2015年兩會上，“大數(shù)據(jù)(big data)”一詞寫入政府工作報告。在交通領(lǐng)域，大數(shù)據(jù)一直被視作緩解交通壓力的技術(shù)利器。應(yīng)用大數(shù)據(jù)有助于了解城市交通擁堵問題中人的出行規(guī)律和原因，實現(xiàn)交通和生活的和諧，提高城市的宜居性，為政府管理提供基于數(shù)據(jù)證據(jù)的綜合決策。同時，大數(shù)據(jù)的挖掘和使用還有利于催生信息消費新模式，促進信息消費產(chǎn)業(yè)發(fā)展。
隨著手機網(wǎng)絡(luò)、定位系統(tǒng)(global positioning system，GPS)/北斗車載導航、車聯(lián)網(wǎng)、交通物聯(lián)網(wǎng)的發(fā)展，交通要素的人、車、路等的信息都能夠?qū)崟r采集，城市交通大數(shù)據(jù)來源日益豐富。在日益成熟的物聯(lián)網(wǎng)和云計算平臺下，通過城市交通大數(shù)據(jù)的采集、傳輸、存儲、挖掘和分析等，有望實現(xiàn)城市交通一體化，即在一個平臺上實現(xiàn)交通行政監(jiān)管、交通企業(yè)運營、交通市民服務(wù)的集成和優(yōu)化。
城市交通大數(shù)據(jù)的集成與分析技術(shù)研究，對我國智慧城市的發(fā)展具有戰(zhàn)略性意義。交通大數(shù)據(jù)具有種類繁多、異質(zhì)性、時空尺度跨越大、動態(tài)多變、高度隨機性、局部性和有限生命周期等特征，如何有效地集成交通大數(shù)據(jù)，滿足高時效性和知識牽引等城市交通智慧化需求，是各個大中城市所面臨的的發(fā)展機遇和挑戰(zhàn)。
本文首先簡單介紹了大數(shù)據(jù)的發(fā)展狀況及趨勢，然后重點分析總結(jié)了城市交通大數(shù)據(jù)的若干核心技術(shù)，并提出城市交通大數(shù)據(jù)的智能應(yīng)用系統(tǒng)解決方案，zui后重點列舉了幾種典型應(yīng)用。
2 大數(shù)據(jù)的發(fā)展狀況及趨勢
近年來，數(shù)據(jù)的快速增長成了許多行業(yè)共同面對的嚴峻挑戰(zhàn)和寶貴機遇，信息社會正在進入大數(shù)據(jù)時代。大數(shù)據(jù)指的是涉及的資料量規(guī)模巨大到無法透過目前主流軟件工具在合理時間內(nèi)達到感知、擷取、管理、處理和服務(wù)的數(shù)據(jù)集合。從2009年左右開始，“大數(shù)據(jù)”開始成為互聯(lián)網(wǎng)信息技術(shù)行業(yè)的流行詞匯。
根據(jù)互聯(lián)網(wǎng)數(shù)據(jù)中心(IDC)估測，數(shù)據(jù)一直以每年50%的速度增長(大數(shù)據(jù)摩爾定律)，這意味著人類在zui近兩年產(chǎn)生的數(shù)據(jù)量相當于之前產(chǎn)生的全部數(shù)據(jù)量，預計到2020年，將總共擁有35億GB(35 ZB)的數(shù)據(jù)。大數(shù)據(jù)處理的數(shù)據(jù)規(guī)模從TB級上升到PB、EB甚至ZB級，人們面臨著如何降低數(shù)據(jù)存儲成本、充分利用計算資源、提高系統(tǒng)并發(fā)吞吐率、支持分布式非線性迭代算法優(yōu)化等眾多難題。
為了應(yīng)對大數(shù)據(jù)的發(fā)展趨勢，更好地為行業(yè)用戶和個人提供數(shù)據(jù)分析的服務(wù)，亟需構(gòu)建各類不同的大數(shù)據(jù)平臺，支持用戶對數(shù)據(jù)的多種需求。構(gòu)建大數(shù)據(jù)平臺就是要將不同渠道、不同來源、不同結(jié)構(gòu)的數(shù)據(jù)進行有機的整合。與傳統(tǒng)數(shù)據(jù)平臺不同的是，大數(shù)據(jù)海量的規(guī)模、多樣的類型、快速的流動和動態(tài)的體系以及巨大的價值是大數(shù)據(jù)平臺構(gòu)建需要重點考慮的幾個因素。除此之外，數(shù)據(jù)的分類存儲、數(shù)據(jù)平臺的開放性、數(shù)據(jù)的智能處理以及數(shù)據(jù)平臺與用戶的交互都為大數(shù)據(jù)平臺的建設(shè)帶來的挑戰(zhàn)。
