基于数据维度的城市智能交通管理系统可靠性共性评价研究

董可然， 张 军， 顾家悦， 封春房， 吴瑞玉

(1.公安部交通管理科学研究所， 江苏无锡 214151； 2.无锡华通智能交通技术开发有限公司， 江苏无锡 214151)

0 引言

智能交通管理系统是利用智能交通系统技术和方法，建立面向交通管理部门先进的交通控制、交通管理和交通决策系统，实现对道路交通系统高效、全面、科学的管理[1]。目前，全国已有600余个城市建设智能交通管理系统，为满足不断增长的道路交通发展需要，缓解日益加剧的人、车、路之间的矛盾发挥了关键支撑作用。智能交通管理系统是一个复杂的综合性系统，由系列相对独立又相互关联的子系统组成，包括数十种前端采集设备子系统、异构网络通信子系统以及多个中心应用子系统等[2]；且各子系统运行过程存在一定的随机性，如前端采集设备的漏报和误报、网络中断、应用系统崩溃等问题，造成整个系统或部分业务应用的失效或能力下降，会对道路安全畅通运行、群众业务办理、交管部门内部业务流转等造成较大影响。因此，保证智能交通管理系统的可靠运行是交管部门持续关注的重点工作之一。

可靠性研究从第二次世界大战开始受到重视，随后在电子设备、土木工程、机械制造等领域得到广泛应用。系统可靠性一般是指在规定的时间内和规定的工况下，系统完成规定功能的能力/概率[3]。如何快速、有效、准确地对系统的可靠性进行评估与分析，正确估计系统的实际性能，减轻系统风险具有极其重要的现实意义,系统可靠性评价已在工程领域得到广泛应用[4]。

目前，针对城市智能交通管理系统可靠性评价的相关研究可以分为两类：一类是针对智能交通管理系统组成的单个设备或系统的可靠性评价。如智能交通管理系统常用的交通信号灯、交通信号机、交通流信息采集、道路车辆智能监测记录、闯红灯自动记录等各类设备与系统的国家或行业标准规范中，除规定基本功能性能外也都对设备与系统的气候条件、机械强度、电磁兼容和连续工作等可靠性指标提出了要求[1]，以便产品的生产、建设、应用与监督。此外，结合实际应用情况对设备或系统可靠性进行评价，如张晶晶(2007)主要围绕数据库恢复技术对提高深圳城市交通仿真系统的数据库可靠性进行设计[5]。徐奥林、姜敏等(2015)基于实际数据对视频检测器和人工采集交通流量的差异，分析检测器出现误差的原因，改进设备安装和调试技术，提高设备应用可靠性[6]。另一类是对于复杂系统的可靠性评价体系方法，智能交通管理系统是典型的复杂系统，部分学者针对其他复杂系统开展了研究，如赵惠祥(2006)构建了城市轨道交通系统初步的可靠性功能框图，提出了一种面向对象的层次有色随机Petri网模型，并构建了城市轨道交通系统的运营可靠性指标体系和既有线运营可靠性计算方法[7]；郭浩(2008)基于体系结构建立了针对C4ISR(信息通讯指挥攻击系统)的可靠性框图模型、可靠性网络图模型，并提出了适用于系统体系结构、指标特性的可靠性分配方法[8]；董可然(2016)针对城市交通运行可靠性，分别通过模拟算法与解析算法建立了行程时间可靠性模型，并通过双层蒙特卡洛仿真进行了评价分析[9]。

综上所述，目前城市智能交通管理系统可靠性评价的研究主要集中在单个设备或系统的产品性能评价，可借鉴的其他复杂系统可靠性评价体系方法依然不完善，缺乏全面的、动态的、面向应用的整个系统层面的可靠性评价研究。因此，本文通过评价共性技术研究，以系统应用效果和发挥作用为导向，从数据的采集、传输、应用全维度提出对智能交通管理系统的可靠性评价共性指标与方法，为多个城市智能交通管理系统可靠性识别以及其他复杂系统可靠性评价提供参考。

1 评价共性研究

城市的智能交通管理系统，由成千上万的前端设备、网络节点和后台系统等组成，对每个产品和过程的可靠性分析过于复杂和缺乏可行性，且单点都可靠不代表整个系统可靠，而且系统用户关心的不单单是系统能否正常运行，而更多的是系统有没有发挥作用。可靠性评价体系的关键是以系统应用效果和发挥作用为导向，抽象系统运行模式和关键影响因素，形成共性评价模型[10]。因此，本文评价研究的出发点是在智能交通管理系统正常运行的工况条件下进行的静态测评，设备和系统本身的可靠性(如平均无故障工作时间等)是作为前提条件而非研究重点。对于评价共性研究，在2013年财政部发布了《预算绩效评价共性指标体系框架》，从项目投入、过程、产出和效果4个方面设置了绩效评价指标，供各地在设置具体指标时指导和参考；邓科、王小文等(2018)针对复杂体系仿真系统的可信度评估指标构建问题，以建立共性评估指标知识库为基础，结合传统树状指标和指标网的优点，提出混合式的评估指标体系[11]。

