“互联网+”大学生创新创业大赛项目计划书
运输市场执法智能研判技术研究与应用
计划书
目 录
一．项目概述
二．国内外研究发展概况
三．主要研究内容
四．项目研究技术路线和实施方案
五．项目研究基础、学术价值及效益等
六．项目进度具体计划
七．项目承担主要研究人员名单
一．项目概述
由于目前我国运输市场运行机制存在不足，受时间、路线以及班次等因素的限制，不能满足居民出行的灵活性需求，特别是在高峰期会出现供不应求的问题，使得不同表现形式的非法营运得以滋生。传统的打击非法营运方法是设置检查点进行拦截，取证过程繁琐，且效率低下，浪费大量的人力物力。
以提高交通运输管理部门的执法效率，形成非法营运长效治理技术手段为目的，本项目在梳理现有的重庆市交通运输大数据资源的基础上，研究多源数据融合的道路运输非法违规运营智能研判技术框架，应用数据挖掘技术针对非法营运的时空特征建立数据描述模型，助力构建精准研判、精准识别的“大数据辅助执法”新模式，具有重要的现实意义与应用价值。
二．国内外研究发展概况
国外发达国家也很重视非法营运的治理，但是相比国内，国外的经济比较发达，私家车比较多，同时公共交通发展比较成熟，且个人信用体系发展完善，违法成本高昂，因此非法营运的现象比较少。国外发达国家的普遍做法是加强对公共交通的管理以及调整出租车市场制度来抑制非法营运现象，如新西兰为了制约非法营运现象，给了出租车市场足够的运营空间，提高了出租车的运营效果。
在国内，针对非法营运的理论探索最早出现在九十年代，耿子恒在其《谈谈黑车的管理》系列文章里初次提到了当时的非法营运情况，并浅析了为什么会存在非法营运，如何才能有效控制非法营运等。后来一些研究学者开始对非法营运的成因、危害、治理机制等理论进行研究。马洪生分析了深圳非法营运现状和特征，单振国重点研究非法营运的现实状况与非法营运带来的危害。张煜指出非法运营的危害：挤压合法运营车辆生存空间，给公共交通乘客权益以及公共交通安全带来隐患。马美红等指出非法营运打击四大难点：(1)执法人力与任务不成正比；(2)执法环境差，执法阻力巨大；(3)执法手段单一；(4)仅靠交通系统打击非法营运孤掌难鸣。滕世华指出政府应该转变管理理念，走出现行“严打重罚”的简单思路，实现重构制度。陈明艺通过探讨出租车市场进入限制标准、公共定价水平与管制效应问题，阐释了出租车市场需要有经济管制的基础，才能从根源上消除非法营运。
同时也有很多学者对非法营运问题进行了大量的研究，但是基本上都是一些宏观理论，比如非法营运产生的原因、带来的危害、治理难点以及治理措施等方面，这些能为执法部门提供一定的理论依据，对于运输市场执法实战指导性不强。在大数据时代，利用数据深入挖掘从而建立疑似非法营运车辆辨识方法，将辨识非法营运车辆过程从人工化向智能化转变，这是一种发展趋势，能大大提高排查非法营运车辆的力度。
三．主要研究内容
- 数据资源现状分析
分析交通运输领域数据、重点营运车辆数据、高速公路收费及门架数据、重点区域闭合式卡口数据等多源数据现状和部门数据共享需求，分析存在问题。
1.1 交通政务数据资源现状分析
目前，全市交通行业依托政务信息系统建设，建成了一批面向行业发展需要的信息化系统，覆盖行政许可、行政执法、行业监管、运行管理、应急管理、信用管理、公众服务等核心业务领域。依托政务数据资源与市交通局建设的交通数据资源共享交换系统，对交通运输行业政务数据资源现状和执法领域自有数据资源情况进行分析研究。
1.2 交通执法共享数据需求
基于课题在运输市场智能执法的需求，从人员数据、车辆运行数据等方面分析梳理提出数据共享交换需求，包括但不限于高速公路收费数据、ETC门架交易数据、主城区重点场站的闭合式卡口抓拍数据、运营车辆GPS数据、道路运输行政许可审批数据、从业人员和营运车辆的基础数据等。
1.3交通运输执法数据问题分析
对执法总队现状和共享的数据源进行整理，梳理数据资源目录和数据项，分析数据资源存在的问题，提出数据治理以及融合应用的思路。 - 技术框架构建
充分利用“大数据+人工智能”等前沿技术研究多源数据融合视角下的道路运输非法违规运营智能研判技术框架，助力构建精准研判、精准识别的“大数据辅助执法”新模式。
2.1 道路运政智能化执法体系框架
基于道路运输执法的特点，从执法区域、执法场景、执法对象等方面梳理基于大数据驱动的非法违规运营识别思路，系统分析提出框架思路、实现方法。其中执法区域涵盖高速公路、中心城区重点枢纽，执法对象分为巡游车、网约车、私家车、长途客车等。
2.2 道路运政智能化执法技术框架
