基于大數(shù)據(jù)環(huán)境的研判應(yīng)用標(biāo)準(zhǔn)化建設(shè)研究

□ 文/ 吉靜 王天瑞

引言

隨著智慧城市建設(shè)的推進(jìn)及智能交通系統(tǒng)的發(fā)展，交通數(shù)據(jù)分析需求愈加急迫。一方面，交通數(shù)據(jù)采集的范圍、廣度和深度急劇增加，正在形成以微波、線圈、GPS、車牌等交通流檢測數(shù)據(jù)，交通監(jiān)控視頻數(shù)據(jù)，以及系統(tǒng)數(shù)據(jù)和服務(wù)數(shù)據(jù)等為主體的海量交通數(shù)據(jù)。另一方面，在大數(shù)據(jù)環(huán)境下開展研判應(yīng)用的數(shù)據(jù)分析需求急迫，研判應(yīng)用將有利于整合多種類型的交通數(shù)據(jù)，深入挖掘分析各業(yè)務(wù)條線情報，洞悉交通環(huán)境演變軌跡和機(jī)理，有利于最大程度地發(fā)揮交通數(shù)據(jù)的效能，提高交通運輸系統(tǒng)的運行效率和服務(wù)水平，為公眾提供高效、安全、便捷、舒適的出行服務(wù)。

如何以一種有序的方式迅速有效地管理交通大數(shù)據(jù)，進(jìn)而能對研判應(yīng)用進(jìn)行標(biāo)準(zhǔn)化建設(shè)變得越來越關(guān)鍵。本文結(jié)合上海市交通大數(shù)據(jù)建設(shè)以及研判應(yīng)用建設(shè)的具體實踐經(jīng)驗，研究大數(shù)據(jù)環(huán)境下的數(shù)據(jù)標(biāo)準(zhǔn)化、數(shù)據(jù)應(yīng)用的標(biāo)準(zhǔn)化流程，并根據(jù)實際案例，分析車輛研判應(yīng)用中的黑車問題。

數(shù)據(jù)標(biāo)準(zhǔn)化研究

數(shù)據(jù)標(biāo)準(zhǔn)化主要是對數(shù)據(jù)基本單元的標(biāo)識、分類編碼、含義、表示格式等各個方面進(jìn)行規(guī)范和統(tǒng)一。經(jīng)過標(biāo)準(zhǔn)化的數(shù)據(jù)是信息系統(tǒng)的基石，它可以確保各項業(yè)務(wù)以完整、有效、高效的方式運行。對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化有利于數(shù)據(jù)的查詢檢索以及與其他用戶的數(shù)據(jù)交換，可加強(qiáng)數(shù)據(jù)在系統(tǒng)間及環(huán)境間的實用性和共享性，提高數(shù)據(jù)的長期使用價值?？梢哉f，數(shù)據(jù)標(biāo)準(zhǔn)化工作是信息化建設(shè)最基礎(chǔ)的工作。

數(shù)據(jù)標(biāo)準(zhǔn)化活動主要采用“確定數(shù)據(jù)需求—提取數(shù)據(jù)元—確定數(shù)據(jù)標(biāo)準(zhǔn)化要素”的方法。首先梳理各業(yè)務(wù)領(lǐng)域的數(shù)據(jù)需求，采用“自底向上”的方法，分類、匯總數(shù)據(jù)項，并抽象實體類，構(gòu)建實體類的層次關(guān)系和數(shù)據(jù)模型。采用“自頂向下”的方法，通過對實體類定義、屬性的規(guī)范化描述，提煉出標(biāo)準(zhǔn)化的數(shù)據(jù)元素，并將其實例化為實體元數(shù)據(jù)、數(shù)據(jù)元素元數(shù)據(jù)、類屬元素元數(shù)據(jù)。

