无锡道路交通安全源头监管系统建设与实践

施飚 周祺 江苏省无锡市公安局

引言

近年来，随着无锡经济社会的快速发展，无锡市机动车保有量、驾驶员总量持续高速增长，日益复杂的内外部交通环境带来更多的交通安全风险，交通安全监管压力随之上升，针对重点驾驶员、重点车辆、危险道路、重点企业的无死角全面源头监管成为重要工作环节。在警力有限情况下，如何依托大数据信息化手段解决现有工作模式中存在的问题，充分发挥数据、算法、算力优势实现交通安全风险实时洞察、情报实时推送、多维研判决策，从而辅助民警精准管控，是建设智源系统的主要目的。

一、需求分析

当前，交通安全源头监管工作面临以下几大难题：

（一）安全监管对象众多，缺乏有效技术手段

无锡市汽车总量已经突破200万，驾驶人总量突破250万，全市重点车辆、重点驾驶人、重点运输企业、危险管控道路数量也飞速增长，加之新兴出现的网约车、外卖电动车和共享车等众多待监管对象，导致安全监管数据总量基数庞大且增量迅速，依靠传统人工手段已无法进行有效监管，因此需要升级现有技术手段，构建大数据时代的交通安全监管系统。

（二）安全监管数据孤立分散，较难全面接入与整合

现有安全监管数据多分散在公安网、互联网、政务网、交通专网及车管专网中，且存在于不同业务系统，对其进行全量接入与整合难度较大，因此需结合公安系统特点，设计包括消息分发、接口同步、数据库同步、文件摆渡等多种方式的数据总线枢纽，实现对多网多源异构数据的实时汇聚接入并在公安网建库存储，避免由于数据缺失导致的安全隐患监管盲区问题。

（三）数据挖掘分析程度不够

由于数据覆盖不全与技术手段陈旧，尚缺乏多维数据关联融合分析与主动挖掘预警。因此需实现从交通安全业务场景出发关联融合数据，建立各类预警模型，实现模型自动预警与情报分级推送。

（四）监管流程存在短板，未能实现全生命周期源头闭环监管

安全监管应是“情指勤督宣”一体化闭环监管流程，从源头挖掘风险，进而生成情报指令，而后协同处置及回告，最后统一考核。而目前尚未建立上述流程，对安全风险多是口头或电话告知，不利于科学合理监管。

总体而言，建设智源系统即是为了解决上述问题，提高交通安全风险源头管控能力，实现“数据驱动、情报预警、主动防控”的智慧安全监管。

二、建设思路

智源系统采用“以车为本、落实到人、治理到路、督办到企”的总体思路，通过对无锡全市人、车、路、企信息进行全采集、全融合、全分析、全决策、全共享，实现交通安全数据全面接入、清洗、空间化、治理与可视，打造“情指勤督宣”一体化闭环监管流程，实现对人、车、路、企的智能化源头安全监管。系统建设思路如图1所示。

三、架构设计

基于上述建设思路，无锡交警建设了智源系统。

（一）系统功能架构

系统主要功能包括重点驾驶人监管模块、重点车辆监管模块、重点道路监管模块、重点企业监管模块、主题车辆监管模块及人车路企关联风险分析模块等。系统功能架构如图2所示。

其中，重点驾驶人监管模块实现驾驶人关联融合、驾驶人风险预警、驾驶人主题分析、驾驶人综合决策分析等；重点车辆监管模块实现车辆海量轨迹接入、车辆异常行为预警、车辆轨迹挖掘分析、车辆综合决策分析等；重点道路监管模块实现道路交通违法监管、道路交通事故监管、道路多层面分析、道路黑点挖掘与监管等；重点企业监管模块实现企业数据采集、企业抄告管理、企业“四色”预警、企业综合决策分析等；主题车辆监管模块实现外卖车监管、融资租赁车监管等；人车路企关联风险分析模块实现智能报表、数据看板、事故预测等。

