李佳玲LI Jia-ling；巫娜燕WU Na-yan；梅伟MEI Wei

（云南建设基础设施投资股份有限公司运营分公司，昆明 650000）

0 引言

近年来，随着“交通强国”战略的不断深入，我国高速公路建设高速发展，通车里程快速增长，交通基础设施日趋完备，但高速公路信息化整体水平还不能很好地适应交通发展趋势下的运营管理需要。主要表现为对高速公路诸多信息化技术在集成使用过程中，产生的海量数据资源利用不充分、开发程度不高等问题。因此，建设高速公路大数据系统平台，是充分挖掘交通大数据价值及潜力，提升运营管理能力的必经之路。

以物联网、云计算、大数据、移动互联网等新一代技术为基础，构建高速公路大数据系统平台，有助于克服现有高速公路信息化各功能系统相对独立、数据信息关联性不强等弊端，形成整合集中交通大数据资源存储机制，打破“信息孤岛”，盘活数据资源，发挥数据效益，为科学、正确的综合分析与决策提供辅助支持，加速高速公路运营管理由“经验决策”向“数据决策”的转型升级，实现高速公路智慧化、运营管理智能化。

1 大数据系统平台构建原则

1.1 技术先进性

大数据系统平台应采用先进的、成熟的且可持续发展的技术方法，并充分体现先进的大数据应用的思想及理念；要有良好的兼容性、可移植性和升级前景；要保证系统结构模块化，功能模块可平滑扩充；并具有良好可扩展性能、跨平台性能。

1.2 标准统一性

大数据系统平台应遵循统一的开发规范和接口标准，各平台、模块及现有相关应用系统可通过接口方式实现同步，以保证系统结构的完整性和信息的一致性；同时具备良好的可管理性和可维护性，能够实现用户自主分配操作人员权限、管辖范围等功能，具备多种方式实现数据资源的维护。

1.3 安全易用性

大数据系统平台运行要稳定可靠，重要数据完整、一致并且可恢复；界面友好、操作简单，结构清晰，流程合理，功能一目了然，对操作人员的要求较低，以减少操作人员的工作量，提高可操作性。

2 大数据系统平台概述

2.1 总体架构

大数据系统平台是高速公路数据资产的承载体，以现有信息系统为基础，梳理数据信息，形成统一的数据标准、建立完善的数据仓库、构建应用型数据模型，以实现对高速公路日常产生海量数据的有效整合、存储与计算，同时能够提供外部数据接口，将交警、路政、公安等外部数据来源引入并应用其中，最终通过对数据的融合、梳理、分析、评价及决策，来辅助调度指挥、预测预警、智慧研判、客户服务[1]等实际运营管理。

根据高速公路运营管理实际需求，大数据系统平台总体架构分为数据层、模型层、应用层。数据层是系统平台和模型算法的基础，是确保分析结果真实、科学的有效依据，主要通过对数据的采集和处理，将有效数据接入到系统平台的公共大数据中心，该中心存储数据并进行必要的数据共享。模型层是系统平台中涉及到的数据融合及算法模型，主要是将融合的各方数据通过计算和分析，再应用到系统分析平台，以便数据的可视化展示和分析应用，是系统平台可靠性的重要保障。应用层是基于数据层和模型层，并结合高速公路的路况、路网、气象等现状条件信息，实现实时交通分析、综合稽查、交通趋势评估、道路科学养护、机电智能运维、智慧出行服务、安全隐患排查等功能。（图1）

图1 大数据系统平台总体架构

2.2 基础数据

高速公路的数据来源较为广泛，如通过监控视频流获取的视频数据、车辆抓拍获取的图片数据、ETC门架获取的行驶数据等等，所以数据来源包括但不限于视频监控、收费及路政管理、运营数据、移动通信、养护施工、出行服务、高德地图。

从内部设施设备及运营管理来讲，数据包括路段、隧道、桥梁、收费站、服务区等基础设施信息；ETC门架系统、收费站出站收费、入口称重数据、征费稽查数据、免通车等收费数据；车流量、车牌号、车型、车速、缴费类型、进出站点和时间、行驶路径、指挥调度等运营数据；交通事件数、机电设备监测数据、维修经费、道路养护、路产巡查等运维数据；气象监测、道路问询、路况数据、收费站开闭情况等出行服务数据。从同级或上级大数据平台的数据共享来看，可获得的外部数据包括车驾信息、执法纠违、事故处理等交警车管数据；救援及灾控、危化运输、超限执法、施工管理等路政运营数据；盗抢车辆、涉车犯罪、黑名单等公安管理数据[2]。

