高速公路運營管理中大數據平臺的構建及應用分析

霍思遠

（山西省智慧交通研究院有限公司,山西 太原 030032）

0 引言

現階段，高速公路的信息化水平還不高，對于高速公路信息化運營管理產生的大量數據，不能高效利用，且開發程度較低，無法充分滿足交通運營管理的實際需要[1]。隨著計算機技術的發展，人工智能、大數據、物聯網等新技術不斷涌現，綜合運用新技術構建起高速公路大數據系統平臺，能將高速公路信息系統的各個模塊串聯起來，共享系統數據，并將全部數據集中保存，從而為全面的數據分析提供保障，依托于大數據平臺信息做出科學的決策，提高高速公路運營管理的智能化水平。

1 大數據平臺總體架構

大數據系統平臺收集并存儲高速公路數據資產，并基于當前的信息管理系統，匯總運營管理數據，按照相同的數據標準，構建標準的數據倉庫，整合并存儲高速公路的海量運營數據，此外還設計有外部數據接口，公路運營管理的關聯部門數據都可接入平臺中，經過數據整合、評價決策等，為公路調度指揮、事故預警、客戶服務等提供數據支持，有利于全面提升高速公路運營管理水平[2]。

大數據系統平臺包含數據層、模型層以及應用層，以充分滿足高速公路的運營管理需求。系統平臺以及與模型算法的設計主要通過數據層來實現，提升數據分析的準確性與科學性。數據層將收集的運營數據作適當處理后，將其傳輸至公共大數據中心，其中存儲的各項數據都可實現內外共享。模型層為系統平臺的穩定運行提供重要保障，其主要內容為數據融合及模型，收集整合各項數據，經分析計算后，在系統分析平臺中廣泛應用。應用層是在數據層與模型層基礎上設計的，其功能主要是通過收集分析路況、路網及天氣等信息，實現實時的交通分析、路況預測、路面養護、智慧交通以及事故預警等[3]（見圖1）。

圖1 大數據系統平臺總體架構

2 基礎數據

通過多個渠道可以收集高速公路數據，例如通過視頻監控、路政管理、ETC 門架等，可以廣泛收集車輛的視頻、圖片以及行駛數據等信息。除了上述三個來源，還有其他途徑可收集高速公路的基礎數據。

高速公路運營管理數據主要包括：①公路、橋隧、收費站及服務區等基礎設施信息；②高速公路通行費、貨車收費站入口稱重數據以及征費稽查數據；③高速公路行車數量、車牌號、進站點與時間、出站點與時間、區間行駛距離以及車流量調度數據等；④車輛事故數、車輛維修費用、道路巡查及養護等數據；⑤氣象預報、道路問詢、收費站是否開放、路面路況等出行服務數據[4]。

通過系統平臺共享的外部及內部數據包括：①來源于交管部門的違法車駕信息、執法糾違、交通事故處理等數據：②來源于路政部門的事故救援、超限執法等運營數據；③來源于公安部門的盜搶車輛、涉車犯罪及違法記錄等數據[5]。

3 應用模型

構建高速公路運營管理的大數據系統平臺，主要運用到以下六種模型。

（1）基礎信息數據模型和業務數據模型：由于現階段的高速公路運營管理數據并不十分完整，且精確度還有待提升，采用數據融合方式，來獲得相對準確的高速公路運營數據。在具體的應用模型中輸入多源數據，構建相應的格式轉化模型，得到統一的數據標準，通過不斷校驗數據格式，全面提升數據分析的準確度，充分發揮數據的價值(見圖2）。

圖2 數據融合框架

（2）交通流量預測模型：統計高速公路不同路段以往的交通流量數據，設定不同維度的數據，開展全面分析，從而針對交通流量趨勢開展不同維度的預測[6]。

（3）突發事件評估模型：從路政部門收集以往的交通事故數據，構建綜合性的道路突發事故分析評估機制，融入道路特征、氣象條件、事故時間及原因等信息，提升對突發交通事故的預判能力。

（4）綜合稽查分析模型：收集高速收費站入口稱重、費用稽查等收費信息以及車輛型號、車牌號等車輛運營數據，建立全閉環稽查管理機制，同時完成稽查分析、任務派發、數據上報及信息反饋等。

（5）運營管理優化模型：通過視頻監控、ETC 門架等收集路面車流量、車速及路面破損等數據，設計全面的道路行車應急處置預案，不斷完善道路交通組織[7]。

4 大數據系統應用

4.1 應用目標分析

當前，有些道路的稽查養護、硬件設備維修及安全檢查等并不十分完善，高速公路運營管理企業要實現科學、高效的決策，必須構建完整、智能、高效的大數據分析及運營決策管理系統。主要業務需求如下：

（1）全面掌握高速公路運營路段的車流量、路段邊界等信息，并合理預測道路車流量，能科學、準確地分析道路交通總流量、區域流量、各路段及高速公路收費站的車流量，還能統計分析各個時間段的交通流量。

