【新浦京www81707con】高速公路视图大数量管理利用探究,会撞击出什么的火苗

原标题:智能交通大数据及云应用平台解决方案

车辆大数据侦查系统

前段时间,有这样一则新闻引起了人们注意。十堰市公安局110接到市民报警,发现一辆车牌号为鄂CHXXXX的轿车上有枪支存在,已经往城区方向行驶。110通过机动车缉查布控系统对全城布控。当嫌疑车辆出现在柳林沟路段时,被布控系统发现,再通过对红绿灯进行干预,成功将嫌疑人抓住。

新浦京www81707con 1

一、系统概述

新浦京www81707con 2

近年来,随着高速公路通车里程的迅猛增长和车流量的快速增加,高速公路运营管理中暴露的新情况、新问题也逐年增多,特别是逃漏通行费问题,给正常运营秩序带来较大的冲击。为了解决偷逃漏费、路径识别等业务需求,其中在高速公路收费卡口逐步进行了监控高清化与智能化改造。在视图智能化处理方面将面临以下几个问题:

来源:网络大数据

车辆大数据侦查系统是千视通研发的一款专门针对车辆进行结构化分析和大数据精准检索应用的智能车辆管理系统。系统对视频或卡口系统抓拍图片中的车辆特征进行提取、分析、识别、入库和查询。提取的车辆特征包括车牌号码、车牌类型、车牌颜色、特征物(包括年检标数量、纸巾盒、遮阳板、挂饰)、车牌归属地、车型、品牌、车系、款型、车身颜色、方向、车辆监控地点、过车时间等,并根据分析结果提供车牌可信度比值做参考。

智能交通系统

  1. 如何建立一个安全、实时、有效、智能化的视图大数据系统处理系统,利用车辆视图”多特征识别”真正满足高速公路偷逃漏费稽查工作高时效、高正确率要求;
  2. 如何建设一个适合高速公路场景高性能计算平台,实现大规模数据的云存储、云计算,满足数据实时查询,同时满足海量数据离线分析,实现更多的预测,统计和稽查等业务。
  3. 如何保证收费站的收费数据实时性、收费高清图像传输的可靠性,以及高业务量将引起存储容量,网络带宽,并发处理能力的高要求。

摘要:随着日益增长的交通“大数据”,给交通管理创新带来的新挑战,以及对交通管理工作提出的新要求,交通信息化建设必然步入云计算智慧应用阶段,利用云计算破解当前诸多交通瓶颈问题。

车辆大数据侦查系统可将分析结果与实际抓拍车牌图片进行有效的对比。支持实时视频流、实时图片流、卡口录像视频和卡口抓拍图片的车辆特征分析。系统充分利用道路监控、高清电警、卡口、车管数据库、云存储等平台资源,实现对车辆信息进行大数据、结构化的分析整合,从而开展各种应用——可应用于刑事侦查、交通执法、智能交通、缉查布控、大数据分析等领域,是公安实战必不可少的应用系统。

通过智能交通系统抓捕造事车辆以及罪犯只是该系统的某方面应用。事实上,智能交通在生活中应用很广,如我们平时所见的城市公共交通采用一卡通的便捷快速刷卡换乘、互联网、电话等多种购票方式,这些只是智能交通的初级阶段呈现。未来,你可以幻想一下,坐在无人驾驶的汽车里,交通在大数据管控下早已没有拥堵,吃个早餐提前订好车位,省心省时省力,多么痛快。

在现代的高速公路建设上,充分利用收费站、交通路段和重要场所的视频结构化信息,获得高速公路收费与稽查视图大数据处理解决方案,从而使得高速公路运行更加安全畅通,有效打击高速公路偷逃漏费现象。

什么是交通大数据

车辆大数据侦查系统基于提取的车辆信息,能够实现以下的智能应用:

城市车辆剧增交通拥堵成大问题

一、高速视图大数据处理

交通概念很大,所涉及的范围很广,如城市道路交通指数、地铁运行数据、一卡通乘客刷卡数据、港口集装箱数据、机场航班数据、轨道交通运营数据、远洋及内河航道船舶数据、物流车辆及货物数据、公交车实时数据、出租车行车数据、空气质量状况、气象数据、道路事故数据、高架匝道运行数据、以及衍生的相关拥堵、事故、违法信息等都属于交通数据。

1) 支持相关车辆信息的精确查询和模糊查询。

据调查统计,截止2015年年底,全国的机动车保有量达到2.79亿辆,机动车保有量超过1000万辆的有12个省,城市汽车保有量超过200万辆的有11个城市,其中北京超过450万辆。

针对高速公路监控视频提供车辆”多特征识别”结构化处理。通过对收费站出入卡扣收费视频图像数据的有效结构化处理,提供收费车辆特征描述,用以辅助高速公路收费人员进行实时在线偷逃漏费稽查工作。

我们通常所提的城市公安交通管理大数据是指在城市智能交通建设和运营的过程中,从视频监控、卡口电警、路况信息、管控信息、营运信息、GPS定位信息、RFID识别信息等每天产生的大量数据,并借助信息化手段将这些相互关联的数据整合到一起(比如车辆信息、地图信息、人员信息、违规违章记录信息等等),形成一个有价值数据链,从而知道城市交通信息化建设,为公安交通实战应用服务,为市民出行服务。

2) 支持查询并选择相应车辆,在GIS地图上生成并显示该车辆的运行轨迹。

新浦京www81707con 3

新浦京www81707con 4
图-1高速公路收费系统图片大数据处理系统

什么是云分析

3)
支持对目标车辆动态布控并自动报警,可布控的车辆信息包括:监控点、车牌号、品牌、车系、款型、特征物、车辆类型、车身颜色及车型等。

交通拥堵

图-1高速公路收费系统图片大数据处理系统。在功能模块中,包含收费出入口收费高清图片大数据处理,采用先进的深度学习、高性能运算及大数据技术,集视频结构化分析、数据存储、数据应用于一体的高性能、高密度计算设备,支持高并发能力、分析识别准、运算速度快、检索效率高等能力。在图片处理模块中,力求解决高速公路等目标的异常行为检测和快速检索,以实现收费稽查等多种应用,提高收费准确性。主要功能包括目标检测、跟踪、分类、车辆特征识别、以图搜图和实时报警等。在信源输入部分,支持实时的收费出入口图像数据,路段视频监控数据,同时还支持移动路政输入数据。亦可进行视综数据处理,收费系统历史视图等进行处理。进行离线的图像处理,用以更多的离线分析业务。

