無錫智能交通云物聯(lián)網(wǎng)應(yīng)用示范平臺(tái)初步構(gòu)想4008855360南京市光華路一號(hào)聯(lián)系人：張陽

目錄目錄1. 背景 51.1交通擁堵帶來的技術(shù)挑戰(zhàn) 51.2智能交通研究現(xiàn)狀 61.3云計(jì)算技術(shù)及發(fā)展現(xiàn)狀 72、構(gòu)想 82.1無錫智能交通云構(gòu)思 82.2無錫智能交通云的用途 92.2.1交通信息實(shí)時(shí)發(fā)布 92.2.2智能公交 92.2.3智能信號(hào)控制 102.2.4應(yīng)對(duì)突急事件 102.2.5車輛運(yùn)營(yíng)調(diào)度 102.3智能交通云與智慧無錫 112.4建設(shè)智能交通云的意義 113總體方案 133.1總體架構(gòu) 133.1.1總體設(shè)計(jì) 133.1.2系統(tǒng)聯(lián)網(wǎng)拓?fù)浣Y(jié)構(gòu) 133.1.3系統(tǒng)層次圖 143.2感知層 153.2.1RFID 153.2.2交通卡口系統(tǒng) 173.2.3道路監(jiān)控視頻智能識(shí)別 203.2.4浮動(dòng)交通信息采集系統(tǒng) 243.2.5城市道路交通相關(guān)信息采集 263.3存儲(chǔ)層 263.3.1云存儲(chǔ)概述 263.3.2分布式云存儲(chǔ)構(gòu)架 273.3.3智能交通云存儲(chǔ)建議 283.4處理層 303.4.1數(shù)據(jù)量激增帶來的處理挑戰(zhàn) 303.4.2cProc云處理平臺(tái)架構(gòu) 313.4.3cProc云處理平臺(tái)優(yōu)勢(shì) 323.5認(rèn)知層 333.5.1實(shí)時(shí)視頻智能識(shí)別 333.5.2行為識(shí)別 363.5.3語義分析 383.6應(yīng)用層 403.6.1交通規(guī)劃 403.6.2實(shí)時(shí)監(jiān)控 453.6.3車輛跟蹤 473.6.4軌跡分析 493.6.5智能誘導(dǎo) 503.6.6數(shù)據(jù)統(tǒng)計(jì)分析 504、關(guān)鍵技術(shù) 514.1智能傳感與物聯(lián)網(wǎng)技術(shù) 514.2大數(shù)據(jù)存儲(chǔ)與處理云計(jì)算技術(shù) 514.3基于語義的信息融合技術(shù) 524.4智能內(nèi)容識(shí)別與認(rèn)知技術(shù) 524.5城市交通數(shù)學(xué)模型與綜合調(diào)度技術(shù) 535、典型應(yīng)用 535.1面向公眾的實(shí)時(shí)智能導(dǎo)航信息服務(wù) 535.2城市交通智能調(diào)度與誘導(dǎo)系統(tǒng) 535.3車輛連續(xù)跟蹤系統(tǒng) 535.4交通違法智能挖掘與取證系統(tǒng) 535.5城市交通應(yīng)急指揮系統(tǒng) 531. 背景 51.1交通擁堵帶來的技術(shù)挑戰(zhàn) 51.2智能交通研究現(xiàn)狀 61.3云計(jì)算技術(shù)及發(fā)展現(xiàn)狀 72、構(gòu)想 82.1無錫智能交通云構(gòu)思 82.2無錫智能交通云的用途 92.2.1交通信息實(shí)時(shí)發(fā)布 92.2.2智能公交 92.2.3智能信號(hào)控制 102.2.4應(yīng)對(duì)突急事件 102.2.5車輛運(yùn)營(yíng)調(diào)度 102.3智能交通云與智慧無錫 112.4建設(shè)智能交通云的意義 113總體方案 133.1總體架構(gòu) 133.1.1總體設(shè)計(jì) 133.1.2系統(tǒng)聯(lián)網(wǎng)拓?fù)浣Y(jié)構(gòu) 133.1.3系統(tǒng)層次圖 143.2感知層 153.2.1RFID 153.2.2交通卡口系統(tǒng) 173.2.3道路監(jiān)控視頻智能識(shí)別 203.2.4浮動(dòng)交通信息采集系統(tǒng) 243.2.5城市道路交通相關(guān)信息采集 263.3存儲(chǔ)層 263.3.1云存儲(chǔ)概述 263.3.2分布式云存儲(chǔ)構(gòu)架 273.3.3智能交通云存儲(chǔ)建議 283.4處理層 303.4.1數(shù)據(jù)量激增帶來的處理挑戰(zhàn) 303.4.2cProc云處理平臺(tái)架構(gòu) 313.4.3cProc云處理平臺(tái)優(yōu)勢(shì) 323.5認(rèn)知層 333.5.1實(shí)時(shí)視頻智能識(shí)別 333.5.2行為識(shí)別 363.5.3語義分析 383.6應(yīng)用層 403.6.1交通規(guī)劃 403.6.2實(shí)時(shí)監(jiān)控 453.6.3車輛跟蹤 473.6.4軌跡分析 493.6.5智能誘導(dǎo) 503.6.6數(shù)據(jù)統(tǒng)計(jì)分析 504、關(guān)鍵技術(shù) 514.1智能傳感與物聯(lián)網(wǎng)技術(shù) 514.2大數(shù)據(jù)存儲(chǔ)與處理云計(jì)算技術(shù) 514.3基于語義的信息融合技術(shù) 524.4智能內(nèi)容識(shí)別與認(rèn)知技術(shù) 524.5城市交通數(shù)學(xué)模型與綜合調(diào)度技術(shù) 535、典型應(yīng)用 535.1面向公眾的實(shí)時(shí)智能導(dǎo)航信息服務(wù) 535.2城市交通智能調(diào)度與誘導(dǎo)系統(tǒng) 535.3車輛連續(xù)跟蹤系統(tǒng) 535.4交通違法智能挖掘與取證系統(tǒng) 535.5城市交通應(yīng)急指揮系統(tǒng) 53背景交通問題可以說是全世界各國(guó)面臨的共同難題，交通擁擠帶來了巨大的時(shí)間浪費(fèi)，加劇了環(huán)境污染。我國(guó)大多數(shù)城市的平均行車速度已降至20km/h以下，有些路段甚至只有7~8km/h。由于車輛速度過慢，尾氣排放增加，使得城市的空氣質(zhì)量進(jìn)一步惡化。這些問題嚴(yán)重影響了人們的出行和生活質(zhì)量，造成社會(huì)經(jīng)濟(jì)的巨大損失。因此，為了緩解經(jīng)濟(jì)發(fā)展所帶來的交通運(yùn)輸方面的壓力，盡量的利用現(xiàn)有的資源，使其發(fā)揮最大的作用，世界各國(guó)都加大了對(duì)智能交通系統(tǒng)的研究和建設(shè)的力度。1.1交通擁堵帶來的技術(shù)挑戰(zhàn)隨著經(jīng)濟(jì)的高速發(fā)展，現(xiàn)在的交通業(yè)、物流業(yè)等領(lǐng)域正面臨著更加苛刻的要求，交通擁擠不堪，交通事故頻發(fā)以及交通污染這些問題在過去通常采用諸如道路的拓寬以及大力建設(shè)立體交通等方式加以解決，但是隨著社會(huì)的發(fā)展，這些傳統(tǒng)的手法已經(jīng)不能夠從根本上解決上述問題了。如何對(duì)城市每天產(chǎn)生的海量交通數(shù)據(jù)進(jìn)行處理、分析、和存儲(chǔ)，將是未來交通信息服務(wù)的關(guān)鍵問題。就無錫市而言，每年僅車輛通過卡口所產(chǎn)生的數(shù)據(jù)記錄條數(shù)就將達(dá)到驚人的百億條之多，而Oracle數(shù)據(jù)庫的上限值為10億條。即使是一個(gè)縣的卡口數(shù)據(jù)，查詢的響應(yīng)時(shí)間都是分鐘級(jí)的，更不用說要基于將無錫市或全省的數(shù)據(jù)開展智能交通應(yīng)用了。同樣的，無錫市擁有20萬個(gè)攝像頭，每個(gè)月所產(chǎn)生的數(shù)據(jù)量將有120PB，其中有相當(dāng)一部分與交通相關(guān)，如何將這些數(shù)據(jù)安全、高效地存儲(chǔ)起來，也將成為存儲(chǔ)技術(shù)的挑戰(zhàn)。另外，如果要向無錫全市約600多萬人提供個(gè)性化的智能交通出行信息服務(wù)，所面對(duì)的海量信息訪問請(qǐng)求也是驚人的。1.2智能交通研究現(xiàn)狀為了解決“交通難”的問題，世界各國(guó)都投入了巨資，或是大力建設(shè)基礎(chǔ)設(shè)施及管理平臺(tái)，或是吸引大批力學(xué)、物理學(xué)、非線性科學(xué)和系統(tǒng)科學(xué)等領(lǐng)域的科學(xué)家進(jìn)行交通科學(xué)的基礎(chǔ)研究，旨在采用高科技與多學(xué)科相結(jié)合的辦法，研制、構(gòu)建完善的交通系統(tǒng)，以解決道路交通問題。智能交通技術(shù)（ITS），是指將先進(jìn)的信息技術(shù)、數(shù)據(jù)通訊傳輸技術(shù)、電子控制技術(shù)、計(jì)算機(jī)處理技術(shù)等應(yīng)用于交通運(yùn)輸行業(yè)形成的一種信息化、智能化、社會(huì)化的新型運(yùn)輸系統(tǒng)，它使交通基礎(chǔ)設(shè)施能發(fā)揮最大效能。該技術(shù)于上世紀(jì)80年代起源于美國(guó)，隨后各國(guó)都積極尋求在這一領(lǐng)域中的發(fā)展。日本是世界上率先展開ITS研究的國(guó)家之一，在1973年日本通產(chǎn)省開始開發(fā)汽車等綜合控制系統(tǒng)CASC(ComprehensiveAutomobileControlSystem)，目前日本ITS研究與應(yīng)用開發(fā)工作主要圍繞三個(gè)方面進(jìn)行：提供實(shí)時(shí)道路交通信息的汽車信息和通訊系統(tǒng)VICS(VehicleInformationCommunicationSystem)、電子不停車收費(fèi)系統(tǒng)ETC(ElectronicTollCollection)和先進(jìn)的公路系統(tǒng)AHS(AdvancedHighwaySystem)。新加坡在ITS的發(fā)展方面已經(jīng)走到了世界的前列，聰明的交通信號(hào)控制系統(tǒng)，實(shí)現(xiàn)了自適應(yīng)和整體協(xié)調(diào)。韓國(guó)首爾智能公交調(diào)度及信息服務(wù)系統(tǒng)“TAGO”，讓首都首爾的交通井然有序。首爾市的智能交通在交通管理、交通監(jiān)測(cè)和公共交通等領(lǐng)域都得到了充分的應(yīng)用和發(fā)展，交通服務(wù)水平屬于亞洲高水平。在我國(guó)，近年來也增強(qiáng)了對(duì)交通問題的研究的投入，但始終存在著“重硬件、輕軟件”的傾向。我國(guó)經(jīng)濟(jì)飛速發(fā)展，交通需求日益增大，因此，建設(shè)現(xiàn)代化的智能交通運(yùn)輸系統(tǒng)迫在眉睫。1.3云計(jì)算技術(shù)及發(fā)展現(xiàn)狀云計(jì)算利用虛擬化等技術(shù)，整合服務(wù)器、存儲(chǔ)、網(wǎng)絡(luò)等硬件資源，優(yōu)化系統(tǒng)資源配置比例，實(shí)現(xiàn)應(yīng)用的靈活性，同時(shí)提升資源利用率，降低總能耗，降低運(yùn)維成本。對(duì)于如此海量信息的匯聚和處理，云計(jì)算將是不二的選擇，唯有在云模式下，才能對(duì)這龐大的數(shù)據(jù)量進(jìn)行實(shí)時(shí)的分布式處理，以此為基礎(chǔ)，才能開發(fā)出更多傳統(tǒng)概念上難以實(shí)現(xiàn)的精彩應(yīng)用云計(jì)算（CloudComputing）是網(wǎng)格計(jì)算（GridComputing）、分布式計(jì)算（DistributedComputing）、并行計(jì)算（ParallelComputing）、效用計(jì)算（UtilityComputing）、網(wǎng)絡(luò)存儲(chǔ)（NetworkStorageTechnologies）、虛擬化（Virtualization）、負(fù)載均衡（LoadBalance）等傳統(tǒng)計(jì)算機(jī)和網(wǎng)絡(luò)技術(shù)發(fā)展融合的產(chǎn)物，是目前比較流行的名詞。