大数据分析技术日新月异，如何挖掘数据价值，利用车辆轨迹大数据助力智慧交通建设？

随着城市规模的不断扩张，以及城市人口和汽车保有量的迅速提升。中国大中小型城市的交通问题日益突出，例如，很多一线及二线城市交通拥堵严重，事故频发，造成大气污染、安全防控的问题也不容忽视。需要对交通运输获取实时信息，进行科学管理，提高交通运输效率，减少环境污染，提升交通运行安全。在此背景下，大数据在交通领域的应用成为热点。

同时，随着计算机数据存储、处理技术的发展，以及有线通信和无线通信系统的大量应用，尤其云计算、人工智能等先进技术取得初步应用和突破，数据的传输、处理、存储成本的降低，大数据的采集及利用在交通领域不断推陈出新。

要推进交通运输领域大数据应用的发展，各级交通运输主管部门间、政府与企业间需密切合作，建立数据定义、处理、交换等标准的完整体系，才能取得共赢。

蓝盾车辆轨迹大数据分析系统

车辆轨迹数据是交通管理中最重要的基础数据之一。蓝盾光电子车辆轨迹大数据研判分析系统主要围绕车辆轨迹大数据进行分析，建立车辆全息档案基础库和车辆行程数据模型，实现车辆轨迹分析在交通需求分析、交通状况评价、公交优化、车辆技侦分析等领域的业务应用。

通过各类途径获取数据的集中汇聚，实现对视频监控图像的结构化提取分析，便于实时搜索查找和联网共享。系统能够与目前核心警务信息系统及主流供应商平台实现对接，交互各类信息资源，实现数据信息关联与碰撞串并分析。

车辆轨迹大数据来源

◀公路卡口车辆抓拍记录

◀城市路口电子警察车辆抓拍记录

◀城市停车场车辆出入记录

◀高速公路收费站车辆记录

◀高速公路ETC系统车辆记录

◀交通部门重点车辆GPS轨迹（出租车、两客一危）

◀网约车GPS轨迹

◀交通违法车辆抓拍记录

◀交通事故涉案车辆记录

整合上述各类车辆轨迹数据，建立车辆轨迹大数据集中研判分析集群；相对于公安部缉查布控系统以及由此发展起来的公安交通管理集成指挥平台（公安网，主要汇聚卡口、电子警察抓拍记录的过车及电子监控违章记录），这个车辆轨迹库的车辆轨迹信息更加丰富、完整。针对我国城市道路快速发展的现状，能够有效降低道路拥堵，构建起全域、全维、全时的信息感知触角，全方位、分区块精准刻画交通态势，实现有效精准治堵，同时对治堵效果进行评估。

智慧交通大数据研判分析系统是基于大量的基础数据进行分析挖掘，利用大数据相关技术来实现公安交通实战业务应用平台。因此只有具备大量基础监测数据的业务单位建议部署。省市县各级公安交管部门可根据辖区内基础监测数据的规模，以自身实际业务为出发点，结合相关大数据研判技术部署不同规模的大数据研判分析。

车辆行程轨迹研判分析模型

在上述数据的基础上，建立起车辆行程轨迹分析模型（简称车辆行程模型），这个模型中最基础的概念是车辆行程，让我们来建立“车辆行程”这一重要概念的含义：“车辆行程”指某一辆车从某点出发、最终到达某个目的地的一次车辆交通需求。例如：公交车从出发站到达终点站的过程，私家车从家出发到达单位停车场的过程，校车从学校出发接到每一个学生最后到达学校的一个过程，驾车从家到达某个电影院的过程，驾车去某个单位办事的过程，小长假驾车到达某个景区旅游的过程，在这个景区短暂停留后又出发去下一个景点的过程，最后又从景区返程回到最初出发地的过程等等。

