第15卷第5期2015年10月交通运输系统工程与信息
Journal of Transportation Systems Engineering and Information Technology
V ol.15No.5
October 2015文章编号：1009-6744（2015）05-0045-08
中图分类号：U491.1
文献标志码：A
大数据及其在城市智能交通系统中的应用综述
陆化普*，孙智源，屈闻聪
（清华大学交通研究所，北京100084）
摘要：大数据给城市智能交通系统的技术发展与应用革新带来了机遇和挑战.从交
通大数据的基本概念、交通大数据带来的问题和大数据驱动的数学建模方法等方面，阐述了交通大数据给智能交通系统带来的变革.为了深入理解交通大数据的内涵，分析交通大数据的产生背景，提出了交通大数据的“6V ”特征，总结了智能交通系统中大数据的基本类型.面对交通大数据带来的数据安全、网络通信、计算效率和数据存储等诸多问题，提出了应对策略和思路.对数据驱动的建模方法进行了分析，说明了混合模型的意义.最后，讨论了大数据驱动的智能交通系统的体系框架.
关键词：智能交通；交通大数据；数据驱动；智能交通系统
Big Data and Its Applications in Urban Intelligent
Transportation System
LU Hua-pu ，SUN Zhi-yuan ，QU Wen-cong
（Institute of Transportation Engineering ，Tsinghua University ，Beijing 100084，China ）
Abstract:Big data brings both opportunities and challenges to technological development and application
innovation of urban intelligent transportation system.Significant changes of ITS,which brought by traffic big data,are shown in three aspects:the concept of traffic big data,problems brought by traffic big data,and big-data-driven based mathematic modeling methods.This paper is intended to deeply understand big data,the background and category of traffic big data are sketched,the “6V ”characteristics of traffic big data are proposed,the basic types of traffic big data in ITS are summarized.Strategies and ideas are presented based on the problems of traffic big data,namely,data security,network communication,computational efficiency,and data storage.This paper also analyzes the method of data driven model,and describes the significance of hybrid model.Finally,system framework of ITS based on traffic big data is proposed.
Key words:intelligent transportation;traffic big data;data driven;intelligent transportation system 1引言
随着信息技术、通信技术、计算机技术等的快速发展，数字城市（Digital City ）与智慧城市（Smart
Ctiy ）接踵而来.1998年1月，美国前副总统戈尔发表了题为“数字地球——新世纪人类星球之认识（The Digital Earth:Understanding our planet in the
收稿日期：2015-02-04
修回日期：2015-08-30
录用日期：2015-09-09
基金项目：“十二五”国家科技支撑计划（2014BAG01B04-03）；国家自然科学基金（51408023）；清华大学苏州汽车研究院（吴
江）返校经费课题（2015WJ-B-02）.
作者简介：陆化普（1957-），男，辽宁铁岭人，教授.
*通信作者：luhp@https://www.doczj.com/doc/e43198905.html,
交通运输系统工程与信息2015年10月
21st Century ）”的演说，数字地球的概念由此产生[1].2008年11月，时任IBM 董事长兼CEO 的彭明盛发布了题为“智慧地球：下一代领导人议程（A Smarter Planet:The Next Leadership Agenda ）”的主题报告，正式提出了“智慧地球”（Smart Planet ）的概念[2].数字城市和智慧城市都是美国的舶来品，二者都是信息化背景下现代城市发展的高级形态.当前，英国提出了“数字英国（Digital Britain ）”计划[3]，韩国提出了“U-Korea ”战略和“U-City ”综合计划[4]，我国于2013年前后开展智慧城市试点示范工作[5].
数字城市与智慧城市的建设促进了移动互联网、物联网、云计算等技术的发展，并直接推动了大数据（Big data ）时代的来临.2008年，Nature 出版了“Big Data ”专刊[6]；2011年，Science 出版了“Dealing with Data ”专刊[7].2012年，美国政府正式
发布了“大数据研究和发展倡议”[8]；我国于2011年
发布了“物联网‘十二五’发展规划”，并陆续发布了一系列的发展规划与白皮书.
在交通领域，传统的数据采集向电子化设备与高级应用转变，助力交通大数据的形成与发展.从传统的感应线圈和微波雷达等固定检测、基于
浮动车的移动检测，向北斗卫星导航系统[9]、智能手机[10]等新型检测手段，以及集约的交通传感器布局[11]和稳定的多源数据融合[12]方向发展.交通大数
据为“感知现在、预测未来、面向服务”[13]
提供了最
基本的数据支撑，是解决城市交通问题的最基本条件，是制定宏观城市交通发展战略和建设规划，进行微观道路交通管理与控制的重要保障.
数据是智能交通系统的基础，交通数据采集手段和处理方法的深度革新将引领智能交通系统的变革.在大数据背景下，对交通大数据进行深度分析，明确交通大数据的基本概念，了解交通大数据带来的问题，理解大数据驱动的数学建模方法，探讨在智能交通系统中的应用具有非常重要的意义.
2交通大数据的基本概念
2.1交通大数据的特征
交通大数据与传统交通数据的不同主要体现
在特征中.当前对大数据特征的描述主要有：3V [14]、4V [15]和5V [16]等.结合交通大数据的基本类型，认为交通大数据具有6V 特征，具体如表1所示.
表1
交通大数据的特征
Table 1
Characteristics of traffic big
data
2.2智能交通系统中的大数据
根据数据来源分布，智能交通系统中的大数据划分如表2所示.
（1）交通流数据（固定检测器）.
传统固定检测器获取的交通流数据为智能交
通系统的传统应用提供了基础数据支撑.以北京为例，基于微波雷达、超声波、感应线圈、视频监控等检测器，北京市公安局公安交通管理局建立了交通信息采集、处理、发布系统，北京市道路交通流预测预报系统[17]等.
表2
智能交通系统中的大数据Table 2
Big data in ITS
46
第15卷第5期大数据及其在城市智能交通系统中的应用综述
（2）交通流数据（移动检测器）.
通过固定检测器与移动检测器的数据融合[18]，获取更加准确的交通流数据.以北京为例，北京市公安局公安交通管理局开展了“北京市道路交通流综合分析与数据质量评价体系研究”的项目，对固定检测器、移动检测器等获取的多源数据进行研究，优化交通数据质量[19].
（3）位置数据（移动检测）.
先进的移动通信技术拓展了交通移动检测的应用范围，由传统的交通流数据获取推广到位置数据的获取，使得基于位置的服务成为可能.基于公交智能卡的数据，实现出行者出行行为的分析，为公交基础设施建设和运营服务管理提供支持[20].基于出租车车载终端的数据，研究出行距离、出行时间和道路偏好对驾驶员路径选择的影响，进而实现路径的预测[21]
.应用智能手机，可实
现出行轨迹、出行方式、出行范围、出行总量等的获取
[22，23]
.此外，车联网的出现大大提高了城市交
通信息综合获取的水平，丰富了交通数据来源和发布途径
[24，25]
.海量位置数据的处理和分析，为交
通出行行为分析[26]
，公交系统优化[27]
，车辆优先控制[28]
等提供了支撑.
（4）非结构化视频数据
非结构化视频数据一方面可用于宏观态势监控，以广西柳州为例，建设高空高清视频监控系统，掌控多交叉口或较大区域的交通宏观态势.一方面，通过视频处理模块，提供交通流特征参数及其他参数，以卡口系统、电子警察系统等为例，还可应用于车辆类型识别[29]
、交通状态识
别[30]等.
（5）多源的互联网、政务网数据
互联网、政务网为智能交通系统提供了广泛的数据来源与发布途径.以社交网络为代表的互联网可为智能交通系统提供交通事件的视频等数据.另外，互联网也可成为交警非现场执法、公交系统优化等的重要数据来源.政务网为城市决策者和管理者提供了安全稳定的信息交互平台.通过政务网，可为智能交通系统接入城市路网结构、气象变化、特大活动、突发事件、应急救援等数据.
