摘 要：通過(guò)分析信息化建設(shè)脈絡(luò)中高速公路數(shù)據(jù)的海量產(chǎn)生，結(jié)構(gòu)復(fù)雜的海量數(shù)據(jù)存儲(chǔ)及處理，闡述大數(shù)據(jù)平臺(tái)在智慧高速建設(shè)中的作用，總結(jié)大數(shù)據(jù)在智慧高速中的客戶(hù)服務(wù)、運(yùn)營(yíng)優(yōu)化、稽查分析、應(yīng)急資源調(diào)度、預(yù)測(cè)預(yù)警等方面的具體應(yīng)用，對(duì)交通指揮中心工作提供支持。

關(guān)鍵詞：智慧高速 分布式數(shù)據(jù)處理 數(shù)據(jù)挖掘 客戶(hù)服務(wù) 優(yōu)化運(yùn)營(yíng) 預(yù)測(cè)預(yù)警

Abstract：This paper analyzes the effect of big data platform in the construction of expressway construction by analyzing the mass production of expressway data and the complicated data storage and processing in the context of information construction, summarizes the customer service and operation optimization of big data in expressway, inspection and analysis, emergency resource scheduling, forecasting and early warning of specific applications, so as to provide support for the traffic command center.

Key words：intelligence expressway; distributed data processing; data mining; customer service; operation optimization; forecasting early warning

引言

隨著經(jīng)濟(jì)社會(huì)的發(fā)展，城市人口持續(xù)增長(zhǎng)，數(shù)量持續(xù)增長(zhǎng)的車(chē)輛給交通基礎(chǔ)設(shè)施通行能力帶來(lái)極大壓力。交通擁堵、交通事故、環(huán)境污染及能源短缺已成為目前面臨的重要問(wèn)題，尤其在高速公路交通管理尤其變得更加明顯。如何有效利用傳統(tǒng)的高速公路數(shù)據(jù)與設(shè)備，提高交通運(yùn)輸效率、安全性、整體效益，提高交通的科學(xué)管理和組織服務(wù)水平是管理者迫切需要解決的問(wèn)題。

車(chē)輛在高速公路上，本身的動(dòng)作及設(shè)備會(huì)產(chǎn)生海量數(shù)據(jù)，在沒(méi)有大數(shù)據(jù)平臺(tái)之前，高速公路上產(chǎn)生的數(shù)據(jù)分門(mén)別類(lèi)的分布在Oracle、MySQL等數(shù)據(jù)庫(kù)中，因?yàn)楦髯蕴幚碚Z(yǔ)言不同，在剛使用時(shí)分析速度尚且可以，但隨著數(shù)據(jù)量越來(lái)越多，查詢(xún)調(diào)用越來(lái)越頻繁，速度變得越來(lái)越慢，無(wú)法滿(mǎn)足高速管理需求。

高速公路數(shù)據(jù)產(chǎn)生

高速公路的信息化建設(shè)包含從基建到信息記錄等多個(gè)層面。所有的環(huán)節(jié)都在不停地產(chǎn)生數(shù)據(jù)，成為智慧高速中的海量數(shù)據(jù)來(lái)源。首先是高速公路的硬件和基礎(chǔ)設(shè)施，當(dāng)一輛車(chē)開(kāi)進(jìn)收費(fèi)站，先經(jīng)過(guò)地下預(yù)埋的地感線(xiàn)圈，經(jīng)過(guò)地板線(xiàn)圈進(jìn)行切割磁力線(xiàn)，產(chǎn)生很弱的電流，車(chē)輛開(kāi)進(jìn)來(lái)會(huì)由定焦在地感線(xiàn)圈的攝像機(jī)拍一張圖片，產(chǎn)生車(chē)輛進(jìn)入收費(fèi)站的第一個(gè)數(shù)據(jù)。繼而遞交收費(fèi)卡、讀卡、寫(xiě)卡，寫(xiě)卡的同時(shí)計(jì)算從A點(diǎn)到B點(diǎn)的費(fèi)用，每一個(gè)動(dòng)作都在產(chǎn)生數(shù)據(jù)。高速公路收費(fèi)還涉及更加復(fù)雜的情況，如起點(diǎn)A到終點(diǎn)B，中間經(jīng)過(guò)三段高速公路，三段的收費(fèi)主體不同，需要在收費(fèi)的金額上進(jìn)行三個(gè)收費(fèi)主體的拆分，這涉及到后臺(tái)的數(shù)據(jù)計(jì)算。所以一輛車(chē)從進(jìn)入收費(fèi)口到駛離收費(fèi)口，至少會(huì)產(chǎn)生兩張圖片，十余條流水?dāng)?shù)據(jù)，同時(shí)還會(huì)產(chǎn)生車(chē)道攝像和停位攝像等大量的視頻信息。

