摘"要：本文研究基于數(shù)字孿生的交通運(yùn)輸多源數(shù)據(jù)融合架構(gòu)，旨在實(shí)現(xiàn)交通運(yùn)輸領(lǐng)域多源數(shù)據(jù)的規(guī)范化融合，推動(dòng)異構(gòu)系統(tǒng)間的協(xié)調(diào)與連接。針對(duì)交通運(yùn)輸系統(tǒng)中存在的數(shù)據(jù)離散、多源異構(gòu)以及可視化差異等問(wèn)題，本文結(jié)合交通運(yùn)輸數(shù)據(jù)的特點(diǎn)，包括數(shù)據(jù)量大、多樣性、實(shí)時(shí)性、關(guān)聯(lián)性和價(jià)值密度低，設(shè)計(jì)了基于數(shù)字孿生技術(shù)的數(shù)據(jù)融合路線，涵蓋了數(shù)據(jù)準(zhǔn)備、接入、轉(zhuǎn)換和集成等關(guān)鍵環(huán)節(jié)，構(gòu)建交通運(yùn)輸數(shù)字孿生的基本架構(gòu)體系，為交通行業(yè)數(shù)字化建設(shè)提供高效、穩(wěn)定且可靠的解決方案，推動(dòng)交通運(yùn)輸領(lǐng)域的智能化發(fā)展。

關(guān)鍵詞：交通運(yùn)輸；數(shù)據(jù)融合；多源異構(gòu)；數(shù)字孿生

中圖分類號(hào)：TP391；U495文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：2095-9052（2024）07-0140-04

引言

我國(guó)信息化建設(shè)總體上處于由網(wǎng)絡(luò)應(yīng)用向集約化整合與協(xié)同應(yīng)用過(guò)渡的階段，按照國(guó)家戰(zhàn)略部署要求，應(yīng)“大力發(fā)展智慧交通。推動(dòng)大數(shù)據(jù)、互聯(lián)網(wǎng)、人工智能、區(qū)塊鏈、超級(jí)計(jì)算等新技術(shù)與交通行業(yè)深度融合”"［1］。要實(shí)現(xiàn)這些，關(guān)鍵是實(shí)現(xiàn)信息世界和物理世界無(wú)縫連接，在虛擬空間模擬真實(shí)場(chǎng)景，解決實(shí)際交通問(wèn)題。這就需要交通系統(tǒng)可以進(jìn)行實(shí)時(shí)數(shù)據(jù)的收集、分析和重組，然而，不同交通數(shù)據(jù)采集傳感器之間存在不同的標(biāo)準(zhǔn)，這就使得處理好異構(gòu)系統(tǒng)間的協(xié)調(diào)和連接，將多源的數(shù)據(jù)進(jìn)行規(guī)范化的融合，成為亟待解決的問(wèn)題。本研究將針對(duì)多源異構(gòu)數(shù)據(jù)的融合，構(gòu)建交通運(yùn)輸數(shù)字孿生的技術(shù)框架和實(shí)施途徑。

一、文獻(xiàn)綜述

近年來(lái)，學(xué)者們圍繞智能交通領(lǐng)域的數(shù)據(jù)處理，展開(kāi)多層次多角度的分析研究。錢紅波"［2］深入分析了美國(guó)交通數(shù)據(jù)共享的規(guī)范和制度；朱小杰"［3］在整合數(shù)據(jù)交換共享并深度挖掘方面提出建設(shè)方案；安健等"［4］指出我國(guó)在開(kāi)放共享交通信息數(shù)據(jù)方面的不足并提出數(shù)據(jù)驅(qū)動(dòng)的治理思路；龍莎"［5］提出針對(duì)開(kāi)放交通數(shù)據(jù)的數(shù)據(jù)治理框架，并構(gòu)建相關(guān)體系；方昕"［6］從大數(shù)據(jù)角度分析交通數(shù)據(jù)特點(diǎn)和已有數(shù)據(jù)共享技術(shù)，提出了適合智能交通數(shù)據(jù)共享的數(shù)據(jù)處理模型，并詳述其關(guān)鍵技術(shù)路線；李燕妮"［7］研究大數(shù)據(jù)技術(shù)在智能交通領(lǐng)域的特點(diǎn)與架構(gòu)，并在異構(gòu)環(huán)境構(gòu)建多元化管理系統(tǒng)的具體應(yīng)用。這些研究中都尚未應(yīng)用數(shù)字孿生技術(shù)解決數(shù)據(jù)融合問(wèn)題。

