《大数据时代的智能交通+浅析信息时代大数据在智能交通系统中的应用.docx》由会员分享，可在线阅读，更多相关《大数据时代的智能交通+浅析信息时代大数据在智能交通系统中的应用.docx（7页珍藏版）》请在三一办公上搜索。
1、大数据时代的智能交通在日益成熟的物联网和云计算平台技术支持下，通过城市交通大数据的采集、传输、存储、挖掘和分析等，有望实现城市交通一体化，对智慧城市发展具有战略性意义。智能各通系统（ITS）自上个世纪90年代提出后，已经成为了未来交通的发展方向，不仅是技术的变革，更是未来出行和管理方式的革新。数据对于智能交通而言意义重大，不仅是需要依靠数据才能达到智能的行为，交通运输本身也产生了海量的数据，这也为大数据的应用产生了更多的机会。2015年全国两会上，“大数据（bigdata）”一词首次写入政府工作报告。大数据的特点表现为4个V（海量Volume,多样Variety,价值Value,速度Veloc
2、ity）：第一，数据体量巨大，从TB级别跃升到PB级别。第二，数据类型繁多，包括文字、视频、图片、地理位置信息、传感器数据等。第三，价值密度低，应用价值高，以视频为例，连续不间断监控过程中可能有用的数据仅仅有一两秒。第四，VeIOCity处理速度快，1秒定律。随着移动互联网、全球定位系统（GPS）/北斗车载导航、位置服务（LBS）.车联网、交通物联网的快速发展，交通要素的人、车、路等信息都能够实时采集传输，城市交通大数据的来源日益丰富，规模日益庞大。在交通领域，海量的数据主要包括四个类型的数据：传感器数据（位置、温度、压力、图像、速度、RFlD等信息）；系统数据（日志、设备记录、MlBS管理信
3、息库等）；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，而且规模巨大。以上的四个要点中，海量VOhlme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模式对数据使用率极低，完全无法发挥数据的作用；速度VelOCity是过程，巨大的运算量决定了速度必须快；价值Vakle是最终的结果。交通大数据具有种类繁多、异质性、时空尺度跨越大、动态多变、高度随机性、局部性和有限生命周期等特征。在交通领域，大数据一直被视作方便人们出行、缓解交通拥堵、提高管理效率的技术利器。应用大数据有助于了解城市交通拥
4、堵问题中人的出行规律和原因，为人们便捷出行和政府精准管理提供基于数据分析的服务和决策。同时.，大数据的挖掘和应用还有利于催生信息消费新模式，促进信息消费产业发展。在日益成熟的物联网和云计算平台技术支持下，通过城市交通大数据的采集、传输、存储、挖掘和分析等，有望实现城市交通一体化，即在一个平台上实现交通行政监管、交通企业运营、交通市民服务、交通节能减排的集成和优化。对我国智慈城市的发展具有战略性意义。大数据让百姓出行高效便捷早在2011年底，“互联网+交通”已初见端倪。铁路推出了网络订购火车票的新举措，让百姓利用网络、手机足不出户就能买到火车票；民航行动更快，很早就实现了网络订票，现在通过大数据
5、分析，用手机软件就可实现手机购票值机、查看航班动态等功能；而大力推进高速公路ETC联网发展，则是公路方面推进网络化的措施。此外，人们平日出行开车和出差旅游聚会也越来越离不开导航系统和位置服务，这些都依赖互联网技术的发展和应用。自从有了滴滴，城市居民打车不仅更加方便，而且还省钱。据了解，通过滴滴打车平台可以看到全国各个城市每天的交通情况，包括车辆行驶情况、路网情况以及打车需求情况等。“我们运转时可以很清晰地看出北京24小时内的车辆分布情况。”通常人们认为北京每天早上6点到8点间的高峰路段是三环、四环，但是滴滴打车技术副总裁介绍，数据显示机场高速才是高峰路段；下午1点，对出租车司机来说什么地方生意