產(chǎn)生大量車(chē)輛數(shù)據(jù)的同時(shí)，收費(fèi)員的動(dòng)作，如按抬桿鍵、放行鍵、軍車(chē)鍵等，也會(huì)產(chǎn)生數(shù)據(jù)記錄，方便后續(xù)稽查時(shí)的圖片分析，避免逃費(fèi)等行為。設(shè)備本身也會(huì)產(chǎn)生大量數(shù)據(jù)，比如抬桿、打票、紅綠燈轉(zhuǎn)換，全部都會(huì)產(chǎn)生日志信息進(jìn)入數(shù)據(jù)庫(kù)，這還只是收費(fèi)相關(guān)的數(shù)據(jù)信息。在看不到的地面上，還會(huì)存在很多信息采集系統(tǒng)，比如地磁式傳感器、攝像頭，檢測(cè)車(chē)輛通過(guò)時(shí)的平均速度、平均車(chē)間距和平均占有率等等信息，大量數(shù)據(jù)都會(huì)進(jìn)入數(shù)據(jù)庫(kù)，進(jìn)行后續(xù)的存儲(chǔ)分析。一輛車(chē)在駛離高速公路時(shí)，已經(jīng)產(chǎn)生了大量的數(shù)據(jù)信息，其中包含結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)、流數(shù)據(jù)等多種數(shù)據(jù)形式。

大數(shù)據(jù)平臺(tái)架構(gòu)設(shè)計(jì)及數(shù)據(jù)處理

高速公路上產(chǎn)生的海量數(shù)據(jù)，需要一個(gè)企業(yè)級(jí)的大數(shù)據(jù)平臺(tái)，對(duì)數(shù)據(jù)進(jìn)行分門(mén)別類(lèi)的存儲(chǔ)管理，TDH企業(yè)級(jí)一站式大數(shù)據(jù)平臺(tái)，以分布式架構(gòu)對(duì)數(shù)據(jù)進(jìn)行存儲(chǔ)和計(jì)算，并在此基礎(chǔ)上進(jìn)行數(shù)據(jù)處理和應(yīng)用。

大數(shù)據(jù)平臺(tái)架構(gòu)設(shè)計(jì)

數(shù)據(jù)進(jìn)入大數(shù)據(jù)平臺(tái)，上游業(yè)務(wù)系統(tǒng)中的數(shù)據(jù)，通過(guò)文件交換或Sqoop方式同步到大數(shù)據(jù)平臺(tái)的貼源層，然后經(jīng)過(guò)批處理加工后，形成明細(xì)層、匯總層和模型層。對(duì)于歷史數(shù)據(jù)，比如收費(fèi)站入口流水表和出口流水表，選擇存儲(chǔ)在Search引擎中，可以進(jìn)行快速的歷史數(shù)據(jù)檢索。對(duì)于非結(jié)構(gòu)化數(shù)據(jù)，例如圖片和視頻影像，選擇存儲(chǔ)在Hyperbase引擎中。同時(shí)，為了提高大數(shù)據(jù)平臺(tái)的數(shù)據(jù)質(zhì)量，使用Governor管理元數(shù)據(jù)(包括表和存儲(chǔ)過(guò)程)，監(jiān)控所有數(shù)據(jù)的更改歷史，進(jìn)行數(shù)據(jù)血緣分析和影響分析。對(duì)上層的基于大數(shù)據(jù)平臺(tái)的應(yīng)用，可以使用標(biāo)準(zhǔn)的JDBC或ODBC與大數(shù)據(jù)平臺(tái)進(jìn)行連接，對(duì)數(shù)據(jù)挖掘需求，如節(jié)假日車(chē)流量預(yù)測(cè)、高速路擁堵程度預(yù)測(cè)等，可以圖形化拖拽機(jī)器學(xué)習(xí)平臺(tái)Sophon組件進(jìn)行預(yù)測(cè)，如圖1所示。

