大數據視角下駕駛員安全管理與教育策略探索

孫樹峰，鄭偉進，傅正杰

（上海公安高等專科學校， 上海 200137）

大數據視角下駕駛員安全管理與教育策略探索

孫樹峰，鄭偉進，傅正杰

（上海公安高等專科學校， 上海 200137）

在道路交通系統中，人是最為核心的因素；在道路交通安全方面，駕駛員起著決定性的作用。伴隨著車輛的逐漸增多，駕駛員隊伍也在日益壯大。駕駛作為一種準職業技能，具備安全管理與教育的需求。近年來，全國公安交通管理部門圍繞中心工作，基于大數據技術，以提高動態化、信息化條件下駕馭道路交通安全局勢能力為核心，堅持對駕駛員的違法行為依法治理、系統治理、科學治理、源頭治理，取得了較好成效，道路交通事故穩中有降。目前，上海道路交通管理大數據平臺正在建設與完善中，而對接城市道路交通管理大數據的應用，提高對機動車駕駛員的管理水平，為上海城市交通安全管理工作提供信息化、現代化的新型平臺，開創上海道路交通安全管理工作的新局面，是一個嶄新的課題。

大數據；駕駛員；道路交通；安全管理；教育策略

隨著互聯網和信息技術的普及與發展，數字化運作成為各行各業的必然要求。互聯網上的數據正以前所未有的速度在不斷地累積和沉淀，各行各業甚至于政府各機構都已經開始密切關注大數據，應該說大數據是互聯網發展到一定階段的必然產物。互聯網用戶的互動，政府和企業的信息發布，物聯網傳感器感應的實時信息，時刻都在產生大量的結構化和非結構化數據，這些數據分散在整個互聯網體系內，其體量極其巨大。這些數據中蘊含了對政治、經濟、社會及交通科技等領域非常寶貴的信息資源，對其中大數據的研究就是通過數據挖掘、知識發現和深度學習等方式將這些數據整理出來，形成有價值的數據產品，提供給政府機構、企事業單位和互聯網個人用戶使用與消費。

機動車駕駛員交通違法（如超速行駛、疲勞駕駛、客車超員等）是造成交通事故的主要原因。因此，要減少由于駕駛員因素而發生的交通事故，需要對駕駛員進行有效的交通安全管理與教育，提高行車安全意識，減少超速行駛、疲勞駕駛。在2016年上海交通大整治開展的半年時間里，上海警方利用大數據開展交通管理與執法工作，顯著地提高了執法的效率和對機動車駕駛員的管理。對于交警平時在執法中不易發現的駕駛員“輕微”違法行為也被大數據“糾”出。目前，上海道路交通與路政管理大數據平臺正在建設與完善中，如何對接城市道路交通管理大數據應用的“快車”，為上海城市交通安全管理工作提供信息化、現代化的新型平臺，開創上海道路交通安全管理工作的新局面，我們在此進行一些簡單的論述。

一、大數據揭示了公安機關對機動車駕駛員強化管理與教育的必要性

在道路交通“三要素”中，人的因素至關重要。道路交通安全管理對象就是作為交通參與者的人，對機動車駕駛員的安全管理與教育要融入各項交通管理業務，并且要貫穿始終。

1．機動車駕駛員的職責和違法數據要求公安機關要對其強化管理與教育。自從人類社會進入汽車時代以來，人類就開始陷入一場永無休止的交通事故的“戰爭”。尤其在發展中國家，人的交通行為素質、道路環境的交通條件與快速發展的機動化程度之間的矛盾尤為突出，導致了發展中國家的交通事故率一直持續居高不下。世界衛生組織在2004年就提出了世界道路交通事故受傷的研究報告，并將該年的衛生主題日命名為“道路交通安全日”，隨后在2010年又提出了發展中國家道路交通安全十年行的交通安全計劃，旨在改善這些國家和地區的交通安全狀況。縱觀道路交通安全問題的形成原因，無論是國外學者的觀點，還是我國公安交通管理部門的業務統計數據，都不無例外地指出人的過錯或者失誤是道路交通事故形成的主要原因，至少占到了70%以上。對于交通參與人，又可以細化為行人、機動車駕駛員和其他交通參與主體。考慮到道路交通事故中的機動車及其駕駛員相對主體性的強勢地位，因此，從道路交通安全法的角度而言，機動車駕駛員理應承擔更多的安全注意義務。再者，機動車駕駛員群體出于一種工作或交通出行的需求，他們與行人相比有更多的時間存在于路面上，造成交通事故的時間概率、空間概率都會大大增加。因此，強化機動車駕駛員的安全管理、創新安全管理內容與方法都處于十分重要的地位，它也是一項道路交通安全管理的基礎性工作。

