車輛中途停駛自動檢測系統(tǒng)研究

李 峰，綦忠平，王 浩，孫樹芳，張 強(qiáng)

（1.濟(jì)南市城市交通研究中心，山東 濟(jì)南 250014；2.濟(jì)南公共交通集團(tuán)有限公司，山東 濟(jì)南 250014）

引言

交通事故已成為世界性的嚴(yán)重社會問題。公交事故以其巨大的經(jīng)濟(jì)損失、嚴(yán)重社會影響,使政府和公交企業(yè)高度重視，并將不斷進(jìn)步的科學(xué)技術(shù)應(yīng)用于交通安全研究工作中。目前，各國正在不同程度地從車輛與技術(shù)上采取對策應(yīng)對公交安全問題。

車輛中途停駛自動檢測系統(tǒng)能夠?qū)崟r掌握車輛運(yùn)行狀況，及時對車輛異常情況進(jìn)行分析研究。車輛中途停駛自動檢測系統(tǒng)的研究實(shí)施能夠進(jìn)一步提高公交企業(yè)發(fā)現(xiàn)事故、解決事故的能力，形成“第一時間發(fā)現(xiàn)，第一時間推送，第一時間處置”的快速響應(yīng)機(jī)制。

1 總體設(shè)計(jì)

為了進(jìn)一步提高公交行業(yè)稽查部門發(fā)現(xiàn)問題、解決問題的能力，對車輛停駛情況預(yù)警并快速響應(yīng)，對異常車輛精準(zhǔn)定位、快速監(jiān)控，實(shí)時掌握車輛運(yùn)行狀況，濟(jì)南公交針對車輛中途停駛檢測進(jìn)行研究。

車輛終端將GPS、視頻等數(shù)據(jù)實(shí)時上傳到服務(wù)器，指揮中心、車隊(duì)等客戶端通過內(nèi)網(wǎng)進(jìn)行訪問，查詢車輛運(yùn)行動態(tài)數(shù)據(jù)，領(lǐng)導(dǎo)根據(jù)服務(wù)器推送的異常數(shù)據(jù)，通過網(wǎng)絡(luò)查看車輛監(jiān)控和分析結(jié)果，見圖1。

圖1 系統(tǒng)設(shè)計(jì)

2 研究內(nèi)容

2.1 車輛異常停駛大量數(shù)據(jù)計(jì)算

利用大數(shù)據(jù)分析技術(shù)和云計(jì)算，進(jìn)行充分的數(shù)據(jù)挖掘，將運(yùn)行數(shù)據(jù)實(shí)時計(jì)算，發(fā)現(xiàn)在運(yùn)行過程中產(chǎn)生的車輛異常停駛情況，自動生成分公司、線路、車號、駕駛員姓名、停駛時間和位置等信息。

分布式計(jì)算是一種計(jì)算方法，和以往公交計(jì)算處理問題的方式截然不同，車輛中途停駛自動檢測系統(tǒng)是在濟(jì)南公交企業(yè)云基礎(chǔ)上的二次開發(fā)，對車輛中途停駛自動檢測是全國首創(chuàng)運(yùn)用云計(jì)算技術(shù)實(shí)現(xiàn)車輛實(shí)時速度分析統(tǒng)計(jì)，甄別中途停駛車輛，達(dá)到車輛停駛檢測自動化的目的。

