中国大数据产业起步晚，进步速度快。物联网、移动互联网的迅速进步，使数据产生速度加快、规模加大，迫切需要运用大数据手段进行解析处理，提炼其中的有效信息。

 

　　2024-2024年中国大数据产业规模市场及预测

　　中国大数据产业起步晚，进步速度快。物联网、移动互联网的迅速进步，使数据产生速度加快、规模加大，迫切需要运用大数据手段进行解析处理，提炼其中的有效信息。

　　2024年，中国大数据市场规模达到767亿元，同比增长27.8%。预计到2024年，中国大数据产业规模将达到8228.81亿元。2024-2024年复合增长率为51.5%。2024年，中国大数据应用市场规模为80.54亿元，同比增长3.2%，2024年市场规模约增长37.3%，至110.56亿元，预计到2024年，中国大数据应用市场规模将增长至5019.58亿元。2024-2024年复合增速为87.8%。

　　大数据应用于智能交通产业

　　当智能交通遇到大数据，如同二氧化锰在制取氧气的实验中作为催化剂一样，一场剧烈的化学反应加剧了两方的共同进步。

　　随着城市的迅速进步，交通拥堵、交通污染日益严重，交通事故频繁发生，这些都是各大城市亟待化解的难题。智能交通成为改善城市交通的决定因素所在。为此，及时、准确获取交通数据并构建交通数据处理模型是建设智能交通的前提，而这一难题可以通过大数据技术得到化解。

　　1、智能交通需求和大数据契合

　　智能交通整体框架主要包括物理感知层、软件应用平台及解析预测及优化管理的应用。其中物理感知层主要是对交通状况和交通数据的感知采集;软件应用平台是将各感知终端的信息进行整合、转换处理，以支撑解析预警和优化管理的应用体系建设;解析预测及优化管理应用主要包括交通规划、交通监控、智能诱导、智能停车等应用体系。

　　体系利用先进的视频监控、智能识别和信息技术手段，增加可管理空间、时刻和范围，不断提高管理广度、深度和精细度。整个体系由信息综合应用平台、信号控制体系、视频监控体系、智能卡口体系、电子警察体系、信息采集体系、信息公开体系等组成。以达到四方面的目标：进步通行能力、减少交通事故、打击违章事件、出行信息服务。

　　智能交通整体应用架构图

　　整个体系建设的核心是数据的采集、存储和计算，而其中最重要的核心想法就是“数据是价格”。难题就是怎样把数据转换成价格。这就成为壹个技术难题。

　　从统计学的角度，任何领域任何动态进步的事物，只要有足够多的样本数据，就一定能从样本数据中找到动态进步的规律。数据越多，准确率越高。这个“规律”就是数据的价格所在。对于商业机构，可以解析用户行为规律从而进步销售量;解析目标市场规律，定点投放广告从而降低成本等等;对于公安行业，可以解析区域性犯罪动向，提前预防从而降低犯罪率;还可以解析交通行为规律，提前做交通疏导，进步交通通畅率，这就能真正挖掘数据的潜在价格，进步其社会价格。

　　从20世纪初的网络进步以来，进入壹个高度联网的阶段。联网的同时，数据高度集中，数据量急剧增加。据IDC报告现在互联网的数据，每两年就翻一番。这个增长率在智能交通行业同样有效，随着卡口、电警、摄像机数量的增加，高清化、智能化的进步，如果再算上物联网的各种传感器，未来几年的数据量增加也许大大高于这个增长率。这就为智能交通行业实现大数据提供了数据基础。

　　从各种各样类型的数据中，快速获取有价格信息的能力，就是大数据技术。由此大家再看IBM归纳的4个V(量Volume，多样Variety，价格Value，速Velocity)：

　　(1)Volume数据体量巨大。从TB级别，跃升到PB级别;

