ĐỀ tài tổng quan hệ thống giao thông thông minh dựa trên dữ liệu

TRƯỜNGĐẠI HỌC GIAO THƠNG VẬN TẢI TP HỒ CHÍ MINH KHOA CÔNG NGHỆ THÔNG TIN TIỂU LUẬN CHUYÊN ĐỀ HỆ THỐNG GIAO THÔNG THÔNG MINH ĐỀ TÀI: “Tổng quan hệ thống giao thơng thơng minh dựa liệu” Nhóm học phần: Sinh viên thực hiện: Phạm Trọng Lương Mã số sinh viên: 20H1120229 Lớp: CN20CLCB TP Hồ Chí Minh, Ngày tháng năm 2022 Table of Contents CHƯƠNG I: MỞ ĐẦU .1 CHƯƠNG II KIẾN TRÚC CỦA VIỆC TIẾN HÀNH PHÂN TÍCH DỮ LIỆU LỚN TRONG ITS .2 Đặc điểm liệu lớn ITS .2 Kiến trúc việc tiến hành phân tích liệu lớn ITS ChươngIII Tổng quan giải pháp I, Các giải pháp thu thập liệu lớn ITS .5 Dữ liệu lớn từ thẻ thông tin Dự liệu lớn từ GPS Dữ liệu lớn từ video .5 Dữ liệu cảm ứng biến Dữ liệu lớn từ CAV and VANET .6 Dữ liệu lớn từ thu thập thụ động 7 Dữ liệu lớn từ nguồn khác II Phương pháp phân tích liệu lớn ITS .7 Supervised Learning .7 Unsupervised Learning Reinforcement Learning 11 4.Deep Learning 12 Ontology Based Methods 13 Chương IV: Ứng dụng liệu lớn ITS 15 Road Traffic Accidents Analysis 15 Road Traffic Flow Prediction 16 Public Transportation Services Planning 16 Personal Travel Route Planning 17 Rail Transportation Management and Control 18 Asset Maintenance .19 CHƯƠNG V NỀN TẢNG DỮ LIỆU LỚN TRONG NÓ 21 CHƯƠNG VI: THỬ THÁCH MỚI 24 CHƯƠNG VII: KẾT LUẬN .26 CHƯƠNG I: MỞ ĐẦU Hệ thống giao thơng thơng minh ITS có tên tiếng Anh Intelligent transportation system- ITS Hiện ứng dụng tiên tiến nhằm cung cấp dịch vụ sáng tạo liên quan đến phương thức vận tải quản lý giao thông khác nhau, đồng thời cho phép người dùng cung cấp thông tin tốt sử dụng mạng lưới giao thông an tồn hơn, phối hợp thơng minh Hệ thống ứng dụng khoa học kỹ thuật công nghệ, gồm thiết bị cảm biến, điện tử, tin học, viễn thông để điều khiển, điều hành quản lý hệ thống giao thông vận tải tối ưu nhằm giảm thiểu ùn tắc giao thông, giảm nạn, giảm tiêu hao nhiên liệu làm hạn chế ô nhiễm môi trường.[1] Dữ liệu lớn trở thành trọng tâm nghiên cứu hệ thống giao thông thông minh (ITS), thấy nhiều dự án giới Hệ thống giao thông thông minh tạo lượng lớn liệu Dữ liệu lớn tạo có tác động sâu sắc đến việc thiết kế ứng dụng hệ thống giao thông thơng minh, giúp ITS an tồn hơn, hiệu có lợi Nghiên cứu phân tích liệu lớn ITS lĩnh vực nở rộ Bài viết trước tiên xem xét lịch sử đặc điểm liệu lớn hệ thống giao thơng thơng minh Khung tiến hành phân tích liệu lớn ITS thảo luận tiếp theo, nguồn liệu phương pháp thu thập, phương pháp tảng phân tích liệu danh mục ứng dụng phân tích liệu lớn tóm tắt Một số nghiên cứu điển hình ứng dụng phân tích liệu lớn hệ thống giao thơng thơng minh, bao gồm phân tích tai nạn giao thơng đường bộ, dự đốn lưu lượng giao thông đường bộ, kế hoạch dịch vụ giao thông công cộng, kế hoạch tuyến đường du lịch cá nhân, quản lý kiểm sốt giao thơng đường sắt bảo trì tài sản giới thiệu Cuối cùng, báo thảo luận số thách thức mở việc sử dụng phân tích liệu lớn ITS CHƯƠNG II KIẾN TRÚC CỦA VIỆC TIẾN HÀNH PHÂN TÍCH DỮ LIỆU LỚN TRONG ITS Đặc điểm liệu lớn ITS Hệ thống Giao thông thông minh (lntelligent Transport System - ITS) việc ứng dụng kỹ thuật công nghệ, bao gồm thiết bị cảm biến, điều khiển, điện tử, công nghệ thông tin viễn thông lĩnh vực giao thông để điều hành quản lý hệ thống giao thông vận tải ITS công nghệ phát triển giới, sử dụng để giải vấn đề giao thông, bao gồm tai nạn, ùn tắc giao thông, thông tin giao thông ITS sử dụng tiến công nghệ thông tin viễn thông để liên kết người, hệ thống đường giao thông phương tiện giao thông lưu thông đường thành mạng lưới thông tin viễn thông phục vụ cho việc lưu thông tối ưu đường Đánh giá tài liệu tham khao nhiều phương tiện trọng hầu hết vào phương tiện đường Năm 2012 Gartner định nghĩa: “Dữ liệu lớn mô tả dung lượng lớn, tốc độ cao loại hình thông tin đa dạng mà yêu cầu phương thức xử lý phép tăng cường định, khám phá bên xử lý tối ưu” Đây coi đặc trưng để mô tả cho liệu lớn: Dung lượng (Volume) – Dữ liệu lớn:  Số lượng liệu tạo lưu trữ  Với liệu lớn, bạn phải xử lý khối lượng lớn liệu phi cấu trúc, mật độ thấp Đó liệu có giá trị khơng xác định, chẳng hạn nạp tải liệu Twitter, lượt truy cập web ứng dụng thiết bị di động  Đối với số tổ chức khối lượng liệu lên tới hàng chục terabyte hay hàng trăm terabyte Vận tốc (Velocity) – Dữ liệu lớn:  Tốc độ liệu tạo xử lý theo thời gian thực  Một số sản phẩm thơng minh tích hợp internet hoạt động thời gian thực gần thời gian thực yêu cầu đánh giá hành động theo thời gian thực Tính đa dạng (Variety) – Dữ liệu lớn:  Các dạng kiểu loại liệu có sẵn  Các kiểu liệu truyền thống có cấu trúc kiểu liệu phi cấu trúc bán cấu trúc (văn bản, âm thanh, video) Ngoài ra, năm trở lại đây, liệu lớn có thêm đặc trưng V khác là: Giá trị (Value): phần lớn giá trị công ty công nghệ lớn giới đến từ q trình phân tích liệu họ Tính xác thực (Veracity): chất lượng liệu thu khác nhiều ảnh hưởng đến việc phân tích xác.