199IT資料中心微信賬戶：i199IT
摘要：城市交通大資料具有種類繁多、異質性、時空尺度跨越大、動態多變、高度隨機性、區域性性和生命週期較短等特徵，如何有效地採集和利用交通大資料，滿足高時效性的交通行政監管、交通企業經營管理、交通市民服務等應用需求，是城市交通和智慧城市面臨的前所未有的機遇和挑戰。重點分析總結了城市交通大資料的若干研究內容及核心技術，提出了城市交通大資料智慧應用系統解決方案，列舉了幾種典型應用，在城市交通和智慧城市領域的大資料研發和應用領域進行了初步探討。
1 引言
2015年兩會上，“大資料（big data）”一詞首次寫入政府工作報告。在交通領域，大資料一直被視作緩解交通壓力的技術利器。應用大資料有助於瞭解城市交通擁堵問題中人的出行規律和原因，實現交通和生活的和諧，提高城市的宜居性，為政府精準管理提供基於資料證據的綜合決策[1]。同時，大資料的挖掘和使用還有利於催生資訊消費新模式，促進資訊消費產業發展。
隨著手機網路、全球定位系統（global positioning system，GPS）/北斗車載導航、車聯網、交通物聯網的發展，交通要素的人、車、路等的資訊都能夠實時採集，城市交通大資料來源日益豐富[2]。在日益成熟的物聯網和雲端計算平臺技術支援下，通過城市交通大資料的採集、傳輸、儲存、挖掘和分析等，有望實現城市交通一體化，即在一個平臺上實現交通行政監管、交通企業運營、交通市民服務的整合和優化[3]。
城市交通大資料的整合與分析技術研究，對我國智慧城市的發展具有戰略性意義。交通大資料具有種類繁多、異質性、時空尺度跨越大、動態多變、高度隨機性、區域性性和有限生命週期等特徵，如何有效地整合交通大資料，滿足高時效性和知識牽引等城市交通智慧化需求，是各個大中城市所面臨的前所未有的發展機遇和挑戰[4~8]。
本文首先簡單介紹了大資料的發展狀況及趨勢，然後重點分析總結了城市交通大資料的若干核心技術，並提出城市交通大資料的智慧應用系統解決方案，最後重點列舉了幾種典型應用。
2 大資料的發展狀況及趨勢
近年來，資料的快速增長成了許多行業共同面對的嚴峻挑戰和寶貴機遇，資訊社會正在進入大資料時代。大資料指的是涉及的資料量規模巨大到無法透過目前主流軟體工具在合理時間內達到感知、擷取、管理、處理和服務的資料集合。從2009年左右開始，“大資料”開始成為網際網路資訊科技行業的流行詞彙。
根據網際網路資料中心（IDC）估測，資料一直以每年50%的速度增長（大資料摩爾定律），這意味著人類在最近兩年產生的資料量相當於之前產生的全部資料量，預計到2020年，全球將總共擁有35億GB（35 ZB）的資料。大資料處理的資料規模從TB級上升到PB、EB甚至ZB級，人們面臨著如何降低資料儲存成本、充分利用計算資源、提高系統併發吞吐率、支援分散式非線性迭代演算法優化等眾多難題。
為了應對大資料的發展趨勢，更好地為行業使用者和個人提供資料分析的服務，亟需構建各類不同的大資料平臺，支援使用者對資料的多種需求。構建大資料平臺就是要將不同渠道、不同來源、不同結構的資料進行有機的整合。與傳統資料平臺不同的是，大資料海量的規模、多樣的型別、快速的流動和動態的體系以及巨大的價值是大資料平臺構建需要重點考慮的幾個因素。除此之外，資料的分類儲存、資料平臺的開放性、資料的智慧處理以及資料平臺與使用者的互動都為大資料平臺的建設帶來前所未有的挑戰。
大資料平臺處理的資料型別是多種多樣的。目前這些平臺的搭建已經有了一些有代表性的成果，如Google公司的Freebase、微軟公司的Probase、國內著名的中文資訊結構庫——中國知網。在商用資料平臺方面，IBM公司的Infosphere大資料分析平臺、天睿公司的Teradata統一資料環境以及由國內天貓、阿里雲、萬網聯合推出的國內首個電商雲工作平臺聚石塔是3個典型的資料平臺。
