基于大數據分析決策技術在道路運輸行業的應用

邢漫路　王臻　韓亮　劉娜　段成民

摘要：大數據分析決策技術是互聯網+中的重要技術組成部分。各行各業陸續打造自己的大數據分析決策平臺。交通運輸行業擁有道路運輸管理平臺、道路運輸服務平臺中各類道路運輸數據資源。本文對道路運輸行業中的特點進行解析，并根據業務分支需求，提出了大數據分析決策系統在道路運輸行業上的應用價值和應用領域。

關鍵詞：大數據 分析決策 道路運輸

中圖分類號：TP311 文獻標識碼：A 文章編號：1007-9416（2016）09-0095-01

1 概述

依托道路運輸管理平臺、道路運輸服務平臺中各類道路運輸數據資源，進行深入挖掘分析，可集中展現對客運、貨運、線路、執法、出行等行業管理及服務內容的分專題分析，以及綜合監測預警、綜合分析預測和系統應用分析等綜合分析，為道路運輸行業宏觀的管理提供支撐。依據車輛監控、客流信息、軌跡數據、違章處理等基礎應用系統數據庫資料進行統計、分析，歸納生成各種報表，為管理部門準確掌握行業運行狀況、合理科學決策提供支撐。另外為管理部門決策提供模型和算法庫、為平臺提供更多高層次的數據。

2 系統功能

道路運輸大數據分析決策系統主要包含多維度行業數據分析、專題分析、綜合分析等功能。如圖1所示。

3 多維度行業數據分析

多維數據分析（MOLAP），使道路運輸管理相關的分析人員能夠從多個角度對從運營數據中轉化出來的、能夠真正為用戶所理解的信息進行快速、一致、交互地存取，并能夠從不同的角度審視業務情況，而獲得對業務數據的更深入的理解。例如對于出租車運營數據，可以從時間、地域、運營收入、違章情況等多個角度進行剖析，從而快速地從一維轉變到另一維，將不同角度的信息以數字、直方圖、餅圖、曲線等等方式展現在用戶面前。

4 專題分析

4.1 客運站場專題分析

分析各站各班次、班線發送量分布和趨勢，并實現旅客空間流向的智能分析。通過分析各站發送量、流向、飽和度來分析客運場站的規劃合理性；構建交通規劃的數據模型，為客運站場（含候車亭）的規劃建設及智能分析提供決策依據。包括流量、客運量預測分析。

4.2 經營線路狀態分析

查詢、統計線路類型的發送量、實載率情況及變化趨勢，實現線路規劃、最優路徑分析、線路客流狀態等分析；按照省內外線路查看發送量、實載率情況及變化趨勢；基于線路、營運業戶的多維挖掘分析，分析每條線路的業戶的發送量、實載率分析。實現我省客運線路指標的圖形化管理，并提供線路規劃、最優路徑分析、線路客流狀態等功能；班線客車與包車的客運流量流向分析，為規劃新的班線、調整已有班線運力提供依據?；诰€路、車輛的多維挖掘分析，分析線路類型與車輛技術等級、車型、座位機構深度分析。

4.3 貨運站場專題分析

構建交通規劃的數據模型為貨運站場規劃建設提供決策依據。

4.4 營運車輛專題分析

監測客運車輛班車、旅游車、出租車時間、空間分布情況；按時間、地理查詢班車、旅游車、出租車分布情況；按照車輛燃油類型、技術等級、使用年限等多維的挖掘分析車輛分布和變化趨勢。

4.5 經營業戶專題分析

分析、挖掘經營業戶在企業級別的市場分布、趨勢；分析、挖掘經營業戶在企業經濟性質的市場分布、趨勢；按經營業戶的經濟性質、資質等級、車輛規模分類等多維度挖掘分析經營業戶的市場集中度。

4.6 運政稽查專題分析

按時間、地理、部門的稽查案件數、結案數量、行政復議數量、結案率以及上述指標歷史同比；按時間、地理統計每萬車發生率及歷史趨勢；稽查案件數量排名前N位企業；稽查案件數量排名前N位車輛；按時間、地理、稽查處罰行為、違章條例代碼等多角度挖掘分析案件數量、結案率和罰款金額；按時間、地理、經營業戶經濟性質、資質等級等多角度挖掘分析案件數量、結案率和罰款金額。

4.7 道路運輸安全專題分析

按照時間段（季節、每日時段等）、事故發生區域、事故性質、傷亡人數等分析道路運輸行車事故數據，并對其變化趨勢進行預測分析。

4.8 出行特征分析

日常的小時、周、月、年統計各個主客場站發送量、實載率；五一、十一、春運的小時、周、月、歷年的各客運站發送量和實載率，并對其進行預測分析。

4.9 視頻統計分析

定期地對客運站、客運車輛監控視頻信息進行分析，依靠大數據的手段深入挖掘監控信息，分析總結道路運輸運行的外在和潛在規律，科學有利地指導交通運輸和城市管理部門的日常工作。

針對客運站視頻，嘗試進行客流量聚集與時間分布、與不同客運站點間關聯關系等分析。

針對客運車輛監控視頻，嘗試進行駕駛員疲勞駕駛與時間分布關聯關系等分析。

5 綜合分析

5.1 綜合監測預警

實現對道路運輸行業的運輸需求（如道路運輸客貨運量、周轉量、公共汽車運量、出租汽車載客次數、出租汽車客運量、營運車輛維修工作量、檢測工作量等）、供給能力（如從業企業數量、從業人員數量、客車車輛、貨運車輛、公交車、出租車擁有量、客運車輛座位結構、貨運車輛核定噸位數、客運場站數量等）、運輸效率（如市場集中度、平均實載率、上座率、發送量占比、飽和度、平均運距等）的監測預警。

5.2 綜合分析預測

按年度、區域、類別統計各道路運輸領域監測數據，結合多種分析手段進行分析，以圖表結合、多層次、多角度的進行展現，客觀、直觀地反映出道路運輸行業運行過程中的各類數據發展勢態、空間分布規律和數據結構性規律。

5.3 系統應用分析

系統通過統計使用人員的操作習慣、搜索詞頻等，挖掘行業管理人員或從業人員業務需求，系統可基于需求統計對系統的實施效果進行分析，并進行優化改進。

6 結語

本文通過對道路運輸的特別進行分析，結合大數據分析決策技術，找到了為管理部門準確掌握行業運行狀況、合理科學決策提供支撐，同時為管理部門決策提供模型和算法庫、為平臺提供更多高層次的數據的價值。