创新的交通管理信息交互架构

石英华

(上海市公安局浦东分局, 上海 201203)

0 引言

近年来，城市交通问题日渐凸显，交通拥堵、安全成为交通管理和公众关注的热点。随着城市交通信息化的建设和发展，依托信息化手段辅助解决交通管理难题，以交通数据资源和信息技术为支撑的城市交通决策和服务成为现代化城市交通发展的重要标志和手段

伴随着大数据、云计算、智能AI等不断推进的信息化技术浪潮，智能交通建设迎来了新的战略机遇期，以“数据”为核心“资产”的产业模态已经初现端倪，大数据成为驱动创新的重要因素，对社会发展各领域正产生革命性的影响。交通信息化装备和技术不断升级带来交通数据爆炸式的增长，对数据存储、处理、应用等各方面提出了更高的要求。基于多源异构数据资源进行深度挖掘与预测,发现交通拥堵瓶颈点、量化评估交通状态、管理车辆等方面也面临着新的技术问题和契机。

利用公安交通管理部门多年积累的多源异构数据资源，引入大数据理念与技术，面向城市智能交通行业管理部门建立“数据”与“业务”双平台并立的新模式，建立交通管理智能研判系统，深入挖掘分析各业务条线情报，洞悉交通环境演变轨迹和机理，为业务管理提供分析结果和指标支持，将研判结果纳入交通管理单位的业务流程升级必要环节，通过数据网络的协同融合应用，支持业务管理执法部门的管理能力与管理精细度提升。

1 系统架构

综合运用大数据、云计算、智能AI等技术，提升道路交通流量和突发案事件研判分析能力，逐步实行情报信息主导警务的管理方式是一种信息化、互联网+技术融入交通管理行业的发展方式，更是现代警务流程再造必然的发展方向。利用上述技术打造交通管理智能研判平台，以“感知泛在、研判多维、指挥扁平、处置高效”为目标，为现代交通管理提供帮助。

1.1 系统架构

交通管理智能研判系统应由三层架构构成：硬件集成环境、数据集成环境和研判应用，如下图1所示。

硬件集成环境实现对支队现存、外部接入的多源、异构历史数据一体存储，与现有业务系统形成“业务”与“研判”双系统并立，互为支撑的模式，并可支持后续应用扩展，为研判系统提供大规模、异构数据的分布式计算能力。硬件集成环境形成了以Hadoop/虚拟化集群/集群内存库/关系型数据库为主体的平台架构，实现了对TB级交通数据的秒级检索和处理，并根据需求可扩展图像二次识别、语义二次识别硬件系统融入硬件集成环境框架。

数据集成环境是平台的核心软件，以数据对象层为核心，建立人、车、路全息电子档案，重构数据模型体系，通过其独有的全息电子档案数据集成平台(包括数据接入监控层、数据清洗转换和加载层、数据对象层及管理工具、应用服务与访问层等四大主要功能层以及函数模型库和数据管理系统)，实现数据集成应用服务环境的标准化导入导出、标准化管理、标准化应用访问、标准化研判应用开发，为定制化开展大数据研判分析提供更先进的数据支撑系统。

图1 交通管理智能研判系统架构

研判应用层主要与用户的业务紧密相关，从业务需求出发，抽象出业务应用，主要内容包括警情研判、信号研判、违法研判、事故研判、车辆研判和拥堵研判。实现面向智能研判应用的快速路、地面道路设施环境，卡口、SCATS等设备环境，数据资源配置环境及面向交通管理与执法元数据的标准化组织与管理，及支撑开展数据的关联分析和挖掘分析等工作。

1.2 数据标准化

(1) 确立数据的基础性地位。加快推进数据融合共享，需建立一个综合的、共享程度高，具有高度兼容性和系统性的公安大数据警务云，通过先进的存储技术实现数据统一逻辑管理与应用以及分散存储数据的目标，从而打破各部门、各内部警务机构数据共享及整合的约束；打通交换共享渠道，扩大社会大数据来源，整合共享社会和公安各类信息数据。