云分析系统具备超高的计算性能,单机设备每天处理的信息量最大高达2000万张图片。云分析具备对卡口、电警以及部分监控设备拍摄的车辆图像信息的结构化智能分析功能,主要包括识别图像中车辆的品牌、型号、年款、车身颜色、类别、异常特征(如遮挡面部、遮挡号牌)、唯一性局部特征(如年检标志、车内饰物)等关键信息。

4) 支持通过上传嫌疑目标车辆的图片实现以图搜车的功能。

交通拥堵、交通安全问题日益严重,及时获取交通数据并利用数据构建交通数据处理模型将成为改善城市交通的关键,而这些问题将通过大数据技术来解决。

新浦京www81707con 5
图-2高速公路视图大数据处理智能应用

可对提交的图像中的车辆车牌颜色及车牌号进行二次识别,通过大数据进行,时间、地理、轨迹等的对比识别,以得出分析结果。

5)
支持融合公安实战业务的技战法,实现:假套牌分析、无牌车分析、同行车分析、首次入城分析、频繁过车分析、频繁夜出车辆分析、昼伏夜出车辆分析等。

大数据与智能交通碰撞火花共同发展

图-2高速公路视图大数据处理智能应用中涵盖了车辆特征提、实时预览、智能检索和以图搜图等模块。其中在车辆特征提取中包含抓拍车辆的车型、车款、车身颜色、车牌、年检标、遮阳板、纸巾盒、挂件、摆件、安全带等细分特征。智能检索部分包含对车辆任意特征值进行快速搜索,得以快速定位车辆的入口站点等,同时支持多种特征和条件的组合检索。以图搜图支持通过车辆图片框选快速搜索同一车辆的入口信息等功能。所有智能应用满足高速公路收费系统快速稽查,并有效打击偷逃漏费的现象。

过去几年,智能交通系统建设取得了长足的进步与发展,针对道路交通违法、交通安全等,不断在不同的时间,不同的阶段建立了交通卡口、违法检测、道路智慧监控、交通事件监测等信息化系统,但这些信息化系统所采用的设备、平台均来自于不同的厂家,采用的标准,上下级不能很好的实现级联,与公安系统融合度不高,无法进行集中管理,资源共享,发挥统一的实战作用。

6)
针对车辆识别结果,提供按照车身颜色、车型、品牌型号、图片、结果信息报表的分类形式下载导出。

当大数据与智能交通相遇,就像干柴遇上烈火,一点即着。我们先看一个目前比较突出的问题:最近几年,交通管控系统应用普遍,虽说交通违法情况有了遏制,但是拥堵问题却一直无法解决。而想要缓解交通拥堵的问题,就需要利用交通大数据。

二、高速公路视图大数据处理云平台建设

不同时期,不同阶段建设的信息化系统,技术路线,功能性能指标各异,在套牌、摘牌、故意遮挡号牌等涉车案件中,不能找到行之有效的手段处理。

二、系统特点

1、数据采集与存储 更准确的资源

为建设一个适合高速公路场景高性能计算平台,实现收费与监控系统视图大规模数据的云存储、云计算。考虑到目前收费业务功能集中由省收费中心承担,必然带来省中心业务数据存储容量、网络带宽、应用并发能力严重不足的问题。鉴于以上问题,高速公路收费视图大数据处理需要利用各个区域收费中心承担省中心部分职能,分担省中心的计算、储存、网络带宽及应用高并发处理能力处理。采用省中心为主,其他区域分中心协同的分布式云数据中心架构构建高速收费视图大数据处理平台。对现有业务系统的进一步云化整合。

现阶段,交通违法行为导致的交通安全、道路交通事故问题依然突出,交通违法管理的颗粒度也越来越细,道路交通安全法也不断的修正以满足交通管理工作的需要。其中,不系安全带、开车打电话等违法行为纳入了处罚范围,而过去建设的卡口系统绝大多数不具备这些功能,不能很好的服务公安交通管理需要。

1.车辆大数据侦查系统采用B/S架构,只需浏览器即可登录使用本系统,而不需要另外单独安装客户端。

很明显,随着智能交通系统建设规模的不断扩展,交通大数据采集的范围、广度和深度将会越来越大。交通大数据由交通检测数据、视频监控数据、系统数据和服务数据构成,而这些数据一般通过GPS定位信息、视频监控、路况信息、卡口电警、RFID识别信息、管控信息、营运信息等数据获得。

新浦京www81707con 6
图-3高速公路视图大数据处理云平台部署方案

云分析系统的出现,问题将迎刃而解。云分析系统创新型引入GPU+CPU的设计理念,单台设备每天最高处理性能达到2000万张图片,提取车牌号、车身颜色、车标、子品牌、车型、车脸等交警实战所需的结构化信息,并能够自动甄别不系安全带、打电话等违法行为,为公安交通管理提供全新的技术手段和业务体验。

2.
系统支持对卡口系统、高清监控等实时视频流、图片流以及历史视频、图片源的接入识别,兼容市面上主流编码格式离线视频上传转码分析。

新浦京www81707con 7

省中心,各个区域分中心部署视图大数据处理业务系统。各个数据中心部署云计算平台,大数据分析平台和大数据存储平台。满足视图大数据处理的业务需求。

系统设计

3.
提供车牌分析结果的可信度参考比值,可将分析结果与实际抓拍车牌图片进行有效的对比,并提供目标车辆识别结果和查询结果的下载导出。

数据采集与存储

多数据中心统一管理

系统中采用的设计方法和技术路线在实战应用技术中处于领先地位,软件的设计先进灵活,便于升级以及与其它系统的互联互通。系统涵盖了目前实战应用所涉及的一系列技术,如:图像预处理、信息筛查、电子地图轨迹分析等,在此基础上融合了车型建模、车牌识别、车标识别、运动目标检测和行为分析、图片检索等智能视频图像分析技术,创新性的实现了“车脸识别”、“不系安全带检测”等功能,创造性的使用云分析实现超大数据量的图片二次识别,为用户提供超高性价比的解决方案。

4.
在识别结果中根据车牌号选择相应车辆,在GIS地图上生成并显示该车辆的运行轨迹。

根据上海市交通数据监测得知,全市的卡口将近6600多个,而每一天将会产生近8000万的通行数据,会有许多视频、图片以及通行记录。再利用二次识别技术,对这些采集的车辆图片和视频进行分析,可以获得准确的数据资源。

提供针对省中心,区域分中心多数据中心的统一的运维、运营管理能力。融合资源池的管理系统可以集中管理和监控各个数据中心的计算、存储、网络资源和使用情况,提供统一的资源管理、跨DC资源部署、运维管理、服务管理和自助服务等能力。

