智慧交通系统关键技术研究

第36卷增刊测绘与空间地理信息

GEOMATICS ＆SPATIAL INFOＲMATIONTECHNOLOGY

Vol．36，Supp．智慧交通系统关键技术研究

1，2

王少华，卢

浩，黄

1，2

骞，曹

嘉

（1．北京超图软件股份有限公司，北京100015；2．超图地理信息技术研究所，北京100015）

要：对现有的智慧交通系统关键技术进行分析和总结，为下一步智慧交通关键技术研究及其应用探索方向，

主要从智慧交通系统的大数据分析、最短路径算法、轨迹数据挖掘、交通网络决策分析等视角，对已有的智慧交摘

并指出了当前智慧交通系统亟待解决的问题及其研究的前景。通系统关键技术进行了分析，

关键词：智慧交通系统; 大数据; 轨迹数据挖掘; GIS 中图分类号：P208

文献标识码：B

文章编号：1672－5867（2013）S0－0088－04

Ｒesearchon Key Technologies for Smart Transportation Systems

WANG Shao －hua 1，，LU Hao 1，HUANG Qian 1，，CAO Jia 1

（1．SuperMap Software Co．，Ltd．，Beijing 100015，China ；2．SuperMap GIS Technology Institute ，Beijing 100015，China ）

Abstract ：The goal of this study is to give a brief analysis and summary of current key technologies for smart transportation systems in order to facilitate future research．From the perspectives of big data analysis ，shortest path algorithm ，trajectory data mining and other key technologies ，this paper gives an introduction of key technologies for smart transportation systems and points out problems to be solved and prospects for smart transportation systems．

Key words ：smart transportation systems ；big data ；trajectory data mining ；GIS

0引言

路面技术状况监测力度不足等一系列问题，部署大量车

载移动传感网节点和路边固定传感网节点，将建设一批通过对海量基于物联网技术的智能交通业务应用系统，

处理、分析、管理和服务的智能交通运输物联信息汇集、

网综合处理，构建广泛互联的交通要素感知网络，实现更更加准确、更加人性化的公众信息服务，形成一加丰富、

个智慧和谐的交通出行环境。

1998年美国副总统戈尔提出“数字地球”从而引发了将其概念应用到“数字城市”的社会信息化运动，国家测绘地理信息局推动了数字城市地理空间框架建设在全国

IBM 总裁兼首席执行官彭明盛的建设和推广。2008年，

“智慧地球”提出了的概念，引发了世界上国家和地区建

“智慧城市”设的建设热潮。数字城市与物联网的集成，使数字城市向智慧城市发展，而物联网将进一步促进城市组成要素信息的信息采集和控制的智能化，构建智能环境，从而使城市的数字

使城市系统的行为智能神经网络系统得到全面发展，化

［1］

1．2智能交通系统与智慧交通系统关系

智能交通系统是基于现代电子信息技术面向交通运

［2］

输的服务系统，而智慧交通系统则是智能交通系统的在智慧交通系智慧化。以汽车导航为例（如图1所示），统中，综合考虑了实时交通数据、历史交通数据、气象数社会媒体及活动数据、传感器数据等，通过轨迹挖掘、据、

交通决策分析等，提供便捷出行。因此，智能交通系统是智慧交通系统的基础，智慧交通系统是智能交通系统发展的下个阶段。

。智慧交通系统是智慧城市建设的主体部分。

1．1

智慧交通系统概述

智慧交通系统简介

智慧交通系统针对城市交通中出现的拥堵、停车设施供需矛盾突出、公交车和出租车服务与监管水平不高、机动车交通诱导水平低、交通设施管理水平不高、桥梁和

收稿日期：2013－06－20

2智慧交通系统关键技术研究

随着物联网建设的推进，新信息技术计算时代的到

2013年毕业于中国科学院大学地图学与地理信息系统专业，作者简介：王少华（1983－），男，陕西宝鸡人，博士，主要从事地理信息

软件技术工作。

图1汽车导航环境下智能交通系统和

智慧交通系统关系

Fig．1

Ｒelationshipbetween intelligent transportation system and smart transportation system

