信息分析处理系统解决方案.docx

信息分析处理系统解决方案.docx

《信息分析处理系统解决方案.docx》由会员分享，可在线阅读，更多相关《信息分析处理系统解决方案.docx（10页珍藏版）》请在冰豆网上搜索。

信息分析处理系统解决方案

信息分析处理系统解决方案

1概述

信息分析处理系统是信息服务平台技术处理的核心内容，系统中应用的信息融合技术更是伴随着智能交通系统出现的重要技术,它对于系统数据处理和分析有不可替代地位和作用。

针对交通流信息数据，信息分析处理系统主要是负责对多源交通数据进行分析与融合，实现各种不同类型交通测数据之间的互相转化，并融合为统一和更准确的交通信息。

具体方法是利于特定的交通数学模型与算法，通过对交通流综合数据库中的各种数据进行运算、分析，检测出实时的道路交通状况，并结合其它渠道获取的交通信息进行融合处理，通过知识挖掘得到不同时间和时空条件下的路段状态和合理路径集等出行知识，作为交通信息信息服务应用的输入。

针对车驾管以及出入境数据，将业务数据同步到相关数据库的过程就是一个数据分析处理的过程。

它把不同来源、格式和特点的业务数据在逻辑上或物理上集中到相关数据库，从而为应用提供全面的数据共享。

2交通流信息分析处理

2.1系统架构

交通信息处理分析系统在设计上重点建立了7个模块以实现平台信息处理和应用等功能，分别是：

数据预分析处理模块、数据融合分析处理模块、交通流状态判别及自动报警模块、检测设备管理模块、数据存储模块、检测数据综合显示模块、交通状况分析模块等。

如下图所示。

图1交通信息分析处理模块划分

2.2功能设计

2.2.1数据预分析处理

此模块包括交通流数据转换功能和交通流数据清洗功能。

交通流数据转换功能是把各种不同来源的数据处理成统一数据结构和存储格式的交通流数据。

交通流数据清洗功能是对原始数据进行初步筛选，通过数据分析、匹配与消除重复数据、验证、清洁数据回流、归档等数据清洗过程，清除错误或存在较大误差的数据。

依托PGIS电子地图进行数据处理、地图路网信息匹配，实现路网流量图形综合显示、行车路线预测、路段平均旅行时间和平均速度计算、历史数据补充、系统参数优化、交通事件检测、数据查询、统计与分析等功能。

系统定时（如每5分钟）进行数据的分析计算，将目前流量数据表中的数据进行分析计算，换算成小时流量写入流量历史记录表，以供查询统计使用，并对目前流量数据表中已处理的数据进行删除清理。

数据预分析处理流程如下图所示：

图2数据预分析处理流程图

2.2.2数据融合处理分析

系统在交通流数据统一采集和处理的基础上，从具有多来源、多时间尺度、多空间尺度、精度不一致、置信度不一致等特点的交通流数据中挖掘和融合得到实时交通流信息。

针对信息源的类型、时间、地点等不同参数采用特定的算法分别建立不同的模型。

在融合计算的过程中，首先考虑人工录入的交通信息，其次是系统自动检测并有人工确认的信息，然后才是系统自动检测的信息。

最后，交通信息融合针对不同的应用服务按照不同实时性要求，形成不同的信息资源管理方案，其中包括：

对于实时交通信息，按照信息提供的要求，即时进行交通信息的转发和提供；对于需要调用数据库内的基础数据和历史数据的需求，按照访问的优先级进行处理，保障高优先级访问的实时性。

在设计上，融合前后的所有交通信息分别存储在交通信息库的不同表空间中，但最终发布的交通信息应该是融合后的信息，而且这些信息允许操作员根据某种条件进行编辑修改，如突发的交通事故、临时的保障任务或计划事件被取消等。

由于交通信息分析处理系统接收了多种来源的交通流检测数据，因此同一个路段可能同时具有不同层次不同类型的交通流检测数据。

数据的层次主要包括像素级（主要指直接检测的交通流参量，例如流量、速度、占有率等）和特征级（主要指道路交通状态的定性描述，例如顺畅、缓慢、堵塞），数据的类型主要包括固定单截面检测、固定区间检测、浮动车检测等。

