面向数字经济的高速公路大数据分析与应用综述

周雨阳; 林骜; 丁翰坤; 李同飞; 翁剑成; 陈艳艳

doi:10.16503/j.cnki.2095-9931.2026.02.003

交通运输研究 ›› 2026, Vol. 12 ›› Issue (2) : 30-46. DOI: 10.16503/j.cnki.2095-9931.2026.02.003

战略与政策

面向数字经济的高速公路大数据分析与应用综述

周雨阳 ¹ ,
林骜 ² ,
丁翰坤 ³ ,
李同飞 ¹^,^* ,
翁剑成 ¹ ,
陈艳艳 ¹^,²

作者信息 +

Review of Big Data Analytics and Applications on Expressways Towards Digital Economy

ZHOU Yuyang ¹ ,
LIN Ao ² ,
DING Hankun ³ ,
LI Tongfei ¹^,^* ,
WENG Jiancheng ¹ ,
CHEN Yanyan ¹^,²

Author information +

文章历史 +

摘要

在数字经济背景下，为充分释放高速公路大数据的应用潜力，本文系统性探究其核心价值与经济赋能路径。通过VOSviewer对国内外相关研究开展文献计量分析，系统梳理高速公路大数据采集、预处理及多类分析技术的发展脉络。突破以技术为核心的传统研究范式，创新性地从路衍经济视角解析其应用价值，构建涵盖基础层、衍生层与战略层的三级应用体系，通过数据赋能高速公路服务区运营转型、多业态融合及可持续循环模式构建，助力高速公路从单一运输通道向“交通+经济”复合型载体升级。基于此，提出未来发展路径：与多学科深度融合驱动交通系统数字化服务升级，结合区块链技术重塑综合交通体系的协作信任与应用场景，依托物联网技术构建高速公路全要素互联的智能感知与协同网络，为数字化服务升级提供可行方案。研究成果可为构建智能、高价值、可持续的高速公路系统，实现交通强国和数字中国战略目标提供理论与实践参考。

Abstract

Under the background of the digital economy, to fully unlock the application potential of expressway big data, this paper systematically explores its core value and economic empowerment paths. Through bibliometric analysis of relevant domestic and foreign research using VOSviewer, it systematically sorts out the development context of expressway big data collection, preprocessing, and various analysis technologies. Breaking through the traditional technology-centric research paradigm, it innovatively analyzes its application value from the perspective of road-derived economy, constructing a three-level application system covering the foundation layer, derivative layer, and strategic layer. By empowering the operational transformation of expressway service areas, multi-format integration, and the construction of sustainable circular models through data, it helps upgrade expressways from a single transportation corridor to a "transportation+economy" composite carrier. Based on this, the paper proposes future development paths: drive the upgrading of digital services in the transportation system through in-depth integration with multiple disciplines, reshape the collaborative trust and application scenarios of the comprehensive transportation system by combining blockchain technology, and rely on Internet of Things (IoT) technology to build an intelligent perception and collaborative network with full-element interconnection for expressways, thereby providing feasible solutions for the upgrading of digital services. The research results can provide theoretical and practical references for building an intelligent, high-value, and sustainable highway system, realizing the strategic goals of building a country with great transportation strength and digital China.

导出引用

周雨阳, 林骜, 丁翰坤, 等. 面向数字经济的高速公路大数据分析与应用综述[J]. 交通运输研究. 2026, 12(2): 30-46 https://doi.org/10.16503/j.cnki.2095-9931.2026.02.003

ZHOU Yuyang, LIN Ao, DING Hankun, et al. Review of Big Data Analytics and Applications on Expressways Towards Digital Economy[J]. Transport Research. 2026, 12(2): 30-46 https://doi.org/10.16503/j.cnki.2095-9931.2026.02.003

中图分类号： U-9

参考文献

列表( 原文顺序 | 文献年度倒序 | 文中引用次数倒序 ) 可视化分析

[1]	李佳玲, 巫娜燕, 梅伟. 浅探高速公路运营管理中的大数据系统架构及应用[J]. 价值工程, 2023, 42(1):126-128.