[2] Kiến trúc việc tiến hành phân tích liệu lớn ITS Kiến trúc phân tích liệu lớn ITS thể qua hình Nó chia làm lớp, lớp thu thâp liệu, phân tích liệu lớp ứng dụng lớp thu thập liệu  Lớp thu thập liệu: lớp thu thập liệu lớp đầu tiền lớp sở để kiến trúc, cung cấp liệu cho lớp Dữ liệu lấy nhiều nguồn nhiều chỗ khác như: máy vòng cảm ứng, GPS giám sát video,…  Lớp phân tích liệu: lớp phân tích liệu coi lớp quan trọng kiến trúc Lớp nhận liệu từ lớp thu thập liệu, sau tiến hành áp dụng phương pháp phân tích liệu lớn để hồn thành việc phân tích chia sẻ liệu  Tầng ứng dụng: tầng kiến trúc Nó áp dụng xử lí liệu từ lớp phân thích liệu với nhiều tình khác vd: lưu lượng giao thông, điều tiết giao thông chống ùn tắc, điều khiển đội cứu hộ khẩn cấp ,… Hình 1: Kiến trúc tiến hành phân tích liệu lớn ChươngIII Tổng quan giải pháp Mọi người tham gia cách vô thức vào việc thu thập, truyền tải ứng dụng Dữ liệu lớn ITS Sự phát triển công nghệ ITS dẫn đến gia tăng độ phức tạp, tính đa dạng lượng liệu tạo thu thập từ phương tiện chuyển động người Theo nguồn khác ITS, Dữ liệu lớn ITS phân loại chủ yếu thành loại sau liệu thu thập minh họa Bảng Hình 2: Dữ liệu lớn I, Các giải pháp thu thập liệu lớn ITS Dữ liệu lớn từ thẻ thông tin Trong giao thông công cộng đô thị, liệu thẻ thông minh sử dụng ngày nhiều để thu tiền vé tự động Họ cho phép hành khách tiếp cận hầu hết tất loại phương thức hệ thống giao thông công cộng (xe buýt, xe lửa, xe điện, đường sắt leo núi, LRT, tàu điện ngầm phà) thẻ có giá trị cho tồn hành trình Mặc dù thẻ thông minh tập trung chủ yếu vào việc thu doanh thu, chúng tạo lượng lớn liệu thụ động từ thiết bị công nghệ cài đặt để kiểm soát hoạt động chúng Dữ liệu tạo có lợi cho nhà hoạch định cảnh, giúp hiểu rõ kiểu hành vi hành khách để lập kế hoạch dịch vụ ngắn hạn dài hạn Tuy nhiên, thách thức lớn sở hạ tầng phương pháp truyền thống không hiệu xử lý phân tích khối lượng lớn liệu Như vậy, giải pháp thay thế, công nghệ liệu lớn sử dụng để tăng cường thu thập, lưu trữ, xử lý phân tích liệu Hơn nữa, động lực hiệu chi phí phương pháp chi phí xử lý phân tích liệu quy mơ lớn lớn Kinh nghiệm chứng minh kết hợp kiến thức lập kế hoạch, liệu lớn công cụ khai thác liệu cho phép tạo số hành vi lại, sách giao thơng cơng cộng, hiệu suất hoạt động sách giá vé.[3] Dự liệu lớn từ GPS GPS công cụ, hệ thống xác định vị trí Dữ liệu giao thơng thu thập hiệu an tồn với tính theo dõi vị trí qua GPS Kết hợp với hệ thống thông tin địa lý (GIS) , GPS cung cấp công cụ đầy để thu thập liệu liệu thu thập sử dụng để giải nhiều vấn đề giao thông, chẳng hạn chế độ di chuyển phát , đo độ trễ hành trình giám sát giao thơng phát hiện, đo độ trễ hành trình giám sát giao thông Dữ liệu lớn từ video Video phương tiện điện tử để ghi, chép, phát lại, phát sóng hiển thị hình ảnh chuyển động lưu trữ phương tiện Như thấy hệ thống quản lý giao thông tiên tiến (ATMS), hệ thống phát hình ảnh video (VIDS) lựa chọn thay tốt so với cảm biến thông thường cho tác vụ nhận dạng phương tiện phát luồng giao thơng Chi phí rẻ ưu điểm tốt Sử dụng liệu video lớn triển khai thành công để thực phát cố cho thấy độ xác cao số trường hợp định Ngồi quản lý giao thơng chung , kỹ sư nhà quy hoạch giao thông thu thập liệu video phương tiện xác cải thiện hệ thống xử lý hình ảnh để đáp ứng tốt nhu cầu giao thông chung liên quan đến mơ hình phát thải phương tiện Dữ liệu cảm ứng biến Các cảm biến lắp đặt mặt đường để thu thập thông tin luồng giao thơng, khí hậu, thời tiết,… Các thơng tin hệ thống máy tính phân tích xử lý, sau cung cấp trở lại cho tài xế tình hình giao thơng đường (tai nạn, ùn tắc giao thông, thời tiết…) để tài xế chọn giải pháp giao thông tối ưu, giúp hạn chế tối đa tai nạn ùn tắc giao thông, đảm bảo thời gian lại ngắn an toàn cho phương tiện lưu thông đường Về việc thu thập liệu từ cảm biến chia làm nguồn: liệu bên đường, liệu ô tô liệu diện rộng • Dữ liệu bên đường: đề cập đến thu thập cảm biến nằm dọc bên đường Các cảm biến bên đường hệ hệ thống cảm biến siêu âm âm thanh, thiết bị phát xe từ kế, hệ thống hồng ngoại, phát zánh sáng phạm vi (LIDAR), hệ thống phát xử lý hình ảnh video xuất với phát triển cơng nghệ tiên tiến gần • Dữ liệu ô tô (FCD) : chủ yếu đề chủ yếu đề cập đến liệu di chuyển phương tiện vị trí khác ITS Một số cảm biến tàu cung cấp thông tin tin cậy hiệu để ước tính lựa chọn lộ trình hợp lí Với phát triển kỹ thuật cảm biến phương tiện, kỹ thuật cảm biến FCD phổ biến bao gồm: nhận dạng phương tiện tự động (AVI), nhận dạng biển số xe (LPR) tiếp sóng phương tiện thăm dị thẻ thu phí điện tử • Dữ liệu diện rộng: liệu lưu thông giao thông diện rộng thu thậ từ kỹ thuật thoe dõi cảm ứng biến xử lí hình ảnh, ghi âm, video, dựa không gian Dữ liệu lớn từ CAV and VANET Các phương tiện kết nối tự động (CAV) công nghệ lĩnh vực ITS kết hợp thay đổi thiết kế phương tiện tương tác chúng với sở hạ tầng đường Xe kết nối xe tự hành kết hợp nhiều công nghệ khác nhau, tạo điều kiện thuận lợi cho việc di chuyển người hàng hóa an tồn, hiệu Hệ thống giao thơng hỗ trợ CAV chứng tỏ tiềm to lớn việc giảm thiểu tắc nghẽn, giảm chậm trễ hành trình nâng cao hiệu suất an tồn CAV tạo lượng lớn liệu giao thông thời gian thực phù hợp với môi trường, chẳng hạn tọa độ, tốc độ, gia tốc, liệu an tồn Bằng cách sử dụng cơng nghệ mạng Mạng phần mềm xác định, liệu thu thập hiệu Những liệu sử dụng để tạo thơng tin hành động nhằm hỗ trợ tạo điều