交通擁堵逐漸成為城市發展的一塊“心病”，近日，高德地圖聯合交通運輸部科學研究院等機構發布的《2016年第三季度中國主要城市交通分析報告》顯示，與去年同期相比，46個城市中有40個城市有不同程度的擁堵加重趨勢。數據分析表明大部分城市擁堵依然在持續惡化，大小各類型的城市都在面臨擁堵的困擾。
可以說，交通問題已經嚴重影響到城市的有序運行和可持續發展，導致社會成本大大提高，它也是影響出行體驗的重大因素，成為市民最為困擾的問題之一。公安部公布的另一項數據表明，截止今年9月底，中國的汽車保有量已經達到1.9億輛。在此背景下，盡管很多的智慧城市項目將重點投入了智慧交通中，但效果并不明顯，有效治理并能夠緩解交通壓力的城市寥寥無幾。
到底如何拿出有效的辦法解決交通行業的諸多問題？又該如何利用大數據、云計算、物聯網、人工智能等新技術為治理交通服務，讓交通真正“智慧”和“聰明”起來？
智慧交通需頂層的數據管理體系
在找到解決交通問題的可行辦法之前，我們不妨先來看看目前諸多城市進行的智慧交通基礎建設面臨的問題。大數據時代下，智慧交通的基礎性建設大體分為四個階段，IDC建設、數據平臺建設、數據集采與數據共享。從目前國內交通大數據中心建設的情況來看，還是以機房建設為主，在中興通訊看來，有少數城市做到了數據集采和存儲，但是再往上看，能在SaaS層面做到數據共享的城市就更少了。
背后的原因是什么？其中有政府管理模式的問題，比如交通行業是按照運輸方式來區分的分散管理的模式，管理主體眾多，層次交叉重疊，如果說這個原因不是主要因素。有一個關鍵因素不得不說，其可以視為在實施智慧交通系統項目時的頂層設計問題。
中興通訊認為，關鍵在于缺少一個頂層的數據管理體系作為數據的統一規劃者，即“一張藍圖，一個流程，一個制度，一套體系，一支隊伍”。數據的集采不是將機房、平臺建好了，放在那里，數據就能來的，也不是數據采集來了，放在那里，它就能產生價值的。數據在生命周期內，不斷地積累，不斷地更新強化，最終到使用，需要有一個持續的過程。
平臺或數據資源的整合需要銜接國土、規劃、發改、住建、民政等具體業務部門，在委辦局進行項目需求建設的時候，需要由這個頂層部門進行數據模型的邏輯規劃，設定數據的訪問范圍與權限級別，從邏輯上整合，從物理上打破離散，真正的去橋接交通數據的孤島。
當然，在實現跨部門、跨地區的交通互聯共享平臺的基礎上，規范交通系統的數據標準化也必不可少，這樣才能降低對交通流的分析與預測障礙。
協同聯動的交通大數據基礎設施
頂層設計之外，當然還少不了可靠的智慧交通系統基礎設施。但是傳統的智能交通主要關注的路面交通情況，其感知水平決定了無法將人、車、路及環境作為一個整體進行看待。從中興通訊這樣的ICT運營商的角度來看待這一問題時，會從人、車、路及環境（公路四要素）之間的關系及關系數據的IO（Input/Output）來直接切入到公路管理與服務中來。人、車、路、環境彼此之間既是交通數據的使用者，也是交通數據的貢獻者。
中興的交通運輸智能監測和應急指揮系統即按照這個思路進行建設的。交通監測系統與市面上產品不同的是，通過全面的物聯網感知技術，對監控對象的狀態進行更為細致的洞察，通過高速無線網絡實時接入到云計算中心進行快速分析。
以交通監測系統的一個最佳實踐舉例來說，很多長途運輸車輛在夏季工作的時候，輪胎的溫度可以達到60℃以上，如果不經常性的采取降溫措施，很容易發生爆胎。通過安裝在車輛輪胎上的溫度傳感器，實時獲取輪胎的溫度，通過車輛的CAN總線系統，將數據實時傳輸到交通運輸監控中心，交通運輸監控中心結合車輛的運行時間、運行路段的路況，判斷車輛的輪胎是否處在危險的狀態，監控中心會向司機發送告警信息。
另外在出行服務端，中興提出了“交通數據眾籌”的理念，出行者可以將實時的交通信息上報到云。比如，當我們駕車在城市道路上行駛，前方出現了一起事故，占用了一條車道，云端在進行數據巡檢時，判斷這段道路出現了問題，但是具體是什么問題，需要借助視頻或者人工巡檢的方式確認。如果我們有App，我就可以直接在當前的位置標注一個事件，定義為事故并分享它，這樣，凡是會經過這個路段的駕駛員都會看到這個標注信息，提前選擇繞行線路。另外交通管理者也可以及時確認事件類型，選擇合適的應急預案，節約恢復時間。
“人即使用了道路的路況服務（消費者），也為交通管理提供了新的數據（生產者）”，它貫穿在中興通訊多個智慧交通方案架構中。
智慧交通考驗大數據能力
無疑，從行業上來看，金融、電信、精密制造和交通等是最典型的大數據應用場景。但大數據掛在嘴邊說出來容易，是否具備高性能和可靠的數據分析和挖掘能力考驗的是真水平。
城市每天產生大量的交通數據流，以寧波為例，寧波每天產生約30億條出行數據，如何將這30億條數據快速的歸類成100萬種的車輛通勤特征，并在2000余個擁堵模型之中快速識別出來，是系統的核心挑戰。中興自主研發的城市交通擁堵治理輔助決策系統可以識別約2000+種擁堵模式，通過深度學習的技術，指導信號燈學習路況，并和周圍的信號燈實現聯動，增加道路的使用效率。此系統基于大數據平臺架構，能夠滿足智慧交通大數據分析的要求，平臺能夠實現日均3億條浮動車數據、2億條電子警察數據、2億條高清卡口數據的處理計算能力，結合其他數據要求，能夠實現日均50億條數據處理能力。
在快速分類的基礎上，比如需要在10億張過車圖像中，查找到副駕駛抱小孩的車輛，并給車主發送短信進行安全提醒。在這個場景中，需要首先找出幾張副駕駛抱小孩的過車照片，然后交給卷積神經網絡（Convolutional Neural Networks，CNN）進行針對參數的學習和訓練。然后CNN攜帶訓練好的參數去對每一張圖片進行識別，最終找到副駕駛抱著小孩的車輛。識別的速度取決于神經網絡的算法，比如首先按照出行的車輛進行歸類，將數據量從十億的級別降低到百萬級別再進行處理，也取決于云計算的存儲能力，但解決問題的根本還是在算法上，而不是IO的速度。
所以，頂層規劃、前瞻的智慧交通系統基礎設施、大數據能力，是一個有效的治理交通問題的可行辦法，當然這并不是全部。在11月16-21日即將開幕的中國國際高新技術成果交易會（高交會）上，中興通訊將在智慧城市專館暢談智慧城市交通系統。
京公網安備 11010502049343號