大數據技術在公路治超管理平臺中的應用探究

賀麗 張哲 黃林竹

摘要：目前我國公路貨運行業(yè)迅猛發(fā)展，車輛超限超載現象日益增多，傳統(tǒng)的公路治超管理模式已經不能滿足現有治超形勢的需要。隨著先進的數據信息技術在公路治超管理中得到應用，可以通過大數據賦能來提高非現場治超執(zhí)法的精準度和效率。因此，文章在分析了公路治超的必要性及技術現狀基礎上，探究了基于大數據的公路超限超載管理平臺架構，提出了要充分利用大數據技術等科技手段，推動公路治超技術的發(fā)展。

關鍵詞： 大數據;公路治超; Hadoop 和 MapReduce ; 超限超載

中圖分類號：G642? ? ? ? 文獻標識碼：A

文章編號：1009-3044（2022）19-0020-02

1 引言

近年來，在對外開放和經濟快速發(fā)展的推動下，公路貨運行業(yè)得到了迅猛發(fā)展。然而，車輛運輸中的超限超載現象日趨嚴重，這不僅嚴重損壞公路基礎設施，擾亂運輸市場秩序， 加劇環(huán)境污染，更容易產生交通運輸危害安全[1]，使得治理超限超載已成為亟待解決的一個問題。

公路治超管理經歷了多個階段。從最初的完全靠有人超載檢查，到后來的單點無人值守治超系統(tǒng)。單點無人值守超限管理站比以前有很大的改進，能夠實現全天候的自動工作。但是這種治超管理系統(tǒng)存在著很大局限性：其一，不能與治超管理其他部門聯(lián)合起來綜合治超。其二，治超技術缺少大數據處理、分析，不能為更好地實踐創(chuàng)新、理論創(chuàng)新積累數據，不能有力地支持決策分析。我們知道，公路車輛信息及其他相關數據來源眾多、格式繁雜、連續(xù)性強、物理順序不一、數據的價值密度低，而對應的處理工具則需具備高性能、強實時性、可擴展等特性。因此，建立精準可追溯的公路超載管理平臺勢在必行。

2 大數據技術在治超工作中的優(yōu)勢

隨著全球經濟、信息化技術的迅猛發(fā)展，各行各業(yè)數據的大量生產、收集、共享和應用已成為大趨勢，這促使“大數據”技術成為互聯(lián)網中不可或缺的一部分。與傳統(tǒng)數據抽樣方法相比，大數據研究對象多樣化、多維化、數據范圍廣泛，這有利于人們在研究中，能夠迅速挖掘出有效數據信息及其隱藏信息。正是由于這些優(yōu)勢和特點，大數據的應用已滲透到社會各界、各個領域以及不同學科研究方向中，比如：醫(yī)學、生物學、金融領域、建筑學、企業(yè)管理學、人力資源管理、城市規(guī)劃建設等。

大數據技術對各行各業(yè)帶來的效益日益明顯，公路治超領域的應用也不例外。據調查，目前很多地區(qū)已經建立相應的大數據平臺，通過大數據分析與挖掘技術，建立數據共享機制，挖掘出跨部門、跨區(qū)域的數據潛在信息，實現信息同時、同步、共享，為治超提供更加精準、詳細的數據，從而提高治超非現場執(zhí)法效率和精準度[2]。

2.1利用大數據強化源頭監(jiān)管

從源頭抓起是治理公路超限超載關鍵。利用大數據技術，建立機種數據監(jiān)測系統(tǒng)，對交通運輸重要路段、執(zhí)法站點、貨物集散裝卸場地、貨運源頭企業(yè)等重點區(qū)域布設視頻監(jiān)控設備，摸查貨車路線，進行實時監(jiān)管。治超執(zhí)法人員利用不停車檢測、源頭稱重檢測、車輛識別、超限檢測站檢測、流動檢測、視頻監(jiān)控、抓拍等大數據進行分析，指揮調度精準查處。