3交通大数据带来的问题
3.1数据安全问题
交通大数据具有“Value ”特征，蕴含了众多的
信息，有些信息涉及国家安全，例如，公安网传输的数据；有些信息涉及个人隐私，例如，卡口系统检测的车辆轨迹数据.在交通大数据采集、传输、存储、处理、应用等过程中，数据安全问题非常重要.智能交通系统依托智能交通专网进行系统内部的数据传输，以及与外网之间的数据交互时，必须符合规范和标准，保证网络安全[31].另外，在数据处理过程中，需要遵循隐私保护机制，应用隐私保护方法[32].
交通大数据具有“Veracity ”特征，去伪存真是数据安全的另一重要问题.大量的冗余数据和错误数据不仅占据大量的存储空间，浪费存储资源，还会大大降低数据分析的有效性和稳定性[33].进行异常数据识别，缺失数据补充，错误数据修正，冗余数据消除具有非常重要的意义.3.2网络通信问题
交通大数据具有“V olume ”、“Velocity ”、“Visualization ”特征，要求网络通信要满足大容量数据的快速、稳定传输，特别是高清视频图像数据.交通大数据的“Variety ”特征决定网络通信方式的多样化.目前，城市建立智能交通系统多采用自建专网、租用城市公网相结合的模式，具备有线通信与无线通信并存且互通特征.智能交通系统常用的网络通信技术包括：有线电缆、光纤通信网络、无线传感网络、移动通信系统、卫星定位系统等.3.3计算效率问题
交通大数据具有“Velocity ”特征，要求智能交通系统具备较高的计算效率，例如，交通数据预处理，交通状态识别，短时交通流预测，实时交通流控制，动态交通诱导，实时公交调度等均具有时效性要求.云计算技术的发展带来了新的解决方案，智能交通云的概念由此提出[34].基于云计算技术，使得计算机硬件和软件得到有效利用，提高智能交通系统的计算效率.3.4数据存储问题
交通大数据具有“V olume ”特征，特别是长时间序列的非结构化数据积累，给数据存储带来了
47
交通运输系统工程与信息2015年10月
巨大的压力.存储技术的发展远赶不上数据增长的速度，大量存储服务器的购买提高了智能交通系统的建设成本，并占用了数据中心的建筑面积.当前智能交通系统均采取缩短数据保存时限，降低
数据存储质量的方式来减少存储成本，影响了大数据的价值.云存储技术的发展带来了新的解决方案，基于云存储与智能压缩算法可以初步解决大数据的存储问题.
4大数据驱动的数学建模方法
2000年，美国自然科学基金会（NSF ）首次提
出了动态数据驱动应用系统（Dynamic Data
Driven Application Systems ）的概念[35].数据驱动模型与机理模型、知识模型同属常用的数学建模方法.机理模型从本质上反映客观规律，但是，建模过程繁琐，参数标定难度较大；知识模型以经验总结为基础，模型简单易于实现，但是，模型精度较低，研究对象的复杂性具有局限性；数据驱动模型从数据出发，是一个自下而上的建模过程，无需了解机理，精度较高，但是，模型的可解释性较低，模型推广性能较弱.对于复杂系统，特别是在某些情况下，机理模型不可行或难度较大，知识模型的精度较低，数据驱动模型的意义凸显.常用的数据驱动方法如表3所示.
表3
传统数据驱动方法
Table 3
Traditional big data driven method
大数据概念的提出，推动了大数据驱动思想的产生，促进了机理模型、知识模型和数据驱动模型的混合使用.在大数据的背景下，机理模型、知识模型和数据驱动模型存在相互渗透、优势互补的关系，3种模型构成的混合模型具有较好的应用前景.依据知识和数据，简化机理模型，并将数据驱动模型结合在一起，完成模型标定，互为补充.机理和知识可以优化数据，减少噪声，确定合适的训练样本，提高模型鲁棒性.以基于时间序列、空间数据和历史数据的短时交通流预测为例，知识模型用于初步确定与研究对象路段相关的数据集合，确定合适的训练样本；机理模型用于标定基于组合模型的短时交通流预测方法；数据驱动模型用于发现组合模型误差与交通状态的模式匹配关系，实验表明混合模型具有较高的精度.
5大数据驱动的智能交通系统
交通大数据给智能交通系统带来了变革，主
要体现在基本概念、面临问题和建模方法等3个方面.面向上述变革，研究大数据驱动的智能交通系统具有重要的意义，体系框架如图1所示.
（1）感知对象.
大数据驱动的智能交通系统具有海量的监控对象.智能交通系统的感知对象从人、车、路、环境四个方面展开，包括：个体出行、营运车辆、交通管理和静态系统等.
（2）全面感知.
大数据驱动的智能交通系统具有多样的检测手段和丰富的数据来源.针对城市交通数据源的分布情况和智能交通系统的数据需求，以固定检测和移动检测构成的传统交通信息采集系统为依
48
第15卷第5期大数据及其在城市智能交通系统中的应用综述
托，拓展交通数据源的类型和数量，增加新型交通数据采集的使用，实现城市交通及相关系统的全
面感知.
全面感知体现在多样的数据格式和数据类型上.
图1智能交通系统的体系框架Fig.1
System framework of ITS
49
交通运输系统工程与信息2015年10月
（3）网络通信.
大数据驱动的智能交通系统具有快速的网络通信.针对交通大数据的实时传输要求，建立有线通信、长距离和短距离无线通信构成的互联互通信道，实现数据源、智能交通系统、服务对象的数据交互.智能交通专网作为数据交互的中心，与互联网、政务网、公安网等连接，网络接口具备合乎规范的网闸，以保障网络通信的安全运行.
（4）中心平台.
大数据驱动的智能交通系统具有高效的数据处理、存储、共享与应用.中心平台承担了智能交通系统的数据挖掘、数据存储、数据共享等功能.数据挖掘以信息论、控制论、系统论为基础，应用交通流理论、交通网络分析、交通工程学等交通基础理论，或建立数据模型描述机理，或应用模式匹配推断结论.构建智能交通云的体系架构，以云计算、云存储、云共享等新兴技术解决数据处理速度、数据存储空间、数据共享效率的问题.
（5）综合服务.
大数据驱动的智能交通系统具备优质的综合服务.综合服务是智能交通系统的主要目的，包括基础应用和高级应用.基础应用体现了“感知现在和预测未来”特征，实现多源数据的集成管理，从个体车辆、路段和交通网络等方面进行交通状态的视频监控和量化分析，并对交通态势进行短期和长时间序列的分析和研判.高级应用体现了“面向服务”特征，基于基础应用分析，实施交通控制与诱导，指导特勤任务、稽查布控等警务工作，并为应急救援等城市综合管理提供决策支撑，通过共享发布优化综合服务质量.
（6）服务对象.
大数据驱动的智能交通系统具备广泛的服务对象.根据智能交通系统的需求分析，服务对象主要包括：政府决策者、交通管理者、企业运营者、科研工作者、个体出行者等.
6研究结论
移动互联网、物联网、云计算等技术快速发展，智慧城市、智能交通系统等应用快速推广，交通大数据应运而生.本文对当前的大数据及其在智能交通系统中的应用进行分析，
旨在为大数据驱
动的智能交通系统立项、建设和运营提供建议.以
下几个问题可能实未来的研究热点：
（1）硬件设计方面.
