܄

当智能交通遇上大数据,会碰撞出什么样的火花?

【数据猿导读】 智能交通在生活中应用很广,如我们平时所见的城市公共交通采用一卡通的便捷快速刷卡换乘、互联网、电话等多种购票方式,这些只是智能交通的初级阶段呈现。未来,你可以幻想一下,坐在无人驾驶的汽车里,交通在大数据管控下早已没有拥堵,吃个早餐提前订好车位,省心省时省力,多么痛快

当智能交通遇上大数据,会碰撞出什么样的火花?

前段时间,有这样一则新闻引起了人们注意。十堰市公安局110接到市民报警,发现一辆车牌号为鄂CHXXXX的轿车上有枪支存在,已经往城区方向行驶。110通过机动车缉查布控系统对全城布控。当嫌疑车辆出现在柳林沟路段时,被布控系统发现,再通过对红绿灯进行干预,成功将嫌疑人抓住。

通过智能交通系统抓捕造事车辆以及罪犯只是该系统的某方面应用。事实上,智能交通在生活中应用很广,如我们平时所见的城市公共交通采用一卡通的便捷快速刷卡换乘、互联网、电话等多种购票方式,这些只是智能交通的初级阶段呈现。未来,你可以幻想一下,坐在无人驾驶的汽车里,交通在大数据管控下早已没有拥堵,吃个早餐提前订好车位,省心省时省力,多么痛快。

城市车辆剧增

交通拥堵成大问题

据调查统计,截止2015年年底,全国的机动车保有量达到2.79亿辆,机动车保有量超过1000万辆的有12个省,城市汽车保有量超过200万辆的有11个城市,其中北京超过450万辆。

交通拥堵、交通安全问题日益严重,及时获取交通数据并利用数据构建交通数据处理模型将成为改善城市交通的关键,而这些问题将通过大数据技术来解决。

大数据与智能交通

碰撞火花共同发展

当大数据与智能交通相遇,就像干柴遇上烈火,一点即着。我们先看一个目前比较突出的问题:最近几年,交通管控系统应用普遍,虽说交通违法情况有了遏制,但是拥堵问题却一直无法解决。而想要缓解交通拥堵的问题,就需要利用交通大数据

1、数据采集与存储 更准确的资源

很明显,随着智能交通系统建设规模的不断扩展,交通大数据采集的范围、广度和深度将会越来越大。交通大数据由交通检测数据、视频监控数据、系统数据和服务数据构成,而这些数据一般通过GPS定位信息、视频监控、路况信息、卡口电警、RFID识别信息、管控信息、营运信息等数据获得。

根据上海市交通数据监测得知,全市的卡口将近6600多个,而每一天将会产生近8000万的通行数据,会有许多视频、图片以及通行记录。再利用二次识别技术,对这些采集的车辆图片和视频进行分析,可以获得准确的数据资源。

2、数据分析与应用 更智能的判断

大数据的分析与应用,需要千亿数据的秒级返回的检索能力,而这种能力将需要高效的云计算产生。基于深度学习的智能分析算法,将会对交通大数据的分析起到很好的支撑作用,也会为交通管理带来更有效的数据支持。

整合车辆大数据

服务智能交通

道路拥堵是建设智能交通系统面临的一个重点问题,我们可以通过高清视频监控、卡口数据以及线圈微波采集数据,再利用大数据技术,就可以实现路口的自适应以及信号配时的优化。

通过大数据分析,获得某些区域的路口通行能力,用于红绿灯的配时优化,以达到区域内路口的通行效率提升。另外,我们还可以根据早高峰时间段、节假日以及主要关键路口的多维度通行情况,来人工或者系统自动设置不同的配时,以提高交通通行能力。

另外,我们在对视频监控和卡口数据进行二次识别的时候,也能分析出车辆的轨迹。对车辆大数据进一步挖掘,就能够实现对车辆的全面监控。有关部门曾经通过常州车辆大数据平台分析车辆轨迹以及落脚点,每天发现套牌车辆10余起。另外,我们还可以通过智能算法和二次识别,得到多维度的数据,例如车牌、车牌颜色、车型、车标等,然后在某些特定的场景下加以分析运用。

智能交通

驶向未来

可以预计,在未来,智能交通的应用将会非常广泛,我们的出行也将越来越方便......


注:本文由 数据堂 投稿数据猿发布。

欢迎更多大数据企业、爱好者投稿数据猿,来稿请直接投递至:tougao@datayuan.cn


来源:数据猿

声明:数据猿尊重媒体行业规范,相关内容都会注明来源与作者;转载我们原创内容时,也请务必注明“来源:数据猿”与作者名称,否则将会受到数据猿追责。

刷新相关文章

大数据投融资周报(4月5日——4月7日,共9起)
大数据投融资周报(4月5日——4月7日,共9起)
大数据周周看:今日头条近10亿美元融资入账,Adobe推出体验云平台Experience Cloud
大数据周周看:今日头条近10亿美元融资入账,Adobe推出体验云...
【独家首发】数之联完成A轮数千万元融资,大数据分析挖掘领跑者获资本青睐
【独家首发】数之联完成A轮数千万元融资,大数据分析挖掘领跑...

我要评论

精品栏目

[2016/10/10]

大数据24小时

More>

[2016/09/26-7]

大数据周周看

More>

[2016/09/01-30]

大数据投融资

More>

[2016/11/28-2]

大咖周语录

More>

[2016/11/29-6]

大数据周聘汇

More>

[2016/12/06-13]

每周一本书

More>

返回顶部