多視域下交通管理數據應用成效評估

馮 佳，戴 帥，晏 松，王景升

（1.中國人民公安大學交通管理學院，北京 100038；2.河南警察學院交通管理工程系，河南鄭州 450046；3.公安部道路交通安全研究中心，北京 100005）

1 研究背景

2023 年2 月，中共中央、國務院印發了《數字中國建設整體布局規劃》，從黨和國家事業發展全局和戰略高度，提出了新時代數字中國建設的整體戰略。公安交管部門在持續聚焦業務主體基礎上，不斷提升數字化建設，向數據要效率、向應用要成績。在交管數據平臺建設逐步正規化、體系化的同時，平臺投入使用后的效果評價及數據應用成效評估也隨之成為行業關注的問題?；鶎硬块T關注實戰效果和業務支撐度，政府機構關注社會效益，科研單位關注數據驅動力與成果轉化。由此可見，全面客觀地評估交管數據應用，需要多視域綜合考慮，避免評估缺陷。

目前已有學者開展相關研究。如陸化普等［1］從宏觀大數據角度對智能交通系統（ITS）的城市應用場景進行了全面的概括；楊曉光等［2］引入霍爾三維結構（Hall three dimensions structure）來分析評價ITS 這一新的復雜巨系統［3］，但沒有深入討論具體評價操作；何建偉等［4］通過建立可估算的經濟效益評價體系，分析ITS 應用實例存在一定的局限性和片面性；郄中洋等［5］僅針對ITS 中的數據質量問題開展專項評估，缺乏整體性；呂能超等［6］對有關道路交通安全分析與評價方法進行對比與綜述，沒有涉及交管數據系統應用評價；石飛等［7］聚焦城市交通指揮中心效益評價，但在指標選取及后續定量和定性分析中并沒有明確給出具體解釋，缺乏可操作性；董開帆等［8］按照《公安交通指揮系統建設技術規范》對高速公路智能交通管理系統進行建設驗收評價［9］，沒有對應用效果進行評價；彭慶艷［10］從運輸經濟學角度研究交通大數據平臺效益，討論了基于居民出行分擔比的經濟效益量化問題。指標選取依據不足，與交管行業相關度不高。

現有交通信息系統評價有以下局限性。（1）視域單一，綜合性不強。相關研究多集中在某一維度進行專項評價，缺乏對系統整體性的考慮。（2）指標抽象，數據獲取難。指標設置存在重理論輕實踐情況。評價指標需要有較強的可操作性，表現為支撐指標計算的數據要易獲取，指標要以切實反映實際效果為原則。（3）導向模糊，指引效果弱。評價的目的在于從結果中發現應用中的不足，對照指標體系提升后續工作成效?，F有研究中數據指標具象化程度不高，工作改進方向不明確。

公安交管平臺不同于一般交通信息系統，除服務功能外還具有社會行政管理職能，體現較強的行業特殊性，目前業內評估體系尚未完善。綜上，適用于交管數據應用的成效評估目前比較欠缺。為更好的建設、使用交管數據平臺，本文考慮多視域準則，提出從基礎輸入到成果輸出的全過程評估，給出明確的指標選取原則，優化多視域下多專家賦權方法，從實際操作層面建立交管數據平臺應用成效評估方案。

2 評估設計

2.1 研究對象載體

本文關注交管數據的應用成效，交管數據由交管數據平臺獲取。交管數據平臺指由公安交通管理部門負責建設、管理，并用于增強公安業務能力、維護交通安全環境、提高資源使用效率、推進社會綜合治理的所有數據業務系統的總稱，包括前端數據采集設備、數據傳輸與存儲系統、數據處理與分析系統、公安交管業務系統及情勢研判與交通控制系統等。從業務角度看，公安交管指揮平臺（亦稱智慧交通系統、城市交通大腦等）、交管“六合一”平臺、緝查布控系統等均屬于交管數據平臺的組成部分。

