英语原文共 16 页，剩余内容已隐藏，支付完成后下载完整资料
翻译
智能交通系统中的大数据分析
Li Zhu, Fei Richard Yu ，Fellow, IEEE, Yige Wang, Bin Ning, Fellow, IEEE, and Tao Tang
摘要——大数据正在成为智能交通系统领域( ITS )的研究热点，这在世界各地的许多项目中都可以看到。智能交通系统将产生大量数据。产生的大数据将对智能交通系统的设计和应用产生深远的影响，这将使智能交通系统更加安全、高效和有利可图。在ITS中研究大数据分析是一个蓬勃发展的领域。本文首先回顾了大数据和智能交通系统的历史和特点。接下来讨论ITS中进行大数据分析的框架，其中总结了数据源和收集方法、数据分析方法和平台以及大数据分析应用程序类别。介绍了大数据分析在智能交通系统中应用的几个案例研究，包括道路交通事故分析、道路交通流量预测、公共交通服务计划、个人出行路线计划、轨道交通管理和控制以及资产维护。最后，本文讨论了在ITS中使用大数据分析的一些公开挑战。
关键词——大数据分析、智能运输系统( ITS )、机器学习、交通.
综述
最近，大数据已经成为学术界和工业界的热门话题。它是大而复杂的代名词，是从各种来源获得的数据集合。许多最流行的数据处理技术包含大数据技术，包括数据挖掘、机器学习、人工智能、数据融合、社交网络等[ 1 ]。许多人在各个领域使用大数据分析，并取得了巨大成功[ 2 ]。例如，在商业领域，一些企业使用大数据更准确地了解消费者行为，从而优化产品价格，提高运营效率和降低人事成本[3]。在社交网络领域[3]，通过即时消息、在线社交网络、微博和共享空间的大数据分析，Facebook、Twitter和Linkedin等公司可以了解用户当前的行为、社交关系和社交行为规则，然后推广一些产品。在医疗保健领域，通过处理和查询医疗保健数据，医生可以分析致病特征，评估患者的体质，从而制定更人道的治疗计划和建议，降低患者的发病率[4]。在智能电网领域，通过对智能电网数据的分析，电网运营商可以知道哪些部分的电力负荷和电力频率过高，甚至可以诊断哪些线路处于故障状态。这些数据
分析的结果有助于电网的升级、改造和维护工作[5]。随着大数据分析在众多领域的成功应用，智能交通系统也开始以极大的兴趣关注大数据。
智能交通系统( ITS )自20世纪70年代初开始发展。这是运输系统的未来方向。ITS将包括电子传感器技术、数据传输技术和智能控制技术在内的先进技术融入的交通系统[6]。ITS的目的是为[7]–[9]交通系统中的司机和乘客提供更好的服务[7]–[9]。
在ITS中，数据可以从各种来源获得，如智能卡、GPS、传感器、视频检测器、社交媒体等。对看似杂乱无章的数据进行准确有效的数据分析，可以为ITS [10]、[11]提供更好的服务。随着智能交通系统的发展，智能交通系统中产生的数据量正在从万亿字节级发展到千兆字节级。给定如此大量的数据，传统的数据处理系统效率低下，无法满足数据分析要求。这是因为他们没有预见到数据量和复杂性的快速增长。大数据分析为ITS提供了一种新的技术方法。ITS可以从大数据分析的以下方面中受益。
ITS中生成的大量多样而复杂的数据可以通过大数据分析来处理。大数据分析解决了三个问题:数据存储、数据分析和数据管理。Apache Hadoop和Spark等大数据平台能够处理大量数据，并使之在学术界和工业界中得到广泛应用，[12]–[13]。.
大数据分析可以提高ITS的运营效率。ITS中的许多子系统需要处理大量数据来提供信息或提供流量管理决策。通过快速数据收集和对当前和历史大量交通数据的分析，交通管理部门可以实时预测交通流量。公共交通大数据分析可以帮助管理部门了解交通网络中的乘客出行模式，这可以用于更好的公共交通服务规划。交通APP开发人员的大数据分析可以帮助用户以最合适的路线和最短的时间到达目的地.
大数据分析可以提高ITS的安全级别。使用先进的传感器和检测技术，可以获得大量的实时交通信息。通过大数据分析，我们可以有效预测交通事故的发生。当事故发生或需要紧急救援时，基于大数据分析的系统中的实时响应能力可以大大提高紧急救援能力。大数据分析还可以提供新的机会来识别资产问题，如路面退化、道碴老化等。它可以帮助在适当的时间做出维护决策，并防止车辆或基础设施处于故障状态.
尽管大数据分析在ITS中的应用前景广阔，但许多重要的研究问题和重大挑战仍然需要解决。据我们所知，从数据源和收集方法、数据分析方法和平台到ITS中的大数据分析应用程序，大数据分析的系统总结以前从未做过。在本次调查中，我们首先讨论ITS中大数据的来源，以及我们如何收集生成的大数据。讨论了在ITS中进行大数据分析的框架。我们还总结了ITS中的数据分析方法和平台。还介绍了ITS中大数据分析应用的一些案例研究.
