基于大數(shù)據(jù)的道路交通管理措施研究

王繼勇

（淄博市公安局交通警察支隊(duì)張店大隊(duì)，山東淄博 255000）

0 引言

當(dāng)前，我國(guó)城市道路交通快速發(fā)展，但城市路網(wǎng)仍存在密度不合理、功能復(fù)雜與支路短缺等多種問(wèn)題。此外，交通管理措施尚未達(dá)到現(xiàn)代化標(biāo)準(zhǔn)，與當(dāng)前智慧交通建設(shè)要求不匹配。在此背景下，城市道路交通管理部門(mén)需要積極引入大數(shù)據(jù)、5G 網(wǎng)絡(luò)與智能終端技術(shù)與設(shè)備，將大數(shù)據(jù)技術(shù)與城市道路交通管理有機(jī)融合，實(shí)現(xiàn)車(chē)輛、人員與道路之間的互聯(lián)互通，進(jìn)而提升道路交通管理的協(xié)調(diào)性，提升交通管理效率[1]。基于此，對(duì)基于大數(shù)據(jù)的道路交通管理措施進(jìn)行研究，以期有效提升交通管理智能化水平，進(jìn)一步緩解城市交通壓力。

1 大數(shù)據(jù)與交通管理概述

1.1 大數(shù)據(jù)

大數(shù)據(jù)也稱(chēng)“海量數(shù)據(jù)”，是通過(guò)計(jì)算機(jī)軟件提取的海量、復(fù)雜數(shù)據(jù)集合，大數(shù)據(jù)一般被存儲(chǔ)在云端或本地?cái)?shù)據(jù)庫(kù)，可為相關(guān)人員進(jìn)行數(shù)據(jù)資源分析、處理、存儲(chǔ)、共享等提供便利。大數(shù)據(jù)的基本特征是數(shù)據(jù)量龐大、多樣，且數(shù)據(jù)價(jià)值密度較低。通常對(duì)大數(shù)據(jù)概念與特征的總結(jié)可以用4 個(gè)V 表示，即Volume（巨大）、Variety（繁多）、Velocity（多樣）、Value（價(jià)值）。

1.2 交通管理

交通管理通常是以具體的交通活動(dòng)或場(chǎng)景為研究對(duì)象，以發(fā)揮交通管理系統(tǒng)的效益為目標(biāo)的一系列管理措施的統(tǒng)稱(chēng)。

在大數(shù)據(jù)背景下，應(yīng)借助數(shù)字化技術(shù)與大數(shù)據(jù)管理平臺(tái)，對(duì)既有的交通管理方式進(jìn)行升級(jí)改造。交通管理要素是人、車(chē)、路，對(duì)上述要素作出科學(xué)管理是實(shí)現(xiàn)交通安全的前提和基礎(chǔ)。由于交通管理概念是隨著道路交通發(fā)展而發(fā)展的，因此相應(yīng)的交通管理措施具有動(dòng)態(tài)化特征。目前，交通管理的內(nèi)容和方式均出現(xiàn)了新變化，以大數(shù)據(jù)為管理主要手段，關(guān)注城市發(fā)展理念、道路規(guī)劃及交通疏導(dǎo)將是交通管理的發(fā)展趨勢(shì)。

相關(guān)研究表明，在交通管理中，任何一個(gè)環(huán)節(jié)出現(xiàn)問(wèn)題均可能影響交通安全性與通暢度[2]。因此，在分析交通管理措施的全過(guò)程中，需要將交通安全與道路暢通作為主要考核指標(biāo)，分析影響交通安全的主要因素，結(jié)合管理現(xiàn)狀制訂適宜的交通管理措施。

2 大數(shù)據(jù)在交通管理中的作用

2.1 提升交通智能化管理水平

在大數(shù)據(jù)技術(shù)的支持下，我國(guó)道路交通管理效率明顯提升。同時(shí)，大數(shù)據(jù)也為交通管理注入了內(nèi)在動(dòng)力，有助于提高交通管理智能化水平。當(dāng)前，在社會(huì)經(jīng)濟(jì)高速發(fā)展的背景下，私家車(chē)保有量持續(xù)增加，相關(guān)部門(mén)的交通管理能力與實(shí)際要求之間存在嚴(yán)重不匹配現(xiàn)象。為解決上述問(wèn)題，可將大數(shù)據(jù)技術(shù)引入交通管理實(shí)踐，構(gòu)建智慧警務(wù)平臺(tái)，以有效發(fā)揮數(shù)據(jù)信息在交通管理中的價(jià)值。

