遼寧省高速公路智慧交通大腦的總體設計

付曉亮

(遼寧艾特斯智能交通技術有限公司 沈陽市 110166)

0 引言

預計2020年我國高速公路里程達到15萬公里，公路客車ETC (Electronic toll collection) 使用率達到50%以上[1]。高速公路的發展已經處于提質增效升級的轉型期。因此，推動實施集智慧感知、智慧管理和智慧服務等為一體的高速公路智慧交通具有十分重要的意義。

高速公路智慧交通的目標是將信息化和智能化應用于高速公路的各個環節，推動實現高速公路基礎設施和通行車輛數字化、網絡化和智能化，利用大數據信息平臺聚合通行圖像和視頻數據、收費數據、養護數據、交通流數據、路網數據、路況數據、氣象數據和交通事故數據等類型數據，驅動高速公路運營管理模式向全面提升運輸效率和出行服務的方向轉型和升級。

近年來，關于遼寧省高速公路的各環節已有一些相關研究，如文獻[2]對遼寧省高速公路機電系統專業養護進行了思考；文獻[3]通過基于視頻的車牌識別數據有效地避免了計重收費漏收和錯收；文獻[4]對遼寧省高速公路管理局現有的監控進行了數據整合以提高數據共享率和查詢效率；文獻[5]研究了遼寧省道路運輸行業數據中心的建設；文獻[6]通過數據分析來評價遼寧省高速公路的交通運行狀況；文獻[7]通過數據融合來建立遼寧省高速公路收費集中監控系統以智能化推動監控人員工作效率的提升；文獻[8]指出了分析氣象數據對高速公路服務水平的重要性；文獻[9]指出遼寧省高速公路隧道洞外亮度對隧道運營用電成本的影響非常顯著；文獻[10]對遼寧省高速公路信息通信系統的現狀進行了分析；文獻[11]針對遼寧省高速公路的服務建設進行了設計。

由文獻[2～11]看出，推動高速公路的智慧運營涉及多種數據采集和分析、多平臺的統一整合、服務建設等多個方面。但上述文獻都是從某一個角度和方面進行分析，缺乏對高速公路智慧交通的總體頂層設計和思考。

圍繞建立高速公路大數據中心、實現高效便捷的精準化出行信息服務、建立高速公路征信體系、實施基于大數據和信用體系的智慧稽查管理、建立大數據養護系統等方面，對遼寧省高速公路的智慧交通大腦的構建進行總體設計與思考。

1 遼寧省高速公路發展現狀分析

1.1 遼寧省高速公路路網布局和運輸規模

遼寧省高速公路總里程達4331km，全省載客汽車633.1萬輛，載貨汽車90.2萬輛[11]。全省2017公路貨運占比超過85%，公路客運占比超過75%[12]。由此看出，高速公路是排在首位的交通環節。

1.2 遼寧省高速公路數據類型與規模

高速公路的數據從類型上劃分，既包括海量的傳統二維表結構化數據，還包括大量諸如文件、圖片、視頻、音頻等多種非結構化數據。從數據內容上劃分，全省高速公路數據包括收費數據、養護數據、交通流數據、路網數據、路況數據、氣象數據和交通事故數據等多種類型。從數據規模上分析，僅全省高速收費數據達到日110.29萬條記錄，監控圖像達到日100.26萬張，監控視頻達到日19.18萬小時，監控音頻達到日12.88萬小時。累計數據量存儲規模約為13PB。

目前遼寧省高速公路數據主要具有以下幾個特點：

(1)類型與規模都在快速增長；

(2)數據類型和采集方式也日益復雜多樣；

(3)作弊逃費等行為隱藏在海量數據當中；

(4)對交通事故發現和處理的實時性要求高；

(5)需采用人工智能算法發掘有效信息。

2 智慧交通大腦的設計方案與結構體系

2.1 智慧交通大腦的含義

高速公路智慧交通大腦是指利用新一代信息技術，建立大數據云計算平臺，為高速公路管理部門提供智能化管理服務，為高速公路通行車輛提供高效便捷的個性化出行服務，提升高速公路服務水平和國有資產價值。

