" 針對交管大數據建設，雖然有明確目標、公安部局平臺架構指引、重點任務方向，但大數據、數據治理等技術、理論與交管實際業務結合，仍面臨建什么、怎么建以及建后可用性等方面的問題。 在交通大數據治理、數據資源中心建設中，要依據公安大數據“四化”頂層設計思路，以“數據應接盡接、統一架構、共享互通、分層解耦、協同創新”的建設理念，自上而下總體設計、自下而上優化流程，推動交管大數據的深化建設、改造及應用。

概 述

十三五期間，交通管理科技水平穩步提升，已構建集成指揮、交通管理綜合應用、交管大數據研判分析、互聯網交通安全綜合管理的四大核心平臺，同時大數據、人工智能等技術與交通管理業務結合，在違法AI預審、車輛布控預警等場景已進行較深入應用。 2021~2023年交通管理三年科技規劃中指出，交通管理改革和創新發展，需要充分發揮科技力量，加強交通管理精細化、智能化、專業化建設，不斷推動共建共治共享交通安全治理新格局的形成，而新基建將加速交通管理的數字化進程。 交管科技創新中明確提出深化交管大數據分析研判，鼓勵有條件的地方建設本地交通管理大數據資源池，包括可視化建模、模型創新、數據共享等目標任務。 針對交管大數據建設，雖然有明確目標、公安部局平臺架構指引、重點任務方向，但大數據、數據治理等技術、理論與交管實際業務結合，仍面臨建什么、怎么建以及建后可用性等方面的問題。

構建交管數據治理體系

數字化轉型是個持續性過程，只有開頭、沒有終點，面向未來業務的不確定性，通過數字化手段及思維，敏捷響應并驅動業務升級改造。

在交通大數據治理、數據資源中心建設中，要依據公安大數據“四化”頂層設計思路，以“數據應接盡接、統一架構、共享互通、分層解耦、協同創新”的建設理念，自上而下總體設計、自下而上優化流程，推動交管大數據的深化建設、改造及應用。

交管大數據架構應圍繞交管科技規劃的目標，依托技術側分層解耦等通用規則，結合具體項目所在的外部系統、跨網傳輸、安全要求等情況來確定。同時，《部級公安交通管理大數據分析研判平臺應用架構》可作為架構定義的有效參考基礎，該規范中將架構分為支撐層、接口層、模型層、應用層。

支撐層用于建設數據底座以及通用引擎能力集。模型層基于數據治理后的標準數據創新業務模型，模型建設由項目的數據治理團隊、業務科室警員依托可視化建模工具自行構建。接口層作為中樞系統依托微服務技術，將數據能力、通用引擎能力在安全可控情況下對外提供。應用層則面向業務科室警員通過系統應用、可視化大屏、BI等豐富形式提供數據應用、檢索、挖掘分析能力。

圍繞提升道路交通治理體系和治理能力現代化的總目標，個人理解側重架構設計應遵循擴展性、規范性、安全性、分層解耦等原則。

以往，數據需求科室或下級支、大隊獲取六合一等數據，通常以線下提交申請書的方式開展，在申請書中描述所需的數據表、字段、用途場景等信息，審批通過后再以下發庫的方式獲取相應數據。數據需求方流程繁瑣、效率低下，主管數據的科室也缺乏有力的監管手段。

依托接口層安全規范的數據共享交換能力，面向已匯聚的跨部門、跨系統、跨層級的數據資源，數據需求方可在線瀏覽數據目錄，通過接口層工具提交數據需求申請，依托線上審批流程的方式獲取數據，且申請記錄及數據共享情況均可在后臺留痕，極大提升了數據資源獲取的效率。

從主管單位的角度出發，對內，應制定數據質量、主數據管理等標準，規范數據平臺的建設及內部數據治理的實施過程；對外，應制定輸出數據元、數據字典等標準，規范治理過程及提供至外部系統建設單位及外部系統相關業務科室的輸出過程。從數據源頭開始，站在全局視角上制定標準架構及流程規范。

