高危車輛駕駛行為大數據分析及預警研究

上海公安學院智慧公安研究課題組

（上海公安學院， 上海 200137）

自2017年以來，根據上海公安機關“智慧公安”建設相關規劃，結合上海公安交警部門工作實際，上海公安學院聯手市局交警總隊，聯系一線交警部門，并會同行業頂尖技術公司共同開展基于大數據的“兩客一危”車輛、重型載貨車輛、公交車輛、出租車等重點高危車輛駕駛行為分析和預警技術研究。經過一年多的集中研究和實踐，該研究目前已取得初步成果，相關系統平臺第一期成果（包含車輛超速、疲勞駕駛、不按規定路線行駛等實時分析預警和階段性駕駛行為分析四大功能模塊）已經完成上線測試，將于近期推動“入云”，并在部分分局交警部門進行試點應用。

一、整體研究思路和具體原則

早在2016年下半年，學院相關部門就已經立足服務一線交警部門日常管理和執法工作，會同相關技術公司著手研究如何借助交通部全國運營車輛衛星實時定位軌跡數據和路網數據等，對“兩客一危”、重型載貨車輛、公交車輛、出租車等重點高危車輛容易引發重大道路交通安全事故的駕駛行為進行分析。2017年下半年，根據市局“智慧公安”建設規劃，以及市局領導有關要求，學院會同市局交警總隊，抽調精干人員組成課題組進行集中攻堅。其間，課題組多次與浦東、寶山、奉賢等分局交警支隊溝通，逐步理清思路，確立了整個項目推進的基本原則。

（一）緊跟“智慧公安”建設規劃，與市局在建項目形成有機整體

從整個上海“智慧公安”的規劃來看，在初始階段主要集中在信息感知和采集匯總，從目前首批重點推進的系統來看，系統感知、信息采集和數據整合方面的建設項目占了多數。隨著信息采集的大力“開源”，必將是海量數據的涌入。對此，如果后臺研發應用沒有跟上，則必將產生“數據沉淀”，無法發揮最大戰斗力。但后臺研發，特別是其中的機器學習階段，也需要一個時間周期。有鑒于此，課題組在辯證分析前端建設和后臺研發之間的邏輯聯系和主次關系，并考察了交警總隊目前在研項目的基礎上，聚焦于后臺數據分析利用，將切入口放在“車輛”和“駕駛員”上，著眼于車輛行駛軌跡和駕駛行為分析，從而與目前關注“道路”的智能交通管理方面項目有效互補，力求最終形成對于“人”、“車”、“路”三大道路交通管理要素全囊括的上海公安交通管理系統。同時，貫徹上海“智慧公安”精準警務“感知泛在、研判多維、指揮扁平、處置高效”的要求，將研究重點放在車輛行駛軌跡分析上，依托相關衛星定位設備，真正實現對于車輛行駛情況全天候、無感知的全面掌握，再整合路網、天氣等數據，對于車輛駕駛行為進行整體分析，并將有關研判和預警信息及時通報相關民警進行處置，從而提升一線交通管理和事故預防的工作效率。

