欢迎您登陆本网站!今天是

行业要闻 您现在的位置:行业信息>>行业要闻
践行与思考:高速公路大数据应用探索
来源单位: 浏览次数:368次 发布日期:2022年07月04日

近年来,国家和交通运输部陆续出台了交通大数据应用相关政策,推动大数据与交通行业的深度融合。高速公路成为名副其实的大数据工厂,大数据则成为高速公路未来的重要生产要素。在此背景下,高速公路如何有效地获取数据、分析数据、运用数据和共享数据,成为值得关注的问题。为此,本文对大数据在高速公路的探索应用进行探讨与思考。

从分散到融合,构建大数据平台

数据是交通的核心,数据为王的大数据时代已经到来。如何高效地从海量数据中分析、挖掘所需的信息和规律,并结合已有经验和数学模型等生成更高层次的决策支持信息,获得各类分析与评价数据,为交通诱导、交通控制、交通需求管理、紧急事件管理等提供决策支持,为交通管理者、运营者和个体出行者提供交通信息,成为当务之急。

当前高速公路营运管理发生了两大变化:一是营运需求从单一收费管理转向品质出行服务,二是营运体系从封闭式自我管控转向开放式生态服务。在此背景下,江苏积极通过大数据运用拓展数智化营运内涵,通过云网边端一体的DT架构,打造营运数据中台与营运业务中台,提升数据能力与算法能力,更好地服务于收费稽核、调度指挥、出行服务与智能运维四类业务。

江苏高速公路联网营运管理有限公司总经理曹小峰对江苏营运数据中台即大数据平台的建设与应用进行了介绍。他表示,平台的建设框架包括四类核心功能:形成数据资源池及实现数据资产化、完成数据治理、构建数据管理体系、实现数据应用与服务。平台实现对手机信令数据(路段/通道平均车速、车流量、交通密度、平均旅行时间、客流OD、移动轨迹)、ETC门架数据(断面流量、车型、瞬时车速、车辆运动轨迹等)、两客一危(车型、瞬时车速、车辆实时运动轨迹)等多源大数据采集的全范围、全周期、全要素覆盖,再经实时融合处理,优势互补,得到精度、覆盖率、实时性最优的数据结果,及时共享给各路桥公司或营运管理系统。

据曹小峰介绍,该平台基于收费原始流水数据以及面向各类业务应用的收费类、监控类、公众服务类主题数据,支撑了稽核、调度指挥、出行服务、智慧运维等多项业务。

在业务稽核方面,平台获取了黑名单、视频、门架数据、门架交易流水、出入口交易流水、ETC发行数据、路网站点数据等海量数据。在此基础上,一方面采用流式计算对实时流数据进行分析,形成实时结果流,同时基于数据分析策略进行逃费车辆的精准筛选,确定车辆逃费类型,对偷逃通行费的行为给予迅速和准确打击;另一方面,采用批量计算对海量数据进行各维度分析,借助AI机器学习,进一步发掘数据价值,逐步形成稳定的单特征稽查模型。

在调度指挥方面,利用数据融合、深度学习、流式计算等技术手段,系统达到管控级别自动告警、提醒;通过建立复杂的人工智能算法模型,结合目标路段及上下游路段的实时交通流信息与交通事故、施工养护、气象等环境信息,进行合理推演、分析判断,对路网拥堵情况进行精准预测、提前预警;针对预测将要发生拥堵的路段,基于“高速大脑”强大算力,推算拥堵可能对上下游路段造成的影响,通过智能分析和仿真推演,给出科学合理的管控策略和建议,使得一路三方保畅工作更加精准高效。

在出行服务方面,通过数据共享,做到诉求统一受理、统一派发、统一答复、统一回访。对驾乘人员诉求及时受理、迅速处置,以线上融合+线下覆盖打通投诉处理“最后一公里”。

在智能运维方面,运维平台将通过大数据分析对收费系统、通信系统、监控系统、门架系统以及综合管理系统等全面实现智慧监测运维,对系统运行健康、设备质量、维护效率等进行评估、分析,对维护过程、设备全生命周期进行自动化管理,标准化考核管理。

