基于大數據的聯網收費數據分析平臺應用研究

周學沛

（安徽省高速公路聯網運營有限公司，合肥 230000）

1 研究目標

（1）構建數據信息中心。將結構化與非結構化數據匯集省中心用于分析，分析結果正確且有實際應用的價值，并能夠可控的被第三方應用展現和使用。

（2）基于大數據分析平臺技術對數據進行集中處理。數據處理的過程與結果能夠支撐當前和未來的使用，易于維護和管理，制定的流程和規范易于執行和推廣，逐步推進系統改造。

（3）制定全省高速公路大數據應用平臺的建設規范，為交通大數據的應用提供參考依據。

（4）提高全省高速公路聯網收費數據的使用效率，提升路網服務水平和質量。

2 研究內容

2.1 高速公路聯網收費數據現狀分析

我省擁有近260個收費站幾千條車道，每時每刻都不停的有車輛通過收費站，產生大量的數據。各種各樣的海量數據對高速公路經營管理構成了巨大挑戰。

目前高速公路產生的數據不僅信息量越來越多，而且數據結構也發生了很大改變，不僅有傳統的二維結構，還有很多非結構化的，如圖片、視頻、音頻、文檔/文本、報表等，并且所有數據是大量且增長迅速的。高速公路已進入“大數據”時代，如何充分利用這些數據，是需要亟待解決的，如對高速公路車輛進行合理的監控與疏導、控制和事件管理；時刻了解路網運行狀態，進行車輛調度與疏通；通過對數據的分析對交通發展、規劃、決策給予支持等。

2.2 大數據分析平臺選型

大數據自被提出以來便出現了種種類型的平臺和解決方案，工業界針對大數據分析平臺，紛紛推出自己的大數據分析工具，主流的平臺和產品如下：Google的大數據分析產品、惠普的HAVEn、Teradata、IBM的InfoSphere等，這些平臺有各自的特點，對計算機及網絡有不同規格的要求，能做的分析和支持的服務也不相同。

根據交通路網的特點，其數據采集節點多且分布在不同物理位置，距離間隔較遠，數據傳輸不便，流數據多，因此適合采用分布式系統架構大數據平臺，其部署對硬件要求低廉，吞吐量高，可以以流的形式訪問文件系統。

主要考慮的是變極電機與不變極電機的差價。根據上海電機廠提供的參考價格,TL 1600—28/56同步電動機的價格約為150萬元/臺，而TL1600—28同步電動機的價格約為100萬元/臺,則每臺變極電機要多投資 50萬元，10臺電機共計500萬元；因電機體積增大而導致土建增加的經費約 60萬元，10臺合計600萬元；其余費用與同轉速發電相同。

2.3 數據處理規范

（1）數據準備

數據是用來描述現實世界的信息資源。交通大數據描述交通工具、道路、流量、進出口狀況、天氣等，數據表示通過對信息資源的分類、編碼以及格式等內容進行分析規范，為了使計算機可以準確、高效的識別數據，匯集后的數據進而能夠為各種應用提供服務。

（2）數據類型

高速公路聯網收費軟件數據：全省有幾百各收費站，幾千條收費車道，每天產生大量的收費數據，日積月累了海量的數據信息。

應用系統數據：高速公路收費監控系統、呼叫系統、各個路段運行的收費、票據、稽查、通行卡等管理軟件也累積了大量數據。

傳感器數據：遍布在高速公路上路感線圈、標識站等，不斷的對過往車輛進行感知，持續生成數據。

視頻監控系統的數據：收費車道、收費廣場、道路干線及隧道都布設了大量的攝像機，時刻產生大量的視頻數據。

（3）數據采集及存儲

高速公路路段下設的收費站很多，管理處與收費站又都部署有多套系統，時刻不停的產出各種類型的數據，若不建立良好的規范，不加以控制，勢必增加數據處理難度；所以數據采集的規范是針對各類系統的，對所有系統都有制約性，需要總體規范和各類系統的詳細規范，并對采集的數據做好歸類工作。

