监测和检查对象。目前数据监测项目扩大到2400余项， 诸如学校、图书馆等人口密集度高的场所也涵盖了。尽管公众对数据分析和防范措施的有效性之间的关系心存疑虑，但是火灾数量确实下降了。 3. 芝加哥 通过“路灯杆装上传感器”，进行城市数据挖掘。在人们的生活里，无处不在的传感器被应用在了芝加哥市的街边灯柱上。通过“灯柱传感器”，可以收集城市路面信息，检测环境数据，如空气质量、光照强度、噪音水平、温度、风速。芝加哥城市信息技术委员会提供的资料表明，“灯柱传感器”不会侵犯个人隐私，它只侦测信号，不记录移动设备的MAC和蓝牙地址。在今后几年“灯柱传感器”将分批安装，全面占领芝加哥市的大小街区，每台传感器设备初次采购和安装调试成本在215～425美元之间，运行后的年平均用电成本约为15美元。该项目得到了思科、英特尔、高通、斑马技术（Zebra Technologies）、摩托罗拉以及施耐德等公司的技术和资金支持。 4. 西雅图 利用数据节省电力能源。该市与微软和埃森哲（Accenture）合作了一个试 验项目，以减少该地区的能源使用。该项目收集并分析从市区建筑物管理系统中得来的众多数据集，通过预测分析，找出哪里可以减少能源使用，或者根本不需要使用能源。项目的目标是将该地区的电力消耗减少25%。 5. 伦敦 利用数据管理交通。在2012年奥运会期间，负责运行伦敦公共交通网络的 公共机构“伦敦运输（Transport for London）”，在使用者增加25%的情况下，
大数据分析：智能交通发展的引擎
大数据分析：智能交通发展的引擎 0前言 近年来，各国都在关注“大数据”，力图通过扩大其在国内的应用范围，进一步释放数据所蕴含的潜在价值。2012年3月29日，奥巴马政府公布“大数据研发计划”，旨在改进现有人们从海量和复杂的数据中获取知识的能力，从而加速美国在科学与工程领域发明的步伐，增强国家安全，转变现有的教学和学习方式。我国亦于2012年7月22日在北京大学举行“首届中国大数据应用论坛”，主要议题包括大数据的发展趋势、不同场景的大数据应用、云计算与大数据、大数据与商业智能等，旨在共同讨论大数据的应用价值。在2013年4月举行的首届中国国际云计算技术和应用展览会上，工信部软件服务业司司长陈伟表示“大数据，我认为它有四个维度：量大，种类 多，发展速度快，最后就是价值复杂，可以说处处是黄金，到处是沙子” [1] 。 随着城市的迅速发展，交通拥堵、交通污染日益严重，交通事故频繁发生，这些都是各大城市亟待解决的问题。智能交通成为改善城市交通的关键所在。为此，及时、准确获取交通数据并构 建交通数据处理模型是建设智能交通的前提，而这一难题可以通过大数据技术得到解决[2] 。 1大数据概念 Big Data“大数据”是继云计算、物联网之后IT产业又一次颠覆性的技术变革，对国家治理模式、对企业的决策、组织和业务流程、对个人生活方式都将产生巨大的影响。在信息技术中，大数据是一个数据集的集合，这个集合是如此大而复杂，以至于它很难通过现有数据库管理工具 来进行处理 [3] 从各种各样类型的数据中，快速获得有价值信息的能力，就是大数据技术。大数据特点有四个层面：第一，数据体量巨大。从TB级别，跃升到PB级别；第二，数据类型繁多。包括视频、图片、地理位置信息、传感器数据等等。第三，价值密度低，应用价值高。以视频为例，连续不间断监控过程中，可能有用的数据仅仅有一两秒。第四，处理速度快。1秒定律。最后这一点也是和传统的数据挖掘技术有着本质的不同。在交通领域，海量的数据主要包括4个类型的数据：传感器数据（位置、温度、压力、图像、速度、RFID等信息）；系统数据（日志、设备记录、MIBs等）；服务数据（收费信息、上网服务及其他信息）；应用数据（生成厂家、能源、交通、性能、兼容 性等信息）。交通数据的类型繁多，而且体积巨大[4] 。 2 大数据技术与智能交通 2.1大数据：改变传统交通管理的路径 社会经济的快速发展促使城市机动车辆的数量大幅增加。城镇化的加速打破了城市道路系统的均衡状态，传统的交通系统难以满足当前复杂的交通需求，交通堵塞成为棘手问题。