城市交通管理關鍵技術應用分析

晁曉寧 張昆

摘 要 隨著社會經濟發展，全國機動車保有量、道路公里數、車輛數日益增長，交通違法、事故起數逐年增多，城市道路交通壓力不斷加大。道路交通擁堵、交通事故頻發、出行安全難以保障、通行效率低下等問題日益顯著，城市交通管理者的管理壓力也隨之增大。面對日益嚴峻的城市交通形勢，如何維護道路暢通、保障交通安全成為交通管理部門工作的重中之重。

關鍵詞 交通管理;關鍵技術;安全

引言

面對日益嚴峻的城市交通形勢和地方警力資源不足的現狀，向科技要效益、利用各類關鍵技術成為解決交通管理難點、痛點的關鍵。本文重點探討交通管理的現狀、問題及需求，以及關鍵技術應用。

1管理現狀

（1）現狀。基礎設施方面：路面設備建設日趨完善，各地大量建設流量檢測器、電警、卡口、視頻監控、信號、誘導屏、事件檢測器等設備;警用裝備日益豐富，各地交警裝備了執法記錄儀、警務通、酒精測試儀、對講機、無人機等裝備。信息系統方面：各地建設了大量的信息化系統，如誘導發布系統、稽查布控系統、“情指勤督”平臺、源頭監管系統、信號控制系統、信息誘導發布系統等。

（2）問題。①信息基礎設施建設存在局限。a.設備自身存在不足，檢測準確度不夠，惡劣天氣適應能力不強。b.設備建設沒有實現全覆蓋，存在檢測盲點。②“互聯網+”融合創新能力不足。由于舊體制機制的影響，互聯網與交通管理融合的步伐較為緩慢，地區差異較大。③各類數據資源缺乏融合。a.各地建設了大量信息化系統，但是系統獨立，缺少互通。b.大部分城市尚未建設數據中心，導致數據難以融合，無法深度挖掘數據價值。④交通信息服務水平較低。大部分城市還停留在通過誘導屏和電臺發布少量交通信息的水平，難以滿足公眾對交通出行信息的需求[1]。

2需求分析

（1）業務需求。①建構高效、協同、智能的指揮調度體系。圍繞公安部“情指勤督”要求，構建高效、協同、智能的指揮調度體系，實現各類交通情報的實時匯聚、自動化分析，在此基礎上進行智能指揮調度，快速處置各類交通事件。同時，對交警勤務工作進行智能監管，實現勤務信息全程記錄，智能發掘勤務問題，提升勤務工作效率。②實現智能、高效的交通設施設備全生命周期運維。運用各類前端、后端智能檢測手段，對交通設施設備運行進行監測，及時發現各類問題，自動推送給相關運維人員進行處理，處理完成后進行自動化的修復驗收，并記錄整個處置過程相關信息，實現全生命周期的閉環式運維管理。③構建以人為本的多渠道、主動性的服務體系。通過信息集成、運營集成、優化資源配置，提供個性化、全鏈條綜合出行需求的交通相關服務。

（3）需求分析。①加強基礎設施與信息化建設，促進智慧交通集約化發展。硬件建設：各類交通傳感器、中心配套設施、大數據中心分析處理設備、網絡設施等。軟件建設：操作系統、數據庫、中間件、大數據基礎環境等。②開展交通大數據應用建設，提升行業科學決策水平。主要包括推動交通大數據可視化、增強數據分析挖掘能力、實現車輛/人臉識別、實現大數據共享信息交換等。③加強技術與業務深度融合，提升城市交通治理能力。探索大數據，云計算，圖像分析，人工智能，車聯網，衛星定位，“電子車牌”等高新技術與交通管控，交通運輸行業實際業務的結合[2]。

3關鍵技術應用

（1）大數據。目前城市交通大數據，多源異構，主要體現在下面兩個方面：①數據體量極大，市級數量級已由TB變為PB，省級數據級甚至是EB、ZB。②數據多源異構，既有標準數據庫類型的結構化數據，也有視頻類型的半結構化數據，還有文本類型的非結構化數據等。運用大數據云計算技術，儲存海量數據的同時，對數據進行清晰融合、深度分析，建設交通管理大數據中心，實現億級數據的秒級運算，為交通管理交通者決策提供數據支撐，極大促進了事件檢測、信號優化、輔助決策、研判分析等業務的發展。

（2）人工智能。①基于機器學習的信號優化。利用人工智能機器學習技術，融合路口各類交通信息，無須人為設定具體特征，系統通過逐層迭代自動進行分析，進行信號優化，實現路口自適應，優化速度和效果比傳統優化方式要好很多。②交通仿真應用。目前交通設計能力薄弱，專業人才稀缺，很多道路設計不夠合理，給交通出行帶來了很大的不便。運用人工智能技術進行交通仿真，動態模擬交通流和交通事故等各種交通現象，復現交通流的時空變化，進行交通運行效果評估。在道路建設前，為交通設計者提供數據支持，有效提高了道路規劃水平，減少道路調整次數。

（3）物聯網。物聯網在交通中主要應用在車聯網方面，利用物聯網技術將“行人、車輛、道路”有機關聯起來，對交通進行整體把控，實現三者的動態關聯、全局監測、智能服務、輔助駕駛。動態關聯：實時采集“人、車、路”運行中的各類信息，將信息匯聚起來，進行統一管理。全局監測：對實時采集的“人、車、路”信息進行整體性分析，分析各類交通運行參量，掌握全局運行情況，及時精準發現各類交通問題。智能服務：根據出行者的出行路線和個人喜好，通過長時間、海量的歷史數據分析，自動向出行者推送相關出行服務信息，為出行者提供智能化的信息服務。輔助駕駛：根據交通整體運行情況，結合車輛自身情況，向車輛推送各類相關交通信息，例如周邊實時天氣、前方擁堵情況、前方事故信息、臨時道路管制情況等，輔助車輛駕駛，為未來自動駕駛提供支撐。

（4）移動互聯網。交通管理部門從互聯網企業（百度、高德等）獲取車輛、行人定位等大量出行信息，相比傳統交通檢測設備的數據，互聯網數量覆蓋更廣、樣本更多、準確性更好，可以更好地為交通管理業務服務（路況檢測、交通評價等），得出更為精準的分析結果。同時，交通管理部門將各類交通信息（交通事故、道路管制等）發給互聯網平臺（微博、微信等），更好地為公眾提供出行服務。

4結束語

運用大數據、人工智能、物聯網、移動互聯網把人、車、路、環境、事件、輿情緊密結合起來，通過海量數據的融合分析，為交通管理者提供業務支持，為社會公眾提供更為便捷的出行的服務，形成城市交通管理的大腦。

參考文獻

[1] 楊永斌，李笑揚.基于大數據技術的智能交通管理與應用研究[J].重慶工商大學學報（自然科學版），2019，36（2）：73-79.

[2] 吳世旺.人工智能在道路交通管理中的應用[J].信息與電腦（理論版），2019（22）：107-109.