摘

要

車輛中途停駛自動檢測系統實時檢測車輛運行狀況，相當于在每一部公交車上都安裝了“電子眼”，通過信息化技術手段和大數據算法監管車輛運行，第一時間判斷車輛停駛信息，并與車輛監控系統相融合，進一步完善事故排查預警快速響應體系，提升公交運行服務品質。

[關鍵詞] 中途停駛；檢測；預警

引

言

交通事故已是世界性的嚴重社會問題。公交的事故以其巨大的經濟損失、嚴重的社會影響使政府和公交企業高度重視安全工作，并將不斷進步的科學技術應用于交通安全研究工作中，使公共出行更好地造福于人類。目前，各國正在不同程度地從車輛與技術上采取對策應對公交安全問題。

車輛中途停駛自動檢測系統能夠實時掌握車輛運行狀況，及時對車輛異常情況進行分析研究。車輛中途停駛自動檢測系統的研究實施能夠進一步提高公交企業發現事故、解決的能力，形成“第一時間發現，第一時間推送，第一時間處置”的快速響應機制。

1.總體設計

為了進一步提高公交行業稽查部門發現問題、解決問題的能力，對車輛停駛情況預警并快速響應機制，對異常車輛精準定位、快速監控，實時掌握車輛運行狀況，濟南公交針對車輛中途停駛檢測進行研究。

車輛終端將GPS、視頻等數據實時上傳到服務器，指揮中心、車隊等客戶端通過內網進行訪問，查詢車輛運行動態數據，領導根據服務器推送的異常數據，通過網絡查看車輛監控和分析結果，見圖1。

圖1 系統設計圖

2.研究內容

2.1車輛異常停駛大量數據計算

利用大數據分析技術和云計算，進行充分的數據挖掘，將運行數據實時計算，發現在運行過程中產生的車輛異常停駛情況，自動生成分公司、線路、車號、駕駛員姓名、停駛時間和位置等信息。

分布式計算是一種計算方法，這和以往公交計算處理問題的方式截然不同，車輛中途停駛自動檢測系統是在濟南公交企業云的基礎上進行二次開發，突破了之前的技術局限，對車輛中途停駛自動檢測是全國首創運用云計算技術實現車輛實時速度分析統計，甄別中途停駛車輛，達到車輛停駛檢測自動化的目的。

2.2異常車輛停駛數據計算分析工作機制

確定異常停駛車輛的數據分析流程和方法，運用科學的數據計算方式進行數據分析，根據項目設置不同場景，進行建模和數據挖掘，不斷迭代產品，達到交付條件。

（1）業務理解：理解中途停駛的產生要素，明確需要發現的情形和狀態需求。開展業務需求評估工作，判斷業務需求是否可以轉化為數據分析項目。

（2）數據理解：收集原始營運數據，篩選正確選擇業務需求的數據，對原始數據中缺失和壞數據進行清洗、過濾。

（3）數據準備：運用統計學方法對數據進行探索，發現數據內部的規律。對數據進行轉換，進行數據一致化、標準化處理。

（4）建立模型：綜合考慮業務需求精度，數據情況、選取最優模型。在實現異常發現功能中，應用多種模型，通過后續的模型評估進行優化、調整，以尋求最合適的模型、算法。

（5）模型評估、優化：評估模型的精度、準確性、效率和通用性，評價與審驗應用效果，對模型進行調整優化。

（6）應用和部署：將研發的軟件應用于實踐，系統在所有電腦中進行部署，實現異常車輛的檢索和判斷，達到項目目標。

2.3確定異常車輛停駛數據算法

確定異常停駛車輛的算法，研究算法優化與數據清洗，確定檢測異常停駛的數據的具體計算內容、篩選目標車輛。

算法排除車輛在首末站附近等點待發的停駛情況。

算法排除調度安排非營運任務停駛的情況。

算法考慮部分線路場站位于非首末站的情況。

算法排除車輛正常關機停運的車輛，由于車載終端無電源開關，車輛開電即有數據上傳，通過數據上傳時長計算車輛是否開關機。

算法示意圖見圖2。

圖2 算法示意圖

2.4融合4G視頻監控

與4G車輛監控系統充分融合，實現系統一鍵調取4G視頻監控，利用配套APP軟件審核后向領導層進行推送。融合視頻監控包括三方面：對請求作出秒級別的響應時間、數據吞吐量滿足客戶要求和數據并發用戶數達到要求，見圖3。

圖3 融合視頻監控說明圖

3.技術方法

3.1技術一：大數據算法優化技術

大數據分析常和云計算聯系到一起，因為實時的大型數據集向數十、數百或甚至數千的電腦分配工作。

中途停駛檢測算法通過持續針對每輛車狀態的檢測和計算來發現中途停駛等異常情況。算法運行在所有監控客戶端之中，檢測結果統一上報至云端服務，由云端服務進行統一接收、去重、存儲和上報。