“大資料”本身是一個現象而不僅僅是一種技術，這是資訊科技歷史發展的必然結果。大資料的採集、傳輸、處理和應用所需的相關大資料處理技術，是通過系列地使用非傳統工具來對大量的結構化、半結構化和非結構化資料進行處理，從而獲得分析和預測結果的一系列大資料處理技術。大資料技術的戰略意義也不僅在於掌握龐大的資料資訊，而更在於對這些含有意義的資料進行專業化處理。換言之，如果把大資料比作一種產業，那麼這種產業實現盈利的關鍵在於提高對資料的“加工能力”，通過“加工”實現資料的“增值”。大資料領域已經湧現出了大量新的技術，它們成為大資料採集、儲存、處理和呈現等功能的有力武器。大資料發展呈現以下趨勢。
（1）基於雲端計算的資料分析平臺
雲端計算為大資料提供了可以彈性擴充套件、相對便宜的儲存空間和計算資源，使得中小企業也可以像亞馬遜公司一樣通過雲端計算來完成大資料分析。雲端計算IT資源龐大、分佈較為廣泛，是異構系統較多的企業及時準確處理資料的有力方式，甚至是唯一的方式。
大資料要走向雲端計算，還有賴於資料通訊頻寬的提高和雲資源池的建設，需要確保原始資料能遷移到雲端計算環境以及資源池可以隨需彈性擴充套件。
（2）資料分析集逐步擴大，企業級資料倉儲將成為主流
當人們從大資料分析中嚐到甜頭以後，資料分析集就會逐步擴大。目前大部分的企業分析的資料量一般以TB為單位。按照目前資料的發展速度，資料量很快將會進入PB時代。特別是目前在100~500 TB和500+ TB範圍的分析資料集的數量會成倍增長。
隨著資料分析集的擴大，以前部門層級的資料集將不能滿足大資料分析的需求，它們將成為企業級資料庫（EDW）的一個子集。因此，企業內的資料分析將從部門級過渡到企業級，從面向部門需求轉向面向企業需求，從而也必將獲得比部門視角更大的益處。隨著政府和行業資料的開放，更多的外部資料將進入企業級資料倉儲，使得資料倉儲規模更大，資料的價值也更大。
（3）Hadoop對MapReduce的依賴程度越來越小
Hadoop是一個能夠對大量資料進行分散式處理的軟體框架，能夠處理PB級資料，具有高可靠性、高擴充套件性、高效性和高容錯性等特點。其新版本不只為MapReduce服務，而是和Cloudera的Impala一樣用一個SQL查詢引擎或者其他的方法來替代MapReduce。HBaseNoSQL資料庫就是Hadoop離開MapReduce約束後的一個很好的例子。未來Hadoop平臺將在大資料處理中發揮越來越重要的作用。
3 城市交通大資料
3.1 城市交通大資料的主要研究內容
城市交通大資料的研究內容主要包括以下方面。
（1）時效約束的大資料多尺度匯聚計算和動態圖譜
交通大資料存在多源、異質、區域性性、時空關聯、非同步性、資訊稀疏性和併發性等特點，而城市交通系統存在著對大資料匯聚處理的高時效性以及對“大而資訊稀疏”的交通大資料的領域知識牽引要求。現有的資料融合、計算理論與方法難以滿足高時效性的大資料處理和基於資料的知識構建與轉換等需求，亟需提出時效約束的大資料多尺度匯聚計算和動態圖譜的交通大資料處理新理論與新方法。
（2）高維空間的隱性知識序貫挖掘與演化模型
交通主體、行為、態勢、路網拓撲和環境形成了高維生態系統閉空間，相互之間存在著高度非線性、隨機性和動態的耦合關係。交通態勢及其演化是交通系統的巨集觀體現，具有約束條件下的動態性、序貫性、自組織、隨機性等特點，交通態勢機理解釋對解決城市交通的難題非常重要。傳統的交通理論難以發現隱含在如此高維空間的知識，對交通出行規律及其時空演化、大面積交通擁堵演變規律、環境與交通行為等進行綜合知識和資料支撐的解釋與評價，高維空間的隱性知識序貫挖掘與演化將為此提供堅實的理論與技術支撐。
