上海張江國家自主創(chuàng)新示范區(qū)專項(xiàng)發(fā)展資金重點(diǎn)項(xiàng)目項(xiàng)目編號(hào)201310-PT-C0-009課題名稱智能交通系統(tǒng)技術(shù)創(chuàng)新能力提升智能交通系統(tǒng)技術(shù)創(chuàng)新能力提升技術(shù)報(bào)告上海電科智能系統(tǒng)股份有限公司2015年11月目錄1 項(xiàng)目研究概述 項(xiàng)目研究概述研究背景及意義項(xiàng)目研究背景智能交通系統(tǒng)作為《國家中長(zhǎng)期科學(xué)與技術(shù)發(fā)展規(guī)劃綱要（2006－2020年）》中的優(yōu)先主題，一直以來受到國家及上海市的高度重視，在《上海市國民經(jīng)濟(jì)和社會(huì)發(fā)展第十二個(gè)五年規(guī)劃綱要》中又明確提出智能交通工程是信息化重點(diǎn)應(yīng)用工程。歷經(jīng)幾年的大規(guī)模交通信息化建設(shè)，至2010年，上海市已經(jīng)實(shí)現(xiàn)了對(duì)全市高架道路、地面道路、周邊高速公路的全方位、多手段的交通信息采集，實(shí)現(xiàn)了面向快速路和地面道路的交通狀態(tài)自動(dòng)判別與發(fā)布，建成了國內(nèi)領(lǐng)先的匯集全市動(dòng)態(tài)交通信息資源的上海市交通信息綜合平臺(tái)，整合了道路交通、公共交通、對(duì)外交通數(shù)據(jù)173項(xiàng)，為智能交通技術(shù)提升與產(chǎn)業(yè)化應(yīng)用奠定了堅(jiān)實(shí)的數(shù)據(jù)資源基礎(chǔ)，交通基礎(chǔ)信息數(shù)據(jù)的全面性和實(shí)時(shí)性也能夠得到充分的保證。自上世紀(jì)90年來以來，上海已經(jīng)開始了大規(guī)模的交通信息化基礎(chǔ)設(shè)施和智能交通系統(tǒng)建設(shè)，以信息共享交換為基礎(chǔ)的交通部門協(xié)同管理、公眾信息服務(wù)等需求日益增長(zhǎng)。據(jù)測(cè)算，目前上海市交通信息中心每日匯聚的實(shí)時(shí)動(dòng)態(tài)交通信息數(shù)據(jù)共237項(xiàng)，數(shù)據(jù)日交換量超過300G，日存儲(chǔ)量超過10T，動(dòng)態(tài)交通數(shù)據(jù)更新時(shí)間2分鐘以內(nèi)。通過上海市交通信息中心匯聚交換的交通數(shù)據(jù)越來越顯現(xiàn)出大數(shù)據(jù)的四個(gè)特征：第一，數(shù)據(jù)體量巨大。第二，數(shù)據(jù)類型繁多。除結(jié)構(gòu)化的常規(guī)格式數(shù)據(jù)外，還包括網(wǎng)絡(luò)文件、視頻、圖片、地理位置信息等等。第三，價(jià)值密度低。以視頻為例，連續(xù)不間斷監(jiān)控過程中，可能有用的數(shù)據(jù)僅僅有幾秒。第四，處理速度快，傳統(tǒng)的數(shù)據(jù)存儲(chǔ)、處理和數(shù)據(jù)管理技術(shù)已不能充分滿足如此巨量數(shù)據(jù)的分析與應(yīng)用需求。世博后，隨著城市的擴(kuò)展與機(jī)動(dòng)車保有量的迅速攀升，城市交通問題與社會(huì)公共利益越來越密切,社會(huì)公眾對(duì)城市交通出行問題的關(guān)注度越來越高。尤其是大城市日益嚴(yán)重的交通擁堵問題,備受矚目。相比當(dāng)前情況而言，交通信息數(shù)據(jù)的實(shí)際應(yīng)用仍相對(duì)滯后,對(duì)交通信息數(shù)據(jù)的挖掘和綜合分析不夠深入，實(shí)時(shí)掌握和評(píng)價(jià)交通運(yùn)行狀況的量化工具資源尚不充足，因此對(duì)智能交通核心技術(shù)研究能力的提升需求愈顯迫切。當(dāng)前，智能交通技術(shù)的發(fā)展已經(jīng)與新興技術(shù)產(chǎn)業(yè)發(fā)展已經(jīng)廣泛接觸與深入融合的程度，國內(nèi)外智能交通核心技術(shù)研究除了在交通控制、交通預(yù)測(cè)、交通誘導(dǎo)等傳統(tǒng)方向繼續(xù)開展研究外，在面向移動(dòng)互聯(lián)網(wǎng)交通信息個(gè)性化服務(wù)、基于“大數(shù)據(jù)技術(shù)”的交通數(shù)據(jù)資源庫構(gòu)建技術(shù)、交通數(shù)據(jù)深入挖掘與決策支持等方面，都呈現(xiàn)出新的技術(shù)發(fā)展方向與研究主題。其中，“大數(shù)據(jù)技術(shù)”已經(jīng)成為當(dāng)前最熱門的研究主題之一。2012達(dá)沃斯論壇年會(huì)認(rèn)為當(dāng)前最應(yīng)該關(guān)注技術(shù)的首位是“大數(shù)據(jù)處理技術(shù)”，其出版報(bào)告《BigDataBigImpact》宣稱，數(shù)據(jù)已經(jīng)成為一種新的經(jīng)濟(jì)資產(chǎn)類別，就像貨幣或黃金一樣；IDC2012年3月報(bào)告預(yù)測(cè)，大數(shù)據(jù)市場(chǎng)年增長(zhǎng)率達(dá)40%，是整個(gè)IT與通信產(chǎn)業(yè)增長(zhǎng)率的7倍；最具影響力的事件是，2012年3月29日，奧巴馬政府發(fā)布了《大數(shù)據(jù)研究和發(fā)展倡議》，提出將通過收集大數(shù)據(jù)并從中獲得知識(shí)以提升能力，協(xié)助并加速在科學(xué)、工程上的進(jìn)步，強(qiáng)化美國國土安全，轉(zhuǎn)變教育和學(xué)習(xí)模式，美國政府提供超過2億美元用于大數(shù)據(jù)研究。Gartner、Mckinsey等著名咨詢機(jī)構(gòu)都紛紛發(fā)表報(bào)告看好數(shù)據(jù)資源。前首席科學(xué)家表示“數(shù)據(jù)是原油，但石油要加以提煉后才能使用，從事海量數(shù)據(jù)處理的公司就是煉油廠伴隨著物聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)技術(shù)等不斷推進(jìn)的信息化技術(shù)浪潮，智能交通建設(shè)迎來了新的戰(zhàn)略機(jī)遇期，以“數(shù)據(jù)”為核心“資產(chǎn)”的產(chǎn)業(yè)模態(tài)已經(jīng)初現(xiàn)端倪。在“大數(shù)據(jù)技術(shù)”的推動(dòng)與催化之下，對(duì)傳統(tǒng)交通信息建設(shè)的采集、處理與服務(wù)模式帶來深刻的技術(shù)變革。上海電科智能系統(tǒng)股份有限公司敏銳把握國內(nèi)外技術(shù)最新動(dòng)向，通過項(xiàng)目支持，積極開展交通監(jiān)測(cè)與研判數(shù)字化指標(biāo)集研發(fā)、移動(dòng)互聯(lián)網(wǎng)絡(luò)條件下中心端交通信息推送服務(wù)、個(gè)性化信息智能手機(jī)端APP服務(wù)應(yīng)用、基于HADOOP系統(tǒng)邏輯的大數(shù)據(jù)平臺(tái)構(gòu)建技術(shù)、面向復(fù)雜決策管理與交通研判算法模型開發(fā)等技術(shù)、軟件、系統(tǒng)和平臺(tái)的研究建設(shè)，為提升智能交通行業(yè)技術(shù)創(chuàng)新能力進(jìn)步發(fā)揮探路者與急先鋒作用。項(xiàng)目研究意義通過該項(xiàng)目實(shí)施，上海電科智能系統(tǒng)股份有限公司將在當(dāng)前研究技術(shù)成果與工程建設(shè)基礎(chǔ)上，對(duì)智能交通技術(shù)創(chuàng)新能力帶來一個(gè)新的提升，同時(shí)對(duì)張江高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū)拓展智能交通方向，輻射相關(guān)行業(yè)、企業(yè)的產(chǎn)業(yè)發(fā)展具有積極而深遠(yuǎn)的意義。其作用和意義體現(xiàn)在：1）奠定張江創(chuàng)新示范園區(qū)在本行業(yè)的技術(shù)領(lǐng)先地位上海電科智能系統(tǒng)股份有限公司作為上海市乃至全國智能交通行業(yè)的領(lǐng)頭雁企業(yè)，一直引領(lǐng)著行業(yè)技術(shù)的進(jìn)步與發(fā)展。通過多年積淀的國家科技部863項(xiàng)目、科技支撐計(jì)劃項(xiàng)目、上海市科委科技攻關(guān)項(xiàng)目、區(qū)域合作研發(fā)項(xiàng)目等技術(shù)成果，為上海市及全國其他城市的道路交通、公共交通、對(duì)外交通、高速公路等信息化建設(shè)注入了強(qiáng)大的技術(shù)基因，創(chuàng)造了高額的經(jīng)濟(jì)產(chǎn)值與顯著的社會(huì)效益。通過本項(xiàng)目的開展，將公司先進(jìn)的技術(shù)成果和建設(shè)成就引入到張江高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū)及普陀分園，提升張江國家創(chuàng)新示范園區(qū)在智能交通行業(yè)的整體影響力與技術(shù)領(lǐng)先地位，促進(jìn)張江園區(qū)相關(guān)高新技術(shù)行業(yè)、企業(yè)的技術(shù)進(jìn)步、裝備改良和產(chǎn)業(yè)升級(jí)，為園區(qū)創(chuàng)新能力的提升與可持續(xù)發(fā)展起到示范與引領(lǐng)作用。2）拓展張江創(chuàng)新示范園區(qū)的產(chǎn)業(yè)輻射范圍上海電科智能系統(tǒng)股份有限公司作為上海市綜合交通信息平臺(tái)、上海市道路交通信息采集與發(fā)布系統(tǒng)工程（一期、二期）、上海市“市長(zhǎng)基金”項(xiàng)目、浦東新區(qū)交通信息總平臺(tái)等關(guān)鍵項(xiàng)目的總承包建設(shè)單位，與上海市交通信息中心、上海市路政局、上海市交警總隊(duì)與浦東新區(qū)公安分局、以及各區(qū)交通主管部門等業(yè)主單位保持良好關(guān)系與項(xiàng)目合作。本項(xiàng)目研發(fā)的技術(shù)成果能夠很快得到實(shí)際應(yīng)用與推廣，在擴(kuò)大張江創(chuàng)新示范園區(qū)、普陀園產(chǎn)業(yè)輻射范圍的同時(shí)，也為園區(qū)相關(guān)行業(yè)、企業(yè)的項(xiàng)目合作渠道與合作模式開辟新的思路。3）提升張江創(chuàng)新示范園區(qū)的技術(shù)服務(wù)能力通過本項(xiàng)目的技術(shù)研發(fā)與成果轉(zhuǎn)化，在進(jìn)一步推動(dòng)智能交通行業(yè)的可持續(xù)發(fā)展，提高行業(yè)內(nèi)相關(guān)職能部門、建設(shè)部門、管理部門等業(yè)主單位的技術(shù)儲(chǔ)備與管理效率，為社會(huì)公眾提供更加優(yōu)質(zhì)、高效交通信息資源的同時(shí)，也為張江創(chuàng)新示范園區(qū)帶來技術(shù)服務(wù)能力的提升。項(xiàng)目成果將以標(biāo)準(zhǔn)規(guī)范、應(yīng)用軟件、系統(tǒng)平臺(tái)、整體技術(shù)解決方案等形式進(jìn)行呈現(xiàn)，通過集約化的組織與流程的優(yōu)化，為張江創(chuàng)新示范園區(qū)、普陀分園及其他分園相關(guān)行業(yè)、企業(yè)提供更優(yōu)質(zhì)低價(jià)的技術(shù)咨詢服務(wù)、技術(shù)支持和產(chǎn)業(yè)發(fā)展服務(wù)，為持續(xù)加快產(chǎn)業(yè)發(fā)展步伐、改進(jìn)產(chǎn)業(yè)合作模式、提高經(jīng)濟(jì)效益和社會(huì)效益做出重要貢獻(xiàn)。