智慧交通中多维交通流数据实时可视化技术概述

魏丽丽 杜长海 徐立松 重庆市公安局

引言

近年来，全球的数据量以每年58%的速度增长，在未来这个速度将会更快。如果按照现在存储容量每年40%的增长速度计算，预计到2017年底需要存储的数据量甚至会大于存储设备的总容量。IDC报告预计显示，从2010年到2020年全球数据量将有50倍的增长，达到40ZB的数量级（相当于4.4万亿GB，相当于430亿块1TB硬盘），这一数据量将是2011年的44倍。如何利用大数据解决科学、医疗、能源、商业、政府管理、城市建设等领域的诸多问题，是全世界面临的巨大挑战。

大数据正在渗透到社会组织的每一个细胞，几乎对所有行业产生颠覆性和革命性的影响。但仅仅拥有大数据是不够的，特别是在数据质量不高的情况下，海量数据产生的同时也产生了大量的数据噪音，如果不对大数据进行有效的管理和分析，那么将无法让大数据真正发挥作用，这是学术界和业界共同面临的重大课题，也是大数据真正从上层构建到底层实现的关键问题。在云计算及大数据背景下，可视化技术作为一种有效的数据分析手段越来越受到重视，成为越来越多学者的关注焦点。

一、可视化理论与实现技术

可视化(Visualization)是对数据及计算结果进行深入分析，以获得对数据的理解和洞察，实现把计算中所涉及的和所产生的数字信息转变为直观的、以图像或图形信息表示的、随时间和空间变化的物理现象或物理量呈现在专业人员面前，使其能够观察到模拟和计算过程，即看到传统意义上不可见的事物或现象，并提供与模拟和计算的视觉交互的手段。可视化的目的是依靠人的强大的视觉能力，促进对所观察的数据更深一层的了解，培养出对新的潜在过程的洞察力。可视化技术是科学计算与图形图像技术的结合，它涉及到科学与工程计算、计算机图形学、图像处理、人机界面等多个学科和技术领域。作为一种新兴的技术，自面世以来获得了飞速的发展，在各学科中得到了广泛应用。随着大数据时代的来临，可视化技术产生了越来越多的研究方向，其中最有代表性的方向包括数据可视化、科学计算可视化、信息可视化、知识可视化等。

二、交通流信息可视化

交通流数据的分析处理技术是智慧交通信息处理的核心内容之一，支撑着交通各系统间的协同运作，其技术水平的发展决定了智慧交通系统服务水平。以交通管理与规划为例，智慧交通在该领域主要包括三个方面：先进的交通管理系统、交通基础设施智能监控系统、交通运输规划决策支持系统。其中多手段、全方位的交通信息采集与路网状态监控系统，自动化的卡口监测系统以及各类先进的电子警察监测系统等子系统回传了海量动态交通流数据。以电子牌数据为例，截至2016年6月，重庆市主城区共有500余个采集点，每天约产生千万条数据记录，信息量每年将产生30多亿条。又如在服务内容丰富的出行者服务领域，实时交通数据流处理技术是智能交通流诱导系统与车载导航系统发布与接收实时路况、交通管制、动态路径诱导的基础。在传统智能交通中，注重采用自动功能取代人工方式，如车辆的自动收费、车牌识别、图像对比等功能。在新技术不断涌现的背景下，显然这些已经不能满足交通管理部门的需求，而现代的智慧交通则提供基于实时交通数据的交通信息服务，融入了物联网、云计算等高新信息技术来汇集交通信息、大量使用数据模型、数据挖掘等数据处理技术。

传统交通信息管理中粗略的信息发布及简单的交通流量预测已经不能满足现代智慧交通的需求，需要一种更先进的技术，可视化技术以其直观明确的图形优势受到越来越多的重视。交通可视化是可视化技术的重要应用领域。现代智慧交通与传统智能交通体系研究内容如图1所示。

交通信息数据具备大数据的四个基本方面：海量（Volume）、多样性（Variety）、快速（Velocity）、价值（Value）。数据的量指交通信息数据是海量的；数据的多样性指交通信息由大量的检测设备和手段提供大量数据，同时数据采集范围遍布城市的各个角落，处处都在产生数据；数据的速度指得益于现在的计算机信息系统，获得这些交通信息数据的速度是非常快速的；数据的价值指这些交通信息数据的价值是非常高的，从数据中可以挖掘出管理城市交通所需的信息。可视化是智慧交通的重要特征。通过采用转化为图形、图像的可视化方法，大量的交通数据形成人机交互，精度高、可靠、高效的可视化交通信息。进而了解其内部的规律。交通流可视化仿真能够将交通仿真数据通过计算机系统和图形显示系统直观的显示出来，从而使交通管理控制人员能够方便地获取城市交通的运行状况，及时准确地发出交通控制指令，保证城市交通的安全和畅通。

交通流数据可视化系统总体框架如图2所示。

其中，基于降维映射的数据可视化是一类有效的多维数据可视化技术，该类技术将多维数据集看做一个整体，采用最优化方法在低维可视空间中对数据集的内在结构特征及拓扑关系进行直观展现，比如：主成分分析法（PCA）对维进行线性组合，抽取其中包含信息最多（具有最大分散性）且相互独立的少数“优势维”表现多维数据；多维尺度变换法（MDS）使用点间距离良好近似高维数据的相异度，在低维空间重建多维数据；自组织映射法（SOM）采用神经网络邻域学习方法重新组合产生“新维”，以表达原始多维数据；等距映射法（ISOMAP）以及局部线性嵌套法（LLE）使用是流形学习算法以领域图最短路径的长度逼近全局测地距离作为MDS算法输入等。虽然该类技术能有效解决“维数灾难”（the curse of dimensionality）问题，在很多实际问题中得到了成功的应用，但由于其计算复杂度较高，不适合可视化海量数据流，而且该技术是在尽量保持数据集主要特征的基础上降低维度，进而将多维数据在二、三维可视空间中进行展现，因此其无法直观体现数据流中多维对象在各维度上的分布情况。

