城市交通大数据及智能应用

本文摘要：概要：城市交通大数据具备种类多样、异质性、时空尺度横跨大、动态多变、高度随机性、局部性和生命周期较短等特征，如何有效地收集和利用交通大数据，符合低时效性的交通行政监管、交通企业经营管理、交通市民服务等应用于市场需求，是城市交通和智慧城市面对的前所未有的机遇和挑战。重点分析总结了城市交通大数据的若干研究内容及核心技术，明确提出了城市交通大数据智能应用于系统解决方案，列出了几种典型应用于，在城市交通和智慧城市领域的大数据研发和应用领域展开了可行性探究。

概要：城市交通大数据具备种类多样、异质性、时空尺度横跨大、动态多变、高度随机性、局部性和生命周期较短等特征，如何有效地收集和利用交通大数据，符合低时效性的交通行政监管、交通企业经营管理、交通市民服务等应用于市场需求，是城市交通和智慧城市面对的前所未有的机遇和挑战。重点分析总结了城市交通大数据的若干研究内容及核心技术，明确提出了城市交通大数据智能应用于系统解决方案，列出了几种典型应用于，在城市交通和智慧城市领域的大数据研发和应用领域展开了可行性探究。　　关键词：城市交通；大数据；云计算；物联网　　1章节　　2015年两会上，“大数据（bigdata）”一词首次载入政府工作报告。

在交通领域，大数据仍然被视为减轻交通压力的技术利器。应用于大数据有助理解城市交通拥堵问题中人的上下班规律和原因，构建交通和生活的人与自然，提升城市的宜居性，为政府精准管理获取基于数据证据的综合决策[1]。同时，大数据的挖出和用于还不利于促成信息消费新模式，增进信息消费产业发展。

　　随着手机网络、全球定位系统（globalpositioningsystem，GPS）/北斗车载导航系统、车联网、交通物联网的发展，交通要素的人、车、路等的信息都需要动态收集，城市交通大数据来源日益非常丰富[2]。在日益成熟期的物联网和云计算平台技术支持下，通过城市交通大数据的收集、传输、存储、挖出和分析等，未来将会构建城市交通一体化，即在一个平台上构建交通行政监管、交通企业运营、交通市民服务的构建和优化[3]。　　城市交通大数据的构建与分析技术研究，对我国智慧城市的发展具备战略性意义。

交通大数据具备种类多样、异质性、时空尺度横跨大、动态多变、高度随机性、局部性和受限生命周期等特征，如何有效地构建交通大数据，符合低时效性和科学知识机车等城市交通智慧化市场需求，是各个大中城市所面对的前所未有的发展机遇和挑战[4~8]。　　本文首先非常简单讲解了大数据的发展状况及趋势，然后重点分析总结了城市交通大数据的若干核心技术，并明确提出城市交通大数据的智能应用于系统解决方案，最后重点列出了几种典型应用于。　　2大数据的发展状况及趋势　　近年来，数据的快速增长出了许多行业联合面临的不利挑战和宝贵机遇，信息社会正在转入大数据时代。

大数据所指的是牵涉到的资料量规模极大到无法利用目前主流软件工具在合理时间内超过感官、转换成、管理、处置和服务的数据子集。从2009年左右开始，“大数据”开始沦为互联网信息技术行业的风行词汇。　　根据互联网数据中心（IDC）量度，数据仍然以每年50%的速度快速增长（大数据摩尔定律），这意味著人类在最近两年产生的数据量相等于之前产生的全部数据量，预计到2020年，全球将总共享有35亿GB（35ZB）的数据。

大数据处理的数据规模从TB级下降到PB、EB甚至ZB级，人们面对着如何减少数据存储成本、充分利用计算资源、提升系统所发陡然亲率、反对分布式非线性递归算法优化等众多难题。　　为了应付大数据的发展趋势，更佳地为行业用户和个人获取数据分析的服务，急需建构各类有所不同的大数据平台，反对用户对数据的多种市场需求。建构大数据平台就是要将有所不同渠道、有所不同来源、有所不同结构的数据展开有机的统合。与传统数据平台有所不同的是，大数据海量的规模、多样的类型、较慢的流动和动态的体系以及极大的价值是大数据平台建构必须重点考虑到的几个因素。

除此之外，数据的分类存储、数据平台的开放性、数据的智能处置以及数据平台与用户的交互都为大数据平台的建设带给前所未有的挑战。　　大数据平台处置的数据类型是多种多样的。目前这些平台的搭起早已有了一些有代表性的成果，如Google公司的Freebase、微软公司的Probase、国内知名的中文信息结构库——中国知网。