云計(jì)算是一種商業(yè)計(jì)算模型，它將計(jì)算任務(wù)分布在大量計(jì)算機(jī)構(gòu)成的資源池上，使用戶能夠按需獲取計(jì)算力、存儲(chǔ)空間和信息服務(wù)。這種資源池稱為“云”?！霸啤笔且恍┛梢宰晕揖S護(hù)和管理的虛擬化計(jì)算資源，通常是一些大型服務(wù)器集群，包括計(jì)算服務(wù)器、存儲(chǔ)服務(wù)器和帶寬資源等。云計(jì)算將計(jì)算資源集中起來，并通過專門軟件實(shí)現(xiàn)自動(dòng)管理，無需人為參與。用戶可以動(dòng)態(tài)申請(qǐng)部分資源，支持各種應(yīng)用程序的運(yùn)轉(zhuǎn)，無需為煩瑣的細(xì)節(jié)而煩惱，能夠更加專注于自己的業(yè)務(wù)，有利于提高效率、降低成本和技術(shù)創(chuàng)新。云計(jì)算在國(guó)外起步較早，谷歌、亞馬遜、IBM、微軟、雅虎等大公司都是云計(jì)算的先行者，其他云計(jì)算領(lǐng)域的眾多成功公司還包括：VMware、Salesforce、Facebook、YouTube、MySpace等。國(guó)內(nèi)的云計(jì)算起步較之國(guó)外晚了不少，三年前還僅僅停留在概念階段，但如今，云計(jì)算的熱情空前高漲，全國(guó)不下20個(gè)城市紛紛推出云計(jì)算，各大硬件和軟件公司也不甘人后，紛紛試水云計(jì)算；而幾乎所有的IDC廠商更是搶著推出自己的云產(chǎn)品，中國(guó)大地一時(shí)間風(fēng)起云涌。云計(jì)算之所以有如此大的吸引力，其原因是人們認(rèn)為這是互聯(lián)網(wǎng)發(fā)展的第三個(gè)里程碑，云計(jì)算的落地將會(huì)給我們的生活以及社會(huì)運(yùn)作方式帶來巨大的變革。對(duì)企業(yè)來說，云計(jì)算的出現(xiàn)意味著全新的發(fā)展方向和商業(yè)模式，此領(lǐng)域必將成為必爭(zhēng)之地；對(duì)于地方政府來講，借十二五計(jì)劃扶持的東風(fēng)，云計(jì)算極有可能成為地方經(jīng)濟(jì)新的增長(zhǎng)點(diǎn)；對(duì)于全球，就云計(jì)算領(lǐng)域來講，我國(guó)目前與西方發(fā)達(dá)國(guó)家基本處于同一起跑線上，努力發(fā)展則非常有可能躋身世界前列，擁有核心競(jìng)爭(zhēng)力。2、構(gòu)想2.1無錫智能交通云構(gòu)思無錫市智能交通云是一個(gè)基于云計(jì)算建立的綜合性交通信息管理與服務(wù)平臺(tái)。它以城市道路交通為主體，實(shí)時(shí)采集并匯總來自電子警察、卡口、RFID、交通視頻等的信息，并集成來自鐵路、機(jī)場(chǎng)、地鐵、碼頭、長(zhǎng)途汽車站等的信息源，利用云計(jì)算平臺(tái)的大數(shù)據(jù)存儲(chǔ)和處理能力，借助并行計(jì)算、視頻內(nèi)容智能識(shí)別、語義理解等先進(jìn)技術(shù)，建立城市交通綜合數(shù)學(xué)模型，實(shí)施城市交通的綜合管控和智能誘導(dǎo)，提高城市交通的效率，減少擁堵，最大化方便公眾出行。智能交通云是一個(gè)整合的、先進(jìn)的、安全的、自動(dòng)化的、易擴(kuò)展的、服務(wù)于交通行業(yè)的開放性平臺(tái)。具體體現(xiàn)在：整合現(xiàn)有資源，并能夠針對(duì)未來的交通行業(yè)發(fā)展擴(kuò)展整合將來所需的各種硬件、軟件、數(shù)據(jù)；動(dòng)態(tài)滿足智能交通系統(tǒng)（IntelligentTransportSystem,簡(jiǎn)稱ITS）中各應(yīng)用系統(tǒng)，針對(duì)交通行業(yè)的需求——基礎(chǔ)設(shè)施建設(shè)、交通信息發(fā)布、交通企業(yè)增值服務(wù)、交通指揮提供決策支持及交通仿真模擬等，交通云要能夠全面提供開發(fā)系統(tǒng)資源平臺(tái)需求，能夠快速滿足突發(fā)系統(tǒng)需求；提供極具彈性的擴(kuò)展能力需求，以滿足將來不斷增大的交通應(yīng)用需求。智能交通云是對(duì)交通管理單位、交通運(yùn)營(yíng)企業(yè)和廣大的市民服務(wù)的，所以，智慧無錫交通云的特色是混合云。對(duì)保密性安全要求高，處理速度快，彈性發(fā)展力度強(qiáng)的對(duì)內(nèi)應(yīng)用（交通管理單位），可以用私有云的模式實(shí)現(xiàn)。而對(duì)外的信息發(fā)布（大眾出行、物流企業(yè)、交通信息服務(wù)企業(yè)等）、出行指導(dǎo)等對(duì)外應(yīng)用可以用公共云的模式實(shí)現(xiàn)。2.2無錫智能交通云的用途2.2.1交通信息實(shí)時(shí)發(fā)布交通信息應(yīng)包括道路交通信息、行車路線導(dǎo)航信息、道路施工信息、停車場(chǎng)信息等綜合交通信息。由市交通主樞紐指揮中心通過調(diào)頻立體聲廣播電臺(tái)副頻道，市區(qū)近二百塊LED顯示屏、無線通信等方式對(duì)外發(fā)布，無錫市智能交通系統(tǒng)應(yīng)把市內(nèi)近百個(gè)停車場(chǎng)（也包括新建的停車場(chǎng)）進(jìn)行聯(lián)網(wǎng)，以便采集車外信息對(duì)外發(fā)布。此外在火車站、碼頭、長(zhǎng)途汽車站補(bǔ)設(shè)提供行路信息的顯示屏。2.2.2智能公交無錫市智能交通系統(tǒng)公交工具應(yīng)建設(shè)以地鐵為主、公共汽車、出租車為輔建設(shè)系統(tǒng)。同時(shí)調(diào)整公交站臺(tái)與地鐵站臺(tái)位置，實(shí)現(xiàn)無縫連接，避免轉(zhuǎn)車誤時(shí)。同時(shí)建設(shè)以火車站、長(zhǎng)途汽車站、碼頭、主要商業(yè)務(wù)段為主的交通樞紐。為解決行人行車矛盾，各路口或新建路口實(shí)現(xiàn)人行地道車走立交，到時(shí)，人們將可享受到一個(gè)快捷、安全、舒適的交通運(yùn)輸體系帶來的便利。2.2.3智能信號(hào)控制交通信號(hào)控制系統(tǒng)是維護(hù)城市交通秩序的重要系統(tǒng)，大多安裝在路口和指定位置。無錫市現(xiàn)有丁字路口、十字路口、五星路口等約一千個(gè)。已按裝紅綠燈的路口有八百多個(gè)。但由于目前信號(hào)燈切換時(shí)間固定不變。使道路利用率和運(yùn)輸效率降低。如模范馬路與中山北路交叉路口紅綠燈啟亮?xí)r間為50秒，于是出現(xiàn)了非高峰時(shí)間南北向綠燈啟亮后28—30秒無車流，而東西向已停泊60多輛，長(zhǎng)度約80米。有時(shí)則相反。但在車行高峰時(shí)，100多輛車的正常流通在42至46秒。還有部分車輛在50秒后到路口被滯留。建設(shè)以區(qū)域或路段聯(lián)網(wǎng)的智能信號(hào)燈控制系統(tǒng)根據(jù)道路車流量變化調(diào)節(jié)紅綠燈切換時(shí)間。形成區(qū)域，路段的綠波帶，加快市內(nèi)車輛的流速、減緩車堵現(xiàn)象。2.2.4應(yīng)對(duì)突急事件城市突急事件調(diào)度包括醫(yī)衛(wèi)急救、火災(zāi)、地震、泥石流、山體滑坡、爆炸、有害氣體、液體泄漏、罪犯逃跑等。一旦突急事件發(fā)生，就要借助交通系統(tǒng)的支持控制事態(tài)發(fā)展、維護(hù)社會(huì)穩(wěn)定。因此，通過對(duì)實(shí)時(shí)數(shù)據(jù)采集、處理，智能交通云對(duì)于建設(shè)應(yīng)急交通系統(tǒng)也是不可缺少的。通過把110、119、120合在一起，一旦有群眾報(bào)警，聯(lián)合臺(tái)就可根據(jù)報(bào)警內(nèi)容協(xié)調(diào)各相關(guān)部門統(tǒng)一指揮出警處理，在智能交通平臺(tái)可提供應(yīng)急聯(lián)動(dòng)，快速反應(yīng)的服務(wù)效率，市智能交通平臺(tái)根據(jù)事發(fā)地點(diǎn)提供綠波帶，使報(bào)警、出警更加迅速、準(zhǔn)確、高效，減少突發(fā)事件帶來的損失，更好地為政府和社會(huì)服務(wù)2.2.5車輛運(yùn)營(yíng)調(diào)度通過對(duì)各個(gè)區(qū)域監(jiān)控的運(yùn)處理，智能分析該區(qū)域的交通情況。汽車司機(jī)通過GPS或其他移動(dòng)終端可以對(duì)各條線路的交通情況進(jìn)行預(yù)先了解，節(jié)省不必要的時(shí)間，舒緩交通壓力、提高交通質(zhì)量。解決機(jī)場(chǎng)、火車站等客流量密集區(qū)域的交通混亂現(xiàn)象。降低出租車司機(jī)的運(yùn)營(yíng)成本，同時(shí)市民可以通過移動(dòng)終端查詢線路和聯(lián)系出租車司機(jī)。從而解決出租車招客難，路人打車難的尷尬情形。2.3智能交通云與智慧無錫未來的城市如何發(fā)展？如何加快經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型，提升城市環(huán)境？如何在后危機(jī)時(shí)代順利實(shí)現(xiàn)轉(zhuǎn)型發(fā)展、創(chuàng)新發(fā)展、跨越發(fā)展？假如在某個(gè)路段，一輛車故障造成堵車，能否在幾分鐘內(nèi)，就將這輛故障車拖走？假如在另一個(gè)地方，一個(gè)病人突發(fā)疾病，能否在很短時(shí)間內(nèi)，就有救護(hù)車來將病人及時(shí)送往醫(yī)院？無錫提出了建設(shè)“智慧無錫”的構(gòu)想?！爸腔蹮o錫”是創(chuàng)新型城市的建設(shè)，是城市現(xiàn)代化的高級(jí)階段，說到底就是集中各方面智慧發(fā)展城市現(xiàn)代化。其中最重要的一條，就是要為城市管理和應(yīng)急提供“智慧系統(tǒng)”，對(duì)公共衛(wèi)生、交通故障、環(huán)境污染等事件能夠迅速作出反應(yīng)。無錫打造智慧城市，可以先從智能交通入手，然后以此平臺(tái)為基礎(chǔ)，打造城市級(jí)現(xiàn)代化綜合管理平臺(tái)，讓整個(gè)城市逐步“智慧”起來。2.4建設(shè)智能交通云的意義智能交通系統(tǒng)通過通過云的處理，對(duì)傳統(tǒng)交通系統(tǒng)進(jìn)行變革。通過提升交通系統(tǒng)的信息化、智能化、集成化和網(wǎng)絡(luò)化，智能采集交通信息、流量、噪聲、路面、交通事故、天氣、溫度等，從而保障人、車、路與環(huán)境之間的相互交流，進(jìn)而提高交通系統(tǒng)的效率、機(jī)動(dòng)性、安全性、可達(dá)性、經(jīng)濟(jì)性，達(dá)到保護(hù)環(huán)境、降低能耗的作用。提高道路本身和地區(qū)路網(wǎng)的使用效率城市快速發(fā)展智能交通系統(tǒng)可以改善道路交通環(huán)境，增加道路交通系統(tǒng)容量。同時(shí)，還可以有效提高車輛的行車速度，減少車輛行車延誤，提高受控區(qū)域的道路服務(wù)水平，進(jìn)而提高地區(qū)路網(wǎng)的通行能力。改善交通環(huán)境，減少交通事故和環(huán)境污染主要體現(xiàn)在以下幾個(gè)方面：1、減少交通事故造成的車輛和人身的損失和傷害；2、減少交通對(duì)能源的需求；3、減少尾氣污染，提高空氣質(zhì)量；4、降低車輛行駛的噪聲，減輕噪聲污染；5、節(jié)省土地資源。