综合交通辅助决策支持平台

综合交通辅助决策支持平台建设方案2004年10月

目录TOC\o"1-3"\h\u106281.综合交通辅助决策支持平台 4255771.1.平台概述 4293271.2.体系架构 5298981.2.1.数据层 5277781.2.2.分布式计算处理层 6121151.2.3.分析模型层 6146921.2.4.业务决策分析层 6292701.2.5.交互展示层 756341.3.分析模型 79311.3.1.交通状态分析模型 792781.3.2.行程时间计算模型 7275571.3.3.常驻车辆识别模型 8104261.3.4.车辆行为异常模型 9191461.3.5.套牌车辆识别模型 9243501.3.6.车辆伴随异常模型 10243941.3.7.路网出行量分析模型 10249001.3.8.超限治理分析模型 11261201.3.9.危险品运输分析模型 11166571.4.平台功能 1260551.4.1.交通运行状态分析 12127401.4.2.短时交通流预测分析 12192021.4.3.常驻人口车流时空分析 13176581.4.4.临时人口车流时空分析 15206481.4.5.道路交通运行规律分析 1583941.4.6.交通安全预警分析 16304841.4.7.交通组织优化决策分析 16326591.4.8.交通规划决策支持 21260331.4.9.交通舆情监测分析 21综合交通辅助决策支持平台平台概述综合交通辅助决策支撑平台是以大数据技术为基础，整合交管数据、车流数据、手机信令数据、浮动车数据、交通运输数据、互联网位置数据等，结合地理信息系统定量分析等先进规划技术手段，建立科学的道路交通态势和管理、人流特征、车流特征、公共管理、城市规划等指标体系和分析模型，应用相关数据关系分析、挖掘，研究人口时空分布、居民出行特征、典型吸引点客流集散特征等一系列交通特征以及设施合理性以及规范性等，为交通组织优化、舆情监测、交通规划、城市规划以及政策决策提供辅助支撑。体系架构数据层数据层负责各类数据的采集、传输，主要通过多元信息系统系统和数据共享交换平台，将交通外场采集的感知数据、互联网+数据、其他机构部门数据等纳入交通大数据决策分析系统，支撑上层模型计算、应用分析。根据道路交通管理的业务架构，AA交通数据模型的数据实体按数据域进行划分，具体包括：交通检测数据、基站信令数据、浮动车数据、手机位置数据、车辆基础信息、交通小区/GIS地理信息、互联网数据、道路交通规划、政策法规、道路运输、安全应急、公众出行服务和地理信息等。分布式计算处理层分布式计算处理层是交通大数据决策分析的中央处理器，它构建了成熟、先进的hadoop生态系统为基础的分布式计算基础支撑体系，从而实现海量数据的采集、存储和计算处理，向各类决策分析应用提供离线分布式计算处理、在线实时分布式计算处理以及优化的任务管理和调度。通过流处理+内存数据库技术来对海量数据实时计算处理，实现海量数据秒级的数据处理效率；采用MPP并行大规模数据库技术，支持海量数据计算和存储，日处理数据量百亿条，存储容量PB级。分析模型层分析模型层通过研究交通数据间的关系和作用，量化各类数据指标，建立各类交通分析模型，以实现对各类交通应用的决策分析和支撑。决策分析模型主要包含交通状态分析模型、短时交通预测模型、常驻人口车流分析模型、路网出行质量分析模型、交通组织优化决策分析模型等。业务决策分析层根据交通行业现在面临的几大问题，依托大数据处理能力，提炼出贴近实战、满足需求的业务功能，主要包含：区域车流量分析、车辆停留时长分析、车流量超标预警、特殊车辆轨迹监控等功能。交互展示层为实现平台一体化运作，系统通过服务展示层对外提供数据展示、数据服务两大类调用接口。数据展示主要包括统计报表、分析报表、GIS可视化展现；数据服务主要包括实时数据、非实时数据的API接口、短信接口等。分析模型交通状态分析模型（1）模型背景针对一些重点道路路段，车流量突增会带来交通瘫痪，甚至是安全隐患，因此实时监控交通状态和预警车流量，有效防止车流量突增造成的一系列事件。