广州航天海特系统工程有限公司广东省广州市510663
摘要：智能交通技术是一种先进的科学技术，在道路交通安全管理中发挥着极为重要的作用，能够使交通管理更加安全、便利，同时为智能交通技术的进步提供科学的依据。应用智能交通技术使交通安全管理呈现出更多的可能性。因此必须要明确智能交通技术在交通安全管理的意义，以高速公路为例，对其具体应用进行研究。
关键词：大数据技术；智能交通；应用分析；技术发展
引言：
近年来，随着信息科技的快速发展，以及物联网、云计算、移动互连技术的应用，为交通系统向智能化转变提供了技术支持，不仅对交通系统注入了新的内涵，还形成了智能交通系统的全新模式，为交通运行管制、出行者数字化服务以及交通安全保障提供了新的方向，也开辟出了一个全新的市场。
1、智能交通发展的必要性
至2013年底，全国机动车数量突破2.5亿辆，其中，汽车达1.37亿辆，有31个城市的汽车数量超过100万辆。然而我国道路建设十分缓慢，截止2010年底，我国城市人均道路面积仅13.21m2，与国外城市人均道路面积相比，仍处于较低水平。车辆的迅速增加和道路建设的不足导致交通堵塞严重。在上下班时间和假期时，大量的车辆驶入道路中，经常造成大面积道路堵塞。一些高流量路段一旦出现事故，就会引发长时间道路堵塞的问题。此外，城市交通还存在交通执法手段落后，交通控制管理和交通安全的现代化设施量较少，交通信息化、智能化管理系统缺乏等问题。日益严重的交通拥堵现象以及频发的交通事故等，已经成为束缚社会进步和经济发展的桎梏，迫切需要更加智慧的交通理念出现。
首先，更加针对的预防安全事故发生。交通安全管理中，做好安全事故的预防工作是极为重要的内容，将智能交通技术应用到交通安全管理中，能够更加针对性的做好预防工作，提高交通安全管理的效果。智能交通技术能够及时对驾驶员视线范围内、外的潜在风险进行检测和发现，提示驾驶人员，为其驾驶行为提供一定的建议，有效避免风险事故的出现。利用智能交通技术能够将引起道路交通事故的危机提前扼杀，保证道路交通安全。其次，我国的交通技术水平不断提高，交通安全管理中也开始使用新的交通技术，智能交通技术的运用是极为有利的。提高智能交通技术的重视程度，对道路交通事故进行有效的监测与预警，这一工作主要是通过传感器得以实现的，明确道路环境，提供路况信息，使道路交通安全管理有科学的依据，及时发现潜在的危机。在高速公路中利用传感器采集数据时，一般使用气象检测器、环境监测器等设备，能够让管理中心及时获得道路周边的环境数据，构建网络，并通过数字形式传播，能够为驾驶人员提供更加安全的驾驶保障。
2、智能交通技术在交通管理中的应用
2.1道路交通数据采集
在道路交通数据采集过程中，一般使用传感器或者GPS、GPＲS系统。传感器有很多种类型，高速公路中利用的采集数据的传感器一般是气象检测器、环境检测器、能见度检测器等，对高速公路中的天气情况进行检测，是否出现大雾、大风、冰雹等，明确道路能见度，检查道路的温度以及周边环境。能够及时明确道路情况的相关数据，做好相关数据信息的传输，关注道路交通是否畅通，保证驾驶人员能够安全驾驶。GPS和GPＲS系统，汽车上的GPS系统能够确定车辆的具体行驶位置，GPＲS则是利用无线服务技术将自己的位置信息发送到公路管理中心，通过汽车位置的判断了解汽车行驶的具体状态，如果传输过来的GPS数据是比较平稳的，就标明汽车的运行是畅通的。如果在一段时间内，传输到的GPS数据没有变化，就说明汽车行驶过程中出现了异常问题，就可以利用GPS系统明确汽车的具体位置，能够更加准确、快速的处理问题。GPＲS无线传输能够将接受到的定位数据传输给公路管理部门，利用AＲM处理器进行处理，保证数据的实时传输，密切关注道路行驶情况。
2.2科学传输处理信息
将通过传感器获得的数据信息利用网络实时传输到高速公路管理中心，管理中心将这些数据信息进行整合，并进行综合性的分析。要想交通管理中发现异常情况，就需要对原始的数据进行有效的融合处理。管理中心能够将GPS定位、传感器等检测到的相同目标路段上实时检测到的数据信息进行处理分析。GPS数据能够实时对车辆情况进行监控，等间隔位置数据传送、接收以及处理[4]，明确道路上的车辆是否是正常行驶的。利用监测设备对原始数据进行分析研究，明确公路的运行情况，若数据分析中发现异常，管理中心就能够在第一时间内做出反应，提出科学的方法解决问题。
2.3预测交通流量以改善交通拥堵
