基于大数据的高速公路运营管理

《基于大数据的高速公路运营管理》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、基于大数据的高速公路运营管理摘要：大数据概念的兴起，带动了各行各业的对大数据的讨论和重视，作为一名基层的高速公路从业者，笔者结合实际工作经验和大数据的应用前景对大数据在高速公路运营管理上的应用进行了阐释，分析了发展的难点并对发展的前景进行了展望。关键词：大数据运营管理高速公路应用从2011年开始大数据的概念就开始风靡中国，直到现在各行各业对大数据技术在实际的生产和生活中如何应用的讨论依旧不绝于耳。特别是《大数据时代》和《大数据：正在到来的数据革命》两本书在国内的畅销，以及两书作者在国内的演讲和讨论都座无虚席让平常百

2、姓对大数据的概念也从陌生到熟悉。那么，“大数据”到底是什么意思呢？笔者查了不少资料，到目前为止，各界对大数据还没有一个统一的概念或定义；这里我们可以参考一下《大数据：正在到来的数据革命》一书中的这个解释：“一般的软件工具难以捕捉、管理和分析的大容量数据，更大的意义在于通过对海量的数据的交换、整合和分析，发现新的知识，创造新的价值”。其实大数据并不是突然就有的概念，它是人类面对要处理的数据越来越多的情况下产生的，而对这些数据的再处理，笔者认为我们可以简单将其理解为“知其然而不知其所以然”。作为一名基层的高速公路管理者

3、，笔者试图结合安徽省高速公路运营管理和大数据的特点对高速公路未来的运营管理进行一些研究和探讨。一、高速公路运营现状及数据来源目前安徽省内的高速公路的管理者有3大主体，包括进行交通安全管理的高速交警、实施路产路权管理的高速路政以及从企业管理角度的高速公路业主单位。而高速公路的运营管理分为6个板块，包括交通安全管理、路政管理、收费管理、服务（区）管理、养护管理和监控管理，其中前两者分别由交通警察和公路路政部门来管理，其他则主要由高速公路运营公司来进行管理。全国大部分省市都和安徽类似，只是细节方面有所区别。每个管理板块每

4、天都会产生大量的数据，交警部门有事故等方面的数据、路政有路产路损方面的数据、收费站有每辆车子进出高速的数据、服务区有车辆休息时间以及维修等方面的数据；另外还有很多第三方数据，如地方道路和高速连接线的数据、高速周边医院和加油站的数据等。以皖通高速为例，2013年春节、清明、五一及国庆假期，公司共免收小型客车约316.9万辆，免收金额约为1.39亿元；同时，公司共减免绿色通道车辆约87.51万辆，减免金额约2.80亿元。这些仅仅是收费部门统计的数据，其他部门同样也会产生许多相关的数据。这些数据分布在不同部门，一个部门如

5、果想了解本部门不能第一手获取的资料有时候会花费几天的时间，这对于具体办事部门来说效率会低很多。二、大数据在高速公路运营管理上的应用方向虽然这6个管理板块由不同的部门来管理，但是每个管理板块每天都会产生大量的数据可以部分共享，例如事故地点时间、交通拥堵情况、路段限行限速等数据。在日常的运营管理的数据分析中，我们可以统计出哪些数据3个管理主体都会涉及，哪些数据分布在6个管理板块中，然后制定出“最小数据集”（指通过收集最少的数据，最好地掌握一个研究对象所具有的特点或一件事情、一份工作所处的状态，其核心是针对被观察的对象建

6、立一套精简实用的数据指标）。例如一辆货车在高速公路上行驶，那么在车辆上高速的时候，收费站会扫描车辆的号牌，然后根据号牌的信息发通行卡给驾驶员，这个时候这个车辆的相关信息应该传送到交警部门和路政部门，交警和路政可以根据其相关信息查询该车辆是否有违法违规或多次超限超载行为等，如果该车辆确有上述行为，交警和路政可以在沿途收费站和服务区布点进行下一步行动。1、在交通安全管理方面的应用在涂子沛的新书《数据之巅》中讲述了这样一个故事：2011年10月，美国佛罗里达州《太阳哨兵报》记者克斯汀因一退休警察超速行驶导致一起恶性交通事

7、故，她依据《信息自由法》向当地的交通管理部门申请数据开放，因此获得了110万条当地警车通过不同高速路口收费站的原始记录。克斯汀用了3个月的时间对这些记录进行了统计分析，她利用v=s/t这个公式得出在13个月期间，当地3900辆警车一共发生了5100宗超速事件，也就是说，警车超速的行为几乎每天都在发生。虽然故事讲述的只是大数据的一个简单应用，从得到的公开的数据，我们还能知道警车超速集中在哪些时间段，再根据警方内部数据，就能具体知道是哪些警察违法。交通警察可以利用先进的电子传感技术、数据传输技术、自动控制技术以及视频监

8、控设备、近场通讯设备、热成像设备等有效地建立起一套可以大范围、全方位复制的、可以发挥实时、高效、准确的交通安全管理系统；通过分析各个位置传感器传输过来的数据，可以得到一些数据之间的函数关系，例如通过分析车流量、天气状况、路面状况和车辆已上高速时间与事故发生时间地点各数据之间的相关性，并建模得到哪些情况哪些地点容易发生事故，提前通过如交通广播或微信等新媒体进行