近日，在由公安部交通管理局组织开展的“全国公安交管大数据建模比武竞赛”决赛中，西安交警“基于多源数据融合的交通拥堵预警与快速处置模型”荣获大赛二等奖，受到了公安部交管局领导、公安部交通科研所专家和陕西省交警总队领导的一致好评。模型由四维图新旗下专业大数据公司世纪高通提供相关数据和平台支撑，该奖项的获得也是行业给予世纪高通对西安交警科技研发、实战应用等方面长期付出的认可和肯定。

图1：基于多源数据融合的交通拥堵预警与快速处置模型

“基于多源数据融合的交通拥堵预警与快速处置模型”依托大数据及AI技术，结合交警实际业务难点，融合模型算法打造而成，主要包括交通拥堵短时预测报警、巡逻线路优化、最优派警推荐、人车标签分类等四个算法。该模型以西安交警城市大脑实战指挥平台为载体，聚焦服务实战应用，全面提升实战效能。

该模型投入实战后，帮助西安交警实现了在警情感知、派警策略、巡逻路线及现场核查方面的四个转变，每起警情全流程快速处置为此最快可节约8分钟。

一、警情感知由被动接警向提前预警转变

常态问题：道路监控覆盖范围有限，警情主动发现能力有限，主要依靠122报警及人工视频巡查被动发现，缺乏主动发现及预警机制。

解决方案：利用交通拥堵短时预测报警定制算法，将实时车速、路段、天气、时段、特殊事件、历史数据等与平均车速相关性强的六个维度的特征数据进行预处理，建立并训练深度学习网络，实现平均车速的短时预测。根据预警算法实时监测道路交通运行情况，可提前3分钟预警拥堵路段，模型算法已经覆盖106条主干道，日均预警180起，实现了警情发现由被动接警向提前预警转变。

图2：交通拥堵短时预测报警

二、派警策略由随机派警向最优派警转变

常态问题：传统电台派警机制存在随机性，只考虑了距离，忽略了警员综合处置最优性，如专业特长、交通方式及当前状态等，影响警情处置效率。

解决方案：依托海量数据优势，创新建立了警员多维度评价方法，根据疏导时长、巡逻里程、事故处理量、现场执法量等数据，为每一位警员刻画警员画像。并结合警情位置、警力分布、警员状态、交通工具，模型整合多种算法，快速计算出最优的派警推荐（技能最优、路径最优），派警策略由随机派警向最优派警转变，一次派警成功率提升至95%。

图3：最优派警推荐

三、巡逻路线由经验方案向最优方案转变

常态问题：警力分布不均衡和警员巡逻线路固化，易出现巡逻盲区，延时处置现象普遍存在，影响警情处置水平。

解决方案：根据警力数量、拥堵路段、事故多发点，模型整合多种算法，自动生成周期最短巡逻线路推荐。该算法首次为警力部署合理性科学性提供了算法和数据支撑，创新提出最短巡逻线路推荐和警力分布不均衡预警，实现了巡逻路线由经验方案向最优方案转变，5分钟到达现场率上升至90%。

图4：巡逻线路优化

四、现场核查由人工核查向大数据主动推送转变

常态问题：现场核查手段低效，采用人工核查手段，无法主动、智能核查警情相关车辆及当事人信息，缺乏当事人潜在违法和风险等级数据支撑。

解决方案：对交通违法、事故、随手拍举报、卡口过车等数据进行多维度关联分析，创新提出人、车、路三大交管主题标签库。根据报警信息，快速计算当事人驾驶行为特征、安全等级和潜在违法，将现场核查所需的全量信息实时推送至警务通，提高现场核查效率。警情核查由人工核查向大数据主动推送转变，每天推送情报信息500余例。

​图5：人车标签分类

西安交警方面表示，对于世纪高通多年的协作联手、共同调研，以及在科技研发、实战创新等方面的辛苦付出表示感谢，双方长期以来的合作非常成功，对西安交警信息化、智能化建设提供了大力的支持和帮助！西安交警通过世纪高通的科技实力促进了科技能力的不断增长，成功打造了一支科技型交警队伍，为持续取得好成绩奠定了坚实的基础。未来，希望世纪高通运用海量的位置大数据和专业的算法，围绕西安交警业务需求持续深入开展研发合作，不断优化提升实战应用效果，为不断满足人民群众对安全顺畅出行的需求，创造新业绩、作出新贡献。

世纪高通作为四维图新旗下专业大数据公司，在位置大数据技术及智能化应用方面积累了丰富的经验。具有自主知识产权的MineData位置大数据平台，数据总量6.96 PB，日增量4.2TB/天。公司基于交通大数据算法支撑业务创新与落地能力、大数据深度融合应用能力及GIS大数据全链路服务能力等三大行业优势，针对交警领域核心业务，推出了交警大数据平台，并和多地交警部门展开了合作。

当前，迈向国际化大都市的西安，正在进行日新月异的大建设、大发展，“十四运”也即将在古都举办。面对新形势下的新挑战、新要求，交通管理将迎来全新的考验和挑战。未来 ，世纪高通期待和西安交警继续携手，立足实战、创新引领，持续打造“用数据研判、用数据决策、用数据治理”的城市交通治理模式，全力推动西安城市智慧交通建设。

来源：北国网

免责声明：本文来源于网络，仅代表作者本人观点，与TechWeb无关。凡来源非TechWeb的新闻（作品）只代表本网传播该消息，并不代表赞同其观点。TechWeb对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任