中途停駛檢測算法目前運行在監控系統客戶端之中，相關算法邏輯嵌入到現有的監控系統內。

停駛級別判定為車輛在啟動停駛檢測后總移動距離在設置停駛距離內時并已經過指定級別時間后進行判定的過程，根據停駛級別每個階段只判定一次停駛，停駛判定直到車輛排除檢測狀態為止，判定為停駛后將上報中途停駛事件。

大數據分析算法過程：

3.1.1算法判定條件

算法判定條件=總移動距離在設置范圍內+指定級別時間。

3.1.2排除監測算法

目標車輛=判定條件的車輛－調出的車輛－特殊線路車輛－其他排除符合條件的車輛。

根據算法鎖定目標車輛，在進行程序分析，見圖4。

圖4 車輛算法代碼圖

3.2技術二：Hadoop技術篩選數據

完成項目工作要求需要巨大的計算能力，如果采用公交之前的計算模式，需要耗費相當長的時間、耗費巨大的物力、財力來完成。而采用云計算、分布式計算的方法，是把項目任務進行拆分，由若干臺電腦計算，然后再將結果匯總篩選。

此項目難點在于實時計算海量的GPS數據，計算秒級的GPS數據獲得速度趨近于0的車輛。采用Hadoop等分布式處理方式來過濾處理大量數據。

此項目計劃將5000余部營運車輛的計算任務分解至各分公司中心調度、車隊現場調度的電腦進計算行，借助各分公司、車隊100余臺電腦的計算能力，共同計算完成異常停駛，見圖5。部分代碼見圖6。

圖5 數據篩選圖

圖6 部分代碼圖

3.3技術三：iVMS-7200-SDK接口技術

按照車輛監控視頻SDK數據協議，實現車輛運行監控與視頻監控的融合對接。用戶在車輛運行監控中通過鼠標點選，一鍵對接視頻監控系統。視頻監控系統視頻，選擇時間節點進行截圖制作短視頻。

考慮服務器承載力，實時計算GPS數據，實時請求監控數據的多重要求，在技術上加入高并發解決方案，見圖7。

圖7 SDK接口代碼圖

3.4技術四：其他算法

（1）車輛停駛率計算：

車輛停駛率是指在一定時期內，由于擁堵、事故等等原因而停駛的車班次在總車班次中所占的比重。計算公式為:

車輛停駛率(%)=停駛車班次/總車班次×100%。

（2）延誤計算：

總延誤=總停駛數×抽樣時間間隔（輛/s）。

每一停駛車輛的平均延誤=總延誤/停駛車數（s）。

4.功能設計

4.1系統流程

將全天劃分為6個時段，早低峰、早高峰、平峰、晚高峰、晚平峰，為了進一步提高稽查發現問題、服務解決問題的能力，對車輛停駛情況預警并快速響應。

首先通過智能調度平臺發起預警，在車輛運行圖中進行預警顯示，最后視頻上報至手機APP終端，見圖8。

圖8 系統流程圖

4.2預警功能

預警功能主要包括人工預警和自動預警。

人工預警采用操作報站器的方式操作，駕駛員通過故障按鍵進行預警，同時信息上傳智能調度系統，功能描述見表1。

表1 人工預警功能描述表

自動預警根據智能調度系統根據GPS數據自動計算，對數據進行分析形成自動上報機制，功能描述見表2。

表2 自動預警功能描述表

4.3異常情況篩選

根據預警內容和級別系統對異常情況進行篩選，異常情況篩選描述見表3。

表3 異常情況篩選表

4.4決策分析

根據車輛停駛情況對這些數據進行統計分析，并生成圖表格式，為領導提供管理決策支持，分析描述見表4。

表4 決策分析表

5.結語

車輛中途停駛自動檢測系統還在進一步調試研究中，在實際試運行過程中，確定將車輛停駛時間進行分級管理。停駛時間大于15分鐘為一級響應，車輛信息直接自動上報總公司；停駛時間大于10分鐘小于15分鐘為二級響應，車輛信息自動上報分公司；停駛時間大于5分鐘小于10分鐘為三級響應，車輛信息自動上報車隊分管領導；停駛時間小于5分鐘為四級響應，車輛信息自動上報車隊。對異常車輛精準定位并實時掌握車輛運行狀況，根據分析的數據進行管理決策，進一步提高發現問題、解決問題的能力，完善車輛停駛預警并快速響應機制。

參考文獻：

[1]張敬磊，王曉原.交通事件檢測算法研究進展.武漢理工大學學報（交通科學與工程版）,2005年第2期.

作者簡介：李峰（1984—），男，山東濟南人，建筑與土木工程領域工程碩士，工程師。