（二）緊跟信息技術發展趨勢，確保整個系統建設的可持續發展

有鑒于以往一些信息系統在建成應用后，由于系統兼容、數據標準、系統容量等方面的限制而落后，不得不在很短時間里進行二次研發，甚至被淘汰的情況，課題組在研發初期就立足于緊跟信息技術發展的趨勢，合理預留技術升級空間，從而最大限度延長系統的生命力。一是在系統數據庫的構架上，運用最新的大數據分析架構和云挖掘工具，搭建去中心化的分布式數據運算分析系統，實現數據分析運算的多線程并行，從而在根源上避免了由于主服務器容量不足或出現故障而導致整個系統癱瘓的問題。同時，根據目前市局“智慧公安”建設中數據中心的構建設計，預先引入阿里云平臺的相關技術標準，從而確保整個項目研發成功后能夠盡快接入平臺。二是在數據系統的支持方面，除了支持目前國內運用較多的GPS和北斗衛星定位系統，實現衛星定位數據雙模支持之外，還預留了目前國外較常用的OBD系統（On-Board Diagnostic，車載診斷系統）的數據接入端口。此外，根據目前市局“智慧公安”建設規劃中有關RFID射頻標簽的研發應用情況，系統在研發之初也預留了相應端口，從而確保整個系統在應用之后可以靈活適應不同的數據接入要求，從而最大限度地延長系統平臺的生命力。三是在數據采集整合方面，除了目前常規的衛星定位數據外，系統應用物聯網感知技術和手段，整合了高德地圖和相應的路網信息，OBD系統關于發動機、變速器、ABS等汽車核心系統運作和故障信息，道路實時天氣信息和汽車行駛時間信息等多方面信息。下一步，還將根據公安交通管理實際需求，將車輛登記和交通違章、事故信息，道路卡口監控信息，駕駛員視頻監控信息，道路實施交通流量信息等接入系統，最終打造基于市局物聯網和相關數據庫的車輛行駛動態分析平臺，真正實現對出行者、車輛、道路設施（道路、橋梁、隧道坡等）、交通狀態、氣象環境狀態、機電設備狀態等要素的全樣本感知和綜合分析。

（三）運用迭代思維指導開展項目規劃，緊貼公安交警部門一線執法管理需求

在整個系統規劃設計和研發推進過程中，項目組積極運用目前互聯網產品研發常用的迭代思維，以此指導整個課題研究推進，其中著重運用了三大策略：一是重大設計策略。整個平臺項目在設計之初就著眼于長期穩定維持運行的原則，綜合考慮主體構建迭代與功能附加迭代的需求，采用國際最新的大數據構架和挖掘分析技術，構建高危車輛駕駛行為分析及危險駕駛行為預警平臺。其中，在風險概率計算模塊的設計與實施中，采用獨立的系統框架，避免后續研發過程中由于相關算法的演進而導致整個平臺重建，從而為整體項目系統后續研發升級提供了相對穩定的平臺。二是演進式策略。在整個研究方案制定過程中，課題組堅持把用戶體驗放在首位，著重強化與交警部門的溝通交互，仔細梳理分析一線交警開展車輛管理和交通執法的相關需求，并以此指導整個系統的設計規劃和功能研發。在研發期間，根據實際研發和交警試運作情況，圍繞相關功能的使用和閥值的確定，又多次與交警部門溝通，通過“溝通—規劃—溝通—研發—溝通—調整”的密集交互，逐步逼近交警的具體業務需求，確保項目系統完全為一線交警度身設計。三是即付式策略。針對目前公安交通管理工作任務重、壓力大的實際情況，在全面梳理相關需求和已有技術成果的基礎上，優先研發第一期功能，并逐步供一線交警使用，隨后再繼續研發后續功能，從而縮小產品周期、快速構建產品并及時迭代，以促使整個課題研究盡早產生效益。整個項目自2017年底正式啟動相關數據采集和研發工作后，到目前已經完成了第一期四項功能模塊的研發設計，并即將投入試運作，力爭趕在首屆中國國際進口博覽會前投放至一線交警部門，并具有戰斗力。隨后，將繼續開展后續功能研發，并逐步疊加到現有系統平臺之上。

