什么是交通大數(shù)據(jù)

交通概念很大，所涉及的范圍很廣，如城市道路交通指數(shù)、地鐵運(yùn)行數(shù)據(jù)、一卡通乘客刷卡數(shù)據(jù)、港口集裝箱數(shù)據(jù)、機(jī)場(chǎng)航班數(shù)據(jù)、軌道交通運(yùn)營(yíng)數(shù)據(jù)、遠(yuǎn)洋及內(nèi)河航道船舶數(shù)據(jù)、物流車輛及貨物數(shù)據(jù)、公交車實(shí)時(shí)數(shù)據(jù)、出租車行車數(shù)據(jù)、空氣質(zhì)量狀況、氣象數(shù)據(jù)、道路事故數(shù)據(jù)、高架匝道運(yùn)行數(shù)據(jù)、以及衍生的相關(guān)擁堵、事故、違法信息等都屬于交通數(shù)據(jù)。

我們通常所提的城市公安交通管理大數(shù)據(jù)是指在城市智能交通建設(shè)和運(yùn)營(yíng)的過(guò)程中，從視頻監(jiān)控、卡口電警、路況信息、管控信息、營(yíng)運(yùn)信息、GPS定位信息、RFID識(shí)別信息等每天產(chǎn)生的大量數(shù)據(jù)，并借助信息化手段將這些相互關(guān)聯(lián)的數(shù)據(jù)整合到一起(比如車輛信息、地圖信息、人員信息、違規(guī)違章記錄信息等等)，形成一個(gè)有價(jià)值數(shù)據(jù)鏈，從而知道城市交通信息化建設(shè)，為公安交通實(shí)戰(zhàn)應(yīng)用服務(wù)，為市民出行服務(wù)。

什么是云分析

云分析系統(tǒng)具備超高的計(jì)算性能，單機(jī)設(shè)備每天處理的信息量最大高達(dá)2000萬(wàn)張圖片。云分析具備對(duì)卡口、電警以及部分監(jiān)控設(shè)備拍攝的車輛圖像信息的結(jié)構(gòu)化智能分析功能，主要包括識(shí)別圖像中車輛的品牌、型號(hào)、年款、車身顏色、類別、異常特征(如遮擋面部、遮擋號(hào)牌)、唯一性局部特征(如年檢標(biāo)志、車內(nèi)飾物)等關(guān)鍵信息。

可對(duì)提交的圖像中的車輛車牌顏色及車牌號(hào)進(jìn)行二次識(shí)別，通過(guò)大數(shù)據(jù)進(jìn)行，時(shí)間、地理、軌跡等的對(duì)比識(shí)別，以得出分析結(jié)果。

過(guò)去幾年，智能交通系統(tǒng)建設(shè)取得了長(zhǎng)足的進(jìn)步與發(fā)展，針對(duì)道路交通違法、交通安全等，不斷在不同的時(shí)間，不同的階段建立了交通卡口、違法檢測(cè)、道路智慧監(jiān)控、交通事件監(jiān)測(cè)等信息化系統(tǒng)，但這些信息化系統(tǒng)所采用的設(shè)備、平臺(tái)均來(lái)自于不同的廠家，采用的標(biāo)準(zhǔn)，上下級(jí)不能很好的實(shí)現(xiàn)級(jí)聯(lián)，與公安系統(tǒng)融合度不高，無(wú)法進(jìn)行集中管理，資源共享，發(fā)揮統(tǒng)一的實(shí)戰(zhàn)作用。

不同時(shí)期，不同階段建設(shè)的信息化系統(tǒng)，技術(shù)路線，功能性能指標(biāo)各異，在套牌、摘牌、故意遮擋號(hào)牌等涉車案件中，不能找到行之有效的手段處理。

現(xiàn)階段，交通違法行為導(dǎo)致的交通安全、道路交通事故問(wèn)題依然突出，交通違法管理的顆粒度也越來(lái)越細(xì)，道路交通安全法也不斷的修正以滿足交通管理工作的需要。其中，不系安全帶、開車打電話等違法行為納入了處罰范圍，而過(guò)去建設(shè)的卡口系統(tǒng)絕大多數(shù)不具備這些功能，不能很好的服務(wù)公安交通管理需要。

云分析系統(tǒng)的出現(xiàn)，問(wèn)題將迎刃而解。云分析系統(tǒng)創(chuàng)新型引入GPU+CPU的設(shè)計(jì)理念，單臺(tái)設(shè)備每天最高處理性能達(dá)到2000萬(wàn)張圖片，提取車牌號(hào)、車身顏色、車標(biāo)、子品牌、車型、車臉等交警實(shí)戰(zhàn)所需的結(jié)構(gòu)化信息，并能夠自動(dòng)甄別不系安全帶、打電話等違法行為，為公安交通管理提供全新的技術(shù)手段和業(yè)務(wù)體驗(yàn)。

系統(tǒng)設(shè)計(jì)