随着我国汽车产业的发展，城市道路及高速公路道路拥堵的问题日益严峻。通过对交通流数据挖掘，同时在此基础上建立交通流预测模型，就能够有效的预测交通拥堵状况，从而引导车辆选择合理出行路线。深度学习作为人工智能的新兴学科，它已经被成功地应用到很多领域，比如自然语言处理、分类任务、图像识别等。深度学习通过利用多层体系架构来有效地提取出底层数据的潜在的特征，然后提供给高层进行分类与回归。通过收集交通数据流的海量数据，利用深度自动编码器模型对采集到的交通大数据进行训练，并在训练过程中对深度自动编码器模型进行不断的调整，最后利用调整后的深度自动编码器模型对交通进行预测。
交通流本身就是一个复杂的过程，深度学习架构能够帮助我们在没有先前的经验的情况下，有效地学习与抓住其中内在的复杂特征，从而进行有效地交通流预测。通过构建出的模型成功地通过深度学习发现了交通道路之间潜在的特征，如时间、空间上等的非线性关系。因此首先要建立深度体系架构，然后通过逐层非监督式的预训练挖掘潜在特征，最后利用回归层实现全局微调参数，进一步优化了预测结果。预测交通拥堵演化趋势并确定拥堵节点，这些对于政府治理拥堵和出行者出行都意义重大。
2.4大数据时代下智能交通的发展趋势
大数据的时代来临，导致交通向智能化发展成了必然趋势。但是根据我国的基本国情，打造适合中国国情的智能交通系统是我国智能交通发展的目标，需要从以下方面开始实施：一是不断提高智能化水平，增强交通感知的能力，让网络对交通体系进行全面的控制，因此首要任务就是要突破车辆与道路之间相互感知的技术。只有这项技术的成功实施，才能提高交通运行监测水平，从而形成全国道路网络智能监控体系，实现资源的合理性使用，为智能交通分析提供数据基础；二是加强对交通数据的标准化管理，对数据进行分析整理合理分配，推进智能化交通的数据标准化建立，并建立一个准则规范智能交通系统，对数据的安全使用提供标准，并形成一个资源共享平台，使智能交通的服务高效化和合理化；三是在交通中使用大数据分析，使智能交通可以更好地运转，并要统一标准，形成协同联网控制，强化运营管理的整体性功能，为交通高效的运行、居民便利的出行提供保障；四是为智能交通构建一个创新体系，推动交通信息服务产业的进程，加大研发投入，促使研发和产业化有机结合，加快科研成果的技术转移，并要加大力度保护知识产权。
2.5基于FCD的智能交通诱导系统
“基于FCD技术的城市智能交通诱导系统”是开发基于城市机动车辆（FCD）交通信息采集的城市智能交通诱导系统，系统通过对城市出租车（FCD）的GPS技术应用，采集城市实时交通数据，同时集中交通路口的线圈数据、信号灯数据、摄像头图像和实时的交通路口反馈信息，进行海量数据库的处理、分析和传输，向出行者提供道路信息、驾驶信息及目的地信息等相关的出行路况信息。该系统还建设完成城市智能交通应用平台，主要是开发完成基于GPS数据采集和智能交通服务中心，通过多网络系统为乘驾者发布实时的交通路线，从而提高了道路的使用率以及交通网络的通行能力，同时提高各种资源的利用率，降低交通运行能耗，减少交通对环境的负面影响，使得交通行为更加顺畅、节能、环保，真正实现城市的和谐发展。
基于FCD城市智能交通诱导诱导系统包括4个核心层：采集层、数据预处理层、数据挖据深度处理层、应用层。采集数据主要来源FCD车采集数据，以及部分静态固定数据接入，采集数据量大、格式多样化，需要进行预处理，数据统一后进行存储，形成多个数据库存储，存储完成后数据进入处理平台，进行深度的数据挖掘、整理，进入交通诱导系统应用层实现智能交通诱导。
3、结语
如今科学技术不断进步，现代交通技术实现了很好的发展，智能交通系统是极为重要组成部分，能够为现代化的交通运输提供科学的依据。我国车辆数量逐渐增多，道路工程建设增加，交通管理的难度也逐渐增大，为了提高交通管理的安全性，就必须要使用智能化的交通管理技术，使交通安全管理达到更高的水平，更好的保护人民群众的财产以及生命安全，为人们创造安全、绿色、畅通的交通环境。通过先进的交通技术为广泛民众谋福利，促使社会实现持续进步。
参考文献：
[1]李斌，刘文峰，郝亮．中国应用智能交通改善道路交通安全现状分析[J]．公路交通科技，2012，S1:21-25．
[2]刘文峰，李斌，郝亮．智能交通技术在改善道路交通安全中的潜在优势[J]．公路交通科技，2012，S1:121-124+151．
[3]吴忠泽，贺宜．充分利用智能交通技术提升道路交通安全水平[J]．交通信息与安全，2015，01:1-8．
[4]田弼臣，胡正平，贺秀良，等.城市智能交通诱导系统研究[J].交通标准化，2011（16）：151-154.
[5]刘好德，杜荣华，王勇.城市出租车系统综合完备度指数研究及GIS平台实现[J].公路与汽运，2011（5）：49-53.