6、最好？统计显示是金融街，这里每天有很多人在这一时段赶往机场。“这些收益都依托于大数据平台。”滴滴打车利用大数据平台更好地分配并合理利用了已有资源，也只能解决部分问题。只有掌握全局，才能控制全局。我国汽车保有量不断增加，相应的出行效率和停车场建设速度相对缓慢，停车系统技术比较滞后。目前，国内不少停车场还在采取刷卡出入停车场甚至人工调控模式，这在智能交通时代显得太落伍了，不仅车主体验不好，效率低下，管理成本较高，而且存在漏洞。而最新上市的车牌识别一体机可以秒杀市面所有车牌，并快速准确地识别，出入停车场无需再停车取卡或人工放行。这种新版车牌自动识别一体机由北京文通科技有限公司开发，高性能、低功耗、稳
7、定性强，支持抓拍识别与视频识别。基于清华OCR核心技术，采用处于国际领先水平的“嵌入式车牌识别算法核心技术，识别算法独立运行在高清相机的LinUX系统内，可靠性和稳定性比传统的PC软件车牌识别要高很多。而且采用百万像素高清识别和夜间爆闪补光技术，使得车牌识别率高达99.7%以上，识别速度快，识别种类齐全。即使面对反光车牌、变形车牌、污损车牌、阴阳车牌等异常车牌，依靠强大的功能算法，在强光照射、逆光及反光情况下也可以做到快速识别。”而文通的新版车牌识别一体机就是方便，不用刷卡系统可以自动抬杆放行,业主车主们都喜欢这样高科技出入停车场的感觉。原来我们停车场采用刷卡及人工方式管理，速度慢、效率低，同
8、时收费管理也存在一些漏洞，天气不好时也给车主带来诸多不便。”一位北京小区物业的经理说。目前，交通信息综合平台涉及当地道路路况、公交、出租、地铁、停车、铁路和民航等，综合交通信息可通过多种渠道向市民即时发布。依靠交通综合信息平台，市民只要有出行需要，都可通过手机、广播、网站、微信公众号等多方面,了解到实时交通信息，系统则会根据反馈的信息制定出最佳出行方案。“未来伴随着移动互联网、大数据、车联网等技术越来越多地渗透到智能交通，将会使我们的出行越来越便捷、高效、舒适。对于管理部门来讲，通过交通大数据分析预测出行规律和趋势，科学安排各项保障工作，为全社会提供更好的公共交通服务。交通运输部公路局副局长王
9、说。四维图新：从卖数据到大数据服务上个月，四维图新披露重大资产重组方案，拟收购杰发科技100%股权，完成收购后四维图新将获得车联网硬件核心芯片的研发能力，加上此前其在高精度地图、算法、车联网操作系统和手机车机互联方案等领域的布局，四维图新已成为目前国内为数不多的在智能交通供应链（数据+芯片+算法+服务）领域均有布局的企业。近几年，以传统地图起家的的四维图新实现了脱胎换骨，成为一家交通大数据公司。WeDriVe车载互联服务、充电桩地图、车载应用开放平台、高精地图、自动驾驶测试车等产品服务和信息不断对外涌现。四维图新这一系列动作的核心诉求是，利用目前手中的大数据能力深扎汽车行业，短期内利用杰发科技
10、的芯片将车联网的通道搭建起来，为用户带来智能化的车载信息娱乐体验。而中长期目标是利用算法和芯片的优化，开发出可实现自动驾驶技术的芯片，并最终为自动驾驶提供硬件+软件的解决方案。智能交通与车联网、自动驾驶、大数据等技术的高度融合已是显而易见的趋势，不管是车企还是科技公司，亦或是技术供应商和方案解决商，都早已将目光转移到最核心的技术研发层面。左手掌握数据和算法，右手拿到了芯片，四维图新想得到的是一张未来智能交通生态圈内核心供应商的入场券。数据是图商的命脉，当下地图业务依旧是四维图新的利润奶牛，而高精地图是自动驾驶汽车必备的要素之一，高精地图的份额将决定国内几家图商在未来的汽车领域的话语权。地图按照
11、数据结构分为底层数据和POI数据，四维图新是国内目前能够提供高精度地图底图数据的几家企业之一。2010年，四维图新就开始研发并生产用于高级驾驶辅助系统（ADAS）的高精度地图，2013年启动高精度地图的研发,到2014年已可以提供精度10厘米到20厘米的高精度数据。在四维图新的理念中，高精度地图是一个循序渐进的演进过程，要与当前自动驾驶技术的发展进程以及汽车厂商的需求保持一致。目前，四维图新已经建立了自动驾驶实验室和深度学习实验室致力于自动驾驶领域的探索。并正式运营FaStMap,为基础地图数据每日更新提供服务，同时也开展了高精度智能地图和传感器融合地图服务等前沿领域的研发工作。作为地图供应商