用大数据技术可促进交通管理模式的变革。大数据技术的主要特点及其对传统交通的改变集中在以下方面：第一，大数据的虚拟性可以解决跨越行政区域的限制。行政区域的划分是国家为了有效统治和管理，而将一个国家划分不同行政区域。这个划分在促进各个行政区域自治的同时，也导致各个地方政府追求各自辖区利益的最大化，而对地方政府之间边界区的交通基础设施建设、过境交通线路等漠不关心。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[2] 。 第二，大数据具有信息集成优势和组合效率。我国大部分城市的各类交通运输管理主体分散在不同主管部门，呈现出条块分割的现象。涉及交通的“有关部门”超过10个，每个部门都有自己的信息化系统，但这些数据信息只存在于垂直业务和单一应用中，与邻近业务系统缺乏共通联动。
大数据技术在智能交通中的应用 随着社会经济的快速发展，城市车辆也在飞速地增加，传统的交通管制和规划已经不能满足复杂的交通需求，交通拥堵已经影响到了居民的生活质量，加剧了环境污染，降低了城市的运行效率。要解决交通拥堵，必须从根源上找到导致交通拥堵的根源――除了车辆数的剧增外，还有路边车辆乱停乱靠、交通事故的发生以及发生后不能及时救援、清理现场等原因。面对交通拥堵，大力发展公共交通是一种有效手段，但事实上公共交通也存在着资源分配不合理的现象，导致等车时间上、乘车拥挤甚至挤不上车等问题。那如何解决这一系列的问题，最终解决交通拥堵问题，已经引起了我们的思考。大数据技术的发展给我们解决交通中存在的这些问题带来了新的思路。大数据技术的战略性意义在于我们可以快速、准确地获取、挖掘大量的有效的交通数据，构建交通数据处理模型，让交通有秩序的运行。本文中针对大数据技术在交通诱导中的应用、大数据对公共交通的优化、对交通安全的优化等方面进行阐述，并提出了主动式的交通服务模式。 1大数据的概念及应用进展 1.1大数据的概念 所谓大数据是指数据量特别巨大，“超出了传统意义上的尺度，
一般的软件工具难于捕捉、存储、管理分析的数据。”这些数据不仅数量大，而且异质、复杂、来源不同、分散于各处。[1]在维克托?迈尔-舍恩伯格及肯尼斯?库克耶编写的《大数据时代》[2]中大数据指不用随机分析法（抽样调查）这样的捷径，而采用所有数据进行分析处理。 大数据的特点可以概括为四个“V”：Volume（大量）、Velocity （高速）、Variety（多样）、Veracity（精确）。或者说，其特点有四个层面。第一，数据量巨大。大数据的起始计量单位至少是P（1000个T）、E（100万个T）或Z（10亿个T）；第二，数据类型繁多。比如，网络日志、视频、图片、地理位置信息，等等。第三，价值密度低，商业价值高。第四，处理速度快。最后这一点也是和传统的数据挖掘技术有着本质的不同。 1.2交通领域大数据技术应用进展 美国西北大学的交通研究中心主任Hani Mahmassani2012年11月在芝加哥的Teradata Big Analytics研讨会上作了题为“大数据分析在出行和交通的应用（Travel & Transportation：Big Data Analytics）”的演讲，讨论了利用海量实时数据增强对交通系统状态的分析和预测能力，从而提高用户体验和交通系统运营效率，创新交通服务，供应链可视化等应用。
大数据对智能交通的意 义 公司内部编号：（GOOD-TMMT-MMUT-UUPTY-UUYY-DTTI-