无论是一个城市范围内，还是一个省的高速国省道主干路网，路网上的车辆交通总是由这些不断发生着的一个一个的车辆行程汇聚而成的。不同时间、路径上的车辆行程时空交织组成道路车辆的交通需求，因此，车辆行程观测和统计是表达交通需求的最基本也是最直接的方法。我们不难看出，每一个车辆行程都由起讫点、出发和到达时间、构成完整行程路径的一个一个有序衔接的路段行程单元等要素构成；如果进一步，我们通过对同一个路径上不同车辆、不同时间的行程单元（微观层次）或行程（整体层次）的耗时情况进行比较和分析，就能够算出一组反应准确评价每个车辆行程的效率的指标——行程耗时、车辆行程延误、延误比，这就让我们的研究内容从交通需求进一步延伸并覆盖到了交通效率评价。

综上所述，借助于大数据分析的技术手段，我们通过车辆行程、车辆行程延误的分析，就能够认识清楚组成路网交通需求的基本活动单元的情况——每一个车辆行程的基本情况及包括行程的交通效率；如果我们进一步按照时间、空间（路径）对城市某个时间段的全部车辆行程进行聚类、比较分析，就能够非常准确的掌握小到具体路段、大至道路路径、最大到城市整体级别的交通需求和交通效率的量化指标——至此，我们建立起微观、中观、宏观三个不同层次级别的描述路网交通需求和交通效率的分析模型。

车辆行程轨迹分析的实际应用

实际应用中，我们主要能通过两种手段实现车辆行程的观测。一是通过GPS监测车辆行驶过程，包括两客一危、出租车、公交车、网约车等。这个轨迹数据由终端采集，几秒钟至十几秒钟一条，在轨迹刻画这个角度做的非常细致，但是作为交通主体的一般车辆目前还不具备全程GPS监测数据采集的条件；二是通过卡口、电子警察实现城市主要的路口和重点路段车辆抓拍和记录，如果卡口、电子警察设置足够密集，则我们能够通过这些数据勾勒出车辆行程中主要的结构性路由数据。建立车辆行程轨迹模型可以通过这两种手段，互为补充、相互印证，建立起重点监控车辆全程高频抽样轨迹数据与一般车辆行程路由关键点结构信息相结合的车辆行程轨迹系统。

              

车辆行程分析模型是蓝盾光电子车辆轨迹大数据研判分析系统最重要的基础数据模型，也是实现交通管理各项业务应用的算法基础。

分析车辆行程，除了实现交通需求、交通效率评价之外，还有着诸多的应用场景。交通需求分析、交通状况评价、公交运行情况评价、交通信号优化、交通限行管制分析决策、交管应用中的车辆轨迹战法如套牌车检测分析、非法营运分析，公安合成作战业务中车辆全息档案及车辆轨迹研判分析、跟车关联性分析、昼伏夜出分析、案件碰撞分析，等等功能都是基于车辆行程轨迹研判分析应用来开展研究。

例如，研究同一个车辆的车辆行程，我们可以得到车辆在某个行程路径上的行驶规律性、频度，结合车辆档案信息中车辆类型、车辆营运性质等综合属性，进而可以对交通流特性进行深入的分析，从众多形形色色的车辆行程中，准确认知公交车、出租车、上下班车辆、随访车辆等不同性质的交通流构成。

治堵效果评估

①路网行程延误监测分析

对主要交通流路径上车辆行程延误指标实时、连续监测，对比交通优化策略实施前后主要交通流路径的车辆行程延误指标变化，对治堵效果进行评估；

②拥堵参数监测分析

对区域或路段拥堵里程和时长实时、连续监测，对比交通优化策略实施前后区域或路段拥堵里程和拥堵时长的变化，对优化效果进行评价。

安防应用

①通过对视频、图像中的人元素的提取，建立人脸数据库，通过建立小区、园区模型，实现人流的统计，分析出常住人口、流动人口，增强安全防护。
②通过对建筑物、道路设施等静态物的监控，实现物的位移、变形等预警，联动应急指挥中心，处理突发事件。

结束语

随着城市交通运输的发展，产生各类交通数据日益复杂，数据量庞大。利用最新的大数据技术，合理有效地利用这些基础数据，完善城市的交通管理，为城市发展提供前瞻性决策，考验着城市交通管理部门的能力，同时也为行业内相关企业提供了良好的展示自身技术研发实力的舞台。安徽蓝盾光电子作为智慧交通领域的领军企业，积极研发大数据研判分析平台，为城市的数据化管理、智慧型决策提供了有力保障。

来源：蓝盾智慧交通