12、，四维图新此前与百度、高德一起完成了国内高精度地图的立法起草工作。目前，四维图新在整个高精度地图的技术团队接近100人，已经完成了全国100万公里高速公路的数据采集。四维图新曾在去年曝光了一台自动驾驶测试车，这台车的目的在于验证高精度地图以及数据处理、算法方面的研究。目前这款车已经进入开放道路测试阶段,更多的信息将在明年合适的时候对外公布。随着数据源的增多，四维图新已形成了海量的数据累计，预计到2020年四维图新将产生350亿TB的数据，每分钟采集的数据可绕地球30圈。通过接入滴滴出行、私家车、出租车、客车、物流车，移动基站等数据，四维图新已经形成了强大的数据提供能力。数据是图商的命脉，除去利
13、用技术优势进行前It布局外，如何将数据最大价值的实现商业盈利也是业内所面临的问题。四维图新CEo程鹏坦言，目前多维度的数据源已经足够多，但在算法还需要进一步开发，接下来四维图新还将与互联网及行业的深度信息进行接入，除去为传统的汽车企业客户提供地图和出行数据，这些数据还将从精准营销到保险、维修、保养等领域改变未来传统的商业模式。除去汽车领域，四维图新也会尝试利用数据进行商业智能、城市规划方面的扩展服务，这些数据可以为决策者提供商业流量挖掘、城市交通流量甚至是公共交通瓶颈等信息。程鹏预测车联网商业化将在明年到来，自动驾驶的商业化将在3-4年后来临。技术创新倒逼管理变革在“互联网+”及“中国制造20
14、25”的大背景下，智能汽车已成为了传统车企和互联网公司眼中的一个风口。而在汽车智能化之后，路又该怎么变化，人、车、路的协调同步成为了另一个要点。得益于车联网的发展，在车+X（车、路、人及互联网）之间实现大系统网络信息交换后，道路规划建设或将以另一种全新的形式出现。交通运输部公路科学研究院副总工程师杨琪曾对此提出了自己的看法，在汽车智能化后，路侧的设施也将会发生深刻的变革,甚至会有智能汽车专有的车道。例如，道路标识不再是给人看的，而是以通信的方式给汽车“看而对于人来说,例如人身上的一些特殊标志（电子标志），也能让汽车提前“看到”，整个人车路的体系是需要配套起来做相应的变更。在整个交通体系中，实时
15、交通数据的融合和精确感知也变得至关重要。在第七届全球汽车论坛上，GaUSSCode创始人和首席执行官程杰博士表示，“数据在智能交通中起到了很大的作用，由于数字化的实现，把不能标准化的东西变得标准化，使得传感器能够大规模地使用，使得，智能概念里最起码的感知能力得以大幅提升。止匕外，数据化能够把数字变成一个有意义的单位，使其能够表达出来，成为互相能读懂的语言。”基于传感设备对数据的感知能力的基础上，网络的应用使得传感器不仅能够知道局部的需求，更重要的是停车、实时路况、收费，甚至包括气象等等海量数据得以在网络中传递，使得整个系统智能化。然而，现实中许多数据是分割的，有的由于体制的不同，比如不同的机构
16、分别掌握着一部分数据，但数据的共享和流转对于智能交通而言是非常关键的一个要素。从大数据的角度来看智能交通，真正实现智能化的关键是在于数据产生后的处理和分析。程杰表示“数据分析才是关键，包括静态和动态系统的数据，帮助我们实现一系列交通的规划、城市的规划，以及相当实时的、反应极快的控制管理。”智能交通是一个复杂的系统工程，涉及问题很多，既涉及到了技术层面，还牵扯到了管理问题。诸如体系框架如何架构，各层面的规划到底应当包含哪些核心内容，如何通过规划编制实现智能交通体系各领域的协调发展等。在整合资源及战略规划上政府起着很重要的作用。清华大学汽车工程系主任表示“智能交通的发展是需要政府来组织，以适应中国