研究?jī)?nèi)容及技術(shù)路線項(xiàng)目研究目標(biāo)及內(nèi)容項(xiàng)目研究目標(biāo)：項(xiàng)目以張江示范園區(qū)及普陀園在城市智能交通領(lǐng)域的產(chǎn)業(yè)拓展深化與技術(shù)能力提升為目標(biāo)，進(jìn)一步加強(qiáng)智能交通核心技術(shù)對(duì)城市交通信息化建設(shè)、服務(wù)及行業(yè)發(fā)展的引領(lǐng)作用與優(yōu)勢(shì)地位，基于當(dāng)前最新的交通信息化成果與工程建設(shè)成果，把握國際國內(nèi)技術(shù)發(fā)展前沿，從數(shù)字化交通信息資源提供、跨行業(yè)數(shù)據(jù)資源的組織與處理、交通數(shù)據(jù)建模與挖掘分析等三大方面開展技術(shù)攻關(guān)與實(shí)驗(yàn)平臺(tái)建設(shè)。主要研究?jī)?nèi)容：交通數(shù)字化監(jiān)測(cè)與研判關(guān)鍵技術(shù)研究交通大數(shù)據(jù)系統(tǒng)構(gòu)建關(guān)鍵技術(shù)研究交通數(shù)據(jù)挖掘與分析關(guān)鍵技術(shù)研究智能交通技術(shù)創(chuàng)新能力工程應(yīng)用示范技術(shù)創(chuàng)新點(diǎn)：（1）基于HADOOP的海量數(shù)據(jù)處理架構(gòu)技術(shù)，面向大數(shù)據(jù)應(yīng)用服務(wù)需求，提出HADOOP、關(guān)系數(shù)據(jù)庫、內(nèi)存庫多元合一的交通大數(shù)據(jù)系統(tǒng)架構(gòu)技術(shù)，實(shí)現(xiàn)對(duì)結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)的集成管理與應(yīng)用。（2）交通大數(shù)據(jù)統(tǒng)一語義表達(dá)規(guī)范，提出交通大數(shù)據(jù)服務(wù)類及對(duì)象建模，交通大數(shù)據(jù)統(tǒng)一語義理解機(jī)制、交通數(shù)據(jù)模式與內(nèi)容映射、交通數(shù)據(jù)類及對(duì)象構(gòu)建方法。（3）跨行業(yè)交通大數(shù)據(jù)智能處理分析技術(shù)，通過快速路車牌識(shí)別數(shù)據(jù)與地面道路卡口數(shù)據(jù)的聯(lián)合算法模型驗(yàn)證分析，測(cè)試大數(shù)據(jù)平臺(tái)系統(tǒng)性能，嘗試?yán)霉步还芟到y(tǒng)的數(shù)據(jù)服務(wù)道路交通數(shù)據(jù)分析。項(xiàng)目研究技術(shù)路線項(xiàng)目的技術(shù)路線圖如圖1-1所示。圖STYLEREF1\s1SEQ圖\*ARABIC\s11技術(shù)路線考核指標(biāo)完成情況1、完成“智能交通系統(tǒng)技術(shù)創(chuàng)新能力提升”研究報(bào)告1份，形成標(biāo)準(zhǔn)草案2份，《上海市交通大數(shù)據(jù)統(tǒng)一數(shù)據(jù)組織規(guī)范（草案）》、《城市道路交通狀態(tài)指數(shù)評(píng)價(jià)指標(biāo)體系》。2、申請(qǐng)3項(xiàng)發(fā)明專利（1項(xiàng)已授權(quán)）：（1）一種實(shí)時(shí)指數(shù)匹配記憶區(qū)間的異常交通狀態(tài)特征識(shí)別方法（申請(qǐng)?zhí)枺?01310451579.9），申請(qǐng)人：上海電科智能系統(tǒng)股份有限公司，已授權(quán)。（2）一種出行熱點(diǎn)路網(wǎng)影響評(píng)估的交通指數(shù)區(qū)域劃分方法（申請(qǐng)?zhí)枺?01410848926.6），申請(qǐng)人：上海電科智能系統(tǒng)股份有限公司。（3）一種基于本體庫的交通大數(shù)據(jù)語義應(yīng)用服務(wù)方法（申請(qǐng)?zhí)枺?01510548823.2），申請(qǐng)人：上海電科智能系統(tǒng)股份有限公司。3、獲得軟件著作權(quán)8項(xiàng)：（1）電科智能基于多源數(shù)據(jù)的交通狀態(tài)決策級(jí)融合軟件V1.0，登記號(hào)：2014SR196823；（2）電科智能基于卡口數(shù)據(jù)的交通狀態(tài)判別專家軟件V1.0，登記號(hào)：2014SR196321；（3）電科智能基于大數(shù)據(jù)技術(shù)的卡口綜合查詢軟件V1.0，登記號(hào)：2014SR196499；（4）電科智能基于大數(shù)據(jù)技術(shù)的卡口車牌快速檢索軟件V1.0，登記號(hào)：2014SR196605；（5）電科智能全時(shí)空城市路網(wǎng)交通指數(shù)計(jì)算及分析軟件V1.0，登記號(hào)：2014SR196629；（6）電科智能快速路網(wǎng)交通數(shù)據(jù)質(zhì)量監(jiān)控和修補(bǔ)專家軟件V1.0，登記號(hào)：2014SR196600；（7）電科智能交通手表手機(jī)應(yīng)用軟件V1.0，登記號(hào)：2014SR196606；（8）電科智能基于IVE模型的交通碳排放決策支持軟件V1.0，登記號(hào)：2014SR197344。4、在國內(nèi)外核心學(xué)術(shù)期刊和會(huì)議上發(fā)表論文5篇（1）林瑜,吳超騰,何承,顧承華,翟希.城市道路交通狀態(tài)指數(shù)的研究與應(yīng)用[J].智慧交通,2013,12:84-86.（2）吳超騰,馬偉民,肖永來,劉振,陳昱颋.交通數(shù)據(jù)軌跡全環(huán)節(jié)監(jiān)控方法研究[J].中國交通信息化,2014,3:58-60.（3）竇瑞，吳超騰.考慮低速問題的浮動(dòng)車數(shù)據(jù)道路行程車速估計(jì)[J].2014第九屆中國智能交通年會(huì)大會(huì)論文集,2014:572-578.（4）吉靜,李玉展,林瑜.基于交通大數(shù)據(jù)的宏觀碳排放計(jì)算與決策支持應(yīng)用研究[J].第十屆中國智能交通年會(huì)大會(huì)論文集,2015:394-403.（5）吳超騰,鐘銳,肖永來.面向交通大數(shù)據(jù)語義實(shí)戰(zhàn)應(yīng)用的本體建模研究[J].第十屆中國智能交通年會(huì)大會(huì)論文集,2015:409-418.5、經(jīng)上海浦東軟件園評(píng)測(cè)中心檢測(cè)，電科交通大數(shù)據(jù)平臺(tái)SEARI-TBDS容量達(dá)到100TB。詳見《上海市交通狀態(tài)智能預(yù)報(bào)與決策管理支持系統(tǒng)》軟件測(cè)試報(bào)告。6、查新報(bào)告《智能交通大數(shù)據(jù)信息服務(wù)云平臺(tái)關(guān)鍵技術(shù)》。交通數(shù)字化檢測(cè)與研判關(guān)鍵技術(shù)研究基于時(shí)空權(quán)重的交通指數(shù)構(gòu)建技術(shù)城市道路交通狀態(tài)指數(shù)，以下簡(jiǎn)稱交通狀態(tài)指數(shù)（TrafficStateIndex，TSI），量化反映城市道路交通運(yùn)行狀態(tài)的相對(duì)數(shù)值。概念模型：（STYLEREF1\s2SEQ公式\*ARABIC\s11）當(dāng)前車速偏離最佳車速的相對(duì)程度，是一種相對(duì)感受指標(biāo)；指數(shù)值的大小體現(xiàn)了描述道路對(duì)象的整體擁擠程度或舒適程度；消除了快速路、地面道路因道路等級(jí)因素帶來的絕對(duì)車速差異影響，實(shí)現(xiàn)對(duì)不同路網(wǎng)對(duì)象的統(tǒng)一評(píng)價(jià)；概念簡(jiǎn)單，便于各類人群理解和接受。算法模型：按照TSI定義，通用化的區(qū)域指數(shù)算法模型如下所示：（STYLEREF1\s2SEQ公式\*ARABIC\s12）式中：——發(fā)布段i的行程車速； ——發(fā)布段i的里程長(zhǎng)度； ——發(fā)布段i的車道數(shù)； ——靜態(tài)配置權(quán)重，如在城市不同地域范圍內(nèi)具有特殊作用的道路對(duì)象可配以不同權(quán)重； ——?jiǎng)討B(tài)交通流權(quán)重，如流量、密度等交通流參數(shù)對(duì)不同道路對(duì)象的影響可配以不同權(quán)重； ——不同等級(jí)路網(wǎng)的自由流車速。簡(jiǎn)單來講，TSI就是一種能夠描述道路交通擁堵程度的相對(duì)數(shù)，是綜合反映交通出行暢通程度的量化指標(biāo)。TSI可以看成路況是否舒適的“數(shù)值儀表”或“溫度計(jì)”，通過實(shí)時(shí)監(jiān)控道路的“擁堵體溫”來告知人們道路是否“過熱”，以便避讓出行。對(duì)不同等級(jí)道路的統(tǒng)一評(píng)價(jià)是通過自由流車速（vf）實(shí)現(xiàn)的，自由流車速將按照道路等級(jí)標(biāo)定。指數(shù)計(jì)算采用的自由流車速按照多個(gè)等級(jí)進(jìn)行篩選和標(biāo)定，首先，按照《上海城市道路分級(jí)體系研究》中對(duì)城市道路各等級(jí)車速的設(shè)計(jì)值，粗分車速閾值范圍。表STYLEREF1\s2SEQ表\*ARABIC\s11城市道路各等級(jí)車速閾值道路等級(jí)高速公路快速路主干路次干路支路自由流車速(km/h)80~10060~8035~4030~4020~30但在實(shí)際的交通環(huán)境下，理論上的自由流車速往往無法真正達(dá)到，即便同等級(jí)路網(wǎng)往往也具有不同過的設(shè)計(jì)車速。在設(shè)計(jì)自由流車速的基礎(chǔ)上，指數(shù)計(jì)算選擇的自由流車速基于三個(gè)候選車速：道路設(shè)計(jì)車速、道路限制車速、調(diào)研最大車速，而最終的自由流車速選取則是選擇在交通法規(guī)限制范圍內(nèi)的最大車速，計(jì)算關(guān)系為： （STYLEREF1\s2SEQ公式\*ARABIC\s13）根據(jù)指數(shù)描述道路對(duì)象在時(shí)間尺度、空間尺度上的不同，交通狀態(tài)指數(shù)分為基本算法與合并算法兩個(gè)部分：基本算法（BasicAlgorithm,BA）：由行程車速和自由流車速生成交通狀態(tài)指數(shù)的過程，即參數(shù)到指數(shù)階段?；綯SI模型就是BA算法。合并算法（MergeAlgorithm,MA）：由低層次、微觀交通狀態(tài)指數(shù)生成高層次、宏觀交通狀態(tài)指數(shù)的過程，即指數(shù)到指數(shù)階段。BA算法與MA算法在實(shí)際應(yīng)用實(shí)例中，分別針對(duì)不同的路網(wǎng)對(duì)象與時(shí)間尺度生成相應(yīng)的算法結(jié)構(gòu)，得到指數(shù)結(jié)果。結(jié)合上海市實(shí)際路網(wǎng)條件，面向快速路網(wǎng)與地面道路網(wǎng)分別構(gòu)建了完整的TSI計(jì)算流程。多時(shí)空對(duì)象道路交通狀態(tài)指數(shù)指標(biāo)體系研究交通狀態(tài)指數(shù)空間維度劃分交通狀態(tài)指數(shù)按空間維度可劃分為路段、區(qū)域、路網(wǎng)三個(gè)層次，即：宏觀層次（路網(wǎng)）：整體路網(wǎng)信息量化提供與指標(biāo)分析，用于政府決策和長(zhǎng)期趨勢(shì)對(duì)比，為路網(wǎng)規(guī)劃、管理布局提供指標(biāo)參考。中觀層次（區(qū)域）：按照地理區(qū)位、行政區(qū)劃、用地性質(zhì)、事件（或活動(dòng)）影響范圍進(jìn)行劃分的區(qū)域，具有較為相近的區(qū)位特征或交通特征。微觀層次（通道）：面向某種具體應(yīng)用目標(biāo)的若干發(fā)布段組合，一般用于交通管理分析應(yīng)用或出行路徑信息服務(wù)應(yīng)用。具體劃分方案見表2-2。