2．機動車數量的快速膨脹要求公安機關要對駕駛員強化管理與教育。目前，我國機動車保有量已經突破3億輛，其中汽車2億輛；駕駛員超過3.3億人，其中汽車駕駛員2.8億人。按照國際百戶擁有汽車數量標準，我國已進入汽車社會。據專家預測，到2020年，我國的汽車將由現在的2億輛增加到2.5億多輛，當汽車達到3億輛的時候才會進入平穩期，在此之前，機動車、駕駛員保有量仍將持續大幅增加，機動車每年增加1500萬輛，駕駛員每年增加2000萬人。目前，我國公路里程約600萬公里，其中高速公路里程約15萬公里。到2030年，交通需求量、主要通道交通流量將增長3至4倍。

3．上海公安機關的實踐確認了對駕駛員強化管理與教育的必要性。2016年7月，上海警方基于大數據的“電子警察違法抓拍即時告知系統”正式啟用，“電子警察”抓拍到的交通違法行為可即時通過短信方式告知車主。2016年8月，上海警方利用大數據的固定“電子警察”開始抓拍“開車打電話”的違法行為，對此類違法的駕駛員給予記2分、罰款200元的教育處罰。除了開車打手機，看微信、吃東西、不系安全帶等妨礙安全駕駛的行為，也逐步被納入電子警察大數據的監控范疇。上海外環內禁止駕駛員鳴號的規定已經實施了多年，但基層民警表示有時會遇到執法難以認定的情況，目前基于大數據技術的“違法鳴號現場查處輔助系統”，已經在靜安、浦東部分地段試運行。今后對于駕駛員亂鳴號這樣的指認難、取證難的違法行為，也將用大數據電子警察進行監控。這套系統綜合利用基于大數據聲納陣列檢測的聲源定位、視頻檢測等技術，可對監控區域的機動車違法鳴號進行實時采集。僅2016年9月21日到9月23日，這套大數據系統在延安中路、華山路捕獲到機動車駕駛員違法鳴號行為204起，平均每小時約3.5起。此外，寶山交警利用道口高清探頭結合大數據技術，布置了一張“城市道路交通緝查網”，緝查涉嫌交通事故逃逸駕駛員、逾期未年檢的車輛及涉嫌假套牌的車輛駕駛員。

4．全國公安機關的警務經驗也證實了對駕駛員強化管理與教育的可行性。近年來，全國公安交通管理部門圍繞中心工作，以提高動態化、信息化條件下駕馭道路交通安全局勢能力為核心，堅持依法治理、系統治理、科學治理、源頭治理，取得了較好成效，道路交通事故穩中有降。與此同時，擺在公安交通管理部門面前的是一系列尖銳的矛盾：快速增長的車輛、機動車駕駛員與有限道路資源之間的矛盾，快速機動化、群眾安全意識不高、綜合治理體系缺乏與交通安全之間的矛盾，人民群眾日益增長的交通服務需求與供給不足的矛盾，繁重的交通保障任務與警力嚴重不足之間的矛盾。面對這些問題，傳統的靠拼警力、注重一定時期的集中整治以及粗放的管理已無法適應形勢發展的需要，公安交通管理部門的管理理念、管理思路有待轉變，管理手段、管理方法有待改進，管理能力、管理水平有待提高。在當前大數據時代，不斷提高公安交通管理部門信息化水平，是實現公安交通管理智能化、科學化、現代化的客觀需要、現實選擇和必由之路，也是服務人民群眾的最優手段。

二、城市道路交通管理大數據對駕駛員管理與教育的應用范疇

目前，城市道路交通管理大數據應用系統主要有兩類：機動車緝查布控系統和大數據統計研判平臺。機動車緝查布控系統可以在城市設置多個綜合運用卡口，系統每日記錄車輛圖片信息，信息內容包括車輛號牌、是否年檢、違法記錄次數、是否為假牌套牌、黃標車、限行貨車、交通事故逃逸等海量信息。大數據統計研判平臺通過整合“六合一”系統、機動車駕駛員考試監管系統、全國機動車稽查布控系統數據，實現對車駕管、交通違法及事故處理的預警和監管。可以說，大數據平臺可以成為對機動車駕駛員和機動車管理、監督的有力推手。我們可以在現有的交通管理大數據平臺的基礎上，增加數據內容和應用功能，以實現采集關于機動車駕駛員和機動車輛的較多信息，包括車駕管、交通違法、事故處理等；同時，還可以運用大數據平臺加強對機動車駕駛員的安全管理與教育。

