吴登峰

摘 要大数据是基于海量的数据中所提出的，能够为使用者提供具有规律变化的数据内容，其在各个行业的发展中都有着重要的作用，尤其是在政府的公共治理中。交通拥堵问题是城市化发展下不可避免的问题之一，而应用大数据将有助于形成智能化的交通管理格局，从而缓解拥堵，提高交通运输的效率。为此，本文将基于大数据视角下的交通智能管理领域，探讨大数据在优化交通上的具体应用。

【关键词】大数据 智能交通 出行 安全

1 前言

工信部在年初发布了《大数据产业发展规划2016-2020年》，基于2016年的大数据产业格局，未来的大数据发展在2016年3100亿元的市场规模下，将以每年35%的速度实现规模化增长，因而大数据产业也将成为我国的基础性战略资源。十三五的开局年，国家大数据战略被无数次强调，明确提出要将大数据在各个领域中持续推进，尤其是助力产业转型升级和社会治理创新。

随着城市化的进程不断的发展，我国居民可支配收入提升，对于出行的需求也越来越大，汽车保有量大幅提升。截止到2017年6月，全国机动车保有量达3.04亿辆。如此庞大的人口和汽车数量，给交通服务带来了巨大的压力，而“拥堵”也成为了诸多大城市的常态。有数据表明，上海、深圳等地的拥堵情况最严重的时候延时指数达2.06，造成了极大的拥堵成本，降低了社会运转的效率。

2 大数据下的交通智能化管理应用

交通领域大数据分析和应用的场景相当多，物流和运输公司、公交一卡通、GPS定位、车联网、路网监控、电子地图导航等都可以为交通服务提供大量的数据资源，而创新性的利用这些数据资源，是实现交通服务质量提升的关键。实现智能交通，可以从以下途径展开。

2.1 基于大数据优化公交站点及路线

城市交通的发展中，对公交站点以及路线的规划主要是基于地区的人口分布情况做出的，而没有考虑到居民的实际出行需求也特点，这使得路线和站点选择上存在盲点，一些公交每天十分拥堵，另一些则几乎是长期保持空车状态，浪费了交通资源。实际上，公交服务部门手中有大量的出行数据，例如公交一卡通，其中有大量民众的出行数据，这些数据中包含了每个居民的出行时间、出行的路段，每天的往返数据等。公交车上的投币箱也可以进行统计，在每个站点的上车人数，不同时段下公交车的平均运行时间，载客人数都可以基于一定的算法进行数据挖掘，得到居民的出行特征。

因此，基于大数据下的站点和路线优化，交通部门可以基于这些民众数据，建立数据挖掘模型，建立优化方案，重新分配公交站点和设计公交路线，实现城市公共交通资源的最优化配置。

2.2 基于大数据治理交通拥堵

交通拥堵成为几乎每个大城市都会面临的常态，早晚高峰、节假日的出行也几乎让所有城市居民“添堵”，成为影响市民幸福指数、城区空气质量、经济发展环境的重要因素。大数据下，对车流量的动态监控，结合交通算法，将有助于缓解城市的擁堵现状。

2.2.1 智能交通信号灯控制

交通路口的信号灯是道路拥堵问题解决的关键，基于大数据下，根据每条道路的车流汇聚的海量数据，挖掘车流的时空特点，评估道路的拥堵，动态化的调整信号灯。建立基于物联网的干道交通信号绿波带控制系统，确定当前车流通过相邻两个路口的速度及所需的时间，从而调整绿灯的开始和持续时间，大幅度提高道路通行效率。同时将红绿灯的数据信息平台进行资源共享，联合出行APP，为机动车用户提供路线规划服务，精准的根据车流来调整，降低道路拥堵率。

2.2.2 交通共享平台系统

基于道路埋设的物联网传感器，收集交通数据信息，纳入交通共享平台系统，为政府、交通部门、科技企业提供依据，并将目前的所有交通出行方式联合起来，如纳入共享单车、地铁、出租车、公交车等，将所有的出行工具的位置信息纳入平台中共享，方便民众的出行。同时平台也提供交通出行的决策服务，评估当前的道路交通现状，为用户提供出行的最优方案。

例如出租车，上海交管部门的数据表明，上海出租车没有的空载高达2400公里，为此基于数据共享平台，根据民众的出行特征，通过数据挖掘来为出租车提供用户的最佳起客位置推荐服务。对民众而言，通过平台提供数据推送，预估等待时间，让司机和乘客之前实现最精准的服务对接。

2.3 基于大数据响应交通事故

2016年，全国共发生交通事故187781起，造成58022人死亡，199880人受伤，直接导致的经济损失高达10.4亿元。交通事故一旦发生，除了带来生命财产的损失外，还极大的影响道路的正常运转。将大数据用在交通事故的管理中，将有助于降低事故率。

2.3.1 交通事故预防的信息排查

大数据中包含了全国所有的车主信息和车辆信息，基于这些信息可以完成对用户的画像分析。例如汇总驾驶人员的驾龄、年龄、性别、车辆状态，以此来分析用户的事故数据。交管部门的数据统计中，3年以下驾龄事故占所有事故的三分之一，同时临近报废车辆的事故率也偏高，此时应针对这些潜在高事故率驾驶人员予以重点关注，发出预警。

2.3.2 建立事故地图

通过对大量交通事故数据的分布，基于挖掘算法计算和甄别运行失衡和溢出高风险的路口，为交管部门的交通服务提供决策，对事故、秩序、非法占道等产生的异常，集成运营业务管理、应急指挥调度、监测预警、值班接警、信息处理发布、应急指挥调度管理，形成最优决策，指派最近的交通警察来疏导服务，从而提升交通服务质量和效率。

2.3.3 大数据时代下的汽车防撞智能的应用

车联网系统的发展下，汽车的信号发射和信号接收以及CPU处理能够为防碰撞、追尾提供智能化应用方案。例如十字路口最容易发生碰撞，传感器判断车与车之间的相互距离，车载终端获得本车车辆的位置信息和行驶状态信息，根据汽车上的信号接收和发射装置，基于CPU算法处理，得到在特定距离下汽车之间的安全距离和危险系数，并及时的发出预警信息。

3 结语

大数据下的规律和特征挖掘，有助于交管部门及时的掌握数据信息，为民众提供最优的交通服务。相信随着大户数据的应用普及，未来的大数据交通应用场景还将不断的拓展和丰富。

参考文献

[1]刘冬.基于车辆识别的大数据分析技战法[J].机电工程技术，2017（S2）：384-386

[2]杨海军.智慧城市中大数据技术的应用[J].机电工程技术，2017（S2）：412-413

[3]吴为强.基于大数据挖掘的智能交通决策分析系统[J].机电工程技术，2017（S2）：526-528

作者单位

浙江省丽水市人力资源和社会保障信息中心 浙江省丽水市 323000