2.2 異常車輛停駛數(shù)據(jù)計(jì)算分析工作機(jī)制

確定異常停駛車輛的數(shù)據(jù)分析流程和方法，運(yùn)用科學(xué)的數(shù)據(jù)計(jì)算方式進(jìn)行數(shù)據(jù)分析，根據(jù)項(xiàng)目設(shè)置不同場景，進(jìn)行建模和數(shù)據(jù)挖掘，不斷迭代產(chǎn)品。（1）業(yè)務(wù)理解：理解中途停駛的產(chǎn)生要素，明確需要發(fā)現(xiàn)的情形和狀態(tài)需求。開展業(yè)務(wù)需求評估工作，判斷業(yè)務(wù)需求是否可以轉(zhuǎn)化為數(shù)據(jù)分析項(xiàng)目。（2）數(shù)據(jù)處理：收集原始營運(yùn)數(shù)據(jù)，篩選正確選擇業(yè)務(wù)需求的數(shù)據(jù)，對原始數(shù)據(jù)中缺失和壞數(shù)據(jù)進(jìn)行清洗、過濾。（3）數(shù)據(jù)準(zhǔn)備：運(yùn)用統(tǒng)計(jì)學(xué)方法對數(shù)據(jù)進(jìn)行探索，發(fā)現(xiàn)數(shù)據(jù)內(nèi)部的規(guī)律。對數(shù)據(jù)進(jìn)行轉(zhuǎn)換，進(jìn)行數(shù)據(jù)一致化、標(biāo)準(zhǔn)化處理。（4）建立模型：綜合考慮業(yè)務(wù)需求精度，數(shù)據(jù)情況、選取最優(yōu)模型。在實(shí)現(xiàn)異常發(fā)現(xiàn)功能中，應(yīng)用多種模型，通過后續(xù)的模型評估進(jìn)行優(yōu)化、調(diào)整，以尋求最合適的模型、算法。（5）模型評估、優(yōu)化：評估模型的精度、準(zhǔn)確性、效率和通用性，評價與審驗(yàn)應(yīng)用效果，對模型進(jìn)行調(diào)整優(yōu)化。（6）應(yīng)用和部署：將研發(fā)的軟件應(yīng)用于實(shí)踐，系統(tǒng)在所有電腦中進(jìn)行部署，實(shí)現(xiàn)異常車輛的檢索和判斷，達(dá)到項(xiàng)目目標(biāo)。

2.3 確定異常車輛停駛數(shù)據(jù)算法

確定異常停駛車輛的算法，研究算法優(yōu)化與數(shù)據(jù)清洗，確定檢測異常停駛的數(shù)據(jù)的具體計(jì)算內(nèi)容、篩選目標(biāo)車輛。（1）算法排除車輛在首末站附近等點(diǎn)待發(fā)的停駛情況。（2）算法排除調(diào)度安排非營運(yùn)任務(wù)停駛的情況。（3）算法考慮部分線路場站位于非首末站的情況。（4）算法排除車輛正常關(guān)機(jī)停運(yùn)的車輛，由于車載終端無電源開關(guān)，車輛開電即有數(shù)據(jù)上傳，通過數(shù)據(jù)上傳時長計(jì)算車輛是否開關(guān)機(jī)。見圖2。

圖2 算法

2.4 融合4G 視頻監(jiān)控

與4G 車輛監(jiān)控系統(tǒng)充分融合，實(shí)現(xiàn)系統(tǒng)一鍵調(diào)取4G 視頻監(jiān)控，利用配套APP 軟件審核后向領(lǐng)導(dǎo)層進(jìn)行推送。融合視頻監(jiān)控包括三方面：對請求作出秒級別的響應(yīng)時間、數(shù)據(jù)吞吐量滿足客戶要求和數(shù)據(jù)并發(fā)用戶數(shù)達(dá)到要求，見圖3。

圖3 融合視頻監(jiān)控說明

3 技術(shù)方法

3.1 技術(shù)一：大數(shù)據(jù)算法優(yōu)化技術(shù)

