公安车辆大数据分析.docx

公安车辆大数据分析.docx

《公安车辆大数据分析.docx》由会员分享，可在线阅读，更多相关《公安车辆大数据分析.docx（7页珍藏版）》请在冰豆网上搜索。

公安车辆大数据分析

公安车辆大数据分析

Lt

D

公安车辆大数据分析

车辆大数据分析

车辆大数据除了要处理结构化的过车数据，还要处理非结构化的卡口图片，对卡口图片采用非基于机器学习的图片识别分析软件进行结构化，然后按照结构化数据处理的方法进行处理。

车辆大数据分析概述

车辆大数据分析通过对会聚到大数据平台的全省卡口图片信息进行深度的数据分析，基于深度学习的方式解析出车牌、车型、车身颜色、驾驶员照片、副驾驶照片等特征信息，同时整合车辆盗抢库、车驾管库、六合一等系统，构建以车牌、车型、地点、时间为根底的车辆分析预测、稽查布控大数据应用，包括车辆活动轨迹、嫌疑假套牌车分析、车辆频次分析、车辆尾随跟踪分析、昼伏夜出分析、区域徘徊分析、车辆落脚点分析等。

车辆图像警务大数据实战平台在业务层面，涵盖图像信息接入、数据挖掘处理、研判分析应用等多个环节；在用户层面，面向刑侦、交警、情报、指挥中心、治安等多个部门；在网络架构层面，部署在视频专网的卡口数据需通过省厅视频边界平台进入部署在公安网内的车辆图像警务大数据实战平台；从平台关联层面，平台建成后能够与专网视频侦控平台、专网卡口联网系统、PGIS警用地理信息系统等多个信息系统实现互联互通。

车辆大数据分析业务流

车辆图像警务大数据实战平台的业务通过计算调度集群从前端视频监控设备中实时抽取视频图像信息，获取系统源数据，然后经过视频图像智能分析集群将非结构化数据抽取、转换，加载至动态车型库，最后利用实时搜索引擎集群、大数据分析集群、网络效劳集群完成功能应用APP的多样化请求。

1.源数据采集、读取及任务分发

平台可自动智能采集读取数据库获得过车数据，自动分配数据来源。

支持FTP、HTTP、NFS、CIFS、i-SCSI、RTSP等多接口类型，及多种格式信息，包括文本、图像等。

平台任务允许模块将待分析数据参加到任务队列，实现临时缓存。

数据处理模块不断从任务队列提取数据，分发至各算法线程池，并调用算法引擎进行智能化分析和识别，实现多任务的并发异步处理。

处理后的结果通过接口返回到应用系统。

2.目标车辆结构化查找

用户在应用系统WEB端，通过品牌、型号、年款、颜色等特征，或一键上传图片，可限定日期时间在地图范围内采用框选或任意划定搜索范围，进行车辆的查找操作。

由于分析过程中，平台分析结果〔结构化语义〕已存入图像警务云大数据调度中心数据库，因此，平台客户端后台软件可以直接从结构化数据库中进行语义搜索和统计分析。

3.按车辆局部性特征搜索

用户通过应用平台WEB端，将车辆图片样本提交到WEB控件，并通过WEB控件中的标记工具，将需要查找的特征物标识出来，连同待查找的设备范围、时间范围等一起发送指令到本平台。

通过图像警务云大数据调度中心，对排查范围内的卡口等抓拍系统，在排查时间范围内的图片进行扫描，将车辆，按标志物位置、形状、大小、颜色等属性进行可疑度分析和评价，评价结果大于一定值的车辆做为查找结果返回至应用系统。

