与传统数据数量手段比较，大数据技术具有数据类型复杂、处理迅速、实效性强等优点，在智能交通领域运用大数据技术，可以采集海量的数据，这些数据内包含许多不可估量的价值，通过挖掘和分析能够快速得到所需的数据信息[1]。针对上述情况，本文提出基于大数据技术智能交通台数据平台各功能层设计情况，并提出其在交通数据诊断、路网延迟指数等方面的应用。
1智能交通数据平台功能需求
随着智能交通管控平台违法数据、道路信息增长速度日益加快，过去的关系型数据库在数据保存、处理等方面的性能已无法满足庞大的数据需求。关系型数据库在对智能交通转向场景的规律展开分析时，难以从多个维度数据类型间创建良好的相关性联系。大数据技术的应用就是为将这些结构或者半结构化的智能交通数据实施整合处理，因此，依托大数据技术设计的智能交通数据分析平台具有的处理功能如下：①过车数据：处在行使状态的车辆从卡口、电子警察等智能视频采集点通过时，能够准确记录该车辆的车牌号、颜色、车型等结构化的数据信息。②车辆违规行驶数据：前段配置的采集设备能从各路口采集车辆是否闯红灯、压线、违法掉头或停车等数据。同时，利用智能的视频采集点或固定源能够实时采集车辆行驶速度、车头间距等车流量信息。③运用大数据技术设计的智能交通数据分析平台能够与信号控制系统实现对接，及时获取信号控制系统的相位控制等信息。同时，智能交通数据分析平台还具备监控和智能交通管控平台，能够提供过车信息数据、路网信息、违法数据等。
2大数据背景下智能交通数据平台架构
2.1设计整体架构
智能交通数据分析平台是采用先进的计算机信息技术、通信技术、传感技术、人工智能等有效整合用于交通运输信息的管理和控制中，注重人、车与道路之间的协调，组成一种有利于改善环境、节约能源、保护安全的综合运输系统。智能交通数据分析平台运用层次化结构模型展开设计，并根据大数据建设要求，整个平台包含数据感知、资源层、应用层三个层次，数据感知层主要任务就是采集交通信息，资源层旨在管理交通领域的数据;应用层旨在负责实时调度智能交通资源。本次设计的智能交通数据平台系统能满足采集、存储、调度及处理数据等方面的需求，具体架构如图1所示。
2.2各模块层设计
2.2.1资源层从智能交通数据存储方面分析，运用数据仓库与挖掘技术实现大数据的存储和分析。其中，数据仓库技术能够满足智能交通数据平台处理海量数据的要求，该技术依托预设的存储模式，把交通领域中的异构数据根据数据结构数据实施提取、调用、处理等操作。同时，根据预设的仓储模型把数据存放在数据仓库内，借助数据仓库技术设计的智能交通数据平台下数据存储及挖掘架构见图2。
2.2.2应用层设计利用SOA实现智能交通数据平台系统应用层的设计，该层主要包含三个子模块：①应用实现模块：该模块旨在完成数据的调度，借助逻辑编程及时实现相应的功能;②应用流程模块：大数据调度流程依托专业的BPEL工具调度各种资源;③特殊调度模块：该模块的主要任务是把自定义调度流程转换成BPEL流程。依托SOA服务设计的应用层。
2.2.3数据表现层智能交通数据平台系统中的表现层是使用者直接参与的界面，用户可依托浏览器、平板、手机等终端设备浏览各种智能交通信息数据。该层主要任务是确保用户与整个系统的交互性，因此，配备简洁的外观、界面框架、各单元控件等。
3智能交通数据分析平台系统的应用
3.1智能交通数据共享及数据诊断
智能交通数据平台系统各功能的实现离不开各模块之间的信息整合与共享，因此，实现各模块信息融合的主要方式就是创建信息共享平台，这个平台能支持相关子模块功能提取所需的数据资源及信息共享服务。此外，一个完整的智能交通系统还必须配置智能交通信息中心、管理中心、智能交通基础设备等，它能满足城市交通信息规范化发展要求，包含各类信息性质、功能及传送方法，组成相应的信息流机制，对共享的数据进行存储和管理操作。依托大数据技术的相关功能，这些共享数据可以由日益变化的智能交通各数据信息提取出来，实现各地区、不同领域的数据库实施综合处理，将历史数据迁移至大数据平台下，还要保持数据的完整性及各种数据之间的关系可以理解。同时，可依据各模块不同需求及相关关系为客户提供各种数据信息服务，组织内部存储各类数据直接输出来，其他子系统保存相关数据从信息共享平台提供一系列的查询功能。此外，大数据平台可以及时统计并输出道路网络的拥堵、事故情况，并能归纳为利于用户决策的有用信息，例如：利用大数据分析，某个路口闯红灯数量明显少于平时，出现异常数据可以设置报警规则，提醒出现异常信息[2]。维护者对现场道路智能交通设施实施排查操作，判定是否存在设备故障。利用大数据技术直观展现道路不均指数，提供最佳的信号机配时/相位方案，便于决策人员制定科学的决策。
3.2道路网延迟指数分析
依托大数据技术对各个路口/路段历史流量进行统计，进一步分析路网的延迟指数。智能交通延迟指数求解方法是实际通过旅行时间与自由流通旅行时间相减，若所得数值为负数，则设定为0，表明并未发生延迟，并把这些数据映射至[0，10]数据区间之内。如果智能交通延迟指数较大，说明这个地点的拥堵情况更严重。左侧向使用者展现设定日期、特点等交通延迟指数改变情况，来回移动水平滚动条，能够及时查看不同时间段的延迟数据。左侧展现路口、道路等级、行政区划等各维度下相对应点的延迟指数和排名情况。通过综合分析道路延迟指数，能够为决策人员提供新建道路规划等决策提供支持。
3.3道路路口组织优化设计
进行组织优化过程中，必须收集相应的数据信息，包含交叉口现状图、事故数据、智能交通控制情况等。基于大数据技术展开分析，可以提供大量数据样本，进而输出相应的数据(空间及时间维度)。其中，时间维度主要包含小时、季度、每年、双休日、工作日等;空间维度由交叉口、行政区划、道路等。大数据技术对道路过车流量展现分析，进而获得城市各区域不同点一天的高峰表现及不同模式。依托大数据平台，根据历史数据明确早晚高峰期利用大量例数数据和智能算法，盘点各路段或交叉口早晚高峰出现时间，以此把控整体及局部智能交通分布状况，达到优化智能交通管理方案的目的。
4结论
综上所述，在智能交通领域运用大数据技术，能有效对车流量数据、道路设施信息等海量数据实施存储和处理。本文从智能交通数据平台入手，进一步阐述依托大数据技术设计智能交通数据分析平台框架，详细介绍应用层、资源层等设计及应用情况，以期达到智能交通组织优化的效果，并为制定科学的出行决策提供一定指导。
参考文献：
[1]仇辉.智能交通管控平台中数据分析子系统的设计与实现[D].北京邮电大学，2015.
[2]郑亮，张云丽.综合交通大数据分析平台教学系统设计[J].物流科技，2016，39(7)：147-149.
[3]李炬，韩伟莉.基于神经网络的智能交通控制系统构建[J].价值工程，2019，38(19)：203-205.
《谈智能交通数据分析平台系统设计》来源：《价值工程》，作者：梁元贞
