论文部分内容阅读
摘要：伴随大数据时代的到来，新技术与新思维必将引发城市交通学科的重大变革，首当其冲的是城市智能交通领域。建立起智能交通服务系统对海量的现代交通数据进行挖掘分析，从中提取有价值的数据信息为人民的出行提供便捷和为相关交通决策的制定提供重要依据，在城市智能交通的发展必须服从城市交通发展战略需要的前提下，充分利用大数据技术，提出未来智能交通的发展方向和系统建设任务。
关键词：大数据挖掘；智能交通；决策；系统
1导言
城市交通信息数据过于冗杂，且部分动态数据标准化程度较低，特别是在大数据时代下，对城市交通信息数据进行整合、统一是极为重要的，可有效加强信息资源的统筹建设和共享利用。智能交通系统能够提高道路使用效率，使交通堵塞减少约60%，使短途运输效率提高近70%，使现有道路通行能力提高2～3倍。因此，智能交通的研究十分必要。
2智慧交通与数据挖掘
智慧交通是城市化进程不断向前推进的产物，是城市交通问题日益严峻和土地资源短缺状况共同作用下的必然结果。随着城市规模的不断发展，相应增加了城市人口数量和汽车保有量，这种形势下，逐渐加剧了不断增长的交通流和有效交通用地之间的矛盾。受多方面因素的影响，城市交通基础设施建设远跟不上交通流增长的步伐，更无法满足人们顺畅出行的需要，而智能交通决策系统建立的主要目的在于通过提高交通决策的合理性来提高城市交通管理水平，缓解城市交通压力，充分利用已有的交通资源，满足人们便捷顺畅出行的需要。从实际应用效果来看，智能交通决策系统的应用使城市交通状况在一定程度上得到了缓解，但海量的交通数据为系统的信息处理带来了巨大的压力，在大数据时代，如何利用大数据技术对海量数据进行挖掘分析，使其更好地为智慧交通系统服务，促进智慧交通服务系统的进一步完善，是现代智慧交通服务系统需要改进和完善的重点问题。数据挖掘是利用科学的技术和方法，对信息进行收集和处理，从海量、模糊的数据信息中挖掘出有价值的信息。在信息化时代，海量数据带来的是数据处理的巨大压力，数据挖掘是大数据时代的必然要求。数据挖掘主要包括4个方面的内容，即分类分析、关联分析、聚类分析、时间序列分析，通过4种分析方法的应用，从海量数据信息中提取出有效的信息为智慧交通服务系统所利用，系统根据信息分析的结果得出交通决策和建议，为交通调流和人们出行提供建议和指导。
3当前城市智能交通系统发展的隐忧
3.1智能交通未能“智”在高端决策
根据《中国智能交通行业发展年鉴（2015年）》以及政府文件中有关智能交通发展的评述，都表明目前智能交通系统应用的主要方向集中在交通运营管理、信息服务方面。而体现大数据价值与力量的战略与规划决策层面上的智能化应用，却鲜有成功的案例。在“三系统、两支撑”智能交通体系中，目前真正有所建树的也只是面向道路交通管理和出行在途诱导服务的“智能运行管理系统”和“智能运输服务系统”，而真正面向交通与城市协调发展宏观战略与规划智能化决策的高端“智能决策支持系统”则是乏善可陈。当前既存在混淆交通“信息化”与“智能化”，误以“信息化”取代替“智能化”的错误倾向；也同时存在一味热衷于单个子系统（例如，道路运行子系统、公共汽车运行子系统）个别服务范畴（运行组织管理和出行在途信息服务）的初级（低端）智能决策支持，而无意着眼于更为重要，也更为复杂的综合交通大系统运行动态智能干预理论技术体系建设的偏执倾向。
3.2治标之技术用来治本
长期以来，“车联网”、“车路协同系统”以及“无人驾驶”一直是智能交通领域技术研发的主攻方向，政府与市场投入不断升温。然而无论是“车联网”还是“无人驾驶”，抑或是“车路协同系统”，其本质都是基于物联网技术感知复杂环境，获取大数据的一种手段，旨在处理人（主要是汽车使用者）-车（主要是小汽车）-路三者的协同关系。必须承认的是这些新兴的物联网技术对于改善行驶安全，在特定时空范围有条件地提升道路通过能力有一定作用。但是如果把它看作是平衡交通供需关系的有效工具，甚至是当作解决城市交通拥堵的治本之策，难免误入与城市交通基本战略原则相悖的歧途。
4基于大数据挖掘的智能交通决策分析系统
4.1采集和检测信息
信息融合在车辆信息检测方面的应用，能够有效预防车辆发生碰撞等事故，如视觉传感器和激光扫描信息的融合以及多特征融合防碰撞的方法，能够有效检测出前方的车辆，而HOG和Haar-like融合特征的车辆检测方法，则能够有效检测出道路上的车辆。信息融合在车辆信息采集方面的应用，主要是路测设备和车载终端等方面，如数据采集、融合和共享技术中是目前建立交通信息平台的基础支持，甚至在研究和细分这些技术后，还能够延伸出信息的评价功能，从而有效提高评价的准确性。