 ▲圖1大數(shù)據(jù)平臺(tái)架構(gòu)

高速公路的數(shù)據(jù)存儲(chǔ)及處理

高速公路中產(chǎn)生的車(chē)輛動(dòng)作和收費(fèi)員動(dòng)作、信息采集系統(tǒng)等產(chǎn)生的海量數(shù)據(jù)都進(jìn)入大數(shù)據(jù)平臺(tái)進(jìn)行存儲(chǔ)和處理。這些結(jié)構(gòu)復(fù)雜，形式多樣的海量數(shù)據(jù)，對(duì)數(shù)據(jù)存儲(chǔ)和處理提出了很高的要求。大數(shù)據(jù)平臺(tái)支持兼容Oracle 、DB2 、Teradata數(shù)據(jù)庫(kù)/數(shù)據(jù)倉(cāng)庫(kù)SQL方言，可以輕松的將數(shù)據(jù)從傳統(tǒng)架構(gòu)中進(jìn)行遷移，所以方便應(yīng)用研發(fā)人員利用這一特性實(shí)現(xiàn)數(shù)據(jù)處理核心的升級(jí)換代。同時(shí)，TDH支持低延時(shí)和高吞吐的實(shí)時(shí)計(jì)算場(chǎng)景，可實(shí)現(xiàn)基礎(chǔ)結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)和流數(shù)據(jù)的存儲(chǔ)，并隨時(shí)無(wú)縫擴(kuò)容。大數(shù)據(jù)平臺(tái)基本架構(gòu)在于，對(duì)全省高速路網(wǎng)監(jiān)控收費(fèi)運(yùn)營(yíng)數(shù)據(jù)進(jìn)行采集和整合，進(jìn)入數(shù)據(jù)中心，基礎(chǔ)數(shù)據(jù)庫(kù)經(jīng)過(guò)大數(shù)據(jù)平臺(tái)處理形成專(zhuān)題數(shù)據(jù)庫(kù)，然后將路網(wǎng)設(shè)備設(shè)施等資源統(tǒng)一融合，形成GIS和視頻支撐平臺(tái)，繼而在集成平臺(tái)以GIS和視頻平臺(tái)做支撐形成五大應(yīng)用系統(tǒng)相互協(xié)作，最終在終端設(shè)置，如監(jiān)控中心的監(jiān)控大屏、會(huì)商室顯示、普通的監(jiān)控工作站、移動(dòng)終端等設(shè)備上進(jìn)行展示和發(fā)布。

高速公路大數(shù)據(jù)由幾個(gè)大的部分構(gòu)成：高速收費(fèi)數(shù)據(jù)主要應(yīng)用于收費(fèi)管理、風(fēng)險(xiǎn)管理、運(yùn)營(yíng)優(yōu)化;監(jiān)控設(shè)備數(shù)據(jù)主要應(yīng)用于視頻監(jiān)控、運(yùn)營(yíng)管理、指揮調(diào)度;交調(diào)設(shè)備數(shù)據(jù)主要應(yīng)用于基礎(chǔ)采集、運(yùn)營(yíng)管理、指揮調(diào)度。交通數(shù)據(jù)尤其是視頻數(shù)據(jù)和圖像數(shù)據(jù)，在一個(gè)省份數(shù)萬(wàn)個(gè)攝像頭下，以TB量級(jí)甚至PB量級(jí)增長(zhǎng)，數(shù)據(jù)量巨大，在大數(shù)據(jù)平臺(tái)支撐下，完成平滑擴(kuò)容和查詢(xún)分析等業(yè)務(wù)應(yīng)用。