在商用数据平台方面，IBM公司的Infosphere大数据分析平台、天睿公司的Teradata统一数据环境以及由国内天猫、阿里云、万网联合推出的国内首个电商云工作平台凝石塔是3个典型的数据平台。　　“大数据”本身是一个现象而某种程度是一种技术，这是信息科技历史发展的必然结果。大数据的收集、传输、处置和应用于所需的涉及大数据处理技术，是通过系列地用于非传统工具来对大量的结构化、半结构化和非结构化数据展开处置，从而取得分析和预测结果的一系列大数据处理技术。

大数据技术的战略意义也不仅在于掌控可观的数据信息，而更加在于对这些所含意义的数据展开专业化处置。换言之，如果把大数据比作一种产业，那么这种产业构建盈利的关键在于提升对数据的“加工能力”，通过“加工”构建数据的“电子货币”。

大数据领域早已辈出了大量新的技术，它们沦为大数据采集、存储、处置和呈现出等功能的有力武器。大数据发展呈现出以下趋势。　　（1）基于云计算的数据分析平台　　云计算为大数据获取了可以弹性拓展、比较低廉的存储空间和计算资源，使得中小企业也可以像亚马逊公司一样通过云计算来已完成大数据分析。

云计算IT资源可观、产于更为普遍，是异构系统较多的企业及时精确处置数据的有力方式，甚至是唯一的方式。　　大数据要南北云计算，还造就数据通信比特率的提升和云资源池的建设，必须保证原始数据能迁入到云计算环境以及资源池可以随须要弹性拓展。

　　（2）数据分析集逐步不断扩大，企业级数据仓库将沦为主流　　当人们从大数据分析中滋味甜头以后，数据分析集就不会逐步不断扩大。目前大部分的企业分析的数据量一般以TB为单位。按照目前数据的发展速度，数据量迅速将不会转入PB时代。

尤其是目前在100~500TB和500+TB范围的分析数据集的数量不会成倍增长。　　随着数据分析集的不断扩大，以前部门层级的数据集将无法符合大数据分析的市场需求，它们将沦为企业级数据库（EDW）的一个子集。因此，企业内的数据分析将从部门级过渡到企业级，从面向部门市场需求改向面向企业市场需求，从而也终将取得比部门视角更大的益处。

随着政府和行业数据的对外开放，更好的外部数据将转入企业级数据仓库，使得数据仓库规模更大，数据的价值也更大。　　（3）Hadoop对MapReduce的倚赖程度更加小　　Hadoop是一个需要对大量数据展开分布式处置的软件框架，需要处置PB级数据，具备高可靠性、低扩展性、高效性和低容错性等特点。

其新版本不只为MapReduce服务，而是和Cloudera的Impala一样用一个SQL查找引擎或者其他的方法来替代MapReduce。HBaseNoSQL数据库就是Hadoop离开了MapReduce约束后的一个很好的例子。未来Hadoop平台将在大数据处理中充分发挥更加最重要的起到。　　3城市交通大数据　　3.1城市交通大数据的主要研究内容　　城市交通大数据的研究内容主要还包括以下方面。

　　（1）时效约束的大数据多尺度汇集计算出来和动态图谱　　交通大数据不存在多源、异质、局部性、时空关联、异步性、信息稠密性和并发性等特点，而城市交通系统不存在着对大数据汇集处置的高时效性以及对“大而信息稠密”的交通大数据的领域科学知识机车拒绝。现有的数据融合、计算出来理论与方法无法符合低时效性的大数据处理和基于数据的科学知识建构与切换等市场需求，急需明确提出时效约束的大数据多尺度汇集计算出来和动态图谱的交通大数据处理新的理论与新方法。　　（2）低维空间的隐性科学知识序贯挖出与进化模型　　交通主体、不道德、态势、路网流形和环境构成了高维生态系统紧空间，相互之间不存在着高度非线性、随机性和动态的耦合关系。

交通态势及其进化是交通系统的宏观反映，具备约束条件下的动态性、序贯性、自的组织、随机性等特点，交通态势机理说明对解决问题城市交通的难题十分最重要。传统的交通理论无法找到说明了在如此低维空间的科学知识，对交通上下班规律及其时空进化、大面积交通拥堵演进规律、环境与交通不道德等展开综合科学知识和数据承托的说明与评价，低维空间的隐性科学知识序贯挖出与进化将为此获取扎实的理论与技术承托。

本文关键词：城市交通,大,数据,及,智能,应用,概要,开云app官网

本文来源：开云app官网-www.hbtcnc168.com