大數(shù)據(jù)平臺處理的數(shù)據(jù)類型是多種多樣的。目前這些平臺的搭建已經(jīng)有了一些有代表性的成果，如Google公司的Freebase、微軟公司的Probase、國內(nèi)的中文信息結(jié)構(gòu)庫——中國知網(wǎng)。在商用數(shù)據(jù)平臺方面，IBM公司的Infosphere大數(shù)據(jù)分析平臺、天睿公司的Teradata統(tǒng)一數(shù)據(jù)環(huán)境以及由國內(nèi)天貓、阿里云、萬網(wǎng)聯(lián)合推出的國內(nèi)*電商云工作平臺聚石塔是3個典型的數(shù)據(jù)平臺。
“大數(shù)據(jù)”本身是一個現(xiàn)象而不僅僅是一種技術(shù)，這是信息科技歷史發(fā)展的必然結(jié)果。大數(shù)據(jù)的采集、傳輸、處理和應(yīng)用所需的相關(guān)大數(shù)據(jù)處理技術(shù)，是通過系列地使用非傳統(tǒng)工具來對大量的結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)進行處理，從而獲得分析和預測結(jié)果的一系列大數(shù)據(jù)處理技術(shù)。大數(shù)據(jù)技術(shù)的戰(zhàn)略意義也不僅在于掌握龐大的數(shù)據(jù)信息，而更在于對這些含有意義的數(shù)據(jù)進行專業(yè)化處理。換言之，如果把大數(shù)據(jù)比作一種產(chǎn)業(yè)，那么這種產(chǎn)業(yè)實現(xiàn)盈利的關(guān)鍵在于提高對數(shù)據(jù)的“加工能力”，通過“加工”實現(xiàn)數(shù)據(jù)的“增值”。大數(shù)據(jù)領(lǐng)域已經(jīng)涌現(xiàn)出了大量新的技術(shù)，它們成為大數(shù)據(jù)采集、存儲、處理和呈現(xiàn)等功能的有力武器。大數(shù)據(jù)發(fā)展呈現(xiàn)以下趨勢。
（1）基于云計算的數(shù)據(jù)分析平臺
云計算為大數(shù)據(jù)提供了可以彈性擴展、相對便宜的存儲空間和計算資源，使得中小企業(yè)也可以像亞馬遜公司一樣通過云計算來完成大數(shù)據(jù)分析。云計算IT資源龐大、分布較為廣泛，是異構(gòu)系統(tǒng)較多的企業(yè)及時準確處理數(shù)據(jù)的有力方式，甚至是*的方式。
大數(shù)據(jù)要走向云計算，還有賴于數(shù)據(jù)通信帶寬的提高和云資源池的建設(shè)，需要確保原始數(shù)據(jù)能遷移到云計算環(huán)境以及資源池可以隨需彈性擴展。
（2）數(shù)據(jù)分析集逐步擴大，企業(yè)級數(shù)據(jù)倉庫將成為主流
當人們從大數(shù)據(jù)分析中嘗到甜頭以后，數(shù)據(jù)分析集就會逐步擴大。目前大部分的企業(yè)分析的數(shù)據(jù)量一般以TB為單位。按照目前數(shù)據(jù)的發(fā)展速度，數(shù)據(jù)量很快將會進入PB時代。特別是目前在100~500 TB和500+ TB范圍的分析數(shù)據(jù)集的數(shù)量會成倍增長。
隨著數(shù)據(jù)分析集的擴大，以前部門層級的數(shù)據(jù)集將不能滿足大數(shù)據(jù)分析的需求，它們將成為企業(yè)級數(shù)據(jù)庫(EDW)的一個子集。因此，企業(yè)內(nèi)的數(shù)據(jù)分析將從部門級過渡到企業(yè)級，從面向部門需求轉(zhuǎn)向面向企業(yè)需求，從而也必將獲得比部門視角更大的益處。隨著政府和行業(yè)數(shù)據(jù)的開放，更多的外部數(shù)據(jù)將進入企業(yè)級數(shù)據(jù)倉庫，使得數(shù)據(jù)倉庫規(guī)模更大，數(shù)據(jù)的價值也更大。