表STYLEREF1\s2SEQ表\*ARABIC\s12空間維度層次劃分序號(hào)空間對(duì)象示例路段武寧路（曹楊路至中寧路）區(qū)域快速路：內(nèi)環(huán)高架（內(nèi)圈、外圈）……地面道路：按地理區(qū)位：浦西地區(qū)、浦東地區(qū)；內(nèi)環(huán)以內(nèi)區(qū)域……按行政區(qū)劃：徐匯區(qū)……按用地性質(zhì)：人民廣場(chǎng)……按事件（活動(dòng)）影響范圍：國際車展周邊區(qū)域……路網(wǎng)整體快速路網(wǎng)、整體地面道路網(wǎng)交通狀態(tài)指數(shù)時(shí)間維度劃分交通狀態(tài)指數(shù)按時(shí)間維度可劃分為實(shí)時(shí)、時(shí)段、日、周/月/季/年，實(shí)時(shí)交通指數(shù)：以交通區(qū)域?yàn)閷?duì)象，提供最小2min時(shí)間間隔的指數(shù)信息，用于實(shí)時(shí)發(fā)布。關(guān)聯(lián)指標(biāo)包括區(qū)域流量、平均行程車速、延誤等。時(shí)段（小時(shí)）交通指數(shù)：在2min時(shí)間間隔的基礎(chǔ)上，構(gòu)建30min、1小時(shí)交通指數(shù)，為管理應(yīng)用提供趨勢(shì)分析與統(tǒng)計(jì)分析工具。關(guān)聯(lián)指標(biāo)項(xiàng)包括擁堵時(shí)長(zhǎng)、擁堵時(shí)間比例、擁堵強(qiáng)度等。日交通指數(shù)：以全天數(shù)據(jù)的整體結(jié)果為對(duì)象，構(gòu)建全天交通指數(shù)，用于不同天之間交通特征對(duì)比分析。關(guān)聯(lián)指標(biāo)項(xiàng)包括擁堵日期、工作日擁堵系數(shù)等。進(jìn)一步可構(gòu)建周交通指數(shù)、月交通指數(shù)、年交通指數(shù)等，并關(guān)聯(lián)生成配套的指標(biāo)項(xiàng)。見表2-3。表STYLEREF1\s2SEQ表\*ARABIC\s13時(shí)間維度層次劃分序號(hào)時(shí)間顆粒度示例實(shí)時(shí)2min時(shí)段30min、1h、早晚高峰日工作日、節(jié)假日其他周/月/季/年交通狀態(tài)指數(shù)時(shí)空組合根據(jù)評(píng)價(jià)需求，可按照空間維度、時(shí)間維度進(jìn)行相應(yīng)組合，見表2-4。表STYLEREF1\s2SEQ表\*ARABIC\s14交通狀態(tài)指數(shù)時(shí)空組合空間對(duì)象時(shí)間顆粒度實(shí)時(shí)時(shí)段日周/月/季/年路段區(qū)域路網(wǎng)研究面向統(tǒng)計(jì)分析（包含特征分析、對(duì)比分析）、宏觀趨勢(shì)分析、預(yù)測(cè)預(yù)警、決策支持等方面的指標(biāo)架構(gòu)設(shè)計(jì)，部分指標(biāo)項(xiàng)目在經(jīng)過時(shí)空對(duì)象實(shí)例化后，可完善到UGCDS應(yīng)用指標(biāo)體系框架中。交通狀態(tài)指數(shù)應(yīng)用指標(biāo)研究時(shí)間過程評(píng)價(jià)指標(biāo)指數(shù)定基比（TSIFixedbaseperiod，TSI_FBP）：也簡(jiǎn)稱總速度，指數(shù)報(bào)告期水平（n）與某一固定時(shí)期（0）水平之比，表明TSI在較長(zhǎng)時(shí)期內(nèi)總的變化情況與發(fā)展趨勢(shì)。定基比的核心是基期合理選取，根據(jù)城市對(duì)象和分析需要，可以選擇歷史上某個(gè)具有典型交通特征為指數(shù)基期，也可以選擇某個(gè)交通最好的時(shí)間為基期。（STYLEREF1\s2SEQ公式\*ARABIC\s14）定基增長(zhǎng)率（Fixedbaseperiodratio,FBPR）：定基比的增減率，由報(bào)告期（n）相對(duì)于基期（0）TSI增減量與基期TSI的比值，結(jié)果可正可負(fù)，采用百分率表示。（STYLEREF1\s2SEQ公式\*ARABIC\s15）指數(shù)環(huán)比（TSIchain，TSI_C）：指數(shù)報(bào)告期(n)與連續(xù)的上一報(bào)告期(n-1)之間的水平之比，采用百分率表示。根據(jù)分析需要，環(huán)比報(bào)告期可為最小時(shí)間周期、定周期時(shí)段、全天、一周、一個(gè)月或一年等等。（STYLEREF1\s2SEQ公式\*ARABIC\s16）環(huán)比增長(zhǎng)率（chainratio，CR）：指數(shù)環(huán)比的增減率，由報(bào)告期（n）相對(duì)于連續(xù)上一報(bào)告期（n-1）TSI增減量與上一報(bào)告期TSI的比值，結(jié)果可正可負(fù)，采用百分率表示。（STYLEREF1\s2SEQ公式\*ARABIC\s17）指數(shù)同比(TSIAn,TSI_A)：一般指TSI本期(n)發(fā)展水平與上年同期(ln)發(fā)展水平對(duì)比，而達(dá)到的相對(duì)發(fā)展速度，采用百分率表示。根據(jù)分析對(duì)象需要，同比報(bào)告期可以為年度、月度等等。（STYLEREF1\s2SEQ公式\*ARABIC\s18）同比增長(zhǎng)率（AnRatio，AR）：指數(shù)同比的增長(zhǎng)率，由報(bào)告期（n）相對(duì)于上年同期（ln）TSI增減量與上年同期TSI的比值，結(jié)果可正可負(fù)，采用百分率表示。（STYLEREF1\s2SEQ公式\*ARABIC\s19）空間過程評(píng)價(jià)指標(biāo)差異率(DeviationRatio,DR)：在一個(gè)選定的路網(wǎng)總體R內(nèi)，各樣本區(qū)域TSI在指定統(tǒng)計(jì)時(shí)段內(nèi)呈現(xiàn)出的差異程度，反映路網(wǎng)交通狀態(tài)擁堵程度的空間不均衡性。（STYLEREF1\s2SEQ公式\*ARABIC\s110）在所選路網(wǎng)總體R中，DRn越大表示總體中各樣本區(qū)域TSI偏差越顯著，狀態(tài)一致性越差，DRn越小表示各樣本區(qū)域TSI偏差越不顯著，狀態(tài)一致性越高。相關(guān)性：又稱時(shí)間同步率，是指任意一個(gè)區(qū)域TSI的時(shí)序變化特征與另一個(gè)或幾個(gè)區(qū)域的時(shí)序特征保持趨勢(shì)一致與形態(tài)一致性的程度。采用Pearson相關(guān)系數(shù)作為處理參數(shù)。交通狀態(tài)指數(shù)分級(jí)與閾值標(biāo)定研究交通狀態(tài)指數(shù)TSI作為一種區(qū)間數(shù)字化評(píng)估指標(biāo)，能夠細(xì)致的刻畫目標(biāo)道路交通狀態(tài)，但為了理解與比較的需要，還需要在純數(shù)字結(jié)果的基礎(chǔ)上進(jìn)行分級(jí)研究，以從特征上表達(dá)交通狀態(tài)等級(jí)描述。從交通管理與出行體驗(yàn)角度來看，指數(shù)區(qū)域劃分應(yīng)體現(xiàn)以下幾點(diǎn)：1）指數(shù)等級(jí)之間特征過度明顯；2）區(qū)域內(nèi)交通特征盡量接近；3）區(qū)域不宜過多；4）指數(shù)等級(jí)要符合區(qū)域內(nèi)大部分出行者的體驗(yàn)；5）指數(shù)分級(jí)盡可能與“紅黃綠”三色狀態(tài)分級(jí)標(biāo)準(zhǔn)兼容。狀態(tài)分級(jí)與指數(shù)分級(jí)的關(guān)系和區(qū)別由于交通狀態(tài)概念已深入人心，駕駛員對(duì)“紅、黃、綠”三色交通狀態(tài)已充分熟悉和理解，并且指數(shù)的結(jié)果來源于路段行程車速的模型化處理，因此，在指數(shù)分級(jí)工作開展之前，將系統(tǒng)比較一下交通狀態(tài)與交通指數(shù)的關(guān)系與差別。發(fā)布段交通狀態(tài)劃分的標(biāo)準(zhǔn)與應(yīng)用調(diào)整1）發(fā)布段狀態(tài)劃分標(biāo)準(zhǔn)采用平均行程車速作為狀態(tài)判別的標(biāo)準(zhǔn)，分為暢通、擁擠、堵塞三級(jí)。分級(jí)的標(biāo)準(zhǔn)如下：（1）暢通路段中車輛的平均密度小，車輛在行程中能夠自由操控，在一定距離內(nèi)的平均行程車速大于40km/h。（2）擁擠路段中車輛的平均密度較高，車輛在行程中被動(dòng)的加減速頻繁，在一定距離內(nèi)的平均行程速度在20-40km/h內(nèi)。（3）堵塞路段中車輛的平均密度高，車輛在行程中有較長(zhǎng)時(shí)間的停車等候，在一定距離內(nèi)的平均行程速度低于20km/h?？紤]到地區(qū)、道路和路段交通流特征的差異，狀態(tài)閾值需要根據(jù)地區(qū)和路段的實(shí)際情況進(jìn)行標(biāo)定。同時(shí)考慮到線圈故障和缺失導(dǎo)致的數(shù)據(jù)異常對(duì)算法的影響，需要開發(fā)數(shù)據(jù)質(zhì)量判別算法，對(duì)故障線圈和實(shí)時(shí)數(shù)據(jù)進(jìn)行判別并輸出。根據(jù)數(shù)據(jù)質(zhì)量情況對(duì)算法的發(fā)布模式(自動(dòng)發(fā)布和人工狀態(tài))進(jìn)行切換。2）實(shí)際應(yīng)用調(diào)整通過以上標(biāo)準(zhǔn)可見，發(fā)布段狀態(tài)的最終輸出結(jié)果包含以下情況：在標(biāo)準(zhǔn)約定速度閾值的基礎(chǔ)上，根據(jù)不同線型、坡度和長(zhǎng)度的發(fā)布段需進(jìn)行定制化調(diào)整，即每個(gè)發(fā)布段可建立自身的狀態(tài)分級(jí)標(biāo)準(zhǔn)；狀態(tài)發(fā)布由算法結(jié)果與人工結(jié)果兩項(xiàng)保障，最終輸出結(jié)果將可能由人工進(jìn)行監(jiān)控與修正，而監(jiān)控員對(duì)擁堵的判斷與確認(rèn)將不嚴(yán)格和數(shù)據(jù)結(jié)果保持一致。區(qū)域交通狀態(tài)指數(shù)分級(jí)依據(jù)和調(diào)整方向根據(jù)介紹的TSI算法模型，指數(shù)以來的基礎(chǔ)參數(shù)為路段行程車速，因此從同源數(shù)據(jù)的概念一致性上考慮，指數(shù)的分級(jí)與狀態(tài)分級(jí)具有相同的參數(shù)基礎(chǔ)，即以車速分級(jí)為基本依據(jù)開展。如以快速路為例，當(dāng)自由流車速為80km/h時(shí)，對(duì)應(yīng)指數(shù)0，車速為40km/h時(shí)，對(duì)應(yīng)指數(shù)50，車速20km/h時(shí)，對(duì)應(yīng)指數(shù)75。如果在發(fā)布段層面構(gòu)建指數(shù)，則從上述對(duì)應(yīng)關(guān)系，應(yīng)確保分級(jí)一致，即指數(shù)也應(yīng)該分為三級(jí)。但對(duì)區(qū)域而言，情況就有所不同，以南北高架東西兩側(cè)，在早高峰、午高峰、晚高峰的六個(gè)時(shí)段指數(shù)與發(fā)布段行程車速對(duì)應(yīng)關(guān)系為例，如下表所示。表STYLEREF1\s2SEQ表\*ARABIC\s15區(qū)域指數(shù)與發(fā)布段速度關(guān)系2013-12-26日數(shù)據(jù)，南北高架東西兩側(cè)魯班至共和區(qū)域指數(shù)與發(fā)布段速度關(guān)系早高峰7:40東線西線午高峰14:30東線西線晚高峰17:50東線西線通過以上組圖對(duì)比可以發(fā)現(xiàn)以下兩點(diǎn)差異：（1）由于區(qū)域指數(shù)是眾多發(fā)布段行程車速的一種函數(shù)轉(zhuǎn)換，其等級(jí)劃分閾值與單一發(fā)布段顯而易見不能一一對(duì)應(yīng)。而且隨著區(qū)域范圍的增大，區(qū)域里程的增大，發(fā)布段總體及抽樣樣本的增多，劃分閾值越是差異明顯。