401      阿裏雲

路況預測__解決方案_平台介紹_數加平台介紹-阿裏雲

旺旺：王喬

業務目標

對於現有的路況信息實現兩方麵的能力加強，一、更多的路網覆蓋能力，在有限的數據集合上，擴充路網覆蓋度；二、未來路況的把控能力，實現5，10，15分鍾到1個小時，至更長期的路況預測能力，提升交通指揮決策能力。

業務價值

對於交通行業相關客戶，實現實時預判當前的擁堵持續市場， 當前擁堵可能蔓延的範圍， 量化當前擁堵的影響，支持交管部門優化實時誘導方案。同時，方便用戶基於未來路況智慧規劃出行路徑，不僅躲避眼前的擁堵路段，還能夠提前決策躲避將要遇到的擁堵路段；減小發布的“實時路況“與用戶體驗的當前路況之間的差異， 減少由於信息滯後導致用戶錯誤決策的可能性。

技術指標

預測準確率85%以上，預測更新與實時路況的更新同步（滯後短於10秒）。

服務內容

路況服務的範圍包括4類等級道路： 高速，國道，城市快速路，及地麵主要道路。 項目建設分為兩個部分：

1. 基於高德實時路況數據， 在大數據平台上開發部署實時預測模型，實時預測未來5，10， …. 60分鍾內的各個路段的路況。
2. 融合交警部門自有的路況數據（車流，車速， 飽和度）與高德路況數據， 擴充實時路況的覆蓋範圍（點亮現有實時路況覆蓋的路段周邊道路）， 並且把路況預測也擴充到同樣的範圍。

服務場景

預測路況可以通過多種渠道輸出：點亮道路上的路況大屏， 交通廣播，移動APP， 指揮中心大屏。

方案原理

路況大數據預測係統是創新應用，結合了預測模型的算法創新與雲計算係統層麵的技術創新。

項目所依據的預測模型原理是基於“數據流形”的理論。這是一個傳統概率論與微分幾何交叉的新興領域。通俗的看，在許多領域，實時收集的數據反映了在不同網絡節點之間的一種信息互動， 而這種信息互動是基於網絡結構的路徑按照一定的速率傳遞的。例如：城市道路網絡上的交通流數據反映了車輛在網絡上的“流動“， 環境監測點網絡觀察的大氣汙染指數反映了空氣在3維空間的流動，互聯網各級單口訪問數反映了在路由器之間交互訪問的數據流量。數據流形有共同的特性：動力學特征上有複合型的周期性與空間維度上長程相關性，同時還有局部的馬爾可夫隨機過程特性。另外一方麵，盡管網絡的節點數目可能很高（上萬個）， 但是其流程是有隱藏的一個或幾個低維度的流形結構決定的。然而，由於在固定節點觀測的數據是一個時間序列，屬於非平穩型並且變差隨時間而變，導致傳統的統計學方法不能用來描述數據流形的動力學特性，更無法確定隱藏的低維度流形結構。

而係統實現層麵需要充分考慮到實時更新的要求，對算法的複雜度及穩固性有很高要求。 係統總體框架分為離線與在線部分。離線部分負責高計算量高複雜度的模型訓練，耗時久但是調用次數不頻繁（每天一次）； 在線部分負責實時計算預測結果，調用次數頻繁，計算複雜度相當較低以保證預測結果及時完成與實時路況同步更新，此次的建設方案可以分解為以下幾項技術任務：

• 網絡流預測算法的調研整體技術路線設計
• 路況數據的可信度檢驗與異常數據清洗
• 高速路網的交通小區劃分技術：基礎靜態劃分及動態劃分
• 可預測的路網及時間段的選取標準
• 預測算法研究與原型化開發及離線驗證效果
• 算法模塊的並行化版本開發（例如 MapReduce）
• 雲平台服務體係及架構設計
• 雲平台在線服務部署與運維策略設計

核心能力

1. 實時數據交互——負責與業務的其他係統之間進行實時數據交換。包括各個道路相關路段的實時速度數據接收和解析，以及向消息總線係統推送相關的預測結果數據。
2. 數據在線存儲——負責實時道路速度數據和相關結果的在線存儲和相應。
3. 離線存儲和計算建模——負責數據的離線存儲以及基於道路相關路段的曆史數據建立短期速度預測模型。
4. 在線服務引擎——根據離線的建模結果和實時道路速度數據，對相關路段進行短期（未來60分鍾以內）速度預測。

數據源

本套解決方案目前支持三種服務方式，一、隻依賴高德數據提供城市及高速路網的未來路況預測；二、客戶自己的交通數據加高德數據的路況預測；三、高德加手機信令數據的路況預測。不同的數據源的優劣比較如下。

係統架構

以浙江高速未來路況預測為例，數據源以手機信令為主，係統由阿裏雲ODPS、RDS、ECS產品搭建，采取公有雲的方式提供服務。整體實施架構如下圖：

最後更新：2016-11-24 11:23:48

  上一篇： 敏捷BI__解決方案_平台介紹_數加平台介紹-阿裏雲

  下一篇： 更多__解決方案_平台介紹_數加平台介紹-阿裏雲