4.车踪大数据研判

用户在应用平台WEB端，通过初次入城、套牌车筛选等模块可限定时间、地点和研判类型，通过车踪大数据研判系统进行研判分析。

大数据分析与联侦研判通过大数据技术，将办案经验、实战技战法、犯罪行为学、犯罪心理学等相结合，形成逻辑算法，搭建犯罪行为大数据模型。

能够按照案件研判规律，自动查找提取符合条件车辆信息，并实现可视化展示。

5.目标车辆实时布控

用户使用应用平台WEB端，通过结构化语义〔车辆品牌、类型、年款、颜色、类别、异常特征、车牌号等组合条件〕，进行对目标车辆的实时布控。

应用系统对本平台返回的分析结果〔车辆品牌、类型、年款、颜色、类别、异常特征、车牌号〕与布控条件进行实时比对，发现符合条件的车辆，即可启动报警。

6.可疑车辆及行为预警

用户使用应用平台WEB端进行维稳、涉案车、假牌、套牌、无牌等重点/可疑/异常行为车辆的预警。

应用平台通过效劳接口，将布控原因、布控条件及布控点下发到大数据调度中心。

调度中心效劳器对车辆进行分析后，将分析结果，以车牌号或布控条件为依据，与车管所数据库、平台内数据库进行比对，一旦发现符合布控条件的可疑车辆立即启动报警。

深度学习与模式识别

公安各实战业务应用模块信息分析挖掘的准确性均以视频过车图像数据识别的准确性为前提。

而车辆图像警务大数据实战平台利用深度学习与模式识别技术可保障不低于90%的图像识别准确率。

深度学习与模式识别是一项涉及多个领域与学科的先进信息技术，涉及概率论、统计学、逼近论、凸分析等多个学科。

车辆图像警务大数据实战平台利用深度学习与模式识别技术实现对非结构化数据的自动学习以及智能升级更新功能。

在平台运行过程中，由于全市的视频图像数据量巨大，平台采用并行处理的机制实时分析，提高图片处理速度。

当车辆图像警务大数据实战平台从现有应用软件的数据接口处获得图片的存储地址时，系统从磁盘阵列中提取指定图片。

利用协作进程将图片划分成假设干片段，在不同的图像分析效劳器上利用深入学习与模式识别技术对不同的图片片段进行分析处理，最后再通过协作进程将不同片段的分析结果进程合并，获取整张图片包含的价值信息。

车辆大数据分析实现的功能

车辆整合集成

目前，过车图像信息由于其非结构化特性，在公安系统内直接存储在磁盘阵列等硬件存储设备中，缺乏统一的管理系统。

而大数据整合集成技术是指将暂时分散存储的非结构化数据进行统一存储与管理，实现统筹查询。

公安部门现有应用系统的数据、案件库信息数据、人员信息数据等一般为结构化数据，车辆图像警务大数据实战平台可直接通过数据接口对此类数据进行调用处理。

而过车图像类非结构化数据或半结构化数据那么不能直接检索识别，必须先传送至数据调度效劳器进行分析转换操作。

数据整合集成的流程示意图如下所示。

车辆图像警务大数据实战平台通过以下步骤实现大数据集成操作：

1）首先，车辆图像警务大数据实战平台与公安部门已建设的监控设备、现有的软件应用系统与已有的数据资源库实现平台对接，获取数据的API接口，提取特定的目标内容。

2）其次，利用先进的深度学习与模式识别技术，将海量数据信息中的非结构化数据转换为结构化数据，并与数据仓库中的原有结构化数据实现统一的整合。

3）将整合的所有数据，包括结构化数据、半结构化数据、非结构化数据统一存储于分布式文件系统中，实现数据的物理与逻辑别离存储，分散存储于不同物理位置的数据通过网络联接共享。

4）为上层应用提供结构化数据的统一调用接口，简化上层应用的开发流程。

车辆图像警务大数据实战平台根据上述操作步骤将公安系统内的非结构化数据统一转换为可直接处理的结构化数据，为非结构化数据上云的业务要求提供前期的技术支持，实现对数据的统一存储与管理。