2.2 多視域準則

為解決現有交通信息系統評價工作不適用、不全面問題，本評估方案著力實現評估工作的全面性、客觀性、可操作性及導向性。

綜合考慮多視域準則來延展評估維度，體現評估全面客觀。以交管數據平臺應用全生命周期為原則，依次考慮：技術視域下，數據采集是源頭，數據質量準則體現數據源對技術應用的支撐程度；應用視域下，數據的價值發揮應體現在對其的正確使用，數據應用準則體現交管數據被使用的程度；績效視域下，以公安交管績效考核為導向的交管業務準則體現實戰單位工作效能；公共視域下，社會效益準則體現城市治理的公益效果。通過建立基于以上維度的綜合評估方案，確保研究及評估質量。

在準則層確定的情況下，依次建立各指標體系。指標的選取依據各視域特征確定，起到客觀支撐評估效果的作用。指標數據的獲得均建立在日常業務數據基礎上。評估方案如圖1 所示。

圖1 多視域準則評估方案

3 指標層構建

3.1 交管數據類型

考慮目前公安交管數據獲取設備類型規?；腕w系化，在應用中也具有統一性，數據采集來源分類如表1 所示。

表1 交管數據采集來源及特征

3.2 數據質量準則指標

數據質量是數據應用的前提，高質量的數據具有顯著性的群體特征?？筛鶕祿τ跇I務運行、決策決議、計劃執行等方面的貢獻度選取［11］。

選擇數據質量作為交管數據應用成效評估的一個基礎準則，是整體成效評估的客觀需要。歐洲統計局 (Eurostat)［12］、國際貨幣基金組織（IMF）［13］、經濟合作發展組織（OECD）［14］、全國信息技術標準化技術委員會等不同的組織機構對數據質量都有各自的統計指標。相關文獻中，方幼林等［15］利用定量方法，給出了數據質量 13 個方面的評估指標；孟?。?6］在數據質量評價計算框架中提出質量因子概念，將數據質量評價進一步細化到了基礎層面，也為本研究提供了參考。

經過梳理數據質量常用統計指標，并結合公安交管數據質量特征進行選定。一個區域內數據采集設備是否合理布設是前提條件，需要總體考慮數據采集的覆蓋率。數據的質量，視頻、圖像類型數據主要用于交通違法、交通事故的現場重現和證據固定，以便更直觀地給出法律解釋促進后續程序進行，著重體現完整性、準確性、有效性；音頻類型數據主要用于接處警、錄音取證、業務溝通，著重體現準確性、有效性；文本類型數據主要用于記錄警情、上傳下達、存儲備案等，著重體現完整性、準確性、一致性；采自各類路況檢測器的數字字段信息主要用于監測道路交通流信息、違法信息等，著重體現完整性、準確性、一致性、有效性。據此，選定數據覆蓋率、完整性、準確性、一致性、有效性作為數據質量評估指標，如表2 所示。

表2 交管數據質量指標

3.3 數據應用準則指標

從數字中國建設到智慧城市建設，一致強調統籌數據資源整合共享和開發利用。為避免交管部門在業務數據應用方面出現簡單的技術堆砌，產生“數據孤島”“數據煙囪”等情況，著眼打通已有“數據壁壘”，推動數據共享利用。因此，引入互通率及訪問率作為數據應用評估指標。CnR 表示互通率,結果范圍為［0,1］；m表示交管業務系統個數；n表示數據庫個數；Dati×Sysj表示第i個數據庫Dati和第j個交管業務系統Sysj互通性，{0:不互通，1:互通}。如式（1）所示。

InR 表示數據庫訪問率,結果范圍為［0,1］；Adpjk表示第j個業務系統中第k個業務對具有互通鏈路的數據庫的實際訪問個數，第j個系統有lj個業務種類；m表示系統個數。如式（2）所示。

