基于大数据架构的智能交通可视化平台设计--中国期刊网

字体：大中小

首页> 原创作品> 正文

基于大数据架构的智能交通可视化平台设计

发表时间：2021/6/16 来源：《建筑科技》2021年5月上作者：丛聪

[导读] 近年来，随着城市的快速发展车辆的迅速增加，交通需求发展大于对道路资源、管理资源所能提供的交通供给，交通供需矛盾日增，公安交警执勤警力不足的问题日渐突出。同时物联网的发展，交通的数据种类和数据指数级膨胀，形成海量交通信息。

山东淄博顺达交通设施工程有限公司丛聪 255000

摘要：近年来，随着城市的快速发展车辆的迅速增加，交通需求发展大于对道路资源、管理资源所能提供的交通供给，交通供需矛盾日增，公安交警执勤警力不足的问题日渐突出。同时物联网的发展，交通的数据种类和数据指数级膨胀，形成海量交通信息。传统单一的交通技术管理面对海量数据存储管理分析利用存在不足，作为公安交通管理工作，亟需依靠信息技术改革创新加强。公安交管部门提出运用云计算、大数据、物联网、互联网、人工智能等信息技术手段，以信息主导警务，以科技引领勤务，通过技术向智慧交管赋能。
关键词：大数据架构；智能交通可视化；平台设计
        引言
        随着社会经济的发展，机动车保有量不断上升，城市交通路网、高速公路及其他公路不断扩展，公安交通管理部门的任务日益繁重，需要处理的信息量越来越大。为了更好地实施道路交通管理，公安交通管理部门必须利用云计算、互联网、大数据、地理信息、人工智能等新一代信息技术，融合接处警、路面执勤、电子警察、智能卡口、停车场，以及其他执法终端等各类基础信息资源，辅助交警指挥决策，实现道路交通管理的网格化、智能化、可视化，提高交通管理的水平，构建智能交通，为智慧城市的建设提供支撑。大数据在智能交通方面的应用，有许多学者进行了研究，通过大数据技术，分析了交通流量分布特征与空气等级之间的关系，交通事件与违法车辆数据的时空分布特征等。探讨了大数据技术在智能交通中的实践，讨论了应用大数据技术构建智能服务平台等。将大数据技术应用于公安交通管理的实践方面，各级公安机关开展了不同层次的大数据应用，如深圳市公安局交通管理局，在汇聚各种数据资源的基础上，建立了一个全方位、多渠道、全覆盖的交管大数据平台，该平台通过大数据应用，可及时发布交通诱导信息、出行信息等，并拓展到数据驱动警务预测社会管理层面。关于将地理信息技术、可视化技术应用于交通管理，研究了告警与速度的关系作为可视化对象，设计了可视化方案，讨论地理信息技术在路网分析中的应用。将大数据技术、地理信息技术、可视化技术应用于智能交通方面，研究较少。本文重点利用大数据技术、地理信息技术、构建智能交通可视化平台，给出平台的体系结构、技术架构，并进行功能设计。
        1功能设计
        交管大数据平台从道路感知设备、警员移动设备、交通及相关信息、道路地理信息等收集多源异构数据，进行清洗、关联、融合、管理等预处理，经过交通管控算法模型计算分析，为事件、勤务、信控、诱导、应急、交通规律分析等业务提供智能识别、主动处置、量化评估闭环式的业务应用服务。从功能角度出发，交通管控平台涉及众多的智能交通业务平台，对应不同层次、维度、粒度的各类型数据接入，设计建立统一的交管数据标准资源管理，实现各交通系统的数据融合共享建立统一的交管数据中台；面对交管数据多源异构海量的特性，设计建立数据快速存储、计算能力；为适应前端业务需求快速响应，提供交通规律分析模型、信号优化、视频分析模型、语音分析模型、仿真模型等，作为业务中台支持；为满足多用户应用需求，构建移动APP端、桌面WEB端、大屏高清端等多样化、场景化的前端应用支撑。数据分析：交管大数据分析挖掘技术方法有数据检索、聚类分析、分类分析、关联分析、地理编码等技术应用。聚类分析：聚类分析指将物理或抽象对象的集合分组为由类似的对象组成的多个类的分析过程。在交管业务方面，通过聚类分析从海量交通数据中提取特征，实现道路交通事件影响等级标定、交通状态评价等级标定等交通对象分组应用，为监督学习算法提供了必要的先验信息；分类：对海量数据，根据内在数据特征划分成若干类别或组别。