（四）以“智慧公安”背景下的警務流程再造為指導，積極推動數據流和業務流的有機整合

在具體項目推進過程中，課題組不是單純把研究成果作為提升一線交警部門管理和執法效果的工具，而是作為整個公安交通管理運作的一個組成部分。具體而言，就是圍繞目前公安交警部門對“兩客一危”車輛、重型載貨車輛、公交車輛、出租車等重點高危車輛日常管理、風險防控和交通執法工作的具體流程進行梳理，分析其中的關鍵環節和執法要求，進而研究借助相關信息化工具以壓縮、替代相應工作環節，以及輔助相關環節決策，從而達到壓縮優化相關警務流程、提升警務效能的作用。而從整個流程設計上，則考慮通過不同部門間數據流的循環和增殖，以相應數據閥值作為開關，根據相關數據變量變化而觸發相應的工作機制，從而實現以數據循環帶動相關機制的自適應啟動，并促動相應管理資源的優化配置和自主運作。例如：對于重點高危車輛的安全監管工作，傳統的管理辦法是由交警車宣部門定期上門開展安全宣傳，或在重大交通事故和違章發生后對涉及企業和個人進行處理。而平臺投入運作后，即可根據一定時間段內各公司注冊車輛的行駛軌跡和駕駛模式進行機器分析，并按一定模型算法進行計分，對于得分較低的公司和個人，則由交警車宣部門主動上門進行提醒，督促企業落實交通安全管理主體責任，并將相關結果反饋至交通、路政部門作為對其資質審核和后續處罰的依據，從而真正將安全防范的關口前移至事故發生之前。同樣，基于對車輛實時駕駛行為的分析，結合路網、天氣等數據，對于存在安全駕駛隱患的高危車輛，可以及時預警，并直接將信息發送至最近道口的執勤交警PDA上，以便迅速處置，從而打破傳統的層級式指揮格局，構建基于大數據的扁平指揮格局，以實現對部分交通事故的及時預警和有效應對。

（五）打造眾籌式項目研發團隊，力爭實現互利共贏

在團隊合作方選擇方面，經多方比較，最終選擇國內智能交通控制方面的領軍企業上海經達信息科技股份有限公司，以及市局交警總隊和浦東、寶山、奉賢等分局交警支隊參與，與技術合作方共組研究團隊。其中，各單位分別發揮自身在技術研發、組織協調、理論指導、業務指導、實戰測試等方面的軟硬件資源的優勢，共同推進整個課題項目研究及應用工作。在具體研發方面，改變一般信息項目建設由技術合作公司主導，公安業務部門僅僅提供相關業務需求和相應標準的做法，轉而組織公安方面的理論和技術專家深度參與項目研發，共同確定功能模塊，共同構建相應的數學模型并確定相關的指標閥值，從而確保整個項目研發與實戰需求保持高度一致。在建設應用方面，秉持進行“零件組裝”而不是“零件制造”的理念，首先引入目前已獲取專利并得到第三方軟件測評機構“上海市軟件評測中心”認證的車輛超速分析（正確率大于94%）、急加（減）速分析（正確率大于93%）、疲勞駕駛分析（正確率100%）、夜間行駛分析（正確率100%）等軟件功能模塊作為第一期研發核心，從而壓縮研發周期，并為實際執法應用打下基礎。后期則將根據一線交警反饋的進一步需求，與技術合作方共同研發后續功能，并合作申報相關專利，進而逐步完善相關功能模塊。

二、組織領導和推進落實情況

（一）各級領導高度重視，切實強化課題研究的組織領導和綜合保障

市局和學院主要領導多次聽取課題進展匯報，提出指導性意見，并在與市局交警總隊溝通方面親自參與有關協調。市局科技處、智慧辦等部門領導專題聽取項目情況，就項目下一步研究及與市局“智慧公安”相關項目銜接提出建議，并對下一步系統對接市局數據中心及平臺“入云”給予大力支持。市局交警總隊主要領導親自協調，明確由總隊事故防范處統籌協調，指揮處、科技處等部門共同參與，與學院共同推進項目研發和測試應用工作，全力確保各項工作按節點推進。學院科研中心及相關部門齊心協力，在經費、人員方面給予積極支持。浦東、寶山、奉賢等分局交警支隊在各自分局黨委支持下，由一名支隊領導牽頭，積極協助開展需求分析和數據采集，確保課題研究穩步推進。