智慧高速中的大數(shù)據(jù)應(yīng)用

大數(shù)據(jù)平臺(tái)的處理

大數(shù)據(jù)平臺(tái)把實(shí)時(shí)數(shù)據(jù)，包括高速公路上的收費(fèi)、監(jiān)控等實(shí)時(shí)數(shù)據(jù)上傳，與傳統(tǒng)業(yè)務(wù)數(shù)據(jù)進(jìn)行整合，包括一些城市交通等外聯(lián)單位的歷史數(shù)據(jù)。將各類(lèi)結(jié)構(gòu)化、非結(jié)構(gòu)化、半結(jié)構(gòu)化的數(shù)據(jù)，包括監(jiān)控圖像、抓拍信息、收費(fèi)日志和視頻等信息，進(jìn)行數(shù)據(jù)集成、數(shù)據(jù)轉(zhuǎn)換處理，然后各自建模分析，形成專(zhuān)題數(shù)據(jù)，把專(zhuān)題數(shù)據(jù)應(yīng)用到相應(yīng)的應(yīng)用系統(tǒng)中，提供支撐。

主要應(yīng)用方面

大數(shù)據(jù)在高速中的應(yīng)用主要包括以下幾方面：

(1)客戶(hù)服務(wù)。在ETC用戶(hù)管理與車(chē)輛引導(dǎo)中，主要使用Apriori算法進(jìn)行關(guān)聯(lián)分析，提供客戶(hù)增值服務(wù)和精準(zhǔn)信息推送，同時(shí)滿(mǎn)足客戶(hù)關(guān)系管理的要求。可以根據(jù)客戶(hù)的車(chē)輛遷徙路線(xiàn)等分析，進(jìn)行相關(guān)的路線(xiàn)信息推送等。

在ETC用戶(hù)管理與車(chē)輛引導(dǎo)中，基于客戶(hù)歷史遷徙路線(xiàn)和商品購(gòu)買(mǎi)歷史，運(yùn)用高維矩陣分解方法，發(fā)現(xiàn)客戶(hù)購(gòu)買(mǎi)偏好和潛在需求以及出行規(guī)律。當(dāng)客戶(hù)通過(guò)ETC時(shí)，實(shí)時(shí)拍照識(shí)別鑒定客戶(hù)之后，基于客戶(hù)車(chē)輛歷史通過(guò)卡口數(shù)據(jù)，調(diào)用訓(xùn)練好在線(xiàn)數(shù)據(jù)挖掘模型，可以以大數(shù)據(jù)可視化的方式顯示出來(lái)客戶(hù)遷徙路線(xiàn)，并預(yù)測(cè)出客戶(hù)未來(lái)遷徙線(xiàn)路，進(jìn)而進(jìn)行精準(zhǔn)的地點(diǎn)線(xiàn)路信息推送。

路線(xiàn)遷徙的可視化和路線(xiàn)預(yù)測(cè)的建模過(guò)程如下：

利用大數(shù)據(jù)可視化方法，不僅可以詳細(xì)每個(gè)車(chē)輛在地圖上車(chē)輛行駛軌跡，而且可以顯示所有車(chē)輛的運(yùn)行總線(xiàn)路。例如春運(yùn)年前的時(shí)候，可以看到小轎車(chē)大部分都是從北上廣深流向中西部城市，年后的時(shí)候大部分車(chē)輛向北上廣深匯集。再者，某個(gè)客運(yùn)或者貨車(chē)司機(jī)的路線(xiàn)有其固定的運(yùn)行線(xiàn)路。路線(xiàn)預(yù)測(cè)建模過(guò)程如下：

基于客戶(hù)信息、車(chē)輛信息、車(chē)輛通過(guò)何時(shí)通過(guò)卡口數(shù)據(jù)歷史數(shù)據(jù)，利用關(guān)聯(lián)分析和高維矩陣分解方法，找到車(chē)輛和卡口進(jìn)出對(duì)應(yīng)關(guān)系，預(yù)測(cè)客戶(hù)在下一段時(shí)間會(huì)通過(guò)的卡口，進(jìn)而預(yù)測(cè)車(chē)輛行駛軌跡，從而提供精準(zhǔn)的信息推送。