提高管理部門的服務(wù)水平和工作效率發(fā)展智能交通系統(tǒng)的目的是要使交通管理從被動(dòng)轉(zhuǎn)變?yōu)橹鲃?dòng)，由適應(yīng)型向智能型轉(zhuǎn)變，從而形成“高效、舒適、環(huán)?！钡慕煌ōh(huán)境。帶動(dòng)相關(guān)產(chǎn)業(yè)的發(fā)展智能交通系統(tǒng)作為一個(gè)新興的產(chǎn)業(yè)，需要汽車制造、通信、信息技術(shù)、計(jì)算機(jī)等相關(guān)產(chǎn)業(yè)的依托，其發(fā)展也離不開相關(guān)產(chǎn)業(yè)的參與，因此可以為這些行業(yè)或企業(yè)帶來直接的經(jīng)濟(jì)效益。進(jìn)一步促進(jìn)城市經(jīng)濟(jì)，尤其是區(qū)域經(jīng)濟(jì)的發(fā)展交通運(yùn)輸業(yè)的發(fā)展對(duì)經(jīng)濟(jì)的發(fā)展具有重要的制約和推動(dòng)作用。3總體方案3.1總體架構(gòu)3.1.1總體設(shè)計(jì)無錫智能交通云方案主要包含了前端的設(shè)備采集，統(tǒng)一的匯聚接入，海量的信息存儲(chǔ)與處理，基于語義的分析和智能識(shí)別等，并以此大平臺(tái)為基礎(chǔ)，為用戶提供豐富多彩的傳統(tǒng)意義上難以實(shí)現(xiàn)的應(yīng)用。3.1.2系統(tǒng)聯(lián)網(wǎng)拓?fù)浣Y(jié)構(gòu) 上圖為智能交通云大致的拓?fù)鋱D，所謂智能交通云，其根本是對(duì)大量前端數(shù)據(jù)的采集、匯總與智能分析，最后得出實(shí)時(shí)交通狀況及用戶感興趣的交通相關(guān)問題分析。 前端設(shè)備多種多樣，所采集的數(shù)據(jù)各類都有，基本可以分為結(jié)構(gòu)化數(shù)據(jù)（能寫入表的數(shù)據(jù)）和非結(jié)構(gòu)化數(shù)據(jù)（如視頻等以文件形式存放的數(shù)據(jù)），對(duì)于各類前端信息需要做統(tǒng)一的匯聚和接入。之后則需要對(duì)如此海量的信息進(jìn)行數(shù)據(jù)存儲(chǔ)與處理，取其精華，去其糟粕，從中提取出用戶可能感興趣的數(shù)據(jù)，并基于此提供豐富的應(yīng)用。3.1.3系統(tǒng)層次圖資源層包括了所有前端采集設(shè)備，如攝像機(jī)、卡口數(shù)據(jù)、RFID信號(hào)、線圈等。接入層整合海量的異構(gòu)前端數(shù)據(jù)，并將其接入云中。存儲(chǔ)層基于分布式文件系統(tǒng)（HDFS），存儲(chǔ)接入的各種數(shù)據(jù)，數(shù)據(jù)大致可以分為用表形式存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù)和無法用表存儲(chǔ)的非結(jié)構(gòu)化數(shù)據(jù)（如：視頻數(shù)據(jù)等）。處理層用分布式的處理架構(gòu)實(shí)時(shí)地處理海量數(shù)據(jù)。融合層將下層不同類型的資源進(jìn)行融合，為上層認(rèn)知提供響應(yīng)的數(shù)據(jù)資源。認(rèn)知層對(duì)數(shù)據(jù)進(jìn)行智能分析，提供諸如云端轉(zhuǎn)碼、語義分析、內(nèi)容識(shí)別、行為檢測(cè)等功能。調(diào)度控制層處于核心地位的調(diào)度控制，對(duì)上層的需求任務(wù)進(jìn)行統(tǒng)一的分配，充分調(diào)度接入、存儲(chǔ)、處理等各模塊的協(xié)作處理。應(yīng)用層提供各種豐富的智能交通云模式下的應(yīng)用，如：實(shí)時(shí)的智能誘導(dǎo)，基于語義的道路狀況分析，城市交通虛擬現(xiàn)實(shí)等。3.2感知層感知層是利用各種技術(shù)手段獲取車輛等交通信息并轉(zhuǎn)換為數(shù)字信息的數(shù)據(jù)獲取層，根據(jù)數(shù)據(jù)獲取手段的不同分為RFID、交通卡口系統(tǒng)、道路監(jiān)控視頻智能識(shí)別、浮動(dòng)平臺(tái)數(shù)據(jù)等方面。3.2.1RFID射頻識(shí)別(RFID,即RadioFrequencyIdentification)利用無線射頻信號(hào),通過讀寫器(Reder)、天線和安裝在載體(車輛或設(shè)備或人員)上的RFID卡,構(gòu)成RFID系統(tǒng),實(shí)現(xiàn)對(duì)載體的非接觸的識(shí)別和數(shù)據(jù)信息交換,如圖1所示。RFID卡也稱應(yīng)答器或電子標(biāo)簽。RFID卡分為無源卡和有源卡。無源卡無電池供電,體積、重量較小,壽命可達(dá)10年以上;有源卡需電池供電,體積、重量較大,其壽命由電池決定。有源卡的讀卡距離交通卡口系統(tǒng)遠(yuǎn)于無源卡。無源RFID卡由芯片、天線和基片組成。有源RFID卡的組成中增加了電池,由電池供電。此外,RFID卡可按工作頻率分為低頻、高頻和微波RFID卡。車輛自動(dòng)識(shí)別AVI系統(tǒng)(1)固定基站(AVI)系統(tǒng)固定基站AVI系統(tǒng)一般用于海關(guān)或檢查站,檢查、識(shí)別和記錄通過的車輛,它的設(shè)備(如讀寫器、智能控制器、數(shù)據(jù)傳輸單元、電源等)安裝在車道旁的機(jī)房?jī)?nèi),天線安裝在車道旁(側(cè)裝)或頂蓬上(頂裝),車道須經(jīng)渠化,道寬3.2～3.5m。為了對(duì)通過車輛自動(dòng)放行或攔截,在車道旁裝有電動(dòng)欄桿、紅綠燈、報(bào)警器、攝像機(jī)、顯示牌,在車道上埋設(shè)有檢測(cè)線圈。這些設(shè)備向智能控制器傳遞車輛通過信息,接受它的指令控制。為了啟動(dòng)和終止AVI系統(tǒng)的讀卡,在車道上安裝2個(gè)檢測(cè)線圈,一個(gè)安裝在車道入口,另一個(gè)安裝在車道出口的電動(dòng)欄桿旁,它們與智能控制器中的線圈檢測(cè)器配合,感知車輛通過信息,第一個(gè)線圈啟動(dòng)系統(tǒng)讀卡和車輛計(jì)數(shù)，第二個(gè)線圈用于終止系統(tǒng)讀卡和防止欄桿砸車。當(dāng)載有RFID卡的車輛通過車道時(shí),系統(tǒng)讀到卡中的識(shí)別地址(ID)號(hào)和車牌號(hào),疊加上通過時(shí)間和車道號(hào),存入智能控制器的存儲(chǔ)器里。數(shù)據(jù)傳輸單元將系統(tǒng)采集到的車輛數(shù)據(jù)信息,通過通信網(wǎng)絡(luò)(如DDN網(wǎng))傳到管理中心(或計(jì)算中心),同時(shí)將管理中心的控制指令下達(dá)到AVI系統(tǒng),決定對(duì)車輛的自動(dòng)放行或進(jìn)行攔截。固定基站AVI系統(tǒng)可以識(shí)別雙卡。固定基站AVI系統(tǒng)的設(shè)備配置如圖3所示。對(duì)一般車輛,采用無源微波RFID卡,系統(tǒng)的讀卡距離大于6m;采用有源微波RFID卡,讀卡距離可達(dá)到10～20m。(2)移動(dòng)式AVI系統(tǒng)在一些應(yīng)用中,如公安刑偵、路政稽查、重要會(huì)議安全保衛(wèi),需要配備移動(dòng)式的AVI系統(tǒng),隨時(shí)開動(dòng)并?？吭谥付ǖ穆放?或會(huì)場(chǎng)入口),對(duì)過往車輛進(jìn)行突擊檢查和識(shí)別。它的設(shè)備配置與AVI系統(tǒng)固定基站類似,但是更簡(jiǎn)化,如不配紅綠燈、電動(dòng)欄桿、檢測(cè)線圈。移動(dòng)式AVI系統(tǒng)可安裝在一輛改裝的中巴車上。其中,采用便攜式八木天線和小型樂聲報(bào)警器。用手機(jī)通過移動(dòng)通信網(wǎng)(GSM),以發(fā)短消息的方式,與指揮中心保持通信聯(lián)系或進(jìn)行數(shù)據(jù)信息交換。車上電源可以采用逆變電源,由蓄電池供電。如果需要報(bào)告移動(dòng)式AVI系統(tǒng)的位置,車上也可配置GPS接收機(jī),通過手機(jī)發(fā)短消息的方法,向指揮中心傳輸移動(dòng)站的地理位置。3.2.2交通卡口系統(tǒng)交通卡口系統(tǒng)實(shí)現(xiàn)車輛信息的采集，包括車輛圖片、經(jīng)過的時(shí)間、車型、車輛牌照、車型、速度、行駛方向、是否超速違章等信息采集并發(fā)送中心服務(wù)器同時(shí)也能夠接受中心的控制信號(hào)。系統(tǒng)構(gòu)成前端卡口系統(tǒng)由檢測(cè)線圈、車輛檢測(cè)器、高清智能工業(yè)攝像機(jī)、智能工業(yè)攝像機(jī)終端服務(wù)器等主要設(shè)備組成。【圖】系統(tǒng)結(jié)構(gòu)圖現(xiàn)場(chǎng)布局示意圖以雙向8車道帶非機(jī)動(dòng)車道為例，監(jiān)測(cè)點(diǎn)的現(xiàn)場(chǎng)布局示意圖如下：【圖】現(xiàn)場(chǎng)布局俯視圖【圖】抓拍攝像機(jī)視野覆蓋圖【圖】現(xiàn)場(chǎng)布局側(cè)視圖硬件設(shè)備配置每個(gè)車道配置一個(gè)智能高清攝像機(jī)作為抓拍攝像機(jī)、一臺(tái)照明設(shè)備，一臺(tái)輔助照明設(shè)備。每個(gè)方向車道配置一臺(tái)360度全方位全景攝像機(jī)供抓拍路段面情況。圖像捕獲、自動(dòng)識(shí)別等功能都在攝像機(jī)內(nèi)完成，攝像機(jī)通過交換機(jī)與終端服務(wù)器相連，將捕獲的圖片和識(shí)別結(jié)果發(fā)到終端服務(wù)器。每個(gè)卡點(diǎn)配置一臺(tái)終端服務(wù)器，負(fù)責(zé)從攝像機(jī)處接收數(shù)據(jù)，并將數(shù)據(jù)通過網(wǎng)絡(luò)傳送到指揮中心，同時(shí)可保存數(shù)據(jù)在本地。需測(cè)速的卡點(diǎn)配置一臺(tái)車輛檢測(cè)處理器，接收線圈信號(hào)，并將觸發(fā)信號(hào)發(fā)給抓拍攝像機(jī)。無測(cè)速要求的卡點(diǎn)，用虛擬線圈的方式進(jìn)行觸發(fā)，高清攝像機(jī)里面集成視頻觸發(fā)軟件，對(duì)經(jīng)過卡點(diǎn)每個(gè)車輛進(jìn)行抓拍。每個(gè)卡點(diǎn)配置一個(gè)機(jī)柜，放置上述的終端服務(wù)器、車輛檢測(cè)處理器，以及交換機(jī)、光纖收發(fā)器、光端機(jī)等網(wǎng)絡(luò)通訊設(shè)備。以及其它根據(jù)要求配備的防雷等設(shè)備。按照各廠家在投標(biāo)中的產(chǎn)品配備。3.2.3道路監(jiān)控視頻智能識(shí)別傳統(tǒng)車輛檢測(cè)器如磁感應(yīng)線圈有著諸多缺點(diǎn)和局限,鑒于這種情況,人們不斷提出新的替代方案,如采用雷達(dá)、超聲波、紅外線、微波、聲頻及視頻圖像等技術(shù)的懸掛式傳感器。近年來隨著計(jì)算機(jī)和圖像處理技術(shù)的不斷發(fā)展,利用機(jī)器視覺檢測(cè)器來進(jìn)行車輛檢測(cè)成為一種特別有潛力的替代方法,有望取代傳統(tǒng)檢測(cè)器成為現(xiàn)代智能交通系統(tǒng)的一個(gè)重要組成部分。交通視頻智能識(shí)別流程基于視頻圖像技術(shù)的方法具有直觀、可監(jiān)視范圍廣、可獲取更多種類的交通參數(shù)以及費(fèi)用較低等優(yōu)點(diǎn),現(xiàn)在已經(jīng)在交通卡口系統(tǒng)中有所應(yīng)用。