大數(shù)據(jù)分析與云計(jì)算聯(lián)系到一起，因?yàn)閷?shí)時的大型數(shù)據(jù)集向數(shù)十、數(shù)百或甚至數(shù)千的電腦分配工作。（1）中途停駛檢測算法通過持續(xù)針對每輛車狀態(tài)的檢測和計(jì)算來發(fā)現(xiàn)中途停駛等異常情況。算法運(yùn)行在所有監(jiān)控客戶端之中，檢測結(jié)果統(tǒng)一上報至云端服務(wù)，由云端服務(wù)進(jìn)行統(tǒng)一接收、去重、存儲和上報。（2）中途停駛檢測算法目前運(yùn)行在監(jiān)控系統(tǒng)客戶端之中，相關(guān)算法邏輯嵌入到現(xiàn)有的監(jiān)控系統(tǒng)內(nèi)。（3）停駛級別判定為車輛在啟動停駛檢測后總移動距離在設(shè)置停駛距離內(nèi)時并已經(jīng)過指定級別時間后進(jìn)行判定的過程，根據(jù)停駛級別每個階段只判定一次停駛，停駛判定直到車輛排除檢測狀態(tài)為止，判定為停駛后將上報中途停駛事件。

3.1.1 算法判定條件

算法判定條件=總移動距離在設(shè)置范圍內(nèi)+指定級別時間。

跟骨骨折術(shù)中應(yīng)全層切開皮膚及皮下組織，直達(dá)跟骨外壁骨膜，避免鈍性剝離皮瓣等軟組織結(jié)構(gòu)，避免使用電刀，禁止粗暴操作是防止切口壞死的關(guān)鍵[3]，以“No-touch”技術(shù)維持皮瓣?duì)块_，最大程度地保護(hù)軟組織及其皮瓣的血供，防止壞死的發(fā)生。同時，盡可能地縮短止血帶使用時間及手術(shù)時間，避免反復(fù)折疊牽引皮瓣[4]。而且，術(shù)中還需要充分止血，放置引流物，充分引流。即便如此，跟骨骨折術(shù)后發(fā)生感染的概率仍高達(dá)25%[5]。分析原因，跟骨骨折的發(fā)生多為高能量損傷導(dǎo)致，伴隨跟骨周圍軟組織的挫傷，加上手術(shù)本身的創(chuàng)面，進(jìn)一步導(dǎo)致了足跟部周圍皮瓣的缺血，甚至是血供中斷，產(chǎn)生切口皮膚壞死[6]。

3.1.2 排除監(jiān)測算法

目標(biāo)車輛=判定條件的車輛－調(diào)出的車輛－特殊線路車輛－其他排除符合條件的車輛。

根據(jù)算法鎖定目標(biāo)車輛，在進(jìn)行程序分析，見圖4。

圖4 車輛算法代碼

3.2 技術(shù)二：Hadoop 技術(shù)篩選數(shù)據(jù)

完成項(xiàng)目工作要求需要巨大的計(jì)算能力，如果采用公交之前的計(jì)算模式，需要耗費(fèi)相當(dāng)長的時間、耗費(fèi)巨大的物力、財(cái)力來完成。而采用云計(jì)算、分布式計(jì)算的方法，是把項(xiàng)目任務(wù)進(jìn)行拆分，由若干臺電腦計(jì)算，然后再將結(jié)果匯總篩選。

此項(xiàng)目難點(diǎn)在于實(shí)時計(jì)算海量的GPS 數(shù)據(jù)，計(jì)算秒級的GPS 數(shù)據(jù)獲得速度趨近于零的車輛。采用Hadoop 等分布式處理方式來過濾處理大量數(shù)據(jù)。

此項(xiàng)目計(jì)劃將5 000 余部營運(yùn)車輛的計(jì)算任務(wù)分解至各分公司中心調(diào)度、車隊(duì)現(xiàn)場調(diào)度的電腦進(jìn)計(jì)算，借助各分公司、車隊(duì)100 余臺電腦的計(jì)算能力，共同計(jì)算完成異常停駛，見圖5。部分代碼見圖6。

圖5 數(shù)據(jù)篩選

圖6 部分代碼

3.3 技術(shù)三：iVMS-7200-SDK 接口技術(shù)