17、国情的发展。在这里面也有很多关键性的问题，例如数据的问题、决策的问题、控制的问题以及系统一体化的问题等等。这都需要整合各个企业的科技力量共同来做，只有管理问题、战略问题和系统问题三方而解决以后，智能交通才能取得成功。”国际上，无论美国、欧盟，还是日本都推出了一系列支持政策，明确了智能交通的发展路线及目标。我国智能交通发展也得到了政策的大力支持，随着“互联网+便捷交通”的提出，强化信息开放共享，将使我国智能交通产业进入新一轮快速发展轨道。未来，在交通数据实时获取与交互、数据处理，智能化管控技术的创新以及一系列标准的制定与执行方面仍需要政策的支持。尤其是在鼓励产业发展上，需着力推进智能交通产业化，
18、支持引导集成度高的大企业和有技术专长的中小企业间的合作发展。中国要发展自己的智能交通系统6月18B,交通运输部公路科学研究院总工程师、国家智能交通系统工程技术研究中心主任在出席第十三届中国城市智能交通论坛时说：“中国长期以来是学习和跟随发达国家的ITS,经过近20年的发展，我们跟随的空间已经不大了，我们应该根据自己的需求和技术优势，发展中国自己的智能交通系统工指出，当前智能交通系统存在的一个根本问题：没有从理论的高度去讨论未来的方向，没有自己的技术体系和应用体系，很多人将智能交通系统与交通信息化混为一谈，很多人将智能交通系统的系统两字去掉，成了智能交通。正是因为我们很多人概念没搞清，又盲目地学
19、国外，甚至将国外一些做了很久的东西当作创新向中国的官员推荐，因此造成国内到处都是舶来品，很多技术和产品都是好看不好用。近几年，国内智能交通系统的发展出现了创新不足、发展乏力的现象，王表示，国内近两年推崇的车路协同实际上是发达国家10年以前开发的，自动驾驶则是发达国家从上世纪末就在进行研发的技术和产品。他说道：“我第一次乘坐自动驾驶汽车是1997年在美国，2000年在日本筑波还参加了国际自动驾驶展示会DEM02000,现在交通信息服务、不停车收费、城市交通管理已经在中国普及应用，国内科技和产业界对下一步智能交通的发展都感到迷茫，于是所谓车路协同和自动驾驶就成了中国科技界的创新方向，真是这样吗？”
20、他对此存疑。指出，中国已经是世界第二大经济体，一部分东部地区和大城市的人均GDP已经初步达到中等发达国家的水平，在智能交通系统的开发和应用领域也有了一定的经验，因此我们必须走自己的路了，因为中国的文化传统、行为特征和地域特征都与发达国家有差别，我们不能瞄着发达国家以小汽车为主的ITS路径走，我们要从人出发，要考虑交通是一个人与机器混合的、开放的、社会的系统，由此研究和建立自己的交通理论和ITS理论与技术体系，总之要走自己的路了。当前经济和社会发展对交通运输和城市管理提出了新要求，道路建设、管理和服务是供给侧结构性改革的重要方面，同时以绿色、智能、泛在为特征的群体性重大技术变革也为智能交通系统的
21、快速发展提供了可能。那么，未来智能交通将何去何从呢？王在发言中发表了自己的见解。观点一：真正的数字化阶段刚刚开始。经过一段时间的积累和发展，现在的传感器技术和现代信息技术，包括绿色、智能、泛在，给我们提到了一个非常便宜的数字化阶段。有些人认为：数字化阶段已经过去，其实真正的数字化阶段刚刚开始，所以交通的数字化潜力巨大，它是实现智能计算和迈向人工智能的个必要的技术条件，未来我们将逐步实现交通运输在云上，实时的交通是在虚拟空间有相应的映射。观点二：交通领域的机器会更多地代替人。未来社会，智能化是一个人工智能时代，“未来交通领域的机器会更多地代替人，王说，机器会更多地帮助人来决策，同时，智能化的交通
22、装备将会越来越多。交通的数字化潜力巨大，我们将逐步实现计算智能，并迈向人工智能，实时交通数据在云上，在虚拟空间得到映射。“不过，这些机器绝对不会全部代替人，发展新型交通系统千万不要把人的因素忽略掉，人才是一切交通活动的主体。”王提醒到。观点三：能源结构及配送将决定新运载方式的实现。在很多人的眼里，智能交通是交通运输管理和服务手段，大家往往忽略了一个重要的要素能源结构和能源配送。不同于信息产业等相关产业的是，交通运输行业必须现实地考虑人和物的移动，而人和物都是有物理尺寸的，不可压缩，也无法超越时空运转，这就必须与现实的能源驱动相关联。那么又有人会说了：我们现在能源种类很丰富，有生物质能源、核能、
