1 引言
随着中国经济的快速发展，汽车行业空前繁荣，私人小汽车拥有量迅速增加，居民出行总量稳步增长，出行距离快速增加。然而，交通拥堵已成为许多大中城市的一种通病，并逐渐成为阻碍、制约城市社会经济发展的负面因素，成为城市管理的热点和难点。为切实提升公安交通管理水平，构建安全、文明、畅通的道路交通环境，建设交通大数据平台是不可缺少的重要组成部分[1]。
为进一步提升城市交通管理科技水平，将大数据、云计算等新型信息技术应用于交通管理业务中，需要建立交通管理大数据中心，以此为基础打造便捷、高效、实用、智慧的大数据实战应用体系[2]。建设面向实战化的交通管理大数据中心，以综合交通信息数据资源作为整个框架的中枢，其主要目标是实现交通基础数据的采集、交互及数据的预处理工作，为信息服务、决策支持及各业务系统提供数据支撑，实现行业、企业和社会互联互通，形成一个集中、异构、可扩展、可集成、可交换和安全可靠的系统，从而进一步扩展汇聚资源的范围内容和类型，实现跨部门、跨领域交通数据的全面整合、存储、共享和发布[3]。
2大数据应用框架与实践
交通大数据平台需要汇聚大量数据，包括卡口监控数据、视频监控数据、流量监测数据、事件检测数据、气象监测数据、警员/警车移动警务数据等众多数据。针对现代智能交通的海量数据特点，结合与其融合的大数据典型平台架构，搭建一种智能交通海量数据平台其基本架构应包含以下三个部分，即数据采集层、数据架构层以及数据服务层。其中数据采集层采集的数据就是智能交通系统的所有所需处理信息数据，采集后得到的数据通过数据传输到交通云平台，交通云平台会根据不同的应用需求进行分类存储到相应的内存数据库中，此后便按照处理的不同需求选用不同的数据架构层进行处理，最终实现数据服务层对其提供实时快速高效的服务[4]。
交通管理大数据体系主要包括大数据运行环境搭建，交通信息资源采集以及拓展应用。
大数据运行环境搭建包括安装服务器、存储、网络交换等设备，部署大数据基础软件，提供大数据中心运行的技术环境。作为最基础的数据管理节点，通过横向数据范围的扩充与纵向数据内容的操化，起着承上启下、系统之间进行数据交互的关键作用。
交通信息资源采集主要包括道路交通基础信息采集，交通运行动态信息采集，交通管理业务数据采集和视频图像信息挖掘[4]。
1. 道路交通基础信息采集
建立道路交通基础信息采集与更新机制，对道路网络、道路附属设施、标志标线、公共交通、重点单位、停车场地等交通要素进行全面调查，形成准确详细的城市道路交通基础电子地图以及相关的视频图像资料库。
2. 交通运行动态信息采集
设计规范的交通动态信息采集接口，将信号控制、视频监控、电警、卡口、信息采集、诱导发布等前端设备运行产生的数据统一集中管理，与出租车、公交车的浮动车数据、两客一危重点车辆以及交通气象信息进行实时对接。
3. 交通管理业务数据采集
与交通管理综合应用平台（六合一）、三台合一接处警系统、移动警务系统、公安大情报平台等系统进行对接，获取交通管理业务相关数据。同时开发业务数据采集系统和App应用，对道路施工、交通管制、设施损毁、交通隐患等信息进行统一采集管理。
4. 视频图像信息挖掘
基于电警、卡口等设备采集到的车辆通行图像，利用图像分析技术，提取车辆类型、车辆品牌、车身颜色、驾驶人违法行为等信息。对于视频监控、电警卡口等设备采集的视频录像，采用视频浓缩、视频抽帧等技术，研究海量视频及图像的快速检索技术，提取并研究有效的车牌识别、人脸数据，挖掘视频内容，提高视频图像的利用效率。
交通大数据的应用实践主要包括交通运行态势分析，交通控制仿真分析，交通管理研判决策，应急指挥决策和智能化运维管理[4]。
