“AI上大數據 AI上智慧交通”大講堂圓滿落幕

　　3月19日，由公安部交通管理科學研究所、蘇州市公安局交通警察支隊指導，中國智慧交通管理產業聯盟主辦，蘇州科達科技股份有限公司承辦的“AI上大數據 AI上智慧交通”大講堂正式開幕。

　　3月19日，由公安部交通管理科學研究所、蘇州市公安局交通警察支隊指導，中國智慧交通管理產業聯盟主辦，蘇州科達科技股份有限公司承辦的“AI上大數據 AI上智慧交通”大講堂正式開幕。

　　公安部交通管理科學研究所副所長俞春俊、蘇州市公安局交通警察支隊支隊長高昶、中國智慧交通管理產業聯盟秘書長苑雷、公安部交通管理科學研究所交通執法裝備技術研究部主任蔡崗、公安部交通管理科學研究所信息安全和大數據應用部主任方艾芬、蘇州市公安局科信處副處長劉芳、中山大學智能交通研究中心余志教授等交通管理方面的權威和專家蒞臨指導。

　　公安部交通管理科學研究所副所長俞春俊、蘇州市公安局交通警察支隊支隊長高昶、蘇州科達科技股份有限公司營銷中心副總經理李彧峰發表致辭，向與會領導、專家學者、企業精英表示歡迎。

　　公安部交通管理科學研究所副所長俞春俊

　　蘇州市公安局交通警察支隊支隊長高昶

　　蘇州科達科技股份有限公司營銷中心副總經理李彧峰

　　大講堂現場，與會嘉賓通過主題演講、交流研討的方式，介紹了交通管理大數據最新的理論與方法、各地典型的成功案例及道路交通相關優秀產品。

　　數據、算法與目標——淺議交通大數據的應用與發展

　　根據互聯網企業和交通管理部門對于大數據管理平臺建設的不同技術路線，結合大數據技術發展現狀及應用發展趨勢，分享關于一體化大數據平臺的三點認識：

　　• 明確設計場景、重構系統、更新業態三大模塊的建設理念。

　　• 遵照采集與業務、軟件與硬件、認識與功能“三分離”建設原則。

　　• 通過一車、一路、一口、一點、一區一策的個體精準管控服務策略，實現宏觀精確管控服務的建設目標。

　　重點駕駛人交通安全風險頻發模型構建及實踐

　　經分析研究，多數事故由于“人因”導致，亟需進一步挖掘交通運輸、應急管理等多維度、寬領域、跨行業的相關交管大數據，運用科學理論與方法投入建模實踐，并將實踐結果結合具體項目做實時分析論證，形成“高質量數據+數據驅動模型+實時全面監控分析”的動態閉環，落實重點駕駛人交通安全風險評分體系和企業安全責任，實現路面分級分類管控與源頭精準管控。

　　智能感知、精準打擊交流分享

　　交通大數據具有種類多、容量大、持續不斷的特點，隨著用戶智能化需求的不斷增長，交通組織規劃與管理精細化的要求不斷提高，交通智能感知將逐步實現全方式、精細化;人工智能(深度學習)應用日益廣泛、前端化;大數據精準打擊的目標越來越具體、應用越來越實戰。

　　大數據時代的警務新模式

　　在“數據為王”的時代，蘇州交警支隊以資源整合、聯動共享、大數據應用為主要發展方向的“數據警務”建設工程迸發聚合反應，有效提升了蘇州交警的工作質效。但目前，警務工作仍然面臨著諸多問題與挑戰，“人機結合、人網結合、以人為主”方為警務大數據應用的核心之道，也是交通管理警務提升和發展的方向。

　　交管大數據研判平臺思考及實踐

　　如何建設交管大數據研判平臺?圍繞“交管大數據從哪里來?”、“交管大數據研判平臺的定位、架構、藍圖”等問題，上海電科對警情研判、信號研判、違法研判、事故研判、車輛研判、擁堵研判進行了一系列實踐探索，并介紹了在對外服務管控措施、優化出行、泛感知、數據研判等方面取得的初步成效。

　　新易策賦能區域路網管控實踐之路

　　圍繞路網運行、隱患預防、高效處置、勤務優化等問題，易華錄通過多個實戰案例，分別展現了基于新易策賦能的路網通行車輛狀況精細化監測，隱患車輛精準化監管，事故根因挖掘、隱患人員篩查，接處警效率提升，量化勤務效能評估等實戰化應用場景。

　　可計算的交通擁堵——以飽和流量下高速公路交通擁堵為例

　　通過基于交通流理論模型的大數據分析可尋找不同條件下交通流和交通參數之間的變化規律，挖掘不同道路在最大通行能力和最佳通行速度之間合理的平衡，結合可計算擁堵量化的參數，可提前對擁堵進行預警提示，為交警部門的管控措施提供有效數據支撐和服務。

　　感知交通大數據 解析底層微服務

　　智能交通大數據的感知應用依賴于一個開放、可靠、高性能、易擴展的平臺支撐。通過智能感知基礎平臺，所有與交通大數據相關的基礎能力模塊均通過微服務方式構建，實現資源、數據、能力和服務的統一調度和管理，完成交通信息感知數據的標準化采集、分析、存儲和應用，為智能交通大數據的應用提供堅實的平臺基礎。

　　大數據環境下的交通優化探索與實踐

　　大數據的出現讓城市交通正走在從經驗交通邁向科學交通、數字交通的路上�；ヂ摼W數據與交警自身的數據都是寶貴的資源，寶康在交通優化、交通安全、重點車輛管控、智能勤務、數據和設備運維等方面取得了一些成果，但不可否認的是數據壁壘、數據背后邏輯的嚴謹性、數據使用的便捷性等問題，還需要在應用中仔細推敲。