周 雷，張 平，葉勁松

（交通運(yùn)輸部科學(xué)研究院，北京 100029）

0 引言

我國“十四五”規(guī)劃提出，要堅持實(shí)施區(qū)域重大戰(zhàn)略、區(qū)域協(xié)調(diào)發(fā)展戰(zhàn)略、主體功能區(qū)戰(zhàn)略，健全區(qū)域協(xié)調(diào)發(fā)展體制機(jī)制，推動區(qū)域協(xié)調(diào)發(fā)展[1]。其中，交通運(yùn)輸將充分發(fā)揮先行和支撐作用[2]。隨著交通信息化的深入應(yīng)用和新技術(shù)的進(jìn)步，積累了大量的交通信息資源，行業(yè)數(shù)據(jù)規(guī)模爆發(fā)式增長，其中高速公路數(shù)據(jù)是交通行業(yè)一項(xiàng)非常重要的資源，其對于分析區(qū)域貨運(yùn)交互關(guān)系具有很高價值，能有效服務(wù)于“十四五”期區(qū)域重大戰(zhàn)略和區(qū)域協(xié)調(diào)發(fā)展戰(zhàn)略。

當(dāng)前，基于大數(shù)據(jù)技術(shù)的高速公路數(shù)據(jù)分析建模研究主要集中在高速公路運(yùn)營管理、高速公路道路維護(hù)、高速公路安全管理等方面，基于大數(shù)據(jù)技術(shù)進(jìn)行高速公路貨運(yùn)情況分析的研究還比較缺乏。已有研究中，Emami 等將卡爾曼濾波應(yīng)用到連通車輛環(huán)境中，實(shí)現(xiàn)短期流量預(yù)測[3]；Dai 等提出了一種信息增強(qiáng)LSTM 模型用于預(yù)測單條道路的交通流變化[4]；Park 等基于大數(shù)據(jù)技術(shù)，通過車輛傳感器采集的車流速度和車輛數(shù)量數(shù)據(jù)，采用K-Means 算法對交通事故類型進(jìn)行分類[5]；朱熹在Spark 平臺上利用K-Means 算法搭建路網(wǎng)交通運(yùn)行狀態(tài)的判別模型[6]；陳昭明等構(gòu)建了混合Logit 模型來反映各因素對事故嚴(yán)重程度的影響[7]；馬千惠結(jié)合離線檢測和在線檢測方法，設(shè)計了車輛偷逃費(fèi)稽查系統(tǒng)[8]；代洪娜等利用高速公路收費(fèi)系統(tǒng)OD 流量數(shù)據(jù)提出了PSL 路徑選擇模型，進(jìn)行車流量分配[9]。

目前國內(nèi)對于高速公路貨運(yùn)情況的研究大多為基于統(tǒng)計指標(biāo)計算方法優(yōu)化的單省份區(qū)域貨運(yùn)研究，缺乏跨省跨區(qū)域研究，也缺乏將統(tǒng)計分析方法和大數(shù)據(jù)技術(shù)相融合的應(yīng)用研究。王龍飛等提出了一種基于車輛行駛OD 和通行量數(shù)據(jù)的交通運(yùn)輸量計算方法，針對傳統(tǒng)基于分層抽樣的交通運(yùn)輸量調(diào)查法進(jìn)行了優(yōu)化[10]；段莉珍等提出了一種改進(jìn)的區(qū)域路網(wǎng)貨物運(yùn)輸量統(tǒng)計方法[11]；張忠民等研究了基于波動系數(shù)的統(tǒng)計修正方法[12]。秦芬芬等以北京為例，基于需求方調(diào)查數(shù)據(jù)進(jìn)行了城市貨運(yùn)特征研究[13]；王劍波等利用高速公路數(shù)據(jù)采用抽樣調(diào)查的方式對四川通道貨運(yùn)情況進(jìn)行了研究[14]；任敏采用專項(xiàng)調(diào)查的方式對貴州貨運(yùn)情況進(jìn)行了研究[15]。