kiện thuận lợi cho lựa chọn cổng chuyển đổi xanh áp dụng cho điều khiển tín hiệu thích ứng thời gian thực VANET (Vehicular Ad Hoc Network), tiếng Việt gọi Mạng xe cộ bất định, hệ thống mạng không cần sở hạ tầng tạo thành từ phương tiện xe cộ lưu thông đường Chúng trang bị thiết bị thu/phát để liên lạc, chia sẻ trao đổi thơng tin lẫn giống nút mạng bất định (ad hoc) Thông tin trao đổi mạng VANET bao gồm thơng tin lưu lượng xe cộ, tình trạng kẹt xe, tai nạn giao thông, nguy hiểm cần tránh dịch vụ thông thường dịch vụ đa phương tiện, Internet Dữ liệu lớn từ thu thập thụ động Thu thập liệu thụ động sử dụng để phân tích cạnh tranh với đánh giá trước sau phẫu thuật Điều nói rằng, số quốc gia tiểu bang có luật cụ thể riêng họ, cho phép người dùng chọn không cung cấp liệu nhạy cảm họ Trong tình vậy, việc thu thập liệu thụ động đóng vai trị quan trọng Sử dụng liệu thụ động, khách hàng thu thập thông tin khách hàng/người dùng họ phương pháp khác như: • • • • • • Trình duyệt Internet Dữ liệu thiết bị di động Địa IP Vùng đất Mã quốc gia Kinh độ vĩ độ [4] Dữ liệu lớn từ nguồn khác Một nguồn liệu quan trọng khác liệu từ thử nghiệm chuyên dụng ITS Ví dụ, cơng việc trước chúng tơi, thực thử nghiệm thực địa hệ thống thông tin liên lạc mặt đất thực tế giao thông đường sắt đô thị Hệ thống điều khiển tàu hỏa dựa thông tin liên lạc (CBTC) Một lượng lớn liệu khuếch đại kênh thu từ thử nghiệm trường Dữ liệu xử lý để mơ hình hóa đặc tính ngẫu nhiên trạng thái kênh mơ hình sử dụng để tối ưu hóa hiệu suất hệ thống CBTC II.Phương pháp phân tích liệu lớn ITS Supervised Learning Dữ liệu huấn luyện dán nhãn sử dụng thuật tốn học có giám sát Các mơ hình sử dụng liệu đầu vào đầu mục tiêu (nhãn) để tìm hiểu chức ánh xạ chúng Kết hợp với mơ hình học liệu đầu vào, dự đốn kết đầu chưa thấy Trong số tất mơ hình học có giám sát, hồi quy tuyến tính, định, mạng thần kinh máy vectơ hỗ trợ, sử dụng thường xuyên ITS Chức hồi quy giải thích mối quan hệ biến phụ thuộc nhiều biến độc lập Hồi quy tuyến tính phương pháp học siêu thị sử dụng phổ biến Hồi quy tuyến tính đơn giản, mạnh mẽ, dễ diễn giải dễ viết mã Mặc dù đơn giản, hồi quy tuyến tính đặc biệt thành cơng kịch ITS khác nhau, chẳng hạn dự đoán lưu lượng giao thơng, ước tính tốc độ giao thơng đánh giá tuyến đường vận chuyển Neural Network đọc tiếng việt Mạng nơ-ron nhân tạo, chuỗi thuật tốn đưa để tìm kiếm mối quan hệ tập hợp liệu Thông qua việc bắt bước cách thức hoạt động từ não người Nói cách khác, mạng nơ ron nhân tạo xem hệ thống tế bào thần kinh nhân tạo Đây thường hữu nhân tạo chất Neural Network có khả thích ứng với thay đổi từ đầu vào Do vậy, đưa kết cách tốt mà bạn khơng cần phải thiết kế lại tiêu chí đầu Khái niệm có nguồn gốc từ trí tuệ nhân tạo, nhanh chóng trở nên phổ biến phát triển hệ thống giao dịch điện tử[5] Với đủ lớp ẩn nút xử lý liệu huấn luyện, ANN tìm hiểu mối quan hệ phi tuyến tính liệu đầu vào liệu đích Là cơng cụ mơ hình hóa liệu, áp dụng ITS dự đốn lưu lượng giao thơng, dự đoán thời gian di chuyển, phát tai nạn giao thơng dự báo chỗ đậu xe cịn lại Máy vectơ hỗ trợ (SVM) thuật toán học siêu thị phổ biến khác sử dụng liệu gắn nhãn để hồi quy phân loại Trong số tất cơng cụ mơ hình phân tích Dữ liệu lớn ITS, SVM thu hút quan tâm lớn lĩnh vực nghiên cứu Nó sử dụng thành cơng dự đốn thời gian di chuyển, dự đoán thời gian đến xe buýt phát tai nạn giao thơng[6] Ví dụ điển hình việc sử dụng học có giám sát ITS giới thiệu , SVM sử dụng để dự đoán cố lưu lượng Cho tập huấn luyện {(x1, y1), (x2, y2), , (xi, yi) }, xi đầu vào mẫu đào tạo bao gồm giá trị tham số luồng giao thông lưu lượng, tốc độ, tỷ lệ lấp đầy, v.v yi nhãn lớp xi Với hàm hạt nhân K(x, x’ ), theo lý thuyết phân loại SVM, vectơ hỗ trợ αi thu là, Chương IV: Ứng dụng liệu lớn ITS Dữ liệu lớn cung cấp hỗ trợ kỹ thuật cho phát triển ứng dụng ITS Bằng hiệu quả, xác kịp thời thu thập, phân tích xử lý liệu hệ thống giao thông đường đường sắt, ứng dụng Dữ liệu lớn cung cấp cho công chúng phương tiện giao thông thuận tiện hiệu cao Để xác định vấn đề, cải thiện hiệu ITS, giảm chi phí thu hiểu biết có giá trị, ứng dụng Dữ liệu lớn ITS chia thành sáu loại sau Road Traffic Accidents Analysis Bằng chứng cho thấy giới có khoảng 1,2 triệu người thiệt mạng 50 triệu người bị thương tai nạn giao thơng năm[10] Kết phân tích liệu tai nạn giao thơng xác cung cấp cho phận giao thông thông tin quan trọng để đưa sách nhằm ngăn ngừa tai nạn[12] Các phân tích thống kê đa biến tuyến tính phi tuyến áp dụng để xác định cách loại tai nạn xảy đường cao tốc sử dụng nhiều Nam California có liên quan đến luồng giao thông điều kiện ánh sáng thời tiết môi trường xung quanh Lưu lượng giao thông đo theo chuỗi thời gian quan sát 30 giây từ máy dò vòng cảm ứng vùng lân cận vụ tai nạn trước thời điểm xảy Kết loại va chạm có liên quan mạnh mẽ đến tốc độ giao thơng trung bình biến thể theo thời gian tốc độ bên trái bên Các vụ va chạm va chạm đối tượng liên quan đến nhiều phương tiện có liên quan đến thao tác thay đổi đường có nhiều khả xảy đường ướt, vụ va chạm phía sau có nhiều khả xảy đường khơ vào ban ngày Kiểm sốt điều kiện thời tiết ánh sáng, có chứng cho thấy mức độ nghiêm trọng tai nạn bị ảnh hưởng nhiều so với tốc độ.