基于大数据的道路交通管理措施研究

王继勇

（淄博市公安局交通警察支队张店大队，山东淄博 255000）

0 引言

当前，我国城市道路交通快速发展，但城市路网仍存在密度不合理、功能复杂与支路短缺等多种问题。此外，交通管理措施尚未达到现代化标准，与当前智慧交通建设要求不匹配。在此背景下，城市道路交通管理部门需要积极引入大数据、5G 网络与智能终端技术与设备，将大数据技术与城市道路交通管理有机融合，实现车辆、人员与道路之间的互联互通，进而提升道路交通管理的协调性，提升交通管理效率[1]。基于此，对基于大数据的道路交通管理措施进行研究，以期有效提升交通管理智能化水平，进一步缓解城市交通压力。

1 大数据与交通管理概述

1.1 大数据

大数据也称“海量数据”，是通过计算机软件提取的海量、复杂数据集合，大数据一般被存储在云端或本地数据库，可为相关人员进行数据资源分析、处理、存储、共享等提供便利。大数据的基本特征是数据量庞大、多样，且数据价值密度较低。通常对大数据概念与特征的总结可以用4 个V 表示，即Volume（巨大）、Variety（繁多）、Velocity（多样）、Value（价值）。

1.2 交通管理

交通管理通常是以具体的交通活动或场景为研究对象，以发挥交通管理系统的效益为目标的一系列管理措施的统称。

在大数据背景下，应借助数字化技术与大数据管理平台，对既有的交通管理方式进行升级改造。交通管理要素是人、车、路，对上述要素作出科学管理是实现交通安全的前提和基础。由于交通管理概念是随着道路交通发展而发展的，因此相应的交通管理措施具有动态化特征。目前，交通管理的内容和方式均出现了新变化，以大数据为管理主要手段，关注城市发展理念、道路规划及交通疏导将是交通管理的发展趋势。

相关研究表明，在交通管理中，任何一个环节出现问题均可能影响交通安全性与通畅度[2]。因此，在分析交通管理措施的全过程中，需要将交通安全与道路畅通作为主要考核指标，分析影响交通安全的主要因素，结合管理现状制订适宜的交通管理措施。

2 大数据在交通管理中的作用

2.1 提升交通智能化管理水平

在大数据技术的支持下，我国道路交通管理效率明显提升。同时，大数据也为交通管理注入了内在动力，有助于提高交通管理智能化水平。当前，在社会经济高速发展的背景下，私家车保有量持续增加，相关部门的交通管理能力与实际要求之间存在严重不匹配现象。为解决上述问题，可将大数据技术引入交通管理实践，构建智慧警务平台，以有效发挥数据信息在交通管理中的价值。

此外，大数据技术在交通管理中的应用还有助于更新管理理念、促进管理手段创新，对调整交通领域部署政策、优化交通管理机制有积极影响，可有效提升交通管理综合水平[3]。

2.2 提供更精准的交通管理服务

大数据在交通管理的多个场景中发挥着不可替代的作用。通过构建数据指挥平台，可加快交通管理信息的公开度与透明度，且有助于提升交通管理的公信力。根据相关数据统计，我国互联网使用人群已超过10 亿，借助大数据平台，交通管理部门能够实现与网络用户的沟通，并提供精准、及时的交通管理服务。同时，相关网络用户可以借助平台提供交通管理相关建议，为交通管理的规范化贡献力量，进而有效提升道路交通管理效果。

3 大数据背景下道路交通管理措施分析

3.1 车辆检测技术的应用

目前，车辆检测技术主要应用在高速公路车辆检测系统中，如ETC 车道系统。通常会在ETC 车道的出入口处放置地感线圈，实现对车辆的自动检测。通过合理选择检测器，可以更快、更准确地识别进入车道的车辆，则检测系统能够自动识别车牌与车辆属性信息，可为交通管理工作的后续开展提供数据参考。

大数据在交通安全监测方面也发挥着重要作用。通过对交通参数的收集、分析与处理，交通管理人员可以及时了解预警阈值，并明确交通事件的预警等级。目前，道路交通管理主要采用感应线圈检测器、红外检测器、视频检测器以及超声波检测器等检测技术，各类型检测器装置的技术参数对比结果如表1所示。

表1 各类型检测器装置的技术参数对比结果

根据表1 可知，各类型检测器在车道流量与速度指标方面的差异并不显著；而在可检测车道、覆盖范围及使用年限等参数指标的对比中，视频检测器表现出显著优势。

因此，在当前的城市交通管理中推荐使用视频检测器，将大数据技术与视频检测器装置相结合，对道路视频数据信息进行深入分析与整理，为交通管理决策提供有益参考。

3.2 采用图像识别技术方案

图像识别技术的应用能够显著提升城市交通管理效率，对舒缓城市交通压力、提升交通便利性有重要意义影响。前文提及的车辆检测技术措施的实现基础是对车牌识别，而车牌识别依赖于大数据图像处理模式。