随着我国汽车保有量在近年来急剧增加，交通拥堵、交通污染日益严重，交通事故频繁发生，这些都成为了各大城市亟待解决的交通管理问题。智能交通成为改善城市交通的关键所在。为此，及时、准确获取交通数据并构建交通数据处理模型是建设智能交通的前提，而这一难题可以通过大数据技术得到解决。 智能交通需求与大数据契合 智能交通整体框架主要包括物理感知层、软件应用平台及分析预测及优化管理的应用。其中物理感知层主要是对交通状况和交通数据的感知采集；软件应用平台是将各感知终端的信息进行整合、转换处理，以支撑分析预警与优化管理的应用系统建设；分析预测及优化管理应用主要包括交通规划、交通监控、智能诱导、智能停车等应用系统。 系统利用先进的视频监控、智能识别和信息技术手段，增加可管理空间、时间和范围，不断提升管理广度、深度和精细度。整个系统由信息综合应用平台、信号控制系统、视频监控系统、智能卡口系统、电子警察系统、信息采集系统、信息发布系统等组成。以达到四方面的目标：提高通行能力、减少交通事故、打击违章事件、出行信息服务。 在各城市建设智慧交通的过程中，将产生越来越多的视频监控、卡口电警、路况信息、管控信息、营运信息、GPS定位信息、RFID识别信息等数据，每天产生的数据量可以达到PB级别，并且呈现指数级增长。 大数据用于智能交通的积极意义
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。
随着我国汽车保有量在近年来急剧增加，交通拥堵、交通污染日益严重，交通事故频繁发生，这些都成为了各大城市亟待解决的交通管理问题。智能交通成为改善城市交通的关键所在。为此，及时、准确获取交通数据并构建交通数据处理模型是建设智能交通的前提，而这一难题可以通过大数据技术得到解决。 智能交通需求与大数据契合 智能交通整体框架主要包括物理感知层、软件应用平台及分析预测及优化管理的应用。其中物理感知层主要是对交通状况和交通数据的感知采集；软件应用平台是将各感知终端的信息进行整合、转换处理，以支撑分析预警与优化管理的应用系统建设；分析预测及优化管理应用主要包括交通规划、交通监控、智能诱导、智能停车等应用系统。 系统利用先进的视频监控、智能识别和信息技术手段，增加可管理空间、时间和范围，不断提升管理广度、深度和精细度。整个系统由信息综合应用平台、信号控制系统、视频监控系统、智能卡口系统、电子警察系统、信息采集系统、信息发布系统等组成。以达到四方面的目标：提高通行能力、减少交通事故、打击违章事件、出行信息服务。 在各城市建设智慧交通的过程中，将产生越来越多的视频监控、卡口电警、路况信息、管控信息、营运信息、GPS定位信息、RFID识别信息等数据，每天产生的数据量可以达到PB级别，并且呈现指数级增长。 大数据用于智能交通的积极意义 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。
龙源期刊网 https://www.doczj.com/doc/ec13791010.html, 大数据时代下的智能交通 作者：周翼华俞晓东 来源：《现代信息科技》2018年第05期 摘要：目前，大数据技术在科学计算、社交网络、金融、物联网、网页数据、移动数 据、多媒体、REID传感器、互联网文本、医疗卫生、社会数据、文件、电子商务、天文学、生物学、大气科学、基因组学、档案管理学等各行业得到了广泛应用。随着大数据时代的不断深入，大数据技术也被植入了交通管理工作中，从而形成了智能交通。 关键词：大数据时代；大数据技术；智能交通 中图分类号：TP392 文献标识码：A 文章编号：2096-4706（2018）05-0111-02 Intelligent Traffic in the Era of Big Data ZHOU Yihua，YU Xiaodong （China Road & Bridge Corporation，Beijing 100011，China） Abstract：At present，big data technologies have been obtained in scientific computing，social networks，finance，internet of things，web data，mobile data，multimedia，REID sensors，internet texts，medical and health，social data，documents， electronic commerce，astronomy，biology，atmospheric science， genomics， archival