此外，大數(shù)據(jù)技術(shù)在交通管理中的應(yīng)用還有助于更新管理理念、促進(jìn)管理手段創(chuàng)新，對(duì)調(diào)整交通領(lǐng)域部署政策、優(yōu)化交通管理機(jī)制有積極影響，可有效提升交通管理綜合水平[3]。

2.2 提供更精準(zhǔn)的交通管理服務(wù)

大數(shù)據(jù)在交通管理的多個(gè)場(chǎng)景中發(fā)揮著不可替代的作用。通過(guò)構(gòu)建數(shù)據(jù)指揮平臺(tái)，可加快交通管理信息的公開(kāi)度與透明度，且有助于提升交通管理的公信力。根據(jù)相關(guān)數(shù)據(jù)統(tǒng)計(jì)，我國(guó)互聯(lián)網(wǎng)使用人群已超過(guò)10 億，借助大數(shù)據(jù)平臺(tái)，交通管理部門(mén)能夠?qū)崿F(xiàn)與網(wǎng)絡(luò)用戶(hù)的溝通，并提供精準(zhǔn)、及時(shí)的交通管理服務(wù)。同時(shí)，相關(guān)網(wǎng)絡(luò)用戶(hù)可以借助平臺(tái)提供交通管理相關(guān)建議，為交通管理的規(guī)范化貢獻(xiàn)力量，進(jìn)而有效提升道路交通管理效果。

3 大數(shù)據(jù)背景下道路交通管理措施分析

3.1 車(chē)輛檢測(cè)技術(shù)的應(yīng)用

目前，車(chē)輛檢測(cè)技術(shù)主要應(yīng)用在高速公路車(chē)輛檢測(cè)系統(tǒng)中，如ETC 車(chē)道系統(tǒng)。通常會(huì)在ETC 車(chē)道的出入口處放置地感線(xiàn)圈，實(shí)現(xiàn)對(duì)車(chē)輛的自動(dòng)檢測(cè)。通過(guò)合理選擇檢測(cè)器，可以更快、更準(zhǔn)確地識(shí)別進(jìn)入車(chē)道的車(chē)輛，則檢測(cè)系統(tǒng)能夠自動(dòng)識(shí)別車(chē)牌與車(chē)輛屬性信息，可為交通管理工作的后續(xù)開(kāi)展提供數(shù)據(jù)參考。

大數(shù)據(jù)在交通安全監(jiān)測(cè)方面也發(fā)揮著重要作用。通過(guò)對(duì)交通參數(shù)的收集、分析與處理，交通管理人員可以及時(shí)了解預(yù)警閾值，并明確交通事件的預(yù)警等級(jí)。目前，道路交通管理主要采用感應(yīng)線(xiàn)圈檢測(cè)器、紅外檢測(cè)器、視頻檢測(cè)器以及超聲波檢測(cè)器等檢測(cè)技術(shù)，各類(lèi)型檢測(cè)器裝置的技術(shù)參數(shù)對(duì)比結(jié)果如表1所示。

表1 各類(lèi)型檢測(cè)器裝置的技術(shù)參數(shù)對(duì)比結(jié)果

根據(jù)表1 可知，各類(lèi)型檢測(cè)器在車(chē)道流量與速度指標(biāo)方面的差異并不顯著；而在可檢測(cè)車(chē)道、覆蓋范圍及使用年限等參數(shù)指標(biāo)的對(duì)比中，視頻檢測(cè)器表現(xiàn)出顯著優(yōu)勢(shì)。

因此，在當(dāng)前的城市交通管理中推薦使用視頻檢測(cè)器，將大數(shù)據(jù)技術(shù)與視頻檢測(cè)器裝置相結(jié)合，對(duì)道路視頻數(shù)據(jù)信息進(jìn)行深入分析與整理，為交通管理決策提供有益參考。

3.2 采用圖像識(shí)別技術(shù)方案

圖像識(shí)別技術(shù)的應(yīng)用能夠顯著提升城市交通管理效率，對(duì)舒緩城市交通壓力、提升交通便利性有重要意義影響。前文提及的車(chē)輛檢測(cè)技術(shù)措施的實(shí)現(xiàn)基礎(chǔ)是對(duì)車(chē)牌識(shí)別，而車(chē)牌識(shí)別依賴(lài)于大數(shù)據(jù)圖像處理模式。