[13] Các mơ hình thống kê, chẳng hạn mơ hình hồi quy Poisson nhị thức âm, sử dụng để phân tích tần suất tai nạn xe cộ nhiều năm Tuy nhiên, mơ hình có giả định mơ hình riêng mối quan hệ xác định trước biến phụ thuộc biến độc lập Nếu giả định bị vi phạm, mô hình dẫn đến ước tính sai khả xảy tai nạn Cây phân loại hồi quy (CART), kỹ thuật khai thác liệu áp dụng rộng rãi , sử dụng phổ biến quản trị kinh doanh, công nghiệp kỹ thuật CART không yêu cầu mối quan hệ xác định trước biến mục tiêu (phụ thuộc) yếu tố dự đoán (biến độc lập) chứng minh công cụ mạnh mẽ, đặc biệt để xử lý vấn đề dự đoán phân loại.Nghiên cứu thu thập liệu tai nạn năm 2001–2002 Quốc lộ Đài Loan Mơ hình CART mơ hình hồi quy nhị thức âm phát triển để thiết lập mối quan hệ thực nghiệm tai nạn giao thơng biến số hình học đường cao tốc, đặc điểm giao thông yếu tố mơi trường.[14] Road Traffic Flow Prediction Hình 4: Một mơ hình dự đốn lưu lượng giao thơng điển hình Public Transportation Services Planning Phân tích liệu lớn giao thơng cơng cộng giúp hiểu rõ mơ hình hành trình người xe mạng lưới cảng giao thông Các mẫu hành trình hành khách sử dụng để thông báo định cho nhà khai thác vận tải việc lập kế hoạch dịch vụ Quá trình thị hóa nhanh chóng tạo lượng lưu lượng du lịch ngày tăng, thúc đẩy nhu cầu sách quy hoạch giao thơng hiệu Đồng thời, liệu điện thoại di động lên nguồn liệu di động lớn nhất, chưa tích hợp vào mơ hình quy hoạch giao thơng Hiện tại, quan quản lý vận tải thiếu tranh tổng thể lưu lượng hành khách hàng ngày mạng lưới vận tải đa phương thức Trong công việc này, đề xuất phương pháp để suy luồng Điểm gốc-Đích động theo chế độ vận chuyển sử dụng liệu mạng di động, ví dụ: Bản ghi chi tiết gọi Đối với nghiên cứu này, xử lý trước 360 triệu quỹ đạo cho triệu thiết bị từ Greater Paris làm khu vực nghiên cứu điển hình chúng tơi Mơ hình kết hợp định vị mạng di động với mạng giao thôngdữ liệu không gian địa lý, khảo sát du lịch, điều tra dân số liệu thẻ du lịch Các chế độ vận chuyển quỹ đạo mạng di động xác định thơng qua thuật tốn học bán giám sát hai bước Cái sau liên quan đến việc phân cụm khu vực mạng di động suy luận Bayes để tạo xác suất vận chuyển cho quỹ đạo Sau gán chế độ có xác suất cao cho quỹ đạo, xây dựng ma trận Điểm gốc-Đích theo chế độ vận chuyển Các luồng tăng tỷ lệ lên tổng dân số cách sử dụng hệ số mở rộng đại Mơ hình tạo luồng hành khách đường đường sắt biến đổi theo thời gian cho tồn khu vực Từ kết chúng tơi, chúng tơi quan sát mơ hình di chuyển khác phương thức đường đường sắt Paris vùng ngoại ô Các luồng giao thơng kết xác thực rộng rãi dựa khảo sát du lịch liệu thẻ du lịch cho quy mô không gian [15] Sử dụng liệu điện thoại di động từ kho liệu mã nguồn mở để triển khai mơ hình nhu cầu du lịch Có thể trích xuất mạng đường định tuyến ma trận bảng hành trình từ liệu Bản ghi liệu gọi (CDR) mơ hình Cơng việc họ đóng vai trị hướng dẫn chung để giúp nhà khai thác vận tải thực quy hoạch giao thông công cộng Personal Travel Route Planning Các ứng dụng vận chuyển bắt đầu với tầm nhìn tuyệt vời Hiển thị cung cấp thông tin đến thời gian thực cho xe buýt, tàu điện ngầm, đường sắt nhẹ phương tiện vận chuyển khác có sẵn số lượng đáng kể thành phố toàn giới, nhà ga, trung tâm vận chuyển điểm dừng xe buýt lớn Tuy nhiên, tốn để cung cấp trì trạm xe buýt Với sẵn có thiết bị di động mạnh mẽ tính khả dụng liệu lịch trình cảnh định dạng đọc máy, số lượng đáng kể công cụ phát triển để cung cấp thông tin nhiều giao diện khác nhau, bao gồm thiết bị di động Các hệ thống thường rẻ để triển khai so với hình đến thời gian thực cố định số lượng lớn điểm dừng Hơn nữa, hệ thống này, đặc biệt thiết bị di động, hỗ trợ chức bổ sung, cá nhân hóa, chẳng hạn cảnh báo tùy chỉnh Một hệ thống theo dõi xe buýt trực tuyến đầu tiên, Busview, phát triển Daniel Tweetsey người khác [16] Mặc dù thông tin thời gian thực, gần hơn, Google Transit bắt đầu cung cấp kế hoạch chuyến vận chuyển cho 400 thành phố tồn giới Nó bổ sung cung cấp thơng tin cho tay đua q cảnh tồn giới, Google Transit có ý nghĩa để thiết lập tiêu chuẩn thực tế để trao đổi liệu lịch trình vận chuyển: Thơng số kỹ thuật cấp liệu vận chuyển chung (GTFS) Nhiều quan vận chuyển tham gia chương trình Google Transit phát hành liệu lập lịch vận chuyển họ định dạng GTFS để nhà phát triển bên thứ ba làm việc, tạo hệ sinh thái phát triển khỏi tính khả dụng cơng khai liệu này, với nhiều người gọi Transit Transit -hackers, làm việc việc sử dụng liệu vận chuyển sáng tạo Trang ứng dụng bên thứ ba Portland Trimet (10) liệt kê 20 ứng dụng sử dụng liệu vận chuyển Portland, nhiều mục tiêu cung cấp liệu vận chuyển thiết bị di động nhiều ứng dụng sử dụng khả nội địa hóa thiết bị Các hệ sinh thái tương tự tồn San Francisco Vùng Vịnh, Chicago thành phố lớn khác Một số nhà nghiên cứu xem xét làm ứng dụng di động cải thiện khả sử dụng trình vận chuyển, cho người lái chung cho nhóm nhắm mục tiêu người bị suy yếu nhận thức.Bộ công cụ OneBusaway nhắm đến khả sử dụng chung cách cung cấp tùy chọn giao diện rộng, đặc biệt tập trung vào việc dễ dàng truy cập thông tin OneBusaway thực điều thông qua mã nguồn mở nhóm dự án đồng thời làm việc để thúc đẩy truy cập mở vào liệu vận chuyển.