management and other industries. It is widely used. With the deepening of the era of big data， big data technology has also been implanted in traffic management， thus forming intelligent transportation. Keywords： big data era；big data technology；intelligent transportation 0 引言 互联网技术的迅速发展催生了大数据这一概念。在21世纪，大数据技术的应用行业也更加广泛，交通管理工作自然也不例外，实施大数据时代下的智能交通管理，不仅可以规范交通秩序，缓解交通污染与堵塞问题，而且能够为交通事业的发展提供有力的技术保障。在大数据时代，智能交通技术一共采用了四种关键技术，分别是大数据技术、车辆检测技术、图像抓拍识别技术和自动车辆识别技术。此外，智能交通系统软件主要包括单片式ETC系统和双片式ETC系统。本文将简析大数据时代下的智能交通技术优势，并浅论大数据时代下的智能交通管理技术。 1 大数据时代下的智能交通技术优势
应用于智能交通中的大数据技术 摘要：随着时代的发展，人们已经不知不觉走进了信息化时代，在信息化时代大量的数据爆棚成了新时代的特征。在这种特征下人们依然追求生产生活质量的提高。对于发展智能交通使人们生活以及现实社会的需要，然而在智能交通的构建当中，大量的信息数据也给其增添了变化和难度，如何在大数据时代构建一个智能化、安全化、低成本、高效便捷化的智能交通系统成为了当今人们研究的课题。本文从大数据时代给智能交通带来的变化及优缺点、大数据时代给智能交通带来的问题与挑战、智能交通需求与大数据的融合以及智能交通海量数据的平台搭建等方面做了简单阐述，可以对研究该项领域的科研人员提供一些建议。 关键字：智能交通大数据应用平台构建 一、前言 大数据时代已经来临，对于城市交通来说既是机遇，也是挑战，如何应对，如何利用，这是一个很大的课题。在传统交通中，城市交通是中流砥柱，具有基础性的作用。大数据时代的特征人们用四个V字开头的英文单词来表达即速度（Velocity）、多样性（Variety）、体量（V olume）以及价值密度（Value）。在大数据时代，城市交通与大数据必然发生各种联系，通过大数据带来的技术突破推动城市交通迈向全面信息化时代，通过城市交通的快速发展推动大数据更加落地，产生实效城市交通大数据的集成和未来的挖掘应用对于现代轨道的发展具有重要作用。不论对哪一个传统行业来说，对大数据的需求，都要既懂技术又深谙内情。能够驾驭行业大数据的人，需要比金融更懂金融，比电信更懂电信，比交通更懂交通，需要充分调查乘客的实际需求，需要对高峰期充分了解。 二、大数据时代给智能交通带来的变化及优缺点 随时网络信息技术以及相关配套技术的快速发展，使得当今时代在不知不觉中走进一个“大数据”时代阶段。就目前而言，国际上还没有给予“大数据”一个明确的具有权威性的定义，但是其在本质上的认识各个国家基本相同。一些研究人士认为“大数据”是数量极大的一堆数据，其作用性非常强，并且其可以对其应用领域的大体上做出预测。还有一些研究人士认为，在大量信息数据技术处理应用当中，“大数据”是一项大的数据集合，并且该种集合不仅数据量大并且还非常复杂。但是无论怎样大数据时代已经走来，我们必须接受并且要利用好其在各个领域的应用。因此在今天的智能交通领域，利用大数据技术已经成为了时代发展的必然，因为其可以给现代智能交通带来诸多大的变化。 （一）大数据时代改变传统公共交通管理的路径 大数据可以跨越行政区域的限制。行政区域的划分是国家为了有效统治和管理，而将一个国家划分不同行政区域。这个划分在促进各个行政区域自治的同时，也导致各个地方政府追求各自辖区利益的最大化将用户可能利用的各种交通数据纳入系统，构建公共交通信息集成利用模式，发挥整体性交通功能，通过在大