大数据背景下，需研究多源、海量数据的有效
采集、稳定传输、快速处理和合理存储方法，特别
是交通数据采集设备的研发问题.数据是智能交通
系统基础，大数据为智能交通系统提供了广泛的
数据来源，然而，智能交通系统的部分功能，以交
通控制为例，需要准确的、定制化的交通基础数据.
在此背景下，交通数据采集设备的研发显得尤为
重要.
（2）软件开发方面.
软件是智能交通系统得以广泛应用的首要工
具，是智能交通系统距离用户最近的一部分，特别
是在大数据的背景下，用户可以通过个人电脑、手
机、显示屏等终端设备获取信息，软件开发的意义
重大.在丰富数据的基础上，从日益增长的交通管
理和服务需求出发，兼顾城市发展和交通运行特
征，进行软件的功能设计和操作优化，以提高交通
管理和服务的智能化水平.
（3）交通建模方面.
交通属于典型的开放复杂巨系统，在交通建
模研究中，机理、知识、数据的系统化应用具有特
殊的意义.大数据为交通模型的建立、标定奠定了
基础，倒逼交通模型的自我完善，特别是混合交通
流特性的研究、交通出行行为规律的发现、动态交
通流时空特征的提取等基础问题.此外，以大数据
为基础，交通控制的集成化、智能化、多模式化，交
通诱导的群体覆盖、个性支撑等逐渐成为可能.
参考文献：
[1]Gore A.The digital earth:Understanding our planet in
the21st century[J].Photogrammetric Engineering and
Remote Sensing,1999,65(5):528.
[2]Palmisano S.A smarter planet:The next leadership
agenda[R].New York:IBM,2008.
[3]Department for Culture,Media and Sport,Department
for Business,Innovation and Skills.Digital Britain final
report[R].London:Office of Public Sector Information,
2009.
50
第15卷第5期大数据及其在城市智能交通系统中的应用综述
[4]金江军.韩国城市进入U-CITY时代[J].信息化建设,
2009(10):9-10.[JIN J J.Korea city to the era of U-
CITY[J].Informatization Construction,2009(10):9-10.] [5]郭慧鹏.智慧城市:应用日渐丰富多彩[N].中国信
息化周报,2013-12-30028.[GUO H P.Smart city:
applications becoming increasingly colorful[N].China
Information Weekly,2013-12-30028.]
[6]Frankel F,Reid R.Big data:Distilling meaning from
data[J].Nature,2008,455(7209):30-30.
[7]Los W,Wood J.Dealing with data:Upgrading
infrastructure[J].Science,2011,331(6024):1515-1516.
[8]李德仁,姚远,邵振峰.智慧城市中的大数据[J].武汉
大学学报(信息科学版),2014,39(6):631-640.[LI D
R,YAO Y,SHAO Z F.Big data in smart city[J].
Geomatics and Information Science of Wuhan
University,2014,39(6):631-640.]
[9]于渊,雷利军,景泽涛,等.北斗卫星导航在国内智能
交通等领域的应用分析[J].工程研究——跨学科视野
中的工程,2014,6(1):86-91.[YU Y,LEI L J,JING Z
T,et al.Brief probe into the status and trend of compass
navigation’s application in domestic intelligent
transportation systems[J].Journal of Engineering
Studies,2014,6(1):86-91.]
[10]Ahas R,Aasa A,Silm S,et al.Daily rhythms of suburban
commuters’movements in the tallinn metropolitan area:
Case study with mobile positioning data[J].
Transportation Research Part C:Emerging
Technologies,2010,18(1):45-54.
[11]Gentili M,Mirchandani P.Locating sensors on traffic
networks:Models,challenges and research
opportunities[J].Transportation Research Part C:
Emerging Technologies,2012,24:227-255. [12]Bachmann C,Abdulhai B,Roorda M J,et al.A
comparative assessment of multi-sensor data fusion
techniques for freeway traffic speed estimation using
microsimulation modeling[J].Transportation Research
Part C:Emerging Technologies,2013,26:33-48. [13]何非,何克清.大数据及其科学问题与方法的探讨[J].
武汉大学学报(理学版),2014,60(1):1-12.[HE F,HE
K Q.The scientific problems and methodology of big
data[J].Journal of Wuhan University(Natural Science
Edition),2014,60(1):1-12.]
[14]Zikopoupos P C,Eaton C,de Roos D,et al.
Understanding and streaming data[R].McGraw-Hill
Companies,2012.
[15]Chen M,Mao S W,Zhang Y,et al.Big data related
technologies,challenges and future prospects series[M].
Springer Briefs in Computer Science,2014. [16]李清泉,李德仁.大数据GIS[J].武汉大学学报(信息科
学版),2014,39(6):641-644,666.[LI Q Q,LI D R.Big
data GIS[J].Geomatics and Information Science of
Wuhan University,2014,39(6):641-644,666.] [17]Li R M,Ma H L,Lu H P,et al.Research and application
of the Beijing road traffic prediction system[J].Discrete
Dynamics in Nature and Society,2014,316032. [18]李嘉,刘春华,胡赛阳,等.基于交通数据融合技术的
行程时间预测模型[J].湖南大学学报(自然科学版),
2014,41(1):33-38.[LI J,LIU C H,HU S Y,et al.A
travel time prediction model based on traffic data fusion
technology[J].Journal of Hunan University(Natural
Sciences),2014,41(1):33-38.]
[19]北京市公安局公安交通管理局,清华大学,北京交通
大学,等.北京市科技计划课题任务书
(Z12110000031210)[R].北京:北京市科学技术委员
会,2012.[Beijing Traffic Management Bureau,
Tsinghua University,Beijing Jiaotong University,et al.
Topics mission statement of beijing science and
technology program(Z12110000031210)[R].Beijing:
Beijing Municipal Science and Technology Commission,
2012.]
[20]Tao S,Corcoran J,Mateo-Babiano I,et al.Exploring bus
rapid transit passenger travel behaviour using big
data[J].Applied Geography,2014,53:90-104. [21]Sun J,Zhang C,Zhang L H,et al.Urban travel behavior
analyses and route prediction based on floating car
data[J].Transportation Letters,2014,6(3):118-125.
[22]Abdulazim T,Abdelgawad H,Habib K,et https://www.doczj.com/doc/e43198905.html,ing
smartphones and sensor technologies to automate
collection of travel data[J].Transportation Research
Board,2013(2383):44-52.
[23]冉斌.手机数据在交通调查和交通规划中的应用[J].
城市交通,2013,11(1):72-81.[RAN https://www.doczj.com/doc/e43198905.html,e of
cellphone data in travel survey and transportation
planning[J].Urban Transport of China,2013,11(1):72-
81.]
[24]汪成亮,张晨.面向车联网的交通流参数检测[J].计算
机工程与应用,2012,48(23):212-218.[WANG C L,
ZHANG C.Detection model of traffic flow parameters
oriented internet of vehicles[J].Computer Engineering
and Applications,2012,48(23):212-218.] [25]段宗涛,康军,唐蕾,等.车联网大数据环境下的交通
信息服务协同体系[J].长安大学学报(自然科学版).
2014,34(2):108-114.[DUAN Z T,KANG J,TANG L,
et al.Traffic information service cooperation
architecture based on vehicular network big data[J].
Journal of Chang’an University(Natural and Science
Edition),2014,34(2):108-114.]
[26]Gonzalez MC,Hidalgo CA,Barabasi AL.Understanding
individual human mobility patterns[J].Nature,2008,453
(7196):779-782.
[27]Aguiléra V,Allio S,Benezech V,et https://www.doczj.com/doc/e43198905.html,ing cell phone
data to measure quality of service and passenger flows of
51
交通运输系统工程与信息2015年10月
Paris transit system[J].Transportation Research Part C,
2014,43:198-211.
