本发明涉及交通系统领域，特别的涉及一种基于大数据的智能交通系统。
背景技术：
现在，随着社会的发展，人们的出行越来越依附于交通工具，私有车辆的大量投入使用，使得城市交通越来越拥堵，特别是大中城市，均会在节假日、重要活动以及早晚的出行高峰，城市的交通会陷入瘫痪。
虽然政府也在大力投入对城市交通进行改造，但是现在还没有一个切实可行的方法来合理的改善交通拥堵问题。
技术实现要素：
为了解决上述技术问题，本发明提供了一种基于大数据的智能交通系统，其包括了总服务器和多个监控器，总服务器通过网络连接多个监控器，每个监控器具有id信息，监控器包括高清摄像头、图像识别模块、控制系统，高清摄像头对车辆牌照进行拍摄，图像识别模块对获取的车辆牌照进行识别；控制系统将获得的车牌信息、时间信息、id信息发送给总服务器；总服务器对多个监控器上采集的数据进行存储和计算，形成车辆运行轨迹图，存储记录，并分析该车辆规律性的运行轨迹。
优选的，所述总服务器通过网络连接车用导航系统，所述车用导航系统将行车路线图传送给总服务器或车用导航系统的服务器端将行车路线图传送给总服务器。
优选的，所述总服务器将车用导航系统上的行车路线图与车辆实际运行轨迹图进行比对分析，对当前车用导航系统与车辆的关联性进行匹配。
优选的，经过关联性匹配的车辆所使用的行车路线图作为当前车辆的行进路线的预判标准，对其出现在各个位置的时间点进行预判。
优选的，当监控器再次拍摄到车辆时，将其与记录在总服务器端的该车辆规律性的运行轨迹进行比对分析，并预判该车辆的行进路线及其出现在各个位置的时间点。
优选的，总服务器同时对多个车辆进行预判和跟踪，并即使调整，从而计算出，各条线路上，各个节点、时间车辆的通行量和通行速度。
优选的，其还包括客户端，所述客户端与总服务器相连，并从总服务器上获取当前和未来的各个路线上的交通状况图。
优选的，其还包括红绿灯控制系统，所述红绿灯控制系统与总服务器相连，总服务器经过计算预判各线路的交通状况后，依据计算来自动调整红绿灯时间。
本发明还提供了另一种基于大数据的智能交通系统，其包括了总服务器和多个监控器，总服务器通过网络连接多个监控器，每个监控器具有id信息，所述监控器包括微波天线和控制系统，微波天线用于识别车载电子标签，从而获取车辆信息；控制系统将获得的车牌信息、时间信息和id信息发送给总服务器；所述总服务器对多个监控器上采集的数据进行存储和计算，形成车辆运行轨迹图，存储记录，并分析该车辆规律性的运行轨迹。
本发明利用大数据采集，纪录车辆的日常行进路线，并寻找规律，从而可以对整个城市体系的交通运行做有效的监控和预测。
附图说明
图1为本发明总服务端数据采集的示意图。
具体实施方式
现结合图1对本发明进行详细阐述。
本发明提供的一种基于大数据的智能交通系统，其包括了总服务器（或者如图1中所称的云服务器）和多个监控器，总服务器通过网络连接多个监控器，每个监控器具有id信息，所述监控器包括高清摄像头、图像识别模块、控制系统，高清摄像头对车辆牌照进行拍摄，
图像识别模块对获取的车辆牌照进行识别；
控制系统将获得的车牌信息、时间信息、id信息发送给总服务器；
总服务器对多个监控器上采集的数据进行存储和计算，形成车辆运行轨迹图，存储记录，并分析该车辆规律性的运行轨迹。
优选的，当监控器再次拍摄到车辆时，将其与记录在总服务器端的该车辆规律性的运行轨迹进行比对分析，并预判该车辆的行进路线及其出现在各个位置的时间点。