[17] Rail Transportation Management and Control Trong thập kỷ qua nghiên cứu vận hành đường sắt, mơ hình kính hiển vi nghiên cứu chun sâu để hỗ trợ nhà khai thác giao thông việc quản lý khu vực điều phối họ Tuy nhiên, mơ hình dẫn đến thời gian tính tốn dài cho mạng lớn sử dụng cao Vấn đề kiểm soát lưu lượng truy cập tồn quốc cịn mở phối hợp khu vực địa phương khó giải thời gian ngắn có nhiều phụ thuộc lẫn chuyến tàu toàn mạng lưới Công việc dành riêng cho việc phát triển mơ hình vĩ mơ kết hợp định quản lý giao thông Phân tích liệu lớn sử dụng giao thông công cộng để hiểu rõ cách người thành phố Hiểu rõ mơ hình du lịch hành khách giúp nhà cung cấp vận chuyển đưa đánh giá tốt chất lượng dịch vụ Những người du lịch ô tô cách thường xuyên dự đốn dựa việc tam giác liệu điện thoại di động từ hàng triệu người dùng ẩn danh Các thăm dò địa phương quốc gia chứng minh khả ứng dụng mơ hình Để tính tốn thời gian cho hành khách lên tàu thoát khỏi tàu, liệu vị trí xe Metro IBUS kết hợp với thông tin từ thẻ thông minh Phân tích liệu lớn cho quản lý giao thơng hưởng lợi từ phát Dữ liệu thẻ thông minh sử dụng để tạo ma trận dòng chảy tuyến xe buýt cho hai chuyến BRT không BRT Ý nghĩa quan trọng sách BRT dựa chứng tìm thấy cách tham khảo ý kiến phận quản lý dịch vụ Sử dụng tảng quản lý cập nhật dễ dàng, nhà hoạch định vận hành vận chuyển đường sắt nhận phản hồi gần thời gian thực nhiều khía cạnh dịch vụ đường sắt Để tạo mơ hình nhu cầu dựa điện thoại di động cho du lịch, nguồn liệu mở khai thác Dữ liệu hồ sơ liệu gọi (CDR) sử dụng để tạo mạng đường, ma trận OD xác thực bảng chuyến Công việc họ dựa vào nhà hoạch định giao thông công cộng toàn giới.[18] Hou et al Đề xuất ba thuật tốn điều khiển dừng tàu chọn liệu vị trí phanh ban đầu, liệu lực phanh liệu kết hợp chúng làm đầu vào điều khiển Phương pháp điều khiển học lặp đầu cuối (TILC) lần đưa vào lĩnh vực điều khiển điểm dừng nhà ga ba thuật toán dựa TILC đề xuất nghiên cứu Phương pháp điều khiển dừng ga tàu dựa TILC sử dụng lỗi vị trí dừng đầu cuối q trình phanh trước để cập nhật cấu hình điều khiển Vị trí phanh ban đầu lực phanh kết hợp chúng chọn làm đầu vào điều khiển luật học tương ứng phát triển Lỗi vị trí dừng đầu cuối thuật toán đảm bảo hội tụ vùng nhỏ liên quan đến độ lệch ban đầu vị trí phanh phân tích nghiêm ngặt[19] Asset Maintenance Hình 5: Một khn khổ điển hình việc sử dụng phân tích liệu lớn để bảo trì tài sản Trong ITS, có tài sản đáng kể phụ thuộc vào lượng lớn liệu để vận hành trì Phương pháp bảo trì tài sản phù hợp quan trọng để bảo vệ vốn ITS giảm chi phí bảo trì Phân tích Dữ liệu lớn giúp xác định vấn đề nhanh chóng xác hơn, đồng thời giảm thiểu chi phí bảo trì Một khn khổ điển hình việc sử dụng phân tích Dữ liệu lớn để định bảo trì tài sản hiển thị Hình Dữ liệu tàu Cơ sở hạ tầng thu thập từ cảm biến khác Dữ liệu hư hỏng vật lý xuống cấp mặt đường, lão hóa dằn, hình dạng đường ray, v.v sử dụng trực tiếp Dữ liệu văn thông tin dựa kinh nghiệm báo cáo bảo trì, mơ tả biểu tượng, v.v., xử lý để trích xuất thơng tin quan trọng Dữ liệu trạng thái sở hạ tầng phương tiện nhiệt độ, độ ẩm, v.v xử lý phương pháp điều khiển liệu thu báo tình trạng Kết từ ba phương pháp quy trình tích hợp nhận chẩn đốn xác tình trạng tài sản xác định thời gian sử dụng hữu ích cịn lại tài sản, sử dụng cho người dùng cuối để đưa định bảo trì vận hành Một phương pháp định bảo trì dựa mờ cho sở hạ tầng đường sắt để giải vấn đề lỗi mỏi tiếp xúc lăn cụ thể gọi ngồi xổm trình bày Dựa vào phép đo Gia tốc hộp trục (ABA) để phát vng, mơ hình mạnh mẽ sử dụng để dự đoán phát triển ô vuông phát theo ba kịch tăng trưởng khác (nhanh, trung bình, chậm) Khi đường đua ứng cử viên để bảo trì phòng ngừa, để tạo điều kiện thuận lợi cho hoạt động mài, đề xuất phương pháp phân cụm mờ để nhóm vng nhẹ ứng cử viên tốt để xử lý chúng gần Sử dụng phương pháp α% dựa phân cụm, mặt trận Pareto phân tích thấy đánh đổi số lượng squats không xử lý tỷ lệ phần trăm bao phủ liên quan đến α% Dựa mơ hình dự đốn, bốn số hiệu suất cấp độ kỹ thuật kết hợp cách sử dụng hệ thống chuyên gia mờ để ước tính tình trạng sức khỏe tồn cầu cụm ngồi xổm Hiệu chi phí ước tính hành động bảo trì khác so sánh Do đó, nhà quản lý sở hạ tầng ước tính tình trạng theo dõi cụm, sau dễ dàng xếp hạng cụm light squats theo tầm quan trọng chúng Ngoài ra, báo dự đoán cho phép nhà quản lý sở hạ tầng định phần đường ray cần thay phát có chỗ ngồi nghiêm trọng đường đua Để minh họa cho phương pháp đề xuất, đường ray Groningen-Assen mạng lưới đường sắt Hà Lan sử dụng Do đó, nhà quản lý sở hạ tầng ước tính tình trạng theo dõi cụm, sau dễ dàng xếp hạng cụm light squats theo tầm quan trọng chúng Ngoài ra, báo dự đoán cho phép nhà quản lý sở hạ tầng định phần đường ray cần thay phát có chỗ ngồi nghiêm trọng đường đua Để minh họa cho phương pháp đề xuất, đường ray Groningen-Assen mạng lưới đường sắt Hà Lan sử dụng Do đó, nhà quản lý sở hạ tầng ước tính tình trạng theo dõi cụm, sau dễ dàng xếp hạng cụm light squats theo tầm quan trọng chúng Ngoài ra, báo dự đoán cho phép nhà quản lý sở hạ tầng định phần đường ray cần thay phát có chỗ ngồi nghiêm trọng đường đua Để minh họa cho phương pháp đề xuất, đường ray Groningen-Assen mạng lưới đường sắt Hà Lan sử dụng.