论文的其余部分组织如下。第二节讨论了在ITS中进行大数据分析的架构。第三节总结了数据源和收集方法。第四节讨论了大数据分析方法。第五节详细介绍了ITS大数据分析应用的案例研究。我们在第六节中介绍了大数据分析平台。第七节讨论了在ITS中使用大数据分析的一些公开挑战。最后，我们在第八节中进行总结论述。
智能交通系统中的大数据分析结构
ITS中大数据的特征
智能交通系统将包括电子传感器技术、数据传输技术和智能控制技术在内的先进技术融入交通系统[6 ]。ITS的目的是为[交通系统的司机和乘客提供更好的服务。根据[ 7 ]，ITS包括六个基本组件:先进的交通管理系统、先进的旅行者信息系统，先进的车辆控制系统、商用车辆管理、先进的公共交通系统和先进的城市交通系统。文献回顾[7]–[9]指出，这些部件大部分是针对车辆和道路运输的。因此，我们在这篇调查论文中重点关注ITS的公路运输。
智能交通系统( ITS )收集的数据越来越复杂，并且具有大数据功能。包括Gartner IBM和微软在内的大公司提出，大数据可以用三个Vs来描述，即数量、多样性和速度[14]，[15]。
数量是指各种来源产生的数据量，并且仍在扩大。随着交通量和探测器的增长，运输中的数据量显著增加。此外，当使用跟踪应答器时，旅行者、货物和车辆会产生更多的数据。基础设施、环境和气象监测产生的数据作为交通数据的重要部分也在增加。
多样性主要集中在探测器、传感器甚至社交媒体产生的各种数据上。与运输有关的数据种类显著增加。例如，现代车辆可以实时报告内部系统遥测以及所有机组人员和乘客的信息。
由于通信技术的改进、处理能力的提高以及监控和处理速度的提高，数据在运输中的速度有所提高。例如，使用智能卡或标签的票务和收费交易现在会立即报告，而纸质票务需要人工处理才能从交易中获取有用的数据。
B.ITS中的大数据分析结构
图1显示了在其进行大数据分析的架构中进行大数据分析架构。它可以分为三层，即数据收集层、数据分析层和应用程序。
数据层:数据收集层是架构的基础，因为它为上层提供了必要的数据。这些数据来自不同的来源，如感应环路探测器、微波雷达、视频监控、遥感、射频识别数据和GPS等。关于大数据收集的详细信息将在接下来的章节中介绍。
数据分析层:数据分析层是架构的核心层。该层主要是从数据收集层接收数据，然后应用各种大数据分析方法和相应的平台来完成数据存储、管理、挖掘、分析和共享。关于大数据分析方法和平台的详细信息将在接下来的章节中介绍。
应用层:应用层是这个架构中最顶层。它将数据分 析层的数据处理结果应用于不同的交通环境，例如交通流量预测、交通引导、信号控制和紧急救援等。
Fig. 1. ITS中进行大数据分析的架构.
使用先进的数据收集技术，数据收集层监控人、车辆道路和环境。包括结构化数据、半结构化数据和混合数据的原始交通数据被传输到该数据分析层通过有线或无线通信。数据分析层收到原始流量数据后，首先对数据进行分类，删除重复数据，清理数据，并以分布式方式分发有用和准确的数据。然后用数学和工程理论来提取隐藏信息，主要包括描述性分析以及预测分析。使用分析结果，应用程序图层可以预测未来交通流量和乘客流量的趋势，分析交通事故易发位置，调整信号分配，并实施交通控制，为城市管理部门提供决策支持。
智能交通系统中的大数据收集
人们无意识地参与ITS中大数据的收集、传输和应用。ITS中的技术发展已经导致从车辆和人员流动中创建和收集的数据的复杂性、多样性和数量增加。根据ITS中的不同来源，ITS中的大数据可主要分为以下类型，收集的数据如表一所示
|
来源 |
工具 |
数据 |
|
智能卡 |
智能卡 |
滑移率，驾驶时间 |
|
GPS |
GPS |
车辆位置，车辆密度，车辆速度 |
|
图像 |
摄像机 |
车辆位置，车辆密度，车辆认证 |
|
路面传感器， |
感应回路，道路管道，微波雷达，高速公路 |
车辆位置，车辆速度，车辆密度，车辆认证 |
|
浮车传感器 |
拍照识别，交通情况 |
驾驶时间，滑移率 |
|
联网自动驾驶车辆 |
架式传感器 |
坐标速度，加速安全数据 |
|
被动收集数据 |
网络数据 |
驾驶时间，滑移率 |
|
其他来源 |
智能电网，智能电表，蜂窝业务数据 |
电力，能源消耗，本地数据 |
智能卡中的大数据
自动票价收集( AFC )系统已经广泛应用于城市轨道系统，这使得智能卡数据成为调查乘客移动模式的主要数据源，[16]–[18]。在AFC系统中，乘客在乘坐公共汽车或火车时需要使用智能卡。电子阅读器将捕捉乘客的详细信息，如登机时间、OD信息等。当他们触摸智能卡时。AFC系统中的智能卡每天在大城市产生大量的数据记录。 例如，伦敦交通( TfL )每天在伦敦地铁站收集800万次旅行的智能卡数据。已经做了大量工作来使用智能卡数据来研究公共交通乘客出行行为的时空模式[19]–[22]。由于智能卡数据具有提供[17号]、[21]号旅行行为综合时空信息的潜在能力，智能卡数据正成为公共交通服务规划和管理的重要组成部分。
B.GPS中的大数据
GPS是最流行的位置跟踪
全文共6769字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[950]
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