系統(tǒng)中采用的設(shè)計(jì)方法和技術(shù)路線在實(shí)戰(zhàn)應(yīng)用技術(shù)中處于領(lǐng)先地位，軟件的設(shè)計(jì)先進(jìn)靈活，便于升級(jí)以及與其它系統(tǒng)的互聯(lián)互通。系統(tǒng)涵蓋了目前實(shí)戰(zhàn)應(yīng)用所涉及的一系列技術(shù)，如：圖像預(yù)處理、信息篩查、電子地圖軌跡分析等，在此基礎(chǔ)上融合了車型建模、車牌識(shí)別、車標(biāo)識(shí)別、運(yùn)動(dòng)目標(biāo)檢測(cè)和行為分析、圖片檢索等智能視頻圖像分析技術(shù)，創(chuàng)新性的實(shí)現(xiàn)了“車臉識(shí)別”、“不系安全帶檢測(cè)”等功能，創(chuàng)造性的使用云分析實(shí)現(xiàn)超大數(shù)據(jù)量的圖片二次識(shí)別，為用戶提供超高性價(jià)比的解決方案。

系統(tǒng)設(shè)計(jì)時(shí)，對(duì)需要實(shí)現(xiàn)的功能進(jìn)行合理的配置，且配置具有良好的兼容性和擴(kuò)展性;通過(guò)提供二次開發(fā)接口，支持用戶利用本系統(tǒng)自主開發(fā)新功能，滿足業(yè)務(wù)需求。

系統(tǒng)具有開放性的標(biāo)準(zhǔn)體系，后端基于開放式的TCP/IP網(wǎng)絡(luò)系統(tǒng)進(jìn)行設(shè)計(jì)，支持多種網(wǎng)絡(luò)協(xié)議，便于和各系統(tǒng)間的互聯(lián)、互通、互控，遵循規(guī)范的通用接口標(biāo)準(zhǔn)，使系統(tǒng)對(duì)硬件環(huán)境、通信環(huán)境、軟件環(huán)境、操作系統(tǒng)之間的相互制約和影響減至最小。

具有良好的人機(jī)交互界面，盡可能避免出現(xiàn)繁瑣操作實(shí)現(xiàn)某項(xiàng)具體業(yè)務(wù)應(yīng)用的情形。系統(tǒng)在體系設(shè)計(jì)及工程實(shí)施中應(yīng)根據(jù)用戶使用需求充分考慮性能優(yōu)化，在合理時(shí)間范圍內(nèi)，盡可能縮短系統(tǒng)的操作響應(yīng)時(shí)間;系統(tǒng)維護(hù)也應(yīng)在合理范圍內(nèi)盡可能簡(jiǎn)化，使操作人員能快速地學(xué)習(xí)和掌握系統(tǒng)操作。

系統(tǒng)涵蓋了目前交通管理業(yè)務(wù)應(yīng)用所涉及的一系列技術(shù)，如：圖像接入、通用解碼、轉(zhuǎn)碼、圖片索引、車型建模、圖像預(yù)處理、信息篩查、電子地圖軌跡分析、套牌分析等?；谠品治龅亩巫R(shí)別方案配合大數(shù)據(jù)的高效查詢、檢索、研判方案，構(gòu)筑了智能交通綜合管控平臺(tái)的數(shù)據(jù)底層支持優(yōu)秀架構(gòu)，為交警實(shí)戰(zhàn)業(yè)務(wù)應(yīng)用提供了極佳的用戶體驗(yàn)。

1.1 系統(tǒng)架構(gòu)

系統(tǒng)的使用者通常為指揮中心調(diào)度人員、指揮中心帶班領(lǐng)導(dǎo)、支/總/大隊(duì)的主管領(lǐng)導(dǎo)、交通秩序管理人員、大隊(duì)分控中心人員、路面執(zhí)勤民警等。系統(tǒng)維護(hù)的職責(zé)則由運(yùn)維工程師和系統(tǒng)管理員完成。

主要的關(guān)鍵業(yè)務(wù)應(yīng)用包括交通狀況監(jiān)測(cè)、日常組織與管控、應(yīng)急指揮與協(xié)作、信息研判分析等方面，主要是應(yīng)對(duì)城市交通管理的現(xiàn)狀實(shí)時(shí)監(jiān)視、日常業(yè)務(wù)處置、突發(fā)事件應(yīng)對(duì)、交通數(shù)據(jù)挖掘研判等業(yè)務(wù)需求。

輔助核心業(yè)務(wù)的是一系列的支撐應(yīng)用，包括基礎(chǔ)數(shù)據(jù)管理(路網(wǎng)信息、設(shè)備設(shè)施信息)、警力資源管理(警員信息、警車信息、裝備信息)、電子地圖管理、系統(tǒng)配置管理。

