大數據技術在交通運輸信息數據平臺的應用

于 晉，張學懷

（威海市交通運輸事務服務中心，山東 威海 264200）

引言

目前信息技術已經在各領域得到非常廣泛的應用，交通行業也在大數據、云計算、區塊鏈以及北斗定位等新技術的支撐下，實現了智能化的發展［1-3］。各類交通業務信息系統經過多年的運行，積累了大量的交通基礎數據資源，為大數據的應用發展奠定了堅實的基礎。目前交通部門為了應對不同的業務需要，建立了不同的業務信息系統大多獨立運行，系統關聯度低，也缺少相應的數據分析模型，很難從交通行業全角度對數據進行分析和挖掘，致使目前的行業管理效能不高。因此，運用先進的大數據技術對交通運輸領域海量基礎數據進行分析，深挖數據的內在價值，解決交通運輸行業運行管理中存在的各種問題，為提高交通公共服務能力和管理決策提供有效的支撐，使交通運輸行業管理更加智能化、科學化、信息化［4-5］。

1 主要技術原理

1.1 數據庫技術

數據庫（DataBase，DB）是存儲在計算機輔助存儲器中的，有組織的，可共享的相關數據集合。數據庫技術研究和解決了計算機信息處理過程中大量數據有效地組織和存儲的問題，在數據庫系統中減少數據存儲冗余、實現數據共享、保障數據安全以及高效地檢索數據和處理數據。

隨著數據庫管理系統（Database Management System,DBMS）特別是關系型數據庫管理系統（Relational DataBase Management System，RDBMS）的發展，數據的安全穩定運行在系統運行中起到關鍵作用，通常采取數據保密、加密算法、身份認證、磁盤陣列、數據備份、異地災備等信息化手段進行主動防御，以防止出現不合法地使用造成的數據庫數據泄露、更改或破壞。

1.2 北斗定位技術

北斗衛星定位系統是由我國自主研發的，致力于向全球用戶提供高質量定位、導航及授時服務的定位系統，主要服務包括開放服務和授權服務兩種方式。開放服務是向全球免費提供定位、測速和授時服務；授權服務是為有高精度、高可靠衛星導航需求的用戶，提供定位、測速、授時和通信服務以及系統完好性信息。

1.3 大數據技術

大數據可以概括為5 個V：數據量大（Volume）、速度快（Velocity）、類型多（Variety）、價值（Value）、真實性（Veracity）。由于大數據超過傳統數據庫系統的處理能力，常規軟件工具無法在一定時間范圍內對數據進行獲取和管理，需要通過大數據技術對海量數據進行處理分析，為行業決策提供強有力的數據支撐。

1.4 大數據分析技術

大數據無法用單臺的計算機進行處理，必須采用Hadoop、Spark、云存儲、云計算等分布式處理方式實時分析海量的交通數據，同時采用MapReduce模型技術用于大規模數據的并行運算，實現智能化、高效率的計算和分析。

Hadoop 是一個分布式計算平臺，其最底部是Hadoop Distributed File System（HDFS），它儲存Hadoop集群中所有存儲節點上的文件。HDFS 的上一層是MapReduce 引擎，該引擎由JobTrackers 和TaskTrackers 組成。通過對Hadoop 分布式計算平臺最核心的分布式文件系統HDFS、MapReduce 處理過程，以及數據倉庫工具Hive 和分布式數據庫Hbase的介紹，基本涵蓋了Hadoop 分布式平臺的所有技術核心。

圖1 大數據分析系統架構

2 功能總體架構

為有效利用交通基礎數據資源，開發不同的大數據的應用系統，通過綜合交通數據信息一體化的系統平臺，對不同的業務信息系統進行數據資源整合共享，以及吸取清洗互聯網數據，來適應當前交通行業信息化的發展的需要。通過大數據分析等先進技術進一步將不同數據基礎資源進行挖掘與分析，為交通管理部門提供預警分析和決策分析，且為不同的從業者、公眾提供不同的的數據需要。功能總體架構主要包括交通擁堵指數、出租車網格化預警、重點營運車輛主動預防及疫情管理預警等部分。

圖2 系統總體架構

3 系統模塊

通過建立區域交通檢測及預測模型，共享交通運行數據，建立交通運行數據共享試驗體系，分析營運車輛綜合情況，做到提前預警和規范管理，為政府精準規劃管理提供基于數據證據的綜合決策依據。交通數據中心在底層提供各業務系統操作接口，充分理解底層接口的調用機制、制定合理的調度策略，深入分析現有業務系統，了解其性能、機理，建立相應的數據交換標準與規范。以巡游出租車、重點營運車輛、公交車輛等數據作為大數據分析試點，分析道路運行安全管理的內在規律，為交通管理決策、規劃、運營、服務以及主動安全防范帶來更加有效的支持，提高交通安全的水平。

3.1 交通擁堵指數模塊

在分析城市道路交通擁堵指數總體變化規律的基礎上，綜合考慮天氣、節假日、重大活動、突發情況等因素對交通的影響，以未來1 h、2 h、6 h、12 h、24 h 為時間間隔，每3 min 的交通擁堵指數明細為預測目標函數，建立基于城市道路交通擁堵指數預測模型，確定了模型的狀態向量，距離計算方法，預測值計算方法等，并根據實時采集到的出租車、重點營運車輛、公交車北斗定位信息數據對模型各參數進行標定，實現對威海市市區宏觀交通擁堵指數的短期、中期預測。見圖3。