（2）能分析高速公路各項運營管理指標的發展趨勢，構建相關的指標評價體系。評價指標主要有道路斷面車流量、車速及路面破損程度等[8]。

（3）結合高速公路運營管理的實際需求，不斷統籌運營業務，實時監測道路運行狀況，做出科學評估分析，在此基礎上，進行持續優化及信息反饋。

4.2 應用情景

4.2.1 交通流量預測的應用

高速公路運營數據主要來自監控視頻流、車輛抓拍以及通行路徑存儲等，通過對不同維度的路段車流量趨勢進行分析，在此基礎上，對各個時間段的道路交通流量進行有效判斷。交通流量預測主要應用于以下五個方面：

（1）車輛密度預測：借助于大數據系統平臺，實施處理高速公路的車流量數據，并將其比較于高速公路的以往數據，按照車流量大小進行排名，并運用相應的算法，提出科學的建議，為最終決策提供支持[9]。

（2）道路擁堵預警：有些熱門高速公路主線，在非工作日時間段的車流量非常大，極易發生交通擁堵。針對這一現狀，可運用大數據平臺系統，收集該路段的車流量信息，對未來的車流量大小做出預測，并準確鎖定引發交通擁堵的主要因素，在此基礎上，制定合理的道路擁堵疏解方案，快速解決道路擁堵問題。

（3）收費額預測：預測高速公路收費的金額，主要依據交通流量的大小作出判斷。針對某段高速公路，可以分不同長度的時間段，有效預測其交通流量，并運用相應的計算方式，依據交通流量計算收費金額，由此可以預測高速公路在這一時間段內的收費金額。

（4）收費人員配置：基于對道路交通流量的合理預測，掌握車流量規律，分析交通流量在工作日與非工作日、白天與黑夜的差異。高速公路運營管理企業可據此科學設定收費站工作人員數量，根據道路車流量的變化，及時調整收費人員配置。

（5）道路養護：基于對交通流量的分析，并綜合考慮具體車型、車速及超載量等數據，對道路通行能力進行判斷，提取可量化的指標，不斷完善道路養護施工方案。

4.2.2 逃費稽查分析的應用

收集高速公路車輛出入口信息、ETC 門架、高速通行費繳費記錄以及車輛乘車人數量等信息，構建稽查數據信息庫，并設計高速通行費逃費稽查分析模型，開展智能化科學分析，不再依靠人工經驗，比較異常行為數據，通過對通行車輛進行全面分析，實現逃費稽查[10]。

（1）優免政策逃費分析：在特定法定節假日，對于七座及以下的小型車輛，會免除其高速公路通行費，并在收費站出入口設置專門的免費車道。有些車輛超過七座，還會選擇通過免費車道。此時，逃費稽查分析模型會運用相關算法，將通行免費車道的車輛的座位數與符合高速免費政策的車輛座位數進行比對，通過這種智能化分析來判斷該車輛是否存在逃費行為。

（2）大車小標分析：在收費站人工收費中，運用稽查模型，分析降低車型的逃費行為。收集車輛ETC 辦理信息、車輛繳費記錄、實際車型及入站稱重數據等，開展全面分析，如果存在貨車ETC 設備對應的車型小于實際車型、使用不配套的ETC 設備、不按規定通行規定車道出站等現象，由此可判定大車存在違規使用小標的問題。此時，將違規車輛信息報送至路政服務站，工作人員會稽查該貨車，判斷是否有逃費行為。

（3）套牌分析：運用車輛稽查模型，全面分析車輛型號、車牌信息、顏色及高速公路通行時間等數據，若相同的一塊車牌被用于不同車輛，則可斷定這是套牌行為。此時，系統模型會收集套牌車輛的相關信息，并向車輛發出套牌預警。

4.2.3 實時交通分析的應用

通過實時分析高速公路路況、收費站及服務區等信息，從而全面了解高速公路當前的服務狀況，向駕乘人員提供相關服務，主要作用如下：

（1）路況信息提示：收集道路交通實時信息，并開展全面分析，如果路段出現擁堵、事故或異常天氣等，會將提示信息推送給駕乘人員，提示其繞行或做出其他選擇。

（2）服務區信息提示：當車輛快接近高速服務區時，如果駕乘人員有進站需求，則系統會向其推送服務區空余車位信息。

（3）收費站信息提示：當車輛將要駛出高速公路時，系統會向駕乘人員推送收費站開閉及車輛通行信息。

4.2.4 安全隱患排查的應用

構建生產安全事故隱患數據庫，依照生產法規、操作流程及管理標準制度，開展例行巡檢及專項檢查，收集的生產安全隱患信息輸入隱患數據庫，并借助互聯網自媒體，將企業員工吸納到生產安全隱患采集、排查及整改活動中，從而實時收集安全管理信息，實現閉環管理。

4.2.5 機電運維分析的應用

收集高速公路監控與機電設備運行狀態、運行環境等數據，開展在線監測及故障預警，從而有效提升高速公路機電設備運維的智能化程度。

5 結論

綜上所述，在高速公路運營管理中綜合運用大數據技術，具有顯著的應用價值：一是能準確掌握交通流量規律；二是可快速稽查逃費車輛；三是為民眾出行提供優質服務；四是能有效排查管控交通隱患；五是能提高高速公路機電設備運維的智能化程度。將大數據技術充分融入高速公路的運營管理，并在其中具體運用大數據分析成果，一方面能為高速公路運營管理企業帶來巨大的經濟效益，另一方面還能創造顯著的社會效益，值得大力推廣應用。