（2）模型原理将实时车流量与历史平均车流量、历史高峰车流量、前一个监控时点的车流量、前一日的平均车流量等做对比，判断区域车流量是否需要超标，并且通过红、橙、黄三色对道路的通行状态进行刻画。（3）分析周期按分钟统计。行程时间计算模型（1）、模型背景随着机动车保有量的迅速增加，如何有效掌握出行时间，合理规划行车路线，提高生活质量，是交管部门在警务便民话面临的有一大难题。（2）、模型原理根据用户提供的出发地、目的地，系统结合实时车流量数据、历史时间车流量变化数据，按照最短路径、最短行车时间两个维度，为用户规划多条行车路线，有效分摊车流压力，缓解交通拥堵现象。（3）、分钟周期按分钟统计。常驻车辆识别模型（1）、模型背景区分出区域内的常驻车辆、途径车辆，统计出每类车辆的逗留时长，是实现车流量常态化监控的重要基础。本模型通过基础数据（320数据、车辆感知数据等）重点识别出区域内的常驻车辆。（2）、模型原理车辆每天产生的位置数据基本可以反应其一天的活动轨迹及行为信息。根据多数车辆的活动规律，设置时段，统计相应时段车辆活动区域信息。因为每天的活动信息变化很大，所以需要累计一定天数的车辆活动区域信息，然后根据相应规则准确统计出车辆常驻地信息，根据常住地信息筛选出该区域的常驻车辆。（3）、分析周期按月统计。车辆行为异常模型（1）、模型背景当某一车辆近期高频次昼伏夜出，高频次出现在陌生区域的时候，可能该车辆近期的活动行为需要关注，可有效防止潜在危险的产生。（2）、模型原理根据车辆行径的产生的320数据、车辆感知数据，通过模型算法，分析车辆的行为轨迹，得出车辆最近的活动轨迹信息表，结合历史数据，比较车辆的出没点、出没时间，判断车辆的行为是否异常，当有异常行为的时候，系统通过预警信息提示用户。（3）、分析周期按日统计。 套牌车辆识别模型（1）、模型背景随着机动车保有量的不断增加，机动车的管理也愈加困难，例如，当有车主报警称有车辆套牌的时候，如何能通过技术手段，辅助民警挖掘可疑车辆，提高案件的侦破率。（2）、模型原理系统根据接入320数据、感知数据，以车牌号为分析单元，分析车辆的的行为轨迹，当发现针对同一号牌，在同一时间点有多个路径点，系统会根据车辆品牌等信息，进一步确认疑似套牌车辆，并通过可视化技术，展现车辆相关信息。（3）、分析周期按日统计。车辆伴随异常模型（1）、模型背景随着机动车保有量的不断增加，违法机动车的管理变得愈加困难，当一有抢劫前科人员的车辆或者作案车辆长时间尾随其他汽车的时候，系统如何能提前告知，做到事先预防，辅助用户开展交通管控工作。（2）、模型原理系统根据320卡口等感知数据，实时监测违法犯罪车辆的活动轨迹，当发现长时间或者长距离与其他车辆同行的时候，系统自动产生预警，并展示车辆的详细信息和周围警力，便于开展部署工作。（3）、分析周期按日统计。路网出行量分析模型（1）、模型背景在日常交通管理中，尤其是节假日、早晚高峰的时候，如何能实时反映道路上车流总量情况，辅助用户提前采取引流、疏导等管控措施，已经是交管部门面临的一大难题。（2）、模型原理基于系统采集的多源感知数据，通过道路监控网，将道路网格化，依托大数据技术，判断每个网格边缘车辆进、出情况，实时统计出网格内车流总量，再根据道路区域，将网格重组，实现道路客流的细粒度管控。（3）、分析周期按分钟统计。超限治理分析模型（1）、模型背景公路货运车辆超限超载运输问题已成为危害道路交通可持续发展的痼疾之一，近些年来，各级政府正不断加大治理公路车辆超限超载运输的力度，取得了重要的阶段性成果，但由于复杂的社会经济因素，超限治理形势依然很严峻。（2）、模型原理基于公路治超检测系统等前端感知系统数据，对检测车辆数、超限车辆数、超限量、卸载量、55吨以上车辆数、5轴（含）以上检测车辆数等多指标分析，综合分析公路超限治理情况，为下一阶段的公路超限治理提供必要的数据支撑。（3）、分析周期按天统计。危险品运输分析模型利用车辆船舶监测信息采集系统获取的危险货物电子路单信息，分析各个地区、各个线路，危货车辆属性上的危险品货物数量分布、区域分布等。平台功能交通运行状态分析依托全覆盖的道路监控网，将道路进行网格化管理，根据前端感知网获取的车辆GPS数据、320卡口数据，分析路网车辆当前行驶速度、行驶方向。