圖3 交通擁堵指數模塊

擁堵指數范圍0～10，數值越大，反映出該區擁堵情況越嚴重，反之則道路越通暢，可根據日/周/月/年為周期進行交通指數的展示與對比，包括擁堵時長、道路運行速度、全年擁堵天數的分布等，分析區域城市道路通行情況，以早高峰、晚高峰、日高峰做對比，分析市區的交通壓力，并向公眾推送合理化出行建議。

3.2 巡游出租車網格化預警模塊

基于市區巡游出租車北斗定位信息數據、交通執法車輛攝像頭數據、交通視頻采集系統視頻數據等，將本市地圖進行網格化處理，以0.5 km 為一個網格，實時監控全市出租車在每個網格的數量、所屬公司、駕駛員信息等，從而協助管理部門掌握全市出租車的運營分布和運行軌跡。在此基礎上，后臺積累數據量達到分析要求后，可實現對出租車的異常集聚現象進行預警，一旦網格區域的出租車數量出現異常增加，即出租車數量明顯高于此網格歷史數據，系統將實時顯示出租車異常區域的具體位置、出租車所屬企業、駕駛員等信息，并以將該區域標紅，采用彈窗的形式來提醒工作人員。工作人員可以通過車載視頻查看現場情況，一旦確定是異常聚集，及時與公安部門共享信息，對現場的出租車進行監管、引導和疏散。見圖4。

3.3 重點營運車輛主動預防預警監控模塊

對車輛運行期間產生的各類預警信息，碰撞預警、車道偏離、抽煙、打電話、疲勞駕駛等進行實時提醒。對預警信息根據嚴重等級分為“嚴重”、“中等”、“一般”三類進行分級展示，可對每一預警信息查看詳情如圖片或短視頻，并可查詢預警歷史，實現對車輛預警信息的全面掌握。通過車載前視攝像頭識別行駛軌跡前方的車輛，實時探測本車與前車的距離、識別前方道路上的車道線，實時探測本車在當前車道中的橫向位置；當檢測到本車在與正前方車輛有碰撞危險時車速＞30 km/h 時、當檢測到本車由在車道中心正常行駛偏離到車輪壓線過程時車速在＞50 km/h 且未打轉向燈時，向駕駛員發出聲音警示，提醒其注意駕駛。

通過車載后視攝像頭識別車輛駕駛員精神狀態，并實時探測駕駛員的面部活動，當檢測到駕駛員有閉眼、打哈欠行為、抽煙、低頭、左顧右盼、精神不集中等行為時向駕駛員發出語音預警，并將報警圖片與視頻傳回后臺中心。對車輛預警信息可進行預警處置，可直接下發至企業或車輛，提醒企業和車輛進行整改，企業整改后可進行線上提交，管理部門可查看整改情況，實現對主動預防預警的科學管理。

3.4 重點營運車輛疫情管理模塊

基于重點營運車輛北斗定位數據，通過GIS 地圖的形式可以查看當前在疫區及14 d 內駛離疫區的車輛當前的實時狀態。通過算法，甄別可疑車輛，為疫情防控提供數據支撐。對于去過疫區以及當前在疫區的本市車輛進行統計展示，可清晰掌握車輛當前所在的省、地市、區縣到實時位置。當前疫區車輛分為當前在高風險區域的車輛以及中高風險區域的車輛，車輛類型分為危貨、兩客、普貨等，清晰直觀；14 d 內駛離疫區車輛分為當前在轄區內的車輛以及當前在轄區外的車輛，車輛類型也分為危貨、兩客、普貨等，強化疫情期間的車輛管控工作。

3.5 能化抽查處置閉環管理模塊

通過建立市-縣區-企業三級聯動抽查、處置閉環管控，市級管理部門日常可通過平臺自動抽查功能實現對車輛的自動抽查，問題車輛所在企業需要對抽查問題進行整改，區縣督促，企業整改后通過線上反饋和自動跟蹤檢驗，印證企業監管責任落實情況，實現市級通過大數據分析鎖定抽查對象→區縣級落實抽查推送→企業接收整改→反饋整改情況→區縣及市級自動跟蹤檢驗閉環管理。

通過與交通運輸部平臺結合，將部平臺的聯網聯控數據以月度考核的形式展現，直觀了解每項考核項在每月成績，可查看本市在全省范圍內聯網聯控的成績走勢及當前成績排名，并可清晰地查看各指標數據，入網率、上線率、軌跡完整率、數據合格率、平臺連通率、平臺查崗響應率等指標都有指標值及對應分值。通過對每天企業抽查→整改→跟蹤的落實，提升全省聯網聯控考核工作排名，通過“省內排名”和“市內排名”及時掌握每月排名情況，對較差區縣進行督查，加強抽查，形成良性循環，從而全面推進聯網聯控考核成績的穩步提升。見圖5。

4 結語

交通運輸領域與大數據技術的交互融合，可以促進交通行業的發展進程，加快交通相關領域間的數據交流和資源共享。隨著大數據技術的發展，會提供更多的應用場景，也應加強相關人才的培養，正視與其他國家的技術差異，進一步擴展大數據技術的應用領域，對提升我國交通行業管理水平、服務水平有重要意義。