智慧城市网

　　【安防展览网 视点跟踪】8月22日，由湖南省交警总队指导，湖南省智能交通行业协会、智慧交通(ITS114)主办，上海智能交通系统产业联盟、深圳市智慧交通产业促进会协办2019中国智慧交管论坛在长沙圆满落幕。公安部交通管理科学研究所五部助理研究员镇煌在会上发表了《大数据时代下道路交通违法发现技术研究》的主题演讲，本文为演讲速记整理，未经本人审核，如有错漏，敬请原谅。
 

公安部交科所五部助理研究员 镇煌
 

　　镇煌：各位领导，各位同行，上午好！我的演讲分为四部分：一是研究背景；二是交通事故与违法研究；三是交通违法查处的模型和方式；四是下一步展望。

 

　　一、研究背景
 

　　公安交通集成指挥平台是公安交警部门科技信息化规划建设的四大信息平台之一，为现有的集成布控系统升级而来。公安交通集成指挥平台按照部、省、市三层架构分布建设，三级平台互联互通，构建了新型的交通指挥体系。
 

　　该平台在2016年6月份开始在全国推广应用，目前全国已经部署了31个省级平台，306个地市级平台，作为面向指挥中心、执法站和一线民警地面执法的实战业务中心，现在有超过92.9%支队，以及81.6%的大队在应用。
 

图1-1
 

　　联网设备快速增加，从2013年仅有5000多台在线监控设备联网到目前近50万套，其中2018年全年新增近18万套。当前日均汇聚车辆轨迹数据6.2亿条，交通违法数据225万条，截止目前平台累计接入了近5千亿条车辆数据。
 

图1-2
 

　　◆平台应用成效
 

　　1、汽车检验率
 

　　平台推广应用以来取得的成果是显著的，2014年以来，汽车年检率整体呈上升趋势，今年一季度较3年前同期比，增长超6个百分点。以华东某省为例，从2018年开始，汽车年检率整体呈上升趋势，增长近4个百分点；逾期未年检车道路通行数量整体呈下降趋势，从原来的每月超过65万辆到现在的每月49万辆，降幅超24%。
 

　　2、打击假套牌违法行为
 

　　同时，平台在打击假套牌违法行为的应用也效果明显，2017年和2018年上半年，每月接受的群众举报车辆被套牌的数量基本维持在8000至9000之间，通过集成指挥平台打击假套牌专项行动以来，现在每个月接受群众举报的车辆被套牌的数量已经降到3500以内，减少近三分之二。
 

　　二、交通事故与违法研究
 

　　◆我国交通事故现状
 

　　我们根据平台内部数据对交通事故与交通违法行为进行关联研究。发现交通重大事故总体呈下降趋势，但是伤亡事故与一般事故的总量变化不是很明显。根据海恩法则，每起重大交通事故的背后必定有29起伤亡事故和300起一般事故。而300起一般事故的背后必定有1000起事故隐患没有被处理。如何消除事故隐患，是减少重大交通事故发生的一个重要要素。交通事故发生是量的积累的结果，再好的技术，再的制度，在实际操作层面也无法取代人的素质和人的责任心。
 

　　下图2-1是交通肇事的主要原因，我们可以看到从2007到2017，经过强化立法和严格执法，酒驾、超速等严重违法行为肇事得到明显遏制，但未按规定让行、无证驾驶等与规则相关的顽疾依然突出。
 

图2-1
 

　　图2-2是近十年来我们对交通事故直接原因的分布情况分析。可以看到90%以上的交通肇事都是因为人的原因造成的，归根结底都是交通参与者的安全意识差。如何提升交通参与者的交通安全意识，是减少交通事故的重要因素。
 

图2-2
 

　　◆现状分析
 

　　我们也对交通违法现状进行了分析。图2-3是对国内某省超速事故的区间分析，首先将全省超速事故区间进行分段设置，以2公里、4公里、6公里等类推，再按照区间事故量进行排序，运用公式进行计算，可以得到回归值α等于-0.746，决定系数为0.937，超速事故位置分布呈幂律分布，且超速事故发生区间比较集中，10%的超速区间贡献了50%的超速事故。
 

图2-3
 

　　此外，也对单点测速设备的覆盖区间也进行了分析。首先选取全省高速、国省道、城市快速路孤立的单点测速设备点位集合(此处孤立的单点测速设备是指前后20公里无其他测速点位)。通过分析得出结论，随着单点测速设备有效覆盖区域增加，相应的事故密度呈现出先降后增的现象，且在覆盖区域为前后2公里时，事故密度为小，设备前后2公里为单点测速设备的覆盖区域。
 

图2-4
 

　　另外，分析超速事故在设备覆盖和无设备覆盖的数据情况，可以得到几个结论：一、测速覆盖区域事故发生较少；二、测速设备未覆盖区域事故密度与测速设备覆盖区域事故密度比值在1.3至20之间；三、省道测速设备覆盖区域超速事故密度远小于未覆盖区域。
 

　　后，我们还对不同违法抓拍对事故产生的影响作了分析。下图2-5三张连图从左到右分别表示逆行抓拍设备、闯红灯抓拍设备、超速抓拍设备启用前后两年内事故变化情况，蓝线表示启用前2年同区域事故数；红线表示启用后2年同区域事故数。
 

