候志峰，靳灿章

（天津市市政工程设计研究院，天津市 300392）

0 引言

在当前信息化的发展背景下，各行业各领域产生的数据激增，对海量数据进行存储、分析与处理的要求也越来越高。因此，“大数据”理念应运而生，并成为各行各业研究的重点。在道路交通领域，信息技术和互联网技术的应用和推动使得相关数据呈现几何级增长，如何充分有效地利用好这些海量数据，成为新时代道路交通行业的巨大挑战。

1 大数据的特点

大数据（Big Data）尚未有统一和明确的定义。一般而言，其包含两方面的含义：首先是指海量数据本身；另外，其也指能够存储、分析、处理海量数据的新技术。互联网+、云计算等各种新技术的爆发式发展极大地提升了数据量的积累，数据量级已从传统的GB、TB级逐步上升至PB、EB级甚至ZB级（其 中 1PB=1024TB，1EB=1024PB，1ZB=1024EB）；面对如此海量的数据，传统的数据储存、分析和处理技术已难以有效应对。

基于对大数据含义的分析并结合其时代背景，大数据具有四个特点（4V）：体量大（Volume）、多样化（Variety）、变化快（Velocity）、真实性（Veracity）。体量大是大数据最显著的特点，在道路交通行业，现有的体系本身已经积累了大体量的数据资源，而在信息技术的应用和推动下，数据量进一步提升；体量大奠定了数据多样化的基础，数据来源和获取方式不同，数据类型也不一样，包括文本类、图片、音频、视频等结构化数据，以及非结构化数据，如何有效处理半结构化和非结构化数据是目前大数据应用的关键；变化快是大数据一个很重要的特点，有利用价值的信息数据往往转瞬即逝，为获取相关价值数据，一方面要采取有效的技术方案对目标数据进行实时动态的采集，另一方面对存储设备的存储能力也提出了很高的要求；大数据的真实性指的是数据的挖掘和处理必须基于采集到的真实数据。

2 道路交通行业大数据的概念

狭义而言，道路数据指的是道路本身从设计、施工建设到运营、检测、养护全寿命周期内涉及的所有数据，包括勘察设计资料、建设施工过程、运营期间道路状况、道路检测结果、养护过程中产生的视频、图表、文本文件及其它形式记录的数据。其中，包括能用已知手段处理的和暂时还有待挖掘的数据，均包含在道路大数据的范围内。对道路交通数据而言，其数据范围还包括与道路本身相关的其它数据，包括气候资料、环境信息、道路使用者驾驶体验、行驶车辆运行状况、道路拥堵和事故信息等。可见，道路交通数据体量巨大、来源广泛、种类繁多，部分数据需要进行实时动态地采集，道路交通数据呈现出明显的大数据特征。

3 大数据在道路交通行业的应用

由于大数据理论起步不久，其在道路交通行业的应用也处于探索阶段。目前，工程学者在道路养护、道路施工、交通管理、道路交通安全方向进行了相对较多的研究和应用。

3.1 道路养护

美国的路面长期使用性能研究计划（LTPP）[1]是世界上影响极为深远的路面性能研究项目。该计划在美国建立了一个全国性的公路数据采集系统，以获取各个试验段的路面结构、材料特性、气候环境、交通量等海量数据信息。建立基于大数据的路面性能预测模型，并对其进行全面精准的评价，掌握各种路面性能产生变化的规律和机理，继而将研究成果应用到路面的养护、维修和管理当中。美国德克萨斯大学运用系统工程和运筹学大数据理论研发了旨在提升高速公路养护管理水平的PMS系统，并逐步发展为网级路面管理系统，有效提升了高速公路养护水平。2014年，日本研究人员开发利用智能手机小程序，并基于重力感应的垂直加速度变化测量评估道路的平整度，继而提供了快速而便捷的路面检测和养护新途径[2]。2016年，东南大学胡晨媛[3]基于LTPP海量数据资源，对沥青路面车辙进行预测研究。基于大数据管理技术完成了对对象数据的分布式管理，探索出了车辙变化与不同影响因素分布规律，建立了车辙随时间变化的预测模型，并根据大数据优化算法技术实现了对模型参数的拟合与性能评价，为指导沥青路面车辙病害的养护提供了有益参考。