根据种类多、容量大的交通数据，系统根据历史数据，分析路网历史车辆行驶状态、行驶速度，并按照不同等级，对路网运行状态进行划分。同时，依据实时采集的交通信息，分析快速路上下匝道间、地面干道主要交叉口间的车辆行驶时间。在前端应用，系统根据路网车辆通行状态、警情严重程度、发生次数等因素，通过热力图渲染，展示路网出拥堵、事故段的热点效果。短时交通流预测分析短时交通流预测成为智能交通(ITS)的热点研究领域。准确实时的短时交通流预测是实现交通控制与管理、交通诱导的前提，是使智能交通系统从“被动式反应”转变到“主动式动作”的关键。短时交通流预测决策分析主要包括：基于时段的单点交通流组合预测分析。综合时段划分、模型选择、参数指标、模型预测、结果校验等过程，对交通流进行预测分析，将最终的预测分析结果发送至诱导系统进行使用。基于时段的无检测器路口交通流预测分析。综合关键路口筛选数据、无检测路口数据、模型规划、模型推理等过程，对交通流进行预测分析，将最终的预测分析结果发送至诱导系统进行使用。基于时段的路网交通流预测分析。综合对整个路网的子网划分、在每个子网中确定关键路口与其他非关键路口、子网时段的划分、关键路口交通流量预测、非关键路口交通流量预测等过程，对交通流进行预测分析，将最终的预测分析结果发送至诱导系统进行使用。常规拥堵路段短时交通流预测分析。综合路段历史交通流量信息，结合当前时间点交通流量、手机信令等信息预测接下来一段时间交通流变化趋势。突发事件短时交通流预测分析。针对非常规异常数据，及时感知进行报警，结合异常流量点位当前的交通流量信息、手机信令、路段前后车辆通行情况、异常点同比历史综合流量信息等预测接下来交通变化态势。公共交通短时交通流预测分析。采集公共交通如地铁、公交、铁路、机场等公共交通点位附近的交通信息，依据海量数据建立公共交通短时流量变化模型，结合分析点位当前的实时交通流量预测人流流动趋势以及对交通流量的影响。重大活动短时交通流预测分析。重点关注正在举办的重大活动、特勤任务周边区域交通以及人流分布趋势，针对预测可能影响公共安全或者产生严重拥堵的情况及时处理。常驻人口车流时空分析城市人口空间分析功能通过多天多源位置大数据分析，根据人员夜间和白天的活动频率最大的地方判断为居住地和工作地，然后分析出某区域的居住人口、工作岗位和职住平衡的空间分布情况。人员出行特征分析功能通过分析人员的活动信息，计算生成不同区域间的OD需求矩阵数据，然后结合区域图层数据，研究区域间的人口活动出行情况。同时，统计生成不同区域按时间段划分的产生量、吸引量与出行总量，根据不同区域的不同实时以及选择时间段，研究不同区域的出行量变化的动态分布情况。工作通勤特征分析功能通过分析用户的出行规律，识别出有相对固定通勤行为的用户，得到居住地到工作地的通勤出行次数以及工作地到居住地的通勤情况，并得到相关时间段内的通勤次数情况和相关距离段内的通勤次数情况。公共交通客流分析功能通过分析轨道地铁的IC卡和微蜂窝基站接收到的手机信令数据，结合轨道站点信息，识别出轨道地铁乘客。研究某轨道站点24小时进出站点的客流分布情况、轨道站点服务范围情况、轨道线路服务范围情况。典型区域客流分析功能以市内的某一热点区域（如机场、火车站等交通枢纽）作为研究的吸引点对象，通过分析人员一天的位置数据，统计该热点的到达离开次数以及高峰小时情况。主要通道断面分析功能以行政边界、过运河、铁路线、高快速路为分析边界，通过将人员轨迹映射到道路交通网络上，进而判断用户是否跨越边界，或者跨越边界的客流量及全日变化情况，辅助交通部门判断基础设施的承受能力和容量极限。临时人口车流时空分析通过对卡口、RFID等检测的进城、出城等过车数据以及手机信令数据的采集、处理，对临时来锡、过境车辆和人口的数量、出行时段、路线、驻留区域、范围分布及特征构成进行分析、处理，实现对临时来锡的流动人口、车辆进行监控、预警，一方面可以提高对流动车辆、人口的监管应对水平，另一方面也可以提高对临时流动车辆、人口的服务水平。道路交通运行规律分析在数据层，依托多源信息感知基础平台汇聚的多类车辆行为数据，通过大数据处理技术，实时分析车辆位置信息、行车速度、行车方向。依托GIS地图，将道路信息网格化，结合车辆的点位信息，实时统计路段车辆通行量。