温州市勘察测绘研究院 浙江省温州市 325000
摘要：机动车违法停车的局面日益严重，不但影响市容市貌，妨碍交通通行，而且存在着严重的安全隐患。本文以地理信息（GIS）技术为基础，结合大数据挖掘、物联网等多项前沿技术，设计了违停大数据分析系统。通过实现违停大数据分析，为城市管理者提供更为科学、直观的管理手段。
关键字：地理信息系统（GIS）；违停；大数据分析；
引言
随着我国国民经济的快速发展，机动车数量激增，停车需求爆发式增长而停车泊位供给却非常有限，停车供需矛盾日益突出，机动车违法停车的局面越发失控，不仅影响了正常的道路通行秩序，造成交通拥堵，还挤占了其他车辆的道路交通资源，甚至容易诱发交通事故，存在着严重的安全隐患。
如何有效治理机动车违法停车是构建平安、畅通、和谐交通亟需解决的一项任务。目前，温州市交警与城管部门主要以不定期不定点方式对违法停车问题进行整治，但是由于现场执法人员以随机无规律的抽查，未能有效遏制机动车违停。利用地理信息（GIS）技术为依托，融合大数据挖掘、云计算、物联网等多项前沿技术，统计车辆违停的发生频率，分析违停事件的时空密度，提高智能化、自动化在违停管理事务中的应用，引导市民出行方式、指引停车位（场）设置，实现违停管理的数字化、精细化和空间可视化，构造了感知、监察、分析、服务为一体的违停管理新格局。
1.总体架构设计
系统采用目前最新的多层框架技术来搭建平台的总体框架结构，充分考虑开放性和扩展性，进行一体化平台设计。
（一）软硬件支持层设计
软硬件支持层是平台运行的主要环境支撑，包括数据库服务器、应用服务器、网络设备、操作系统软件等设施，为违停大数据分析系统的建设提供软硬件支持。
（二）数据层设计
数据层用于存储和管理数据，负责数据的存储逻辑规则、数据的读写、数据备份等。建立违停时空大数据库，其中包含地理空间数据、违停时空大数据、车辆向导数据等。
（三）服务层设计
服务层是连接数据和应用的中间层，将所有数据访问和处理逻辑封装到服务中，使数据的使用更安全便捷，使用更高效。服务层包括电子地图服务、网格信息服务、历史数据服务、实时数据服务、路段信息服务、中队信息服务、咪表泊车信息服务、停车场信息服务等。
（四）应用层设计
应用层是面向用户提供各类业务功能和交互的界面层，将服务层提供的各类服务以友好的功能界面进行封装提供给用户使用，与用户进行交互操作。本系统基于SOA体系架构，实现时空数据管理、历史违停分析、实时违停监测、预判决策和物联网接入等功能。
2.网络架构设计
整个网络架构以政务网为核心，网络架构纵向上通过政务网络联接政务云资源，实现调用数字温州市地理公共服务平台数据作为系统的底图数据；同时，横向上与城管执法通APP和城管部门建立数据对接，实现车辆违停数据的入库、动态更新一体化以及数据资源的共建共享，并在互联网上开辟微信公众号，实现政务数据公开共享利用。
3. 数据库架构设计
运用时空地理信息建库技术建立违停时空大数据库，采用Oracle关系型数据库，ArcSDE/SQL Spatial为空间数据引擎。数据库架构如下图：
4. 实现的系统功能
4.1时空数据管理
该功能模块调用了“数字温州”地理信息公共平台的基础地图服务，实现历史多个年份的矢量地图、影像地图和2.5维仿真地图等地理空间数据，以及违停专题数据地图、巡查网格图、热力分析图等地图切换和叠加管理，可实现地图平移、缩放、量测等基本浏览功能。
4.2历史违停分析
基于历史违停数据并结合空间可视化技术，实现按年、月、日、时段等多时间维度展示历史违停情况。提供历史违停数据按路段空间化统计分析功能。颜色越亮表示该路段违停情况越严重，为开展专项违停整治、打击违章事件、做好交通疏导等工作提供依据。
4.3实时违停监测