1．對客運、貨運、危化品運輸、工程車運輸、校車等職業駕駛員相關信息的統一管理。公安機關交通管理部門要充分采集職業駕駛員的所在工作單位、行駛路線、駕齡、交通違法、交通事故、運輸班次等情況信息，要根據營運證、勞務合同等憑證進行核對和及時變更，確保信息準確。這一信息采集需要交通、教育、企業等相關部門密切合作，資源共享。再通過大數據平臺分析、研判，可以對該職業駕駛員的駕駛狀態進行較為準確的評判和預測。從而進行針對性很強的交通安全宣傳教育，并且做到對該職業駕駛員的持續跟蹤教育。

2．對車輛行駛軌跡的采集。不論是營運車輛、公務用車，還是私家車，公安機關交通管理部門要充分采集其行駛的路線情況信息，經大數據平臺歸納、分析、預測可得出一定的規律，根據其行駛路線規律便可找到行駛概率較大的出行道路，我們可根據其行駛道路的具體情況進行交通安全宣傳和提醒。

3．建立機動車駕駛員及在駕駛員名下的私家車完整的電子檔案。這一檔案將跟隨駕駛員所有駕齡階段和車輛的使用階段，不斷更新完善，使人和車的電子檔案處于實時準確狀態，包括基本信息、交通違法、交通事故、車駕管業務辦理、行駛路線、職業駕駛員的班次時間等內容。如果條件允許，公安機關交通管理部門可將大數據的分析、預測信息端口按屬地化原則，接入各交警大隊，由大隊按照交通管理的統一要求，對駕駛員進行點對點的安全管理與跟蹤安全教育。

4．拓展大數據平臺云計算應用功能，實現輿情監測。公安機關交通管理部門通過對互聯網站、論壇、微信、微博等有關信息的抓取和分析，實現對輿情的監測功能。對輿情的監測、預警將有助于我們提前做好應對輿情的準備，能較為準確地鎖定宣傳對象和內容，極大地提高應對宣傳的針對性和有效性。交通管理方面的輿情往往也是與駕駛員、車輛有關的輿情，妥當地應對輿情，有助于維護文明和諧的交通安全宣傳氛圍，從而更好地加強對機動車駕駛員的宣傳教育。目前，山東省濟南市公安系統的大數據平臺，已實現了輿情分析等多種大數據研判，為指揮決策、情報分析、研判提供了有力支撐。

三、利用大數據對機動車駕駛員開展交通安全管理與教育的策略

利用大數據平臺對機動車駕駛員進行安全管理與跟蹤教育，就是改變傳統的“一鍋煮”的交通安全管理與宣傳教育模式，實現以“點對點”為主的交通安全管理與宣傳教育模式。針對每類或每個機動車駕駛員的具體情況，安全管理與宣傳教育內容量身定做，安全管理與宣傳教育方式應人應地制宜，以最強的針對性，實現最大的安全管理與宣傳教育效果。

1．對職業駕駛員的交通安全管理與安全跟蹤教育。利用大數據平臺，及時獲取職業駕駛員群體及個人的行車情況信息和預警，進行安全管理與跟蹤教育。例如，對大型工程運輸車的駕駛員群體，大數據平臺通過獲取完整、最新的工程運輸車輛駕駛員信息，利用大數據研判和預測，警方能及時知道哪些線路有幾輛無牌、套牌、遮擋號牌等違法車輛，發展趨勢是否為該線路違法工程運輸車繼續增加。這種情況容易發生在剛剛開始施工的建筑工地，若大數據平臺給警方的預測是違法工程運輸車將會增多，警方就可以采取對施工方上門召集駕駛員進行法制教育等宣傳教育辦法，同時，采取集中警力對這一地帶進行專項整治、聯系建筑管理部門下整改通知單等相關措施。交警在整治過程中，將查處到的交通違法信息錄入該駕駛員的大數據平臺個人檔案。當該駕駛員更換運輸單位，同時也更換了駕駛的大型運輸車時，大數據平臺自動將以前的交通違法情況進行分析研判，若所得出的結論是有再次違法的可能，此時我們就可以對該駕駛員進行交通安全跟蹤教育了，還可以通過發短信提醒的方式進行教育或是通知其所在的運輸單位對駕駛員加強管理等。