車輛檢測(cè)與跟蹤系統(tǒng)通常包括感興趣區(qū)域(RegionOfInteresting,ROI)提取、車輛檢測(cè)、車輛跟蹤等三個(gè)模塊：首先由攝像頭拍攝得到實(shí)時(shí)交通場(chǎng)景的視頻序列圖像,然后對(duì)序列圖像進(jìn)行ROI提取,并將提取到的ROI送到車輛檢測(cè)模塊以根據(jù)一定的圖像處理方法和準(zhǔn)則判斷某ROI區(qū)域是否為車輛。檢測(cè)出車輛后,可在跟蹤模塊對(duì)車輛進(jìn)行跟蹤。由檢測(cè)和跟蹤的結(jié)果可以分析提取出交通流量參數(shù),如車速、車流密度、轉(zhuǎn)向信息等。這類實(shí)時(shí)道路交通信息及各種服務(wù)信息匯總到交通管理中心并經(jīng)集中處理后,將傳送至公路交通系統(tǒng)的各個(gè)用戶,使公眾能夠高效地使用公路交通設(shè)施,從而到達(dá)提高道路負(fù)載能力和行駛效率以及節(jié)約能源等目的。ROI提取模塊ROI提取的目的是對(duì)交通場(chǎng)景視頻圖像中的車輛進(jìn)行粗分割,將有可能是車輛的區(qū)域從復(fù)雜的交通場(chǎng)景中分割出來以便進(jìn)行后續(xù)的檢測(cè)與跟蹤操作。其方法包括對(duì)視頻圖像序列的時(shí)域、空域及時(shí)-空域分析,但其中利用時(shí)域分析重于利用空域分析;換言之,對(duì)一個(gè)像素,檢測(cè)主要是利用了在視頻圖像序列幀中處于同一位置的像素信息,而不是僅僅利用一幀中該像素的周圍像素信息[7],這主要是由視頻圖像的特點(diǎn)決定的。對(duì)ROI的提取主要有幀差法、背景差法和非監(jiān)督分割法等幾類方法。幀差法將兩幀(或多幀)連續(xù)圖像逐像素相減,以去除靜止或移動(dòng)緩慢的物體及背景,它是消除兩幀連續(xù)圖像中的靜止物體以及提供運(yùn)動(dòng)物體(車輛)運(yùn)動(dòng)軌跡最直接的方法。除了最簡(jiǎn)單的逐像素相減,幀差圖像還可以由兩組屬于相鄰圖像幀的像素(如相鄰的四個(gè)元素)的均值相減得到。幀差法的優(yōu)點(diǎn)是計(jì)算簡(jiǎn)單且不易受環(huán)境光線變化的影響,但它不能檢測(cè)靜止車輛,且處理效果與圖像采樣頻率以及被檢測(cè)車輛的車速有關(guān)。背景差法的基本思想是先形成交通場(chǎng)景的背景圖像,然后將待檢測(cè)圖像與背景圖像逐像素相減(理想情況下的差值圖像中非零像素點(diǎn)就表示了運(yùn)動(dòng)物體),進(jìn)而就可運(yùn)用閾值方法將運(yùn)動(dòng)物體從背景中分離出來。精確可靠的背景圖像是背景差法能否成功提取ROI的關(guān)鍵。背景圖像可由人工拍攝一幅沒有車輛的圖像來得到,也可以通過序列圖像的平均來得到。顯然,建筑物陰影、浮云或光照的變化都會(huì)造成背景環(huán)境明顯的變化;由于這些環(huán)境變化因素,作為參照物的背景需要定時(shí)更新。目前有多種背景更新方法,最常用的方法是多幀平均(FrameAveraging)法和選擇更新(SelectiveUpdating)法。非監(jiān)督視頻分割法就是在不需要人為操作的情況下自動(dòng)將視頻序列圖像分割為代表不同物體的連通區(qū)域的技術(shù),因而也可以運(yùn)用到基于視頻的車輛檢測(cè)中。其有k-均值聚類法、SPCPE(同步分割與類別參數(shù)估計(jì))法等。車輛檢測(cè)模塊閾值法：車輛是致密的運(yùn)動(dòng)物體和周圍靜止背景的灰度值存在差異。這樣通過設(shè)定閾值就可以將車輛從背景中提取出來。最簡(jiǎn)單的車輛檢測(cè)方法就是對(duì)提取的ROI區(qū)域進(jìn)行閾值處理,高于閾值的像素屬于運(yùn)動(dòng)物體(車輛),反之就是背景。然而不恰當(dāng)?shù)拈撝颠x取會(huì)造成車輛的誤檢測(cè),閾值過高會(huì)造成漏檢,閾值過低又會(huì)把背景檢測(cè)為車輛或?qū)⑾噜徿囕v檢測(cè)為同一輛車,所以在判斷ROI是否為車輛時(shí)閾值的選取至關(guān)重要。閾值選取分為全局閾值和局部閾值選取。檢測(cè)線法：在待檢測(cè)圖像上的合適位置設(shè)置檢測(cè)線,檢測(cè)線的作用類似于埋于地下的感應(yīng)線圈傳感器,它的方向與車輛行駛方向垂直。當(dāng)車輛經(jīng)過檢測(cè)線時(shí),檢測(cè)線位置上的圖像就會(huì)由于車輛的覆蓋而發(fā)生改變,當(dāng)運(yùn)動(dòng)物體覆蓋檢測(cè)線的寬度大于某個(gè)閾值時(shí),就認(rèn)為檢測(cè)到一輛車。邊緣檢測(cè)法：通常效率較高,甚至可以檢測(cè)出靜止車輛。當(dāng)圖像亮度發(fā)生變化時(shí)表現(xiàn)也較為穩(wěn)健,因?yàn)檫吘壭畔⒓词故窃诟鞣N昏暗的光照環(huán)境下仍較為明顯。用于檢測(cè)車輛邊緣的方法有多種,如梯度算子、Laplacian算子、Kirsch算子等。另外由于形態(tài)邊緣檢測(cè)法的優(yōu)良性能,所以也常常被采用。時(shí)域運(yùn)動(dòng)估計(jì)法：這種車輛檢測(cè)方法的核心思想是通過時(shí)域的運(yùn)動(dòng)估計(jì)跟蹤圖像序列中的運(yùn)動(dòng)物體來提高分割的準(zhǔn)確性,將車輛跟蹤過程和圖像分割過程結(jié)合起來,進(jìn)而減少計(jì)算復(fù)雜度,提高系統(tǒng)的實(shí)時(shí)處理能力。它綜合考慮了空域和時(shí)域信息。在匹配不同圖像幀中表示同一車輛的運(yùn)動(dòng)塊的過程中,可以得到被跟蹤車輛在n幀序列圖像中的形態(tài)演變,因而也就有可能預(yù)測(cè)其在n+1幀中的形狀,從而能糾正車輛圖像的誤分割情況,如運(yùn)動(dòng)塊突然出現(xiàn)、消失以及形狀突變等。這種方法和其他車輛檢測(cè)跟蹤方法主要的不同在于分割過程和跟蹤過程是同步進(jìn)行的,而不是在跟蹤過程前就有了明確的分割結(jié)果。基于模型的車輛檢測(cè)方法：與前述的車輛檢測(cè)方法相比其優(yōu)點(diǎn)在于能獲得對(duì)圖像內(nèi)容的理解,而前述方法實(shí)質(zhì)上都是對(duì)待檢測(cè)圖像中的一組像素進(jìn)行檢測(cè)和跟蹤,屬于非模型方法。換句話說,非模型方法只是將處理得到的待檢測(cè)圖像中的運(yùn)動(dòng)塊看作一組像素的集合,其缺點(diǎn)在于有可能把誤分割形成的像素集合也檢測(cè)為一個(gè)車輛對(duì)象;而基于模型的方法將這些像素看作是三維世界中的車輛在二維圖像平面上的投影,經(jīng)過與預(yù)先建立的模型在圖像塊同一位置的投影相匹配,可以直接得到車輛的長(zhǎng)、寬、高及車輛類型等信息,它是一個(gè)二維到三維的匹配過程。車輛跟蹤模塊檢測(cè)出車輛后,車輛跟蹤就比較容易了。大多數(shù)車輛跟蹤方法都遵循一個(gè)基本原則,即用空間距離判斷兩相鄰幀中的車輛是否為同一輛車,進(jìn)而完成時(shí)域上車輛的跟蹤。空間距離可以是最簡(jiǎn)單的歐幾里德距離,也可以是其他距離標(biāo)準(zhǔn)如Hausdoff距離。跟蹤方法大致有以下四類：基于模型的方法，這種跟蹤方法為模型法檢測(cè)車輛的后續(xù)操作。如前文所述,這種方法的核心是建立的已知車輛對(duì)象的精細(xì)三維模型與待檢測(cè)圖像之間的匹配操作。其缺點(diǎn)是對(duì)車輛模型的過分依賴,而很明顯的是不可能為公路上行駛的每種車輛都建立精細(xì)的模型。此外這種方法的計(jì)算量較大,不利于實(shí)時(shí)處理。基于區(qū)域的跟蹤方法就是在時(shí)域上跟蹤車輛檢測(cè)模塊檢測(cè)出的一個(gè)個(gè)像素連通塊,這些塊區(qū)域表示檢測(cè)出的車輛。這種方法在車輛稀少時(shí)效果很好,且塊區(qū)域可以提供豐富的信息如大小、形狀、密度等。動(dòng)態(tài)輪廓模型跟蹤方法的主要思想是先初始勾勒出車輛的輪廓并且不斷地在后續(xù)幀更新輪廓進(jìn)而達(dá)到跟蹤的目的。然而基于區(qū)域的方法在陰影和道路擁擠的情況下其效果會(huì)變得很差,因?yàn)殛幱昂蛙囕v之間的遮擋都會(huì)將本來相鄰的多個(gè)連通塊變?yōu)橐粋€(gè),造成漏檢和誤檢。這種方法其實(shí)是基于區(qū)域方法的一個(gè)變形,與區(qū)域方法相比優(yōu)點(diǎn)在于計(jì)算量低,而缺點(diǎn)是存在初始化困難的問題。它存在和區(qū)域法一樣的問題,即在陰影和擁塞情況下效果欠佳。上述方法都是將車輛作為最小單元進(jìn)行跟蹤,而基于特征的方法則是將車輛的特征作為最小跟蹤單元。這些特征可以是點(diǎn)、線或者曲線等,這些點(diǎn)、線條可能代表了車輛的保險(xiǎn)桿、車窗、車頂棚等。此方法的優(yōu)點(diǎn)在于即使是在車輛間相互遮擋的情況下,車輛的很大一部分特征還是可見的,可以為跟蹤過程提供依據(jù)。但它存在需要特征聚類的問題,即眾多的特征中分析哪些是屬于同一輛車的。如下是采用背景自動(dòng)建模、時(shí)域的運(yùn)動(dòng)估計(jì)和區(qū)域跟蹤方法進(jìn)行實(shí)時(shí)流量統(tǒng)計(jì)的展示：過線后流量增值過線后流量增值圖交通道口車流檢測(cè)統(tǒng)計(jì)3.2.4浮動(dòng)交通信息采集系統(tǒng)浮動(dòng)車通常是指具有定位和無線通信裝置的車輛（主要包括出租汽車、公共汽車、私人小汽車、火車、輪船、飛機(jī)等日常交通運(yùn)輸工具）。浮動(dòng)車系統(tǒng)一般由3部分組成：車載設(shè)備、無線通信網(wǎng)絡(luò)和數(shù)據(jù)處理中心。浮動(dòng)車將采集所得的位置和時(shí)間數(shù)據(jù)上傳給書數(shù)據(jù)處理中心，有數(shù)據(jù)處理中心對(duì)數(shù)據(jù)進(jìn)行存儲(chǔ)、預(yù)處理，然后利用相關(guān)模型算法將數(shù)據(jù)匹配到地圖上，計(jì)算或預(yù)測(cè)車輛行駛速度、路段行程時(shí)間等道路運(yùn)行參數(shù)。浮動(dòng)車系統(tǒng)的基本數(shù)據(jù)是車輛實(shí)時(shí)地地理坐標(biāo)，校準(zhǔn)時(shí)間和行駛速度。這些數(shù)據(jù)反映了車輛在城市中的相對(duì)位置已經(jīng)運(yùn)行狀態(tài)。由于裝載了GPS系統(tǒng)的車輛在城市上的運(yùn)行狀態(tài)取決于其所行駛路段的道路情況、擁擠程度、交通流量的交通狀況?？梢哉J(rèn)為，當(dāng)系統(tǒng)擁有一定數(shù)量規(guī)模的浮動(dòng)車情況下，將有效、實(shí)時(shí)的采集包括點(diǎn)車速、路段平局車速、路段交通流量等在內(nèi)的道路交通信息。浮動(dòng)車交通數(shù)據(jù)平臺(tái)是基于全球定位技術(shù)（GPS），地理信息技術(shù)GIS，無線通信技術(shù)（如GSM，CDMA或?qū)＞W(wǎng)），計(jì)算機(jī)網(wǎng)絡(luò)通信與數(shù)據(jù)處理技術(shù)，利用安裝在運(yùn)行車輛上配備GPS定位模塊和內(nèi)置無線通信裝置的浮動(dòng)車終端，實(shí)時(shí)回傳所經(jīng)過的路網(wǎng)縱斷面的交通流數(shù)據(jù)，所采集的信息可以作為傳統(tǒng)交通監(jiān)測(cè)數(shù)據(jù)的重要補(bǔ)充，并且為車載導(dǎo)航提供動(dòng)態(tài)的路網(wǎng)交通信息。另一方面，由于我國(guó)誘導(dǎo)系統(tǒng)尚未完善。由火車、輪渡、飛機(jī)航班的誤點(diǎn)，造成出站口車輛的安排不能夠達(dá)最優(yōu)狀態(tài)。