為分析跨省跨區(qū)域貨運(yùn)情況，本研究提出基于高速公路通行大數(shù)據(jù)的跨區(qū)域貨運(yùn)分析建模技術(shù)，以海量高速公路通行數(shù)據(jù)為基礎(chǔ)，利用大數(shù)據(jù)技術(shù)并創(chuàng)建相關(guān)模型，獲取公路貨物運(yùn)輸信息，由此分析區(qū)域間貨運(yùn)往來、交通以及經(jīng)濟(jì)聯(lián)系強(qiáng)度，探索相關(guān)數(shù)據(jù)結(jié)果在實(shí)際中的應(yīng)用價值，以期為區(qū)域重大戰(zhàn)略和區(qū)域協(xié)調(diào)發(fā)展戰(zhàn)略提供決策支撐。

1 高速公路通行大數(shù)據(jù)概況

1.1 高速公路通行大數(shù)據(jù)內(nèi)容及特點(diǎn)

高速公路通行大數(shù)據(jù)主要來自于高速公路聯(lián)網(wǎng)收費(fèi)系統(tǒng)，車輛通行一次便在收費(fèi)系統(tǒng)中產(chǎn)生一條記錄。高速公路通行大數(shù)據(jù)原始數(shù)據(jù)包含高速公路通行明細(xì)數(shù)據(jù)和各類字典數(shù)據(jù)，具體數(shù)據(jù)指標(biāo)如表1所示。

表1 高速公路通行大數(shù)據(jù)內(nèi)容及指標(biāo)

高速公路通行大數(shù)據(jù)具備典型的大數(shù)據(jù)特征，主要表現(xiàn)在以下方面。

（1）數(shù)據(jù)總體規(guī)模大：覆蓋了全國29 個省13.6 萬km 的高速公路，約9 000 個收費(fèi)站，每年數(shù)據(jù)量為TB級。

（2）數(shù)據(jù)增長速度快：高速公路通行數(shù)據(jù)每月增長超過8億條，容量達(dá)到300GB。

（3）數(shù)據(jù)內(nèi)容豐富：高速公路通行數(shù)據(jù)包含車輛進(jìn)出高速收費(fèi)站的相關(guān)行程信息，以及車牌號、行駛里程、車貨總重等指標(biāo)。

（4）數(shù)據(jù)潛在價值高：高速公路通行數(shù)據(jù)可反映高速公路運(yùn)營現(xiàn)狀，對于行業(yè)管理部門把握交通運(yùn)輸特征，制定發(fā)展戰(zhàn)略具有重要作用。

1.2 高速公路通行大數(shù)據(jù)預(yù)處理

因?yàn)楦咚俟吠ㄐ性紨?shù)據(jù)的數(shù)據(jù)量巨大，無法保證所有的數(shù)據(jù)都符合質(zhì)量要求，數(shù)據(jù)預(yù)處理工作是針對采集得到的高速公路通行原始數(shù)據(jù)，根據(jù)審核規(guī)則，識別其中不合理的數(shù)據(jù)，并簡單修復(fù)部分錯誤數(shù)據(jù)[16]，以滿足數(shù)據(jù)分析的需要。數(shù)據(jù)清洗與審核的流程如圖1所示。

圖1 數(shù)據(jù)預(yù)處理流程

數(shù)據(jù)預(yù)處理流程包含數(shù)據(jù)采集、數(shù)據(jù)抽取、數(shù)據(jù)上傳、數(shù)據(jù)入庫、數(shù)據(jù)審核等步驟。

（1）數(shù)據(jù)采集：高速公路原始數(shù)據(jù)的采集方式分為兩種，分別是文本及數(shù)據(jù)庫。文本數(shù)據(jù)通過FTP 方式進(jìn)行采集，數(shù)據(jù)庫數(shù)據(jù)通過數(shù)據(jù)接口的方式進(jìn)行采集。

（2）數(shù)據(jù)抽取：數(shù)據(jù)抽取環(huán)節(jié)對高速公路原始數(shù)據(jù)的格式進(jìn)行初步審核，抽取初步審核通過的數(shù)據(jù)進(jìn)行上傳，并壓縮高速公路原數(shù)據(jù)文件到備份目錄。

（3）數(shù)據(jù)上傳：將抽取的數(shù)據(jù)以每10 000 條數(shù)據(jù)一個壓縮包的形式上傳到交換服務(wù)器。

（4）數(shù)據(jù)入庫：將上傳的數(shù)據(jù)入庫至中間數(shù)據(jù)庫。

（5）數(shù)據(jù)審核：對中間數(shù)據(jù)庫的數(shù)據(jù)進(jìn)行內(nèi)容審核，判斷數(shù)據(jù)是否存在超限、重復(fù)等問題，并對這些問題進(jìn)行處理，經(jīng)審核通過的數(shù)據(jù)入庫大數(shù)據(jù)平臺，并上傳審核結(jié)果。