同理，警方還可以對客運車、公交車、出租車、校車、貨運車等職業駕駛員有針對性地進行安全管理與跟蹤教育。大數據平臺建立的駕駛員個人交通檔案將及時預測某群體或個人所需加強的安全管理與宣傳教育，為交通安全宣傳“點對點”跟蹤教育提供巨大的支持。

2．對私家車駕駛員的安全管理與跟蹤教育。對于私家車駕駛員的安全管理與跟蹤教育，我們可以通過對其交通違法行為、交通事故責任認定等情況的分析與研判，預知其再次發生交通事故與違法的可能性，從而通過各種方式及時對其進行教育與提醒。

（1）按交通違法行為進行分析與預警。如，某機動車駕駛員在上下班的行駛路線中，多次存在違反交通信號燈、跨越實線等不遵守交通標識、標線的違法行為，大數據平臺在對此人的違法行為信息進行抓取和分析后，將做出預判——此類違法行為將繼續發生。我們借助大數據平臺獲得的預警信息就可以對此駕駛員采取發短信、聯系所在單位加強安全管理與教育等方式進行“點對點”的教育管理。而在同一單位的駕駛員有相當一部分產生了交通出行預警，我們就可以聯系單位組織這些駕駛員通過集體交通安全授課、講座等方式開展宣傳教育工作。

（2）按發生交通事故的情況進行分析與預警。如果在某一路段或路口某種違法行為與交通事故發生較多，這類信息被大數據平臺及時抓取和分析研判，它就會發出預警，提醒我們去查找原因、做好安全管理與宣傳警示工作。

私家車車主是數量最大的一個駕駛員群體，我們通過大數據平臺可以實現對這個群體海量信息的有效利用，及時發現安全管理與宣傳教育工作的薄弱環節，以“點對點”為主要方式實現有效的交通安全管理與宣傳教育。

3．對重點駕駛員、重點車輛所有人的安全管理與宣傳教育。目前，我們把小型客車、旅游大客車、危險品運輸車、校車、中型面包車和貨車中長期逃避監管、逾期不參加安全技術檢驗、安全性能不符合技術標準的車輛列為重點車輛；把小型客車、旅游客車、危險品運輸車、校車、中型面包車和貨車駕駛員中逾期不參加審驗的駕駛員列為重點駕駛員。如果大數據平臺用于交通安全管理與安全宣傳教育，大數據將自動研判出可能成為重點駕駛員和重點車輛的具體信息，并進行預警，我們則可及時對這一群體進行安全管理與警示教育，最大程度地制止駕駛員成為重點駕駛員、車輛成為重點車輛。

大數據平臺對機動車駕駛員交通安全管理與安全宣傳教育的作用和成效是勿庸質疑的，但大數據平臺必須擁有完整、及時的人、車、路的基礎信息，就目前情況來看，我們離這些要求還有一定的距離，這還需要我們做大量的工作來實現數據的完整性。在此，我們希望城市道路交通管理的科技應用能飛速發展，大數據應用日新月異，盡快實現運用大數據平臺開展城市道路安全管理與交通安全宣傳工作的新篇章。

四、交通大數據對駕駛員管理與教育的應用趨勢

大數據時代才剛拉開序幕，目前其許多技術瓶頸尚未取得突破，數據共享絕非易事，數據安全、共享和隱私保護等方面缺乏法律保護，配套的管理和運作機制尚未形成。但是，大數據作為生產力和戰斗力，隨著其不斷發展、應用，必將對公安交通管理工作產生深遠的影響，有力推動各項工作向更高層次提升。

1．研發全國統一的“公安交通駕駛員管理大數據應用平臺”。結合公安部“十三五”信息化建設規劃，研究和建立全國統一的“公安交通駕駛員管理大數據應用平臺”，不斷應用Hadoop、虛擬化等新技術，構建全新的數據存儲、處理技術架構。不但要使數據的存儲容量更大、運算速度更快、展現形式更豐富，更要突破同類數據的局限，從看似毫無關聯的數據中發現其相關性，真正體現“大數據”的精髓。

2．豐富數據采集的需求，提升管理水平。大數據應用的核心是數據挖掘，為公安交通管理中遇到的難點問題提供一些“是什么”的原因、“為什么”的依據，但其基礎是采集數據的質量和種類。因此，一是要不斷提高各類交通管理相關基礎信息的采集質量，為后續數據處理奠定堅實的基礎；二是要積極建立與交通、保險監管等相關部門的數據共享機制，擴充與機動車、駕駛員、特定行業管理、道路等相關各類數據的類型；三是依托高校、科研院所等專業力量研究，力爭突破圖片、視頻等海量非結構化數據的管理難題，運用有效的數據模型和架構，實現類似結構化數據的統一描述、查詢和處理；四是積極會同業務相關部門，在數據層面加強與各類公安信息實戰平臺的對接，既為交通信息研判分析提供支撐，也更有效地服務公安現實斗爭。