总之,平台聚焦流量、路况、车辆三大专题,通过实时监测、重点研判、多方联动提升路网通行效率。

广东高速公路数字化转型发展之路同样值得关注。在广东,曾经分散成点的海量数据现已汇集于高速公路大数据平台,并通过大数据、云计算、人工智能等技术实现了高速公路的智慧化管理。据广东联合电子服务股份有限公司首席信息官陈喆介绍,广东高速公路大数据资源主要包括粤通卡用户数据、联网收费多维度数据、人-车-路主题数据库、历史通行记录数据、多路视频数据、取消省界站以来的通行数据等。通过STG层(缓冲层)、ODS层(贴源层)、DWD层(明细层)、DWS层(汇总层)、ADM层(应用层)五个层次进行数据治理。在此基础上,构建了数据中台。数据中台形成了数据标准与安全体系,数据中台的底座基于公有云和私有云的混合云架构,主要数据应用放在公有云,私有云则主要用于数据脱敏。数据中台架构如下图所示。




该平台提供的基础服务包括流量分析、运行监测、结算对账等;拓展服务包括数据补传、特情处理、辅助稽核;创新服务包括交安预警和流量预测。

从采集到研判,深挖ETC门架数据

自全面取消省界收费站后,基于门架数据的应用成为国内高速公路领域研究的一个重要方向,多个省份已开始进行积极实践,甚至形成了较为成熟的数据分析与应用方案。以陕西为例,陕西高速公路收费中心基于ETC门架系统进行数据采集和数据处理,形成了按月通报、按季分析、按年总结的常态化路网运行分析评价机制。

陕西省高速公路收费中心监控科负责人路红介绍了陕西ETC门架数据应用实践。路红表示,门架数据一般涵盖门架交易数据、门架相机抓拍图片数据、车牌识别流水数据。其中,门架交易数据是指当车辆经过门架时,CPC卡或OBU标签与门架交互生成的数据,包括车辆入口信息、经过时间、车型、门架计费里程、计费金额等信息;门架相机抓拍图片数据是指当车辆经过门架时,ETC门架上架设的摄像机抓拍的实时车辆图片;车牌识别流水数据是对门架抓拍图片的信息描述,包括门架编号、抓拍时间、识别车牌号、识别车型、拍摄位置等。

在此基础上,通过ETC门架统计可计算出四大类数据:交通流参数、构成及分布,驾驶行为指标,车辆通行数据与环境数据,具体情况包括以下七个方面。

1  交通流参数、构成及分布。分车型流量在日常、高峰时段的交通流分布、车辆属性、车籍分布、车道流量分布等内容的交通流组成,根据车辆组成结构的不同维度对交通流进行统计分析。

2  交通载荷指标是反映路面承受货车载荷的相关指标,包括标准轴载当量轴次、标准轴载累计当量轴次、轴载谱等。

3  路网OD分布数据。通过实时统计连续动态的交通流OD分布,总结路网交通出行规律;基于车辆历史OD数据,通过时间序列分析和机器学习等方法预测出入口流量。

4  行程时间、速度等驾驶行为指标。其中,基本通行指标包括车牌号及颜色、热点通行OD、通行次数、通行总里程、总收费额、总通行时长、最长驾驶时长、路径不完整次数、应急计费次数;安全指标包括平均车速、超速次数、疲劳驾驶次数、路侧环境、未保持安全车距次数、车头时距、货车载重;外部共享数据包括车道偏离次数、弯道超车次数、未按规定车道行驶次数、应急车道行驶次数、车辆异常变道次数、未系安全带次数、开车打电话次数、急加速次数、急减速次数、场景分析。

5  异常天气数据。基于ETC门架系统抓拍的图片,利用各类机器学习算法,研究、建立异常天气识别模型。按一定周期对各门架抓拍的图片进行识别,并记录路网所有区间的雨、雪、雾、路面结冰、路面湿滑等天气信息及路况环境信息。

6  可以获取到路网服务水平评价指标。具体涉及五类指标,一是路网服务水平评价指标,包括最大服务交通量、设计交通量、V/C值等;二是拥挤度等级,包括行车速度、设计时速;三是行车影响程度,包括路段交通组成特征指数、车型分布特征、气象环境特征指数、通道环境指数、路网环境指数等;四是重要节点通阻度,包括排队长度、拥堵阈值、节点通阻度、通道节点通阻度、路网节点通阻度;五是通道运行指数,包括通道中断率、通道拥挤度、通道环境指数、通道节点通阻度、突发事件等级、设施健康状况、服务区质量等级。

