宇视科技

大数据如何在智能交通领域落地

黄晶

安防行业的大数据主要来源于平安城市、智能交通等大型项目。据IMS Research 统计，2011 年全球摄像头的出货量达到2646万台，预计到2015 年摄像头出货量达5454万台。2011 年一天产生的视频监控数据超过1500PB，而累计历史数据将更为庞大，在视频监控大联网、高清化推动下，视频监控业务步入大数据洪水时代不可避免。

智能大数据的最终目的是什么?

2012年的时候，笔者去广东中山交警支队，并与周警官交流。当时大数据是一个互联网概念，还没有在交警行业开始应用。在和周警官交流的过程中，他说了一段话，时隔多年，仍记忆犹新。

周警官说，在中山市，天晴的时候不堵车，下雨的时候就堵车。他刚开始感性地觉得是因为交通事故造成了拥堵，后来分析交通事故处理数据，发现下雨的日子交通事故量并没有比平时多。分析了一下车流量，让他惊奇的是下雨的日子的车流量比平时大，一般来说下雨大家都不愿意外出才对，为什么下雨的车流量会增大呢? 周警官做了进一步分析，深入了解中山的家庭用车方式，发现中山本地家庭一般都很富裕，家里一般是每人一车，他们的出行每天都是家里到工作地点，中午还会回家吃饭，一般出行距离都在3-5KM。天晴的时候，他们一般选择电瓶车、摩托车，方便快捷，容易停车。下雨的时候，他们一般选择小汽车，不被淋雨，更舒适。由于这种出行方式的选择，造成了中山市一下雨就车流量大，就容易堵车，这是一个城市的交通特性。分析出这种特性后，交通管理者才能更有效的对交通进行引导、疏导。

三年后的今天，再去看周警官的这段话，发现周警官已经完成了原始的大数据分析。他将各种看似没有直接联系的数据，通过他的分析模型组合起来，发现了中山市的交通特性。这个正是大数据在交通行业最大的价值。

现在我们已经可以通过电警、卡口、微波、地磁、天气环境等各种检测传感设备，将车流量的数据进行各种综合的大数据分析，分析出一个城市的交通模型，这样可以针对交通做出一些可能的预判，帮助咱们交通管理者解决管理难题。

智能交通大数据分析还要完善什么?

大数据作为一个工具，在实际使用中，各种厂商都在谈大数据，都在包装各种大数据的概念。“CloudComputing”( 云计算)、“MapReduce”( 大规模数据集并行运算算法)、“Hadoop”( 开源分布式系统基础架构) 这些概念铺天盖地而来。

大数据我们要思考几个问题。
一堆服务器是大数据吗？
一堆大容量存储系统是大数据吗？
一个性能巨强悍的检索工具是大数据吗？
但现在很多智能交通项目中所谓的大数据仅仅就是一堆高性能服务器，一堆大容量存储系统，一套快速检索工具。

交通管理者需要什么样的大数据？什么样的大数据系统最能帮助解决实际交通问题？我们认为智能交通的大数据应该是：通过交通管理需求出发，建立数学分析模型，对接各种数据系统，从海量的数据中分析挖掘出对交通管理有用的信息。我们认为智能交通领域大数据的价值是通过交通管理业务需求，建立起来的数学算法分析模型。

现阶段大数据在智能交通的的应用还存在以下不完善的地方：

1、数据格式不统一

各地交通管理部门一般都已经建设了几期项目，这些项目因为各种原因，设备厂商可能不一致，设备型号各异，存储下来的数据格式五花八门，这样的数据对于后期的大数据应用极为不利，一个项目往往花费大量的时间和精力在解决各种数据的整合上。

2、各种数据源获取困难

和智能交通相关的各种数据，如：车辆客流量数据、气象数据、移动通讯设备数据。将这些数据拉通，能对交通流量做好预判工作，但这些数据往往属于不同的管理部门，将这些数据纳入一个系统进行综合数据分析的难度大。

3、大数据方案没有从业务需求出发

有很多厂商在提大数据概念的时候，仅仅是为了卖一些服务器，卖一些存储，这些硬件解决不了客户的需求。还有一些厂商将互联网的大数据搜索引擎直接拿到智能交通中使用，完全不考虑交通管理部门对于数据的需求，虽然其提供的方案数据搜索能力惊人，但不能解决实际交通管理的业务需求。我们宇视科技从交通管理部门的实际业务出发，规划大数据架构，调整数据库结构，建立符合业务需求的数学分析模型，将对交通管理有用的信息从海量的原始数据中分析出来，并按照交通管理的需求，做图形化的直观呈现。

大数据在智能交通领域的落地

大数据在智能交通的落地受限的因素很多，有项目的规划，有早期项目数据的整合，有主管部门对于大数据业务的重视程度。在辽宁省丹东市交警支队的案例中对多种交通数据进行整合，实现了大数据的综合应用。在丹东项目中主要应用的新功能有以下3 点：

大数据

1、智能套牌

利用卡口相机上报的抓拍时间和车牌信息，自动分析车辆所经过卡口的连通性、卡口间最小时间间隔，当发现两组或者多组独立运行的相同车牌，或者相同车牌的过车信息小于对应卡口间最小时间间隔，则上报套牌预警。

2、异常轨迹智能预警

对所存储的海量过车数据进行深入挖掘，分析出每辆车的时空轨迹规律，建立车辆轨迹模型。自动挖掘出从事不法活动的车辆( 比如非法营运车辆，贩毒车辆)，将交通事件研判从事后查询，逐步向事前预警转变，为交通等行业提供有效的信息服务; 对于正常出行的车辆，如果行驶轨迹存在某种与数据模型不符合的突变，自动进行重点监测，当达到一定条件时触发告警。

3、车牌快速检索

通过适当地增加数据库中的车牌冗余信息，提高车牌模糊搜索的速度，满足用户对以车牌为检索条件的实时性要求。

现有的全文搜索引擎技术无法准确判断字符在车牌中的位置，导致模糊检索结果存在大量无效的检索结果。通过优化现有的全文检索搜索引擎技术，既利用了搜索引擎的快速检索功能，同时实现了车牌精确的模糊检索。

利用过车记录中的时间信息来创建、合并不同时间段的索引文件，根据查询条件中的时间过滤条件，快速定位到具体的索引文件，通过索引文件的时间段信息，实现快速排序。

重“数据”的时代已经到来

交通信息按照市场引导、价值驱动的方式在各利益相关方之间流动，并逐步形成新的市场和营利点，加快交通信息服务的产业化进程。“数据为王”的大数据时代已经到来。智能交通作为通信、计算机和控制技术在交通运输领域集成应用的产物，也为云计算、大数据、智能终端等新技术提供率先应用的环境，并为其提供广阔的市场空间。交通大数据的开发利用，不仅会推进智能交通更加快速地发展，也将为公众提供更加便捷、高效、绿色、安全的出行环境，创造更加美好的生活。