“AI上大数据 AI上智慧交通”大讲堂圆满落幕

　　3月19日，由公安部交通管理科学研究所、苏州市公安局交通警察支队指导，中国智慧交通管理产业联盟主办，苏州科达科技股份有限公司承办的“AI上大数据 AI上智慧交通”大讲堂正式开幕。

　　3月19日，由公安部交通管理科学研究所、苏州市公安局交通警察支队指导，中国智慧交通管理产业联盟主办，苏州科达科技股份有限公司承办的“AI上大数据 AI上智慧交通”大讲堂正式开幕。

　　公安部交通管理科学研究所副所长俞春俊、苏州市公安局交通警察支队支队长高昶、中国智慧交通管理产业联盟秘书长苑雷、公安部交通管理科学研究所交通执法装备技术研究部主任蔡岗、公安部交通管理科学研究所信息安全和大数据应用部主任方艾芬、苏州市公安局科信处副处长刘芳、中山大学智能交通研究中心余志教授等交通管理方面的权威和专家莅临指导。

　　公安部交通管理科学研究所副所长俞春俊、苏州市公安局交通警察支队支队长高昶、苏州科达科技股份有限公司营销中心副总经理李彧峰发表致辞，向与会领导、专家学者、企业精英表示欢迎。

　　公安部交通管理科学研究所副所长俞春俊

　　苏州市公安局交通警察支队支队长高昶

　　苏州科达科技股份有限公司营销中心副总经理李彧峰

　　大讲堂现场，与会嘉宾通过主题演讲、交流研讨的方式，介绍了交通管理大数据最新的理论与方法、各地典型的成功案例及道路交通相关优秀产品。

　　数据、算法与目标——浅议交通大数据的应用与发展

　　根据互联网企业和交通管理部门对于大数据管理平台建设的不同技术路线，结合大数据技术发展现状及应用发展趋势，分享关于一体化大数据平台的三点认识：

　　• 明确设计场景、重构系统、更新业态三大模块的建设理念。

　　• 遵照采集与业务、软件与硬件、认识与功能“三分离”建设原则。

　　• 通过一车、一路、一口、一点、一区一策的个体精准管控服务策略，实现宏观精确管控服务的建设目标。

　　重点驾驶人交通安全风险频发模型构建及实践

　　经分析研究，多数事故由于“人因”导致，亟需进一步挖掘交通运输、应急管理等多维度、宽领域、跨行业的相关交管大数据，运用科学理论与方法投入建模实践，并将实践结果结合具体项目做实时分析论证，形成“高质量数据+数据驱动模型+实时全面监控分析”的动态闭环，落实重点驾驶人交通安全风险评分体系和企业安全责任，实现路面分级分类管控与源头精准管控。

　　智能感知、精准打击交流分享

　　交通大数据具有种类多、容量大、持续不断的特点，随着用户智能化需求的不断增长，交通组织规划与管理精细化的要求不断提高，交通智能感知将逐步实现全方式、精细化;人工智能(深度学习)应用日益广泛、前端化;大数据精准打击的目标越来越具体、应用越来越实战。

　　大数据时代的警务新模式

　　在“数据为王”的时代，苏州交警支队以资源整合、联动共享、大数据应用为主要发展方向的“数据警务”建设工程迸发聚合反应，有效提升了苏州交警的工作质效。但目前，警务工作仍然面临着诸多问题与挑战，“人机结合、人网结合、以人为主”方为警务大数据应用的核心之道，也是交通管理警务提升和发展的方向。

　　交管大数据研判平台思考及实践

　　如何建设交管大数据研判平台?围绕“交管大数据从哪里来?”、“交管大数据研判平台的定位、架构、蓝图”等问题，上海电科对警情研判、信号研判、违法研判、事故研判、车辆研判、拥堵研判进行了一系列实践探索，并介绍了在对外服务管控措施、优化出行、泛感知、数据研判等方面取得的初步成效。

　　新易策赋能区域路网管控实践之路

　　围绕路网运行、隐患预防、高效处置、勤务优化等问题，易华录通过多个实战案例，分别展现了基于新易策赋能的路网通行车辆状况精细化监测，隐患车辆精准化监管，事故根因挖掘、隐患人员筛查，接处警效率提升，量化勤务效能评估等实战化应用场景。

　　可计算的交通拥堵——以饱和流量下高速公路交通拥堵为例

　　通过基于交通流理论模型的大数据分析可寻找不同条件下交通流和交通参数之间的变化规律，挖掘不同道路在最大通行能力和最佳通行速度之间合理的平衡，结合可计算拥堵量化的参数，可提前对拥堵进行预警提示，为交警部门的管控措施提供有效数据支撑和服务。

　　感知交通大数据 解析底层微服务

　　智能交通大数据的感知应用依赖于一个开放、可靠、高性能、易扩展的平台支撑。通过智能感知基础平台，所有与交通大数据相关的基础能力模块均通过微服务方式构建，实现资源、数据、能力和服务的统一调度和管理，完成交通信息感知数据的标准化采集、分析、存储和应用，为智能交通大数据的应用提供坚实的平台基础。

　　大数据环境下的交通优化探索与实践

　　大数据的出现让城市交通正走在从经验交通迈向科学交通、数字交通的路上。互联网数据与交警自身的数据都是宝贵的资源，宝康在交通优化、交通安全、重点车辆管控、智能勤务、数据和设备运维等方面取得了一些成果，但不可否认的是数据壁垒、数据背后逻辑的严谨性、数据使用的便捷性等问题，还需要在应用中仔细推敲。