摘 要

2012年，大数据通过维克托·迈尔-舍恩伯格及肯尼斯·库克耶合著的《大数据时代》走入了大众眼中。大数据分析预测未来事件趋势的潜力引得社会各个行业及业内专家深度的研究和挖掘分析，交通运输行业也不列外。本文通过查阅大量相关文献，对大数据的概念及交通大数据进行精确的阐述，详细介绍交通运输中常用的大数据应用技术，并总结了几种技术流程。本文在收集了相关数据后对兰州市建立交通大数据平台进行了分析，通过简单的论证与数据分析揭示大数据运作的几个方面及实行的可行性，为交通运输业日后更好应用大数据提供参考意见。随着高新技术的不断发展，城市智能交通系统也将不断深化扩展。大数据在交通运输中的应用还不完善，论文在提出大数据在交通运输中的应用存在潜在问题的同时，结合所了解的知识，从三个方面为大数据在交通运输中应用提出了建议，可供交通管理规划、政策法规的制定参考。

关键词：大数据；交通运输；大数据技术；效益分析；交通大数据平台

Abstract

In 2012, big data came to the public's eye with the writings by Victor Mayer Scheinberg and Kenneth Kuquille. Big data's potential to analyze and predict the trend of future events leads to the deep research and analysis of various sectors and experts in the society, and the transportation industry is not excluded. By consulting a large number of relevant documents, this paper makes a precise exposition of big data's concept and traffic big data, introduces in detail the common applied technologies in traffic and transportation, and summarizes several technical processes. Although Lanzhou City established big data's Social Services Administration in 2015, transport departments operate daily in their official offices. The website publishes some road condition information, but so far there is no special traffic big data platform, the information presents the fragmented state, the information value is not high. In view of this situation, after collecting the relevant data, this paper analyzes the establishment of traffic big data platform in Lanzhou City, and reveals several aspects and feasibility of big data operation through simple demonstration and data analysis. For the transport industry to better use big data in the future to provide reference. With the continuous development of high-tech, urban intelligent transportation system will continue to deepen and expand. Big data's application in transportation is not perfect. At the same time, some suggestions are put forward for big data's application in transportation from three aspects, which can be used as a reference for traffic management planning, policies and regulations.

Key words: big data; transportation; big data technology; benefit analysis； traffic data platform

目 录

第1章 绪论 1

1.1 研究目的及意义 1

1.2 国内外研究现状综述 2

1.3 主要内容和研究方法 3

第2章 理论基础 5

2.1大数据 5

2.1.1大数据的定义 5

2.1.2大数据的特点 6

2.2交通大数据 6

2.3交通运输中常用的大数据分析技术 6

2.3.1数据质量与管理方面 7

2.3.2数据挖掘方面 7

2.3.3预测分析方面 9

2.3.4可视化方面 9

第3章 交通运输大数据应用现状分析 11

3.1交通运输大数据在航运行业的应用 11

3.2交通运输大数据在城市智慧交通中的应用 12

3.3大数据在交通运输应用中存在的问题 13

第4章 实证分析 15

4.1基于交通大数据下交通拥堵情况分析 15

4.1.1 大数据分析甘肃省境内高速公路交通拥堵状况 15

4.1.2 目前城市交通大数据的主要分析技术 18

4.2基于层次聚类算法下热点区域可视分析 20

4.3兰州市建立交通大数据平台效益计算 22

第5章 大数据在交通运输中应用的建议 27

5.1交通规划领域 27

5.2交通政策领域 27

5.3交通日常管理领域 28

第6章 总结与展望 29

6.1本文总结 29

6.2本文展望 29

参考文献 30

致 谢 32

第1章 绪论

1.1 研究目的及意义

　　大数据，或称巨量资料，是指巨大的、高增长率和多样化的信息资产，需要全新的处理模式处理后才具有更大的决策能力、洞察力和流程优化能力。 在维克托·迈尔-舍恩伯格及肯尼斯·库克耶合著的《大数据时代》中大数据指不用随机分析法之类的捷径，而采用所有数据进行分析处理。

