(身份证号:654222199401094728 天津 300350)
摘要:随着城市建设数字化水平的不断提升和大数据技术日臻成熟,大数据技术已成为交通数据治理和资源整合的重要手段。本文设计了基于多网络、多系统、多元数据的机动车档案管理平台,通过数据管理、分析引擎、信息可视化三大模块的有机组合,实现从机动车相关数据统一接入、治理、存储到多维度分析研判、多级别权限查询展示的一体化电子档案管理,解决交管部门现有系统查询信息片段化问题,辅助其提升综合分析研判能力。
关键词:大数据;智能交通;电子化档案
0引言
机动车管理作为公安交管业务中的重要组成部分,涉及到多部门、多警别的各类工作场景,往往难以做到数据互通和融合应用。随着大数据等新技术的发展,信息收集和信息加工的渠道进一步拓宽、能力进一步增强,如何对实时且精准的数据的数据加以利用,以支持公安交管对机动车大数据深化应用的需求,成为当下智能交通领域的新课题。
因此,为快速、准确定位机动车对象,全面、深度呈现其档案信息,本文提出一种基于多源数据治理的机动车档案系统,通过车辆状态分析、动态标签分析、出行热力分析、轨迹分析、落脚点分析、常出没点分析、车辆关系分析、车人统计分析、违法分析、事故分析、车辆保险分析等多维度分析引擎,建立了一套机动车电子化档案及多元检索流程、可视化呈现机制,实现对档案信息的综合查询展示、关联分析和预警提示,辅助交管部门全方位掌握机动车全生命周期情况。
1机动车信息管理现状
目前各地交管部门自有系统建设已卓有成效,但同时带来了机动车相关数据分散在各个信息化系统,各类数据资源存在分类不清、数据多平台、数据质量参差不齐、数据管理“碎片化”、数据更新维护机制不健全等问题,导致跨部门、跨业务数据共享和数据综合应用困难、数据利用率低。因此,难以建立机动车全方位信息的数字化档案,无法对数据进行关联关系分析,以支撑各个业务部门的实战化应用。
2大数据应用优势
大数据技术与传统数据库分析相比,具有规模性(Volume)、多样性(Variety)、价值性(Value)、高速性(Velocity)特点,正好与交通数据应用需求一一对应。
(1) 规模大。大数据常以PB、EB或ZB为计量单位;交通数据涉及整个交通系统的各个方面,如人员数据、车辆数据、道路数据、设备数据、管理数据等,随着各类信息采集设备数量和精度的提高,交通数据规模也越来越大。
(2) 种类多。大数据的数据来源多、数据类型多、数据之间关联性强;交通系统中人、车、路、企等不同的交通要素相互交叉影响,又分别具有不同的属性,如车的空间位置数据与移动轨迹数据、各个卡口过车数据、交通违法数据、交通事故数据、业务办理数据等,不仅有结构化数据,也有非结构化数据。
(3) 价值密度低。大数据体量大但有价值的数据占比相对较低;交通数据覆盖范围广,不同类型的数据具有不同的属性,但在具体应用过程中需要从海量数据中筛选出有用数据进一步分析,实践难度较大,导致交通数据的价值密度较低。
(4) 速度快。数据增长速度快和处理速度快是大数据高速性的重要体现;而交通数据具有实时性,数据实时采集更新的同时,也需要进行快速处理、应用,以便及时发现道路交通安全隐患。
因此将大数据技术与交通数据需求结合,既可以发挥其技术优势,又能解决交通管理部门的实际问题,达到共赢效果。
3平台设计及实现
3.1系统架构
如图1所示,系统技术架构主要分为三层,即数据层、支撑层和应用层,分别对应不同的技术目标。
(1)数据层:包括违法数据、事故数据、保险数据、卡口数据、GPS数据、12123数据等标准化治理成果,保证多源数据正常接入及脱敏处理、标准化治理等;