借助車(chē)牌識(shí)別系統(tǒng)，可以識(shí)別車(chē)輛關(guān)鍵信息，并將其與區(qū)域內(nèi)車(chē)輛數(shù)據(jù)庫(kù)進(jìn)行對(duì)比，在此基礎(chǔ)上選定適宜的道路交通管理措施。車(chē)輛經(jīng)過(guò)時(shí)，ETC 車(chē)道、ETC 系統(tǒng)與車(chē)輛識(shí)別系統(tǒng)之間會(huì)實(shí)現(xiàn)聯(lián)動(dòng)，同時(shí)借助大數(shù)據(jù)挖掘技術(shù)快速識(shí)別車(chē)輛。同時(shí)，系統(tǒng)會(huì)記錄下車(chē)輛屬性信息與動(dòng)態(tài)行駛數(shù)據(jù)，并對(duì)車(chē)輛駕駛?cè)藛T的行為進(jìn)行監(jiān)測(cè)，及時(shí)將違規(guī)行為上傳至系統(tǒng)數(shù)據(jù)庫(kù)，為交通管理提供依據(jù)。

圖像識(shí)別技術(shù)方案中的監(jiān)控點(diǎn)部署與視頻數(shù)據(jù)傳輸存儲(chǔ)主要流程如下：監(jiān)控點(diǎn)大多部署在車(chē)流與人流量相對(duì)密集的場(chǎng)所，以及城市交通重點(diǎn)路段。在具體監(jiān)控期間，城市道路交通情況的圖像信息會(huì)及時(shí)上傳到交通指揮中心。

此外，為避免存在監(jiān)控死角，一般在城市交通主干道需采用高空瞭望攝像機(jī)，其日間監(jiān)控距離可達(dá)到10km，夜間監(jiān)控范圍可達(dá)到5km。該裝置還內(nèi)設(shè)有方位傳感器和GPS 定位器，通過(guò)二者的協(xié)調(diào)配合，能夠獲取目標(biāo)交通路段的方位角度與經(jīng)緯度數(shù)據(jù)信息，并自動(dòng)寫(xiě)入交通道路數(shù)據(jù)庫(kù)，進(jìn)而為交通管理決策提供技術(shù)與數(shù)據(jù)支持。車(chē)輛圖像識(shí)別流程如圖1 所示。

圖1 車(chē)輛圖像識(shí)別流程

在城市道路日常巡邏中，相關(guān)人員可通過(guò)視頻網(wǎng)絡(luò)技術(shù)將拍攝到的視頻、音頻數(shù)據(jù)材料及時(shí)回傳到指揮中心。在現(xiàn)場(chǎng)執(zhí)法場(chǎng)景中，交通警察也可使用移動(dòng)警務(wù)設(shè)備采集現(xiàn)場(chǎng)視頻與圖像資料，將現(xiàn)場(chǎng)人員、車(chē)輛等信息上傳到設(shè)備數(shù)據(jù)處理平臺(tái)，并借助大數(shù)據(jù)檢索數(shù)據(jù)庫(kù)，完成現(xiàn)場(chǎng)視頻圖像與數(shù)據(jù)庫(kù)視頻圖像之間的對(duì)比分析，為交通管理提供有價(jià)值的參考[4]。

在智慧化交通管理過(guò)程中，上述信息具有數(shù)據(jù)量大、類(lèi)型復(fù)雜、價(jià)值密度高等特征。為確保交通管理智慧化水平達(dá)到預(yù)期目標(biāo)，在城市交通管理中，技術(shù)人員需要將大數(shù)據(jù)和云計(jì)算技術(shù)進(jìn)行整合，通過(guò)自建私有云實(shí)現(xiàn)對(duì)交通管理數(shù)據(jù)的運(yùn)維，保證數(shù)據(jù)安全性與健壯性，為海量交通數(shù)據(jù)的存儲(chǔ)、檢索、挖掘、分析奠定基礎(chǔ)。

目前，隨著大數(shù)據(jù)云存儲(chǔ)技術(shù)的發(fā)展，交通管理平臺(tái)可以準(zhǔn)確存儲(chǔ)車(chē)輛位置信息、路段流量、速度信息及駕駛員個(gè)人身份信息，為交通管理工作提供便利。