（二）系统技术架构

智源系统采用面向服务的SOA软件体系，并遵循公安交警、国家和国际相关标准进行设计，分为数据层、服务层和应用层。数据层具备数据资源扩展能力，确保能接入各类交警数据，支持多种格式和类型的数据资源；服务层采用低耦合、细粒度设计，能够通过组合各类时空分析服务提供各种不同业务应用，同时，服务层采用标准服务体系进行发布，支持快速发布与更新服务，实现业务功能扩展。系统技术架构如图3所示。

具体而言，数据层将重点驾驶人、重点车辆、重点道路、重点企业、事故违法等数据进行实时接入，并对其进行地理编码、时空处理与统一标准转换，生成源头监管空间数据中心；服务层按照服务特点不同，分为数据处理服务、分析研判服务与数据运维服务三种类别，通过标准服务接口进行调用；应用层主要基于服务层提供的服务，实现适应不同需求的交警业务应用定制，包括一图展示、时空分析、人车路企监管和多维决策等。

（三）系统关键技术

系统涉及的关键技术如图4所示：

1. 海量时空轨迹点接入与行为模式挖掘技术

系统通过接入亿级出租车、公交车、两客一危、货车、校车、工程车、搅拌车、网约车、快递车、物流车、外卖车等海量GPS、电子车牌及卡口轨迹记录，对以上轨迹数据进行融合推演与出行模式挖掘，实现对重点车辆出行规律画像分析，能有效分析车辆出行频率、落脚点、聚集点、常去点等。

2. 基于深度学习的车辆异常事件监测技术

系统利用深度学习技术，对过车图片进行特征识别、目标检测及异常事件分类，能挖掘渣土车闯禁、两客一危违规行驶、电动车上桥隧等诸多异常事件。

3. 基于时空分析与深度学习的事故微观预测技术

系统通过选取合适的事故影响因子，组建训练样本及测试数据集，并构建合适的卷积神经网络模型训练事故样本数据，能有效预测不同时段、不同路段的事故发生风险，在系统应用过程中不断结合新的事故数据调整优化模型，提高模型拟合准确度，最终高效指导事故精准预防管控。

4. 基于大数据关联挖掘的多维智能研判技术

系统通过对接入的海量多维数据进行时空ETL建模与因子关联，形成各类实战模型进行多维分析，诸如一车多证、违法大户、失格驾驶员等，并形成报表超市，自动灵活生成各类图文一体化报表。

四、应用成效

系统自2019年10月上线试运行以来，累计注册账号100余个，系统数据服务访问频次已达60余万次，日均登录次数40余次，导出报表815余份，精确的指导了交警业务工作，解决了交警业务复杂、民警工作困难的问题。系统部分功能截图如图5至图9所示。

目前系统已经接入5亿条重点营运车辆轨迹数据，共预警违法大户车辆及驾驶人1500余例，预警交通隐患驾驶人65000余人，确认涉嫌保险诈骗嫌疑人1人，消除存在安全隐患公交车驾驶员1人，预警个人背车282人，预警同一法人注册公司1435人，预警同一地址注册公司1198家，各区机动车审验报废率达99%以上，并取得软件著作权一项，系统应用效果获得部、省、市各级领导的高度认可，发挥了重要实战作用。

五、结语

本文针对无锡交警智源系统建设需求、建设思路、架构设计及应用成效进行了详细论述。总体而言，运用信息化手段进行交通安全源头监管的有效尝试与创新实践，相较于传统交通安全监管而言，本文提出的方法更智能、更高效、更实用，可为全国其他交管部门提供参考。当然，随着新技术的进一步发展，会有更多更好的技术适用于交通安全监管工作，如采用区块链技术解决驾驶人安全征信问题及车辆全生命周期管理问题、采用数据画像技术解决交通安全风险积分预警问题。未来无锡交警将继续紧跟技术发展潮流，善于用技术手段解决交通安全源头监管的顽疾痼疾，不断提升道路交通安全水平。