大数据助力交通安全

当前，随着城市化进程不断推进，机动车保有量及道路交通流量大量增加，与交通相关的各类安全事件频繁发生，交通事故预防和治安管控工作压力持续增大。然而，传统的交通安全管控系统存在机动速度慢、自动化程度不高、智慧化能力欠缺等一系列问题。幸运的是，大数据技术的蓬勃发展为创新基于海量过车数据的交通安全管控模式提供了新的发展方向。杭州电子科技大学大数据研究院院长、计算机软件研究所所长俞东进教授领衔的项目团队聚焦多源时空大数据分析理论与方法，通过十多年的艰辛探索，研发了城市交通态势分析、多场景交通安全异常事件识别等一系列关键技术，在合作企业研发的道路交通安全智能监测和集成指挥平台相关软件发挥了基础性作用。

"我们专注于交通安全领域的算法研究。通过多年的努力，已经积累了数十个典型场景的研究成果，例如异常聚集车辆识别、频繁伴随车辆识别、套牌车辆识别等方法"，团队负责人俞东进教授介绍。粗看上去，这些应该用场景并不复杂，但是由于牵涉到超大规模的行车轨迹数据分析，如果没有快速的响应速度，实际应用效果就会大打折扣。当然，速度再快，没有较高的精准度，也是摆设。团队十多年磨一剑，不忘初心，砥砺前行，始终耕耘在交通安全第一线，攻克了一个又一个技术难关。

团队始终坚持产学研用深度融合。课题来源于应用需求，理论和技术则为应用服务。"从承接一个小项目开始，我们逐渐获得企业的信任，最终成为企业的研发中心。这样我们就有了稳定的项目支持，科研也就变得从容了。"在介绍产学研合作模式时，俞东进如此回答。

通过十多年的持续探索，团队取得了交通安全领域一大批丰硕的研究成果。例如，在时空大数据快速分析、交通态势精准研判、异常交通事件甄别等方面获得了数十项授权发明专利，初步实现了交通安全领域的专利组合布局，相关成果已成功应用于全国多地的交通安全管理实践中。在2018年度的中国产学研合作创新成果奖评选中，团队完成的"基于大数据的道路交通运输智能监管和服务平台"喜获全国一等奖。

然而，团队并不满足于此。随着人工智能技术的兴起，俞东进教授又带着团队将深度学习等技术应用于各类交通事件的识别中，传统的解决方案又将实现新一轮的颠覆。

团队创造性地通过提取行车轨迹语料库文档中蕴含的概率主题模型，准确识别由行车规律形成的城市交通热点区域及其动态演变特征。

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。