3.4 交管業務準則指標

交管業務準則指標選取具有重要的導向作用，能夠實際反映數據應用對工作的支撐。為保證指標選取客觀性，利用灰度關聯分析（grey relation analysis，GRA）進行指標選擇。考慮各指標子序列因素與母序列關聯度ξm，ξm表示第m個子序列和母序列的關聯度。本研究通過調研得到J 地交管部門2017 至2021 年工作績效與各考核指標單項考核情況。年份跨度較大，指標不盡相同，故選取具有共性的主要指標作為研究對象。因實際數據Dn涉密，這里以同級單位橫向比較排名形式體現數據分布規律。各序列值已做同向化處理，保證數據方向意義統一。如表3 所示。

表3 交管業務考核影響因子正序排名數據 單位：位

ρ為調節系數，本例取值0.5。各數值關聯度ξmn求均值后得出子序列關聯度ξm，結果見表4。以0.8為關聯度閾值進行選取，關聯度ξm超過0.8 的序列為顯著子序列，聚集具有同類屬性的顯著子序列單項指標并定義為特征聚集指標，為下一步確定評估指標做準備。特征聚集指標關聯度為子序列關聯度均值。

表4 基于關聯度的指標特征分類

特征聚集指標在一定程度上反映了交管業務考核關鍵指標的共有屬性，但在評估工作中需要指向性更明確、意義更具體的指標表達，以方便通過觀測數據進行量化過程進而獲得指標結果。引入事故下降率、違法下降率、擁堵緩解率、案件辦理率作為交管業務準則指標。AcR 表示事故下降率，主要依據重大及以上交通事故數、一般交通事故及通過簡易程序處理交通事故數等事故處理特征聚集指標數據得出，結果范圍為(-∞，1］，該值有方向性，負值表示上升，起負效應。Acci表示第i年交通事故發生數，事故下降率是交管業務的核心指標，尤其在“減量控大”1）大背景下，如何深挖數據信息、進行及時準確的研判并指導實施，形成事故預防機制是有重大意義的，如式（4）所示。

JaR 表示擁堵緩解率，主要依據道路擁堵通報等擁堵反饋特征聚集指標數據得出，結果范圍為(-∞，1］，該值有方向性，負值表示上升，起負效應。飽和流率通常作為道路交通通行能力計算的上游指標出現，但在擁堵識別中還要進一步依賴車輛檢測數據。因此，為更直接監測道路情況，最大程度減少擁堵投訴反饋，誘導高效通行，這里引入排隊長度作為擁堵指標。表示第k年第j天第i個路段觀測點出現排隊的長度，n表示指標統計區域內的觀測站點數量，。路段觀測站點為交叉口各方向槍機視頻檢測點位或其他可用于排隊長度檢測的設備等。表示標記規則，定義為某項路段排隊長度達到閾值T，式子返回值為1，否則為0。閾值T為排隊擁堵參數經驗值，評估時根據當地實際情況設置，如式（6）所示。

SeR 表示案件辦理率，主要依據各類交通違法犯罪案件的辦理數量、案件移交數量等案件辦理特征聚集指標數據得出，結果范圍為［0,1］；Cls 表示統計周期內辦理案件數量，Cas 表示統計周期內立案數量。理論上講，數據的深度應用對案件偵破具有顯著正作用，如式（7）所示。

3.5 社會效益準則指標

交管數據平臺作為社會治理體系重要的組成部分，深度參與社會管理，發揮職能作用。

交管數據的高效應用理論上能大幅度提高交管業務的工作效率，進而產生廣泛的社會效益。表4中部分聚類亦體現了社會效益屬性。經濟效益作為社會效益的重要考量，結合數據應用成效體現方式，從支撐單位到人員運轉的角度及引入經費節約率，再結合已有聚類得出警力節約率、數字業務滲透率、交通參與滿意度作為社會效益評估指標。SvR 表示經費節約率，主要依據單位年度預算與結算賬目等財務數據得出，結果范圍為(-∞，1］，該值有方向性，負值表示上升，起負效應。Expi表示第i年常規經費發生量，如式（8）所示。