在模型层，系统根据路网历史车辆出行量，分析不同时间，不同日期类型（节假日、工作日、双休日）道路车流量，全量分析道路车辆出行变化情况。在应用层，根据模型分析出来的交通运行规律，通过图形化展现方式，向用户客观展现道路出行量变化情况，辅助用户开展交通疏导预判、交通管制等工作。交通安全预警分析综合运用信息监测、安全评价、分级预警模型等先进技术与方法,实时监控道路交通安全整体情况,分析预测交通安全的宏观态势，为各级道路交通安全管理部门提供决策支持。依托多源信息感知基础平台采集的多元交通数据，针对危化品等高危车辆进入特定区域进行安全预警，对违法闯限进行及时跟踪，根据设定的预警级别采取不同的策略进行处理，为交管部门及时发现并处理提供有力的支持。依托多源信息感知基础平台采集的多元交通数据，对发生的道路交通异常行为进行预警分析，及时提醒交管部门进行响应应对，避免造成更大的安全事故。交通组织优化决策分析交通组织优化决策分析主要是运用大数据分析处理技术，针对交通长期拥堵地点、车辆违法高发地点、交通事故高发地点、行人违法法高发地点的交通饱和度、冲突点分布、交通压力积聚消散比、交通流量、周边人口环境、路口设计、信号灯配时、信息提示、交通设施设计等相关数据分析问题产生原因，最后提出解决问题的建议方案。常发拥堵优化分析分析研究模型基于系统采集的多源感知数据、系统分析结果，结合车辆行人监测方法，依托大数据技术，判断不同的环境参数对交通指标的影响程度，研究拥堵优化分析模型。用于计算分析引起路口拥堵的主要原因和辅助原因，进而生成可行的解决方案。位置点选择根据交通状况统计结果选择长期处于拥堵状态的某个路口或地区作为该功能的处理对象。同时记录该路口的当平均拥堵状态、拥堵时间，以及周边环境等信息。数据资源管理由系统自动或是人工录入所有与该位置相关的诸如交通流量、冲突点、交通压力聚集点、压力分散点，周边的学校、医院、大型商业区、大型居住区，路口渠划设计、信号灯配时、交通诱导信息、交通设施位置以及周边人口保有量、车辆保有量、行人车辆行驶方向、潮汐目的等信息作为大数据分析的数据资源。指标参数管理根据拥堵模型的需求，结合特定位置点以及位置在周边可提供的数据资源信息，为大数据计算进行相关的指标参数配置。成果管理系统记录并跟踪所有模型和路口的分析结果，并对所有成果提供检索分析功能。通过对成果的分析进而修正拥堵优化模型，并完成对模型适用场景的说明的维护。成果评价在计算完成后通过仿真方式、测试预演方式来验证方案成果，并通过各类打分指标完成对分析成果的评价。管理人员可根据评价结果修正指标参数，进一步完善拥堵优化分析模型。事故高发优化分析分析模型研究基于系统采集的事故原型、系统分析结果，依托大数据技术，在时间、空间上判断不同的环境参数对交通事故引发的影响程度，研究事故高发地优化分析模型。用于计算分析引起道路交通事故的主要原因和辅助原因，进而生成可行的解决方案。位置点选择选择系统中历史所有交通事故事件作为分析样本。同时结合事故发生时重大活动预案、天气情况、公共交通出行情况、时间因素、路口交通设施，以及周边环境等信息。数据资源管理由系统自动或是人工录入所有事故警情与该交通事故相关的诸如天气因素、道路管制方案、冲突点、交通流量、交通压力聚集点、压力分散点、路口渠划设计、信号灯配时、交通诱导信息、交通设施位置以及周边人口保有量、车辆保有量、行人车辆行驶方向、潮汐目的等信息作为大数据分析的数据资源。指标参数管理根据事故高发计算模型的需求，结合特定位置点以及位置在周边可提供的数据资源信息，为大数据计算进行相关的指标参数配置。成果管理系统记录并跟踪所有模型和整体道路的分析结果，并对所有成果提供检索分析功能。通过对成果的分析进而修正事故高发优化模型，并完成对模型适用场景的说明的维护。成果评价在计算完成后通过仿真方式、测试预演方式来验证方案成果，并通过各类打分指标完成对分析成果的评价。管理人员可根据评价结果修正指标参数，进一步完善事故高发优化分析模型。违法高发优化分析分析模型研究基于系统采集的交通违法事件、系统分析结果，依托大数据技术，在时间、空间上判断不同的环境参数可能引发驾驶人的违法行为，研究违法高发优化分析模型。