DT浪潮下，大數據在交通管理中的應用實踐

作者 | 侯長林，海頤軟體智能交管產品部經理、濟南交警科學研究所大數據架構師

非常榮幸有機會給大家分享一下我們在智慧城市、智慧交通方面的大數據應用案例。今天為大家演講的題目是《大數據環境下的交通管理》，主要包括以下三個方面：

第一：交通管理現狀以及我們在交通管理領域所面臨的一些問題；

第二：作為問題主要面臨的單位，我們的解決思路；

第三：分享幾個典型案例。

一、交通管理現狀及問題

現在的交通管理的現狀，主要是分成兩大體系：

第一大體系：交警行業

包括做車輛和駕駛人的全生命周期管理、道路安全管理、交通秩序的整治、管理以及疏導，違法以及事故的處理、預防等。這是公安這條線上，公安交警行業所要管理的。

第二大體系：交通局

交通局管理的主體有道路建設、路政管理、水路管理。公路局作為交通局的一個單位，主要負責公路建設、公路養護、規費徵收還有路政管理等。這涉及交通管理整個領域，是多個單位共同進行管理的。

公安交警作為管理的主體，主要管理人與車以及人駕駛車在道路上面對的事情。目前，全國駕駛員有3.68億，

全國的機動車已經突破了3億，山東省有2300萬輛，整體增長率在7%左右。濟南有193萬，同比增長14.25%，遠遠高於全國的整體水平。

道路通車裡程，全國有469.63萬公里，山東省佔到1/18，有26.6萬公里。濟南作為全國道路交通的樞紐，包括鐵路樞紐、公路樞紐，交通管理領域有很大壓力。在這種情況之下，我們面臨哪些問題呢？

交通擁堵是我們面臨的首要問題。昨天，高德聯合幾個權威機構發布了全國交通擁堵的延時指數，單從這個指標來看，濟南市交通延時指數達到了2.136，已經代替了北京成為了首堵。

其次是交通事故頻發。2017年第一季度，我們通過122接警平台、泉城行+App、103.1車主服務廣播、公共服務平台、保險行業等各個大數據平台，收到了包括大小事故49503起數據，這些事故主要集中在市區。

第三方面是交通違法激增。2017年一季度發生130.9萬起，同比增長18.72%，增長率非常高。我們推測，可能是隨著信息化、抓拍違法、智能化等技術手段不斷提升，發現了很多以前沒有發現的違法行為；隨著車輛保有量和通車裡程增加，這個數據會隨之逐年增加。

二、我們的解決思路

以上談了我們面臨的現狀和問題，以下是我們的解決思路：

第一：信息化、智能化；

依靠大數據手段，提升我們信息化的聯動水平、智能化水平，包括後續的智能化決策，準確的事故預防，以及精確違法打擊幾個方面。

第二：互聯網+、移動化；

現在每個行業，包括製造業、傳統行業、政府，都脫離不了互聯網，因為每個人和互聯網移動化越來越緊密了。

第三：管理向服務轉變；

作為交通管理部門，不能單純作為管理部門，要逐漸向服務部門去轉變，和人民站在一個體系裡面。互聯網移動化與我們從管理到服務的轉變是息息相關的。

要做到這以上三大方向，有三個關鍵點：

第一：做好信息融合

1）信息融合也就是融合內外部的信息：包括我們交警內部數據、公安的數據、保險的數據以及包括互聯網現在滴滴、百度、高德所發布的一些公開數據；

2）數據融合還要有統一數據標準：不同平台、不同單位的數據，需要有一個統一數據標準為我們平台所用，為我們去做分析；

3）有了統一的數據標準，就能打通很多行業和企業之間以及和政府之間的信息孤島

4）數據質量：在很多傳統行業裡面，數據質量相對比較低。包括現在智能化的設備、智能化抓拍設備、卡口等，這些時鐘是否準確，抓拍數據識別率是否夠高？數據質量問題，需要我們進行解決。

第二：協同共享

實現交警內部，或者交通管理部門內部的不同應用，包括行業外的協同共享。我們會提供給交通局以及社會徵信單位個人的交通徵信數據，會提供給互聯網公司，去提高車輛的道路通行效率。

在協同共享裡面，目前所面臨的是信息安全和增強隱私保護等問題。我們在濟南做大數據行業內、行業外與信息共享這塊，會對所有數據做公共的動態脫敏和動態加密的處理，來保護信息安全和增強隱私保護。

第三：精準決策

有了信息融合和協同共享，最終目標是想要實現精確決策，因為數據是要為決策做依據的。

決策第一是精準決策，科學治堵；第二是準確實施事故預防；第三是精確打擊交通違法；第四是個性提供公眾服

接下來將圍繞以上這幾個關鍵點，分享一下我們在這幾點上是怎麼做的。

在信息融合這一塊，最開始提到了大數據平台。大數據並不等於Hadoop，Hadoop只是大數據平台裡面的一種技術實現方式，裡面還有MPP、NoSQL資料庫等。我們現在使用的永洪科技的後台是用了一個MPP資料庫，這也是屬於大數據的一部分。

信息融合過程，最左側是數據源，中間有數據統一接入平台，然後是數據質量管理平台，這兩塊主要組成了我們的數據治理平台，然後把各行業數據做一個統一標準，對數據進行清洗轉換，也就是ETL的流程，從而提升數據質量。

