• 詳解智能交通應用大數據“三重門”

    2013-08-28 19:02:40 來源:中國計算機報 作者:張喬 評論:
    分享到:

    武漢市懸在路口立桿上的金屬小盒子——超級電子眼3個月抓了13萬起交通違法,逆行、壓線、套牌一眼識別,并能自動報警。

    只需10秒,重慶市憑借280萬多張“電子牌”的信息傳遞,各地的道路擁堵信息即可傳遞到設置在附近的交通誘導屏上。

    400多個公交站點,1000多輛公交車,80多條公交線路,全部被江蘇省鎮江市交通系統中央指揮中心的工作人員透過實時全景視圖,實時監控。出行者隨時可獲得公交時刻信息和延誤預報……

    全國智能交通(ITS)應用成果遍地開花,大數據無疑是智能交通的智慧引擎。人走在街邊,車行駛在路上,他們都是大數據的一分子。在能夠產生大量數據的智能交通領域,信息的收集、處理分析、發布利用是主線,為交通參與者提供多樣性的服務。

    在智能交通領域,大數據目前應用程度如何?在應用過程中又面臨著怎樣的問題與挑戰呢?

    1.尚處數據采集初級階段

    理想的智能交通系統,有遍布城市各個角落的信息采集設備收集實時路面場景,一旦有異常事件發生,系統會立即反饋,協助管理員排查問題,將異常事件的監測與發現由“事后”轉為“實時”。

    數據采集是智能交通應用大數據的第一步。我國智能交通發展較稚嫩,面對炙手可熱的大數據,路走得并不順暢。

    三道門檻:技術+定勢+組織

    人大金倉首席運營官戴鉦在接受《中國計算機報》采訪時表示,大數據在行業領域與互聯網領域的應用有所不同,必須要邁過技術、定勢模式和組織三道門檻。

    首先,90%以上的互聯網企業都采用廣告模式,即由第三方付費,免費為用戶服務。用戶行為則是大數據的主體,對用戶行為的分析結果能夠直接轉換為價值。而在其他領域,如銀行、政府等職能部門,服務是產品,而大數據技術的目的是完善服務,即大數據在該領域的應用需要一次轉化。而這次轉化,對行業領域來說是一次技術考驗。“行業大數據的應用,應將NOSQL轉換成NewSQL(新型數據庫),技術變遷是企業應用領域的一道門檻。”

    據了解,NOSQL和NewSQL在處理海量數據時都有較強的擴展能力。NOSQL的主要優勢在對非結構化數據的處理上,而NewSQL對于全數據格式的支持正日趨成熟。此外,NewSQL在實時性、復雜分析、即時查詢和可開發性等方面也比NOSQL更具優勢,對存儲結構、計算架構和內存使用等核心技術進行了創新。

    智能交通領域內大數據的應用正是如此。應用大數據近十年的互聯網企業有經驗豐富的技術工程師來操控大數據,而專注大數據僅兩年多的智能交通行業,技術變遷上頗有難度。

    其次,戴鉦認為,傳統的定勢模式要打破。“大數據技術融入行業,實現全數據分析,用全貌數據分析的結果幫助高層決策。這改變了之前依靠假設模式、數據的抽樣調查的決策模式,同時挑戰了企業的定勢模式和管理理念”。

    再次,“全貌數據需要開放性的組織,僅組織內部全貌還不夠,還要結合外部相關數據,由封閉式變身開放式。”戴鉦說。智能交通實現的是全市、甚至是全國范圍的交通監控。若各大交通系統彼此信息封閉,無法實現真正的“智”。

    蒼白的數據采集

    盡管我國不少城市的智能交通應用已經取得令人欣喜的成績,然而2013年新春伊始的那起令人揪心的案件,卻為智能交通對大數據的應用效果潑了一盆冷水。

    某日,長春市一輛銀色RAV4私家車載著一個兩歲嬰兒被盜。值得關注的是,互聯網消息稱,26小時后,直到發現被遺棄的車輛的時候,警方也未能明確車輛行駛動向線索。據了解,全市有幾千個攝像頭,加之車輛信息非常翔實,從視頻中排查出車輛動向,甚至駕駛者人臉應該不難。

