交通运输智慧执法建设思路与应用研究

刘向东

（南京市交通运输综合行政执法监督局，江苏南京 210008）

0 引言

交通运输智慧执法要求在执法工作中创新应用人工智能、大数据分析等新技术手段，提升执法效率，促进交通综合执法高质量发展。国内相关研究提出，通过智能化改造交通装备，促进“数字交通”和“智慧执法”融合发展，采用数字化、图形化、全景化方式，全要素、多维度对交通执法整体运行“一屏展示”[1-2]。也有研究尝试基于交通综合执法场景，推动案情监测分析、指挥调度、案件执勤处置、电子监察、公众服务等执法应用[3]。目前，针对执法研判能力提升和新场景应用方面的研究仍然不足，因此，该研究以南京为例，通过分析执法现状和需求，提出构建集感知、研判、指挥、执法、服务为一体的交通运输智慧执法体系，以期在新监管手段应用和新执法模式探索两大方向实现突破。

1 交通运输综合行政执法现状及需求

1.1 业务现状

根据交通运输综合行政执法改革的要求，南京市整合了市交通运输局下属9 家单位的行政执法职能，成立了南京市交通运输综合行政执法监督局，使执法监督系统组织架构和职能均发生了较大变化。目前，执法业务范围涵盖了公路路政、道路运政、水路运政、航道行政、港口行政、地方海事行政、工程质量监督管理等，执法对象众多且较为复杂，具体包括普通国省道、高速公路、桥梁、隧道、城市轨道交通、道路运输从业企业、道路运输从业人员、道路运输从业车辆、航道、港口等。改革后业务条线多、职能涵盖范围广，但各类违法违规事件主要依靠人工巡查、举报投诉、其他部门转办和上级交办等传统方式，缺少基于数据驱动的事件精准发现能力，发现问题较为被动，且公众服务多采用传统面对面线下办理模式，缺乏远程服务手段，便民惠民能力有待提升。

1.2 信息化现状

1.2.1 基础设施信息化现状

在信息化基础设施方面，承继了原9 家单位的多个机房，基础设施及网络支撑仍按照原业务条线开展，呈现分布式且相互独立的部署状态，尚未形成有机融合的整体。在现有网络安全形势的要求下，数据机房及网络链路的运维工作较分散，运维工作量较大。

1.2.2 业务应用系统信息化现状

在业务应用系统方面，涉及各业务条线几十个在用信息化系统，业务类型包括行政许可、行业监管、执法业务、指挥调度、便民服务、综合管理等，数据资源丰富，包括结构化数据和非结构化数据。由于目前在用系统零散分布在多个专网中，不同执法条线的业务系统之间数据不互通，数据质量有待提升，数据价值挖掘度不足。目前面临的主要挑战如下：

第一，部分系统建设时间早，技术体系较为落后，功能扩展困难。第二，部分系统利用率较低，需要提档升级。第三，存在信息孤岛，业务协同较弱，综合行政执法支撑力度不足。第四，数据深度挖掘应用不足，数据价值无法释放。

1.3 建设需求分析

1.3.1 资源整合需求

资源整合需求包括基础设施整合和信息系统整合两方面。基础设施整合需要将分散的数据机房资源整合，构建统一的基础设施支撑环境和交通综合行政执法一张网架构，打破各自为政、分散建设的局面，提升管理效率、降低运维复杂度。在信息系统整合方面，需要突破原有系统的行业条线分割难题，加强业务、数据、流程的协同，完成功能和应用统一集成、业务协同、统筹管理，提高信息化建设的集约性。

1.3.2 行业应用需求

需要加强重点应用场景建设，对综合行政执法业务进行流程再造；顺应省级综合行政执法“一体化+智慧执法+信用监管”要求，探索和实践市级执法新模式；统筹交通运输智慧执法建设，包括强化数据感知、一体化指挥调度、业务协同、行业辅助决策分析等多方面智能化水平，提升交通行业执法效能和数字化治理能力。

2 交通运输智慧执法建设思路

2.1 总体思路

基于业务现状及需求，以融合交通运输智慧执法各组成要素为目标，通过丰富前端感知手段，增强数据感知能力，建立交通运输综合行政执法通信“一张网”，打造交通运输综合行政执法行业数据资源，统一汇聚与管理机制，构建融合指挥体系和综合行政执法管理功能的交通运输智慧执法体系（见图1）。

图1 交通运输智慧执法体系

2.2 数据综合感知能力

通过单兵执法装备、外场固定设备、外部系统交互建设，形成“陆水空”一体化全域物联感知布局体系，基于云边端计算架构的搭建，利用边缘计算设备，加入人工智能识别算法，提升非法营运行为的感知能力；感知体系具备多样化接入能力、智能化服务能力和精细化运维能力，可实现对设备运行状态等的实时监测和自动化预警。

