基于数据驱动的智能交通管理系统评价体系研究

文图｜吴瑞玉 张军 董葵

【导读】

近年来，各地公安交管部门不断加大力度，提升道路交通管理工作的智能化水平。智能交通管理系统建设带动一轮又一轮交通治理的变革与创新，但也暴露出智能交通管理系统建设和应用中普遍存在的“重建设轻应用、重硬件轻软件、重技术轻实效”等问题。为此，本文就智能交通管理系统评价技术路线、指标体系、评价过程与评估工具进行了探讨，为构建覆盖数据流程和业务应用的智能交通管理系统多维度评价体系提供依据。

数据驱动；智能交通管理系统；评价体系；评价工具

交通强国建设战略目标是要推进交通治理体系和治理能力的现代化。在此背景下，以“交通大脑”“数据大脑”为代表的智能交通管理系统正在引领交通管理的技术发展方向。当前智能交通管理系统普遍存在“重建设轻应用、重硬件轻软件、重技术轻实效”等问题，这与缺少系统层面的评价方法有密切关系，传统的智能交通管理系统评价局限于单一设备功能和性能质量评价，这种评价模式不能反映系统整体交通管控的能力和应用效果。面对“大脑式”智能交通管理系统，评价需要突出数据思维，通过梳理交通数据脉络将智慧交通的点、线、面连结起来，借“数据之手”实现对系统能力全方位、全贯穿的评价。在国家重点研发计划“智慧城市信息应用和体验感知评价关键技术研究”项目支持下，本文探讨了基于数据驱动的智能交通管理系统评价体系，供系统建设方和管理方参考。

一、“金字塔型”评价技术路线

智能交通管理系统的“大脑”构成包括“感知设备”和“应用系统”两部分，构成数据有三个特点：数据采集全域感知、数据大规模网络传输、数据应用高度智能和开放。基于数据驱动的智能交通管理系统评价体系的特点是弱化评价单一设备功能和性能，基于数据流和数据质量强化评价系统整体的感知能力、传输能力和应用效益。评价技术路线采用“2-3-4”的构建方法，针对“感知设备”和“应用系统”2个对象，抓住交通数据生命周期中“采集、传输、应用”3个关键节点，在每个节点聚焦交管业务“监视、管控、执法、服务”4个纵向剖面，提炼共性评价指标。整体技术路线如金字塔型结构，如图1所示。

图1 “金字塔”型评价技术路线

二、“融合型”评价指标体系

智能交通管理系统是一个复杂系统，涉及多种子系统、数据类型和功能应用，为避免指标过于发散，参考“数据融合”的概念，提出一种“融合型”的评价指标体系，即不预设指定哪类感知设备和子系统，而是从“道路监视、交通管控、违法处置、信息服务”四个业务应用方面，分别梳理对应的感知设备和系统对象，结合其业务特点，综合考虑对整个智能交通管理系统的影响度，提取关键评价指标，形成“融合型”的评价指标体系。表1列出了一级和二级指标体系框架。

表1 “融合型”指标体系框架内容

（一）数据采集

“大脑级”的智能交通管理系统提出了全要素、全时空的泛在感知目标。基础的应用如道路监视需要交通流量数据，管控业务需要路口信号数据，执法业务需要非现场违法图片数据等。高端的应用如出行规律分析、出行诱导服务等更需要基于长期而庞大的流量数据得来的交通流溯源。因此，是否有高质量的交通数据、是否有稳定先进的采集设备是数据采集环节的关键指标，由此提出“覆盖度”和“采集能力”两个一级指标，进一步在数据类型、采集范围、标准符合性、技术先进性方面细化评价感知数据的广度、精度、细度。

（二）数据传输

不论数据怎么划分，动态还是静态，结构还是非结构化，对不同来源的数据进行融合扩展分析，这是“大脑”正在干的事情。存储能力、运算能力的极大提升和人工智能算法的极大丰富，是“大脑”最基础的能力满足。因此，在数据传输环节，对数据的传递汇聚、存储、融合、计算等关键要素进行评价，凝练为“通信网络”“数据处理”和“传输质量”三个一级指标。对于“数据处理”一级指标，还需细化评价云技术架构等高端处理环境，资源目录、血缘标签等先进数据治理策略，能实现对交通全过程深度分析的智能算法等。

（三） 数据应用

从解决问题的角度来看，智能交通管理系统评价的首要标准是能够实现的功能和能够取得的效果，因此在数据应用环节选取“系统质量”和“数据服务”两个一级指标。“系统质量”方面，评价是否有基于多源异构信息的分析、诊断、规划、决策、方案生成等完备功能，是否有基于数据化、信息化的交互方式；“数据服务”方面，强调数据的精准服务和主动服务，即评价数据是否以可视化的形式精准推送，数据是否有跨部门、跨群体的主动开放和共享。

三、多层级评价过程

（一）指标分解

一级和二级指标构成了评价指标的框架，但还停留在宏观分析层面，为指导具体的智能交通管理系统的评价过程，还需进一步分解二级指标，即形成可以具体操作的测评点、测评要素和测评细目。指标分项分解围绕“道路监视、交通管控、违法处置、信息服务”四个业务应用方面展开，从实际出发，从测评数据来源的有效性、数据获取的便捷性、数据计算的简单性等方面分解测评指标，从而保证测评实施的可操作性。

以采集维度的“数据类型”二级指标为实施范例，在测评点层级，按照交管业务领域分为道路监视数据、交通管控数据、违法处置数据3个评价点。其中，以道路监视数据评价点为例，分解出视频画面与车辆通行信息、道路流量数据、停车场动静态数据、道路周边气象数据4个测评元素；以视频画面与车辆通行信息测评元素为例，分解出查看交通视频画面、查看不少于7天内的视频、查看车辆过车信息3个测评细目。分解结果如表2所示。

表2 二级指标数据类型指标分解

（二）指标量化和计算

智能交通管理系统评价指标根据指标数据特性的不同，分别采用控制式、等级式、加分式的量化方法，给出二值化、离散型或连续型的得分取值规则，具体如表3所示。

表3 指标得分量化方法与规则

综合利用文献分析、德尔菲法和专家咨询法给各层级指标赋权重，通过加权计算评价综合得分。评价等级划分为A、B、C、D四个等级，A级表示该智能交通管理系统的建设和应用处于优秀水平，B级表示处于良好水平，C级表示处于中等水平，D级表示处于较差水平。A级综合得分在[100，85]之间；B级综合得分在[85，75]之间；C级综合得分在[75，60]之间；D级综合得分在[60，0]之间。

四、自动化评价工具

测评数据搜集和分析过程，同样基于“数据驱动”思维，用信息化软件工具记录评价过程，抽样、计算都利用软件内置的计算公式；用数据工具建立评价算法模型等。

评价软件包括项目管理、预调研数据录入、测评实施、测评统计、测评分析、报告生成等功能模块，可实现测评活动准备、实施、报告全流程的辅助工作。如图2所示。

图2 评价软件测评实施界面

评价软件中指标按照树状结构组织，采用动态链表技术实现所有层级指标的动态增、删、改。指标数据流清晰直观，操作性好。界面如图3所示，通过一个指标属性控件，即可实现指标编号、名称、分值、权重、评价方法、计算公式、计算数据源等多重属性数据的全局绑定。

图3 评价软件指标控件属性界面

目前，该评价工具已在国内部分中型城市开展了试点测评，效果良好。下一步，项目组将进一步扩大验证范围，完善优化评价指标和评价方法，促进智能交通管理系统评价工作向着更为规模化、规范化、体系化的方向持续发展。