一、概述
眾所周知，智能交通的核心應用，在于智能交通平臺；而智能交通平臺的核心，在于交通數據的綜合管理和應用。在當前的智能交通領域，基于大數據系統的交通管理和應用正在逐漸取代以前相對粗獷的交通管理模式，“治堵”、“管控”、“限行”、“精準打擊”、“科學決策”、“合理配時”等等字眼正在不斷地對新一代的智能交通平臺提出更高的要求。本文就以“如何精準打擊無真實號牌車輛”、“如何基于交通數據做交通管理行為的專項整治”、“如何利用交通大數據輔助交通組織優化”等三個經典數據應用，闡述數據時代下的智能交通綜合應用。

二、基于大數據的涉牌違法車輛的分析和研判
在路上的時候，我們經常會看到這樣的一些車輛，比如未懸掛號牌的、用光盤遮擋的、防撞裝置或者備胎遮擋號牌的、用泥漿、油漆污損號牌或者膠貼涂抹號牌的、可翻轉號牌架的車輛！

隨著下面此類新聞在不斷地映入我們的眼簾，與這些車輛相關性較大的關鍵詞往往就是遮牌、違法、事故、逃逸乃至死亡，我們不得不接受這樣一個事實——珍惜生命，遠離無牌車！
 
事實上，整治涉牌違法一直是交警最為重視的一項工作，而且在《道路交通安全法》中，對此類涉牌違法的處罰也是最嚴厲的！
但是此類車輛有一個共同的特征，即車輛號牌無法辨識或者不真實，所以不能通過號牌確定車輛的真實身份。而交警現役的非現場執法系統需要100%依賴準確看清車輛號牌，例如闖紅燈電子警察系統、超速卡口抓拍系統、違停取證系統以及手動抓拍系統等。
那么問題來了，怎樣在不知道車牌的情況下，打造一套可用于實戰的涉牌違法研判分析系統？
讓我們理一下思路，對無牌車輛怎么研判？車輛除了車牌外有什么其他的特征？車標、車身顏色、車型、品牌及子品牌、駕駛室特征……是不是有了以圖搜車的想法了？但是以前的以圖搜車為什么不能奏效呢？首先是不是搜車的準確率不高？其次是不是搜車的速度太慢？第三點是不是搜車跟后續的處罰的業務脫節了？那么好，理清楚問題，我們是不是有了更好的方向了？
這就是非常典型的數據時代下，針對車輛研判的大數據研判系統：通過二次識別的云分析給出車輛數據精準結構化描述；全文檢索引擎將這些結構數據進行檢索優化；智能交通綜合平臺通過數據比對列出相似度從高到低車輛，從而確定目標車輛真實號牌。與以往的車輛研判相比提升的是，基于大數據全文檢索引擎下的搜索速度更快；基于云分析系統下的二次識別和車輛建模準確度更高。

以下就是國內某一線城市，交警支隊基于大數據系統的以圖搜車的實際應用案例。

三、基于大數據的科學輔助決策和專項整治
近日來，隨著北京、深圳、廣州等一線城市采取禁電禁摩等措施的實行，交通管理的科學性又再次被推到了輿論的的風口浪尖上。那么面對這種特定交通違法行為或者交通管理痛點，有沒有一種特別好的科學輔助決策系統，讓交通管理行為不成為懶政、庸政，不將交通管理者推向公眾百姓的對立面，讓城市交通管理更有針對性，且更卓有成效呢？
實際上基于大數據下的輔助決策專項整治系統，需要從以下幾個面為精細化交通管理帶來好處：
1) 提供面向新的交通問題的治理手段：利用人工智能和機器智能，提供新的交通研判功能，例如高速公路車輛多次超速以及故意篡改號牌，確定車輛的違法行為；

2) 提供信息輔助決策系統，利用管控平臺強大的數據存儲、處理和分揀能力，與自身的交通違法信息庫以及六合一違法信息庫對接后，提供強大的違法信息時空分布規律，從而讓交警開展專項整治行動時真正做到有的放矢。