基于已有研究，筆者發(fā)現(xiàn)較多學(xué)者將交通系統(tǒng)的“數(shù)字孿生”等同于系統(tǒng)狀態(tài)可視化，使得數(shù)字孿生應(yīng)用主要體現(xiàn)為數(shù)據(jù)采集與可視化，忽視了數(shù)據(jù)建模、預(yù)測(cè)與優(yōu)化等關(guān)鍵能力的研究與開(kāi)發(fā)。

二、現(xiàn)狀分析

智能交通已經(jīng)成為我國(guó)智慧城市建設(shè)需要突破的重要領(lǐng)域。智能城市交通市場(chǎng)規(guī)模占比最高，占到48.85%，智能高速公路占比為28.36%，其他智能交通占到22.8%。2023年9月，交通運(yùn)輸部在“十四五”中期發(fā)布頂層設(shè)計(jì)文件《關(guān)于推進(jìn)公路數(shù)字化轉(zhuǎn)型 加快智慧公路建設(shè)發(fā)展的意見(jiàn)》，在公路交通領(lǐng)域全面推進(jìn)數(shù)字化轉(zhuǎn)型升級(jí)；同年，云南交投集團(tuán)研發(fā)了“云通數(shù)聚”系列數(shù)據(jù)產(chǎn)品，并在上海數(shù)據(jù)交易所成功掛牌，掛牌首日完成交易超1000筆。

目前，數(shù)據(jù)資產(chǎn)化、數(shù)據(jù)交易在我國(guó)還處于早期發(fā)展階段，在國(guó)際上也沒(méi)有很成熟的經(jīng)驗(yàn)借鑒。對(duì)于交通行業(yè)，數(shù)據(jù)資產(chǎn)化、數(shù)據(jù)交易的發(fā)展已成為不可忽視的重要課題。先前必須在現(xiàn)實(shí)中不停實(shí)驗(yàn)并修正的工作逐漸向虛擬世界轉(zhuǎn)移，最終達(dá)到數(shù)字孿生管控的數(shù)字化階段，大部分交通管理決策均可在虛擬環(huán)境中試錯(cuò)并得到?jīng)Q策，旨在將虛擬世界中的管控決策實(shí)時(shí)同步至現(xiàn)實(shí)中，有效提升交通決策時(shí)效性。

三、存在的問(wèn)題與原因

在交通行業(yè)中各種管理系統(tǒng)從感知數(shù)據(jù)到最終形成數(shù)字孿生體的過(guò)程中，主要遇到如下問(wèn)題。

（一）數(shù)據(jù)管理復(fù)雜困難

采集的數(shù)據(jù)呈現(xiàn)出離散和存儲(chǔ)分散的特點(diǎn)，這導(dǎo)致數(shù)據(jù)管理變得復(fù)雜困難。傳統(tǒng)的數(shù)據(jù)接入和計(jì)算方式已經(jīng)無(wú)法滿足現(xiàn)代數(shù)據(jù)管理的高效需求，尤其是在面對(duì)大規(guī)模數(shù)據(jù)集時(shí)，傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)的查詢性能往往無(wú)法達(dá)到用戶的期望。

（二）數(shù)據(jù)異構(gòu)融合存在問(wèn)題

在數(shù)據(jù)接入方面，阿里云和華為云都提供了多種方法和技術(shù)來(lái)支持不同協(xié)議的數(shù)據(jù)接入。然而，這些方法往往需要進(jìn)行大量的開(kāi)發(fā)工作，包括編寫(xiě)適配器、解析協(xié)議、處理數(shù)據(jù)格式等。對(duì)于數(shù)據(jù)異構(gòu)融合問(wèn)題，用戶不能直接處理數(shù)據(jù)，需要在接入數(shù)據(jù)之前，開(kāi)發(fā)代碼對(duì)數(shù)據(jù)進(jìn)行清洗、轉(zhuǎn)換和標(biāo)準(zhǔn)化等操作，以確保數(shù)據(jù)的質(zhì)量和一致性"［8］。

（三）數(shù)據(jù)可視化運(yùn)維成本問(wèn)題

在數(shù)據(jù)可視化方面，阿里云使用DataWorks"［9］進(jìn)行數(shù)據(jù)查詢和輸出圖表、報(bào)表；華為云通過(guò)代碼開(kāi)發(fā)能直接從數(shù)據(jù)實(shí)時(shí)分析實(shí)例生成圖表，增加了運(yùn)維成本和周期。