（二）緊貼實戰一線，細致梳理基層交警有關需求，確定研發重點

在整個研發過程中，市局交警總隊各相關部門先后數次與課題組對接，介紹相關業務需求，并針對項目初期研發成果提出改進意見。同時，課題組召開各類座談會近10次，先后聽取了浦東、寶山、奉賢等分局交警支隊車宣大隊、事故防范科和部分一線執勤交警的相關意見和需求，在此基礎上，確定了整個課題的研究重點。總體而言，本課題主要借助交通委全國運營車輛衛星實時定位數據和路網數據等，通過相關數學模型，對于“兩客一危”和重型載貨車輛、出租車、公交車等重點高危車輛駕駛員的駕駛行為進行全天候、不間斷分析，對于其出現的諸如違章變道、闖禁令區等行為進行實時預警；對于其階段性駕駛行為進行分析并打分，并作為下一階段交通安全宣傳的重點對象。在前期調研的基礎上，主要聚焦以下幾項應用功能需求：一是幾種目前常見多發的“兩客一危”、重型載貨車輛等重點高危車輛違章情況的數據記錄和固定，以便后續處罰，主要包括車輛超速和違章變道、車輛不按規定車道和路線行駛、車輛疲勞駕駛、車輛夜間駕駛、車輛超載及偷倒渣土等。二是對于車輛疲勞駕駛行為，不按規定路線行駛，超高、超寬車輛違章行駛，連續急加速、急減速等危險駕駛行為進行預警，并通過PDA或手機發送有關預警信息，以便執勤交警進行處置。三是對于駕駛員在行駛過程中故意切斷或屏蔽GPS定位系統等行為進行分析識別并及時報警，以便交警部門進行處罰。四是定期形成相關運輸公司安全行駛分析報告，明確存在危險駕駛傾向的車輛和司機，對于相關運輸公司定期的駕駛行為進行評級，并直觀地分區域用不同顏色顯示，以便交警部門有針對性地采取安全教育和管控。

其中，結合目前基層迫切需求和技術基礎，首先完成第一期有關車輛超速、疲勞駕駛、不按規定路線行駛（闖禁區）等實時分析預警模塊和階段性駕駛行為分析。同時，著手對車輛在城市快速道路驟停情況進行分析和預警功能研究。

（三）因地制宜，發揮制度優勢，爭取各方支持，積極推動課題研究及測試有序進行

在具體研究過程中，圍繞基礎數據采集、衛星定位設備配置等方面需求，課題組積極爭取各方支持，群策群力，全力確保各項研究工作的落實推進。在基礎數據采集方面，課題組在協同浦東、奉賢等分局交警部門，爭取各轄區運輸企業和數據運維平臺支持的基礎上，協調技術合作方為部分運輸企業車輛加裝衛星定位系統，并積極爭取技術合作方給予一定的數據支持。截至目前，已為500輛車輛（渣土車252輛、長途客車86輛、危險品運輸車輛162輛）加裝衛星定位設備。同時，技術合作方也從其平臺調用了500輛重型載貨車輛、長途客車等車輛的實時定位數據，從而實現1000輛各類高危車輛的同時實施監控，以便后續機器學習和平臺內部測試。在相關設備保障方面，課題組經過專門協商，最后采取租借的方式，向技術合作方租借了一批衛星定位設備和相關服務器，以確保整個系統研發的硬件支撐。在經費保障方面，課題組在爭取學院經費投入的基礎上，與技術合作方進行深度合作，以相關信息數據支持、模擬設備和專業駕駛測試人員，以及成果研發后的綜合效益為保證，積極爭取技術合作方給予適當的經費和技術支持。

三、第一期研究成果情況和下一步研究重點

截至目前，本課題研究已經初步完成第一期項目的研發工作，其初步成果——“警用大數據高危車輛駕駛行為分析及預警平臺”已經開始內部測試和著手進行上線試運行，并將在進一步機器學習和調整完善的基礎上，逐步推廣并投入實戰。

