基于车联网的大数据应用研究

梁雪辉（广东理工职业学院，广东广州，510091）



基于车联网的大数据应用研究

梁雪辉
（广东理工职业学院，广东广州，510091）

摘要：大数据技术具有数据处理量大、可处理非结构化数据、实时性高等特点。针对交通安全问题，提出将大数据技术应用于车联网中数据采集、数据分析和数据处理的问题。基于大数据技术，管理所有系统数据资源，并进行各种智能化数据分析处理。立足于为车联网提供智能支撑，让用户体验到交通管理智能化。

关键词：大数据技术；车联网；智能交通

0 引言

随着经济增长，城市交通日益复杂，对交通环境的要求越来越高。人们高度关注“大数据”，力图通过扩大其应用范围，进一步释放数据所蕴含的潜在价值。美国提出“大数据研发计划”，旨在改进人们从海量和复杂的数据中获取知识的能力，扩大大数据应用领域。我国举行的“首届大数据应用论坛”从大数据发展、大数据在不同场景的应用旨在讨论大数据的应用价值。然而车联网要求即时、高效、准确获取交通环境中的数据并进行分析和处理，构建合理城市交通体系，大数据则可以很好地解决这个问题。

1 概述

车联网，是指装载在车辆上的电子标签通过无线射频识别、无线通讯、定位和传感等技术，实现在信息网络平台上对车辆的属性信息和静、动态信息进行提取和利用，并根据不同的功能需求对车辆的运行状态进行有效的监管和提供综合服务。

车联网具有节点特性、移动特性和实时特性。节点特性表现为具有强大的计算能力和存储能力。移动特性表现为网络拓扑变化快、移动速度快和移动轨迹可预测。实时特性表现为实时的路况信息和突然增大的通讯负载。

大数据是一系列信息技术的集合，包括数据采集、数据管理、数据分析和处理。将大数据技术应用在车联网环境中，城市的交通管理中心可以通过大数据平台疏导交通，车主可以通过它了解实时路况信息、停车场停车情况等信息。

2 大数据在车联网中的应用

2.1 车联网数据采集

在车联网中，数据采集主要包括服务端系统通过感知技术实现对人、车、环境的各种静态信息（ 标识、属性等） 和动态信息（各种事件、服务请求等） 的监测、提取、转换和加载。由于数据源不一样，采集的技术体系也不尽相同，比如对于静态信息，可以通过从本地数据库、互联网、物联网等数据源导入车联网中，车辆可以将自身的各种信息传输到中央处理器；而动态信息利用GPS、RFID、传感器、摄像头图像处理等装置，车辆可以完成自身周围环境和状态信息的采集。

2.2 车联网数据分析与处理

数据分析是整个大数据处理流程的核心，大数据的价值产生于分析过程，实时数据处理是大数据分析的核心需求。根据车联网的实时性特征，本文将车联网中采集的动、静态信息数据按照实时性要求可分为实时分析和离线分析，在分析过程中分别采用不同的分析方法。

对于动态信息，数据瞬息万变，因此需要及时的数据分析，在极短的时间能返回分析结果。比如车联网中由GPS、RFID、传感器采集的车辆速度和距离等数据采用的是SAP的HANA的实时分析的工具，将传统关系型数据库组成并行处理集群的数据分析模式进行实时分析并采用内存计算平台；摄像头采集的图像数据在进行计算的时候会涉及到在相同数据上的不断更新以及大量的消息传递，为避免不必要的序列化和反序列化的开销并且实现极短时间内的海量数据分析，采用适用于Web数据级别的交互式数据分析系统Dremel。在车辆行驶过程中采集的数据的价值会随着时间的流逝而不断减少，尽快地对最新的数据作出分析并给出结果，所以对于动态信息的数据采用流数据处理模式，流处理的处理模式将数据视为流，源源不断的数据组成了数据流；当新的数据到来时就立刻处理并返回所需的结果。

在大数据环境下，为了降低数据格式转化的开销，提高数据采集的效率，车联网中的静态信息采用基于MapReduc的离线分析和批处理模式，MapReduce模型首先将车联网采集到的静态信息的原始数据源进行分块，然后分别交给不同的Map任务区处理。

2.3 大数据管理车联网

车联网中的各类交通管理主体分散在不同部门，呈现条块分割的现象，这种分散造成公共交通管理的碎片化，而大数据具有信息集成优势和组合效率，有助于建立综合的交通信息体系，将用户可能利用的各种交通数据纳入系统， 构建车联网信息集成模式，发挥整体性交通功能，通过在大数据中进行集成检索、利用和分析来提取相关信息，满足各种交通需求。

大数据智能化管理车联网表现在：一旦某个路段发生问题，立刻从大数据中调出有用信息，确保交通的连贯性和持续性；另一方面，大数据具有高预测能力，可降低误报和漏报，可随时针对交通的动态性实施监控。

3 结束语

本文在探讨车联网特性、大数据内涵和应用的基础上，简明阐述了大数据在车联网数据采集、分析和处理以及管理等过程中所涉及的技术及方法，但要真正利用大数据构建一体化的智能交通体制，还需要对车联网系统的构建以及用户界面的完善做进一步研究。

参考文献

［1］Kevin C. Lee， Uichin Lee， Mario Gerla， et al. Geo-Opportunistic Routing for Vehicular Networks［J］. IEEECommunications Magazine， 2010（5）︰164-170.

［2］Hannes Hartenstein， Kenneth P. Laberteaux， et al.A Tutorial Survey on Vehicular Ad Hoc Networks ［J］.IEEE Communications Magazine， 2008（6）︰164-171.

［3］覃雄派，王会举，李芙蓉，等．数据管理技术的新格局．软件学报，2013，36（2）︰175-197

［4］DU N，Wu B，Pei X，et al.Community detection in largescale social networks//Proc of the 9th WebKDD and 1st SNA-KDD 2007 Workshop on web Mining and Social Network Analysis.New York︰ACM，2007︰16-25

［5］Dean J，Ghemawat S.MapReduce︰Simplified data processing on large clusters ［C］//Proc of OSDI 2004 Berkeley，CA︰USENIX Association，2004︰137-150

Research on the application of big data based on vehicle networking

Liang Xuehui
（Guangdong Polytechnic Institute，Guangzhou，Guangdong，510009）

Abstract：Big Data technology has the characteristics of processing large amount of data，real-time and dealing with unstructured data.Aiming at the problem of traffic safety，we put forward the Big Data technique is used to solve the problems of data collection，data analysis and data processing in Vehicle networking affects the traffic safety.Based on Big Data technology，managing all the data resources of the transport sectors and a variety of intelligent data analysis processing，We provide intelligent support for the Vehicle networking，allowing users to experience the intelligence of traffic management.

Keywords：big data；vehicle networking；intelligent transportation

作者简介

梁雪辉，男（1988.11—），汉族，籍贯广西，硕士，助教，研究方向：实时系统、信息物理系统。