[20] CHƯƠNG V NỀN TẢNG DỮ LIỆU LỚN TRONG NĨ Phân tích Dữ liệu lớn ITS phát triển với trợ giúp từ tảng Dữ liệu lớn tiên tiến Nền tảng Dữ liệu lớn tận dụng hệ thống tệp phân tán khả tính tốn song song phép xử lý liệu nhanh Nó có khả hiểu Dữ liệu lớn hỗ trợ tối ưu hóa hệ thống quy mơ lớn Hình 6: Khung điển hình sử dụng tảng Apache Spark ITS Apache Hadoop khung phần mềm nguồn mở phổ biến cho quy trình phân tán lưu trữ số lượng lớn tập liệu Hadoop tảng xử lý Dữ liệu lớn phổ quát, nơi thực loại hoạt động xử lý liệu phân tích liệu khác Khả xử lý phân tán làm cho Hadoop phù hợp để phân tích liệu ITS, chẳng hạn liệu thẻ thông minh, cảm biến đa dạng, phương tiện truyền thông xã hội, liệu GPS, ….[21] Apache Spark tảng nguồn mở để xử lý số lượng lớn tập liệu thích ứng đặc biệt với tác vụ học máy Spark áp dụng công nghệ lưu trữ phân bổ giống Hadoop cho phép người dùng ác chương trình tải liệu vào nhớ cụm truy vấn lặp lặp lại Spark phù hợp với phương pháp học máy Các phương pháp phân tích Dữ liệu lớn mà giới thiệu tiểu mục trước dựa máy học chúng chắn thực tảng Hadoop Spark Hình Khung điển hình sử dụng tảng Apache Spark ITS Dữ liệu từ nguồn khác API HBase (Cơ sở liệu Hadoop) thu thập chúng gửi đến trung tâm liệu Spark Streaming xử lý liệu theo thời gian thực Có thể thực số tác vụ thời gian thực, chẳng hạn phát tốc độ xe, nhận dạng xe, cảnh báo thời gian thực, v.v HBase sở liệu nguồn mở phân tán Nó thực trích xuất tính cấp cao tạo mục cho tập liệu lớn, để cải thiện hiệu hiệu việc truy xuất liệu Spark Core tảng hệ thống spark thực tác vụ ngoại tuyến với khả tính tốn phân tán Các nhiệm vụ quan trọng quản lý kiểm sốt giao thơng, phân tích tai nạn, v.v thực động Spark Core [22] Trình bày cách liệu lớn sử dụng để chuẩn bị cho thành phố thông minh Trong bối cảnh này, thành phố thông minh yêu cầu định thông minh thời gian thực, đồng thời xử lý lượng lớn liệu Một thành phần quan trọng liên quan đến thành phố thông minh ứng dụng ITS sử dụng kỹ thuật trí tuệ nhân tạo phụ thuộc nhiều vào mơi trường mô để đánh giá thử nghiệm chiến lược ITS Trong báo này, chúng tơi trình bày mơ hình cho mạng lưới giao thơng GTA Mặc dù mơ hình cho phép ứng dụng vận chuyển liệu lớn chạy thời gian thực, q trình xây dựng ngụ ý làm việc chuyên sâu với liệu lớn Chúng cấu trúc, hiệu chuẩn kết đầu mơ hình Ngồi ra, số ứng dụng sử dụng mơ hình đề xuất trình bày Những ứng dụng liệu lớn bước tiến tới thành phố thông minh Toronto [23] Đề xuất tảng để thực phân tích liệu giao thơng đô thị để hiểu rõ kiểu giao thông Nền tảng bao gồm lớp liệu, phân tích quản lý tận dụng ứng dụng liên quan đến lưu lượng truy cập lớp phủ trực tiếp nhà nghiên cứu, kỹ sư lưu lượng truy cập nhà lập kế hoạch Nền tảng dựa cụm tận dụng đám mây để đạt độ tin cậy, khả mở rộng khả thích ứng với điều kiện hoạt động thay đổi Nó tận dụng cho phân tích trực tuyến hồi cứu Chúng xác thực số trường hợp sử dụng, chẳng hạn tìm tốc độ trung bình đoạn tắc nghẽn đường cao tốc Khu vực Greater Toronto (GTA)[24] Có nhiều thiếu sót khác trung tâm liệu truyền thống chi phí, sử dụng tài nguyên, tiêu thụ điện vận hành nghiên cứu xu hướng phát triển trung tâm liệu ảo ưu điểm kỹ thuật nó, đề xuất sơ đồ hệ thống ảo trung tâm liệu giao thông thông minh VMware vSphere Đồng thời, định hướng yêu cầu quản lý luồng liệu giao thông hệ thống giao thông thông minh thành phố môi trường điện toán đám mây, hướng đến luồng liệu lớn, đa nguồn, thời gian thực, động không chắn gửi từ loại liệu chuyên sâu xuyên khu vực thiết bị cảm nhận điều khiển, báo phân tích đặc điểm mối tương quan hoạt động giao thông thực tế thành phố luồng liệu giao thông, nghiên cứu chế phát triển liệu không chắn; xây dựng mơ hình luồng liệu lưu lượng dựa ontology, siêu liệu cốt lõi lý thuyết ràng buộc Và sở đó, báo sử dụng ảo hóa tập liệu lớn xử lý song song, xem xét cân tải chế thích ứng, kết hợp lý thuyết mờ lý thuyết đa đối tượng động, lý thuyết định đa ràng buộc, để tìm kiếm thuật tốn truy vấn hiệu cho vận tải động, phức tạp liên tục dòng liệu.[25] Chức xử lý luồng liệu thời gian thực phần cần thiết tảng xử lý Dữ liệu lớn ITS Vì có nhiều ứng dụng thời gian thực giám sát kiểm sốt giao thơng lịch trình giao thơng công cộng Dựa hệ thống xử lý Dữ liệu lớn truyền thống, hệ thống truyền liệu thời gian thực quan trọng đề xuất ITS Guerreiro cộng Đề xuất kiến trúc ETL (trích xuất, biến đổi tải) cho hệ thống giao thông thông minh, giải kịch ứng dụng thu phí động cho đường cao tốc Kiến trúc đề xuất có khả xử lý liệu lịch sử thời gian thực cách sử dụng công nghệ Dữ liệu lớn Spark Hadoop MongoDB Nền tảng xử lý luồng liệu đề xuất , hỗ trợ chế chia sẻ nguồn liệu nhiều bên, thành phần phần mềm chí kết trung gian Họ đưa ví dụ việc sử dụng tảng để tiến hành quản lý lưu lượng Một kiến trúc toàn diện linh hoạt dựa tảng tính tốn phân tán để kiểm sốt lưu lượng thời gian thực đề xuất Họ thực hóa phần kiến trúc tảng nguyên mẫu sử dụng Kafka, công cụ Dữ liệu lớn xây dựng đường dẫn liệu xử lý luồng