2 基于高速公路通行大數(shù)據(jù)的跨區(qū)域貨運(yùn)分析模型構(gòu)建

2.1 車輛軌跡追蹤算法模型

為進(jìn)行跨區(qū)域貨運(yùn)分析，需確定在高速公路上行駛車輛的起訖點(diǎn)及其具體的行車軌跡。在現(xiàn)有海量高速公路通行明細(xì)數(shù)據(jù)中，一輛車的一次通行記錄被分割成了多條記錄，車牌號是一輛車的唯一標(biāo)識。理論上，根據(jù)車牌號、出入口時間、出入口站點(diǎn)編碼的組合即可判斷兩條記錄是否屬于同一輛車的一次出行，形成完整的車輛行駛軌跡。但事實(shí)上，在實(shí)際數(shù)據(jù)中存在著車牌號字段無法識別的問題。針對此問題，本研究建立了車輛軌跡追蹤算法模型，以快速、準(zhǔn)確確定車輛行駛路徑。算法流程如圖2所示。

圖2 車輛軌跡追蹤算法流程

（1）建立路網(wǎng)關(guān)系

根據(jù)各收費(fèi)站所在的地理位置確定收費(fèi)站之間的路徑關(guān)系，建立全國高速公路收費(fèi)站路網(wǎng)關(guān)系表。

（2）判斷車牌號是否匹配

根據(jù)收費(fèi)站出入口站點(diǎn)位置，參考?xì)v史數(shù)據(jù)中出入口時間，可估算收費(fèi)站之間的合理行駛時間T。在車輛軌跡追蹤中，在合理的時間范圍T內(nèi)，車牌完整且完全相同的記錄可進(jìn)入車牌串接。而時間T內(nèi)由于車牌原因未成功匹配的數(shù)據(jù)先進(jìn)入車牌修正，再進(jìn)行車牌串接。

（3）車牌修正

采用貝葉斯推斷方法中基于多個屬性指標(biāo)的匹配概率公式對未成功匹配的數(shù)據(jù)進(jìn)行車牌修正[17]。選取車貨總重、軸數(shù)、通行介質(zhì)編號3 個重點(diǎn)指標(biāo)進(jìn)行貝葉斯匹配概率P的計算。基于3個屬性指標(biāo)的匹配概率公式為：

式（1）中：W1為車貨總重變化比；W2為軸數(shù)差；W3為編號相似度；P(S|W1)為匹配車輛車貨總重變化比在特定數(shù)量段的概率；P(S|W2)為匹配車輛軸數(shù)差在特定數(shù)量段的概率；P(S|W3)為匹配車輛編號相似度在特定數(shù)量段的概率；P(H|W1)為不匹配車輛車貨總重變化比在特定數(shù)量段的概率；P(H|W2)為不匹配車輛軸差在特定數(shù)量段的概率；P(H|W3)為不匹配車輛編號相似度在特定數(shù)量段的概率。若匹配成功的記錄中存在車牌完整的記錄，則可對其他記錄進(jìn)行車牌修正。

（4）車牌串接

以車牌為基礎(chǔ)，匯聚相同車輛的行駛記錄，并根據(jù)出入收費(fèi)站時間、收費(fèi)站路網(wǎng)關(guān)系，形成車輛行駛軌跡。

（5）路徑還原

結(jié)合車輛軌跡信息，計算高速公路上出發(fā)、到達(dá)、過境等各類車輛的跨省OD 信息，最終實(shí)現(xiàn)高速公路上出發(fā)、到達(dá)、過境等各類車輛跨省行駛記錄的串接，追蹤車輛連續(xù)出行起訖點(diǎn)，還原高速公路車輛真實(shí)行駛路徑。

