欢迎来到赛文交通网!

陈冬:浅谈大数据技术如何助推公安道路交通管理转型升级

2020-12-14

来源 : 赛文交通网

作者 : 陈冬

0人评论

随着交通监控设备、交通流采集设备等道路交通感知设备的大规模普及,以滴滴出行、百度地图、高德地图为代表的各类移动互联网APP的大范围应用,以及各地政府积极推进的数字政府建设工作,使道路交通管理者能够获取前所未有的海量交通数据。

如何采集、融合、分析和使用这些数据,从而提升道路交通管理工作效率就成为摆在道路交通管理者面前的一个新的难题。

本文针对大数据在道路交通管理中的应用,特别是如何帮助道路交通管理实现转型升级,提出一点建议,希望抛砖引玉。

一、公安道路交通管理的挑战和愿景

近年来,快速增长的车辆与有限道路和停车资源之间的矛盾凸显,快速机动化与交通安全之间的矛盾凸显,日益增长的交通服务需求与供给不足的矛盾凸显,繁重的交通保障任务与交通管理警力严重不足之间的矛盾凸显。在这种形势下,公安道路交通管理面临很多新的挑战。

一是道路交通安全形势依然严峻,交通事故预防工作遇到瓶颈。交通参与者安全意识淡薄的情况仍普遍存在,农村地区道路交通管理依然薄弱,安全隐患突出。面对这样的问题,道路交通安全管控仍缺乏有效的综合治理手段。

二是城市交通畅通形势依然严峻。

三是公安交警队伍建设形势依然严峻。主要问题是警力不足、警力年龄结构不合理、队伍老化。传统的主要依靠专家经验人力密集型的交通管理模式已无法适应形势发展的需要,公安道路交通管理急需转型升级。

随着国家交通强国战略规划的逐步实施,我国道路交通还将进一步快速发展,面对这个形势公安道路交通管理的愿景主要有以下几点。

一是交通安全。以生命至上为原则,充分考虑到各种可能会出现的交通安全风险、事故隐患,提前采取各种各样的措施和手段,千方百计预防交通事故,保护生命。

二是交通畅通。确保道路交通有序畅通,出行不拥堵,尽量减少拥堵对经济社会的损耗。

三是适应未来交通的发展。立足当前,解决现阶段发展问题的同时,又要着眼于未来5G、V2X等新技术对交通管理带来的影响,以试点探索、创新引领、经验推广、标准复制等形式衔接好现在与未来。

二、公安道路交通管理大数据的主要数据来源

如果按照公安道路交通管理大数据数据的源头划分,那么这些数据主要来源如下。

1、公安交警自有数据。主要包括:电子警察、卡口、交通流采集等前端感知设备获取的交通流量、车速、路口排队长度、车道饱和度等道路交通运行数据;公安交警在业务办理中采集的车辆信息、驾驶人信息等交通参与者的基础数据;公安交警在执法、执勤过程中采集的交通事故、交通违法、接处警等交管业务数据;停车监控设备等设备采集路内停车数据;对各类视频前端采集的图片和视频流进行结构化分析后获取的车辆、非机动车、行人特征数据、行动轨迹数据等数据;非现场执法设备采集的交通违法数据。

2、政府各个职能部门采集的道路交通相关数据。主要包括:交通运输的行业管理数据,如重点车辆、公交车、出租车等车辆的位置轨迹数据,运输企业的车辆和驾驶人数据;机场、铁路、交通场站等交通枢纽的运营数据;道路的里程、密度、坡度等路网基础数据;城市空间分布数据以及未来发展的规划数据。

3、社会和企业采集的道路交通相关数据。如电信运营商的手机定位数据和移动终端的轨迹数据;百度地图、高德地图、腾讯地图等互联网地图服务商获取的移动端位置数据;滴滴出行等出行服务商的车辆位置数据以及司乘人员数据;校车运营企业的车辆位置数据和运营数据;停车场的停车资源数据以及进出车辆数据;医疗机构采集的驾驶人健康情况数据。

4、各类个人自有车辆的车载终端采集车辆位置数据、车辆运行数据、驾驶人行为数据。主要有车载设备的位置数据;行车记录仪记录的车辆数据和驾驶人驾驶行为数据;具备车路协同功能的车载终端采集的各类数据。

