交通大數據在智能高速公路中的應用分析

傅清丁

（江西錦路科技開發有限公司，江西 南昌 330038）

0 引言

社會經濟的迅速發展、各類車輛的迅速普及，使人們對高速公路的需求進一步提高。高速公路建設里程、車輛通行量逐年上升，為加強高速公路建設、運行管理控制，有必要完善智能高速公路體系，引入交通大數據，整合各階段、各部分數據，將其納入管理進程，可以有效調整管理過程、降低管理難度，充分發揮高速公路的實際價值，提供更良好的出行環境。

1 交通大數據概述

1.1 內涵

大數據，即數據資料巨大到當前的主流工具難以計算的數據，但可在有效時間內下載、整理為輔助企業決策的相關資訊。本文所探討的交通大數據，指的是可用于各個交通卡口的實時視頻與圖片的搜集、存儲等，進行大數據分析，可以掌握高速公路在24h 內的車流量、事故發生量、事故原因等的交通運行狀況，并對運營管理過程加以分析，明確其中的漏洞、問題，安排專業技術人員及時處理，提升數據采集效率、質量，對比傳統交通信息采集、管理手段，大數據分析過程更加真實、可靠，但前期投入成本會同比增長[1]。

1.2 交通大數據特點

1.2.1 體量大，交通大數據涉及多方面的信息，在對各類數據信息處理時難以依靠簡單的公式來計算，且必須引入“艾字節”進行分析。在交通大數據分析進程中，大部分數據呈非結構化形式，處于逐漸上漲狀態，隨時間增長而增加。

1.2.2 種類多，高速公路涉及多種類型的信息，如公路養護管理、收費計費、車輛監控等，在對各類信息展開分析、處理、調度時，必須綜合考慮多方面因素。

1.2.3 價值密度低，海量高速公路信息中，有價值的數據較少，特別是部分有價值的視頻可能僅有數秒或數分鐘，需嚴控分析過程，進行精細化處理[2]。

1.2.4 信息處理快，高速公路自身的特點，使其對信息處理速度有較高要求，進行公路信息分析時，需對運營規律加以研究，再通過大數據技術對其中可能涉及的問題加以快速歸納、總結、處理。

2 交通大數據在智能高速公路中的應用

實現交通大數據在智能高速公路中的靈活應用，關鍵在于搭建大數據平臺，將智能高速公路運營管理中的諸項要素納入平臺統一管理，形成一體化管理格局，提升管理質量。以下為具體實踐探究過程：

2.1 平臺架構

2.1.1 平臺搭建思路

明確交通大數據平臺作為公路數據資產管理承載體的核心地位，基于智能高速公路當下所用的信息系統，進行各類數據管理系統的關聯，發揮整體化作用；重新梳理數據信息，統一數據標準、搭建數據倉庫、建設數據模型，實現對海量數據的快速整合、計算；提供外部接口，對接公安、路政、交警、智能地圖導航APP（高德地圖、百度地圖等），引入各類數據信息，進行數據的融合、分析、梳理、分類、評價、存儲、歸類、決策等，輔助客戶服務、指揮研判、預測預警、調度指揮等運營管理過程。

2.1.2 平臺整體結構

結合智能高速公路運營管理基本需求，按照三層結構模式搭建平臺：數據層、模型層、應用層。數據層作為模型算法、系統平臺基礎部分，是保障交通大數據分析結果科學真實的基礎，在數據采集、處理進程中，篩選有效數據接入平臺大數據中心，實施數據串聯、共享；模型層主要用于數據融合、算法模型搭建，將得到的各類數據進行計算、分析，納入系統分析模塊，保障數據可視化；基于以上兩個層級，應用層結合高速公路氣象、路網、路況等信息，提供安全隱患排查、智慧出行服務、機電智能運維、道路科學養護、交通趨勢評估、綜合稽查、交通分析等各類應用功能[3]。

2.2 數據層搭建

2.2.1 確定數據來源

高速公路數據來源相對廣泛，如分布于高速公路各個區段的高清攝像裝置，可收集車輛抓拍圖片、視頻等；又如車輛進入收費站后，經過地下埋設的地板線圈，地感線圈切割磁力線，產生微弱電流，由定焦在地感線圈的攝像機拍攝一張圖片，產生車輛的相關數據，遞交收費卡、讀卡、寫卡等過程也會產生數據。歸納總結數據來源，包括但不限于：高德地圖、出行服務、養護施工、移動通信、數據運營、路政管理、收費、視頻監控等[4]。