1. 交通运行态势分析
接入线圈、地磁、微波、电警、卡口等前端设备采集到的交通流数据，结合出租车、公交车等浮动车数据，比照互联网交通路况，对城市道路交通整体运行态势进行综合研判，分析交通拥堵情况，计算交通运行指数。
2. 交通控制仿真分析
建立城市道路交通交通模型，结合交通运行历史数据、交通信号控制运行数据，实现交通控制的仿真环境。利用准确可靠的交通数据，进行交通信号配合优化、交通改善方案测评、进行交叉口渠化分析、交通组织方案设计、交通控制、交通影响分析等业务。通过比对整治前后的路段排队长度、路段平均速度、行程时问的变化情况，评价改善措施的效果，促进整治措施的持续改进，提高交通管理和交通方案规划的科学性和效率。
3. 交通管理研判决策
打造面向人、车、路、交通设施等基础要素管理的多样化平台，确保对道路交通系统所涉及到的所有元素、各类数据全面把控，对车辆登记、驾驶人考试、交通违法处置、交通事故处理等业务数据进行有效分析，提升管理和服务水平。
4. 应急指挥决策
加强应急处理交通事故、结合数据进行动态交通决策的能力，结合平台与系统的联功能协同，做到统一调度、统一指挥、协同应对，充分发挥智能交通各系统之间联动控制。
5. 智能化运维管理
通过对基础架构、交通设施等业务数据的采集，启动分析引擎，对所产生数据进行过滤、压缩、比对、分析，对告警工单进行自动化分派，同时启动运维流程，从而对事件的发现、处理、结束整个过程进行动态监控，体现了组织、流程、技术的结合的思想，承载“全面监管”、“精细诊断”、“智能定位”、“用户体验”等理念贯穿整个服务生命周期，实现运维管理规范化、自动化、流程化。
3大数据应用成效
目前，南通的城市人口及经济规模均有长足的进步。截止2015年底，南通市城镇人口458.15万人，较2000年城镇人口增长200万人。从宏观上来看，南通市机动车保有量为1162790辆，较2014年增长约15%，而市区公路总里程为3951公里，年度增长不足2%，可见南通市交通的发展已经满足不了城市扩张的需求。南通市交警支队基于大数据应用框架，并结合本地交通的实际情况和发展需求，以惠民、兴业、善政为行动指导，拓展了交通管理相关业务应用[5]。
通过上述对南通市基于大数据技术的交通管理应用实践的阐述，大数据应用对于智能交通的意义具有实用性和远瞻性[5]。
第一，大数据的虚拟性可以解决跨越行政区域的限制。交通大数据的虚拟性，有利于其信息跨越区域管理，只要多方共同遵照相关的信息共享原则，就能在已有的行政区域下解决跨域管理问题[6]。
第二，大数据具有信息集成优势和组合效率。大数据有助于建立综合性立体的交通信息体系，通过将不同范围、不同区域、不同领域的“数据仓库”加以综合，构建公共交通信息集成利用模式，发挥整体性交通功能，这样才能发现新价值，带来新机会。例如气象、交通、保险部门的数据结合起来，可高效率地研究交通领域防灾减灾；IC卡数据结合抽样调查，能更快捷、更精确测得城市交通流分布状况[6]。
第三，大数据的智能性能较好的配置交通资源。通过对大数据的分析处理，可以辅助交通管理制定出较好的统筹与协调解决方案。一方面减少各个交通部门运营的人力和物力，另一方面可有些提升道理交通资源的合理利用。如根据大数据结果确定多模式地面公交网络高效配置和客流组织方案，多层次地面公交主干网络绿波通行控制以及交通信号自适应控制[6]。
第四，大数据的快速性和可预测性能提升交通预测的水平。在对各个部门的数据进行准确提炼和构建合适的交通预测模型后，可以有效模拟交通未来运行状态，验证技术方案的可行性。而在实时交通预测领域，大数据的快速信息处理能力，对于车辆碰撞、车辆换道、驾驶员行为状态检测等实时预测也有非常高的可靠性[6]。
