前段時間，有這樣一則新聞引起了人們注意。十堰市公安局110接到市民報警，發現一輛車牌號為鄂CHXXXX的轎車上有槍支存在，已經往城區方向行駛。110通過機動車緝查布控系統對全城布控。當嫌疑車輛出現在柳林溝路段時，被布控系統發現，再通過對紅綠燈進行干預，成功將嫌疑人抓住。

通過智能交通系統抓捕造事車輛以及罪犯只是該系統的某方面應用。事實上，智能交通在生活中應用很廣，如我們平時所見的城市公共交通采用一卡通的便捷快速刷卡換乘、互聯網、電話等多種購票方式，這些只是智能交通的初級階段呈現。未來，你可以幻想一下，坐在無人駕駛的汽車里，交通在大數據管控下早已沒有擁堵，吃個早餐提前訂好車位，省心省時省力，多么痛快。

城市車輛劇增交通擁堵成大問題

據調查統計，截止2015年年底，全國的機動車保有量達到2.79億輛，機動車保有量超過1000萬輛的有12個省，城市汽車保有量超過200萬輛的有11個城市，其中北京超過450萬輛。

交通擁堵、交通安全問題日益嚴重，及時獲取交通數據并利用數據構建交通數據處理模型將成為改善城市交通的關鍵，而這些問題將通過大數據技術來解決。

大數據與智能交通碰撞火花共同發展

當大數據與智能交通相遇，就像干柴遇上烈火，一點即著。我們先看一個目前比較突出的問題：最近幾年，交通管控系統應用普遍，雖說交通違法情況有了遏制，但是擁堵問題卻一直無法解決。而想要緩解交通擁堵的問題，就需要利用交通大數據。

1、數據采集與存儲更準確的資源

很明顯，隨著智能交通系統建設規模的不斷擴展，交通大數據采集的范圍、廣度和深度將會越來越大。交通大數據由交通檢測數據、視頻監控數據、系統數據和服務數據構成，而這些數據一般通過GPS定位信息、視頻監控、路況信息、卡口電警、RFID識別信息、管控信息、營運信息等數據獲得。

根據上海市交通數據監測得知，全市的卡口將近6600多個，而每一天將會產生近8000萬的通行數據，會有許多視頻、圖片以及通行記錄。再利用二次識別技術，對這些采集的車輛圖片和視頻進行分析，可以獲得準確的數據資源。

2、數據分析與應用更智能的判斷

大數據的分析與應用，需要千億數據的秒級返回的檢索能力，而這種能力將需要高效的云計算產生。基于深度學習的智能分析算法，將會對交通大數據的分析起到很好的支撐作用，也會為交通管理帶來更有效的數據支持。

整合車輛大數據服務智能交通

道路擁堵是建設智能交通系統面臨的一個重點問題，我們可以通過高清視頻監控、卡口數據以及線圈微波采集數據，再利用大數據技術，就可以實現路口的自適應以及信號配時的優化。

通過大數據分析，獲得某些區域的路口通行能力，用于紅綠燈的配時優化，以達到區域內路口的通行效率提升。另外，我們還可以根據早高峰時間段、節假日以及主要關鍵路口的多維度通行情況，來人工或者系統自動設置不同的配時，以提高交通通行能力。

另外，我們在對視頻監控和卡口數據進行二次識別的時候，也能分析出車輛的軌跡。對車輛大數據進一步挖掘，就能夠實現對車輛的全面監控。有關部門曾經通過常州車輛大數據平臺分析車輛軌跡以及落腳點，每天發現套牌車輛10余起。另外，我們還可以通過智能算法和二次識別，得到多維度的數據，例如車牌、車牌顏色、車型、車標等，然后在某些特定的場景下加以分析運用。

智能交通駛向未來

可以預計，在未來，智能交通的應用將會非常廣泛，我們的出行也將越來越方便......

更多資訊請關注軌道交通頻道