大数据分析技术是目前热门话题，在很多领域都有良好的应用，根据MarketsandMarkets研究报告指出，到2018年，全球大数据市场的平均复合增长率已经达到26%，标志着已经进入了大数据时代。在智能交通管理领域，应用大数据分析技术能够将智能交通带向更高的巅峰。若结合云计算技术、5G技术，将会大幅度提升公路管理中各项资源和数据利用率，为交通管理提供更加先进、新颖的支持和保障。基于此，开展大数据分析在公路管理中的应用探讨就显得尤为必要。

一、公路管理对大数据分析的需求

从大数据分析技术发展现状而言，我国的大数据产业已经比较成熟，公路在发展中也形成了海量数据，数据量、数据种类等都呈现爆炸式增长，大大增加了公路管理数据存储、数据使用、数据查询的成本。目前很多公路管理部门都无法很好的应用现有数据，也不能直接丢弃，致使数据存储成本逐年增大，难以发挥出数据的价值和作用。而采用大数据分析技术，能够大幅度提升公路管理单位数据综合应用水平，从海量数据中快速、准确地挖掘出有价值的数据，为公路管理决策的制定提供真实有效的数据支撑，从而提升公路管理的信息化、智能化、智慧化水平。因此，公路管理对大数据分析技术有非常迫切的需求。

二、公路管理大数据分析平台设计思路

公路在运营管理中会产生大量数据，为保证这些数据能够被良好的管理和使用，发挥出数据应有的价值和作用，需要公路运营管理单位，组建起一个级别不小于企业级的大数据分析平台，以便对公路管理中的各项数据进行有效的采集、分析、管理和存储。比如：TDH数据管理分析平台就是目前公路管理中比较常用的大数据分析平台，是一种典型分布式结构系统，数据分析、数据存储效率非常高，而且还能实现一站式服务。既能实现公路数据的存储和计算，又可以为数据的处理和应用，提供必要的平台，能够满足公路管理大数据分析的各项要求。当公路运营管理中数据进入TDH企业级一站式大数据分析平台之后，需要通过数据格式转换后，才能将数据汇总到一个平台上进行集中管理。再进行批量化处理，就能形成明细层、汇总层、模型层。历史数据可直接存储到Search搜索引擎中，在使用时只要输入关键字或者关键词，就能快速检索到所需的历史数据。而那些非结构化数据，可直接存储到Hyperbase搜索引擎中进行存储管理。为提升TDH企业级一站式大数据分析平台中的数据分析和处理质量，可借助Governor系统来对各项数据元数据进行集中管理，包括：数据增删、数据更改、新数据录入等，同时还能对不同数据的影响关系进行分析，从而提升各项数据之间的关联性，在数据使用检索中，只要快速找到其中一个数据，其他管理数据也会被检索出来，便于管理人员参考和使用。而对于那些上层数据的应用，可采用标准化的JDBC或者ODBC直接和TDH企业级一站式大数据分析平台相互对接，以满足数据快速挖掘的需求，为公路管理提供必要的参考和指导。

三、大数据分析在公路管理中的应用

（一）在ETC用户和车辆引导管理中的应用

ETC用户和车辆引导管理是公路管理的重中之重，为提升公路管理水平，可选择Apriori算法，来分析各数据之间的关联性，为公路使用用户提供必要的信息服务，比如：可通过大数据分析技术，可按照用户车辆迁徙路线，快速制定出相关的线路信息推送服务。通过分析客户车辆经过的历史地点的历史数据，再利用大数据可视化的特点，推算出用户未来一段时间内的驾驶线路，并为用户提供必要的信息支持和数据服务，提升公路服务管理水平，为客户出行提供更加精准的信息数据服务。

（二）在公路运营优化管理中的应用

运营管理是公路管理的核心内容，其管理水平，直接关系到公路管理企业的经营发展水平，应用大数据分析技术，可通过流式机器自动学习的功能，对公路运营管理情况进行详细的分析，实现提前预警、提前指挥、提前管理，便于统一调度和集中指挥。利用TDH企业级一站式大数据分析平台，对各项数据进行分析，就可以为公路运营管理提供决策依据。利用ST-ResNet大数据分析技术，可对公路上行驶车辆的密度进行预测，主要机理是：将公路先划分成若干个矩形小区域，进行多区域同时分析，就能实现整体性预测，通过分析公路的时间属性、空间数据、外部天气数据等，就能获得公路上行驶车辆的密度。

（三）在稽查分析管理中的应用

在公路管理中应用大数据分析技术还能实现逃费稽查分析、出入口流水对比分析等。主要是利用Inceptor大数据分析技术对原始的交易流水进行全面分析，可快速获得逃费稽查和出入口流量的相关历史特征，包括：车辆一周、一个月、半年的缴费信息诉讼费，各缴费出入口每年各时间段的出入流量信息。可采用融合时序预测模型和异常检测模型相互结合的方法，来提升公路管理稽查分析管理水平，具体的实现过程如下：第1，先通过discover大数据分布式时序预测方法，来预测每个出入口的车辆流量，同时和目前采集到的数据进行对比分析。如果对比结果显示，实际流量低于预测流量，就表明可能存在逃费稽查情况。第2，利用iforest算法和无监督算法来检测各项数据是否存在异常，如果存在异常，则表明车辆存在逃费现象。融合时序预测模型和异常检测模型相互结合的方法，比单一的检测模型，预测逃费稽查的准确性更高，可同时发出两种检测模型的优势。

（四）在联合指挥和应急资源调度中的应用

公路在运行中难免会发生突发事件，如果处理不及时或者处理方法不当，可能会引起更加严重的安全事故。利用大数据分析技术，可将公路运行中形成的各项数据汇总到一个平台上进行分析管理，将突发事件的数据全部呈现在应急事件智慧管理平台上，形成联合指挥。应急事件智慧管理部门可通过“挂图作战”方式，制定科学有效的应急措施，尽快处理解决突发应急事件，尽快恢复公路交通，实现突发事件信息汇总、应急指挥管理、应急资源管理、应急过程管理的信息化和数字化，降低突发事件造成的损失和危害。

四、结语

综上所述，本文采用理论结合实践的方法，探讨了大数据分析在公路管理中的应用，探讨结果表明，公路管理是一项非常复杂的工作，涉及到很多方面的内容。公路管理中信息数据采集、数据汇总、数据分析、数据处理一直是重难点，也是限制我国公路管理水平提升的主要因素。而应用大数据分析技术之后，可以为公路管理提供快速、实时、有效的数据采集、数据分析、数据存储、数据应用等方面的支撑，为制定公路管理策略，提供真实有效的数据支持和理论参考，从而提升公路管理水平，促使我国公路事业稳健发展。

作者:时洪然 单位:山东省交通运输监测与应急处置中心