2.2 智慧交通大腦的功能設計

如圖1所示，智慧交通大腦研究的主要內容包括以下幾個方面：

(1)分析高速公路管理信息資源特征，構建高速公路智慧大腦大數據中心；

(2)基于多維出行信息的精準高速公路路況融合技術研究；

(3)研究客戶服務知識模型，構建智能查詢知識算法，建立智能客服系統；

(4)構建基于高速公路管理與信息服務大數據中心的深度學習稽查打逃系統；

(5)研發基于移動互聯網的高速公路綜合出行服務系統；

(6)研發高速公路智慧大腦內部協同管理服務系統。

2.2.1大數據中心

大數據中心是一個基于云服務器的公有云和私有云環境，將分散、異構的應用信息和信息資源進行聚合，通過統一的訪問入口，實現結構化數據、非結構化數據，各種應用系統跨數據庫、跨系統平臺的無縫接入和集成，提供一個支持數據訪問、傳輸以及協作的集成化環境。

該大數據中心的結構設計主要分為云資源層、通用平臺層、業務應用層和服務入口層。其中，云資源層為數據中心的硬件基礎設施，通用平臺層包括支付、企業微信、大數據分析、人工智能、視頻服務、車輛信用、地圖服務和互聯網開放等軟件基礎性和通用性的服務；業務應用層為針對高速公路智慧運營的專業服務；服務入口層主要以內部管理APP、企業微信、微信公眾號和支付寶生活號等形式向平臺之外提供數據服務的接口。

2.2.2精準高速路況融合技術研究

基于多維出行信息的精準高速路況融合技術是指基于遼寧省高速公路的車檢器、高清卡口、高德地圖等互聯網路況數據等，結合人工巡檢，通過融合多個維度的出行信息來精準掌握高速公路的路況信息，尤其是擁堵狀態。該技術的特點是首先借助于互聯網路況數據信息觸發擁堵事件并提醒相關監控人員，監控人員確認后將該擁堵事件采集、編輯和發布。

2.2.3智能客服系統

(1)本文設計的智能客服系統的業務邏輯如圖2所示，其業務邏輯描述如下：

①用戶通過微信、專用APP、移動Web和電話向智能客服平臺輸入文字或語音信息；

②智能客服系統對咨詢的文字和語音內容和意圖進行識別；

③根據識別的結果，智能反饋給咨詢用戶；

④當無法識別意圖時，轉至人工服務；

⑤根據人工坐席狀態，優化配發咨詢請求。

(2)智能客服系統的知識搜索幾個核心功能如下：

①全文索引功能；

②分詞與專業詞表維護功能；

③定制搜索范圍功能；

④搜索聯想記憶功能；

⑤搜索統計分析功能。

(3)智能客服系統的具體功能響應包括：

①根據咨詢問題采用自然語言理解引擎進行語義分析。

②根據相似度計算結果找出知識庫中預設的語義最匹配的內容。

③支持智能文本分詞、文本輸入識別、用戶信息識別、上下文語義分析、關聯問題引導、模糊問題推薦、智能菜單導航等功能并可通過業務系統獲得動態的業務知識。

2.2.4稽查打逃系統

當前高速公路偷逃通行費現象日益嚴峻，主要面臨如下問題：

(1)缺乏自動識別偷逃行為研究，人工稽查效率和覆蓋率不高；

(2)收費數據、圖片、日志、視頻、卡口等數據沒有整合利用；

(3)各路段稽查工作相對獨立，缺乏全路網的協同打逃的機制。

稽查打逃系統通過對收費流水、監控數據以及其它第三方數據等進行深層次數據挖掘和分析，結合增收堵漏和打擊偷逃案件分析的人工專家經驗，提取異常數據特征信息，建立各類偷逃行為的數學模型，采用諸如隨機森林、SVM等分類算法進行正常通行和偷逃通行的精確分類。

稽查打逃系統采用實時計算和批量計算相結合的大數據分析，對偷逃通行費的行為建立分析模型。這些分析模型主要包括卡片專題分析、倒卡車專題分析、綠通車專題分析、臨界車專題分析、重載貨車分析、特征辨偽分析、車輛常規分析和其他異常情況分析等。

2.2.5綜合出行服務系統

綜合出行服務具體的服務內容如下：

(1)多維路況：包括多個維度的路況信息服務，具體包括無目的地導航、有目的地導航、路況直播、SVG路況簡圖、監控快拍等。

(2)移動支付：通過綁定銀聯卡、微信、支付寶等支付賬戶，使用移動支付方式來變革高速公路收費模式，節省通行費的支付時間，提高通行效率和體驗，為高速出行付費提供多樣化選擇。