公路治超非現場執(zhí)法全過程：當車輛經過不停車超限檢測系統(tǒng)時，車輛的車牌號、車速、總重、限重、軸數、超限率、超重等信息實時上傳到信息監(jiān)控中心。信息中心監(jiān)管人員通過視頻監(jiān)控和數據分析，一旦發(fā)現數據超載信息，便將此信息推送至執(zhí)法人員。當查獲的超載車輛被處理完畢之后，對該車輛所屬的源頭企業(yè)進行相關處罰，從而及時消除違法行為。

2.2有效加強監(jiān)管力度

通過對大數據平臺建立的數據進行分析，對一些固定貨運車輛超限超載信息進行取證留存，再調取車輛登記信息，按照行政處罰程序對當事人違法超限超載行為予以立案，并送達《交通行政處罰事前告知書》和《交通行政處罰決定書》。

當事人收到處決書以后，將督促其主動前來繳納罰款;同時對在路面查獲的違法超限車輛與數據倉庫比對、分析，如有違法記錄，將非現場執(zhí)法并進行相關處罰;如果當事人逾期不執(zhí)行罰款繳納，將依法申請強制執(zhí)行。

通過對大數據技術的應用，提高了治理超限超載的法律監(jiān)管手段，使得違法行為明顯減少。

3大數據分析挖掘技術在治超中的應用

大數據技術的核心內容是大數據分析[3]。近年來，大數據分析技術主要包括可視化分析、數據挖掘算法、基于 Hadoop 和 MapReduce 框架的大數據處理方法[4]。

可視化分析是一種人機交互的大規(guī)模數據集洞察和認知;數據挖掘算法是從大量不規(guī)則復雜的數據中獲取一些有價值的隱含和潛在信息;基于Hadoop和 MapReduce 框架的大數據處理方法是利用分布式平臺和分布式計算模型，對巨大量數據進行管理和分析。

Hadoop是Google的一個分布式計算平臺，已經在學術界和工業(yè)生產領域被廣泛應用，使用者可以在Hadoop上開發(fā)和運行分析海量數據的開源應用程序。它的優(yōu)點：高可靠性、高擴展性、高效性、高容錯性。MapReduce是由Google于2004年提出的一個分布式計算模型，用來解決海量數據的計算問題。

近年來，出現了很多基于Hadoop和 MapReduce 框架的大數據處理算法。2019年，王龍暉[5]在其博士論文中綜述了基于Spark MapReduce的并行蟻群算法，可以對管網巡檢最優(yōu)路線進行高效規(guī)劃，并且Spark MapReduce對SDP算法有很好的加速效果。2020年，臧艷輝[6]等人提出一種基于MapReduce的分治k均值聚類方法，利用Hadoop的MapReduce框架對龐大的數據集進行一系列分布式實驗;劉衛(wèi)明[7]等人研究了基于MapReduce的并行MRPrePost頻繁項集挖掘算法。2021年，趙欣燦[8]等人基于MapReduce的數據處理模型，設計了一種基于高維數據維度?；约肮?jié)點負載均衡的數據預處理策略;張晨躍[9]等人利用 MapReduce 編程模型的強大數據處理能力，提出了一種基于MapReduce的樸素貝葉斯算法的并行化分類方法。

本文主要探究基于Hadoop和 MapReduce 框架的數據挖掘方法，構建大數據治超管理平臺。利用Hadoop平臺對交通運輸源數據進行實時采集，而后，通過MaReduce算法模型提取關鍵指標，對原始數據進行分割、過濾、轉發(fā)、分類、合并等分析操作，最終將數據上傳到數據倉庫中存儲。數據分析過程中過濾掉錯誤、無效數據，保障存儲數據的完整性、可靠性。

