闫冰：基于交通大数据的警情自动识别技术研究

2017年5月5日，由中国智能交通协会、公安部道路交通安全研究中心和中国人民公安大学交通管理学院联合举办的“第四届中国（上海）城市智能交通创新发展论坛”在“2017中国（上海）国际交通工程、智能交通技术与设施展览会”期间成功召开，来自交管部门、高等院校和科研院所共21位专家出席，本次会议主题为“ITS，助力城市交通缓堵”。青岛市交警支队指挥中心闫冰主任发表《基于交通大数据的警情自动识别技术研究》的主题演讲，本文根据录音材料整理，未经演讲本人审核。

　　闫冰：尊敬的吴理事长，尚主任，王院长，各位老师，领导，还有同仁，上午好！

　　非常感谢大会给了这样一个机会，让我们来汇报一下青岛在交通管理方面的一些工作。我汇报的题目是：警情自动识别技术研究，是我们做的智能交通系统的应用。

　　今年上半年，习书记到人民日报社视察的时候提出了一个融媒体中央厨房的概念，提出了信息的采集、信息的分析和信息的流转发布的要求。实际交通管理也是这样，整个管理过程是对交通感知、交通控制，交通运行评估以及相关服务的过程，这些环节相辅相成。我们现在的管理还有很大的提升空间，这个空间来自于什么？来自于压缩我们内部的管理流程，管理流程耗费的时间。比如今年在深圳的城市交通管理现场工作会上，我们展示了青岛的现代警务模式，核心思想就是提高用警效率，提高发现处置的效率，提高服务社会的能力。在这里要感谢好多老师对我们的指导，也包括在座的好多专家。

　　我们今天的汇报分为四部分：第一是青岛市智能交通发展概况；第二是数据的来源和处置能力，就是自动识别技术；第三是应用效果，其中有八个自动发现的手段；最后是一个具体的应用案例。

　　青岛市智能交通发展概况

　　青岛智能交通从2012年进入设计阶段开始，一直到现在，现在在做二期的建设。青岛智能交通的建设主要方向，第一个就是提出了两个一体化：第一个智能交通建设和交通组织的一体化推进，不是单纯建智能交通；第二个一体化，交通组织的一体化推进，也就是交通组织优化措施和交通信号优化的一起推行。二期建设中提出了建设协同创新平台，下一步我们将把采集到的所有数据在互联网上向科研院所开放，院所研究的成果也可以反哺、指导我们的交通管理，这是青岛智能交通建设的方式、方向。一期投资是7.1亿，二期还要分四期投资5.3亿，整个智能交通系统的建成之后，基本上将覆盖全市的主要干道、快速路以及重要次干道。我们当时也做了统筹设计，原来是市管三城区，后来把跟城区密切的区市统一接入，统筹设计统一实施建设。

　　数据的来源和处置能力

　　首先是数据采集，第一个数据来源，道路上的流量检测器，第二复用电警卡口过车记录，第三信号机数据，第四互联网大数据等等，我们考虑把数据融合支撑一些应用。数据的处理能力，百亿条的处理、查询，是秒级查询，模糊查询是3秒；图象特征是1分钟以内。现在数据量达到了200亿左右，查询的能力仍然保持这个速度。

　　汇报一下八种自动识别技术。

　　第一个就是基于固定检测器的判别技术，根据在道路上布设的各类检测器，现在检测器部署的密度超过了我们的需求标准，大约是250米一个，主要的节点、快速路还要更密一些，这都是我们的自有数据。（图）这个都是交通参数，这些数据都要有。我们主要是利用交通流的基本参数波动来判断道路上是不是有警情、异常停车排队等各类交通事件来自动报警，然后人工确认警情，从而提高发现警情、事故的处置效率，这里有一个核心的数据、技术，基于历史路况的警情判定。

　　第二个基于旅行时间的判别。这是根据卡口的旅行时间来判别旅行时间的波动，从而判别是不是有交通事件的出现，交通事件的出现必然带来速度的变化，单纯的以车辆通过的速度变化来判断警情。这个方法需要算法的完善以及数学概率统计。

　　第三个基于图象二次识别的警情自动识别技术。主要利用现有监控设备的复用主要在高速公路管控上使用，高速公路发现警情的速度，决定了高速公路的安全管理问题的多寡、严重程度，高速公路所发生的很多事故都是因为恶劣天气、交通事件带来的二次事故，有时候一次事故的后果、严重性没那么严重，但二次事故造成的影响非常大。所以高速路警情的主动发现非常关键。城市交通管理是一种勤务的管理，在高速公路上，设备的启用要求设备快速的发现各类的天气、交通事件、交通事故，同时复用现在的卡口和视频监控，通过视频图象来分析高速公路是不是有雾，有交通事件，从而充分挖掘现有的设备资源，快速的发现警情。现在各位领导看到的（PPT），就是我们开发的图象识别，发现道路情况的过程。

　　第四个基于互联网数据的警情自动识别技术。主要跟高德百度做一些合作，因为交警在高速公路上没有太多检测器，但是高速公路上使用导航的车辆非常多，导航的车越多，速度数据越准。从高德百度那里，我们现在拿到了最小距离的数据，最小的一百米左右，根据速度的变化，来判断交通天气、交通事故等。比如有大雾时，车辆不会在雾大的时候保持高车速，团雾出现可能带来车速的陡降，从而根据速度的陡降判断是否有警情，是否有恶劣天气。

　　第五个是基于手机信令的技术。很多地方都在用，但是应用过程当中我们发现这个效果不是太好，因为手机信令数据的准确度取决于基站的密度，密度过大就会造成LINK过大，过大造成判别的实时、准确性、位置准确性没那么好，确认警情没那么准确。其次是，市区用很难用手机信令数据来区分驾驶员的行为特征，是开私家车还是骑自行车你不清楚，得到的交通流不太准，只能做做交通的分析。当然，这是一个方向。

　　第六是交通舆情的监测。现在做了网络爬虫，做了舆情的分析平台，实时的分析移动互联网上的各种交通舆情。因为现在进入移动互联网时代，好多交通路况，智能手机用户会把路况发上来，从而将其作为一个警情。

　　第七第八都是传统的方式，一个视频识别，第二个警情巡逻。在这就不多说。

　　案例

　　这是一个视频的案例。这个是青岛的一路段，这个是一个自主警情的确认页面，这是我们设置的参数变化预警，比如50%的变化，系统会显示是哪个位置出现了警情。然后人工通过视频验证后，就进行处理，调完之后再确认，这是5月3号实时的一个路面交通的变化。警情自动识别的延时取决于交通流采集数据上传的时间，现在上传的时间大约1分钟。

　　我的汇报结束了，谢谢大家。