2.2 高速公路主要指標(biāo)統(tǒng)計模型

為進(jìn)行跨區(qū)域貨運(yùn)分析，需獲取各省高速公路貨運(yùn)信息以及省與省之間的貨運(yùn)交互信息。但高速公路的通行數(shù)據(jù)量非常龐大，貨車指標(biāo)數(shù)據(jù)存在丟失的現(xiàn)象，如果進(jìn)行簡單的刪除，會丟失很多有用的信息，使得計算指標(biāo)的準(zhǔn)確性降低，從而與實(shí)際產(chǎn)生誤差。因此，本研究針對貨車數(shù)據(jù)中貨運(yùn)量、貨運(yùn)周轉(zhuǎn)量等關(guān)鍵指標(biāo)，嘗試對缺失數(shù)據(jù)進(jìn)行補(bǔ)全，最大限度提高補(bǔ)全數(shù)據(jù)的契合度和準(zhǔn)確度。

2.2.1 貨運(yùn)量統(tǒng)計算法模型

貨運(yùn)量統(tǒng)計算法流程如圖3 所示。貨運(yùn)量測算準(zhǔn)確性主要取決于車貨總重，識別車貨總重時會有缺失值，故算法重點(diǎn)在于補(bǔ)全缺失數(shù)據(jù)。

圖3 貨運(yùn)量統(tǒng)計算法流程

（1）提取數(shù)據(jù)中貨車數(shù)據(jù)，判斷車貨總重是否缺失

從數(shù)據(jù)中將貨車的車貨總重提取出來，得到貨車總數(shù)據(jù)量為N，然后將車貨總重缺失的數(shù)據(jù)量記為n。

（2）判斷缺失記錄是否存在同一行程記錄

利用缺失貨車車貨總重記錄中的車牌號、收費(fèi)站及時間信息，查詢相同車牌號一段時間T內(nèi)的行車記錄。若存在，將該車的行車記錄按時間排序，缺失車貨總重記錄為第i條，若第i-k條數(shù)據(jù)的車貨總重與第i+k條數(shù)據(jù)的車貨總重相差不超過5%，則可判斷為該車的同一行程記錄。

（3）對存在同一行程記錄的缺失數(shù)據(jù)中的車貨總重進(jìn)行插補(bǔ)

對得到的軸數(shù)相同、行程相同的貨車數(shù)據(jù)求均值，用該均值對相應(yīng)的缺失數(shù)據(jù)進(jìn)行插補(bǔ)，插補(bǔ)值為：

式（2）中：h為相同行程；Nmh為相同軸數(shù)相同行程的該貨車數(shù)據(jù)量；為相應(yīng)的平均值。

（4）對剩余缺失數(shù)據(jù)進(jìn)行插補(bǔ)

按照軸數(shù)分別求得各軸數(shù)車貨總重的平均值，再利用該值對剩余缺失數(shù)據(jù)進(jìn)行插補(bǔ)，即插補(bǔ)值為：

式（3）中：當(dāng)?shù)趇個數(shù)據(jù)有車貨總重時，ai=1；數(shù)據(jù)沒有車貨總重時，ai=0；Nm為查詢到的不同軸數(shù)的總量。

2.2.2 貨運(yùn)周轉(zhuǎn)量統(tǒng)計算法模型

貨運(yùn)周轉(zhuǎn)量等于貨車運(yùn)量乘以里程。其測算準(zhǔn)確性主要取決于車貨總重和里程，這兩項(xiàng)數(shù)據(jù)在進(jìn)行識別時都會有缺失值，需補(bǔ)全。貨運(yùn)周轉(zhuǎn)量統(tǒng)計算法流程如圖4所示。

圖4 貨運(yùn)周轉(zhuǎn)量統(tǒng)計算法流程圖

（1）提取數(shù)據(jù)中貨車數(shù)據(jù)，插補(bǔ)車貨總重

提取數(shù)據(jù)中的貨車數(shù)據(jù)，并利用2.2.1貨運(yùn)量統(tǒng)計模型補(bǔ)全車貨總重缺失數(shù)據(jù)。

（2）判斷缺失里程數(shù)據(jù)行駛路徑

一般在未開通新高速公路的情況下，站到站之間的路徑不會發(fā)生變化。但站到站之間的路徑不止一條，需利用出入口時間差、車牌號等輔助進(jìn)行路徑判斷。

本研究采用距離公式——異構(gòu)歐幾里德重疊度量進(jìn)行數(shù)據(jù)樣本之間的計算。假設(shè)兩個數(shù)據(jù)樣本xa和xb之間的距離為d(xa,xb)，則：

