文/周新煥、秦緋、田濤、楊麗

1 前言

在運輸貨物的過程中，一些車主為了追求短期更高的經(jīng)濟收益，忽視行車安全以及公路的實際承載能力，出現(xiàn)超限運輸?shù)男袨?，給公路造成了損害、埋下了安全隱患。利用智能數(shù)據(jù)治理系統(tǒng)，可以對業(yè)務(wù)辦理所需的各種數(shù)據(jù)進行抽取、匯聚、整合，通過系統(tǒng)平臺進行一定的分析判斷，從而實現(xiàn)數(shù)據(jù)管理及高效審批，同時也為相關(guān)部門的工作提供必要的數(shù)據(jù)支持[1]。

2 項目概況

2.1 研究背景

為深入貫徹黨的十九大和十九屆二中、三中全會精神，以習近平新時代中國特色社會主義思想為指導，牢固樹立和貫徹落實新發(fā)展理念，深化“放管服”改革，進一步推進“互聯(lián)網(wǎng)+政務(wù)服務(wù)”，加快構(gòu)建全國一體化網(wǎng)上政務(wù)服務(wù)體系，國內(nèi)各地區(qū)積極搭建在線政務(wù)服務(wù)平臺，整合網(wǎng)絡(luò)資源，解決群眾關(guān)心的熱點問題。將線下完成的業(yè)務(wù)轉(zhuǎn)向線上完成，做好政府智能化服務(wù)，這也是智慧城市建設(shè)背景下的必然要求。智慧政府可以利用物聯(lián)網(wǎng)、云計算等現(xiàn)代化信息技術(shù)，提升決策智能化水平，建設(shè)服務(wù)型政府[2]。

在智慧城市的大背景下，建設(shè)智慧化的電子政務(wù)、發(fā)展信息經(jīng)濟和智慧經(jīng)濟，是實現(xiàn)經(jīng)濟和社會轉(zhuǎn)型升級的必由之路。通過運用先進的現(xiàn)代信息技術(shù)，實現(xiàn)資源的優(yōu)化整合，業(yè)務(wù)協(xié)同合作，有效提升政府辦公的效率，從而形成高效、集約、便民的服務(wù)型政府運營模式。通過本課題研究，實現(xiàn)業(yè)務(wù)快速辦理，響應(yīng)國家政策的目標。

2.2 項目概況

本課題著眼于人工智能技術(shù)，從交通管理領(lǐng)域出發(fā)，研究行業(yè)數(shù)據(jù)中存在的問題，思考如何提升基層數(shù)據(jù)來源。目前存在的數(shù)據(jù)問題主要是錯誤和缺失，使得交通綜合數(shù)據(jù)分析的結(jié)果不夠準確，進而影響科學決策。隨著智能化設(shè)備的不斷推廣，交通數(shù)據(jù)量和種類也在不斷增加，單純依靠人工核驗無法滿足當前的需求。面向公路超限審批的智能數(shù)據(jù)治理與決策支持的應(yīng)用將包含以下幾個方面內(nèi)容：

2.2.1 通過機器學習算法來標記樣本數(shù)據(jù)特征；采用特征縮放的方式提升判斷準確率。

2.2.2 完成樣本數(shù)據(jù)分析后，形成數(shù)據(jù)結(jié)構(gòu)特征模型，然后隨著樣本量增加，反復訓練，使得模型變得更加準確。

2.2.3 通過特征模型分析數(shù)據(jù)特征，模型會自動提取問題數(shù)據(jù)，實現(xiàn)人工智能數(shù)據(jù)治理。

2.2.4 利用BIP 數(shù)據(jù)分析產(chǎn)品分析非結(jié)構(gòu)化數(shù)據(jù)，比如：圖文識別技術(shù)以及文檔智能分析技術(shù)等，將提取的數(shù)據(jù)源作為參照，恢復錯誤的數(shù)據(jù)。

2.3 國內(nèi)外研究現(xiàn)狀

我國交通運輸行業(yè)經(jīng)過數(shù)十年的發(fā)展，已經(jīng)形成了包括公路、水路、民航以及鐵路等多種運輸方式組成的綜合交通運輸網(wǎng)絡(luò)，涵蓋了行政管理、應(yīng)急管理以及信用管理各方面的海量數(shù)據(jù)，但是由于數(shù)據(jù)存在混亂、關(guān)聯(lián)性弱以及數(shù)據(jù)項缺失等問題，無法滿足行業(yè)應(yīng)用的要求。公路是交通運輸?shù)纳€，隨著社會經(jīng)濟的發(fā)展，公路發(fā)揮著越來越重要的作用。但近年來由于公路超限貨物運輸現(xiàn)象層出不窮，由此造成的許多交通安全事故嚴重威脅著公路的正常使用。根據(jù)不完全統(tǒng)計和專家分析，路面車輛的超載所帶給路面的損害是幾何倍數(shù)增長的。其中，對于貨車來說，超限10%隨之給道路造成的損壞會增加40%；一輛超載2 倍的車輛對公路造成的損害是不超限車輛行駛16 次的傷害；一輛后軸為15t 的超限車對公路所造成的損害是10t 汽車行駛的5.06 次；一輛36t 的超載車輛所造成的傷害與9600 輛1.8t 重車等同?？偠灾?，公路車輛的超限除了會給道路造成破壞，還給公路橋梁的安全構(gòu)成嚴重威脅。另外，大多數(shù)的超載車輛采取加裝鋼板彈簧等辦法，超過公路橋梁的設(shè)計荷載標準，會引發(fā)橋梁結(jié)構(gòu)災難性的破壞。

