从大规模远程信息技术数据中提取见解以应用于智能交通系统：经验与建议-计算机科学-机器学习-智能交通管理系统.pdfVIP

从大规模远程信息技术数据中提取见解以应

用于智能交通系统：经验与建议

GibranAli,NealFeierabend,PrarthanaDoshi,CalvinWinkowski,MichaelFontaine

摘要—超过90%的美国新车辆现在收集并传输远程信息在未来几年内，这类数据可能会对大多数车辆可

处理数据。其他国家也出现了类似的趋势。交通规划者以前以用。为了有效地大规模利用这些数据，重要的是要深

各种形式利用了远程信息处理数据，但其当前规模在交通测量、入理解这些数据，以及可能的应用场景和潜在挑战。

分类、规划和控制方面提供了重要的新机会。尽管存在这些机

北美智能交通管理系统市场在2021年估值为37.3

会，但由于数据量巨大以及制造商之间的缺乏标准化，需要对

本数据有更清晰的理解，并改进数据处理方法以便提取可操作的亿美元，预计到2030年将以每年11.5%的速度增长

译见解。[2]。主要的数据聚合商如Wejo，在其运营过程中，每

中本文通过四个主要目标朝着满足这些需求迈出了一步。首天从1200万辆汽车中处理了170亿个数据点，实现了

先，建立了一个数据处理管道，以高效分析2021年8月至2022几乎95%的道路覆盖率[3]。诸如边缘计算框架等创新

1年8月在弗吉尼亚州收集的14亿英里（1.2亿次行程）的车联

v现在能够实现实时应用，包括驾驶员行为分析和动态

6网数据。其次，创建了一个开放的数据存储库，用于存储行程和警报，超越了传统系统的功能[4]。早期实施案例，包

3道路段级别的摘要。第三，设计了交互式可视化工具，以从这

9些数据中提取有关出行行为和道路速度分布的见解。最后，总括Wejo的实时交通智能和GeoTab的车队优化工具，

3

1结了处理这些数据时遇到的主要挑战，并提供了克服它们的建展示了远程信息处理技术在检测拥堵、安全监控和运

.

7议。这项工作将帮助数据采集者和利用数据进行工作的交通专营效率方面的潜力，利用每天数十亿的数据点来完善

0业人员更好地理解可能存在的问题以及需要避免的重大陷阱。工作流程和城市规划策略[5]。

5

IndexTerms—数据解析与自主交通管理中的实时决策

2ITS规划者和交通部门(DOTs)有许多潜在用途

:制定，大规模智能交通管理系统部署，实际ITS试点项目及现

v来利用远程信息技术数据[6]–[8]。这些数据可以用来

i场测试

x理解每一段道路经历的速度和其他运动学特征。这样

r

aI.介绍的信息将提供对各种道路上超速行为的更细致的理解

[9]。远程信息技术数据还可以用于了解按一天中的小

智能交通系统（ITS）规划人员传统上依赖于感应

时、一周中的天数和季节划分的交通模式。这类数据

线圈、雷达传感器、探测车辆和交通摄像头等数据源

也可以被用于验证现有的指标，如旅行时间估计，这

来进行交通监控、规划和控制。然而，在过去的几年

些通常由第三方提供商使用专有方法计算得出[10]。

里，配备远程信息处理数据能力的车辆比例一直在稳

步上升。如今，美国销售的新车中有超过90%配备了将这些数据操作化的一个关键挑战是构建能够处