PeR 表示數字業務滲透率，主要依據12123 客戶端推廣、各地方交管業務微信公眾號和小程序等數字業務滲透特征聚集指標數據得出，結果范圍為［0，1］。Num 表示指標統計范圍內使用業務應用客戶端的人數，Pop 表示指標統計范圍內的總人數，如式（10）所示。

SaR 表示交管工作滿意度，主要依據接出警量、群眾投訴及建議情況等交管反饋特征聚集指標數據得出，結果范圍為［0，1］。Cmp 表示指標統計范圍內有關交管工作的報警、投訴、建議等信息條數，，統計原則上不大于指標統計范圍內總人數。Pop表示指標統計范圍內的總人數，如式（11）所示。

4 評估模型構建

4.1 指標體系

基于以上指標選取結果，給出交管數據應用成效評估結構，如表5 所示。體系結構包括評估目標、準則層、指標層3 個層級。評估目標是因變量，是整個成效評估的結果。結果分為四種等級。準則層、指標層是評估過程，自變量通過該過程生成因變量。自變量來源于各個評估指標。

表5 交管數據應用成效評估結構

4.2 多視域賦權

準則層為多視域情況，采用專家打分及層次分析法（analytic hierarchy process，AHP）取得權重。本研究邀請5 位專家根據自身知識背景、社會管理經驗對指標的相互重要性程度進行打分。5 位專家來自不同地域單位，包括2 名高校科研院所交通管理領域學者、2 名地市公安交管一線熟悉交管業務平臺的業務骨干、1 名省交警總隊業務領導。具體人員情況如表6 所示。

表6 專家基本信息

AHP 需要構造判斷矩陣，如表7 所示，A表示準則層指標，aij表示Ai對Aj的重要程度，取值范圍［1,9］，數值越大，表示Ai相對Aj越重要。aij由專家打分均值得到。

表7 判斷矩陣

判斷矩陣各元素aij歸一化處理，求得指標特征向量wi，一致性檢驗系數CI 由最大特征根λmax計算，如式（12）所示。

引入一致性判定規則，如式（13）所示。

其中，CR 表示一致性檢驗系數；RI 表示檢驗比對系數，可查平均隨機一致性指標表求得。

表8 準則層判斷矩陣及一致性檢驗結果

表9 重要性系數μ 取值分級

表10 指標重要性序列

4.3 分視域賦權

AHP 法在指標權重計算中專家意見同等重要，對于不同知識背景的專家意見、不同視域結構組合下的二次賦權問題缺少進一步探討。如張世翔等［17］、曹宇等［18］組合賦權研究嘗試融合兩種以上賦權方法，AHP 法融合改進熵權法（improved entropy weight method，IEWM）方案強調了主客觀融合，但沒有從本質上解決熵權用于評價領域的權重失真缺陷。序關系分析（G1）融合指標相關性權重確定方法（criteria importance through intercriteria correlation，CRITIC）［19］、AHP 法、熵權法（entropy weight method，IEWM）、融合CRITIC 法方案將評價客體指標數據統計特性用于修正主觀評價［20］，容易受到樣本的干擾，對權重分配調整的說服力不足。

4.3.1 改進序關系分析法

分視域準則下指標特性具有明顯的知識邊界，在一次賦權時采用改進序關系分析法（improved G1，iG1），確保指標整體排序邏輯穩定性。戰琦等［19］、Gu 等［21］學者對G1 法的運用及改進缺少對指標權重wk的標準化約束，不便于引用計算。iG1 法規則如下：

步驟1:建立視域p下指標重要性序列Se，如式（14）所示。

步驟3:專家人數為c的共同賦權下指標t的最終權重，如式（16）所示。

4.3.2 專家校正賦權法

分視域下iG1 法賦權完成后，為解決信息可信度問題［22］，提出專家校正賦權法（professional adjustment weighting，PAW）。PAW 法從專家自身專業權重角度出發，利用自我限定規則實現自我約束管理，對一次賦權進行校正，規則如下：