在應(yīng)用層下面是支持業(yè)務(wù)應(yīng)用的支撐層，在這層完成對(duì)信息的采集、匯聚、加工、存儲(chǔ)、交換等處理操作，同時(shí)支撐層還內(nèi)包消息服務(wù)器、GIS地圖中間件、視頻服務(wù)、誘導(dǎo)服務(wù)等信令及數(shù)據(jù)的服務(wù)或中間件。

最下端為數(shù)據(jù)感知層，包括業(yè)務(wù)子系統(tǒng)及設(shè)備，為各類交通信息的原始數(shù)據(jù)來(lái)源，如GPS車輛軌跡信息、視頻信息、通行車輛信息、交通流信息、施工占道信息、交通管制信息、氣象信息等。

視頻大數(shù)據(jù)技術(shù)平臺(tái)

視頻大數(shù)據(jù)技術(shù)平臺(tái)負(fù)責(zé)存儲(chǔ)和提取處理視頻、圖片等非結(jié)構(gòu)化數(shù)據(jù)，通過(guò)視頻結(jié)構(gòu)化技術(shù)，可挖掘出視頻圖像中的人、車、物、事件等結(jié)構(gòu)化信息，進(jìn)一步用于大數(shù)據(jù)的分析挖掘。同時(shí)，視頻大數(shù)據(jù)技術(shù)平臺(tái)可提供視頻摘要、視頻濃縮、視頻質(zhì)量診斷等智能分析服務(wù)，使上層應(yīng)用提高視頻處理的效率。

通用大數(shù)據(jù)技術(shù)平臺(tái)

通用大數(shù)據(jù)技術(shù)平臺(tái)提供基于Hadoop和Spark的分布式存儲(chǔ)、分布式計(jì)算等能力，負(fù)責(zé)整合并管理海量的結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)，具備高度的可擴(kuò)展性，可將數(shù)千臺(tái)的廉價(jià)服務(wù)器組建成一套龐大的云存儲(chǔ)系統(tǒng)、一臺(tái)超級(jí)計(jì)算機(jī)?；赟park架構(gòu)的內(nèi)存運(yùn)算，速度比傳統(tǒng)的Hadoop快10~100倍，適合交通行業(yè)對(duì)時(shí)間要求的流式計(jì)算需求。

行業(yè)大數(shù)據(jù)能力平臺(tái)

能夠針對(duì)海量數(shù)據(jù)進(jìn)行快速檢索、快速統(tǒng)計(jì)分析，同時(shí)能夠進(jìn)行深度的關(guān)聯(lián)分析，挖掘出其中有價(jià)值的信息。行業(yè)大數(shù)據(jù)能力平臺(tái)以接口的方式為上層應(yīng)用提供服務(wù)。

大數(shù)據(jù)運(yùn)維平臺(tái)

負(fù)責(zé)對(duì)整個(gè)大數(shù)據(jù)平臺(tái)進(jìn)行部署、配置、管理、監(jiān)控，通過(guò)自動(dòng)化安裝的方式，方便用戶架設(shè)大數(shù)據(jù)平臺(tái)。同時(shí)，通過(guò)可視化界面，可以形象地獲知整個(gè)平臺(tái)的運(yùn)行狀況。隨著業(yè)務(wù)的發(fā)展，當(dāng)平臺(tái)需要升級(jí)或擴(kuò)容時(shí)，可方便的通過(guò)該工具進(jìn)行調(diào)整。

1.1.1 視頻大數(shù)據(jù)技術(shù)平臺(tái)

1、視頻云存儲(chǔ)

視頻云存儲(chǔ)系統(tǒng)解決百PB級(jí)視頻基礎(chǔ)數(shù)據(jù)視頻數(shù)據(jù)的低成本、高可靠存儲(chǔ)，支持視頻流數(shù)據(jù)的高并發(fā)I/O。

視頻云存儲(chǔ)系統(tǒng)架構(gòu)圖

2、視頻云分析

視頻云分析平臺(tái)則是通過(guò)整合用戶現(xiàn)有的數(shù)據(jù)中心分析設(shè)備，對(duì)過(guò)車視頻、過(guò)車圖片等數(shù)據(jù)進(jìn)行進(jìn)一步分析，其中中心分析設(shè)備采用分布式計(jì)算節(jié)點(diǎn)集群的方式，能夠提供基于任務(wù)自動(dòng)負(fù)載均衡的數(shù)據(jù)處理方式，解決從海里視頻圖像數(shù)據(jù)中解析出來(lái)的視頻結(jié)構(gòu)化數(shù)據(jù)的需求。

視頻云分析方案架構(gòu)圖

具體包括以下模塊：

特征提取模塊

特征提取模塊負(fù)責(zé)對(duì)實(shí)時(shí)或歷史視頻圖像中的結(jié)構(gòu)化信息進(jìn)行提取，包括人、車、物等特征信息。提取出的信息存儲(chǔ)于大數(shù)據(jù)系統(tǒng)中，并作為DataEngine進(jìn)一步分析的數(shù)據(jù)基礎(chǔ)。

