作者：中國信科集團大唐電信

摘要：

高速公路運營管理部門在公眾有需求、監管有要求的背景下，急需利用新技術挖掘現有數據價值，為高速公路服務區的運營監管和公眾出行服務提供先進的管理手段。本文在充分分析高速公路服務區監管面臨的問題以及高質量出行服務需求的基礎上，闡述了利用大數據技術構建的高速公路服務區大數據智慧服務平臺的總體架構、關鍵技術以及服務區智慧化分析應用，運用大數據打造高速公路行業發展的新優勢。

關鍵詞：?大數據 混搭架構 機器學習 大數據挖掘 服務資源調度 Hadoop

一、概述

在經濟和信息科技發達的現代社會，公眾對高速公路出行質量的要求越來越高，高速公路服務區的功能定位也在逐步發生著改變，傳統的服務模式已經不能完全滿足現代大眾的出行要求。我國交通部近期明確提出，要求以服務社會公眾安全便捷出行為主線，加快推動公路服務區質量變革、效率變革、動力變革，進一步提升公路服務區的服務質量，從而更好地滿足人民群眾日益增長的美好生活需要。因此，提高對服務區的監管效率，提升服務區的公眾服務能力，是擺在高速公路運營管理者面前急需解決的問題。

針對目前高速公路服務區運營管理面臨的問題，中國信科集團旗下大唐電信科技股份有限公司（簡稱：大唐電信）以高速公路服務區智慧化管理與服務需求為導向，以創新為動力，以大數據、云計算、人工智能等新技術為核心支撐，設計和構建了高速公路服務區大數據智慧服務平臺，面向服務區行業監管人員和司乘人員，實現對高速公路服務區協同監管、公眾服務所需海量信息資源的全面規劃整合和業務價值挖掘，提高高速公路交通服務資源的使用效率和應用水平。

二、平臺總體架構及關鍵技術

2.1 平臺總體架構

高速公路服務區大數據智慧服務平臺在遵循先進、實用、開放與共享等設計原則的前提下，采用“平臺+分析應用”的形式，以大唐電信通用大數據平臺的包括引擎庫、算法庫、工具庫在內的基礎能力為核心構建，并結合高速公路行業在大數據整合、管理、分析挖掘、可視化等方面的具體需求，提供面向智慧服務區的大數據分析應用。

大唐電信高速公路服務區大數據智慧服務平臺總體架構如下圖所示：

圖1 高速公路服務區大數據智慧服務平臺總體架構圖

如上圖所示，平臺采用分層設計，自下而上包括基礎軟硬件層、信息資源層、大數據支撐平臺層以及智慧服務區大數據應用層。平臺由面向交通管理領域應用的、可復用的通用服務能力組件構成，支持高可用及橫向擴展的分布式架構，支持分布式大數據存儲，內嵌多種交通數據分析模型，增強數據的深度挖掘能力，支持全面高效的大數據高維檢索，支持可視化服務。平臺的分層架構設計有利于提升各層能力的專業化水平和共享化水平，利用系統、數據與應用間解耦，提升相關數據服務與數據應用的開發效率。

平臺通過對服務區設施狀態數據、人流及車流量、服務區環境監測以及人員物資等應急資源數據進行匯聚整合、分析挖掘，形成滿足服務區運營監管、應急決策以及公眾出行服務需求的智慧服務區大數據分析應用，為決策者提供先進的智慧化管理手段。

2.2平臺關鍵技術

混搭架構的全數據處理引擎技術

混搭架構的全數據處理引擎技術，針對結構化、非/半結構化的數據進行融合存儲、統一查詢，采用MPP數據庫存儲結構化數據，而半結構化數據、非結構化數據存儲在分布式文件系統上，以滿足多源異構海量數據的存儲需求。MPP計算引擎和Hadoop計算引擎分別負責結構化和非/半結構化大數據的計算處理任務。大數據混搭存儲平臺內部結構以MPP超大規模集群融合Hadoop Hive為基礎，集成Spark計算引擎。大數據處理子平臺對上層應用提供統一的計算模型、統一的訪問接口、統一的管理配置，以及統一的安全保障，并實現與spark的深度融合。