(3)高速救援：用戶通過微信公眾號或手機APP填寫必要的車輛基本信息來發起一鍵救援。

(4)ETC服務：通過移動互聯網升級ETC系統，擴展ETC空中充值、空中圈存、在線發行和電子發票開具等服務，進一步完善ETC服務水平。

(5)增值服務：通過建立會員體系，提供互聯網金融、線上商城、互聯網廣告等增值服務。

(6)差異性收費：用戶可基于差異性優惠政策，結合實際通行來申請相應的優惠，優惠金額可以用于支付通行費、購買商城服務等。

(7)智慧旅游：借助移動互聯網收集景區流量和路況信息，對景區所在路段進行動態誘導，向用戶提供景區周邊服務信息。

(8)互聯網+可變情報板：利用互聯網路況數據，結合監控數據和現場調查，利用歷史數據和人工智能通過互聯網+可變情報板向用戶提供準確的預計行程時間。

2.2.6智慧交通大腦內部協同管理

智慧交通大腦的內部協同管理主要包括以下幾個組成部分：協同管理云指揮調度平臺、智慧養護系統、兩客一危系統、高速公路征信系統等。

(1)協同管理云指揮調度平臺

該平臺結合現有遼寧省綜合交通應急指揮平臺軟硬件基礎設施，整合交投集團的監控平臺、客服系統，進一步集成全路網信息資源，建立集監測、監控、分析、預警、指揮于一體的協同管理云指揮調度平臺。

(2)智慧養護系統

建立微信企業號移動端道路-機電設備養護系統，具體功能包括機電設備養護和道路養護。

(3)兩客一危系統

通過管理系統、人員、信息的配合來完成對高速公路危險品事件的快速、準確和專業化的處理。

(4)高速公路征信系統

高速公路征信系統根據用戶高速出行習慣、繳費記錄等數據基于大數據分析技術提取用戶行為特征，構建用戶行為模型，建立用戶信用體系。

3 智慧交通大腦的關鍵技術與方法

高速公路智慧交通大腦的構建中上述6個方面所涉及的幾個關鍵技術與方法，具體如下。

(1)大數據分析技術

典型技術包括：MapReduce為代表的大規模并行處理、涉及異常檢測、關聯規則學習、聚類、分類、回歸等任務的數據挖掘、HDFS分布式文件系統、HBase分布式數據庫、Spark云計算框架、可擴展的存儲系統等。

(2)數據融合技術

整合多個數據源來產生比任何單個數據源更準確和有效的通行信息和特征，將來自路口、圖像、傳感器等不同傳感技術的數據以智能方式組合以準確地確定交通狀態。

(3)不平衡分類方法

偷逃行為次數占全部海量收費數據的比例還是很小的，考慮采用AdaBoost、KNN等無監督的異常檢測方法以及半監督的離群點檢測方法。

(4)自然語言處理方法

由于語言的固有時序特征，自然語言處理問題都是序列化的。而循環神經網絡(recurrent neural network,RNN)對時序性對象可以顯式構建模型。尤其是構造大型深度神經網絡。

(5)移動互聯網技術

隨著第五代移動通信技術(5G)的日益完善，充分發揮手機APP、微信公眾號、小程序、門戶網站、大屏終端和可變情報板等移動互聯網服務能力。

(6)圖像和視頻分析技術

基于圖像和視頻分析技術，主要解決高速公路場景下的車型識別、車輛檢測、車輛跟蹤、車流量統計、交通事件檢測、基于視頻的關鍵幀提取、靜態視頻縮略、動態視頻摘要等問題。所涉及的核心算法是目標檢測算法，目前Faster R-CNN等優秀算法為主要優秀代表。

(7)數據可視化技術

可視化技術中D3.js是一個使用動態圖形進行可視化的JavaScript程序庫。例如，基于D3.js構建路網交通流量平均速度的顏色編碼圖。

4 結束語

分析了遼寧省高速公路的發展需求和管理現狀，根據遼寧省高速公路的路網布局和交通數據規模等本省實際情況和交通流特點，提出了遼寧省高速公路智慧交通大腦平臺，對實現遼寧省高速公路的智慧感知、智慧管理和智慧服務提出了具體的建設性設計與思考。