车辆查询

支持用户对于过车信息的多条件符合检索功能。

支持通过号牌号码、设备位置、过车时间段、号牌颜色、车道类型、车速范围、车身颜色等。

其中，车辆号牌号码支持精确查询和模糊查询。

支持通过车标、细分车型、车辆号牌、时间、车身颜色等单个条件或多个检索条件对车辆进行复合检索。

支持根据输入的文字内容〔包括：

时间、车身颜色、车标、细分车型等〕进行语义分析，自动检索出符合条件的车辆信息。

车辆布控

支持向授权用户提供车辆布控功能，可对各种盗抢、交通肇事车辆进行布控，及时向相关机关提供报警，为刑侦提供重要依据。

支持对于黑名单布控车辆的单条车辆布控和批量布控车辆导入功能。

可以针对号牌号码、号牌颜色和布控有效时间进行布控车辆检索，也可以新增、修改、撤销布控车辆。

同时，支持通过地理信息系统进行点选、线选或框选等多种方式进行定点、定区域布控。

车辆大数据

可会聚公安系统中的各个车辆数据，完成车辆大数据的会聚，形成车辆库，并按重要度形成不同等级的车辆库，具体包括如下：

1.核心库

1）车辆管理库〔车驾管库〕/实有车辆数据库

2）重点车辆图像信息库

3）布控车辆库

4）布控报警车辆过车图片库

5）盗抢库

6）假套牌嫌疑车辆图片库

7）轮换号牌车辆图片与号牌库

8）涉案车辆图片库

9）涉事件〔线索〕车辆图片库

10）遮挡号牌车辆图片库

11）无牌过车图片库

12）夜间放下遮阳板过车图片库

2.中心库

1）固定卡口、电子警察过车数据库

2）电子警察违法数据库

3）停车数据库

4）移动卡口/手持卡口数据库

3.外围库

1）虚拟卡口/视频二次分析车辆数据库

2）枪球联动抓拍车辆图片库

3）其它方式抓拍车辆图片库

车标识别

可针对卡口电警抓拍的图片进行车标分析，识别出车辆的车标信息，同时将记录在数据库中，为后期的分析提供数据依据。

细分车型分析

可针对卡口电警抓拍的图片进行细分车型的分析，分析出该车辆是某品牌下的某款车型，例如：

奥迪A4、别克GL8等。

语义搜索

可针对卡口电警所抓拍的图片进行语义搜索，例如：

本周，红色，马自达。

以图搜车

载入车辆照片，通过车辆特征进行检索，列出相似度高的车型，以供侦查人员进行嫌疑车辆的甄别。

车辆频次分析

提供车辆频次分析功能，支持用户设置高危时段、检测日期段并选择一个或多个监控点，自动分析并展示指定地点指定高危时段内出现频率最高的车辆通行信息。

车辆尾随跟踪分析

提供通过车辆〔犯罪嫌疑车辆或受害车辆〕的号牌信息和案发前后时间段自动分析案件干系车辆的功能，常用于根据犯罪嫌疑车辆找寻同伙车辆或者根据受害车辆找寻犯罪嫌疑车辆。

首次进入

可进行日期、时间的选择，并且可灵活设置回溯时长进行分析，在分析结果中可查看车辆照片。

支持固定车辆品牌、型号、年款、车牌包含信息、车辆类别、限定区域内初次进入车辆的分析。

活动轨迹分析

提供车辆活动轨迹分析功能，支持用户指定车辆号牌以及时间段内，依据联网卡口车辆通行数据进行车辆行驶轨迹计算，并分析出车辆的活动范围的功能，结果在GIS上展示。

昼伏夜出分析

提供对于辖区内车辆昼夜频次异常分析功能，在后台依据联网卡口车辆通行数据对于夜间频繁出现，白天很少出现的车辆进行自动记录，经过人工确认后，进入异常行为车辆布控库。

区域徘徊分析

提供重点区域周边车辆徘徊异常行为分析功能，在后台依据联网卡口车辆通行数据对于短时内（一天内）指定重点区域附近的通行车辆数据进行分析，分析出经常在该区域反复出现的嫌疑车辆信息，经过人工确认后，进入异常行为车辆布控库。

车辆落脚点分析

提供路径分析功能，根据车辆大致行驶轨迹〔经过地点和时间段〕缩小排查范围进行数据分析，从而判断车辆落脚点，为嫌疑车辆及嫌疑人抓捕提供重要信息。

实有车辆分析

可根据当前分析出的车辆详细数据，明确车辆信息，得到管辖范围内的实有车辆信息。

在实有车辆信息库根底上，可以建立初次入城分析模型，提供初次入城分析。

同时，需要的情况下，可以建立区域车辆频次和频次变化分析模型。

假牌套牌分析

将对所有的车辆信息与车驾管库系统中的车辆信息进行比对分析，根据车辆的详细信息可明确出该车辆是否为假牌、套牌，经过人工确认，分别进入套牌车辆数据库和假牌车辆数据库，可以提供套牌车精确报警，仅仅对套牌车进行报警，而对被套牌车辆可以不报警。

当然，建立的假牌、套牌数据库不但可以为刑侦、情报等部门效劳，同时也可以为交警提供根底数据，为交警打击违法、违章、交通秩序管理提供有力支撑。

系统软件配置清单

序号

名称

描述

单位

数量

1

车辆大数据分析

车辆大数据分析通过对会聚到大数据平台的全省卡口图片信息进行深度的数据分析，基于深度学习的方式解析出车牌、车型、车身颜色、驾驶员照片、副驾驶照片等特征信息，同时整合车辆盗抢库、车驾管库、六合一等系统，构建以车牌、车型、地点、时间为根底的车辆分析预测、稽查布控大数据应用，包括车辆活动轨迹、嫌疑假套牌车分析、车辆频次分析、车辆尾随跟踪分析、昼伏夜出分析、区域徘徊分析、车辆落脚点分析等。

套

1