在智能交通系统(ITS)的框架下,大数据分析融合了数据挖掘、机器学习、预测分析与可视化等多项关键技术。
01 ITS与传统交通系统的对比
智能交通系统和传统交通系统的区别,非常类似功能手机和智能手机的区别。传统交通系统主要通过硬件升级来增强功能,而ITS则侧重于通过软件更新来实现功能的提升,仅在现有硬件无法满足软件运行需求时,才会考虑硬件的升级。此外,ITS的软件架构中集成了众多先进的深度学习算法和大数据分析技术。
在阐明了这一基本区别之后,让我们进一步通过对比列表来展示ITS与传统交通系统的差异:
从表中可见,ITS可以看作对现行交通监管体系的显著增强和升级,是一种渐进式的改进,而不是颠覆式修改。ITS会复用并增强现有的交通监控系统,采集数据后逐层汇聚。首先是路侧设备的边缘计算机,然后是多层级的云端大型服务器。包括实时的流处理和定时的批处理。处理后的数据将按需逐层下发,其中一部分实时数据用于即时的交通管理决策,而另一部分经过批处理的数据则适用于对时效性要求较低的应用场景,例如交通违规处理系统或市政建设的中长期规划。
图1 Intelligent Transportation System示意图,来自论文《Security in Intelligent Transport Systems for Smart Cities:From Theory to Practice》
一个典型的实时处理场景是,在红绿灯处检测到过马路人群人数较多,或者检测到行动不便人员(移动速度检测),则适当延长行人绿灯时间。
一个典型的长期决策场景是,在同一个红绿灯处检测到过马路人群人数较多的次数在一年中的频次超过阈值,影响车流效率,则市政规划在此建设立交桥。
02 大数据的在ITS的用途
在智能交通系统(ITS)的框架下,大数据分析融合了数据挖掘、机器学习、预测分析与可视化等多项关键技术。此类技术赋能交通管理机构、运营实体及规划者在复杂数据集中进行深度剖析,以揭示潜藏的模式、趋势及相关性。大数据分析ITS领域的核心优势在于其对交通流量、拥堵模式及事件提供实时洞见的能力。借由分析源自交通摄像头、环形探测器及GPS设备等的数据流,交通管理部门得以实时监控路况,定位拥堵高发区域,并迅速采取行动以缓解交通压力。
此外,大数据分析亦支持预测性建模与前瞻性预测,使得交通机构能够预测未来交通状况,规划基础设施投资并优化资源配置。通过综合考量历史交通数据、气象模式及人口动态,交通规划者能够更为精确地预估未来交通需求。在提升交通系统安全性与保障方面,大数据分析亦扮演着至关重要的角色。通过对视频监控摄像头、车辆传感器及事故报告等所收集数据的分析,交通机构能够辨识高风险区域,侦测异常状况,并积极应对安全挑战。
图2 图像识别技术数车,图片来自网络
大数据的核心观点是将数据视为符合特定模式的实例集合,该模式描述了属性和特性。“大数据”特指规模庞大且复杂的数据集,需要先进的处理技术才能有效利用。大数据的来源十分广泛,包括传感器、摄像头、社交网络和金融交易等。在交通系统中,大数据来源于传感器设备、智能仪表、遥感系统以及社交网络和基于网络的系统。因此,决策支持系统必须处理从太字节到拍字节的数据收集、处理、分析和重新分配任务,这超出了传统处理系统的处理能力。高效的交通系统依赖于及时可靠的交通数据,包括交通负荷、速度、密度和组成等因素。这些数据通常通过现场或远程感知技术收集,然后传输至中央存储库进行进一步处理。
大数据分析在改变智能交通系统(ITS)上有着巨大的潜力。它能提供实用的见解,让决策能力更强,最终让交通系统更安全、更有效率,也更可持续。随着交通数据的量和复杂性不断增加,大数据分析在塑造未来的交通系统里会越来越关键。它包括了超多主题,像是从传感器、摄像头等各种来源收集和管理大量交通数据的技术。还涉及到数据处理和分析的方法,比如实时处理流数据,还有机器学习这样的高级分析技术。交通预测和建模技术能根据历史数据和天气情况来。
03 ITS中大数据分析的典型系统架构
图3 ITS中大数据分析的典型系统架构,来自网络
表1 大数据典型架构中的各种概念和释义
机器学习一般被认为是大数据的一个分支,机器学习学习的东西本身就是大数据所代表的内在模式规律。
此外,表中的数据库Elassandra等,搜索引擎Elasticsearch、消息队列Kafka和可视化工具Kibana都只代表一种可用的选择,完全可用其他同样功能的软件代替。
04 ITS在智慧城市的典型应用:拥堵感知
图4 智慧城市重依靠ITS实现拥堵感知,来自网络
主要的数据来源是市民(包括步行和乘车市民),他通过智能手机和可穿戴设备(智能手表)直接生成地理定位数据,或者通过智能车辆的车载传感器产生数据。这些数据在边缘节点进行收集和预处理,这意味着数据收集节点具备足够的处理能力,可以过滤掉无用数据并保留有价值的信息。这种流处理能力可以通过前文介绍的软件实现。只有有用的数据才会被聚合到云端服务器,在那里进行主要的数据处理和归档。
通过预定义的规则和限制,传感系统能够实时检测偏差和异常(例如道路交通流量或乘客负载)并发出警报。而偏差的比较基准是来自收集长期统计数据的均值,并且可以划分时段划分季节划分月份划分天气情况进行分情况多维度的统计均值。
以我们之前提到的典型实时处理场景为例,在红绿灯处检测到过马路人群人数较多,或者检测到行动不便人员(移动速度检测),则适当延长行人绿灯时间。“适当延长”是多少秒呢?太短没有作用,太长耽误行车效率。有两种典型方法来确定合适时长:
一种是图像识别和光流确认行人中最慢者的速度和预计过马路时间,以此时间为延长后总时间。但这种迁就方法长期看会导致少部分行人故意走慢,因为经验告诉他们ITS一定会等他们慢慢走。
另外一种是调取同一路口的过往大数据类似时段类似天气类似季节类似人流量的过往统计曲线(正常情况下是正态分布),按3-σ法取大端2-σ的取值作为绿灯延长时段。
图5 3-σ示意图,来自网络
05 结语
智能交通系统(ITS)作为公共服务的重要组成部分,在经济层面展现出显著的效益。其收益主要体现在以下几个方面:ITS能够显著提升城市运行效率与交通流动性,有效减少拥堵所导致的时间与资源浪费,比如减少上班族极端通勤和快递时延等等;通过优化交通流并降低交通事故发生率,ITS为降低生命与财产损失、强化社会安全保障作出积极贡献;再者,ITS有助于规范交通行为,增强道路使用者安全意识与遵章守纪的自觉性,进而营造有序且安全的交通环境,加强公众的公平感和安全感;在中长期,ITS可为交通产业政策制定提供重要的定量数据支撑,经科学分析后,这些数据将为政府决策提供有力依据,推动交通产业健康、可持续发展。
此外,ITS的收益还深刻体现在对社会经济的宏观影响上。通过提升整体社会经济效率,ITS能够间接推动经济增长,为市场创造更多价值。同时,鉴于ITS在缓解交通拥堵与降低车辆排放方面的作用,其对于减轻环境污染、提高城市居民生活质量具有积极意义。另外,ITS的广泛应用还可降低出行成本、物流成本等各类交通相关成本,从而进一步提升社会整体福利。值得一提的是,这些收益最终将通过税收等途径回流至社会的基础设施建设和公共财政,为公众带来更多实际利益。