另外，路段也是多粒度的，因为不同的交通信息分析需求可能对应不同粒度的路段（包括按交叉口分段的城市道路路段、按里程分段的高速公路路段、按出入口分段的高速公路路段、城市道路与高速公路连接部分的路段等）。

这就需要进行交通信息融合技术，得到统一的和更为准确的交通状态。

具体的步骤如下图所示。

图3交通信息融合流程图

2.2.3交通流状态判别及自动报警

交通流状态判别是根据路网中点、线、面的交通流参数，通过交通流状态判别算法，综合判别道路交通流状态。

同时，定期对阻塞频率较高的路段，通过对周边路网的流量分析后提出调整交通组织的预选方案。

交通拥堵自动报警以拥堵判断算法为基础，在判断路段发生拥堵后，以声光方式、语音方式或在电子地图上闪烁方式提醒相关人员。

为了提高报警的准确度，防止误报、重复报，需要设定好从检测到拥堵，到自动报警的逻辑。

本模块在功能设计上对道路进行实时交通路况判别，主要是通过系统自动判别或人工判别的方法，针对各种路况和检测手段，将建立相应的交通流分析数据模型对交通流数据进行分析处理，通过计算结果与系统预设阀值的比较判别路面的交通状况，并相互印证各种数学模型的应用效果，最终进行准确、有效的实时交通路况判别。

在进行实时路况分析工程中，对实时分析到的当前道路交通的拥堵、缓慢或畅通状态，分别使用相应的红、黄、绿三种颜色进行标示。

最后，模块在处理上将这些状态生成交通事件信息，并根据交通流数据的参数匹配到电子地图的相应路段上，直观地让广大服务对象接收到所需信息。

2.2.4检测设备管理

指挥中心用户对系统中用于信息采集的设备进行管理。

用户可添加、删除系统中的检测设备，在指挥中心GIS地图中显示检测点的分布，并可以对检测设备的基本信息进行查看、修改和保存。

（1）交通设备信息的添加、修改和删除操作

最主要的功能为交通设备信息的添加、修改和删除操作。

亦可对部分设备的特殊处理：

可以通过鼠标直接在对电子地图上添加、删除、移动、旋转交通设备。

（2）设备查询统计

可通过电子地图上的设备查询其属性信息，通过属性信息表查找某图元在电子地图上的位置。

指定某道路或路口，可列表显示该道路或路口上的所有设备。

指定某道路，可统计该道路的设备数量、类别，还可进一步查询具体某设备的详细属性信息。

2.2.5数据存储

建立交通流信息统一数据库，完成每日的系统数据备份及重要文件的存档，并带有时间记录，以便在需要时可以复制每日数据或调出历史数据进行各种分析。

系统采集的各类交通流信息数据至少能够保存三年以上。

五分钟、十五分钟统计流量存储至少三年，一小时流量存储至少五年；一日、一月、一季度流量统计存储至少十年；阻塞程度、平均速度、饱和度、延误、占有率一小时统计要求存储五年；日以上时间统计数据要求存储十年。

2.2.6检测数据综合显示

以文字方式显示检测器或检测点的实时的基础数据。

系统在地图中以不同的颜色指示路网的通行状态，用户也可选择以文字列表的方式显示当前拥堵的路段及其拥堵级别。

本模块基于GIS地图的实时动态路网图模块进行各项交通信息发布方式应用开发。

通过发布实时的动态GIS路网地图，结合GIS地图的应用，使用抽象化的GIS地图，以红（拥堵）、黄（缓慢）、绿（畅通）在对应路段上显示实时的交通路况信息，在GIS地图上利用不同的图标表示交通诱导、视频信息、交通事件、交通事故、道路施工、交通管制、大型活动、恶劣天气等交通信息，鼠标移动到信息图标时，显示相应交通信息。

2.2.7交通状况分析

根据路况历史数据，对主要道路、路口进行分析，便于交通管理部门进行规划作决策。

可以根据不同的时段、时间间隔和范围的划分，对交通流数据进行统计分析，形成交通流历史数据，并提供后台统计、查询、导出、打印功能界面。

将从统一的交通流综合数据库中接入的交通数据进行不同时间间隔（5分钟、10分钟、30分钟、小时、日、月、年等）的实时合并，并存储在自定义时间间隔的专题库内，供交通流分析预测和查询使用。