數(shù)據(jù)集成環(huán)境

數(shù)據(jù)集成環(huán)境以數(shù)據(jù)對象層為核心，包含多種來源的數(shù)據(jù)，也包括對人、車、路的描述。數(shù)據(jù)集成環(huán)境統(tǒng)一建設(shè)基礎(chǔ)數(shù)據(jù)集、規(guī)范化數(shù)據(jù)庫、中間研判數(shù)據(jù)集，為各研判應(yīng)用提供標(biāo)準(zhǔn)化、一致的基礎(chǔ)數(shù)據(jù)源。

數(shù)據(jù)集成環(huán)境中的數(shù)據(jù)如圖1所示，包括：路網(wǎng)數(shù)據(jù)、設(shè)備數(shù)據(jù)、其他數(shù)據(jù)等。路網(wǎng)數(shù)據(jù)主要指快速路網(wǎng)、地面道路網(wǎng)、高速公路網(wǎng)數(shù)據(jù)；設(shè)備數(shù)據(jù)主要指各種采集源數(shù)據(jù)，包括：線圈數(shù)據(jù)、SCATS數(shù)據(jù)、卡口數(shù)據(jù)、GPS數(shù)據(jù)等；其他數(shù)據(jù)包括天氣數(shù)據(jù)、事故數(shù)據(jù)、違法數(shù)據(jù)等。各數(shù)據(jù)之間存在著相應(yīng)的關(guān)聯(lián)關(guān)系。

▲圖1：數(shù)據(jù)集成環(huán)境

路網(wǎng)數(shù)據(jù)以及設(shè)備點位需要在GIS圖層中進(jìn)行配置，建立相應(yīng)的關(guān)聯(lián)關(guān)系。上海市浦東新區(qū)的道路圖層與卡口圖層如圖2、圖3所示。

▲圖2：道路圖層

▲圖3：卡口圖層

數(shù)據(jù)組織模型

數(shù)據(jù)組織是溝通輸入數(shù)據(jù)和輸出數(shù)據(jù)之間的橋梁，是數(shù)據(jù)標(biāo)準(zhǔn)化建設(shè)中的關(guān)鍵階段，是整個研判應(yīng)用開展的基礎(chǔ)條件。將各自管轄范圍內(nèi)的人、車和路數(shù)據(jù)按照應(yīng)用方向進(jìn)行組織，形成數(shù)據(jù)組織的標(biāo)準(zhǔn)化。

數(shù)據(jù)組織模型不僅關(guān)注數(shù)據(jù)的含義和表示，還關(guān)注數(shù)據(jù)中的各對象間的關(guān)聯(lián)關(guān)系、拓?fù)潢P(guān)系等，包括設(shè)備和道路對象從屬關(guān)系，道路對象層次關(guān)系和道路拓?fù)潢P(guān)系等。人、車、路的數(shù)據(jù)組織模型如圖4所示。

▲圖4：數(shù)據(jù)組織模型

研判應(yīng)用標(biāo)準(zhǔn)化建設(shè)

由于大數(shù)據(jù)存在領(lǐng)域廣泛、存儲處理產(chǎn)品眾多，不僅大數(shù)據(jù)的定義、相關(guān)術(shù)語、分類、 架構(gòu)等方面缺乏統(tǒng)一描述，各種大數(shù)據(jù)產(chǎn)品的技術(shù)要求也不盡相同， 這種現(xiàn)狀一定程度上阻礙了大數(shù)據(jù)產(chǎn)業(yè)的良性發(fā)展。對于交通領(lǐng)域的大數(shù)據(jù)發(fā)展，針對研判應(yīng)用，需要建立相應(yīng)的標(biāo)準(zhǔn)化建設(shè)流程。

研判應(yīng)用分析內(nèi)容

研判應(yīng)用根據(jù)研究對象的不同分為人、車、路三個方面。研判應(yīng)用分析框架如圖5所示。

對車的研究主要是車牌快速檢索、車牌數(shù)據(jù)分析、車牌屬地分析、套牌分析、非法運營車輛分析、區(qū)域出行分析、虛假號牌分析；對人的研究主要是人群密度中宏觀分析、人群密度OD分析、軌道客流分析；對路的研究主要是道路指數(shù)分析、快速路擁堵狀態(tài)分析。