因此目前百姓出行的最大需求為，通過浮動(dòng)物的實(shí)時(shí)數(shù)據(jù)整合，出租車公司及接站人員可以及時(shí)的了解到出站口點(diǎn)人員到站信息，最大限度的減少人們不必要等待時(shí)間，節(jié)省不必要的開支。浮動(dòng)交通信息采集系統(tǒng)可為乘客提供電召服務(wù)。根據(jù)乘客的需求，對(duì)滿足需求的出租車發(fā)送電召信息，并建立指定出租車司機(jī)與乘客直接交流的語音通道，既方便了市民出行，同時(shí)也降低了車輛空駛率，增加了出租車司機(jī)收入和公司的運(yùn)營(yíng)收入。據(jù)初步應(yīng)用該系統(tǒng)的區(qū)域統(tǒng)計(jì)，目前每周約4000單電召業(yè)務(wù)，電召成功率達(dá)65%，出租車實(shí)載率為60%-70%，空載率降低20%。該系統(tǒng)可為司機(jī)提供防劫報(bào)警保障。遇到緊急情況，司機(jī)可踩下報(bào)警開關(guān)，車載終端將實(shí)時(shí)上傳被劫出租車的行駛軌跡及車內(nèi)聲音等其他相關(guān)信息，為警情追蹤、事后追查提供可靠資料。據(jù)統(tǒng)計(jì)，系統(tǒng)初步投入使用后，每年丟車數(shù)量由170輛左右下降到10輛左右，并幫助警方破獲盜搶出租車案件數(shù)十起，找回被盜搶70多輛出租車。該系統(tǒng)可為城市交通出行者、運(yùn)營(yíng)企業(yè)和管理部門提供信息服務(wù)。通過手機(jī)、廣播、互聯(lián)網(wǎng)、呼叫中心等方式，為公眾提供路況信息服務(wù)，通過車輛監(jiān)控、車輛分布、軌跡回放、繞道投訴仲裁、空/重車狀態(tài)、司機(jī)管理、車輛調(diào)度、乘客OD調(diào)查等信息統(tǒng)計(jì)分析，為出租車企業(yè)提供了科學(xué)的管理和經(jīng)營(yíng)手段；通過違章超速、肇事逃逸、越界行駛等車輛軌跡回放，分析車輛安全事故分布與司機(jī)違章情況，為行業(yè)管理部門提供有效的執(zhí)法辦案依據(jù)，約束和規(guī)范司機(jī)駕駛行為。3.2.5城市道路交通相關(guān)信息采集鐵路、地鐵、公路、碼頭、機(jī)場(chǎng)等3.3存儲(chǔ)層當(dāng)今社會(huì)是個(gè)高速發(fā)展的社會(huì)，各行各業(yè)的數(shù)據(jù)都在成倍的增長(zhǎng)，無錫市每年僅交通卡口車輛通過所產(chǎn)生的數(shù)據(jù)記錄條數(shù)約為200億條，而Oracle數(shù)據(jù)庫的上限值10億條，超過上限值后查詢效率會(huì)大大降低。對(duì)于全市20萬個(gè)攝像頭，每個(gè)月所產(chǎn)生的數(shù)據(jù)量將有120PB，如何才能有效地、及時(shí)地將如此龐大的數(shù)據(jù)量存儲(chǔ)下來，成為了必須要解決的問題之一。3.3.1云存儲(chǔ)概述隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展，城市每天都產(chǎn)生大量交通數(shù)據(jù)需要存儲(chǔ)設(shè)備來存儲(chǔ)，如果還使用大型機(jī)、小型機(jī)等傳統(tǒng)的存儲(chǔ)設(shè)備，硬件成本和維護(hù)成本必定是昂貴的。同時(shí)，國(guó)家倡導(dǎo)節(jié)能減排，減少用電，節(jié)約用電，不但是企業(yè)降低運(yùn)營(yíng)成本的需要，更是作為一個(gè)公民應(yīng)盡的義務(wù)。云存儲(chǔ)系統(tǒng)正是在這樣的背景下發(fā)展起來的。云存儲(chǔ)是在云計(jì)算(cloudcomputing)概念上延伸和發(fā)展出來的一個(gè)新的概念，是指通過集群應(yīng)用、網(wǎng)格計(jì)算或分布式文件系統(tǒng)等功能，將網(wǎng)絡(luò)中大量各種不同類型的存儲(chǔ)設(shè)備通過應(yīng)用軟件集合起來協(xié)同工作，共同對(duì)外提供數(shù)據(jù)存儲(chǔ)和業(yè)務(wù)訪問功能的一個(gè)系統(tǒng)。當(dāng)云計(jì)算系統(tǒng)運(yùn)算和處理的核心是大量數(shù)據(jù)的存儲(chǔ)和管理時(shí)，云計(jì)算系統(tǒng)中就需要配置大量的存儲(chǔ)設(shè)備，那么云計(jì)算系統(tǒng)就轉(zhuǎn)變成為一個(gè)云存儲(chǔ)系統(tǒng)，所以云存儲(chǔ)是一個(gè)以數(shù)據(jù)存儲(chǔ)和管理為核心的云計(jì)算系統(tǒng)。3.3.2分布式云存儲(chǔ)構(gòu)架存儲(chǔ)層存儲(chǔ)層是云存儲(chǔ)基礎(chǔ)的部分。存儲(chǔ)設(shè)備可以是FC光纖通道存儲(chǔ)設(shè)備，可以是NAS和iSCSI等IP存儲(chǔ)設(shè)備，也可以是SCSI或SAS等DAS存儲(chǔ)設(shè)備。云存儲(chǔ)中的存儲(chǔ)設(shè)備往往數(shù)量龐大且分布多不同地域，彼此之間通過廣域網(wǎng)、互聯(lián)網(wǎng)或者FC光纖通道網(wǎng)絡(luò)連接在一起。存儲(chǔ)設(shè)備之上是一個(gè)統(tǒng)一存儲(chǔ)設(shè)備管理系統(tǒng)，可以實(shí)現(xiàn)存儲(chǔ)設(shè)備的邏輯虛擬化管理、多鏈路冗余管理，以及硬件設(shè)備的狀態(tài)監(jiān)控和故障維護(hù)?；A(chǔ)管理層基礎(chǔ)管理層是云存儲(chǔ)最核心的部分，也是云存儲(chǔ)中最難以實(shí)現(xiàn)的部分?；A(chǔ)管理層通過集群、分布式文件系統(tǒng)和網(wǎng)格計(jì)算等技術(shù)，實(shí)現(xiàn)云存儲(chǔ)中多個(gè)存儲(chǔ)設(shè)備之間的協(xié)同工作，使多個(gè)的存儲(chǔ)設(shè)備可以對(duì)外提供同一種服務(wù)，并提供更大更強(qiáng)更好的數(shù)據(jù)訪問性能。CDN內(nèi)容分發(fā)系統(tǒng)、數(shù)據(jù)加密技術(shù)保證云存儲(chǔ)中的數(shù)據(jù)不會(huì)被未授權(quán)的用戶所訪問，同時(shí)，通過各種數(shù)據(jù)備份和容災(zāi)技術(shù)和措施可以保證云存儲(chǔ)中的數(shù)據(jù)不會(huì)丟失，保證云存儲(chǔ)自身的安全和穩(wěn)定。應(yīng)用接口層應(yīng)用接口層是云存儲(chǔ)最靈活多變的部分。不同的云存儲(chǔ)運(yùn)營(yíng)單位可以根據(jù)實(shí)際業(yè)務(wù)類型，開發(fā)不同的應(yīng)用服務(wù)接口，提供不同的應(yīng)用服務(wù)。比如視頻監(jiān)控應(yīng)用平臺(tái)、IPTV和視頻點(diǎn)播應(yīng)用平臺(tái)、網(wǎng)絡(luò)硬盤引用平臺(tái)，遠(yuǎn)程數(shù)據(jù)備份應(yīng)用平臺(tái)等。訪問層任何一個(gè)授權(quán)用戶都可以通過標(biāo)準(zhǔn)的公用應(yīng)用接口來登錄云存儲(chǔ)系統(tǒng)，享受云存儲(chǔ)服務(wù)。云存儲(chǔ)運(yùn)營(yíng)單位不同，云存儲(chǔ)提供的訪問類型和訪問手段也不同。3.3.3智能交通云存儲(chǔ)建議根據(jù)無錫智能交通中所面臨的海量數(shù)據(jù)，如何實(shí)時(shí)地將這些數(shù)據(jù)進(jìn)行存放成為了關(guān)鍵因素，cStor云存儲(chǔ)系統(tǒng)是9年來不斷積累與更新的結(jié)晶，是國(guó)內(nèi)最早實(shí)現(xiàn)并保持領(lǐng)先的云存儲(chǔ)系統(tǒng)。整套系統(tǒng)包括軟件與硬件，是一個(gè)海量的云存儲(chǔ)平臺(tái)。cStor云存儲(chǔ)系統(tǒng)與傳統(tǒng)的大規(guī)模存儲(chǔ)系統(tǒng)相比，它具有構(gòu)建成本低、性能高效可靠、使用簡(jiǎn)單方便的特點(diǎn)。在需要存儲(chǔ)大量數(shù)據(jù)（如視頻數(shù)據(jù)、業(yè)務(wù)數(shù)據(jù)等）的應(yīng)用場(chǎng)合，可以大幅提高存儲(chǔ)系統(tǒng)性價(jià)比。與目前國(guó)際上知名的Google、Amazon等云存儲(chǔ)相比，具有更高的性價(jià)比、更低的能耗、更加通用和更方便的使用模式。cStor云存儲(chǔ)集群云創(chuàng)存儲(chǔ)科技有限公司自主研發(fā)的cStor超低功耗的云存儲(chǔ)節(jié)點(diǎn)主板，功耗僅10瓦，較之傳統(tǒng)的方式下200多瓦的功耗，更為節(jié)能環(huán)保。同時(shí)，“云創(chuàng)”的云集群有著前所未有的集成度，單機(jī)架容量可以達(dá)到1.1PB。cStor云存儲(chǔ)可以做到高可靠，高性能，超低功耗，超高集成度，超低成本。所以說云存儲(chǔ)的性價(jià)比極高，幾乎就是一堆硬盤的價(jià)格，而且這個(gè)系統(tǒng)對(duì)用戶而言非常簡(jiǎn)單，連接上去看上去是一個(gè)很大的盤，空間無限大的盤。cStor中每個(gè)存儲(chǔ)節(jié)點(diǎn)的硬件參數(shù)如下表所示：名稱相關(guān)參數(shù)CPU低功耗多核處理器內(nèi)存1G~4GDDR2硬盤3T*16SATAII企業(yè)級(jí)，磁盤在線熱插撥，磁盤故障維護(hù)不停機(jī)風(fēng)扇2個(gè)網(wǎng)卡雙千兆網(wǎng)絡(luò)端口，支持冗余的多路徑數(shù)據(jù)傳輸電源冗余的熱插拔電源技術(shù)，支持電源自動(dòng)故障切換云存儲(chǔ)產(chǎn)品優(yōu)勢(shì)成本優(yōu)勢(shì)云存儲(chǔ)產(chǎn)品是提供商在互聯(lián)網(wǎng)上部署一個(gè)存儲(chǔ)服務(wù)器，然后租用給企業(yè)。使用云存儲(chǔ)產(chǎn)品可以以比較低的價(jià)錢，來享受比較高的存儲(chǔ)服務(wù)。利用現(xiàn)在比較流行的話來說，就是價(jià)廉物美。另外現(xiàn)在在云存儲(chǔ)產(chǎn)品中結(jié)合了分級(jí)存儲(chǔ)的理念，來進(jìn)一步降低存儲(chǔ)成本。分級(jí)存儲(chǔ)就是根據(jù)數(shù)據(jù)的重要性不同，將其分別存儲(chǔ)在高、中、低端存儲(chǔ)系統(tǒng)中。管理優(yōu)勢(shì)首先，云存儲(chǔ)產(chǎn)品的維護(hù)任務(wù)都是由供應(yīng)商來完成的。也就是說，企業(yè)自己并不需要配備專業(yè)的存儲(chǔ)系統(tǒng)管理員。其次，更加容易擴(kuò)展?，F(xiàn)在的云存儲(chǔ)產(chǎn)品基本上都是根據(jù)模塊化來設(shè)計(jì)的。而模塊化設(shè)計(jì)的一個(gè)重要的優(yōu)勢(shì)就在于其靈活性比較高。在后續(xù)可以根據(jù)業(yè)務(wù)來進(jìn)行擴(kuò)展。訪問優(yōu)勢(shì)云存儲(chǔ)產(chǎn)品與自己部署服務(wù)器，有一個(gè)很大區(qū)別，就是服務(wù)器的放置位置。自己部署服務(wù)器，由于種種原因的限制，服務(wù)器往往是放置在企業(yè)內(nèi)部。而云存儲(chǔ)產(chǎn)品，其服務(wù)器是放置在互聯(lián)網(wǎng)上。而這個(gè)服務(wù)器位置的不同，用戶訪問的途徑也就有所差異。云存儲(chǔ)產(chǎn)品由于服務(wù)器是放置在互聯(lián)網(wǎng)上，為此無論是內(nèi)網(wǎng)用戶還是外網(wǎng)用戶，要訪問存儲(chǔ)在云存儲(chǔ)產(chǎn)品上的信息，都必須通過互聯(lián)網(wǎng)才可以(有些會(huì)在企業(yè)內(nèi)部服務(wù)器上創(chuàng)建副本)。