系统设计时,对需要实现的功能进行合理的配置,且配置具有良好的兼容性和扩展性;通过提供二次开发接口,支持用户利用本系统自主开发新功能,满足业务需求。

5.
可根据监控点、车牌号、品牌、款型、特征物、车辆类型、车身颜色及车型等布控信息对车辆进行组合实时布控。

2、数据分析与应用 更智能的判断

融合的基础架构

系统具有开放性的标准体系,后端基于开放式的TCP/IP网络系统进行设计,支持多种网络协议,便于和各系统间的互联、互通、互控,遵循规范的通用接口标准,使系统对硬件环境、通信环境、软件环境、操作系统之间的相互制约和影响减至最小。

6.
可通过上传嫌疑车辆的一张图片,借助该车辆的全面或部分车体特征对目标车辆进行以图搜车检索。

新浦京www81707con 8

从一个统一的云管理平台下发业务到不同的资源池,支持快速的业务下发,支持不同虚拟化平台,从而将异构的计算资源池,异构的存储资源池作为服务提供,提供资源的共享和灵活分配,提供统一的分权分域管理。

具有良好的人机交互界面,尽可能避免出现繁琐操作实现某项具体业务应用的情形。系统在体系设计及工程实施中应根据用户使用需求充分考虑性能优化,在合理时间范围内,尽可能缩短系统的操作响应时间;系统维护也应在合理范围内尽可能简化,使操作人员能快速地学习和掌握系统操作。

7.
系统融合了公安实战业务,引入了技战法查车,包括:假套牌车分析、无牌车分析、同行车分析、首次入城分析、频繁过车分析、频繁夜出车辆分析、昼伏夜出车辆分析等。

分析

快捷的应用管理

系统涵盖了目前交通管理业务应用所涉及的一系列技术,如:图像接入、通用解码、转码、图片索引、车型建模、图像预处理、信息筛查、电子地图轨迹分析、套牌分析等。基于云分析的二次识别方案配合大数据的高效查询、检索、研判方案,构筑了智能交通综合管控平台的数据底层支持优秀架构,为交警实战业务应用提供了极佳的用户体验。

  1. 界面友好,简单易用。

  2. 识别库升级为64位,可以支持更大分辨率视频和图片的识别。

大数据的分析与应用,需要千亿数据的秒级返回的检索能力,而这种能力将需要高效的云计算产生。基于深度学习的智能分析算法,将会对交通大数据的分析起到很好的支撑作用,也会为交通管理带来更有效的数据支持。

通过虚机模板、应用模板,以及用户自定义编排等能力,提供应用快速、自动化部署的能力。

1.1 系统架构

三、系统功能

整合车辆大数据服务智能交通

分布式高速公路视图大数据处理云平台建设以及对现有业务系统的进一步云化整合,可以带来如下价值:

新浦京www81707con 9

不同环境下车辆识别

道路拥堵是建设智能交通系统面临的一个重点问题,我们可以通过高清视频监控、卡口数据以及线圈微波采集数据,再利用大数据技术,就可以实现路口的自适应以及信号配时的优化。

收费视图大数据处理系统将有效打击高速公路偷逃漏费行为,并且每年将挽回损失几个亿。同时积累下来的大数据会对后续的高速公路运营服务和管理提供帮助。

系统的使用者通常为指挥中心调度人员、指挥中心带班领导、支/总/大队的主管领导、交通秩序管理人员、大队分控中心人员、路面执勤民警等。系统维护的职责则由运维工程师和系统管理员完成。

系统支持白天、夜间、同画面多车辆、从车头、从车尾识别。

新浦京www81707con 10

精简IT资源,降低运维成本,利用云数据中心统一资源管理,统一的运维管理平台,降低维护维护成本,从降成本中贡献净利润

主要的关键业务应用包括交通状况监测、日常组织与管控、应急指挥与协作、信息研判分析等方面,主要是应对城市交通管理的现状实时监视、日常业务处置、突发事件应对、交通数据挖掘研判等业务需求。

车牌信息识别

大数据

云数据中心一次规划,多次(按需)部署,降低规划难度,规避投资风险,柔性十足,便利的扩减容机制,可随时调整以匹配业务或IT的变化等。

辅助核心业务的是一系列的支撑应用,包括基础数据管理(路网信息、设备设施信息)、警力资源管理(警员信息、警车信息、装备信息)、电子地图管理、系统配置管理。

系统按照GA36-2007标准进行设计,支持多达26种车牌类型的号码识别。包括:大型汽车、小型汽车、使馆汽车、领馆汽车、境外汽车、外籍汽车、普通摩托车、轻便摩托车、使馆摩托车、领馆摩托车、境外摩托车、外籍摩托车、低速车、拖拉机、挂车、教练汽车、教练摩托车、临时入境汽车、临时入境摩托车、临时行驶车、警用汽车、香港入出境车、澳门入出境车、武警号牌、军队号牌、其他号牌。

通过大数据分析,获得某些区域的路口通行能力,用于红绿灯的配时优化,以达到区域内路口的通行效率提升。另外,我们还可以根据早高峰时间段、节假日以及主要关键路口的多维度通行情况,来人工或者系统自动设置不同的配时,以提高交通通行能力。

通过云计算HA、FT、热迁移功能,能够有效减少设备故障时间,确保收费等核心业务的连续性,避免传统IT,单点故障导致的业务不可用。

在应用层下面是支持业务应用的支撑层,在这层完成对信息的采集、汇聚、加工、存储、交换等处理操作,同时支撑层还内包消息服务器、GIS地图中间件、视频服务、诱导服务等信令及数据的服务或中间件。

车身颜色识别

另外,我们在对视频监控和卡口数据进行二次识别的时候,也能分析出车辆的轨迹。对车辆大数据进一步挖掘,就能够实现对车辆的全面监控。有关部门曾经通过常州车辆大数据平台分析车辆轨迹以及落脚点,每天发现套牌车辆10余起。另外,我们还可以通过智能算法和二次识别,得到多维度的数据,例如车牌、车牌颜色、车型、车标等,然后在某些特定的场景下加以分析运用。

【新浦京www81707con】高速公路视图大数量管理利用探究,会撞击出什么的火苗。综上所述,借助大数据云计算及视图分析技术,将以其视图智能化、运维管理自动化,IT资源弹性调度,快速部署以及优异的扩展性等优势,将为高速公路收费稽查发展夯实基础。