▲圖5∶研判應(yīng)用分析內(nèi)容

研判應(yīng)用分析的標(biāo)準(zhǔn)化流程

建立適用于城市交通領(lǐng)域的大數(shù)據(jù)分析流程和方法，能夠?qū)崿F(xiàn)簡單的數(shù)據(jù)分析到工程化應(yīng)用的過渡。無論是對人、車、路進(jìn)行研究時，研判應(yīng)用都需要進(jìn)行標(biāo)準(zhǔn)化研究。

在對這些研判應(yīng)用進(jìn)行研究時的標(biāo)準(zhǔn)化流程如圖6所示。

▲圖6：研判應(yīng)用標(biāo)準(zhǔn)化建設(shè)流程

數(shù)據(jù)配置

依托數(shù)據(jù)集成環(huán)境，抽取研判專題的個性化路網(wǎng)基礎(chǔ)配置、對象配置及數(shù)據(jù)表結(jié)構(gòu)和地址，生成專題配置文件。

數(shù)據(jù)預(yù)處理及質(zhì)量監(jiān)控

研判系統(tǒng)保存原始數(shù)據(jù)不進(jìn)行數(shù)據(jù)質(zhì)量檢查，但在研判應(yīng)用環(huán)節(jié)，將根據(jù)精度需求對各類數(shù)據(jù)進(jìn)行預(yù)處理及質(zhì)量監(jiān)控和修補(bǔ)，對接入數(shù)據(jù)的完整性、一致性和有效性進(jìn)行檢查，通過數(shù)據(jù)碰撞及數(shù)據(jù)質(zhì)量算法過濾異常數(shù)據(jù)，標(biāo)識并剔除異常數(shù)據(jù)。數(shù)據(jù)預(yù)處理及質(zhì)量監(jiān)控的流程如圖7所示。

▲圖7：數(shù)據(jù)預(yù)處理及質(zhì)量監(jiān)控

分類與聚合

研判應(yīng)用所服務(wù)的業(yè)務(wù)條線，都存在按照主題、業(yè)務(wù)、時間、空間及對象分類的特征，在進(jìn)行個性化專題分析中，數(shù)據(jù)分類是前置條件；有些數(shù)據(jù)分類過于分散的情況，需要進(jìn)行歸類聚合，此功能是開展統(tǒng)計和挖掘的前置功能單元。

參數(shù)提取

通過原始數(shù)據(jù)“物理變化”提取基礎(chǔ)模型參數(shù)，如20s流量生成1min流量，單元段車速生成發(fā)布段車速等，基礎(chǔ)參數(shù)提取與研判應(yīng)用需求相關(guān)，是算法模型及指標(biāo)計算的前置功能單元。

算法模型

研判指標(biāo)計算和結(jié)果輸出需要構(gòu)建獨立的算法模型，如擁堵分析、路口指數(shù)等，算法單元將完成基礎(chǔ)數(shù)據(jù)的“化學(xué)變化”，得到特定目標(biāo)參數(shù)。

統(tǒng)計分析

按照時間維度對參數(shù)、指標(biāo)及輸出結(jié)果進(jìn)行統(tǒng)計，如按照天、周、月和年，早高峰、晚高峰等，以及按照地域、空間、人群、類型進(jìn)行分類統(tǒng)計，統(tǒng)計分析功能是所有研判應(yīng)用的必備功能單元。

挖掘分析

挖掘分析為通過海量歷史數(shù)據(jù)創(chuàng)建規(guī)律，按照時間維度、空間維度識別規(guī)律的差異性，常規(guī)特征及異常特征，發(fā)現(xiàn)數(shù)據(jù)背后的現(xiàn)實情況，該功能是連續(xù)數(shù)據(jù)類研判應(yīng)用的必備功能單元。

