��������Ӧ��Ȩƽ���ij��ټ���о�

随着智能交通的发展,海量的交通状态实时数据成为智能交通的研究对象,利用低损耗获取高实时性的交通流状态成为实际应用研究中的重点.本文引入一种自适应加权平均的车速检测方法,与以往的方法相比,自适应加权平均方法更加简单,并且容易实现;虽然其误差比最小均方差加权平均算法略大,但是这种方法不必以存储海量的交通信息数据为代价,解决了交通信息采集过程中的关键——实时性不高、存储容量大等实际问题.通过MATLAB仿真结果可以看到,此方法大大节省了数据存储空间和数据处理的时间,适合在实际工程应用中广泛推广.     

大数据时代新技术在智能交通中的应用

为探索大数据时代人工智能、大数据等新技术如何应用到交通运输领域中,实现智能交通的重大变革,首先,从信息资源整合、数据智能分析决策、大数据全生命周期的新技术应用、信息主动推送、智能网联汽车等方面提出智能交通的痛点及需求。其次,总结智能视频分析、交通信号控制、智能交通平台应用及智能网联汽车等业务领域研究现状。再次,围绕自然语言处理、计算机视觉、智能化交通信号控制、汽车电子标识、数据湖蓝光存储等新技术,分别从技术突破、业务应用两个方面阐述新技术突破在智能交通领域的应用。最后,提出了大数据时代新技术 在智能交通领域研究方向的建议。     

机动车实时排放空气污染预警系统的研究和实现

城市化的快速发展带来道路网络的扩大建设以及机动车的大幅增加,机动车的噪声和尾气排放对城市环境产生较大的压力.城市道路机动车的实时排放空气污染监测及预警的需求越来越受到社会、城市管理及环境管理等部门的关注.文章首先提出系统的总体设计思路和需求描述,并进一步提出系统技术方案,通过海量数据快速处理的解决方案,建立一套由实时交通信息处理分析子系统、道路实时排放清单动态测算子系统、基于道路污染物空气质量预测子系统、机动车空气污染预警处理子系统、机动车实时空气污染预警应用展示子系统等5个子系统组成的机动车实时排放空气污染预警系统,最终通过界面展示系统的各项功能.系统已研发实现并实施和运行,对环境监测和预警起到了重要示范作用.     

浅谈深度学习技术在交通态势预测中的应用

随着区域经济的增长, 公路通行需求呈爆炸式增长。 高速公路作为区域的主干道和大动脉, 路网通行能力和通行需求之间的矛盾越来越突出, 拥堵成为高速公路运营管理最大的痛点之一。 高速道路运营单位、 政府管理部门亟需一种实时性强、 可靠性高的路况分析技术为拥堵治理提供服务。 传统的分析技术 (如机器学习、 统计学方法等) 无法满足处理海量的多源异构数据的需求。 随着近十年来大数据技术和 GPU 计算能力的发展, 深度学习技术这门新信息技术日益成熟, 拥有强大的数据处理能力。 在交通态势预测领域, 借助深度学习技术处理海量的交通数据可以实现道路通畅度的高精准、 高可靠性预测, 再辅以主动管控和车路协同技术来提升高速路网的通畅性和安全性。 文章首先简要介绍深度学习技术的发展历史和交通态势预测领域的发展现状, 再浅析深度学习在智慧高速中的应用场景, 最后分析深度学习技术面临的隐患并进一步对深度学习进行展望。     

智能交通系统共用信息平台中的数据管理技术

实时智能交通数据是构建智能交通系统共用信息平台的基础,而对实时智能交通数据的有效管理是实现共用信息平台各项功能的关键。本文提出智能交通数据管理技术中两个关键问题——数据集成技术、数据压缩与存储技术的解决方案。数据集成的目标是利用定量的方法优化实时交通数据的集成误差,并最大限度地保留原始数据中的有用信息,以确定不同时段、不同用途、不同地点的最佳集成度,本文着重探讨利用信号处理中的小波变换理论进行数据集成的可行性。数据压缩与存储的目标是最大限度地减少存储庞大实时数据所需要的空间,同时又可满足现在和将来所有用户和用途对数据的已知和潜在的需求,本文将重点介绍通过定量化的抽样技术来完整地保留最有代表性的原始数据的方法。此外,本文还将探讨其它一些与数据管理相关的内容,如:数据质量保证,数据流程框架,数据标准与规范,数据安全保证等。     

