浪潮大数据赋予城市交通“智慧之眼”

IT市场

随着中国成为“车轮上的国度”，拥堵、违章、事故、停车难等交通问题既是众多“有车一族”的心头之痛，也成为各城市管理者迫切需要解决的一项重大民生问题。实际上，交通问题的背后是海量数据的科学处理问题，“智慧交通”的实现或许才是真正的“治本”之策。随着云计算大数据技术的发展，城市交通的种种难题迎来了解决的契机。作为中国领先的大数据厂商，浪潮已经开发出“智慧交通”的大数据解决方案，极大的推进了“智慧交通”蓝图的实现。

　　 卡口系统：智慧交通的“阿喀琉斯之踵”

　　 智慧交通是一个庞大而复杂的体系，包含汽车移动物联网、城市交通管理与控制、城市交通信息服务、城市智能公交等几个核心系统，每个系统都涵盖交通信息的采集、处理、分析、反馈等多个环节。其中，作为城市交通管理与控制系统中的重要组成部分，卡口系统是当前公安交管业务的重点，其“智慧”水平的高低，将决定整个城市交通管理与控制的效果是否能真正解决令人头疼的交通难题。

▲道路卡口系统示意图

　　 卡口系统的前端由分布在城市各大小路口的卡口设备组成，包括高清摄像机、补光灯、嵌入式智能分析控制主机、光端机或光纤收发器等设备，主要完成红绿灯状态检测、机动车违章行为检测、违章图片抓拍、补光灯控制、违章记录本地储存、相关信息网络上传等任务。而后端则需要庞大的数据存储和处理平台，进行视频、图片等各种非结构化数据的存储、查询、分析和处理，为相关交管工作提供数据决策依据。

　　 卡口系统是目前公安交管系统中性能遇到瓶颈的最严重的环节，用户的数据量和实时需求都对数据处理技术提出了巨大的挑战。据测算，一个大型城市每年的交通数据量约可达到PB级别，而且数据类型极为繁杂。而从管理者实际需求来看，以套牌车追踪和违章车辆报警两个交通管理主要功能点为例，需要在实时返回结果的情况下将识别的车牌号与数据库进行比对，并做出提示。传统数据库无法实时实现这一功能需求，因此在处理类似的海量数据的快速处理及搜索时，需要采用新兴的大数据处理技术，在满足需求的同时也使得硬件资源的价值最大化。

　　 大数据技术作为目前科技领域最前沿的新兴技术，可通过数据采集、分析处理、可视化展示及发布交通流参数、事件等动态交通信息，为城市道路现代化监控系统的建立提供一流的交通信息支持与技术服务。

▲大数据分析平台组件图

　　 HBase赋予交通更智慧的“眼睛”

　　 目前，最主流的大数据技术非Hadoop莫属，是当下大数据平台中应用率最高的技术。作为Hadoop平台上的子项目之一，HBase是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统，利用它可在低价服务器上搭建起大规模结构化存储集群，在实现在线实时海量数据处理方面体现出了巨大优势。在交通业务中使用HBase技术来提升卡口系统的性能和服务质量，成为了当前大数据时代，化解城市交通难题的明智之选。

　　 面对驳杂的数据类型、庞大而增长迅速的数据量、以及管理者对于快速响应的需求，浪潮大数据技术是如何在技术层面面面俱到满足需求的?下面将针对公安交管的具体业务需求来予以说明：

　　 数据存储

　　 卡口系统是公安交管业务的重点，卡口过车数据一般包括卡口编号、车道编号、号牌号码、号牌颜色、号牌类型、过车时间、过车速度等属性信息。由于HBase数据表的特性，在卡口过车数据表的设计时，可以以车牌号与过车时间为主键，这样在进行卡口过车记录查询时，可以同时以号牌号码和过车时间为查询条件。

　　 布控车辆报警

　　 当车辆通过卡口时，摄像头拍摄过车图片并快速识别出车牌号等车辆信息，利用HBase技术对该车牌号进行高速比对分析，检查该车是否在布控车辆范围内，当识别的车牌号符合布控车辆的特征时，系统会发出实时告警，报警信息中包括车牌号码、车速、车型、车辆通过时间、车辆图片等，方便办案警员快速做出响应。

　　 套牌车分析

　　 系统设定一个阀值，指定每两个卡口之间的距离内行驶速度。当在两个卡口内监测到同一车牌号，但是在这监测的时间段内无法从一个卡口行驶到另一个卡口时，可以断定其中一辆车属于套牌车，系统会对这两辆车做出报警，并提示警员快速做出处理。

　　 车辆轨迹分析

　　 选择某一重点车辆，查询该时间段内经过的所有卡口，并在警用地理信息系统上显示该车辆的历史行驶轨迹。

　　 伴随车辆识别

　　 能够自动分析出某一辆车在选择的时间范围内，在其所经过的各个卡口时的前后一段时间间隔(如：前后30秒)内均同时出现过的车辆信息。

▲浪潮智慧交通大数据解决方案拓扑图

　　 HBase只是冰山一角 浪潮大数据能做的更多

　　 浪潮大数据技术在智慧交通方面的成功应用，仅仅是大数据处理技术中的冰山一角，大数据不仅包括Hadoop分布式并行计算技术，还包括MPP(海量并行处理)技术、HBase技术Stream(流处理)技术等等。无论是从数据存储层面，还是从查询请求层面，分布式存储不仅解决了客户的海量数据存储问题，还利用分布式查询请求解决了客户的实时或准实时查询需求。

　　 因此，未来的大数据应用将采用分布式存储计算与廉价服务器集群相结合的形式，使用Hadoop作为海量数据的存储，使用MPP技术作为数据处理、集散的底层支撑，并辅以Stream技术来实现Real-Time应用展现。

　　 可以预见，大数据技术的快速发展能让我们在不远的未来看到智慧交通的实现，日益恶化的城市交通状况也能得到有效改善。