2.3 应用模型

上述的系统平台涉及到的应用模型主要有基础信息数据模型、业务数据模型、交通流量预测模型、突发事件评估模型、综合稽查分析模型、运营管理优化模型等。

其中，基础信息数据模型和业务数据模型，是针对目前高速公路运营管理中获取到的数据还没有能做到样本全、精度高的能力，而采取数据融合来获取相对准确的一种途径方式，即将多源数据接入相应的模型当中，建立不同数据格式转化模型，形成一致的数据标准，并对各类格式进行校核与互相验证，提高系统平台的数据分析准确性及利用率。（图2）

图2 数据融合框架

交通流量预测模型是通过对高速路段历史交通流量数据的统计，关联不同维度（工作日、节假日、天气、时间段、路段、车流量等）数据分析，实现任意维度或多维度的交通流量趋势预测。

突发事件评估模型是通过对路政交通事件历史数据的统计，从“路段、地点、地点特征、时间、天气、发生频次、导致原因”等多维度数据属性[3]建立突发事件分析评估，实现对多发、突发事件的提前预判和预防。

综合稽查分析模型是通过入口称重、征费稽查等收费数据，车牌号、车型、缴费、行驶路径等运营数据等，实现稽查分析、任务派发、问题处置、上报数据、跟踪反馈的全闭环稽查管理。

运营管理优化模型是通过ETC门架、路况、车流等数据，获取道路断面车流量、平均车速、路面损耗等运营指标，从而对道路的交通组织进行优化，并制定对应的应急处置预案，结合交通仿真模型，实现运营管理的提前预知、发生可控、遇事可管的有效体系。

3 大数据系统应用简析

3.1 应用目标分析

方便高速公路运营管理企业对不适宜的稽查分析、道路养护、机电运维、安全排查等进行优化，提高运营管理宏观决策的科学性和高效性，需要融入基础设施数据、运营管理数据、交警车管数据、路政数据、公安管理数据等多样信息资源，并提供强大的统计分析功能，开展交通流量评估、突发事件评估、综合稽查评估、运营管理评估。同时，亟需建设集一体化、智能化、高效化等特点于一身的大数据分析及优化运营决策支持系统，并进行高速公路运营管理企业内部数据及外部数据的联合分析、特殊情况诊断、调整备选方案的自动生成及评估、营运特性评价等专题分析，充分利用数据分析支撑高速公路运营管理的各个方面。

具体表现如下业务需求：

一是掌握所运营高速公路路段交通流量信息，明确路段边界、交通流量现状及预测情况，具备总交通流量分析，区域交通流量分析，路段交通流量分析，收费站交通流量分析，多时段的交通流量统计分析，支付方式、天气、出行者类型等其他维度的交通流量统计分析；

二是具备运营指标趋势分析，包括相关指标评价及建立评价体系，如道路断面车流量、平均车速、路面损耗、交通流等；

三是分析交通事件历史数据、路段特征、运营稽核等，实现对交通分析、综合稽查、道路养护、机电运维、出行服务、隐患排查等业务的管理，为运营企业优化管理提供科学依据；

四是根据不断变化的运营需求，对运营业务进行统筹规划，对运行状态进行动态监测、评估、优化、反馈。

3.2 应用情景

3.2.1 交通流量预测的应用

基于监控视频流、车辆抓拍、通行路径存储的信息数据，分析掌握任意维度或多维度的路段车流量趋势，判断常规时段或特殊时段的交通流量变化，可应用于：

①车辆密度预测。通过大数据系统平台对高速公路上的车流数据进行实时处理，自动与历史数据进行分析对比，能够设定出流量排名，最终可以通过算法输出对应的决策建议，并且预测采用这些建议之后将会造成的高速公路车流变化趋势，从而就能够实现对车辆密度的精确预测[4]。

②道路拥堵预警。在周末或者节假日，热门的高速路线通常会出现拥堵的现象，那么对于拥堵易发路段，一方面可以通过交通流量来预测未来一段时间内的车流量变化，详细掌握时间段、气候情况、原因等导致拥堵的因素，提前制定疏解方案，为缓解拥堵提供帮助；另一方面可以通过设定预警预测值，将预测值与报警值上限进行实时对比，按照预测值与报警值上限不同的差距设置对应的预警程度，当出现报警时，可以及时告知高速路段行驶者，在行驶的路段前方可能出现的拥堵情况，并规划出建议行驶的新路线共行驶者参考，避免拥堵，保持行驶畅通。

