劉勇良

摘 要：當(dāng)前，互聯(lián)網(wǎng)及通信技術(shù)的廣泛應(yīng)用為智能交通系統(tǒng)提供了大量的實(shí)時(shí)數(shù)據(jù)，亟需對(duì)其進(jìn)行管理、交換、譯制、匯聚和分析研判?；ヂ?lián)網(wǎng)及通信技術(shù)大大提高了智能交通系統(tǒng)的用戶(hù)友好度及有效性，提供了可觀(guān)的經(jīng)濟(jì)和社會(huì)影響。在物聯(lián)網(wǎng)和云技術(shù)的大背景下，軟件架構(gòu)的需求和智能交通系統(tǒng)新特性需要真實(shí)的應(yīng)用場(chǎng)景來(lái)推導(dǎo)。本文主要闡述大數(shù)據(jù)處理與挖掘技術(shù)的應(yīng)用對(duì)智能交通系統(tǒng)所產(chǎn)生的有利影響，并指出智能交通系統(tǒng)下大數(shù)據(jù)挖掘和處理領(lǐng)域新的工作方向。

關(guān)鍵詞：智能交通;云計(jì)算;數(shù)據(jù)挖掘;計(jì)算統(tǒng)計(jì)

中圖分類(lèi)號(hào)：U495;TP311.13 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1003-5168（2019）04-0138-06

Big Data Processing and Mining Techmology which applied

in Modern Intelligent Transportation System

LIU Yongliang

（Henan Traffic and Communication Center， Zhengzhou Henan 450000）

Abstract： At present， the wide application of Internet and communication technology provides a large amount of real-time data for ITS， which needs to be managed， exchanged， translated， aggregated， analyzed and judged urgently. Internet and communication technology have greatly improved the user friendliness and effectiveness of ITS， and provided considerable economic and social impact. Under the background of Internet of Things and cloud technology， the requirement of software architecture and the new features of ITS need real application scenarios to derive. This paper mainly expounded the beneficial influence of the application of big data processing and mining technology on ITS， and pointed out the new direction of work in the field of big data mining and processing under ITS.

Keywords： intelligent transportation system;cloud computing;data mining;computational statistics

1 研究背景

近年來(lái)，日益增加的交通量和規(guī)律性的擁堵要求從基礎(chǔ)設(shè)施和交通管理方面提出解決方案。隨著交通系統(tǒng)的組件變得更加自主和智能（例如，車(chē)輛和基礎(chǔ)設(shè)施的新通信能力），對(duì)運(yùn)輸管理和環(huán)境監(jiān)測(cè)的智能運(yùn)輸系統(tǒng)之間的合作的需求日益增加，以便改進(jìn)交通管理策略。此外，智能交通管理系統(tǒng)方面的投資量日益增加。在新一代的商業(yè)管理系統(tǒng)中，交通系統(tǒng)的管理與運(yùn)輸企業(yè)的商業(yè)戰(zhàn)略緊密結(jié)合，使得企業(yè)在業(yè)務(wù)規(guī)劃、服務(wù)質(zhì)量和適應(yīng)客戶(hù)需求等方面的影響力不段增強(qiáng)。

所有智能交通系統(tǒng)的參與者作為數(shù)據(jù)的來(lái)源，會(huì)在短時(shí)間內(nèi)產(chǎn)生大量可利用的、更新頻繁的數(shù)據(jù)。數(shù)據(jù)的增長(zhǎng)主要來(lái)自人們對(duì)社交媒體及網(wǎng)絡(luò)的使用，如車(chē)輛和交通系統(tǒng)中新型傳感器的使用，云計(jì)算和物聯(lián)網(wǎng)等現(xiàn)代信息和通信技術(shù)的應(yīng)用等。隨著移動(dòng)設(shè)備、航空感應(yīng)技術(shù)（遙感）、照相機(jī)、麥克風(fēng)、射頻識(shí)別讀取器和無(wú)線(xiàn)傳感器網(wǎng)絡(luò)等信息設(shè)備被越來(lái)越多地用于收集數(shù)據(jù)，數(shù)據(jù)集的規(guī)模越來(lái)越大。機(jī)器生成的和非結(jié)構(gòu)化的數(shù)據(jù)如照片、視頻、社交媒體提要等的比例也在不斷增加。在該背景下，智能交通系統(tǒng)中出現(xiàn)了大數(shù)據(jù)問(wèn)題。大數(shù)據(jù)通常包括數(shù)據(jù)集，其大小超出了常用軟件工具在可容忍的時(shí)間內(nèi)捕獲、策劃、管理和處理數(shù)據(jù)的能力。大數(shù)據(jù)能提供相關(guān)客戶(hù)及其行為的詳細(xì)信息，但應(yīng)以分散（多代理）方式進(jìn)行適當(dāng)分析，同時(shí)避免傳輸大量信息。而云和網(wǎng)格計(jì)算基礎(chǔ)架構(gòu)非常適合存儲(chǔ)、管理和處理大數(shù)據(jù)。

