大数据下的智能化交通管理

大数据下的智能化交通管理

河南省机场集团有限公司河南省郑州450000

摘要:随着智能化交通的发展,大数据技术的应用使传统的交通管理模式发生了重大变化,有效地解决了传统交通管理中存在的问题和漏洞。本文研究和探讨了大数据在智能交通中的应用与发展。

关键词:大数据下;智能化;交通管理

前言

目前,我国机动车保有量已达2.64亿辆,每年仍在以1500万辆的趋势增加。以上海为例,主干道高峰小时断面交通流量超过1万台标准车,交通流分布指向、路网行程车速等数据更是不计其数[1-4]。现阶段,上海交警总队掌握的各类数据总量约为2.41×106GB。这些数据既有宏观总量,也有空间和时间维度上的分布,如何利用好这些数据,充分挖掘大数据价值、开展大数据服务,不断提高道路交通管理的智能化和信息化水平,是公安交管部门面临的现实问题。

1大数据在智能交通领域中的应用特性

交通大数据的活化应用将给交通发展带来巨大变化,这主要体现在大数据技术的实时性、分布性、高效性及预测性方面。

1.1实时性

每日在交通道路上产生的车辆数据都十分庞大,从庞大的数据库中寻找精确的车辆信息必须经过层层筛选,花费的时间较长。同时,现有的交通管制系统对自身储存的信息并不具备分析处理的能力,筛选过程必须依靠人工劳动才能实现。对于此问题,采用大数据的相关技术便能解决,即无论数据的存储量如何,依靠大数据技术都能在短时间内调取出想要的信息。

1.2分布性

交通数据由多个分支单表组成,各个单表所统计的信息不尽相同。比如车速的检测和车辆信息拍摄是由不同的系统完成的,体现在不同的单表中。将这样独立的单表数据集中在一起进行综合分析,从而全面、有效地了解道路上的车流量。但数据的综合汇总工作必须由人工操作完成,会耗费大量的人力和时间,效率较低。此类问题也能够通过大数据的技术予以解决。

1.3高效性

对于车流量较大的道路,必须采取强制性的管制措施,这样才能最大程度上减少交通拥挤的状况。对于一座城市而言,大到整个市区的交通管制规划,小到相邻路口信号灯时间关系的确定,都需要调配中心进行统一管理,使之协调运作。大数据的应用对解决统一调配的效率问题有很大的帮助。

1.4预判性

道路的车辆数量信息可以用于判断道路的拥挤程度。很多现有的导航软件都借用了大数据系统来判断道路出现拥堵的概率和可能的拥堵程度,智能交通管制系统则利用该统计数据来分配道路运行使用量。

2大数据下的交通智能化管理应用

交通领域大数据分析和应用的场景相当多,物流和运输公司、公交一卡通、GPS定位、车联网、路网监控、电子地图导航等都可以为交通服务提供大量的数据资源,而创新性的利用这些数据资源,是实现交通服务质量提升的关键。实现智能交通,可以从以下途径展开。

2.1基于大数据优化公交站点及路线

城市交通的发展中,对公交站点以及路线的规划主要是基于地区的人口分布情况做出的,而没有考虑到居民的实际出行需求也特点,这使得路线和站点选择上存在盲点,一些公交每天十分拥堵,另一些则几乎是长期保持空车状态,浪费了交通资源。实际上,公交服务部门手中有大量的出行数据,例如公交一卡通,其中有大量民众的出行数据,这些数据中包含了每个居民的出行时间、出行的路段,每天的往返数据等。公交车上的投币箱也可以进行统计,在每个站点的上车人数,不同时段下公交车的平均运行时间,载客人数都可以基于一定的算法进行数据挖掘,得到居民的出行特征。因此,基于大数据下的站点和路线优化,交通部门可以基于这些民众数据,建立数据挖掘模型,建立优化方案,重新分配公交站点和设计公交路线,实现城市公共交通资源的最优化配置。

2.2基于大数据治理交通拥堵

交通拥堵成为几乎每个大城市都会面临的常态,早晚高峰、节假日的出行也几乎让所有城市居民“添堵”,成为影响市民幸福指数、城区空气质量、经济发展环境的重要因素。大数据下,对车流量的动态监控,结合交通算法,将有助于缓解城市的拥堵现状。