under navigation environment

来，为了解决智慧交通系统问题，需要探索智慧交通系统

相关的关键技术研究，其中包括大数据分析、最短路径算法、轨迹数据挖掘、交通网络演化分析、交通网络决策分析、社会计算和开源技术等。

2．1大数据

伴随城市的发展，交通设施的快速建设，机动车数量

的急剧增加，

交通拥堵、交通污染以及交通事故等问题亟待解决。为此，及时、准确地获取交通数据是智慧交通系

统解决交通问题的前提，而该问题的解决需要依靠大数据（Big Data ）技术来解决。

面对智慧交通系统的大数据，需要对相关技术进行深入研究。随着物联网技术的成熟，传感器、摄像头、感应线圈等将在交通领域广泛应用，由此产生众多大数据。智慧交通系统的大数据分析技术将分析多源的数据，包括GPS 数据、道路的传感器数据、天气数据、拥堵数据等，从而可以智慧识别交通条件、评估点到点的耗时、提供替代路径的建议等，这些将极大减少拥堵时间和交通流状况，提高道路的安全性、减少事故的发生。物联网的发展及其在交通系统中的应用，伴随着交

通数据的增长，

传统的数据库系统不能满足智慧交通系统分析的需求，由此产生了NoSQL 数据库管理系统，包括

键－值存储（key －value stores ）、

BigTable 、文档存储型数据库（CouchDB 、

MongoDB ）、图形数据库（Neo4j ）等［3］

。

2．2最短路径算法

最短路径算法是智慧交通系统中路径规划、网络分

析的基础，其算法效率提升是智慧交通系统分析效率提升的关键。

近年来，随着待处理的道路网络数据规模的增大，出现了一些较为成熟的加速技术可高效处理大规模道路网络数据的最短路径查询。这些方法以减少搜索空间为目标，最具代表的分别是Ｒeach和Hierarchy 两种类型。Ｒeach相关的ＲEAL算法

［4］

最具代表性，该算法是由微软

亚洲研究院研究人员基于Ｒeach算法［5］

结合ALT 算法

［6］

的改进算法。而Hierarchy 算法

［7］

则是谷歌基金支持的

KIT 大学的研究组提出的，其中，最为代表的是压缩分层

算法（contraction hierarchies ）［8］

，该算法根据道路网络的

拓扑特性在道路网络基础上压缩生成多层网络拓扑，

进而提高查询效率。

最短路径算法的综合对比研究有众多成果

［9－11］

，其

中Delling 等按照最短路径算法提出的时间分为四个阶

段［12］，每个阶段都有典型的代表算法，而且阶段与阶段之间代表算法加速比相差较大，分析各个阶段的代表算法加速比与搜索空间减少的倍数关系具有一定的研究价值。

针对多模式交通的最短路径算法的研究也有一定的研究与广泛的应用价值。

2．3轨迹数据挖掘

面对越来越多的轨迹数据，动辄上亿的数据量，传统的数据管理技术如关系数据库、空间数据库等都不能有效地解决轨迹数据的存储与查询问题，为了解决这类问

题，

产生了管理移动实体、提供移动对象的复杂查询支持为核心的移动对象数据库

［13］

。

移动轨迹数据就是一种典型的大数据，以北京市为

例，北京市拥有机动车已经超过500万辆、出租车为6．6万辆，北京市交通信息采集平台的浮动车系统，仅一分钟的GPS 打点间隔，每天累计的轨迹数据的轨迹点将近1亿，数据量多达十多GB 。