（一）總體系統研發概況

第一期課題項目的研究內容主要包括：進行車輛駕駛行為分析和駕駛行為風險概率分析，以及開發主要有數據管理模塊、駕駛行為分析模塊、駕駛行為風險概率計算模塊等組成的基于大數據駕駛行為分析技術的危險駕駛行為分析及預警平臺。具體建設目標為：結合自身技術研發情況，開發針對公安交通管理需求的“警用大數據高危車輛駕駛行為分析及預警平臺”。預期基于離線數據分析和在線數據分析兩個方面，研發車輛駕駛行為離線分析系統和車輛駕駛行為實時量化安全態勢管理系統，及時有效地辨識影響道路交通安全的違規車輛，幫助交警部門完善智慧化的預警管理體系，同時也能對轄區車輛所在的運輸公司進行周期性安全管理評價和教育介入等。

一是在線駕駛行為分析。駕駛行為數據具有非線性和波動性的特性，隨著駕駛員連續駕駛時間的增長，這兩種特性更加明顯。本次研究主要以國家交通運輸部發布的衛星定位終端標準接口數據為基礎，研究駕駛行為模式識別過程中的相關算法，實現正常駕駛行為和違規駕駛行為的有效判別。（a）采用問卷調查、采訪等方式，并以公安部、交通運輸部等國家部委以及上海市公安局、上海市交通委等有關部門發布的相關法規和規定為基礎，確定造成交通事故的主要責任以及違規駕駛行為的判別標準。主要包括超速、超載、疲勞駕駛、夜間駕駛、急加速、急減速、車輛闖禁區以及違法變道等。（b）基于造成交通事故主要原因，將車主駕駛行為原始數據進行存證，以供交警部門調閱。包括車載設備記錄的速度、道路信息等。（c）以車載衛星定位終端設備提供的全天候定位數據和各類調查數據為研究對象，利用數據挖掘算法，研究駕駛行為模式識別過程中的相關算法，對海量的駕駛行為數據進行分析，獲取不同違規駕駛行為的特征，并進行建模。正確判別出正常駕駛行為和違規駕駛行為，以及計算出總駕駛里程、總駕駛時間和各種違規駕駛行為發生次數及違規程度。

二是駕駛行為風險概率計算。綜合考慮人、車、環境等方面的風險因素，首先，對分析得出違規駕駛行為、發生違規駕駛行為時的車和環境因素，進行相應特征屬性的提取，采用SVM分類算法對歷史數據進行分類分析，采用歐式（Euclidean）距離相似性測度，并利用誤差反向傳播BP（Back Propagation）神經網絡，確定人（駕駛行為）的風險概率、車的風險概率、環境的風險概率。其次，利用收集到的駕駛行為數據、交通事故處理記錄數據以及其他數據，驗證“駕駛行為分析”和“風險概率分析”中提出的算法的有效性。

三是開發大數據分析模塊。采用大數據分析架構Hadoop和云挖掘工具Mahout，開發實現數據管理模塊、駕駛行為分析模塊、駕駛行為風險概率計算模塊組成的車輛駕駛行為分析平臺，以及基于Storm流式處理的危險駕駛行為預警平臺。其中，為了確保整個系統平臺在迭代開發中的相對穩定，在風險概率計算模塊的設計實現中，采用獨立于駕駛行為分析算法模塊和風險概率計算算法模塊的系統框架，從而避免后續開發中由于相關算法的演進而導致平臺的重建。

四是危險駕駛行為分析和預警。利用北斗/GPS數據實時定位數據，對被監控車輛的行駛里程、疲勞駕駛、夜間駕駛、超速等進行綜合評分。采用基于Strom、Hadoop等流式數據處理，分布式文件系統，云計算等大數據處理技術，加快分析運算速度，提升風險預警效率。對超速、疲勞和評分較低的車輛駕駛員，系統會自動進行語音提醒，對超速嚴重和一天多次出現違規情況的駕駛員，系統會及時通知監控人員采取人為干預。

五是離線駕駛行為分析。基于國家交通運輸部發布的標準“終端輸出”北斗/GPS數據，即以速度、經緯度、方向為處理對象，對車輛定位點進行路網匹配得到車輛行駛所在道路的信息，并深入分析車輛在不同道路類型上的里程、疲勞駕駛、夜間駕駛、超速、急加速急減速等要素，并以數據文件的形式輸出分析結果，為一定時間段內車輛駕駛行為評價提供必要數據。