(2)運(yùn)營(yíng)優(yōu)化。通過(guò)流式機(jī)器學(xué)習(xí)實(shí)現(xiàn)時(shí)效分析，提前預(yù)警，協(xié)同各單位指揮調(diào)度;在進(jìn)入大數(shù)據(jù)平臺(tái)之后，通過(guò)數(shù)據(jù)分析，可以通過(guò)高速公路熱點(diǎn)視頻查看，進(jìn)行自動(dòng)推送;建立領(lǐng)導(dǎo)駕駛艙，設(shè)定流量排名，為優(yōu)化運(yùn)營(yíng)提供決策依據(jù)。

通過(guò)流式機(jī)器學(xué)習(xí)實(shí)現(xiàn)時(shí)效分析，提前預(yù)警，協(xié)同各單位指揮調(diào)度;在進(jìn)入大數(shù)據(jù)平臺(tái)之后，通過(guò)數(shù)據(jù)分析，可以通過(guò)高速公路熱點(diǎn)視頻查看，進(jìn)行自動(dòng)推送;建立領(lǐng)導(dǎo)駕駛艙，設(shè)定流量排名，為優(yōu)化運(yùn)營(yíng)提供決策依據(jù)?；趕ophon的在線(xiàn)的流式增量機(jī)器學(xué)習(xí)算法，開(kāi)發(fā)時(shí)空深度殘差網(wǎng)絡(luò)(ST-ResNet)預(yù)測(cè)車(chē)輛密度。例如把高速公路，劃成很多個(gè)矩形小區(qū)域，多個(gè)區(qū)域同時(shí)分析，它是一種整體性的預(yù)測(cè)。主要基于平滑性、周期性以及趨勢(shì)性等三個(gè)個(gè)時(shí)間屬性 以及空時(shí)間屬性和外部天氣數(shù)據(jù)。

第一，模擬局部相鄰時(shí)刻。它是一個(gè)平滑的過(guò)程，比如中午三點(diǎn)跟中午四點(diǎn)流量變化不會(huì)很大。

第二，模擬周期性。把對(duì)應(yīng)時(shí)間點(diǎn)昨天、前天、近一周平均、近一個(gè)月平均這個(gè)時(shí)刻的數(shù)據(jù)，作為輸入，來(lái)刻畫(huà)周期性。

第三，模擬趨勢(shì)性。把當(dāng)前時(shí)間點(diǎn)更遠(yuǎn)點(diǎn)(前推半個(gè)、一個(gè)小時(shí))的時(shí)間點(diǎn)(例如昨天、上周、上個(gè)月)的數(shù)據(jù)，模擬趨勢(shì)性。

第四，抽取空間屬性。利用深度卷積神經(jīng)網(wǎng)絡(luò)，把一些地區(qū)劃成子區(qū)域之后，相關(guān)的區(qū)域做會(huì)做卷積運(yùn)算并合并，通過(guò)卷積之后，抓住了這個(gè)區(qū)域周?chē)能?chē)輛流量的相關(guān)性。這樣卷積多次之后，相當(dāng)于把更遠(yuǎn)相關(guān)區(qū)域的屬性的影響都聚合到一起了。

基于這四個(gè)結(jié)果，系統(tǒng)再做一個(gè)融合。第一部分融合，就是只考慮它的時(shí)間和空間屬性。再考慮外部因素，比如最近的附近天氣數(shù)據(jù)拿做第二次融合得到最終結(jié)果。

(3)稽查分析。通過(guò)在Inceptor中對(duì)原始交易流水費(fèi)分析，提供逃費(fèi)稽查、出入口流水對(duì)比等異常行為的分析服務(wù)。

通過(guò)在Inceptor中對(duì)原始的交易流水統(tǒng)計(jì)分析，抽取車(chē)輛逃費(fèi)稽查和出入口流量相關(guān)歷史特征，具體有，車(chē)輛最近一周、最近一個(gè)月、最近半年的繳費(fèi)信息，繳費(fèi)卡口每天每個(gè)時(shí)間點(diǎn)的出入流量信息。

利用discover模型融合方法，融合時(shí)序預(yù)測(cè)模型和異常檢測(cè)模型，效果較單獨(dú)一種方法提升1.6倍。具體實(shí)現(xiàn)如下：

