無錫道路交通安全源頭監(jiān)管系統(tǒng)建設(shè)與實(shí)踐

施飚 周祺 江蘇省無錫市公安局

引言

近年來，隨著無錫經(jīng)濟(jì)社會(huì)的快速發(fā)展，無錫市機(jī)動(dòng)車保有量、駕駛員總量持續(xù)高速增長，日益復(fù)雜的內(nèi)外部交通環(huán)境帶來更多的交通安全風(fēng)險(xiǎn)，交通安全監(jiān)管壓力隨之上升，針對重點(diǎn)駕駛員、重點(diǎn)車輛、危險(xiǎn)道路、重點(diǎn)企業(yè)的無死角全面源頭監(jiān)管成為重要工作環(huán)節(jié)。在警力有限情況下，如何依托大數(shù)據(jù)信息化手段解決現(xiàn)有工作模式中存在的問題，充分發(fā)揮數(shù)據(jù)、算法、算力優(yōu)勢實(shí)現(xiàn)交通安全風(fēng)險(xiǎn)實(shí)時(shí)洞察、情報(bào)實(shí)時(shí)推送、多維研判決策，從而輔助民警精準(zhǔn)管控，是建設(shè)智源系統(tǒng)的主要目的。

一、需求分析

當(dāng)前，交通安全源頭監(jiān)管工作面臨以下幾大難題：

（一）安全監(jiān)管對象眾多，缺乏有效技術(shù)手段

無錫市汽車總量已經(jīng)突破200萬，駕駛?cè)丝偭客黄?50萬，全市重點(diǎn)車輛、重點(diǎn)駕駛?cè)恕⒅攸c(diǎn)運(yùn)輸企業(yè)、危險(xiǎn)管控道路數(shù)量也飛速增長，加之新興出現(xiàn)的網(wǎng)約車、外賣電動(dòng)車和共享車等眾多待監(jiān)管對象，導(dǎo)致安全監(jiān)管數(shù)據(jù)總量基數(shù)龐大且增量迅速，依靠傳統(tǒng)人工手段已無法進(jìn)行有效監(jiān)管，因此需要升級(jí)現(xiàn)有技術(shù)手段，構(gòu)建大數(shù)據(jù)時(shí)代的交通安全監(jiān)管系統(tǒng)。

（二）安全監(jiān)管數(shù)據(jù)孤立分散，較難全面接入與整合

現(xiàn)有安全監(jiān)管數(shù)據(jù)多分散在公安網(wǎng)、互聯(lián)網(wǎng)、政務(wù)網(wǎng)、交通專網(wǎng)及車管專網(wǎng)中，且存在于不同業(yè)務(wù)系統(tǒng)，對其進(jìn)行全量接入與整合難度較大，因此需結(jié)合公安系統(tǒng)特點(diǎn)，設(shè)計(jì)包括消息分發(fā)、接口同步、數(shù)據(jù)庫同步、文件擺渡等多種方式的數(shù)據(jù)總線樞紐，實(shí)現(xiàn)對多網(wǎng)多源異構(gòu)數(shù)據(jù)的實(shí)時(shí)匯聚接入并在公安網(wǎng)建庫存儲(chǔ)，避免由于數(shù)據(jù)缺失導(dǎo)致的安全隱患監(jiān)管盲區(qū)問題。

（三）數(shù)據(jù)挖掘分析程度不夠

由于數(shù)據(jù)覆蓋不全與技術(shù)手段陳舊，尚缺乏多維數(shù)據(jù)關(guān)聯(lián)融合分析與主動(dòng)挖掘預(yù)警。因此需實(shí)現(xiàn)從交通安全業(yè)務(wù)場景出發(fā)關(guān)聯(lián)融合數(shù)據(jù)，建立各類預(yù)警模型，實(shí)現(xiàn)模型自動(dòng)預(yù)警與情報(bào)分級(jí)推送。

（四）監(jiān)管流程存在短板，未能實(shí)現(xiàn)全生命周期源頭閉環(huán)監(jiān)管

安全監(jiān)管應(yīng)是“情指勤督宣”一體化閉環(huán)監(jiān)管流程，從源頭挖掘風(fēng)險(xiǎn)，進(jìn)而生成情報(bào)指令，而后協(xié)同處置及回告，最后統(tǒng)一考核。而目前尚未建立上述流程，對安全風(fēng)險(xiǎn)多是口頭或電話告知，不利于科學(xué)合理監(jiān)管。

總體而言，建設(shè)智源系統(tǒng)即是為了解決上述問題，提高交通安全風(fēng)險(xiǎn)源頭管控能力，實(shí)現(xiàn)“數(shù)據(jù)驅(qū)動(dòng)、情報(bào)預(yù)警、主動(dòng)防控”的智慧安全監(jiān)管。

