大数据技术在公路治超管理平台中的应用探究

贺丽 张哲 黄林竹

摘要：目前我国公路货运行业迅猛发展，车辆超限超载现象日益增多，传统的公路治超管理模式已经不能满足现有治超形势的需要。随着先进的数据信息技术在公路治超管理中得到应用，可以通过大数据赋能来提高非现场治超执法的精准度和效率。因此，文章在分析了公路治超的必要性及技术现状基础上，探究了基于大数据的公路超限超载管理平台架构，提出了要充分利用大数据技术等科技手段，推动公路治超技术的发展。

关键词： 大数据;公路治超; Hadoop 和 MapReduce ; 超限超载

中图分类号：G642        文献标识码：A

文章编号：1009-3044（2022）19-0020-02

1 引言

近年来，在对外开放和经济快速发展的推动下，公路货运行业得到了迅猛发展。然而，车辆运输中的超限超载现象日趋严重，这不仅严重损坏公路基础设施，扰乱运输市场秩序， 加剧环境污染，更容易产生交通运输危害安全[1]，使得治理超限超载已成为亟待解决的一个问题。

公路治超管理经历了多个阶段。从最初的完全靠有人超载检查，到后来的单点无人值守治超系统。单点无人值守超限管理站比以前有很大的改进，能够实现全天候的自动工作。但是这种治超管理系统存在着很大局限性：其一，不能与治超管理其他部门联合起来综合治超。其二，治超技术缺少大数据处理、分析，不能为更好地实践创新、理论创新积累数据，不能有力地支持决策分析。我们知道，公路车辆信息及其他相关数据来源众多、格式繁杂、连续性强、物理顺序不一、数据的价值密度低，而对应的处理工具则需具备高性能、强实时性、可扩展等特性。因此，建立精准可追溯的公路超载管理平台勢在必行。

2 大数据技术在治超工作中的优势

随着全球经济、信息化技术的迅猛发展，各行各业数据的大量生产、收集、共享和应用已成为大趋势，这促使“大数据”技术成为互联网中不可或缺的一部分。与传统数据抽样方法相比，大数据研究对象多样化、多维化、数据范围广泛，这有利于人们在研究中，能够迅速挖掘出有效数据信息及其隐藏信息。正是由于这些优势和特点，大数据的应用已渗透到社会各界、各个领域以及不同学科研究方向中，比如：医学、生物学、金融领域、建筑学、企业管理学、人力资源管理、城市规划建设等。

大数据技术对各行各业带来的效益日益明显，公路治超领域的应用也不例外。据调查，目前很多地区已经建立相应的大数据平台，通过大数据分析与挖掘技术，建立数据共享机制，挖掘出跨部门、跨区域的数据潜在信息，实现信息同时、同步、共享，为治超提供更加精准、详细的数据，从而提高治超非现场执法效率和精准度[2]。

2.1利用大数据强化源头监管

从源头抓起是治理公路超限超载关键。利用大数据技术，建立机种数据监测系统，对交通运输重要路段、执法站点、货物集散装卸场地、货运源头企业等重点区域布设视频监控设备，摸查货车路线，进行实时监管。治超执法人员利用不停车检测、源头称重检测、车辆识别、超限检测站检测、流动检测、视频监控、抓拍等大数据进行分析，指挥调度精准查处。

公路治超非现场执法全过程：当车辆经过不停车超限检测系统时，车辆的车牌号、车速、总重、限重、轴数、超限率、超重等信息实时上传到信息监控中心。信息中心监管人员通过视频监控和数据分析，一旦发现数据超载信息，便将此信息推送至执法人员。当查获的超载车辆被处理完毕之后，对该车辆所属的源头企业进行相关处罚，从而及时消除违法行为。

2.2有效加强监管力度

通过对大数据平台建立的数据进行分析，对一些固定货运车辆超限超载信息进行取证留存，再调取车辆登记信息，按照行政处罚程序对当事人违法超限超载行为予以立案，并送达《交通行政处罚事前告知书》和《交通行政处罚决定书》。

当事人收到处决书以后，将督促其主动前来缴纳罚款;同时对在路面查获的违法超限车辆与数据仓库比对、分析，如有违法记录，将非现场执法并进行相关处罚;如果当事人逾期不执行罚款缴纳，将依法申请强制执行。

通过对大数据技术的应用，提高了治理超限超载的法律监管手段，使得违法行为明显减少。

3大数据分析挖掘技术在治超中的应用

大数据技术的核心内容是大数据分析[3]。近年来，大数据分析技术主要包括可视化分析、数据挖掘算法、基于 Hadoop 和 MapReduce 框架的大数据处理方法[4]。

可视化分析是一种人机交互的大规模数据集洞察和认知;数据挖掘算法是从大量不规则复杂的数据中获取一些有价值的隐含和潜在信息;基于Hadoop和 MapReduce 框架的大数据处理方法是利用分布式平台和分布式计算模型，对巨大量数据进行管理和分析。

Hadoop是Google的一个分布式计算平台，已经在学术界和工业生产领域被广泛应用，使用者可以在Hadoop上开发和运行分析海量数据的开源应用程序。它的优点：高可靠性、高扩展性、高效性、高容错性。MapReduce是由Google于2004年提出的一个分布式计算模型，用来解决海量数据的计算问题。