5、公安其他警种涉及的道路交通安全数据,如驾驶人涉毒数据、人脸数据,以及车辆和驾驶人涉案数据等。

三、大数据在公安道路交通管理业务层的主要应用方向

1、道路交通运行的态势感知、预测和治堵

通过对交警自有的交通流数据、以及企业采集的移动端位置数据等海量交通数据的高速处理和分析,再辅以科学的数学模型和算法,可精准的掌握路网运行的当前状态,对路网运行的各类问题执行干预措施,保障路网高效运行。同时对路网运行状态历史数据的分析,还能帮助管理者更深层次的研究道路运行规律,指导管理者采取更加科学、精准和有效的管理措施。典型的应用场景之一就是通过融合浮动车数据和交叉路口的交通流数据,实现交通信号的智能化控制。另一个典型的应用场景就是利用大数据技术发现交通组织中出现的问题,如车道分配的不合理,并针对性的进行优化。

2、道路交通安全态势的感知、预测和综合治理

通过对车辆、驾驶人和道路的多维数据采集和分析,能够实现对道路交通安全态势的感知和预测,并更有针对性的进行综合治理。典型的应用场景之一就是对重点车辆位置数据和卡口数据融合分析,就能对重点车辆进行更精准的安全态势感知,如可感知到驾驶人疲劳驾驶,从而实施对应的管控和干预措施,降低安全风险。另一个典型场景是通过对海量车辆轨迹数据分析车辆急加速、急减速、急转弯等行为,可以判断道路是否存在交通安全隐患,并针对性的改造优化。

3、对交通参与者提供精准和个性化的信息服务,从而从交通参与者维度出发加强交通安全,平衡交通需求

一是通过大数据技术可对交通参与者进行精准的画像分析,根据其特征为其提供交通安全提醒、车辆年审提醒、驾驶行为评估等个性化的信息服务,从而提升对其的服务水平和其自身的交通安全意识,如通过关联分析驾驶人的健康数据和驾驶行为数据,可对其提供对应的安全驾驶建议;二是可以利用大数据技术通过为交通参与者提供出行诱导和停车诱导服务,从而从需求侧进行管理。

4、道路交通秩序的精准感知和管控

利用视频和图片和结构化处理技术可获取大量车辆运行的轨迹数据,再结合其他维度的多元数据,能够在宏观和微观层面实现对交通秩序的精准感知,并根据实际情况和数据分析结果有针对性的进行精准管控。典型的应用场景之一通过对车辆的轨迹数据分析,并结合高精地图数据,实现对区域内大量车辆的违法行为进行感知和管控。另一个典型场景是通过综合分析区域内的交通秩序、道路运行情况,对应的动态调配警力加强管理,实施智慧勤务调度和管理。  

四、大数据技术支撑下公安道路交通管理的转型升级

1、由问题应对型转型升级为先知先处型

传统的交通管理工作一般是后知后觉,出现问题后才解决问题,而大数据技术就能解决对交通问题的预测,帮助交通管理者先知先觉,预先处置各类可能发生的问题,从而减少达到事半功倍的效果。如通过大数据技术对企业和驾驶人进行画像分析,就能对企业和驾驶人存在的安全隐患进行分析和判断,提前介入管理,从源头解决交通安全问题。

2、由人工经验型转型升级为数据驱动型

道路交通问题的发现、定义、处置和评估,目前还主要由人工、专家通过经验判断完成,但大数据的应用将帮助公安交警改变这一模式。道路交通管理中的各类问题,包括交通管理政策问题、公共交通问题、交通组织问题、信号配时问题的发现和定义,如果依靠人工经验判断,往往会出现发现不及时、判断不准确、定位不清晰等问题,但如果从多维度数据、海量数据来综合分析和判断,就能实现对问题的准确、清晰和更高层面的综合定义和刻画,从而避免人工经验的短板和不足。不管是微观层面的信号配时、车道分配,还是宏观层面的区域性交通组织优化等,发现问题后的实施优化措施和结果评估也需要一个持续和迭代的过程,这种动态闭环的过程通过人工经验难以实现的,同时这也是大数据技术最能发挥优势的领域。