3 主要內(nèi)容及關(guān)鍵技術(shù)、創(chuàng)新點分析

3.1 研究內(nèi)容

本課題研究的主要內(nèi)容包括使用人工智能技術(shù)模擬業(yè)務(wù)人員進行業(yè)務(wù)審批，進而實現(xiàn)智慧型超限運輸審批系統(tǒng)的相關(guān)功能。通過機器學習技術(shù)識別業(yè)務(wù)申請材料，然后建立檔案數(shù)據(jù)中心，利用BIP 系統(tǒng)的專家對比模型記憶機器學習的決策樹算法對業(yè)務(wù)進行自動審批，可以有效解決當前數(shù)據(jù)質(zhì)量數(shù)據(jù)同數(shù)不同源、數(shù)據(jù)項缺失等問題，最限度提升數(shù)據(jù)的質(zhì)量與真實性，降低數(shù)據(jù)因統(tǒng)計不準確導致的結(jié)果誤差，實現(xiàn)業(yè)務(wù)智能審批。

3.2 關(guān)鍵技術(shù)

關(guān)鍵技術(shù)主要包含三個部分：棧式降噪自編碼器、深度網(wǎng)絡(luò)以及圖文識別。

3.3 創(chuàng)新點

與傳統(tǒng)的公路超限運輸審批系統(tǒng)相比，運用智能數(shù)據(jù)治理與決策支持應(yīng)用的審批系統(tǒng)有以下幾個方面的優(yōu)勢：

3.3.1 采用人工智能技術(shù)，在審批的每個環(huán)節(jié)都能當場出具結(jié)論，不需要等到管理人員審核，這樣可以有效提升業(yè)務(wù)辦事效率；同時，人工智能技術(shù)還可以實現(xiàn)極高的決策準確率，保障業(yè)務(wù)審批準確率。

3.3.2 利用深度學習技術(shù)，通過棧式降噪自編碼器構(gòu)造深度降噪自編碼網(wǎng)絡(luò)。深度網(wǎng)絡(luò)在提取數(shù)據(jù)特征方面有著強大的優(yōu)勢，可以發(fā)掘數(shù)據(jù)之間的潛在關(guān)聯(lián)，并通過圖文識別以及文檔智能分析提取非結(jié)構(gòu)化數(shù)據(jù)，對比提取數(shù)據(jù)與分析數(shù)據(jù)的特征，進而有效實現(xiàn)數(shù)據(jù)修復。

3.3.3 通過知識圖譜用戶畫像技術(shù)，分析用戶操作數(shù)據(jù)以及其他維度的數(shù)據(jù)，確保用戶檔案數(shù)據(jù)的真實性和準確性。

3.3.4 采用深度降噪自編碼網(wǎng)絡(luò)模型，可以利用它的普適性和可遷移性，在特定場景下對樣本數(shù)據(jù)進行訓練或者在已經(jīng)訓練好的網(wǎng)絡(luò)模型上實施微調(diào)，這樣就可以治理不同場景下的數(shù)據(jù)，以此降低深度學習對于硬件設(shè)備的需求及開發(fā)算法模型的成本，進而提升模型的有效性和準確性。

4 核心技術(shù)與路線

通過采用人工智能技術(shù)，有效完成交通行業(yè)智能數(shù)據(jù)治理與決策，支持關(guān)鍵技術(shù)研究及應(yīng)用示范。

4.1 技術(shù)路線

采用人工智能技術(shù)完成對于交通行業(yè)公路超限審批的智能數(shù)據(jù)治理與決策，支持關(guān)鍵技術(shù)的研究，解決現(xiàn)階段公路超限審批的智能數(shù)據(jù)治理問題：

4.1.1 通過人工智能技術(shù)，識別公路超限運輸業(yè)務(wù)申請材料的內(nèi)容，將現(xiàn)階段非關(guān)系型數(shù)據(jù)轉(zhuǎn)化為關(guān)系型數(shù)據(jù)，并形成真實的用戶圖像。

