基于大數據的車輛路線循跡問題分析

唐宇健 陳雅

摘? ?要：隨著國內交通信息系統的完善，對道路、交通、車輛的監控也更加完善，形成了基于交通線路的動態監控系統。該系統的應用為交通管理、案件偵破、事故處理等工作提供了極大的便利，具有極高的應用價值。異常車輛預警就是通過對車輛路線循跡進行深入挖掘、整合、分析，形成轉型預警方案，從海量的車輛動態信息中發現問題，指導相關部門采取及時的應對措施。基于大數據的交通分析和研究已經形成了爆發式增長，在充分地進行理論研究和對策研究后，大數據背景下的智能交通管理建設正如火如荼地進行，如何利用現有的多元數據采集渠道，加強數據處理的效率，高效、準確、及時地提供數據分析結果，很多地區和領域都進行了廣泛的研究。文章對此展開了深入的分析。

關鍵詞：大數據;路線循跡;異常車輛;動態監控

1? ? 多元大數據采集端口

1.1? 電子眼

各大城市都已經在道路上安裝了電子眼，主要交通干道都架設有攝像頭或各類交通傳感器，為違章車輛的動態取證提供了技術保障，進一步完善視頻圖像采集，減少各類造成圖片不清晰的因素，通過識別將車輛登記編號、車主信息等返回中心計算機數據庫[1]。

1.2? GPS與北斗系統

由美國國防部設計和建成的全球定位系統（Global Positioning System，GPS）和由我國建設的“北斗”衛星導航定位系統[2]（預計2020年實現全球覆蓋）都有著車輛跟蹤、出行規劃和信息查詢等功能，將這兩套系統豐富的數據源引入，將成為高質量的數據采集端口。目前，只要車輛安裝有車載定位設備，通過讀取衛星定位數據的經度坐標（Longitude）、緯度坐標（Latitude）、高度坐標（Altitude）和時間（Time）等信息，也可以協助獲取車輛軌跡信息。

1.3? 公路聯網監控系統

全國各地的公路聯網監控系統隸屬交通運輸部門，加強與交通運輸部門的合作，整合采集的道路信息。類似的系統中也匹配有車輛圖像信息采集攝像頭，在對數字視頻信息進行智能圖像信息處理后，將數據信息進行計算、分析，以便得到有價值的支撐數據。

2? ? 大數據平臺體系與機制

進行大數據平臺的設計和建設需要在制度上給出強有力的保障，一個自上而下、多元聯動、職責明確的平臺結構就要脫離現有框架，前瞻性地進行升級，并應對更多的更新和挑戰。

2.1? 車輛數據采集頂層平臺

依托城市現有的智能交通系統，擴大原公安交通部門的數據采集量級，提升數據分析和數據分類的能力，從而建立一個多元、多網、多維的平臺架構。

在頂層架構中，智能交通系統作為頂層架構，開放訪問權限;元數據來源豐富，上文提到的人們生活中可接觸到的聯網感知終端都可以成為數據源提供者;經過數據清洗和數據轉換，根據易讀性和關聯性將數據分為結構化數據、非結構化數據和半結構數據;通過數據分類，提取所用信息存入數據庫中;公安警局的數據來源由原來的單源變為多源，使得原來需要人工推斷和估測的部分更加有理有據，增加可靠性。

2.2? 利益相關者的數據權責和風險

數據已經不只是簡單的數學字符組合，也正成為寶貴的資產。數據的相關者在不同領域中有不同要素，各展所長。比如數據采集者，精通各種技術手段，設計各種電子設備進行高效率的數據采集;數據分析者，精通數據演算和分析;數據管理者，因某種管理職責和利益考慮而管理大數據[3]。

2.3? 數據分析及采集偏差問題處理

在大數據采集過程中，數據是多了，但也會存在盲點、偏差、陰影，甚至自相矛盾的黑暗地帶。

本文關注的問題集中在車輛的運動軌跡上，所以基于“公安警局技術偵查數據分析中心”的數據平臺，讀取某個時間T（i）指向的具體位置（Xi，Yi）是系統重點分析的內容。其中，i=0，即設定的起始值。假設信息采集起點，即i=0時，在大數據平臺中獲取一個數據集：