期刊文章分类查询,尽在期刊图书馆

在交管业务方面，通过K-NN、支持向量机（SVM）、神经网络等有监督学习算法，实现交通流数据修复，交通状态判别及预测等业务处理；关联分析：是从大量数据中发现项集之间有趣的关联和相关联系，在交管业务方面通过关联分析，实现交通拥堵成因、交通道路事故黑点、交通对象对环境影响等业务分析；地理编码：将交管业务中道路、设施设备、行政管辖等交通对象地址信息建立空间坐标关系的过程，在交管业务方面，通过对交通对象的地理编码，制定出便于交通信息交互，精确表达交通信息地理编码。
        2智能信号控制需求
        交通信号控制系统是道路交通管理和控制的基础，通过实时监测车流量，实时优化交通信号控制模式，调整信号控制参数，实施交叉口间的协调控制，调节道路交通流量，充分挖掘道路网容量；在保障交通安全的前提下，合理配置道路交叉口时间和空间资源，使停车次数、延误时间、最大排队长度减至最小，充分发挥道路系统的交通效益，达到道路交通系统最大程度的畅通。交通信号控制系统的日常控制方式：单点控制、干线协调控制、区域协调优化控制、人工干预控制、公交优先控制等。系统应实现信号的分级优化控制，多种控制策略相结合，根据路口的实际交通流量，实现感应控制、自适应控制，实现干线绿波协调以及区域联网控制，智能优化信号控制方案，最大程度减少绿灯浪费时间和增大路网通行能力，保障道路运行有序通畅；系统应实现对实时感知的道路交通参数进行融合、处理，针对不同的交通状况实时生成不同的控制策略，实现信号控制系统的智能化。
       3平台技术架构设计
        （1）基于Hadoop架构建立存储模块采用优化的分布式文件系统，不仅能对平台中基础数据资源库中的结构化数据进行存储，也支持对非结构化、半结构数据的存储与统一管理。（2）通过建立多级存储、多级检索机制，实现海量数据的高效检索，支持数据资源的可视化分析。（3）提供图形化的UI界面，实现运维管理功能，降低运维人员的工作复杂度，提高工作效率，保证系统的正常稳定运转。（4）数据统一存储。在数据落地存储模块，通过分布式数据仓库对数据进行合理的存储规划，可以实现对结构化、半结构化及非结构化数据的统一存储，为数据的检索、分析等应用操作提供高响应的服务保障。（5）高容量、高性能。支持PB级规模的数据管理，千亿非结构化文档规模下检索可实现秒内响应。（6）多类型数据统一处理支持对结构化、非结构化数据的统一存储管理和统一访问查询。（7）与Hadoop有机结合。基于Hadoop的MPP架构的分布式数据仓库系统，有机兼容Hadoop生态圈的组建，解决了传统数据仓库只能采用Hadoop与分布式数据仓库混搭的模式构建大数据中心的问题，降低了系统的复杂性，只需要一套物理集群即可，使一份数据同时支持SQL多维分析和定制化分析。（8）高可扩展。系统可透明横向扩展，性能随系统扩展而近线性增加。（9）丰富的查询能力。支持全文检索、SQL语义查询、模糊查询、文本查询、文本统计、UDF查询、关联查询、正则表达式查询、二进制检索语义。（10）可靠安全。提供了副本机制保障数据可靠性，支持权限机制保证数据安全性。（11）标准化接口。提供JDBC/ODBC编程接口，支持扩展的SQL语法，方便应用开发编程。
        结语
        基于大数据架构的智能交通可视平台是以地理信息系统为基础，融合各种智能交通数据，以大数据分析技术手段，以智能交通管理为目标，利用融合通信技术，实现交通态势感知、时空数据分析研判、可视化指挥调度等功能。平台充分整合利用交通信号控制信息、电子警察及智能卡口信息、智能停车场信息等交通管理数据，利用多源数据分析引擎技术、实现数据分析研判结果的可视展示。平台设计采用面向服务、面向组件的先进技术、可保证系统有较长的生命周期，在功能设计方面，基于交通管理业务，注重实际需求，有一定的理论和应用价值，可为智能交通的建设提供参考。
参考文献
［1］闫鹏．多源异构交通大数据智能分析研究［D］．唐山:华北理工大学，2020．
［2］杨方圆．大数据技术在智能交通中的实践路径［J］．数字技术与应用，2020(8):67－68．
［3］倪志云．交通大数据下的智能信息服务平台研究［J］．人民交通，2020(1):84－85．
［4］姜北思．交通大数据可视化方法研究［D］．北京:北方工业大学，2017．