[28]Al Azri A,Chilamkurti N.Priority-based vehicle-to-
infrastructure communication(PV2I)in UMTS[C].6th
International Symposium on Wireless and Pervasive
Computing,Hong Kong,2011.
[29]Sun X,Lu H P,Wu J.Bus detection based on sparse
representation for transit signal priority[J].
Neurocomputing,2013,118:1-9.
[30]廖律超,蒋新华,邹复民,等.基于交通视频的交通拥
堵状态自动识别方法[J].公路交通科技,2014,31(1):
110-117.[LIAO L C,JIANG X H,ZOU F M,et al.An
automatic recognition approach for traffic congestion
states based on traffic video[J].Journal of Highway and
Transportation Research and Development,2014,31(1):
110-117.]
[31]公安部交通管理科学研究所.公安交通集成指挥平台
通信协议[S].GA/T1049,2014.[Institute of Traffic
Management Research,Ministry of Public Security.
Communication protocols of public security traffic
integrated command platform[S].GA/T1049,2014.] [32]王璐,孟小峰.位置大数据隐私保护研究综述[J].软件
学报,2014,25(4):693-712.[WANG L,MENG X F.
Location privacy preservation in big data era:A
survey[J].Journal of Software,2014,25(4):693-712.] [33]刘智慧,张泉灵.大数据技术研究综述[J].浙江大学学
报(工学版),2014,48(6):957-972.[LIU Z H,ZHANG
Q L.Research overview of big data technology[J].
Journal of Zhejiang University(Engineering Science),
2014,48(6):957-972.]
[34]钱哨,张云鹏,黄少波.智能交通云:基于云计算的智
能交通系统[J].计算机与现代化,2010,11:168-171.
[QIAN S,ZHANG Y P,HUANG S B.Intelligent
transport cloud:ITS based on cloud computing[J].
Computer and Modernization,2010,11:168-171.] [35]周云,黄柯棣,胡德文.动态数据驱动应用系统的概念
研究[J].系统仿真学报,2009,21(8):2138-2141.
[ZHOU Y,HUANG K D,HU D W.Conceptual study on
dynamic data driven application system[J].Journal of
System Simulation,2009,21(8):2138-2141.] [36]Qu J G,Cui Y H,Zhou G C,et al.Application of
multiple linear regression model in the performance
analysis of traffic rules[J].Journal of Chemical and
Pharmaceutical Research,2014,6(3):164-169. [37]Gao J W,Zhang Bin,Leng Z W,et al.Short-term traffic
flow forecasting based on phase space reconstruction
and optimized RBF neural network[J].ICIC Express
Letters,Part B:Applications,2015,6(1):19-26. [38]Ding L,Yu F,Peng S,et al.A classification algorithm for
network traffic based on improved support vector
machine[J].Journal of Computers(Finland),2013,8(4):
1090-1096.
[39]Chan K Y,Dillon T S.On-road sensor configuration
design for traffic flow prediction using fuzzy neural
networks and taguchi method[J].IEEE Transactions on
Instrumentation and Measurement,2013,62(1):50-59.
[40]El-Tantawy S,Abdulhai B,Abdelgawad H.Design of
reinforcement learning parameters for seamless
application of adaptive traffic signal control[J].Journal
of Intelligent Transportation Systems:Technology,
Planning,and Operations,2014,18(3):227-245.
52
信息资源管理文献综述 题目：大数据背景下的信息资源管理 系别：信息与工程学院 班级：2015级信本1班 姓名： 学号：1506101015 任课教师： 2017年6月 大数据背景下的信息资源管理 摘要：随着网络信息化时代的日益普遍，我们正处在一个数据爆炸性增长的“大数据”时代，在我们的各个方面都产生了深远的影响。大数据是数据分析的前沿技术。简言之，从各种各样类型的数据中，快速获得有价值信息的能力就是大数据技术，这也是一个企业所需要必备的技术。“大数据”一词越来越地别提及与使用，我们用它来描述和定义信息爆炸时代产生的海量数据。就拿百度地图来说，我们在享受它带来的便利的同时，无偿的贡献了我们的“行踪”，比如说我们的上班地点，我们的家庭住址，甚至是我们的出行方式他们也可以知道，但我们不得不接受这个现实，我们每个人在互联网进入大数据时代，都将是透明性的存在。各种数据都在迅速膨胀并变大，所以我们需要对这些数据进行有效的管理并加以合理的运用。
关键词：大数据信息资源管理与利用 目录 大数据概念.......................................................... 大数据定义...................................................... 大数据来源...................................................... 传统数据库和大数据的比较........................................ 大数据技术.......................................................... 大数据的存储与管理.............................................. 大数据隐私与安全................................................ 大数据在信息管理层面的应用.......................................... 大数据在宏观信息管理层面的应用.................................. 大数据在中观信息管理层面的应用.................................. 大数据在微观信息管理层面的应用.................................. 大数据背景下我国信息资源管理现状分析................................ 前言：大数据泛指大规模、超大规模的数据集，因可从中挖掘出有价值 的信息而倍受关注，但传统方法无法进行有效分析和处理.《华尔街日
《城市大数据平台白皮书》解读：智慧城市中的应用 日前，中国信息通信研究院正式发布《城市大数据平台白皮书》，阐述了城市大数据的概念和内涵，分析了建设城市大数据平台对于破解智慧城市建设难题的意义，并介绍了我国城市大数据平台的发展现状。 同时，白皮书还提出了城市大数据平台的通用技术架构，梳理了城市大数据平台的运营模式，并就城市大数据平台发展给出了相应的建议。 什么是城市大数据? 随着数据处理技术的不断进步，人们对于数据应用的意识不断提高，人们生活和各行业运行产生的数据呈现爆发式增长，形成了城市大数据。 城市大数据是指城市运转过程中产生或获得的数据，及其与信息采集、处理、利用、交流能力有关的活动要素构成的有机系统，是国民经济和社会发展的重要战略资源。用简单、易于理解的公式可以表达为：城市大数据=城市数据+大数据技术+城市职能。 城市大数据的数据资源来源丰富多样，广泛存在于经济、社会各个领域和部门，是政务、行业、企业等各类数据的总和。同时，城市大数据的异构特征显著，数据类型丰富、数量大、速度增长快、处理速度和实时性要求高，且具有跨部门、跨行业流动的特征。 按照数据源和数据权属不同，城市大数据可以分为政务大数据、产业大数据和社会公益大数据。政务大数据指的是政务部门在履行职责过程中制作或获取的，以一定形式记录、保存的文件、资料、图表和数据等各类信息资源。产业大数据指的是在经济发展中产生的相关数据，包括工业数据、服务业数据等。 此外，还有一些社会公益大数据。当前，城市大数据多数为政务大数据和产业大数据，所以城市大数据的主要推动者应为一个城市的政府和相关的具有一定数据规模的企业。
