陸化普，孫智源，屈聞聰

（清華大學(xué)交通研究所，北京100084）

大數(shù)據(jù)及其在城市智能交通系統(tǒng)中的應(yīng)用綜述

陸化普*，孫智源，屈聞聰

（清華大學(xué)交通研究所，北京100084）

大數(shù)據(jù)給城市智能交通系統(tǒng)的技術(shù)發(fā)展與應(yīng)用革新帶來了機遇和挑戰(zhàn).從交通大數(shù)據(jù)的基本概念、交通大數(shù)據(jù)帶來的問題和大數(shù)據(jù)驅(qū)動的數(shù)學(xué)建模方法等方面，闡述了交通大數(shù)據(jù)給智能交通系統(tǒng)帶來的變革.為了深入理解交通大數(shù)據(jù)的內(nèi)涵，分析交通大數(shù)據(jù)的產(chǎn)生背景，提出了交通大數(shù)據(jù)的“6V”特征，總結(jié)了智能交通系統(tǒng)中大數(shù)據(jù)的基本類型.面對交通大數(shù)據(jù)帶來的數(shù)據(jù)安全、網(wǎng)絡(luò)通信、計算效率和數(shù)據(jù)存儲等諸多問題，提出了應(yīng)對策略和思路.對數(shù)據(jù)驅(qū)動的建模方法進(jìn)行了分析，說明了混合模型的意義.最后，討論了大數(shù)據(jù)驅(qū)動的智能交通系統(tǒng)的體系框架.

智能交通；交通大數(shù)據(jù)；數(shù)據(jù)驅(qū)動；智能交通系統(tǒng)

1 引言

隨著信息技術(shù)、通信技術(shù)、計算機技術(shù)等的快速發(fā)展，數(shù)字城市（Digital City）與智慧城市（Smart Ctiy）接踵而來.1998年1月，美國前副總統(tǒng)戈爾發(fā)表了題為“數(shù)字地球——新世紀(jì)人類星球之認(rèn)識（The Digital Earth:Understanding our planet in the21st Century）”的演說，數(shù)字地球的概念由此產(chǎn)生[1].2008年11月，時任IBM董事長兼CEO的彭明盛發(fā)布了題為“智慧地球：下一代領(lǐng)導(dǎo)人議程（A Smarter Planet:The Next Leadership Agenda）”的主題報告，正式提出了“智慧地球”（Smart Planet）的概念[2].數(shù)字城市和智慧城市都是美國的舶來品，二者都是信息化背景下現(xiàn)代城市發(fā)展的高級形態(tài).當(dāng)前，英國提出了“數(shù)字英國（Digital Britain）”計劃[3]，韓國提出了“U-Korea”戰(zhàn)略和“U-City”綜合計劃[4]，我國于2013年前后開展智慧城市試點示范工作[5].

數(shù)字城市與智慧城市的建設(shè)促進(jìn)了移動互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、云計算等技術(shù)的發(fā)展，并直接推動了大數(shù)據(jù)（Big data）時代的來臨.2008年，Nature出版了“Big Data”?？痆6]；2011年，Science出版了“Dealing with Data”專刊[7].2012年，美國政府正式發(fā)布了“大數(shù)據(jù)研究和發(fā)展倡議”[8]；我國于2011年發(fā)布了“物聯(lián)網(wǎng)‘十二五’發(fā)展規(guī)劃”，并陸續(xù)發(fā)布了一系列的發(fā)展規(guī)劃與白皮書.

在交通領(lǐng)域，傳統(tǒng)的數(shù)據(jù)采集向電子化設(shè)備與高級應(yīng)用轉(zhuǎn)變，助力交通大數(shù)據(jù)的形成與發(fā)展.從傳統(tǒng)的感應(yīng)線圈和微波雷達(dá)等固定檢測、基于浮動車的移動檢測，向北斗衛(wèi)星導(dǎo)航系統(tǒng)[9]、智能手機[10]等新型檢測手段，以及集約的交通傳感器布局[11]和穩(wěn)定的多源數(shù)據(jù)融合[12]方向發(fā)展.交通大數(shù)據(jù)為“感知現(xiàn)在、預(yù)測未來、面向服務(wù)”[13]提供了最基本的數(shù)據(jù)支撐，是解決城市交通問題的最基本條件，是制定宏觀城市交通發(fā)展戰(zhàn)略和建設(shè)規(guī)劃，進(jìn)行微觀道路交通管理與控制的重要保障.