（3）交通態勢的預測機理與調控策略
交通態勢是城市交通系統執行狀態的反映，受到交通需求、網路拓撲、多交通子系統、環境、管理和調控策略等眾多因素的相互影響與作用。由於城市交通態勢具有時變性、不確定性、非馬氏性以及影響因素之間的相關性等特點，是一個超維的複雜巨系統，其調控與預測是世界性的難題，目前尚缺乏相關的理論與方法。交通態勢的預測機理與調控策略的研究，將建立複雜交通巨系統的預測及其控制的新理論與途徑。
3.2 城市交通大資料相關處理技術
在城市交通蓬勃發展的過程中，其資料採集量必然成倍增長，形成海量、動態、實時的交通大資料。因此，以大資料處理技術為支撐的城市交通訊息服務將成為未來智慧交通發展的增長點。城市交通所涉及的大資料技術，總結起來大致包括如下內容。
（1）基於Hadoop框架的MapReduce模式技術
Hadoop是一個能夠對大量資料進行分散式處理的軟體框架，而map/reduce是Hadoop的核心計算模型，它將複雜地執行於大規模叢集上的平行計算過程高度地抽象到了兩個函式。Hadoop實現了一個分散式檔案系統（Hadoop distributed file system，HDFS）。HDFS有著高容錯性的特點，用來部署在低廉的硬體上。而且它能提供高傳輸率來訪問應用程式的資料，適合那些有著超大資料集的應用程式。
（2）資料倉儲技術
資料倉儲是決策支援系統（DSS）和聯機分析應用資料來源的結構化資料環境，研究和解決從資料庫中獲取資訊等問題。資料倉儲的特徵在於面向主題、整合性、穩定性和時變性。其主要功能是將組織通過資訊系統的聯機交易處理（OLTP）經年累月所累積的大量資料、資料倉儲理論所特有的資料儲存架構進行系統的分析整理，以利於各種分析方法如線上分析處理（OLAP）、資料探勘（data mining）的進行，進而支援決策支援系統、主管資訊系統（EIS）等系統的建立，幫助決策者快速、有效地從大量資料資料中分析出有價值的資訊，以利於決策擬定及快速回應外在環境變動，幫助構建商業智慧。
（3）中央資料登記簿技術
中央資料登記簿系統是平臺資料統一管理、綜合交通訊息服務的基礎，包括與交通訊息有關的資料表示和互動以及交通訊息服務、適合於綜合交通環境的資料字典和訊息模板、交通資料項定義規則、註冊和管理機制等。
（4）平臺GIS-T應用技術
平臺GIS-T應用技術是交通地理資訊系統的支撐技術，可為交通訊息服務提供高效的資訊查詢功能、海量的儲存功能，包括計程車、公交車、綜合交通視訊資訊等資料；提供優秀使用者體驗的WebGIS引擎，讓使用者享受基於瀏覽器的交通訊息服務。
（5）基於非序列性資料操作技術
基於非序列性資料操作技術包括虛擬化環境以及流資料處理技術，通過網路將大量伺服器的記憶體空間統合在一起，使之形成一個超大型的虛擬記憶體，然後在其上進行資料配置，可實現對現有裝置資源的最大使用效率，同時實現對即時性資料的反饋能力。
（6）視訊大資料處理技術
視訊大資料處理技術將目前各個專用性的視訊監控系統有機地整合在一起，實現視訊資源統一接入、統一轉碼、統一分發、統一管理和統一運營的“五統一”目標。它可整合包括交通視訊、站臺視訊、客運站視訊、高速公路視訊、社會治安視訊、車載視訊等在內的多種視訊資源，提高整體視訊監控的效率，且基於視訊監控基礎設施之上創造更多增值性的應用，從而實現視訊監控系統的最大化效用。
（7）大資料處理技術
大資料預處理技術是將接入平臺的資料根據具體的業務規則進行進一步的處理，包括對接入的資料進行有效性的檢驗、大資料清洗等。大資料標準化處理技術從資料庫中取出經過清洗後的資料，根據業務規則將外部系統的資料格式轉化為平臺定義的標準格式。