当下，大数据在各行各业得到良好应用的例子不胜枚举。以湖北省为例，武汉市公安局交管局与高德地图合作推出的全新的基于大数据的出行服务平台“易行江城”，是集路况实时视频发布、拥堵路段实时显示、交通事故高发点位提示、一键报警等40余项功能于一体的APP。打开“易行江城”上的高德地图，不仅使用红色、黄色和绿色来清晰标识实时交通状况，而且可以语音提示自动绕行、设计线路，避让拥堵路段和时段。同时，借助高德数据分析处理功能，还可对全市各道路交通情况实时监测，对拥堵路段追踪和记录，定期总结交通情况，并提出整改意见。组织采集全市停车场信息，可以帮助驾驶员使用导航系统就近选择停车位。这一切便利功能的实现都离不开其后的大数据及相关技术的支撑，反观兰州市，虽然于2015年建立了大数据社会服务管理局，各交通部门每天也会在其官方网站公布一些路况信息，但到目前为止也没有专门的交通大数据平台，信息呈现出碎片化的状态，信息价值不高。鉴于此种情况，对兰州市建立交通大数据平台进行效益分析是很有必要且具有现实意义的。

近几年来，随着我国基础设施建设的快速发展和城市化进程的逐步推进，交通运输行业面临越来越严厉的挑战。传统的交通运输业的规划、设计和管理模式已经不能适应新的发展要求，而计算机与信息化技术的快速发展，为解决以上问题和挑战提供了全新的思路，也为智慧交通的发展带来了新的契机。大数据时代下，利用云存储、云计算、机器学习等方法，提炼交通大数据特性反映出的信息，为建成智慧城市、智慧交通提供了强有力的支持。信息化技术在交通运输行业的应用是一个综合性、系统性的工程，需要参与的各方在技术和管理层面开展持续的创新和变革。通过对大数据在交通运输中的应用分析，可以推进信息化技术在交通运输业普及，进一步推进建设智慧城市、智慧交通。由此可见，对大数据在交通运输中的应用分析具有很强的实践意义和指导意义。

1.2 国内外研究现状综述

在行业内，国内学者对于大数据在交通运输中应用的研究有很多。徐超忠(2015)通过大数据统计分析得出,城市交通拥堵的主要原因表现在两个方面:一是多发生在早晚高峰和节假日,城市私家车辆保有量的快速增长、有规律性的车流量突然增大,形成交通堵塞;二是突发事件造成道路道路交通容量的减小或吸引过多的交通流量引起的交通拥堵。提出可以通过大数据技术实现城市综合交通的科学规划、优化城市道路网建设,大力发展轨道交通,科学分析拥堵成因、合理利用道路资源,预测预警拥堵路段及时段、主动诱导路径选择,采用拥堵收费等方法来治理拥堵。

关于理论依据和实用技术方面，夏大文（2016）通过研究基于MapReduce的移动轨迹大数据深度挖掘,提出了面向海量小文件处理策略的并行频繁模式增长算法(MR-PFP),关联分析车辆运行的时空特征；并行三阶段K均值算法(Par3PKM),分布式划分城市交通小区；面向分布式建模通用框架的时空权重K近邻模型(STW KNN),并行预测短时交通流；面向相关性分析的交通流预测方法(TFPC),实时预测交通流量；为复杂交通网络的动态监测与预警控制提供理论依据和实用技术。潘家财等（2010）依据海上交通工程理论和数据挖掘技术, 设计了高效的从海量的船舶 AIS 数据中提取船舶会遇信息算法,为港口和航运部门改善海上航行环境，减少船舶事故提供了理论依据，对船舶通航管理、港航工程设计有重要的参考价值。

在大数据可视化方面，田薇（2017）等人提出了可以使用不同交通数据对不同的研究主题进行可视分析, 从而揭示其蕴藏的交通信息知识, 为交通部门提供决策依据。并以浙江省嘉善县主要道路的流量数据为例,利用大数据用漏斗图对比分析环形线圈流量数据，使用折线图展示1周内车流量动态变化趋势, 揭示了嘉善县道路交通流变化规律^[1]。并运用层次聚类方法对出租车轨迹数据进行热点区域分析，将空间轨迹图与日历图相结合，宏观展示居民出行的行为特征。