當前交通管理體系暫未形成統一的數據標準，未來在標準制定中，應調研本地交管核心信息化系統的建設情況、拉通各系統建設方私有的數據標準，特別是數據字典、數據元等，從治理后主要的業務場景出發，準確評估內部ETL、外部系統在未來改造過程中的工作難度。

建議按照交管六合一、公安行標、地方標準、國標、自定義優先順序的原則，梳理制定數據標準。

交管數據常見問題分為以下幾種：

感知設備問題，例如GPS定位錯誤、時間同步等

數據格式錯誤，例如車輛所有人電話格式不符合要求、號牌長度及字符

數據重復問題

數據錄入不完整等問題

主要原因有：接入數據的系統缺少必要的輸入校驗、人員操作規范性、設備時間同步，以及核心系統多年迭代修改，數據庫設計不符合范式，治理人員較難掌握設計細節等方面問題。

治理團隊應通過科室調研等方式，持續積累各科室核心業務，通過業務加深對底層數據結構的理解，但數據治理只能解決其中部分問題，例如格式、重復等。同時，更需要輔助大數據建設的主導單位來制定數據標準，配合完成數據標準體系的培訓，提升整體數據治理意識，構建起數據問題閉環處理機制。

此外，應推動明確各類數據的唯一來源以及負責單位，在組織體系中主管領導支持下，由牽頭部門從上至下推動整改，通過信息化系統改造、信息錄入規范性等方式系統提升數據質量，并遵循數據標準規劃建設新系統。

當前雖然已建成了統一的公安交通管理大數據分析研判平臺，但是因各地方數據資源差異、關注點不同以及需求差異性，往往存在水土不服、應用效果不理想的情況。但針對數據創新治理有更高要求的交警總隊、支隊會傾向于參考部級平臺來建設本地化的大數據應用及系統。

構建彈性的、符合現狀的、完善的數據治理組織體系，必定是一場持續性、進階性的逐步完善過程。

我們通常將治理工作拆分為數據接入、數據標準化、數倉建設、數據模型集市、服務共享接口開發等環節，也包含橫貫各項任務的數據運維、標準規范工作等工作任務。

圍繞以上數據治理的工作任務，在實踐操作中一般分為兩種治理組織模式。

模式一：橫向劃分

按照任務類型，指派專人承擔，同時基于具體的工作量，人員可兼任多項治理任務。例如A可同時承擔數據接入及數據標準化工作。

由于各環節工作目標、范圍清晰，對治理人員綜合能力要求較低，此種方法適合批量的數據治理工作，環節內的工作效率優化。

模式二：縱向劃分

以治理場景驅動，按照業務劃分，治理人員承擔該業務需求相關的數據接入、標準化、建模及接口研發工作。

此種方法，以建模、業務場景驅動，可以降低不同治理環節負責人之間的溝通成本。治理人員為最終成果的交付時間、數據準確性負責。

兩種治理組織模式各有優劣，應按照治理人員能力水平（復合型、專業性）、治理階段性工作節奏（快速實現場景或是穩步全面推進）來選擇最優方案，但無論選擇哪種，都需要有熟悉交管業務的數據治理架構師整體統籌工作，牽頭數據標準規范工作，制定好工作分工及計劃。

此外，數據運維是交管數據治理價值體現的基礎保障性工作。但當前交管大數據處于起步發展階段，數據運維還不夠體系化，安排運維人員值守式人工巡檢現象仍較為普遍，存在效率低、用例覆蓋不全、依賴人員經驗等問題。未來除了借助大數據平臺能力（例如常規的系統運維平臺、數據質量規則設置、異常預警等技術手段），面對持續增加的治理場景，還需要借助人工智能，基于海量歷史數據，定義數據運維智能化模型，從而提升數據運維效率。

李君| 作者