（2）從出行者體驗(yàn)上來看，由于區(qū)域路網(wǎng)的里程范圍顯著高于發(fā)布段，同等級(jí)狀態(tài)特征的持續(xù)體驗(yàn)時(shí)間具有很大的差異，在發(fā)布段并未完全進(jìn)入擁堵狀態(tài)前，區(qū)域的擁堵體驗(yàn)已經(jīng)十分明顯，故從此點(diǎn)來分析也不應(yīng)嚴(yán)格保持分級(jí)規(guī)則的一致。綜上對(duì)比分析，在兼容發(fā)布段交通狀態(tài)分級(jí)標(biāo)準(zhǔn)的基礎(chǔ)上，本研究將基于行程車速損失、指數(shù)與區(qū)域流量的函數(shù)關(guān)系、大范圍人工觀察等幾個(gè)角度對(duì)指數(shù)分級(jí)開展探索研究?；谛谐誊囁贀p失的交通指數(shù)分級(jí)研究交通狀態(tài)指數(shù)（TSI）取值范圍為0～100，根據(jù)指數(shù)輸出結(jié)果，兼容當(dāng)前狀態(tài)分級(jí)暢通、擁擠和阻塞，將指數(shù)數(shù)據(jù)區(qū)間劃分成三個(gè)狀態(tài)級(jí)別。在每個(gè)狀態(tài)級(jí)別內(nèi)部，按照TSI真值的偏向，進(jìn)一步劃分成兩個(gè)子狀態(tài)等級(jí)，故形成六級(jí)指數(shù)狀態(tài)特征。暢通級(jí)別：下限0，上限為閾值1（TH1），閾值1是暢通與擁擠的分隔閾值；擁擠級(jí)別：下限為閾值1，上限為閾值2（TH2），閾值2是擁擠與阻塞的分隔閾值；阻塞級(jí)別：下限為閾值2，上限100。TH1：該閾值是標(biāo)定暢通和擁擠的分界閾值，該值假定道路對(duì)象整體車速降到自由流車速的67%以下，單位里程出行時(shí)間增加了50%，是自由流狀態(tài)下1.5倍的指數(shù)臨界值。TH2：該閾值是標(biāo)定擁擠和阻塞的分界閾值，該值假定道路對(duì)象整體車速降到自由流車速的33%以下，單位里程出行時(shí)間增加了200%，是自由流狀態(tài)下3.0倍的指數(shù)臨界值。表STYLEREF1\s2SEQ表\*ARABIC\s16TSI指數(shù)等級(jí)劃分指數(shù)等級(jí)暢通級(jí)別[0,TH1)擁擠級(jí)別[TH1,TH2)阻塞級(jí)別[TH2,100)一級(jí)閾值[0,34)[34,67)[67,100)細(xì)分等級(jí)暢通較暢通較擁擠很擁擠阻塞嚴(yán)重阻塞二級(jí)閾值[0,20)[20,34)[34,50)[50,67)[67,80)[80,100)在每個(gè)大的狀態(tài)等級(jí)內(nèi)部，還可根據(jù)相同的原則進(jìn)行細(xì)致劃分，每個(gè)狀態(tài)可進(jìn)一步再劃分“偏好、偏差”兩個(gè)子等級(jí)。子等級(jí)可參考的分級(jí)過程：暢通等級(jí)：基于大的狀態(tài)級(jí)別劃分區(qū)間，按照TSI真值對(duì)應(yīng)的車速值下降梯度劃分，如以快速路為例，在0~34指數(shù)區(qū)間，車速累計(jì)降幅34%左右，從感受的角度，出行時(shí)間波動(dòng)不大，在車速下降80%左右作為子狀態(tài)劃分閾值，對(duì)應(yīng)TSI閾值為：20，分為暢通和較暢通兩個(gè)子狀態(tài)等級(jí)。從便于觀察的角度，將TSI結(jié)果向速度整值進(jìn)行微調(diào)。擁擠等級(jí)：基于大的狀態(tài)級(jí)別劃分區(qū)間，按照TSI真值對(duì)應(yīng)的車速值下降梯度劃分，如以快速路為例，在34~67指數(shù)區(qū)間，車速累計(jì)降幅67%左右，從感受的角度，出行時(shí)間顯著增加，在車速下降50%左右作為子狀態(tài)劃分閾值，對(duì)應(yīng)TSI閾值為：50，分為較擁擠和很擁擠兩個(gè)子狀態(tài)等級(jí)。從便于觀察的角度，將TSI結(jié)果向速度整值進(jìn)行微調(diào)。阻塞等級(jí)：基于大的狀態(tài)級(jí)別劃分區(qū)間，按照TSI真值對(duì)應(yīng)的車速值下降梯度劃分，如以快速路為例，在67~100指數(shù)區(qū)間，車速累計(jì)降幅99%左右，從感受的角度，路上滯留時(shí)間嚴(yán)重，在車速下降50%左右作為子狀態(tài)劃分閾值，對(duì)應(yīng)TSI閾值為：80，分為阻塞和嚴(yán)重阻塞兩個(gè)子狀態(tài)等級(jí)。從便于觀察的角度，將TSI結(jié)果向速度整值進(jìn)行微調(diào)。圖STYLEREF1\s2SEQ圖\*ARABIC\s11TSI指數(shù)（橫軸）、行程車速（左）和行程時(shí)間（右）之間的關(guān)系基于交通流函數(shù)關(guān)系的指數(shù)分級(jí)研究根據(jù)交通流速度與流量的函數(shù)曲線關(guān)系，從區(qū)域?qū)用嫜芯恐笖?shù)與平均流量的函數(shù)對(duì)應(yīng)關(guān)系。以南北高架東線魯班路立交至共和路立交為案例分析區(qū)域，提取1個(gè)月的TSI指數(shù)結(jié)果與區(qū)域流量數(shù)據(jù)，在經(jīng)過數(shù)據(jù)質(zhì)量處理與修復(fù)基礎(chǔ)上，得到了如下圖所示的函數(shù)關(guān)系結(jié)果。圖STYLEREF1\s2SEQ圖\*ARABIC\s12區(qū)域指數(shù)與小時(shí)平均流量的函數(shù)關(guān)系從該結(jié)果可見，目標(biāo)區(qū)域車道平均流量隨著TSI指數(shù)的增大而呈現(xiàn)出負(fù)二次函數(shù)特征，具有通行能力頂部的拋物線。在TSI=30點(diǎn)附近達(dá)到了車道通行能力1570pcu/h，而在TSI=70點(diǎn)附近，出現(xiàn)流量關(guān)系的急速下降與紊亂，呈現(xiàn)出極端擁堵情況。而TSI在30~70之間的區(qū)域，則呈現(xiàn)30~50為飽和流平穩(wěn)區(qū)，50~70為擁堵形成區(qū)，且在TSI處于60~70之間，形成了流量加速下降的局面，尤其在TSI=60點(diǎn)左右時(shí)，出現(xiàn)了流量下降的拐點(diǎn)，故屬于擁堵快速發(fā)展的階段。課題還對(duì)快速路其他區(qū)域進(jìn)行了區(qū)域指數(shù)與流量的關(guān)系分析，除通行能力閾值不同外，均得到相似的函數(shù)關(guān)系結(jié)果，且達(dá)到通行能力的TSI值與嚴(yán)重?fù)矶碌腡SI值分別在30點(diǎn)與70點(diǎn)附近波動(dòng)，而交通流飽和的TSI區(qū)間為30~55。該結(jié)果從區(qū)域的層面，驗(yàn)證了TSI與交通流量之間的函數(shù)關(guān)系。TSI閾值劃分綜合結(jié)果交通指數(shù)的分級(jí)除了要考慮交通流參數(shù)的相互影響關(guān)系外，還需要結(jié)合交通管理者的實(shí)際經(jīng)驗(yàn)與人們?nèi)粘３鲂械膿矶麦w驗(yàn)，綜合考慮交通指數(shù)的等級(jí)劃分與邊界閾值選取問題?；谏鲜鰩c(diǎn)考慮及分析，并以區(qū)域指數(shù)與流量的函數(shù)關(guān)系為基礎(chǔ)，以二分法為基本體驗(yàn)劃分依據(jù)。所謂二分法是首先對(duì)區(qū)域指數(shù)劃分為暢通和擁堵兩個(gè)顯著差異數(shù)據(jù)區(qū)間，在此基礎(chǔ)上，在每個(gè)半?yún)^(qū)中繼續(xù)分為兩種指數(shù)特征，即形成四個(gè)閾值區(qū)間。綜上，建立如表所示的指數(shù)分級(jí)閾值區(qū)間分配關(guān)系。表STYLEREF1\s2SEQ表\*ARABIC\s17交通指數(shù)等級(jí)劃分與邊界閾值等級(jí)（顏色）暢通（深綠）較暢通（淺綠）擁堵（橘黃）嚴(yán)重?fù)矶拢ò导t）指數(shù)區(qū)間[0,30)[30,50)[50,70)[70,100]通過使用綠色、淺綠、橘黃、暗紅等四種顏色，分別表示指數(shù)的暢通、較暢通、擁堵、嚴(yán)重?fù)矶滤膫€(gè)狀態(tài)等級(jí)。各等級(jí)的含義說明如下：暢通（深綠）：交通運(yùn)行狀況很好，路網(wǎng)平均車流密度小、車速高，只有很低比例的道路處于擁擠或阻塞；指數(shù)區(qū)間0~30左閉右開。較暢通（淺綠）：交通運(yùn)行狀況較好，路網(wǎng)平均車流密度較小、車速較高，只有較小比例的道路處于擁擠或阻塞；指數(shù)區(qū)間30~50左閉右開。擁堵（橘黃）：交通運(yùn)行狀況一般，路網(wǎng)平均車流密度較大、車速不高，處于擁擠或阻塞的道路占有顯著的比例；指數(shù)區(qū)間50~70左閉右開。嚴(yán)重?fù)矶拢ò导t）：交通運(yùn)行狀況很差，路網(wǎng)平均車流密度很高、車速很低甚至停駛，處于擁擠或阻塞的道路占有相當(dāng)高的比例；指數(shù)區(qū)間70~100左閉右閉。除TSI與流量之間的二次拋物線函數(shù)關(guān)系外（如圖2-3所示），TSI還與單位里程行程時(shí)間(s/km)具有指數(shù)關(guān)系，快速路TSI指數(shù)與1km行程時(shí)間的對(duì)照關(guān)系。圖STYLEREF1\s2SEQ圖\*ARABIC\s13TSI指數(shù)（橫軸）、行程車速（左）和行程時(shí)間（右）之間的關(guān)系從交通指數(shù)計(jì)算的公式可知，TSI模型在面向不同路網(wǎng)實(shí)例化過程中，使用的vf即自由流車速各不相同，因此，TSI與單位流程旅行時(shí)間之間的指數(shù)關(guān)系雖然形態(tài)一致，但閾值卻各不相同。TSI閾值劃分研究建議綜合以上三條研究論述可見，交通狀態(tài)指數(shù)分級(jí)與閾值標(biāo)定存在以下幾個(gè)特征：1）當(dāng)前TSI模型與發(fā)布段狀態(tài)都是以路段行程車速為核心參數(shù)，因此在理論上，分級(jí)基礎(chǔ)在大的方面應(yīng)盡可能保持一致；2）面向區(qū)域的指數(shù)分級(jí)與發(fā)布段狀態(tài)分級(jí)無論在閾值上，還是結(jié)構(gòu)上可以不盡相同。區(qū)域作為多個(gè)發(fā)布段的集合，其里程長(zhǎng)度往往是獨(dú)立發(fā)布段的若干倍，累計(jì)出行時(shí)間的延誤給駕駛員帶來的影響會(huì)遠(yuǎn)高于單個(gè)發(fā)布段擁堵，即產(chǎn)生“量變到質(zhì)變”的效果，因此，單獨(dú)建立指數(shù)分級(jí)標(biāo)準(zhǔn)也具有技術(shù)合理性；3）由于狀態(tài)發(fā)布標(biāo)準(zhǔn)是速度和人工雙重標(biāo)準(zhǔn)的綜合結(jié)果，與TSI純算法的結(jié)果存在差異，因此，TSI分級(jí)的靈活性要大于狀態(tài)分級(jí)的靈活性；4）由于在區(qū)域?qū)用?，乃至路網(wǎng)宏觀層面，尚不具備劃分指數(shù)的經(jīng)驗(yàn)，因此前文分級(jí)研究探索的結(jié)果具有一定的主觀性。當(dāng)前研究重點(diǎn)是偏向面向管理者與決策者的使用，面向出行者信息服務(wù)的指數(shù)分級(jí)還需要進(jìn)一步開展深入調(diào)研與分析。交通狀態(tài)指數(shù)作為一項(xiàng)服務(wù)上海市民出行的新生事物，將在中觀、宏觀兩個(gè)層面豐富信息服務(wù)內(nèi)涵。在現(xiàn)階段“紅、黃、綠”三色狀態(tài)已經(jīng)深入人心的大前提下，公眾對(duì)交通狀態(tài)指數(shù)的接受和理解還需要一個(gè)較長(zhǎng)的時(shí)間過程?？紤]到道路交通狀態(tài)發(fā)布與道路交通指數(shù)發(fā)布可能長(zhǎng)期共存的客觀事實(shí)，應(yīng)使交通指數(shù)分級(jí)與狀態(tài)分級(jí)保持兼容，避免兩類信息發(fā)布對(duì)出行者在上產(chǎn)生理解矛盾。因此從研究的角度增補(bǔ)建議兩種指數(shù)分級(jí)方式。方案一，從交通管理者更為關(guān)心宏觀交通擁堵狀態(tài)的角度對(duì)指數(shù)進(jìn)行劃分，可對(duì)映以車速劃分的交通狀態(tài)區(qū)間，劃分0<=TSI<=30為暢通，30<=TSI<=50為較暢通，對(duì)應(yīng)車速40km/h以上；50<TSI<=75為擁擠，對(duì)應(yīng)車速20~40km/h；75<TSI<=100為阻塞，對(duì)應(yīng)車速20km/h以下。