李承蔚, 劉 浩
(中遠(yuǎn)海運科技股份有限公司,上海 200135)
隨著高速公路路網(wǎng)規(guī)模不斷擴(kuò)大,高速公路稽查管理工作日益復(fù)雜化,其中假綠通車輛稽查治理工作逐漸成為整個高速公路稽查管理工作的重點。按照國家有關(guān)規(guī)定,運輸鮮活農(nóng)產(chǎn)品的車輛在高速公路上行駛可免繳通行費。由此,各種冒充綠通車輛的手段層出不窮,屢禁不止,給高速公路稽查管理工作和收費站日常收費管理工作帶來巨大壓力。
在收費站安裝專業(yè)的檢測設(shè)備可對假綠通車輛進(jìn)行有效的稽查治理,但專業(yè)的檢測設(shè)備造價昂貴,不宜大范圍安裝部署,因此對綠通車輛治理(以下簡稱“綠通治理”)工作的作用有一定的局限性。充分利用現(xiàn)有數(shù)據(jù),結(jié)合移動互聯(lián)網(wǎng)和大數(shù)據(jù)技術(shù)構(gòu)建一套完善的基于移動終端、綠通治理云平臺、大數(shù)據(jù)計算分析平臺和人車信用等級評級系統(tǒng)的綠通車輛治理系統(tǒng),可為綠通治理提供可靠的輔助決策數(shù)據(jù),減少高速公路管理環(huán)節(jié)的工作量,提高綠通治理的效率。通過數(shù)據(jù)分析高效識別嫌疑假綠通車輛,輔助工作人員對假綠通車輛進(jìn)行查驗。
在綠通治理環(huán)節(jié),通過采集人和車的基本信息、綠通預(yù)約數(shù)據(jù)及綠通運輸貨物相關(guān)數(shù)據(jù)等,在綠通治理云平臺對歷史數(shù)據(jù)和當(dāng)次采集數(shù)據(jù)進(jìn)行實時分析比對,為綠通治理工作人員提供有效的輔助數(shù)據(jù),使其根據(jù)這些數(shù)據(jù)快速“認(rèn)識”該綠通車輛,由此形成數(shù)據(jù)采集和數(shù)據(jù)利用的閉環(huán),為綠通治理過程管理提供可靠的數(shù)據(jù)依據(jù)。
在大數(shù)據(jù)計算分析平臺,基于綠通通行數(shù)據(jù)、假綠通通行數(shù)據(jù)、黑名單歷史數(shù)據(jù)和綠通車通行路徑數(shù)據(jù)等多維度數(shù)據(jù),利用綠通治理模式對人、車進(jìn)行疑似假綠通通行行為分析,并將疑似存在假綠通通行行為的車輛或人員的數(shù)據(jù)信息反饋至綠通治理云平臺,輔助綠通治理工作人員查驗假綠通行為。在系統(tǒng)內(nèi)部形成數(shù)據(jù)閉環(huán),充分利用大數(shù)據(jù)技術(shù)提升綠通治理的成效和降低綠通治理的管理成本。
此外,通過對人、車方面的歷史通行數(shù)據(jù)進(jìn)行分析,逐漸完善人和車的誠信評價維度數(shù)據(jù),從而建立一套完善的人車誠信評級系統(tǒng),使基于人車誠信評級系統(tǒng)的數(shù)據(jù)輔助綠通治理得以在高速公路管理中推廣應(yīng)用。
假冒、混裝綠通車輛的行為層出不窮造成綠通治理較為困難。此外,綠通車輛治理方式較為單一,主要依靠人工檢查和專用設(shè)備檢查,不能從根本上有效打擊和遏制假綠通車輛偷逃通行費行為,由此導(dǎo)致以下問題:
1) 人工查驗耗時長?,F(xiàn)階段對綠通車的檢查為每車必檢,檢查流程基本上一致,大量的重復(fù)性工作會導(dǎo)致檢查人員檢查不仔細(xì)等情況出現(xiàn)。
2) 容易造成擁堵。由于人工查驗耗時較長,在流量較大的站點極易出現(xiàn)擁堵的情況,這與高速公路保暢的管理目標(biāo)相沖突,給工作人員帶來極大的困擾。