數(shù)據(jù)是智能交通系統(tǒng)的基礎(chǔ)，交通數(shù)據(jù)采集手段和處理方法的深度革新將引領(lǐng)智能交通系統(tǒng)的變革.在大數(shù)據(jù)背景下，對交通大數(shù)據(jù)進(jìn)行深度分析，明確交通大數(shù)據(jù)的基本概念，了解交通大數(shù)據(jù)帶來的問題，理解大數(shù)據(jù)驅(qū)動的數(shù)學(xué)建模方法，探討在智能交通系統(tǒng)中的應(yīng)用具有非常重要的意義.

2 交通大數(shù)據(jù)的基本概念

2.1 交通大數(shù)據(jù)的特征

交通大數(shù)據(jù)與傳統(tǒng)交通數(shù)據(jù)的不同主要體現(xiàn)在特征中.當(dāng)前對大數(shù)據(jù)特征的描述主要有：3V[14]、4V[15]和5V[16]等.結(jié)合交通大數(shù)據(jù)的基本類型，認(rèn)為交通大數(shù)據(jù)具有6V特征，具體如表1所示.

表1 交通大數(shù)據(jù)的特征Table 1Characteristics of traffic big data

2.2 智能交通系統(tǒng)中的大數(shù)據(jù)

根據(jù)數(shù)據(jù)來源分布，智能交通系統(tǒng)中的大數(shù)據(jù)劃分如表2所示.

表2 智能交通系統(tǒng)中的大數(shù)據(jù)Table 2Big data in ITS

（1）交通流數(shù)據(jù)（固定檢測器）.

傳統(tǒng)固定檢測器獲取的交通流數(shù)據(jù)為智能交通系統(tǒng)的傳統(tǒng)應(yīng)用提供了基礎(chǔ)數(shù)據(jù)支撐.以北京為例，基于微波雷達(dá)、超聲波、感應(yīng)線圈、視頻監(jiān)控等檢測器，北京市公安局公安交通管理局建立了交通信息采集、處理、發(fā)布系統(tǒng)，北京市道路交通流預(yù)測預(yù)報系統(tǒng)[17]等.

（2）交通流數(shù)據(jù)（移動檢測器）.

通過固定檢測器與移動檢測器的數(shù)據(jù)融合[18]，獲取更加準(zhǔn)確的交通流數(shù)據(jù).以北京為例，北京市公安局公安交通管理局開展了“北京市道路交通流綜合分析與數(shù)據(jù)質(zhì)量評價體系研究”的項目，對固定檢測器、移動檢測器等獲取的多源數(shù)據(jù)進(jìn)行研究，優(yōu)化交通數(shù)據(jù)質(zhì)量[19].

（3）位置數(shù)據(jù)（移動檢測）.

先進(jìn)的移動通信技術(shù)拓展了交通移動檢測的應(yīng)用范圍，由傳統(tǒng)的交通流數(shù)據(jù)獲取推廣到位置數(shù)據(jù)的獲取，使得基于位置的服務(wù)成為可能.基于公交智能卡的數(shù)據(jù)，實現(xiàn)出行者出行行為的分析，為公交基礎(chǔ)設(shè)施建設(shè)和運營服務(wù)管理提供支持[20].基于出租車車載終端的數(shù)據(jù)，研究出行距離、出行時間和道路偏好對駕駛員路徑選擇的影響，進(jìn)而實現(xiàn)路徑的預(yù)測[21].應(yīng)用智能手機，可實現(xiàn)出行軌跡、出行方式、出行范圍、出行總量等的獲取[22，23].此外，車聯(lián)網(wǎng)的出現(xiàn)大大提高了城市交通信息綜合獲取的水平，豐富了交通數(shù)據(jù)來源和發(fā)布途徑[24，25].海量位置數(shù)據(jù)的處理和分析，為交通出行行為分析[26]，公交系統(tǒng)優(yōu)化[27]，車輛優(yōu)先控制[28]等提供了支撐.

（4）非結(jié)構(gòu)化視頻數(shù)據(jù)

非結(jié)構(gòu)化視頻數(shù)據(jù)一方面可用于宏觀態(tài)勢監(jiān)控，以廣西柳州為例，建設(shè)高空高清視頻監(jiān)控系統(tǒng)，掌控多交叉口或較大區(qū)域的交通宏觀態(tài)勢.一方面，通過視頻處理模塊，提供交通流特征參數(shù)及其他參數(shù)，以卡口系統(tǒng)、電子警察系統(tǒng)等為例，還可應(yīng)用于車輛類型識別[29]、交通狀態(tài)識別[30]等.