23、氢能等等，不会成为后顾之忧。“但是不容忽视的是，如果把这些能源运用到交通运输系统中，必须要能实现能源配送网络，就拿我们现在的电动汽车来说，如果没有一个良好的能源（电能）配送，电动汽车根本无法使用，更不用说发扬光大了。”王说，“在能源配送到位的前提下，考虑实现新型运载方式才有可能。”所以，未来交通必须是一个系统工程。要从能源、产业、交通、社会整体考虑，它一定会涉及可再生能源以及能源配送体系、新型的智能化载运工具、新型的出行模式、智能化的交通管理与服务系统以及公平、安全，因此未来智能交通系统的发展需要在这样的环境下找到自己的突破口和发展方向。浅析信息时代大数据在智能交通系统中的应用摘要：互联网和通
24、信技术（ICT）,为智能交通系统（ITS）提供了大量实时数据，需要对这些数据进行管理、交流、解释、汇总和分析。这些技术大大提高了智能交通系统的有效性和用户友好性，产生了巨大的经济和社会影响。关键词：信息时代;大数据;智能交通系统;应用O引言在物联网（IoT）和云技术的背景下，需要真实世界的应用场景来导出对软件体系结构和ITS新特性的需求。在这项研究中，我们认为未来基于服务和云计算的智能交通系统，可以从复杂的数据处理能力中获益匪浅。因此，需要开发和应用新的大数据处理和挖掘（BDPM）技术。1信息时代大数据在智能交通系统中的重要性在这些新一代的业务管理系统中，运输网络的管理与运输公司和个人客户的业
25、务战略和运营模式紧密结合，对公司的业务规划产生了相当大的影响。它的所有参与者都充当数据生成器和数据源，以较短的更新率生成大量可用数据。数据生产的增长是由以下因素推动的：个人及其对媒体（社交网络）的使用增加;新型传感器和车载通信能力。现代信息和通信技术（ICT）（云计算、物联网（IoT）等）的应用，以及互联网连接设备和系统的激增。由于无处不在的信息传感移动设备、航空传感技术（遥感）、软件日志、照相机、麦克风、射频识别阅读器和无线传感器网络越来越多地收集数据集，因此数据集的规模不断扩大。机器生成和非结构化数据（照片、视频、社交媒体feed等）的比例也有所提高。因此，ITS中出现了一个新兴的大数据问
26、题。大数据通常包括数据集，其大小超出了常用软件工具在可容忍的时间内捕获、管理和处理数据的能力。大数据提供有关客户及其行为的更详细信息，但应以分散（多代理）的方式进行适当分析，同时避免传输大量信息。因此，云计算和网格计算基础设施非常适合大数据的存储、管理和处理。从本质上讲，大数据在物理上和逻辑上都是分散的，但实际上是集中的。所有信息源/存储器都是相互连接的，系统的任何组件原则上都可以访问任何信息。2浅析信息时代大数据在智能交通系统中的应用2.1 多智能体系统多智能体系统（MUlti-agentsystems,MAS）提供了一个网络化的、协作的、自治的系统模型，并提供了一个合适的隐喻和工具来表示智
27、能体系统。MAS由多个自主的、自利的软件实体（称为代理）组成。代理从环境中感知信息，创建自己的本地数据模型，然后根据目标和可用信息做出决策。然后，决策被转化为影响环境的行动。代理在信息模型层面（数据或模型参数交换）或行动层面（行动协调、群体形成）上进行交互和合作。多智能体建模已广泛应用于解决运输问题。云计算系统面向与用户的高水平交互、大量应用程序的实时执行以及按需服务的动态供应。在这项研究中，我们考虑了基于云计算系统的分层体系结构。它支持一类专门的分布式系统，其特点是具有高级别的可伸缩性、服务封装、动态配置和按需交付。除此之外，运输基础设施可以被视为一种服务，它研究如何在云中使用云数据存储、云