行為分析模塊

行為分析模塊負(fù)責(zé)對(duì)實(shí)時(shí)或歷史視頻圖像中的行為信息進(jìn)行分析，分析結(jié)果可作為上層應(yīng)用報(bào)警的依據(jù)，同時(shí)行為信息作為結(jié)構(gòu)化數(shù)據(jù)，可存儲(chǔ)于大數(shù)據(jù)系統(tǒng)中，并作為DataEngine進(jìn)一步分析的數(shù)據(jù)基礎(chǔ)。

音頻分析模塊

音頻分析模塊負(fù)責(zé)對(duì)音頻進(jìn)行分析，識(shí)別異常音源，分析結(jié)果可作為上層應(yīng)用報(bào)警的依據(jù)。

以圖搜圖模塊

以圖搜圖模塊負(fù)責(zé)對(duì)大數(shù)據(jù)系統(tǒng)中的圖片數(shù)據(jù)進(jìn)行分析比對(duì)，并按相似度返回圖片列表。以圖搜圖模塊支持對(duì)人臉圖片的搜索，支持對(duì)車輛圖片的搜索。

隱私保護(hù)模塊

隱私保護(hù)模塊負(fù)責(zé)對(duì)實(shí)時(shí)或歷史視頻圖像中的人體影像進(jìn)行模糊處理，保護(hù)個(gè)人隱私。

視頻摘要模塊

視頻摘要模塊負(fù)責(zé)對(duì)實(shí)時(shí)或歷史視頻進(jìn)行摘要處理，提取出視頻中有用的信息，合并到同一個(gè)背景中，以此縮短視頻播放時(shí)間。視頻摘要可有效縮短用戶觀看視頻的時(shí)間，提高工作效率。

視頻濃縮模塊

視頻濃縮模塊負(fù)責(zé)對(duì)實(shí)時(shí)或歷史視頻進(jìn)行濃縮處理，視頻中有事件出現(xiàn)時(shí)進(jìn)行慢放，無(wú)事件時(shí)進(jìn)行快放，以此縮短視頻播放時(shí)間。視頻濃縮可有效縮短用戶觀看視頻的時(shí)間，提高工作效率。

視頻質(zhì)量診斷模塊

視頻質(zhì)量診斷模塊負(fù)責(zé)對(duì)實(shí)時(shí)視頻流進(jìn)行質(zhì)量診斷，以巡檢的方式對(duì)前端接入視頻流進(jìn)行分析，實(shí)時(shí)發(fā)現(xiàn)攝像機(jī)是否在線、畫面是否正常等問(wèn)題。

視頻圖像增強(qiáng)復(fù)原模塊

視頻圖像增強(qiáng)復(fù)原模塊負(fù)責(zé)對(duì)實(shí)時(shí)或歷史視頻圖像進(jìn)行增強(qiáng)復(fù)原，對(duì)效果較差的視頻、圖像進(jìn)行智能修復(fù)并增強(qiáng)處理。

1.1.2 通用大數(shù)據(jù)技術(shù)平臺(tái)

通用大數(shù)據(jù)技術(shù)平臺(tái)是大數(shù)據(jù)的存儲(chǔ)和計(jì)算中心，具有分布式、統(tǒng)一存儲(chǔ)、統(tǒng)一訪問(wèn)、動(dòng)態(tài)擴(kuò)容的特點(diǎn)，用于匯集視頻、圖像、報(bào)警、卡口信息、位置信息、案事件等大數(shù)據(jù)，為數(shù)據(jù)的綜合利用提供支撐。

系統(tǒng)技術(shù)架構(gòu)圖

分布式文件系統(tǒng)HDFS 2.0：運(yùn)行在通用硬件上的可擴(kuò)展高容錯(cuò)的分布式文件系統(tǒng)，已經(jīng)成為海量數(shù)據(jù)存儲(chǔ)的事實(shí)標(biāo)準(zhǔn)。負(fù)責(zé)海量數(shù)據(jù)存儲(chǔ)，將數(shù)據(jù)分散存儲(chǔ)在多***立的設(shè)備上，系統(tǒng)采用可擴(kuò)展的體系結(jié)構(gòu)，利用多臺(tái)存儲(chǔ)服務(wù)器分擔(dān)存儲(chǔ)負(fù)荷，利用元數(shù)據(jù)服務(wù)器定位存儲(chǔ)信息，它不但提高了系統(tǒng)的可靠性、可用性和存取效率，還易于擴(kuò)展。

分布式資源管理YARN：分布式資源管理框架，負(fù)責(zé)計(jì)算、存儲(chǔ)資源的管理，用以提高分布式集群環(huán)境下的資源利用率，這些資源包括內(nèi)存、IO、網(wǎng)絡(luò)、磁盤等。