式（4）中：wj為第j個變量的權(quán)重，dj(xaj,xbj)為樣本xa和xb之間第j個變量間的距離，可定義為：

當(dāng)?shù)趈個變量是離散型變量時，通過函數(shù)d0計算：

當(dāng)?shù)趈個變量是連續(xù)型變量時，通過函數(shù)dN計算：

收費(fèi)站位置信息為確定里程的決定信息，通過出入口時間可判斷行駛里程的長短，貨車司機(jī)一般會選擇熟悉的路徑行駛，利用車牌號可查詢該車的歷史行駛路徑，從而輔助判斷缺失里程記錄的行駛路徑。因此本研究選取收費(fèi)站信息、出入口時間差及車牌號來進(jìn)行里程插補(bǔ)。

權(quán)重設(shè)置上，采用基于樣例學(xué)習(xí)的權(quán)重調(diào)整方法。w1,w2,w3分別表示收費(fèi)站信息、出入口時間差、車牌號的權(quán)重，w1+w2+w3=1。出入口收費(fèi)站信息是確定里程的決定性因素，因此其權(quán)重需大于另外兩個指標(biāo)權(quán)重之和，最低為0.6；在這個設(shè)定下，可規(guī)定w1以0.1為步長，從0.6增加到0.8，計算不同組合下插補(bǔ)結(jié)果的精準(zhǔn)度。隨機(jī)選取一段時間內(nèi)的高速公路貨車記錄進(jìn)行實(shí)驗(yàn)，隨機(jī)抽取20%的數(shù)據(jù)作為缺失樣本，測算各權(quán)重插補(bǔ)結(jié)果的精準(zhǔn)度。所有可能的權(quán)重組合及實(shí)驗(yàn)結(jié)果如表2所示。

表2 里程插補(bǔ)所需指標(biāo)權(quán)重組合及實(shí)驗(yàn)結(jié)果

由表2 可知，出入口收費(fèi)站信息、出入口時間差、車牌號權(quán)重分別為0.7,0.2,0.1 時平均精準(zhǔn)度最高，因此選取0.7,0.2,0.1 作為權(quán)重來進(jìn)行里程插補(bǔ)。

（3）插補(bǔ)里程

提取與缺失數(shù)據(jù)距離最小的樣本中的里程進(jìn)行插補(bǔ)。

2.3 模型實(shí)現(xiàn)

為實(shí)現(xiàn)上述模型，本研究提出了基于高速公路通行大數(shù)據(jù)的跨區(qū)域貨運(yùn)分析應(yīng)用架構(gòu)，如圖5所示。

圖5 基于高速公路通行大數(shù)據(jù)的跨區(qū)域貨運(yùn)分析應(yīng)用架構(gòu)

（1）數(shù)據(jù)來源層進(jìn)行數(shù)據(jù)預(yù)處理，生成高速公路通行數(shù)據(jù)。

（2）數(shù)據(jù)處理層利用Spark技術(shù)實(shí)現(xiàn)車輛軌跡追蹤模型，并生成高速公路跨省車輛起訖明細(xì)數(shù)據(jù)。

（3）數(shù)據(jù)分析層基于高速公路通行數(shù)據(jù)及高速公路跨省車輛起訖明細(xì)數(shù)據(jù)實(shí)現(xiàn)高速公路主要指標(biāo)統(tǒng)計模型，生成高速公路各省貨運(yùn)信息、高速公路各省交互貨運(yùn)信息、高速公路車籍地匯總信息。

（4）數(shù)據(jù)應(yīng)用層則結(jié)合應(yīng)用場景展示分析結(jié)果。

（5）在數(shù)據(jù)存儲方面，本研究使用Hadoop系統(tǒng)提供的HDFS 存儲數(shù)據(jù)處理層中的明細(xì)數(shù)據(jù)。數(shù)據(jù)分析層中的各類匯總數(shù)據(jù)的數(shù)據(jù)量較小，但查詢響應(yīng)實(shí)時性較高，因此為保證數(shù)據(jù)應(yīng)用層的使用要求，存儲到關(guān)系數(shù)據(jù)庫中。

3 模型應(yīng)用

基于高速公路通行大數(shù)據(jù)的跨區(qū)域貨運(yùn)分析建模技術(shù)可應(yīng)用于多個領(lǐng)域，本研究具體介紹3個方面：一是統(tǒng)計決策應(yīng)用，二是高速公路安全監(jiān)管，三是與鐵路、港口數(shù)據(jù)的融合應(yīng)用。