二、建設(shè)思路

智源系統(tǒng)采用“以車為本、落實(shí)到人、治理到路、督辦到企”的總體思路，通過對無錫全市人、車、路、企信息進(jìn)行全采集、全融合、全分析、全決策、全共享，實(shí)現(xiàn)交通安全數(shù)據(jù)全面接入、清洗、空間化、治理與可視，打造“情指勤督宣”一體化閉環(huán)監(jiān)管流程，實(shí)現(xiàn)對人、車、路、企的智能化源頭安全監(jiān)管。系統(tǒng)建設(shè)思路如圖1所示。

三、架構(gòu)設(shè)計(jì)

基于上述建設(shè)思路，無錫交警建設(shè)了智源系統(tǒng)。

（一）系統(tǒng)功能架構(gòu)

系統(tǒng)主要功能包括重點(diǎn)駕駛?cè)吮O(jiān)管模塊、重點(diǎn)車輛監(jiān)管模塊、重點(diǎn)道路監(jiān)管模塊、重點(diǎn)企業(yè)監(jiān)管模塊、主題車輛監(jiān)管模塊及人車路企關(guān)聯(lián)風(fēng)險(xiǎn)分析模塊等。系統(tǒng)功能架構(gòu)如圖2所示。

其中，重點(diǎn)駕駛?cè)吮O(jiān)管模塊實(shí)現(xiàn)駕駛?cè)岁P(guān)聯(lián)融合、駕駛?cè)孙L(fēng)險(xiǎn)預(yù)警、駕駛?cè)酥黝}分析、駕駛?cè)司C合決策分析等；重點(diǎn)車輛監(jiān)管模塊實(shí)現(xiàn)車輛海量軌跡接入、車輛異常行為預(yù)警、車輛軌跡挖掘分析、車輛綜合決策分析等；重點(diǎn)道路監(jiān)管模塊實(shí)現(xiàn)道路交通違法監(jiān)管、道路交通事故監(jiān)管、道路多層面分析、道路黑點(diǎn)挖掘與監(jiān)管等；重點(diǎn)企業(yè)監(jiān)管模塊實(shí)現(xiàn)企業(yè)數(shù)據(jù)采集、企業(yè)抄告管理、企業(yè)“四色”預(yù)警、企業(yè)綜合決策分析等；主題車輛監(jiān)管模塊實(shí)現(xiàn)外賣車監(jiān)管、融資租賃車監(jiān)管等；人車路企關(guān)聯(lián)風(fēng)險(xiǎn)分析模塊實(shí)現(xiàn)智能報(bào)表、數(shù)據(jù)看板、事故預(yù)測等。

（二）系統(tǒng)技術(shù)架構(gòu)

智源系統(tǒng)采用面向服務(wù)的SOA軟件體系，并遵循公安交警、國家和國際相關(guān)標(biāo)準(zhǔn)進(jìn)行設(shè)計(jì)，分為數(shù)據(jù)層、服務(wù)層和應(yīng)用層。數(shù)據(jù)層具備數(shù)據(jù)資源擴(kuò)展能力，確保能接入各類交警數(shù)據(jù)，支持多種格式和類型的數(shù)據(jù)資源；服務(wù)層采用低耦合、細(xì)粒度設(shè)計(jì)，能夠通過組合各類時(shí)空分析服務(wù)提供各種不同業(yè)務(wù)應(yīng)用，同時(shí)，服務(wù)層采用標(biāo)準(zhǔn)服務(wù)體系進(jìn)行發(fā)布，支持快速發(fā)布與更新服務(wù)，實(shí)現(xiàn)業(yè)務(wù)功能擴(kuò)展。系統(tǒng)技術(shù)架構(gòu)如圖3所示。

具體而言，數(shù)據(jù)層將重點(diǎn)駕駛?cè)?、重點(diǎn)車輛、重點(diǎn)道路、重點(diǎn)企業(yè)、事故違法等數(shù)據(jù)進(jìn)行實(shí)時(shí)接入，并對其進(jìn)行地理編碼、時(shí)空處理與統(tǒng)一標(biāo)準(zhǔn)轉(zhuǎn)換，生成源頭監(jiān)管空間數(shù)據(jù)中心；服務(wù)層按照服務(wù)特點(diǎn)不同，分為數(shù)據(jù)處理服務(wù)、分析研判服務(wù)與數(shù)據(jù)運(yùn)維服務(wù)三種類別，通過標(biāo)準(zhǔn)服務(wù)接口進(jìn)行調(diào)用；應(yīng)用層主要基于服務(wù)層提供的服務(wù)，實(shí)現(xiàn)適應(yīng)不同需求的交警業(yè)務(wù)應(yīng)用定制，包括一圖展示、時(shí)空分析、人車路企監(jiān)管和多維決策等。

（三）系統(tǒng)關(guān)鍵技術(shù)

系統(tǒng)涉及的關(guān)鍵技術(shù)如圖4所示：

1. 海量時(shí)空軌跡點(diǎn)接入與行為模式挖掘技術(shù)