Các hệ thống vận chuyển kết nối (CTS) yêu cầu sở hạ tầng cho phép xử lý tín hiệu thời gian thực khả mở rộng Ngoài việc thu thập liệu, hệ thống phải có khả hỗ trợ phân tích liệu quy mơ lớn (ví dụ: sử dụng liệu khơng gian địa lý tìm thấy mối quan tâm an toàn vùng lân cận xe) cách sử dụng xử lý hàng loạt luồng Chương xem xét hệ thống sở hạ tầng liệu hệ thống sở hạ tầng liệu[26] CHƯƠNG VI: THỬ THÁCH MỚI Phân tích liệu lớn đạt nhiều thành cơng to lớn ITS, cịn nhiều thử thách mà chưa nghiên cứu đến Cần phải tìm cách giải thời gian tới Có thử thách việc phân tích liệu sau: Thu thập liệu: Do phương tiện người di chuyển thường xuyên, liệu thu thập trình vận chuyển khơng xác, khơng đầy đủ không đáng tin cậy địa điểm cụ thể thời điểm định Ví dụ:Các oto xe gắn cảm biến nhúng khơng thu thập liệu, cảm biến đường bị thiếu Phải tìm cách để khắc phục tình trạng, đầu tư vào trang thiết bị nhằm giúp đỡ cho xe cải thện khả thu thập liệu từ oto Ngoài ra, việc áp dụng tự động hóa thu thập liệu để giảm thiểu việc nhập liệu thủ công cần thiết để cải thiện chất lượng liệu Quyền riêng tư liệu: Dữ liệu lớn, vấn đề thách thức quan tâm quyền riêng tư[27] Quyền riêng tư cá nhân bị rị rỉ q trình truyền, lưu trữ sử dụng liệu Dữ liệu thu thập từ hệ thống giao thông liệu phi cá nhân, chẳng hạn vị trí phương tiện, liệu lưu lượng giao thơng Tuy nhiên, vấn đề quyền riêng tư quan tâm kể từ việc thu thập liệu cá nhân khu vực công khu vực tư nhân tăng lên theo thời gia Đơn giản hiểu thu thập thơng tin vị trí cá nhân phương tiện Sẽ dễ hiểu phải bảo vệ nghiệm ngặt tác nhân gây hại có kẻ xấu muốn đánh cắp Vì cần bảo vệ quyền riêng tư điều quan trọng ứng dụng liệu lớn ITS Để ngăn chặn điều nên có can thiệp từ phủ phải xây dựng luật bảo mật liệu hồn chỉnh bao gồm thứ có liên quan đến liệu, sử dụng liệu người tiêu dùng lĩnh vực khác Các sở giao thông vận tải cần phải quy định cách chặt chẽ liệu nhân, tăng cường quản lí bảo mật liệu sử dụng thuật toàn tiến tiến để cải thiện, hoàn thành mức độ bảo mật liệu cách tốt Lưu trữ liệu: Lưu trữ liệu (trong tiếng anh Data Storage) việc lưu trữ (ghi) thông tin (hay liệu) phương tiện lưu trữ Hình thức lưu trữ điện tử u cầu cần có lượng điện để lưu trữ, truy xuất liệu Chúng ta lưu trữ thơng tin nhiều hình thức khác nhiều phương tiện khác Một số ví dụ phương tiện lưu trữ đĩa than, chữ viết tay, RNA, DNA, đĩa quang, băng từ,… Các liệu lưu phương tiện kỹ thuật số gọi liệu kỹ thuật số Các tài liệu điện tử thể ưu điểm tiết kiệm không gian lưu trữ tốt so với tài liệu giấy.[28] Ngày khối lượng liệu tăng từ mức lao lên cấp PB tăng trưởng khả lưu trữ liệu vượt xa tăng trưởng liệu Đặc biệt nó, tạo nhiều loại liệu từ cảm biến khác ngày Các công cụ sở hạ tầng lưu trữ liệu truyền thống công cụ sở liệu khơng thể đối phó với liệu khối lượng ngày lớn phức tạp Vì thiết kế kiến trúc lưu trữ liệu hợp lý trở thành thách thức Các nhà cung cấp lưu trữ đám mây cơng cộng chính, Google Microsoft, tiếp tục cải thiện dịch vụ họ với khả liệu lớn tích hợp lưu trữ đa đám mây lưu trữ lai lên lĩnh vực để lưu trữ liệu lớn Khả tính tốn họ có lợi nhiều hình thức khối lượng cơng việc phân tích chun sâu tính tốn Ngồi ra, kết hợp trí thơng minh với lưu trữ giải pháp tốt Xử lí liệu: việc chuyển đổi liệu thành dạng sử dụng Trước đây, việc xử lý thực thủ công, tốn thời gian dễ sai sót, hầu hết việc xử lý thực tự động máy tính cho kết nhanh xác Tính kịp thời quan trọng ứng dụng liệu lớn ứng dụng nó, ứng dụng bao gồm tiền xử lý liệu lưu lượng, nhận dạng trạng thái giao thơng, kiểm sốt giao thông thời gian thực, hướng dẫn tuyến đường động lập lịch xe buýt thời gian thực Dữ liệu lưu lượng chứa định dạng khác từ nguồn khác nhau, phải so sánh với liệu ical lịch sử, sau xử lý thời gian ngắn Hệ thống xử lý liệu phải có khả xử lý liệu phức tạp ngày mở rộng Làm để đảm bảo tính kịp thời q trình với liệu lớn nhanh thách thức lớn Nhiều hoạt động khung liệu lớn chung xử lý nguồn liệu thời gian thực, Apache Storm, Apache Flink, Apache Samza, Apache Spark Streaming Kafka Streams, xuất gần Ngoài ra, khung xử lý liệu lớn dành riêng cho phát triển, chẳng hạn tảng để kiểm soát giao thơng thời gian thực ước tính tốc độ trung bình phần tắc nghẽn đường cao tốc Các khung xử lý cung cấp giải pháp tốt cho xử lý liệu thời gian thực Mở liệu: Để cho phép người dùng dịch vụ vận chuyển nhà phát triển ứng dụng tìm sử dụng lại liệu cách hiệu quả, liệu cần lưu trữ truy cập công khai với chất lượng tốt Chất lượng liệu đề cập đến tính xác, đầy đủ, độ tin cậy tính qn Nếu khơng có chất lượng liệu tốt, liệu lớn gây hiểu lầm cho việc định chí tạo kết có hại Tuy nhiên, việc mở liệu với chất lượng tốt địi hỏi thời gian tiền bạc Có đánh đổi việc mở liệu nhanh chóng với chi phí thấp cung cấp liệu chất lượng cao có sẵn với chi phí cao, điều giúp mở liệu chất lượng tốt thách thức lớn Các giải pháp hiệu bao gồm việc áp dụng việc thu thập liệu tự động và/hoặc sử dụng trí tuệ nhân tạo để xác minh liệu Ngồi ra, phận vận chuyển nên có quy trình quản lý liệu ban hành để đảm bảo liệu nguyên sơ xác CHƯƠNG VII: KẾT LUẬN Dữ liệu lớn trở thành trọng tâm nghiên cứu hệ thống giao thông thông minh (ITS), thấy nhiều dự án giới