從本質(zhì)上講，大數(shù)據(jù)在物理和邏輯上是分散的，但實(shí)際上是集中的。所有信息源/存儲(chǔ)都是互連的，原則上，任何信息都可以由系統(tǒng)的任一組件訪(fǎng)問(wèn)。大數(shù)據(jù)量通常在物理層上以分散的方式創(chuàng)建和管理。這會(huì)增加訪(fǎng)問(wèn)信息時(shí)的信息成本。

為了在分散的信息處理決策和數(shù)據(jù)傳輸決策協(xié)調(diào)之間尋找有效的平衡點(diǎn)，運(yùn)用大數(shù)據(jù)處理和挖掘技術(shù)并提出相應(yīng)的應(yīng)用決策是必須的。這就需要采用創(chuàng)新的大數(shù)據(jù)處理及挖掘技術(shù)，并開(kāi)發(fā)相應(yīng)的決策算法，以支持智能交通系統(tǒng)應(yīng)用程序查找、收集、聚合、處理和分析最佳決策制定所需的信息以及有效的用戶(hù)行為策略[1]。

基于高度可擴(kuò)展的分布式計(jì)算資源的云計(jì)算技術(shù)為大數(shù)據(jù)處理及挖掘提供了大容量存儲(chǔ)和快速計(jì)算的能力。但是，實(shí)施交通云并非易事。從用戶(hù)的觀(guān)點(diǎn)來(lái)看，數(shù)據(jù)和算法的復(fù)雜性隱藏在云中。用戶(hù)（交通管理機(jī)構(gòu)、司乘人員）期望通過(guò)移動(dòng)或嵌入式設(shè)備在互聯(lián)網(wǎng)上使用相對(duì)簡(jiǎn)單的應(yīng)用程序和界面。這些設(shè)備是連接的，并且（理論上）可以使用其他用戶(hù)和系統(tǒng)元件提供的所有信息。

本文將從以下五個(gè)方面進(jìn)行探討：第一，分析以云為基礎(chǔ)的結(jié)構(gòu)和智能交通系統(tǒng)的應(yīng)用場(chǎng)景;第二，考慮用于實(shí)施相應(yīng)數(shù)據(jù)挖掘與處理技術(shù)的架構(gòu)和用于運(yùn)輸操作的決策策略;第三，討論三種情況下合適的算法;第四，對(duì)基于計(jì)算統(tǒng)計(jì)的分散式協(xié)同大數(shù)據(jù)處理與挖掘方法進(jìn)行討論，并在真實(shí)的交通數(shù)據(jù)中對(duì)其效率進(jìn)行評(píng)估;第五，指出并討論未來(lái)在智能交通系統(tǒng)中的大數(shù)據(jù)挖掘與處理領(lǐng)域的工作方向。

2 現(xiàn)狀分析

2.1 需求與應(yīng)用

目前，大數(shù)據(jù)已成為世界范圍內(nèi)信息與通訊技術(shù)領(lǐng)域主要的科研課題。智能交通系統(tǒng)研究與發(fā)展也與大數(shù)據(jù)處理技術(shù)緊密相連，因此智能交通系統(tǒng)也是大數(shù)據(jù)挖掘與處理的重要領(lǐng)域之一。從應(yīng)用方面來(lái)看，智能城市物流運(yùn)營(yíng)對(duì)智能交通系統(tǒng)來(lái)講是較為重要的，其對(duì)城市貨物運(yùn)輸有很大的影響。

2.2 未來(lái)信息和通訊技術(shù)在智能交通系統(tǒng)中的應(yīng)用

未來(lái)的信息和通訊技術(shù)可以滿(mǎn)足用戶(hù)需求，增強(qiáng)智能交通系統(tǒng)并為高性能計(jì)算提供大規(guī)模的基礎(chǔ)架構(gòu)，這些基礎(chǔ)架構(gòu)具有“彈性”性質(zhì)[2]。