3.1 統(tǒng)計決策應(yīng)用

3.1.1 行業(yè)運(yùn)輸量統(tǒng)計應(yīng)用

（1）運(yùn)輸量統(tǒng)計

傳統(tǒng)運(yùn)輸量統(tǒng)計工作主要是借助抽樣調(diào)查、典型調(diào)查、重點(diǎn)調(diào)查等調(diào)查方式開展的，由于存在著抽樣量不足、數(shù)據(jù)不夠準(zhǔn)確、人為引導(dǎo)偏差等問題，導(dǎo)致運(yùn)輸量統(tǒng)計的準(zhǔn)確性得不到有效保證。通過本研究模型，可直接生成高速公路貨車運(yùn)輸量統(tǒng)計指標(biāo)，解決前述問題。圖6 所示為全國部分省區(qū)市高速公路貨車流量分析。

圖6 全國部分省區(qū)市高速公路貨車流量

（2）貨車車輛省外運(yùn)輸量統(tǒng)計

本省車籍貨車在省外流量、流向的變化特征一直是各省交通管理部門關(guān)心的重點(diǎn)。利用本模型可分析本省車籍貨車在本省域外的行駛情況，服務(wù)管理部門準(zhǔn)確掌握本省車籍貨車在本省外的分布和運(yùn)行特征。表3 以重慶為例，分析全國各地市渝籍車貨運(yùn)量情況。

表3 全國各地市渝籍車貨運(yùn)量TOP10分析

3.1.2 經(jīng)濟(jì)運(yùn)行分析

（1）省級區(qū)域貨運(yùn)交互分析

依托本研究模型，可分析某一地區(qū)到其他省份的貨運(yùn)總量、運(yùn)力結(jié)構(gòu)、空間分布等方面的特征，準(zhǔn)確掌握各地區(qū)間的貨運(yùn)交互情況。圖7 為重慶出發(fā)到全國部分省區(qū)市的高速公路貨車流量。

圖7 重慶出發(fā)到全國部分省區(qū)市高速公路貨車流量

（2）重點(diǎn)區(qū)域貨運(yùn)交互分析

隨著我國區(qū)域經(jīng)濟(jì)發(fā)展新戰(zhàn)略的漸次鋪開，以城市群為主體、大中小城市和小城鎮(zhèn)協(xié)調(diào)發(fā)展的格局正在形成。高速公路作為帶動區(qū)域經(jīng)濟(jì)發(fā)展的關(guān)鍵要素，其生產(chǎn)運(yùn)輸情況也反映了城市群協(xié)同發(fā)展帶來的影響。利用本研究模型，以成渝城市群為對象，通過貨物運(yùn)輸量統(tǒng)計指標(biāo)展示城市群內(nèi)部各地區(qū)之間的聯(lián)系強(qiáng)度和互動關(guān)系。圖8 為重慶出發(fā)到四川部分地級行政區(qū)的高速公路貨運(yùn)量分析。

圖8 重慶出發(fā)到四川部分地級行政區(qū)高速公路貨物運(yùn)輸量

3.2 高速公路安全監(jiān)管

3.2.1 疲勞駕駛篩查

目前，在高速公路上對貨車司機(jī)進(jìn)行疲勞駕駛篩查還比較困難。本研究利用行駛里程、出入口時間可綜合判斷長途貨車司機(jī)中疲勞駕駛情況，形成預(yù)警名單供管理部門核查。表4 所示為在高速公路上行駛時間超過4h，速度大于80km/h的部分車輛記錄。

表4 疑似疲勞駕駛名單

3.2.2 高速公路養(yǎng)護(hù)

高速公路貨車計費(fèi)方式的變革，一方面提高了貨車實(shí)載率，進(jìn)一步推動道路運(yùn)輸結(jié)構(gòu)優(yōu)化調(diào)整，促進(jìn)公路貨運(yùn)行業(yè)集約經(jīng)營。另一方面，大量重載貨車頻繁行駛在高速公路上，易造成路面損壞、橋梁斷裂，縮短高速公路的正常使用年限。

