01、建设背景

       在交通管理工作中，规律性的大流量（拥堵）事件，通常有足够的应对措施，如早、晚高峰的通勤拥堵，法定节假如“五一”、“十一”期间的拥堵。

       与此对应的，无规律性的大流量（拥堵）事件，往往是区域外车辆在意料之外大量涌入，对原路网造成冲击，同时交通管理方存在着相关措施没准备、应急预案启动慢、警力资源缺口大的问题，不仅拥堵进一步加剧，群众出行体验度呈断崖式下降，对管理部门能力质疑的情况也容易高发。

       特别是商圈、网红地、游乐园等举办活动时无规律的跨区外来车辆聚集，随时考验着公安交警的面上应急保障能力。

       如本算法的典型案例舟山朱家尖路网，在应用预测前，由于周末拥堵无规律性可循，舟山公安需要在市一层面，每个周末部署跨区的增援警力，严重影响了警务工作效率，大量警力资源被浪费。

       为了解决上述痛点，舟山公安交警技术团队进行攻关，期望开发出具备较高预测能力、预测时间较为提前的模型算法。先期选择了传统的多源数据方案，但面临了如下的困难：

       （一）需要接入的数据维度多。方案除了过车数据外，还需要接入气象、停车场、宾馆住宿等信息数据以保障准确度，经过前期协调，各种系统及数据接口、网络传输链样式品类繁多，接口开发工作量大。

       （二）数据接入时间跨度长。部分数据涉及民营企业，协调十分困难，无法满足建设需求。

       （三）数据计算与管理困难。由于涉及的数据量大，格式种类较多，时间戳、失真偏差各不相同，将所有数据进行清洗，统一格式与标准的工程量巨大。

       最终，灵感来源于商场搞活动时大流量来临前小流量提前到达的，仅需单一过车数据的本模型算法方案胜出。

       02、发挥作用

       自2021年7月起至今，算法预测结果一直是作为目标路网的周末警力部署参考依据。随着实战的应用，算法的准确率不断地迭代提升，相关理论体系也逐渐完善。

       其中，2021年的预测准确率超过80%，2022年全年至2023年1月底，尽管受疫情的防控措施影响，预测准确率仍保持超过80%。2023年2月至4月底，算法的准确率进一步提升，在周五下午14时许预测周末拥堵的准确率超过了90%。

       总体而言，预测功能发挥了如下三个作用：

       （一）提升警力利用效率。朱家尖路网在今年2月1日至5月11日共计12个周末，随机发生了7次拥堵，占比约58%。而系统能在提前一天的周五14时进行准确预测（11次准确预测），增援警力部署精准踏准节奏，避免了大量无效警力资源浪费。

       （二）提升了警务服务工作的群众口碑。我们利用预测功能，能提前预知大流量，做足做细预案，备足保障警力资源，从而进一步增加重要节点的通行服务保障能力，提升群众口碑。预测算法上线后立马见效，朱家尖路网的大流量滞缓时长平均缩短了30%以上。

       （三）有效切入全面转向现代警务的大趋势。无规律大流量往往涉及警力资源的调用，而模型能为资源调用的决策提供数据支撑，为现代警务的发展提供了样板。

       03、实现功能

       本模型算法是属于舟山公安交警建设的“智慧交管”大平台中，“路网饱和度预测预警”系统的其中一个功能模块应用（系统分为预测、预警、路网态势3个模块），这里主要谈该算法实现的功能，大致是以下三个方面：

       （一）真正做到了“预测”的能力。以往建设的预警系统，如“大流量预警”，更多的是针对已经行驶在道路上，或者已到达外围区域的“已知”的“在途”车辆进行计算和预警。而本系统典型应用案例中，利用周五14时前已到达的车辆特征，推算未来周末“还未出发”的车辆，时间提前量大，属于“预测”范畴。

       （二）数据源依赖低，容易落地建设。区别于传统算法需要接入大量不同维度的数据（如气象、停车场、宾馆住宿等），本算法仅需要卡口过车数据即可落地运行，且具有较高的准确度，大幅度降低了预测系统的建设、维护难度。

       （三）基于全国产信创环境搭建。随着高科技竞争的白炽热化，源于国外技术的硬件架构、软件框架存在着不透明、不可控的隐患。而本预测模型的核心人工智能算法为民警所编写，安全可控（整个智慧交管大平台都基于全国产信创搭建）。

       04、应用场景

       本模型算法的灵感原理来源于商场搞活动时，大流量人群的时空分布特征现象，即时间上到达类正态分布，不同时间片段里到达人员在空间上又呈现特征。因而，本算法适用于预测目标路网中，外来增量的大流量，如无规律拥堵发生概率较大的景区、游乐园等周边路网。

       05、下一步方向

       目前，该算法属于第二版，解决了一个准确率问题（由第一版的超过80%提升至超过了90%）。即便如此，我们还计划进行第三版的下一步开发，主要有2个改进方向：

       （一）构建数据失真、丢失的容错算法架构，保障预测功能稳定、可靠。由于交管的硬件是7*24小时在外场环境下运行，在关键时刻硬件故障或者其它不可抗力因素，导致数据失真、丢失，会影响预测的实战应用。因此，我们努力构建一套与该预测算法匹配的高容错算法，来降低前端硬件不可靠造成的影响。

       （二）应用场景进一步扩大。本算法是基于时空特征进行计算的。我们拿了人群的相关时空数据进行验证，初步达到了预期。在下一版算法中，我们会尝试结合高精度融合导航算法，将“车”的预测扩大到“人”的预测。

来源：王彬