分布式計(jì)算Map/Reduce：分布式計(jì)算框架，負(fù)責(zé)將一個(gè)需要非常巨大的計(jì)算能力才能解決的問(wèn)題分成許多小的部分，然后把這些部分分配給許多計(jì)算機(jī)進(jìn)行處理，最后把這些計(jì)算結(jié)果綜合起來(lái)得到最終的結(jié)果。

分布式數(shù)據(jù)庫(kù)HBase：一個(gè)分布式的、按列存儲(chǔ)的、多維表結(jié)構(gòu)的實(shí)時(shí)分布式數(shù)據(jù)庫(kù)，用于存儲(chǔ)粗粒度的結(jié)構(gòu)化數(shù)據(jù)，適合構(gòu)建高并發(fā)低延時(shí)的在線數(shù)據(jù)服務(wù)系統(tǒng)。

全文檢索引擎Solr：一個(gè)基于Lucene構(gòu)建的開源，分布式，RESTful搜索引擎，設(shè)計(jì)用于云計(jì)算中，能夠達(dá)到穩(wěn)定、可靠、快速實(shí)時(shí)搜索。

內(nèi)存計(jì)算Spark：下一代基于內(nèi)存的 Map/Reduce 計(jì)算引擎，處理大數(shù)據(jù)像“光速”一樣快，比Hadoop Map/Reduce 快 10x 到 100x 倍。

流計(jì)算Stream：流計(jì)算，負(fù)責(zé)對(duì)流媒體數(shù)據(jù)的分析計(jì)算。

分布式協(xié)作Zookeeper：分布式協(xié)作系統(tǒng)，作為一個(gè)分布式鎖及共享數(shù)據(jù)管理者，提供集群節(jié)點(diǎn)間的事物協(xié)調(diào)服務(wù)，保證HDFS、HBase、Spark、Map/Reduce等分布式系統(tǒng)的安全可靠運(yùn)行。

Kafka：分布式數(shù)據(jù)總線，負(fù)責(zé)數(shù)據(jù)的采集、整合、交互。

Sqoop：SQL to Hadoop， 一個(gè)數(shù)據(jù)抽取工具，用于從關(guān)系數(shù)據(jù)導(dǎo)入數(shù)據(jù)到Hadoop。

1、分布式文件系統(tǒng)

HDFS是分布式計(jì)算中數(shù)據(jù)存儲(chǔ)管理的基礎(chǔ)，具有高容錯(cuò)性、高可靠性、高可擴(kuò)展性、高吞吐率等特點(diǎn)，可以設(shè)計(jì)部署在低廉的硬件上，為海量數(shù)據(jù)提供了不怕故障的存儲(chǔ)，適合那些有著超大數(shù)據(jù)集的應(yīng)用程序。

2、分布式數(shù)據(jù)庫(kù)

HBase是一種構(gòu)建在HDFS之上的分布式、面向列的存儲(chǔ)系統(tǒng)，它具有高可靠、高性能、面向列和可伸縮的特性。HBase適合于存儲(chǔ)大表數(shù)據(jù)(表的規(guī)?？梢赃_(dá)到數(shù)百億行以及數(shù)百萬(wàn)列)，并且對(duì)大表數(shù)據(jù)的讀、寫訪問(wèn)可以達(dá)到實(shí)時(shí)級(jí)別。

3、分布式計(jì)算

MapReduce是一種處理海量數(shù)據(jù)的并行編程模型和計(jì)算框架，用于對(duì)大規(guī)模數(shù)據(jù)集(通常大于1TB)的并行計(jì)算。MapReduce的名字源于該模型中的兩項(xiàng)核心操作：Map和Reduce。Map將一個(gè)任務(wù)分解成為多個(gè)任務(wù)，Reduce將分解后多任務(wù)處理的結(jié)果匯總起來(lái)，得出最終的分析結(jié)果。

4、分布式協(xié)作系統(tǒng)

ZooKeeper是一個(gè)針對(duì)大型分布式系統(tǒng)的可靠協(xié)調(diào)系統(tǒng)，主要提供兩個(gè)功能：幫助系統(tǒng)避免單點(diǎn)故障，建立可靠的應(yīng)用程序;提供分布式協(xié)作服務(wù)和維護(hù)配置信息。

1.1.3 行業(yè)大數(shù)據(jù)平臺(tái)

行業(yè)大數(shù)據(jù)平臺(tái)負(fù)責(zé)與通用大數(shù)據(jù)平臺(tái)進(jìn)行對(duì)接，負(fù)責(zé)對(duì)結(jié)構(gòu)化數(shù)據(jù)(過(guò)車數(shù)據(jù)、測(cè)速數(shù)據(jù))進(jìn)行分析計(jì)算，提供快速檢索、分析、統(tǒng)計(jì)、挖掘等功能，并提供用戶最終的操作界面。面向交通行業(yè)的大數(shù)據(jù)業(yè)務(wù)展示平臺(tái)，即為XZX-TMS-9200智能交通綜合管控平臺(tái)。

