适用范围：物联网，交通大数据，机器学习，智能交通，决策分析

1)研发了基于物联网的车载智能终端数据采集系统。基于北斗/GPS双模定位、RFID和视频监控等硬件平台，应用Android和Web等软件技术，面向公交车、出租车、长途客运和危险品物流等交通运输需求，研发了基于物联网的高精度车辆运行轨迹动态跟踪和车辆状态数据实时监测于一体的车载智能终端数据采集系统。该系统既有助于辅助交管部门进行车辆监控调度和管理，又有利于监管驾驶员驾驶行为是否安全。 2)构建了基于Hadoop的多源交通大数据可视化平台。该平台集成了公交车、出租车、长途客运和危险品车辆等数据，综合运用GIS、Echarts等图表技术实现了数据的动态可视化调度。为海量多源异构交通数据的快速存储和处理，建立了基于Spark并行计算和HDFS分布式存储的数据模型，融合多线程并行处理技术，优化了多处理过程的同步工作，有效提升了数据模型的训练效率以及数据存储和运算的速度。 3)提出了基于机器学习的交通态势感知与预警技术。对多源车载GPS异构数据进行预处理，采用TensorFlow框架给出DNN和LSTM两种深度学习算法，结合大数据平台并利用Spark并行计算挖掘不同交通行业应用场景的因果关联知识库，根据实时数据预测交通态势和变化趋势，预警交通系统异常情况。具体包括：面向所有车辆的行程时间预测、面向出租车的运力时空分布预测、面向公交的到达时间预测、面向公交车的能耗和客流匹配时空分布、面向长途客运和危险品物流的安全运行时空分布等。 4)实现了面向大数据的智能交通决策分析技术。将大数据平台与交通模型结合，设计了包括面向交通拥堵指数的交通组织与优化、面向实时交通的居民出行诱导、面向出租车的运力调配、面向公交车的运行计划调整以及面向长途客运和危险品物流多发事故点识别与决策分析等模型，根据交通态势感知结果及时制定和实施交通改善措施，研发了"畅行南通APP"，以智能优化交通拥堵、处理交通事故、路段安全等问题，促使城市交通走上健康、高效的运行轨道。