利用众包模式建立智能交通的大数据

摘要：利用汽车电子系统和公路摄像头采集到的数据完成大数据的建立。这种众包模式进行数据收集的方式既能完成大量数据的精确收集，又解决了数据收集成本过高的问题。数据收集完成后将孤立数据进行相互链接和共享，将数据进行社会化从而建立真正的大数据。数据中心利用收集到的大数据进行数据分析和挖掘，从而对交通进行智能调度、监控和管理。

1.概述

互联网已经进入大数据时代，物联网的发展，尤其是智能交通的发展也需要建立在大量数据基础上。大量、准确、实时的交通数据是智能交通发展的基础。

要形成巨量的数据规模不但需要采集新的数据，而且需要将已有的数据进行联网和共享。将以前孤立的数据相互连接起来才能更加准确的反映真实的交通情况。我们将孤立数据的共享称为数据的社会化，以前的数据都是为孤立的个体服务，如果将每个个体的孤立数据相连接、相共享，那么这些孤立数据就成为社会化的数据，成为可以反映社会现实的数据，我们将其称为数据的社会化。社会化的数据不是将孤立数据进行叠加，而是可以对其进行数据分析和挖掘，发现社会运行规律，从而可以为社会更好的发展提供指导。

怎样低成本的获取大量交通数据成为制约智能交通发展的一大瓶颈。我们提出众包模式来进行数据采集，就像维基百科一样，利用巨量用户来完成信息的收集。对于智能交通，我们可以利用行驶的每一辆车、公路上的每一个摄像头来完成数据的收集。这就需要移动互联网技术将车辆的数据进行连接，利用模式识别技术对摄像头所拍摄的图像中的信息数据进行提出。

2.城市交通存在的问题

城市交通是城市最基础也是最重要的组成部分，与人们生活息息相关。城市交通是城市经济发展的命脉，城市交通在整个社会机制中起着非常重要的纽带作用。随着全球经济发展，城市化进程不断推进，全球出现了众多的超大型城市，比如，纽约、伦敦，以及发展中国家的北京、孟买、墨西哥城等。

随着社会发展，城市规模不断扩大，城市人口呈爆炸式发展，城市的交通状况每况愈下，交通拥堵问题成为制约城市发展的一大瓶颈。

交通拥堵问题造成以下四大弊端：

（1）给人们的生活、工作带来诸多不便，城市居民花在路上的时间越来越多，造成时间大量浪费。根据英国咨询公司雷格斯2010年的一项调查结果显示，北京平均上下班路上时间为52分钟，上海47分钟，深圳46分钟。城市拥堵问题严重的浪费了城市居民的时间，造成巨大的时间浪费，也造成巨大的间接性经济损失。

（2）城市交通拥堵问题还使人们时刻处于一种烦躁、焦虑中。非常多的城市居民患有拥堵焦虑症，严重的影响了城市居民生活。

（3）交通拥堵问题造成巨大的环境污染，汽车排放的大量尾气使城市环境问题更加恶劣。北京雾霾天气频频出现，空气质量频频爆表，主要是由于汽车尾气造成的。

（4）交通拥堵问题造成能源的大量浪费，汽车平均每日花在路上的时间增加，从而使汽车耗油量增加，大大浪费了日益紧缺的能源。

为了治理城市的拥堵问题，各方机构学者纷纷出谋划策，提出很多方案来解决这一世界难题。比如，单双号限行，摇号购车等等，这些政策性的行政手段并没有解决问题，而且引来诸多非议，也对其他行业造成不良影响，这些解决方案都是治标不治本。

3.智能交通发展现状

为了从根本上解决城市交通拥堵问题，各国纷纷提出智能交通的发展计划，希望利用智能交通来解决城市的交通问题。

自从美国第一个开始智能交通体系研究以来，日本、欧盟、澳大利亚等国家和地区相继开展了智能交通系统规划、研究及应用。各国政府、各投资主体和系统用户逐渐认识到ITS在缓解城市交通拥堵中所起到的重要作用。下面介绍国外ITS的规划发展情况。