将社交媒体、路况监测、城市摄像头、GPS 信息等综合起来，对多种异构数据进行管理和协同计算，通过轨迹数据的挖掘分析，从而可识别最佳驾车路径［14］

、推荐热点路径

［15］

、实时动态拼车［16］

等智慧交通系统应用。

2．4二三维一体化

地理信息系统正处在一个传统二维向二三维一体化

的过渡阶段，

交通地理信息系统建设人员在发展过程中必然积累了大量二维数据，但是采用

“一套二维系统外加一套三维系统”的“1+1”技术体系将使技术人员不得不放弃已有的资源而重新积累三维数据资源。为此采用二

三维一体化的技术体系，

最大程度保护了用户已有的数据资源，二维数据可以在三维场景中显示，三维数据也可

以在二维地图中实现加载。利用其快捷的建模方式，可以快速地将二维数据转化为二维模型。国内的GIS 平台

厂商SuperMap 基于二三维一体化技术体系，已开发出一系列产品，并已应用到交通领域的应用之中

［17］

。

随着对地观测和导航技术的进步，室外的平面导航

逐步转向室内立体导航，伴随二三维一体化技术的成熟，使得导航定位、位置服务等更加完善，提供便民服务。二三维一体化的交通地理信息系统将最大限度发挥其优势，从而以先进技术作为导向，以强大的功能为动力，最终将智慧转化为智慧交通系统的应用于服务中。

2．5交通网络演化分析

随着交通网络数据规模剧增、交通路网逐渐复杂，交

通网络的演化分析对智慧交通系统建设具有重要的

意义。

研究学者多从宏观、中观、微观尺度对交通网络进行演化和特征分析。针对不同的研究尺度，交通网络演化分析的结果不同，

对于从宏观分析，道路网络具有绒泡菌

特征；从中观角度分析，道路网络具备类似叶脉网络特征

的网络模式；从微观角度分析，得到道路网络模式就具有血管网络特征。

交通网络基于机理演化分析的宏观模型的典型模型

是基于多头绒泡菌的演化模型，Andrew Adamatzky 等

［18－20］

将燕麦片放置在主要城市的位置，再将多头绒泡

菌放置在地图上，通过多头绒泡菌搬运燕麦片的路径，从而发现最有效的交通路径，经过研究分析发现多头绒泡

菌最后生成的路线构成了交通网络图，其生成结果的地图与现实中的道路网络具有较高的相似性。

基于叶脉网络模拟的道路网络模型演化是中观模拟

的方法，其主要基于叶脉网络原理特征进行分析，Bar-thelemy 等［21－22］基于叶脉生长模型［23］提出了一个简单的城市道路网络演化模型来研究城市道路网络的演化，作者认为许多不同的交通网络的发展遵循类似的简单机制，通过研究对比叶片格局形成的思想，提出了一个简单的基于叶脉网络的局部优化模型，该模型的统计特征与实际观测的经验模式相吻合。

微观尺度的演化分析中，

Samaniego 等［24］

在研究城市形成机制中将道路网络抽象为血管网络；Cruz 等在研究中

［25］

分析轨迹数据特征之后，总结得到道路网络具有血管网络特征。

如何结合不同的尺度提出一种新的模型，结合社会统计数据、人口数据、土地利用数据等对现实交通网络的模拟，将是下个阶段的研究方向。

2．6交通网络决策分析

智慧交通系统智慧的最大体现为交通网络智慧决策分析，根据动态交通情况，指导出行信息。通过监控、监测、交通流量分布优化等技术，进一步完善交警监控体系、公安系统和信息网络系统，实现交通信号灯的智慧控制，可通过“智能信号灯”设置，在地面对应的路面上设置

