浪潮大資料賦予城市交通「智慧之眼」

隨著中國成為「車輪上的國度」，擁堵、違章、事故、停車難等交通問題既是眾多「有車一族」的心頭之痛，也成為各城市管理者迫切需要解決的一項重大民生問題。 實際上，交通問題的背後是海量資料的科學處理問題，「智慧交通」的實現或許才是真正的「治本」之策。 隨著雲計算大資料技術的發展，城市交通的種種難題迎來瞭解決的契機。 作為中國領先的大資料廠商，浪潮已經開發出「智慧交通」的大資料解決方案，極大的推進了「智慧交通」藍圖的實現。

卡口系統：智慧交通的「阿喀琉斯之踵」

智慧交通是一個龐大而複雜的體系，包含汽車移動物聯網、城市交通管理與控制、城市交通資訊服務、城市智慧公交等幾個核心系統，每個系統都涵蓋交通資訊的採集、處理、分析、回饋等多個環節。 其中，作為城市交通管理與控制系統中的重要組成部分，卡口系統是當前公安交管業務的重點，其「智慧」水準的高低，將決定整個城市交通管理與控制的效果是否能真正解決令人頭疼的交通難題。

道路卡口系統示意圖

卡口系統的前端由分佈在城市各大小路口的卡口設備組成，包括高清攝像機、補光燈、嵌入式智慧分析控制主機、光端機或光纖收發器等設備，主要完成紅綠燈狀態檢測、機動車違章行為檢測、違章圖片抓拍、補光燈控制、違章記錄本地儲存、 相關資訊網路上傳等任務。 而後端則需要龐大的資料存儲和處理平臺，進行視頻、圖片等各種非結構化資料的存儲、查詢、分析和處理，為相關交管工作提供資料決策依據。

卡口系統是目前公安交管系統中性能遇到瓶頸的最嚴重的環節，使用者的資料量和即時需求都對資料處理技術提出了巨大的挑戰。 據測算，一個大型城市每年的交通資料量約可達到PB級別，而且資料類型極為繁雜。 而從管理者實際需求來看，以套牌車追蹤和違章車輛報警兩個交通管理主要功能點為例，需要在即時返回結果的情況下將識別的車牌號與資料庫進行比對，並做出提示。 傳統資料庫無法即時實現這一功能需求，因此在處理類似的海量資料的快速處理及搜索時，需要採用新興的大資料處理技術，在滿足需求的同時也使得硬體資源的價值最大化。

大資料技術作為目前科技領域最前沿的新興技術，可通過資料獲取、分析處理、視覺化展示及發佈交通流參數、事件等動態交通資訊，為城市道路現代化監控系統的建立提供一流的交通資訊支援與技術服務。

大資料分析平臺元件圖

HBase賦予交通更智慧的「眼睛」

目前，最主流的大資料技術非Hadoop莫屬，是當下大資料平臺中應用率最高的技術。 作為Hadoop平臺上的子專案之一，HBase是一個高可靠性、高性能、面向列、可伸縮的分散式存儲系統，利用它可在低價伺服器上搭建起大規模結構化存儲集群，在實現線上即時海量資料處理方面體現出了巨大優勢。 在交通業務中使用HBase技術來提升卡口系統的性能和服務品質，成為了當前大資料時代，化解城市交通難題的明智之選。

面對駁雜的資料類型、龐大而增長迅速的資料量、以及管理者對於快速回應的需求，浪潮大資料技術是如何在技術層面面面俱到滿足需求的？ 下面將針對公安交管的具體業務需求來予以說明：

• 資料存儲

卡口系統是公安交管業務的重點，卡口過車資料一般包括卡口編號、車道編號、號牌號碼、號牌顏色、號牌類型、過車時間、過車速度等屬性資訊。 由於HBase資料表的特性，在卡口過車資料表的設計時，可以以車牌號與過車時間為主鍵，這樣在進行卡口過車記錄查詢時，可以同時以號牌號碼和過車時間為查詢準則。

• 布控車輛報警

當車輛通過卡口時，攝像頭拍攝過車圖片並快速識別出車牌號等車輛資訊，利用HBase技術對該車牌號進行高速比對分析，檢查該車是否在布控車輛範圍內，當識別的車牌號符合布控車輛的特徵時，系統會發出即時告警，報警資訊中包括車牌號碼 、車速、車型、車輛通過時間、車輛圖片等，方便辦案警員快速做出回應。

• 套牌車分析

系統設定一個閥值，指定每兩個卡口之間的距離內行駛速度。 當在兩個卡口內監測到同一車牌號，但是在這監測的時間段內無法從一個卡口行駛到另一個卡口時，可以斷定其中一輛車屬於套牌車，系統會對這兩輛車做出報警，並提示警員快速做出處理。

• 車輛軌跡分析

選擇某一重點車輛，查詢該時間段內經過的所有卡口，並在警用地理資訊系統上顯示該車輛的歷史行駛軌跡。

• 伴隨車輛識別

能夠自動分析出某一輛車在選擇的時間範圍內，在其所經過的各個卡口時的前後一段時間間隔（如：前後30秒）內均同時出現過的車輛資訊。

浪潮智慧交通大資料解決方案拓撲圖

HBase只是冰山一角浪潮大資料能做的更多

浪潮大資料技術在智慧交通方面的成功應用，僅僅是大資料處理技術中的冰山一角，大資料不僅包括Hadoop分散式平行計算技術，還包括MPP（海量並行處理）技術、HBase技術Stream（流處理）技術等等。 無論是從資料存儲層面，還是從查詢請求層面，分散式存儲不僅解決了客戶的海量資料存儲問題，還利用分散式查詢請求解決了客戶的即時或准即時查詢需求。

因此，未來的大資料應用將採用分散式存儲計算與廉價伺服器集群相結合的形式，使用Hadoop作為海量資料的存儲，使用MPP技術作為資料處理、集散的底層支撐，並輔以Stream技術來實現Real-Time應用展現。

可以預見，大資料技術的快速發展能讓我們在不遠的未來看到智慧交通的實現，日益惡化的城市交通狀況也能得到有效改善。