無(wú)線(xiàn)傳輸、移動(dòng)互聯(lián)網(wǎng)、移動(dòng)傳感器等現(xiàn)代移動(dòng)和通訊技術(shù)為智能交通系統(tǒng)提供了良好的技術(shù)支持。目前，車(chē)輛大多都配備了具有強(qiáng)大通信和數(shù)據(jù)處理能力的移動(dòng)設(shè)備、傳感器等，以期為司乘人員提供環(huán)境信息?？旖?、高質(zhì)量的3G或者4G移動(dòng)互聯(lián)網(wǎng)連接時(shí)刻提供廉價(jià)方便的服務(wù)，這意味著大多數(shù)交通參與者已經(jīng)實(shí)現(xiàn)實(shí)時(shí)的互聯(lián)互通。而如何利用這些連接為交通參與者提供可靠有效的需求服務(wù)是當(dāng)前亟待解決的問(wèn)題。

環(huán)境智能這個(gè)術(shù)語(yǔ)是建立在普適計(jì)算、泛在計(jì)算分析、情境感知及以人為中心的計(jì)算交互設(shè)計(jì)。在計(jì)算機(jī)領(lǐng)域，環(huán)境智能（Ambient Intelligence，AmI）是指對(duì)一個(gè)人有感應(yīng)和反饋的電子環(huán)境。

2.3 智能交通系統(tǒng)結(jié)構(gòu)

云計(jì)算是個(gè)經(jīng)常被提及的問(wèn)題，在智能交通系統(tǒng)中，主要從設(shè)備、通信和服務(wù)層的角度考慮云計(jì)算。在車(chē)輛駕駛員和外部車(chē)輛之的交互，同時(shí)考慮車(chē)輛到車(chē)輛（V2V）和車(chē)輛到基礎(chǔ)設(shè)施（V2I）的交互，以更有效的方式共享和利用外部資源。智能交通系統(tǒng)中的云架構(gòu)如圖1所示。

結(jié)構(gòu)層包括云中可用的所有計(jì)算、存儲(chǔ)、數(shù)據(jù)和網(wǎng)絡(luò)資源。資源可通過(guò)資源服務(wù)訪(fǎng)問(wèn)，用于云計(jì)算、管理和測(cè)試平臺(tái)?；谠朴?jì)算的智能交通系統(tǒng)分層結(jié)構(gòu)如圖2所示。

統(tǒng)一來(lái)源層通過(guò)使用虛擬機(jī)定義對(duì)結(jié)構(gòu)層的原始計(jì)算資源的統(tǒng)一訪(fǎng)問(wèn)來(lái)提供基礎(chǔ)架構(gòu)即服務(wù)。

平臺(tái)層提供平臺(tái)即服務(wù)，包括在統(tǒng)一資源之上的專(zhuān)用工具、中間件和服務(wù)的集合，以創(chuàng)建部署平臺(tái)（例如，調(diào)度創(chuàng)建服務(wù)和人工測(cè)試床）。

應(yīng)用程序?qū)影谠浦羞\(yùn)行的所有應(yīng)用程序。云中的應(yīng)用程序執(zhí)行是分布式的：應(yīng)用程序可以部分在客戶(hù)端上執(zhí)行，部分在云中執(zhí)行[3]。

3 智能交通系統(tǒng)中的大數(shù)據(jù)挖掘和處理技術(shù)

3.1 大數(shù)據(jù)挖掘和處理方法

經(jīng)典的數(shù)據(jù)處理和挖掘方法是集中式的。為了應(yīng)用這些技術(shù)，數(shù)據(jù)必須立即就地可用。但是，大數(shù)據(jù)不斷更新并收集在物理分布式存儲(chǔ)中，并且數(shù)據(jù)集中化是不可能的。

使用集中式的處理方法，系統(tǒng)無(wú)法實(shí)時(shí)快速地進(jìn)行情景適配，并且通過(guò)網(wǎng)絡(luò)傳輸和存儲(chǔ)大數(shù)據(jù)，在統(tǒng)一位置管理和處理大數(shù)據(jù)將會(huì)非常困難或者不可能實(shí)現(xiàn)。因此，開(kāi)發(fā)一種有效的、考慮數(shù)據(jù)時(shí)間和空間分布的分散式結(jié)構(gòu)大數(shù)據(jù)挖掘及處理算法成為急需解決的問(wèn)題。

