交通是城市发展的脉络，血脉通畅，城市发展才有力气；交警是交通管理的主力军，装备精良，交警业务才能高效智慧开展。

今天，我们走进位置大数据下的智慧交警建设，采访了四维图新旗下专业位置大数据公司，世纪高通总工程师徐晋晖（江湖人称：徐博）来为大家分享“位置大数据下的智慧交警”。

痛点

Q1：目前，交警行业面临哪些痛点？这些痛点背后更深层次的问题是什么？

A（徐博）：我们这几年深入交警一线，了解到交警面临最直接的问题是：城市汽车保有量越来越多，造成的直接结果就是拥堵加剧，交警警力资源愈加紧张。

为解决这些问题，交警部门做了很多努力，持续探索如何用科技和大数据赋能交警，在探索中，面临更深层次的两个问题：

一是要有充分的数据来支撑智慧交警大脑的建设，交警自有摄像头设备数据、交通违章数据、警力资源数据等，但这些数据是远远不够，要想真正的做好交通管理，还需要实时路况数据，人车警分布位置数据、人车流量数据、公交出行数据、出租车数据、两客一危数据、停车场动态数据等；

图1：数据上传及链接

二是即使有了这些数据，那数据如何与交通业务行为挂钩？如何真正的让数据发挥价值？如何用大数据来改善交通出行状况？这都是交警面临的深层问题。

战略

Q2：世纪高通在持续三年的深耕交警行业中，面对交警行业的痛点和需求，做了哪些布局和努力？

A（徐博）：闭门造车只是自娱自乐，因此团队深扎交警一线，从技术走进业务，制定了交警三步走战略：

第一步：带入。为交警行业带入互联网位置大数据，包括动态实时路况数据、车辆数据、出行数据、基础地图数据、环境实况数据、道路天气数据、驾驶行为数据等；

第二步：融合。实现交警业务数据和位置大数据融合，构建交警位置大数据生态圈；

第三步：实战。用数据支撑交警实战，深挖数据潜能，最大程度的发挥数据在交警实战业务中的价值。

经过和交警团队的共同努力，已经做到了实战层。马克思说”实践是检验真理的唯一标准“，不走向实战，再多的理论和大脑都是花架子。

实战

Q3：说到实战，具体是在交警业务的哪些层面体现的？

A（徐博）：在交警行业，我们的触角还不够深，但胜在有数据，有平台，有技术，有深耕的韧性和冲劲。围绕“全息感知、自动研判、智慧调控、精准诱导”业务闭环的产品思路，紧密落实“情、指、勤、督、宣”新型勤务改革机制，给交警部门提供了城市交通安全预防、城市道路拥堵治理、信号灯运行评价、可视一体化指挥调度、智慧出行诱导解决方案和产品。

在这其中，做的最深的是可视一体化指挥调度：

图3：可视化指挥调度系统

感知：世纪高通有一套成熟的路况报警算法，用路况来做情报感知，把路况上升为警情，创新融合车辆画像、驾驶行为画像，将警情相关车辆和驾驶行为画像推送给民警，实现警情被动核查到主动推送转变，提升出警安全性；

可视化：结合Minemap可视化平台，实现警情上图，建立接警地址库模型，可视化展示警情位置；

最优派警：集成交警的警力资源分布，采取综合辖区因素、周边警力、警员画像、警情级别、最优出警路线等参数，实现智能派警算法，由系统快速推荐适合出警的警员，由一级指挥中心直接派警，缩短派警时间，提升接处警效率。

Q4：交通拥堵是交警经常面对的业务问题，就这个问题，有哪些好的解决方案？

A（徐博）：交警最关注的交通拥堵问题，主要从三个层面来做：

第一，即时的交通指挥调度，疏解拥堵。路况会自动感知拥堵类别，它是属于常规拥堵？还是异常拥堵？常规拥堵是一件长期改造工程，下文会提，在异常拥堵中，可通过时空大数据可以判别是偶发大型活动拥堵？还是事故造成的拥堵？对拥堵进行研判和溯源，根据拥堵的成因、拥堵时长、拥堵里程来调配最优的警力进行拥堵疏解；

图4：常规及异常拥堵点

图5：交通流溯源分析

第二，优化道路标线、对红绿灯进行优化评估。这里主要针对常规拥堵来讲，可以用位置大数据来感知某个经常拥堵的路段或区域，监测其中的人流、车流量，来判定它是早晚高峰拥堵？是特定时段的人群车辆聚集拥堵？还是路线规划问题造成拥堵？或者是红绿灯配时不合理造成的拥堵？并在优化道路标线、设置潮汐车道、优化红绿灯配时之后继续使用位置大数据来支撑研判，评估优化效果；

图6：信号灯干线评价

图7：信号灯路口评价

第三，为拥堵源头提供数据和算法支撑，协助交警降低拥堵风险。可以提供多维度的驾驶行为数据、事故高发地数据、车辆行驶轨迹数据等，通过这些数据可以分析哪些路段容易发生交通事故，哪些不文明驾驶行为容易引发交通事故，为交警在引导交通出行和交通指挥上提供数据支持。

图8：事故多发地分析图

优势

Q5：世纪高通在交警行业中，有哪些优势？

A（徐博）：第一，自有海量的位置大数据。包括基础地图数据、全国340+城市分钟级动态路况数据、车辆数据、人流量数据、环境实况道路天气数据等，这些是四维图新集团及其分子公司这十几年来沉淀下来的宝贵财富，在当前大数据时代，这是难能可贵并不可替代的，也是立足的本钱。

图9：海量自有位置大数据图谱

第二，有强大的多源动态交通数据融合能力。实现路况数据与交警卡口、地磁、线圈数据融合，构建了用户本地精准的路况数据库，路况准确度平均提升10%-15%。并设立不同路况数据主题，持续融合接入各类交警专业数据，为交警打造数据生态圈，实现位置大数据与交警自有业务数据的关联和交叉引用、充分释放交通大数据的价值。

图10：多源数据上传及融合

第三，就是上面我提到的真正走进了业务实战。不仅仅停留在数据支撑层面和平台构建层面，而是真正的聚焦数据价值，用数据触及交警业务源头，解决业务实战问题。曾有位客户这么评价"投入最优的，效果最好的"。这是对我们莫大的肯定。

趋势

Q6：那最后，想问下您对未来交警行业的发展趋势怎么看待？

A（徐博）：交警行业还是要围绕“ 情指勤督宣”五位一体的现代警务模式为核心，以交警的指挥调度系统为中枢进行发力；

要把在大数据支撑下的交通组织优化评估做细做深，精细化道路场景的后续落地也让交警行业看到了更多的发展方向；

图11：高精度地图路口应用场景

同时，对于更加多源多维度的数据接入和融合，也有助于交警业务模式的进一步突破，尤其是在这次疫情中看到的，把更多的人、车、铁路、航空、出租、公交、停车场等数据与互联网位置大数据紧紧的融合在一起，这个价值将是巨大的，前景也是不可估量的。

图12：畅通有序的城市交通蓝图

大家都知道，交通问题是民生问题，城市管理的重点之一就是交通。只有把交通问题解决好了，整个城市的脉络才能畅行通达，我们的生活发展才能步履轻快。