三、多维交通数据流可视化

由于交通运输系统属于离散事件系统，系统的内部状态变化是随机的，同一内部状态可以向多种状态转变，很难用函数形式来描述系统内部状态的变化，只能掌握系统内部状态变化的统计规律。

以城市交通领域的背景知识为基础，充分理解用户对海量数据流动的实时决策需求；分析海量多维查询结果集的整体结构、各维的分布特征及聚类情况等信息，优化原数据空间维与各维度起始面的对应关系、改善维度轴排列顺序；加强对分类数据的处理能力，结合多维复杂数据的降维方法与最优化层次关系设计，以动态交互的方式增强用户对数据分析的认知能力，从而最终提高交通决策的准确性和实时性。交通数据流可视化整体研究方案逻辑结构如图3所示。

（一）静动态交互相结合的可视化

以用户为中心，针对不断变化的交通数据流查询结果，采用静态图表和动态交互相结合的方法进行可视化分析，通过刺激用户的视觉思维以辅助交通业务决策。通过对同一结果集多视图展示，使用户可以拥有多个单一结果集的同步视图，并允许其以点击或圈取的形式选择特定的数据点，进行可视化分析。

（二）海量交通数据流可视化

通过海量交通数据流可视化分析，呈现交通数据流查询结果集的内涵，把握数据“全局”与“局部”的关系，合理划分数据的重要程度，兼顾交互的层次感与时间维度的动态展示，进而挖掘出隐藏在大数据内部的规律，为城市交通业务提供实时决策。

（三）多维交通数据流可视化

在海量数据环境下，多维交通数据流可视分析的可扩展性、多级层级的深度与复杂性也随之增大。在继承关系复杂且深度大的层次关系中巡游与搜索最优解是其可扩展性分析的主要挑战；同时研究如何通过可视化来清晰地表示证据和数据的不确定性，充分考虑数据的分布情况，帮助用户了解风险，从而帮助用户选择正确的参数，减少产生误导性结果。

四、结论

采用高效的实时图形可视化技术，可改善人机交互过程中的用户体验、提高海量交通数据流直观分析效率和准确度；海量交通数据流可视化分析，不仅能够呈现交通数据流查询结果集的内涵，而且可以把握数据“全局”与“局部”的关系，合理划分数据的重要程度，兼顾交互的层次感与时间维度的动态展示，进而挖掘出隐藏在大数据内部的规律，为城市交通业务提供实时决策。可视化技术对智慧交通体系能够带来以下价值：

（1）降低恶性交通事故频率，减少因事故造成死亡人数，通过监控系统收集车辆信息并且实时分析，能够对事故高发车辆进行行为监控。

（2）降低道路拥堵率，通过路况监控设备收集路况信息并实时处理，能够精确绘制道路拥堵线图，提供交管部门快速处理突发事故，并提供给大众平台供驾驶员参考从而疏导车流。

总之，交通是工业化进程中经济运行的动脉，智慧交通是智慧城市的重要组成部分。通过物联网前端数据采集以及视频监控，采集各个道路视频摄像头信息，对比历史记录，对实时车流、人流进行分析，可以计算和预测该路段当前、未来的交通情况，也可以动态调整交通状况并实时预警，体现了大数据可视化在智慧交通领域的应用价值和发展前景。

[1] Anwar A, Nagel T, Ratti C. A Simple Visualization Technique to Support Traffic Incident Analysis, Pacific Visualization Symposium(Pacific Vis), Yokohama, 2014, IEEE: 316-319.

[2] Zhang X, Li N, Cao C, et al. Traffic Flow Visualization Based on Line Integral Convolution. International Symposium on Optoelectronic Technology and Application 2014. International Society for Optics and Photonics, 2014: 930133-930133-6.

[3] O'Brien W J, Mandali Y, Goyat J, et al. An Integrated Visualization Technique for Transportation Management Planning in Highway Infrastructure Projects. Transportation Research Board 94th Annual Meeting. 2015 (15-3148).

[4] Song Y, Miller H J. Exploring Traffic Flow Databases Using Spacetime Plots and Data Cubes. Transportation, 2012, 39(2): 215-234.

[5] Zahran E S M, Smith M J, Bennett L D. 3D Visualization of Traffic-Induced Air Pollution Impacts of Urban Transport Schemes.Journal of Computing in Civil Engineering, 2012, 27(5): 452-465.

[6] Sewall J, Van Den Berg J, Lin M C, and et al. Virtualized Traffic:Reconstructing Traffic Flows from Discrete Spatiotemporal Data.Visualization and Computer Graphics, IEEE Transactions on, 2011,17(1): 26-37.

[7] Xu X, Hu X, He X. A Wargame Data Visualization Algorithm Based on Regular Radius and Constrained Random Direction.Proceedings of the 3rd International Conference on Multimedia Technology (ICMT 2013). Springer Berlin Heidelberg, 2014: 175-182.