之後進入實時數據處理引擎，最後進入交通管理信息數據倉庫，以及模型演算法庫作為一個公共組件，這三部分成為基礎能力層。再往上是公共資源服務組件，裡面有可視化工具，數據探索工具，交互處理引擎，資源分級管理，數據脫敏加密，計算能力共享。這些保證可視化、交互能力的共享，以及保證我們數據的安全。

關於數據可視化以及數據探索工具，在濟南我們做架構設計的時候，選擇Yonghong Z-Suite做我們的工具。因為它有兩個特點，比較適合我們現在的應用場景：

1）特點一：數據可視化

在數據可視化領域內，國內的廠商裡面，我認為永洪科技的性價比比較高，它的界面，交互性，友好度是行業內比較領先的。

2）特點二：數據探索工具

永洪提出「釋放數據價值，人人都是數據分析師」這一概念，正好契合了我們現在的思路。目前公安以及交警設立了情報部門，他們是依據我們的數據還有自己的想法去探索、去挖掘裡面的東西。因此，我們利用永洪科技的工具，構建後台模型，然後提供給他們構建好的工具，他們通過自己的拖拽式操作，得到自己想要的數據。

以上就是我們的數據融合和共享。

三、案例分享

下面我們做幾個案例分享：

案例1：精準決策，科學治堵

第一：分析原因

對於擁堵現狀，有很多方面的原因。我們提出「側重某個重點原因，去集中治理。後來發現擁堵現象主要集中在市區。隨後我們就分析，產生這個擁堵的原因是什麼呢？隨後發現是由於事故和交通違法所造成的，也就是交通秩序不規範。然後我們從重點違法出手，分析這些重點區域，重點交通違法就是違停；違停侵佔了非機動車道；非機動車把道路佔領了，這樣道路通暢度就降低了。

第二：制定策略

根據上一原則，我們在市區新增了20條違停道路，增加了停車違法的查處力度。

第三：跟蹤執行

通過我們制定的策略，然後發布到每一個指揮中心，是否按照我發布的計劃去執行，執行的效果如何，都顯示在我們的大數據平台裡面，一目了然。

第四：效果分析

濟南交警科研所是一個開放性思維的單位，它現在和滴滴、百度、高德都有數據交互和信息共享。下圖是高德在2017年第一季度發布的，我們設置市區裡面禁停道路有很多實現了提升。雖然現在濟南還很堵，但是我相信在不久的將來，擁堵的治理情況會逐漸好轉。

案例2：交通配時優化

全國有很多地方在做交通配時，我們現在也在做一些嘗試。通向火車站的明湖西路和明湖北路，我們做了一些優化，然後通過視頻檢測，檢測路口實時流量以及交通狀態，加上外圍數據包括卡口數據、互聯網數據，做了從點到線再到面的協調。

實現到點這個步驟之後，進入了實時調節信號燈的周期，然後減少路燈的空放時間，提高道路路口車輛通行效率

案例3：精準實施事故預防措

事故的發生有很多不確定性，從而造成我們在交通管理部門指揮決策的時候，不知道如何去做。後來我們通過整個體系，從源頭進行數據採集。指揮中心在接警的時候會做對現場的信息進行採集，然後派民警到達現場，處理事故的同時將現場環境信息以及現場隔離、綠化帶、照明條件等條件下的信息，全部採集到大數據平台來。

之後，結合事故車輛和當事人的信息，對他的交通違法、交通行為，以及描述的一些標籤，把這些數據放到我們「交通事故時空特徵預警分析模型」當中，結合事故預防措施庫，制定好措施，推送到我們的指揮中心；告訴指揮中心具體在哪個路口查什麼車，在哪個路口設置交通護欄等一些具體措施。

根據措施的制定，最後會有一個效果的跟蹤，同樣環境下，這個地方當採取措施之後，同類事故發生的效果怎麼樣，以便後期我們制定出精準化的事故預防措施。

案例4：精確打擊交通違法

我們發現交通違法越來越呈現知識化，也就是說這些違法人員越來越聰明了。為防止此類情況，我們對每一個人會有一個精確的刻畫，通過他的行車軌跡、電子眼抓拍數據、「泉城行」+App、公眾服務平台等數據，放到「車軌時空聯控模型」裡面。這個模型會通過數據畫像，會判斷車輛是否是套牌。如果是套牌車，它會輸入到我們智能交通管控平台，也就是說這個平台是我們大數據平台的布控模塊。最後，結合濟南市現在成立的快速反應騎警隊，迅速布控。對交通違法駕駛人這塊，我們通過畫像數據生成黑名單，通過人臉識別，最後查證，進行布控，最後抓獲。

例如下圖，傳統查處車輛是我們先查看車輛信息，然後核實開車的人；而現在，我們通過人臉識別，判斷此時開

案例5：個性提供公眾服務

現在濟南對於公眾服務推出了一個公眾服務平台，包括「泉城行」+App、微信公眾號。我們現在後台是通過大數據支撐，以及互聯網數據，做到交通違法的隨時查詢、違法繳納、快速便捷、諮詢發布以及聽取對我們的訴求和投訴等。交通快處、關鍵信息推送、就是個性化推送，以及電子抓拍的預警提醒。現在我們想努力把重點路口實現違章停車，在10分鐘內給大家發布預警提醒。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！