（5）多源的互聯(lián)網(wǎng)、政務(wù)網(wǎng)數(shù)據(jù)

互聯(lián)網(wǎng)、政務(wù)網(wǎng)為智能交通系統(tǒng)提供了廣泛的數(shù)據(jù)來源與發(fā)布途徑.以社交網(wǎng)絡(luò)為代表的互聯(lián)網(wǎng)可為智能交通系統(tǒng)提供交通事件的視頻等數(shù)據(jù).另外，互聯(lián)網(wǎng)也可成為交警非現(xiàn)場執(zhí)法、公交系統(tǒng)優(yōu)化等的重要數(shù)據(jù)來源.政務(wù)網(wǎng)為城市決策者和管理者提供了安全穩(wěn)定的信息交互平臺.通過政務(wù)網(wǎng)，可為智能交通系統(tǒng)接入城市路網(wǎng)結(jié)構(gòu)、氣象變化、特大活動、突發(fā)事件、應(yīng)急救援等數(shù)據(jù).

3 交通大數(shù)據(jù)帶來的問題

3.1 數(shù)據(jù)安全問題

交通大數(shù)據(jù)具有“Value”特征，蘊含了眾多的信息，有些信息涉及國家安全，例如，公安網(wǎng)傳輸?shù)臄?shù)據(jù)；有些信息涉及個人隱私，例如，卡口系統(tǒng)檢測的車輛軌跡數(shù)據(jù).在交通大數(shù)據(jù)采集、傳輸、存儲、處理、應(yīng)用等過程中，數(shù)據(jù)安全問題非常重要.智能交通系統(tǒng)依托智能交通專網(wǎng)進(jìn)行系統(tǒng)內(nèi)部的數(shù)據(jù)傳輸，以及與外網(wǎng)之間的數(shù)據(jù)交互時，必須符合規(guī)范和標(biāo)準(zhǔn)，保證網(wǎng)絡(luò)安全[31].另外，在數(shù)據(jù)處理過程中，需要遵循隱私保護(hù)機制，應(yīng)用隱私保護(hù)方法[32].

交通大數(shù)據(jù)具有“Veracity”特征，去偽存真是數(shù)據(jù)安全的另一重要問題.大量的冗余數(shù)據(jù)和錯誤數(shù)據(jù)不僅占據(jù)大量的存儲空間，浪費存儲資源，還會大大降低數(shù)據(jù)分析的有效性和穩(wěn)定性[33].進(jìn)行異常數(shù)據(jù)識別，缺失數(shù)據(jù)補充，錯誤數(shù)據(jù)修正，冗余數(shù)據(jù)消除具有非常重要的意義.

3.2 網(wǎng)絡(luò)通信問題

交通大數(shù)據(jù)具有“Volume”、“Velocity”、“Visualization”特征，要求網(wǎng)絡(luò)通信要滿足大容量數(shù)據(jù)的快速、穩(wěn)定傳輸，特別是高清視頻圖像數(shù)據(jù).交通大數(shù)據(jù)的“Variety”特征決定網(wǎng)絡(luò)通信方式的多樣化.目前，城市建立智能交通系統(tǒng)多采用自建專網(wǎng)、租用城市公網(wǎng)相結(jié)合的模式，具備有線通信與無線通信并存且互通特征.智能交通系統(tǒng)常用的網(wǎng)絡(luò)通信技術(shù)包括：有線電纜、光纖通信網(wǎng)絡(luò)、無線傳感網(wǎng)絡(luò)、移動通信系統(tǒng)、衛(wèi)星定位系統(tǒng)等.

3.3 計算效率問題

交通大數(shù)據(jù)具有“Velocity”特征，要求智能交通系統(tǒng)具備較高的計算效率，例如，交通數(shù)據(jù)預(yù)處理，交通狀態(tài)識別，短時交通流預(yù)測，實時交通流控制，動態(tài)交通誘導(dǎo)，實時公交調(diào)度等均具有時效性要求.云計算技術(shù)的發(fā)展帶來了新的解決方案，智能交通云的概念由此提出[34].基于云計算技術(shù)，使得計算機硬件和軟件得到有效利用，提高智能交通系統(tǒng)的計算效率.

