大數據分析在公路管理中的應用探討

時洪然

大數據分析技術是目前熱門話題，在很多領域都有良好的應用，根據Markets and Markets研究報告指出，到2018年，全球大數據市場的平均復合增長率已經達到26%，標志著已經進入了大數據時代。在智能交通管理領域，應用大數據分析技術能夠將智能交通帶向更高的巔峰。若結合云計算技術、5G技術，將會大幅度提升公路管理中各項資源和數據利用率，為交通管理提供更加先進、新穎的支持和保障。基于此，開展大數據分析在公路管理中的應用探討就顯得尤為必要。

一、公路管理對大數據分析的需求

從大數據分析技術發展現狀而言，我國的大數據產業已經比較成熟，公路在發展中也形成了海量數據，數據量、數據種類等都呈現爆炸式增長，大大增加了公路管理數據存儲、數據使用、數據查詢的成本。目前很多公路管理部門都無法很好的應用現有數據，也不能直接丟棄，致使數據存儲成本逐年增大，難以發揮出數據的價值和作用。而采用大數據分析技術，能夠大幅度提升公路管理單位數據綜合應用水平，從海量數據中快速、準確地挖掘出有價值的數據，為公路管理決策的制定提供真實有效的數據支撐，從而提升公路管理的信息化、智能化、智慧化水平。因此，公路管理對大數據分析技術有非常迫切的需求。

二、公路管理大數據分析平臺設計思路

公路在運營管理中會產生大量數據，為保證這些數據能夠被良好的管理和使用，發揮出數據應有的價值和作用，需要公路運營管理單位，組建起一個級別不小于企業級的大數據分析平臺，以便對公路管理中的各項數據進行有效的采集、分析、管理和存儲。比如：TDH數據管理分析平臺就是目前公路管理中比較常用的大數據分析平臺，是一種典型分布式結構系統，數據分析、數據存儲效率非常高，而且還能實現一站式服務。既能實現公路數據的存儲和計算，又可以為數據的處理和應用，提供必要的平臺，能夠滿足公路管理大數據分析的各項要求。

當公路運營管理中數據進入TDH企業級一站式大數據分析平臺之后，需要通過數據格式轉換后，才能將數據匯總到一個平臺上進行集中管理。再進行批量化處理，就能形成明細層、匯總層、模型層。歷史數據可直接存儲到Search搜索引擎中，在使用時只要輸入關鍵字或者關鍵詞，就能快速檢索到所需的歷史數據。而那些非結構化數據，可直接存儲到Hyper base搜索引擎中進行存儲管理。為提升TDH企業級一站式大數據分析平臺中的數據分析和處理質量，可借助Governor系統來對各項數據元數據進行集中管理，包括：數據增刪、數據更改、新數據錄入等，同時還能對不同數據的影響關系進行分析，從而提升各項數據之間的關聯性，在數據使用檢索中，只要快速找到其中一個數據，其他管理數據也會被檢索出來，便于管理人員參考和使用。而對于那些上層數據的應用，可采用標準化的JDBC或者ODBC直接和TDH企業級一站式大數據分析平臺相互對接，以滿足數據快速挖掘的需求，為公路管理提供必要的參考和指導。

三、大數據分析在公路管理中的應用

（一）在ETC用戶和車輛引導管理中的應用

ETC用戶和車輛引導管理是公路管理的重中之重，為提升公路管理水平，可選擇Apriori算法，來分析各數據之間的關聯性，為公路使用用戶提供必要的信息服務，比如可通過大數據分析技術，可按照用戶車輛遷徙路線，快速制定出相關的線路信息推送服務。通過分析客戶車輛經過的歷史地點的歷史數據，再利用大數據可視化的特點，推算出用戶未來一段時間內的駕駛線路，并為用戶提供必要的信息支持和數據服務，提升公路服務管理水平，為客戶出行提供更加精準的信息數據服務。

（二）在公路運營優化管理中的應用

運營管理是公路管理的核心內容，其管理水平，直接關系到公路管理企業的經營發展水平，應用大數據分析技術，可通過流式機器自動學習的功能，對公路運營管理情況進行詳細的分析，實現提前預警、提前指揮、提前管理，便于統一調度和集中指揮。利用TDH企業級一站式大數據分析平臺，對各項數據進行分析，就可以為公路運營管理提供決策依據。利用ST-Res Net大數據分析技術，可對公路上行駛車輛的密度進行預測，主要機理是：將公路先劃分成若干個矩形小區域，進行多區域同時分析，就能實現整體性預測，通過分析公路的時間屬性、空間數據、外部天氣數據等，就能獲得公路上行駛車輛的密度。

（三）在稽查分析管理中的應用

在公路管理中應用大數據分析技術還能實現逃費稽查分析、出入口流水對比分析等。主要是利用Inceptor大數據分析技術對原始的交易流水進行全面分析，可快速獲得逃費稽查和出入口流量的相關歷史特征，包括：車輛一周、一個月、半年的繳費信息訴訟費，各繳費出入口每年各時間段的出入流量信息。可采用融合時序預測模型和異常檢測模型相互結合的方法，來提升公路管理稽查分析管理水平，具體的實現過程如下：

第1， 先通過discover大數據分布式時序預測方法，來預測每個出入口的車輛流量，同時和目前采集到的數據進行對比分析。如果對比結果顯示，實際流量低于預測流量，就表明可能存在逃費稽查情況。

第2，利用iforest算法和無監督算法來檢測各項數據是否存在異常，如果存在異常，則表明車輛存在逃費現象。

融合時序預測模型和異常檢測模型相互結合的方法，比單一的檢測模型，預測逃費稽查的準確性更高，可同時發出兩種檢測模型的優勢。

（四）在聯合指揮和應急資源調度中的應用

公路在運行中難免會發生突發事件，如果處理不及時或者處理方法不當，可能會引起更加嚴重的安全事故。利用大數據分析技術，可將公路運行中形成的各項數據匯總到一個平臺上進行分析管理，將突發事件的數據全部呈現在應急事件智慧管理平臺上，形成聯合指揮。應急事件智慧管理部門可通過”掛圖作戰”方式，制定科學有效的應急措施，盡快處理解決突發應急事件，盡快恢復公路交通，實現突發事件信息匯總、應急指揮管理、應急資源管理、應急過程管理的信息化和數字化，降低突發事件造成的損失和危害。

四、結語

綜上所述，本文采用理論結合實踐的方法，探討了大數據分析在公路管理中的應用，探討結果表明，公路管理是一項非常復雜的工作，涉及到很多方面的內容。公路管理中信息數據采集、數據匯總、數據分析、數據處理一直是重難點，也是限制我國公路管理水平提升的主要因素。而應用大數據分析技術之后，可以為公路管理提供快速、實時、有效的數據采集、數據分析、數據存儲、數據應用等方面的支撐，為制定公路管理策略，提供真實有效的數據支持和理論參考，從而提升公路管理水平，促使我國公路事業穩健發展。

作者單位：山東省交通運輸監測與應急處置中心