方案二，從出行者實(shí)際駕車感受角度考慮，擁擠至堵塞之間的不同程度在表達(dá)上應(yīng)盡量細(xì)化，建議暢通區(qū)間不再分級(jí)，而將擁擠區(qū)間進(jìn)行再次劃分，對(duì)應(yīng)快速路以15km/h左右作為劃分車速的管理界限，在指數(shù)分級(jí)中以TSI=80為細(xì)分擁堵和嚴(yán)重?fù)矶碌闹笜?biāo)，即劃分0<=TSI<=50為暢通，對(duì)應(yīng)車速40km/h以上；50<TSI<=70為擁擠，對(duì)應(yīng)車速24~40km/h；70<TSI<=80為阻塞，對(duì)應(yīng)車速16~24km/h。80<TSI<=100為阻塞，對(duì)應(yīng)車速16km/h以下。表STYLEREF1\s2SEQ表\*ARABIC\s18面向出行者的交通狀態(tài)指數(shù)閾值劃分建議交通指數(shù)等級(jí)劃分與邊界閾值等級(jí)（顏色）暢通（深綠）擁擠（金黃）擁堵（橘黃）嚴(yán)重?fù)矶拢ò导t）指數(shù)區(qū)間[0,50)[50,70)[70,80)[80,100]基于交通指數(shù)的道路交通擁堵趨勢(shì)分析技術(shù)交通指數(shù)具備所有交通流參數(shù)相同的交通規(guī)律分析能力，相比傳統(tǒng)數(shù)據(jù)分析模式，利用TSI進(jìn)行交通規(guī)律分析除了具有顯著的數(shù)字特征外，還可以提供更加智能的分析結(jié)果，使指數(shù)具有“思維”能力。交通指數(shù)參考值計(jì)算方法通過前文研究成果，交通狀態(tài)指數(shù)TSI的參考值將通過大量歷史數(shù)據(jù)的統(tǒng)計(jì)分布得到，而為了能夠更加客觀獲得某個(gè)TSI的“道路真值”，本課題研究了三種計(jì)算指數(shù)參考值的計(jì)算方法。1.指數(shù)特征分布第一種：按照全年特定時(shí)刻點(diǎn)交通指數(shù)由大到小的排序，取指定日期的指作為全年指數(shù)時(shí)刻特征值；如第100名；圖STYLEREF1\s2SEQ圖\*ARABIC\s14快速路全網(wǎng)時(shí)刻指數(shù)全年統(tǒng)計(jì)分布（8:30）圖STYLEREF1\s2SEQ圖\*ARABIC\s15快速路區(qū)域時(shí)刻指數(shù)全年統(tǒng)計(jì)分布（8:30）第二種：按照全年特定時(shí)刻點(diǎn)交通指數(shù)由小到大累加，選取指數(shù)值在全年總量第85%分布位置上的對(duì)應(yīng)日期指數(shù)值；圖STYLEREF1\s2SEQ圖\*ARABIC\s16快速路全網(wǎng)時(shí)刻指數(shù)全年統(tǒng)計(jì)百分比（8:30）圖STYLEREF1\s2SEQ圖\*ARABIC\s17快速路區(qū)域時(shí)刻指數(shù)全年統(tǒng)計(jì)百分比（8:30）2.全量與分類統(tǒng)計(jì)分布全量統(tǒng)計(jì)方法：按照全年365天指定時(shí)刻交通指數(shù)為樣本總體，計(jì)算指數(shù)均值（期望）與方差，根據(jù)方差覆蓋范圍創(chuàng)建標(biāo)準(zhǔn)區(qū)間與排除集，基于標(biāo)準(zhǔn)區(qū)間重新計(jì)算。（STYLEREF1\s2SEQ公式\*ARABIC\s111）（STYLEREF1\s2SEQ公式\*ARABIC\s112）（STYLEREF1\s2SEQ公式\*ARABIC\s113）（STYLEREF1\s2SEQ公式\*ARABIC\s114）表STYLEREF1\s2SEQ表\*ARABIC\s19全量統(tǒng)計(jì)分析指標(biāo)對(duì)比表8:30:00快速路全網(wǎng)內(nèi)環(huán)高架路內(nèi)側(cè)(西南段)均值19.3132.89標(biāo)準(zhǔn)差6.3415.29標(biāo)準(zhǔn)區(qū)間[12.97,25.65][17.60,48.18]參考值20.433.3分類統(tǒng)計(jì)方法：按照工作日與雙休日分類統(tǒng)計(jì)平均值，分別計(jì)算工作日的均值與方差，雙休日的均值與方差，并創(chuàng)建排除集；方法同全量統(tǒng)計(jì)方法，結(jié)果分為兩組。見表2-10與表2-11所示。表STYLEREF1\s2SEQ表\*ARABIC\s110分類統(tǒng)計(jì)分析指標(biāo)對(duì)比表（工作日）8:30:00快速路全網(wǎng)內(nèi)環(huán)高架路內(nèi)側(cè)(西南段)均值21.7538.8標(biāo)準(zhǔn)差5.2913.65標(biāo)準(zhǔn)區(qū)間[16.46,27.04][25.15,52.45]參考值22.137.9表STYLEREF1\s2SEQ表\*ARABIC\s111分類統(tǒng)計(jì)分析指標(biāo)對(duì)比表（雙休日）8:30:00快速路全網(wǎng)內(nèi)環(huán)高架路內(nèi)側(cè)(西南段)均值13.1418.04標(biāo)準(zhǔn)差4.246.7標(biāo)準(zhǔn)區(qū)間[8.9,17.37][11.34,24.74]參考值1317.183.基于眾數(shù)的參考值計(jì)算眾數(shù)分布計(jì)算：按照工作日與雙休日進(jìn)行分類，分別計(jì)算工作日與雙休日的指數(shù)覆蓋區(qū)間，將總區(qū)間以5指數(shù)值為步長(zhǎng)，劃分成若干區(qū)間，根據(jù)區(qū)間范圍計(jì)算260天工作日中處于各指數(shù)區(qū)間的日期天數(shù)，由最大區(qū)間確定參考值。圖STYLEREF1\s2SEQ圖\*ARABIC\s18快速路全網(wǎng)時(shí)刻指數(shù)眾數(shù)統(tǒng)計(jì)法（8:30）最大天數(shù)區(qū)間20~25，該區(qū)間指數(shù)均值22.18即為參考值。圖STYLEREF1\s2SEQ圖\*ARABIC\s19快速路區(qū)域時(shí)刻指數(shù)眾數(shù)統(tǒng)計(jì)法（8:30）最大天數(shù)區(qū)間35~40，該區(qū)間指數(shù)均值37.36即為參考值。表STYLEREF1\s2SEQ表\*ARABIC\s112各種方法交通指數(shù)特征值比較表方法比較（8:30:00）快速路全網(wǎng)內(nèi)環(huán)高架路內(nèi)側(cè)(西南段)指數(shù)特征值分布第一種（100天）22.7140.96第二種（85%位）26.0956.46全量與分類統(tǒng)計(jì)全量統(tǒng)計(jì)20.433.3工作日22.137.9雙休日1317.18眾數(shù)分布計(jì)算22.1837.36通過以上研究與對(duì)比，采用排在第100天的指數(shù)結(jié)果更接近真實(shí)的感受，因此采用該結(jié)果作為最終的指數(shù)參考值，用以進(jìn)行實(shí)時(shí)結(jié)果的比對(duì)。該結(jié)果以歷史表存在源數(shù)據(jù)庫中，并以事實(shí)表的形式存儲(chǔ)在數(shù)據(jù)倉庫中。宏觀路網(wǎng)分析系統(tǒng)案例基于指數(shù)參考值作為一項(xiàng)至關(guān)重要的研究成果，為基于TSI道路交通規(guī)律與擁堵分析帶來了巨大的方便，使得基于TSI的數(shù)據(jù)分析有了認(rèn)識(shí)上的“基準(zhǔn)”，在數(shù)量判別基礎(chǔ)上具備了智能分析的能力。圖STYLEREF1\s2SEQ圖\*ARABIC\s110基于指數(shù)參考值的全路網(wǎng)大面積擁堵判別與分析從圖2-10中可見，在2012年10月22號(hào)當(dāng)天，因?yàn)榇笥甑挠绊?，快速路主線早高峰TSI指數(shù)上升到38點(diǎn)，相比日常的25點(diǎn)水平增長(zhǎng)了50%以上，南北高架西線、延安高架全線、內(nèi)環(huán)高架全線幾乎都處于擁堵和嚴(yán)重?fù)矶?，指?shù)精確的反映了擁堵發(fā)生的時(shí)刻與程度（地面道路情況相近），對(duì)擁堵嚴(yán)重程度的客觀結(jié)論輸出奠定了重要的數(shù)據(jù)基礎(chǔ)。交通狀態(tài)指數(shù)展示在上海市城市快速路網(wǎng)、地面道路網(wǎng)得到應(yīng)用，下圖為展示界面。圖STYLEREF1\s2SEQ圖\*ARABIC\s111城市快速路網(wǎng)交通指數(shù)展示圖STYLEREF1\s2SEQ圖\*ARABIC\s112城市地面道路網(wǎng)交通指數(shù)展示為評(píng)估道路交通擁堵當(dāng)前態(tài)勢(shì)與發(fā)展態(tài)勢(shì)，本項(xiàng)目開展基于交通指數(shù)的關(guān)聯(lián)分析，如下圖所示。圖STYLEREF1\s2SEQ圖\*ARABIC\s113基于指數(shù)的關(guān)聯(lián)分析應(yīng)用交通大數(shù)據(jù)系統(tǒng)構(gòu)建關(guān)鍵技術(shù)研究交通大數(shù)據(jù)應(yīng)用系統(tǒng)架構(gòu)研究交通大數(shù)據(jù)系統(tǒng)構(gòu)建需求交通大數(shù)據(jù)應(yīng)用系統(tǒng)構(gòu)建除了滿足多元用戶應(yīng)用需求，還需要滿足分布式存儲(chǔ)、分布式計(jì)算、本地計(jì)算等方面技術(shù)要求。分布式存儲(chǔ)為了保證高可用、高可靠和經(jīng)濟(jì)性，大數(shù)據(jù)一般采用分布式存儲(chǔ)的方式存儲(chǔ)數(shù)據(jù)，并采用冗余存儲(chǔ)的方式進(jìn)一步保證數(shù)據(jù)的可靠性，基于Hadoop的分布式文件系統(tǒng)（HadoopDistributedFileSystem，HDFS）信息存儲(chǔ)方式是目前較為流行的數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)，如圖2-5所示，通過構(gòu)建基于HDFS的云存儲(chǔ)服務(wù)系統(tǒng)，解決智能交通海量數(shù)據(jù)存儲(chǔ)難題，降低實(shí)施分布式文件系統(tǒng)的成本。Hadoop分布式文件系統(tǒng)是開源云計(jì)算軟件平臺(tái)Hadoop框架的底層實(shí)現(xiàn)部分，具有高傳輸率、高容錯(cuò)性等特點(diǎn)，可以以流的形式訪問文件系統(tǒng)中的數(shù)據(jù)，從而解決訪問速度和安全性問題。圖STYLEREF1\s3SEQ圖\*ARABIC\s11HDFS邏輯架構(gòu)圖分布式計(jì)算城市交通大數(shù)據(jù)的強(qiáng)大計(jì)算能力能對(duì)龐大、復(fù)雜而又無序的交通數(shù)據(jù)進(jìn)行分析處理，基于大數(shù)據(jù)平臺(tái)的交通數(shù)據(jù)建模及時(shí)空索引、歷史數(shù)據(jù)的挖掘、交通數(shù)據(jù)的分布式處理和融合及交通流動(dòng)態(tài)預(yù)測(cè)，都需要大數(shù)據(jù)平臺(tái)的分布式計(jì)算能力，即高性能并行計(jì)算模型MapReduce。MapReduce是一個(gè)用于海量數(shù)據(jù)處理的編程模型，它簡(jiǎn)化了復(fù)雜的數(shù)據(jù)處理計(jì)算過程：它將數(shù)據(jù)處理過程分為map階段和reduce階段，其執(zhí)行邏輯模型如圖2-6所示。MapReduce通過把對(duì)數(shù)據(jù)集的大規(guī)模操作分散到網(wǎng)絡(luò)節(jié)點(diǎn)上實(shí)現(xiàn)可靠性。