3.4 數(shù)據(jù)存儲問題

交通大數(shù)據(jù)具有“Volume”特征，特別是長時間序列的非結(jié)構(gòu)化數(shù)據(jù)積累，給數(shù)據(jù)存儲帶來了巨大的壓力.存儲技術(shù)的發(fā)展遠(yuǎn)趕不上數(shù)據(jù)增長的速度，大量存儲服務(wù)器的購買提高了智能交通系統(tǒng)的建設(shè)成本，并占用了數(shù)據(jù)中心的建筑面積.當(dāng)前智能交通系統(tǒng)均采取縮短數(shù)據(jù)保存時限，降低數(shù)據(jù)存儲質(zhì)量的方式來減少存儲成本，影響了大數(shù)據(jù)的價值.云存儲技術(shù)的發(fā)展帶來了新的解決方案，基于云存儲與智能壓縮算法可以初步解決大數(shù)據(jù)的存儲問題.

4 大數(shù)據(jù)驅(qū)動的數(shù)學(xué)建模方法

2000年，美國自然科學(xué)基金會（NSF）首次提出了動態(tài)數(shù)據(jù)驅(qū)動應(yīng)用系統(tǒng)（Dynamic Data Driven Application Systems）的概念[35].數(shù)據(jù)驅(qū)動模型與機理模型、知識模型同屬常用的數(shù)學(xué)建模方法.機理模型從本質(zhì)上反映客觀規(guī)律，但是，建模過程繁瑣，參數(shù)標(biāo)定難度較大；知識模型以經(jīng)驗總結(jié)為基礎(chǔ)，模型簡單易于實現(xiàn)，但是，模型精度較低，研究對象的復(fù)雜性具有局限性；數(shù)據(jù)驅(qū)動模型從數(shù)據(jù)出發(fā)，是一個自下而上的建模過程，無需了解機理，精度較高，但是，模型的可解釋性較低，模型推廣性能較弱.對于復(fù)雜系統(tǒng)，特別是在某些情況下，機理模型不可行或難度較大，知識模型的精度較低，數(shù)據(jù)驅(qū)動模型的意義凸顯.常用的數(shù)據(jù)驅(qū)動方法如表3所示.

表3 傳統(tǒng)數(shù)據(jù)驅(qū)動方法Table 3Traditional big data driven method

大數(shù)據(jù)概念的提出，推動了大數(shù)據(jù)驅(qū)動思想的產(chǎn)生，促進(jìn)了機理模型、知識模型和數(shù)據(jù)驅(qū)動模型的混合使用.在大數(shù)據(jù)的背景下，機理模型、知識模型和數(shù)據(jù)驅(qū)動模型存在相互滲透、優(yōu)勢互補的關(guān)系，3種模型構(gòu)成的混合模型具有較好的應(yīng)用前景.依據(jù)知識和數(shù)據(jù)，簡化機理模型，并將數(shù)據(jù)驅(qū)動模型結(jié)合在一起，完成模型標(biāo)定，互為補充.機理和知識可以優(yōu)化數(shù)據(jù)，減少噪聲，確定合適的訓(xùn)練樣本，提高模型魯棒性.以基于時間序列、空間數(shù)據(jù)和歷史數(shù)據(jù)的短時交通流預(yù)測為例，知識模型用于初步確定與研究對象路段相關(guān)的數(shù)據(jù)集合，確定合適的訓(xùn)練樣本；機理模型用于標(biāo)定基于組合模型的短時交通流預(yù)測方法；數(shù)據(jù)驅(qū)動模型用于發(fā)現(xiàn)組合模型誤差與交通狀態(tài)的模式匹配關(guān)系，實驗表明混合模型具有較高的精度.

5 大數(shù)據(jù)驅(qū)動的智能交通系統(tǒng)

交通大數(shù)據(jù)給智能交通系統(tǒng)帶來了變革，主要體現(xiàn)在基本概念、面臨問題和建模方法等3個方面.面向上述變革，研究大數(shù)據(jù)驅(qū)動的智能交通系統(tǒng)具有重要的意義，體系框架如圖1所示.

（1）感知對象.

大數(shù)據(jù)驅(qū)動的智能交通系統(tǒng)具有海量的監(jiān)控對象.智能交通系統(tǒng)的感知對象從人、車、路、環(huán)境四個方面展開，包括：個體出行、營運車輛、交通管理和靜態(tài)系統(tǒng)等.

（2）全面感知.

大數(shù)據(jù)驅(qū)動的智能交通系統(tǒng)具有多樣的檢測手段和豐富的數(shù)據(jù)來源.針對城市交通數(shù)據(jù)源的分布情況和智能交通系統(tǒng)的數(shù)據(jù)需求，以固定檢測和移動檢測構(gòu)成的傳統(tǒng)交通信息采集系統(tǒng)為依托，拓展交通數(shù)據(jù)源的類型和數(shù)量，增加新型交通數(shù)據(jù)采集的使用，實現(xiàn)城市交通及相關(guān)系統(tǒng)的全面感知.全面感知體現(xiàn)在多樣的數(shù)據(jù)格式和數(shù)據(jù)類型上.