同时，提供历史交通流数据统计界面的操作功能，已授权的操作员可在操作界面选择不同的参数（统计时间、统计时间粒度、统计范围（选一条或多条道路、一个或多个检测器、方向）、交通流数据类型等），查询不同时段、不同时间间隔、不同范围的交通流情况。

数据的查询结果将通过GIS地图显示。

此外，提供查询数据的表格输出、WORD、EXCEL格式文件的打印和导出功能。

图4实时动态路网显示图

3民生警务服务信息分析处理

民生警务服务的信息来源于交管、户政和出入境等业务系统，将业务数据同步到相关数据库的过程就是一个数据集成的过程。

它把不同来源、格式和特点的业务数据在逻辑上或物理上集中到相关数据库，从而为数据应用提供全面的数据共享。

业务数据同步接口采用业界标准的ETL方法，它由以下三个过程组成：

（1）数据抽取：

从各业务系统抽取民生警务服务需要的数据；

（2）数据转换：

将从业务系统数据库获取的数据按照民生警务服务业务需求，转换成所要求的形式，并对错误、不一致的数据进行清洗和加工；

（3）数据加载：

将转换后的数据装载到相关数据库。

图6业务数据同步接口流程图

3.1数据抽取

民生警务数据库的实施分成两个阶段：

（1）将各业务系统的历史数据按需抽取转换到民生警务数据库；

首次抽取是指数据库建立后的历史数据（最近一段时间的数据）的导入。

通过手工方式将数据库中需要的数据导出成文件，拷贝并导入到民生警务数据库服务器中。

（2）对各业务系统新增的数据进行增量抽取。

业务数据库抽取采用增量抽取的方法，增量抽取只抽取自上次抽取以来数据库中要抽取的表中新增或修改的数据。

这种方法的关键是如何捕获变化的数据。

对捕获方法一般有两点要求：

准确性，能够将业务系统中的变化数据按一定的频率准确地捕获到；性能，不能对业务系统造成太大的压力，影响现有业务。

因此，根据现有业务数据库的应用现状，我们拟采取以下两种方法进行数据抽取：

⏹时间戳方式

它是一种基于快照比较的变化数据捕获方式，在源表上增加一个时间戳字段，系统中更新修改表数据的时候，同时修改时间戳字段的值。

当进行数据抽取时，通过比较上次抽取时间与时间戳字段的值来决定抽取哪些数据。

有的数据库的时间戳支持自动更新，即表的其它字段的数据发生改变时，自动更新时间戳字段的值。

⏹Oracle变化数据捕捉（CDC方式）

利用Oracle提供的CDC技术，通过分析数据库自身的日志来判断变化的数据。

利用CDC，在对源表进行insert、update或delete等操作的同时就可以提取数据，并且变化的数据被保存在数据库的变化表中。

这样就可以捕获发生变化的数据，然后利用数据库视图以一种可控的方式提供给目标系统。

可以利用Oracle的流复制技术，实现两个不同数据库的数据同步。

3.2数据转换和加工

从业务数据库中抽取的数据不一定完全满足民生警务数据库的要求，例如数据格式的不一致、数据输入错误、数据不完整等等，因此有必要对抽取出的数据进行数据转换和加工。

3.3数据装载

装载数据采用直接SQL语句进行insert、update、delete操作。

4应用案例

目前，国内众多大中型城市已经完成交通信息采集与发布系统的初步建设，能够基本满足城市主干路网的交通诱导需求。

为采集和发布范围更广、覆盖更全面的交通流信息，提升智能交通信息诱导服务水平，部分城市正在针对不同路网结构布设不同类型的交通信息采集设备，拟基于多源交通流信息提供更加完备的交通诱导服务。

以佛山市禅城区交通线信息采集与发布系统为例。

在禅城区智能交通系统一期的建设过程中，已经完成了15套微波前端采集设备和8块交通诱导屏的建设，二期项目在一期项目建设规模的基础上扩建50个微波检测点和29块交通诱导屏。

由于城市道路状况复杂，需根据不同路段的情况布设不同类型的车辆检测器，以保证采集数据的可靠性和有效性。

基于禅城区的实际情况，后期扩建了部分视频车辆检测器以及地磁车辆检测器。

多源数据的融合分析实现了各种不同类型交通流数据之间的互相转化，并融合为统一和更准确的交通信息。

图7交通流信息融合系统界面图