大数据助公安交管实现精准量化

张琦

公安部交管局要求各地交警着力构建“情、指、勤、督”“四位一体”的勤务体系，切实提高勤务的主动性、精确性、合成性、实效性。

“情”要求建立健全情报主导警务的预警研判机制，实现交通管理情报制导、精确打击、精准防控。“指”要求搭建“统一指挥、上下联动、一体运作、精准高效”的指挥体系。“勤”要求建立健全路面立体化网格化的勤务机制，全面推行网上、网下联动的勤务模式。“督”要求采取“定性+定量”的考核方式，对勤务效果定期进行评估，综合分析测算民警工作绩效和勤务运行整体效能。

具體的组织推动，按城市分阶段落实，2019年6月前在全国36个重点城市完成“道路交通管理勤务机制改革”示范建设。

警务工作面临新形势

在这一政策背景下，对警务工作提出了新的要求：

第一，业务需求方面，运用交通大数据、云计算、人工智能等科技思维提升警务工作处理城市交通复杂和常态问题成为关键。第二，组织机构改革方面，强化突出数据研判部门，简化勤务管理流程，警情直接到警员，迅捷高效处理。第三，工作模式转变方面，创新“信息主导警务及交通疏导调控”工作模式，推动由指挥中心至智慧中心转型升级。第四，工作能力升级方面，推动情报主导警务，合力作战，实现情指战术性融合，情勤战略性对接，情督战役性衔接。

此外，新要求还带来四大变化：

第一，转变。业务系统要实现从流程化向决策化的转变，从功能化向场景化转变，由被动操控向主动推送转变，由业务竖井向业务融合及闭环转变。第二，融合。一是数据的融合，包括以交管行业内数据为核心同时融合行业相关数据（交通委数据、气象局数据等）、互联网数据;二是技术的融合，包括目前大家谈论最多的ABC，大数据、人工智能、云计算等技术的运用。第三，闭环。包括业务闭环和数据闭环，数据闭环是基础，通过实现数据的闭环，带来业务的闭环。第四，提升。多来源，多手段，多模式的情报;高效、扁平、协同智能的指挥;量化的勤务评价;全流程管控、轻处置的监督。

大数据在公安交管

领域的应用现状

大数据目前在公安交管领域的应用现状，可以从数据、算力和应用三个角度来看：

首先在数据层面，现在都在谈数据大集中、大融合，期望基于数据融合创新应用形态，但数据过度集中在公安行业需要面对数据安全问题。以往数据分散在不同的业务部门，如车驾管、法制部门接触的主要是六合一数据，秩序、指挥中心可能更关注的是基于卡口的交通态势相关数据，不同部门基于业务的权限来划分数据的获取权限，但集中后，数据融合到什么程度，用什么技术和手段保证数据安全是需要思考的。在数据实际应用层面，一是输出能力有限，对于现有数据还能做什么并没有完全清晰，数据价值没有被完全发掘。二是输出手段局限，很多高价值信息没有通过高效、合理的通道递交到使用者手中。

其次在算力层面，现在各地的大数据项目建设规模都很大，硬件资源也投入了不少，但实际情况是很多地方硬件资源的使用率并不高，算力有余，算法不足，软硬件能力不匹配，这里的“算力”指狭义上的各类计算资源。

最后在应用层面，主要是系统间联动不足，没有结合业务要求形成闭环，存在大量的应用竖井。该怎么实现，整体来说要实现二个目标：第一，最大限度地激发信息与数据活力，将数据分析、情报研判作为警力调度、勤务运行、业务督导的指挥棒，提高敏捷实战能力，打造业务闭环监管的局面;第二，建立情报主导的高标准“情指勤督”一体化机制，形成整体作战合力，服务一线实战。

