城市智能交通大数据平台的模型库研究与设计分析

马宁博

摘要：智能交通是城市现代化发展的一个重要方向，智能交通最大的外在表现是应用通信、计算机等高新科技逐步建设与应用模型库、知识库等，一方面顯著提升了交通系统的运行效率，另一方面也增强了地面交通网络的安全性。该文首先分析交通大数据平台的模型库的基本功能，包括记录过车及车辆违规行驶数据、对接信号控制系统等；其次从不同方面探究主要模型库的设计方法，有交通状态识别、交通专题分析、跨专题式大数据分析挖掘模型这3种；最后探讨交通仿真与该文所设计功能性平台的融合问题，统计并分析了区域内车辆仿真结果，证实了该研究设计平台的科学性、有效性，具有一定推广价值。

关键词：城市智能交通  大数据平台  模型库设计  技术应用

中图分类号：U495   文献标识码：A

Research and Design Analysis of Model Bases of the Urban Intelligent Transportation Big Data Platform

MA Ningbo

（Hefei Municipal Design and Research Institute Co.， Ltd.， Hefei， Anhui Province， 230000 China）

Abstract： Intelligent transportation is an important direction of urban modernization development. The biggest external manifestation of intelligent transportation is to apply high and new technologies such as communication and computer to gradually construct and apply model bases and knowledge bases， which， on the one hand， significantly improves the operation efficiency of the transportation system， and， on the other hand， also enhances the safety of the ground transportation network. Firstly， the paper analyzes the basic functions of the model base of the traffic big data platform， including recording the data of passing and illegal driving of vehicles， docking the signal control system， etc. Secondly， it explores the design method of the main model base  from different aspects， including traffic state identification， traffic thematic analysis and cross-thematic big data analysis and mining models. Finally， it discusses the integration of traffic simulation and the functional platform designed in this paper， and counts and analyzes vehicle simulation results in the region， which confirms the scientificity and effectiveness of the platform designed in this paper， and has certain promotion value.

Key Words： Urban intelligent transportation; Big data platform; Model base design；Technical application

我国城市智能交通已经有20多年的发展历程，早期研究主要集中在交通信号管控、信号配时算法研究上，逐渐过渡值交通信息收集、行程速度测算、交通状态辨识等方面，现如今朝着模型库、知识库的构建与应用领域全力进军。很多一线城市陆续做出构建交通决策支持系统、数据库等的提议。各地城市在积累大量道路交通、公共交通等数据后，急需以大数据平台作为支撑规划建造模型库，以为城市交通管理、决策等提供可靠依据。

1智能交通大数据平台模型库的功能需求

大数据平台在长期使用过程中其上积累了大量的交通违法数据、道路信息等，传统的关系型数据库在数据保存、处置等方面逐渐不能满足数据应用需求。关系型数据库分析智能交通转向场景的规律时，很难在不同维度数据类型之间构建良好的关联性。建设与应用模型库的宗旨在于整合处理结构或半结构化的交通数据，故而基于交通大数据平台创建的模型库具备如下几点功能。

（1）过车数据：处于行驶状态下的车辆经由卡口、电子警察等视频采集点时，能快捷精准地录入车辆的结构化数据，包括车牌号、颜色及车型等；（2）违规行驶信息：前段安装的采集仪能由各路口收集车辆是否闯红灯、压线、违法停车等信息，并运用视频采集点或固定源能动态采集车流量信息；（3）对接信号管控系统，及时获得系统的相位调控等信息[1]。

2主要模型库类型的研究与设计

2.1交通状态识别模型

经过科研人员的不断探索和反复应用后发现，建立完整的系统模型后，模型内部的相关结构在发挥自身实用功能的基础上，利用先进的大数据处理技术，能够达到预设的工作要求。对于未来社会交通运输红绿灯状态的判断、识别，交通运行情况的判定奠定了坚实的基础，管理人员应利用自身知识完善模型的计算方法。

结合现行规范，依照下式运算出道路交通指数[2]：

分别表示的是路段、行程车速。

取值范围0～100，如果最终运算结果＜0，则取=0。

整合里程长度与车道数两大因素，应运用下式计算：

进一步了解后发现，路段i的车道总数由代表，路段I的整体长度由表示。

据有关资料显示，管理人员通过共同探讨后发现，并紧密联系现实的评估需求，相关人员应在风险可控的情况下对不同因素条件进行分析整理，并采取适宜的加权计算方法对其进行统筹规划。

