四川城市职业学院 610101
摘要：本文介绍了智慧交通的内涵，我们提出了要加强智慧决策，建立大数据，融合数据智慧等智慧交通系统关键的技术。文章指出，我国必须紧跟发达国家的脚步，吸收各国智慧交通项目建设的经验和教训，充分利用云计算、数据挖掘及系统集成等技术，探索出一条更适合我国国情的智慧交通新之路。
关键词：智慧交通；关键技术
一、前言
数字城市与物联网的集成，使数字城市向智慧城市发展，而物联网将进一步促进城市组成要素信息的信息采集和控制的智能化，构建智能环境，从而使城市的数字神经网络系统得到全面发展，使城市系统的行为智能化。智慧交通系统是智慧城市建设的主体部分。
二、智慧交通概述
智慧交通的理念可以追溯到上世纪八十年代的智能交通运输系统(Intelligent Transportation System，ITS)，ITS是一个综合运用了信息处理和计算机等技术来提高交通运输服务成效的实时综合管理系统，现已广泛应用，减少了高达30%的燃油消耗和26%的废气排放量。智慧交通可理解为智能交通运输系统的升级版，即融合了物联网、云计算、大数据、无线传感等先进技术，使人、车、路更加协调，使公共交通服务更加人性化的智慧出行服务系统。智慧交通的构建对我国的长久可持续发展意义重大，智慧交通的应用预计能使高峰时期拥堵路段的通行能力、交通运输能力翻几番，交通事故率也可降低80个百分点。智慧交通涵盖了公路、铁路、民航、水运等领域，各领域内部的管理体系相对成熟，智慧交通要解决的是如何整合多个平台内部的信息，对数据进行挖掘后分析出交通的一些潜在数据，从而为道路使用者提供更为优质的服务。智慧交通网络中，行人、车辆及周围的红绿灯、指示牌、摄像头等基础设施都能作为感应终端联结成城市路网信息系统，终端之间通过无线射频识别（Radio Frequence Identification，RFID）、GPS、红外感应等技术进行智能识别，按一定协议相联结并进行持续的信息交换，如图1所示。
从ITS到智慧交通，无论是从理论还是应用来讲都是质的飞跃，智慧交通的框架也日渐清晰。含辅助网络的改进框架就是智慧交通的一种典型结构，车辆能根据环境反馈回来的信息动态调整行驶速度，若感知到突发事件则做出合理决策辅助驾驶。
三、智慧交通系统关键技术研究
随着物联网建设的推进，新信息技术计算时代的到来，为了解决智慧交通系统问题，需要探索智慧交通系统相关的关键技术研究，其中包括大数据分析、最短路径算法、轨迹数据挖掘、交通网络演化分析、交通网络决策分析、社会计算和开源技术等。
1.智慧决策
决策支持是信息处理的最高层次，它建立在数据智慧采集、融合、挖掘的基础之上，为管理者提供决策方案。20世纪80年代以来，随着人工智能逐步融入决策系统中，产生了智能决策支持系统(IntelligentDecisionSupportSystems，IDSS)。最常见的IDSS由数据库、方法库、模型库与知识库组成，决策过程包括发现问题、数据处理、模型分析及方法选择等。轨道交通如铁路运输系统具有运营里程长、覆盖范围大、昼夜不间断运行、构成复杂等特点，要保证系统的稳定、高效、安全运行，依靠管理者个人的经验、知识进行决策的传统方式也显得越来越不足，引入IDSS成为必然。IDSS在轨道交通领域具有广泛的应用前景。例如:铁路运输调度决策支持系统可根据采集的路网流量信息，合理安排行车计划，实现铁路系统的高效运行，这对于中国这样一个人口众多，且有春运和黄金周突出运输高峰的国家是十分必要的;随着时速350km以上的高速铁路不断投入运营，保障行车安全成为当务之急，通过采集分析车辆的运行和环境信息，监控列车运行状态的列车安全运行决策支持系统应运而生。
2.大数据
伴随城市的发展，交通设施的快速建设，机动车数量的急剧增加，交通拥堵、交通污染以及交通事故等问题亟待解决。为此，及时、准确地获取交通数据是智慧交通系统解决交通问题的前提，而该问题的解决需要依靠大数据(BigData)技术来解决。面对智慧交通系统的大数据，需要对相关技术进行深入研究。随着物联网技术的成熟，传感器、摄像头、感应线圈等将在交通领域广泛应用，由此产生众多大数据。智慧交通系统的大数据分析技术将分析多源的数据，包括GPS数据、道路的传感器数据、天气数据、拥堵数据等，从而可以智慧识别交通条件、评估点到点的耗时、提供替代路径的建议等，这些将极大减少拥堵时间和交通流状况，提高道路的安全性、减少事故的发生。物联网的发展及其在交通系统中的应用，伴随着交通数据的增长，传统的数据库系统不能满足智慧交通系统分析的需求，由此产生了NoSQL数据库管理系统，包括键－值存储(key－valuestores)、BigTable、文档存储型数据库(CouchDB、MongoDB)、图形数据库(Neo4j)等。
3.数据智慧融合
轨道交通数据智慧融合针对一个系统中使用的大量不同类型传感器获取的轨道交通数据，在统一的基准上，根据预建立的规则集，加以自动化地分析、转换、集成、综合，构成一个良好的数据集合，以便完成进一步的分析、挖掘和决策任务。在数据融合系统中，多传感器系统是数据融合的基础;多源异质异构信息是数据融合的处理对象;构建统一基准和规则集，自动化集成数据是融合系统的核心。
一是数据智慧融合技术的常用方法。数据融合算法比较丰富，针对不同的数据融合级别，可以归纳出对应的通用方法和其蕴含的专门技术。常用算法有:经典的统计和推理方法，如贝叶斯决策方法、D-S(Dempster-Shafer)证据理论;卡尔曼滤波法、模糊逻辑、聚类分析、专家系统，决策模型以及基于神经网络的目标自动识别和分类、态势评估和估计等。
二是数据融合的层次。广为接受的数据融合层次为三级:原始数据级、属性参数级和决策级。原始数据级融合是指在采集到的原始数据集上进行融合。属性参数级融合则是在原始数据级融合的基础上，从元数据的层面上进行数据整合，例如地面与列车检测的相同属性参数不仅应在相同的时间空间坐标下整合。
四、结语
智慧交通在智慧城市建设中的重要地位，我国必须紧跟发达国家的脚步，吸收各国智慧交通项目建设的经验和教训，充分利用智慧交通中的先进技术，尤其是时下流行的云计算、数据挖掘及系统集成等技术，在与实际应用环境的不断磨合中，探索出一条更适合我国国情的智慧交通新道路，为各级交通服务对象提供更为全面高效的交通信息服务，从而进一步推进智慧城市的建设。
参考文献
[1]王涤宇,付超贤.交通2.0——智慧交通的关键[J].中兴通讯技术,2014,20(4):11-15.
[2]刘佳月.浅谈智慧交通监控系统的关键技术应用及监理措施[J].中国科技纵横,2016,(23):20-22.
[3]曾磊,王少飞,何旭春等.智慧型公路隧道的概念、架构及其关键技术[J].现代隧道技术,2016,53(4):1-8.
论文作者:马李京
论文发表刊物:《防护工程》2017年第5期
论文发表时间:2017/7/12
标签：智慧论文; 交通论文; 数据论文; 系统论文; 技术论文; 城市论文; 信息论文; 《防护工程》2017年第5期论文;