近年来，出现了很多基于Hadoop和 MapReduce 框架的大数据处理算法。2019年，王龙晖[5]在其博士论文中综述了基于Spark MapReduce的并行蚁群算法，可以对管网巡检最优路线进行高效规划，并且Spark MapReduce对SDP算法有很好的加速效果。2020年，臧艳辉[6]等人提出一种基于MapReduce的分治k均值聚类方法，利用Hadoop的MapReduce框架对庞大的数据集进行一系列分布式实验;刘卫明[7]等人研究了基于MapReduce的并行MRPrePost频繁项集挖掘算法。2021年，赵欣灿[8]等人基于MapReduce的数据处理模型，设计了一种基于高维数据维度粒化以及节点负载均衡的数据预处理策略;张晨跃[9]等人利用 MapReduce 编程模型的强大数据处理能力，提出了一种基于MapReduce的朴素贝叶斯算法的并行化分类方法。

本文主要探究基于Hadoop和 MapReduce 框架的数据挖掘方法，构建大数据治超管理平台。利用Hadoop平台对交通运输源数据进行实时采集，而后，通过MaReduce算法模型提取关键指标，对原始数据进行分割、过滤、转发、分类、合并等分析操作，最终将数据上传到数据仓库中存储。数据分析过程中过滤掉错误、无效数据，保障存储数据的完整性、可靠性。

4 基于大数据的公路超限超载管理平台架构

4.1数据来源

基于大数据的治超管理平台数据来源包括业务基础数据、大件运输许可数据、称重检测数据、失信名单、高清卡口和视频监控数据、证据数据、案件和文书数据、违法分析数据、信息服务、货运源头企业数据、综合分析评价数据等内部数据，以及货车卫星定位数据、道路运输人车户数据等外部数据。这些数据来源多、无规律、连续性较强，充分满足大数据的五V特点[10]：体量巨大（volume）、流动速度快（velocity）、种类繁多（variety）、难辨识（veracity）和价值密度低（value）。

与传统数据采集及处理方式相比，大数据的数据采集、数据结构及处理方式的特点及优势较为明显，如表1所示。

4.2 治超平台架构

图1展示了公路超限超载管理平台的架构。由图1可知公路超限超载管理平台的一般流程是终端采集设备将实时采集到的公路车辆等数据通过网络上传至平台的数据中心，数据中心将数据处理然后存储到数据仓库，而后工作人员从数据仓库中获取数据进行相关业务操作。从此流程可以看出，公路超载管理平台的核心在于如何进行大数据分析以及如何对获取的大数据进行安全保护。

5结束语

公路超限超载运输对道桥的寿命、交通和人身安全、运输市场的秩序都造成了严重的危害。治超工作一直以来都备受研究人员关注，近年来，研究者集中致力于运用科技手段治超，尤其在大数据技术应用于公路治超以后，治超工作取得了显著效果。大数据技术在公路治超应用中，主要以大数据分析和数据挖掘技术为支撑，应用大數据算法，从海量的数据中对比、分析、发掘规律，从而排查出超限超载车辆。不仅能够提前制止超限超载行为，还为非现场执法提供更加精准、有效的数据。因此，未来应充分利用大数据技术等科技手段，充分提高公路治超技术。

参考文献：

[1] 李越.公路超限超载运输对策研究[J].山东工业技术，2018（9）：184，215.

[2] 任宪勇，司润先.大数据赋能助力公路治超非现场执法[J].山东交通科技，2020（5）：133-134，140.

[3] Labrinidis A，Jagadish H V.Challenges and opportunities with big data[J].Proceedings of the VLDB Endowment，2012，5（12）：2032-2033.

[4] 程学旗，靳小龙，王元卓，等.大数据系统和分析技术综述[J].软件学报，2014，25（9）：1889-1908.

[5] 王龙晖.基于并行计算的调节阀大数据智能分析及建模方法研究[D].济南：山东大学，2019.

[6] 臧艳辉，席运江，赵雪章.基于MapReduce的分治k均值聚类方法[J].计算机工程与设计，2020，41（5）：1345-1351.

[7] 刘卫明，张弛，毛伊敏.基于MapReduce的并行频繁项集挖掘算法研究[J].计算机应用研究，2021，38（3）：689-695.

[8] 赵欣灿，朱云，毛伊敏.基于MapReduce的高维数据频繁项集挖掘[J].计算机工程，2022，48（3）：81-89.

[9] 张晨跃，刘黎志，邓开巍，等.基于MapReduce的朴素贝叶斯算法文本分类方法[J].武汉工程大学学报，2021，43（1）：102-105.

[10] 程豪.基于Hadoop的交通大数据计算应用研究[D].西安：长安大学，2014.

收稿日期：2021-09-24

基金项目：2021年河南交通职业技术学院校级科研项目，项目编号：2021-YJXM-024

作者简介：贺丽（1988—），女，河南南阳人，助教，研究方向：计算机应用;张哲（1986—），女，河南南阳人，讲师，研究方向：计算机网络、计算机应用;黄林竹（1981—），女，河南平顶山人，工程师，研究方向：计算机应用。