圖1 智能交通系統(tǒng)的體系框架Fig.1 System framework of ITS

（3）網(wǎng)絡(luò)通信.

大數(shù)據(jù)驅(qū)動的智能交通系統(tǒng)具有快速的網(wǎng)絡(luò)通信.針對交通大數(shù)據(jù)的實時傳輸要求，建立有線通信、長距離和短距離無線通信構(gòu)成的互聯(lián)互通信道，實現(xiàn)數(shù)據(jù)源、智能交通系統(tǒng)、服務(wù)對象的數(shù)據(jù)交互.智能交通專網(wǎng)作為數(shù)據(jù)交互的中心，與互聯(lián)網(wǎng)、政務(wù)網(wǎng)、公安網(wǎng)等連接，網(wǎng)絡(luò)接口具備合乎規(guī)范的網(wǎng)閘，以保障網(wǎng)絡(luò)通信的安全運行.

（4）中心平臺.

大數(shù)據(jù)驅(qū)動的智能交通系統(tǒng)具有高效的數(shù)據(jù)處理、存儲、共享與應(yīng)用.中心平臺承擔(dān)了智能交通系統(tǒng)的數(shù)據(jù)挖掘、數(shù)據(jù)存儲、數(shù)據(jù)共享等功能.數(shù)據(jù)挖掘以信息論、控制論、系統(tǒng)論為基礎(chǔ)，應(yīng)用交通流理論、交通網(wǎng)絡(luò)分析、交通工程學(xué)等交通基礎(chǔ)理論，或建立數(shù)據(jù)模型描述機理，或應(yīng)用模式匹配推斷結(jié)論.構(gòu)建智能交通云的體系架構(gòu)，以云計算、云存儲、云共享等新興技術(shù)解決數(shù)據(jù)處理速度、數(shù)據(jù)存儲空間、數(shù)據(jù)共享效率的問題.

（5）綜合服務(wù).

大數(shù)據(jù)驅(qū)動的智能交通系統(tǒng)具備優(yōu)質(zhì)的綜合服務(wù).綜合服務(wù)是智能交通系統(tǒng)的主要目的，包括基礎(chǔ)應(yīng)用和高級應(yīng)用.基礎(chǔ)應(yīng)用體現(xiàn)了“感知現(xiàn)在和預(yù)測未來”特征，實現(xiàn)多源數(shù)據(jù)的集成管理，從個體車輛、路段和交通網(wǎng)絡(luò)等方面進(jìn)行交通狀態(tài)的視頻監(jiān)控和量化分析，并對交通態(tài)勢進(jìn)行短期和長時間序列的分析和研判.高級應(yīng)用體現(xiàn)了“面向服務(wù)”特征，基于基礎(chǔ)應(yīng)用分析，實施交通控制與誘導(dǎo)，指導(dǎo)特勤任務(wù)、稽查布控等警務(wù)工作，并為應(yīng)急救援等城市綜合管理提供決策支撐，通過共享發(fā)布優(yōu)化綜合服務(wù)質(zhì)量.

（6）服務(wù)對象.

大數(shù)據(jù)驅(qū)動的智能交通系統(tǒng)具備廣泛的服務(wù)對象.根據(jù)智能交通系統(tǒng)的需求分析，服務(wù)對象主要包括：政府決策者、交通管理者、企業(yè)運營者、科研工作者、個體出行者等.

6 研究結(jié)論

移動互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、云計算等技術(shù)快速發(fā)展，智慧城市、智能交通系統(tǒng)等應(yīng)用快速推廣，交通大數(shù)據(jù)應(yīng)運而生.本文對當(dāng)前的大數(shù)據(jù)及其在智能交通系統(tǒng)中的應(yīng)用進(jìn)行分析，旨在為大數(shù)據(jù)驅(qū)動的智能交通系統(tǒng)立項、建設(shè)和運營提供建議.以下幾個問題可能實未來的研究熱點：

（1）硬件設(shè)計方面.