借助本研究模型可對不同類型貨車的流量、載重等時空分布特征進(jìn)行分析，進(jìn)而可預(yù)判道路受損情況，有助于道路養(yǎng)護(hù)人員對受損程度較為嚴(yán)重的路段實(shí)施重點(diǎn)監(jiān)控，同時結(jié)合歷史養(yǎng)護(hù)數(shù)據(jù)，科學(xué)制定道路的大中修計劃，為公眾提供更加安全的出行保障。

3.3 與鐵路、港口數(shù)據(jù)融合應(yīng)用

3.3.1 與鐵路數(shù)據(jù)融合應(yīng)用

為打破傳統(tǒng)的區(qū)域化發(fā)展、強(qiáng)化區(qū)域之間的聯(lián)系與溝通，國務(wù)院辦公廳通過《推進(jìn)運(yùn)輸結(jié)構(gòu)調(diào)整三年行動計劃（2018—2020 年）》[18]，以“公轉(zhuǎn)鐵、公轉(zhuǎn)水”為主攻方向，觸發(fā)了全國交通運(yùn)輸結(jié)構(gòu)改革，以實(shí)現(xiàn)區(qū)域發(fā)展的聯(lián)動性。

通過高速公路跨區(qū)域貨運(yùn)分析，再結(jié)合鐵路現(xiàn)有的電子運(yùn)單數(shù)據(jù)，可全面、深入地研究區(qū)域間高速公路、鐵路不同運(yùn)輸方式的需求和相互競爭關(guān)系以及空間分布情況，為鐵路運(yùn)輸線路和運(yùn)營組織的優(yōu)化提供輔助決策。

3.3.2 與港口數(shù)據(jù)融合應(yīng)用

通過本研究模型，可生成高速公路上貨車的行駛軌跡，再與船舶到港報告數(shù)據(jù)、水上AIS 數(shù)據(jù)相結(jié)合，一方面可深入分析港口對內(nèi)陸腹地經(jīng)濟(jì)的拉動作用，另一方面還可面對區(qū)域一體化的發(fā)展形勢，進(jìn)行港口群的協(xié)調(diào)發(fā)展研究，遏制港口設(shè)施重復(fù)建設(shè)等現(xiàn)象，踐行綠色發(fā)展理念。

4 結(jié)語

隨著高速公路信息化的快速發(fā)展，高速公路通行數(shù)據(jù)規(guī)模不斷增長，為及時掌握高速公路車輛運(yùn)行規(guī)律提供了豐富的數(shù)據(jù)資源。為充分挖掘高速公路通行數(shù)據(jù)價值，發(fā)揮其在宏觀管理決策、運(yùn)輸量統(tǒng)計分析、車輛安全監(jiān)管等方面的作用，本研究針對全國高速公路通行大數(shù)據(jù)，通過大數(shù)據(jù)分析、處理和建模，建立了車輛跨區(qū)域行駛軌跡追蹤算法，實(shí)現(xiàn)了車輛行駛路徑的快速、準(zhǔn)確還原，為跨省區(qū)的車輛交互分析提供了基礎(chǔ)；提出了高速公路主要運(yùn)輸指標(biāo)統(tǒng)計算法，以反映高速公路運(yùn)輸量及相關(guān)指標(biāo)的變化情況，可為各級交通運(yùn)輸管理部門掌握高速公路貨運(yùn)情況提供支撐；基于上述基本算法，形成了高速公路跨區(qū)域貨運(yùn)分析模型，可動態(tài)反映各省區(qū)市間高速公路貨運(yùn)交互規(guī)律，為各級行業(yè)管理部門制定行業(yè)發(fā)展政策提供支撐。

但是，本研究對高速公路通行數(shù)據(jù)的挖掘和應(yīng)用場景研究方面還相對較為單一，未來可在此基礎(chǔ)上繼續(xù)研究其他貨運(yùn)相關(guān)指標(biāo)，擴(kuò)充、深化既有的應(yīng)用場景，不斷拓展數(shù)據(jù)在行業(yè)運(yùn)輸量統(tǒng)計、經(jīng)濟(jì)運(yùn)行分析、路衍經(jīng)濟(jì)發(fā)展及車輛行駛安全風(fēng)險評價等方面的應(yīng)用，積極發(fā)揮數(shù)據(jù)應(yīng)用效益和數(shù)據(jù)要素價值。