大數據應用的交通管理論文范文

本站小編為你精心準備了大數據應用的交通管理論文參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

一、上海市公安交通管理信息化的基本情況與“大數據”應用的初步探索和實踐

（一）數據深度挖掘與預測研究對海量數據進行挖掘，分析、提煉出有價值的信息，一直是交警總隊在常態交通管理中努力和不斷嘗試并力求達到的分析動態化、管理精細化的目標。在交通事故預警方面，我們通過對370余萬條交通事故的地點、人員、車輛等信息分析，每年市、區兩級事故易發或死亡人數較多的“黑點”，由總隊定期督促屬地交警支（大）隊限期整改。針對一段時間內本市欺詐性交通事故（俗稱“碰瓷”）高發的情況，我們建立并不斷補充完善了事故“碰瓷”嫌疑人員和車輛黑名單，通過提前預警、發案比對等方式累計鎖定相關嫌疑人415人，取得了很好的成效。在交通狀況評價方面，我們以道路擁堵程度、交通事故數量為主要評價要素，創新性地將各區（縣）地面道路和快速路的整體交通情況以“指數”的形式分色展現，供業務部門和支（大）隊參考。為掌握全市快速路交通流結構和集散規律，我們利用分布在中環及中環以內快速路上約300個斷面構成的車牌識別系統實時采集流量數據，開展了集散性OD分析的探索，即將全市快速路網劃分成20個“小區”，通過數學建模和車輛信息的跟蹤，展現各“小區”間交通流轉移的時空分布特征，為擁堵成因分析、排堵預案制定等提供參考。在道口安保方面，我們通過對歷史數據的分類統計、比較，研究制定了重大活動安保工作的道口查控方案。2010年上海世博會舉辦前夕，時任市委書記的俞正聲同志在G15沈海高速公路朱橋檢查站現場，對“車駕查控系統”的技術架構、實時運作以及海量數據的采集、分析及應用狀況進行了詳細調研，當即要求我們研發“世博道口通行證管理及不停車安檢系統”。上海世博會期間，該系統累計實時關聯10多個數據庫，核發297.7萬余張通行證，不僅將進滬車輛安全審核檢查關口前移，還通過利用“車駕查控系統”的實時比對功能，既做到了“持證”車輛的快速通行，又實現了“逢疑必查”的目標。世博期間，系統比對命中有關車輛1.5萬余輛次，有效提升了民警的工作效率和打擊精確度，同時也對預防和緩解全市各道口因安檢引發的大面積擁堵問題起到了積極作用，減少了道口現場安檢壓力及對交通的影響，得到了各級領導和社會的一致肯定。在為“大公安”服務方面，我們嘗試定期將網上追逃人員信息與本市機動車檔案進行關聯比對，篩選出在逃人員可能駕駛的機動車信息，累計抓獲在逃人員329名，探索出了“先由人查車、再由車查人”的信息提煉新方法，取得了很好的實戰效果。

（二）數據可視化隨著各類統計、分析數據的不斷增多，各級領導、基層民警都希望通過直接的“可視化”界面展示各類數據和信息。2009年，我們構建了基于GIS地圖的應用平臺，并將采集或共享的實時路況、“110”交通類報警事件、視頻監控、快速路入口匝道控制、停車場泊位等信息在電子地圖上進行分層次展現，這些實時、動態的信息可按需隨時調閱。2010年上海世博會期間，根據安保工作的需要，我們制作了兩張專題圖。“進滬陸路道口流量專題圖”實時展示當日全市進滬道口的機動車流量、“持進滬通行證”機動車流量、5分鐘進滬流量等信息和道口排隊區、安檢區的視頻監控信息。此外，通過對各道口歷史流量的數據統計，提供流量預警信息。“世博園區管控區周邊道路流量專題圖”除整合了全市快速路、高速公路、地面主干道路的實時路況和快速路匝道開閉狀態等信息外，實時展示當日進出世博管控區的機動車流量、5分鐘流量等。兩張圖的應用，為市公安局“二指”坐鎮指揮的領導以及民警實時掌握交通流量、科學指揮、調配警力等提供了依據，受到了充分肯定。

（三）參與“交通指數”的研究經過多年的建設，上海已經完成市區重要道路的交通流信息的采集，并實現以紅、黃、綠三種顏色代表路況的信息。為使交通參與者全面、客觀地了解本市道路交通的實時通行狀態，向其提供了量化的擁堵指標。2009年，交警總隊在數據應用上的視野不再僅著眼于自身，而是跨出一步，會同市政府相關部門，將手中的靜態數據和市政府相關部門可共享的動態數據關聯起來。繼參與了榮獲上海市科技進步一等獎的“上海世博智能交通系統關鍵技術及應用”項目研發之后，2011年起，交警總隊積極配合上海市城鄉建設和交通發展研究院（原上海市交通信息中心）研究“道路交通指數”。通過對大量采集的各類交通實時數據、歷史數據進行統計、分析、比較，最終用“道路交通指數”這一數值方式來量化描述道路交通運行狀態，同時結合GIS地圖加以分色、分塊展現，并通過網站、微博、手機APP等向公眾實時，力爭做到既能客觀地評價交通擁堵狀況，又能方便出行者的理解與記憶。

二、與當今“大數據”應用的差距

目前，“大數據”的應用處于發展初期，在我國更是剛剛起步。通過多年的實踐和積極探索，交警總隊“大數據”的應用成效明顯，但我們感到，與當今國內外成功的“大數據”應用相比，我們還存在差距，主要表現在：