（8）大資料融合處理技術
大資料融合處理技術是指採用多源交通訊息融合方法，結合特徵融合技術（識別/分類、神經網路、貝葉斯網路等）、目標機動資訊處理技術（自適應噪聲模型等）及多目標跟蹤的資訊融合技術，提高資訊系統的頑健性及可靠性。多源交通大資料資訊融合分為3級：基礎級是資料級融合，它只完成資料的預處理和簡單關聯；第二級是特徵級融合，就是根據現有資料的特徵預測交通引數；第三級是狀態級融合，根據當前交通流資訊判斷交通狀態。交通流資訊融合的基本過程包括多源資訊提取、資訊預處理、融合處理以及目標引數獲取和狀態估計。
（9）實時資料分發訂閱技術
海量交通大資料具有資料量大、更新頻繁、時效性高等特點，往往需要來自於其他系統的實時資料來支援其業務邏輯。比如浮動車輛的GPS資料、目前城市道路的路況分析和收費站排隊監控分析、省級運政衛星定位聯網監控系統的上報、營運車輛安全監管系統等監控分析系統需要向外單位共享的資料。
（10）大資料探勘技術
多源交通大資料探勘是一個多步驟的過程，可以分為問題定義、資料準備、資料分析、模式評估等基本階段。其處理模型如圖1所示。
圖1 交通大資料探勘模型
4 城市交通大資料的智慧應用系統
4.1 交通大資料採集內容
城市交通大資料可分為靜態大資料與動態大資料。
靜態交通大資料主要包括城市交通的基礎空間資料（地表模型、高清正射影像等）、城市及周邊基礎地理資訊（城市路網、交叉口布局、城市基礎交通實施資訊）、道路交通網路基礎資訊（道路等級、長度、收費資訊）、道路交通客運資訊（客運班線、客動票務、市區公交資訊、車站線路輻射圖、客運企業資訊、交通換乘點等）、航班資訊、列車資訊、水運資訊（船次、起終碼點、開船時間等）、停車場資訊（停車場位置、名稱、總泊位數、開閉狀態、空閒泊位數等）、交通管理資訊（警區界限、安全界限、警力分佈、交通崗位、執法站、車管所、檢測場、考試場、過境檢查站）以及交通抽樣調查資料等。
動態交通大資料來源廣泛、形式多樣，主要包括通過衛星遙感、航空攝影測量，低空無人機應急平臺、地面測量車、地面視訊等遙感手段獲取的資料以及地面智慧交通系統中，通過視訊、手機、公交卡、地感線圈等感測裝置和移動終端採集的人、車、路等交通要素的資料。從人可以採集到的資料有駕駛行為資料、付費行為資料和出行行為資料，從車採集到的資料有車輛資訊資料、車輛實時位置資料、公交車運營資料、計程車運營資料、眾包路況資料，關於路的資料有衛星影像資料、航空攝影資料和道路基礎設施資料。
4.2 交通大資料雲端計算支撐平臺
城市交通大資料和相關業務的服務採用雲端計算技術來實現，其總體邏輯架構如圖2所示。採用雲端計算技術來支撐一體化交通大資料，按需提供自助管理虛擬基礎架構彙整合高效池，以服務的形式提供資源。雲端計算支撐平臺包括資料中心物理資源管理、資料中心邏輯資源、資料中心運營平臺和維護。
圖2 城市交通大資料雲端計算支撐平臺
城市交通雲端計算支撐平臺包含多個子系統，各系統提供穩定的資訊、管理、監控服務。為了支援智慧交通7×24 h的穩定、高效服務，可引入雲端計算虛擬化平臺。利用虛擬化技術將應用系統與物理機進行分離，減少因物理環境導致的系統中斷服務，在不影響使用者的情況下對物理資源進行刪除、升級或改變。
4.3 交通大資料的智慧應用系統
交通大資料的智慧應用系統是基於交通大資料中心、交通雲端計算支撐平臺來搭建的智慧應用系統，採用“中心資料儲存和處理”和“本地服務應用”的模式，從海量的交通資料中抓取實時資料，分析挖掘歷史資料，基於歷史資料對未來情況做出預測，為智慧交通提供決策性建議。
