眾所周知，智慧交通的核心應用，在於智慧交通平台；而智慧交通平台的核心，在於交通數據的綜合管理和應用。在當前的智慧交通領域，基於大數據系統的交通管理和應用，正在逐漸取代以前相對粗獷的交通管理模式，「治堵」、「管控」、「限行」、「精準打擊」、「科學決策」、「合理配時」等等字眼，正在不斷地對新一代的智慧交通平台，提出更高的要求。
本文就以「如何精準打擊無真實號牌車輛」、「如何基於交通數據做交通管理行為的專項整治」、「如何利用交通大數據輔助交通組織優化」等三個經典數據應用，闡述數據時代下的智慧交通綜合應用。
基於大數據的車牌違法車輛的分析和研判
在路上的時候，我們經常會看到這樣的一些車輛，比如未懸掛號牌的、用光盤遮擋的、防撞裝置或者備胎遮擋號牌的、用泥漿、油漆污損號牌，或者膠貼塗抹號牌的、可翻轉號牌架的車輛！
數據時代下的智慧交通平台應用
隨著下面此類新聞，在不斷地映入我們的眼簾，與這些車輛相關性較大的關鍵詞，往往就是遮牌、違法、事故、逃逸乃至死亡，我們不得不接受這樣一個事實——珍惜生命，遠離無牌車！
事實上，整治涉牌違法一直是交警最為重視的一項工作，而且在《道路交通安全法》中，對此類涉牌違法的處罰也是最嚴厲的！
但是此類車輛有一個共同的特徵，即車輛號牌無法辨識或者不真實，所以不能通過號牌確定車輛的真實身份。而交警現役的非現場執法系統，需要100%依賴準確看清車輛號牌，例如闖紅燈電子警察系統、超速卡口抓拍系統、違停取證系統，以及手動抓拍系統等。
那麼問題來了，怎樣在不知道車牌的情況下，打造一套可用於實戰的涉牌違法研判分析系統？
讓我們理一下思路，對無牌車輛怎麼研判？車輛除了車牌外有什麼其他的特徵？車標、車身顏色、車型、品牌及子品牌、駕駛室特徵……是不是有了以圖搜車的想法了？但是以前的以圖搜車為什麼不能奏效呢？首先是不是搜車的準確率不高？其次是不是搜車的速度太慢？第三點是不是搜車跟後續的處罰的業務脫節了？那麼好，理清楚問題，我們是不是有了更好的方向了？
這就是非常典型的數據時代下，針對車輛研判的大數據研判系統：通過二次辨識的雲分析給出車輛數據精準結構化描述；全文檢索引擎將這些結構數據進行檢索優化；智慧交通綜合平台通過數據比對，列出相似度從高到低車輛，從而確定目標車輛真實號牌。
與以往的車輛研判相比提升的是，基於大數據全文檢索引擎下的搜索速度更快；基於雲分析系統下的二次辨識和車輛建模準確度更高。
以下就是對岸中國某一線城市，交警支隊基於大數據系統的以圖搜車的實際應用案例。
基於大數據的科學輔助決策和專項整治
近日來，隨著北京、深圳、廣州等一線城市採取禁電禁摩等措施的實行，交通管理的科學性又再次被推到了輿論的的風口浪尖上。那麼面對這種特定交通違法行為，或者交通管理痛點，有沒有一種特別好的科學輔助決策系統，讓交通管理行為不成為懶政、庸政，不將交通管理者推向公眾百姓的對立面，讓城市交通管理更有針對性，且更卓有成效呢？
實際上基於大數據下的輔助決策專項整治系統，需要從以下幾個面為精細化交通管理帶來好處：
1)提供面向新的交通問題的治理手段：利用人工智慧和機器智慧，提供新的交通研判功能，例如高速公路車輛多次超速，以及故意篡改車牌，確定車輛的違法行為；
2)提供資訊輔助決策系統，利用管控平台強大的數據儲存、處理和分揀能力，與自身的交通違法資料庫，以及六合一違法資料庫對接後，提供強大的違法資料時空分布規律，從而讓交警開展專項整治行動時，真正做到有的放矢。
3)提供專項整治行動業務流程，針對不同的專項整治行動，能夠結合實際的業務應用，提供專項整治行動數據源輸入，整治行動過程，以及整治行動結果的完整應用流程。
4)提供強大的專項整治行動報表，能夠為交警用戶提供強大、詳細的整治行動報表，報表能夠清晰地顯示出，整治行動開展前的違法資訊分布情況，以及開展專項整治行動之後的違法資訊分布情況，從而準確科學地評估專項整治行動開展的效果。
以下就是基於這種應用，如何管控不按規定線路行駛的渣土車專項整治：