（3）Hadoop對MapReduce的依賴程度越來越小
Hadoop是一個能夠?qū)Υ罅繑?shù)據(jù)進行分布式處理的軟件框架，能夠處理PB級數(shù)據(jù)，具有高可靠性、高擴展性、性和高容錯性等特點。其新版本不只為MapReduce服務(wù)，而是和Cloudera的Impala一樣用一個SQL查詢引擎或者其他的方法來替代MapReduce。HBaseNoSQL數(shù)據(jù)庫就是Hadoop離開MapReduce約束后的一個很好的例子。未來Hadoop平臺將在大數(shù)據(jù)處理中發(fā)揮越來越重要的作用。
3 城市交通大數(shù)據(jù)
3.1 城市交通大數(shù)據(jù)的主要研究內(nèi)容
（1）時效約束的大數(shù)據(jù)多尺度匯聚計算和動態(tài)圖譜
交通大數(shù)據(jù)存在多源、異質(zhì)、局部性、時空關(guān)聯(lián)、異步性、信息稀疏性和并發(fā)性等特點，而城市交通系統(tǒng)存在著對大數(shù)據(jù)匯聚處理的高時效性以及對“大而信息稀疏”的交通大數(shù)據(jù)的領(lǐng)域知識牽引要求。現(xiàn)有的數(shù)據(jù)融合、計算理論與方法難以滿足高時效性的大數(shù)據(jù)處理和基于數(shù)據(jù)的知識構(gòu)建與轉(zhuǎn)換等需求，亟需提出時效約束的大數(shù)據(jù)多尺度匯聚計算和動態(tài)圖譜的交通大數(shù)據(jù)處理新理論與新方法。
（2）高維空間的隱性知識序貫挖掘與演化模型
交通主體、行為、態(tài)勢、路網(wǎng)拓撲和環(huán)境形成了高維生態(tài)系統(tǒng)閉空間，相互之間存在著高度非線性、隨機性和動態(tài)的耦合關(guān)系。交通態(tài)勢及其演化是交通系統(tǒng)的宏觀體現(xiàn)，具有約束條件下的動態(tài)性、序貫性、自組織、隨機性等特點，交通態(tài)勢機理解釋對解決城市交通的難題非常重要。傳統(tǒng)的交通理論難以發(fā)現(xiàn)隱含在如此高維空間的知識，對交通出行規(guī)律及其時空演化、大面積交通擁堵演變規(guī)律、環(huán)境與交通行為等進行綜合知識和數(shù)據(jù)支撐的解釋與評價，高維空間的隱性知識序貫挖掘與演化將為此提供堅實的理論與技術(shù)支撐。
（3）交通態(tài)勢的預測機理與調(diào)控策略
交通態(tài)勢是城市交通系統(tǒng)運行狀態(tài)的反映，受到交通需求、網(wǎng)絡(luò)拓撲、多交通子系統(tǒng)、環(huán)境、管理和調(diào)控策略等眾多因素的相互影響與作用。由于城市交通態(tài)勢具有時變性、不確定性、非馬氏性以及影響因素之間的相關(guān)性等特點，是一個超維的復雜巨系統(tǒng)，其調(diào)控與預測是世界性的難題，目前尚缺乏相關(guān)的理論與方法。交通態(tài)勢的預測機理與調(diào)控策略的研究，將創(chuàng)建復雜交通巨系統(tǒng)的預測及其控制的新理論與途徑。
3.2 城市交通大數(shù)據(jù)相關(guān)處理技術(shù)
在城市交通蓬勃發(fā)展的過程中，其數(shù)據(jù)采集量必然成倍增長，形成海量、動態(tài)、實時的交通大數(shù)據(jù)。因此，以大數(shù)據(jù)處理技術(shù)為支撐的城市交通信息服務(wù)將成為未來智能交通發(fā)展的增長點。城市交通所涉及的大數(shù)據(jù)技術(shù)，總結(jié)起來大致包括如下內(nèi)容。
（1）基于Hadoop框架的MapReduce模式技術(shù)