3) 專用檢查設(shè)備難普及。采用專用檢查設(shè)備可在一定程度上快速檢測出假綠通車輛,但設(shè)備造價昂貴,難以全面普及。由此,假綠通車輛可能會選擇在未安裝檢查設(shè)備的收費站出站,導(dǎo)致假綠通治理效果不理想。
4) 綠通車檢查數(shù)據(jù)僅用于簡單存檔,未打破信息孤島與其他業(yè)務(wù)數(shù)據(jù)進(jìn)行聯(lián)動,不能對數(shù)據(jù)進(jìn)行再利用。
為有效解決綠通治理現(xiàn)存的問題,該系統(tǒng)通過移動終端建立人、車、路之間的橋梁,通過搭建綠通治理云平臺對人、車、路之間的相關(guān)數(shù)據(jù)進(jìn)行匯集存儲并將其與通行數(shù)據(jù)、稽查數(shù)據(jù)和歷史黑名單數(shù)據(jù)等相結(jié)合,形成人、車、路之間的數(shù)據(jù)閉合。該方案采用“綠通預(yù)約+數(shù)據(jù)分析”的模式實現(xiàn)綠通快速通行和假綠通行為準(zhǔn)確打擊的目標(biāo)。
駕駛?cè)藛T在移動終端注冊之后即可進(jìn)行綠通通行預(yù)約,此時駕駛?cè)藛T的信息和每次的綠通預(yù)約信息都會匯總到綠通治理云平臺上。若綠通預(yù)約通行數(shù)據(jù)與實際綠通通行數(shù)據(jù)一致,系統(tǒng)會適當(dāng)提高該駕駛?cè)藛T及其車輛的信用評分,反之會降低信用評分。綠通通行數(shù)據(jù)包括但不限于通行路徑(出入口站點)、運輸貨物種類和通行預(yù)約日期等。
綠通治理云平臺基于綠通預(yù)約信息,輔助收費站的工作人員對指定日期的綠通治理工作量進(jìn)行預(yù)估,從而更加合理地做好工作計劃。綠通車輛在行駛至收費站時,綠通治理工作人員可通過移動終端從綠通治理云平臺上獲取該車輛及駕駛?cè)藛T的所有相關(guān)輔助信息(如人車誠信評級、歷史假綠通數(shù)據(jù)、歷史黑名單數(shù)據(jù)、是否為稽查對象、歷史同種單一綠通貨物的車貨總重范圍、所載綠通貨物是否屬于通行路徑上常見的貨物范圍和歷史通行中命中假綠通分析模型的情況等),通過這些信息獲取該車輛及駕駛?cè)藛T的綠通畫像,為綠通治理工作的開展提供有效的數(shù)據(jù)依據(jù)。同時,移動終端將采集到的運輸人員基本信息和綠通貨物基本信息、綠通車輛的車頭、車尾、車側(cè)、貨物等的照片信息上傳至綠通治理云平臺上,綠通治理審核人員實時審核這些信息并將結(jié)果反饋至移動終端。
利用信用評分輔助綠通治理,可對信用評分較低的駕駛?cè)藛T及車輛進(jìn)行詳細(xì)檢查,在一定程度上提高駕駛?cè)藛T對信用評分重要性的認(rèn)識;同時,可對信用評分較高且無任何疑似異常通行記錄的駕駛?cè)藛T及車輛進(jìn)行綠通免檢。
通過搭建大數(shù)據(jù)分析平臺,利用各種假綠通分析模型對歷史高速公路通行數(shù)據(jù)進(jìn)行分析,從中篩選出嫌疑較大的數(shù)據(jù),為稽查系統(tǒng)提供稽查嫌疑對象。此外,通過輔助數(shù)據(jù)分析模型得到某車輛歷史同種單一綠通貨物的車貨總重范圍、所載綠通貨物是否屬于通行路徑上常見的貨物等輔助數(shù)據(jù),為綠通治理提供更多的輔助決策數(shù)據(jù)。
當(dāng)車輛在稽查系統(tǒng)中被認(rèn)定有假綠通行為時,車輛和相關(guān)駕駛?cè)藛T的信息會被同步到人車誠信評級系統(tǒng)中,并根據(jù)一定的規(guī)則對該車輛和駕駛?cè)藛T進(jìn)行評級評分,評級評分結(jié)果會同步到綠通治理云平臺上,最終為收費站的綠通治理工作人員提供輔助決策數(shù)據(jù)。