城市中的交通拥堵问题，一般是由于早晚上下班高峰，开车上下班的人们很多时候是沿着固定的路线来行进的，总服务器可以根据每辆车运行轨迹图，进行归纳分析，总服务器可以通过大数据分析，归纳出某个时间点从某个地点开出的车拟行走的路径，并且随着时间的推移，数据分析的准确率越高。
譬如：某辆车，周一到周五早上8点出门，9点到公司；18点公司出发，19点到家；一周会不固定的在20:00左右去一次超市等。
当某个周四早上7点50分小车开出小区门口，会被设置在小区门口的监控器抓拍到，总服务器按照原先此辆车规律的运行轨迹，再结合当前交通状况、整体道路的车流速度等，测算出车辆接下来某个时间点到某个地点，譬如8点15分的时候应该出现在某个地点。
按照此方法，总服务器汇总所有在路上的车辆，可以计算出未来的道路运行情况，交管部门可以依据大数据进行合理的处置。
本发明中，除了在道路上，应该在各个小区门口、工作单位门口布制监控器。这样车辆从第一时间出来就可以开始全程监控。
监控器上设置有流量计；还可以额外设置车速监控装置，分别用来测量道路车流量和当前时段的车辆总体运行速度。
优选的，总服务器通过网络连接车用导航系统，车用导航系统将行车路线图传送给总服务器或车用导航系统的服务器端将行车路线图传送给总服务器。
车辆行驶的时候，一种是按照熟悉的固定路线行驶，当需要去新的目的地时候，现在很多人使用导航，导航的设立后，其路径一般非常明确，此时不需要总服务器去预判，只需要根据导航数据进行跟踪即可。将导航数据接入后，能更加精确的显示当前和未来的路况。
优选的，所述总服务器将车用导航系统上的行车路线图与车辆实际运行轨迹图进行比对分析，对当前车用导航系统与车辆的关联性进行匹配。
由于导航数据很多时候并不绑定车辆，因此导航数据中并没有车辆信息，需要总服务器将车辆实际运行轨迹图与车用导航系统上的行车路线图进行比对，经过比对后，总服务器确定车辆信息，而后将当前车用导航系统与车辆的关联性进行匹配。
如果导航数据事前已经与车辆信息绑定（如通过手机注册过），则总服务器只需要进行验证匹配即可，也可以直接使用导航数据，后续根据车辆实际运行轨迹图进行修正。
优选的，经过关联性匹配的车辆所使用的车用导航系统的行车路线图作为当前车辆的行进路线的预判标准，对其出现在各个位置的时间点进行预判。
优选的，总服务器同时对多个车辆进行预判和跟踪，并即使调整，从而计算出，各条线路上，各个节点、时间车辆的通行量和通行速度。
优选的，其还包括客户端，所述客户端与总服务器相连，并从总服务器上获取当前和未来的各个路线上的交通状况图。可以及时调整路线，总服务器监控到路线调整后，重新预测规划。
优选的，其还包括红绿灯控制系统，所述红绿灯控制系统与总服务器相连，总服务器经过计算预判各线路的交通状况后，依据计算来自动调整红绿灯时间。
依据大数据计算出来未来时段的交通情况，可以及时调整红绿灯的控制，引导车辆调整路线，保持交通畅通。
实施例二
与实施一相同部分，此处不再展开描述。
本实施例中提供，一种基于大数据的智能交通系统，其包括了总服务器和多个监控器，总服务器通过网络连接多个监控器，每个监控器具有id信息，其中与实施例一不同的是，监控器包括微波天线和控制系统，微波天线用于识别车载电子标签，从而获取车辆信息；
控制系统将获得的车牌信息、时间信息和id信息发送给总服务器；
总服务器对多个监控器上采集的数据进行存储和计算，形成车辆运行轨迹图，存储记录，并分析该车辆规律性的运行轨迹。
与实施例一相比，区别特征在于，使用了微波技术对车辆进行检测，效率更高。
与实施例一相同的，其能实现本发明的目的。