最下端为数据感知层,包括业务子系统及设备,为各类交通信息的原始数据来源,如GPS车辆轨迹信息、视频信息、通行车辆信息、交通流信息、施工占道信息、交通管制信息、气象信息等。

系统支持黑、白、红、黄、蓝、绿、灰、青等10种车身颜色识别。

智能交通驶向未来

【编辑推荐】

  • 视频大数据技术平台

车型识别

新浦京www81707con 11

视频大数据技术平台负责存储和提取处理视频、图片等非结构化数据,通过视频结构化技术,可挖掘出视频图像中的人、车、物、事件等结构化信息,进一步用于大数据的分析挖掘。同时,视频大数据技术平台可提供视频摘要、视频浓缩、视频质量诊断等智能分析服务,使上层应用提高视频处理的效率。

系统支持多种车型,如轿车、越野车、商务车、小型货车、大型货车、轻客、小型客车、大型客车、三轮车、微面、皮卡、挂车、混泥土搅拌车、罐车、随车吊、消防车、渣土车、押运车、工程抢修车、救援车、栏板卡车等类型。

  • 通用大数据技术平台

车品牌、车系、款型识别

智能交通

通用大数据技术平台提供基于Hadoop和Spark的分布式存储、分布式计算等能力,负责整合并管理海量的结构化、半结构化、非结构化数据,具备高度的可扩展性,可将数千台的廉价服务器组建成一套庞大的云存储系统、一台超级计算机。基于Spark架构的内存运算,速度比传统的Hadoop快10~100倍,适合交通行业对时间要求的流式计算需求。

系统支持车辆三级品牌(品牌、车系和款型)识别,其中包括160种以上的车辆品牌识别,在识别车辆品牌的基础上,系统支持近千种车辆系列的识别,支持子型号数量大于2000,国内领先。

新浦京www81707con,可以预计,在未来,智能交通的应用将会非常广泛,我们的出行也将越来越方便。数据堂(微信:shujutang)覆盖全领域交通数据,基于人、设备、网络互连,实现交通大数据实时监控查询服务,目前已覆盖50余城市实时出租车GPS位置、20余省份高速路网数据、全国航空实时动态、全球航运实时动态等大规模体系化数据,另有停车、违章、加油、视频卡口、环路微波等细分领域交通数据。与国内主要智慧城市建设商紧密合作,共同提供智能交通、智慧城市建设的数据解决方案。

  • 行业大数据能力平台

特有的车窗贴、挂饰、遮阳板识别能力

能够针对海量数据进行快速检索、快速统计分析,同时能够进行深度的关联分析,挖掘出其中有价值的信息。行业大数据能力平台以接口的方式为上层应用提供服务。

支持对年检标、挂饰、遮阳板、纸巾盒的识别检测,并以不同颜色框加以标识。

  • 大数据运维平台

驾驶员行为识别

负责对整个大数据平台进行部署、配置、管理、监控,通过自动化安装的方式,方便用户架设大数据平台。同时,通过可视化界面,可以形象地获知整个平台的运行状况。随着业务的发展,当平台需要升级或扩容时,可方便的通过该工具进行调整。

系统支持驾驶员打电话、是否系安全带等危险行为进行识别检测。

1.1.1 视频大数据技术平台

四、系统应用

1、视频云存储

大数据综合业务应用平台提供视频综合分析业务应用,实现智能检索、车辆布控、以图搜车、GIS应用等功能,满足不同业务部门应用需求。

视频云存储系统解决百PB级视频基础数据视频数据的低成本、高可靠存储,支持视频流数据的高并发I/O。

1、基于局部视觉特征的检索

新浦京www81707con 12

涉及重大案件的车辆通常是套牌车甚至多次套牌。这时,车辆号牌对于侦查车辆失去价值。基于局部视觉特征的检索在车辆号牌信息缺失(无牌或套牌)的情况下,能够借助车辆的车体特征全面、迅速地获取车辆的行驶轨迹等重要信息,在最快的时间内锁定其行踪。

视频云存储系统架构图

2、车辆综合查询

2、视频云分析

查找车辆的时候,通过WEB客户端,提交监控点、车牌、车牌颜色、车身颜色、品牌、车系、款型、车道方向、车型、地点、特征物及过车时间段等信息对识别结果进行部分/组合查询。系统支持对目标车辆进行精确查询和模糊查询。

视频云分析平台则是通过整合用户现有的数据中心分析设备,对过车视频、过车图片等数据进行进一步分析,其中中心分析设备采用分布式计算节点集群的方式,能够提供基于任务自动负载均衡的数据处理方式,解决从海里视频图像数据中解析出来的视频结构化数据的需求。

3、车辆实时布控

新浦京www81707con 13

案件侦破过程中,需根据车辆类型、品牌型号、车身颜色、车牌号等部分信息的组合进行布控,从而能够在第一时间发现目标车辆并进行处理。

视频云分析方案架构图

4、以图搜车

具体包括以下模块:

破案过程中,搜集到的案件线索很有可能是嫌疑车辆的一张或多张图片,基于此种情况下,系统能够借助车辆的全面车体特征和局部特征从而对目标车辆进行有效检索,在最短时间内锁定其行踪。支持通过浏览按钮选择需要上传的目标车辆图片。

  • 特征提取模块

5、假套牌车分析

特征提取模块负责对实时或历史视频图像中的结构化信息进行提取,包括人、车、物等特征信息。提取出的信息存储于大数据系统中,并作为DataEngine进一步分析的数据基础。

系统与车管所的数据库进行对接,对识别出的假套牌车辆进行实时记录并支持自动报警。假套牌车辆根据车牌号码、监控点、车牌种类、车辆类型、车辆颜色、过车时间段、报警类型、人工审核状态进行单个/组合条件查询。

  • 行为分析模块

6、无牌车分析

行为分析模块负责对实时或历史视频图像中的行为信息进行分析,分析结果可作为上层应用报警的依据,同时行为信息作为结构化数据,可存储于大数据系统中,并作为DataEngine进一步分析的数据基础。