交通大資料智慧應用系統可分別為政府、企業、公眾提供智慧交通訊息服務。系統可為政府部門提供交通行政監管支援，主要提供精細地理資訊服務、交通管理服務、應急響應服務、路邊車位監管服務、公共交通監管服務等；為公眾搭建基於手機應用的交通訊息服務，通過交通訊息服務也可採集公眾日常出行行為的資料，主要有精細地理資訊服務、精準實時路況服務、精準交通訊息服務、實時車輛資訊服務、交通誘導資訊服務、停車誘導資訊服務等；為企業提供交通訊息增值服務，主要有精細地理資訊服務、公交車公司車輛排程及輔助決策、商業資料分析等。不同使用者可共享行業資料、計算資源、個性化情報分析結果，在資料採集共享、大規模資料實時處理和分析、企業突發事件處置應對方面具有十分突出的優勢，從而大大節約了系統資源和成本，提升了工作效率。
系統所採用的技術主要包括基於決策樹—支援向量機（DTM-SVM）的多源異構交通訊息融合技術、基於SOA的交通訊息基礎資料服務設計、ZigBee無線感測器網路技術、基於移動網際網路的交通訊息應用服務設計、基於機器學習的行程時間預測、基於位置服務（LBS）的行人交通訊息服務技術等。
5 城市交通大資料智慧系統的典型應用
筆者和廣州市交通委員會及下屬公司等單位的專家們，多年來保持密切的產學研合作，一起提出了城市交通大資料智慧系統相關的典型應用解決方案[9~12]，大致介紹如下。
5.1 城市交通大資料的公交行政監管與科學決策
城市交通大資料的公交行政監管與科學決策支援系統（如圖3所示）實現可分為3個步驟：首先，整合城市公共交通採集的站臺、線路、道路、活動場所的交通資料，研發MapReduce框架下的海量交通流融合與預測演算法，針對複雜交通系統行為的不可預測性，充分考慮簡單物件的主動性和隨機性，從行為生成的角度出發實現對城市公共交通系統的“等價”描述；然後，針對城市公共交通的運營與管理需求，通過計算實驗和湧現觀察，生成實時、未來和各種可能情況下的交通場景，包含正常條件下的交通環境，還包括交通事故、惡劣天氣、突發事件等異常條件下的交通環境；最後，通過實際交通系統與人工交通系統之間互動執行和過程演化，實現城市公共交通執行資料分析與排程方案演練，併為交通管理者和出行者提供基於位置的交通服務資訊。
圖3 城市交通大資料的公交行政監管與科學決策支援系統
大資料可以輔助公共交通規劃制定決策。傳統的方式需要投入大量人力進行OD調查和資料收集。目前的一卡通可讓資料更為全面地展現在決策人員面前，流量資料全部可以精確掌握，同時再利用車輛擁堵時間、擁堵路段的大資料分析，公交車的線路調整、增加與減少換乘站的決策就會更加有依據。
（1）城市公共交通雲端計算服務平臺體系
城市公共交通雲端計算服務平臺採用4層結構，分別為應用層、平臺層、統一資源層和物理層。雲端計算服務平臺使得公共交通管理成為了一個開放式的可擴充套件系統。新的交通管理方案可以很快得到實施，而無需對現場的硬體裝置進行更新換代。控制中心通過交通管理雲提供的服務，不斷對交通控制代理的執行進行優化，使系統效能得到提升，實現多個城市的交通控制系統連線交通管理雲，實現資料集中、資料共享和服務共享。
（2）基於海量交通檢測資料的融合與預測
城市交通大資料和相關的業務服務採用雲端計算技術來實現，其總體邏輯架構如圖4所示。採用雲端計算技術來支撐一體化交通大資料，按需提供自助管理虛擬基礎架構彙整合高效池，以服務的形式提供資源。雲端計算支撐平臺包括資料中心物理資源管理、資料中心邏輯資源、資料中心運營平臺和維護。
圖4 平行交通系統的雲端計算架構