美国：美国运输部于1989 年颁布了《运输部信息资源管理手册》，用于支持运输部各信息系统运转的信息资源统一规划。该《手册》具有很强的权威性和法律效用，对统一和规范运输部的信息化行为，确保信息化目标的实现具有积极的促进和保证作用。目前，美国已经建立了完善的ITS体系结构，其由出行及交通管理、公共交通运营、电子付费服务、商用车辆营运、应急管理、先进的车辆控制与安全系统等七大系统构成。

日本：日本的ITS应用主要是在交通信息提供、电子收费、公共交通、商业车辆管理以及紧急车辆优先等方面。由日本警察厅主持开发的“21世纪交通管理系统UTMS21”是日本ITS的主要组成部分之一。它是由智能交通控制系统和8个子系统组成。智能交通控制系统是UTMS21的核心，它是利用红外车辆检测装置与车辆进行双向通信、高速图像处理，以实现实时信号最佳控制和信息服务。八个子系统分别为：（1）先进的车辆信息系统（2）公交优先系统（3）车辆运行管理系统（4）动态路线诱导系统（5） 紧急救援与公众安全系统（6）环境保护管理系统（7）安全驾驶支持系统（8）智能图像处理系统。

欧盟：欧盟也很重视ITS发展，将其作为欧盟项目，从全欧的角度进行规划和协调，制定统一的框架结构，作为各成员国ITS发展的基础和指导。欧洲重要的ITS发展几乎均需得到欧盟理事会的批准，纳入高层次的经济和社会发展计划，提供财政支持，保证经费供给。为了推进ITS的发展，欧盟国家推出的项目主要有1970-1985年的COST30（Cooperation in the field of Scientific and Technical Research, 科学技术领域研究协作），该项目主要针对车辆、道路与驾驶员的通讯技术进行研究。

澳大利亚：澳大利亚运输与地区服务部(DoTRS) 在交通信息化方面最重要的举措是制定《联机行动计划》，将业务工作通过网络来实现。运输与地区服务部为澳大利亚提供更好的运输系统，以帮助政府实现其在运输与地区服务中的政策目标，并为内阁部长和会议提供政策建议，还提供行政管理、研究、规章、调查、安全、补助与领地的服务。

4.智能交通发展存在的问题

智能交通承载着人们从根本上解决交通拥堵问题的梦想，但是智能交通由于成本投入巨大，产业链过长，建设周期过长等原因，并没有在解决城市交通拥堵问题上取得实质性的进展，人们依然生活拥堵、焦虑、污染严重的环境中。

现有的智能交通发展存在如下几点问题：

（1）产业链过长，利益相关方过多，协调难度大。智能交通涉及道路管理部门、交通管理部门、公共交通运营商、汽车生产商、车主等利益相关方，他们各自的诉求难以统一，协调难度巨大。所以，现在的智能交通大多由政府牵头发起，这也从侧面说明协调难度大。虽然，政府主导智能交通建设，但是，各利益相关方在标准上难以达成统一，限制了智能交通的发展。

（2）系统复杂，建设周期过长。智能交通由于其复杂性，以及各方难以统一标准，建设周期太长，各国在上世界80年代开始智能交通研究，直至今天也没解决交通拥堵问题。

（3）成本巨大，现在的智能交通方案由于过于庞大，过于复杂，造成成本巨大，经济可行性不高。

（4）对交通数据的采集问题难以解决，采集大量交通数据这是智能交通的先决条件。要想采集大量车辆的行驶数据，在每个车辆上加装专用设备或者在道路上安装大量传感器，我们不考虑传感器的可操作性及精确度，单是基于成本考虑，这种方案的可行性就比较低。