1.1.4 大數(shù)據(jù)管理平臺(tái)

大數(shù)據(jù)管理平臺(tái)負(fù)責(zé)對(duì)整個(gè)大數(shù)據(jù)平臺(tái)進(jìn)行部署和管理，結(jié)構(gòu)示意圖如下圖所示，包括集群部署、集群管理、任務(wù)管理、服務(wù)管理、狀態(tài)監(jiān)控、用戶管理、告警、日志等模塊。

大數(shù)據(jù)管理平臺(tái)架構(gòu)圖

1.2 數(shù)據(jù)流程設(shè)計(jì)

前端新建及已建能夠按照標(biāo)準(zhǔn)協(xié)議接入的設(shè)備通過(guò)智能交通綜合管控平臺(tái)交通接入服務(wù)器接入轉(zhuǎn)發(fā)至云分析平臺(tái)進(jìn)行車輛建模和二次識(shí)別。已經(jīng)部署云存儲(chǔ)模塊的系統(tǒng)，云分析也能夠直接從云存儲(chǔ)中讀取圖片信息進(jìn)行車輛建模和二次識(shí)別。

已建的第三方平臺(tái)，提供符合要求的SDK協(xié)議，智能交通綜合管控平臺(tái)進(jìn)行數(shù)據(jù)整合后再轉(zhuǎn)發(fā)至云分析平臺(tái)進(jìn)行車輛建模和二次識(shí)別。

云分析通過(guò)智能交通綜合管控平臺(tái)提供的圖片URL信息加載圖片，進(jìn)行建模和二次識(shí)別，完成建模和二次識(shí)別后，將識(shí)別結(jié)果信息如車牌、車型、車輛品牌等信息提供給大數(shù)據(jù)平臺(tái)。

大數(shù)據(jù)平臺(tái)讀取二次識(shí)別的結(jié)果信息，寫入到HDFS分布式文件存儲(chǔ)系統(tǒng)中;基于HDFS分布式文件系統(tǒng)部署分布式數(shù)據(jù)庫(kù)，用來(lái)承載數(shù)據(jù)的預(yù)統(tǒng)計(jì)表和二級(jí)索引表。在數(shù)據(jù)搜索層，部署基于Solr分詞的全文檢索搜索引擎，并通過(guò)MapReduce分布式計(jì)算框架提供高效數(shù)據(jù)分析速度。Zookeeper提供分布式文件系統(tǒng)之間的多進(jìn)程協(xié)調(diào)服務(wù)。

數(shù)據(jù)寫入、檢索、統(tǒng)計(jì)和研判應(yīng)用，大數(shù)據(jù)平臺(tái)提供統(tǒng)一的webservice接口，智能交通管控平臺(tái)通過(guò)調(diào)用大數(shù)據(jù)平臺(tái)接口進(jìn)行處理應(yīng)用。

1.2.1 云分析數(shù)據(jù)處理流程

云分析可以采用的工作模式主要包括主動(dòng)工作模式和被動(dòng)工作模式。目前采用的是被動(dòng)工作模式。

主動(dòng)工作模式的特點(diǎn)是中央強(qiáng)力控制，即由中心管理服務(wù)下派任務(wù)到指定的計(jì)算節(jié)點(diǎn)，計(jì)算節(jié)點(diǎn)沒(méi)有發(fā)起任務(wù)申請(qǐng)的權(quán)利。被動(dòng)工作模式則相反，由計(jì)算節(jié)點(diǎn)主動(dòng)向中心管理服務(wù)發(fā)起申請(qǐng)，申請(qǐng)獲得批準(zhǔn)后獲得執(zhí)行任務(wù)，然后開始任務(wù)執(zhí)行，任務(wù)執(zhí)行過(guò)程中與中心管理服務(wù)保持實(shí)時(shí)更新，確保任務(wù)能夠正常完成。

被動(dòng)工作模式相比主動(dòng)工作模式而言能夠突出計(jì)算節(jié)點(diǎn)的優(yōu)勢(shì)，管理單元越小，管理的難度也就越小。如果按照主動(dòng)工作模式，由中心管理服務(wù)全部承擔(dān)任務(wù)分派、任務(wù)調(diào)度等功能，負(fù)載、責(zé)任過(guò)大，容易造成單點(diǎn)失敗。即便采用集群方式或者單點(diǎn)災(zāi)備模式，依然沒(méi)有真正解決負(fù)載過(guò)重、任務(wù)調(diào)度節(jié)點(diǎn)易失敗等情況。被動(dòng)工作模式把任務(wù)申請(qǐng)職責(zé)交給了計(jì)算節(jié)點(diǎn)，各個(gè)計(jì)算節(jié)點(diǎn)按照自己的實(shí)際情況決定是否發(fā)起任務(wù)申請(qǐng)，這樣可以有效地避免計(jì)算節(jié)點(diǎn)出現(xiàn)計(jì)算資源使用率頻繁切換、異常波動(dòng)，同時(shí)，降低了中心管理服務(wù)的壓力。