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，如果一個(gè)節(jié)點(diǎn)保持沉默超過一個(gè)預(yù)設(shè)的時(shí)間間隔，主節(jié)點(diǎn)記錄下這個(gè)節(jié)點(diǎn)狀態(tài)為死亡狀態(tài)，然后把分配給這個(gè)節(jié)點(diǎn)的任務(wù)發(fā)到別的節(jié)點(diǎn)上。MapReduce是完全基于數(shù)據(jù)劃分的角度來構(gòu)建并行計(jì)算模型的，具有很好的容錯(cuò)能力。圖STYLEREF1\s3SEQ圖\*ARABIC\s12MapReduce執(zhí)行原理本地計(jì)算如果說分布式計(jì)算是利用網(wǎng)絡(luò)完成數(shù)據(jù)共享和計(jì)算的話，那么本地計(jì)算講的就是傳統(tǒng)的以數(shù)據(jù)庫為中心的計(jì)算模式，分布式計(jì)算無疑擁有巨大潛力和優(yōu)越性。所謂數(shù)據(jù)庫中心的本地計(jì)算模式，就是將軟件系統(tǒng)的處理能力和負(fù)載主要集中在一兩臺(tái)數(shù)據(jù)庫服務(wù)器，如果要提高計(jì)算處理能力，只能不斷提高數(shù)據(jù)庫服務(wù)器的硬件水平，從普通雙核多核PC機(jī)到小型機(jī)，直至中型機(jī)和超級(jí)計(jì)算機(jī)，隨著處理能力提高，系統(tǒng)的建設(shè)成本也越來越高。兩種計(jì)算模式有者鮮明的對(duì)比，分布式計(jì)算通過軟件來管理所有的數(shù)據(jù)和計(jì)算任務(wù)，資源都通過網(wǎng)絡(luò)共享，計(jì)算任務(wù)下發(fā)后，被分發(fā)到多個(gè)計(jì)算機(jī)上進(jìn)行計(jì)算。本地計(jì)算則把所又需要計(jì)算的資源統(tǒng)統(tǒng)傳輸?shù)接?jì)算中心的計(jì)算機(jī)上進(jìn)行處理。通過對(duì)比可以發(fā)現(xiàn)，一個(gè)是集中式多任務(wù)管理，一個(gè)是分布式多任務(wù)管理，在數(shù)據(jù)量巨大的情況下，各有優(yōu)缺點(diǎn)，能夠形成互補(bǔ)優(yōu)勢(shì)，需要根據(jù)實(shí)際應(yīng)用的需求選取合適的技術(shù)?；贖ADOOP的分布式數(shù)據(jù)處理技術(shù)前文從系統(tǒng)的角度闡述大數(shù)據(jù)普遍遵循的技術(shù)原理和方法，從存儲(chǔ)、計(jì)算的角度闡述了MapReduce的基本原理和實(shí)現(xiàn)邏輯，本節(jié)將進(jìn)一步介紹大數(shù)據(jù)領(lǐng)域最熱門的開源分布式系統(tǒng)Hadoop。在詳細(xì)闡述Hadoop之前，不妨先看下目前在工業(yè)界（學(xué)術(shù)界）里比較流行的幾種分布式計(jì)算框架（平臺(tái)）。幾種流行的分布式計(jì)算框架MapReduce(MR)。前文所述，最為常見和流行的一個(gè)分布式計(jì)算框架，Hadoop是其開源實(shí)現(xiàn)之一，它已經(jīng)得到了極為廣泛的運(yùn)用，同時(shí)在Hadoop基礎(chǔ)上發(fā)展起來的項(xiàng)目也有很多（HBase、Hive等），另外像Cloudera、Hortonworks、MapR這樣的在Hadoop基礎(chǔ)上發(fā)展起來的公司也有很多。Pregel。Pregel也是谷歌發(fā)明的一種分布式計(jì)算框架，其優(yōu)勢(shì)是可以更為高效地完成一些適合于抽象為圖算法的應(yīng)用，Giraph是一個(gè)比較好的開源實(shí)現(xiàn)。Storm。Storm是推特的項(xiàng)目，號(hào)稱是Hadoop的實(shí)時(shí)計(jì)算平臺(tái)，對(duì)于一些需要實(shí)時(shí)性高性能的任務(wù)可以擁有比MR更高的效率。Spark。Spark是UCBerkeleyAMPLab的項(xiàng)目，其很好地利用了JAVA虛擬機(jī)中的堆處理技術(shù)，對(duì)于中間計(jì)算結(jié)果可以有更好的緩存支持，因此其在性能上要比MR高出很多，因?yàn)閭?cè)重于堆計(jì)算，所以內(nèi)存要求較高。Shark是其基礎(chǔ)上類似于Hive的一個(gè)項(xiàng)目。Dryad和Scope。這兩個(gè)都是微軟研究院推出的MR類的項(xiàng)目，Dryad是一個(gè)更為通用的計(jì)算框架，支持有向無環(huán)圖類型數(shù)據(jù)流的并行計(jì)算，通過通道實(shí)現(xiàn)通信，兩者組成一個(gè)二維的管道流模型；而Scope有點(diǎn)類似于Hive和Shark，都是將某種類似于SQL的腳本語言編譯成可以在底層分布式平臺(tái)上計(jì)算的任務(wù)。但是這兩個(gè)項(xiàng)目因?yàn)椴婚_源，所以資料不多，也沒有開源項(xiàng)目那樣的社區(qū)支持。除了以上一些有名氣的系統(tǒng)外，還有一些比如谷歌的Dremel系統(tǒng)，Yale的HadoopDB等，這些分布式計(jì)算系統(tǒng)基本都是以MR為原理，在此不再多述，有興趣的讀者可以參閱相關(guān)技術(shù)文獻(xiàn)。以下詳細(xì)引述使用最廣泛的Hadoop框架。HADOOP分布式計(jì)算框架Hadoop由Apache軟件基金會(huì)于2005年秋天作為\o"Lucene"Lucene的子項(xiàng)目Nutch的一部分正式引入。它受到最先由谷歌開發(fā)的MapReduce和谷歌文件系統(tǒng)（GoogleFileSystem，GFS）的啟發(fā)。2006年3月份，MapReduce和Nutch分布式文件系統(tǒng)（NutchDistributedFileSystem，NDFS）分別被納入Hadoop項(xiàng)目中。發(fā)展到現(xiàn)在，圍繞著Hadoop已經(jīng)形成了一個(gè)豐富的生態(tài)圈，這主要由HDFS、MapReduce、HBase、Hive和ZooKeeper等成員組成。其中，HDFS和MapReduce是兩個(gè)最基礎(chǔ)最重要的成員。HDFS是谷歌GFS的開源版本，一個(gè)高度容錯(cuò)的分布式文件系統(tǒng)，它能夠提供高吞吐量的數(shù)據(jù)訪問，適合存儲(chǔ)海量（PB級(jí)）的大文件。MapReduce則是用于并行處理大數(shù)據(jù)集的軟件框架。因此，Hadoop是一個(gè)能夠?qū)Υ罅繑?shù)據(jù)進(jìn)行分布式處理的軟件框架，它是一種技術(shù)的實(shí)現(xiàn)，并且在其上整合了包括數(shù)據(jù)庫、云計(jì)算管理、數(shù)據(jù)倉儲(chǔ)等一系列平臺(tái)，其已成為工業(yè)界和學(xué)術(shù)界進(jìn)行云計(jì)算應(yīng)用和研究的標(biāo)準(zhǔn)平臺(tái)。通俗地說，Hadoop是一套開源的、基于Java的分布式計(jì)算框架，能夠讓數(shù)千臺(tái)普通、廉價(jià)的服務(wù)器組成一個(gè)穩(wěn)定的、強(qiáng)大的集群，使其能夠?qū)B級(jí)的大數(shù)據(jù)進(jìn)行存儲(chǔ)和計(jì)算?；贖adoop,用戶可編寫處理海量數(shù)據(jù)的分布式并行程序，并將其運(yùn)行于由成百上千個(gè)結(jié)點(diǎn)組成的大規(guī)模計(jì)算機(jī)集群上。Hadoop已被全球幾大IT公司用作其云計(jì)算環(huán)境中的重要基礎(chǔ)軟件，亞馬遜公司則基于Hadoop推出了亞馬遜簡(jiǎn)單存儲(chǔ)服務(wù)（AmazonSimpleStorageService，AmazonS3），提供可靠、快速、可擴(kuò)展的網(wǎng)絡(luò)存儲(chǔ)服務(wù)。Hadoop分布式文件系統(tǒng)(HDFS)被設(shè)計(jì)成適合運(yùn)行在通用硬件上的分布式文件系統(tǒng)。它和現(xiàn)有的分布式文件系統(tǒng)有很多共同點(diǎn)。但同時(shí)，它和其他的分布式文件系統(tǒng)的區(qū)別也是很明顯的。HDFS是一個(gè)高度容錯(cuò)性的系統(tǒng)，適合部署在廉價(jià)的機(jī)器上。HDFS能提供高吞吐量的數(shù)據(jù)訪問，非常適合大規(guī)模數(shù)據(jù)集上的應(yīng)用。HDFS放寬了一部分POSIX約束，來實(shí)現(xiàn)流式讀取文件系統(tǒng)數(shù)據(jù)的目的。Hadoop從發(fā)布至今已經(jīng)發(fā)布到了2.X.X版本，其中1和2兩種版本是有很大區(qū)別的。Hadoop2其實(shí)與Hadoop1建立在完全不同架構(gòu)上，針對(duì)hadoop1時(shí)代的缺陷做了很大的變革，圖3-3顯示了其中的區(qū)別。圖STYLEREF1\s3SEQ圖\*ARABIC\s13Hadoop1.0與Hadoop2.0架構(gòu)對(duì)比根據(jù)圖3-4來看MapReduce如何演變的，首先看Hadoop1.0的實(shí)現(xiàn)流程。圖STYLEREF1\s3SEQ圖\*ARABIC\s14Hadoop1.0下MapReduce實(shí)現(xiàn)流程從圖3-4中可以清楚的看出原MapReduce程序的流程及設(shè)計(jì)思路：首先用戶程序（JobClient）提交了一個(gè)作業(yè)（job），job的信息會(huì)發(fā)送到JobTracker中，JobTracker是HadoopMapReduce框架的中心，它需要與集群中的機(jī)器定時(shí)檢測(cè)心跳（heartbeat），需要管理哪些程序應(yīng)該跑在哪些機(jī)器上，需要管理所有job失敗、重啟等操作。TaskTracker是Hadoop集群中每臺(tái)機(jī)器都有的一個(gè)部分，它做的事情主要是監(jiān)視自己所在機(jī)器的資源情況。TaskTracker同時(shí)監(jiān)視當(dāng)前機(jī)器的任務(wù)（tasks）運(yùn)行狀況。TaskTracker需要把這些信息通過心跳（heartbeat）發(fā)送給JobTracker，JobTracker會(huì)搜集這些信息以確定新提交的作業(yè)分配到哪些機(jī)器上運(yùn)行。圖2-8中虛線箭頭就是表示消息的發(fā)送-接收的過程?？偨Y(jié)Hadoop的架構(gòu)，其由如下部分組成：NameNode。Hadoop集群中只有一個(gè)NameNode，它負(fù)責(zé)管理HDFS的目錄樹和相關(guān)文件的元數(shù)據(jù)信息。SencondaryNameNode。SencondaryNameNode有兩個(gè)作用，一是鏡像備份NameNode上的元數(shù)據(jù)，二是日志與鏡像定期合并，并傳輸給NameNode。SencondaryNameNode可以在NameNode崩潰時(shí)提供恢復(fù)集群的能力。DataNode。負(fù)責(zé)實(shí)際的數(shù)據(jù)存儲(chǔ)，并將信息定期傳輸給NameNode?？梢钥吹贸鲈瓉淼腍adoop架構(gòu)是簡(jiǎn)單明了的，在最初推出的幾年，也得到了眾多的成功案例，獲得業(yè)界廣泛的支持和肯定，但隨著分布式系統(tǒng)集群的規(guī)模和其工作負(fù)荷的增長(zhǎng)，原框架的問題逐漸浮出水面，主要的問題集中如下：JobTracker是Hadoop的集中處理點(diǎn)，存在單點(diǎn)故障。JobTracker完成了太多的任務(wù)，造成了過多的資源消耗，當(dāng)作業(yè)非常多的時(shí)候，會(huì)造成很大的內(nèi)存開銷，也增加了JobTracker失效的風(fēng)險(xiǎn)，這也是業(yè)界普遍總結(jié)出Hadoop的Map-Reduce只能支持4000個(gè)節(jié)點(diǎn)主機(jī)的上限。在TaskTracker端，以map/reduce任務(wù)的數(shù)目作為資源開銷的表示過于簡(jiǎn)單，沒有考慮到中央處理器、內(nèi)存的占用情況，如果兩個(gè)大內(nèi)存消耗的任務(wù)被調(diào)度到了一臺(tái)機(jī)器上，很容易出現(xiàn)內(nèi)存不足（OutofMemory）的情況。