面向智能交通的大数据异构并行处理方法研究

At present, the development of urban transportation in China is at a critical historical stage where challenges and opportunities coexist. On the one hand, with the rapid development of urbanization, urban traffic congestion is intensified and pollution is serious, and it faces severe challenges. On the other hand, China's cities are in the period of urban development in the old city reconstruction and new city construction, which is the good time for constructing intelligent transportation system. Using effective artificial intelligence technology to obtain valuable information and knowledge from massive traffic data is one of the core issues in the current intelligent transportation system. Different from traditional big data processing, the big data processing process for intelligent transportation is complex, and requires algorithms such as general big data processing, machine learning and deep learning, and the computing power is high. This project intends to research, design and develop heterogeneous parallel big data processing methods and platforms for intelligent transportation based on CPU + GPU heterogeneous platforms, integrating big data memory computing and artificial intelligence processing platform, providing theoretical guidance and platform supports for big data processing in intelligent transportation area. Based on this platform, this project intends to design and implement intelligent identification for large-scale traffic videos and intelligent forecasting for traffic states , in order to meet the strong demand of China's intelligent transportation system, and provide favorable support for abnormal detection and prediction, path planning and operation management of transportation system.

当前我国城市交通的发展处于挑战和机遇并存的关键阶段。一方面，随着城镇化的快速发展，城市交通拥堵加剧、污染严重，面临着严峻挑战；另一方面，我国城市处在老城改造、新城建设的城市大发展时期，是实现智能交通的最佳时机。采用有效的人工智能技术从海量交通数据中获取有价值的信息和知识，是当前智能交通系统所面临的核心问题之一。与传统大数据处理不同，面向智能交通的大数据处理过程复杂，需要普通大数据处理、机器学习和深度学习等协同配合，对计算能力的要求高。本项目拟研究和开发面向基于CPU+GPU异构平台的，融合大数据内存计算和人工智能处理平台的，面向智能交通的大数据异构并行处理方法与平台, 为面向智能交通的大数据并行处理提供理论指导和平台支撑。并基于此平台设计和实现大规模交通视频智能识别、交通状况智能预测应用，以期满足我国对智能交通系统的强大需求，为交通系统的异常检测与与预测、路径规划、运营管理提供有利支撑。

当前我国城市和城市交通的发展处于挑战和机遇并存的关键历史阶段。一方面，随着城镇化、机动化的持续快速发展，城市交通拥堵加剧、污染严重、事故频发，面临着严峻挑战；另一方面，我国城市处在老城改造、新城建设的城市大发展时期，是实现生态城市、智能交通、绿色交通的最佳时机。随着国内信息技术的和交通系统的发展，采用有效的人工智能技术从大数据中获取抽象信息并将其转换为有用的知识，是当前智能交通系统所面临的核心问题之一。另一方面，与传统大数据处理不同，面向智能交通的大数据处理过程复杂，需要普通大数据处理、机器学习和深度学习等协同配合，对计算能力的要求高。..主要开展了如下研究。（1）本文深入研究了深度学习在智能交通中的应用，主要包括 基于深度学习的交通状况智能预测、基于深度学习的列车故障智能检测两个方面。（2）研究和开发面向基于CPU+GPU异构计算资源的面向智能交通的大数据异构并行处理方法与平台, 为智能交通的大数据并行处理提供理论指导和平台支撑。并基于此平台设计和实现大规模交通视频智能识别、列车故障检测应用，为交通系统的异常检测与与预测、路径规划、运营管理等提供有利支撑。相关算法与原型平台的相关成果共发表了9篇ACM/IEEE Transactions论文，2篇CCF A类会议论文。