感应线圈，

其会根据车道上有无车辆反馈给信号灯，信号灯将自动选择红绿灯状态。在动态监测交通拥堵并提供

疏堵方案中（如图2所示），交通网络决策分析需要结合道路数据库、历史道路数据（轨迹数据、历史气象数据、交通事件数据等）及其社会数据等提高交通系统的决策水平

。

图2动态监测及疏堵方案图

Fig．2Traffic dynamic monitoring

2．7社会计算

社会计算（Social Computing ）是一门现代计算技术与

社会科学之间的交叉学科，

是面向社会活动、社会过程、社会结构、社会组织和社会功能等的计算理论和方法［26］

。在智慧交通系统中，可将社会活动、社会网络等数据，基于社会计算、内容计算、群体智慧等技术，反馈与交通状况，从而为交通线路的出行等提供参考支持。新闻、论坛、博客、微博等社会媒体是理解社会的载体，也能为智慧交通系统提供支持。充分发挥博客（Blogs ）、电子邮件（Email ）、即时通信（Instant Messaging ）、社交网络服务（So-cial Network Service ）和社会网络分析（Social Network A-nalysis ）、维基百科（Wiki ）、社会书签（Social Bookmark-ing ）、百度知道等应用，特别是国内的新浪微博、人人网和

腾讯QQ 和国外的Facebook 、

Twitter 等应用，反馈交通状况，找出交通拥堵的原因，从而解释交通异常现象。

2．8开源技术

近年来，网络科学研究逐步深入，开源社区中面向复

杂网络的研究和应用涌现了一系列开放的复杂网络分析

工具。这些工具为智慧交通系统分析提供了技术基础。按照不同的开发语言将开源的网络分析工具进行梳理并归为五类，其中对部分有侧重点的分析工具进行了具体说明（见表1）。

表1开源网络分析工具分类表

Tab．1Classification table of open source

network analysis tools

分类系列主要软件工具名称代表工具说明igraph 提供网络算法C 系列

igraph ，Graphviz 等（Ｒ，Python 和Ｒuby版本）

BGL （Boost Graph Librar-BGL 提供网络数据结

y ），

LEMON ，Tulip ，SNAP ，构和常用图算法（Py-C ++系列

GOBLIN ，LEMON ，gexf ，thon ，Ｒ和matlab 等版graph －tool ，GTL （Graph 本），

LEMON 数据结构Template Library ）等与算法，

Tulip 图算法Java 系列

Gephi ，Neo4j ，JUNG ，Cyto-Gephi 网络可视化与分scape ，

Gravisto 等析等

NetworkX ，bgl －python ，

Python 系列

pydot ，pygraphlib ，python NetworkX 可视化和网－graph ，Piana 等

络分析计算

NodeX （C#），ＲBGL（Ｒ），

其他语言

rgl （Ｒuby），graph －gexf NodeX 处理excel 文件（Perl ），matlab －bgl （Mat-网络分析

lab ）等

开源网络分析软件工具已经得到越来越多研究者的青睐（如图3所示），一些典型的网络图算法工具已经推出了不同的开发语言版本（例如BGL ，igraph 和gexf 等）。这些将成为智慧交通系统可视化、分析和管理的技术工具集基础。

3结束语

本文对现有的智慧交通系统关键技术进行分析和总结，为下一步智慧交通关键技术研究及其应用探索方向，

图3开源网络分析工具

Fig．3

Open source network analysis tools

主要从智慧交通系统的大数据分析、最短路径算法、轨迹

数据挖掘、交通网络决策分析等视角，对已有的智慧交通系统关键技术进行了分析，并指出了当前智慧交通系统亟待解决的问题及其研究的前景。

参考文献：

［1］梁军，黄骞．从数字城市到智慧城市的技术发展机遇与

挑战［

J ］．地理信息世界，2013，11（1）：81－86．［2］夏英．智能交通系统中的时空数据分析关键技术研究

［D ］．重庆：西南大学，2012．

［3］Shashank Tiwari．Professional NoSQL ［M ］．POSTS and

TELECOM Press．2012．［4］

Goldberg A ，Kaplan H．Werneck Ｒ．Better landmarks within reach ［J ］．Experimental Algorithms．2007：38－51．

［5］Gutman Ｒ．Ｒeach－based routing ：A new approach to

shortest path algorithms optimized for road networks ［J ］．6th Workshop on Algorithm Engineering and Experiments ，2004．100－111．