在TaskTracker端，把資源強(qiáng)制劃分為map任務(wù)槽（taskslot）和reduce任務(wù)槽，如果當(dāng)系統(tǒng)中只有map任務(wù)或者只有reduce任務(wù)的時(shí)候，會(huì)造成資源浪費(fèi)，也就是前面提過的集群資源利用不足的問題。源代碼層面分析的時(shí)候，會(huì)發(fā)現(xiàn)代碼非常難讀，常常因?yàn)橐粋€(gè)Java類（class）做了太多的事情，代碼量過大，造成類的任務(wù)不清晰，增加缺陷（bug）修復(fù)和版本維護(hù)的難度。從操作的角度來看，現(xiàn)在的HadoopMapReduce框架在有任何重要的或者不重要的變化（例如缺陷修復(fù)、性能提升）時(shí)，都會(huì)強(qiáng)制進(jìn)行系統(tǒng)級(jí)別的升級(jí)更新。更糟的是，它不管用戶的喜好，強(qiáng)制讓分布式集群系統(tǒng)的每一個(gè)用戶端同時(shí)更新。這些更新會(huì)讓用戶為了驗(yàn)證之前的應(yīng)用程序是否還適用新的Hadoop版本而浪費(fèi)大量時(shí)間。從業(yè)界使用分布式系統(tǒng)的變化趨勢(shì)和Hadoop框架的長(zhǎng)遠(yuǎn)發(fā)展來看，JobTracker-TaskTracker機(jī)制需要大規(guī)模的調(diào)整來修復(fù)它在可擴(kuò)展性、內(nèi)存消耗、線程模型、可靠性和性能上的不足。在過去的幾年中，Hadoop開發(fā)團(tuán)隊(duì)做了一些缺陷的修復(fù)，但是最近這些修復(fù)的成本越來越高，這表明對(duì)原框架做出改變的難度越來越大。為從根本上解決舊框架的性能瓶頸，促進(jìn)Hadoop框架的更長(zhǎng)遠(yuǎn)發(fā)展，從0.23.0版本開始，Hadoop的MapReduce框架完全重構(gòu)，發(fā)生了根本的變化。新的HadoopMapReduce框架命名為MapReduceV2，也被稱為Yarn（YetAnotherResourceNegotiator）最新的下一代的資源統(tǒng)一管理系統(tǒng)。重構(gòu)的基本思想是將JobTracker的兩個(gè)主要功能分離成單獨(dú)的組件，這兩個(gè)功能是資源管理和任務(wù)調(diào)度/監(jiān)控。新的資源管理器（ResourceManager）全局管理所有應(yīng)用程序計(jì)算資源的分配，每一個(gè)應(yīng)用的應(yīng)用管理器（ApplicationMaster）負(fù)責(zé)相應(yīng)的調(diào)度和協(xié)調(diào)。一個(gè)應(yīng)用程序是一個(gè)單獨(dú)的傳統(tǒng)MapReduce任務(wù)或者是一個(gè)有向無環(huán)圖任務(wù)。資源管理器和每一臺(tái)機(jī)器的節(jié)點(diǎn)管理器（NodeManager）能夠管理用戶在那臺(tái)機(jī)器上的進(jìn)程并能對(duì)計(jì)算進(jìn)行組織。事實(shí)上，每一個(gè)應(yīng)用的ApplicationMaster是一個(gè)詳細(xì)的框架庫，它從ResourceManager獲得資源，并與NodeManager協(xié)同工作來運(yùn)行和監(jiān)控任務(wù)。ResourceManager支持分層級(jí)的應(yīng)用隊(duì)列，這些隊(duì)列享有集群一定比例的資源。從某種意義上講它就是一個(gè)純粹的調(diào)度器，它在執(zhí)行過程中不對(duì)應(yīng)用進(jìn)行監(jiān)控和狀態(tài)跟蹤。同樣，它也不能重啟因應(yīng)用失敗或者硬件錯(cuò)誤而運(yùn)行失敗的任務(wù)。ResourceManager是基于應(yīng)用程序?qū)Y源的需求進(jìn)行調(diào)度的；每一個(gè)應(yīng)用程序需要不同類型的資源因此就需要不同的容器。資源包括：CPU、內(nèi)存、磁盤、網(wǎng)絡(luò)，等等?？梢钥闯觯@同之前的Hadoop固定類型的資源使用模型有顯著區(qū)別。ResourceManager提供一個(gè)調(diào)度策略的插件，它負(fù)責(zé)將集群資源分配給多個(gè)隊(duì)列和應(yīng)用程序。調(diào)度插件可以基于現(xiàn)有的能力調(diào)度和公平調(diào)度模型。圖3-5中NodeManager是每一臺(tái)機(jī)器框架的代理，是執(zhí)行應(yīng)用程序的容器，監(jiān)控應(yīng)用程序的資源使用情況(CPU、內(nèi)存、磁盤、網(wǎng)絡(luò)等)，并向調(diào)度器匯報(bào)。每一個(gè)應(yīng)用的ApplicationMaster的主要職責(zé)是：向調(diào)度器索要適當(dāng)?shù)馁Y源容器，運(yùn)行任務(wù)，跟蹤應(yīng)用程序的狀態(tài)和監(jiān)控它們的進(jìn)程，處理任務(wù)的失敗原因。Hadoop2.0主要由以下幾部分組成：（1）ResourceManager：負(fù)責(zé)集群中的所有資源的統(tǒng)一管理和分配，接受來自各個(gè)NodeManager的資源匯報(bào)信息，并把這些信息按照一定的策略分配給各種應(yīng)用程序（ApplicationMaster）。（2）NodeManager：與ApplicationMaster承擔(dān)了MapReduce1框架中的tasktracker角色，負(fù)責(zé)將本節(jié)點(diǎn)上的資源使用情況和任務(wù)運(yùn)行進(jìn)度匯報(bào)給ResourceManager。（3）DataNode：負(fù)責(zé)實(shí)際的數(shù)據(jù)存儲(chǔ)（這點(diǎn)沒有發(fā)生變化）。圖STYLEREF1\s3SEQ圖\*ARABIC\s15Hadoop2.0下MapReduce實(shí)現(xiàn)流程本節(jié)利用一些篇幅來介紹城市交通大數(shù)據(jù)的基礎(chǔ)處理技術(shù)，重點(diǎn)對(duì)MapReduce、Hadoop系統(tǒng)進(jìn)行了引述。毫無疑問，Hadoop系統(tǒng)是當(dāng)前非常熱門的分布式系統(tǒng)之一，其與大數(shù)據(jù)的有機(jī)結(jié)合為整個(gè)IT行業(yè)帶來的影響已經(jīng)滲透到各個(gè)方面，由于這個(gè)系統(tǒng)本身也在不斷成長(zhǎng)和進(jìn)化，且詳細(xì)討論其運(yùn)行機(jī)理和版本差異已經(jīng)不屬于本研究的核心內(nèi)容，在此不再展開介紹，但本項(xiàng)目交通大數(shù)據(jù)應(yīng)用系統(tǒng)構(gòu)架技術(shù)中的核心部分將以HADOOP系統(tǒng)為主體。交通大數(shù)據(jù)統(tǒng)一語義理解與交互技術(shù)研究當(dāng)今世界科技急速發(fā)展使人們接收到的信息快速增加。在社會(huì)生產(chǎn)領(lǐng)域，各個(gè)行業(yè)的從業(yè)人員即將面對(duì)大量數(shù)據(jù)和信息，在處理這些數(shù)據(jù)和信息的過程中有不同的方法和技術(shù)，這些方法和技術(shù)的好壞決定著大量數(shù)據(jù)和信息給從業(yè)人員帶來的收益。在這樣的背景下，語義網(wǎng)技術(shù)正在不斷地發(fā)展。語義網(wǎng)是擴(kuò)展后的萬維網(wǎng)，是web網(wǎng)絡(luò)的一個(gè)延伸，其中所有的信息都有完好的含義，它的目的是擴(kuò)展當(dāng)前的萬維網(wǎng)，使其能夠表達(dá)被機(jī)器（計(jì)算機(jī)）所理解的語義，以便任何機(jī)器以及機(jī)器之間的交互合作。語義網(wǎng)可以使散亂的信息通過一定的邏輯關(guān)系聯(lián)系起來，讓其在表面的散亂下有一定的規(guī)律可循，使整個(gè)信息網(wǎng)絡(luò)達(dá)到邏輯化、智能化。目前它的應(yīng)用已廣泛分布在各個(gè)領(lǐng)域，但是它不僅用于互聯(lián)網(wǎng)，它代表的一組技術(shù)也可以很好地應(yīng)用于公司的內(nèi)聯(lián)網(wǎng)，這類似于Web服務(wù)不僅表示整個(gè)互聯(lián)網(wǎng)的服務(wù)，也表示一個(gè)公司內(nèi)互聯(lián)網(wǎng)的服務(wù)，因此它可以解決目前信息技術(shù)架構(gòu)所面臨的若干關(guān)鍵問題。隨著智能交通技術(shù)、計(jì)算機(jī)技術(shù)的不斷發(fā)展，交通行業(yè)也迎來大數(shù)據(jù)時(shí)代，交通信息呈現(xiàn)出迅速增長(zhǎng)、總量急速增加的趨勢(shì)。原有的系統(tǒng)已無法適應(yīng)這種大數(shù)據(jù)環(huán)境帶來的沖擊，在具體工作中的體現(xiàn)就是，數(shù)據(jù)處理梳理工作繁重、效率低、系統(tǒng)提供的數(shù)據(jù)服務(wù)不與所收集的交通信息量呈正比，造成了巨大的資源浪費(fèi)。于此同時(shí)，大數(shù)據(jù)的概念已被多個(gè)領(lǐng)域所提及，交通領(lǐng)域雖還未出現(xiàn)這樣的概念，但從事實(shí)上來看也進(jìn)入了“大數(shù)據(jù)”時(shí)代，海量的車流、車速、位置及其他交通信息每天24小時(shí)源源不斷地進(jìn)入數(shù)據(jù)庫，并且隨著信息采集設(shè)備的普及數(shù)據(jù)量的增加速度也在不斷增長(zhǎng)。只收集數(shù)據(jù)，而不進(jìn)行開發(fā)、挖掘工作不是交通信息采集的初衷。如何利用采集到的交通信息獲得更多的內(nèi)在規(guī)律和趨勢(shì)，為政府和民眾提供更好的公共服務(wù)是進(jìn)行交通信息采集和建設(shè)ITS系統(tǒng)的核心目的。政府和各智能交通企業(yè)、研究機(jī)構(gòu)都意識(shí)到了這一點(diǎn)，并且已開始大規(guī)模應(yīng)用計(jì)算機(jī)技術(shù)對(duì)交通信息進(jìn)行挖掘。在挖掘過程中如何突破原有數(shù)據(jù)庫架構(gòu)的瓶頸，如何提高數(shù)據(jù)查詢效率，如何實(shí)現(xiàn)大規(guī)模來自不同服務(wù)器數(shù)據(jù)的互聯(lián)與組織是國內(nèi)外ITS相關(guān)領(lǐng)域人員在大數(shù)據(jù)背景下進(jìn)行數(shù)據(jù)挖掘所必需要面對(duì)的新問題。結(jié)合基于類的語義網(wǎng)技術(shù)的特點(diǎn)各研究機(jī)構(gòu)已進(jìn)行了一定的探索。北京交通大學(xué)的時(shí)衛(wèi)靜在城市交通信息服務(wù)領(lǐng)域展開了類建模的研究，通過類與服務(wù)建模法，構(gòu)建了城市交通信息服務(wù)類，并在Protégé軟件上進(jìn)行了實(shí)現(xiàn)。同濟(jì)大學(xué)的黃柯萍和蔣昌俊從類角度對(duì)城市交通的知識(shí)進(jìn)行了分析和推理，使得交通信息在語義層面上實(shí)現(xiàn)了交互，為城市交通信息服務(wù)提供了語義支撐。北京交通大學(xué)的張素靜將語義網(wǎng)技術(shù)引入到公共交通領(lǐng)域，研究并實(shí)現(xiàn)了一種基于類的語義檢索技術(shù)在軌道交通系統(tǒng)中的應(yīng)用。華東理工大學(xué)的朱勤斯和虞慧群研究了基于語義網(wǎng)技術(shù)和類的數(shù)據(jù)集成方法,并且將此技術(shù)應(yīng)用到了數(shù)據(jù)集成系統(tǒng)的各個(gè)方面。美國俄勒岡州立大學(xué)的PaeaLePendu和匹茲堡大學(xué)的GwenA.Frishkoff提出了一種自動(dòng)建立一種基于類的相關(guān)數(shù)據(jù)庫的方法，這種方法基于SQL語句，可高效響應(yīng)語義查詢。