③收费额预测。通常交通流量是预测收费额的基础，通过对某一高速公路路段月度、季度、年度或者特定时间段的交通流量预测，利用收费额计算公式，将流量转化为收费额，便可以得到计算时间段内的理论收费额，可对运营高速公路征费情况做出提前预判。对应利用交通流量来预测收费额的，一般涉及对应流量预测模型的构建，通过模型较为准确的得到路段流量。

④收费人员配置。通过对未来交通流的预测，从而掌握一定的车流量规律，特别是工作日与节假日、白班与夜班的车流量区别，运营企业可以通过车辆量的情况科学调整收费站的人工窗口收费人数，可以更加合理的配置收费站工作人员数量，做到车多人多、车少人少的灵活调整。

⑤车道开闭数量。同上收费人员配置，根据车流量大小，合理安排人工收费车道和ETC收费车道的数量，及时、科学的增减收费车道数量，有利于对运营企业的运营成本控制进行合理的控制。

⑥道路养护。通过路段的车流量分析及预测，结合对应的车型、车速、超载超限，判断路段的通行能力、路面质量，根据高速公路道路等级、年限、路面结构、技术标准等，以量化的指标指导路面、桥梁、隧道等的养护施工，制定全寿命周期的养护周期计划[5]。

3.2.2 逃费稽查分析的应用

基于高速公路车辆入出口信息、ETC门架系统（通行及抓拍图像数据）、使用CPC卡交易记录、车辆具体座位数等稽查数据信息库，建立逃费稽查分析模型，将人工的经验式分析转化为智能的科学型分析，通过筛选、比对异常行为数据，分析通行车辆进行逃费稽查，生成稽核工单，锁定相关车辆，包括利用优免政策、大车小标、套牌等逃费行为。

①优免政策逃费分析。在一些节假日，以车辆座位数为基础，会对一些小型车辆进行免费通行政策，而有些车辆在不具备免费的条件下，选择免费车道通行，在这样的情况下，逃费稽查分析模型将利用既定的算法，通过途经免费专用车道的车型座位数与免费通行标准座位数对比分析，来智能判断是否存在利用优免政策逃费行为。

②大车小标分析。通过稽查模型，对人工收费中遇到的降低车型行为进行分析，结合ETC办理信息、缴费信息、实际车型、动态称重数据等进行综合分析，如果发现有货车ETC设备内车型比实际小、客/货车使用其他车辆ETC、下高速时不走ETC而走混合车道、途中装上拖挂的车辆，可判断存在大车小标行为。同时，提取涉及车辆信息，发送就近服务站，提醒路政人员进一步检查，判定是否存在逃费。

③套牌分析。通过稽查模型，对车型、车牌号、车身颜色、入出站时间等数据进行综合分析，如果发现同一车牌在不同车型上使用，可判断存在套牌行为。同时，提取涉及车辆信息，进一步跟踪分析，识别套牌车辆并发出预警。

3.2.3 实时交通分析的应用

基于实时的路况、收费站、服务区等信息，及时掌握高速公路服务现状，为驾乘人员提供便捷服务，可应用于：

①路况信息提示。通过对实时交通信息的分析，对拥堵路段、事故多发地点、气象预警、绕行方案等进行推送，提示靠近该路段的车辆人员。

②服务区信息提示。在靠近相应服务区时，根据驾乘人员需要，自动提供服务区空余车位。

③收费站信息提示。在快要达到相应收费站时，自动提示驾乘人员收费站开闭情况、车道通行数量。

3.2.4 安全隐患排查的应用

基于安全生产法规标准、操作规程、管理制度以及标准化的事故隐患数据库，根据专项检查和常态化巡检，将现场安全隐患排查与隐患数据库相对接，利用微信公众号等多媒体形式，使得运营企业全员参与到现场安全隐患的采集、排查整改和隐患消除的工作当中，进而实现安全管理信息实时收集、动态、闭环跟踪与管理。

3.2.5 机电运维分析的应用

基于高速公路监控设备、机电设备的运行状态、运行环境、软件系统等数据，进行在线监测、故障预警等的分析，达到各类机电系统智能运维。

4 结语

大数据分析可以实现科学掌握交通流量规律、准确稽查逃费车辆、优质服务公众出行、排查管控安全隐患、智能运维机电设备等功能，是高速公路运营管理工作的有效支撑和重要辅助，建立大数据与高速公路管理的深度融合，拓展大数据分析成果在高速公路管理中的实际应用，将是高速公路运营管理企业实现经济效益和社会效益双收的发展方向。