現(xiàn)今，從技術(shù)和成本的角度來(lái)看，分析和處理大數(shù)據(jù)已經(jīng)變得可行。很多大數(shù)據(jù)框架?chē)@著商業(yè)交易、商業(yè)策略分析、識(shí)別價(jià)值且與結(jié)構(gòu)的或非結(jié)構(gòu)的數(shù)據(jù)息息相關(guān)。大數(shù)據(jù)處理和挖掘技術(shù)有助于將大數(shù)據(jù)以壓縮（集群）的方式進(jìn)行存儲(chǔ)，并查找數(shù)據(jù)行為準(zhǔn)則。接下來(lái)簡(jiǎn)要介紹幾種主要的大數(shù)據(jù)挖掘及處理方法。

回歸分析是確定兩種或兩種以上變量間相互依賴(lài)的定量關(guān)系的一種統(tǒng)計(jì)分析方法?；貧w分析按照涉及的變量的多少，分為一元回歸和多元回歸分析;按照自變量的多少，可分為簡(jiǎn)單回歸分析和多重回歸分析;按照自變量和因變量之間的關(guān)系類(lèi)型，可分為線(xiàn)性回歸分析和非線(xiàn)性回歸分析。如果在回歸分析中，只包括一個(gè)自變量和一個(gè)因變量，且二者的關(guān)系可用一條直線(xiàn)近似表示，這種回歸分析稱(chēng)為一元線(xiàn)性回歸分析。如果回歸分析中包括兩個(gè)或兩個(gè)以上的自變量，且自變量之間存在線(xiàn)性相關(guān)，則稱(chēng)為多重線(xiàn)性回歸分析。

時(shí)間序列預(yù)測(cè)分析就是利用過(guò)去一段時(shí)間內(nèi)某事件時(shí)間的特征來(lái)預(yù)測(cè)未來(lái)一段時(shí)間內(nèi)該事件的特征。時(shí)間序列數(shù)據(jù)具有自然的時(shí)間順序，這與典型的數(shù)據(jù)挖掘/機(jī)器學(xué)習(xí)應(yīng)用程序不同，其中每個(gè)數(shù)據(jù)點(diǎn)是要學(xué)習(xí)的概念的獨(dú)立實(shí)現(xiàn)，并且數(shù)據(jù)集內(nèi)的數(shù)據(jù)點(diǎn)的排序無(wú)關(guān)緊要。

聚類(lèi)分析是一組用于對(duì)對(duì)象進(jìn)行分類(lèi)的統(tǒng)計(jì)方法，這些對(duì)象將不同的組分成較小的相似對(duì)象組，其相似性的特征事先是未知的。由于不使用訓(xùn)練數(shù)據(jù)，這是一種無(wú)監(jiān)督學(xué)習(xí)。

分類(lèi)分析是基于包含其類(lèi)別成員資格已知的觀(guān)察（或?qū)嵗┑挠?xùn)練數(shù)據(jù)集來(lái)識(shí)別新觀(guān)察所屬的一組類(lèi)別（子群體）中的哪一個(gè)的問(wèn)題。

3.2 云計(jì)算基礎(chǔ)設(shè)施和大數(shù)據(jù)挖掘及處理

云計(jì)算架構(gòu)的特點(diǎn)是用戶(hù)與系統(tǒng)緊密集成，并根據(jù)物聯(lián)網(wǎng)創(chuàng)建虛擬代理。由于數(shù)據(jù)與每一個(gè)用戶(hù)緊密相連且數(shù)據(jù)在云上存儲(chǔ)，因此，云計(jì)算系統(tǒng)會(huì)將數(shù)據(jù)自動(dòng)進(jìn)行分配。虛擬用戶(hù)完全接入系統(tǒng)且對(duì)每一條數(shù)據(jù)都有訪(fǎng)問(wèn)權(quán)限。