Hadoop是一個能夠?qū)Υ罅繑?shù)據(jù)進行分布式處理的軟件框架，而map/reduce是Hadoop的核心計算模型，它將復雜地運行于大規(guī)模集群上的并行計算過程高度地抽象到了兩個函數(shù)。Hadoop實現(xiàn)了一個分布式文件系統(tǒng)(Hadoop distributed file system，HDFS)。HDFS有著高容錯性的特點，用來部署在低廉的硬件上。而且它能提供高傳輸率來訪問應(yīng)用程序的數(shù)據(jù)，適合那些有著超大數(shù)據(jù)集的應(yīng)用程序。
（2）數(shù)據(jù)倉庫技術(shù)
數(shù)據(jù)倉庫是決策支持系統(tǒng)(DSS)和聯(lián)機分析應(yīng)用數(shù)據(jù)源的結(jié)構(gòu)化數(shù)據(jù)環(huán)境，研究和解決從數(shù)據(jù)庫中獲取信息等問題。數(shù)據(jù)倉庫的特征在于面向主題、集成性、穩(wěn)定性和時變性。其主要功能是將組織通過資訊系統(tǒng)的聯(lián)機交易處理(OLTP)經(jīng)年累月所累積的大量資料、數(shù)據(jù)倉庫理論所*的資料存儲架構(gòu)進行系統(tǒng)的分析整理，以利于各種分析方法如線上分析處理(OLAP)、數(shù)據(jù)挖掘(data mining)的進行，進而支持決策支持系統(tǒng)、主管資訊系統(tǒng)(EIS)等系統(tǒng)的創(chuàng)建，幫助決策者快速、有效地從大量數(shù)據(jù)資料中分析出有價值的信息，以利于決策擬定及快速回應(yīng)外在環(huán)境變動，幫助構(gòu)建商業(yè)智能。
（3）中央數(shù)據(jù)登記簿技術(shù)
中央數(shù)據(jù)登記簿系統(tǒng)是平臺數(shù)據(jù)統(tǒng)一管理、綜合交通信息服務(wù)的基礎(chǔ)，包括與交通信息有關(guān)的數(shù)據(jù)表示和交互以及交通信息服務(wù)、適合于綜合交通環(huán)境的數(shù)據(jù)字典和消息模板、交通數(shù)據(jù)項定義規(guī)則、注冊和管理機制等。
（4）平臺GIS-T應(yīng)用技術(shù)
平臺GIS-T應(yīng)用技術(shù)是交通地理信息系統(tǒng)的支撐技術(shù)，可為交通信息服務(wù)提供的信息查詢功能、海量的存儲功能，包括出租車、公交車、綜合交通視頻信息等數(shù)據(jù)；提供用戶體驗的WebGIS引擎，讓用戶享受基于瀏覽器的交通信息服務(wù)。
（5）基于非序列性數(shù)據(jù)操作技術(shù)
基于非序列性數(shù)據(jù)操作技術(shù)包括虛擬化環(huán)境以及流數(shù)據(jù)處理技術(shù)，通過網(wǎng)絡(luò)將大量服務(wù)器的內(nèi)存空間統(tǒng)合在一起，使之形成一個超大型的虛擬內(nèi)存，然后在其上進行數(shù)據(jù)配置，可實現(xiàn)對現(xiàn)有設(shè)備資源的zui大使用效率，同時實現(xiàn)對即時性數(shù)據(jù)的反饋能力。
（6）視頻大數(shù)據(jù)處理技術(shù)
視頻大數(shù)據(jù)處理技術(shù)將目前各個性的視頻監(jiān)控系統(tǒng)有機地整合在一起，實現(xiàn)視頻資源統(tǒng)一接入、統(tǒng)一轉(zhuǎn)碼、統(tǒng)一分發(fā)、統(tǒng)一管理和統(tǒng)一運營的“五統(tǒng)一”目標。它可整合包括交通視頻、站臺視頻、客運站視頻、高速公路視頻、社會治安視頻、車載視頻等在內(nèi)的多種視頻資源，提高整體視頻監(jiān)控的效率，且基于視頻監(jiān)控基礎(chǔ)設(shè)施之上創(chuàng)造更多增值性的應(yīng)用，從而實現(xiàn)視頻監(jiān)控系統(tǒng)的zui大化效用。
（7）大數(shù)據(jù)處理技術(shù)