基于道路运政智能化执法体系框架构建，依托市交通数据资源库和总队现有数据资源，提出交通执法数据治理的方法和标准、不同场景下的道路运输非法违规运营的识别思路和方法。 - 数据驱动的非法营运识别方法研究及应用
研究获取“疑似非法营运客车”、“疑似非法营运车辆和企业”的识别方法，构建异常数据源清单，为精准高效打击和治理非法营运提供数据支撑。
3.1 调查分析与数据预处理
基于非法营运识别需求，整理分析交通运输大数据资源及数据条件，拟定需要利用的数据门类，对现有数据进行清洗，包括乱码、缺失以及由于机器设备和人工操作失误而引起的异常数据，为后续研究奠定基础。
3.2 疑似非法营运时空特征分析
归纳非法营运车辆在出行空间与时间方面的特征，包括“出行强度”、“特定线路出行占比”、“特定线路出行强度”、“周末出行强度”、“早晚高峰出行占比”等特征，将此作为辨识疑似非法营运车辆的指标；利用样本数据对每个出行特征进行分析，建立非法营运车辆的出行特征数字标签集合。
3.3疑似非法营运识别算法研究
在建立的非法营运车辆出行特征数字标签集合的基础之上，结合聚类算法理论，建立基于空间特征、基于空间和时间特征的两种辨识疑似非法营运车辆的方法；采取DB聚类评价指标着重对比分析各类算法的聚类效果，作为选取聚类算法的依据，梳理克隆出租车辨识逻辑；
3.4 疑似非法营运识别方法应用与验证
确定多源数据格式与存储方式，将数据清洗、数据处理与识别方法代码化，开发道路运输非法违规运营智能研判系统，针对具体场站或线路构建疑似非法营运和克隆出租车异常数据清单，在主城区重点场站进行验证。 - 研究道路运政执法智能化提升政策建议
梳理当前我市道路运政执法存在的困难和痛点，从执法装备智能化、执法智能平台应用、大数据+执法模式创新以及执法协同机制等方面，提出道路运政执法智能化提升政策建议，助力执法总队科技执法。
四．项目研究技术路线和实时方案
1.现状调研
对总队及支队的现状数据资源情况、信息系统建设情况、非法营运查处手段和信息应用情况等进行调研，分析存在的问题。
2.技术研究
一是针对数据资源现状分析，从场景、区域等方面开展非法营运识别的技术框架构建研究。二是梳理当前我市道路运政执法存在的困难和痛点，研究提出道路运政执法智能化提升政策建议，助力执法总队科技执法。 - 模型建立及验证
采用文献查阅—理论与调查分析—特征分析—识别方法研究—方法验证的研究思路。首先充分调查分析交通数据各门类数据的可应用性与关联性，查阅文献了解有关非法营运的研究现状并进行总结。采用ORACLE数据库以及数据分析技术表征非法营运车辆出行的空间与时间特征，以此为基础，主要采用机器学习算法建立识别疑似非法营运车辆的方法并验证等。所采用的技术路线如图1所示。
图1 技术路线图
五．项目研究基础、学术价值及效益等
1.研究基础
1.1 数据基础
项目参研方-重庆市交通运输综合行政执法总队始终贯彻执行总队党委关于加快推进交通执法业务数字化转型、提升行业治理能力的举措，致力于推动多元数据汇聚整合、丰富科技治理手段、拓展数字化运用场景的积极探索。依托总队平台GIS地图，汇聚整合全市各类运输企业、场站的基础数据，实现对执法监管对象的“一键查询、一屏展示、一网统管”，服务监管可视化和治理数字化；营运车辆轨迹查询，是对平台已接入的渝籍“两客一危”车辆、12吨以上货运车辆、巡游出租车和网约车GPS数据进行系统性整合和应用标准化，服务日常执法工作中对营运车辆的轨迹查询需求；跨省营运车辆数据查询，是通过在平台集成外省籍营运车辆、从业人员、经营业户等基础信息查询接口，实现了行业数据资源与执法业务融合应用，具备本项目所需数据条件。
1.2 前期工作成效
1、实地调研
（1）2018年4月27日参与重庆市交通运行监测与应急调度中心的拉练活动，到高速公路G93沙坪坝收费站实地调研，与收费站管理人员和非法营运执法人员交流，了解收费站收费模式、非法营运执法情况和执法难点，从而分析挖掘非法营运车辆出行时空特征；
（2）2018年10月3日-10月4日到重庆市非法营运车辆聚集地实地调研，与非法营运车辆驾驶员沟通交流，了解非法营运车辆出时空行特征。记录非法营运车辆车牌，作为标签数据，通过数据分析、挖掘，对比非法营运车辆与营运车辆、私家车的出行特征差别，确定非法营运车辆运行的时空特征指标。
2、数据预处理
查阅国内外大数据的研究现状，了解数据预处理，如数据清洗、数据集成、数据变换和数据规约等方法，着重分析数据清理的相关研究；通过数据清洗方法对高速公路收费数据中的缺失数据、异常值、重复值以及与分析目标无关的数据进行清理。为项目后续研究提供基础。
由于本项目的高速公路收费数据量级为千万级，故对于收费数据中的乱码、缺失以及由于机器设备和人工操作失误而引起的异常数据直接删除。