步驟1:建立多視域活躍度矩陣R，如式（17）所示。

極化函數根據專家人數c呈現不同的活躍度分化能力，區別專家權重，增加賦權可信度。

4.3.3 iG1-PAW 組合策略賦權

表11 PAW 法校正矩陣

iG1-PAW 組合賦權結果可由式（20）求得。對基于GRA 法的關聯度排序、基于G1 法的比重排序、基于iG1-PAW 組合賦權的權重排序三種結果進行比較，另加入各專家排序結果進行對照，如表12 所示。

表12 多種規則排序結果對比

從表12 可以看出，具有統一量綱功能的iG1 法與PAW 法組合策略賦權在指標最終權重值及權重排序上和其他規則結果有著較大的不同，這種差異來源于PAW 法對專家權重的再分配。權重校正結果應當符合專業認知，盡可能趨向于高權重專家群意見。根據校正賦權得出指標權重排序可信度分析，如表13 所示。

表13 多種規則排序可信度對比

可信度由各規則排序符合度與專家校正權重的積和求得。GRA 法關聯度排序基于數據分析，用于篩選出跟考核結果相關度較高的指標，得出評估可信度為38.900%，可信度不高。這些指標如何支撐數據應用成效評估，還需進一步賦權調整。專家均權賦值方案G1 法權重評估可信度為30.750%。iG1-PAW 組合賦權策略權重評估可信度為61.875%，在分視域專業校正作用下，可信度提升較為明顯。

數據質量準則、數據使用準則和社會效益準則指標權重均以此組合賦權方案確定。

4.4 評估方案

為進行公正、準確的評估工作，評估方案的設計需要對評估思路、方法選用原因、指標選用依據進行詳細闡述。本研究進行廣泛調研，在層次框架下擴展傳統視域，提出指標選取新方案，評估方案設計流程見圖2。

圖2 評估方案設計流程

基于專家打分的AHP 法確定準則層權重值，iG1-PAW 組合策略確定指標層權重值。將準則層和指標層的評估指標進行嵌套融合，得出交管數據應用成效評估方案，如表14 所示。

表14 交管數據應用成效評估方案

該結果符合專家基于專業認知的評估預期，也符合本文的研究初衷，較為準確地表達評估指向。最終得出的評估指標直接權重如圖3 所示。

圖3 評估指標直接權重示意

5 結論

本研究從問題出發，以實際需求為導向，聚焦公安交管行業數據應用問題，構建成效評估方案。主要結論有：

（1）從技術視域、應用視域、績效、公共視域出發建立多準則數據應用成效評估方案。評估結果引導數據平臺建設更具實戰性、實用性，促進交管部門合理高效運用數據提高工作效率，為建成數字政府、數字社會賦能。

（2）根據各視域特點，依據數據質量理論、系統設計原則、數據關聯特性確定指標，保證指標選定的科學性和代表性，并突出服務實戰、服務社會導向。所有指標算式統一量綱，評估過程更加優化、透明。

（3）準則層的視域賦權基于多專家均權AHP法實現，分視域下指標層賦權基于iG1-PAW 組合策略實現。提出PAW 法從調整專家權重角度出發，對iG1 法得出的指標權重進行二次校正，保證了評估的公平與可信。引入業務指標算例，支持印證了二次校正效果。

（4）本文研究的是綜合評價。為了實現對交管數據系統平臺建設及使用提供導向性的目標，下一步可繼續深入研究現有體系下的高階指標，增加過程性評估及歸因分析，為實戰應用提供決策輔助和支撐。

注釋：

1）“減量控大”即削減交通事故總量及控制特大的交通事故發生。公安部于2020 年的4 月16 日召開全國道路交通事故預防“減量控大”工作部署會議，就事故預防“減量控大”工作進行動員部署?！皽p量控大”是當前和今后一個時期公安交管部門的重點任務。