28、计算虚拟化或服务的可能性。基于云的系统的复杂性对最终用户是隐藏的。基于代理的云计算是一种范式，它通过大规模计算和云计算之间的协同作用来识别一些常见问题并提供一些好处。云计算主要集中在通过降低成本、服务交付、数据存储、可扩展的虚拟化技术和能源效率来高效利用计算基础设施。相比之下，MAS主要关注agent交互的智能方面及其在开发复杂应用程序中的应用。特别是，云计算可以通过实现复杂的、基于代理的建模和仿真应用程序，为大规模执行提供一个非常强大、可靠、可预测和可扩展的计算基础设施。此外，软件代理可以用作在云中实现智能的基本组件，使其在资源管理、服务提供和大规模应用程序执行方面更具适应性、灵活性和自主性
29、2。2.2 人工数据中心物联网在语义上是指一个由互联对象（射频识别、红外传感器、全球定位系统、激光扫描仪等）组成的全球范围的网络，可唯一寻址，以确保其内部信息的交换和共享。这一概念的基本思想是在我们周围普遍存在着各种各样的东西或物体（射频识别标签、传感器、执行器、移动车辆等），它们通过独特的寻址方案,能别!相互作用并与邻居合作以达到共同的目标。物联网为其提供了两大功能：1）其数据采集功能提供了更全面的交通数据;2）为交通数据传输提供了良好的通道。因此，基于物联网的智能交通系统具有广阔的发展前景和拓展空间。人工交通系统的开发是为了创建一个动态的组织交通知识，例如方法、算法、规则和案例研究，以便有
30、效地进行搜索，并为计算和实现做好准备。通过对真实行为和模拟行为的比较和分析，可以了解和预测系统未来的行为，并据此规划和修改系统运行的控制和管理策略。我们最感兴趣的学习模式是学习和训练模式。在这种模式下，人工系统主要用作学习操作程序和培训操作员和管理员的数据中心3。2.3 数据分类技术分类是基于包含已分类数据点的训练集来识别新数据点所属类别的一组技术。经典的数据处理和挖掘方法是集中的：这意味着为了应用它们，数据必须随时可用。相反，大数据是不断更新和收集在物理分布的存储，数据集中是不可能的。使用集中式方法，系统无法快速适应实时情况，通过网络传输大数据以及在一个位置存储、管理和处理大数据集非常困难或
31、根本不可能。另外，分布式系统中的一些节点在预测过程中更倾向于传递自己的经验。因此,有一个内在的需要,开发有效的BDPM算法使用分散的体系结构，考虑到空间和时间分布的数据。从技术和成本角度来看，分析和处理大数据现在都是可行的。许多大数据框架都是围绕着对业务机制的理解、对业务战略的分析、识别非结构化和结构化数据中的价值和相关性、数据挖掘、预测分析和成本效益数据而构建的。BDPM方法通过降维、预测建模、过滤和变化点分析来检测大纲视图，从而帮助以紧凑的方式（聚类）存储大数据。时间序列分析是一套统计技术来建模和解释时间相关的数据点序列。时间序列预测使用模型根据已知的过去事件生成对未来事件的预测4o时间序
32、列数据具有自然的时间顺序-这不同于典型的数据挖掘/机器学习应用，其中每个数据点都是要学习的概念的独立实现，数据集中数据点的顺序无关紧要。聚类分析是一组统计方法，用于将不同的对象划分为相似对象的较小组，这些相似对象的相似性特征事先不知道。这是一种无监督学习，因为没有使用训练数据。3结束语随着交通系统的组成部分变得更加自主和智能化，智能交通系统（ITS）之间在交通管理和环境监测方面的合作需求日益增加。此外，人们对更智能的交通管理系统需求也会变得越来越大。参考文献：1徐萌.浅析大数据在智能交通系统中的应用Ul.智能城市，2019,5(08)：139-140.2林君萍.大数据在智能交通系统中的应用J.电脑知识与技术，2019,15(17)：16-17+24.3黄周平.简析大数据在智能交通系统中的应用J.广东通信技术，2019,39(11)：7-8刘勇良.大数据处理与挖掘在智能交通系统中的应用J.河南科技，2019(04)：138-143.5贺宇.智能交通系统在动态交通数据采集中的应用J.数字技术与应用，2017(06)：114.