借助车牌识别系统，可以识别车辆关键信息，并将其与区域内车辆数据库进行对比，在此基础上选定适宜的道路交通管理措施。车辆经过时，ETC 车道、ETC 系统与车辆识别系统之间会实现联动，同时借助大数据挖掘技术快速识别车辆。同时，系统会记录下车辆属性信息与动态行驶数据，并对车辆驾驶人员的行为进行监测，及时将违规行为上传至系统数据库，为交通管理提供依据。

图像识别技术方案中的监控点部署与视频数据传输存储主要流程如下：监控点大多部署在车流与人流量相对密集的场所，以及城市交通重点路段。在具体监控期间，城市道路交通情况的图像信息会及时上传到交通指挥中心。

此外，为避免存在监控死角，一般在城市交通主干道需采用高空瞭望摄像机，其日间监控距离可达到10km，夜间监控范围可达到5km。该装置还内设有方位传感器和GPS 定位器，通过二者的协调配合，能够获取目标交通路段的方位角度与经纬度数据信息，并自动写入交通道路数据库，进而为交通管理决策提供技术与数据支持。车辆图像识别流程如图1 所示。

图1 车辆图像识别流程

在城市道路日常巡逻中，相关人员可通过视频网络技术将拍摄到的视频、音频数据材料及时回传到指挥中心。在现场执法场景中，交通警察也可使用移动警务设备采集现场视频与图像资料，将现场人员、车辆等信息上传到设备数据处理平台，并借助大数据检索数据库，完成现场视频图像与数据库视频图像之间的对比分析，为交通管理提供有价值的参考[4]。

在智慧化交通管理过程中，上述信息具有数据量大、类型复杂、价值密度高等特征。为确保交通管理智慧化水平达到预期目标，在城市交通管理中，技术人员需要将大数据和云计算技术进行整合，通过自建私有云实现对交通管理数据的运维，保证数据安全性与健壮性，为海量交通数据的存储、检索、挖掘、分析奠定基础。

目前，随着大数据云存储技术的发展，交通管理平台可以准确存储车辆位置信息、路段流量、速度信息及驾驶员个人身份信息，为交通管理工作提供便利。

3.3 自动获取与跟踪技术的应用

在交通管理领域，车辆自动识别技术有较高的应用价值。基于大数据的车辆识别技术能够获取车辆颜色、型号及驾驶员等信息[5]。当前，在智慧交通背景下，跟踪算法与大数据融合程度日益加深。为了更好地研究车辆自动识别技术的应用价值，在车辆型号识别中引入HvperID 模型，同时将该模型加入深度学习算法模型中，进而实现对车辆型号数据信息的深度挖掘，以最大限度地发挥大数据在交通管理中的应用价值。

该技术方案的实施效果主要取决于数据规模与质量，具体实现流程如下：

首先，利用大数据平台获取海量车型数据，数据获取途径主要是车辆网开源数据。为确保数据信息准确，也可以选择车辆信息数据镜像仓库下载。总之，通过对海量车型数据的积累，可为跟踪识别算法的准确应用奠定基础。

其次，科学选取跟踪算法。目前，交通道路管理方面使用较多的算法是KCF。由于算法基于开源架构，技术人员可以在github 上下载该算法的代码，通过更改部分运行代码，进一步提升算法跟踪的准确度[6]。以车辆外观颜色识别为例，技术人员基于大数据，设计了颜色识别算法，其中识别到的车辆主流颜色共计13 种，与交通管理部门公布的颜色种类一致，说明颜色识别技术应用具有较高的可靠性。为提升车辆颜色识别速度，将Shufflenet、Mobilenet、SqueezeNet 模型技术应用在车辆颜色自动化识别中，经实践检验，引入上述模型技术后，对车辆颜色识别的时间可缩短到3～5ms。

最后，完成车辆种类识别。基于大数据技术快速识别交通管理中的车辆种类成为可能。在具体识别阶段，借助高效的网络模型，以及5G 网络、可视化技术，数据技术价值得以充分发挥。在交通管理技术理论研究中采取的技术方式为网络模型技术，通过高效的5G 网络对车辆种类进行智能识别。在移动端与PC 设备上，技术人员选取Mobilenet3-large 作为主干网络，使其在6000 余种车辆型号中选取目标车辆型号。在管理技术的具体实现环节，技术人员借助视频检测技术对车型数据进行甄别，其准确率可达到95%，速度超过98%。

4 结语

现阶段，大数据与各行业的融合程度不断加深，在道路交通管理中引入大数据技术，可有效增强管理效果、提升服务水平。因此，在实际的道路交通管理工作中，应积极引入车辆检测技术、图像识别技术与自动获取与跟踪技术，进一步加快交通管理智能化发展进程，提高交通管理决策的科学性，为城市道路交通管理提供有力保障。