云系統(tǒng)的用戶(hù)通常具有有限的計(jì)算能力，因?yàn)槠浣?jīng)常使用移動(dòng)設(shè)備連接到云。因此，大數(shù)據(jù)的處理及挖掘部分在本地執(zhí)行，部分由其他代理執(zhí)行，其收集用戶(hù)信息并將信息存儲(chǔ)在云中。大數(shù)據(jù)挖掘及處理的主要問(wèn)題是工作量和通訊費(fèi)用。由于數(shù)據(jù)代理/中心的高連接性，云計(jì)算的實(shí)施處理了大量此類(lèi)工作負(fù)載。

大數(shù)據(jù)挖掘與處理技術(shù)在云計(jì)算基礎(chǔ)架構(gòu)中應(yīng)用時(shí)仍保持分布狀態(tài)。然而，信息可用性的問(wèn)題被信息成本問(wèn)題所取代，信息成本問(wèn)題將以下因素考慮在內(nèi)，如信息位置、提取速度、質(zhì)量、可靠性等。對(duì)云計(jì)算系統(tǒng)有大量的類(lèi)似但不完全相同的需求用戶(hù)有很多。為此，應(yīng)建立不同級(jí)別的數(shù)據(jù)處理以及預(yù)先計(jì)算的特征，然后有效地與實(shí)際用戶(hù)數(shù)據(jù)相結(jié)合。

在云環(huán)境中使用大數(shù)據(jù)挖掘及處理技術(shù)有以下優(yōu)點(diǎn)：①在沒(méi)有物理集成的情況下將數(shù)據(jù)源虛擬集成到系統(tǒng)中;②促進(jìn)基于成本的選擇性大數(shù)據(jù)挖掘及處理技術(shù);③基于多目標(biāo)大數(shù)據(jù)挖掘及處理技術(shù)的刺激;④支持多階段大數(shù)據(jù)挖掘與處理技術(shù)和不同級(jí)別的數(shù)據(jù)處理。

3.3 大數(shù)據(jù)挖掘及處理技術(shù)的未來(lái)發(fā)展趨勢(shì)：計(jì)算統(tǒng)計(jì)

云計(jì)算平臺(tái)有助于數(shù)據(jù)收集和為計(jì)算統(tǒng)計(jì)運(yùn)作提供必要的資源。計(jì)算統(tǒng)計(jì)是統(tǒng)計(jì)學(xué)與計(jì)算機(jī)科學(xué)之間的接口，其是統(tǒng)計(jì)學(xué)數(shù)學(xué)科學(xué)特有的計(jì)算科學(xué)領(lǐng)域，旨在設(shè)計(jì)用于計(jì)算機(jī)實(shí)現(xiàn)統(tǒng)計(jì)方法的算法，包括在計(jì)算機(jī)時(shí)代之前不可想象的算法（例如，引導(dǎo)，模擬），以及應(yīng)對(duì)分析上棘手的問(wèn)題。計(jì)算統(tǒng)計(jì)假設(shè)通過(guò)使用不同組合的可用數(shù)據(jù)來(lái)應(yīng)用迭代計(jì)算而不是復(fù)雜的分析模型。由此產(chǎn)生的問(wèn)題的解決方案是近似的，然而，在許多實(shí)際情況下（大量可用信息，分析系統(tǒng)的復(fù)雜和層次結(jié)構(gòu)及數(shù)據(jù)的依賴(lài)性），其可能會(huì)比經(jīng)典方法提供更穩(wěn)健和精確的結(jié)果，甚至可以在經(jīng)典方法不可行的情況下工作。此外，計(jì)算統(tǒng)計(jì)應(yīng)用很簡(jiǎn)單，不需要復(fù)雜的分析或符號(hào)程序。

在大數(shù)據(jù)挖掘及處理方法中，廣泛應(yīng)用計(jì)算統(tǒng)計(jì)方法，如重采樣、引導(dǎo)程序和內(nèi)核密度，以便在分散式架構(gòu)中進(jìn)行回歸分析和聚類(lèi)。

4 交通運(yùn)輸中的大數(shù)據(jù)處理及挖掘參考架構(gòu)

在前面章節(jié)中，筆者討論了大數(shù)據(jù)處理及挖掘在基于云計(jì)算的智能交通系統(tǒng)中的應(yīng)用。接下來(lái)，主要分析基于云計(jì)算的智能交通系統(tǒng)架構(gòu)，并對(duì)其主要數(shù)據(jù)流進(jìn)行解釋。此外，筆者還還展示了如何使用大數(shù)據(jù)處理及挖掘技術(shù)處理數(shù)據(jù)流，并提供足夠的信息來(lái)滿(mǎn)足用戶(hù)請(qǐng)求。

