深圳市新城市规划建筑设计股份有限公司 广东深圳 518000
摘要：经济的发展，城镇化进程的加快，促进交通建设项目的增多。城市中的交通出行问题是目前制约众多城市发展的首要问题。解决交通问题的第一步是解决城市交通管理与调度问题，其实质是对各种交通信息进行合理地管理、调度及处理。现有时空数据模型被应用于各个行业，可进行时空信息的管理与查询。但相关数据信息通常是离散化的片段信息，存在信息孤岛与竖井现象，无法满足指挥人员对各行业环境中时空全息信息的快速查询需求。因此，首先需要一种全新的能够描述全息信息的时空数据模型，其次需要一套时空数据库管理系统对交通环境中的全息数据进行存储与管理。本文就城市交通时空数据可视化展开探讨。
关键词：时空数据模型；交通线路网络；数据锚点；可视化
引言
公共交通是城市居民出行资源共享的一种交通方式，强调人居、环境、结构、功能和空间布局默契协调、互利共存，达到空间资源利用最大化、集约化。城市轨道交通是公共交通骨架，能够为居民提供时效性高、出行距离长的出行服务。
1智慧交通的内在结构
智慧交通的数据基础是时空大数据，时空大数据来源于海量带有时间属性和空间属性的实时动态数据。利用电子信息技术、云计算、时空大数据先进技术，充分调动目标区域内的交通资源，从而降低交通成本、提高交通通达度。具体包含的子系统如下：（1）智能调度系统。城市公交系统种类繁多，系统主要由出租车、地铁、轻轨等组成，隶属不同的部门，且各自独立运营，因此会造成不同部门间协作能力不足，公共交通运力难以发挥出最大作用。职能调度系统的可以对公共交通整体谋划，使多种交通方式能够联系紧密，从而可在乘客出行更加便捷的同时也使得交通系统拥有更高的效率。（2）智能管控系统。该系统包含四个模块，分别是信息采集模块、云端处理模块、即时反馈模块、集中指挥模块。数据源来自于城市视频监控系统和公共交通系统，然后将信息数据及时上传至指挥中心，由大型计算机对数据进行分析研究，并对当前的交通状况进行优化，之后及时反馈给交管中心，以此对城市交通进行智能化管控。（3）智能分流系统。城市交通多种多样，不同的交通方式拥有不同的特性，其中私家车自由化程度高、分布区域分散、个体差异大。“智慧交通”系统通过利用电子导航、语音播报、城市电台等传播方式对车辆进行服务和引导，让私家车驾驶员掌握实时交通动态，并提供多种交通引导方式，以供驾驶员选择，帮助其合理规划出行线路，高效出行。
2城市交通时空数据可视化
2.1系统设计
（1）数据库后台开发。系统后台是基于城建坐标GIS和Oracle数据库进行数据开发的，并考虑后期系统数据迁移的可能。数据预处理采用日常流量调查的Excel文件为标准化格式，支持数据的自动导入和人工校正录入，特殊的Excel文件可根据需求调整格式后导入，并支持数据的查询和修正功能。每个调查点位应包含其点位坐标等空间地理信息并支持地图化，通过标准化的路名格式自动生成调查点位，或通过人工点选生成。（2）调查信息查询系统。基于交通流量调查数据库开发可视化GIS系统查询和工作平台，通过地图展示各调查点位，并显示每个调查点位的相关时空信息，如调查点位的名称、调查时间、调查的基本内容等等。若某调查点位进行过多次调查，则通过分类标签显示多次调查的结果。调查信息查询系统支持通过点选的方式对调查点位的各项数据进行基本的统计分析，包括：交叉口转向流量、各进口断面车种比例、各断面流量时辰分布等。系统同时应支持调查点位的分析图表及原始数据的导出及备份。
2.2时空数据模型
通过空间数据与衍生的数据源信息，借助与空间地理坐标没有具体派生关系的属性信息及时变信息，构成时空数据模型。目前比较具有影响力的时空数据模型主要有以下6种：时空复合模型、连续快照模型、基态修正模型、时空立方体模型、时空对象模型、面向对象的时空数据模型。此外，还有第一范式、非第一范式、基于事件与历史图的模型等时空数据模型，这些模型能够在时空可视化方面提供有力的数据支持。
2.3探索无人机视频图像等多维数据可视化
“互联网+交通”背景下交通大数据与传统数据相比具有四大特征——规模大、种类多、价值密度低、速度快等特点。对于数据采集，现有通过地感线圈、激光、红外、视频等方法，其中又因视频能进行实时监测目前发展最好。但目前的视频监测器安装在灯杆的臂柱上，因特定的视角使监控范围受到一定限制。而视频信号的传输如用同轴电缆、光纤等铺设会需要大量材料。若用简单低成本的无人机进行航拍并利用GPRS传回数据资料可有效解决视频检测器的问题。无人机还能定点悬浮观测，实时传输画面自控飞行，具有更大的灵活性。为了达到能对交通流量监测的目的，利用能够挂载高清摄像机的旋翼无人机，将拍摄的画面实时传回交通流量调查数据库系统平台，以便能观察航拍区域的交通流量情况。对回传的数据，可直接在平台上看到各参数的情况，也可直观看到图像画面，同时对图像进行智能处理，如对在一定时间间隔车的数量统计、车型识别、排队长度计算，分析此时交通流量状况，以便及时将交通信息发布出去。根据视频摄像头、感应线圈、基于物联网与车联网的终端设备传感器、无人机等专用设备采集到的海量数据，通过实时处理，剔除无效数据，挖掘交通数据的基本变化规律并及时反馈给分析人员；分析人员再对交通规律进行深度挖掘，通过交通流量调查数据库系统平台，对调查点位的各类数据信息进行多角度可交互的多维数据可视化，实现基于时空多维数据库的二维显示、三维立体显示以及动画等算法，使数据挖掘更加透明，增强挖掘结果的可理解性和可信度。
2.4系统实现
系统开发采用B/S架构，同时在服务端结合了Mapreduce计算框架，在存储中使用PostgerSQL与Hadoop分布式存储框架结合的存储方式。结构数据如地铁客流数据采用Postgresql进行基础业务数据的存储，非结构数据如公交车刷卡数据、出租车轨迹数据采取使用HDFS分布式文件系统进行存储，通过搭建SSM后台框架实现数据库管理。最终在Web浏览器端采用开源地图库Mapbox、Openlayers，以及ArcGISAPI和Echarts图表等前端开发技术进行各类交通数据的展示与数据分析结果的表达。
结语
“互联网+交通”的背景下，智能交通（ITS）离不开交通流量的大数据，采用数据可视化方法进行交通流量规律的分析，加深了分析人员对交通流量数据的理解，极大地提高了交通时空数据挖掘的速度和深度。设计交通流量调查数据库系统，采用实时的图形可视化技术，改善人机交互过程中的用户体验、提高海量交通流量数据直观分析的效率和准确度。探索交通流量数据可视化平台的应用，融合传统人工调查、物联网前端数据采集和无人机视频监控等多维交通流量数据，为交通分析预测人员提供强大的数据库支持及高效的决策依据。
参考文献
[1]李学伟，王海起.基于R语言的交通流量数据可视化应用[J].地理空间信息，2019，17（4）：95-102.
[2]魏丽丽，杜长海，徐立松.智慧交通中多维交通流数据实时可视化技术概述[J].警察技术，2019（2）：86-88.
[3]高斐，陈梅，苏晨.多维数据可视化实现的方式探究[J].电脑知识与技术，2020，13（32）：22-23；29.