让大数据变“活数据”，海信给出交通大数据深化应用新思路

“基于多年技术积累及170多个城市实战经验，今天海信将交通大数据应用全面升级！”在第十二届（2023）中国智能交通市场年会智慧交管科技创新应用发展论坛上，海信网络科技公司智慧交通事业本部总经理王雯雯发表《交通大数据深化应用新思路及创新实践》主题演讲。她指出：聚焦交通大数据应用困局，海信秉承“数据管理、价值挖掘；问题驱动、应用导向”的应用理念，打造“四个一”专业大数据服务模式，实现数据价值最大化！

大数据不在“大”，重在“用”

大数据概念由来已久。自2017年智能交通建设规模化发展以来，交通已积累了海量的数据资产，“现在正是向交通大数据要价值的时代。”王雯雯认为，所谓交通大数据不只是行业本身产生的数据，而是能够服务于交通的数据都属于交通大数据范畴，可分为基础地理数据、交通设施数据、交通政务数据、企业运营数据、物联感知数据、和其他系统中用于交通的各种数据等六类。每一类数据不是十全十美的。比如交通设施数据资料不全，更新慢难获得。管理数据来源多，面临跨网跨系统，难汇聚，而且安全性要求高。运行状态数据中，交通流数据会因为设备故障、网络中断、设备降效等带来数据质量不高。事故数据价值高，但不容易拿到全量数据，而且需要大量处理才能把原始数据分解为支撑分析的多维数据。物联感知数据中，视频数据资源消耗大，利用率不高，价值稀疏但重要，怎么做好资源调度保证抓到关注信息是很大的挑战。

与其他领域数据相比，交通大数据独有地域和时域动态演化特征，实时性显著，想用好、用活面临三大挑战：一是数据价值密度低，关联融合不够，实战应用差；二是深度应用不够，蕴含价值未充分挖掘、已挖掘的未充分利用；三是专业人才困乏。三重压力下，交通大数据虽庞大如汪洋大海，却用不了、用不好、用不起来。

大数据不在“大”而重在“用”！海信大数据应用起步早、发展快、范围广、实战案例丰富，从2013年开始，海信将技术与业务深度融合，先后突破百亿检索、秒级查询、十亿碰撞、快速建模、云脑等关键技术，沉淀了交管、公交、高速、枢纽、停车等系列实战应用，赋能管理提效、科学决策。“基于多年技术积累及170多个城市实战经验，今天我们将交通大数据应用全面升级。”

海信交通大数据应用全面升级

那海信是如何升级的呢？王雯雯从应用理念、应用实践等维度进行了阐述。海信坚持“数据管理、价值挖掘；问题驱动、应用导向”的应用理念不动摇，构建以“云脑”为核心的交通大数据平台，服务于缓堵保畅、场景化指挥、安全防控、执勤执法、监管服务五大类应用，致力于把数据管理好以及倒逼技术突破、服务实战应用。

王雯雯在演讲中多次强调，数据需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力，因此海信升级服务模式，打造“四个一”专业大数据服务模式，实现数据价值最大化。“四个一”即“一套方法，从数据治理、数据组织、数据分类、课题确定、初步建模、模型打磨、模型确立、到实战验证；一套机制，从业务专题分析到实战效果评价；一个团队，进行专业的大数据咨询服务；一套工具，包括基础模型库，专题实战模型，可视化建模工具”，既能有效解决大数据专业人才匮乏问题，又能更好服务业务应用。

把数据管好用好、打造高价值模型

聚焦“数据管理、价值挖掘”，海信从深化的数据标准、闭环的数据治理、专业的数据组织三维入手“管数据”。首先，实现标准化数据积累，20项国际标准、3项行业标准、25项团体标准及百余类数据的拓展标准，让数据积累有“准”可依。其次，不仅找问题更给方法，从源头入手快速发现问题、精准定位原因，同时确定修复目标及方法，形成闭环式治理体系。再者，从专业角度精准识别数据间相互关联，以人、车、路(空间)、环境、时间为主线对数据归集整理，建立知识图谱，让数据更易挖掘使用。“数据组织易被忽略却极为重要的，海信的做法补齐了行业短板。”