2.2.2 大數據類型分析

智能高速公路大數據包括以下部分：一是基礎設施數據信息：服務區、停車區、收費站、橋梁、隧道、路段等。二是收費數據信息：免通車、征費稽查、入口承重、出站收費、ETC 監測等，主要用于運營優化、風險管理、收費管理等。三是運營數據信息：指揮調度、行駛路徑、進出站點與時間、繳費類型、車流量、車牌號、車速、車型等。四是運維數據信息：路產巡查、道路養護、維修經費、機電監測數據、交通事件等。五是出行服務數據：收費站開閉、路況、道路問詢、氣象監測等[5]。六是交警車管數據：車駕信息、事故處理、執法糾違等，主要用于基礎采集、指揮調度、運營管理等。七是路政運營數據：施工管理、超限執法、危化運輸、救援與災控。八是公安管理數據：黑名單、涉車犯罪等。

2.2.3 數據處理與存儲

智能高速公路體系中產生的各類數據進入交通大數據平臺加以存儲、處理，各類數據結構復雜、形式多樣，對存儲、處理過程有較高要求，表現在：其一，交通大數據平臺兼容Teradate、DB2、Oracle 數據庫，可直接將數據從傳統架構中遷移，便于技術人員完成數據處理核心設備的轉型升級[6]。其二，TDH 支持高吞吐、低時延的實時計算場景，可進行流數據、非結構化數據、基礎結構化數據存儲，結合實際條件無縫擴容，存儲在平臺數據管理庫。

2.3 模型層搭建

2.3.1 基礎信息數據、業務數據模型

該模型針對的是智能高速公路已獲取的、尚未能投入使用的數據，這部分數據在精度、類型豐富度方面欠佳，將得到的數據納入模型，搭建各類數據格式轉化模型，維持數據標準一致，對各類數據展開校核、相互驗證，提升大數據平臺數據分析過程的利用率、準確性。

2.3.2 交通流量預測模型

以數據層為基礎，收集高速公路各時段的交通流量數據，關聯相關維度的數據分析，如車流量、路段、時間段、天氣、節假日、工作日等，進行多維度的交通流量變化預測，以圖表形式呈現，清晰準確地呈現不同時段的交通流量，作為交通調控的基礎參考。

2.3.3 運營管理模型

對車流、路況、ETC 門架等相關數據的收集，獲得高速公路斷面車流量、路面損耗、均車速等運營指標，實施交通組織優化，制訂應急處置預案，引入交通仿真模型，優化運營管理過程，如交通事故的提前預防、事故責任的正確判定、事故處理時間的大幅度減少等，保障高速公路的正常通行。

2.3.4 綜合稽查分析模型

進行入口承重、征費稽查等收費數據及車型、車牌號、行駛路徑、繳費等運營數據的收集、篩選，實現稽查分析、問題總結與處置、數據上報、跟蹤反饋等功能，完善稽查閉環管理體系。

完善的灌溉管理制度可以加速農業節水灌溉技術的推廣，促進農業經濟的發展。在灌溉管理制度中，要重視對農業節水灌溉技術的宣傳，使更多的農民可以更加了解農業節水灌溉技術，調動農民采用農業節水灌溉技術的積極性。

2.3.5 突發事件評估模型

統計高速公路路政交通事件歷史數據，從地點、路段、天氣、時間、原因、發生頻次等不同維度，搭建突發事件評估模型，進行突發、多發事故的提前預判與處理。

2.4 應用層搭建

應用層按照模塊化方式布置，實現各模塊間數據信息共享的同時，減少模塊間的相互影響，保證對數據層的高效應用。主要包括：

2.4.1 公路健康監測模塊

在高速公路沿線布置若干傳感器、攝像頭，對接大數據平臺，持續采集路面高程、風速風力、溫度等參數，對比設定的額定值、現場監測數值，若監測值大于額定值，或在監控畫面中出現槽坑、麻面、裂紋等質量缺陷，平臺發布報警信息，提示運營管理部門遞交高速公路健康監測報告；在安排路面維修的同時，發布路況信息、安排路段封閉工作，恢復公路結構狀態。

