大數據技術在智能公交系統應用
前言：本站為你精心整理了大數據技術在智能公交系統應用范文，希望能為你的創作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。
【摘要】文章對目前國內智能公交系統的發展狀況做了回顧，結合某公交企業信息化建設的實例，提出了智能公交系統應以數據驅動為核心，采用大數據的思想、體系和技術構建，并對其中的一些關鍵環節技術做了闡述。
1智能公交系統的發展概況
隨著社會和經濟的快速發展，交通管理部門、公共交通運營企業和出行乘坐者對公交智能化提出了更高要求，智能公交已成為智慧城市的重要組成部分。國務院于2019年9月頒布了《交通強國建設綱要》，交通運輸部也相應出臺了《數字交通發展規劃綱要》、《智慧交通讓出行更便捷行動方案（2017-2020年）》、《推動綜合交通運輸大數據發展行動綱要（2020-2025年）》等系列配套政策，這些措施極大推動了智能公交系統的發展，尤其沿海經濟發達地區得到了政府和社會的高度重視，經過多年建設，已經初步形成了智能化程度較高的智能公交系統。行內比較認同的智能公交系統定義是指基于定位技術、無線網絡通信技術、GIS、AI技術、大數據技術等，實現公交車輛運營調度的智能化、公交車輛運行的信息化和可視化，實現面向乘客的個性化信息服務，并通過信息管理系統和連接各停車場站的智能終端信息網絡，實現對域內公交車輛的統一指揮和調度，提供公交車輛的定位、線路跟蹤、電子站牌信息發布、公交線路的調配和服務能力，確保人力、運力資源的動態優化配置，降低公交運營成本，提升調度應變能力和服務水平。智能公交系統一般由數據采集層、基礎設施層、數據層、中間支撐層和應用層五部分組成。其中，數據采集層包括各種前端的數據采集設備；基礎設施層包括服務器、存儲設備、網絡設備等設備；數據層包括實時運行數據、外來數據等；中間支撐層包括GIS平臺、Webservice、數據分析中間件等服務組件；應用層按使用對象可以分為公交公司經營管理與監控應用、政府管理部門管控決策應用和公眾出行信息服務三大類應用。
2智能公交系統大數據建設的基本思路
交通運輸部2019年下發了《推進綜合交通運輸大數據發展行動綱要（2020-2025年）》（以下簡稱《綱要》）文件，文件對交通運輸行業的大數據建設給出了明確方向，提出了“統籌推進、加強采集、充分匯聚、綜合應用”的指導思想，并提出了完善標準規范、強化數據采集等具體任務[1]。本文結合廣東某市公交集團信息化建設實例具體介紹大數據建設的實踐經驗。該公司是一家大型的國有市內公交特許經營企業，成立于2007年，下設21個部室、4個分公司、64個車隊、9個修理廠、310條線路、4961臺公交車輛、1.4萬余名員工。2020年年載客里程2.83億公里、年客運量2.99億人次、日均客運量82萬人次。經過十多年的信息化建設，已經建成3大基礎IT環境、3類車載智能設備、13個軟件應用系統，近200個業務功能模塊，涵蓋了ERP、OA辦公、智能調度等方面。3大基礎環境包括中心機房、調度中心、客服中心。公交車輛上部署安裝了車載調度終端、車輛主動安全智能防控設備、車載視頻客流采集儀等車載智能設備。以上工作為利用大數據技術改造和升級企業的智能公交系統打下了良好基礎，但企業在數據管理和應用方面仍暴露出不少問題，具體表現為缺少頂層數據管理的整體規劃和統籌，缺乏統一標準，數據源多樣化，兼容性和互通性差，部分數據更新維護責任不清晰，數據不完整或格式不一致，甚至出現數據失真，各應用模塊和業務部門難以實現數據交換和貫通，數據共享不足，信息分散，許多數據需要手工和重復維護，自動化采集程度不高，無法支撐全流程和全業務線的管理。