4 基于大數據的公路超限超載管理平臺架構

4.1數據來源

基于大數據的治超管理平臺數據來源包括業(yè)務基礎數據、大件運輸許可數據、稱重檢測數據、失信名單、高清卡口和視頻監(jiān)控數據、證據數據、案件和文書數據、違法分析數據、信息服務、貨運源頭企業(yè)數據、綜合分析評價數據等內部數據，以及貨車衛(wèi)星定位數據、道路運輸人車戶數據等外部數據。這些數據來源多、無規(guī)律、連續(xù)性較強，充分滿足大數據的五V特點[10]：體量巨大（volume）、流動速度快（velocity）、種類繁多（variety）、難辨識（veracity）和價值密度低（value）。

與傳統(tǒng)數據采集及處理方式相比，大數據的數據采集、數據結構及處理方式的特點及優(yōu)勢較為明顯，如表1所示。

4.2 治超平臺架構

圖1展示了公路超限超載管理平臺的架構。由圖1可知公路超限超載管理平臺的一般流程是終端采集設備將實時采集到的公路車輛等數據通過網絡上傳至平臺的數據中心，數據中心將數據處理然后存儲到數據倉庫，而后工作人員從數據倉庫中獲取數據進行相關業(yè)務操作。從此流程可以看出，公路超載管理平臺的核心在于如何進行大數據分析以及如何對獲取的大數據進行安全保護。

5結束語

公路超限超載運輸對道橋的壽命、交通和人身安全、運輸市場的秩序都造成了嚴重的危害。治超工作一直以來都備受研究人員關注，近年來，研究者集中致力于運用科技手段治超，尤其在大數據技術應用于公路治超以后，治超工作取得了顯著效果。大數據技術在公路治超應用中，主要以大數據分析和數據挖掘技術為支撐，應用大數據算法，從海量的數據中對比、分析、發(fā)掘規(guī)律，從而排查出超限超載車輛。不僅能夠提前制止超限超載行為，還為非現場執(zhí)法提供更加精準、有效的數據。因此，未來應充分利用大數據技術等科技手段，充分提高公路治超技術。

參考文獻：

[1] 李越.公路超限超載運輸對策研究[J].山東工業(yè)技術，2018（9）：184，215.

[2] 任憲勇，司潤先.大數據賦能助力公路治超非現場執(zhí)法[J].山東交通科技，2020（5）：133-134，140.

[3] Labrinidis A，Jagadish H V.Challenges and opportunities with big data[J].Proceedings of the VLDB Endowment，2012，5（12）：2032-2033.

[4] 程學旗，靳小龍，王元卓，等.大數據系統(tǒng)和分析技術綜述[J].軟件學報，2014，25（9）：1889-1908.

[5] 王龍暉.基于并行計算的調節(jié)閥大數據智能分析及建模方法研究[D].濟南：山東大學，2019.

[6] 臧艷輝，席運江，趙雪章.基于MapReduce的分治k均值聚類方法[J].計算機工程與設計，2020，41（5）：1345-1351.

[7] 劉衛(wèi)明，張弛，毛伊敏.基于MapReduce的并行頻繁項集挖掘算法研究[J].計算機應用研究，2021，38（3）：689-695.

[8] 趙欣燦，朱云，毛伊敏.基于MapReduce的高維數據頻繁項集挖掘[J].計算機工程，2022，48（3）：81-89.

[9] 張晨躍，劉黎志，鄧開巍，等.基于MapReduce的樸素貝葉斯算法文本分類方法[J].武漢工程大學學報，2021，43（1）：102-105.

[10] 程豪.基于Hadoop的交通大數據計算應用研究[D].西安：長安大學，2014.

收稿日期：2021-09-24

基金項目：2021年河南交通職業(yè)技術學院校級科研項目，項目編號：2021-YJXM-024

作者簡介：賀麗（1988—），女，河南南陽人，助教，研究方向：計算機應用;張哲（1986—），女，河南南陽人，講師，研究方向：計算機網絡、計算機應用;黃林竹（1981—），女，河南平頂山人，工程師，研究方向：計算機應用。