(2)支撑层:包括大数据基础平台、数据管理平台、统一运维平台等,实现对各类数据进行分门别类的管理,并将不同数据对接到对应的算法分析引擎,保证模型计算功能和性能满足需求;
(3)应用层:包括车档态势、车档检索、车档详情、车辆通行规律、综合风险评估、隐患车筛查等功能,采用标准化组件和规范化代码管理办法,维护前后端架构稳定及数据一致性,支持不同模块、不同权限下的功能、数据组合,为不同部门、不同级别的用户角色提供定制化、个性化的可视化服务。
图1 系统架构图
3.2系统流程
系统的技术流程分为数据组织、档案要素组织、档案检索组织三大部分:
(1)数据组织:分为数据接入、数据处理、数据治理三项内容,将数据进行标准化处理后,按数据库管理规则和业务需求分别存入对应的数据库;
(2)档案要素组织:包括创建档案唯一编码、创建主体要素标签、创建主体要素关系、创建主体全息档案,首先确立档案的主键作为其唯一识别标记,利用数据要素提取技术捕捉车档关键信息标签并建立标签管理体系,同时对主体要素的关联关系进行识别和关系网络构建,将包括基础数据和分析研判成果数据在内的全部信息进行数据集打包处理;
(3)档案检索组织:系统通过对输入信息的识别解析获取多维度检索条件,基于搜索引擎和机动车大数据库,搜寻符合条件的对象,并依据预设分组规则对检索结果进行分组排序,便于用户快速定位目标对象,最后提供目标对象的可视化档案。
图2 系统业务流程图
系统功能主要包括车档检索、车档详情、车辆通行规律分析、综合风险评估、隐患车筛查等,其业务流程分别为以下五个环节:
(1)参数输入:包括基础信息参数、标签信息参数、模板信息参数,可根据实际需要选择参数类型;
(2)参数解析:系统对输入的各参数进行解析,根据既定规则进行模糊检索或精确检索;
(3)档案库判断:捕捉机动车关键参数信息,判断档案库类别(本地车子库、外地车子库);
(4)分析引擎调用:在对应的档案库中调用多维度分析引擎,对机动车数据进行研判;
(5)机动车档案生成:基于车辆各类数据和研判分析结果,最终生成机动车档案。
4结语
本文分析了当前机动车相关信息管理遭遇的挑战以及大数据发展带来的解决途径,以交通大数据治理和共享应用为结合点,提出了一套机动车档案信息管理系统,并在以下几方面提供了创新性的思路和宝贵实践经验。
1、数字化档案。结合各类结构化和非结构化数据,将机动车在不同时期、不同系统、不同类型的数据信息进行全方位呈现,并打破数据应用壁垒,避免由于网络边界、系统边界、部门边界,造成档案信息缺失、错漏,同时采用线上查询的方式,简化了档案调取流程,便于档案信息分析查询、管理,提升了警员工作效率。
2、多层级标签体系。针对本地车和外地车分别提供多维度多类别标签体系,可基于要素标签治理成果,实现对车辆的快速、精准定位,并可分析隐患机动车群体及其群体特征。
3、机动车风险预警提示。结合机动车要素标签体系和综合风险评估结果,构建预测预警机制,对具有安全隐患的车辆进行风险识别和提示,有助于定位风险问题、精准投放警力资源。
参考文献
基于大数据的道路交通安全管理研究 王晓东
[1]大数据的智能交通体系架构[J]. 翟晓丹. 科技与创新. 2017(06).
[2]大数据技术在智能交通中的应用分析[J]. 党红恩,赵尔平. 无线互联科技. 2017(02).
[3]艾小燕. 武汉市智慧交通管理中的大数据应用研究[D].华中科技大学,2018.
[4]贾琳.城市交通大数据智能计算平台与应用[J].数字通信世界,2020(08):49-50+75..
[5]王晓东,王春生.基于大数据的道路交通安全管理研究[J].工程建设与设计,2021(03):242-243+254.
[6]王泽业,胡美玲,王利培.智能交通发展中的大数据分析[J].中国新通信,2021,23(21):41-42.