隨著城市的迅速發展，交通擁堵、交通污染日益嚴重，交通事故頻繁發生，這些都是各大城市亟待解決的問題。目前智能交通成為改善城市交通的關鍵所 在，為此及時、準確獲取交通數據并構建交通數據處理模型是建設智能交通的前提，而這一難題可以通過大數據技術得到解決。可以說當智能交通遇到大數據，如同 二氧化錳在制取氧氣的實驗中作為催化劑一樣，一場劇烈的化學反應加劇了兩方的共同發展。本文將對智能交通建設中大數據的應用及價值體現作分析。

　　智能交通需求與大數據契合

　 智能交通整體框架主要包括物理感知層、軟件應用平臺、分析預測及優化管理應用，其中物理感知層主要是對交通狀況和交通數據的感知采集；軟件應用平臺是將 各感知終端的信息進行整合、轉換處理，以支撐分析預警與優化管理的應用系統建設；分析預測及優化管理應用主要包括交通規劃、交通監控、智能誘導、智能停車 等應用系統。

　　智能交通系統利用先進的視頻監控、智能識別和信息技術手段，增加可管理的空間、時間和范圍，不斷提升管理廣度、深 度和精細度。整個系統由信息綜合應用平臺、信號控制系統、視頻監控系統、智能卡口系統、電子警察系統、信息采集系統、信息發布系統等組成，以達到四個方面 的目標：一是提高通行能力，二是減少交通事故，三是打擊違章事件，四是提供出行信息服務。以下是智能交通整體應用架構圖：

    整個系統建設的核心是數據的采集、存儲與計算，其中最重要的核心思想就是“數據是價值”，目前很重要的問題就是如何把數據轉換成價值，這就成為一個技術問題。

　  從統計學的角度來看，任何領域任何動態發展的事物只要有足夠多的樣本數據，就一定能從樣本數據中找到動態發展的規律。數據越多，準確率越高。這個“規 律”就是數據的價值所在。對于商業機構，可以從數據中分析用戶行為規律從而提高銷售量；分析目標市場規律，定點投放廣告從而降低成本等等；對于公安行業， 可以分析區域性犯罪趨勢，提前預防從而降低犯罪率；還可以分析交通行為規律，提前做交通疏導，提高交通通暢率，這就能真正挖掘數據的潛在價值，提高其社會 價值。

　　網絡從20世紀初發展以來，現在進入一個高度聯網的階段。聯網的同時，數據高度集中，數據量急劇增加。據IDC報告，現 在互聯網的數據每兩年就翻一番，這個增長率在智能交通行業同樣有效，隨著卡口、電警、攝像機數量的增加，高清化、智能化的發展，如果再算上物聯網的各種傳 感器，未來幾年的數據量增加可能大大高于這個增長率，這就為智能交通行業實現大數據提供了數據基礎。

　　具體而言，智能交通與大數據契合可以從三個角度來看：

　　首先，從應用成熟度看，今天無論卡口、電子警察還是視頻監控都是對圖像和視頻數據進行語意化和結構化處理最成熟、最完整、應用深度最深的領域。智能交通可能是現在新興技術和應用領域里率先突破數據應用瓶頸的一個技術領域。

　　其次，從技術角度看，包括大數據、云計算的技術架構最先在智能交通里落地，智能交通也必將引領整個智慧城市各個子模塊的技術潮流和走勢。

　　最后，從使用者與應用者關聯的角度看，交通的智能化最終會影響到每一個人騎車、駕車、公交出行的感受。每位市民都能夠有非常好的交通秩序體驗，這一點就需要智能交通的技術方案去支撐實現。

　　大數據特點

　　何為大數據技術？從各種各樣類型的數據中快速獲得有價值信息的能力就是大數據技術。由此我們可以看IBM歸納的4個V(量Volume，多樣Variety，價值Value，速Velocity)：

　　第一，Volume數據體量巨大，從TB級別躍升到PB級別。

　　第二，Variety數據類型繁多，包括視頻、圖片、地理位置信息、傳感器數據等等。

　　第三，Value價值密度低，應用價值高，以視頻為例，連續不間斷監控過程中可能有用的數據僅僅有一兩秒。

　 　第四，Velocity處理速度快，1秒定律。最后這一點也是和傳統的數據挖掘技術有著本質的不同。在交通領域，海量的數據主要包括四個類型的數據：傳 感器數據（位置、溫度、壓力、圖像、速度、RFID等信息）；系統數據（日志、設備記錄、MIBs管理信息庫等）；服務數據（收費信息、上網服務及其他信 息）；應用數據（生成廠家、能源、交通、性能、兼容性等信息）。交通數據的類型繁多，而且體積巨大。