5.大数据的形成

为了促进智能交通的发展，提高智能交通的可行性，必须将智能交通推入大数据时代，必须解决如何低成本建立大数据的问题。

5.1基于众包模式的数据采集

为了解决现有智能交通数据采集方案可操作性过低的问题，提出基于众包模式的数据采集方案。将数据采集的任务交给汽车和公路上的摄像头。

汽车本身具备一个完整的电子系统，这个电子系统收集了发动机、底盘、车速、胎压等各项数据。将汽车电子系统收集到的汽车行驶数据通过移动互联网传输至数据中心，从而完成交通数据的收集问题。

目前，各城市的公路上已经安装了大量的摄像头，可以利用已安装的摄像头并结合模式识别技术，将摄像头图像中的车辆信息提取出来。从而实现对车辆的监控、管理等功能。

这种基于众包模式的数据收集方式不仅解决了数据收集问题，而且数据收集成本非常低。

5.2 数据的社会化

汽车电子系统的数据仅供汽车本身使用，这些数据是封闭的。封闭的数据是难以产生效用的。封闭的数据就像信息孤岛一样，不能进行数据分析和数据挖掘。只有这些数据相互连接、相互共享，这些数据才能反映一个真实的社会。

社会化的数据不是将孤立数据进行叠加，而是可以对其进行数据分析和挖掘，发现社会运行规律，从而可以为社会更好的发展提供指导。所以，汽车的行驶数据进行社会化，对于智能交通具有重要的意义。

6.技术方案

技术方案主要包括四部分：汽车电子系统与智能手机接口、智能手机、摄像头、数据中心，如下图。

图1 结构图

汽车电子系统与智能手机接口：为了实现汽车电子系统与智能手机的通信，必须设置一个接口，针对不同的汽车特点，接口设置方式不同，比如蓝牙方式、数据线连接等。这个可以实现将汽车行驶数据传输给智能手机。为了汽车电子系统的安全性，数据传输方式限制为单向传输，只允许将数据由汽车电子系统传输至智能手机，反向传输则为禁止的。

智能手机：一方面接受来自汽车电子系统传输来的数据，一方面利用手机自带的传感器，采集行驶数据，比如定位数据等。将两方面的数据汇总后通过移动互联网传输至数据中心。同时，接受来自数据中心的数据，并将其显示在屏幕上，或者采用语音方式进行提醒。

摄像头：主要是分布在城市公路上的各个摄像头，摄像头将拍摄到的图像传输给数据中心。

数据中心：接受来自大量智能手机和摄像头传输来的数据，并进行数据分析和数据挖掘，并根据数据挖掘结果进行车辆监控、管理、收费以及行车路线建议等功能。

7.应用示例

下面提出两个具体应用示例来阐述大数据在智能交通中的具体应用。

7.1 根据交通拥堵情况进行车辆最优路线导航

利用数据中心采集到的大量车辆的定位和车速数据，从而分析出某一路段的交通拥堵情况。并反馈给各手机终端，并结合车主目的地信息给出最佳路线，引导车主以最少时间到达目的地。

在本示例中各部分功能：

汽车电子系统与智能手机接口：将车速数据通过蓝牙或数据线发送给手机终端。

智能手机：利用GPS功能完成车辆定位，并将位置和速度信息发送至数据中心。同时，接受来自数据中心关于交通拥堵情况的信息以及数据中心给出的建议行车路线，并实时显示在手机屏幕上。

数据中心：收集大量手机发送来的定位和速度数据，根据同一路段的大量车速数据分析此路段的拥堵情况，并实时将拥堵情况发送至智能手机上。同时，数据中心会根据目的地和拥堵情况给出建议行车路线，使用户可以以最短的时间到达目的地。

此系统的特点是：使用的用户越多，对拥堵程度的判断就越准确。

此系统的初级阶段（少部分车辆使用此系统）：根据各路段交通拥堵情况，给出最优路线。由于某路段交通畅通，大家得到消息后，可能会出现大量车辆涌向此路段，反而造成交通拥堵的情况。

此系统的终极阶段（大部分车辆使用此系统）：如果大部分车辆使用此系统，数据中心可以根据各路段的车容量给所有在路上行驶的车辆进行路线规划，从而避免出现大量车辆涌向同一路段的情况。