按照車輛監(jiān)控視頻SDK 數(shù)據(jù)協(xié)議，實(shí)現(xiàn)車輛運(yùn)行監(jiān)控與視頻監(jiān)控的融合對接。用戶在車輛運(yùn)行監(jiān)控中通過鼠標(biāo)點(diǎn)選，一鍵對接視頻監(jiān)控系統(tǒng)。視頻監(jiān)控系統(tǒng)視頻，選擇時間節(jié)點(diǎn)進(jìn)行截圖制作短視頻。

考慮服務(wù)器承載力，實(shí)時計(jì)算GPS 數(shù)據(jù)，實(shí)時請求監(jiān)控?cái)?shù)據(jù)的多重要求，在技術(shù)上加入高并發(fā)解決方案，見圖7。

圖7 SDK 接口代碼

3.4 技術(shù)四：其他算法

車輛停駛率是指在一定時期內(nèi)，由于擁堵、事故等原因而停駛的車班次在總車班次中所占的比重。計(jì)算公式為:

車輛停駛率（%）= 停駛車班次/ 總車班次×100%。

3.4.2 延誤計(jì)算

總延誤=總停駛數(shù)×抽樣時間間隔（輛/秒）。

每一停駛車輛的平均延誤=總延誤/停駛車數(shù)（s）。

4 功能設(shè)計(jì)

4.1 系統(tǒng)流程

將全天劃分為6 個時段，早低峰、早高峰、平峰、晚高峰、晚平峰，為了進(jìn)一步提高稽查發(fā)現(xiàn)問題、服務(wù)解決問題的能力，對車輛停駛情況預(yù)警并快速響應(yīng)。首先通過智能調(diào)度平臺發(fā)起預(yù)警，在車輛運(yùn)行圖中進(jìn)行預(yù)警顯示，最后視頻上報至手機(jī)APP 終端，見圖8。

圖8 系統(tǒng)流程

4.2 預(yù)警功能

（1）人工預(yù)警采用操作報站器的方式操作，駕駛員通過故障按鍵進(jìn)行預(yù)警，同時信息上傳智能調(diào)度系統(tǒng)，功能描述見表1。

表1 人工預(yù)警功能描述

（2）自動預(yù)警基于智能調(diào)度系統(tǒng)根據(jù)GPS 數(shù)據(jù)自動計(jì)算，對數(shù)據(jù)進(jìn)行分析形成自動上報機(jī)制，功能描述見表2。

表2 自動預(yù)警功能描述

4.3 異常情況篩選

根據(jù)預(yù)警內(nèi)容和級別系統(tǒng)對異常情況進(jìn)行篩選，異常情況篩選描述見表3。

表3 異常情況篩選

4.4 決策分析

根據(jù)車輛停駛情況對數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，并生成圖表格式，為領(lǐng)導(dǎo)提供管理決策支持，分析描述見表4。

表4 決策分析

5 結(jié)語

車輛中途停駛自動檢測系統(tǒng)還在進(jìn)一步研究中，在實(shí)際試運(yùn)行過程中，確定將車輛停駛時間進(jìn)行分級管理。停駛時間大于15 min 為一級響應(yīng)，車輛信息直接自動上報總公司；停駛時間大于10 min小于15 min 為二級響應(yīng)，車輛信息自動上報分公司；停駛時間大于5 min 小于10 min 為三級響應(yīng)，車輛信息自動上報車隊(duì)分管領(lǐng)導(dǎo)；停駛時間小于5 min 為四級響應(yīng)，車輛信息自動上報車隊(duì)。對異常車輛精準(zhǔn)定位并實(shí)時掌握車輛運(yùn)行狀況，根據(jù)分析的數(shù)據(jù)進(jìn)行管理決策，進(jìn)一步提高發(fā)現(xiàn)問題、解決問題的能力，完善車輛停駛預(yù)警并快速響應(yīng)機(jī)制。