用于计算分析引起特定道路违法高发的主要原因和辅助原因，进而生成可行的解决方案。位置点选择选择市区交通违法高发地的交通违法事件作为分析样本。结合事发时信号分布情况、电子警察监控区域、道路整体通行流量等信息。数据资源管理由系统自动或是人工录入所有违法信息与该交通事故相关的诸如交通设施位置以及周边人口保有量、驾驶员驾龄、行人车辆行驶方向、潮汐目的、信号灯配时等信息作为大数据分析的数据资源。指标参数管理根据违法高发优化模型的需求，结合特定位置点以及位置在周边可提供的数据资源信息，为大数据计算进行相关的指标参数配置。成果管理系统记录并跟踪所有模型和整体道路的分析结果，并对所有成果提供检索分析功能。通过对成果的分析进而修正违法高发优化模型，并完成对模型适用场景的说明的维护。成果评价在计算完成后通过仿真方式、测试预演方式来验证方案成果，并通过各类打分指标完成对分析成果的评价。管理人员可根据评价结果修正指标参数，进一步完善违法高发优化分析模型。交通规划决策支持交通规划决策支持是指融合城市地理信息、路网、过车数据、手机信令、互联网数据，并结合对未来人口、车辆的增长，实现对交通出行需求进行分析预测。同时，并以此为基础和依据，为交通规划建设、城市规划等提供决策支持。在城市规划、交通规划方面，是指根据现行交通出行数据及预期增长需求，对交通道路路网、最优路径、交叉路口、出入路口、道路容量等方面的规划、设计提供决策支持。与此同时，在交通外场信号控制系统、信号优先控制系统的RFID、视频等各类交通检测器、交通诱导屏的布点选择和设计的最优方案提供数据支持和决策支持。交通舆情监测分析随着互联网的快速发展，各类讯息的传播途径多、速度块、范围广，一些不当讯息可能产生巨大的舆论压力，使任何部门、机构无法忽视。交通舆情检测分析系统通过对热点问题和重点领域比较集中的网站信息，如：网页、论坛、BBS等，进行全天候监测，通过检索、下载、过滤和预处理等建立舆情监控的知识库，用来指导智能分析的过程，为交管部门及时了解网络舆情动态，关注到自己在网络舆情中的状态，从而可以产生网络舆情预警，及时纠正应对网络上关于自己的负面舆论影响，为部门网络危机公关或品牌形象营销提供数据依靠。交通舆情检测分析面向交通管理部门，实现从数据采集到最终的发布包括四个步骤：数据采集、数据预处理、舆情分析和舆情发布，如图所示：舆情分析步骤通过采集系统将用户关注的网站信息自动收集，然后通过预处理，得到网页正文内容，对其主题进行分析，最后将分析结果进行发布。舆情信息采集舆情信息采集子系统能将目标信息及时全面地采集到系统中。目标信息包括针对交通相关的如节假日出行信息问题讨论、对交通设施的讨论、对交通道路的讨论、对交通现状的讨论、对出行方式的讨论、对交通执法者的讨论、某类话题如交通运输安全问题、包括长途客运安全、水上交通运输安全、地铁运输安全等。工程质量问题、如桥梁垮塌事件等。执法问题、执法不当、处罚不公、收费不合理等涉及社会不同利益群体的问题、反腐败、队伍建设等问题。突发事件问题、突发自然灾害带来或引发的交通运输问题等。交通舆情信息采集系统主要自动采集的是网站信息。重点网站有：新浪网、网易、人民网、雅虎、首都之窗、中国政府网、信息资讯网站：各地信息港、行业咨询网、新浪论坛、搜狐社区、BBS贴吧、人民日报、新浪博客、腾讯博客、网易博客、新浪微博、腾讯微博、网易微博、优酷、BaiDu、Bing、Yahoo等。信息采集系统可以抽取所有新闻文章或主题贴或着最新主题贴内容，还可以抽取某个主题贴的所有回复贴或着最新回复贴的内容。全网爬虫系统专为舆情系统设计的智能网络爬虫系统，可以实现高质量和快速的抓取，还支持对新浪微博、腾讯微博、搜狐微博、网易微博等主要微博平台信息的实时抓取。定向抓取源舆情监测系统对于人工定义的重点站点的新闻、论坛、博客等实现全面的抓取，同时支持对主流新闻网站分页、评论内容的采集以及对论坛点击数、回贴数、回帖内容的抓取。搜索引擎结果智能爬虫系统还可以自动跟踪多个搜索引擎的搜索结果，对于系统抓取进行补充，确保信息全面无遗漏。多语言统一处理功能可自动处理并保存中文，英文，阿拉伯语，法文，德文，日语，韩语等多国语言，且有多国语言同时并存监测的实际案例。智能文章提取对于文章类型网页，可以无需配置，直接自动