　　从MW检验结果来看：启用逆行抓拍设备后，事故数从524降低到248，变化超过50%，MW检测值为0.001，效果明显；启用闯红灯抓拍设备后，事故数从101起下降到88起；同时超速抓拍设备启用后，事故数减少了42%。因此，逆行设备和超速设备的启用对交通事故的影响都是显著的，能够有效地降低交通事故的发生；闯红灯抓拍设备的启用，对交通事故的影响是不显著的，不能有效减少闯红灯事故的发生。从这里可以看出，交通事故说到底是人的安全意识的问题。
 

图2-5
 

　　三、交通违法查处
 

　　◆交通违法震慑理论
 

　　要对交通违法行为进行打击，就要发现违法行为、及时查处违法行为、有效处罚交通违法。
 

　　针对驾驶员的侥幸心理，可通过大数据、人工智能等技术发现违法行为，比如疲劳驾驶、吸毒人员开车、无证驾驶、黑校车等；但发现违法行为后等到机动车检验统一处理，会大大减小震慑作用，而要通过非现场执法即时拦截查处；接下来，就要对交通违法行为进行处罚，通过大数据建立驾驶人征信体系，违法驾驶人不仅影响其驾驶车辆，还通过征信影响驾驶人其他社会行为，产生的震慑作用会更大。
 

　　◆大数据违法建模
 

　　在集成指挥平台每天采集交通违法记录225万条，车辆轨迹6.2亿条基础上，建立了套牌车、疲劳驾驶、酒驾车辆、非法危化车、黑校车等违法模型，并且联合运管部门通过大数据、小算法、小场景实现交通违法查处的数据业务应用。
 

　　1、失管驾驶人查处
 

　　为落实《2019年道路交通管理工作要点》文件的要求，深化交通管理科技信息化实战应用，研发了卡口图片人脸智能识别预警功能，后台与本地或本省常住人口信息库、全国机动车驾驶人信息库进行实时比对分析，主动发现具有失驾、无证驾驶、准驾不符等交通违法行为的嫌疑驾驶人，可通过平台实施拦截干预。同时，系统还支持与吸毒、在逃、临控等大公安重点关注人员进行实时比对，实现对车内重点人员的管控。
 

　　对于人脸识别检测到驾驶人的，会有两条并行路线：人口库比对与黑名单比对。人口库比对：首先通过与常住人口、暂住人口库进行比对来确认身份信息；对于能够确认身份信息的，进一步核实全国机动车驾驶人信息库，检查是否存在无证驾驶、准驾不符或超分、扣留等违法行为，存在违法行为的，生成嫌疑信息并推送实时预警。黑名单比对：直接与各类黑名单进行比对，比中的直接预警。黑名单支持自定义。
 

图3-1
 

　　2、非法营运车辆分析
 

　　模型相对比较简单，对在高速、国道、省道上往返超过一定频次的非营运性质车辆进行轨迹抽取，后台会自动拉取图片信息，识别图片中是否乘载不同乘客，进一步确认是否为非法营运车辆。
 

　　此前，通过公安交通集成指挥平台研判，下发了29辆二广高速往返非法营运重点嫌疑车辆，并查处上述预警车辆17辆，经确认均为非法营运车辆，且部分车辆存在超员违法行为，分析准确率达到100%。
 

　　3、疲劳驾驶车辆分析
 

　　这类分析模型，主要根据全国车辆轨迹信息通过互联网导航接口计算短线路，分析是否具备疲劳驾驶的嫌疑。下图3-2的5个点对应着车辆的5条行驶轨迹，个点到第二个点之间是行驶在高速，两地相距110公里，均速82.5公里/时。
 

图3-2
 

　　根据疲劳驾驶的定义，驾驶人连续行驶4小时，要休息20分钟。通过车辆定位信息进行分析，如果发现中途休息的可能性基本为零，就会发出疲劳驾驶预警，后台也会对驾驶员的人脸信息比对，观察是否更换了驾驶员。经过后台对这辆车定位信息的分析，发现疲劳驾驶嫌疑占比10%。
 

　　4、黑校车分析
 

　　该模型根据地图POI检索小学、幼儿园和卡口设备备案的地理位置信息，选定农村小学附近的卡口，对过车轨迹进行特征提取。
 

图3-3
 

　　四、下一步展望
 

　　展望分为两个部分。是AI与违法视频分析。相关数据显示，2017年事故总数为203049起，事故主要原因是机动车违法的有173454起,其中未按规定让行27779起，占事故总数的13.68%，死亡人数7174人，占总死亡人数的11.25%。针对这种情况，准备通过AI视频结构化应用对视频画面中的行人、非机动车、机动车等进行检测识别、目标跟踪、计算动态行驶轨迹等，运用AI技术，实现多种违法行为的发现与打击。
 

　　第二是AI与大数据建模。基于人工智能技术，集成指挥平台根据人脸特征、车辆特征进行识别比对，实现稽查。
 

　　下一步，集成指挥平台将依托联网的卡口过车图片、交通违法图片、交通监控视频等数据，进一步丰富基于图像特征识别的智能化场景应用，依托汇聚共享的各类道路交通管控结构化数据，应用知识图谱技术开展交通管理知识建模建设，更好服务公路交通安全防控和城市畅通疏堵工作，更高站位服务大公安其他警种涉车涉人实战应用，重塑交通参与者规则意识。
 

　　我的演讲到此结束，谢谢大家！