任務(wù)調(diào)度方面，云分析通過(guò)接入第三方應(yīng)用平臺(tái)，實(shí)時(shí)獲取執(zhí)行任務(wù)信息，然后通過(guò)中心服務(wù)管理動(dòng)態(tài)調(diào)度任務(wù)的方式達(dá)到高優(yōu)先級(jí)任務(wù)優(yōu)先執(zhí)行的目的。對(duì)于計(jì)算節(jié)點(diǎn)來(lái)說(shuō)，它申請(qǐng)獲得任務(wù)沒(méi)有優(yōu)先級(jí)之分，一旦申請(qǐng)成功，立即轉(zhuǎn)入工作狀態(tài)。同時(shí)，由于云分析節(jié)點(diǎn)是分布式部署，系統(tǒng)高并發(fā)執(zhí)行的效果可以有效的提高分析執(zhí)行效率、優(yōu)化網(wǎng)絡(luò)帶寬的流量壓力，使得整個(gè)監(jiān)控系統(tǒng)的性能得到更大的提升。

1.2.2 大數(shù)據(jù)數(shù)據(jù)處理流程

大數(shù)據(jù)技術(shù)平臺(tái)是大數(shù)據(jù)的存儲(chǔ)和計(jì)算中心，具有分布式、統(tǒng)一存儲(chǔ)、統(tǒng)一訪問(wèn)、動(dòng)態(tài)擴(kuò)容的特點(diǎn)，用于匯集視頻、圖像、報(bào)警、卡口信息、位置信息、事件等大數(shù)據(jù)，為數(shù)據(jù)的綜合利用提供支撐。

1.3 交通大數(shù)據(jù)平臺(tái)功能

1.3.1 快速檢索

針對(duì)過(guò)車記錄表及違法記錄表有針對(duì)車牌的精確查詢及模糊查詢需求，如下：

1、過(guò)車記錄精確查詢

車牌結(jié)合過(guò)車時(shí)間(開始時(shí)間+截止時(shí)間)、根據(jù)選擇卡口、車道、方向、車輛標(biāo)識(shí)、顏色深淺、車輛類型、車速、車長(zhǎng)、號(hào)牌段、車身顏色、車牌顏色等其它篩選條件隨意組合在海量過(guò)車記錄數(shù)據(jù)中對(duì)車牌做精確查詢并且要求在秒級(jí)內(nèi)返回查詢結(jié)果。

2、過(guò)車記錄模糊查詢

車牌結(jié)合過(guò)車時(shí)間(開始時(shí)間+截止時(shí)間)、根據(jù)選擇卡口、車道、方向、車輛標(biāo)識(shí)、顏色深淺、車輛類型、車速、車長(zhǎng)、號(hào)牌段、車身顏色、車牌顏色等其它篩選條件隨意組合在海量過(guò)車記錄數(shù)據(jù)中對(duì)車牌的前綴、中間、后綴做模糊查詢并且要求在秒級(jí)內(nèi)返回查詢結(jié)果。

3、違法記錄精確查詢

車牌結(jié)合過(guò)車時(shí)間、車輛類型、車輛顏色、車牌類型、車牌顏色、違法行為、處理狀態(tài)等其它篩選條件在海量違法過(guò)車記錄數(shù)據(jù)中做精確查詢并且要求在秒級(jí)內(nèi)返回查詢結(jié)果。

4、違法記錄模糊查詢

車牌結(jié)合過(guò)車時(shí)間、車輛類型、車輛顏色、車牌類型、車牌顏色、違法行為、處理狀態(tài)等其它篩選條件在海量違法過(guò)車記錄數(shù)據(jù)中對(duì)車牌的前綴、中間、后綴做模糊查詢并且要求在秒級(jí)內(nèi)返回查詢結(jié)果。

5、軌跡查詢

查詢車輛在特定的時(shí)間段內(nèi)的行車軌跡：即在某個(gè)時(shí)間段內(nèi)(根據(jù)場(chǎng)景，還可以設(shè)置車輛類型、顏色深淺、車牌類型、車牌號(hào)碼、車速、車長(zhǎng)、號(hào)牌段、車身顏色、車牌顏色等限制條件)，同時(shí)經(jīng)過(guò)多個(gè)卡口(至少兩個(gè)以上才能確定一條軌跡)的過(guò)車信息。

6、快速統(tǒng)計(jì)

針對(duì)過(guò)車記錄表及違法記錄表有如下統(tǒng)計(jì)需求：

過(guò)車記錄表車流量統(tǒng)計(jì)

以卡口(或車輛類型、車輛歸屬)為維度結(jié)合統(tǒng)計(jì)時(shí)間、方向、車輛歸屬地、車輛類型、車牌類型等特定篩選條件對(duì)過(guò)車記錄做統(tǒng)計(jì)，生成相應(yīng)日(或周、月、年)報(bào)表：即根據(jù)設(shè)定的維度，還有根據(jù)報(bào)表類型分割的時(shí)間粒度，統(tǒng)計(jì)各個(gè)時(shí)間區(qū)間內(nèi)的車流量。

