包勇强:我国公安交通管理大数据应用现状与成果 - 调查与观点 - 智慧交通网 ITS114.COM|中国智能交通领先的门户网站
  • 包勇强:我国公安交通管理大数据应用现状与成果

    2018-07-05 09:13:31 来源:www.ladysslipper.com 评论:
    分享到:

    6月 29 日,由工业和信息化部、北京市人民政府主办,千方科技承办的第22届北京国际软件博览会-交通大数据论坛在北京西苑饭店举行。公安部交通管理科学研究所副所长包勇强发表了《公安交通管理大数据应用》的演讲,本文由演讲速记整理,未经演讲者本人审核。

    图片1.png

    包勇强:很高兴来参加今天的论坛。我的分享主要围绕交通管理工作的大数据应用展开。

    我们交科所一直把信息化作为核心发展战略,努力用先进的信息技术实现交通管理的深度融合,为执法办案、打击犯罪服务提供支持。其中的核心任务之一,就是全国交管信息系统的设计开发、推广应用和运营维护。另外就是基于这些交管信息系统进行大数据资源的应用。

    讲到大数据,首先要有数据,交管系统的数据实际上就是源于近十几年以来,我们实施的几个重大的全国性信息化项目。

    第一,以机动车驾驶员为核心的信息化管理平台建设

    系统建设背景就是在我国机动车驾驶员快速增长的情况下,实现对机动车驾驶员信息以及相关业务的规范、高效管理,确保基础数据的准确鲜活。我们按照统一数据标准,统一法定流程,统一核心软件,统一推广应用,设计开发了业务深度融合,资源高度共享的综合应用平台。这个平台目前管理了我国3.9亿的驾驶人和3.1亿的机动车信息,汇聚了机动车管理的车辆信息、驾驶员,包括剧毒化学品运输、交通事故的处理,交通违法等。也就是说,除了3.9亿的驾驶员和3.1亿辆机动车,每年还有6亿多的交通违法数据和数百万的交通事故信息。作为交管业务核心的支撑平台,交管的窗口业务全部靠这平台实现一网办理。目前已经实现了规模化的应用,平台里面已经有55万个用户,除了28万交警用户,还有协警等也在用。每年大概办理9亿多笔业务,每天上传公安部的业务数据有1000多万条。

    机动车驾驶员作为国家的基础信息,我们实现了大范围的信息共享应用。在公安内部,驾驶员信息跟人口基础信息,包括在逃人员,吸毒,盗抢车等等数据都实现了共享。对外方面,我们跟海关总署的进口车、电子口岸的数据,跟工信部的国产车数据,跟税务总局的购车发票和附加税数据,跟财政部的交通违法罚款缴款的数据,跟央行的跨省缴款数据,跟法院的交通事故、刑事案件的信息对接。同时我们还建立了信息服务平台,每天除了对接公安部统一开发的核心信息之外,还有各省市自行开发的一万多个系统提供了信息共享,每天来自他们的服务请求达到了5000万次。

    第二,基于全国主干公路网交通指挥平台的建设

    目前,我国道路建设速度很快,人流、车流大增长,存在路面的安全隐患和风险也很多。第一,“看不见”,也就是路面信息感知的问题,信息采集能力不足。第二“控不住”,“控不住”就是快速反应、跨省区间的协同反馈问题。第三,“打不准”,就是如何实现情报研判、精准推送。民警在路上执勤,不可能每个车都拦,拦什么样的车?哪些车有问题?哪些人是坏人?这需要精准的情报推送。

    在这种情况下,我们需要构建一个高效的指挥体系,来提升路面动态管控能力。我们设计开发了公安交通集成指挥平台,实现了地市、省到公安部三级的联网架构。纵向把部、省、市三级连起来,横向是跨省、跨区的指挥中心连起来,目前已经有29个省完成交通管理集成指挥平台建设,310个城市开展应用,每天实现精准地拦截1.2万次。目前我们已经把路面上的一些执法装备、视频监控以及卡口定位系统等,全部连到指挥平台里,总共45万套设备接入联网。

    我们建立了全国规模最大的公路执法装备物联网平台,平台里的点覆盖了全国主要的高速国道、省道的主要节点,路面图像、视频流。目前每天上传到交科所的数据信息是3.5亿条,而且规模还在扩大。

    大家看这个图,东部红点密度很大是因为设备联网的密度大,西部空白地区比较多一点。根据数据中心统计,现在每天大概有4.5亿条数据进入平台。传统基于Oracle数据库的存储架构没有办法支撑这么庞大的数据,所以我们设计嵌入了大数据云计算架构,目前布控的黑名单车辆,经过路面监控设备时能实现秒级响应。另外,现在汇聚了全国将近3000亿条车辆信息数据,如果在Oracle数据库查询,是跑不动的,只有用分布式数据库技术才能实现秒级响应。另外,还有路面车辆的过车数据,比如说车辆的轨迹信息,经过几个卡口传到公安部,平均一分钟就可以获得,当然这也要看每个地方的网络情况,还有其他一些条件。