Hệ thống giao thông thông minh tạo lượng lớn liệu Dữ liệu lớn tạo có tác động sâu sắc đến việc thiết kế ứng dụng hệ thống giao thông thơng minh, giúp ITS an tồn hơn, hiệu có lợi Nghiên cứu phân tích liệu lớn ITS lĩnh vực nở rộ Bài viết trước tiên xem xét lịch sử đặc điểm liệu lớn hệ thống giao thơng thơng minh Khung tiến hành phân tích liệu lớn ITS thảo luận tiếp theo, nguồn liệu phương pháp thu thập, phương pháp tảng phân tích liệu danh mục ứng dụng phân tích liệu lớn tóm tắt Một số nghiên cứu điển hình ứng dụng phân tích liệu lớn hệ thống giao thơng thơng minh, bao gồm phân tích tai nạn giao thơng đường bộ, dự đốn lưu lượng giao thông đường bộ, kế hoạch dịch vụ giao thông công cộng, kế hoạch tuyến đường du lịch cá nhân, quản lý kiểm sốt giao thơng đường sắt bảo trì tài sản giới thiệu Cuối cùng, báo thảo luận số thách thức mở việc sử dụng phân tích liệu lớn ITS TÀI LIỆU THAM KHẢO [1] https://thuannhat.com.vn/he-thong-giao-thong-thong-minh-its-la-gi [2] https://digman.vn/thuat-ngu/big-data-du-lieu-lon/ [3] Jamal Maktoubian, Mohebollah Nool, Mehran Ghasempour-Mouziraji, Mahta Amin: “Analyzing Large-Scale Smart Card Data to Investigate Public Transport Travel Behaviour Using Big Data Analytics” [4] Jamal Maktoubian, Mohebollah Noori, Mehran Ghasempour-Mouziraji, Mahta Amini:” Analyzing Large-Scale Smart Card Data to Investigate Public Transport Travel Behaviour Using Big Data Analytics” [5] https://www.questionpro.com/blog/passive-data-collection/ [6] Vikramaditya Jakkula, School of EECS, Washington State University, Pullman 99164: Tutorial on Support Vector Machine (SVM) [7] https://www.ibm.com/cloud/learn/unsupervised-learning [8] Rudra Pratap Deb Nath, Nihad Karim Chowdhury, Masaki Aono: “A Naïve Clustering Approach in Travel Time Prediction” [9] Baher Abdulhai1 ; Rob Pringle2 ; and Grigoris J Karakoulas3: ”Reinforcement Learning for True Adaptive Traffic Signal Control” [10] Ma X, Yu H, Wang Y, Wang Y (2015) Large-Scale Transportation Network Congestion Evolution Prediction Using Deep Learning Theory PLoS ONE 10(3): e0119044 https://doi.org/10.1371/journal.pone.0119044 [11]D Grêgôriô _S Toral T Ariza F Barrero R Gregor J Rodas M Arzamendia:” A methodology for structured ontology construction applied to intelligent transportation systems” [12] https://suckhoedoisong.vn/hon-9000-vu-tai-nan-giao-thong-xay-ra-trong-10-thang- daunam-2022- 16922111516550896.htm#:~:text=M%E1%BB%97i%20n%C4%83m%2C %20tr%C3% AAn%20th%E1%BA%BF%20gi%E1%BB%9Bi,do%20tai%20n%E1%BA %A1n%20gia o%20th%C3%B4ng [13] Thomas F Golob and Wilfred W Recker: “Relationships Among Urban Freeway Accidents, Traffic Flow, Weather, and Lighting Conditions” [14] Li-YenChang and Wen-ChiehChen: “Data mining of tree-based models to analyze freeway accident frequency” [15] DanyaBachir, GhazalehKhodabandelou, VincentGauthien, MounimEl Yacoubi , JakobPuchinger:”Inferring dynamic origin-destination flows by transport mode using mobile phone data” [16] ThomasLiebig, NicoPiatkowski, ChristianBockermann, KatharinaMorik:”Dynamic route planning with real-time traffic predictions” [17]Brian Ferris, Kari Edison Watkins – **Corresponding Author, Dr Alan Borning:”OneBusAway: Behavioral and Satisfaction Changes Resulting from Providing Real-Time Arrival Information for Public Transit” [18] Denis Ushakova , Egor Dudukalovb , Ekaterina Mironenkoc , Khodor Shatilad: “Big data analytics in smart cities’ transportation infrastructure modernization” [19] Zhongsheng Hou Yi Wang &Tao Tang: “Terminal iterative learning control based station stop control of a train” [20] Ali Jamshidi,Alfredo Núñez, Zili Li, Rolf Dollevoet: “Fuzzy Maintenance Decision Support for Treating Squats in Railway Infrastructures” [21] https://bigdataviet.wordpress.com/2015/08/08/hadoop-la-gi/ [22]https://www.facebook.com/legacy/notes/514714606074061/ [23] Hamzeh Khazaei , Saeed Zareian ,Rodrigo Veleda & Marin Litoiu: “Sipresk: A Big Data Analytic Platform for Smart Transportation” [24] Islam R Kamel, Hossam Abdelgawad & Baher Abdulhai: “Transportation Big Data Simulation Platform for the Greater Toronto Area (GTA)” [25] Giả Triều Long,Vương Hàn Ninh, Ngụy Lệ :”Study of Smart Transportation Data Center Virtualization Based on VMware vSphere and Parallel Continuous Query Algorithm over Massive Data Streams” [26] AndreLuckow and KenKennedy:”Data Infrastructure for Intelligent Transportation Systems” [27] Dongpo Zhang :” Big Data Security and Privacy Protection “ [28] https://www.ods.vn/tin-cong-nghe/luu-tru-du-lieu-la-gi.html ... Dựa hệ thống xử lý Dữ liệu lớn truyền thống, hệ thống truyền liệu thời gian thực quan trọng đề xuất ITS Guerreiro cộng Đề xuất kiến trúc ETL (trích xuất, biến đổi tải) cho hệ thống giao thông thông... thơng thơng minh (ITS), thấy nhiều dự án giới Hệ thống giao thông thông minh tạo lượng lớn liệu Dữ liệu lớn tạo có tác động sâu sắc đến việc thiết kế ứng dụng hệ thống giao thông thông minh, giúp... nhiễm môi trường.[1] Dữ liệu lớn trở thành trọng tâm nghiên cứu hệ thống giao thơng thơng minh (ITS), thấy nhiều dự án giới Hệ thống giao thông thông minh tạo lượng lớn liệu Dữ liệu lớn tạo có tác