3.3 自動(dòng)獲取與跟蹤技術(shù)的應(yīng)用

在交通管理領(lǐng)域，車(chē)輛自動(dòng)識(shí)別技術(shù)有較高的應(yīng)用價(jià)值。基于大數(shù)據(jù)的車(chē)輛識(shí)別技術(shù)能夠獲取車(chē)輛顏色、型號(hào)及駕駛員等信息[5]。當(dāng)前，在智慧交通背景下，跟蹤算法與大數(shù)據(jù)融合程度日益加深。為了更好地研究車(chē)輛自動(dòng)識(shí)別技術(shù)的應(yīng)用價(jià)值，在車(chē)輛型號(hào)識(shí)別中引入HvperID 模型，同時(shí)將該模型加入深度學(xué)習(xí)算法模型中，進(jìn)而實(shí)現(xiàn)對(duì)車(chē)輛型號(hào)數(shù)據(jù)信息的深度挖掘，以最大限度地發(fā)揮大數(shù)據(jù)在交通管理中的應(yīng)用價(jià)值。

該技術(shù)方案的實(shí)施效果主要取決于數(shù)據(jù)規(guī)模與質(zhì)量，具體實(shí)現(xiàn)流程如下：

首先，利用大數(shù)據(jù)平臺(tái)獲取海量車(chē)型數(shù)據(jù)，數(shù)據(jù)獲取途徑主要是車(chē)輛網(wǎng)開(kāi)源數(shù)據(jù)。為確保數(shù)據(jù)信息準(zhǔn)確，也可以選擇車(chē)輛信息數(shù)據(jù)鏡像倉(cāng)庫(kù)下載。總之，通過(guò)對(duì)海量車(chē)型數(shù)據(jù)的積累，可為跟蹤識(shí)別算法的準(zhǔn)確應(yīng)用奠定基礎(chǔ)。

其次，科學(xué)選取跟蹤算法。目前，交通道路管理方面使用較多的算法是KCF。由于算法基于開(kāi)源架構(gòu)，技術(shù)人員可以在github 上下載該算法的代碼，通過(guò)更改部分運(yùn)行代碼，進(jìn)一步提升算法跟蹤的準(zhǔn)確度[6]。以車(chē)輛外觀(guān)顏色識(shí)別為例，技術(shù)人員基于大數(shù)據(jù)，設(shè)計(jì)了顏色識(shí)別算法，其中識(shí)別到的車(chē)輛主流顏色共計(jì)13 種，與交通管理部門(mén)公布的顏色種類(lèi)一致，說(shuō)明顏色識(shí)別技術(shù)應(yīng)用具有較高的可靠性。為提升車(chē)輛顏色識(shí)別速度，將Shufflenet、Mobilenet、SqueezeNet 模型技術(shù)應(yīng)用在車(chē)輛顏色自動(dòng)化識(shí)別中，經(jīng)實(shí)踐檢驗(yàn)，引入上述模型技術(shù)后，對(duì)車(chē)輛顏色識(shí)別的時(shí)間可縮短到3～5ms。

最后，完成車(chē)輛種類(lèi)識(shí)別。基于大數(shù)據(jù)技術(shù)快速識(shí)別交通管理中的車(chē)輛種類(lèi)成為可能。在具體識(shí)別階段，借助高效的網(wǎng)絡(luò)模型，以及5G 網(wǎng)絡(luò)、可視化技術(shù)，數(shù)據(jù)技術(shù)價(jià)值得以充分發(fā)揮。在交通管理技術(shù)理論研究中采取的技術(shù)方式為網(wǎng)絡(luò)模型技術(shù)，通過(guò)高效的5G 網(wǎng)絡(luò)對(duì)車(chē)輛種類(lèi)進(jìn)行智能識(shí)別。在移動(dòng)端與PC 設(shè)備上，技術(shù)人員選取Mobilenet3-large 作為主干網(wǎng)絡(luò)，使其在6000 余種車(chē)輛型號(hào)中選取目標(biāo)車(chē)輛型號(hào)。在管理技術(shù)的具體實(shí)現(xiàn)環(huán)節(jié)，技術(shù)人員借助視頻檢測(cè)技術(shù)對(duì)車(chē)型數(shù)據(jù)進(jìn)行甄別，其準(zhǔn)確率可達(dá)到95%，速度超過(guò)98%。

4 結(jié)語(yǔ)

現(xiàn)階段，大數(shù)據(jù)與各行業(yè)的融合程度不斷加深，在道路交通管理中引入大數(shù)據(jù)技術(shù)，可有效增強(qiáng)管理效果、提升服務(wù)水平。因此，在實(shí)際的道路交通管理工作中，應(yīng)積極引入車(chē)輛檢測(cè)技術(shù)、圖像識(shí)別技術(shù)與自動(dòng)獲取與跟蹤技術(shù)，進(jìn)一步加快交通管理智能化發(fā)展進(jìn)程，提高交通管理決策的科學(xué)性，為城市道路交通管理提供有力保障。