在進行交通流預測時，需要根據交通流檢測資料建立合理的交通流模型。採用混合高斯模型，並用期望最大化（EM）演算法對模型的引數進行學習求解。在MapReduce架構下將EM演算法進行並行處理，通過雲端計算平臺來實現演算法的分散式執行，滿足海量交通資料的處理要求，提升模型引數學習的速度。實施流程如圖5所示，首先基於MapReduce模型來實現交通流預測，研究分散式模型學習方法，建立相應的資料處理演算法，加速模型引數的學習過程，進而進行模型合併，得到各個路口的交通流預測模型，產生最終的預測結果。
圖5 交通流檢測資料融合與預測實施流程
（3）基於平行交通的公共交通計算實驗平臺
在實際交通系統和人工交通系統平行執行的基礎上，利用計算實驗方法在平行交通系統上進行各種試驗，對城市公共交通系統的行為進行預測和分析。實際交通系統中的演算法分析工具以模組和元件的形式應用於平行交通系統實驗平臺中，其中包括各類學習策略與優化演算法、定性與定量計算實驗評估演算法以及對各交通場景（包括常規交通需求場景、增強交通需求場景和突發事件交通場景）提供特定支援的專用演算法模組，這些工具將動態地分析、評估和優化公共交通計算實驗過程及其結果，並結合評價指標體系更新評價結果。
（4）針對城市公共交通管理應用需求，構建實際交通系統與人工交通系統之間互動執行和過程演化的“平行系統”
評估分析城市公共交通當前執行狀態並預測未來的情況，為公共交通管理方案提供演練環境。在平行交通系統的基礎上，開展城市交通管理的評價實驗，評價並優化常規需求情況下、增強需求情況下、突發事件情況下的管理方案。將管理方案置於實際的和各種人工的交通場景之中，湧現“觀察”方案的實施效果，建立包含交通疏散任務完成效果、背景交通影響程度等要素的綜合評價指標體系，綜合評價疏散方案在不同需求情況下的實施效果。
（5）綜合利用傳統媒體和移動網際網路媒體，為使用者提供基於位置的公共交通服務資訊
通過手機客戶端、公交電視、電子站牌、Web網站、排程客戶端、監控客戶端等形式為公交乘客、公交企業管理者、政府行業管理人員提供出行服務、運營排程、企業管理、行業監管等不同層次的服務，影響或改變城市公交狀態。
5.2 城市交通大資料的公交精細化排程與管理
將GPS定位技術、3G通訊技術、地理資訊系統（GIS）技術等結合對車輛進行監控，基於此實施的公交車智慧排程策略，提高了公交車的利用率，同時也在不斷減輕城市道路的擁堵負擔。
城市交通大資料的公交精細化排程與管理系統將公交要素標識標籤、公交車載資訊中心（車載RSU）等物聯網裝置大規模部署於公交車、公交站臺等場所，採集公交車輛狀態資訊、站點資訊、行駛資訊、客流資訊，並通過建設公交大資料處理分析平臺，基於大資料技術對上述採集資料進行分析，通過資料的整合、計算，形成各類資料應用，為公交企業、公眾出行者、政府管理部門提供公交排程服務、公交個性化資訊服務以及公交行業監管服務，徹底解決公交站點智慧維護、公交“飛站”、車距監管、精準報站、發班與客流匹配等公交運營和監管難題，最終提升城市公交服務水平。基於城市交通大資料的公交精細化排程與管理系統如圖6所示，包括3個層面。
圖6 基於城市交通大資料的公交精細化排程與管理系統
- 城市公交狀態感知層：採用基於物聯網技術的交通要素標識標籤、公交車載資訊中心、司機資訊螢幕以及智慧手機等裝置，通過對公交各要素的電子化標識、資料採集和資料共享，實現對城市公交狀態智慧感知。同時，接收來自城市公交資訊服務層提供的各類資訊。
- 城市公交大資料處理層：接收來自城市公交狀態感知層採集的城市公交資料，基於大資料技術進行大資料分析，通過資料的整合、計算，形成各類資料應用，為城市公交資訊服務層提供資料服務。
- 城市公交資訊服務層：可通過手機客戶端、公交電視、電子站牌、Web網站、排程客戶端、監控客戶端等形式為公交乘客、公交企業管理者、政府行業管理人員提供出行服務、運營排程、企業管理、行業監管等不同層次的服務，影響或改變城市公交狀態。
5.3 城市交通大資料的個性化服務平臺