首先，利用discover大數(shù)據(jù)分布式自動(dòng)的時(shí)序預(yù)測(cè)方法，預(yù)測(cè)此卡口的當(dāng)前流量，并和當(dāng)前實(shí)際的出入情況對(duì)比，如果當(dāng)前流量少于預(yù)測(cè)流量，則可能有逃費(fèi)稽查情況出現(xiàn);其次，利用分布式異常檢測(cè)算法iforest和無(wú)監(jiān)督算法深度自編碼器檢測(cè)數(shù)據(jù)異常，發(fā)現(xiàn)行為詭異車(chē)輛，業(yè)界先進(jìn)的iforest和深度自編碼器算法可以自動(dòng)異常檢測(cè)此種逃費(fèi)稽查的車(chē)輛，會(huì)和平時(shí)它的繳費(fèi)習(xí)慣不同，也會(huì)和其自前所屬群體的習(xí)慣有所偏離，綜合的偏離程度月的，逃費(fèi)的概率越大。最后，利用非線(xiàn)性模型融合的方法，融合時(shí)序預(yù)測(cè)模型和異常檢測(cè)模型兩者的優(yōu)點(diǎn)，能更準(zhǔn)確的定位異常行為的車(chē)輛，為車(chē)輛稽查分析提供智能。

(4)聯(lián)合指揮。通過(guò)各項(xiàng)數(shù)據(jù)在Inceptor中的匯總和分析，綜合呈現(xiàn)各相關(guān)數(shù)據(jù)，形成聯(lián)合指揮?；趹?yīng)急資源管理、路網(wǎng)交通協(xié)同調(diào)度、應(yīng)急預(yù)案管理、處置效果評(píng)估、無(wú)人機(jī)監(jiān)控等模塊，實(shí)現(xiàn)交警、消防、路政等多部門(mén)聯(lián)動(dòng)響應(yīng)，為各類(lèi)交通事件條件下的路網(wǎng)協(xié)同控制和誘導(dǎo)管理提供可視化管理界面和決策支持。

(5)應(yīng)急資源調(diào)度。借助Inceptor的大規(guī)模數(shù)據(jù)處理能力，整合傳統(tǒng)的應(yīng)急資源設(shè)備與資源，協(xié)同建立最優(yōu)化的調(diào)度。應(yīng)急指揮調(diào)度系統(tǒng)可以采取“掛圖作戰(zhàn)”的形式進(jìn)行，有效地保證在出現(xiàn)特殊情況時(shí)可以采取科學(xué)的應(yīng)急措施，積極、快速、有序地處理各類(lèi)事件，保障高速公路的正常、安全運(yùn)行，實(shí)現(xiàn)應(yīng)急指揮、應(yīng)急資源和應(yīng)急過(guò)程的信息化管理。

(6)預(yù)測(cè)預(yù)警。擴(kuò)充傳統(tǒng)全面風(fēng)險(xiǎn)管理的數(shù)據(jù)維度，在交通預(yù)警等角度分析，提前告知用戶(hù)。根據(jù)往年節(jié)假日各收費(fèi)站流量統(tǒng)計(jì)數(shù)據(jù)，通過(guò)分析算法對(duì)本年節(jié)假日流量做出預(yù)測(cè)并進(jìn)行排名。預(yù)測(cè)值是否超過(guò)對(duì)應(yīng)收費(fèi)站設(shè)定的報(bào)警門(mén)限，可以根據(jù)顏色分級(jí)進(jìn)行預(yù)警。根據(jù)歷史通行數(shù)據(jù)對(duì)車(chē)流量進(jìn)行分析和預(yù)測(cè)，為節(jié)假日高峰時(shí)段的安全暢通發(fā)出預(yù)警、提前采取保暢措施，為高速路網(wǎng)的安全暢通提供保障。

基于對(duì)各收費(fèi)站實(shí)時(shí)數(shù)據(jù)的分析結(jié)果，可以對(duì)平日車(chē)流量按站點(diǎn)、小時(shí)/天分別進(jìn)行統(tǒng)計(jì)得到時(shí)間序列，ARIMA是做時(shí)間序列預(yù)測(cè)較為成熟的模型，分別對(duì)該時(shí)間時(shí)間序列采用ARIMA自回歸進(jìn)行建模，然后對(duì)未來(lái)一個(gè)周期的數(shù)據(jù)進(jìn)行預(yù)測(cè)。ARIMA全稱(chēng)為自回歸積分滑動(dòng)平均模型，可以記作ARIMA(p,d,q)，其中p為自回歸項(xiàng)，d為差分階數(shù)，q為移動(dòng)平均項(xiàng)數(shù)，通過(guò)ARIMA模型可以對(duì)收費(fèi)站某個(gè)時(shí)段流量進(jìn)行預(yù)測(cè)與應(yīng)用，從而提升對(duì)車(chē)流量的預(yù)測(cè)預(yù)警。