3、由人力密集型转型升级为技术密集型

道路里程快速增加、车辆驾驶员数量快速增加、城市区域快速扩大,但公安交警的警力并没有同步跟进,有些地方甚至还在减少,以海口为例近10年道路里程增加近5倍,但警力还减少了30人。在这种情况下,依靠传统的投放大量警力管理交通秩序的模式已经不可持续。大数据技术不但能实现对城市和区域交通秩序的宏观感知和分析,也能实现对各类重点交通违法行为的精准判别和定位。在宏观层面的感知和分析,能够指导勤务部署更加具有针对性,也能指导基层民警和大中队领导提升管理效率,实现以最小的警力解决最大的问题。同时对各类重点交通违法行为的精准判别和定位,也能帮助民警在查处交通违法时由守株待兔改为出动出击,大幅提高工作效率。同样以海口为例,大数据平台2020年初投入使用后,查处涉牌涉证的严重交通违法行为达到2019年的近10倍。

4、由交通供给侧管理转型升级为供给侧和需求侧综合管理

大数据技术在公安交通管理的核心应用之一就是预测路况,再结合停车的数据,就能对未来一段时间内城区或区域内的道路交通供给和停车供给做出预判。同时,以百度地图、高德地图为代表的出行导航服务已经成为驾驶人驾车的重要依赖,也为有效实施交通流诱导提供了条件。在这两个条件都已具备的情况下,在公安道路交通管理中进行需求管理就成为未来的管理手段之一。例如在城市中心区域对商业集中区的停车资源进行共享和发布,从而引导商业集中区的交通需求。2019年7月,深圳市率先对景区实施预约通行管理,将交通流平均分配到全天三个时段,在交通总量不变的情况下,有效提升了通行效率。未来,在自动驾驶、车路协同等新技术快速普及的背景下,

在城市路网结构已经基本确定情况下,通过交通需求管理改变交通结构,改善路网交通流的均衡性,防止形成拥堵或拥堵蔓延可能会成为公安道路交通管理最有效的手段之一。

五、大数据在道路交通管理的应用建议

1、大数据平台建设要统筹全局规划

为了将大数据技术更好的应用于道路交通安全管理,实现“安全有序畅通服务”的目标,需要从宏观着眼,进行整体规划总体谋划,通过顶层设计给出方向、目标、原则,形成一个谋划全局、带动长远、有张有弛的战略实施过程。从而保证大数据从设计到实施能够找到全局到局部、从整体到个体,最优的建设目标和路径。   

2、优化基础感知设备,提升数据质量

没有基础感知设施能力的建设和提升,所有的大数据应用都会是无根之物、无源之水。因此,需要不断提升基础设施的能力,才能为数据资源、大数据应用体系构建肥沃土壤。

3、拓宽数据汇聚管道,吸收数据养分

大数据的核心资源是数据,数据也是大数据应用的源泉,面对多样的交通管理需求,只有积极拓宽数据管道,提升数据汇聚、处理能力,才能形成数据“水系”,使经过数据处理后的“知识养分”惠及交通管理的方方面面。

4、丰富管理手段,深挖数据应用

交通管理部门普遍存在数据应用意识、应用能力和应用水平整体偏弱的问题,还普遍没有形成认真采数据、规范管数据、主动用数据、积极补数据的良性循环。同时数据应用还较基础,大多数还停留在查询、比对和简单的统计分析上,把业务逻辑转化为大数据应用模型的能力有限。随着大数据技术的不断发展和应用,需要交通管理者构建精准高效的“情指勤督”现代警务模式,利用大数据技术丰富管理手段,深挖数据应用。

作者 | 陈冬,海口交警支队,信控中国俱乐部会员

*文章未经本站授权,不得转载。

1.7its.com 遵循行业规范,任何转载的稿件都会标注作者和来源; 2. 7its.com 的原创文章,请转载时注明文章作者和来源,不尊重原创的行为将追究责任; 3. 7its.com登载此文出于传递信息,并不意味着赞同其观点或证实其描述,文章仅供参考。
延伸阅读
白翰:信号控制专业化服务的七大困境
关小杰:广东省智慧高速建设的实践与思考
再议交通信号配时中心建设三部曲
公安部交科所何广进:交通感知必须与控制进行一体化融合
“自动驾驶”热的冷思考
银川交警张永生:交通信号优化应用的深入探索


微信二维码


新浪微博


交通包打听


360网站安全检测平台