广东交警总队杨粤湘：道路交通安全地图初探

人气：471

发表时间：2022-01-15

编者按：“在一条川流不息的高速公路上，我们怎样知道哪个地方有一定的安全风险点的，怎么样才能更好地“知危险，会避险”呢？”

近期，广东省公安厅交通管理局指挥处副处长杨粤湘在2021第六届华南智能交通论坛上发表了《安全才是最快的回家路——道路交通安全地图初探》主题演讲。

杨粤湘提出，有了数据，有了平台，我们如何聚焦解决道路交通安全的问题？并对该问题提出了道路交通安全地图这一新概念，他希望在可持续发展的态势下，打造一个健康发展、良性互动，共建共赢的道路交通安全生态系统，实现安全、快捷出行。

杨粤湘表示，“十四五”期间，国家要将大湾区打造成世界级的交通网络，这将会产生世界级的交通流量。我们希望通过数据融合，利用技术手段驱动道路交通安全管理创新，构建道路交通安全出行生态，实现安全服务精准触达、管理手段全面提升、安全生态有序运行。

背景概要

十九大报告提出：“建设交通强国”、“树立安全发展理念，弘扬生命至上、安全第一的思想”。

2019年国务院印发的《交通强国建设纲要》中提出：“全面建成人民满意、保障有力、世界前列的交通强国”。

2019年国务院印发的《粤港澳大湾区发展规划纲要》中提出：“构建现代化的综合交通运输体系”、“大力发展智慧交通”。

从国家的战略方针以及公安部、省委省政府对道路交通安全工作的要求来看，道路交通安全工作的定位越来越高。那么，随着科技的发展，我们如何利用新科技提高道路交通安全管理工作的水平？

广东道路交通安全管理特点

（1）基础体量大。

广东的公路通车总里程超过22万公里，高速公路通车里程位居全国的首位。同时，机动车和驾驶员的保有量也是长期位居全国首位。

（2）道路交通环境的复杂多变性。

广东处于丘陵地带，道路起伏多，弯道曲率大，高速公路伴有桥梁和隧道群。广东的气候方面，夏季沿海地区有台风，冬季粤北山区有冰冻，雨雾天气复杂多变。由此造成道路交通安全隐患风险叠加。

（3）道路出行需求多。

全省高速公路特别是珠三角（大湾区）日均通行量大，全省单日高速公路车流最高峰达838万车次，远超其他省份。

大湾区中心区域的广州、深圳、佛山、东莞4市汽车保有量均超过300万辆，广深、广佛、莞佛、莞深等跨城流量常年位于全国前五位。

“十四五”发展纲要中提出，要将大湾区打造成世界级的交通网络，创造世界级的交通流量。

道路交通安全的实然推进转变为应然

道路在设计时遵循国家标准，在建设时按照标准施划了标志、标线、标牌以规范和引导驾驶人遵章行驶。但是，通车后，在现实中，由于实际道路环境的千差万别，由于行驶在路上车辆性能的参差不齐，由于每个驾驶人的驾驶习惯、行为不一，每时每刻受到各种因素影响，特别是路上因大流量、突发事件、恶劣天气、交通事故、交通拥堵给驾驶人、交通参与者带来的各种影响，终究还是会引发交通事故，造成人员伤亡，财产损失。

当前的问题主要有哪些呢？

（1）我们从长期的管理实践中能够排查出道路开通后因环境或各种因素可能形成的事故多发路段、诱发的隐患黑点，也在治理整改。但是，将相关信息快速有效推送给交通参与者有所缺失。

（2）现今的导航地图主要是避堵的需求高于避险的需求。

（3） “人民日益增长的美好生活和不平衡不充分的发展之间的矛盾”从道路交通的角度看，就是在解决了人们在出行便捷的时候，安全出行问题的矛盾越来越凸显。

道路交通安全地图的思考：知危险，会避险

为了更好践行“生命至上，安全第一”的思想，公安部交通管理局在2020年“122”交通宣传时就倡导”知危险，会避险“。

（1）如何做到知危险，会避险？

交通安全因素：人、车、路、环境

我们通过综合坡度、曲率等更高精的道路基础数据，综合考虑更多的安全维度，融合更多的动态的安全数据，以安全为第一出行需求来探索研发道路交通安全地图平台，评估安全态势和预判未来趋势。