在云中執(zhí)行的應(yīng)用程序是數(shù)據(jù)密集型的。通過(guò)云提供的服務(wù)需要處理、匯總和分析大量數(shù)據(jù)。

綜上所述，計(jì)算是云計(jì)算的瓶頸。因此，大數(shù)據(jù)處理及挖掘的一個(gè)非常重要的挑戰(zhàn)是本地?cái)?shù)據(jù)源（客戶(hù)端）和云之間數(shù)據(jù)處理的合理平衡。如果客戶(hù)端擁有足夠的計(jì)算能力，則可將數(shù)據(jù)進(jìn)行本地預(yù)處理，并將已處理的數(shù)據(jù)提供給云端，以減少云計(jì)算壓力、節(jié)省網(wǎng)絡(luò)資源。然而，如果客戶(hù)端的計(jì)算能力不允許進(jìn)行信息處理，則原始數(shù)據(jù)被提供給云端處理。數(shù)據(jù)流互聯(lián)如圖3所示。

接下來(lái)，筆者考慮用大數(shù)據(jù)處理及挖掘的參考架構(gòu)和智能交通系統(tǒng)中的決策階段。在這個(gè)架構(gòu)中，筆者專(zhuān)注于說(shuō)明數(shù)據(jù)流及其處理，以及使用結(jié)果來(lái)優(yōu)化參與者策略并滿(mǎn)足其要求。圖4顯示了大數(shù)據(jù)處理及挖掘的主要架構(gòu)和智能交通系統(tǒng)中的決策階段。

需要注意的是，可以使用來(lái)自不同提供商的多種云。一些問(wèn)題對(duì)他們來(lái)說(shuō)可能是相似的，他們之間的合作是可能的。智能交通系統(tǒng)的使用者（交通參與者，例如，車(chē)輛或行人，商業(yè)用戶(hù)如物流提供商、公共交通工具或出租車(chē)，數(shù)據(jù)提供者如攝像機(jī)或探測(cè)器，以及交通管理員如交通管理中心或交通管制元件），使用穩(wěn)定和永久的互聯(lián)網(wǎng)通訊與云端連接。這創(chuàng)建了一個(gè)虛擬用戶(hù)網(wǎng)絡(luò)，實(shí)際上其是云中現(xiàn)實(shí)的鏡像。該虛擬現(xiàn)實(shí)包含分布式用戶(hù)數(shù)據(jù)（部分存儲(chǔ)在用戶(hù)設(shè)備中，部分存儲(chǔ)在由云提供的虛擬存儲(chǔ)中，但仍與用戶(hù)相關(guān)聯(lián)）。需要注意的是，斷開(kāi)用戶(hù)與云的連接并不意味著消除其虛擬表示，這僅表示本地存儲(chǔ)的數(shù)據(jù)在云中不可用。

在第一階段，應(yīng)對(duì)數(shù)據(jù)進(jìn)行預(yù)處理。原始傳感器數(shù)據(jù)需要非常大的存儲(chǔ)空間，并且不能長(zhǎng)時(shí)間存儲(chǔ)。此數(shù)據(jù)可以在本地處理或上傳到云端并在那里進(jìn)行預(yù)處理。預(yù)處理的結(jié)果存儲(chǔ)在用戶(hù)配置文件中，并且可以在此階段上載到云。

第二階段是組織虛擬云信息存儲(chǔ)。云數(shù)據(jù)挖掘是由代理商進(jìn)行的，云數(shù)據(jù)挖掘代理收集信息，將其部分復(fù)制到云存儲(chǔ)中，部分地引用用戶(hù)配置文件（若其在云中可用）。這些代理商特別關(guān)注信息的成本，包括其可用性、可靠性和精確性。

基于云的系統(tǒng)擁有大量用戶(hù)，應(yīng)該快速響應(yīng)其請(qǐng)求。由此，創(chuàng)建人工點(diǎn)對(duì)點(diǎn)網(wǎng)絡(luò)，其面向具體的問(wèn)題，由云系統(tǒng)解決。例如，可以創(chuàng)建面向最短路徑計(jì)算、交通燈調(diào)節(jié)或乘客過(guò)境。在人工網(wǎng)絡(luò)中解決了兩個(gè)重要問(wèn)題：估計(jì)其參數(shù)和預(yù)先計(jì)算用戶(hù)策略。

