基于大數據的高速公路擁堵智能監測平臺研究與設計

華梅芳

(廣西交科集團有限公司,廣西 南寧 530007)

0 引言

近年來,隨著機動車數量不斷增長,高速公路的發展也面臨擁堵增加、監管困難等各類嚴峻的問題。因此,建立一個統一、綜合性強且具有智慧化能力的擁堵監測平臺,讓相關監管部門可以實時獲取高速公路擁堵狀況并及時進行交通引導,對提升現代高速公路出行體驗具有重要意義[1]。同時,基于對歷史交通數據的建模及分析,可達成對高速公路的擁堵預測及預警,便于相關部門提前做好交通預案,降低高速公路擁堵發生的概率。此外,對交通擁堵態勢的全面監控及數據分析,可為研究擁堵產生機理、分析交通系統存在的問題、制定改善和治理方案等工作提供量化的分析手段和依據。本文立足于實際,提出借助大數據技術、地理信息技術及數據可視化等技術,形成一套完備的交通擁堵監測解決方案,達成對高速公路擁堵的實時監測及智能分析預警,為高速公路擁堵問題的解決提供切實可行的思路。

1 現狀與問題

高速公路發生擁堵已經成為家常便飯,然而高速公路相關監管部門仍欠缺信息化的手段對道路擁堵的實時狀況捕獲進行賦能和支撐,主要存在的問題可歸納為以下三個方面。

1.1 缺乏綜合性的高速公路交通擁堵監測平臺

目前高速公路管理應用中存在收費系統、監控系統、數據可視化大屏等各類系統,這些業務系統較為分散,功能不集中,因而發生嚴重擁堵事件時,只能依賴前方現場工作人員報備相關信息,無法實時獲取路況數據,準確性低且時效性差。

1.2 底層數據分散

除了上層應用的不統一,目前高速公路管理的各個業務系統間采集的數據也大都獨立存儲、定義,數據孤島問題嚴重。分散的業務數據,極大地增加了后期整合利用的難度,如對跨數據庫、跨網段數據的整合,技術復雜且實施成本高昂。而底層業務數據的分散,也致使當出現需要數據支撐的業務決策時,只能采用手工匯總統計數據的方法,數據質量不能保障且容易造成信息差,大大地降低了數據的時效性。

1.3 缺乏對歷史交通數據的挖掘和利用

高速公路沿線部署了大量終端設備,可對通過的實時車流量、車速、現場監控等數據進行采集,且數據量級很大。然而,現有的交通信息化體系建設,并未能結合業務對采集的大數據進行沉淀挖掘和利用,自然無法對各道路的交通狀況進行實時監控,更不可能開展擁堵預測、預警等其他方面的探索。由于缺乏對歷史交通數據的挖掘和利用,導致當前高速公路管控更多以低效的手工干預為主,被動接收信息且滯后采取應對措施。

2 系統設計

2.1 總體架構設計

基于大數據的高速公路擁堵智能監測平臺,其采用的總體架構具體描述如下(見圖1)。

圖1 系統架構圖

2.1.1 數據源層

數據層主要對高速公路上各個終端系統采集的基礎數據進行匯聚,包括收費站數據、ETC門架數據、現場監控數據及其他第三方數據等。對基礎數據的整合,可為計算各路段、各收費站通行流量及擁堵情況等奠定良好的基礎。

2.1.2 數據加工層

數據加工層主要考慮通過對底層基礎數據源進行抽取匯聚,并進行數據清洗、加工及規則化,形成業務數據應用倉庫。

2.1.3 算法層

算法層主要基于數據層收集的各類業務數據,進行統一清洗及規則化,并依據不同的應用場景,建立恰當的模型,對數據進行擬合分析,以支撐應用層的各項服務。該層主要包括擁堵計算、擁堵預測及擁堵預警等。

2.1.4 服務層

服務層主要是將算法層反饋的業務計算結果封裝成獨立的服務,便于不同的業務場景調用。

2.1.5 應用層

應用層主要包含數據可視化大屏、擁堵預測、擁堵預警、監控視頻、交通誘導、擁堵登記、數據報表及移動端等各項功能;同時基于底層構建的數據倉庫及算法層,可依據后續不同業務場景的需求,對上層應用進行靈活拓展。

2.2 功能模塊設計

為了切實滿足高速公路管理部門對路段擁堵情況的感知及監控管理等需求,本平臺的設計應具備以下功能點。

2.2.1 實時車流量地圖

實時車流量地圖以數據可視化大屏的形式,結合地理信息化技術,對高速公路各路段的擁堵情況進行直觀展示及數據分析。(1)通過后臺對車流量、車輛通過門架平均車速等指標的實時計算,對各路段擁堵等級以不同顏色進行標記,便于用戶快速定位擁堵路段。(2)地圖中對分布于各個路段的高速公路門架、收費站等站點分布進行刻畫,支持用戶進一步查詢當前各高速公路路段門架、收費站通過車輛的流量、通過車型分布等不同維度的具體明細數據,從而輔助用戶更好地判斷引發當前路段擁堵的原因[2]。此外,為了讓用戶更好地感知整體交通態勢,地圖輔以多視角的數據統計分析,為用戶開展交通調度提供更強大的決策依據。

