摘要：

高速公路运营管理部门在公众有需求、监管有要求的背景下，急需利用新技术挖掘现有数据价值，为高速公路服务区的运营监管和公众出行服务提供先进的管理手段。本文在充分分析高速公路服务区监管面临的问题以及高质量出行服务需求的基础上，阐述了利用大数据技术构建的高速公路服务区大数据智慧服务平台的总体架构、关键技术以及服务区智慧化分析应用，运用大数据打造高速公路行业发展的新优势。

关键词： 大数据  混搭架构  机器学习 大数据挖掘  服务资源调度  Hadoop

 

一、概述

在经济和信息科技发达的现代社会，公众对高速公路出行质量的要求越来越高，高速公路服务区的功能定位也在逐步发生着改变，传统的服务模式已经不能完全满足现代大众的出行要求。我国交通部近期明确提出，要求以服务社会公众安全便捷出行为主线，加快推动公路服务区质量变革、效率变革、动力变革，进一步提升公路服务区的服务质量，从而更好地满足人民群众日益增长的美好生活需要。因此，提高对服务区的监管效率，提升服务区的公众服务能力，是摆在高速公路运营管理者面前急需解决的问题。

针对目前高速公路服务区运营管理面临的问题，中国信科集团旗下大唐电信科技股份有限公司（简称：大唐电信）以高速公路服务区智慧化管理与服务需求为导向，以创新为动力，以大数据、云计算、人工智能等新技术为核心支撑，设计和构建了高速公路服务区大数据智慧服务平台，面向服务区行业监管人员和司乘人员，实现对高速公路服务区协同监管、公众服务所需海量信息资源的全面规划整合和业务价值挖掘，提高高速公路交通服务资源的使用效率和应用水平。

 

二、平台总体架构及关键技术

2.1 平台总体架构

高速公路服务区大数据智慧服务平台在遵循先进、实用、开放与共享等设计原则的前提下，采用“平台+分析应用”的形式，以大唐电信通用大数据平台的包括引擎库、算法库、工具库在内的基础能力为核心构建，并结合高速公路行业在大数据整合、管理、分析挖掘、可视化等方面的具体需求，提供面向智慧服务区的大数据分析应用。

大唐电信高速公路服务区大数据智慧服务平台总体架构如下图所示：

 

图1  高速公路服务区大数据智慧服务平台总体架构图

 

如上图所示，平台采用分层设计，自下而上包括基础软硬件层、信息资源层、大数据支撑平台层以及智慧服务区大数据应用层。平台由面向交通管理领域应用的、可复用的通用服务能力组件构成，支持高可用及横向扩展的分布式架构，支持分布式大数据存储，内嵌多种交通数据分析模型，增强数据的深度挖掘能力，支持全面高效的大数据高维检索，支持可视化服务。平台的分层架构设计有利于提升各层能力的专业化水平和共享化水平，利用系统、数据与应用间解耦，提升相关数据服务与数据应用的开发效率。

平台通过对服务区设施状态数据、人流及车流量、服务区环境监测以及人员物资等应急资源数据进行汇聚整合、分析挖掘，形成满足服务区运营监管、应急决策以及公众出行服务需求的智慧服务区大数据分析应用，为决策者提供先进的智慧化管理手段。

 

2.2平台关键技术

Ÿ 混搭架构的全数据处理引擎技术

混搭架构的全数据处理引擎技术，针对结构化、非/半结构化的数据进行融合存储、统一查询，采用MPP数据库存储结构化数据，而半结构化数据、非结构化数据存储在分布式文件系统上，以满足多源异构海量数据的存储需求。MPP计算引擎和Hadoop计算引擎分别负责结构化和非/半结构化大数据的计算处理任务。大数据混搭存储平台内部结构以MPP超大规模集群融合Hadoop Hive为基础，集成Spark计算引擎。大数据处理子平台对上层应用提供统一的计算模型、统一的访问接口、统一的管理配置，以及统一的安全保障，并实现与spark的深度融合。

以MPP数据库 + Hadoop全数据处理引擎技术来构建的大数据存储平台架构如下图所示:

 

图2  大数据混搭存储平台架构示意图

混搭架构的全数据处理引擎关键技术的采用，为应用提供了统一的接入方式和查询语言，从而降低了平台的维护和开发成本。

Ÿ 深度学习与特征提取结合的车辆目标检测技术

基于视频图像对行驶中的车辆进行目标检测，为路段车流量统计及服务区车辆驶入率的精准预测提供依据，对于服务区的人车调度及运营分析具有重要的指导意义。

深度学习与特征提取结合的车辆目标检测技术是采用统计特征分析及深度学习相结合的方法，针对多种车辆及车型特点建立多样性数据样本库，同时结合传统特征以及关联的规则判别方法，设计多层卷积神经网络通过大规模数据训练获取基于深度学习的表达特征，并与传统的基于统计的特征相融合，形成区分能力更强的目标特征向量，从而实现多车种全天候车辆的检测识别。重点解决车辆的检测判别难题，并且能够根据实际的需求进行有针对性的调整进而提升多种场景下的综合检测效果。

 

三、智慧服务区大数据分析应用

面向服务区管理和公众服务，高速公路服务区大数据智慧服务平台可以实现如下大数据分析应用：

3.1 服务区运营监管分析

通过对大数据的分析和挖掘，实现对全网各服务区吃、住、行等服务设施资源的供给情况、服务区安全运营情况以及对驻留各服务区车流人流的动态变化情况等的可视化在线分析与预警。分析后的成果数据能够共享给行业监管部门及经营业主等，便于管理部者随时掌握全网服务区资源的供给情况以及安全运营状态，实现对全网服务区的运营及安全监管。

3.2 服务区应急决策分析

通过对重点服务区车流数据、车辆分布数据、服务区车流量人流量预测数据以及应急物资储备数据等进行关联分析和挖掘，在发生重大突发事件时，为管理者对服务区停车、餐饮、油料、住宿、人员配置、应急物资的调配和调度决策等提供精准的数据支撑，并为实现道路滞留车辆到可用服务区的引导和道路的提前分流等提供决策的依据。

3.3 公众出行服务分析

平台通过对服务区人流、车流、物流周转、行为习惯、消费喜好等进行在线跟踪与挖掘分析，可以实现主动为行驶中的车辆推荐前方可用服务资源信息，实现车辆的智能引导。通过大数据分析实现服务资源的动态调节，不仅为公众在出行前和出行中提供服务区资源的精准服务，缓解了服务区和道路拥堵，而且还可以通过关联分析服务区周边旅游资源以通过旅游导引缓解景区拥堵，提升景区的利用率，从而为过往的车辆及人员提供更优质、更人性化的出行服务。

 

四、平台在高速公路运营管理中的应用价值

高速公路服务区大数据智慧服务平台通过对数据资源在高速公路行业内外部的高效流动、处理和访问，盘活了行业数据资产，实现了对行业数据价值的挖掘，解决了服务区行业监管不及时、管理决策和服务效率低下、不够人性化等问题，为更好地满足人民群众日益增长的高质量出行需求提供了必要的技术手段，促进了高速公路运营管理水平和公众服务能力的提升。同时，大数据赋能高速公路服务区智慧化管理，推动了互联网、大数据、人工智能和实体经济的深度融合，为高速公路服务区的发展提供前所未有的广阔前景，运用大数据打造了高速公路行业发展的新优势。

上一篇 : BMS电池管理芯片

下一篇 : 国内外大数据标准化现状及发展方向