以上研究工作從各個(gè)方面說明了基于類的語義網(wǎng)技術(shù)是大數(shù)據(jù)時(shí)代最強(qiáng)有力的武器，它可以有效地解決大數(shù)據(jù)背景下的數(shù)據(jù)組織，存儲(chǔ)與查詢問題。雖然類概念是語義網(wǎng)研究的一個(gè)重要組成部分，但從根本上講，類概念依舊需要以類和對(duì)象為模型基礎(chǔ)，因此課題組通過對(duì)智能交通領(lǐng)域交通信息服務(wù)的分類開始，研究面向多元對(duì)象服務(wù)的交通信息服務(wù)的類及對(duì)象構(gòu)建，并提出基于數(shù)據(jù)有機(jī)互聯(lián)的全息電子檔案概念模型，支撐未來交通大數(shù)據(jù)基礎(chǔ)資源組織及重構(gòu)。交通大數(shù)據(jù)信息服務(wù)分類體系根據(jù)中國智能運(yùn)輸系統(tǒng)體系框架對(duì)交通信息服務(wù)領(lǐng)域類及對(duì)象劃分為以下幾類（圖3-6）：交通信息服務(wù)領(lǐng)域、電子收費(fèi)服務(wù)領(lǐng)域、交通管理與規(guī)劃服務(wù)領(lǐng)域、運(yùn)營管理服務(wù)領(lǐng)域、綜合運(yùn)輸服務(wù)領(lǐng)域、緊急事件和安全服務(wù)領(lǐng)域、自助公路服務(wù)領(lǐng)域及車輛安全輔助駕駛服務(wù)領(lǐng)域。其中，每一種服務(wù)領(lǐng)域中又包含多個(gè)子服務(wù)，每個(gè)子服務(wù)又包含多個(gè)服務(wù)。交通狀態(tài)信息用戶類別見表3-1，交通狀態(tài)信息服務(wù)見表3-2。圖STYLEREF1\s3SEQ圖\*ARABIC\s16交通信息服務(wù)的層次結(jié)構(gòu)表STYLEREF1\s3SEQ表\*ARABIC\s11用戶分類戶類別用戶道路使用者（出行者）1乘客2小型汽車駕駛員3公交車駕駛員4貨車駕駛員5摩托車駕駛員6緊急車輛駕駛員7軍用運(yùn)輸車駕駛員8特種運(yùn)輸車輛駕駛員9出租車駕駛員10非機(jī)動(dòng)車輛駕駛員11行人12老弱病殘等特殊人員道路、交通建設(shè)者1基礎(chǔ)建設(shè)部門2道路、交通養(yǎng)護(hù)部門交通管理者城市交通管理部門公路交通管理部門城間交通管理部門運(yùn)營管理者城市公共交通運(yùn)營部門公路客運(yùn)部門道路運(yùn)營部門公路貨運(yùn)部門鐵路運(yùn)營管理部門（鐵路貨運(yùn)、客運(yùn)）水運(yùn)運(yùn)營管理部門（水運(yùn)貨運(yùn)、客運(yùn)）航空運(yùn)營管理部門（航空貨運(yùn)、客運(yùn)）公共安全、緊急事件負(fù)責(zé)部門公安部門消防部門城市緊急救援中心醫(yī)療急救中心抗震減災(zāi)部門危險(xiǎn)品運(yùn)輸、處理部門相關(guān)部門政府部門學(xué)術(shù)機(jī)構(gòu)規(guī)劃部門環(huán)保機(jī)構(gòu)表STYLEREF1\s3SEQ表\*ARABIC\s12交通狀態(tài)信息服務(wù)分類服務(wù)領(lǐng)域服務(wù)名稱子服務(wù)名稱服務(wù)用戶交通信息服務(wù)出行前信息服務(wù)1出行前公共交通信息服務(wù){(diào)公交線路、發(fā)車時(shí)刻表、公交票費(fèi)}2出租車預(yù)約服務(wù){(diào)根據(jù)出行者路線請(qǐng)求為出行者安排最近的出租車或?yàn)槌鲂心康牡叵嘟某鲂姓甙才磐朔?wù)}3出行規(guī)劃服務(wù){(diào)提供給用戶即刻出行所需的信息,包括:計(jì)算好的路線、換乘方式、估計(jì)行程時(shí)間、當(dāng)前實(shí)時(shí)行程狀況、一條或多條備選路線方案}4交通系統(tǒng)當(dāng)前狀態(tài)信息服務(wù){(diào)事故和事件、道路建設(shè)的當(dāng)前狀況、被推薦的備選路徑和指定路徑的當(dāng)前速度、重點(diǎn)區(qū)域的當(dāng)前泊車狀況、當(dāng)前的天氣情況}道路使用者行駛中駕駛員信息服務(wù)5車輛運(yùn)行位置信息{裝載有GPS提供的定位信息}6交通事件信息{交通事故及重大事件發(fā)生時(shí)間及地點(diǎn)等信息，使駕駛員做出相應(yīng)決策，從而使交通得到及時(shí)疏導(dǎo)}7停車場(chǎng)信息{行駛區(qū)域附近的停車場(chǎng)泊位、類型和停車費(fèi)用}8交通狀況信息{動(dòng)態(tài)地為駕駛員提供交通流量、路段占有率、擁擠度、交通事故等信息}道路使用者→機(jī)動(dòng)車駕駛員9公共交通調(diào)度信息{動(dòng)態(tài)地為公交駕駛員提供靜態(tài)的發(fā)車時(shí)刻表和當(dāng)前的實(shí)際調(diào)度信息，引導(dǎo)駕駛員及時(shí)調(diào)解車速，實(shí)現(xiàn)正點(diǎn)運(yùn)行}10停車選擇{動(dòng)態(tài)為公交車駕駛員提供前方乘客數(shù)目，根據(jù)車內(nèi)情況，駕駛員判斷是否下一站停車}公交車駕駛員11交通法規(guī)信息{一般交通法規(guī)和路網(wǎng)中各路段的交通管制信息，如單行線、禁止停車、禁止鳴笛、禁止左轉(zhuǎn)彎等}12道路工程施工信息{有關(guān)規(guī)劃或突發(fā)的道路施工、道路關(guān)閉、道路維護(hù)，輔助駕駛員選擇備用路徑}13收費(fèi)站信息{為駕駛員提供路網(wǎng)中收費(fèi)站的位置、收費(fèi)標(biāo)準(zhǔn)、支付方式、支付金額}14氣象信息{駕駛員動(dòng)態(tài)的接收氣象部門發(fā)布的當(dāng)前和未來一段時(shí)間的天氣情況信息}15路邊服務(wù)信息{路邊餐飲、宿舍、誤樂、加油站等服務(wù)信息}道路使用者→機(jī)動(dòng)車駕駛員途中公共交通信息服務(wù)16換乘信息{多種運(yùn)輸方式之間和同種運(yùn)輸方式之間的換乘信息，換乘時(shí)間、地點(diǎn)、可能的換乘方式等}17車輛運(yùn)行信息{為出行者提供當(dāng)前公交車輛的運(yùn)行信息：車輛到達(dá)下一站的預(yù)測(cè)時(shí)間、車輛行駛速度及所處的位置等信息}18調(diào)度信息{為乘客提供固定的行車時(shí)刻表，同時(shí)也提供實(shí)時(shí)調(diào)度信息如因特殊需要所發(fā)出的大站車、區(qū)間車和快車等}19票價(jià)信息{提供包括所有公交方式不同服務(wù)水平的票價(jià)信息}道路使用者→乘客個(gè)性化信息服務(wù)20公共服務(wù)設(shè)施信息{公共服務(wù)信息：加油站、汽車修理廠、醫(yī)院、賓館、飯店等的位置和服務(wù)時(shí)間、到達(dá)服務(wù)處所應(yīng)乘坐的公交線路等信息}21公共服務(wù)預(yù)訂{汽車、火車、飛機(jī)票預(yù)定、賓館預(yù)訂、餐飲預(yù)訂等}22旅游景點(diǎn)信息{當(dāng)?shù)氐穆糜尉包c(diǎn)、相關(guān)公交車輛的信息、公園及商店和飯店的營業(yè)時(shí)間等信息}道路使用者路徑誘導(dǎo)及導(dǎo)航服務(wù)23自主導(dǎo)航{當(dāng)前車輛的位置、目的地方向及位置、路網(wǎng)中路段數(shù)據(jù)（限速、車道數(shù)、寬度等）、引導(dǎo)其行駛在最佳通往目的地的路徑上。達(dá)到緩解交通壓力；減少交通阻塞和延誤的目的}24動(dòng)態(tài)路徑誘導(dǎo){除了具有自主導(dǎo)航服務(wù)之外，還為用戶實(shí)時(shí)顯示路網(wǎng)狀況和公共交通信息（如車輛運(yùn)行的精確信息以及道路情況和警告信息），以及與交通管理和運(yùn)營部門信息實(shí)時(shí)交互。}25混合模式路徑誘導(dǎo){支持自主導(dǎo)航與動(dòng)態(tài)誘導(dǎo)，當(dāng)動(dòng)態(tài)誘導(dǎo)請(qǐng)求失敗，則進(jìn)入自主導(dǎo)航}道路使用者→機(jī)動(dòng)車駕駛員電子收費(fèi)電子收費(fèi)26路橋隧不停車電子收費(fèi)服務(wù){(diào)以非現(xiàn)金、非手工交易方式達(dá)到車輛連續(xù)行駛通過收費(fèi)點(diǎn)，對(duì)使用道路、橋梁、隧道的車輛使用者收取費(fèi)用}27路橋隧停車自動(dòng)收費(fèi)服務(wù){(diào)以非現(xiàn)金、非手工交易方式，對(duì)使用收費(fèi)道路、橋梁和隧道的車輛使用者停車收取使用費(fèi)}28停車場(chǎng)自動(dòng)收費(fèi)服務(wù){(diào)對(duì)停車場(chǎng)使用者自動(dòng)收取使用費(fèi)}29路側(cè)停車自動(dòng)收費(fèi){在非主干道上允許適度的停車，并自動(dòng)收取使用費(fèi)}機(jī)動(dòng)車駕駛員30有償交通信息和服務(wù)使用電子交易{對(duì)使用有償交通信息和服務(wù)的用戶自動(dòng)收取信息和服務(wù)使用費(fèi)}乘客、機(jī)動(dòng)車駕駛員、運(yùn)營部門、管理部門31公交電子自動(dòng)收費(fèi){以非現(xiàn)金方式對(duì)使用公交服務(wù)的用戶征收使用費(fèi)}乘客交通管理與規(guī)劃交通控制32自適應(yīng)交通信號(hào)控制{自適應(yīng)控制策略，實(shí)現(xiàn)城市或交通流運(yùn)行的通暢和平穩(wěn)}33行駛方向變換管理{特定時(shí)間段通過設(shè)置行駛方向變換的專用車道來提高道路的通行能力}34城市和城市之間的集成控制{通過通訊及控制手段對(duì)城市以及城市之間交通運(yùn)行進(jìn)行集成控制，提高路網(wǎng)容量和路段通行能力}35交通控制和路線誘導(dǎo)的集成{交通控制策略與路線誘導(dǎo)進(jìn)行有效結(jié)合，為駕駛員提供快捷、安全的信息服務(wù)}36匝道和速度控制{對(duì)道路的出入口匝道出入進(jìn)行控制以及對(duì)道路的行駛速度分布進(jìn)行適當(dāng)?shù)目刂苶37交通管理策略的實(shí)現(xiàn){利用各種信息以及控制手段保證事先制定的交通策管理略的實(shí)現(xiàn)}交通管理者需求管理{通過一些策略影響不同運(yùn)輸方式的總體需求}38可達(dá)性控制管理{對(duì)特定區(qū)域或路段的駛?cè)胲囕v進(jìn)行控制已達(dá)到影響該區(qū)域或路段交通需求的目的}39擁擠價(jià)格管理{對(duì)具有不同交通需求的路段的使用采取不同的收費(fèi)標(biāo)準(zhǔn)達(dá)到控制交通需求的目的}40停車管理{對(duì)管理區(qū)域的停車狀況及占有率情況進(jìn)行整體協(xié)調(diào)，制定不同的停車價(jià)格來對(duì)不同區(qū)域的交通需求進(jìn)行間接控制和平衡}41公交需求管理{通過調(diào)整公交運(yùn)營方式、運(yùn)營線路以及對(duì)公交乘客采用不同的收費(fèi)價(jià)格，來調(diào)整出行者的路線，從而達(dá)到調(diào)整區(qū)域交通需求的目的}42環(huán)境質(zhì)量管理{通過應(yīng)用環(huán)境的改善措施等手段，改變區(qū)域交通吸引}交通管理者緊急事件管理43事件的預(yù)防{提供實(shí)時(shí)的道路狀況、交通狀況、自然災(zāi)害及氣象信息}44事件的檢測(cè){根據(jù)實(shí)時(shí)信息來證實(shí)公共交通中某一事件已發(fā)生}45事件的鑒別{明確事件發(fā)生的位置、性質(zhì)及類型等信息}46事件的響應(yīng){根據(jù)事件的信息通知有關(guān)部門向事件現(xiàn)場(chǎng)派出合適的緊急救援人員和設(shè)備，同時(shí)，對(duì)其進(jìn)行協(xié)調(diào)和管理}47事后的管理{事件現(xiàn)場(chǎng)安全及時(shí)地清除，盡快恢復(fù)道路的最大通行能力}48事件的記錄{對(duì)事件發(fā)生時(shí)及發(fā)生后所獲取的各種信息（時(shí)間、地點(diǎn)及性質(zhì)、事件發(fā)生所涉及的車輛和人員數(shù)目及車輛類型、參與救援的部門、人員與設(shè)備、當(dāng)時(shí)的交通狀