4.2城市交通发展战略着眼点
城市交通发展战略主要着眼于交通发展模式，即如何处理好几大关系：系统外延扩充与内涵改造的关系；交通与土地使用、空间布局的协调关系；交通供给规模与城市经济社会发展的适配关系；交通发展与城市环境、资源的协调关系。同时，把“出行结构”和“城市空间功能布局结构”两大结构调整作为实施城市交通发展战略的基本途径。在制定城市交通发展战略时针对系统服务的开放性和系统介入随机性，首先要考虑解决信息不对称问题，保障参与者的行为决策的正确性；针对系统的内在交互制约性，要以系统的整体协同效应为着眼点；而针对系统与外部环境的交互性：要以交通、城市功能配置、城市空间三者的相互依存关系为着眼点；针对交通需求二重性：着眼于出行结构合宜性及头尾并重的需求管理体系。
4.3基于人机交互的系统诊断
针对城市交通系统内部各子系统间交互制约性，通过大数据的多源异构数据融合处理分析，在人机交互的模式下实现智能交通系统中各子系统智能化交互和基于系统整体的协同一致。针对城市交通系统与外部环境的互动关联性，通过大数据的“量化”手段，准确把握对交通、城市空间、城市功能配置三者之间关联关系，并通过人机交互的模式，实现这些互为因果复杂的相关关系的可视化。
结束语
综上所述，大数据时代，智能交通的发展并非一概否定传统理论和传统方法。我们要清醒地认识城市交通的基本属性，秉持城市智能交通的发展必须服从城市交通发展战略需要的理念，在智能交通决策系统中，利用大数据挖掘技术可对城市交通信息数据进行高效、快速的提取、分析和处理，这不仅可为城市交通管理决策的制定提供有力参考依据，同时也可为城市居民提供便捷服务，这对于完善城市交通基础设施、推动城市经济发展、加快信息化系统完善等具有重要的现实意义。
参考文献：
[1]溫慧敏，全宇翔，孙建平.大数据时代城市智能交通系统发展方向[J].城市交通，2017，15（05）：20-25.
[2]吴为强.基于大数据挖掘的智能交通决策分析系统[J/OL].机电工程技术，2017（S2）：526-528[2018-01-04].
[3]温慧敏.大数据时代城市智能交通系统发展方向的思考[A].中国城市规划学会城市交通规划学术委员会.2017年中国城市交通规划年会论文集[C].中国城市规划学会城市交通规划学术委员会：，2017：10.
个人信息：身份证号 320321198112100233
个人信息：身份证号 320321198407077026
关键词：大数据挖掘；智能交通；决策；系统
1导言
城市交通信息数据过于冗杂，且部分动态数据标准化程度较低，特别是在大数据时代下，对城市交通信息数据进行整合、统一是极为重要的，可有效加强信息资源的统筹建设和共享利用。智能交通系统能够提高道路使用效率，使交通堵塞减少约60%，使短途运输效率提高近70%，使现有道路通行能力提高2～3倍。因此，智能交通的研究十分必要。
2智慧交通与数据挖掘
智慧交通是城市化进程不断向前推进的产物，是城市交通问题日益严峻和土地资源短缺状况共同作用下的必然结果。随着城市规模的不断发展，相应增加了城市人口数量和汽车保有量，这种形势下，逐渐加剧了不断增长的交通流和有效交通用地之间的矛盾。受多方面因素的影响，城市交通基础设施建设远跟不上交通流增长的步伐，更无法满足人们顺畅出行的需要，而智能交通决策系统建立的主要目的在于通过提高交通决策的合理性来提高城市交通管理水平，缓解城市交通压力，充分利用已有的交通资源，满足人们便捷顺畅出行的需要。从实际应用效果来看，智能交通决策系统的应用使城市交通状况在一定程度上得到了缓解，但海量的交通数据为系统的信息处理带来了巨大的压力，在大数据时代，如何利用大数据技术对海量数据进行挖掘分析，使其更好地为智慧交通系统服务，促进智慧交通服务系统的进一步完善，是现代智慧交通服务系统需要改进和完善的重点问题。数据挖掘是利用科学的技术和方法，对信息进行收集和处理，从海量、模糊的数据信息中挖掘出有价值的信息。在信息化时代，海量数据带来的是数据处理的巨大压力，数据挖掘是大数据时代的必然要求。数据挖掘主要包括4个方面的内容，即分类分析、关联分析、聚类分析、时间序列分析，通过4种分析方法的应用，从海量数据信息中提取出有效的信息为智慧交通服务系统所利用，系统根据信息分析的结果得出交通决策和建议，为交通调流和人们出行提供建议和指导。
3当前城市智能交通系统发展的隐忧
3.1智能交通未能“智”在高端决策
