您现在正在浏览: 首页 » 交通大数据

交通大数据

支持交通时空大数据分析的理论和应用研究

大数据分析技术的蓬勃发展为创新基于海量过车数据的智慧交通管理模式提供了新的发展方向。实验室聚焦智能交通多源时空大数据分析理论与方法,提出了城市交通系统热点区域实时识别与监控、基于轨迹分析的重点车轨迹异常预警监控、城市交通流区域特征分析、城市道路实时路况监控等智能方法,并在交通管理实践中得到成功应用。

1、城市交通系统热点之出租车异常聚集实时监控

当前,出租车管理体制本身存在着各类缺陷和漏洞,出租车聚集、罢运、维权等事件屡屡见诸报端。如果能在聚集、罢运、维权事件发生初期就能够及时快速地发现,将为管理部门提供宝贵的处置时间,而不至于酿成更大的群体性事件。实验室基于开源大数据与云计算基础架构技术,能够在事件发生10分钟内识别城市任意地点出现的出租车异常聚集事件,并记录实时详情(图1)。 

1.出租车非正常聚集监控

该方法可拓展应用于快速识别其他具有类似聚集行为特征的事件,比如易于发生踩踏时间的人群聚集等等。

2、基于多源数据融合的城市道路实时路况 

百度、高德地图提供的道路实时速度主要通过浮动车数据计算获得的。实验室提出的城市道路实时路况实时计算方法不但采用了浮动车数据,同时融合了卡口数据、地磁数据和GIS数据。事实上,浮动车数据一般较为稀疏,而GPS的定位数据则往往质量较低,通过融合卡口与地磁数据计算道路实时通行速度,可大幅度提高了计算的准确性。

2. 基于多源数据融合的城市道路实时速度

3、城市交通热点区域分析 

随着经济的持续高速发展,机动车保有量迅猛增加给城市带来的交通问题日益突显。通过分析城市交通监控系统中所采集的过车数据,从而发现车辆的行车路线,利用行车路线可以挖掘车辆间隐藏的频繁同时出现的卡口,最终为解决交通问题提供帮助。我们利用自然语言处理中从单词和文档组成的语料库里提取主题的思想解决城市交通热点区域划分的问题。即将一段时间内,交通监控系统中所有过车数据组成语料库,其中每辆车在各个卡口出现的记录形成该车所对应的一篇文档,而这些卡口编号作为文档中的单词,并提取其中隐含的经常同时出现的卡口编号集合作为语料库的主题对应城市交通热点区域。图3中,我们识别出了某个城市的四个交通热点区域:Topic1Topic2Topic3Topic4。图3最右边的两个小窗口所显示的是所在卡口序列中车流中的各种车型占比以及主要的行驶方向。

 

3. 基于LDA分析技术的交通热点区域识别

4是对图3做进一步详细的展示,可以看到某个区域各个指标沿时间的变化规律。

 

4. 交通热点区域特征分析