对识别出的无牌车辆进行实时记录并支持对结果的查询。

  • 音频分析模块

7、同行车分析

音频分析模块负责对音频进行分析,识别异常音源,分析结果可作为上层应用报警的依据。

通过输入嫌疑车辆的车牌号,设置同行路口数(≥)、时差(秒)、开始时间及结束时间组合查询、筛选目标嫌疑车辆的同行车辆并生成原车详细信息列表记录和同行车列表。

  • 以图搜图模块

8、首次入城分析

以图搜图模块负责对大数据系统中的图片数据进行分析比对,并按相似度返回图片列表。以图搜图模块支持对人脸图片的搜索,支持对车辆图片的搜索。

在涉车案件中,利用异地车辆作案或者是跨省/地区作案的概率较大,因此,系统支持对外地车辆进行有效管理可以在一定程度上协助涉车案件的侦破。

  • 隐私保护模块

9、频繁过车分析

隐私保护模块负责对实时或历史视频图像中的人体影像进行模糊处理,保护个人隐私。

在实际的涉车案件中,往往犯罪分子在作案前都会进行频繁的踩点和准备,因此可通过频繁过车分析研判出具有嫌疑的目标车辆。

  • 视频摘要模块

10、频繁夜出车辆分析

视频摘要模块负责对实时或历史视频进行摘要处理,提取出视频中有用的信息,合并到同一个背景中,以此缩短视频播放时间。视频摘要可有效缩短用户观看视频的时间,提高工作效率。

由于大部分的涉车案件均发生在夜晚或凌晨时段,因此通过对频繁夜出的车辆进行分析研判能够有效的筛查及锁定嫌疑目标车辆。

  • 视频浓缩模块

11、昼伏夜出车辆分析

视频浓缩模块负责对实时或历史视频进行浓缩处理,视频中有事件出现时进行慢放,无事件时进行快放,以此缩短视频播放时间。视频浓缩可有效缩短用户观看视频的时间,提高工作效率。

针对如盗窃、抢劫、走私等违法犯罪活动,大部分的涉车案件性质有着共通的地方:昼伏夜出,因此通过对昼伏夜出的车辆进行分析研判能够有效的提高侦查破案的效率。

  • 视频质量诊断模块

12、PGIS地图应用

视频质量诊断模块负责对实时视频流进行质量诊断,以巡检的方式对前端接入视频流进行分析,实时发现摄像机是否在线、画面是否正常等问题。

以PGIS平台为基础,利用平台车辆通行信息实现预警车辆快速定位报警与轨迹显示,并通过嫌疑车辆行驶方向、车速、过车时间综合计算,对预警车辆的位置与轨迹进行预测。

  • 视频图像增强复原模块

新浦京www81707con 14

视频图像增强复原模块负责对实时或历史视频图像进行增强复原,对效果较差的视频、图像进行智能修复并增强处理。

新浦京www81707con 15

1.1.2 通用大数据技术平台

车辆大数据侦查系统-大数据研判-假套牌车分析

通用大数据技术平台是大数据的存储和计算中心,具有分布式、统一存储、统一访问、动态扩容的特点,用于汇集视频、图像、报警、卡口信息、位置信息、案事件等大数据,为数据的综合利用提供支撑。

新浦京www81707con 16

新浦京www81707con 17

车辆大数据侦查系统-大数据研判-频繁过车分析

系统技术架构图

五、系统架构

分布式文件系统HDFS
2.0:运行在通用硬件上的可扩展高容错的分布式文件系统,已经成为海量数据存储的事实标准。负责海量数据存储,将数据分散存储在多台独立的设备上,系统采用可扩展的体系结构,利用多台存储服务器分担存储负荷,利用元数据服务器定位存储信息,它不但提高了系统的可靠性、可用性和存取效率,还易于扩展。

新浦京www81707con 18

  • 分布式资源管理YARN:分布式资源管理框架,负责计算、存储资源的管理,用以提高分布式集群环境下的资源利用率,这些资源包括内存、IO、网络、磁盘等。
  • 分布式计算Map/Reduce:分布式计算框架,负责将一个需要非常巨大的计算能力才能解决的问题分成许多小的部分,然后把这些部分分配给许多计算机进行处理,最后把这些计算结果综合起来得到最终的结果。
  • 分布式数据库HBase:一个分布式的、按列存储的、多维表结构的实时分布式数据库,用于存储粗粒度的结构化数据,适合构建高并发低延时的在线数据服务系统。
  • 全文检索引擎Solr:一个基于Lucene构建的开源,分布式,RESTful搜索引擎,设计用于云计算中,能够达到稳定、可靠、快速实时搜索。
  • 内存计算Spark:下一代基于内存的 Map/Reduce
    计算引擎,处理大数据像“光速”一样快,比Hadoop Map/Reduce 快 10x 到
    100x 倍。
  • 流计算Stream:流计算,负责对流媒体数据的分析计算。
  • 分布式协作Zookeeper:分布式协作系统,作为一个分布式锁及共享数据管理者,提供集群节点间的事物协调服务,保证HDFS、HBase、Spark、Map/Reduce等分布式系统的安全可靠运行。
  • Kafka:分布式数据总线,负责数据的采集、整合、交互。
  • Sqoop:SQL to Hadoop,
    一个数据抽取工具,用于从关系数据导入数据到Hadoop。

1、分布式文件系统

HDFS是分布式计算中数据存储管理的基础,具有高容错性、高可靠性、高可扩展性、高吞吐率等特点,可以设计部署在低廉的硬件上,为海量数据提供了不怕故障的存储,适合那些有着超大数据集的应用程序。

2、分布式数据库

HBase是一种构建在HDFS之上的分布式、面向列的存储系统,它具有高可靠、高性能、面向列和可伸缩的特性。HBase适合于存储大表数据(表的规模可以达到数百亿行以及数百万列),并且对大表数据的读、写访问可以达到实时级别。

3、分布式计算

MapReduce是一种处理海量数据的并行编程模型和计算框架,用于对大规模数据集(通常大于1TB)的并行计算。MapReduce的名字源于该模型中的两项核心操作:Map和Reduce。Map将一个任务分解成为多个任务,Reduce将分解后多任务处理的结果汇总起来,得出最终的分析结果。

4、分布式协作系统

ZooKeeper是一个针对大型分布式系统的可靠协调系统,主要提供两个功能:帮助系统避免单点故障,建立可靠的应用程序;提供分布式协作服务和维护配置信息。

1.1.3 行业大数据平台

行业大数据平台负责与通用大数据平台进行对接,负责对结构化数据(过车数据、测速数据)进行分析计算,提供快速检索、分析、统计、挖掘等功能,并提供用户最终的操作界面。面向交通行业的大数据业务展示平台,即为XZX-TMS-9200智能交通综合管控平台。

1.1.4 大数据管理平台

大数据管理平台负责对整个大数据平台进行部署和管理,结构示意图如下图所示,包括集群部署、集群管理、任务管理、服务管理、状态监控、用户管理、告警、日志等模块。

新浦京www81707con 19

大数据管理平台架构图

1.2 数据流程设计

新浦京www81707con 20

前端新建及已建能够按照标准协议接入的设备通过智能交通综合管控平台交通接入服务器接入转发至云分析平台进行车辆建模和二次识别。已经部署云存储模块的系统,云分析也能够直接从云存储中读取图片信息进行车辆建模和二次识别。

