基于大数据的高速公路拥堵智能监测平台研究与设计

华梅芳

(广西交科集团有限公司,广西 南宁 530007)

0 引言

近年来,随着机动车数量不断增长,高速公路的发展也面临拥堵增加、监管困难等各类严峻的问题。因此,建立一个统一、综合性强且具有智慧化能力的拥堵监测平台,让相关监管部门可以实时获取高速公路拥堵状况并及时进行交通引导,对提升现代高速公路出行体验具有重要意义[1]。同时,基于对历史交通数据的建模及分析,可达成对高速公路的拥堵预测及预警,便于相关部门提前做好交通预案,降低高速公路拥堵发生的概率。此外,对交通拥堵态势的全面监控及数据分析,可为研究拥堵产生机理、分析交通系统存在的问题、制定改善和治理方案等工作提供量化的分析手段和依据。本文立足于实际,提出借助大数据技术、地理信息技术及数据可视化等技术,形成一套完备的交通拥堵监测解决方案,达成对高速公路拥堵的实时监测及智能分析预警,为高速公路拥堵问题的解决提供切实可行的思路。

1 现状与问题

高速公路发生拥堵已经成为家常便饭,然而高速公路相关监管部门仍欠缺信息化的手段对道路拥堵的实时状况捕获进行赋能和支撑,主要存在的问题可归纳为以下三个方面。

1.1 缺乏综合性的高速公路交通拥堵监测平台

目前高速公路管理应用中存在收费系统、监控系统、数据可视化大屏等各类系统,这些业务系统较为分散,功能不集中,因而发生严重拥堵事件时,只能依赖前方现场工作人员报备相关信息,无法实时获取路况数据,准确性低且时效性差。

1.2 底层数据分散

除了上层应用的不统一,目前高速公路管理的各个业务系统间采集的数据也大都独立存储、定义,数据孤岛问题严重。分散的业务数据,极大地增加了后期整合利用的难度,如对跨数据库、跨网段数据的整合,技术复杂且实施成本高昂。而底层业务数据的分散,也致使当出现需要数据支撑的业务决策时,只能采用手工汇总统计数据的方法,数据质量不能保障且容易造成信息差,大大地降低了数据的时效性。

1.3 缺乏对历史交通数据的挖掘和利用

高速公路沿线部署了大量终端设备,可对通过的实时车流量、车速、现场监控等数据进行采集,且数据量级很大。然而,现有的交通信息化体系建设,并未能结合业务对采集的大数据进行沉淀挖掘和利用,自然无法对各道路的交通状况进行实时监控,更不可能开展拥堵预测、预警等其他方面的探索。由于缺乏对历史交通数据的挖掘和利用,导致当前高速公路管控更多以低效的手工干预为主,被动接收信息且滞后采取应对措施。

2 系统设计

2.1 总体架构设计

基于大数据的高速公路拥堵智能监测平台,其采用的总体架构具体描述如下(见图1)。

图1 系统架构图

2.1.1 数据源层

数据层主要对高速公路上各个终端系统采集的基础数据进行汇聚,包括收费站数据、ETC门架数据、现场监控数据及其他第三方数据等。对基础数据的整合,可为计算各路段、各收费站通行流量及拥堵情况等奠定良好的基础。

2.1.2 数据加工层

数据加工层主要考虑通过对底层基础数据源进行抽取汇聚,并进行数据清洗、加工及规则化,形成业务数据应用仓库。

2.1.3 算法层

算法层主要基于数据层收集的各类业务数据,进行统一清洗及规则化,并依据不同的应用场景,建立恰当的模型,对数据进行拟合分析,以支撑应用层的各项服务。该层主要包括拥堵计算、拥堵预测及拥堵预警等。

2.1.4 服务层

服务层主要是将算法层反馈的业务计算结果封装成独立的服务,便于不同的业务场景调用。

2.1.5 应用层

应用层主要包含数据可视化大屏、拥堵预测、拥堵预警、监控视频、交通诱导、拥堵登记、数据报表及移动端等各项功能;同时基于底层构建的数据仓库及算法层,可依据后续不同业务场景的需求,对上层应用进行灵活拓展。

2.2 功能模块设计

为了切实满足高速公路管理部门对路段拥堵情况的感知及监控管理等需求,本平台的设计应具备以下功能点。

2.2.1 实时车流量地图

实时车流量地图以数据可视化大屏的形式,结合地理信息化技术,对高速公路各路段的拥堵情况进行直观展示及数据分析。(1)通过后台对车流量、车辆通过门架平均车速等指标的实时计算,对各路段拥堵等级以不同颜色进行标记,便于用户快速定位拥堵路段。(2)地图中对分布于各个路段的高速公路门架、收费站等站点分布进行刻画,支持用户进一步查询当前各高速公路路段门架、收费站通过车辆的流量、通过车型分布等不同维度的具体明细数据,从而辅助用户更好地判断引发当前路段拥堵的原因[2]。此外,为了让用户更好地感知整体交通态势,地图辅以多视角的数据统计分析,为用户开展交通调度提供更强大的决策依据。