结合主流的信息系统特征与典型的智能交通管理系统体系框架[2]，如图1所示，由物联感知设备、支撑系统、应用系统组成的逻辑架构体现了数据处理的流程，即数据的采集—传输—应用整个闭环，这是智能交通管理系统的运行模式也是共性特征。本文以这3个维度作为可靠性评价共性指标的基础，以避免对大量的设备、系统的可靠性评价。

图1 共性评价维度

以数据处理流程的采集、传输、应用3个层次为评价维度，面向城市智能交通管理系统全部组成对象，对各层级体现影响数据质量的关键共性指标进行筛选。结合大量的实际调研和专家调查法，进一步在3个评价维度上分别筛选2～3个关键评价指标，形成一级共性指标集，以提高覆盖影响智能交通管理系统的关键因素并降低评价实际操作难度。进一步结合城市智能交通管理系统各组成部分都是服务于“道路监视、交通管控、违法处置、信息服务”4类交通管理业务应用，对共性评价指标进一步细化，整体逻辑和框架如图2所示。

图2 共性评价层次与逻辑

2 评价指标分解

本文的指标筛选侧重与共性、少而精以及可通过系统自动获取，避免传统复杂系统评价往往需要大量的指标和问卷调查。在上文确定的评价维度和一级共性指标基础上，进一步对共性评价指标进行筛选和分解，即不针对某一类设备和系统，而是从业务应用维度建立对应关系，并经过指标提取、共性筛选，形成共性评价指标体系。以数据采集维度的一级共性指标覆盖度指标为例，如图3所示，首先从业务维度建立与基础系统及设备之间的关联。如道路监视业务对应的基础系统有交通视频监控系统等、交通管控业务对应的有交通信号控制系统等；其次分析每个基础系统可靠性的关键影响因素，如交通视频监控系统的可靠性关键影响指标包括视频画面质量、空间覆盖范围等，交通信号控制系统的可靠性关键影响指标包括信号参数、管控空间范围等；然后对所有的基础系统与设备的可靠性评价指标进行共性筛选与合并汇总，形成二级共性指标数据类型和覆盖范围，如覆盖范围是视频空间范围和信号管控范围等评价指标的抽象合并，用于评价城市智能交通管理系统采用的各种信息采集设备覆盖范围的情况。以此类推，形成的共性评价指标体系如表1所示。

图3 覆盖度的二级共性指标筛选方法示例

表1 共性评价指标体系汇总表

基于筛选形成的一级、二级共性评价指标体系，从业务维度进行反馈、分解细化，形成具体的评价内容，如数据类型分解出视频画面、信号优化联网数据等评价内容。对于每项具体评价内容细化了具体得分要求，最终形成了多维度、分类分层的树状可靠性评价指标体系，数据采集、数据传输和数据应用各评价维度的评价指标体系，分别如图4、图5、图6所示。

图4 数据采集维度指标体系注：*代表关键否定项，对可靠性等级划分决定作用。

图5 数据传输维度指标体系

图6 数据应用维度指标体系

3 评价方法构建

现有系统可靠性分析方法主要划分为4大类，即解析法、蒙特卡罗法、综合法和网络法[4]。结合上文形成的树状可靠性评价指标体系，本文评价方法以解析算法为基础，选用层次分析法(AHP)，通过对具体评价内容的打分、共性指标权重分配、分层合并等构建评价过程。同时，由于权重分配确定中，需要建立在定性分析的基础上，因此引入模糊综合评价法(FCE)，从而建立定性分析与定量分析相结合的方法体系，以提高方法的有效性。方法步骤如下。

Step1：由专家对指标进行模糊评价，得到专家评估矩阵。

分别对一级共性评价指标Bi(i=1,…,7)中的二级共性评价指标BiCj(j=1,2或1,2,3)每组进行比较，利用模糊数(M1-M9)来表达他们的偏好,有n个专家对指标进行模糊评价，每组得到一个模糊数(Cjl1,Cjm1,Cju1),(Cjl2,Cjm2,Cju2),…,(Cjln,Cjmn,Cjun)。重复以上步骤，直到所有的比较变成一个模糊数，得到专家评估矩阵如下：

Step2：将n个模糊数整合为一个模糊值，得到模糊矩阵。

对其他比值可做相似处理，处理专家评估矩阵，得到模糊矩阵：

(c3l,c3m,c3u) 如i=1

得到Dc1,Dc2,Dc3.