已建的第三方平台,提供符合要求的SDK协议,智能交通综合管控平台进行数据整合后再转发至云分析平台进行车辆建模和二次识别。

云分析通过智能交通综合管控平台提供的图片URL信息加载图片,进行建模和二次识别,完成建模和二次识别后,将识别结果信息如车牌、车型、车辆品牌等信息提供给大数据平台。

大数据平台读取二次识别的结果信息,写入到HDFS分布式文件存储系统中;基于HDFS分布式文件系统部署分布式数据库,用来承载数据的预统计表和二级索引表。在数据搜索层,部署基于Solr分词的全文检索搜索引擎,并通过MapReduce分布式计算框架提供高效数据分析速度。Zookeeper提供分布式文件系统之间的多进程协调服务。

数据写入、检索、统计和研判应用,大数据平台提供统一的webservice接口,智能交通管控平台通过调用大数据平台接口进行处理应用。

1.2.1 云分析数据处理流程

云分析可以采用的工作模式主要包括主动工作模式和被动工作模式。目前采用的是被动工作模式。

主动工作模式的特点是中央强力控制,即由中心管理服务下派任务到指定的计算节点,计算节点没有发起任务申请的权利。被动工作模式则相反,由计算节点主动向中心管理服务发起申请,申请获得批准后获得执行任务,然后开始任务执行,任务执行过程中与中心管理服务保持实时更新,确保任务能够正常完成。

被动工作模式相比主动工作模式而言能够突出计算节点的优势,管理单元越小,管理的难度也就越小。如果按照主动工作模式,由中心管理服务全部承担任务分派、任务调度等功能,负载、责任过大,容易造成单点失败。即便采用集群方式或者单点灾备模式,依然没有真正解决负载过重、任务调度节点易失败等情况。被动工作模式把任务申请职责交给了计算节点,各个计算节点按照自己的实际情况决定是否发起任务申请,这样可以有效地避免计算节点出现计算资源使用率频繁切换、异常波动,同时,降低了中心管理服务的压力。

任务调度方面,云分析通过接入第三方应用平台,实时获取执行任务信息,然后通过中心服务管理动态调度任务的方式达到高优先级任务优先执行的目的。对于计算节点来说,它申请获得任务没有优先级之分,一旦申请成功,立即转入工作状态。同时,由于云分析节点是分布式部署,系统高并发执行的效果可以有效的提高分析执行效率、优化网络带宽的流量压力,使得整个监控系统的性能得到更大的提升。

1.2.2 大数据数据处理流程

大数据技术平台是大数据的存储和计算中心,具有分布式、统一存储、统一访问、动态扩容的特点,用于汇集视频、图像、报警、卡口信息、位置信息、事件等大数据,为数据的综合利用提供支撑。

1.3 交通大数据平台功能

1.3.1 快速检索

针对过车记录表及违法记录表有针对车牌的精确查询及模糊查询需求,如下:

1、过车记录精确查询

车牌结合过车时间(开始时间+截止时间)、根据选择卡口、车道、方向、车辆标识、颜色深浅、车辆类型、车速、车长、号牌段、车身颜色、车牌颜色等其它筛选条件随意组合在海量过车记录数据中对车牌做精确查询并且要求在秒级内返回查询结果。

2、过车记录模糊查询

车牌结合过车时间(开始时间+截止时间)、根据选择卡口、车道、方向、车辆标识、颜色深浅、车辆类型、车速、车长、号牌段、车身颜色、车牌颜色等其它筛选条件随意组合在海量过车记录数据中对车牌的前缀、中间、后缀做模糊查询并且要求在秒级内返回查询结果。

3、违法记录精确查询

车牌结合过车时间、车辆类型、车辆颜色、车牌类型、车牌颜色、违法行为、处理状态等其它筛选条件在海量违法过车记录数据中做精确查询并且要求在秒级内返回查询结果。

4、违法记录模糊查询

车牌结合过车时间、车辆类型、车辆颜色、车牌类型、车牌颜色、违法行为、处理状态等其它筛选条件在海量违法过车记录数据中对车牌的前缀、中间、后缀做模糊查询并且要求在秒级内返回查询结果。

5、轨迹查询

查询车辆在特定的时间段内的行车轨迹:即在某个时间段内(根据场景,还可以设置车辆类型、颜色深浅、车牌类型、车牌号码、车速、车长、号牌段、车身颜色、车牌颜色等限制条件),同时经过多个卡口(至少两个以上才能确定一条轨迹)的过车信息。

6、快速统计

针对过车记录表及违法记录表有如下统计需求:

  • 过车记录表车流量统计

以卡口(或车辆类型、车辆归属)为维度结合统计时间、方向、车辆归属地、车辆类型、车牌类型等特定筛选条件对过车记录做统计,生成相应日(或周、月、年)报表:即根据设定的维度,还有根据报表类型分割的时间粒度,统计各个时间区间内的车流量。

  • 过车记录表车流量对比

同一个卡口不同时间段(跨度在1天内)的车流量对比以及不同卡口同一时间段(跨度在1天内)的车流量对比。

通过车流量对比能够对改善城市交通调度提供依据。

  • 违法记录表车辆违法统计

选定一组卡口,在选定的开始时间和结束时间内,统计各卡口所有的过车记录数和违法记录数。

  • 过车记录表特定时间段车流量统计

同车流量对比,时间颗粒度变成一天,并且可以选定一天中具体的若干个时间段。

  • 过车记录车辆行车轨迹统计

根据选定统计方式(即统计维度:包括按车牌类型统计、车牌颜色统计),统计在选择的时间段内,经过指定轨迹(所谓的轨迹:即由多个卡口确定的一条行车路径,带方向,比如,从路径A->B->C,和路径C->B->A是俩条不同的轨迹)的车流量次数(还包括其他的过滤条件,如:车辆归属地、车辆类型、车牌类型、车牌颜色,同一车牌多次经过指定轨迹按多次计算)。

1.3.2 研判分析

1、过车记录表频度研判

分析出在特定卡口上(一个或多个),在特定时间段内,过车次数满足一定条件的所有过车信息和过车数:所谓的满足一定条件是指过车次数大于等于(或小于等于或等于)(频度设置)一定数量(频度阈值),根据设定的频度阈值,分析在某一段时间内通行路口次数超过设定阈值的车辆。