4.1.2 通過成熟的知識圖譜分析用戶圖像對于真實數(shù)據(jù)的匹配度，最限度提升和確保用戶業(yè)務(wù)材料的真實有效性。

4.1.3 通過特征模型算法、棧式降噪編碼器技術(shù)，及時快速模擬業(yè)務(wù)的審批過程。該過程能夠有效提高審批結(jié)果的準確性，從而快速準確提升特征模型審批的準確度。

4.2 實施方案

4.2.1 調(diào)研分析現(xiàn)場數(shù)據(jù)，明確化公路超限運輸業(yè)務(wù)相關(guān)數(shù)據(jù)，探究存在哪些數(shù)據(jù)質(zhì)量問題。

4.2.2 對基于BIP 人工智能的公路超限運輸業(yè)務(wù)數(shù)據(jù)治理系統(tǒng)進行架構(gòu)設(shè)計與開發(fā)，并廣泛應(yīng)用于公路超限審批。

4.2.3 通過實際的運行和測試，完成對治理系統(tǒng)的測試。

4.2.4 通過測試撰寫完整的科研報告，總結(jié)申報成果。

4.3 智能判斷技術(shù)分析

通過業(yè)務(wù)特征提取棧式降噪編碼器能夠快速準確獲得業(yè)務(wù)的規(guī)則條件特征，使計算機能夠準確清楚了解和理解業(yè)務(wù)的規(guī)章條件，同時精準讀懂業(yè)務(wù)辦理規(guī)則及文檔文件內(nèi)容。

4.3.1 棧式降噪自編碼器

棧式降噪編碼器能夠?qū)崿F(xiàn)對于對象特征的自動提取，同時完成低維冗余的特征映射，展現(xiàn)相互高維抽象的深層特征，即通過棧式降噪編碼器提取特征向量，并且精準獲取用戶的相似度[3]。 其中，自動編碼器是由Rumelhart（1986）提出的基于神經(jīng)網(wǎng)絡(luò)的特征提取，采用逼近恒等函數(shù)，是輸出與輸入相似的一種無監(jiān)督的非線性學習算法。

4.3.2 業(yè)務(wù)特征提取

業(yè)務(wù)特征的提取方法是通過棧式降噪自編碼器數(shù)據(jù)特征算法，將輸入過程中的隱含的特定結(jié)構(gòu)進行獲取和提取的；同時，采用相應(yīng)的自編碼神經(jīng)網(wǎng)絡(luò)及時、準確獲取事物特征。其中，自編碼器能夠使得特定結(jié)構(gòu)在輸入中及時、精準獲取具備一定意義的數(shù)據(jù)。

4.3.3 模型訓練

棧式降噪自編碼器是多個降噪自編碼器級聯(lián)，逐一有序提取事物特征，使得最終獲得的特征向量更加適合事物的本質(zhì)特征，并且具備較小的維度。一般來說，模型訓練是將n 個AE按照一定的順序進行訓練，再將獲得的輸出作為第二個AE 輸入，將其訓練完成后獲得第三個AE 輸入，以此類推，將最后得到的特征作為分類器的輸入，進而得到特征模型數(shù)據(jù)。

5 實際應(yīng)用及效果評價

目前，基于BIP 人工智能的公路超限運輸業(yè)務(wù)數(shù)據(jù)治理系統(tǒng)已成功運用于山西省公路超限運輸業(yè)務(wù)。通過新系統(tǒng)與老系統(tǒng)的實際應(yīng)用對比，在關(guān)鍵的受理和審查環(huán)節(jié)的審批效率由原來的8～10min，縮短到十幾秒。同時，針對此項示范業(yè)務(wù)的I、II 類件，在特定路線下，能夠?qū)崿F(xiàn)無人干預的自動化審批，大幅度提升審批效率，群眾滿意度極高。另外，通過加強科技創(chuàng)新理念，加強科研隊伍培養(yǎng)，逐漸形成了人員結(jié)構(gòu)合理、技術(shù)專業(yè)完善的科研型業(yè)務(wù)團隊，同時不斷加大科研投入力度、創(chuàng)新科研成果，在實際應(yīng)用中獲得良好的經(jīng)濟效益和社會效益。此外，通過建設(shè)智能化的應(yīng)用系統(tǒng)，群眾所需的資料越來越少，辦理的周期越來越短，滿意度越來越高，切實做到了實質(zhì)性的便民服務(wù)。

6 結(jié)語

總之，本課題的研究成果能夠為領(lǐng)域內(nèi)帶來突飛猛進的變化，為業(yè)務(wù)辦理的參與者帶來實際性便利與效益，同時還能有效響應(yīng)國務(wù)院提出的新型“互聯(lián)網(wǎng)+”的思想及“零”見面的指導方針。