2.4.2 交通流量預測模塊

交通流量預測，主要表現在：其一，依靠平臺進行車流數據實時處理，與歷史數據展開對比分析，設定流量排名，依托相應算法輸出決策建議；相關建議被采納后，預測交通流量變化趨勢，實現對各階段車流密度精準預測[7]。其二，擁堵預警，節假日期間，部分高速公路會出現擁堵，可結合交通流量相關數據預測未來某階段某路段車流量變化情況，發布預測圖，如在勞動節，可發布如圖1 預測圖與類似“某日9 時至13時、16 時至21 時某路面車流量將達到峰值”等預警信息，提示車主錯峰出行。

圖1 “勞動節”日均交通量（萬輛）預測圖

2.4.3 事故管理模塊

2.4.4 逃費稽查模塊

結合車輛信息、CPC 卡交易記錄等數據，靈活應用逃費稽查分析模型，歸納總結人工經驗的分析結果，展開智能科學分析，在各類異常數據提取、篩選、對比中，展開逃費稽查，制作稽核工單，鎖定嫌疑車輛，確認后對其違法行為加以處理。具體情況如下：其一，違法逃費，按照我國法律，在春節、勞動節、國慶節等節假日期間會對小型車輛實施免費通行政策，但部分不滿足條件的車輛，仍會選擇免費車道通行，針對這一情況，稽查分析模型引入既定算法，進行免費通行標準座位數、車型座位數對比分析，判斷其有無違法逃費行為。其二，“大車小標”判定，利用稽查模型對降低車型行為展開分析，參考ETC 辦理與繳費信息、承重數據、車型等信息展開分析，若有以下現象可判定其屬于大車小標：噸位大，座位多的二型車甚至三型車、四型車，在ETC 通行卡上記錄的車型比實際車型小的車輛；針對貨車、客車、拖掛車輛違法使用其他車輛ETC 的行為，給予嚴懲。其三，套牌分析，借助稽查模型，對車牌號、車型、車身顏色、違法信息、出入站時間等數據展開綜合分析，若顯示同一車牌在不同車輛上使用，初步判定為套牌行為，在提取車輛信息后展開跟蹤調查，發出預警信息。

2.4.5 道路狀況分析模塊

該模塊主要包括以下功能：一是路況信息提示，在線獲取交通信息，如氣象預警、事故多發路段、擁堵路段、繞行方案等，提示臨近車輛。二是服務區提示，距離服務區小于2km 時，結合駕乘人員需求，提示服務區相關信息，包括服務區距離、基礎設施、空余車位與其他相關服務等。三是收費站提示，在即將抵達收費站時，提示收費站相關信息，如開閉情況、車輛匯聚情況、是否可通行等信息。

2.4.6 收費管理模塊

該模塊包括：其一，收費額預測，結合交通流量確定各階段收費額，對相關高速公路路段展開月度、季度、年度交通流量預測，獲取計算時間段內預測收費額，預測高速公路收費情況。其二，收費人員配置，預測未來交通量后，分析車流量規律，尤其是日間與夜間、工作日與節假日間的車流量區別，作為調整各個收費站人員配置的參考，避免出現“車多人少”“車少人多”的情況。其三，車道開閉，綜合相關信息，合理安排ETC、人工車道數量，減少運維費用。

2.4.7 其他

除了上述功能模塊外，應用層包括其他功能：其一，路徑識別，結合駕駛員不同駕駛習慣、道路情況、收費分析結果等信息，推薦不同路徑，提升通行體驗。其二，路網營銷，結合車牌數據，依據車輛歸屬地、行駛路徑、所屬單位、消費行為等展開大數據分析，進行針對性營銷，如針對旅行社、客運站、大中型物流等，實施按月、按季包繳的收費制度；針對運輸業務靈活，可達到相應趟數的車輛推行按次包繳制度。

3 結語

綜上所述，文章就交通大數據在智能高速公路中的應用展開綜合分析，提出交通大數據平臺搭建思路。要求給予整個探究過程足夠的重視，明確其中的優勢與不足，持續進行大數據平臺的調整、優化，滿足不同階段智能高速公路運維格局的需要，發揮大數據在不同層面的最大功效，輔助高速公路建設、運營管理進程，推動可持續發展。