对指定区域(卡口)做过车频度分析,过滤出频繁出入的车辆(过车次数满足指定阈值)进行重点关注,对预防犯罪及嫌犯跟踪有重大贡献。

2、过车记录表特定时段车辆研判

实际上就是阈值为0,时间跨度在1天之内的频度研判。

3、过车记录表短时过车研判

在特定的时间段内,所选择的卡口组合(一个或多个)中的过车时间与参考卡口中的过车时间的绝对值小于设定的某个值(passInterval)的所有过程信息:找出同一车辆同时经过参考卡口及指定卡口组合,过滤出经过参考卡口与指定卡口的时间差小于设定的阈值的车辆,以协助公安人员分析出套牌或超速等其它违章行为的嫌疑车辆。

4、过车记录表车辆初次入城研判

特定时间范围结合特定筛选条件(车辆归属地、车辆类型、车牌类型等特定筛选条件),找出经过“入城”路口的车辆,并找出这些车辆之前30是否有“入城”记录,如果没有将做重点关注以预防其犯罪。

5、过车记录表区域碰撞研判

特定的N(2<=N<=5)个区域(1~5个卡口组成一个区域),结合各区域指定的时间范围,找出同一辆车在指定条件下经过其中的两个及以上区域的车辆,并统计其经过次数进行数据碰撞。区域碰撞功能给公安查询分析跨区反复作案的嫌疑车辆带来极大的便利。

6、过车记录表行车轨迹研判

特定时间范围结合特定筛选条件(车辆归属地、车辆类型、车牌类型等特定筛选条件)找出制定车牌在此时间范围内的过车记录。

7、过车记录表跟车研判

特定时间段内过车时间相差一定间隔的所有过车信息:首先根据特定时间段(还可以指定车牌或路口名称)查出参考车辆及其过车信息,然后指定一条过车记录,查询出与该记录相隔一定时间段(早或者晚)的所有过车信息。

针对嫌疑车辆可能会结队出行的特点,在刑侦等业务应用时,确定特定嫌疑车辆后,通过数据挖掘的方式分析其通过多个监测点时相邻的车辆号牌,能够找出与嫌疑车辆有关联的车辆,从而获取破案线索。

8、违法记录表违法多发时段研判

特定时间范围给定卡口,以一小时为颗粒度统计出各个时段违法记录数形成一张对比直方图以协助城市交通改造。

  • 违法记录表违法多发地研判

特定时间范围内给定卡口,统计出各个卡口违法记录数形成一张对比直方图以协助城市交通改造。

9、驾驶人员行为源头管控

驾驶人员行为源头管控,是指对开车经常超速在20%以下,但是又有超速习惯的驾驶人员(不违法,但是有违法的嫌疑),进行专项的分析,然后以非现场执法的形式发送通知短信,进行源头管控;筛选超速10%~20%车辆,然后进行统计,分析其超速行为的概率,从而判断驾驶人员的动态评分规则;

10、特种车辆轨迹时空域分析

基于大数据的特种车辆管控,是指针对类似渣土车、校车等安全等级较高的车辆,通过设定专属的行驶路线,一旦出现车辆偏离行车路线的时候,即发送报警信息给相关人员,从而确保特种车辆始终处于受控的安全状态。

11、车辆遮阳板与案件关联的时空域分析

大数据平台根据卡口的过车数据对每辆过往车辆建立单独的信息库,与车管库的车辆信息库所不同的是,该信息库是专门用于过车信息研判。例如卡口会对每辆过车时是否放下了遮阳板进行检测,大数据平台则统计车辆的全部过车照片,放下遮阳板的次数有多少;打开遮阳板的次数有多少,随后定义一个研判规则,例如这个比例超过50%,那么驾驶人就有一定的违法嫌疑,进入单独的违法嫌疑车辆库;这个信息库往后来看,就是根据一些统计结果来判断驾驶人员的驾驶行为分析。

12、同行车辆多模型分析

基于大数据的同行车辆分析,是指针对具有跟车相关的团伙作案时的车辆进行进一步研判,研判的规则包括筛选某个固定时间区间内同行经过N个卡口数量的车辆信息;筛选某个固定时间内有关多车关联性的分析,举例而言就是通过跟车关联性研判发现车辆A与车辆C有跟车关联性,车辆B与车辆C有跟车关联性,那么分析车辆A和B之间的跟车关联性的嫌疑性。

13、多业务维度积分研判分析

基于大数据平台的多业务维度车辆积分研判,是武进技防和图侦相关干警参考其他地市先进的车辆信息技战法以及结合自身对实际嫌疑车辆研判时所提出的一种新的研判分析方法。其根据对车辆的出没时间属性、出没卡口地点属性、驾驶人员违反行为信息、牌照归属地信息等多种有关车辆属性进行综合考虑,引入一套关于车辆积分研判的方法,因此在对车辆信息进行有针对性地研判时带来一种全新的体验。同时为了满足研判和预警实时性的要求,大数据采用spark流计算的方式保证车辆积分能够实时处理并将结果分发相关人员。

14、基于车辆相关数据的车辆套牌的相关性分析

在现有的视频作战平台中,已经引入了一套根据同一时间内出现在不同地点来判断是否套牌车辆的相关分析手段,但是由于前端卡口设备在车辆识别率上并不能达到100%,因此有一定的误报率;此外该种套牌分析方法在定位一些非当前库内所包含的车辆信息时往往缺乏有效的分析手段;而大数据平台则是利用本期和前三期中一些已经对车辆进行二次结构化处理后的数据(例如车型、车标、子品牌、年款等)进行套牌车分析库,将被盗抢车作为套牌车辆分析的重点,从而判断套牌车辆的可能性;另外大数据平台将在时空领域上结合GIS应用,根据车辆不正常的出没规律来分析套牌车辆的可能性,例如某辆车C在不同的时内从区域A出现在区域B,但是逻辑上区域A和区域B必须经过某几个卡口,但是在该段区域和时间内没有任何关于车辆C的过车卡口描述,因此可以判断车辆C是否为套牌车辆。

15、车辆时空出没规律分析

大数据平台的另一个重要的作用是多元多维度的统计分析方法,针对某一辆车辆信息,大数据平台采用分布式计算的方法将车辆信息的过车点位信息、所有过车卡口的出没频次、出没时间段、经常活动的区域、经常经过的监控点位信息以及违法信息统计和同行车辆信息进行统一展示,可以提供包括车辆的居住地和工作地相关信息预测。同时预留这些数据分析结果,可进一步用于车辆与相关案件关联性的分析。