从宏观层面上，被分成4级，取值范围是[0，100]、0≤＜30、30≤＜50、50≤＜70、70≤＜100分别对应1级、2级、3级、4级，交通运行状态依次是畅通、较畅通、拥堵、严重拥堵。

2.2交通专题分析模

2.2.1机动车出行量预测模型

运用数据库内控制子系统存储的既往数据，整合模型库内的交通流预测模块，管理人员应采用适当方法对不同地区的交通区域及居民小区内部的机动车辆现实出行情况进行全面分析并统计，并结合不同期间的特定区域机动车出行量和运行规律进行分析和预测，通过专业人士的全面分析和判定构建完整的交通运输方案和运输管理体系，为后期交通运输管理工作的平稳发展奠定夯实基础。

2.2.2公交出行量预测模型

具体来说，科研人员应合理提取完整的数据库及公交系统内部留存的诸多数据信息，通过交通运输系统内部的预测模块和模型数据条件进行统筹规划，预估现有交通小区公交出行数量，能迅速地预览该市多年以后的公交出行占有率，使相关部门规划公交线网、设计公交发展方向等更能有据可依。

2.2.3區域交通信号配时模型

操作人员应顺应时代发展潮流，运用合理的方式对交通运行区域的地理数据信息进行自动更新和完善，全面反映市政道路网络内部机动车辆的运行情况，在系统内动态呈现市政道路网络设施使用状态，并且和数据库内多个路段的交通参数之间建立可靠关联性，帮助决策人员在最短时间内获取城市道路的交通运输线路和重点通行区域，通过相应的线路交叉点，结合市政及路政管理部门的法律政策法规，对相关区域的交叉区域进行系统扩建，并根据重点瓶颈和交通运行路线进行整合，为后期区域交通运输管理工作创设诸多有利条件。

2.2.4公交线网合理性分析模型

管理人员应结合自身知识充分熟悉城市区域的公共交通路线运行数据和相关信息，并采用适当手段对运输系统内部的各种空间投影情况进行全面规划，对不同类型的道路运输系统综合管控后，要求运输人员全面使用公交运行系统的使用频率和次数，保证公交系统平稳运行的基础上，为决策者提供完整的公共服务盲点及其他情况，在各个交通运输管理人员充分交流后，制订安全合理的公共运输系统规划图，并重点阐明公共交通运输区域的基础设施扩建区域和存在的主要问题。例如：进行远期交通运输管理方案工作中，管理人员应通过实验方式对公共交通运输系统的网络布局线路进行优化调整，通过一系列的仿真处理和实践应用，对系统内部的各类功能进行集中管理，以保证公交运行系统得到实施效果能够达到最佳。

2.2.5物流运输模型

物流运输管理人员应根据物流运输的条件和供给特点，对物流运行条件的各种情况和实施计划进行归类，系统掌握当地市区物流的发展情况，对政府倡导的法律政策进行全面了解，并重点关注广大人民群众的生活需求，对物流运行信息进行综合管控后，从多元保证物流资源的完整性、真实性，保证所有资源能够真正发挥自身实用价值，促进不同地区物流运行信息效率进行优化和改进[3]。

2.2.6停车泊位以及运行模型

管理人员应充分利用先进的计算机处理技术，结合前期各类系统平台采集的车辆停泊信息及大量有价值的数据，通过合理方式进一步对不同城市地区机动车辆的停泊信息进行自动监测及定位处理，统筹规划车辆的服务管理水平、运行的安全情况，收集各类图表后制定完整的配建停车场平面设计图，从侧面反映停车场当前存留的服务性或者容量性问题的停车“黑点”，继而建立完整的停车智能导向处理系统平台，在保证不同停车场内的实际车辆资源及相关价值被完全挖掘后，促使整个公共交通运输系统及相关基础设施的运行处于平稳均衡状态，以满足相关地区城市交通运输条件在特定区域的停车需求。除此之外，应系统获取不同停车场内部停车的周转情况，充分了解周围道路架构的交通实际需求，确定与之相宜、价格合理的车位收费费率等价格后，提升城市交通运输管理水平。

2.2.7自行车用户使用分析

进一步了解后发现，此个模块应切实结合大量共享单车的运行基础数据，真正解读并挖掘与之相应的交通系统运行规律后，结合数据分析结果能更科学地规划公共交通的延伸线，填补慢行交通内存在的“空位”以及控制共享单车的投放量等。