（2）在此基础上，如何让信息可以实时触达到用户？

通过融合省级公安交通管理大数据分析研判平台的数据，完善省级公安交通指挥中心建设，不断向纵深打造省市县三级交通指挥体系。与世纪高通、南京烽火、腾讯成立以交通安全为主题的联创中心，开展安全地图的研究和探索。

安全地图

（1）我们的目标：通过数据融合，利用技术手段驱动道路交通安全管理创新，构建道路交通安全出行生态，实现安全服务精准触达、管理手段全面提升、安全生态有序运行。

（2）我们的口号：安全才是最快的回家路。

（3）三步走计划：

试点先行：结合中国国家气象局、公安部交管局在韶关试点恶劣天气预警处置工作，选取京港澳（韶关段）、乐广、许广三条高速公路为试点路段。汇聚全长666公里，包括54座隧道和417座桥梁的道路基础信息、交通事故、交通违法数据、气象部门提供的网格化气象数据。

第一步：数据资源汇聚和数据治理。

首先，我们完成了将三条道路（全长666km，包括54座隧道，417座桥梁）根据公路条件特征（桥梁、隧道、长坡等）划分成若干段。然后，对应这些特征路段叠加了路况、气象、事故、事件等等动态数据（超过11万条），再与路网、高速出入口、POI等位置数据进行关联，得到划分出来的路段的安全特征，形成相关的多种安全主题数据库。

在这过程中，数据融合是一个难点。我们知道，高速公路是以公里桩描述其设施等的定位，气象部门的天气数据则是以坐标网格描述定位，公安交管部门的事故违法地点又是以道路代码描述定位，而对公众导航地图的地点往往是以偏移的经纬度定位，这样，就会存在着多种时空定位标准。如何实现一张图的展现？为解决这个问题，我们参照道路交通信息发布的国家标准GB_T 29744-2013《道路交通信息服务：道路编码规则》，参考互联网地图分段方式将矢量道路分成一段段Link，数据治理统一以Link为单位，对各类数据进行融合匹配，为每一条Link动态赋予各要素特征（或是事故路段，或是天气影响路段，或是有急刹车的风险点段等等），以路段数据分析的最小单元Link来建立道路档案（也就是打上了标签）。有效解决了多种定位数据的融合问题。

第二步：确定模型，训练调优。

选取对道路交通安全有影响的几类数据：一是气象条件，如地温、气温、降雨量、能见度等；二是交通流状态，包括流量突变、路段车速差、路面车辆构成比例等；三是交通事件，包括交通管制、占道施工等；四是驾驶行为，包括三急一速等行为；五是道路交通事故；六是公路条件，包括车道变化、几何线形、曲率、坡度、海拔等。我们通过分析与道路安全风险相关程度较高的这六类中152个特征数据作为建模的基础数据。去除对数据分析没有意义和变化不明显的数据特征，并对这些数据进行归一化处理后，提取出当前数据中对道路安全相关指标影响较大的几大特征值（分别是时间段、温度、风速、曲率、坡度、限速、车道数、一般弯道数量、急弯数量、一般坡数量，）作为模型的输入变量进行计算，目前通过机器学习构建了事故多发路段预测模型，事故隐患路段模型。为了检测模型的泛化能力，我们将数据集按照4:1的比例分成训练集与测试集，也就是由里程桩LINKID进行关联融合了气象数据、事故数据、路网数据的事故数据组成的事故组为训练集，和未发生过事故的link结合气象、静态路网的非事故数据组成的对照组为测试集。我们通过从准确率、精确率和召回率三个角度评价模型，不断对道路实际安全进行计算和验证。从验证情况来看，分析出的事故多发路段和隐患路段数据与历史数据对比模型分析准确率超过84%。

第三步：开展应用。

根据不同的应用场景：基于道路交通安全管理（安全报告和安全评估）、车辆安全服务（安全产品和安全标准）、安全出行诱导（信息发布和预警预测），从不同的领域、不同的角度、不同的对象，多角度的展现全省或地市道路交通安全态势总体情况和预测预警道路交通安全风险。

我们已经在静态路网结构分析、历史事故分析、安全风险监测预警、辅助决策等方面有了一定的示范成果。平台已实现在试点路段基于安全要素的功能模块输出，即可通过专门的地图界面呈现出：静态安全风险地图、气象预报条件下的安全地图、交通流为主题的拥堵分析地图，可以对驾驶人行为、交通事故、交通事件、公路条件进行分析、可视化展示，可开展涉疫情防控、跨省出行、货车通行等方面的专题应用。