大數(shù)據(jù)背景下，需研究多源、海量數(shù)據(jù)的有效采集、穩(wěn)定傳輸、快速處理和合理存儲方法，特別是交通數(shù)據(jù)采集設(shè)備的研發(fā)問題.數(shù)據(jù)是智能交通系統(tǒng)基礎(chǔ)，大數(shù)據(jù)為智能交通系統(tǒng)提供了廣泛的數(shù)據(jù)來源，然而，智能交通系統(tǒng)的部分功能，以交通控制為例，需要準(zhǔn)確的、定制化的交通基礎(chǔ)數(shù)據(jù).在此背景下，交通數(shù)據(jù)采集設(shè)備的研發(fā)顯得尤為重要.

（2）軟件開發(fā)方面.

軟件是智能交通系統(tǒng)得以廣泛應(yīng)用的首要工具，是智能交通系統(tǒng)距離用戶最近的一部分，特別是在大數(shù)據(jù)的背景下，用戶可以通過個人電腦、手機、顯示屏等終端設(shè)備獲取信息，軟件開發(fā)的意義重大.在豐富數(shù)據(jù)的基礎(chǔ)上，從日益增長的交通管理和服務(wù)需求出發(fā)，兼顧城市發(fā)展和交通運行特征，進(jìn)行軟件的功能設(shè)計和操作優(yōu)化，以提高交通管理和服務(wù)的智能化水平.

（3）交通建模方面.

交通屬于典型的開放復(fù)雜巨系統(tǒng)，在交通建模研究中，機理、知識、數(shù)據(jù)的系統(tǒng)化應(yīng)用具有特殊的意義.大數(shù)據(jù)為交通模型的建立、標(biāo)定奠定了基礎(chǔ)，倒逼交通模型的自我完善，特別是混合交通流特性的研究、交通出行行為規(guī)律的發(fā)現(xiàn)、動態(tài)交通流時空特征的提取等基礎(chǔ)問題.此外，以大數(shù)據(jù)為基礎(chǔ)，交通控制的集成化、智能化、多模式化，交通誘導(dǎo)的群體覆蓋、個性支撐等逐漸成為可能.

[1]Gore A.The digital earth:Understanding our planet in the 21st century[J].Photogrammetric Engineering and Remote Sensing,1999,65(5):528.

[2]Palmisano S.A smarter planet:The next leadership agenda[R].New York:IBM,2008.

[3]Department for Culture,Media and Sport,Department for Business,Innovation and Skills.Digital Britain final report[R].London:Office of Public Sector Information, 2009.

[4]金江軍.韓國城市進(jìn)入U-CITY時代[J].信息化建設(shè), 2009(10):9-10.[JIN J J.Korea city to the era of UCITY[J].Informatization Construction,2009(10):9-10.]

[5]郭慧鵬.智慧城市:應(yīng)用日漸豐富多彩[N].中國信息化周報,2013-12-30028.[GUO H P.Smart city: applications becoming increasingly colorful[N].China Information Weekly,2013-12-30028.]

[6]Frankel F,Reid R.Big data:Distilling meaning from data[J].Nature,2008,455(7209):30-30.

[7]LosW,WoodJ.Dealingwithdata:Upgrading infrastructure[J].Science,2011,331(6024):1515-1516.

[8]李德仁,姚遠(yuǎn),邵振峰.智慧城市中的大數(shù)據(jù)[J].武漢大學(xué)學(xué)報(信息科學(xué)版),2014,39(6):631-640.[LI D R,YAO Y,SHAO Z F.Big data in smart city[J]. GeomaticsandInformationScienceofWuhan University,2014,39(6):631-640.]

[9]于淵,雷利軍,景澤濤,等.北斗衛(wèi)星導(dǎo)航在國內(nèi)智能交通等領(lǐng)域的應(yīng)用分析[J].工程研究——跨學(xué)科視野中的工程,2014,6(1):86-91.[YU Y,LEI L J,JING Z T,et al.Brief probe into the status and trend of compass navigation’sapplicationindomesticintelligent transportationsystems[J].JournalofEngineering Studies,2014,6(1):86-91.]

[10]Ahas R,Aasa A,Silm S,et al.Daily rhythms of suburban commuters’movements in the tallinn metropolitan area: Casestudywithmobilepositioningdata[J]. TransportationResearchPartC:Emerging Technologies,2010,18(1):45-54.

[11]Gentili M,Mirchandani P.Locating sensors on traffic networks:Models,challengesandresearch opportunities[J].TransportationResearchPartC: Emerging Technologies,2012,24:227-255.

[12]Bachmann C,Abdulhai B,Roorda M J,et al.A comparative assessment of multi-sensor data fusion techniques for freeway traffic speed estimation using microsimulation modeling[J].Transportation Research Part C:Emerging Technologies,2013,26:33-48.