根据《中国智能交通行业发展年鉴（2015年）》以及政府文件中有关智能交通发展的评述，都表明目前智能交通系统应用的主要方向集中在交通运营管理、信息服务方面。而体现大数据价值与力量的战略与规划决策层面上的智能化应用，却鲜有成功的案例。在“三系统、两支撑”智能交通体系中，目前真正有所建树的也只是面向道路交通管理和出行在途诱导服务的“智能运行管理系统”和“智能运输服务系统”，而真正面向交通与城市协调发展宏观战略与规划智能化决策的高端“智能决策支持系统”则是乏善可陈。当前既存在混淆交通“信息化”与“智能化”，误以“信息化”取代替“智能化”的错误倾向；也同时存在一味热衷于单个子系统（例如，道路运行子系统、公共汽车运行子系统）个别服务范畴（运行组织管理和出行在途信息服务）的初级（低端）智能决策支持，而无意着眼于更为重要，也更为复杂的综合交通大系统运行动态智能干预理论技术体系建设的偏执倾向。
3.2治标之技术用来治本
长期以来，“车联网”、“车路协同系统”以及“无人驾驶”一直是智能交通领域技术研发的主攻方向，政府与市场投入不断升温。然而无论是“车联网”还是“无人驾驶”，抑或是“车路协同系统”，其本质都是基于物联网技术感知复杂环境，获取大数据的一种手段，旨在处理人（主要是汽车使用者）-车（主要是小汽车）-路三者的协同关系。必须承认的是这些新兴的物联网技术对于改善行驶安全，在特定时空范围有条件地提升道路通过能力有一定作用。但是如果把它看作是平衡交通供需关系的有效工具，甚至是当作解决城市交通拥堵的治本之策，难免误入与城市交通基本战略原则相悖的歧途。
4基于大数据挖掘的智能交通决策分析系统
4.1采集和检测信息
信息融合在车辆信息检测方面的应用，能够有效预防车辆发生碰撞等事故，如视觉传感器和激光扫描信息的融合以及多特征融合防碰撞的方法，能够有效检测出前方的车辆，而HOG和Haar-like融合特征的车辆检测方法，则能够有效检测出道路上的车辆。信息融合在车辆信息采集方面的应用，主要是路测设备和车载终端等方面，如数据采集、融合和共享技术中是目前建立交通信息平台的基础支持，甚至在研究和细分这些技术后，还能够延伸出信息的评价功能，从而有效提高评价的准确性。
4.2城市交通发展战略着眼点
城市交通发展战略主要着眼于交通发展模式，即如何处理好几大关系：系统外延扩充与内涵改造的关系；交通与土地使用、空间布局的协调关系；交通供给规模与城市经济社会发展的适配关系；交通发展与城市环境、资源的协调关系。同时，把“出行结构”和“城市空间功能布局结构”两大结构调整作为实施城市交通发展战略的基本途径。在制定城市交通发展战略时针对系统服务的开放性和系统介入随机性，首先要考虑解决信息不对称问题，保障参与者的行为决策的正确性；针对系统的内在交互制约性，要以系统的整体协同效应为着眼点；而针对系统与外部环境的交互性：要以交通、城市功能配置、城市空间三者的相互依存关系为着眼点；针对交通需求二重性：着眼于出行结构合宜性及头尾并重的需求管理体系。
4.3基于人机交互的系统诊断
针对城市交通系统内部各子系统间交互制约性，通过大数据的多源异构数据融合处理分析，在人机交互的模式下实现智能交通系统中各子系统智能化交互和基于系统整体的协同一致。针对城市交通系统与外部环境的互动关联性，通过大数据的“量化”手段，准确把握对交通、城市空间、城市功能配置三者之间关联关系，并通过人机交互的模式，实现这些互为因果复杂的相关关系的可视化。
结束语
综上所述，大数据时代，智能交通的发展并非一概否定传统理论和传统方法。我们要清醒地认识城市交通的基本属性，秉持城市智能交通的发展必须服从城市交通发展战略需要的理念，在智能交通决策系统中，利用大数据挖掘技术可对城市交通信息数据进行高效、快速的提取、分析和处理，这不仅可为城市交通管理决策的制定提供有力参考依据，同时也可为城市居民提供便捷服务，这对于完善城市交通基础设施、推动城市经济发展、加快信息化系统完善等具有重要的现实意义。
参考文献：
[1]溫慧敏，全宇翔，孙建平.大数据时代城市智能交通系统发展方向[J].城市交通，2017，15（05）：20-25.
[2]吴为强.基于大数据挖掘的智能交通决策分析系统[J/OL].机电工程技术，2017（S2）：526-528[2018-01-04].
[3]温慧敏.大数据时代城市智能交通系统发展方向的思考[A].中国城市规划学会城市交通规划学术委员会.2017年中国城市交通规划年会论文集[C].中国城市规划学会城市交通规划学术委员会：，2017：10.
个人信息：身份证号 320321198112100233
个人信息：身份证号 320321198407077026