而由于存儲(chǔ)服務(wù)器性能的優(yōu)越，同時(shí)會(huì)租用比較大的帶寬，為此用戶訪問的速度還是可以接受的。量身定制的解決方案云存儲(chǔ)產(chǎn)品在提供其存儲(chǔ)空間時(shí)，其實(shí)提供的并不光光是空間本身，而且還會(huì)根據(jù)企業(yè)的需求給出一個(gè)量身定制的解決方案。企業(yè)有不同的信息化信用。不同的信息化應(yīng)用其對(duì)存儲(chǔ)設(shè)備的要求都是不同的。只有分別對(duì)待，才能夠在節(jié)省成本的同時(shí)，在性能與安全上得到最大的滿足。3.4處理層數(shù)據(jù)采集存儲(chǔ)是一方面，而在智能交通領(lǐng)域中，如何體現(xiàn)出智能，則與計(jì)算密切相關(guān)，在如此繁雜的數(shù)據(jù)中，提取有用數(shù)據(jù)，進(jìn)行智能處理分析，得出人們感興趣的結(jié)論，并及時(shí)予以反饋，這才是智能的表現(xiàn)，而海量數(shù)據(jù)的實(shí)時(shí)處理同樣是一個(gè)需要攻克的難關(guān)。3.4.1數(shù)據(jù)量激增帶來的處理挑戰(zhàn)近年來，隨著我國(guó)城市化進(jìn)程的加快和社會(huì)經(jīng)濟(jì)的快速發(fā)展，各類機(jī)動(dòng)車的保有量急劇增多傳統(tǒng)的依靠加大基礎(chǔ)設(shè)施投入的方法已經(jīng)不能解決人們?nèi)找嬖鲩L(zhǎng)的交通出行需求，以深圳為例，至2011年底，深圳機(jī)動(dòng)車的保有量將超過140萬輛，目前每月新增機(jī)動(dòng)車約2.4萬輛。城市交通面臨運(yùn)輸效率低、安全形勢(shì)突出、能源消耗高、環(huán)境污染問題嚴(yán)重，各類道路交通出行的需求已經(jīng)接近現(xiàn)有設(shè)施通行能力的極限，交通運(yùn)輸問題成為制約我國(guó)國(guó)民經(jīng)濟(jì)發(fā)展的重要因素，智能交通是改善和提高交通運(yùn)輸系統(tǒng)這一現(xiàn)狀的重要手段。3.4.2cProc云處理平臺(tái)架構(gòu)根據(jù)無錫智能交通中所面臨的實(shí)時(shí)海量數(shù)據(jù)處理的需求，cProc云處理平臺(tái)將成為理想的解決手段。cProc是一種處理海量數(shù)據(jù)的并行編程模型和計(jì)算框架的高效分布式云處理平臺(tái)，通過把對(duì)數(shù)據(jù)集的大規(guī)模操作分發(fā)給網(wǎng)絡(luò)上的每個(gè)節(jié)點(diǎn)實(shí)現(xiàn)數(shù)據(jù)處理，每個(gè)節(jié)點(diǎn)會(huì)周期性的把完成的工作和狀態(tài)的更新報(bào)告回來。隨著節(jié)點(diǎn)的增多，cProc的處理能力將成倍數(shù)增長(zhǎng)。cProc支持100GB以上量級(jí)的數(shù)據(jù)流實(shí)時(shí)索引，1s內(nèi)響應(yīng)用戶請(qǐng)求，秒級(jí)完成數(shù)據(jù)處理、查詢和分析工作。如上圖所示，面對(duì)大數(shù)據(jù)量處理的需求的cProc云計(jì)算處理架構(gòu)，cProc用于應(yīng)對(duì)大規(guī)模數(shù)據(jù)的處理，是一種處理海量數(shù)據(jù)的并行編程模型和計(jì)算框架，用于對(duì)大規(guī)模數(shù)據(jù)集的并行計(jì)算。cProc通過把對(duì)數(shù)據(jù)集的大規(guī)模操作分發(fā)給網(wǎng)絡(luò)上的每個(gè)節(jié)點(diǎn)實(shí)現(xiàn)數(shù)據(jù)處理,每個(gè)節(jié)點(diǎn)會(huì)周期性的把完成的工作和狀態(tài)的更新報(bào)告回來。隨著節(jié)點(diǎn)的增多，cProc的處理能力將成倍數(shù)增長(zhǎng)。為了進(jìn)一步加快海量數(shù)據(jù)的處理速度，我們建議一種基于多字段B+樹的索引方式，即“數(shù)據(jù)立方”技術(shù)，如下圖所示：數(shù)據(jù)立方針對(duì)任意多關(guān)鍵字的實(shí)時(shí)引索，由一個(gè)或多個(gè)管理節(jié)點(diǎn)，一個(gè)或多個(gè)計(jì)算及存儲(chǔ)節(jié)點(diǎn)（數(shù)據(jù)節(jié)點(diǎn)）組成，系統(tǒng)在數(shù)據(jù)建立與查詢時(shí)，分布式建立與應(yīng)用數(shù)據(jù)立方索引結(jié)構(gòu)，在數(shù)據(jù)建立及存儲(chǔ)時(shí)，對(duì)規(guī)范化的數(shù)據(jù)設(shè)定1個(gè)或多個(gè)關(guān)鍵字字段，將不同的關(guān)鍵字字段分別建立索引，每張不同的索引生成一張獨(dú)立的B+樹結(jié)構(gòu)，多個(gè)B+樹結(jié)構(gòu)垛疊在一起，與全局?jǐn)?shù)據(jù)表形成一個(gè)完整的數(shù)據(jù)立方結(jié)構(gòu)。利用數(shù)據(jù)立方存儲(chǔ)索引結(jié)構(gòu)，可方便快捷的在海量數(shù)據(jù)云計(jì)算系統(tǒng)中準(zhǔn)確檢索定位數(shù)據(jù)。3.4.3cProc云處理平臺(tái)優(yōu)勢(shì)實(shí)時(shí)性平臺(tái)在高效率并行分布式軟件的支撐下，可以實(shí)時(shí)完成數(shù)據(jù)計(jì)算和分析工作，如數(shù)據(jù)計(jì)算、數(shù)據(jù)查詢、和統(tǒng)計(jì)分析等。數(shù)據(jù)計(jì)算不會(huì)出現(xiàn)數(shù)據(jù)堆積現(xiàn)象，各類分析和查詢工作基本都在秒級(jí)完成，具有前所未有的高效性。高可靠性基于對(duì)云計(jì)算可靠性深厚的研究積累，徹底解決了當(dāng)前分布式計(jì)算平臺(tái)易出現(xiàn)的單點(diǎn)故障問題。任何一個(gè)節(jié)點(diǎn)出現(xiàn)故障，系統(tǒng)將自動(dòng)屏蔽，而且不會(huì)出現(xiàn)丟失數(shù)據(jù)的現(xiàn)象?？缮炜s性在不停機(jī)的情況下，增加節(jié)點(diǎn)，平臺(tái)的處理能力自動(dòng)增加；減少節(jié)點(diǎn)，平臺(tái)的處理能力自動(dòng)縮減。這樣，可以做到與資源池的無縫對(duì)接，根據(jù)計(jì)算和存儲(chǔ)任務(wù)動(dòng)態(tài)地申請(qǐng)或釋放資源，最大限度地提高資源利用率。高性價(jià)比采用X86架構(gòu)廉價(jià)計(jì)算機(jī)構(gòu)建云計(jì)算平臺(tái)，用軟件容錯(cuò)替代硬件容錯(cuò)，大大節(jié)省成本。在目標(biāo)性能和可靠性條件下，可比傳統(tǒng)的小型機(jī)加商用數(shù)據(jù)庫方案節(jié)省10倍左右的成本。全業(yè)務(wù)支持采用NoSQL＋關(guān)系數(shù)據(jù)庫混合模式，絕大部分海量數(shù)據(jù)存放于分布式平臺(tái)并進(jìn)行分布式處理，少量實(shí)時(shí)性要求很高的數(shù)據(jù)存放于關(guān)系數(shù)據(jù)庫，可支撐各種類型的業(yè)務(wù)。不僅支撐查詢、統(tǒng)計(jì)、分析業(yè)務(wù)，還可支撐深度數(shù)據(jù)挖掘和商業(yè)智能分析業(yè)務(wù)。3.5認(rèn)知層3.5.1實(shí)時(shí)視頻智能識(shí)別cVideo的智能圖像檢索采用先進(jìn)的圖像處理技術(shù)并結(jié)合模式識(shí)別對(duì)已有的海量視頻進(jìn)行事件檢索，實(shí)現(xiàn)了對(duì)事件發(fā)生視頻的切片回放、運(yùn)動(dòng)幀提取和對(duì)象跟蹤。構(gòu)架于cProc云處理架構(gòu)上，使許多傳統(tǒng)模式下難以處理的識(shí)別應(yīng)用得以實(shí)現(xiàn)。cVideo的內(nèi)容識(shí)別技術(shù)，采用了先進(jìn)的背景算法，可以有效地降低日照、大霧、陰雨等實(shí)際情況下對(duì)檢測(cè)所造成的影響。因此可以廣泛地應(yīng)用與車流量、人流量檢測(cè)、行為檢測(cè)等領(lǐng)域。圖7交通道口車流檢測(cè)統(tǒng)計(jì)如何保證在云計(jì)算平臺(tái)中部分硬件或軟件發(fā)生故障的情況下仍不影響系統(tǒng)的正常運(yùn)行；如何保證在云計(jì)算平臺(tái)中高效穩(wěn)定的合理化分配和執(zhí)行任務(wù)；如何設(shè)計(jì)一套無人值守，自主管理的高效系統(tǒng)。cDispatch就是這樣一套系統(tǒng)。cDispatch調(diào)度平臺(tái)是建立于虛擬化資源層之上，統(tǒng)一調(diào)度，統(tǒng)一配置的管理平臺(tái)，用于對(duì)集群中任務(wù)實(shí)時(shí)的處理調(diào)度，實(shí)時(shí)結(jié)果集的反饋，集群的負(fù)載均衡，失敗調(diào)度，集中管理，集中配置的平臺(tái)。用來保證整個(gè)集群的超低人員干預(yù)。同時(shí)，提供完善的集群伸縮機(jī)制為整個(gè)服務(wù)提供更高的可靠性。cDispatch調(diào)度平臺(tái)任務(wù)流程如上圖，它是由一組管理節(jié)點(diǎn)（MasterNode）和一組處理節(jié)點(diǎn)（TaskNode）組成，管理節(jié)點(diǎn)組是一組基于Webserver的RPC（注：RPC采用客戶機(jī)/服務(wù)器模式。請(qǐng)求程序就是一個(gè)客戶機(jī)，而服務(wù)提供程序就是一個(gè)服務(wù)器。首先，客戶機(jī)調(diào)用進(jìn)程發(fā)送一個(gè)有進(jìn)程參數(shù)的調(diào)用信息到服務(wù)進(jìn)程，然后等待應(yīng)答信息。在服務(wù)器端，進(jìn)程保持睡眠狀態(tài)直到調(diào)用信息的到達(dá)為止。當(dāng)一個(gè)調(diào)用信息到達(dá)，服務(wù)器獲得進(jìn)程參數(shù)，計(jì)算結(jié)果，發(fā)送答復(fù)信息，然后等待下一個(gè)調(diào)用信息，最后，客戶端調(diào)用進(jìn)程接收答復(fù)信息，獲得進(jìn)程結(jié)果，然后調(diào)用執(zhí)行繼續(xù)進(jìn)行）。服務(wù)器節(jié)點(diǎn)組負(fù)責(zé)對(duì)處理節(jié)點(diǎn)的系統(tǒng)信息以及任務(wù)處理信息進(jìn)行實(shí)時(shí)的跟蹤和保存，對(duì)應(yīng)的信息鏡像存儲(chǔ)在基于cStor或者NFS服務(wù)的存儲(chǔ)系統(tǒng)上，保證每個(gè)管理節(jié)點(diǎn)中的鏡像信息的實(shí)時(shí)同步。同時(shí)架設(shè)在管理節(jié)點(diǎn)上的ZooKeeper服務(wù)（注：ZooKeeper是一個(gè)分布式的，開放源碼的分布式應(yīng)用程序協(xié)調(diào)服務(wù)，包含一個(gè)簡(jiǎn)單的原語集。分布式應(yīng)用可以使用它來實(shí)現(xiàn)諸如：統(tǒng)一命名服務(wù)、配置管理、分布式鎖服務(wù)、集群管理等功能），用于對(duì)整個(gè)管理節(jié)點(diǎn)組進(jìn)行統(tǒng)一的配置化管理。