（二）第一期研發項目功能實現情況

目前，第一期各個模塊研發組合后，整個項目成果以電腦終端平臺的形式展現，并已經于3月25日起開始內部整體測試。現階段，該系統內部測試借助經達信息公司的服務器，通過互聯網與1000個車輛衛星定位終端聯通。待后期系統調整完善后，該平臺將依托上海市公安局智慧公安數據中心和應用大平臺，接入上海市公安局交警總隊指揮平臺，為一線交警部門提供車輛違章、事故信息、車輛駕駛員信息等數據，并與相關視頻監控系統、市局智慧道路系統等實現對接，以借助其數據進一步提升分析判斷的準確性和速度。

從2018年3月25日至4月25日的第一次內部測試情況看，在第一期研究中主要解決了以下問題，并呈現如下功能應用：

一是根據國家道路交通安全法的相關執法標準，對車輛在不同道路上的超速行為進行判別，并視情采取聲音提示乃至執勤民警途中攔截（詳見下表）。

道路類型 行駛速度 功能提示高速公路、城市快速路以外的道路 超速10%未達20% 車載設備聲音提示，督促駕駛員減速高速公路、城市快速路以外的道路 超速20%未達50% 系統下發語音提示，督促駕駛員減速，通知監控人員高速公路、城市快速路以外的道路 超速50%以上 系統下發語音警告，通知監控人員，將信息發送相關管理部門、警用PDA，列入危險駕駛人員黑名單城市快速路 超速未達20% 車載設備聲音提示，督促駕駛員減速城市快速路 超速20%未達50% 系統下發語音提示，督促駕駛員減速，通知監控人員城市快速路 超速50%以上 系統下發語音警告，通知監控人員，將信息發送相關管理部門、警用PDA，列入危險駕駛人員黑名單高速公路、城市快速路 低于規定最低時速20%以上 車載設備聲音提示高速公路 超速未達20% 車載設備聲音提示，督促駕駛員進行減速高速公路 超速20%未達50% 系統下發語音提示，督促駕駛員減速，通知監控人員高速公路 超速50%以上 系統下發語音警告，通知監控人員，將信息發送相關管理部門、警用PDA，列入危險駕駛人員黑名單

在一個月的內部測試中，系統平臺先后發出超速警報485490次，其中超速低于20%的295625次，均通過車載設備對于駕駛員進行了提示警告，并將有關數據納入階段分析范疇；超速在20%到50%之間有148065次，超速高于50%以上的41802次，均在通過車載設備對于駕駛員進行警告的同時，將車輛動態信息（實時車速、行駛路段、行駛方向）在系統平臺上進行顯示。今后，該系統正式上線后，相關信息就可以直接發送至一線民警PDA上，或由交警指揮平臺第一時間發布信息給執勤民警，從而便于執勤民警可以第一時間對嚴重超速車輛進行攔截，以最大限度避免嚴重超速車輛引發相關交通事故。

二是針對連續駕駛超過4個小時未停車休息或者停車休息時間少于20分鐘的車輛，系統將進行語音提醒，督促駕駛員注意休息，避免疲勞駕駛，并計入車隊周期性評價減分項。對于存在疲勞駕駛情況但仍未休息的車輛，將信息發送至卡口民警，以便視情對其進行處置。

在一個月的內部測試中，系統平臺先后發出各類疲勞駕駛警報5464次，其中連續駕駛超過4個小時未停車休息或者停車休息時間少于20分鐘的輕度疲勞警報5123次，均通過車載設備對于駕駛員進行了提示警告，并將有關數據納入階段分析范疇；連續駕駛超過8小時等嚴重疲勞駕駛警報341次，均在通過車載設備對于駕駛員進行警告的同時，將車輛動態信息（行駛路段、行駛方向、最近卡口）在系統平臺上進行顯示。今后，該系統正式上線后，相關信息就可以直接發送至一線民警PDA上，或由交警指揮平臺第一時間發布信息給執勤民警，便于執勤民警可以第一時間就近進行攔截檢查，從而減少由疲勞駕駛而引發的交通事故隱患。