管好数据是基础，用好数据才是目的。海信依托扎实的数据管理搭建高效的建模工具，帮助交警将业务思想转化为大数据模式，助力业务持续创新。“我们把交管业务建模常用的分析步骤提炼封装了19个专用算子，大幅简化建模步骤、降低工具门槛。”比如在青岛落地的疫情车辆排查模型，将原本需2天以上的开发时间，缩短至2小时建模。以及在镇江打造的10大类减量控大报表和在崂山开发的蹚路车模型，均将原本需2周甚至数周的开发时间大大缩短，实现需求响应的快速化。

目前，海信通过176个城市20余年的实战锤炼，已提炼出数百种业务应用模式，覆盖7大类62个交管业务场景上百个模型，让数据有用、为交管赋能。“随着AI、知识图谱等技术的深化应用，这种高质量、高价值的应用模型还在不断丰富，”王雯雯指出。

落地应用场景、赋能交管业务

聚焦“问题驱动、应用导向”，海信将数据落地到业务场景，实现对缓堵保畅、场景化指挥、安全防控、监管服务的全面赋能。

赋能缓堵保畅——基于对交通流的精准掌握，通过数据补偿、修复机制、优化数据，实现干线绿波自动识别、控制策略自动生成，由人工调优到自动调优迈进了一大步。

赋能场景化指挥——通过对交管指挥场景的精细化刻画，形成9大类88个细分场景。通过细分场景抓重点，更好刻画场景的感知机制、决策逻辑和处置动作，以大数据驱动指挥决策，全面提升指挥效率和效果。这其中，基于大数据做好智能感知与研判处置是关键。智能感知方面，海信已积累实体、事件、行为、规律4大类200+ AI算法，核心算法实战准确率90%以上，实现对态势和事件感知的“全面、及时、准确”。比如通过跨媒体交通数据分析，融合视频大数据与过车大数据实现服务区饱和预警，实测准确率80%以上。处置方面，探索用数据分析原因、综合研判、进一步推荐处置措施，实现事件“快处”，速度快、效果好。以恶劣天气（大雨）场景为例，能够自动感知积水阻断交通、绿波降效、信号灯故障等关键异常事件，并做到“一点一策”措施自动推荐，缓解雨天拥堵，降低事故发生风险。

赋能安全防控——面向城市道路、高速、国省道和农村4类场景，建立事故风险分析工具集，打造既能支撑事故事后隐患挖掘、又能支撑事前风险分析的预测预警系统。以黑班线车识别为例，通过车辆静态特征、出行轨迹、落脚点、运营路线分析排查出疑似黑班线车辆，为实施打击提供精准指引。在镇江上线4个月即查获黑班线车156辆。

赋能监管服务——通过对车驾管、过车等数据的深度应用，拓展9种高危业务106种业务风险实时预警，在淄博应用后累计预警120991次、平均检出率90%以上。

随着人工智能、云计算、物联网等新技术的深化应用，交通数据的产生与沉淀呈井喷之势，探索交通大数据应用已成大势所趋。未来，海信将基于雄厚的技术积累与建设实践，加快大数据探索速度与应用深度，不断推进场景应用创新。最后，王雯雯对行业作出了展望，她指出，当前交通大数据应用普遍集中在帮助认知现状的描述性分析应用上，对于预测性分析、决策指导性分析等更深层次分析应用偏少，交通大模型值得期待，也必将到来。海信正在升级交通智能体，探索交通大模型应用。

无论是大数据深化应用，亦或是交通大模型的到来，是否意味着决策将脱离人实现自动化呢？答案是否定的。王雯雯认为：关键决策仍离不开人，并非每个决策都可以或应该被自动化。正如Gartner副总裁分析师Gareth Herschel所说：“如不考虑人类在决策中发挥的作用，那么推动决策自动化的努力将导致数据驱动型组织缺乏良知或者是始终如一的目标。组织的数据素养计划需要强调，数据和分析是要与人类决策相结合的。”