3．抓住重點，突破核心技術應用的“瓶頸”。我們要選擇合適的軟件、工具，真正將數據轉化為信息，從信息提煉出應用價值。在數據采集方面，重點解決高并發數的訪問、操作問題，使服務器、數據庫負載均衡和分片處理。在預處理階段，重點做好從“生產庫”向“資源庫”的轉移和數據清理等工作，滿足后續數據處理的實時計算需求。在統計分析階段，要在理解業務需求的基礎上，在不同數據的關聯性方面下工夫，發現其內在規律。在數據挖掘階段，要力爭實現數據從“事后統計”到“事前預測”的突破。

4．以駕駛員管理為中心、應用為導向，建立配套的專業隊伍和管理機制。大數據的決策不能僅憑經驗，而真正要拿數據“說話”。從深層次看，還需要建立科學的與之相適應的管理機制。同時，大數據的研發、建設、運行、維護、應用等每個環節都需要會技術、善管理、懂業務的復合性專業人員來完成。因此，要培育“數據科學家”式的領軍人物，并在人才引進、人才培育、效果容錯、修正發展等環節建立相應的一整套工作機制。

[1]方俊皓.大數據時代電力信息技術思考與探索[C].電力行業信息化優秀論文集，2013-11-30.

[2]張燕南，胡繼岳.關于大數據應用于教育的思考[J].教育理論探索，2013，（32）.

[3]柯清超.大數據與智慧教育[J].中國教育信息化，2013，（24）.

[4]張洪孟，胡凡剛. 教育虛擬社區：教育大數據的必然回歸[J].開放教育研究，2015，（1）.

[5]韓志君.簡析大數據在教育領域的運用[J].科技視界，2014，（2）.

[6]趙中建.與大數據同行的學習與教育——《大數據時代》作者舍恩伯格教授和庫克耶先生訪談[J].全球教育展望，2014，（12）.

[7] [英]維克托·邁爾-舍恩伯格，[英]肯尼思·庫克耶.大數據時代[M].杭州：浙江人民出版社，2013.

[8]徐煒. 交通管理已進入大數據時代[J].道路交通管理，2013，（11）：36-37.

[9]李佳師. 貴州用大數據解決交通擁堵[N]. 貴州日報，2015-01-06.

[10] Yu Huijun, Wang Zhigang, Liu Xiaoyan, et al. A Big Data Application in Intelligent Transport Systems[J]. Applied Mechanics and Materials, 2015, 734：365-368.

[11]馬繼華. 解決交通擁堵，大數據應用靠譜嗎？[N]. 人民郵電，2014-05-05.

[12]Buckley Stephen, Lightman Deborah.Ready or Not, Big Data is Coming to a City[C]// Transportation Research Board. TRB 94th Annual Meeting Compendium of Papers, Washington DC: Transportation Research Board, 2015.

[13]劉濤. 大數據不是萬能的[N]. 中國國防報，2014-10-29.

Explore on the Management and Education Strategies of Driver Safety Based on Big Data

Sun Shufeng, Zheng Weijin, Fu Zhengjie
（Shanghai Police College, Shanghai 200137, China）

With the quick development of information technology and big data, driver education has met new opportunity and grim challenge. As a quasi-professional skill, driving has its property. Compared with the global scale, traf c big data growth will be faster than the global average growth rate, and drivers will usher in the rapid expansion of big data market in the next few years. In big data times, public security organs should grasp the essence of driver education and concentrate on crucial points of information to make innovations. At the same time, public security organs should be ef cient at planning and management of driver education in order to improve the ef ectiveness of driver education and training with big data technology and mobile Internet big data platform.

Big Data; Drivers; Traf c; Safe Management; Education Strategies

D631.5

A

1008-5750(2017)01-0032-(07)

10.13643/j.cnki.issn1008-5750.2017.01.004

2016-12-01 責任編輯：何銀松

孫樹峰（1969—），男，上海公安高等專科學校科研中心研究員，信息學博士后；鄭偉進（1960—），男，上海公安高等專科學校基礎部信息化教研室講師，中級教官；傅正杰（1968—），男，上海公安高等專科學校警訓部講師，中級教官。