[2]	新华社. 由“大”向“强” 从“有”向“好”——透视我国交通强国建设新发展[EB/OL]. (2024-02-28)[2025-07-31]. https://www.gov.cn/yaowen/liebiao/202402/content_6934793.htm.

[3]	罗冰芯. 高速公路数字化运营管理策略分析[J]. 现代企业文化, 2024(18):34-36.

[4]	World Intellectual Property Organization. WIPO Technology trends future of transportation[R]. Gene-va: WIPO, 2025.

[5]	新华社. 中共中央国务院印发《数字中国建设整体布局规划》[EB/OL]. (2023-02-27) [2025-06-16]. https://www.gov.cn/zhengce/2023-02/27/content_5743484.htm.

[6]	交通运输部. 交通运输部关于推进公路数字化转型加快智慧公路建设发展的意见(交公路发〔2023〕131号)[EB/OL]. (2023-09-20) [2025-06-16]. https://xxgk.mot.gov.cn/2020/jigou/glj/202309/t20230920_3922478.html.

[7]	财政部,交通运输部. 财政部交通运输部关于支持引导公路水路交通基础设施数字化转型升级的通知(财建〔2024〕96号)[EB/OL]. (2024-05-01)[2025-06-16]. https://xxgk.mot.gov.cn/2020/jigou/zhghs/202405/t20240501_4138079.html.

[8]	张乐. 数字生态向善中的企业责任与行动路径[J]. 人民论坛, 2021(36):72-75.

[9]	新华社. 中央经济工作会议在北京举行习近平发表重要讲话[EB/OL]. (2024-12-12) [2025-06-16]. https://www.gov.cn/yaowen/liebiao/202412/content_6992258.htm.

[10]	人民日报评论员. 坚持稳字当头、稳中求进确保实现“六个有效”——论学习贯彻2022年全国交通运输工作会议精神[EB/OL]. (2022-12-19)[2025-06-16]. https://www.gov.cn/xinwen/2022-12/19/content_5732631.htm.

[11]	涂伟键. 基于大数据技术的智能高速公路系统应用[J]. 西部交通科技, 2021(8):176-178,200.

[12]	KIANFAR J, EDARA P. Placement of roadside equipment in connected vehicle environment for travel time estimation[J]. Transportation Research Record, 2013 (2381): 20-27.

[13]	杨东锋, 戴杰, 张玥妍, 等. 高速公路路侧雷达布设间距对交通事故风险评估精度的影响[J]. 交通信息与安全, 2023, 41(2):28-35.

[14]	董春肖, 张立涛, 孙洪运, 等. 固定交通检测器布设对快速路交通流量预测影响的实证研究[J]. 铁道科学与工程学报, 2022, 19(2):359-366.

[15]	孙智源, 陆化普. 考虑交通大数据的交通检测器优化布置模型[J]. 清华大学学报(自然科学版), 2016, 56(7):743-750.

[16]	DANCZYK A, DI X, LIU X. A Probabilistic optimization model for allocating freeway sensors[J]. Transportation Research Part C: Emerging Technologies, 2016(67C): 378-398.

[17]	陈喜群, 曹震, 莫栋. 融合卡尔曼滤波的高速公路状态估计误差界限分析[J]. 交通运输系统工程与信息, 2022, 22(4):72-78.

[18]	赵鸿铎, 朱兴一, 涂辉招, 等. 智能铺面的内涵与架构[J]. 同济大学学报(自然科学版), 2017, 45(8):1131-1135.

[19]	黄强. ETC监控成像补光装置眩光调优方法[J]. 公路交通科技, 2023, 40(12):219-226.

[20]	戴剑军, 彭巍, 傅达, 等. ETC门架智慧运维关键技术及应用[J]. 湖南交通科技, 2020, 46(2):124-128.

[21]	冉森. 高速公路ETC门架系统运维分析[J]. 运输经理世界, 2021(23):87-89.

[22]	李迪杰. 基于BIM+GIS技术的ETC门架系统运维管理平台应用探讨[J]. 西部交通科技, 2023(6):179-180,183.