2.2.2 拥堵预测

为了改变当前被动接收拥堵信息、滞后处置的现状,平台提供对拥堵路段的预测。该功能通过大数据建模,对历史通行数据进行拟合学习,从而可预测出未来多个时间段内,不同路段的交通拥堵情况,并将该信息及时传达给相关的路段监管部门,以提前做好交通预案及交通诱导,对减少高速公路拥堵状况的发生具有一定的现实意义。

2.2.3 智能预警分析

智能预警分析功能致力于通过大数据手段,辨识高频发生拥堵的路段信息,并及时推送预警信息[3]。接收到预警信息后,相关监管部门可聚焦分析预警路段的特情事故、拥堵事件及通行车流量等数据,展开对拥堵机理的深入研究,定位交通系统存在的问题,从而更加科学合理地制定改善和治理方案。

2.2.4 拥堵登记

拥堵事件发生后,关于现场的部分详情数据,如拥堵发生的具体时间点、最长距离、时长及拥堵原因等,无法通过终端设备直接采集而来,对此平台提供拥堵登记操作,支持事后对数据进行录入。该部分数据可作为建模学习的补充,可对模型的训练进行纠偏及补充强化学习,从而进一步提升拥堵预测及拥堵预警的准确性。

2.2.5 交通诱导

基于平台输出的对高速公路各路段的拥堵实时监测、预测及预警分析等信息,可帮助交通管理部门及时采取合适的处理方式和处理预案,并通过交通诱导显示屏发布相关拥堵信息,告知路面驾驶员和行人,进行有效的交通疏导及分流。

2.2.6 数据报表

平台提供不同时间颗粒度下,如月、天、小时、分钟等,不同路段、各ETC门架、各收费站通行情况的数据,进行多维度、多字段的报表查询及导出,作为后续制定路段政策、发布指令的数据依据。

2.2.7 监控视频

用户可依据不同时间段、不同路段的需求,对实时视频及历史高速公路监控视频进行查询及回放,其主要目的在于辅助用户对不同路段的现场拥堵情况、事故发生及通行车流量等进行求证。

2.2.8 移动端应用

为适配不同用户、不同操作场景的需求,平台提供移动端功能,支持用户随时随地开展交通拥堵监测、登记等业务,进一步提高监管的效率。

3 待解决的技术难点

由于高速公路拥堵监测存在数据来源复杂、数据量级大、实时性、准确性要求高,基于大数据的高速公路拥堵智能监测平台设计,仍存在以下技术难题需要攻克。

3.1 网络因素复杂

高速公路的业务数据大都存储于收费网,同时也有部分业务数据存储在其他网段,网络的限制,增加了底层业务数据的迁移整合及上层应用调度的困难度,从而影响了功能的用户体验。而网络问题的解决,不仅仅是技术上存在困难,还牵涉到不同部门、基础设施布局等多种复杂因素的考量,会进一步增加成本。

3.2 数据安全要求高

由于高速公路门架、收费站、车辆通行等基础数据直接体现了不同运营公路的营收情况,同时也涉及车辆车主个人隐私信息,数据较为敏感,因此对数据的安全性要求极高。而大数据建模需要用到各种开源工具对数据进行汇聚抽取以及数据上云等,都存在较多不可控的不安全因素。出于数据安全的考虑,功能的设计也会受限。

3.3 预测分析建模难度大

本平台功能的应用,其核心大于大数据建模分析的结果。而大数据建模分析的过程,对于基础设施及算力的要求极高,投入成本大。如何建立科学合理的模型,使其对拥堵情况的刻画更为契合,对业务人员及技术人员本身的素质及二者间的高度协同也提出了严苛的要求,而缺乏实战经验的人才,无法建立科学合理的预测分析模型,也是平台设计及实现面临的最大困境。

4 结语

基于大数据的高速公路拥堵智能监测平台,结合高速公路门架通行车流量、收费站及监控视频等数据,通过算法层对高速公路进行拥堵计算、交通拥堵预测、预警分析等,达成对高速公路拥堵路况的实时监控及整体交通态势的分析感知,从而为研究拥堵产生机理、分析交通系统存在的问题、制定改善和治理方案等工作提供支撑。现阶段虽面临网络环境、数据安全及人才缺失等方面的困难,但后续会在不断探索及技术进步中取得进展,为缓解高速公路交通拥堵提供更强有力的支持。