大數(shù)據(jù)預處理技術(shù)是將接入平臺的數(shù)據(jù)根據(jù)具體的業(yè)務(wù)規(guī)則進行進一步的處理，包括對接入的數(shù)據(jù)進行有效性的檢驗、大數(shù)據(jù)清洗等。大數(shù)據(jù)標準化處理技術(shù)從數(shù)據(jù)庫中取出經(jīng)過清洗后的數(shù)據(jù)，根據(jù)業(yè)務(wù)規(guī)則將外部系統(tǒng)的數(shù)據(jù)格式轉(zhuǎn)化為平臺定義的標準格式。
（8）大數(shù)據(jù)融合處理技術(shù)
大數(shù)據(jù)融合處理技術(shù)是指采用多源交通信息融合方法，結(jié)合特征融合技術(shù)(識別/分類、神經(jīng)網(wǎng)絡(luò)、貝葉斯網(wǎng)絡(luò)等)、目標機動信息處理技術(shù)(自適應(yīng)噪聲模型等)及多目標跟蹤的信息融合技術(shù)，提高信息系統(tǒng)的頑健性及可靠性。多源交通大數(shù)據(jù)信息融合分為3級：基礎(chǔ)級是數(shù)據(jù)級融合，它只完成數(shù)據(jù)的預處理和簡單關(guān)聯(lián)；第二級是特征級融合，就是根據(jù)現(xiàn)有數(shù)據(jù)的特征預測交通參數(shù)；第三級是狀態(tài)級融合，根據(jù)當前交通流信息判斷交通狀態(tài)。交通流信息融合的基本過程包括多源信息提取、信息預處理、融合處理以及目標參數(shù)獲取和狀態(tài)估計。
（9）實時數(shù)據(jù)分發(fā)訂閱技術(shù)
海量交通大數(shù)據(jù)具有數(shù)據(jù)量大、更新頻繁、時效性高等特點，往往需要來自于其他系統(tǒng)的實時數(shù)據(jù)來支持其業(yè)務(wù)邏輯。比如浮動車輛的GPS數(shù)據(jù)、目前城市道路的路況分析和收費站排隊監(jiān)控分析、省級運政衛(wèi)星定位聯(lián)網(wǎng)監(jiān)控系統(tǒng)的上報、營運車輛安全監(jiān)管系統(tǒng)等監(jiān)控分析系統(tǒng)需要向外單位共享的數(shù)據(jù)。
（10）大數(shù)據(jù)挖掘技術(shù)
多源交通大數(shù)據(jù)挖掘是一個多步驟的過程，可以分為問題定義、數(shù)據(jù)準備、數(shù)據(jù)分析、模式評估等基本階段。
圖1 交通大數(shù)據(jù)挖掘模型
4 城市交通大數(shù)據(jù)的智能應(yīng)用系統(tǒng)
4.1 交通大數(shù)據(jù)采集內(nèi)容
城市交通大數(shù)據(jù)可分為靜態(tài)大數(shù)據(jù)與動態(tài)大數(shù)據(jù)。
靜態(tài)交通大數(shù)據(jù)主要包括城市交通的基礎(chǔ)空間數(shù)據(jù)(地表模型、高清正射影像等)、城市及周邊基礎(chǔ)地理信息(城市路網(wǎng)、交叉口布局、城市基礎(chǔ)交通實施信息)、道路交通網(wǎng)絡(luò)基礎(chǔ)信息(道路等級、長度、收費信息)、道路交通客運信息(客運班線、客動票務(wù)、市區(qū)公交信息、車站線路輻射圖、客運企業(yè)信息、交通換乘點等)、航班信息、列車信息、水運信息(船次、起終碼點、開船時間等)、停車場信息(停車場位置、名稱、總泊位數(shù)、開閉狀態(tài)、空閑泊位數(shù)等)、交通管理信息(警區(qū)界限、安全界限、警力分布、交通崗位、執(zhí)法站、車管所、檢測場、考試場、過境檢查站)以及交通抽樣調(diào)查數(shù)據(jù)等。
動態(tài)交通大數(shù)據(jù)來源廣泛、形式多樣，主要包括通過衛(wèi)星遙感、航空攝影測量，低空無人機應(yīng)急平臺、地面測量車、地面視頻等遙感手段獲取的數(shù)據(jù)以及地面智能交通系統(tǒng)中，通過視頻、手機、公交卡、地感線圈等傳感設(shè)備和移動終端采集的人、車、路等交通要素的數(shù)據(jù)。從人可以采集到的數(shù)據(jù)有駕駛行為數(shù)據(jù)、付費行為數(shù)據(jù)和出行行為數(shù)據(jù)，從車采集到的數(shù)據(jù)有車輛信息數(shù)據(jù)、車輛實時位置數(shù)據(jù)、公交車運營數(shù)據(jù)、出租車運營數(shù)據(jù)、眾包路況數(shù)據(jù)，關(guān)于路的數(shù)據(jù)有衛(wèi)星影像數(shù)據(jù)、航空攝影數(shù)據(jù)和道路基礎(chǔ)設(shè)施數(shù)據(jù)。
