高速公路大数据的应用与展望

          近年来，国家和交通运输部陆续出台了智慧交通大数据应用相关政策，推动大数据与交通行业的深度融合。高速公路行业迎来大数据时代，通过信息共享、数据共享，才能最大限度地发挥数据的效用，形成1+1>2的效果。

          高速公路大数据构成及特点

         当前，高速公路已具备大数据基础：一方面，在高速公路信息化建设过程中，收费站收费、运营调度、道路救援、道路养护等运营管理都会通过信息系统产生海量数据；另一方面，随着省界站的取消，收费模式及政策的变化，配套路网感知设施建设规模化，高速通行收费流水数据成级数增长。
          高速公路大数据的来源与构成主要包括：路网通行数据（通行时长、通行里程、车型/车牌、图片采集、施工/事故信息、流水数据、缴费金额等）、视频监控数据（道路沿线视频监控、重点区域视频监控、事故救援实时视频、收费站通行视频监控等）、路网基础数据（基础设备信息、收费站/门架信息、服务区信息、位置信息等）、第三方数据（高速周围地方道路数据、高速周围医院/加油站数据、互联网数据等）、内部管理数据（工程、投资、信贷、运营、人力、财务等）等。当前背景下，高速公路大数据具有规模巨大、多样性、蕴藏大价值、速度快、真实性等显著特征。

          规模巨大：除收费数据外，其他监控系统、各种应用系统及各种传感器将占据巨大的数据空间。

          多样性：数据形式足够多样化，包括结构化数据、非机构化数据、以及视频数据等。

          蕴藏大价值：海量数据的积累能为高速公路营运管理提供科学管理和科学决策的依据，从而提高效率、降本增效。

          速度快：持续生产经营过程及其业务对象的统计频率较高、信息迭代速度较快。

          真实性：来自于高速公路行业真实的生产经营场景，能够客观反映其真实的生产经营情况。

          高速公路大数据应用思考

          高速公路大数据应用-思考1

          主要针对高速公路运行指标体系、车辆行为分析、高速公路群体要素大数据、高速公路大数据经济四个方面。

          高速公路运行指标体系：关键指标统计分析与展示。具体包括客货运量、周转量及其时间和空间的分布，统计排名；通行规费收入，及其时间和空间分布、统计排名；各路段拥堵系数；交通事故发生率及其时间空间分布，统计排名等。

          车辆行为分析：具体车辆和事件分析。具体包括拥堵分析，包括拥堵疏导和拥堵原因；事故分析，指导路径规划和警示标志设置；车辆通行异常，包括速度时间不匹配、入口出口车牌不符、以及高速路违法行为，整治秩序，追捕逃费等。

          高速公路群体要素大数据：挖掘高速公路通行宏观规律。具体包括总结交通事故规律，探索提升安全管理途径；通过高速公路出行数据，分析人群流动方向和规律，出行规律与支付习惯；分析高速机电设备故障损耗规律，提升养护效率，节约成本等。

          高速公路大数据经济：探寻高速公路数据的经济价值。具体包括高速公路客运/货运指数；探索高速公路客货物流与相关经济要素的关系；对比高速公路通行与其他交通方式的关联关系；经营分析包括工程建设与道路养护等成本投入，经济效益关联分析；高速公路建设企业信用评估等。

          高速公路大数据应用-思考2

          在数据存储方面：数据规模庞大，且以分秒的速度成级数增长；数据类型多，不仅包含结构化数据，还包括语音、视频、图片等数据；云数据库的建立成为必要条件。

          在数据分析与挖掘方面：需要对有效数据的筛选；对数据分析模型的建立；对有效数据的快速处理实时分析。 

          在数据应用方面：大数据的应用需面向不同群体，如何实现针对不同用户主体，开发个性化的应用，也是未来发展需要关注的问题。

         高速公路大数据应用探索

          高速公路大数据应用包括车辆轨迹跟踪还原、车辆行为的精准稽核、路网潜在逃费分析、构建全数据信用评价体系、大流量主动管控等。

          车辆轨迹跟踪还原：通过点、线多流水数据的融合分析，实现收费稽核的智能纠偏，辅助解决车辆通行过程数据的一致性、准确性及完整性等问题，为稽核工作提供全面、及时、有效的证据链。

          车辆行为的精准稽核：基于完整的收费稽核数据，利用建立的车辆逃费稽核模型，借助大数据分析能力，实现车辆多样化逃费的精准稽核，最大化减少高速通行费损失，保证高速计费的公平公正。

          路网潜在逃费分析：基于大数据深度分析，挖掘路网潜在逃费行为，例如团伙作案分析、逃费车型分析、逃费区域分布分析等。

          构建全数据信用评价体系：以车辆标签形式，对同一辆车行程进行聚类归档，记录形成“一车一档”，辅助开展多场景应用，提升稽核业务水平。其中，车辆标签画像主要包括通行类（外省入本省出、本省入外省出、本省入本省出、外省入外省出、区间超速等）、异常类（公安系统车型不一致、入出口车型不一致、货车轴数不止一次、一车多卡、超限车辆、区间低速、无牌识、无流水、漏标、有出无入、无出无入、有入无出等）、优惠类（港口优惠、军车、绿色通道、抗震救灾、收割机、节假日等）三种类型。

          大流量主动管控：基于断面流量（门架流量分析、收费站流量分析）、区间运行（区间平均速度、区间承载能力、区间OD分析）、服务区（服务区车辆统计、服务区停留分析）等情况进行流量预测及预警，从而提出管控建议。

          总体来看，细化路网运行状态分析，根据通行热点、拥堵等情况，优化费率，疏导交通，从而提升路网运行效率。