    無論是何種原因,未能及時查到車輛軌跡,顯然說明了該市的智能交通發展程度較弱,對視頻監控系統采集來的原始視頻數據未能及時分析利用,挖掘其價值。

    北方工業大學云計算研究中心副研究員、副主任趙卓峰在接受《中國計算機報》記者采訪時也表示,總體來說,我國智能交通對大數據的應用以數據采集分析為主。據了解,我國不少城市攝像頭等設備采集視頻的都是原始信息,只被傳輸和存儲,以備異地和后期察看。若想挖掘有用的信息,諸如人臉、車型、車牌、運行方向等,需要人工較長時間地回放和查詢。

    武漢市計劃到2020年基本建成智慧城市,其智能交通系統建設的總投入約2億元。在武漢交通管理局大廳內,一塊巨大的LED屏被分割成了48塊,實時播放著路口攝像頭拍攝的畫面,但據工作人員介紹,雖然收集到了數據,整個系統還不能自動反饋路況。目前交管部門只能依靠經驗判斷交通異常情況。

    趙卓峰介紹,數據采集也是目前國內城市發展智能交通研究的重點。隨著通信技術、GIS技術、3S技術(遙感技術、地理信息系統、全球定位系統三種技術)和計算機技術的不斷發展,交通信息的采集經歷了從人工采集到單一的磁性檢測器交通信息采集再到多源的多種采集方式組合的交通信息采集的歷史發展過程。

    來自互聯網的消息顯示,北京目前交通采用多種交通信息采集方式,其中60%的監測點采用線圈,50%采用視頻檢測器,20%采用微波技術,30%采用地磁技術,10%采用紅外技術。

    中國電子信息產業發展研究院城市信息化咨詢中心總經理郭慧鵬在接受《中國計算機報》記者采訪時表示,“每種采集技術各有優缺點,利用多種采集方式的組合采集交通信息是未來智能交通發展的趨勢”,相較國外,我國智能交通發展程度還處于初級的階段,但達到完善的智能交通體系只是時間問題。目前我國在信息的質量控制技術、多源交通信息融合技術、信息集成技術等方面有了很大進步。

    2.數據分析波折重重

    數據收集是數據價值挖掘的前提,大數據在智能交通系統的有效運作,顯然離不開數據存儲和分析技術。

    智能視頻分析面臨挑戰

    趙卓峰介紹,海量數據處理技術也是智能交通領域應用的瓶頸。就數據存儲來說,前端設備每一秒都會產生大量的數據,以北京為例,一天所收集的數據量能夠達到數百個TB。針對交通行業的海量數據處理需求,在海量數據、惡劣網絡環境和復雜業務處理情況下,要實現大量圖片、車輛數據、視頻數據的實時網絡傳輸和快速持久化存儲,對任意站點的圖像進行顯示,對任意站點的視頻進行流暢播放、實時進行比對報警等,還是很難的。

    隨著采集設備的發展,以智能視頻分析技術為主的數據分析技術更是面臨種種挑戰。

    智能視頻運算對穩定性要求越來越高。郭慧鵬稱,視頻分析技術的穩定性一直是發展的難題,交通行業本身對檢測精度要求很高,視頻應用并不完善,速度較快的車道更是如此。有消息稱,目前我國多數高速路段的車輛檢測采用線圈或雷達檢測為主、視頻為輔的方式,視頻測速不作為交通超速違章處罰依據。

    而且,隨著技術的發展,前端采集設備所采集視頻像素不斷增加,視頻分析技術要與之適應。據了解,高像素的視頻流對視頻運算和前端設備的承載能力有很高的要求,現在智能交通各系統已基本都使用高清攝像機為基礎數據源。

    另外,城市發展對交通提出了越來越智能的要求,視頻分析的數據維度會越來越寬,包括復雜的交通行為分析、車身顏色識別、車標車型識別、駕駛人員人臉識別等。這對智能視頻分析技術提出了更高的要求。

    值得一提的是,目前車牌識別技術經過多年的發展與應用,已十分成熟。據了解,模糊車牌還原和識別技術的出現使得該項技術不再局限高清視頻、圖片,也開始向標清領域普及。車牌識別技術已大量用于車輛交通違章的抓拍,有效降低了車輛交通違章數量,大大減少了交通事故的發生。