　　(2)Variety数据类型繁多。包括视频、图片、地理位置信息、传感器数据等等。

　　(3)Value价格密度低，应用价格高。以视频为例，连续不间断监控经过中，也许有用的数据仅仅有一两秒。

　　(4)Velocity处理速度快，1秒定律。

　　最后这一点也是和传统的数据挖掘技术有着本质的不同。在交通领域，海量的数据主要包括4个类型的数据：传感器数据(位置、温度、压力、图像、速度、RFID等信息);体系数据(日志、设备记录、MIBs等);服务数据(收费信息、上网服务及其他信息);应用数据(生成厂家、能源、交通、性能、兼容性等信息)。交通数据的类型繁多，而且体积巨大。量Volume和多样Variety是因，数据类型的复杂和数据量的急剧增加，决定了原有简单因果关系的应用玩法对数据运用率极低，完全无法发挥数据的影响;速Velocity是经过，巨大的运算量决定了速度必须快;价格Value是最终的果。

　　2、大数据采集

　　在各城市建设聪明交通的经过中，将产生越来越多的视频监控、卡口电警、路况信息、管控信息、营运信息、GPS定位信息、RFID识别信息等数据，每天产生的数据量可以达到PB级别，而且呈现指数级增长。

　　3、大数据增值应用

　　深入挖掘数据价格，在智能交通、公安实战等行业上推出车辆轨迹、道路流量、案件聚类等大数据模型。基于大数据模型，推出智能套牌、智能跟车解析、轨迹碰撞、人脸比对、舆情解析等数据增值应用，逐步化解行业的深层次难题。

　　4、海量数据计算

　　通过云计算集群，实现对海量数据的分布式高速计算，支撑对海量数据的高效解析挖掘。云计算集群是一种M/S架构的分布式计算体系，Master作为调度管理服务器，负责计算任务分解和调度、计算资源统一管理。Slave则由大量的计算服务器组成，负责完成Master下发的计算任务。

　　5、海量数据检索

　　基于行业数据查询特征，对搜索引擎进行优化定制，支持百亿记录的秒级高速查询。通过集群机制，实现搜索服务的高可靠性、高容错性、高扩展性。

　　6、海量数据存储

　　对于海量数据存储，采用HBase分布式存储体系。相比传统关系型数据库，有四个特征：数据格式灵活、高可用、横给扩展能力强和访问高效。

　　同时能够做到无缝集成，快速从关系型数据库导入已经存在的历史数据。提供高可靠性、高容错性、高性能的海量数据存储化解方法，支持无缝容量扩展。

　　7、大数据解析和应用

　　高效的云计算能力，带来千亿数据的秒级返回的检索能力，为大数据解析应用，提供了快速的保障。基于深度进修的智能解析算法，为大数据解析应用提供有力的工具。交通大数据的解析，为交通管理、决策、规划、服务以及主动安全防范带来更加有效的支持。

　　利用大数据技术，结合高清监控视频、卡口数据、线圈微采集波数据等，再辅以智能研判，基本可以实现路口的自适应以及信号配时的优化。通过大数据解析，得出区域内多路口综合通行能力，用于区域内多路口红绿灯配时优化，达到提高单一路口或区域内的通行效率。如根据平日/节假日，早、晚高峰/其他时段，主要干道决定因素路口/次决定因素路口/普通路口，白天/夜间等不同情况，人工或体系自动配置不同的配时，达到大幅进步区域内交通通行能力。

　　大数据解析研判功能，还可以支持对卡口数据、视频监控数据进行二次识别，进步车辆信息的准确性，进而利用大数据实现轨迹解析、落脚点解析、隐匿车辆解析等功能。对车辆大数据进行深入挖掘，实现事前综合监控、事中及时追踪、事后准确回溯的不同场景需求。常州市建设的车辆大数据平台，协助有关部门每天自动发现套牌车辆10余起，再根据车辆的轨迹解析和落脚点解析，快速找到套牌车辆进行处罚管理。

　　结合智能算法，二次识别等功能，可以更准确的识别车牌、车身颜色、车型、车标、年款等特征，而且对遮阳板检测、安全带检测、接打电话检测、司机人脸识别等进行解析。

　　利用智能交通的管理体系，可以获取道路天气、施工情况、事故情况、结合大数据解析，为出行司机和交管部门提供天气、路面状况、事故易发地点、停车场等信息，并根据车辆目的地、行驶习性，路面情况主推行驶路线。

（转载）