四、交通運(yùn)輸數(shù)據(jù)特征

交通運(yùn)輸數(shù)據(jù)具有多個(gè)顯著的特征，這些特征對(duì)于理解和應(yīng)用交通數(shù)據(jù)至關(guān)重要。首先，交通運(yùn)輸數(shù)據(jù)量大：涉及人、車、路、環(huán)境等多個(gè)方面。其次，交通運(yùn)輸數(shù)據(jù)具有多樣性特點(diǎn)，包括結(jié)構(gòu)化數(shù)據(jù)如車輛信息、道路信息等，非結(jié)構(gòu)化數(shù)據(jù)如視頻監(jiān)控、圖像、聲音等。第三，交通運(yùn)輸數(shù)據(jù)具有實(shí)時(shí)性特點(diǎn)，數(shù)據(jù)動(dòng)態(tài)變化，例如，交通流量、道路擁堵情況等都會(huì)隨時(shí)變化，需實(shí)時(shí)監(jiān)測(cè)和響應(yīng)。第四，交通數(shù)據(jù)運(yùn)輸數(shù)據(jù)具有關(guān)聯(lián)性特點(diǎn)，數(shù)據(jù)之間存在關(guān)聯(lián)性，不同數(shù)據(jù)之間補(bǔ)充與印證。例如，車輛行駛軌跡可以與道路狀況、天氣情況等數(shù)據(jù)進(jìn)行關(guān)聯(lián)分析，體現(xiàn)運(yùn)行狀態(tài)。第五，交通運(yùn)輸數(shù)據(jù)價(jià)值密度低，在巨大的交通數(shù)據(jù)中需要提取有價(jià)值的信息，以支持交通管理和決策。

為了高效地管理和利用這些數(shù)據(jù)特征，建設(shè)一個(gè)有效的數(shù)據(jù)庫(kù)系統(tǒng)顯得尤為重要。這個(gè)系統(tǒng)通常包括空間數(shù)據(jù)庫(kù)、非關(guān)系型數(shù)據(jù)庫(kù)、關(guān)系型數(shù)據(jù)庫(kù)以及Redis等四類數(shù)據(jù)庫(kù)。目前現(xiàn)有的研究多傾向?qū)鹘y(tǒng)單體架構(gòu)的管理平臺(tái)數(shù)據(jù)進(jìn)行整合或?qū)缦到y(tǒng)的服務(wù)數(shù)據(jù)的處理和挖掘，對(duì)不同層級(jí)或不同區(qū)域數(shù)據(jù)的匯聚不夠高效及實(shí)質(zhì)意義。

五、交通運(yùn)輸數(shù)字孿生模型的構(gòu)建

交通運(yùn)輸數(shù)據(jù)融合致力于將最新采集的傳感器數(shù)據(jù)、互聯(lián)網(wǎng)信息與現(xiàn)有的業(yè)務(wù)系統(tǒng)數(shù)據(jù)進(jìn)行深度融合，從而構(gòu)建一個(gè)內(nèi)在相互關(guān)聯(lián)、外在統(tǒng)一協(xié)調(diào)的數(shù)據(jù)生態(tài)體系。在數(shù)字孿生的基礎(chǔ)上，結(jié)合BIM（建筑信息模型）與GIS（地理信息系統(tǒng)）技術(shù)，通過(guò)圖像采集設(shè)備和先進(jìn)的實(shí)體建模技術(shù)，能夠廣泛收集并分析不同區(qū)域的數(shù)據(jù)，進(jìn)而迅速生成并展示整個(gè)區(qū)域的多層次、多維度數(shù)據(jù)全景。

構(gòu)建一個(gè)精準(zhǔn)且高效的交通運(yùn)輸運(yùn)行數(shù)據(jù)框架，首先要明確用戶的需求，確定數(shù)據(jù)融合能給用戶提供的原數(shù)據(jù)。在此基礎(chǔ)上，設(shè)計(jì)數(shù)據(jù)框架的結(jié)構(gòu)，細(xì)致劃分二級(jí)數(shù)據(jù)來(lái)源，并制定切實(shí)可行的數(shù)據(jù)采集策略，以滿足不同用戶的多樣化需求。通過(guò)深入分析這些二級(jí)數(shù)據(jù)采集區(qū)域，系統(tǒng)能夠深入挖掘數(shù)據(jù)的獨(dú)特屬性和潛在價(jià)值，從而為交通運(yùn)輸系統(tǒng)的動(dòng)態(tài)優(yōu)化提供有力支持。