（一）在理念和思維上仍存在差距隨著互聯網、云計算、移動互聯等相關智能技術的飛速發展，可以預見，“大數據”陳志康：公安交通管理“大數據”的應用與研究在公安交通管理方面的應用也將愈加廣泛。但與其“4V”（即Volume大量、Velocity高速、Variety多樣、Veracity真實性）特點相比，未來“大數據”的應用與發展絕不是簡單依賴數據采集量的擴大，也不僅僅是服務器性能、數據的簡單擴容或累加，而是對于其中蘊含的理念、思維的轉變和突破。與“小數據”時代相比，“大數據”時代的轉變是多方面的。例如，傳統統計方法追求精確，但“大數據”只預測宏觀趨勢；傳統的統計、研究關注因果關系，而“大數據”更強調數據之間的關聯等。

（二）在技術和手段上仍較為匱乏就我們目前擁有的各類交通管理數據而言，其體量并不能稱之為“大數據”。如果要同各警種的數據相關聯，與市政府相關部門的數據相融合，將數據的應用轉化為生產力，其所面臨的困境還十分明顯，這也直接反映了我們在技術和手段上的匱乏。2009年，我們便已利用“數據倉庫”技術等當時較為成熟和先進的技術開展交通管理核心數據的深度挖掘，力求為業務部門提供更豐富、有效的統計數據，但受限于傳統關系型數據庫的架構，無論在計算效率還是結果表現上均無法得到“質”的突破。此外，我們對于海量視頻的快速檢索、車輛照片關鍵特征的提取等方面仍缺少高效的手段，使得對于這類非結構化數據的應用、管理仍處于初級階段，對其中蘊含的有深層次應用價值的信息無法加以進一步挖掘。“大數據”的處理流程一般可概括為四個步驟，即“采集、預處理、統計分析、數據挖掘”。其中，“預處理”是當前傳統數據處理中被忽視或被弱化的部分，除了受限于主流的關系型數據庫（如Oracle）、集中式存儲等架構外，還與缺少將非結構化數據（例如視頻、圖片、文本、聲音等）向結構化數據（即可以用二維表結構來表達的行數據，例如存儲在數據庫中的記錄）轉換的有效技術手段有著重要關系。所以，現有的統計分析、數據挖掘等絕大多數針對的是結構化數據（目前僅占所有數據量的10%至20%，其余均為非結構化數據），難以真正體現“大數據”多樣性的特點。

三、今后公安交通管理“大數據”的研究與應用方向

（一）研究和建立“公安交通管理大數據應用平臺”結合市公安局“十三五”信息化建設規劃，研究和建立“公安交通管理大數據應用平臺”。不斷學習研究Hadoop、虛擬化等新技術，構建全新的數據存儲、處理技術架構，不但要使數據的存儲容量更大、運算速度更快、展現形式更豐富，更要突破同類數據的局限，從看似毫不相干的數據之間發現關聯性，真正體現“大數據”的精髓。

（二）滿足數據采集的需求，提升管理水平“大數據”應用的核心是數據挖掘，為公安交通管理中遇到的難點問題提供原因分析依據，但其基礎卻是所采集數據的質量和種類。因此，一是要不斷提高各類交通管理相關基礎信息的采集質量，為后續數據處理奠定堅實的基礎。二是要積極建立與市交通委員會、市保監會等社會相關部門的數據共享機制，擴充與機動車、駕駛人、特定行業管理、道路等相關的數據類型。三是依托高校、科研院所等專業力量進行深入研究，力爭突破圖片、視頻等海量非結構化數據的管理難題，運用有效的數據模型和架構，實現類似結構化數據的統一描述、查詢和處理。四是積極會同市公安局相關部門，在數據層面加強與市公安局“警綜平臺”“情報綜合研判實戰平臺”“視頻監控平臺”“治安卡口信息綜合管理平臺”等的對接，為公安交通信息研判分析提供支撐。

（三）抓住重點，突破四個階段的核心技術應用“瓶頸”我們要選擇合適的軟件、工具，真正將數據轉化為信息，并提煉出有價值的信息。在數據采集方面，重點解決高并發數的訪問、操作問題，使服務器、數據庫負載均衡并分片處理。在預處理階段，重點做好“生產庫”向“資源庫”的轉移和數據清洗等工作，滿足后續數據處理的實時計算需求。在統計分析階段，要在了解業務需求的基礎上，著重在不同數據的“關聯性”上下工夫，找到規律。在數據挖掘階段，要力爭實現數據從“事后統計”到“事前預測”的突破。

（四）以管理為中心、應用為導向，建立配套的專業隊伍和管理機制“大數據”的決策不能僅憑經驗，而真正要“拿數據說話”，從深層次看，還需要建立科學的、與之相適應的管理機制。同時，“大數據”的研究、建設、運行、維護、應用等每個環節都需要由會技術、善管理、懂業務的復合型專業人員來承擔。“大數據”時代才剛拉開序幕，目前，其許多技術瓶頸尚未取得突破，數據共享絕非易事，數據安全、共享和隱私保護等方面缺乏法律保護，配套的管理和運作機制尚未形成。但是，“大數據”作為生產力，隨著其不斷發展、應用，必將對公安交通管理工作產生深遠的影響，有力地推動各項業務工作向更高的層次發展。

作者：陳志康單位：上海市公安局交通警察總隊