[13]何非,何克清.大數(shù)據(jù)及其科學(xué)問題與方法的探討[J].武漢大學(xué)學(xué)報(理學(xué)版),2014,60(1):1-12.[HE F,HE K Q.The scientific problems and methodology of big data[J].Journal of Wuhan University(Natural Science Edition),2014,60(1):1-12.]

[14]ZikopouposPC,EatonC,de Roos D,et al. Understanding and streaming data[R].McGraw-Hill Companies,2012.

[15]Chen M,Mao S W,Zhang Y,et al.Big data related technologies,challenges and future prospects series[M]. Springer Briefs in Computer Science,2014.

[16]李清泉,李德仁.大數(shù)據(jù)GIS[J].武漢大學(xué)學(xué)報(信息科學(xué)版),2014,39(6):641-644,666.[LI Q Q,LI D R.Big data GIS[J].Geomatics and Information Science of Wuhan University,2014,39(6):641-644,666.]

[17]Li R M,Ma H L,Lu H P,et al.Research and application of the Beijing road traffic prediction system[J].Discrete Dynamics in Nature and Society,2014,316032.

[18]李嘉,劉春華,胡賽陽,等.基于交通數(shù)據(jù)融合技術(shù)的行程時間預(yù)測模型[J].湖南大學(xué)學(xué)報(自然科學(xué)版), 2014,41(1):33-38.[LI J,LIU C H,HU S Y,et al.A travel time prediction model based on traffic data fusion technology[J].Journal of Hunan University(Natural Sciences),2014,41(1):33-38.]

[19]北京市公安局公安交通管理局,清華大學(xué),北京交通大學(xué),等.北京市科技計劃課題任務(wù)書(Z12110000031210)[R].北京:北京市科學(xué)技術(shù)委員會,2012.[BeijingTrafficManagementBureau, Tsinghua University,Beijing Jiaotong University,et al. Topicsmissionstatementofbeijingscienceand technology program(Z12110000031210)[R].Beijing: Beijing Municipal Science and Technology Commission, 2012.]

[20]Tao S,Corcoran J,Mateo-Babiano I,et al.Exploring bus rapidtransitpassengertravelbehaviour using big data[J].Applied Geography,2014,53:90-104.

[21]Sun J,Zhang C,Zhang L H,et al.Urban travel behavior analyses and route prediction based on floating car data[J].Transportation Letters,2014,6(3):118-125.

[22]Abdulazim T,Abdelgawad H,Habib K,et al.Using smartphonesandsensortechnologiestoautomate collection of travel data[J].Transportation Research Board,2013(2383):44-52.

[23]冉斌.手機數(shù)據(jù)在交通調(diào)查和交通規(guī)劃中的應(yīng)用[J].城市交通,2013,11(1):72-81.[RAN B.Use of cellphone data in travel survey and transportation planning[J].Urban Transport of China,2013,11(1):72-81.]

[24]汪成亮,張晨.面向車聯(lián)網(wǎng)的交通流參數(shù)檢測[J].計算機工程與應(yīng)用,2012,48(23):212-218.[WANG C L, ZHANG C.Detection model of traffic flow parameters oriented internet of vehicles[J].Computer Engineering and Applications,2012,48(23):212-218.]

[25]段宗濤,康軍,唐蕾,等.車聯(lián)網(wǎng)大數(shù)據(jù)環(huán)境下的交通信息服務(wù)協(xié)同體系[J].長安大學(xué)學(xué)報(自然科學(xué)版). 2014,34(2):108-114.[DUAN Z T,KANG J,TANG L, etal.Trafficinformationservicecooperation architecture based on vehicular network big data[J]. Journal of Chang’an University(Natural and Science Edition),2014,34(2):108-114.]

[26]Gonzalez MC,Hidalgo CA,Barabasi AL.Understanding individual human mobility patterns[J].Nature,2008,453 (7196):779-782.

[27]Aguiléra V,Allio S,Benezech V,et al.Using cell phone data to measure quality of service and passenger flows ofParis transit system[J].Transportation Research Part C, 2014,43:198-211.

[28]Al Azri A,Chilamkurti N.Priority-based vehicle-toinfrastructure communication(PV2I)in UMTS[C].6th International Symposium on Wireless and Pervasive Computing,Hong Kong,2011.

[29]Sun X,Lu H P,Wu J.Bus detection based on sparse representationfortransitsignalpriority[J]. Neurocomputing,2013,118:1-9.