2.2.1智能交通信号灯控制

交通路口的信号灯是道路拥堵问题解决的关键,基于大数据下,根据每条道路的车流汇聚的海量数据,挖掘车流的时空特点,评估道路的拥堵,动态化的调整信号灯。建立基于物联网的干道交通信号绿波带控制系统,确定当前车流通过相邻两个路口的速度及所需的时间,从而调整绿灯的开始和持续时间,大幅度提高道路通行效率。同时将红绿灯的数据信息平台进行资源共享,联合出行APP,为机动车用户提供路线规划服务,精准的根据车流来调整,降低道路拥堵率。

2.2.2交通流分析

利用分布式数据库构建海量卡口车辆信息库,依托智能交通采集设备,采集交通流量信息,实现海量卡口车辆数据的统计分析功能,辅助交警进行交通流量分析。在实际工作中,利用大数据平台套牌车分析、轨迹纠偏、过车流量分析、多轨迹流向分析和车辆基本信息统计分析能力,开展交通态势、常发拥堵路段分析,车辆属地分析,外地车/本地车道占用分析,进出区域平衡分析,工作日/非工作日车辆出行分析,上下班畅通指数评价、车辆活跃度构成分析等。

2.3基于大数据响应交通事故

2016年,全国共发生交通事故187781起,造成58022人死亡,199880人受伤,直接导致的经济损失高达10.4亿元。交通事故一旦发生,除了带来生命财产的损失外,还极大的影响道路的正常运转。将大数据用在交通事故的管理中,将有助于降低事故率。

2.3.1交通事故预防的信息排查

大数据中包含了全国所有的车主信息和车辆信息,基于这些信息可以完成对用户的画像分析。例如汇总驾驶人员的驾龄、年龄、性别、车辆状态,以此来分析用户的事故数据。交管部门的数据统计中,3年以下驾龄事故占所有事故的三分之一,同时临近报废车辆的事故率也偏高,此时应针对这些潜在高事故率驾驶人员予以重点关注,发出预警。

2.3.2建立事故地图

通过对大量交通事故数据的分布,基于挖掘算法计算和甄别运行失衡和溢出高风险的路口,为交管部门的交通服务提供决策,对事故、秩序、非法占道等产生的异常,集成运营业务管理、应急指挥调度、监测预警、值班接警、信息处理发布、应急指挥调度管理,形成最优决策,指派最近的交通警察来疏导服务,从而提升交通服务质量和效率。

2.3.3大数据时代下的汽车防撞智能的应用

车联网系统的发展下,汽车的信号发射和信号接收以及CPU处理能够为防碰撞、追尾提供智能化应用方案。例如十字路口最容易发生碰撞,传感器判断车与车之间的相互距离,车载终端获得本车车辆的位置信息和行驶状态信息,根据汽车上的信号接收和发射装置,基于CPU算法处理,得到在特定距离下汽车之间的安全距离和危险系数,并及时的发出预警信息。

2.3.4稽查布控主题分析

接入过车数据,对套牌、假牌、“失驾”仍驾嫌疑人员、“毒驾”嫌疑人员、伴随车辆、重点车辆等进行分析和预警,对接车辆布控申请、审核、撤控流程处理,对布控车辆进行预警和行驶路线预测,重点车辆的自动布控以及布控策略管理,并提供向移动警务推送接口

结束语

大数据下的规律和特征挖掘,有助于交管部门及时的掌握数据信息,为民众提供最优的交通服务。相信随着大户数据的应用普及,未来的大数据交通应用场景还将不断的拓展和丰富。

参考文献:

[1]陆化普,孙智源,屈闻聪.大数据及其在城市智能交通系统中的应用综述[J].交通运输系统工程与信息,2015(05):45-52.

[2]徐红海.智慧高速交通大数据应用探讨[J].中国交通信息化,2016(03):80-84.

[3]顾承华,张扬,翟希.交通大数据关键技术研究[J].交通与运输(学术版),2015(02):49-53.

标签:;  ;  ;  

大数据下的智能化交通管理
下载Doc文档

猜你喜欢