Step4:对Dc1,Dc2,Dc3去模糊化以及求出C1、C2、C3的最终权重d(c1),d(c2),d(c3)。

定义一：M1(l1,m1,u1)和M2(l2,m2,u2)是三角模糊数。M1≥M2的可能度用三角模糊函数定义为：

定义二：一个模糊数大于其他K个模糊数的可能度，被定义为：

V(M≥M1,M2,…,Mk)=minV(M≥Mi),i=1,2,…,k

求解得到d(c1),d(c2),d(c3)。

Step5:标准化最终权重。

将d(c1),d(c2),d(c3)标准化，得到各指标的标准化权重：

Step6:确定其他层次的各指标权重。

利用相同的方法，得到一级共性评价指标Bi和3个评价维度Ai的权重。

根据以上过程形成共性指标权重，为方便工程应用对指标权重进行取整、标准化，最终得到权重分配表如表2所示。

表2 共性指标权重分配表

Step7:智能交通管理系统整体可靠性评价。

基于每项具体评价内容的得分情况和共性指标权重分配表，运用加权平均计算方法，通过多层复合运算，最终确定城市智能交通管理系统可靠性评价得分情况，计算过程如下所示。

二级共性评价指标结果表示为：

式中，m代表评价内容分解的条目个数，根据设定的得分要求，确定Em即第m个测评条目分值，并求和得到二级共性评价指标Pdi的得分。

一级共性评价指标结果表示为：

Pcj=Wd1Pd1+…+Wd18Pd18

(i=1,…,18)(j=1,…,7)

式中，Wdi代表第i个二级共性评价指标权重，共18个指标，计算得到一级共性评价指标Pcj的得分。

评价维度可靠性评价结果表示为：

Pbk=Wc1Pc1+…+Wc7Pc7

(k=1,…,3)(j=1,…,7)

式中，Wcj代表第j个一级共性评价指标权重，共7个指标，计算得到评价维度可靠性Pbk的得分。

整个系统可靠性评价结果表示为：

PA=Wb1Pb1+Wb2Pb2+Wb3Pb3

式中，Wbk代表第k个评价维度的指标权重，共3个指标，计算得到整个系统可靠性PA的得分。

综合评价得分标准分值为100分，并划定不同结果等级所属的分值区间，给出等级判定结果(A级、B级、C级)。

4 实例分析

本文建立的评价指标与方法主要被第三方专业测评机构和认证机构用于对城市交管部门自建的新建或已建智能交通管理系统进行定期测评。目前，正以国家交通安全产品检测中心名义联合某中小城市开展实例测评分析。

为方便测评记录和评价结果计算，本研究开发了专门的测评系统，软件界面如图7(a)所示，采用应用端和服务端分别部署方式，实时上传现场采集的照片、被测单位提供的文档扫描件等。针对具体评价内容的特点，通过问卷调查、抽样获取、系统对接、工具采集等多种方式采集评价项目，如对交通管理设施设备总体数量这类统计数据采用问卷调查方式，对于部分实证数据采用随机抽取一条市中心和非市中心主干道统计设备建设比例，通过系统对接评测数据库库表结构和字段内容，以专业的图像质量巡检工具评价“图像质量损伤”指标得分。分别采用控制式、等级式、加分式的量化方法，给出二值化、离散型或连续型的得分取值规则，具体如表3所示。

表3 评价指标得分量化方法与规则

对于城市智能交通管理系统可靠性评价A级、B级、C级3个等级，通过实践论证，确定A级要求评价得分至少应在85分以上，且所有关键指标(见图4、图5、图6中的*项)要求应是满分，B级要求评价得分至少应在60分以上，C级为评价得分在60分以下。本次测评的某中小城市城市智能交通管理系统可靠性评价得分73分，为B级等级，即该城市智能交通管理系统存在可靠性问题，但不会导致面临高等级可靠性风险，对于具体的问题描述、问题分析、改善建议以及评价结果分析形成具体的测评报告，如图7(b)所示。

图7 可靠性评价过程中的系统界面与报告输出

5 结语

本文面向当前城市智能交通管理系统可靠性评价研究的不足，结合复杂系统特征和评价共性研究，以数据处理流程为出发点，构建了数据的采集、传输、应用3个层次的评价维度，并筛选出一级和二级共性指标，结合智能交通管理系统特征分解具体评价内容，构建了基于德菲尔法和模糊层次分析法的可靠性评价方法，共同构成了智能交通管理系统可靠性评价体系。以某中小城市智能交通管理系统评价为实例，介绍了评价指标得分规则、系统界面和报告输出等情况。下一步本研究将进一步扩大调研和专家论证范围，提高共性指标的普适性，深入分析指标间关系，以提高量化分析水平，并选择多个代表城市开展实证评价工作和指标体系完善。