    以上的四個要點中，量Volume和多樣Variety是因，數據類型的復雜和數據量的急劇增加決定了原有簡單因果關系的應用模式對數據使用率極低，完全無法發揮數據的作用；速Velocity是過程，巨大的運算量決定了速度必須快；價值Value是最終的果。

　　智能交通大數據應用分享

　　大數據采集

　 　以丹東某交警項目為例，該項目一期建設的卡口電警設備每天產生300萬條過車記錄和過車圖片，目前整個系統過車圖片數量超過2億條，隨著時間的累計會更 多。2013年12月，基于Hadoop大數據平臺的UniHadoop系統在丹東試用，滿足了30億條過車記錄的檢索、數據挖掘業務。

　　大數據存儲與快速檢索

　 　在前端，1050臺圖像采集設備有700多臺內置算法的高清一體化智能卡口、電子警察抓拍單元，部署于市內、高速、收費站、國省干道，以光纖連接到中心 設備；1.5PB容量的IPSAN存儲可以將照片保存6個月，視頻保存15～30天；中心管理平臺統一以地圖作為窗口進行相應的功能和業務展示，單級平臺 容納百億級數據量，查詢和統計能在3秒內返回，基于大數據的各項性能展示，同步可提供軌跡碰撞、擁堵分析等智能研判。該項目在應用中雖然數據量成倍增加， 但查詢和統計時間仍為3秒。

　　大數據計算與分析

　　宇視丹東某交警項目投入使用一個多月后，通過對上億條數據計算與分析，得到的數據價值有：

　　1.查獲假牌、套牌出租車7臺，報廢車2臺。

　　2.查獲使用偽造、變造號牌車輛31臺，故意遮擋號牌車輛18臺。

　　3.提供線索破獲各類案件16起，其中殺人案1起，搶劫案1起，盜竊案5起，治安案件4起，交通事故逃逸案件4起，布控成功查獲刑事案件涉案車輛及人員1起。

　　4.為群眾找回失物14起，挽回直接經濟損失10余萬元，間接經濟損失千萬元。

　　5.在一起惡性重大事故逃逸案中，犯罪嫌疑人換了7、8輛車，最后拋車銷毀，但因系統準確從第一輛車就予鎖定、布控，僅5個小時就予告破抓獲。

　　大數據應用是趨勢

　　隨著智能交通的發展，宇視分析智能交通產品的技術定位近年來有兩大顯著變化：

　　第一是智能前置，前端的抓拍單元發生了非常大的變化，實現了“一體化”，即所有的交通行為、智能分析行為都由相機來完成。而在2010年前后，抓拍單元還是純粹的抓拍機，其他智能分析算法由路口工控機或后端設備完成。

　　第二是建設規模，現在一個中小城市建設卡口和電警設備的規模就能達到上千路，抓拍圖片的數量規模非常龐大，有的甚至上億條，如果存儲時間較長則達到10億條，對平臺管理、檢索這些過車記錄提出了非常大的挑戰。

　 　從這些變化中我們可以看到，面對海量的交通信息，交通大數據的開發應用需求日益凸顯，交通大數據時代的來臨是智能交通發展的必然趨勢，這將為包括安防企 業在內的眾多企業提供更多的發展機遇和空間，當然在這個進程中我們也將面臨諸多挑戰：比如交通數據資源分割和信息碎片化；交通信息模式復雜，數據種類繁 多；缺乏統一的標準；缺乏有效的市場化推進機制，基于大數據的交通信息服務產業鏈、價值鏈尚未真正形成等，這些問題都有待我們繼續探索和解決。

　　結語

　 　近一兩年來，大數據一詞越來越多地被提及，人們用它來描述和定義信息爆炸時代產生的海量數據，并命名與之相關的技術發展與創新。安防行業的大數據時代也 被屢屢提及，基于行業的發展特點以及大數據產生的價值來看，“數據”或將是安防企業未來技術角逐的焦點，數據的應用和分析處理本身就是一個巨大的智慧，在 這條路上我們仍有許多工作要做。宇視在2013年參與了遼寧、福建、廣東等地的智能交通大項目建設。在其中的應用案例中，宇視系統方案的強壯性、運算處理 能力、穩定性很高，從處理幾千條車輛違章信息到現在能夠處理6億條違章信息，而且這個數字還在增長，借助于強大的軟硬件方案提供能力等優勢，宇視在深耕智 能交通中將獲得重要的發展。