(7)資產(chǎn)管理。結(jié)合Inceptor和workflow，實(shí)現(xiàn)交通設(shè)備資產(chǎn)全生命周期管理，包括設(shè)備故障預(yù)測(cè)、質(zhì)量分析等;通過(guò)設(shè)備監(jiān)控專(zhuān)題，可以對(duì)高速公路外場(chǎng)設(shè)備如車(chē)檢器、攝像機(jī)、氣象站、情報(bào)板、GPS車(chē)輛及無(wú)人機(jī)等進(jìn)行基于GIS地圖的一體化監(jiān)控;點(diǎn)擊設(shè)備圖標(biāo)即可查看各種設(shè)備的狀態(tài)、數(shù)據(jù)及圖像。

結(jié)合Inceptor和workflow，實(shí)現(xiàn)交通設(shè)備資產(chǎn)全生命周期管理，包括設(shè)備故障預(yù)測(cè)、質(zhì)量分析等;通過(guò)設(shè)備監(jiān)控專(zhuān)題，可以對(duì)高速公路外場(chǎng)設(shè)備如車(chē)檢器、攝像機(jī)、氣象站、情報(bào)板、GPS車(chē)輛及無(wú)人機(jī)等進(jìn)行基于GIS地圖的一體化監(jiān)控;點(diǎn)擊設(shè)備圖標(biāo)即可查看各種設(shè)備的狀態(tài)、數(shù)據(jù)及圖像。

基于新老設(shè)備的歷史數(shù)據(jù)，建立設(shè)別的壽命預(yù)測(cè)，可以大大降低故障率，及時(shí)對(duì)故障進(jìn)行預(yù)警，并及時(shí)更換設(shè)備。抽取樣本從當(dāng)前狀態(tài)到達(dá)設(shè)備不能使用或者故障的狀態(tài)所經(jīng)過(guò)的時(shí)間作為樣本標(biāo)簽，設(shè)備的各種溫度、電壓、電流、功率、脈沖，表面數(shù)字清晰度、當(dāng)前個(gè)指標(biāo)的誤差等作為特征，從而基于這些的建立訓(xùn)練數(shù)據(jù)，訓(xùn)練一個(gè)GBDT模型。經(jīng)過(guò)交叉驗(yàn)證，證明此壽命預(yù)測(cè)模型的精度高于90%。

總體來(lái)講，通過(guò)Slipstream的流式處理，Inceptor的復(fù)雜邏輯數(shù)據(jù)加工，Discover和Sophon的數(shù)據(jù)挖掘和分析，可以及時(shí)、高效、全面地對(duì)高速場(chǎng)景和業(yè)務(wù)進(jìn)行深度優(yōu)化處理，為“智慧高速”的構(gòu)建提供了強(qiáng)有力的支撐。

結(jié)語(yǔ)

現(xiàn)在，在平臺(tái)上的技術(shù)應(yīng)用與數(shù)據(jù)分析已經(jīng)發(fā)展到集合機(jī)器學(xué)習(xí)和深度學(xué)習(xí)階段，應(yīng)用中算法模型也會(huì)不斷根據(jù)新的數(shù)據(jù)進(jìn)行迭代學(xué)習(xí)。同時(shí)，隨著物聯(lián)網(wǎng)建設(shè)的推進(jìn)，產(chǎn)生更多海量的數(shù)據(jù)，數(shù)據(jù)處理和應(yīng)用的價(jià)值將得到進(jìn)一步體現(xiàn)。高速公路的數(shù)據(jù)將和更多的行業(yè)數(shù)據(jù)打通進(jìn)行跨界應(yīng)用，讓高速公路更加“智慧”，并應(yīng)用到實(shí)際的場(chǎng)景中。