關(guān)聯(lián)分析

通過數(shù)據(jù)碰撞發(fā)現(xiàn)新問題和新特征，是研判系統(tǒng)的主要工作，關(guān)聯(lián)分析依托數(shù)據(jù)集成環(huán)境，對與目標(biāo)分析對象的研判應(yīng)用建立關(guān)聯(lián)分析，是研判應(yīng)用進(jìn)行業(yè)務(wù)方向轉(zhuǎn)換與主題遷移的必備功能單元。

可視化展示

所有的研判應(yīng)用都將創(chuàng)建可視化展示，直觀反應(yīng)研判應(yīng)用的分析結(jié)果，便于相關(guān)部門進(jìn)行執(zhí)法管理。

案例分析

根據(jù)以上的研判應(yīng)用標(biāo)準(zhǔn)化建設(shè)流程，以車輛研判應(yīng)用作為具體實例，分析數(shù)據(jù)應(yīng)用情況。本節(jié)將詳細(xì)描述黑車研判應(yīng)用的流程，以及可視化展示的具體功能。

黑車研判應(yīng)用分析流程

以車輛出行數(shù)據(jù)為基礎(chǔ)，分析交通出行行為?；谝阎獨v史黑車軌跡行為，創(chuàng)建黑車識別算法模型，對卡口歷史過車數(shù)據(jù)進(jìn)行疑似黑車識別與挖掘，并將黑車疑似名單交由相關(guān)部門進(jìn)行緝查。黑車研判應(yīng)用分析流程如圖8所示。

▲圖8：黑車研判應(yīng)用分析流程

黑車研判應(yīng)用分析結(jié)果

黑車研判應(yīng)用可視化展示分為3個部分：疑似黑車信息、黑車活動規(guī)律、黑車過車記錄。

疑似黑車信息

以月為單位，根據(jù)已查黑車及軌跡分析確認(rèn)疑似黑車清單，并按照疑似度排序。疑似黑車信息如圖9所示。

▲圖9：可疑黑車清單

黑車活動規(guī)律

黑車活動規(guī)律顯示黑車出現(xiàn)的小時統(tǒng)計表、月統(tǒng)計表、周統(tǒng)計表、黑車經(jīng)過卡口次數(shù)前十排行，如圖10所示。

按小時統(tǒng)計規(guī)律：以小時為單位，統(tǒng)計黑車在一天中主要活動時間的小時分布，后續(xù)補(bǔ)充同類車輛的主分布時間規(guī)律，對比觀察黑車異常出行時間特征。

按天統(tǒng)計規(guī)律：以月為單位，分析疑似黑車的活動天數(shù)，黑車出行活動具有不規(guī)律性和偶然高發(fā)日期特性。

按周統(tǒng)計規(guī)律：以周為單位，分析工作日及雙休日期間，黑車出行活動規(guī)律不同常規(guī)車輛。

按抓拍次數(shù)由高到低（卡口前10）統(tǒng)計：以卡口斷面為對象，提取被抓拍位置，按照由高到低排序。

▲圖10：黑車分析結(jié)果

黑車過車記錄

黑車過車記錄顯示該車輛最近一周的過車記錄，具體包括黑車經(jīng)過地點、經(jīng)過時間以及過車圖片，如圖11所示。

▲圖11：黑車識別結(jié)果

結(jié)語

本文分析大數(shù)據(jù)環(huán)境下的研判應(yīng)用標(biāo)準(zhǔn)化建設(shè)，包括數(shù)據(jù)標(biāo)準(zhǔn)化、和研判應(yīng)用標(biāo)準(zhǔn)化建設(shè)流程。根據(jù)實例，對車輛研判中的黑車進(jìn)行分析，分析了黑車的可疑識別清單，以及黑車的活動行為，為相關(guān)部門的管理、派警緝查等提供了有效幫助。大數(shù)據(jù)標(biāo)準(zhǔn)化是大數(shù)據(jù)行業(yè)良性發(fā)展的基礎(chǔ)之一，本文研究的標(biāo)準(zhǔn)化建設(shè)將為大數(shù)據(jù)的研判應(yīng)用提供技術(shù)支持。