以交通行業大資料處理為核心，整合城市交通各行業資料資源，通過大資料處理技術，實現資料儲存、清洗、融合和挖掘，最終為城市交通行政部門決策和公眾出行提供個性化的支援和服務。個性化服務平臺包括基礎資訊綜合平臺實現交通行業資料採集整合、海量資料處理平臺實現資料分析處理、交通決策服務平臺為政府和公眾提供決策支援和資訊服務，如圖7所示。
圖7 基於城市交通大資料的個性化服務平臺
（1）基礎資訊綜合平臺
基礎資訊綜合平臺為個性化服務平臺的基礎，是實時交通訊息釋出的資料來源，主要功能是交通訊息資料的收集和處理。將各個子系統中的交通資料按照一定的編碼規則和既定格式採集起來，將其轉換為可用的綜合交通訊息，基礎資訊綜合平臺是整個智慧交通訊息組織過程中的資訊樞紐，是實時交通訊息釋出的資料來源，進行交通訊息資料的收集和處理，併為外部資料接入和對外資料分發提供資料規範和標準介面。
基礎資訊綜合平臺將來自不同系統的資料進行處理後，匯入資料管理層，資料管理層關注與其他層次的互動，擔當事務監控器、訊息系統及其他角色，儲存著持久資料。選用業界高效能的資料庫來提供資料儲存、資料存取訪問、資料訪問控制、資料共享等服務。處理以上各層之間的資料通訊問題，包括對各層之間的資料進行相互傳輸。主要包含浮動車資訊採集系統、智慧交通監控排程系統、計程車綜合管理系統、停車場行業管理系統、客運聯網售票系統、資源整合系統、模擬基礎資料採集系統等。不同的檢測技術適合於不同的採集環境，因此模擬基礎資料採集處理包括視訊交通流檢測系統、微波檢測系統、移動式地磁檢測系統三大模組。
（2）大資料智慧處理平臺
大資料處理是結合交通系統的實際情況，研究綜合交通模型體系，制定綜合交通訊息的資料規範和介面規範，並在此基礎上研究和驗證綜合交通大資料的接入和融合技術、大資料處理和多維度挖掘技術以及大資料的安全和有效管理技術，從而最終建設完成市區綜合交通訊息中心，併為交通訊息服務、交通行業管理部門的智慧決策等提供支援。
（3）交通訊息服務平臺
交通訊息服務平臺是利用基礎平臺和資料智慧處理平臺提供的經整合處理後的交通訊息，為公眾出行提供個性化交通訊息服務的釋出平臺。結合筆者和合作單位多年的交通訊息服務實踐，交通訊息服務平臺將通過移動網際網路（手機應用）、傳統網站、電話熱線、電子站牌、交通情報板（誘導屏）、廣播電視、公共資訊亭、導航儀等多種媒介為公眾提供免費或增值服務，該平臺還將為不同釋出渠道提供軟體配套支援。
- 基於移動網際網路的資訊服務：利用3G網路等移動互聯寬頻技術，一方面可以通過其採集使用者位置資訊提供豐富位置服務；另一方面使手機終端能快捷訪問交通訊息服務，包括交通視訊、影像等多媒體資訊，提供的軟體功能包括：路況資訊、停車服務、實時公交、出行規劃、地鐵資訊、鐵路航班、客運資訊、的士查詢、駕培資訊、交通資訊等。
- 基於傳統網際網路的資訊服務：對交通訊息進行採集、分析、挖掘、釋出，打造全方位、一站式的交通訊息服務釋出平臺，為使用者提供包括實時路況、交通視訊、實時公交、計程車空車分佈、網上汽車票查詢預訂、停車場動態資訊、航班動態資訊、列車動態資訊、地鐵資訊以及交通諮詢在內的出行前與出行途中的全程交通訊息服務，使使用者足不出戶即可瞭解城市交通動態，科學規劃出行方案。
- 電子站牌：公交站臺電子站牌為乘坐公交出行的使用者提供交通相關資訊，如公交車輛到站資訊。
- 交通情報板：利用停車誘導屏等情報板為出行者提供停車誘導服務。
- 廣播電視：通過廣播電視節目為使用者播報綜合交通服務資訊，如實時路況、航班動態等資訊。
- 公共資訊亭：綜合交通訊息亭終端採用觸控式螢幕方式接受使用者的互動式操作，提供與Web網站類似的綜合交通訊息服務。主要使用者是旅遊出行人員和通過公共交通系統（如公路、鐵路和航空）出行的人員。