系統(tǒng)通過接入億級(jí)出租車、公交車、兩客一危、貨車、校車、工程車、攪拌車、網(wǎng)約車、快遞車、物流車、外賣車等海量GPS、電子車牌及卡口軌跡記錄，對以上軌跡數(shù)據(jù)進(jìn)行融合推演與出行模式挖掘，實(shí)現(xiàn)對重點(diǎn)車輛出行規(guī)律畫像分析，能有效分析車輛出行頻率、落腳點(diǎn)、聚集點(diǎn)、常去點(diǎn)等。

2. 基于深度學(xué)習(xí)的車輛異常事件監(jiān)測技術(shù)

系統(tǒng)利用深度學(xué)習(xí)技術(shù)，對過車圖片進(jìn)行特征識(shí)別、目標(biāo)檢測及異常事件分類，能挖掘渣土車闖禁、兩客一危違規(guī)行駛、電動(dòng)車上橋隧等諸多異常事件。

3. 基于時(shí)空分析與深度學(xué)習(xí)的事故微觀預(yù)測技術(shù)

系統(tǒng)通過選取合適的事故影響因子，組建訓(xùn)練樣本及測試數(shù)據(jù)集，并構(gòu)建合適的卷積神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練事故樣本數(shù)據(jù)，能有效預(yù)測不同時(shí)段、不同路段的事故發(fā)生風(fēng)險(xiǎn)，在系統(tǒng)應(yīng)用過程中不斷結(jié)合新的事故數(shù)據(jù)調(diào)整優(yōu)化模型，提高模型擬合準(zhǔn)確度，最終高效指導(dǎo)事故精準(zhǔn)預(yù)防管控。

4. 基于大數(shù)據(jù)關(guān)聯(lián)挖掘的多維智能研判技術(shù)

系統(tǒng)通過對接入的海量多維數(shù)據(jù)進(jìn)行時(shí)空ETL建模與因子關(guān)聯(lián)，形成各類實(shí)戰(zhàn)模型進(jìn)行多維分析，諸如一車多證、違法大戶、失格駕駛員等，并形成報(bào)表超市，自動(dòng)靈活生成各類圖文一體化報(bào)表。

四、應(yīng)用成效

系統(tǒng)自2019年10月上線試運(yùn)行以來，累計(jì)注冊賬號(hào)100余個(gè)，系統(tǒng)數(shù)據(jù)服務(wù)訪問頻次已達(dá)60余萬次，日均登錄次數(shù)40余次，導(dǎo)出報(bào)表815余份，精確的指導(dǎo)了交警業(yè)務(wù)工作，解決了交警業(yè)務(wù)復(fù)雜、民警工作困難的問題。系統(tǒng)部分功能截圖如圖5至圖9所示。

目前系統(tǒng)已經(jīng)接入5億條重點(diǎn)營運(yùn)車輛軌跡數(shù)據(jù)，共預(yù)警違法大戶車輛及駕駛?cè)?500余例，預(yù)警交通隱患駕駛?cè)?5000余人，確認(rèn)涉嫌保險(xiǎn)詐騙嫌疑人1人，消除存在安全隱患公交車駕駛員1人，預(yù)警個(gè)人背車282人，預(yù)警同一法人注冊公司1435人，預(yù)警同一地址注冊公司1198家，各區(qū)機(jī)動(dòng)車審驗(yàn)報(bào)廢率達(dá)99%以上，并取得軟件著作權(quán)一項(xiàng)，系統(tǒng)應(yīng)用效果獲得部、省、市各級(jí)領(lǐng)導(dǎo)的高度認(rèn)可，發(fā)揮了重要實(shí)戰(zhàn)作用。

五、結(jié)語

本文針對無錫交警智源系統(tǒng)建設(shè)需求、建設(shè)思路、架構(gòu)設(shè)計(jì)及應(yīng)用成效進(jìn)行了詳細(xì)論述?？傮w而言，運(yùn)用信息化手段進(jìn)行交通安全源頭監(jiān)管的有效嘗試與創(chuàng)新實(shí)踐，相較于傳統(tǒng)交通安全監(jiān)管而言，本文提出的方法更智能、更高效、更實(shí)用，可為全國其他交管部門提供參考。當(dāng)然，隨著新技術(shù)的進(jìn)一步發(fā)展，會(huì)有更多更好的技術(shù)適用于交通安全監(jiān)管工作，如采用區(qū)塊鏈技術(shù)解決駕駛?cè)税踩餍艈栴}及車輛全生命周期管理問題、采用數(shù)據(jù)畫像技術(shù)解決交通安全風(fēng)險(xiǎn)積分預(yù)警問題。未來無錫交警將繼續(xù)緊跟技術(shù)發(fā)展潮流，善于用技術(shù)手段解決交通安全源頭監(jiān)管的頑疾痼疾，不斷提升道路交通安全水平。