为保障城市运转的安全高效，智慧城市建设需要对海量的数据资源进行收集、整合、存储与分析，并使用智能感知、分布式存储、数据挖掘、实时动态可视化等大数据技术实现资源的合理配置。因此，城市大数据是实现城市智慧化的关键支撑，是推动“政通、惠民、兴业”的重要引擎。 新型智慧城市发展面临挑战 数据驱动的新型智慧城市发展面临诸多问题。白皮书认为，虽然当前各级地方政府和企业都在积极探索智慧城市建设，但仍存在着特色不明、体验不佳、共享不足等问题。究其根源在于，未能实现城市大数据资源与城市业务的良好融合。 具体而言，挑战包括三个方面：一是信息系统烟囱林立，阻碍数据共享;二是数据治理普遍薄弱，价值大打折扣;三是数据管理水平不一，缺乏整体联动。 如何应对新型智慧城市建设中的困难和挑战?白皮书认为城市大数据平台的建设能够发挥积极作用，具体表现在三个方面。 一、通过数据汇集加速信息资源整合应用 第一，城市大数据平台建立了数据治理的统一标准，提高数据管理效率。通过统一标准，避免数据混乱冲突、一数多源等问题。通过集中处理，延长数据的“有效期”，快速挖掘出多角度的数据属性以供分析应用。 通过质量管理，及时发现并解决数据质量参差不齐、数据冗余、数据缺值等问题。 第二，城市大数据平台规范了数据在各业务系统间的共享流通，促进数据价值充分释放。通过统筹管理，消除信息资源在各部门内的“私有化”和各部门之间的相互制约，增强数据共享的意识，提高数据开放的动力。通过有效整合，提高数据资源的利用水平。 二、通过精准分析提升政府公共服务水平 在交通领域，通过卫星分析和开放云平台等实时流量监测，感知交通路况，帮助市民优化出行方案;在平安城市领域，通过行为轨迹、社会关系、社会舆情等集中监控和分析，为公安部门指挥决策、情报研判提供有力支持。 在政务服务领域，依托统一的互联网电子政务数据服务平台，实现“数据多走路，群众少跑腿”;在医疗健康领域，通过健康档案、电子病历等数据互通，既能提升医疗服务质量，也能及时监测疫情，降低市民医疗风险。 三、通过数据开放助推城市数字经济发展 开放共享的大数据平台，将推动政企数据双向对接，激发社会力量参与城市建设。一方面，企业可获取更多的城市数据，挖掘商业价值，提升自身业务水平。
智能交通系统综述 摘要：“智能交通系统”是20世纪80年代中期迅速发展起来的一门新学科，它研究21世纪的新型交通运输模式，是当前交通运输学科的一个前沿领域，因此了解智能交通的发展有重要意义。本文主要介绍了智能交通的国内外发展历史，发展阶段，各阶段发展的成果与特点以及智能交通发展的现状，提出了国内外智能交通发展中出现的问题初步设想了解决方法。另外还介绍了智能交通的组成及其应用领域，对智能交通的未来发展状况进行了预测。总之智能交通是我国交通发展的必由之路。 关键词：智能交通发展阶段成果问题前景 Summary of Intelligent Transportation System Abstract:"Intelligent transportation system" is a new discipline rapidly developed in the 1980 s, it is a new transportation mode studied the 21 st century, is currently the subject of transportation front field, so learning of intelligent transportation development is of great important meaning.This paper mainly introduces the history of development of the intelligent transportation at home and abroad, the development stage, the achievements and characteristics of the stage and the present situation of intelligent transportation development. Proposed the problems of the intelligent transportation during the development at home and abroad and the solution of the problems in the preliminary. Also introduces the composition of the intelligent transportation and its application in the field of intelligent transportation, the future of the development situation of the forecast. In short intelligent transportation is the only way for the development of China's transportation. Key words: Intelligent transportation system(ITS) Stage of development Results Problem Prospects 引言：ITS的发展是现代社会经济发展的客观要求，交通运输是国民经济和现代社会发展的基础。由于现代社会城市化速度越来越快、国民经济的高速增长、全球经济的一体化进程加快、个人旅行与休闲时间的不断增加以及人们对交通需求越来越高，ITS便成为现代社会经济发展的客观要求。本文主要阐述智能交通的国内外发展，服务体系及出现的问题，整体的介绍了智能交通 一、概念及概况 所谓数字交通，就是充分利用现代化的通信、定位、遥感以及地理信息系统、电子地图和其它相关技术实现交通管理的数字化、网络化、一体化，以减少交通拥挤、提高交通流量、改善交通安全状况、充分利用路网资源并减少对环境的影响，从而改善交通运输条件，是一种全方位的交通智能化系统。 智能运输系统综合运用了现代通讯技术、信息技术和计算机技术、导航定位技术、图像分析技术等，将交通系统所设计到的人、车、道路和环境有机地结合在一起，使其发挥智能作用，从而使交通系统智能化，更好地实现安全、畅通、低公害和耗能少的目的。智能运输系统的英文为Inteligent Transport System，
信息资源管理文献综述题目：大数据背景下的信息资源管理 系别：信息与工程学院 班级：2015级信本1班 姓名： 学号：1506101015 任课教师： 2017年6月
大数据背景下的信息资源管理 摘要：随着网络信息化时代的日益普遍，我们正处在一个数据爆炸性增长的“大数据”时代，在我们的各个方面都产生了深远的影响。大数据是数据分析的前沿技术。简言之，从各种各样类型的数据中，快速获得有价值信息的能力就是大数据技术，这也是一个企业所需要必备的技术。“大数据”一词越来越地别提及与使用，我们用它来描述和定义信息爆炸时代产生的海量数据。就拿百度地图来说，我们在享受它带来的便利的同时，无偿的贡献了我们的“行踪”，比如说我们的上班地点，我们的家庭住址，甚至是我们的出行方式他们也可以知道，但我们不得不接受这个现实，我们每个人在互联网进入大数据时代，都将是透明性的存在。各种数据都在迅速膨胀并变大，所以我们需要对这些数据进行有效的管理并加以合理的运用。 关键词：大数据信息资源管理与利用 目录 大数据概念 (3) 大数据定义 (3) 大数据来源 (3) 传统数据库和大数据的比较 (3) 大数据技术 (4) 大数据的存储与管理 (4)
大数据隐私与安全 (5) 大数据在信息管理层面的应用 (6) 大数据在宏观信息管理层面的应用 (6) 大数据在中观信息管理层面的应用 (7) 大数据在微观信息管理层面的应用 (8) 大数据背景下我国信息资源管理现状分析 (9) 前言：大数据泛指大规模、超大规模的数据集，因可从中挖掘出有价值 的信息而倍受关注，但传统方法无法进行有效分析和处理.《华尔街日 报》将大数据时代、智能化生产和无线网络革命称为引领未来繁荣的大技术变革.“世界经济论坛”报告指出大数据为新财富，价值堪比石油.因此，目前世界各国纷纷将开发利用大数据作为夺取新一轮竞争制高点的重要举措. 当前大数据分析者面临的主要问题有:数据日趋庞大，无论是入库和查询，都出现性能瓶颈;用户的应用和分析结果呈整合趋势，对实时性和响应时间要求越来越高;使用的模型越来越复杂，计算量指数级上升;传统技能和处理方法无法应对大数据挑战. 正文：
信息资源管理文献综述题目：大数据背景下的信息资源管理系别：信息与工程学院 班级：2015级信本1班 姓名： 学号：1506101015 任课教师： 2017年6月