1.3.3
基于大数据平台的以图搜图功能

以图搜图是当前智能交通综合管控平台针对车辆检索的新型的检索方案,系统支持以一张原始图片为基础搜索条件,根据图片中车辆的特征信息(例如车头、车窗、车内饰等)查询目标车辆,根据特征信息的相似度进行从高到低的检索方案。当前以图搜图主要有云存储和图片服务器两种方案,分别如下图所示:

新浦京www81707con 21

云存储方案

新浦京www81707con 22

图片服务器方案

云存储方案用于大型规模的智能交通平台,一般为日均过车数据在几百万以上的项目中。其中使用云存储设备作为数据信息的核心服务器,内置智能建模的算法;而智能服务器在系统中充当查询对比服务器,为用户返回最终分析结果。该方案图片预建模和分析全都在云存储系统中完成,而检索部分则由专门的智能分析服务器完成,因此是全网范围内的以图搜图应用,搜索的效率会比较高。

而图片服务器方案则适用于中小型规模的智能交通平台,由智能分析服务器完成过车数据的建模,并由其进行数据对比并返回以图搜图的对比结果。该方案则所有的建模分析和检索则全部依靠智能分析服务器完成,因此整个系统的瓶颈在于智能分析服务器的性能。

相比较这两种方案的以图搜图的实现方式,基于大数据平台的以图搜图实现方式则进一步将图片资源的二次结构化和大数据平台的全文检索功能进行融合,从而将以图搜图的功能从精准检索更进一步扩展到极速检索。

1.4 云分析系统功能

1.4.1 车牌二次识别

1.4.2 车身颜色二次识别

系统能够识别11种车身颜色,白色、灰色、黑色、红色、紫色、蓝色、黄色、绿色、青色、棕色、粉红色。还可以识别车身颜色的深色和浅色。

1.4.3 车型二次识别

系统能够识别7种常见车型,包括客车,大货车,轿车,面包车,小货车,SUV,中型客车。

1.4.4 车牌颜色二次识别

系统能够对车牌颜色自动识别,识别的5种车牌颜色包括蓝、黄、绿、白、黑。

1.4.5 车标二次识别

系统可识别的车辆标志包括:奔驰、宝马、大众、别克、丰田、本田、依维柯、金杯、福特、现代、马自达、奇瑞、奥迪、雪铁龙、雪弗兰、标致、东风、五菱、尼桑、起亚、皇冠、东南、比亚迪等两百多种车标。

1.4.6 车辆子品牌二次识别

系统可识别的细分车型包括:奥迪A6L、奥迪Q3、奥迪Q5、阿斯顿马丁DB9、阿斯顿马丁DBS、保时捷911、别克GL8、君威、君越、奔腾B50、奔腾B70、本田歌诗图、本田锋范、标致307、标致308等两千多种细分车型,其涉及范围包括当前已停售,或刚上市热销的各种细分车型。

1.4.7 遮阳板二次识别

系统能够对打开遮阳板进行检测,为公安交通管理和刑侦案件侦破提供科技新手段。

1.4.8 黄标车二次识别

系统能够对黄标车进行检测,为黄标车专项整治、城市环保提供决策支撑。

1.4.9 未系安全带二次识别

系统能够对未系安全带违法行为进行自动检测,为交警查处未系安全带违法行为提供了科技新手段,从而规范驾驶人安全驾驶行为。

1.4.10
异常车辆二次识别分析及报警

系统能够对假牌、套牌、无牌、车牌遮挡、污损、模糊、逾期未年检、逾期未报废车辆进行自动检测识别,对识别不到异常牌照,能够进行自动预警。

1.4.11 以图搜图

以图搜图,是通过搜索图像文本或者视觉特征,在系统中通过类似信息的比对,获取到真正实际需求的图像信息的一种智能搜索方法,可应用于套牌车辆分析等应用中,根据车窗上的车辆年检标识、车辆内饰等车辆特征搜索类似车辆。可应用与无牌车的分析研判,根据车型搜索符合条件的无牌车,然后利用以图搜图根据车标、子品牌、车身颜色等信息定位车辆真实信息,可协助公安交警部门查处套牌车辆、盗抢车辆、肇事逃逸车辆等。

以图搜图的工作流程包括数据建模和比对分析两个步骤:

1)数据建模

由云分析对过车图片进行统一建模,建模数据直接存储在大数据平台中。

2)分析比对

大数据平台根据用户需要查询的原始图片和特征比对信息,自动与要查询的原始图片进行比对,比对结果按相似度返回给大数据平台。

1.4.12 连续违法分析

以不同卡口、不同时间为基点,自动检索多次违法的车辆。分析结果支持列表展示,自动列出分析结果展示具体违法记录。

1.4.13 通行车辆实时监控分析

可对单个卡口,多个卡口进行实时监控,包括通过时间、通过地点、号牌种类、号牌号码、行驶方向、行驶速度、车辆类型、车身颜色、车辆属地、图片详情及行进轨迹等。

1.4.14 特种车辆轨迹时空域分析

基于大数据的特种车辆管控,是指针对类似渣土车、校车等安全等级较高的车辆,通过设定专属的行驶路线,一旦出现车辆偏离行车路线的时候,即发送报警信息给相关人员,从而确保特种车辆始终处于受控的安全状态。

1.4.15
车辆遮阳板与案件关联的时空域分析

大数据平台根据卡口的过车数据对每辆过往车辆建立单独的信息库,与车管库的车辆信息库所不同的是,该信息库是专门用于过车信息研判。例如卡口会对每辆过车时是否放下了遮阳板进行检测,大数据平台则统计车辆的全部过车照片,放下遮阳板的次数有多少;打开遮阳板的次数有多少,随后定义一个研判规则,例如这个比例超过50%,那么驾驶人就有一定的嫌疑,进入单独的嫌疑车辆库;这个信息库往后来看,就是根据一些统计结果来判断驾驶人员的驾驶行为分析。

1.4.16 多业务维度积分研判分析

基于大数据平台的多业务维度车辆积分研判根据对车辆的出没时间属性、出没卡口地点属性、驾驶人员违反行为信息、牌照归属地信息等多种有关车辆属性进行综合考虑,引入一套关于车辆积分研判的方法,因此在对车辆信息进行有针对性地研判时带来一种全新的体验。同时为了满足研判和预警实时性的要求,大数据采用spark流计算的方式保证车辆积分能够实时处理并将结果分发相关人员。返回搜狐,查看更多

责任编辑:

相关文章