2.3跨专题式交通大数据分析挖掘模型

大量实践表明，此个模型的主要功能如下，即管理人员利用适当手段对相关操作平台的交通数据信息进行挖掘，收集、分析及应用管理，全面寻找各类数据信息及压缩包的模型应用特点，在各类模型的协助下，深度挖掘分析交通运行数据，进而为各级地方政府部分有效决策、现代企业科学管理控制、社会群众便利出行等提供数据支持和相关服务项目。

2.3.1数据关联分析模型

相关人员应全面掌握各种大数据关联理论，进一步掌握相关数据理论的内涵后，真正掌握不同子系统灰色关联度的概念，其宗旨是运用某种方法摸索到系统内子系统（或者因素）之间在数理层面上存在的关系。灰色关联度分析即在系统发展及应用过程中，若存在着两个因素改变的态势是一致化的，实质上就是同步变化程度处于较高水平，那么就可以据此认定两者之间存在着较大的关联度，反之则代表其关联度偏小。从以上视角出发，灰色关联度分析量化了某一系统的发展改变态势，在动态化历程分析领域表现出较高的适用性。

该文这里所提及的“关联程度”，和曲线间几何形状的差别程度之间对等。故而，可以把曲线间差值大小设定为衡量关联程度的基准。针对单个参考数列其存在着数个对比数列，，…，，在每个时间点（即曲线内的各个点位）各个对比数列和参考数列之间的关联系数可以运用下式计算得出[4]：

2.3.2综合数据包络模型

数据包络方法是一种经典的非参数统计方法，其应用过程中把相对效率概念设定为基础依据，主要被用在评估具备同类型的多投入、多产出的决策单元是否达到技术有效性。假定存在着个部门或单位（被叫作决策单元，），这个决策单元自身均具备一定可比性。已知各个决策单元均存在着种不同类型的“输入”（代表着这种决策单元对既有“资源”的耗费情况）与种类型的“输出”（其是决策单元消耗了一定量“资源”后，表示“成效”的部分指标）。依照前期构建出的指标体系，常规做法是分别把负向指标、正向指標分别作为“输入”“输出”指标。在这里存在着存在的关系等式：，其分别代表的是的输入向量与输出向量，分别对应的是种投入与种输出的权向量，均是变量。分析并考察的效率测评相关问题：把的效率测评指数设定成目标，把全部决策单元的效率指数，作为约束条件，共同组成如下规划问题[5]：

综合以上内容，可以将分式规划问题转变成线性规划问题：

3交通仿真与平台之间的融合

设计于智能交通大数据平台上融合运用VISSIM、VISSUM、Trans CAD等仿真软件，达到实时数据共享、仿真决策管理等实用性功能。

主要功能构建见图1，涉及的功能模块有如下几大类型[6] 。

1. 动态路径筛选和交通流配置：具体是以局部路网环境、交通信息供需办法、交通管理手段等为基础等，仿真规划出车辆行驶状态，动态仿真车辆当前的行驶行为。

（4）车辆仿真结果输出：运用呈现界面，科学分析并精准输出车辆运行轨迹、路段和区域路网状态等仿真成果。

4   结语

近些年，国内很多城市交通供需矛盾日益显著，普遍存在着交管执勤警力不够问题，相关部门应精准掌控交通道路拥堵状况，有效控制道路交通流，迅速智能处置交通事件，深度挖掘分析海量交通数据，进而为交通智能化管理控制提供可靠支持。该文以智能交通大数据平台作为基础建设了模型库，该模型库内有效处理分析交通运输期间形成的数据信息，进而为相关不猛管理决策提供可靠依据，具备较高的推广价值。

参考文献

[1] 廖云.基于大数据平台的城市轨道交通多专业智能运维系统构建探讨[J].控制与信息技术，2021（5）：1-5.

[2] 闫鹏，张林.基于Hadoop平台的交通大数据智能特征分析研究[J].华北理工大学学报（自然科学版），2020，42（3）：80-88.

[3] 梁元贞.大数据技术环境下的智能交通数据分析平台系统设计[J].价值工程，2020，39（15）：243-244.

[4] 龚，廖金花.区块链技术的城市智能交通大数据平台及仿真案例分析[J].公路交通科技，2019，36（12）：117-126.

[5] 罗超.以大数据融合交通多业务管理的神兵利器：评测科达智能交通大数据平台[J].中国公共安全，2019（Z1）：116-117.

[6] 刘冬梅，王文静，杨子帆，等.互联网+时代众包交通大数据应用机制研究[J].公路交通科技，2018，35（7）：120-127.