大數據由于數據量大，價值密度低的特點數據一般不宜久存，需要將存儲按成本高低，容量大小，速度快慢進行分層，未經過徹底分析或需要反復分析的數據存放在價格高、容量小、速度快的存儲上，待數據價值被充分提取并逐步壓縮后放入成本低，容量大，速度慢的存儲上，直到最后被歸檔。

2.4 大數據研究方向初探

（1）車流軌跡分析。基于公路網收費站OD數據，在一個較長時期內，識別、預測大多數車輛在固定道路上的運行軌跡（如貨車、客車和部分私家車），對于出行軌跡不固定的車輛，采用隨機分配方法分配，形成用戶出行軌跡數據特征分析模型。通過給定某時段某入口車流量，可以預測其分別以多大概率分別流向其他出口。可以幫助發現某方向或區段是否超負荷運轉，可為車流分流、路徑調整提供幫助。如制作節假日遷移圖譜，并對未來節假日高峰流量做出預警。

（2）路網交通狀態預測。依據收費站點OD數據，分析一個較長時間段的交通流量，綜合考慮路況、天氣、時間節點等因素。統計某時段不同入口車流，分析這些車流匯入主干道的概率，基于沖擊波理論分析主干道的車流。分別統計并分析入口與出口的車流密度-時間曲線，分析兩類曲線及其相關關系，進而研究干道車流沖擊波的衰減與增強規律，構建干道車流短期、中期和長期預測模型。進而反演路網在某時段內各路段上的通行速度與通行量分配，從而構建模擬實際的道路運行模型，能夠為交通建設決策、交通政策變更、環境工程、經濟發展提供建議。

（3）基于大數據的收費站收費預測。高速公路的年通行費與國家、地方宏觀經濟發展水平高度相關，僅僅依據交通量預測未來收費準確性低，普適性也差。因此，研究國家經濟發展關鍵指標數據與道路收費數據的相關關系，進而構建基于這兩類大數據的年收費預測模型，可以提高收費站收費預測的精度。

（4）高速公路網風險評估。當前交通安全形勢嚴峻，分析高速公路網安全性的表征方法及其發展變化規律，對道路管理者主動防控風險意義重大。基于交通大數據，從“人-車-路-環境-管理”五方面分析高速公路交通安全影響因素，綜合考慮交通量、天氣、時間段、季節、地點、路網結構、車道數量、事故形態、事故責任人交通方式等數據，建立路網狀態預測仿真模型和風險評估模型。

（5）勞動強度與收費員疲勞關系分析。由于交通流量在高速路網分布的不均衡性，導致不同時間段、不同收費站的收費員勞動強度差異較大。對于流量較大的時段或收費站，收費員連續勞動的強度大，容易導致收費員工作效率下降，工作態度失準，從而降低高速公路收費水平；而對于流量較小的時段或收費站，則會造成收費員工作無效率，編制冗余，機構臃腫，造成人力資源浪費。通過高速公路收費數據對出入口收費員勞動強度進行統計分析，以曲線、表格的形式為管理決策者提供直觀參考，可以輔助管理者合理決策，調整編制，提高工作效率，改善工作態度和質量。

（6）收費稽查分析。針對不同類型的逃費行為，根據OD數據將其在樣本空間上聚類，構建不同逃費類型的特征識別模型。基于歷史數據，篩選不逃費車輛樣本，將其在特征空間進行聚類，構建不逃費車輛特征識別模型，進而得到疑似逃費車輛樣本；結合歷史數據篩選出過往逃費嫌疑大的車輛，通過比對分析確定逃費車輛信息。

3 結束語

近年來，在經濟發展的推動下，我省高速公路的建設步伐高歌猛進，營運里程突飛猛漲，截至目前已突破4600公里，隨之也帶來了收費數據呈而幾何級增長。因此，高速公路大數據平臺的構建勢在必行，通過對高速公路大數據的分析處理，不斷增強數據的價值，為高速公路運營管理提供有效的決策支持。