7.2 利用车牌识别进行车辆出入管理和收费

利用居民小区、停车场、高速公路的出入口的摄像头，并结合车牌识别技术，实现对车辆身份的识别，从而进行车辆出入管理、停车场收费、公路收费等功能。

在本示例中各部分功能：

摄像头：当车辆出入时拍摄图像，并将图像传输至数据中心。

数据中心：对各摄像头传输来的图像进行处理，识别车辆身份，并结合出入卡口及计费系统进行出入管理和收费。

此系统的优势：对于小区、写字楼的车辆出入管理，无需车主办理门禁卡，只需要将车牌信息在系统登记即可，既不需要停车刷卡，也不需要办理门禁卡，既方便，又节省成本。对于收费停车场、收费公路，进入时无需取卡，非常快捷方便。相较于ETC系统，无需车主购买车载ETC设备，大大节省成本。

8.总结与展望

利用汽车电子系统和公路摄像头采集到的数据完成大数据的建立。利用这种众包模式进行数据收集既能完成大量数据的精确收集，同时，又解决了数据收集成本过高的问题。

数据收集完成后要打破孤立数据之间的藩篱，将数据进行社会化从而建立真正的大数据，将智能交通也推进入大数据时代。

利用收集到的大数据进行数据分析和挖掘，从而对交通进行智能调度、监控和管理。

随着物联网技术的发展，智能交通也将迎来突飞猛进发展。21世纪将是公路交通智能化的世纪，在智能交通系统中，数据中心收集来自各个终端的数据，并对数据进行分析和挖掘，从而将道路交通流量调整至最佳状态，使城市交通更加高效、有序的进行，进而从根本上解决城市交通的拥堵问题。

参考文献：

[1] Lawrence A. Klein,Sensor Technologies and Data Requirements for ITS,Artech House(2001)

[2] Joseph M. SussmanPerspectives on Intelligent Transportation Systems Springer-Verlag New York Inc.(2005)

[3] 邹力,物联网与智能交通,电子工业出版社(2012)

[4] 陈艳艳,王东柱,智能交通信息采集分析及应用,人民交通出版社(2011)

[5]Milan Sonka,Vaclav Hlavac, Roger Boyl;Image Processing,Analysis,and Machine Vision(Third Edition)

[6]Aniket Kittur, Jeffrey V. Nickerson, Michael S. Bernstein, Elizabeth M. Gerber, Aaron Shaw, John Zimmerman, Matthew Lease, and John J. Horton;The Future of Crowd Work;ACM Conference on Computer-Supported Cooperative Work 2013

[7] Viktor Mayer-Schonberger, Kenneth Niel Cukier;Big Data: A Revolution That Will Transform How We Live,Work,and Think;Eamon Dolan/Houghton Mifflin Harcourt (2013)

[8]Albert-Laszlo Barabasi;Bursts: The Hidden Patterns Behind Everything We Do, from Your E-mail to Bloody Crusades; Plume Books (2011)

[9] Anand Rajaraman,Jeffrey David Ullman;Mining of Massive Datasets;Cambridge University Press (2011)

[10]Ronald K.Jurgen;汽车电子手册(第2版);电子工业出版社; (2010年)

[11] Jiawei Han, Micheline Kamber, Jian Pei;Data Mining: Concepts and Techniques, Third EditionMorgan Kaufmann; (2011)

[12] Sergios Theodoridis, Konstantions Koutroumbas;模式识别(第4版);电子工业出版社; (2010)

[13]唐伦，柴蓉，戴翠琴，陈前斌；车联网技术与应用；科学出版社; (2013)

[14]沈健、唐建荣;智慧城市:城市品质新思维;人民邮电出版社; (2012)

[15]Liu Jilin,Song Jiatao,Ding Liya,Ma Hongqing,Li Peihong;Vehicle License Plate Recognition System with High Performance;ACTA AUTOMATICA SINICA;May 2003

End.