以MPP數據庫 + Hadoop全數據處理引擎技術來構建的大數據存儲平臺架構如下圖所示:

圖2 大數據混搭存儲平臺架構示意圖

混搭架構的全數據處理引擎關鍵技術的采用，為應用提供了統一的接入方式和查詢語言，從而降低了平臺的維護和開發成本。

深度學習與特征提取結合的車輛目標檢測技術

基于視頻圖像對行駛中的車輛進行目標檢測，為路段車流量統計及服務區車輛駛入率的精準預測提供依據，對于服務區的人車調度及運營分析具有重要的指導意義。

深度學習與特征提取結合的車輛目標檢測技術是采用統計特征分析及深度學習相結合的方法，針對多種車輛及車型特點建立多樣性數據樣本庫，同時結合傳統特征以及關聯的規則判別方法，設計多層卷積神經網絡通過大規模數據訓練獲取基于深度學習的表達特征，并與傳統的基于統計的特征相融合，形成區分能力更強的目標特征向量，從而實現多車種全天候車輛的檢測識別。重點解決車輛的檢測判別難題，并且能夠根據實際的需求進行有針對性的調整進而提升多種場景下的綜合檢測效果。

三、智慧服務區大數據分析應用

面向服務區管理和公眾服務，高速公路服務區大數據智慧服務平臺可以實現如下大數據分析應用：

3.1 服務區運營監管分析

通過對大數據的分析和挖掘，實現對全網各服務區吃、住、行等服務設施資源的供給情況、服務區安全運營情況以及對駐留各服務區車流人流的動態變化情況等的可視化在線分析與預警。分析后的成果數據能夠共享給行業監管部門及經營業主等，便于管理部者隨時掌握全網服務區資源的供給情況以及安全運營狀態，實現對全網服務區的運營及安全監管。

3.2 服務區應急決策分析

通過對重點服務區車流數據、車輛分布數據、服務區車流量人流量預測數據以及應急物資儲備數據等進行關聯分析和挖掘，在發生重大突發事件時，為管理者對服務區停車、餐飲、油料、住宿、人員配置、應急物資的調配和調度決策等提供精準的數據支撐，并為實現道路滯留車輛到可用服務區的引導和道路的提前分流等提供決策的依據。

3.3 公眾出行服務分析

平臺通過對服務區人流、車流、物流周轉、行為習慣、消費喜好等進行在線跟蹤與挖掘分析，可以實現主動為行駛中的車輛推薦前方可用服務資源信息，實現車輛的智能引導。通過大數據分析實現服務資源的動態調節，不僅為公眾在出行前和出行中提供服務區資源的精準服務，緩解了服務區和道路擁堵，而且還可以通過關聯分析服務區周邊旅游資源以通過旅游導引緩解景區擁堵，提升景區的利用率，從而為過往的車輛及人員提供更優質、更人性化的出行服務。

四、平臺在高速公路運營管理中的應用價值

高速公路服務區大數據智慧服務平臺通過對數據資源在高速公路行業內外部的高效流動、處理和訪問，盤活了行業數據資產，實現了對行業數據價值的挖掘，解決了服務區行業監管不及時、管理決策和服務效率低下、不夠人性化等問題，為更好地滿足人民群眾日益增長的高質量出行需求提供了必要的技術手段，促進了高速公路運營管理水平和公眾服務能力的提升。同時，大數據賦能高速公路服務區智慧化管理，推動了互聯網、大數據、人工智能和實體經濟的深度融合，為高速公路服務區的發展提供前所未有的廣闊前景，運用大數據打造了高速公路行業發展的新優勢。