此外，系統(tǒng)還能夠通過(guò)深入分析多個(gè)區(qū)域傳感器所感知的數(shù)據(jù)間關(guān)系，充分發(fā)揮數(shù)據(jù)的實(shí)時(shí)調(diào)控作用。在物理數(shù)據(jù)區(qū)域的劃分上，本文將運(yùn)用矩陣關(guān)聯(lián)分析法，結(jié)合細(xì)粒度優(yōu)化技術(shù)，確保從物理世界采集的數(shù)據(jù)與數(shù)字孿生世界中的數(shù)據(jù)之間能夠?qū)崿F(xiàn)精確映射。這將有助于系統(tǒng)更準(zhǔn)確地應(yīng)用這些數(shù)據(jù)，進(jìn)而提升交通運(yùn)輸系統(tǒng)的運(yùn)行效率和可靠性。

六、數(shù)據(jù)融合的研究與應(yīng)用

（一）數(shù)據(jù)融合的方法

交通運(yùn)輸數(shù)據(jù)融合是一種多源信息處理技術(shù)，旨在將來(lái)自不同獲取數(shù)據(jù)方式和不同數(shù)據(jù)源的信息進(jìn)行融合，以提供更準(zhǔn)確、全面和實(shí)時(shí)的交通情況描述和預(yù)測(cè)。主要有基于統(tǒng)計(jì)學(xué)、基于機(jī)器學(xué)習(xí)、基于深度學(xué)習(xí)、基于多智能體系統(tǒng)四種方法。本研究主要使用如下數(shù)據(jù)融合方法：

1.基于深度學(xué)習(xí)的數(shù)據(jù)融合方法

使用深度學(xué)習(xí)模型對(duì)多源交通數(shù)據(jù)進(jìn)行自動(dòng)特征提取和融合。例如，可以使用卷積神經(jīng)網(wǎng)絡(luò)對(duì)交通圖像和視頻數(shù)據(jù)進(jìn)行處理，提取交通流、車輛類型等有用信息，并將其與其他傳感器數(shù)據(jù)進(jìn)行融合。

2.基于多智能體系統(tǒng)的數(shù)據(jù)融合方法

將不同交通數(shù)據(jù)源看作是不同的智能體，通過(guò)智能體之間的協(xié)作和信息共享來(lái)實(shí)現(xiàn)對(duì)交通情況的全面感知和預(yù)測(cè)。例如，可以使用基于多智能體系統(tǒng)的協(xié)同過(guò)濾算法對(duì)來(lái)自不同交通方式的數(shù)據(jù)進(jìn)行融合和預(yù)測(cè)。

（二）數(shù)據(jù)融合設(shè)計(jì)

數(shù)字孿生平臺(tái)融合數(shù)據(jù)集設(shè)計(jì)的重點(diǎn)在于全生命周期的數(shù)據(jù)應(yīng)用與海量動(dòng)態(tài)數(shù)據(jù)處理。設(shè)計(jì)融合數(shù)據(jù)集，對(duì)數(shù)據(jù)類型進(jìn)行劃分，選取適用于動(dòng)態(tài)、靜態(tài)屬性表達(dá)的數(shù)據(jù)格式，構(gòu)建統(tǒng)一的數(shù)據(jù)庫(kù)，對(duì)結(jié)構(gòu)化數(shù)據(jù)、BIM模型及各類文件數(shù)據(jù)進(jìn)行集中管理。選用JSON（JavaScript Object Notation）作為數(shù)據(jù)交互和存儲(chǔ)的標(biāo)準(zhǔn)格式，這不僅有助于各系統(tǒng)間異步數(shù)據(jù)的高效傳輸與接收，還顯著提升了數(shù)據(jù)處理速度。如圖1所示。