對(duì)點(diǎn)對(duì)點(diǎn)網(wǎng)絡(luò)參數(shù)的預(yù)估是大數(shù)據(jù)挖掘及處理過(guò)程中的主要階段。其包括估計(jì)網(wǎng)絡(luò)參數(shù)以獲得網(wǎng)絡(luò)的實(shí)際狀態(tài)?；谔摂M存儲(chǔ)器中的信息，執(zhí)行參數(shù)估計(jì)，考慮數(shù)據(jù)成本并在必要時(shí)從物理存儲(chǔ)器接收數(shù)據(jù)。這些參數(shù)可以是網(wǎng)絡(luò)節(jié)點(diǎn)上的行程時(shí)間，交叉口上的隊(duì)列或公共交通站點(diǎn)之間的行程時(shí)間。一個(gè)非常重要的方面是將信息的動(dòng)態(tài)變化考慮在內(nèi)，這是由數(shù)據(jù)挖掘客戶(hù)端提供的。

5 智能交通系統(tǒng)中的決策支持

筆者考慮三種智能交通系統(tǒng)應(yīng)用場(chǎng)景：第一，合作交叉路口控制，通過(guò)調(diào)節(jié)交叉路口控制器來(lái)優(yōu)化交通網(wǎng)絡(luò)中的車(chē)輛流量;其次，個(gè)人旅行伴侶，為旅行者、水面駕駛員和運(yùn)輸操作員提供多式聯(lián)運(yùn)的動(dòng)態(tài)規(guī)劃和監(jiān)控;最后，物流服務(wù)伙伴，為受城市環(huán)境影響或依賴(lài)于貨物運(yùn)輸?shù)目蛻?hù)和利益相關(guān)者提供福利。

5.1 交叉路口虛擬化控制

此方案使用托管在云中的自適應(yīng)，半分布式流量管理策略來(lái)監(jiān)控交叉路口控制器，并在車(chē)輛集群和流量管理基礎(chǔ)架構(gòu)之間的云中創(chuàng)建點(diǎn)對(duì)點(diǎn)網(wǎng)絡(luò)。其建議駕駛員使用保持交通流量平穩(wěn)的最佳速度，并根據(jù)實(shí)時(shí)交通情況協(xié)助調(diào)整交通信號(hào)燈、標(biāo)志。該服務(wù)使用實(shí)時(shí)交通信息和路線(xiàn)數(shù)據(jù)收集服務(wù)來(lái)制定優(yōu)化網(wǎng)絡(luò)運(yùn)營(yíng)策略。

第一步，處理數(shù)據(jù)流（歷史和實(shí)時(shí)）。

第二步：創(chuàng)建點(diǎn)對(duì)點(diǎn)網(wǎng)絡(luò)，其是用于解決特定問(wèn)題的虛擬抽象網(wǎng)絡(luò)（交叉口和區(qū)域流量模型、綠波模型、公共交通優(yōu)先級(jí)、阻塞避免等）、估算網(wǎng)絡(luò)參數(shù)（流量通量、密度和速度、行程時(shí)間估算等）。

第三步：制定交叉路口控制的靜態(tài)策略（如增加流量、天氣條件的改變、群體活動(dòng)等）。

第四步：將動(dòng)態(tài)實(shí)時(shí)信息與靜態(tài)策略相結(jié)合，以便做出最新的控制決策（根據(jù)當(dāng)前條件校正信號(hào)周期，協(xié)調(diào)信號(hào)控制器以解決諸如堵塞、事故等）。

5.2 動(dòng)態(tài)多模式行程規(guī)劃

此方案可幫助旅行者實(shí)時(shí)規(guī)劃和調(diào)整多模式、門(mén)到門(mén)的行程。其通過(guò)識(shí)別最佳運(yùn)輸工具和強(qiáng)大的實(shí)時(shí)定位，為日常通勤者和其他旅行者提供改進(jìn)的（即更快、更舒適、更便宜和更環(huán)保）的移動(dòng)性。這種多模式旅程的規(guī)劃考慮了當(dāng)前的交通方式、旅行者的背景和偏好、城市交通規(guī)則及當(dāng)前的要求和約束。旅程計(jì)劃需要獲得旅行持續(xù)時(shí)間的總體指示及適應(yīng)資源的早期預(yù)訂（火車(chē)或機(jī)票）。