3) 提供專項整治行動業務流程，針對不同的專項整治行動，能夠結合實際的業務應用，提供專項整治行動數據源輸入，整治行動過程以及整治行動結果的完整應用流程。
4) 提供強大的專項整治行動報表，能夠為交警用戶提供強大、詳細的整治行動報表，報表能夠清晰地顯示出整治行動開展前的違法信息分布情況，以及開展專項整治行動之后的違法信息分布情況，從而準確科學地評估專項整治行動開展的效果。
以下就是基于這種應用如何管控不按規定線路行駛的渣土車專項整治：
當前，全國的各大主流城市都在如火如荼地開展城市基礎設施建設，因此產生了數量龐大的工地數量以及工程渣土。一般來說，城市交通部門是專門劃定了施工工地渣土的傾倒區域，而且為了不影響其他城市交通，一般規定在夜里的某個時間段內允許渣土車輛進行傾倒。但是現實中，由于渣土車司機的收入來源與貨運的次數成正比，因此出于利益驅使，有些不法分子就會選擇不按規定時間在未規定的區域進行渣土傾倒。而大貨車闖禁專項整治行動就可以協助交通管理者對此類行為提供很好的解決辦法。
此類闖禁的大貨車，再很大程度上存在著一些車輛套牌、號牌故意污損或者遮擋以及車輛超速的情況，同時由于不按規定路線以及時間內行車，往往又會導致擾民或者交通安全事故的發生，因此在122/110/119三臺合一系統中往往會登記此類信息。那么針對非法渣土車的專項整治查處就可以從套牌車輛分析、超速車輛分析以及大貨車闖禁專項整治等幾個方面聯合進行考慮。
如何判斷大貨車是否按既定路線行駛，可以按這個邏輯進行思考：
1、行車路線上如果存在連續的卡口，那么可以根據連續多個卡口描繪工程車行車軌跡；
2、行車路線上若沒有可以形成行車軌跡的多個卡口，那么統計工程車在單個卡口的出行頻率，若是在短期內出沒頻率遠遠大于應該按正常行駛可能經過單個卡口的出行頻率，就可以推斷為不按路線行駛提前返回；
如何判斷大貨車是否有套牌的行為？
1、平臺側把該區域所有可能出沒的工程車的車牌信息進行統一手工錄入，或者通過與六合一數據庫的對比將工程車的數據自動同步，然后分析該區域的異常工程車車牌號碼，以確認是否有車輛改牌情況的發生；
2、在工地出入口必經的道路上設置多個卡口，采用類似于平臺在高速公路場景下的篡改號牌專項研判，分析是否有車輛套牌情況的發生；
3、利用前端高清分辨率的抓拍機，通過識別異常車牌的車輛來識別號牌故意污損的車輛。
如何判斷工程車私自傾倒工地渣土垃圾傾倒區域？
1、與三臺合一事件等級系統進行對接并分析；
2、與電臺、市民信箱等渠道進行人工篩選。
通過以上幾個方面統籌的數據規律對比和碰撞，專項整治系統將對這種工程車隨意傾倒工業垃圾的行為得出準確的規律，從而使得行政管理人員能夠有針對性地進行管理和處置。

四、基于大數據的交通流分析和組織優化
在當前很多城市交通管理體系中，交通誘導的建設已經相對來說比較普遍。實際上交通誘導就是屬于交通組織優化和合理分配車流量的一種手段。不過隨著當前城市交通擁堵程度的加劇，簡單的交通誘導已經很難滿足交通組織優化的目的。而基于大數據的交通流分析和組織優化則是從交通數據分析的維度進一步輔助交通管理和應用，通過分析和挖掘交通參數數據、地理信息數據、交通基礎設施數據等基礎數據，從宏觀和微觀上把握柯橋區交通路網運行狀況、路網服務水平以及路網運行特征，通過構建交通信息采集系統和輔助決策支持系統，達到交通決策優化的目的。

 那么如何將流量數據分析應用程度更加細化下去呢，一般可以通過以下幾個方面進行闡釋：
1) 交通流態勢的評估：交通態勢分析是利用交通信息采集設備得到的數據，在不同的時空維度下深度挖掘，多角度展示路網的運行特征，把握交通趨勢。
2) 交通特性的分析：分析的維度主要為某一個區域范圍內的流量分布變化或者某一個路口的早晚高峰模型。
3) 交通流預測：通過大量歷史流量數據的分析和規律比對，以分鐘、小時、天、月、季度、年等維度對未來出現的流量數據做預測分析。
4) 交通評價：針對當前路網的運行情況，以數據維度給出當前路網的流暢度和合理性，包括擁堵指數的分析、不均指數的分析和延遲指數的分析等等。
5) 城市交通運行報告：根據所監控范圍內城市級綜合的數據分析結果，提供區域內路網運行狀況、路網服務水平、路網運行特征等信息。為城市管理者提供交通流分析和組織優化的決策依據。
 
五、結語
以上就是基于數據下的智能交通綜合應用的典型案例，當然這些應用只是交通大數據應用的冰山一角。數據時代下的智能交通應用，將隨著智能交通數據中心的建設腳步，呈現出越來越豐富的應用。未來，將是真正的智能交通的DT時代，智能交通平臺，也將隨著數據應用，達到新的高度，未來可期！