具体说来：第一，情报需要细分场景，细分用户。细分场景，指挥中心，早晚高峰、平峰该关注什么，要分场景。细分用户，带班领导关注什么，指挥岗关注什么，信号岗关注什么，秩序关注什么，要分用户。综合来说就是实现情报的多来源、多模式、多形态。第二，指挥的目标是上下联通、扁平化、价值信息推送和上传下达。第三，勤务强调的是动态监管、优化、精准量化、效能评估。第四，监督强调的是全过程督办，闭环式监管。

要实现多模式相融合

首先是多来源：以交通管理数据为核心，同时融和行业相关数据、互联网数据作为补充。

我们在一些总队级建设项目中实现了交通委重点车辆GPS数据、气象局气象数据与交管数据的融合，基于卡口数据和GPS数据在时间和空间层面实现了重点车辆的精细化管控;基于历史气象数据和交通事故数据综合建模，对重点路段、隐患路段的道路安全等级进行量化评价，实现了恶劣气象条件下，精细到道路级别的安全预警、精准高效的勤务安排并对隐患异常提前预防。

其次是多手段：在各类看板和常规业务系统基础上，第一，缩短情报获取的路径，让高价值情报能够快速传递到用户手边。第二，通过情报分析的众创，发挥基层警员的集体智慧，让更多的业务人员能够有途径和出口去贡献自己的业务智慧，让数据分析不再只是科技部门的事情，要实现这一点，信息系统要有创新性应用，需要降低情报研判分析的门槛。

最后是多形态：结合不同的场景和用户，提供大屏端、PC端、移动端等不同的系统形态，并能够实现不同系统间信息的协同和联动。实现情报主导，要让情报研判成为刚需。刚需要具备三个特点：第一能够极大地提升效率，第二能够极大地降低成本，第三能够极大地改善用户体验。

这方面我们也在进行一些实践。

第一，让高价值信息触手可及，提升效率，在日常生活中对未知事物我们首先想到的就是搜索引擎，因为高效和便捷。在公安交通管理行业，通过打造交警自己的“百度”，在实现高效、便捷检索能力的基础上，将检索的信息分别从机动车、驾驶人、事件、道路、企业5分维度进行分类，使获取的信息更加精准聚焦。第二，分析众智，改善体验，通过提供可视化、灵活的数据分析工具，降低数据分析、情报研判的门槛，我们目前在做的基于图形拖拽方式的建模工具，为业务民警进行数据分析提供了低门槛、快速上手的工作平台。第三，模型众创，降低成本，在提供高灵活度情报分析工具基础上，为各业务科室、警员提供展示聪明才智的众创空间，将个人的情报分析方法和成果提供给其他需要的部门和人员，通过交流、评价不断提升情报分析水平。最后，通过交通关系图谱还原交通事件真相，这里我们应用图数据库技术，围绕机动车、驾驶人、事故、道路、企业五个要素，建立要素之间的关联关系，形成交通要素知识图谱，挖掘交通要素间的潜在关系，在交通事故责任调查、隐患异常分析、业务监管等场景都有很好的应用。

指挥方面要实现上下联动，统一指挥。首先是指挥调度系统，针对不同层级的用户，不同的场景提供多形态的指挥调度方式，这里包括基于一张图扁平化一键常规指调和应急指挥调度，特别是基于一张图的一键调度方式，将各类交管资源叠加到一张地图上，实现数据整合、调度一张图上作业、应急一体联动运作，也是目前在交管特别是大队一级用户中受众越来越广的一种应用形态。

另外，过饱和场景不能像欠饱和场景一样追求低延误，提高交通大群体出行效率和大干线有序通行应该是我们追求的新目标。每一条道路，都不是孤立存在的，在过饱和场景下，通过融合互联网、检测器、卡口等数据，建立以排队长度为核心指标的交通信号评价体系。基于强化学习技术，建立干线、路口画像模型，同时关联干线、路口上下游，实时精准预。通过视频辅助验证，结合专家经验，提早预警关键路口死锁、反溢趋势，第一时间化解干线无序交通事件，控制事态蔓延，协助交警生成信号调优建议。