在數據的使用方面，工具手段落后，缺少個性化、直觀化、交互式的分析工具，無法及時反映現場變化走勢，無法精準透析基層問題，尤其是缺少統一的大數據分析應用平臺，缺少智能的數據挖掘和研判能力。該企業為了更好地應對內外環境的壓力和挑戰，提出了數字驅動的信息化戰略，按照《XX公司2021～2023三年信息化建設規劃》部署，其最終目標是搭建以數據為核心的信息化架構（見圖1），全面提升企業管理水平、效益和乘客、員工的滿意度。大數據技術無疑是實現上述目標的首選。大數據技術是一整套完整的思想和解決方案。針對該企業的現狀和發展愿景，大數據建設應該包括幾個基本任務：①數據管理體系的建立；②數據治理；③數據倉庫的設計及建設；④數據創新應用體系建設。
3數據管理體系的建立
該企業每天經營產生的數據體量是龐大的，而且類型多樣，有文本、數據、音視頻等。僅舉部分經營數據為例（見表1），每天新產生的數據就達數G之多，而且這些數據被上百個應用模塊使用和處理。按照《DAMA數據管理知識體系指南》的指導思想和該企業實際，數據管理體系既是一套完整的數據管理技術標準，也是貫穿企業數據整個生命周期全流程的管理制度，由六部分組成：①數據模型；②數據流程管理；③數據管理組織、制度；④數據質量管理標準；⑤數據安全管理標準；⑥數據交換標準。數據模型是數據管理的核心部分，數據模型體系包括：編碼規則、分類結構和信息模型體系。數據模型設計應按照先進性、可靠性、一致性和通用性進行設計，借鑒業內成熟的企業數據標準體系，構建企業自身獨有的數據模型體系，保證數據模型的相對穩定，并支持數據模型的擴展和優化，確保企業信息資源的可持續利用。
4數據治理和數據倉庫的設計、建設
數據倉庫是大數據技術的落腳點，按照W.H.In‐mon在《BuildingtheDataWarehouse》中的說法，數據倉庫是面向主題的、集成的、隨時間變化的、非易失性的數據集合，用于支持管理層的決策過程。數據倉庫技術體系結構見圖2[2]。數據預處理是數據挖掘（知識發現）過程的一個重要步驟。數據的預處理包括數據清洗、數據集成、數據轉換和數據規約。其中，對存量數據的清洗工作難度最大，需要認真策劃和精心組織，存量數據一般都會存在數據質量問題（數據不一致、不完整、不合規、數據冗余等），需要通過人工和自動的方式進行改造，包括對問題數據的補充和調整，冗余數據的查重和映射，涉及的技術方法包括數據分箱平滑法、聚類方法、回歸方法等。數據倉庫的設計和實施階段包括8個部分：開發概念模型、開發邏輯模型、設計物理體系結構、設計數據庫和元數據、確定抽取數據源、開發中間件、數據裝載和數據倉庫測試。其中，數據倉庫的數據庫是整個數據倉庫環境的核心，是數據存放之處，提供對海量數據的支持和快速檢索技術，數據倉庫的數據可以按照不同的主題分成不同的數據集市。
5數據創新應用體系建設
建立在數據倉庫基礎上的大數據平臺，可以提供OLAP、BI和數據挖掘等系列應用，該企業在大數據平臺上按照業務主題逐步建設了一系列應用。①營運主題，包括可視化的綜合檢測分析、公交時空客流分析等；②技術主題，包括物資采購通、車輛醫療卡等；③服務主題，包括預到站時間發布、出行需求分析系統等；④人力主題，包括人力優化分析、人力資源畫像等；⑤行政主題，包括采購分析、采購分析算法等；⑥場站主題，包括場站基本信息管理、場站夜間停場管理等。
參考文獻
[1]交通運輸部.《推進綜合交通運輸大數據發展行動綱要（2020-2025年）[EB/OL].
[2]古斌.數據倉庫與數據挖掘實務[M].北京：北京郵電大學出版社，2014.
作者:何東 馬曉輝 劉國印 單位:深圳市信諾興技術有限公司