［6］Goldberg AV ，Werneck ＲF．Computing point －to －point

shortest paths from external memory ［J ］．2005：26－40．［7］Sanders P ，Schultes D．Highway hierarchies hasten exact

shortest path queries ［J ］．Algorithms －Esa 2005，2005：568－579．

［8］Geisberger Ｒ，Sanders P ，Schultes D ，Delling D．Con-traction hierarchies ：Faster and simpler hierarchical rou-ting in road networks ［J ］．Experimental Algorithms ，2008：319－333．

［9］Delling D ，Sanders P ，Schultes D ，Wagner D．Engineer-ing route planning algorithms ［J ］．Algorithmics of Large and Complex Networks ，2009：117－139．

10］Wagner D ，Willhalm T．Speed －up techniques for shor-test －path computations ［J ］．STACS 2007，2007：23－36．

11］宋青，汪小帆．最短路径算法加速技术研究综述［J ］．

电子科技大学学报，

2012，41（2）：176－184．12］Delling D ，Hoffmann Ｒ，Kandyba M ，Schulze A．Chapter

9．Case Studies ［J ］．Algorithm Engineering ，2010：389－445．

13］Wolfson O ，MenaE．Applications of Moving Objects Data-

bases ［M ］．Spatial Databases ：Technologies ，Tech －niques and Trends ，Idea Group ，2005：186－203．

［14］Jing Yuan ，Yu Zheng ，et al．T －Drive ：Driving Direc-tions Based on Taxi Trajectories ［C ］．In ACM SIGSPA-TIAL GIS 2010．

［15］Ling －Yin Wei ，Yu Zheng ，Wen －Chih Peng ，Construc-ting Popular Ｒoutesfrom Uncertain Trajectories ［C ］．18th SIGKDD conference on Knowledge Discovery and Data Mining （KDD 2012）．

［16］Shuo Ma ，Yu Zheng ，Ouri Wolfson．T －Share ：A Large

－Scale Dynamic Taxi ＲidesharingService ［C ］．IEEE In-ternational Conference on Data Engineering （ICDE 2013）．

［17］于明涛．点亮智慧城市勾绘虚拟空间［G ］．超图通讯，

2012（4）：74－75．

［18］Adamatzky A ，Akl SG．Trans －Canada Slimeways ：Slime

mould imitates the Canadian transport network ［J ］．Arxiv preprint arXiv ：1105．5084．2011．

［19］Adamatzky A ，De Baets B ，Van Dessel W．Slime mould

imitation of Belgian transport networks ：redundancy ，bio －essential motorways ，and dissolution ［J ］．arXiv preprint arXiv ：1112．4507．2011．

［20］Adamatzky A ，MartínezGJ ，Chapa －Vergara SV ，Asomo-za －Palacio Ｒ，Stephens CＲ．Approximating Mexican highways with slime mould．Natural Computing．2011，10（3）：1195－1214．

［21］

BarthélemyM ，Flammini A．Optimal traffic networks ［M ］．Journal of Statistical Mechanics ：Theory and Experi-ment．2006：L07002．

［22］BarthélemyM ，Flammini A．Modeling urban street pat-terns ［J ］．Physical review letters．2008，100（13）：138702．

［23］ＲunionsA ，Fuhrer M ，Lane B ，Federl P ，Ｒolland－Lag-an A ，Prusinkiewicz P．Modeling and visualization of leaf venation patterns ［J ］．ACM ；2005．p．702－711．

［24］Samaniego H ，Moses ME．Cities as organisms ：Allometric

scaling of urban road networks ［J ］．Journal of Transport and Land use．2008，1（1）．

［25］Cruz P ，Machado P．Visualizing the circulatory problems

ofLisbon ［C ］．ACM SIGGＲAPH2011Posters ；2011：ACM ；2011．p．92．

［26］Fei －Yue Wang ，Carley K．M ，Daniel Zeng ，Wenji Mao．

Social Computing ：From Social Informatics to Social Intel-ligence ［C ］．Intelligent Systems ，IEEE ，vol．22，no．2，pp．79，83．

［编辑：张鑫垚］

［［［［