大数据背景下的信息资源管理 摘要：随着网络信息化时代的日益普遍，我们正处在一个数据爆炸性增长的“大数据”时代，在我们的各个方面都产生了深远的影响。大数据是数据分析的前沿技术。简言之，从各种各样类型的数据中，快速获得有价值信息的能力就是大数据技术，这也是一个企业所需要必备的技术。“大数据”一词越来越地别提及与使用，我们用它来描述和定义信息爆炸时代产生的海量数据。就拿百度地图来说，我们在享受它带来的便利的同时，无偿的贡献了我们的“行踪”，比如说我们的上班地点，我们的家庭住址，甚至是我们的出行方式他们也可以知道，但我们不得不接受这个现实，我们每个人在互联网进入大数据时代，都将是透明性的存在。各种数据都在迅速膨胀并变大，所以我们需要对这些数据进行有效的管理并加以合理的运用。 关键词：大数据信息资源管理与利用 目录 大数据概念 (2) 大数据定义 (2) 大数据来源 (2) 传统数据库和大数据的比较 (3) 大数据技术 (3) 大数据的存储与管理 (4) 大数据隐私与安全 (4) 大数据在信息管理层面的应用 (5) 大数据在宏观信息管理层面的应用 (5) 大数据在中观信息管理层面的应用 (6) 大数据在微观信息管理层面的应用 (7) 大数据背景下我国信息资源管理现状分析 (8)
前言：大数据泛指大规模、超大规模的数据集，因可从中挖掘出有价值 的信息而倍受关注，但传统方法无法进行有效分析和处理.《华尔街日 报》将大数据时代、智能化生产和无线网络革命称为引领未来繁荣的 大技术变革.“世界经济论坛”报告指出大数据为新财富，价值堪比 石油.因此，目前世界各国纷纷将开发利用大数据作为夺取新一轮竞 争制高点的重要举措. 当前大数据分析者面临的主要问题有:数据日趋庞大，无论是入 库和查询，都出现性能瓶颈;用户的应用和分析结果呈整合趋势，对 实时性和响应时间要求越来越高;使用的模型越来越复杂，计算量指 数级上升;传统技能和处理方法无法应对大数据挑战. 正文： 大数据概念 大数据定义 维基百科对大数据的定义则简单明了:大数据是指利用常用软件工具捕获、管理和处理数据所耗时间超过可容忍时间的数据集。也就是说大数据是一个体量特别大，数据类别特别大的数据集，并且这样的数据集无法用传统数据库工具对其内容进行抓取、管理 大数据来源 1)来自人类活动:人们通过社会网络、互联网、健康、金融、经济、交通等活动过程所产生的各类数据，包括微博、病人医疗记录、文字、图形、视频等
智慧城市及大数据技术的应用 摘要：在智慧城市的发展中，大数据技术为城市规划提供了更多的数据资源他，通过先进的大数据技术为城市建设进行数据收集和分析处理，参考数据内容对城市进行合理的规划和建设，同时满足城市的发展要求，使智慧城市的规划建设水平提升。基于此，本文主要分析了大数据技术在智慧城市管理中的价值及应用。 关键词：大数据；智慧城市管理；应用 引言 智慧城市的建设与推广可以为人们提供更加舒适、愉悦、有活力的城市形态。而大数据技术的应用不仅可以加快智慧城市的建设速度，实现城市管理的智能化，还可以创新智慧城市管理模式，实现智慧城市的网络化管理、精细化管理以及信息化管理。 1大数据概述 1.1大数据概念 大数据技术又叫做巨量技术，在应用中难以使用一般的软件进行信息处理，大数据有较多的种类，在处理的速度上有着较高的要求。使用随机的数据难以对大数据进行处理，同时应利用数据库技术等进行处理，使数据能够得到高效的处理。在处理海量数据的时候，对数据进行处理的时候需要使用预测模型技术和关联规则挖掘技术等。大数据在应用中的算法比较简便，通过网络技术和智能传
感器技术的应用，使大数据对城市的运行情况进行全面的监控，还可以对空间的情况进行了解，使城市的数据获取和处理效率提升，同时在数据的使用中具有较强的智能化特点[1]。 1.2大数据在智慧城市规划中的优势 大数据智慧城市规划中具有较多的优势，包括：大数据技术使城市规划有了更多的信息数据，能够提供丰富的资源，并且涉及到了多个行业之中的数据信息，范围比较广，例如交通行业等，使城市的规划有更完善的条件，同时大数据技术可以使城市测绘的准确性提升，使规划顺利进行。其次，在城市的规划中，需要大量的数据支持，同时通过数据进行存储，使城市的规划建设有更多的数据资源，并且提供海量数据平台，使数据的丢失问题得到有效的解决。在智慧城市规划中，大数据技术能够将数据孤立的问题排除，使数据之间的联系性加强，同时实现了数据的开放性，提升了数据的服务水平，使数据能在城市规划中发挥出重要的作用，保证了规划建设的质量。 2智慧城市管理中常用的大数据技术分析 由于智慧城市中的数据具有一定的复杂性与多源性，要想保证智慧城市中各种数据的应用效率，并将之转换成优质的数据资产，就必须要对这些数据进行科学合理的管理与处理[2]。 2.1大数据采集技术 大数据采集技术指的是对物联网、互联网以及各大机构信息系统网中的数据进行提取、转换以及加载的技术，可以为智慧城市管
第 15卷第 5期 2015年 10月 交通运输系统工程与信息 Journal of Transportation Systems Engineering and Information Technology V ol.15No.5 October 2015 文章编号:1009-6744(2015 05-0045-08中图分类号:U491.1文献标志码:A 大数据及其在城市智能交通系统中的应用综述陆化普 *, 孙智源, 屈闻聪 (清华大学交通研究所, 北京 100084 摘要:大数据给城市智能交通系统的技术发展与应用革新带来了机遇和挑战 . 从交通大数据的基本概念、交通大数据带来的问题和大数据驱动的数学建模方法等方面, 阐述了交通大数据给智能交通系统带来的变革 . 为了深入理解交通大数据的内涵, 分析交通大数据的产生背景, 提出了交通大数据的“ 6V ” 特征, 总结了智能交通系统中大数据的基本类型 . 面对交通大数据带来的数据安全、网络通信、计算效率和数据存储等诸多问题, 提出了应对策略和思路 . 对数据驱动的建模方法进行了分析, 说明了混合模型的意义 . 最后, 讨论了大数据驱动的智能交通系统的体系框架 . 关键词:智能交通; 交通大数据; 数据驱动; 智能交通系统 Big Data and Its Applications in Urban Intelligent Transportation System LU Hua-pu , SUN Zhi-yuan , QU Wen-cong
(Institute of Transportation Engineering , Tsinghua University , Beijing 100084, China Abstract:Big data brings both opportunities and challenges to technological development and application innovation of urban intelligent transportation system. Significant changes of ITS, which brought by traffic big data, are shown in three aspects:the concept of traffic big data, problems brought by traffic big data, and big-data-driven based mathematic modeling methods. This paper is intended to deeply understand big data, the background and category of traffic big data are sketched, the “ 6V ” characteristics of traffic big data are proposed, the basic types of traffic big data in ITS are summarized. Strategies and ideas are presented based on the problems of traffic big data, namely, data security, network communication, computational efficiency, and data storage. This paper also analyzes the method of data driven model, and describes the significance of hybrid model. Finally, system framework of ITS based on traffic big data is proposed. Key words:intelligent transportation; traffic big data; data driven; intelligent transportation system 1引言 随着信息技术、通信技术、计算机技术等的快速发展, 数字城市 (Digital City 与智慧城市 (Smart Ctiy 接踵而来 .1998年 1月, 美国前副总统戈尔发表了题为“数字地球——新世纪人类星球之认识 (The Digital Earth:Understanding our planet in the 收稿日期:2015-02-04修回日期:2015-08-30录用日期:2015-09-09 基金项目:“ 十二五” 国家科技支撑计划 (2014BAG01B04-03 ; 国家自然科学基金 (51408023 ; 清华大学苏州汽车研究院 (吴江返校经费课题 (2015WJ-B-02 .