- 真三維動態導航與智慧預警服務：在智慧交通導航中，將以真三維導航（高解析度真實影像替代虛擬場景）替代傳統二維虛擬導航。三維導航地圖不是在二維導航地圖上的3D顯示，而是在獲取三維空間資料後，利用資訊通訊技術處理三維空間資料，包容其他地理資訊，可以突破常規二維表示對形式的束縛，更好地洞察和理解現實世界。真三維智慧交通中，根據實地採集的實景資料，對色彩、材質、燈光等細節進行處理，逼真地在導航儀上動態地再現三維道路實景。針對交通事故多發區域，比如十字路口或者拐彎區域，通過高清影像與幾何模型結合運算，計算出大車拐彎的死角範圍，並蒐集車身長度和效能進行評價，將評價結果及時反饋給司機，將導航過程中經常發生危險的區域在真三維實景導航中顯示並警示，有利於駕駛員安全駕駛，減少交通事故發生。
5.4 其他應用例項
（1）交通基礎設施資料提取及實時更新
利用快速更新的遙感影像來提取城市道路變化，並及時自動更新交通大資料中心的資料庫，可實現路網資料的實時更新，為使用者提供更準確的道路資訊。過程如下：
- 通過高解析度影像提取道路的路面、綠化帶、環島、大車拐彎死角帶等要素，通過航空影像和斜視影像，可以提取道路的路燈、井蓋、路牌等資訊；
- 利用道路兩旁行道樹、植被指數、形狀指數和數學形態學知識來自動、半自動地提取道路線，並通過GIS進行道路面積的快速計算；
- 採用物件導向的遙感影像的分類方法，對遙感影像進行分割，降低噪聲干擾，並得到同質物件；
- 通過尺度選擇及轉換，構建影像物件層次，充分認識不同道路特徵，建立道路知識庫，進行道路資訊提取。
（2）基於行車大資料的駕駛行為分析與預警
將收到的資料分組分類處理，可實現對移動車輛的全天候的實時監控、報警、指揮與排程功能。通過電子地圖匹配GPS/中國北斗衛星導航系統採集的車輛經緯度、時間等資訊，實時監測車輛的執行位置和狀態，並在GIS上顯示車輛軌跡，進行車輛的跟蹤；通過自動記錄、統計、分析車輛的歷史執行資料，輔助管理人員制定管理決策。對海量行車資料及駕駛行為資料匯入一些統計分析手段，可以有效對駕駛行為進行資料建模，通過駕駛員的出行習慣，從路線到行為，為該駕駛員提供一套評估，而此人的評估會被送往交通管理部門以及運輸企業等地方，從而應用到各類行業中，如新車車主駕駛行為糾正系統、車主行車行為自診斷系統等。
（3）預測群體出行行為
結合交通大資料，可以預測出群體出行的態勢，對其可能出行的時間、出行路線、出行方式等進行預測，從而為城市車輛排程提供決策幫助。反過來看，這些預測的群體出行行為資料也將為個人出行提供更加精確的服務，幫助個人決策，讓個人出行儘量以最短的時間、最短的路線抵達目的地。
6 結束語
遙感空間資料、交通視訊資料、各類感知資料、輿情資料等資訊在城市交通系統是分散獲取、單獨使用的，總的來說，資料量巨大，但由於各方面資料應用單一、不夠深化，不能夠充分挖掘資料的價值。在這些資料的基礎上，構建城市智慧交通大資料平臺，可從尺度、精度、時相等方面保障資料及時更新，能夠實現更精細、及時的動態監測服務資料體系。
城市智慧交通大資料平臺基於雲端計算平臺和高速網路傳輸，支撐移動網際網路時代的智慧交通服務，實現使用者移動終端資料採集、大資料分析挖掘、智慧推送等資訊實時高速傳輸；基於實時資料為使用者提供更精準的導航、停車服務，實現新型的實時互聯交通服務模式。
展望未來，通過物聯網、雲端計算、大資料等技術手段，有望減少甚至消除城市交通原有的行政壁壘，實現城市交通各種大資料的全面採集和有機整合，在一個平臺上同時為政府各部門提供交通行政監管服務、為企業和大眾提供交通訊息服務，從而可進一步提高城市交通的運營管理和綜合服務水平。
大資料期刊