[23]	李霞, 武伟伟, 崔洪军, 等. 高速公路智能监控数据采集器的优化布设方法[J]. 重庆交通大学学报(自然科学版), 2018, 37(2):113-118.

[24]	SUN Z, YU M, WANG H, et al. Effects of Traffic cameras on incident management: validation of statistically significant effects using field data[J]. Transportation Research Record, 2015(2484): 31-38.

[25]	周雨阳, 龚艺, 姚琳, 等. 无人机广域视频的机动车交通参数计算及分析[J]. 交通运输系统工程与信息, 2015, 15(6):67-73.

[26]	LI X, DUAN H, LIU B, et al. A Novel framework to generate synthetic video for foreground detection in highway surveillance scenarios[J]. IEEE Transactions on Intelligent Transportation Systems, 2023, 24(6): 5958-5970.

[27]	LIANG C, CHEN Q, LI Q, et al. HADNeT: A novel lightweight approach for abnormal sound detection on highway based on 1D convolutional neural network and multi-head self-attention mechanism[J]. Electronics, 2024, 13(21): 4229. DOI: 10.3390/electronics13214229.

[28]	YUANKAI W, HUACHUN T, YONG L, et al. A fused CP factorization method for incomplete tensors[J]. IEEE Transactions on Neural Networks and Learning Systems, 2019, 30(3): 751-764.

[29]	高志军, 刘懿如, 王江锋, 等. 基于梯度下降Tucker分解的高速公路数据质量控制算法[J]. 北京交通大学学报, 2019, 43(6):50-55.

[30]	郭凤香, 黄金涛, 陈昱光, 等. 多种缺失模式下交通数据组合近似填补方法[J]. 交通运输系统工程与信息, 2023, 23(6):42-50.

[31]	裴莉莉, 孙朝云, 韩雨希, 等. 基于SSC与XGBoost的高速公路异常收费数据修复算法[J]. 吉林大学学报(工学版), 2022, 52(10):2325-2332.

[32]	PEI L, SUN Z, HAN Y, et al. Highway event detection algorithm based on improved fast peak clustering[J]. Mathematical Problems in Engineering, 2021: 7318216. DOI: 10.1155/2021/7318216.

[33]	李林超, 曲栩, 张健, 等. 基于特征级融合的高速公路异质交通流数据修复方法[J]. 东南大学学报(自然科学版), 2018, 48(5):972-978.

[34]	张兆宽, 李国华. 基于回归模型的高速公路交通流数据修复方法[J]. 山西建筑, 2024, 50(2):128-132.

[35]	DUAN Y, LV Y, LIU Y, et al. An efficient realization of deep learning for traffic data imputation[J]. Transportation Research Part C: Emerging Technologies, 2016, 72: 168-181.

[36]	KORKUT M, ISHAK S, WOLSHON B. Freeway Truck lane restriction and differential speed limits: Crash analysis and traffic characteristics[J]. Transportation Research Record, 2010 ( 2194): 11-20.

[37]	崔建, 李镇, 赵家旺, 等. 基于ARIMA的高速公路短时交通流量预测方法研究[J]. 山东交通科技, 2024(4):89-93.

[38]	梁乃兴, 闫杰, 杨文臣, 等. 基于ARIMA-LSTM的高速公路交通安全组合预测模型研究[J]. 重庆交通大学学报(自然科学版), 2023, 42(4):131-138.

[39]	成卫, 马铭炜, 张小龙. 基于贝叶斯网络的高速公路交通事故严重程度预测及致因分析[J]. 重庆交通大学学报(自然科学版), 2023, 42(7):87-95.

[40]	FUSCO G, COLOMBARONI C, ISAENKO N. Short-term speed predictions exploiting big data on large urban road networks[J]. Transportation Research Part C: Emerging Technologies, 2016, 73:183-201.

[41]	陈钊正, 吴聪. 多变量聚类分析的高速公路交通流状态实时评估[J]. 交通运输系统工程与信息, 2018, 18(3):225-233.