2.2.2 擁堵預測

為了改變當前被動接收擁堵信息、滯后處置的現狀,平臺提供對擁堵路段的預測。該功能通過大數據建模,對歷史通行數據進行擬合學習,從而可預測出未來多個時間段內,不同路段的交通擁堵情況,并將該信息及時傳達給相關的路段監管部門,以提前做好交通預案及交通誘導,對減少高速公路擁堵狀況的發生具有一定的現實意義。

2.2.3 智能預警分析

智能預警分析功能致力于通過大數據手段,辨識高頻發生擁堵的路段信息,并及時推送預警信息[3]。接收到預警信息后,相關監管部門可聚焦分析預警路段的特情事故、擁堵事件及通行車流量等數據,展開對擁堵機理的深入研究,定位交通系統存在的問題,從而更加科學合理地制定改善和治理方案。

2.2.4 擁堵登記

擁堵事件發生后,關于現場的部分詳情數據,如擁堵發生的具體時間點、最長距離、時長及擁堵原因等,無法通過終端設備直接采集而來,對此平臺提供擁堵登記操作,支持事后對數據進行錄入。該部分數據可作為建模學習的補充,可對模型的訓練進行糾偏及補充強化學習,從而進一步提升擁堵預測及擁堵預警的準確性。

2.2.5 交通誘導

基于平臺輸出的對高速公路各路段的擁堵實時監測、預測及預警分析等信息,可幫助交通管理部門及時采取合適的處理方式和處理預案,并通過交通誘導顯示屏發布相關擁堵信息,告知路面駕駛員和行人,進行有效的交通疏導及分流。

2.2.6 數據報表

平臺提供不同時間顆粒度下,如月、天、小時、分鐘等,不同路段、各ETC門架、各收費站通行情況的數據,進行多維度、多字段的報表查詢及導出,作為后續制定路段政策、發布指令的數據依據。

2.2.7 監控視頻

用戶可依據不同時間段、不同路段的需求,對實時視頻及歷史高速公路監控視頻進行查詢及回放,其主要目的在于輔助用戶對不同路段的現場擁堵情況、事故發生及通行車流量等進行求證。

2.2.8 移動端應用

為適配不同用戶、不同操作場景的需求,平臺提供移動端功能,支持用戶隨時隨地開展交通擁堵監測、登記等業務,進一步提高監管的效率。

3 待解決的技術難點

由于高速公路擁堵監測存在數據來源復雜、數據量級大、實時性、準確性要求高,基于大數據的高速公路擁堵智能監測平臺設計,仍存在以下技術難題需要攻克。

3.1 網絡因素復雜

高速公路的業務數據大都存儲于收費網,同時也有部分業務數據存儲在其他網段,網絡的限制,增加了底層業務數據的遷移整合及上層應用調度的困難度,從而影響了功能的用戶體驗。而網絡問題的解決,不僅僅是技術上存在困難,還牽涉到不同部門、基礎設施布局等多種復雜因素的考量,會進一步增加成本。

3.2 數據安全要求高

由于高速公路門架、收費站、車輛通行等基礎數據直接體現了不同運營公路的營收情況,同時也涉及車輛車主個人隱私信息,數據較為敏感,因此對數據的安全性要求極高。而大數據建模需要用到各種開源工具對數據進行匯聚抽取以及數據上云等,都存在較多不可控的不安全因素。出于數據安全的考慮,功能的設計也會受限。

3.3 預測分析建模難度大

本平臺功能的應用,其核心大于大數據建模分析的結果。而大數據建模分析的過程,對于基礎設施及算力的要求極高,投入成本大。如何建立科學合理的模型,使其對擁堵情況的刻畫更為契合,對業務人員及技術人員本身的素質及二者間的高度協同也提出了嚴苛的要求,而缺乏實戰經驗的人才,無法建立科學合理的預測分析模型,也是平臺設計及實現面臨的最大困境。

4 結語

基于大數據的高速公路擁堵智能監測平臺,結合高速公路門架通行車流量、收費站及監控視頻等數據,通過算法層對高速公路進行擁堵計算、交通擁堵預測、預警分析等,達成對高速公路擁堵路況的實時監控及整體交通態勢的分析感知,從而為研究擁堵產生機理、分析交通系統存在的問題、制定改善和治理方案等工作提供支撐?，F階段雖面臨網絡環境、數據安全及人才缺失等方面的困難,但后續會在不斷探索及技術進步中取得進展,為緩解高速公路交通擁堵提供更強有力的支持。