物联网环境下的重点车辆监控海量信息处理研究

重点车辆监控是借助物联网技术,通过感知设备对重点监控车辆进行识别、定位、跟踪、监控和管理。重点车辆监控平台需面对海量数据的处理问题．云计算信息处理模式为重点车辆信息管理提供了新思路。借助云计算的概念,提出基于Hadoop分布式并行编程框架的重点车辆信息管理模式和基于MapReduce编程模型的重点车辆海量信息处理方案。然后,采用广东省的重点车辆监控平台的历史数据作为样本,搭建基于Hadoop的重点车辆海量信息处理测试平台。实验结果表明,该平台能够实现物联网环境下的重点车辆海量数据的快速处理与查询．满足实时监控的要求。     

大数据及其在城市智能交通系统中的应用综述

大数据给城市智能交通系统的技术发展与应用革新带来了机遇和挑战.从交通大数据的基本概念、交通大数据带来的问题和大数据驱动的数学建模方法等方面,阐述了交通大数据给智能交通系统带来的变革.为了深入理解交通大数据的内涵,分析交通大数据的产生背景,提出了交通大数据的“6V”特征,总结了智能交通系统中大数据的基本类型.面对交通大数据带来的数据安全、网络通信、计算效率和数据存储等诸多问题,提出了应对策略和思路.对数据驱动的建模方法进行了分析,说明了混合模型的意义.最后,讨论了大数据驱动的智能交通系统的体系框架.     

交通节能减排智能化分析技术--北京市实践

基于大数据的智能化监测分析技术为消除城市交通在节能减排领域决策判断的模糊性、解决交通节能减排问题提供机遇。通过分析交通节能减排宏、中、微观工作对智能化监测分析的需求,总结现有统计监测体系存在的问题。提出车辆能耗排放多维感知、高分辨率仿真及多尺度评估、海量数据分析挖掘等交通节能减排智能化分析技术。具体阐述北京市在交通节能减排统计监测体系建设、交通能耗与排放清单编制、交通节能减排规划和政策研究、驾驶行为矫正、节能减排标准研究制定等方面的实践应用效果。最后指出,交通节能减排智能监测体系应构建本地化的模型及关键参数,同时需要法律法规和体制机制的协同保障。     

交通规划软件中基于GIS-T的新型数据库解决方案

交通规划与分析领域对数据信息需求量非常大，但是目前没有合适的数据库系统可以很好的满足对海量数据的管理、维护的问题，也缺少能够真正融合GIS和Transportation的数据库构架，用户在使用软件的时候门槛过高，难度过大，极为不便。本根据当前的交通规划与分析软件的数据库现状和存在的问题，并结合智能交通的飞速发展，提出了满足交通规划与分析软件需求的一整套新型数据库构架。这个新型数据库解决方案真正实现了GIS-T的融合，并在大大降低操作难度和门槛的同时极大的方便了用户的使用，实现了在交通规划与分析软件中数据库系统质的飞跃。使得用户可以在缩短项目完成时间的基础上提高质量，鱼和熊掌的兼得成为可能。     

��ͨ��Ϣ�Ƽ��㼰��Ӧ���о�

云计算借助高速网络将各种计算能力联接起来,为交通信息提供了几乎无上限的可伸缩的计算能力. 本文分析了交通信息云计算的优势、特征、方法和部署,认为交通信息云计算也是一种信息高效采集和服务的概念,是实现交通行为控制的基础. 以车辆GPS定位信息的获取、传送、计算和应用为例,对比了浮动车信息现有处理模式与云计算信息处理模式,提出了以云计算模式产生高效用度、闭环可验证的个性化路径导航信息作用于海量驾驶员个体,实现控制性路径诱导的方法.