綠通車輛治理系統(tǒng)整體架構(gòu)見圖1。從圖1中可清晰地了解到系統(tǒng)的層次劃分,系統(tǒng)從最底層的基礎(chǔ)資源層開始,通過資源管理層的管控實現(xiàn)對物理資源的集中管理、統(tǒng)一分配和使用分析,從而更好地優(yōu)化基礎(chǔ)資源的使用。
圖1 綠通車輛治理系統(tǒng)整體架構(gòu)
大數(shù)據(jù)分析平臺利用其分布式存儲能力,通過對綠通治理相關(guān)業(yè)務(wù)數(shù)據(jù)進(jìn)行采集、清洗,存儲海量數(shù)據(jù);同時,利用其并發(fā)計算能力,對海量歷史數(shù)據(jù)進(jìn)行分析計算,對離散的數(shù)據(jù)進(jìn)行實時的在線分析計算,并將計算結(jié)果同步至系統(tǒng)的各子平臺中。大數(shù)據(jù)分析平臺采用分布式主從節(jié)點架構(gòu)、集群橫向可擴(kuò)展和多數(shù)據(jù)副本冗余存儲,確保平臺穩(wěn)定工作、數(shù)據(jù)安全不丟失;節(jié)點與節(jié)點之間使用RPC通信,經(jīng)任務(wù)調(diào)度器實現(xiàn)任務(wù)資源的統(tǒng)一分配和統(tǒng)一管理。結(jié)合運維平臺,更加人性化、簡潔化地對整個大數(shù)據(jù)分析平臺進(jìn)行監(jiān)控、管理,可針對分析任務(wù)的實際情況進(jìn)行調(diào)優(yōu),提升大數(shù)據(jù)平臺的分析效率。
在綠通業(yè)務(wù)層中,綠通治理APP作為移動終端的應(yīng)用,負(fù)責(zé)與駕駛?cè)藛T和收費綠通治理人員交互,APP通過http協(xié)議和WebSocket協(xié)議與綠通治理云平臺進(jìn)行數(shù)據(jù)交互。綠通治理云平臺為綠通治理APP提供業(yè)務(wù)服務(wù)支持,實現(xiàn)運輸人員的預(yù)約、收費站工作人員的綠通治理和行政執(zhí)法人員的稽查輔助功能。此外,綠通治理云平臺采用B/S架構(gòu),為綠通治理監(jiān)控人員和管理人員提供服務(wù)。
各層次之間通過統(tǒng)一的接口進(jìn)行通信,確保各層次間的獨立性,從而實現(xiàn)低耦合高類聚,確保系統(tǒng)具有更好的獨立性、穩(wěn)定性和高擴(kuò)展性。
綠通治理整體業(yè)務(wù)流程見圖2。
1) 駕駛?cè)藛T通過綠通治理APP進(jìn)行綠通預(yù)約,預(yù)約數(shù)據(jù)匯集到綠通治理云平臺上;
圖2 綠通治理整體業(yè)務(wù)流程
2) 收費站工作人員可在綠通治理云平臺上獲取本站的綠通預(yù)約情況,并預(yù)估綠通檢查的工作量;
3) 在收費站進(jìn)行綠通檢查時,可通過綠通治理APP從云平臺獲取該車輛的預(yù)約信息、誠信評級和各類基于歷史數(shù)據(jù)分析得到的輔助綠通治理數(shù)據(jù);
4) 通過綠通治理APP,可實時將綠通檢查取證信息上傳至云平臺,用于后臺審核;
5) 綠通治理云平臺將綠通治理數(shù)據(jù)同步至大數(shù)據(jù)平臺,用于數(shù)據(jù)的分析計算;
6) 大數(shù)據(jù)分析計算平臺通過分析歷史收費數(shù)據(jù)、綠通治理數(shù)據(jù)等,為綠通治理云平臺提供綠通治理輔助數(shù)據(jù);