对接执法通APP、智慧城管APP获取实时的违停执法数据，并在平台地图上实时展示。所示红色虚线框为刚采集的违停数据，闪烁10秒钟后转换为一个热点，形成实时违停热力图。
4.4预判决策
基于时间序列分析方法挖掘违停时空数据，构建各道路关于时间的违停数量预测模型，并以模型为依据预测不同路段未来可能发生的违停情况，对于违停量超过阈值的情况及时预警并提供相应的报告，便于相关部门开展有针对性的治理工作。
4.5物联网接入
通过物联网联接城管执法通APP，展示违停查处现场执法过程中所拍摄的照片、视频，为违停管理提供依据；动态共享各路段停车位电子牌数据，实现公共资源全民共享。同时可以调取实时交通路况视频等内容，便于了解全市交通情况，并为交通疏导提供辅助。
4.6违停大数据统计分析报告
通过运用大数据挖掘技术对历史违停数据进行深入分析与挖掘，统计分析各路段违停情况以及周边公共停车位利用率，发现违停内在规律，形成图文一体化的统计分析报告，为停车管理决策提供帮助。
5. 关键技术
5.1SOA体系架构
面向服务的体系结构（service-oriented architecture，SOA）是一种组件模型，它将应用程序的不同功能组件（服务），通过“服务”之间的良好接口联系起来（也就是“服务”之间的松耦合）。这使得构建在各种各样系统中的“服务”可以以一种统一和通用的方式进行交互。Web服务是目前实现SOA最重要的标准。
5.2地理信息技术
地理信息技术即“3S”技术，包括：地理信息系统（GIS）、遥感（RS）和全球定位系统（GPS）。通过地理信息技术实现车辆违停定位、可视化统计、综合信息叠加分析等，对车辆违停行为进行科学监测分析，为指挥决策提供依据。
5.3大数据挖掘技术
针对海量数据资源池中的业务数据，充分利用大数据理念和技术，应用高级的统计分析算法和高性能的并行计算，应用车辆违停数据的统计分析，通过标准化的数据挖掘流程，获得面向车辆违停行为发生频率的科学、智能的分析评估报告，为管理决策提供有力的数据参考与技术支撑。
5.4数据可视化分析技术
大数据可视分析是指在大数据自动分析挖掘方法中，利用支持信息可视化的用户界面以及支持分析过程的人机交互方式与技术，有效融合计算机的计算能力和人的认知能力，以获得对于大规模复杂数据集的洞察力。大数据作为一种具有潜在价值的原始数据资产，只有利用深入的分析才能挖掘出其中所蕴含的信息。数据可视化就是根据数据的时空特性和应用需要，以专题图、统计图、统计表、文字等形式将数据直观的展示出来，从而帮助管理决策者快速理解数据，找出海量数据中的规律，同时提取出有价值信息的方式。
6.结语
在智慧城市、物联网、信息融合、大数据挖掘、云计算等新兴技术飞速发展的今天，面对市区年超数百万条的违停数据，建立违停大数据分析系统，以先进的GIS时空大数据挖掘技术为支撑，对数据进行充分的分析、挖掘，提炼机动车违停频发路段、频发时间等信息，辅助城市违停管理政策的制定，为政府部门解决违停的根本性问题提供了决策思路。
参考文献
[1]孟令奎,史文中,张鹏林等.网络地理信息系统原理与技术[M].第二版.北京：科学出版社.2010.
[2]王艳军,邵振峰.面向服务的地理信息公共平台关键技术研究[J].测绘科学.2012.
[3]徐占华,夏君.基于SOA的网络地图服务系统设计[J].测绘科学.2011.
[4]郑宏.数据挖掘可视化技术的研究与实现[D].西安电子科技大学.2010.
[5]李扬威,焦鹏鹏,杜林.城市智能停车管理系统研究[J].交通信息与安全.2014.
论文作者:章豪,黄小虎
论文发表刊物:《基层建设》2017年第10期
论文发表时间:2017/7/24
标签：数据论文; 技术论文; 大数论文; 时空论文; 架构论文; 数据挖掘论文; 温州市论文; 《基层建设》2017年第10期论文;