3.2 道路施工

施工质量控制是道路质量的重要保证，关系到道路使用者的生命和财产安全，并对后期的道路运营、养护管理产生极大的影响。随着各类先进技术应用于道路施工过程，道路施工质量控制精细化程度越来越高，并产生了大量数据。长安大学韩立志等[4]研发了沥青路面碾压质量过程控制平台，通过安置于碾压机的GPS组件、各种监测传感器监测路面碾压过程中的时间、温度、振动加速度等参数，并通过远程数据传输装置传输至服务器，服务器通过既定算法将测量参数转换为实时参量，用以动态指导现场质量控制，并能实现施工完成后对碾压过程的质量追溯。

3.3 交通管理

大数据在交通管理领域具有极为广阔的应用前景，更是当前智能交通建设的重要基础。当前，世界诸多国家均投入巨资建立服务交通管理的大数据平台或系统。英国在多个城区建设了超高速网络系统以推动交通大数据的高度共享，实现不同城市、不同管理部门的高效合作，以减少交通拥堵状况[5]。美国“智慧驾驶”计划整合在本国生产的所有车辆的通讯设备和定位系统产生的海量数据，继而实现全国范围内路网的数据交换，有效提升交通诱导和管理水平[6]。日本通过在高速公路上设置的诸多交通检测和监控设备动态掌握交通拥堵、交通事故等状况[7]。

我国交通大数据管理系统的建设也在有条不紊地推进当中。深圳市经过多年的发展和完善，依托闭路电视监控、违章管理系统、停车诱导等多个系统的协同整合，建立了包括信息采集、动态监控、高效指挥于一体的交通管理指挥中枢，大幅提升了城市交通管理水平，保障了交通系统的安全快速运转[6]。北京市建立的交通管理指挥系统全天候自动采集全市主要道路的实时交通流量、运行速度等数据，将整合、处理后的交通信息进行动态发布，实现对全市交通状况的实时诱导和有效控制。

3.4 道路交通安全

随着我国道路里程和机动车保有量的高速增长，道路交通事故日益增多。通过对道路交通事故进行统计分析继而指导交通管理部门采取相应措施，对预防同类事故的发生具有重要意义。过去由于数据采集和处理技术上的不足，传统的交通事故统计分析手段通常也只是描述性的定性分析，存在事故分析深度不足、事故诱导因子甄别不清等问题，往往导致统计分析结果缺乏针对性，结果不够实用。将大数据应用于道路交通事故分析中，将能有效提高事故分析准确性和实用性。

日本的交通事故研究分析中心，将大数据采集和处理技术应用于事故统计分析中，基于大数据定量分析交通事故的深层次诱因，并据此建立了交通安全预防和预警体系[8]。美国加利福尼亚州通过整合高速公路多年的事故数据，并采用大数据方法对其进行处理分析，预测未来交通事故状况，以指导采取相应预防措施[9]。支野等[10]基于深圳市2014-2016年交通事故数据，采用模糊聚类等多种大数据挖掘方法，提出了道路事故数据缺失项填补和事故诱因甄别方法，并量化了交通事故危险度，对辅助交管部门进行事故预防和交通安全管理具有积极意义。

4 结 语

大数据在道路交通领域的应用是大势所趋，具有重要的社会效益和经济效益。尽管将大数据应用于道路交通领域取得了一些进展，但依然存在个别突出问题。数据源广泛，意味着数据拥有权分散，不同阶段、不同类型的道路交通数据被不同相关单位掌握，由于职能差异、利益诉求不同、数据管理水平参差不齐，导致一些相关单位不愿意进行数据共享，或者共享数据（通常为纸质版数据）采集的时间、人力成本过高。为应对这些问题，建议道路交通行业管理部门进一步推进各相关单位的数据电子化水平，降低数据采集和处理成本；同时，建立道路交通信息共享平台，各相关单位将电子化的数据均上传到共享平台。另一方面，应当加大对数据人才的引进和培养，并重视各类新技术的融合与应用，继而充分挖掘利用有价值的数据。