    通过汇聚这些数据,利用人工智能技术实现结构化。比方说左边一辆车过去,我们采集图片的同时,也会把车牌号、类型、品牌型号都提取出来。一旦结构化之后,就可以跟后台数据库对比,如果发现假牌车、无牌车,或者是其他需要布控的车辆都能实现及时报警。大家可以看到(图),通过对图像、视频的结构分析发现问题,比如这个车里塞满人超员了,比如三轮车不能坐人,或者一个小面包车拉了很多人。原来这种情况只是依靠单纯警力在路面上巡逻,现在通过人工智能可以实现快速提醒。

    目前公安交通集成指挥平台在保障道路安全,打击犯罪,重大安保等方面都发挥了非常重要的作用。全国交警每天基于该系统,拦截查出假套牌车、违法未处理、逾期未报废等等严重的交通违法行为。同时,还协助禁毒等其他部门破获案件等等。另外,在重大安保方面,比如刚刚举办的青岛上合组织峰会和去年的厦门金砖国家峰会,我们都派出了技术人员到现场,保障平台的正常工作。

    第三,互联网交通安全服务平台建设

    我们设计开发了互联网交通安全服务平台以及手机12123 App,前者涵盖了手机约考、手机选号、网上交罚款、快速理赔等功能;12123APP已经成为 “交通管理+互联网服务”的一个品牌,目前实际注册用户1.8亿,App下载量1.7亿,日均访问量15000万次,服务群众超过7亿多次。

    目前,驾驶员用手机App约考驾校科目一、科目二、科目三的大概有4.2亿次。用手机在家里选号的有500多万人次。在网上交罚款处理的也有9000多万次,还有快速理赔流程。前几天我在苹果官网上看到一周内的APP下载热度排行榜,12123 APP排在抖音后面,第二位,第三才是微信。目前12123已经成为交通管理+互联网服务的品牌,前两天刚好在宁波开了全国交管“放管服”工作的部署,很多措施都要依托12123系统去实现。

    第四,大数据应用

    有了上面三个系统的建设,我们汇聚了海量的信息,怎么用?目前交科所里建立了一个大数据平台,数据分析研判的效益提升了将近100倍。交科所是全国交管数据中心,汇聚了海量大数据资源,包括170亿条机动车、驾驶员基础数据,包括车辆、驾驶员、交通事故、交通违法等信息;大约有2000亿条路面动态数据,每天数据增量4亿多;还有互联网的路况数据,与百度、高德共享信息。这些数据都是通过十多年来的信息化建设,通过信息系统的庞大用户规模积累起来的。

    这些数据,我们主要应用于路面管控、业务监管、信息安全、公众出行。以下是几个大数据的应用案例。

    01大数据+路面管控

    我国现有5000多个省际、市际的公安检查站和执法站,每天这么多的检查站,实际上都是后台海量数据在为路面执法检查的时候提供跨省机动车、高风险驾驶员等对比信息服务。通过大数据平台进行套牌车分析、流量预测、失驾驾驶员分析等。类似于这样的,先是以人找车,再以车找人等分析模型,在我们平台里都实战化应用了。同时,我们基于这么多的车辆轨迹,涉车的情报分析,也在为治安、刑侦,情报等部门服务。

    2大数据+业务监管

    这是一些重点违规业务的分析。比如说机动车违规体检,你说在北京年检,我在新疆又发现了你车辆轨迹,肯定是造假了。原本这样的数据是没法发现的,因为不知道是谁。但在平台里面,我们嵌入了GIS技术,去年做了违规年检分析之后,一下子发现了几百辆违规车辆,马上进行通报,也查处了很多的造假年检机构。

    3大数据+信息安全

    就是信息安全审计。比如说我们可以对系统里海量查询日志进行分析,通过用户查询的频次和内容,我们可以分析查询有没有异常,建立一个模型对查询的特征进行画像。比如某用户专查尾数是888的车,肯定就有问题,因为执法不可能这么查车,你专门查这些车的号码是有目的和利益在里面。这种模型的数据应用,我们已经进行日常化了,每个季度都在分析。

    4大数据+公路出行服务

    公路出行方面,我们主要跟百度、高德合作,把交通事故的多发点段,包括管制信息、轨迹信息,交换给互联网公司,然后他们把全国主干公路网的拥堵信息给我们,实现信息共享。在五一黄金周或者春运期间,分享路况信息。

    5大数据+信用评价

    这个是现在正在做的事情,目前还不成熟。我们希望利用这些海量的交通违法、交通事故数据,同时结合其他的信息开展机动车驾驶人交通信用研究。比如说我下载注册了12123手机App,我们搞一个交通安全信用分,就像芝麻信用。一打开就能查到驾驶人信用分。这个信用分,现在到底怎么用,还没想好,但是我觉得做这件事是有意义的,就是不同数据源进行建模处理,最后建立一个评价指标体系得出评分。

    图片2.png

    利用科技让道路交通更安全、更畅通,这是我们交科所的发展愿景。下一步,我们将坚持创新,加速推进交通管理工作与先进信息技术深度融合,提升交通管理的智能化、现代化水平,我就汇报这么多,谢谢大家。


  • 关键字: 交通管理 大数据
  •    责任编辑:梁兰春
  • 每周新闻精选

  • 关于我们
  • 联系我们
  • 广告赞助