三是結合路網數據設置預警圍欄，對于可能出現不按規定路線行駛、高速公路低速行駛、連續急加速急減速、特殊車輛夜間違規行駛（如客運車輛夜間2點至5點禁行）等危險駕駛行為進行預警并發送有關預警信息，以便執勤交警預先進行處置，防止事故發生。

在一個月的內部測試中，系統平臺先后發出各類車輛闖禁區和不按規定時間行駛的警報9109次。其中，車輛不按規定時間行駛的情況（累計報警3212次），均通過車載設備對于駕駛員進行了提示警告，并將有關數據納入階段分析范疇；對于危險品運輸車輛臨近重點要害地區或不按規定路線行駛等危險隱患（累計預警4439次），在通過車載設備對于駕駛員進行警告的同時，將車輛動態信息（行駛路段、行駛方向、最近卡口）提前在系統平臺上進行顯示。今后，該系統正式上線后，相關信息可以直接發送至一線民警PDA上，或由交警指揮平臺第一時間發布信息給執勤民警，從而便于執勤民警第一時間就近進行攔截檢查。此外，對于車輛已經駛入禁區的情況（累計發現1458次），也通過車載設備對于駕駛員進行警示，要求其盡快駛離，并納入階段分析范疇。系統上線后，這一警示信息和相關數據也將第一時間發送給交警部門處理。

四是定期形成相關運輸公司安全行駛分析報告，圍繞車輛超速、急加速急減速、疲勞駕駛、夜間駕駛等情況進行整體安全系數打分（提出紅黃牌），并自動形成相關表單，明確存在危險駕駛傾向的車輛和司機，形成各區域相關運輸公司長期的駕駛行為評級圖形顯示，以便交警部門有針對性地采取安全教育和約談式處罰措施。

同時，相關報告在為公安交警部門工作提供支撐的同時，也可發送給交通委、安監局等部門，作為今后對于運輸公司和駕駛員進行運營資格審核和相關行政管理處罰的依據。

在一個月的內部測試中，系統平臺對于在線的1000輛測試車輛的行駛情況進行了分析，并逐一進行了駕駛行為評分，其中安全駕駛行為優秀（90分以上）的0輛，安全駕駛行為良好（70分至89分）的903輛，安全駕駛行為較差（60分左右及以下）的93輛（具體分析及數據圖例如下）。

危化品運輸車輛情況分析：

貨運車輛情況分析：

公安項目車輛駕駛行為評分情況（2018年3月25～2018年4月25日）

長途客運車輛情況分析：

公安項目車輛駕駛行為評分情況（2018年3月25～2018年4月25日）

渣土車情況分析：

待系統平臺“入云”后，該部分數據分析將作為今后基層交警車宣部門開展日常運輸企業監管的重要依據。對于安全駕駛情況較好的運輸公司，車宣部門將給予一定的表彰，并在年度資質審核等方面給予優先。對于安全駕駛情況一般的運輸企業，則由車宣部門通過上門走訪、電話提示等方式進行安全宣傳，尤其對該部分企業較突出的違章行為進行針對性警示。對于安全駕駛情況不佳的運輸企業，則由交警部門約談企業安全員和經營者，限期整改，并將整改情況作為年底相關審核的依據。同時，對于階段性安全駕駛行為情況不佳、出現黃牌記錄的駕駛員個人，交警部門將通過短信和電話提示的方式，對其進行提醒。而對于出現紅牌記錄的駕駛員，交警部門將視情對其進行專門約談和專題交通安全教育，并將相關情況進行記錄，作為今后對該名駕駛員相關從業資格審核的參考依據。