3、选取特定线路
以高速公路进出口收费站为节点划分，定义车辆出行线路；通过分析每条线路上车辆的出行总次数，选取出行总次数最多的线路作为本项目主要研究的特定线路。
4、确定聚类算法
对比分析基于层次的聚类算法、基于划分的聚类算法、基于密度的聚类算法、基于网格的聚类算法以及基于模型的算法等方法的适用条件以及优缺点，最终确定使用K-means聚类对时空特征指标进行聚类分析。
5、建立疑似非法营运车辆辨识方法
从时间、空间两个维度建立车辆出行时空特征指标；首先选取出行强度、特定线路出行占比以及特定线路出行强度作为非法营运车辆的空间特征指标，利用oracle数据库、R语言以及K_means聚类分析方法分析车辆的空间出行特征，从而通过K-means聚类分析筛选疑似非法营运车辆，确定疑似非法营运车辆集合。再选取节假日出行强度、周末出行强度以及早晚高峰出行占比作为非法营运车辆的时间特征指标，结合数据分析和聚类结果进一步确认车辆的疑似非法营运程度。
6、方法验证
（1）基于不同数据集的方法验证
基于疑似非法营运车辆辨识方法，运用2017年4月28日-2017年5月31日和2017年12月26日-2018年2月6日的高速公路收费大数据，识别G75-巴南线路的非法营运车辆，并对比分析两个时段的相似性与差异性，从时间上检验辨识方法的适用性。
（2）基于不同线路的方法验证
基于已经建立的非法营运车辆辨识方法，选取不同的线路进行非法营运车辆辨识，进一步从空间上检验辨识方法的适用性，其结果表明建立的非法营运车辆辨识方法精确度较高，达到项目预期要求。
（3）基于执法情况的结果验证
基于疑似非法营运车辆辨识方法，分析九龙坡、永川、荣昌片区（老成渝线路）运行车辆，辨识非法营运车辆，提取疑似非法营运车辆清单，经第五支队实际执法后反馈准确率高达80%；
利用以上数据对依赖于高速公路出行的疑似非法营运车辆建立了识别模型及算法，支持了多次专项执法行动（如图2所示），准确度达80%以上，为本项目后续研究奠定了基础。
图2 前期工作应用证明
2. 学术价值及社会效益
1、学术价值
本项目通过高速公路收费数据分析车辆的运行特征，从而建立识别黑车的方法，一方面能够为交通运输管理部门查找黑车提供切实可行的科学方案，另一方面从交通运输层面出发，研究黑车的运营特性及其进出高速公路路径的变化情况，剖析黑车对高速公路通行车辆组成的影响，为高速公路交通控制提供新的实践工具与技术路线。在未来将进入深度学习阶段，同时与现有执法设施相结合，提升执法精度，因此本项目有着非常广泛的学术价值和应用前景。
2、社会效益
传统的查找黑车方法是设置检查点拦截可疑车辆，然后检查该车辆是否非法运营，这种取证过程繁琐，且效率低下，会浪费大量的人力物力，不能有效地遏制黑车现象，本项目建立的非法营运车辆辨识方法，掌握黑车出行的时间空间特征，对黑车执法给予科学有力的证据，对制黑车现象并且为交通运输部门打压黑车提供有效途径。
3、成果试用范围及效益
基于疑似非法营运车辆辨识方法，提取九龙坡、永川、荣昌片区（老成渝线路）疑似非法营运车辆清单，经第五支队反馈准确率高达80%。
六．项目进度具体计划
时间期限（分季度） 完成的具体内容及取得的阶段性成果
2022年7月-2022年9月 开展现场调研分析，明确研究方向、内容和技术路线；
运输市场非法营运调查分析与数据预处理、疑似非法营运时空特征分析
2022年10月-2022年12月 开展数据资源现状分析和梳理，完成交通运输执法数据资源分析报告编写。
疑似非法营运时空特征分析、疑似非法营运识别算法研究
2023年1月-2023年3月 开展道路运输非法违规运营智能研判技术框架研究，完成技术框架报告编写。
疑似非法营运识别算法研究、系统研发
2023年4月-2023年6月 起草道路运输市场智能化执法提升政策建议。
疑似非法营运识别方法应用与验证、结题准备
七．项目承担主要研究人员名单
姓名 工作单位 学历 行政
职务 专业技术职务（职称） 专业
方向 具体承担内容
马新露 重庆交通大学 博士研究生 无 教授 交通大数据分析与应用 指导老师
向荣 重庆交通大学 本科 无 硕士生 交通运输 项目负责人
蒋沛 重庆交通大学 硕士研究生 无 博士生 交通大数据分析与应用 非法营运时空特征分析与建模
邵路平 重庆交通大学 本科 无 硕士生 交通运输工程 智能研判技术框架研究
袁蕊 重庆交通大学 本科 无 硕士生 交通运输 政策建议编写
赵毅文 重庆交通大学 本科 无 硕士生 交通运输 数据资源分析
张义 重庆交通大学 本科 无 硕士生 交通运输工程 非法营运识别算法研究
杜越 重庆交通大学 本科 无 硕士生 交通运输 系统研发