7) 人車誠信評級系統(tǒng)利用稽查數(shù)據(jù)、黑名單數(shù)據(jù)和綠通通行數(shù)據(jù)等,對人和車進(jìn)行誠信評級評分,并為綠通治理提供輔助決策數(shù)據(jù)。
綠通治理APP通過移動終端的NFC讀取通行卡內(nèi)的信息,通過調(diào)用在線密鑰對信息進(jìn)行解密,可將入口車牌號、入口車型和入口收費站等信息直接顯示在APP上,減少綠通治理人員在綠通檢查取證過程中的信息錄入量,在一定程度上提高綠通檢查的效率。
此外,利用NFC還可提供直接讀取身份證的數(shù)據(jù),減少駕駛?cè)藛T注冊環(huán)節(jié)的手動輸入操作。綠通治理人員在對駕駛?cè)藛T的信息進(jìn)行補(bǔ)錄時,同樣可基于該技術(shù)減少手動錄入操作,提高綠通治理的效率。
綠通治理APP在不具備NFC功能的移動終端使用時,可通過圖片識別技術(shù)識別車牌和身份證號,在一定程度上降低不具備NFC功能終端的信息錄入的繁瑣性,提高系統(tǒng)整體的可復(fù)用性。
利用WebSocket在綠通治理APP與綠通治理云平臺之間搭建長連接,確保綠通取證圖片實時發(fā)送至云平臺進(jìn)行審核。因為WebSocket可實現(xiàn)client和server端雙向通信,在云平臺上的審核結(jié)果可實時返回至APP上,提高綠通檢查人員和后臺審核人員的協(xié)同工作效率。
大數(shù)據(jù)分析計算平臺架構(gòu)設(shè)計見圖3。利用大數(shù)據(jù)技術(shù)計算分析出的輔助決策數(shù)據(jù),可在綠通治理過程中全面掌握車輛和駕駛?cè)藛T的各項數(shù)據(jù),如同車同綠通貨物車貨總重的范圍、是否存在疑似假綠通通行行為等。通過這些輔助數(shù)據(jù),綠通治理工作人員可重點檢查有不良記錄的車輛,對誠信評級高的車輛或駕駛?cè)藛T進(jìn)行快速檢查,甚至免檢。
圖3 大數(shù)據(jù)分析計算平臺架構(gòu)設(shè)計
大數(shù)據(jù)分析計算平臺是基于Hadoop集群構(gòu)建的分布式計算平臺,利用HDFS實現(xiàn)海量數(shù)據(jù)的存儲。為滿足綠通治理的業(yè)務(wù)需求,該平臺提供離線海量數(shù)據(jù)的分析計算和實時在線分析計算2種分析計算模式。
利用MapReduce計算模型,通過對計算分析目標(biāo)任務(wù)進(jìn)行建模,可對海量歷史數(shù)據(jù)進(jìn)行離線計算分析,該計算模型的實時性較差,可用于對歷史通行流水進(jìn)行分析。
基于Hadoop集群,引入Storm實時計算框架,可使大數(shù)據(jù)平臺具備實時計算能力,當(dāng)需對綠通治理數(shù)據(jù)進(jìn)行實時分析時,可通過該計算框架獲取海量數(shù)據(jù)的實時計算結(jié)果。
4.4.1 數(shù)據(jù)共享
通過其他系統(tǒng)提供的接口采集地圖數(shù)據(jù)、物流中心位置數(shù)據(jù)、工業(yè)園區(qū)信息數(shù)據(jù)、大型綜合超市信息數(shù)據(jù)、季節(jié)氣候數(shù)據(jù)、高速公路歷史通行數(shù)據(jù)、歷史假綠通車稽查數(shù)據(jù)、歷史黑名單數(shù)據(jù)和貴州省多義性拆分?jǐn)?shù)據(jù),對海量信息進(jìn)行清洗、過濾和預(yù)處理之后,利用大數(shù)據(jù)技術(shù)進(jìn)行分析。同時,將處理過的數(shù)據(jù)和分析的結(jié)果數(shù)據(jù)等以接口API的形式提供給其他系統(tǒng)使用。