第五，提高交通运行效率。大数据技术能促进提高交通运营效率、道路网的通行能力、设施效率和调控交通需求分析。交通的改善所涉及工程量较大，而大数据的大体积特性有助于解决这种困境。大数据的实时性，使处于静态闲置的数据被处理和需要利用时，即可被智能化利用，使交通运行的更加合理。大数据技术具有较高预测能力，可降低误报和漏报的概率，随时针对交通的动态性给予实时监控。因此，在驾驶者无法预知交通的拥堵可能性时，大数据亦可帮助用户预先了解[6]。
第六，提高交通安全水平。主动安全和应急救援系统的广泛应用有效改善了交通安全状况，而大数据技术的实时性和可预测性则有助于提高交通安全系统的数据处理能力。在驾驶员自动检测方面，驾驶员疲劳视频检测、酒精检测器等车载装置将实时检测驾车者是否处于警觉状态，行为、身体与精神状态是否正常。同时，联合路边探测器检查车辆运行轨迹，大数据技术快速整合各个传感器数据，构建安全模型后综合分析车辆行驶安全性，从而可以有效降低交通事故的可能性。在应急救援方面，大数据以其快速的反应时间和综合的决策模型，为应急决策指挥提供辅助，提高应急救援能力，减少人员伤亡和财产损失[6]。
第七，提供环境监测方式。大数据技术在减轻道路交通堵塞、降低汽车运输对环境的影响等方面有重要的作用。通过建立区域交通排放的监测及预测模型，共享交通运行与环境数据，建立交通运行与环境数据共享试验系统，大数据技术可有效分析交通对环境的影响。同时，分析历史数据，大数据技术能提供降低交通延误和减少排放的交通信号智能化控制的决策依据，建立低排放交通信号控制原型系统与车辆排放环境影响仿真系统[6]。
4总结
通过上述对交通大数据的阐述和分析，并结合南通市在交通大数据平台的应用和实践，不难看出大数据对于缓解交通拥堵和改善交通管理有着重大意义和成效。因此，交通大数据平台应用是未来交通管理不可缺少的重要部分，可充分提升日常交通管理效率和促进交通管理能力的提升，其推广和应用都是未来智能交通的发展趋势[7]。
论文摘要
本文将针对城市交通拥堵问题，利用大数据技术在数据处理和分析研判上的优势，提出大数据技术在城市道路交通管理方面的应用框架，并将大数据技术应用于南通市道路交通管理实际工作中，在缓解交通拥堵和改善交通管理方面取得了较好的效果。
关键词：交通管理，拥堵治理，大数据，交通控制仿真
作者 杨成 南通市交通警察支队支队长
参考文献：
1. 林震, 杨浩. 基于可持续发展的城市交通规划[J]. 综合运输, 2002.
2. 王炜. 城市交通管理规划方案设计技术[M]. 南京, 东南大学出版社, 2003.
3. 王炜, 徐吉谦. 城市交通规划理论与应用[M]. 南京, 东南大学出版社, 1998.
4. Cuena J, Hernandez J, Molina M. Knowledge-based models for adaptive traffic management systems [J]. Transportation Research, 1995, 3C(5): 311-337.
5. 魏兵. "大数据技术在智能交通系统中的应用浅述." 工程技术:全文版 11(2016):00290-00290.
6. 李建国. 大数据在智能交通中的应用与发展[J]. 科技与企业, 2015(7):73-73.
7. 科技日报. "大数据时代:智能交通系统发展面临机遇与挑战." 科技传播 3(2014): 1-2.