在數(shù)據(jù)處理方面，基于OLAP引擎的數(shù)據(jù)處理架構(gòu)，融合了數(shù)據(jù)查詢分析、數(shù)據(jù)存儲(chǔ)和數(shù)據(jù)可視化三大核心功能。本文選用ClickHouse（ Click Stream， Data WareHouse）作為多維數(shù)據(jù)的列式存儲(chǔ)方案，它對(duì)于流式計(jì)算后的數(shù)據(jù)存儲(chǔ)尤為高效。此外，OLAP引擎支持的上卷、切片、聚合和鉆取等操作，使得數(shù)據(jù)查詢與分析更加靈活便捷。結(jié)合MongoDB的GridFS API分布式文件存儲(chǔ)特性，我們實(shí)現(xiàn)了數(shù)據(jù)的跨服務(wù)器和數(shù)據(jù)中心分布，確保了系統(tǒng)的高可用性、可擴(kuò)展性和數(shù)據(jù)持久性。在數(shù)據(jù)可視化環(huán)節(jié)，采用無(wú)代碼配置的方式，用戶可以輕松創(chuàng)建自定義圖表，直觀地展示數(shù)據(jù)。同時(shí)，通過(guò)實(shí)時(shí)數(shù)據(jù)接口，OLAP引擎能夠獲取Redis（遠(yuǎn)程字典服務(wù)）中的最新數(shù)據(jù)。這些數(shù)據(jù)經(jīng)過(guò)流式計(jì)算引擎的數(shù)據(jù)轉(zhuǎn)換層處理后，以數(shù)據(jù)立方體的形式將熱點(diǎn)數(shù)據(jù)存儲(chǔ)在Redis中，通過(guò)消息接口將沉淀層的數(shù)據(jù)最終由聯(lián)機(jī)分析處理引擎反饋給業(yè)務(wù)應(yīng)用。這樣的設(shè)計(jì)使得運(yùn)維數(shù)據(jù)的接入、轉(zhuǎn)換和融合更加高效、靈活可視化。

流式計(jì)算引擎作為數(shù)據(jù)處理的核心組件，基于Kappa架構(gòu)進(jìn)行了優(yōu)化設(shè)計(jì)，使其能夠靈活處理不同類型的數(shù)據(jù)，并優(yōu)化調(diào)整數(shù)據(jù)結(jié)構(gòu)。在數(shù)據(jù)轉(zhuǎn)換的過(guò)程中，F(xiàn)link維度表關(guān)聯(lián)完成數(shù)據(jù)維度連接，保證參與計(jì)算數(shù)據(jù)的準(zhǔn)確。同時(shí)，應(yīng)用Flink的窗口機(jī)制快速聚合數(shù)據(jù)，實(shí)現(xiàn)了數(shù)據(jù)的快速聚合，為實(shí)時(shí)數(shù)據(jù)分析和快速?zèng)Q策提供了有力支持。在眾多流式計(jì)算引擎框架中以Flink為例，其任務(wù)被精細(xì)劃分為四類（如表1），這些任務(wù)相互銜接，構(gòu)成了完整的數(shù)據(jù)接入和處理流程。在Flink的架構(gòu)中，F(xiàn)linkController作為核心組件之一，通過(guò)REST API或CLI接收并解析客戶端提交的任務(wù)，負(fù)責(zé)任務(wù)調(diào)度和資源管理，確保數(shù)據(jù)處理的穩(wěn)定性和高效性。FlinkController中的JobManager和TaskManager進(jìn)程相互協(xié)作，精密管理著整個(gè)流式計(jì)算過(guò)程，保障數(shù)據(jù)的實(shí)時(shí)性和精確性。

此外，系統(tǒng)引入Kafka作為消息中間件，連接數(shù)據(jù)源層和數(shù)據(jù)轉(zhuǎn)換層，實(shí)現(xiàn)數(shù)據(jù)的實(shí)時(shí)傳輸和緩沖。這種設(shè)計(jì)不僅大幅提升了數(shù)據(jù)處理的速度和準(zhǔn)確性，還有效降低了運(yùn)維成本，為用戶的科學(xué)決策提供了有力支持。通過(guò)流式計(jì)算引擎的優(yōu)化和FlinkController的高效管理以及OLAP引擎的強(qiáng)大數(shù)據(jù)分析能力實(shí)現(xiàn)了數(shù)據(jù)的實(shí)時(shí)處理、深入分析和可視化展示，為數(shù)字孿生平臺(tái)的全面數(shù)據(jù)應(yīng)用提供了堅(jiān)實(shí)的技術(shù)支撐。