[42]	刘春生, 曹蓉, 王晓晗, 等. 基于门架数据的高速公路运行状态评价研究[J]. 山东科学, 2023, 36(3):100-107.

[43]	LONG K, YAO W, GU J, et al. Predicting freeway travel time using multiple-source heterogeneous data integration[J]. Applied Sciences, 2018, 9(1). DOI: 10.3390/app9010104.

[44]	赖见辉, 齐悦, 王扬, 等. 基于收费数据的交通运行参数估计方法[J]. 中国公路学报, 2022, 35(3):205-215.

[45]	孙朝云, 吕红云, 杨荣新, 等. 改进粒子群优化XGBoost模型的高速公路服务区交通量预测[J]. 北京交通大学学报, 2021, 45(5):74-83.

[46]	张浩. 基于改进深度森林算法的高速公路交通事故风险预测[J]. 安全与环境工程, 2024, 31(6):91-99.

[47]	韩皓, 谢天. 基于注意力Seq2Seq网络的高速公路交织区车辆变道轨迹预测[J]. 中国公路学报, 2020, 33(6):106-118.

[48]	GREGURIC M, VRBANIC F, IVANJKO E. Towards the spatial analysis of motorway safety in the connected environment by using explainable deep learning[J]. Knowledge-Based Systems, 2023, 269: 1. 1-1.17. DOI: 10.1016/j.knosys.2023.110523.

[49]	RASTGOO M, NAKISA B, MAIRE F, et al. Automatic driver stress level classification using multimodal deep learning[J]. Expert Systems with Applications, 2019, 138: 112793. DOI: 10.1016/j.eswa.2019.07.010.

[50]	BOGAERTS T, MASEGOSA A, ANGARITA-ZAPATA J, et al. A graph CNN-LSTM neural network for short and long-term traffic forecasting based on trajectory data[J]. Transportation Research Part C: Emerging Technologies, 2020, 112: 62-77.

[51]	MA X, TAO Z, WANG Y, et al. Long Short-Term Memory neural network for traffic speed prediction using remote microwave sensor data[J]. Transportation Research Part C: Emerging Technologies, 2015, 54: 187-197.

[52]	JAHONGIR A, AHMET Ö. A real-time vehicle detection and a novel vehicle tracking systems for estimating and monitoring traffic flow on highways[J]. Advanced Engineering Informatics, 2021, 50: 101393. DOI: 10.1016/j.aei.2021.101393.

[53]	YIN W, MIN Y, ZHAI J. A vehicle comparison and re-identification system based on residual network[J]. Machines, 2022, 10(9). DOI: 10.3390/machines10090799.

[54]	YOU J, JIA S, YAO P. Dmrvisnet: deep multihead regression network for pixel-wise visibility estimation under foggy weather[J]. IEEE Transactions on Intelligent Transportation Systems, 2022, 23(11): 22354-22366.

[55]	WU Y, TAN H, QIN L, et al. Differential variable speed limits control for freeway recurrent bottlenecks via deep actor-critic algorithm[J]. Transportation Research Part C: Emerging Technologies, 2020, 117: 102649. DOI: 10.1016/j.trc.2020.102649.

[56]	KE Z, LI Z, CAO Z, et al. Enhancing transferability of deep reinforcement learning-based variable speed limit control using transfer learning[J]. IEEE Transactions on Intelligent Transportation Systems, 2021, 22(7): 4684-4695.

[57]	余荣杰, 徐灵, 章锐辞. 基于多智能体深度强化学习的高速公路可变限速协同控制方法[J]. 同济大学学报(自然科学版), 2024, 52(7):1089-1098.

[58]	马昌喜, 石褚巍, 赵永鹏. 路衍经济定义重构及其发展模式与对策[J]. 兰州交通大学学报, 2023, 42(3):92-97.

[59]	王海霞, 褚春超, 刘洋, 等. 高速公路路衍经济开发与政策建议[J]. 交通运输研究, 2019, 5(1):16-23.