處理節(jié)點(diǎn)組通過RPC的遠(yuǎn)程調(diào)用獲取各自節(jié)點(diǎn)的任務(wù)處理目標(biāo)，并實(shí)時(shí)的和處理節(jié)點(diǎn)上的任務(wù)處理目標(biāo)進(jìn)行對(duì)比，控制程序的執(zhí)行和結(jié)束。處理節(jié)點(diǎn)組會(huì)在一個(gè)設(shè)定的心跳間隔內(nèi)主動(dòng)的和管理節(jié)點(diǎn)組聯(lián)系一次，報(bào)告節(jié)點(diǎn)存活狀態(tài)。如果在若干個(gè)心跳間隔后管理節(jié)點(diǎn)組仍然沒有獲取到處理節(jié)點(diǎn)心跳報(bào)告，那么該處理節(jié)點(diǎn)將會(huì)被踢出處理節(jié)點(diǎn)組，同時(shí)該節(jié)點(diǎn)處理的所有處理任務(wù)也會(huì)被重新調(diào)度。隨著集群處理數(shù)據(jù)量的不斷增大，處理節(jié)點(diǎn)組提供了簡(jiǎn)單高效的自動(dòng)化部署方案，當(dāng)新機(jī)器加入處理集群后，會(huì)主動(dòng)的與管理節(jié)點(diǎn)組同步心跳信息，從同一配置服務(wù)器ZooKeeper上獲取相關(guān)配置信息，通過WebServer服務(wù)獲取任務(wù)列表，開始執(zhí)行數(shù)據(jù)處理工作。cDispatch調(diào)度平臺(tái)提供了一套基于Web的管理化界面，可以實(shí)時(shí)的觀察各個(gè)處理節(jié)點(diǎn)的任務(wù)運(yùn)行狀態(tài)，以及任務(wù)列表的分配情況，機(jī)器的負(fù)載情況等。用戶在管理系統(tǒng)界面上可以完成所有的工作，如新任務(wù)的添加，任務(wù)的手動(dòng)調(diào)度以及集群日志的查看與分析等。任務(wù)處理節(jié)點(diǎn)和管理節(jié)點(diǎn)之間維護(hù)一個(gè)心跳時(shí)間，實(shí)時(shí)向管理節(jié)點(diǎn)匯報(bào)任務(wù)處理信息，同時(shí)，任務(wù)處理節(jié)點(diǎn)在每個(gè)心跳時(shí)間內(nèi)向管理節(jié)點(diǎn)獲取該處理的任務(wù)列表，并和本機(jī)正在處理的任務(wù)列表進(jìn)行比對(duì)，完成相關(guān)的任務(wù)調(diào)度工作。若一個(gè)處理節(jié)點(diǎn)在多個(gè)心跳時(shí)間范圍內(nèi)仍然沒有主動(dòng)的和管理節(jié)點(diǎn)相互聯(lián)系，那么管理節(jié)點(diǎn)將會(huì)根據(jù)各機(jī)器的負(fù)載情況，將失去心跳連接的處理節(jié)點(diǎn)上的任務(wù)進(jìn)行任務(wù)的重新分配和執(zhí)行。3.5.2行為識(shí)別行為識(shí)別技術(shù)是對(duì)物體實(shí)現(xiàn)監(jiān)測(cè)、分類、跟蹤和計(jì)數(shù)的一種視頻分析系統(tǒng)。行為識(shí)別技術(shù)是根據(jù)一定規(guī)則來分析和判斷，從而可設(shè)置對(duì)特定行為報(bào)警。行為識(shí)別是建立在某些專利技術(shù)的基礎(chǔ)上的視頻技術(shù)，分別介紹如下：1、智能視頻識(shí)別：一個(gè)視頻圖像算法家族，可以用來檢測(cè)和補(bǔ)償環(huán)境和攝像機(jī)引起的一系列變化：攝像穩(wěn)定性、背景識(shí)別、透視準(zhǔn)確性、自適應(yīng)限度、陰影的忽略、PTZ攝像機(jī)的控制。2、目標(biāo)分割：引擎能將目標(biāo)物從背景中準(zhǔn)確的分割出來，忽略非目標(biāo)物的變化，比如樹木的移動(dòng)和光線的改變。也能將目標(biāo)群分割成單個(gè)的目標(biāo)。3、軌跡跟蹤：檢測(cè)到目標(biāo)物超過一定時(shí)限就建立目標(biāo)的行動(dòng)、軌跡和速度函數(shù)，以便于對(duì)物的尺寸、數(shù)量和形狀的測(cè)定更準(zhǔn)確。所顯示目標(biāo)物軌跡實(shí)時(shí)更新，以便識(shí)別入侵者的入侵方向入侵后的路徑。4、目標(biāo)檢測(cè)：主要是對(duì)目標(biāo)的位置、尺寸和形狀的判斷和非目標(biāo)物的高精度過濾。5、行為識(shí)別：應(yīng)用一定的規(guī)則識(shí)別目標(biāo)的位置、速度和方向;此外，也可以判斷目標(biāo)的數(shù)量。6、高效開發(fā)工具：開發(fā)了并行運(yùn)行模式和高級(jí)中央處理器的多媒體指令集，給出了業(yè)界最高的性價(jià)比視頻監(jiān)督視頻監(jiān)督在傳統(tǒng)稱謂上稱之為智能視頻監(jiān)控技術(shù)。智能視頻監(jiān)控技術(shù)的應(yīng)用除了運(yùn)動(dòng)目標(biāo)檢測(cè)等基本技術(shù)，還必須結(jié)合其它算法和技術(shù)。在智能視頻分析中，圖像分割和運(yùn)動(dòng)目標(biāo)檢測(cè)是基本問題，近年來圍繞這些問題進(jìn)行了很多研究，但是他們?nèi)匀皇蔷哂刑魬?zhàn)性的課題，需要解決的核心技術(shù)問題有運(yùn)動(dòng)模糊、背景差方法中光線的變化、實(shí)時(shí)性要求、遮擋問題等。早期的鏡頭分割算法是在像素域上進(jìn)行的，但是這種方法對(duì)于像素的快速運(yùn)動(dòng)非常敏感，導(dǎo)致了大量的誤檢。后來發(fā)展的基于幀間直方圖差的鏡頭分割算法，因?yàn)槠渌惴◤?fù)雜度低，鏡頭分割效果好，成為目前大受歡迎的方法。運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤是事件檢測(cè)、行為識(shí)別、視頻圖像的壓縮編碼和語義索引等自動(dòng)或者半自動(dòng)視頻監(jiān)控高層應(yīng)用的基礎(chǔ)。目前，運(yùn)動(dòng)目標(biāo)檢測(cè)的方法有：時(shí)態(tài)差分法(temporaldifferencing)，背景差法(Backgroundsubtraction)和基于光流的方法(opticalflow)等。背景差的方法是基于灰度的一種運(yùn)動(dòng)目標(biāo)的檢測(cè)方法，常用基于特征的方法。基于特征的檢測(cè)是依據(jù)圖像的特征(點(diǎn)，線，矩)或由特征組成的模型(多邊形，多面體)來檢測(cè)運(yùn)動(dòng)目標(biāo)。它多用于目標(biāo)較大，特征容易提取，或具有匹配用標(biāo)準(zhǔn)目標(biāo)模型庫的場(chǎng)合。背景差法可以提取非常完整的目標(biāo)，但容易受到光照等引起的背景變化的影響。近年來一些統(tǒng)計(jì)的方法被引入來實(shí)現(xiàn)背景建模和背景剔除，極大地增強(qiáng)了背景差法對(duì)光照變化和陰影等噪聲的魯棒性。根據(jù)模型特征進(jìn)行背景建模有很多種方法，其中基于像素強(qiáng)度的統(tǒng)計(jì)模型建?？梢赃m應(yīng)漸變的光照，但對(duì)突變的光照則存在問題。卡爾曼濾波器作為一種簡(jiǎn)單易行的方法已被廣泛應(yīng)用于目標(biāo)跟蹤。紋理分析基于光流場(chǎng)和運(yùn)動(dòng)參數(shù)估計(jì)，是另外一種常用的運(yùn)動(dòng)區(qū)域檢測(cè)算法，但由于孔徑和遮擋問題，光流的可靠性比較差?；谪惾~斯概率統(tǒng)計(jì)的運(yùn)動(dòng)分割方法可同時(shí)進(jìn)行分割和運(yùn)動(dòng)估計(jì)，效果較好，但是計(jì)算復(fù)雜，計(jì)算量大，不適于實(shí)時(shí)處理?，F(xiàn)今國(guó)內(nèi)外主要有兩種數(shù)字視頻監(jiān)控系統(tǒng)，一種是以數(shù)字錄像設(shè)備為核心的視頻監(jiān)控系統(tǒng)，另一種是以嵌入式智能視頻監(jiān)控系統(tǒng)。嵌入方式的視頻監(jiān)控系統(tǒng)是以應(yīng)用為中心，適應(yīng)應(yīng)用系統(tǒng)對(duì)功能、可靠性、成本、體積等綜合性嚴(yán)格要求的專用計(jì)算機(jī)系統(tǒng)。數(shù)字信號(hào)處理器(DSP)是將數(shù)字信號(hào)進(jìn)行高速實(shí)時(shí)處理的專用處理器，其處理速度比最快的CPU還快10-50倍，在視頻監(jiān)控系統(tǒng)中已經(jīng)廣泛應(yīng)用。前端一體化、視頻數(shù)字化、監(jiān)控網(wǎng)絡(luò)化、系統(tǒng)集成化是智能視頻監(jiān)控系統(tǒng)的發(fā)展方向，數(shù)字化和網(wǎng)絡(luò)化是智能視頻監(jiān)控發(fā)展的主要特點(diǎn)3.5.3語義分析語義分析在現(xiàn)今被應(yīng)用于多個(gè)領(lǐng)域，有針對(duì)搜索引擎的語義分析，也有針對(duì)普通圖像的語義分析,針對(duì)普通圖像的語義分析在智能交通中有著比較廣泛的應(yīng)用。無論是哪一種，語義分析都起到了非常重要的作用。針對(duì)圖像的語義分析是其中關(guān)于圖像理解的高層的重點(diǎn)和難點(diǎn)，圖像理解就是對(duì)圖像的語義解釋，它在智能交通的圖像識(shí)別和行為判斷中都起到一個(gè)很重要的支撐作用。圖像語義分析以圖像為對(duì)象，知識(shí)為核心，研究圖像中何位置有何目標(biāo)(whatiswhere)、目標(biāo)場(chǎng)景之間的相互關(guān)系、圖像是何場(chǎng)景以及如何應(yīng)用場(chǎng)景的一門科學(xué)。圖像語義分析輸入的是數(shù)據(jù)，輸出的是知識(shí)，屬于圖像研究領(lǐng)域的高層內(nèi)容。語義作為知識(shí)信息的基本描述載體，能將完整的圖像內(nèi)容轉(zhuǎn)換成可直接理解的類文本語言表達(dá)，在圖像理解語義分析中起著至關(guān)重要的作用。圖google搜索引擎語義分析 語義分析在圖像理解等應(yīng)用領(lǐng)域的潛力是巨大的．圖像中豐富的語義知識(shí)可提供較精確的圖像搜索引擎(SearchingEngine)，生成智能的數(shù)字圖像相冊(cè)和虛擬世界中的視覺場(chǎng)景描述．同時(shí)，在圖像理解本體的研究中，可有效形成“數(shù)據(jù)．知識(shí)”的相互驅(qū)動(dòng)體系，包含有意義的上下文(Context)信息和層狀結(jié)構(gòu)(Hierarchical．Structured)信息，能更快速、更準(zhǔn)確地識(shí)別和檢測(cè)出場(chǎng)景中的特定目標(biāo)。圖交通語義分析在圖像內(nèi)容的語義分析中，圖像內(nèi)容描述具有像素一區(qū)域一目標(biāo)-場(chǎng)景”的層次包含關(guān)系，而語義描述的本質(zhì)就是采用合理的構(gòu)詞方式進(jìn)行詞匯編碼(Encoding)和注解(Annotation)的過程．這種過程與圖像內(nèi)容的各層描述密切相關(guān)，圖像像素和區(qū)域信息源于中低層數(shù)據(jù)驅(qū)動(dòng)，根據(jù)結(jié)構(gòu)型數(shù)據(jù)的相似特性對(duì)像素(區(qū)域)進(jìn)行“標(biāo)記”(Labeling)，可為高層語義編碼提供有效的低層實(shí)體對(duì)應(yīng)關(guān)系．目標(biāo)和場(chǎng)景的中層“分類”(Categorization)特性也具有明顯的編碼特性，每一類別均可視為簡(jiǎn)單的語義描述。圖像文本之間的語義鴻溝是語義分析中需要解決的關(guān)鍵性問題之一。按照語義化的圖像特征來講，圖像內(nèi)容的語義需要借鑒文本分析策略。