通過打通行業(yè)內(nèi)各業(yè)務(wù)系統(tǒng)的數(shù)據(jù)孤島,關(guān)聯(lián)不同業(yè)務(wù)間的數(shù)據(jù),使數(shù)據(jù)產(chǎn)生更多的價值,為高速公路管理及其他行業(yè)提供可靠的輔助決策依據(jù)。
4.4.2 綠通治理模型
利用地圖數(shù)據(jù)、高速公路歷史通行數(shù)據(jù)、歷史假綠通車稽查數(shù)據(jù)和貴州省多義性拆分?jǐn)?shù)據(jù)等,結(jié)合單出口嫌疑假綠通模型、貨物地理嫌疑假綠通模型、卸貨裝貨嫌疑假綠通模型和嫌疑假綠通車通行軌跡模型,通過大數(shù)據(jù)技術(shù)進(jìn)行分析處理,篩選出嫌疑假綠通的車輛通行數(shù)據(jù),并將其共享給稽查系統(tǒng),輔助稽查工作人員快速定位嫌疑假綠通車輛。
4.4.3 輔助數(shù)據(jù)分析模型
利用地圖數(shù)據(jù)、物流中心位置數(shù)據(jù)、工業(yè)園區(qū)信息數(shù)據(jù)、大型綜合超市信息數(shù)據(jù)、季節(jié)氣候數(shù)據(jù)、高速公路歷史通行數(shù)據(jù)、歷史假綠通車稽查數(shù)據(jù)和歷史黑名單數(shù)據(jù)等,結(jié)合綠通車通行軌跡分析模型、同種單一綠通貨物車貨總重范圍分析模型和歷史通行軌跡分析模型等,統(tǒng)計分析出輔助數(shù)據(jù)信息。通過這些輔助信息,可為綠通治理工作人員提供該車輛及駕駛?cè)藛T的綠通畫像,為綠通檢查工作的開展提供有效的數(shù)據(jù)依據(jù)。
人車誠信評級系統(tǒng)通過從外部獲取評分正相關(guān)、負(fù)相關(guān)的數(shù)據(jù),對人或車輛進(jìn)行一定規(guī)則的信用評分計算,并基于信用評分進(jìn)行信用評級。
人車誠信評級系統(tǒng)會分別為駕駛?cè)藛T和車輛建立誠信檔案,確保誠信評級可直接影響到駕駛?cè)藛T的高速公路通行行為,從而提升誠信評級系統(tǒng)對駕駛?cè)藛T的震懾力,提高駕駛?cè)藛T在高速公路違法的成本,減少高速公路違法行為。
通過對基于大數(shù)據(jù)的綠通車輛治理系統(tǒng)解決方案進(jìn)行探討,得到以下核心思路:
1) 建立人、車、路間的數(shù)據(jù)橋梁,將對綠通車輛的治理工作轉(zhuǎn)變?yōu)閷Α熬G通車輛+駕駛?cè)藛T”的治理工作,使高速公路的違法行為不僅與車輛關(guān)聯(lián),還與人關(guān)聯(lián)。通過提高高速公路違法行為的成本,在一定程度上迫使駕駛?cè)藛T主動避免發(fā)生高速公路違法行為。
2) 通過打通行業(yè)內(nèi)各業(yè)務(wù)系統(tǒng)的數(shù)據(jù)孤島,利用大數(shù)據(jù)技術(shù)對各業(yè)務(wù)組成的海量數(shù)據(jù)進(jìn)行采集、清洗和建模分析,通過不同業(yè)務(wù)數(shù)據(jù)間的關(guān)聯(lián),使數(shù)據(jù)產(chǎn)生更大的價值,為高速公路管理及其他行業(yè)提供可靠的輔助決策依據(jù)。
3) 搭建人車誠信評級系統(tǒng),通過制定誠信評分規(guī)則,并對業(yè)務(wù)數(shù)據(jù)影響因素進(jìn)行評分設(shè)定,利用高速業(yè)務(wù)數(shù)據(jù)的人車誠信評級為綠通治理工作提供更加直觀的輔助決策數(shù)據(jù)。