[30]廖律超,蔣新華,鄒復(fù)民,等.基于交通視頻的交通擁堵狀態(tài)自動識別方法[J].公路交通科技,2014,31(1): 110-117.[LIAO L C,JIANG X H,ZOU F M,et al.An automatic recognition approach for traffic congestion states based on traffic video[J].Journal of Highway and Transportation Research and Development,2014,31(1): 110-117.]

[31]公安部交通管理科學(xué)研究所.公安交通集成指揮平臺通信協(xié)議[S].GA/T1049,2014.[Institute of Traffic Management Research,Ministry of Public Security. Communicationprotocolsofpublicsecuritytraffic integrated command platform[S].GA/T1049,2014.]

[32]王璐,孟小峰.位置大數(shù)據(jù)隱私保護(hù)研究綜述[J].軟件學(xué)報,2014,25(4):693-712.[WANG L,MENG X F. Locationprivacypreservationinbig data era:A survey[J].Journal of Software,2014,25(4):693-712.]

[33]劉智慧,張泉靈.大數(shù)據(jù)技術(shù)研究綜述[J].浙江大學(xué)學(xué)報(工學(xué)版),2014,48(6):957-972.[LIU Z H,ZHANG Q L.Research overview of big data technology[J]. Journal of Zhejiang University(Engineering Science), 2014,48(6):957-972.]

[34]錢哨,張云鵬,黃少波.智能交通云:基于云計算的智能交通系統(tǒng)[J].計算機與現(xiàn)代化,2010,11:168-171. [QIAN S,ZHANG Y P,HUANG S B.Intelligent transport cloud:ITS based on cloud computing[J]. Computer and Modernization,2010,11:168-171.]

[35]周云,黃柯棣,胡德文.動態(tài)數(shù)據(jù)驅(qū)動應(yīng)用系統(tǒng)的概念研究[J].系統(tǒng)仿真學(xué)報,2009,21(8):2138-2141. [ZHOU Y,HUANG K D,HU D W.Conceptual study on dynamic data driven application system[J].Journal of System Simulation,2009,21(8):2138-2141.]

[36]Qu J G,Cui Y H,Zhou G C,et al.Application of multiple linear regression model in the performance analysis of traffic rules[J].Journal of Chemical and Pharmaceutical Research,2014,6(3):164-169.

[37]Gao J W,Zhang Bin,Leng Z W,et al.Short-term traffic flow forecasting based on phase space reconstruction and optimized RBF neural network[J].ICIC Express Letters,Part B:Applications,2015,6(1):19-26.

[38]Ding L,Yu F,Peng S,et al.A classification algorithm for networktrafficbasedonimprovedsupportvector machine[J].Journal of Computers(Finland),2013,8(4): 1090-1096.

[39]Chan K Y,Dillon T S.On-road sensor configuration design for traffic flow prediction using fuzzy neural networks and taguchi method[J].IEEE Transactions on Instrumentation and Measurement,2013,62(1):50-59.

[40]El-Tantawy S,Abdulhai B,Abdelgawad H.Design of reinforcementlearningparametersforseamless application of adaptive traffic signal control[J].Journal ofIntelligentTransportationSystems:Technology, Planning,and Operations,2014,18(3):227-245.

Big Data and Its Applications in Urban Intelligent Transportation System

LU Hua-pu，SUN Zhi-yuan，QU Wen-cong
（Institute of Transportation Engineering，Tsinghua University，Beijing 100084，China）

Big data brings both opportunities and challenges to technological development and application innovation of urban intelligent transportation system.Significant changes of ITS,which brought by traffic big data,are shown in three aspects:the concept of traffic big data,problems brought by traffic big data,and big-data-driven based mathematic modeling methods.This paper is intended to deeply understand big data, the background and category of traffic big data are sketched,the“6V”characteristics of traffic big data are proposed,the basic types of traffic big data in ITS are summarized.Strategies and ideas are presented based on the problems of traffic big data,namely,data security,network communication,computational efficiency, and data storage.This paper also analyzes the method of data driven model,and describes the significance of hybrid model.Finally,system framework of ITS based on traffic big data is proposed.

intelligent transportation;traffic big data;data driven;intelligent transportation system0

1009-6744（2015）05-0045-08

U491.1

A

2015-02-04

2015-08-30錄用日期：2015-09-09

“十二五”國家科技支撐計劃（2014BAG01B04-03）；國家自然科學(xué)基金（51408023）；清華大學(xué)蘇州汽車研究院（吳江）返校經(jīng)費課題（2015WJ-B-02）.

陸化普（1957-），男，遼寧鐵嶺人，教授. ＊

luhp@tsinghua.edu.cn