7  车辆通行图片智能识别。利用高速公路智能分析服务精准识别车辆信息,利用数据融合应用开展逃漏费稽查、车辆路径还原、高速公路数字孪生。

总体而言,陕西省利用全省ETC门架系统采集的车辆通行数据、ETC门架识别数据、抓拍图片数据,结合门架位置信息,采用数据分析、人工智能等技术,建立相应的计算模型,进行数据转化,加强行业治理,从而实现了高速公路交通情况调查全覆盖、高速公路路网运行状态概况感知全覆盖、高速公路超速筛查全覆盖、门架断面异常事件检测、驾驶行为分析、高速公路专项分析与高速公路交通规划。未来,ETC门架数据将实现智能识别分析与充分应用,成为车路协同的桥梁,为交通安全提供强力支撑。

从基础到深度,激活交通数据价值

在政策与技术的双重推动下,交通大数据的应用已经取得了长足进步,基于“大数据+AI”的各种“超脑”“云脑”等不断涌现,不过当前仍然存在着一些问题与不足。

清华大学副教授李瑞敏认为,如何客观地评价已有数据的量、质及能效,客观定位已有数据的价值,是当前需要理性对待的事情。他提出了未来发展的三点建议:首先,展示大屏上的各类数据是符合逻辑的、是经得住推敲的、是精准的,即无论数据的多少,务必要保证准确;其次,要充分融合实际业务工作需求,数据科学家与交通工程师、管理人员等要充分交流沟通,共同提升数据平台的应用价值及水平;最后,要通过数据的融合、技术的融合、专业的融合等从当前和未来的数据中挖掘出交通系统的智慧。

针对高速公路大数据具有规模巨大、形式多样化、蕴藏大价值、信息迭代速度快等显著特征,交通运输部路网监测与应急处置中心信息技术与网络安全处工程师倪艳提出了两方面的应用思考。

一方面,高速公路大数据应用主要针对高速公路运行指标体系、车辆行为分析、高速公路群体要素大数据与高速公路大数据经济。

高速公路运行指标体系,即关键指标统计分析与展示。具体包括客货运量、周转量及其时间和空间的分布,统计排名;通行规费收入及其时间和空间分布、统计排名;各路段拥堵系数;交通事故发生率及其时间空间分布,统计排名等。

车辆行为分析,即具体车辆和事件分析。具体包括三个方面:拥堵分析,包括拥堵疏导和拥堵原因;事故分析,指导路径规划和警示标志设置;车辆通行异常,包括速度时间不匹配、入口出口车牌不符,以及高速路违法行为,追捕逃费等。

高速公路群体要素大数据,即挖掘高速公路通行宏观规律。具体包括总结交通事故规律,探索提升安全管理途径;通过高速公路出行数据,分析人群流动方向和规律、出行规律与支付习惯;分析高速机电设备故障损耗规律,提升养护效率,节约成本等。

高速公路大数据经济,即探寻高速公路数据的经济价值。具体包括高速公路客运/货运指数;探索高速公路客货物流与相关经济要素的关系;对比高速公路通行与其他交通方式的关联关系;经营分析包括工程建设与道路养护等成本投入,经济效益关联分析;高速公路建设企业信用评估等。

另一方面,高速公路大数据应用可以从数据存储、数据分析与挖掘、数据应用三个角度进行探索实践。

在数据存储方面,数据规模庞大,且以分秒的速度成级数增长;数据类型多,不仅包含结构化数据,还包括语音、视频、图片等数据;云数据库的建立成为必要条件。在数据分析与挖掘方面,需要对有效数据进行筛选,建立数据分析模型,对有效数据进行快速处理实时分析。在数据应用方面,大数据的应用需面向不同群体,如何实现针对不同用户主体,开发个性化的应用,也是未来发展需要关注的问题。

展望高速公路大数据的应用,通过流通情况分析、运输成本分析、周转量统计等进行政府决策,通过服务区导流、实时路况提醒等服务公众出行,通过出行保险、资产评估、业务咨询等进行对外服务,通过分析碳排放等推动高速公路的绿色发展。作为高速公路的重要资产,大数据逐步进入深度应用的新阶段,未来的重要推动作用值得期待。

(作者:户利华  原文刊载于2022年第6期《中国交通信息化》)




天津市政公路信息网声明:本文图文均转载自其他媒体,转载目的在于传递更多信息,丰富网络文化内容。版权归属作者/原载媒体,稿件不代表本网赞同其观点及对其真实性负责。