（三）數(shù)據(jù)融合數(shù)據(jù)流

如圖2所示，數(shù)據(jù)采集源包含集團(tuán)公路養(yǎng)護(hù)管理系統(tǒng)、路運(yùn)一體化等業(yè)務(wù)數(shù)據(jù)，通過(guò)數(shù)據(jù)總線實(shí)現(xiàn)匯聚。其中，收費(fèi)數(shù)據(jù)、路側(cè)感知數(shù)據(jù)等實(shí)時(shí)數(shù)據(jù)采用流計(jì)算的方式進(jìn)行傳輸；其他數(shù)據(jù)按照傳統(tǒng)方式進(jìn)行傳輸，最終進(jìn)入數(shù)據(jù)中臺(tái)和高精度數(shù)據(jù)底圖平臺(tái)。進(jìn)入地圖平臺(tái)的數(shù)據(jù)，依托高精地圖引擎、數(shù)字孿生引擎、交通仿真引擎形成基于地圖的分析結(jié)果，進(jìn)入應(yīng)用系統(tǒng)；接入數(shù)據(jù)中臺(tái)的數(shù)據(jù)，采用大數(shù)據(jù)分析技術(shù)，形成收費(fèi)主題庫(kù)、路運(yùn)主題庫(kù)以及其他主題庫(kù)，進(jìn)入應(yīng)用系統(tǒng)。在數(shù)據(jù)分析方面，支持?jǐn)?shù)據(jù)解析、模型分析和模型獲取結(jié)果等流程。實(shí)現(xiàn)對(duì)流入數(shù)據(jù)進(jìn)行毫秒級(jí)實(shí)時(shí)分析引擎，集成JMS， Kafka等平臺(tái)兼容多種消息格式或數(shù)據(jù)格式，可進(jìn)行多種復(fù)雜流式SQL查詢。

結(jié)語(yǔ)

本文主要結(jié)合BIM技術(shù)和GIS技術(shù)，將交通大數(shù)據(jù)分割成低價(jià)值密度的小數(shù)據(jù)，同時(shí)將傳感器獲取的數(shù)據(jù)及各區(qū)域的存儲(chǔ)信息與流式數(shù)據(jù)進(jìn)行映射，再依靠數(shù)據(jù)可視化引擎，結(jié)合無(wú)代碼的方式，實(shí)現(xiàn)跨區(qū)域各類數(shù)據(jù)的直觀展示，同時(shí)，將實(shí)時(shí)數(shù)據(jù)的治理、仿真與管控優(yōu)化的融合，挖掘數(shù)據(jù)潛在價(jià)值，將分散的技術(shù)加以調(diào)整改進(jìn)，形成較為有效的交通運(yùn)輸系統(tǒng)數(shù)字孿生模型，為實(shí)施的交通決策提供有力支持。

參考文獻(xiàn)：

［1］伍朝輝，徐建達(dá)，符志強(qiáng)等.交通強(qiáng)國(guó)建設(shè)視域下公路交通數(shù)字孿生體系架構(gòu)、關(guān)鍵技術(shù)與實(shí)踐案例［J］.交通運(yùn)輸研究，2023，9（04）：104-124. 9931.2023.04.010.

［2］錢紅波.美國(guó)交通數(shù)據(jù)資源共享對(duì)我國(guó)的啟示［J］.中國(guó)公路，2015（23）：80-82.

［3］朱小杰.城市交通綜合數(shù)據(jù)中心系統(tǒng)研究和實(shí)現(xiàn)［J］.交通世界，2017（29）：37-39.

［4］安健，徐韜，朱啟政.面向交通治理的信息公開(kāi)與數(shù)據(jù)共享策略研究［J］.交通與運(yùn)輸，2020，33（S2）：179-184.

［5］龍莎. 基于數(shù)據(jù)治理的開(kāi)放交通數(shù)據(jù)發(fā)布流程優(yōu)化及質(zhì)量控制［D］.大連海事大學(xué)，2021.

［6］方昕.大數(shù)據(jù)下的智能交通數(shù)據(jù)共享與處理模型［J］.信息技術(shù)，2015（12）：94-97.

［7］李燕妮.大數(shù)據(jù)技術(shù)在智能交通領(lǐng)域的應(yīng)用［J］.西部交通科技，2021（07）：143-146.

［8］巢佳媛. 面向序列標(biāo)注問(wèn)題的異構(gòu)數(shù)據(jù)融合［D］.蘇州大學(xué)，2018.

［9］楊昊，余芳強(qiáng)，高尚等.基于數(shù)字孿生的建筑運(yùn)維系統(tǒng)數(shù)據(jù)融合研究和應(yīng)用［J］.工業(yè)建筑，2022，52（10）：204-210+235.