第一步：處理數(shù)據(jù)流（歷史和動(dòng)態(tài)）。

第二步：創(chuàng)建點(diǎn)對(duì)點(diǎn)網(wǎng)絡(luò)（中轉(zhuǎn)站、公共交通協(xié)調(diào)、乘客運(yùn)輸選擇等）和網(wǎng)絡(luò)參數(shù)評(píng)估（不同運(yùn)輸方式的旅行時(shí)間取決于各種因素，如等待時(shí)間、乘客到達(dá)站點(diǎn)、價(jià)格模型等）。

第三步：基于歷史數(shù)據(jù)和預(yù)期條件的多模式路線(xiàn)預(yù)先規(guī)劃（熱門(mén)路線(xiàn)的預(yù)先規(guī)劃、預(yù)訂路線(xiàn)的預(yù)先規(guī)劃、預(yù)期事件的預(yù)先規(guī)劃）

第四步：實(shí)際多模式旅程的預(yù)先計(jì)劃路線(xiàn)的動(dòng)態(tài)更新（實(shí)際旅行時(shí)間估計(jì)，在多模式鏈中先前行程延遲的情況下重新計(jì)劃，重新規(guī)劃其他旅行可能性或取消多模式旅程的一部分），以及公共交通時(shí)間表的動(dòng)態(tài)更新（按需變更，不同交通方式的協(xié)調(diào)）。

5.3 行程預(yù)訂和實(shí)時(shí)優(yōu)化路線(xiàn)導(dǎo)航

這種情況有助于物流提供商基于最新信息以低成本保證快速（特別是按時(shí)）交付，實(shí)現(xiàn)每個(gè)車(chē)輛和車(chē)隊(duì)效率最大化。優(yōu)化物流車(chē)輛的運(yùn)動(dòng)，避免交通堵塞，并盡可能采用最短路線(xiàn)。

第一步：處理數(shù)據(jù)流（歷史和動(dòng)態(tài)）。

第二步：創(chuàng)建點(diǎn)對(duì)點(diǎn)網(wǎng)絡(luò)（交付模型，物流提供商-客戶(hù)交互模型等），根據(jù)網(wǎng)絡(luò)參數(shù)估計(jì)（不同路段的行程時(shí)間、延遲概率，下降過(guò)程時(shí)間分布、概率）事故。

第三步：預(yù)計(jì)劃（車(chē)輛的初步良好分配，每個(gè)車(chē)輛的客戶(hù)的初步訂單，每個(gè)車(chē)輛的初步路線(xiàn)，每個(gè)客戶(hù)的初步時(shí)間窗口等）。

第四步：根據(jù)最新信息動(dòng)態(tài)更新預(yù)先計(jì)劃的路線(xiàn)（根據(jù)當(dāng)前交通狀況重新規(guī)劃路線(xiàn)，在發(fā)生事故或交通擁堵時(shí)重新規(guī)劃，剩余時(shí)間的預(yù)估等）;物流車(chē)輛之間的合作;與客戶(hù)的動(dòng)態(tài)協(xié)議（關(guān)于下車(chē)地點(diǎn)的協(xié)商取決于車(chē)輛和客戶(hù)的當(dāng)前位置）。

6 未來(lái)的工作和結(jié)論

本文主要對(duì)基于云架構(gòu)和智能交通系統(tǒng)的場(chǎng)景進(jìn)行分析，并探討用于實(shí)施相應(yīng)數(shù)據(jù)挖掘與處理技術(shù)的架構(gòu)和用于運(yùn)輸操作的決策策略，討論三種智能交通系統(tǒng)情景采用適當(dāng)?shù)臄?shù)學(xué)方法，以反映智能交通系統(tǒng)對(duì)企業(yè)和社會(huì)的需求和潛在影響。

參考文獻(xiàn)：

[1]何曉群，劉文卿.應(yīng)用回歸分析[M].北京：中國(guó)人民大學(xué)出版社，2015.

[2]張春陽(yáng)，周繼恩，劉貴全，等.基于數(shù)據(jù)倉(cāng)庫(kù)的決策支持系統(tǒng)的構(gòu)建[J].計(jì)算機(jī)工程，2002（4）：249-252.

[3]劉智勇.智能交通控制理論及其應(yīng)用[M].北京：科學(xué)出版社，2003.