首先需要構(gòu)建與之相對(duì)應(yīng)的對(duì)象，整幅圖像(Image)對(duì)應(yīng)整篇文檔(Document)，而文檔中的詞匯(Lexicon)也需要對(duì)應(yīng)相應(yīng)的視覺詞匯(VisualWord)．視覺詞匯的獲取一般通過對(duì)圖像信息的顯著性分析提取圖像的低層特征，低層特征大多從圖像數(shù)據(jù)獲取，包括簡(jiǎn)單的點(diǎn)線面特征和一些特殊的復(fù)雜特征，再由魯棒的特征表達(dá)方式生成合適的視覺詞匯，視覺詞匯一般具有高重用性和若干不變特性。從圖像語義的上下文表達(dá)看，圖像的語義信息描述主要包含外觀位置信息和上下文信息，可表示成“碼書”。上下文信息不是從感興趣的目標(biāo)外觀中直接產(chǎn)生，而來源于圖像鄰域及其標(biāo)簽注解，與其他目標(biāo)的外觀位置信息密切相關(guān)．當(dāng)場(chǎng)景中目標(biāo)外觀的可視程度較低時(shí)，上下文信息就顯得尤為重要。從語義的生成方法看，現(xiàn)有生成方法基于模型驅(qū)動(dòng)，以概率統(tǒng)計(jì)模型和隨機(jī)場(chǎng)理論為核心，遵循經(jīng)典的貝葉斯理論。生成方法需要直接借用文本語義分析的圖模型結(jié)構(gòu)，每個(gè)節(jié)點(diǎn)定義某種概念，節(jié)點(diǎn)之間的邊表示概念間的條件依賴關(guān)系，在隱空間(LatentSpace)或隨機(jī)場(chǎng)(RandomField)中建立文本詞組和視覺描述之間的關(guān)聯(lián)，生成方法無監(jiān)督性明顯，具有較強(qiáng)的語義延展性。從語義分析的判別方法看，判別方法基于數(shù)據(jù)驅(qū)動(dòng)，主要通過對(duì)訓(xùn)練樣本的(弱)監(jiān)督學(xué)習(xí)，在樣本空間產(chǎn)生合適的區(qū)分函數(shù)，采用形成的分類器或結(jié)構(gòu)參數(shù)，完成對(duì)特定的特征空間中點(diǎn)的劃分(或閉包)，形成某些具有相似特性的點(diǎn)的集合。當(dāng)前和將來智能交通需要處理的圖片的不斷增多,使得圖像的智能檢索識(shí)別以及圖像的語義分析成為一個(gè)重要的研究和應(yīng)用領(lǐng)域.對(duì)于圖像理解及其語義分析最關(guān)鍵的問題是對(duì)人類視覺機(jī)制的了解,即人是如何觀察和理解圖像的。一個(gè)成功的圖像語義分析系統(tǒng),必須要多個(gè)研究領(lǐng)域的緊密合作。計(jì)算機(jī)視覺、數(shù)字圖像處理、人工智能和模式識(shí)別技術(shù),包括心理學(xué)、生物視覺模型等技術(shù)的新發(fā)展和綜合運(yùn)用,必將推動(dòng)圖像檢索和圖像理解的突破性進(jìn)展。3.6應(yīng)用層3.6.1交通規(guī)劃以交通規(guī)劃“四階段法”為基礎(chǔ)，提供完善的交通規(guī)劃模型算法。其中包括需求預(yù)測(cè)模型、公交模型、OD矩陣推算、路徑模型、路網(wǎng)分析模型、物流模型等。1．“四階段法”交通規(guī)劃模型

出行產(chǎn)生/吸引模型交叉分類法：交叉分類法是根據(jù)一定的社會(huì)經(jīng)濟(jì)特點(diǎn)將一個(gè)城區(qū)的人口劃分為若干類型。然后，經(jīng)驗(yàn)地估計(jì)每種類型的家庭或出行者的平均出行率，由此產(chǎn)生的出行率表，可用于預(yù)測(cè)該研究區(qū)的出行產(chǎn)生量。回歸分析模型：普遍采用兩種回歸分析模型。第一種，使用以交通小區(qū)為標(biāo)準(zhǔn)的集計(jì)數(shù)據(jù)，將每個(gè)家庭的平均出行量作為因變量，小區(qū)特征屬性的平均值作為說明變量（自變量）。第二種，使用以單個(gè)的家庭或出行者為標(biāo)準(zhǔn)的非集計(jì)數(shù)據(jù)，以每個(gè)家庭或出行者的出行量作為因變量，家庭和出行者的特征屬性作為說明變量（自變量）。離散選擇法：離散選擇法是使用非集計(jì)的家庭或單個(gè)出行者的數(shù)據(jù)估算它們的出行概率。再將所得的結(jié)論集計(jì)起來即為預(yù)測(cè)的出行產(chǎn)生量。

產(chǎn)生/吸引平衡模型保持出行產(chǎn)生量不變：保持出行產(chǎn)生量不變，調(diào)整出行吸引量，使得吸引總量與產(chǎn)生總量相等。保持出行吸引量不變：保持出行吸引量不變，調(diào)整出行產(chǎn)生量，使出行產(chǎn)生總量與吸引總量相等。用戶指定出行總量系數(shù)：同時(shí)調(diào)整出行產(chǎn)生量和出行吸引量，使產(chǎn)生量和吸引量之和等于出行總量乘以用戶給定系數(shù)之積。用戶指定的出行總量：同時(shí)調(diào)整出行產(chǎn)生量和吸引量，使產(chǎn)生量和吸引量之和等于用戶給定的值。

出行分布模型增長(zhǎng)系數(shù)法：是通過對(duì)現(xiàn)有的矩陣乘以系數(shù)實(shí)現(xiàn)的（增長(zhǎng)系數(shù)由未來的出行產(chǎn)生量除以出行現(xiàn)狀的產(chǎn)生量計(jì)算得出的）。在無法獲悉路網(wǎng)交通小區(qū)間距離、出行時(shí)間或綜合費(fèi)用等信息時(shí)，常常使用該方法。——常增長(zhǎng)系數(shù)法——出行產(chǎn)生受約束的增長(zhǎng)系數(shù)法——出行吸引受約束的增長(zhǎng)系數(shù)法——全約束增長(zhǎng)系數(shù)（Fratar福來特法）重力模型：主要的原理——兩個(gè)地區(qū)之間的空間交流量與出行產(chǎn)生量/吸引量的乘積成正比，與兩地之間的交通阻抗成反比。該模型需要流量矩陣、阻抗矩陣（反映小區(qū)間的距離、時(shí)間或出行費(fèi)用等），還有估算的未來出行產(chǎn)生量和吸引量。重力模型較清楚地表達(dá)了空間交流量與交通小區(qū)間阻抗的相互關(guān)系?！鲂挟a(chǎn)生受約束——出行吸引受約束——全約束的重力模型調(diào)校重力模型：根據(jù)基準(zhǔn)年的路網(wǎng)狀況估算阻抗函數(shù)的參數(shù)，從而盡可能使重力模型與基準(zhǔn)年產(chǎn)生量／吸引量、基準(zhǔn)年的出行距離分布相接近?！笖?shù)函數(shù)——冪函數(shù)——gamma函數(shù)三維比例的出行分布模型：將考慮更多一維的約束條件。該模型，調(diào)整一組小區(qū)的出行產(chǎn)生量/吸引量，使該組小區(qū)的產(chǎn)生量/吸引量之和等于用戶指定的數(shù)值。它可以分別應(yīng)用于增長(zhǎng)系數(shù)模型和重力模型中。

方式劃分模型回歸模型：用于預(yù)測(cè)集計(jì)的方式分擔(dān)率。一般地，回歸模型用于預(yù)測(cè)一種出行方式的出行率和出行數(shù)量。該模型建立出行比率（或出行量）與出行者社會(huì)經(jīng)濟(jì)特性、各種可擇方式特性之間建立統(tǒng)計(jì)關(guān)系。交叉分類法：根據(jù)出行者的特征（如：收入或小汽車擁有量）或各種運(yùn)輸方式的特性（如：出行時(shí)間或相對(duì)的出行時(shí)間），也可以根據(jù)各種運(yùn)輸方式的綜合效用，即包含社會(huì)~經(jīng)濟(jì)特性，計(jì)算每一類的平均分擔(dān)率。Logit模型：將出行決策者（個(gè)人、家庭等）選擇一種出行方式的概率表述為各種運(yùn)輸方式的效用值分式，Logit模型調(diào)校：影響方式劃分的因素包括各種出行方式的特性和出行者個(gè)人的屬性?！鲂袝r(shí)間—家庭成員構(gòu)成—價(jià)格—家庭收入—停車場(chǎng)費(fèi)用、道路收費(fèi)—就業(yè)情況

網(wǎng)絡(luò)分配模型全有全無分配法（AON）：將O-D對(duì)間的所有交通流量都分配到O-D對(duì)間最短路徑上。STOCH分配法：將每個(gè)O-D對(duì)間的交通流量分配到O-D對(duì)間的多條可選路徑上。分配到某條路徑上的流量比例是選擇該路徑的概率，路徑的選擇概率是由logit路徑選擇模型計(jì)算的。遞增分配法：逐步分配交通流量。在每一步分配中，根據(jù)全有全無分配法分配一定比例的總流量。每步分配后，根據(jù)路段流量重新計(jì)算出行時(shí)間。當(dāng)采用多次遞增法時(shí)，該分配法類似于平衡分配法。容量限制法：是一種近似的平衡法，首先進(jìn)行全有全無流量分配，再根據(jù)擁擠函數(shù)（反映路段的能力）重新計(jì)算路段的出行時(shí)間，并且進(jìn)行多次迭代。用戶平衡法：通過多次迭代過程達(dá)到收斂結(jié)果，即使出行者改變路徑也不可能再改進(jìn)出行時(shí)間。在每次迭代中，計(jì)算路網(wǎng)的路段流量，當(dāng)路段通行能力不足時(shí)，將限制路段流量和出行時(shí)間（依賴于流量）。隨機(jī)用戶平衡法（SUE）：是一種綜合的用戶平衡法，假定出行者沒有較完整的路網(wǎng)屬性信息，對(duì)出行費(fèi)用的理解方式也不盡相同。SUE允許使用吸引小的路徑上也加載流量。系統(tǒng)優(yōu)化分配（SO）：是一種使整個(gè)路網(wǎng)的出行時(shí)間達(dá)到最小的分配方法。2．公交模型直接將公交路徑疊加到路網(wǎng)上，能夠清楚地反映出汽車流量與公交流量的相互關(guān)系。公交分配模型提供了多種算法，包括：○全有全無分配法○最優(yōu)策略法○UTPS路徑選擇法○綜合費(fèi)用路徑選擇法○用戶平衡法○Stochastic用戶平衡法4．矩陣推算由于路段交通調(diào)查與較大規(guī)模的入戶調(diào)查相比，費(fèi)用較少，因此常常需要根據(jù)路段交通量生成基準(zhǔn)年出行矩陣，或更新已有的OD出行矩陣，使是基準(zhǔn)年OD矩陣較準(zhǔn)確地反映出最新的現(xiàn)狀交通流量分布情況?？紤]路段調(diào)查量的隨機(jī)性，并可以采用任一種分配方法，通過交通分配與矩陣估算之間的多次迭代實(shí)現(xiàn)矩陣推算功能。5．路徑模型、物流模型簡(jiǎn)介

3.6.2實(shí)時(shí)監(jiān)控實(shí)時(shí)監(jiān)控部分可以為授權(quán)用戶提供（授權(quán)范圍內(nèi)）任意卡口點(diǎn)的實(shí)時(shí)圖片數(shù)據(jù)，可同時(shí)查看4個(gè)不同卡口或者某1個(gè)卡口的實(shí)時(shí)監(jiān)控?cái)?shù)據(jù)。這些圖片數(shù)據(jù)都以觸發(fā)式顯示，某個(gè)卡口有多幅大圖時(shí)只顯示首幅大圖。關(guān)于實(shí)時(shí)監(jiān)控的監(jiān)控范圍的指定，需要由部門-->點(diǎn)位-->方向-->監(jiān)控設(shè)備這樣的選擇方式。實(shí)時(shí)監(jiān)控單頁面時(shí)，頁面選擇多個(gè)監(jiān)控設(shè)備，要求能夠多監(jiān)控設(shè)備同時(shí)監(jiān)控，監(jiān)控四頁面時(shí)，每個(gè)畫面都可以選擇監(jiān)控設(shè)備。對(duì)車輛進(jìn)行布控后，可以顯示實(shí)時(shí)的報(bào)警過車信息。通過前端采集的實(shí)時(shí)監(jiān)控?cái)?shù)據(jù)與布控信息比對(duì)，如果車牌一致則發(fā)出聲光警報(bào)。在報(bào)警界面上觸發(fā)式顯示相關(guān)報(bào)警信息提示處理，同時(shí)保存報(bào)警信息。如果多條報(bào)警同時(shí)發(fā)生，提示首條報(bào)警，其它報(bào)警給出提示等待點(diǎn)擊查看處理。報(bào)警車輛實(shí)