大数据在智能交通系统中的应用-优快云博客

IEEE智能交通系统汇刊，第17卷，第6期，2016年6月 1663

客户编辑：智能交通系统中驾驶员、车辆与系统控制的大数据

D ATA 长期以来，交通数据的采集一直被视为交通工程师和交通规划人员日常工作的一部分，用于支持交通控制、交通规划、出行者信息系统以及交通系统性能评估。传统上，交通数据主要来自固定点交通监控系统，例如环形检测器（如单环或双环）、路侧传感器（如微波车辆检测系统）或overhead detectors [例如基于激光的检测系统（LBDS）]。已有研究利用公共汽车、出租车或商用车辆作为探针车辆，采集车辆位置和速度数据，用于行程时间或交通状态估计。近年来，随着新技术的进步，特别是互联网的发展，大量交通或与交通相关的数据现在能够实时地从各种来源获取。交通运输领域的大数据以快速流动的数据流形式存在，通常包含大量噪声。此外，嵌入在这些数据中的信息可能迅速过时。如何及时地采集、处理和分析这些数据，并将其转化为智能交通系统（ITS）中有价值的信息，已成为研究人员和从业者必须应对的重大挑战。

本专刊涵盖了关于大数据在智能交通系统中用于驾驶员、车辆和系统控制方面的最新研究。本期专刊共收录了11篇论文。

所包含的论文集可以从多个方面进行分类。从应用角度来看，本专刊涵盖了公交网络设计、出租车和公交车运营、交通流与行程时间预测、困境区管理以及道路几何设计。从数据来源角度看，既包括公交车、出租车和个人车辆轨迹等传统数据来源，也包括基于联网车辆技术、路侧通信设备或车载设备等新型数据来源。从处理大数据的技术或方法论角度来看，本论文集包含了基于k‐最近邻方法的数据填补技术、数据管理基础设施、机器学习方法以及基于图论的方法。

第一篇论文《基于大轨迹数据的TORD问题及其解决方案》

由李等撰写，利用配备GPS的移动设备生成车辆轨迹数据，通过将问题定义为时间敏感型最优路径发现问题来识别优选路线。该研究构建了一个双层偏好网络，用于挖掘历史轨迹之间的关联性。此外，还提出了三种近似方法开发了算法来解决该问题。实验结果证明了所提出算法的效率和有效性。

第二篇论文《利用空间图依赖管理大规模交通数据以进行行程时间预测》

由Salamanis et al. 撰写，提出了一种基于图论的技术，用于管理同一城市交通网络中道路间交通的空间相关性。该研究提出了一种基于STARIMA的交通预测模型，并考虑了已识别的依赖关系。所提出的技术使用来自柏林（德国）和塞萨洛尼基（希腊）的交通数据进行了基准测试。基准测试结果不仅表明在计算交通相关性所需的计算时间上有显著改进，而且与第三方方法相比，还发现不同变体在不同的网络拓扑中表现更优。

第三篇论文《在随机车辆路径中寻找最短路径：一种基数最小化方法》

由Cao et al.撰写，重点研究如何找到一条能够最大化准时到达目的地概率的最优路径。该论文提出了一种数据驱动方法，直接挖掘交通相关的大数据。在他们的方法中，Cao et al.首先根据从每条道路链路采样的行程时间，将原始问题重新表述为一个基数最小化问题；然后采用l1范数最小化技术求解该重构后的问题。随后，该问题被转化为一个混合整数线性规划问题，可利用标准求解器进行求解。

第四篇论文《基于大数据分析的非法出租车识别模型》

由袁等人撰写，该论文提出了一种智能模型来识别非法出租车。该模型由两个子模型组件构成，即候选选择模型和候选精炼模型。前者用于筛选出粗粒度的疑似非法出租车候选列表，该列表作为候选精炼模型的输入，后者基于机器学习生成细粒度的疑似非法出租车列表。所提出的模型通过真实数据进行了评估。

第五篇论文《基于车联网技术的集成式两难区域保护系统》

由Zha et al. 撰写，提出了一种通过车对基础设施实现两难区域保护的评估框架。所提出的框架利用来自路侧设备的数据进行感应信号控制和两难区域保护。他们开展了一项仿真研究。仿真结果表明当渗透率达到40%或更高时，所提出的框架可为两难区域保护提供最佳效果，同时还能减少冲突交通流造成的延误。

第六篇论文《基于手机轨迹的数据驱动型公交网络设计》

由Pinelli et al. 撰写，提出了一种数据驱动的公交网络设计方法，该方法依赖于移动通信网络提供的大量用户位置数据。该方法通过从匿名手机位置数据中提取频繁移动模式，并将其合并以生成候选路线设计。随后采用最优路线选择和服务频率设定的附加算法，来选定由路线组成的网络配置，以最大化整个系统的乘客效用。

第七篇论文《基于城市公交网络轨迹挖掘的地理广播》

由Zhang 等撰写，利用公交轨迹数据构建了一个概率时空图模型，为数据传输请求提供具有最佳可能服务质量水平的路由路径。该研究充分利用城市公交网络的广域覆盖和固定公交线路等独特特性，展示了其在车载自组织网络（VANET）中形成通信骨干的潜力。作者主要关注基于公交的VANET中的地理广播，提出了一种名为Vela的地理广播路由机制，该机制分析并挖掘历史公交轨迹，刻画时空交通模式。在真实与合成轨迹上的实验结果表明，Vela在投递率和延误方面表现更优。

第八篇论文《用于采集和存储自然驾驶数据的灵活系统架构》

由Bender et al.撰写，描述了数据管理基础设施背后的设计原则，强调灵活性和可维护性。通过将代码分解为可在多个独立处理器上运行的模块化设计来实现这一点。通过发布‐订阅网络传递消息，实现进程间通信，并促进数据驱动执行。遵循这些原则，可以快速进行新感知模态和算法的原型开发与实验。此外，他们还将所提出架构底层的通信库与几种流行的通信库进行了比较。系统设计的功能使其具有去中心化、容错性强以及易于在多台机器上扩展的特点，且配置最小。使用所提出的架构编写的代码紧凑、透明且易于维护。实验表明，与替代的通信库相比，所提出的架构具有高性能。

第九篇论文《道路链路路段分段单元中交通数据的数据驱动填补方法》

由Tak et al.撰写，提出了一种基于k近邻方法概念的k‐数据驱动填补方法。所提出的填补算法在以下三个方面不同于传统算法：1）可以在不完整的历史数据条件下实现；2）应用权重矩阵来计算k‐近邻的相似性，以反映交通数据的时空相关性；以及3）可通过将高速公路网络划分为若干路段，在分布式计算环境中进行处理。作者通过改变缺失数据类型、缺失比例、交通状态和日期类型，将所提出的填补算法与最近历史数据法和基于自助法的期望最大化方法进行了比较。结果表明，该算法在几乎所有场景下均表现出更优的性能。

第十篇论文《在路线计算中应用分析实现垂直和水平曲率》

由Svenson et al.撰写，研究了路线中垂直和水平曲率的计算，因为运材卡车的最佳路线难以确定，需要考虑许多道路特征，包括路线的垂直和水平曲率。他们提出了一种计算这些特征感知的方法论。所提出的方法论还包括清理和补充数据中不准确坐标的过程。他们的研究成果已实现在一种名为校准路线查找器的智能交通规划系统中，该系统由瑞典林业局使用。