(2) 建立数据标准，抓好数据标准规范建设，做到数据体系规范、数据接口规范、数据使用规范。保证数据的清洗入库，建立规范有序的公安数据仓库，提高数据的应用效益。

(3) 确立安全的保障性前提，完善数据采集机制。影响公安情报分析结果的主要因素就是数据可靠性、完整性、丰富性、类型、来源，基于此，公安部门在进行数据采集工作过程中，应该提高数据采集内容的质量，还要对采集数据工作方式进行创新。制定健全数据管理、授权使用等安全制度，确保数据安全。

1.3 系统运用构思

交通系统是一个非线性、不连续、实变、难预测、难控制的复杂系统。基于大数据、云计算、智能AI技术构建的交通管理智能研判系统，现在流行的叫法就是所谓的“交通大脑”，它能实现多源数据感知、智能算法、智能决策。通过全量的交通数据的采集，解决交通容量、需求、状态。

首先是容量，它是区域内道路和容载量、主次干道车速、快速路车速、日交通流量。通过视频、微波、地磁、环形线圈等采集手段掌握整个区域交通流的时间规律(时变、周变、月变)和空间规律(发生、汇聚、消散)。通过时间和空间的关联找出它的特点，掌握城市的交通规律，这就是需求。从而得到历史现在和预测的状态，如拥堵指数、延误指数、快速路均速、主次干道均速、堵点乱点等交通状态。有了这些数据信息，对于交通日常勤务中的岗位点位安排、作息时间、勤务工作指导都会有精细化的指导。通过7*24的外场视频等感知数据，通过边缘算法或图像二次分析，结构化数据分析，第一时间可以发现特定的交通事件，从而在实时勤务方面，从被动出警逐步向主动出警转变，通过精准定位、实时直播等管理手段，缩短交通事件的处置时间，提供交通事件处置效率，实现警力资源的合理配置、调度。

2 案例

交通管理智能研判系统通过对多源、异构数据研判为业务管理提供分析结果和指标支持，成为公安交通各业务条线情报汇集、分析与研判的中枢环境，在“系统集成化、数据一体化、研判定制化”的基础上服务“指挥决策科学化、交通调度智能化、内部管理规范化”，提供全方位、多层级、多维度的信息情报和参考知识，服务交通决策管理，优化警员勤务调度，提高执法效率和执法水平，保障浦东新区交通有序、健康的可持续发展，全面提升浦东新区交通管理效能和水平。

2.1 高东收费站交通流量预测

对进出浦东的重点收费站、重要道路拥堵情况进行研判与挖掘，通过研判系统开展交通拥堵影响分析，支持节假日、异常天气情况下的应急处置。

节假日拥堵研判：高东收费站等节假日拥堵研判，实施路网通行能力、通行效率分析，预测节假日期间拥堵蔓延及发展趋势，为管理执法提供研判支持,如图2所示。

选取“五一”假期前3天、假期3天、假期后3天各自进行流量对比分析，如图3所示。

“五一”假期期间，高东收费站出上海预测日流量与实际日流量趋势基本一致，日流量预测最高点出现在2018年5月1日，与实际相符，预测准确。

通过对高东收费站进出上海流量进行UCEUCE，分析交通拥堵规律、分布与发展趋势，服务交警综合研判及现场执法。

图2 拥堵节日预警

图3 高东出上海日流量预测对比

2.2 事故研判

通过对事故记录关联车辆、驾驶员及交通出行行为，实现事故行为的人群、车辆及区域溯源，服务警力部署，事故防范等，如图4所示。

事故黑点分析：对事故频发路段、交叉口黑点进行研判分析，分析内容包括：交通事故类型分布、交通事故黑点排行榜、交通事故黑点分布图，如图5所示。

图4 事故研判

图5 事故黑点

3 总结

随着交通数据处理与服务需求的不断发展，大数据、云计算与智能AI的边界越来越模糊，三者技术的发展不断互相影响与融合，应该对公安交管分析方法、技术进行优化，建设并完善交通管理智能研判系统，加强交通流量预测和事故研判能力，使得大数据在公安情报工作中可以发挥最大的作用，逐步实行情报信息主导警务的管理方式，最终推动公安交通管理事业稳定、快速的发展。