4.2 交通大數(shù)據(jù)云計算支撐平臺
城市交通大數(shù)據(jù)和相關(guān)業(yè)務(wù)的服務(wù)采用云計算技術(shù)來實現(xiàn)，其總體邏輯架構(gòu)如圖2所示。采用云計算技術(shù)來支撐一體化交通大數(shù)據(jù)，按需提供自助管理虛擬基礎(chǔ)架構(gòu)匯集成池，以服務(wù)的形式提供資源。云計算支撐平臺包括數(shù)據(jù)中心物理資源管理、數(shù)據(jù)中心邏輯資源、數(shù)據(jù)中心運營平臺和維護。
圖2 城市交通大數(shù)據(jù)云計算支撐平臺
城市交通云計算支撐平臺包含多個子系統(tǒng)，各系統(tǒng)提供穩(wěn)定的信息、管理、監(jiān)控服務(wù)。為了支持智能交通7×24 h的穩(wěn)定、服務(wù)，可引入云計算虛擬化平臺。利用虛擬化技術(shù)將應(yīng)用系統(tǒng)與物理機進行分離，減少因物理環(huán)境導致的系統(tǒng)中斷服務(wù)，在不影響用戶的情況下對物理資源進行刪除、升級或改變。
4.3 交通大數(shù)據(jù)的智能應(yīng)用系統(tǒng)
交通大數(shù)據(jù)的智能應(yīng)用系統(tǒng)是基于交通大數(shù)據(jù)中心、交通云計算支撐平臺來搭建的智能應(yīng)用系統(tǒng)，采用“中心數(shù)據(jù)存儲和處理”和“本地服務(wù)應(yīng)用”的模式，從海量的交通數(shù)據(jù)中抓取實時數(shù)據(jù)，分析挖掘歷史數(shù)據(jù)，基于歷史數(shù)據(jù)對未來情況做出預測，為智能交通提供決策性建議。
交通大數(shù)據(jù)智能應(yīng)用系統(tǒng)可分別為政府、企業(yè)、公眾提供智能交通信息服務(wù)。系統(tǒng)可為政府部門提供交通行政監(jiān)管支持，主要提供精細地理信息服務(wù)、交通管理服務(wù)、應(yīng)急響應(yīng)服務(wù)、路邊車位監(jiān)管服務(wù)、公共交通監(jiān)管服務(wù)等；為公眾搭建基于手機應(yīng)用的交通信息服務(wù)，通過交通信息服務(wù)也可采集公眾日常出行行為的數(shù)據(jù)，主要有精細地理信息服務(wù)、實時路況服務(wù)、交通信息服務(wù)、實時車輛信息服務(wù)、交通誘導信息服務(wù)、停車誘導信息服務(wù)等；為企業(yè)提供交通信息增值服務(wù)，主要有精細地理信息服務(wù)、公交車公司車輛調(diào)度及輔助決策、商業(yè)數(shù)據(jù)分析等。不同用戶可共享行業(yè)數(shù)據(jù)、計算資源、個性化情報分析結(jié)果，在數(shù)據(jù)采集共享、大規(guī)模數(shù)據(jù)實時處理和分析、企業(yè)突發(fā)事件處置應(yīng)對方面具有十分突出的優(yōu)勢，從而大大節(jié)約了系統(tǒng)資源和成本，提升了工作效率。
系統(tǒng)所采用的技術(shù)主要包括基于決策樹—支持向量機(DTM-SVM)的多源異構(gòu)交通信息融合技術(shù)、基于SOA的交通信息基礎(chǔ)數(shù)據(jù)服務(wù)設(shè)計、ZigBee無線傳感器網(wǎng)絡(luò)技術(shù)、基于移動互聯(lián)網(wǎng)的交通信息應(yīng)用服務(wù)設(shè)計、基于機器學習的行程時間預測、基于位置服務(wù)(LBS)的行人交通信息服務(wù)技術(shù)等。