    鎮江:實時監控1000輛公交車

    實際上,國外城市智能交通的發展不乏成熟案例。新加坡陸路交通管理局(LTA)工作人員能夠根據i-Transport系統的歷史交通數據及實時交通信息,在預先設定的時段內(10分鐘、15分鐘、30分鐘等)對交通流量進行了預測,總體預測結果遠遠高于85%的目標準確率。采用這些預測結果,陸路交通管理局的交通控制人員將能夠更好地通過預判管理交通流,有效防止交通堵塞。

    就國內來說,江蘇鎮江市從2012年起開始打造創建智能的交通系統,包括全面升級該市各大交通中心、80多條公交路線、400多個公交站點以及1000多輛公交車等,交通人員可以使用公交車調度系統來提升公共交通的效率。在鎮江交通系統中央指揮中心,能夠實時看到城市交通網絡的全景視圖。交通管理人員可以在原有交通管理系統中按時間間隔搜索歷史交通數據,并進行交通模式的高級別分析。

    據了解,鎮江市交通運輸局局長丁鋒表示,鎮江智能交通系統選用IBM智能運行中心解決方案。計劃將公交車和公交車站配備智能設備,前端智能設備將交通流量數據傳輸到智能運行中心,IBM的分析軟件利用這些收集得來的信息監控管理全市80多條公交線路,并進行車輛跟蹤,發布服務提示,出行者隨時可以獲得公交時刻信息和延誤預報。“該平臺還可以幫助城市交通管理部門預先察覺交通運行中的異常現象和不足之處,并迅速應對各種變化。”丁鋒說。
    3.動態化管理尚未到位

    傳統的交通管理主要依靠政府規劃和管理,難以實現交通的動態化管理。往往就是政府拍板,然后去做。而大數據時代則要求由下而上影響交通決策,通過對大數據的分析處理,輔助交通管理制定出較好的統籌和解決方案。

    條塊分割的信息化系統難成智能交通

    數據分析、處理、應用能力不足,欠缺針對海量數據的快速準確的信息提取技術。除此之外,智能交通系統建設涉及多部門、多領域,協調困難,阻礙了基礎信息資源的互通和共享,“中國的車流量遠遠不如新加坡等交通治理好的國家大,表面上是交通問題,實際上管理才是核心問題。”戴鉦說。

    我國大多數城市的各類交通運輸管理主體分散在不同的主管部門,呈現條塊分割的現象,每個部門都有自己的信息化系統,使得這些數據信息只保存在垂直業務和單一應用中,與鄰近業務缺乏共同聯動。分散管理必然會造成交通碎片化,交通信息分散且信息內容單一等,而真正的大數據則要求建立立體交通信息體系,通過將不同范圍、不同區域、不同領域的數據加以整合,構建公共交通信息集成利用模式,發揮整體行交通性能,這樣才能挖掘數據價值。

    近日,中國移動研究院首席科學家楊景在微博上,針對分割構建車聯網應用系統的做法提出反對意見。“按照行業、按照領域、按照地區、按照投資主體構造應用系統是人們習以為常的做法。這種思路在物聯網和云計算時代,車聯網領域,面臨嚴峻的挑戰。在層層疊疊的子系統之間通過建立標準進行數據交換,實現互聯互通這種傳統的樹型信息結構只會導致復雜性指數增加,是不可能成功的。”

    重慶:從政府說了算到第三方“拍板”

    重慶在發展智能交通的過程中,完成了一次制度的變革。戴鉦告訴記者,重慶目前可能是國內唯一由第三方企業——重慶城投金卡交通信息產業有限公司(下稱“重慶金卡”)為交通、安全、市政、規劃、財務等八個部門支撐服務的城市,“原來由財政撥款給八大部門,現直接撥款給該企業,這樣企業就能夠基于全貌數據來支撐決策,不僅提高了資金的應用效率,而且增加了決策的科學性。”

    重慶路橋的修建是個很好的應用。重慶是被圍起來的山城,市內橋的修建原來由主要靠路橋部門單方面的規劃和管理。“十年內重慶修建了5座橋,但是最終結果都不太理想”,戴鉦說,“不同地點修建橋梁,改善交通疏緩情況也會不同。交通的全貌數據呈現后,目前已在深刻影響重慶交通橋梁的規劃。”