當前，全國的各大主流城市都在如火如荼地開展城市基礎設施建設，因此產生了數量龐大的工地數量以及工程渣土。一般來說，城市交通部門是專門劃定了施工工地渣土的傾倒區域，而且為了不影響其他城市交通，一般規定在夜裡的某個時間段內，允許渣土車輛進行傾倒。
但是現實中，由於渣土車司機的收入來源，與貨運的次數成正比，因此出於利益驅使，有些不法分子就會選擇不按規定時間，在未規定的區域進行渣土傾倒。而大貨車闖禁專項整治行動，就可以協助交通管理者，對此類行為提供很好的解決辦法。
此類闖禁的大貨車，再很大程度上存在著一些車輛套牌、車牌故意污損或者遮擋，以及車輛超速的情況，同時由於不按規定路線，以及時間內行車，往往又會導致擾民或者交通安全事故的發生。那麼針對非法渣土車的專項整治查處，就可以從套牌車輛分析、超速車輛分析，以及大貨車闖禁專項整治等幾個方面聯合進行考慮。
如何判斷大貨車是否按既定路線行駛，可以按這個邏輯進行思考：
1、行車路線上如果存在連續的卡口，那麼可以根據連續多個卡口描繪工程車行車軌跡；
2、行車路線上若沒有可以形成行車軌跡的多個卡口，那麼統計工程車在單個卡口的出行頻率，若是在短期內出沒頻率，遠遠大於應該按正常行駛，可能經過單個卡口的出行頻率，就可以推斷為不按路線行駛提前返回；
如何判斷大貨車是否有套牌的行為？
1、平台側把該區域所有可能出沒的工程車的車牌資料，進行統一手工登錄，或者通過與六合一數據庫的對比，將工程車的數據自動同步，然後分析該區域的異常工程車車牌號碼，以確認是否有車輛改牌情況的發生；
2、在工地出入口必經的道路上設置多個卡口，採用類似於平台在高速公路場景下的篡改號牌專項研判，分析是否有車輛套牌情況的發生；
3、利用前端高清分辨率的抓拍機，通過辨識異常車牌的車輛來辨識號牌故意污損的車輛。
如何判斷工程車私自傾倒工地渣土垃圾傾倒區域？
1、與三台合一事件等級系統進行對接並分析；
2、與電台、市民信箱等渠道進行人工篩選。
通過以上幾個方面統籌的數據規律對比和碰撞，專項整治系統將對這種工程車，隨意傾倒工業垃圾的行為，得出準確的規律，從而使得行政管理人員，能夠有針對性地進行管理和處置。
基於大數據的交通流分析和組織優化
在當前很多城市交通管理體系中，交通誘導的建設已經相對來說比較普遍。實際上交通誘導，就是屬於交通組織優化和合理分配車流量的一種手段。不過隨著當前城市交通擁堵程度的加劇，簡單的交通誘導已經很難滿足交通組織優化的目的。
而基於大數據的交通流分析和組織優化，則是從交通數據分析的維度，進一步輔助交通管理和應用，通過分析和挖掘交通參數數據、地理資料數據、交通基礎設施數據等基礎數據，從宏觀和微觀上，把握柯橋區交通路網運行狀況、道路網路服務水準，以及道路網路運行特徵，通過構建交通資訊採集系統和輔助決策支持系統，達到交通決策優化的目的。
那麼如何將流量數據分析應用程度更加細化下去呢，一般可以通過以下幾個方面進行闡釋：
1)交通流態勢的評估：交通態勢分析是利用交通資訊採集設備得到的數據，在不同的時空維度下深度挖掘，多角度展示道路網路的運行特徵，把握交通趨勢。
2)交通特性的分析：分析的維度主要為某一個區域範圍內的流量分布變化，或者某一個路口的早晚高峰模型。
3)交通流預測：通過大量歷史流量數據的分析和規律比對，以分鐘、小時、天、月、季、年等維度，對未來出現的流量數據做預測分析。
4)交通評價：針對當前路網的運行情況，以數據維度給出當前路網的流暢度和合理性，包括擁堵指數的分析、不均指數的分析和延遲指數的分析等等。
5)城市交通運行報告：根據所監控範圍內城市級綜合的數據分析結果，提供區域內道路網路運行狀況、道路網路服務水準、路網運行特徵等資訊。為城市管理者提供交通流分析和組織優化的決策依據。
結語
以上就是基於數據下的智慧交通綜合應用的典型案例，當然這些應用只是交通大數據應用的冰山一角。數據時代下的智慧交通應用，將隨著智慧交通數據中心的建設腳步，呈現出越來越豐富的應用。未來，將是真正的智慧交通的DT時代，智慧交通平台，也將隨著數據應用，達到新的高度，未來可期！
0 comments:
張貼留言