大数据外文翻译参考文献综述 (文档含中英文对照即英文原文和中文翻译) 原文： Data Mining and Data Publishing Data mining is the extraction of vast interesting patterns or knowledge from huge amount of data. The initial idea of privacy-preserving data mining PPDM was to extend traditional data mining techniques to work with the data modified to mask sensitive information. The key issues were how to modify the data and how to recover the data mining result from the modified data. Privacy-preserving data mining considers the problem of running data mining algorithms on confidential data that is not supposed to be revealed even to the party
running the algorithm. In contrast, privacy-preserving data publishing (PPDP) may not necessarily be tied to a specific data mining task, and the data mining task may be unknown at the time of data publishing. PPDP studies how to transform raw data into a version that is immunized against privacy attacks but that still supports effective data mining tasks. Privacy-preserving for both data mining (PPDM) and data publishing (PPDP) has become increasingly popular because it allows sharing of privacy sensitive data for analysis purposes. One well studied approach is the k-anonymity model [1] which in turn led to other models such as confidence bounding, l-diversity, t-closeness, (α,k)-anonymity, etc. In particular, all known mechanisms try to minimize information loss and such an attempt provides a loophole for attacks. The aim of this paper is to present a survey for most of the common attacks techniques for anonymization-based PPDM & PPDP and explain their effects on Data Privacy. Although data mining is potentially useful, many data holders are reluctant to provide their data for data mining for the fear of violating individual privacy. In recent years, study has been made to ensure that the sensitive information of individuals cannot be identified easily. Anonymity Models, k-anonymization techniques have been the focus of intense research in the last few years. In order to ensure anonymization of data while at the same time minimizing the information
大数据云计算文献综述 一个大数据的调查 摘要：在这篇论文中，我们将回顾大数据的背景以及当前发展状况。我们首先介绍大数据的一般应用背景以及回顾涉及到的技术，例如：云计算、物联网、数据中心，以及Hadoop。接下来我们着重大数据价值链的四个阶段，也就是：数据生成，数据采集，数据存储和数据分析。对于每个阶段，我们介绍应用背景，讨论技术难题以及回顾最新技术。最后，我们介绍几个大数据的代表性应用，包括企业管理，物联网，在线社交网络，媒体应用，集成智慧，以及智能电网。这些讨论旨在提供一个全面的概述以及对读者感兴趣的领域的蓝图。这个调查包括了对开放问题和未来方向的讨论。 关键字大数据云计算物联网数据中心Hadoop 智能电网大数据分析 1、背景 1.1大数据时代的曙光 在过去的二十年，数据在各种各样的领域内爆炸式增长。按照2011年来自国际数据公司（IDC）的报告，世界上总共的创建及复制的数据量达到1.8zb,在五年内增长了大约九倍[1]。在未来这个数字至少每两年增加一倍。在全球数据的爆炸增长下，大数据这个词主要来描述巨大的数据集。与传统的数据集相比，大数据通常包括非结构化数据，这需要更实时的分析。 另外，大数据也能在发现新价值上带来新优势，帮助我们帮助我们获得一个深入隐藏价值的认识，也导致新挑战，例如，如何有效地组织和管理这样的数据集。
近日，行业产生兴趣的大数据的高潜力，许多政府机构公布主要计划加快大数据的研究和应用[2]。此外，大数据问题往往覆盖在公共媒体，如经济学[3，4]，纽约时报[5]，和全国公共广播电台[6,7]。这两个主要的科学期刊，Nature和Science，还开通了专栏讨论大数据的挑战和影响[8,9]。大数据的时代已经到来超越一切质疑[10]。 目前，与互联网公司的业务相关联的大数据快速增长。例如，谷歌处理的数据达数百拍字节（PB），Facebook的生成日志数据每月有超过10 PB，百度一家中国公司百度，业务流程有数十PB的数据，而阿里巴巴的子公司淘宝每天的网上交易产生几十太字节（TB）的数据。图1示出的全球数据量的热潮。当大型数据集的数量急剧上升，它也带来了许多具有挑战性的问题，解决方案如下： 图一、持续增长的数据 信息技术的最新发展（IT）使其更容易以产生数据。例如，每分钟有平均72个小时的视频上传到YouTube[11]。因此，我们面临的主要挑战是从广泛分布的数据源中收集和整合大量的数据。 云计算和物联网（IOT）的快速发展进一步促进数据的大幅增长。云计算提供了安全措施，访问网站以及数据资产的渠道。在物联网的典范，遍布世界各地的传感器正在收集和传送数据到云端进行存储和处理。这样的数据在数量和相互关系将远远超过对IT架构和现有企业的基础设施的能力，以及它的实时要求也将极大地强调可用的计算能力。日益增长的数据造成怎样在当前硬件和软件的基础上存储和管理如此庞大的异构数据集的问题。
智能交通系统概论基于视频的驾驶员疲劳驾驶检 学院： 专业： 姓名： 学号：
基于视频的驾驶员疲劳驾驶检 摘要 随着我国经济的高速发展，汽车大量普及，交通安全问题也日益严重，每年在交通事故中死亡的人数也明显增多，同时也带来了重大的经济损失，而在交通事故中，不可忽略的因素就是疲劳驾驶。为了解决驾驶员疲劳驾驶实时监控的问题，本文通过安装在车上的视频监控对驾驶员的驾驶状态进行分析,（1）采用AdaBoost方法进行初步的人脸检测，利用Haar-like小波特征描述检测目标和利用积分图进行加速，从而完成初步人脸定位。（2）采用ASM方法对面部特征点定位。（3）人脸特征点跟踪：根据跟踪结果的置信度，建立人脸特征跟踪的跟踪策略，从而决定跟踪模块和模块之间的切换。（4）最终利用眼睛和嘴巴的运动特征，对面部运动进行量化描述，根据优化后的时间窗长度，计算面部运动统计指标进行疲劳检测。此种方法是直接可以在现有的汽车装置上进行应用，有较高的应用价值。 关键词：疲劳驾驶；人脸检测；特征检测；运动特征；疲劳检测 Abstract Along with the economy of our country develop rapidly and the number of the cars is increasing, the problem of the traffic safety is becoming more and more serious, as a result, the number of the people who were killed in the traffic accident are increasing ever year, at the same time it also brought a great economic losses. However, for the traffic accident, one of the neglected factor is that fatigue driving. In order to solve the problem of driver fatigue driving real-time monitoring, in this paper, on the basis of video monitor installed in the car on the driver's driving condition is analyzed, (1) using AdaBoost method carries on the preliminary face detection, using Haar - like little potter character description to detect target and acceleration, by means of integral figure to complete the preliminary face positioning. (2) using ASM method of facial feature points positioning. (3) facial feature points tracking: according to the tracking results of confidence, tracking strategy, establish facial