    目前,重慶市280萬輛車由電子車牌管理。實現全市機動車的全覆蓋,完成了數百個信息采集點以及基于RFID技術的車輛自動識別支撐平臺等建設。戴鉦介紹,人大金倉作為該項目數據平臺的提供者,其新一代數據中心平臺解決了三方面的要求。

    首先,通過RFID采集的數據比其他技術采集的數據約大100倍,同時交通業務的實效性要求,并將結果推送到對外發布的公共平臺上,這要求在數據中心要能夠處理和分析一體化。其次,平臺需求要支撐7個以上不同的政府主管部門,數據接口不同,技術實現的架構不同,需要符合SOA架構的快速交付數據開發平臺成為必要的支撐。再次,針對應急情況,對數據處理實時性以及對數據中心的架構提出挑戰。一旦啟動全網的實時監控,系統的正常功能必將受到影響,數據中心的設計必須考慮特殊情況下的無縫拓展能力。

    戴鉦告訴記者,人大金倉新一代數據中心平臺基于SOA的架構實現不同對象的需求,為道路運輸管理局、規劃局、交通局等提供根據需要篩選出的數據。在展現方式上,可定采用“一圖解千言”的直觀圖形展現,可定制化的BI展示視圖,協助各政府部門更快捷、準確地獲得所需信息避免產生信息孤島,促進資源共享。
    國外案例

    瑞典斯德哥爾摩:道路堵塞稅讓交通流量降25%

    車多路少是不少城市的通病,瑞典首都斯德哥爾摩也不例外,每天超過50萬輛汽車在該市穿梭。瑞典國家公路管理局和斯德哥爾摩市政廳早在2006年初就宣布試征“道路堵塞稅”——每天的高峰時段當車輛經過在進出斯德哥爾摩市中心的道路上設置的控制站時,將對其進行收費。在這項工作中,分布于斯德哥爾摩城區出入口的18個路邊控制站將識別車輛,并根據一天不同時段對車輛收費。收費系統運用RFID、激光、攝像和先進的自由車流路邊系統,自動連貫地對車輛進行探測、識別、收費,稅費最高時段是上午7:30~8:29和16:00~17:29的高峰時段。

    整個系統是這樣運作的:車輛觸碰第一道激光束時,會觸動收發器天線,收發器向車輛的車載應答器發出信號,并記錄時間、日期和繳稅額。在收發器工作的同時,攝像機會拍攝車輛的車頭牌照。車輛通過第二道激光束時,啟動第二臺攝像機對車尾牌照,所有步驟均無需車輛減速。幾年下來,這套系統明顯緩解了斯德哥爾摩的交通堵塞情況,市中心的交通流量降低了大約25%,市區空氣質量也得到很大改善。

    記者手記

    每個人都是傳感器

    近日,青島某路口的一處監控桿在網上躥紅,三米長的監控桿上竟裝了11個探頭,被稱為“多角度無盲點11機霸氣連拍”……相關數據顯示,截至2012年8月10日,全國共19個省市公布了智能交通投資計劃,投資金額高達78.05億元。政府的投資力度是很大,但我們依舊飽受交通擁堵之苦。在巴塞羅那的多個停車場門口,您只要拿手機掃一下二維碼,即可知道是否有空車位;英國紐卡斯爾大學正在開發一套智能交通系統,它能告知司機,若以60邁的速度行駛,會遇到多少個紅燈……這些貼近生活的應用,比起室外冰冷的監控探頭、LED大屏幕來得更加親切。我們需要的是更具人性化的智能交通應用,而不是重復建設的硬件設備。

    另外,每個人都是智能交通體系關鍵點。我們不妨把每個人當成一個移動的傳感器,交通異常出現時,借助社交媒體的信息找出交通擁堵的原因,從而解決問題。將社交媒體、路況監測、城市攝像頭、GPS信息等零散的信息關聯起來,對多種異構數據進行管理和協同計算,也是一種可行的方法。正如于杰所說,移動化擴展或成智能交通發展的趨勢。

  • 關鍵字: 智能交通應用 大數據
  •    責任編輯:智能交通
  • 關于我們
  • 聯系我們
  • 廣告贊助
  • 快乐10分开奖视频