其中：X表示經度，Y表示緯度，I表示數據采集的時間軸點。根據目標數據在特征集中的分布，可以測算出一條車輛運動的軌跡。

如果各時間段的數據集存在盲點和偏差，就需要調用多元數據，進行數據測算和推演。將不同來源的數據進行權限設定，P（j）表示第j個數的權重比，n表示元數據的個數，因此，。新推演出來的某個時間軸的數據信息可以通過訓練得知：

3? ? 大數據模型應用研究

3.1? 歷史數據模型預警

卡口監控信息包括道路監控信息，是基于交通道路的動態監控信息，其時間周期性表現地較為明顯，通過大數據技術的應用，能夠形成基于道路和時間兩個維度的數據模型，對道路的實際情況進行描述[4]。通過對歷史信息規律進行提煉、總結，就能夠形成歷史信息預警方案，只要將實時監控信息與歷史信息預警模型進行對比、分析，就能夠及時發現異常情況，指導有關部門展開相關的工作。這種預警方案，是卡口大數據應用的基礎模式，被廣泛地應用于不同領域，可以根據預警能力的不同，調整信息對比屬性，從而實現預警效果。

3.2? 聯動數據模型預警

區域內的道路是一個完整的系統，任何車輛的行駛都必須是在道路系統之內的，這就意味著車輛信息在區域內是動態可控的[5]。這種檢測機制就是通過信息聯動的形式，實現動態的監控，從變化中發現問題所在。聯動數據模型預警就是要實現區域內所有卡口的信息聯通，對每一輛車的運動情況進行監控，任何車輛信息的缺失、增加或變化，都可以被及時監控，并反饋到相關卡口，實現異常車輛信息預警。

4? ? 結語

當前，應用卡口大數據進行異常車輛預警研究的趨勢相對明確，都在積極開展整體和個體綜合預警機制的研究，就是通過大數據進行數據處理和動態信息監控，建立雙入口預警。既可以從日常卡口數據中發現異常車輛，并進行跟蹤、監控，又可以根據偵查需求對特定類型車輛或特定車輛進行動態監測，并對比歷史數據和整體數據信息對車輛異常信息進行預警。這種雙入口的預警方案，靈活性更強，能夠有效減少預警工作量，提高預警工作效率。

[參考文獻]

[1]關金平，關志超，陳乙周，等.新型城鎮化時期交通大數據云平臺體系建設實踐—以深圳市為例[M].北京：電子工業出版社，2017.

[2]趙光輝，朱谷生.大數據交通—從認知升級到應用實例[M].北京：機械工業出版社，2018.

[3]丁三軍，薛宇，王朝霞，等.基于模糊數據挖掘的虛擬環境主機故障預測[J].計算機工程，2015（11）：202-206.

[4]歐陽晨.海關應用大數據的實踐與思考[J].海關與經貿研究，2016（3）：33-43.

[5]李健.車輛輪胎痕跡特征分析與鑒定技術的研究[D].西安：長安大學，2013.

Analysis of vehicle route tracking based on big data

Tang Yujian1， Chen Ya2

（1.Nanning Tobacco Monopoly Administration， Nanning 530007， China; Guangxi Police College， Nanning 530023， China）

Abstract：With the improvement of the domestic transportation information system， the monitoring of roads， traffic and vehicles is more perfect， and a dynamic monitoring system based on traffic lines is formed. The application of this system provides great convenience for traffic management， case detection， accident handling， etc.， and has a very high application value. The abnormal vehicle early warning is to form a transformation early warning plan through in-depth excavation， integration， and analysis of vehicle route tracking. From the vast amount of vehicle dynamic information， problems are found and relevant departments are guided to take timely response measures. Traffic analysis and research based on big data have formed an explosive growth. After full theoretical research and countermeasures research， the management of intelligent traffic construction under the background of big data is in full swing， and how to make use of existing multiple data collection channels. Improve the efficiency of data processing， provide data analysis results in an efficient， accurate and timely manner， and conduct extensive research in many regions and fields. This paper carries out an in-depth analysis of this.

Key words：big data; route tracking; unusual vehicles; dynamic monitoring