基于5G 移动通信技术，满足高速度、泛在网、低功耗、低时延的大流量实时数据传输，对重点目标进行快速研判和预警，实现违法事件高发时段、地点等关联性分析，对关键对象进行监控，回溯对象在关键节点的路径，实现非现场执法精准化。

2.3 基础设施集约管理能力

对现有信息化基础设施进行分类整合，增强核心机房的计算能力和数据存储能力，充分利用现有机房通信网络基础，构建去中心化、分布式的数据通信网络，形成市级交通综合行政执法“一张网”，通过网络安全和数据安全的建设及评估，提升基础设施的集约管理和安全防护能力。

2.4 数据治理及智能应用能力

通过数据治理，构建数据共享资源池，聚焦核心应用场景，开发人工智能应用模型库，全面提升数据分析能力，并结合数据综合感知能力，实现智能化数据分析及研判。基于数据挖掘的执法应用场景，包括但不限于客运车辆超范围经营、班线客运车辆串线经营、班线客运车辆站外揽客、交通枢纽疑似黑车判别、疑似超限超载行为判别、大件运输“短证长跑”、船名标识不清、船名故意遮挡、非法码头研判、违法行为风险研判以及行业信用监管画像等。

2.5 系统整合及应用能力

综合考虑已有系统的建设时间、技术体系、应用频率，以及系统整合发展方向等因素，采用数据集成、控制集成、界面集成等集成方式，实现系统的高效整合和统一用户认证。同时，提升信息化手段支撑日常业务的能力，实现市级交通运输综合行政执法办案全过程100%数字化、智能化、协同化，构建分工明确、响应及时、运转高效、协调有序、保障有力的交通执法“一体化”指挥体系。

3 基于交通运输智慧执法的典型应用场景实现

以客运交通枢纽非法营运场景为例，探索以智慧化手段支撑执法模式创新（见图2）。在南京南站建设路灯机器人等路侧设备，感知车牌、车身颜色、车型、车辆所处位置等关键信息；依托后台综合行政执法业务数据，汇聚获取营运车辆的基本信息，基于非法营运智能判别引擎，形成嫌疑车辆、违法车辆等黑名单库，根据智能引擎判别车辆是否发生典型的非法营运行为，形成非法营运预警信息。预警信息通过指挥调度信息化平台，及时下发至现场执法人员的单兵终端，协助一线执法人员快速定位嫌疑车辆，实现精准执法。

图2 应用场景网络架构

该应用场景发挥效能的核心是嫌疑车辆智能判别算法模型和非法营运行为智能监测模型。通过分析车辆历史行驶轨迹，比对路灯机器人抓拍的副驾及后座乘客信息，得出行驶规律异常车辆清单；在终端监测感知设备的覆盖范围内，检测客运车辆在不经停站点违规上下客、长时间逗留等状况，判定车辆是否有违规揽客、站外带客等违法行为。交通枢纽非法营运算法模型判别流程如图3 所示。

图3 交通枢纽非法营运算法模型判别流程

目前，南京已经尝试通过路灯机器人在交通枢纽南京南站区域布置路灯机器人点位10 处，包括长途大巴场站、绿都大道、软件大道等点位。系统自运行以来，形成一定数据积累，具备实战应用条件。借助路灯机器人采集过往客车信息，感知精度约98.5%。采集车辆信息后，系统可自动与执法局营运车辆的数据库实时比对，并形成视频、图片数据积累，对执法证据链的辅助闭环有较大帮助。通过前端路灯机器人和后端系统的组合应用，实现南京南站路灯机器人覆盖范围内营运车辆的实时监测与预警，平均日预警疑似非法营运车辆、疑似不合规车辆约200 辆，预警信息可靠，形成了南站区域内路灯机器人的交通感知天网，有效提升了执法和监管效能。

4 结论

通过分析交通运输综合行政执法现状与需求，提出交通运输智慧执法建设思路，结合典型应用场景验证交通运输智慧执法系统建设成效。经验证，认为该系统对支撑交通运输综合行政执法现代化有重大意义。未来，在交通运输智慧执法系统深化建设过程中，应重点关注以下两个方面：

其一，统筹建设信息基础设施。交通运输综合行政执法改革后，数据机房通信网络和安全管理呈现“散”特点，给数据汇聚、应用、协同带来了一定障碍，因此应统筹考虑异构网络的互联互通要求以及网络安全问题。

其二，需要持续提高数据应用能力。交通运输综合行政执法需求变化较快，应提高数据质量、探索应用新场景、不断优化数据应用策略，全面提升数据驱动的执法研判能力，持续深化“一体化+智慧执法+信用监管”执法新模式在基层执法部门的有效实践。