[60]	交通运输部. 交通运输部关于甘肃省开展大敦煌交旅融合发展等交通强国建设试点工作的意见(交规划函〔2021〕470号)[EB/OL]. (2021-10-26) [2025-06-16]. https://xxgk.mot.gov.cn/2020/jigou/zhghs/202110/t20211026_3623051.html.

[61]	信息时报. 从埔高速从化南服务区二期物流园开园[EB/OL]. (2026-01-01) [2025-06-16]. https://xxsb.gz-cmc.com/pages/2026/01/01/76f21cb4cf014222b6c07e9f9bac7014.html.

[62]	重庆市人民政府网. 合川打造西部陆海新通道重庆北向枢纽[EB/OL]. (2024-03-08) [2025-06-16]. https://www.cq.gov.cn/ywdt/zwhd/qxdt/202403/t20240308_13017410.html.

[63]	徐昕昕, 孔亚平. 从服务区到区域服务——服务区路衍经济发展问题与对策研究[J]. 中国公路, 2022(15):74-77.

[64]	兰北章, 邝习东, 傅舰峰, 等. 高速公路开放式服务区与区域社会经济耦合研究[J]. 重庆交通大学学报(自然科学版), 2014, 33(1): 115-118.

[65]	高建平, 肖英洁, 兰北章, 等. 高速公路开放式服务区功能定位方法[J]. 长安大学学报(自然科学版), 2015, 35(5):43-49.

[66]	钱超, 杨孟, 耿健, 等. 高速公路ETC客户细分方法研究[J]. 交通运输系统工程与信息, 2018, 18(4):231-239.

[67]	林培群, 陈泽沐, 周楚昊. 基于扩散模型的节假日高速公路交通流预测方法[J]. 交通运输系统工程与信息, 2025, 25(2):169-179.

[68]	张西亚. 利用智能视频分析技术进行高速公路服务区精细化管理[J]. 人民交通, 2018(11):66-67.

[69]	CAI Q, YI D, ZOU F, et al. Recognition of vehicles entering expressway service areas and estimation of dwell time using ETC data[J]. Entropy, 2022, 24(9): 1208. DOI: 10.3390/e24091208.

[70]	刘光雄. 基于ETC大数据的高速公路服务区入区率研究[J]. 中国交通信息化, 2021(5):119-121,125.

[71]	韦建华. 基于出行大数据的服务区数字化商业运营平台建设探究[J]. 中国交通信息化, 2024(2): 37-40.

[72]	季社茹. 循环经济模式下公路交通运输可持续发展的策略研究[J]. 企业科技与发展, 2021(7): 24-25,28.

[73]	金凤. 刘攀:从海量数据中“挖”出交通隐患[EB/OL]. (2020-11-10)[2025-06-16]. https://news.seu.edu.cn/2020/1112/c5485a353085/page.htm.

[74]	徐志刚, 李金龙, 赵祥模, 等. 智能公路发展现状与关键技术[J]. 中国公路学报, 2019, 32(8):1-24.

[75]	山东高速集团. 山东高速集团合作研发的长寿命路面新结构成功实现转化[EB/OL]. (2020-06-08)[2025-06-16]. https://www.sdhsg.com/article/4434.

[76]	交通运输部. 交通运输部等十八个部门关于进一步鼓励开展多式联运工作的通知(交运发〔2016〕232号)[EB/OL]. (2017-01-04)[2025-06-16]. https://xxgk.mot.gov.cn/2020/jigou/ysfws/202006/t20200623_3315343.html.

[77]	鄢然, 王帅安, 周煜圣. 区块链技术在航运业的应用综述[J]. 交通运输工程与信息学报, 2022, 20(3):1-14.

基金

北京市社会科学基金规划项目(22GLC060)

Accesses

Citation

Detail

段落导航

收稿日期	出版日期
2025-10-28	2026-04-25
发布日期
2026-06-11

选择文件类型/文献管理软件名称

选择包含的内容

摘要

Abstract

关键词

Key words

引用本文

{{custom_sec.title}}

{{custom_sec.title}}

参考文献

基金

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

摘要

Abstract

关键词

Key words

引用本文

{{custom_sec.title}}

{{custom_sec.title}}

参考文献

基金