智能交通系统概论 二、发达国家ITS的研究和应用 （五）国外应用举例 智能交通在国外已经有了很多应用，那么下面我们就给大家介绍一些例子，因为应用太多了，不可能全部给大家介绍，那么举几个例子。 1、日本车载导航 首先第一个就是日本的车载导航，这个可能学员同志们都非常熟悉，其实我们国内现在也已经有了一些应用了。日本开始实验是从1996年，当然研发做的更早一些，1996年从东京地区开始服务，那么1995年我到日本去参加第二届世界智能交通大会的时候已经在实验应用了。那么2003年在日本全国就全部覆盖了，那截止到去年的年底他这个车载导航系统其中很重要的一个方法，他叫VICS，因为他车载导航系统有好多厂商了，最大的一个服务的机构就叫VICS，就是这个系统的销售已经突破了3600万台，那么日本只有7000多万辆车，那么就是说一半以上的车都已经有了。那么他们也对这个东西进行过评估，也就是说他可以节约交通的出行时间20%，通过这个使用VICS以后，交通更顺畅以后还可以减少二氧化碳的排放，他们2006年做一个统计，就是可以每年减少214万吨。 最近他们在利用这个系统在做一些灾害，特别像日本前两年有一个大的地震，那么在地震的过程当中他这个系统也发出了一些信息，应该说还是比较有效的，现在他们正在加强这方面的工作。除此之外日本还有一些其他提供车载导航的一些企业和体系、系统，总的量来说，日本车载导航系统销售已经突破了5400万，应该说是一个非常成功的应用的案例。
2、日本不停车收费系统（ETC） 第二个是比较大的，我们也是日本的，就是日本的不停车收费系统，日本的不停车收费系统也是从上世纪末开始开发，从本世纪初，2000年到2001年开始正式的在他们国内开始推广应用，随着时间的推移这个已经是非常庞大的系统了，截止到今年的2月份，他的车载机的销售台数已经超过了5200万台，应该说60%多到70%的车都已经安装了这个不停车收费系统。 那么在他主要的高速公路上，平均的使用率达到了88%，他这个使用率是这样定义的，就是说你通过这个收费站你要进行交钱，他们叫做一次交易，那么这个交易有交现金的，有利用不停车收费的，这个比例达到了88%。应该说这是一个非常高的一个使用率。由此现在大家如果去日本可以看到一个现象，在日本的高速公路的收费站上是没有堵车的，当然由于事故，由于其他的原因还会发生堵车，但是在收费站上已经没有堵车了，但是这个也对节能减排做了相应的贡献。那么日本的政府他的产业经济也做了一个估算，最近这些年每一年由于不停车收费系统的使用，减少二氧化碳的排出量超过了20万吨，应该说这也是非常好的一个结果。 3、ITS在日本的城市交通管理中的应用 一个就是在日本现在也在开发城市交通管理当中的新一代的交通管理系统，那么新一代交通管理系统他就不仅仅是一个红绿灯，红绿灯当然在内，我们的信号灯在内，那么包括公交系统，包括先进的信息服务系统，包括应急车辆的管理系统，以及安全辅助驾驶系统，以及跟环保有关系的这样一些功能，都涉及到了新一代的交通管理系统发布，那么这些系统现在正在日本进行实验和实施。 4、美国的交通信息服务—511 当然在国际的智能交通应用当中美国也是很有特色的一个，美国现在比较，
智慧时代下大数据技术在教育 领域的应用研究综述 姓名：李欢欢学号：2012221111120004 一、前言 大数据是近年来出现在通信和计算机领域中的一个热门关键词。关于大数据，尚未有一个统一的定义，但却有两个观点能够诠释大数据的本质。第一个观点来自于Gartner公司的Merv Adrian在2011年第一季度刊登在Teradata Magazine上的一篇文章，文中指出“数据超出了常用硬件环境和软件工具在可接受的时间内为其用户收集、管理和处理数据的能力”[1]。另一个观点来自于麦肯锡全球数据分析研究所(Mckinsey Global Institute)在2011年6月发布的《大数据：创新、竞争和生产力的下一个前沿》报告，报告中提出“大数据是指大小超出了典型数据库软件工具收集、存储、管理和分析能力的数据集”[2]。麦肯锡称：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和应用，预示着新一波生产率增长和消费者盈余浪潮的到来。” 大数据已经深刻地影响到人们的生活、工作和学习。大数据的意义在于对由多种类型数据构成的数据集体进行分析和研究，提取有利用价值的信息，从而帮助人们在解决问题时可以作出科学的决策。同样大数据的威力强烈地冲击着教育系统，正在成为推动教育系统创新与变革的颠覆性力量。 二、大数据技术在教育领域的应用现状分析 1 大数据定义与特征 大数据（bigdata），又称巨量资料，海量资料，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理并整理成为帮助企业经营决策更积极目的的资讯。研究机构Gartner[3]认为“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。麦肯锡的定义：大数据是指无法在一定时间内用传统数据库软件工具对其内容进行采集、存储、管理和分析的数据集合。无论哪种定义，我们可以看出，大数据并不是一种新的产品也不是一种新的技术，大数据只是数字化时代出现的一种现象。 大数据的主要特点可以概括为4V+1C。4V包含了四个层面：第一，即V olume（大容量），海量数据，规模庞大，已跃升到PB 级别；第二，Velocity（高速度），实时处理，处理速度快，涉及感知、传输、决策、控制开放式循环的大数据，数据实时处理有着极高要求，通过传统数据库查询方式得到的“当前结果”可能已没有价值，这也是大数据和传统的数据挖掘技术本质上的不同；第三，Variety（多样性），数据类型繁多：网络日志、视频、地理位置信息、图片等都是大数据；第四，Veracity（低密度），数据价值大，但价值密度低。对海量数据挖掘分析，对未来趋势与模式的可预测分析，深度复杂分析；“1C”即Complexity，是通过数据库处理持久存储的数据不再适用于大数据处理，需要有新的方法来满足异构数据统一接入和实时数据处理的需求[4]。 2 国内研究现状 对于“智慧时代下大数据技术在教育领域的应用”国内研究的现状，我主要通过借助中国知网提供的论文发表数据进行分析。在中国知网中选择“高级检索”类型，并在检索条件中选择“主题”检索，输入“大数据”并含“教育”，截止到2014年4月17日共检索出303 条结果与之相关，通过手工筛选，把会议报道等无关信息剔除掉，剩余160篇文章。 大数据在教育领域的应用，与国外相比，国内起步稍晚，还未形成整体力量。虽然2009年开始，大数据就成为了流行词汇，但是它在教育领域的应用是近3年才出现的。国内最早
智慧城市中的大数据挖掘与应用 数字城市技术把基础地理数据、正射影像、街景景象数据、全景影像数据、三维模型数据结合在一起，在政务网上，通过注册可以进行服务共享，在公共平台、互联网、公网上，通过二次开发可以提供各种交通、导航、旅游、文物、购物等服务系统。物联网能够实现人与人、人与机器、机器与机器的互联互通，实现智慧城市的各种应用。 智慧城市中的大数据挖掘与应用 智慧城市蕴含大数据 城市是生存繁衍最好的地方，城市是社会交往的地方，是文化享受的地方，按照城市的职能，我们让它智能化，比如智慧安防、智慧环保、智慧能源、智慧城管、智慧养老、智慧国土规划、智慧社区、智慧家居都是让人有更好的环境来生存繁衍。在经济发展方面，可以推动智慧制造、工业互联网、物联网。在文化
享受方面，可以考虑智慧户外流媒体、智慧教育、智慧旅游等等。在社会交往方面，有智慧交通、购物、社会综合管理。 在智慧城市的建设和应用中，将产生从TB到PB级越来越多的数据，从而进入大数据时代。2011年，Science专刊指出大数据时代已经到来，美国工程院院士也指出大数据可以让我们实现海量数据在预测、建模、可视化和发现新规律等方面应用的时代就要到来，奥巴马总统宣布美国政府正式启动大数据研究发展计划，奥巴马认为大数据就是未来世界的“石油”，这个计划要超过以前提出的“信息高速公路计划”，智慧城市建设的潮流已经到来。 空间数据方面，空间的传感器资源，美国有185颗卫星，中国有91颗卫星，到2020年中国将有200多颗卫星，卫星每天往回传输的数据可以达到PB级，空间数据资源、处理资源、空间信息资源、地学知识库资源，这些资源都可以传到网上，通过可视化的服务，利用云计算环境，包括计算资源、网络资源和存储资源，来保证服务质量。 “天地图”挖掘海量数据 为了充分研究这些海量空间大数据，我们研发了一个软件，叫做“天地图”，“天地图”的数据已经超过了TB级，目前已经超过100TB。利用“4+1”倾斜相机城市三维模型，贵阳做了很多三维建模工作。通过大数据，我们可以监测上海的地表下沉问题，把雷达数据放在一起，进行数据分析和挖掘，自动地、随时地检测地表下沉，不同地区的下沉速度不同，上海大概每年下沉20毫米，远郊区和市中心都在下沉。我们的检测结果同上海市国土局对比，精度可以达到3.9毫米和2.5毫米。我们已经对上海、苏州、天津、广州等很多大城市进行了自动检测。我们还监测了三峡，将来还要监测高铁。