除了上述四項功能之外，課題組目前正在研究如何結合車速驟停、車輛在正常行駛過程中突然長時間停止、車輛停止處周圍車輛行駛情況等，分析預測車輛遭遇突發碰撞或其他意外情況的可能，并提前通知執勤交警到場處置。

（三）下一步研發重點

在前期研究和應用的基礎上，課題組將繼續著重圍繞以下功能模塊開展相關應用研究。

一是整合目前交警“六合一”平臺、車輛登記和道路卡口監控信息，進一步擴充平臺的數據來源，強化分析預測的準確性和及時性。

二是研究推進系統平臺與目前一線執勤交警使用的警用PDA或手機互聯，以進一步提升其應急響應速度。

三是對于駕駛員在行駛過程中故意切斷或屏蔽GPS定位系統的行為進行分析識別，并及時報警。

四是結合車輛行駛狀態和軌跡分析，對車輛超載行為進行無接觸的分析判別，以協助車輛超載違規行為的查處。在此基礎上，根據渣土車空載/滿載狀態和無故停車的情況分析，再結合相關視頻監控，協助對偷倒渣土行為進行預警和查處。

五是研究結合道口探頭系統對于車輛高度和寬度進行判斷，并結合路網數據，對于超高、超寬車輛違章行駛進行預判和提前預警。

六是結合對車輛位移情況的分析，對于車輛不按規定車道行駛或違章占道情況進行分析記錄，以便交警部門跟進處罰。

七是針對酒駕、毒駕等危險駕駛行為的車輛行駛軌跡進行分析，研究建立相關分析預警模型。

八是結合天氣、道路擁堵情況等因素，實時分析并傳遞一些路況信息（例如擁堵分析）給駕駛員和執勤交警。

（四）系統應用的愿景規劃

待系統正式上線運行后，隨著相關數據的進一步整合和功能進一步的增加，最終以本平臺為依托，將基于車聯網的各方面數據進行整合，并通過相應的數據挖掘分析形成公安交警部門和相關職能單位、企業之間車輛駕駛行為分析信息和相關數據的整體循環（詳見下圖），進而推動上海交通管理的整體大聯動，從而盡可能地將道路交通管理中的車輛和駕駛員要素納入整體管理范疇，以提升管理效能和管理水平，為上海的城市道路交通安全提供有力支撐。

四、相關需求和建議

目前，本課題項目研究已完成了第一期項目的理論研究和系統研發，即將轉入實際上線測試。從當前進展情況看，如果在2018年6月前能夠上線試運行，那么經過3個月的機器學習、系統調試完善和一線操作人員培訓，可以在2018年10月形成初步戰斗力，并投入首屆中國國際進口博覽會安保實戰之中。有鑒于此，為保障整個測試推廣工作順利進行，從而將相關研究成果盡快轉化為戰斗力，特提出以下需求和建議：

（一）加快推進系統平臺與市局數據中心的對接

目前，針對系統平臺與市局數據中心對接一事，課題組已經與市局科技處和深化辦達成初步一致，并與“阿里云”方面的技術人員進行了初步交流。下一步，課題組將著手進一步細化相關需求，力爭盡快推動第一期技術成果“入云”。希望市局相關職能部門也能夠在相關數據端口和權限的提供、有關數據的擴容采集支持以及相關技術標準的提供等方面給予更大的支持。

（二）積極爭取本課題研究成果納入上海“智慧公安”整體規劃框架

目前，本課題研究還是作為科研研究項目，在相關設備和經費支持方面還顯得相對薄弱。下一步，在上線調試和進一步完善的基礎上，提請市局在進行相關鑒定測試的基礎上，將本課題納入上海“智慧公安”整體規劃框架之內，從而在專業指導和設備、經費保障等方面，對本課題后續研究給予充分保障和支持。

（三）全力推動第一期項目成果的推廣應用

在目前三家分局交警部門試點使用和優化完善的基礎上，建議進一步擴大試點范圍，逐步在全市進行試點，從而為系統平臺的后續完善和功能開發提供指導，并加快推動本次課題研究的相關技術成果轉化為實際戰斗力。