過(guò)車記錄表車流量對(duì)比

同一個(gè)卡口不同時(shí)間段(跨度在1天內(nèi))的車流量對(duì)比以及不同卡口同一時(shí)間段(跨度在1天內(nèi))的車流量對(duì)比。

通過(guò)車流量對(duì)比能夠?qū)Ω纳瞥鞘薪煌ㄕ{(diào)度提供依據(jù)。

違法記錄表車輛違法統(tǒng)計(jì)

選定一組卡口，在選定的開始時(shí)間和結(jié)束時(shí)間內(nèi)，統(tǒng)計(jì)各卡口所有的過(guò)車記錄數(shù)和違法記錄數(shù)。

過(guò)車記錄表特定時(shí)間段車流量統(tǒng)計(jì)

同車流量對(duì)比，時(shí)間顆粒度變成一天，并且可以選定一天中具體的若干個(gè)時(shí)間段。

過(guò)車記錄車輛行車軌跡統(tǒng)計(jì)

根據(jù)選定統(tǒng)計(jì)方式(即統(tǒng)計(jì)維度：包括按車牌類型統(tǒng)計(jì)、車牌顏色統(tǒng)計(jì))，統(tǒng)計(jì)在選擇的時(shí)間段內(nèi)，經(jīng)過(guò)指定軌跡(所謂的軌跡：即由多個(gè)卡口確定的一條行車路徑，帶方向，比如，從路徑A->B->C,和路徑C->B->A是倆條不同的軌跡)的車流量次數(shù)(還包括其他的過(guò)濾條件，如：車輛歸屬地、車輛類型、車牌類型、車牌顏色，同一車牌多次經(jīng)過(guò)指定軌跡按多次計(jì)算)。

1.3.2 研判分析

1、過(guò)車記錄表頻度研判

分析出在特定卡口上(一個(gè)或多個(gè))，在特定時(shí)間段內(nèi)，過(guò)車次數(shù)滿足一定條件的所有過(guò)車信息和過(guò)車數(shù)：所謂的滿足一定條件是指過(guò)車次數(shù)大于等于(或小于等于或等于)(頻度設(shè)置)一定數(shù)量(頻度閾值)，根據(jù)設(shè)定的頻度閾值，分析在某一段時(shí)間內(nèi)通行路口次數(shù)超過(guò)設(shè)定閾值的車輛。

對(duì)指定區(qū)域(卡口)做過(guò)車頻度分析，過(guò)濾出頻繁出入的車輛(過(guò)車次數(shù)滿足指定閾值)進(jìn)行重點(diǎn)關(guān)注，對(duì)預(yù)防犯罪及嫌犯跟蹤有重大貢獻(xiàn)。

2、過(guò)車記錄表特定時(shí)段車輛研判

實(shí)際上就是閾值為0，時(shí)間跨度在1天之內(nèi)的頻度研判。

3、過(guò)車記錄表短時(shí)過(guò)車研判

在特定的時(shí)間段內(nèi)，所選擇的卡口組合(一個(gè)或多個(gè))中的過(guò)車時(shí)間與參考卡口中的過(guò)車時(shí)間的絕對(duì)值小于設(shè)定的某個(gè)值(passInterval)的所有過(guò)程信息：找出同一車輛同時(shí)經(jīng)過(guò)參考卡口及指定卡口組合，過(guò)濾出經(jīng)過(guò)參考卡口與指定卡口的時(shí)間差小于設(shè)定的閾值的車輛，以協(xié)助公安人員分析出套牌或超速等其它違章行為的嫌疑車輛。

4、過(guò)車記錄表車輛初次入城研判

特定時(shí)間范圍結(jié)合特定篩選條件(車輛歸屬地、車輛類型、車牌類型等特定篩選條件)，找出經(jīng)過(guò)“入城”路口的車輛，并找出這些車輛之前30是否有“入城”記錄，如果沒(méi)有將做重點(diǎn)關(guān)注以預(yù)防其犯罪。

5、過(guò)車記錄表區(qū)域碰撞研判

特定的N(2<=N<=5)個(gè)區(qū)域(1~5個(gè)卡口組成一個(gè)區(qū)域),結(jié)合各區(qū)域指定的時(shí)間范圍，找出同一輛車在指定條件下經(jīng)過(guò)其中的兩個(gè)及以上區(qū)域的車輛，并統(tǒng)計(jì)其經(jīng)過(guò)次數(shù)進(jìn)行數(shù)據(jù)碰撞。區(qū)域碰撞功能給公安查詢分析跨區(qū)反復(fù)作案的嫌疑車輛帶來(lái)極大的便利。

6、過(guò)車記錄表行車軌跡研判

特定時(shí)間范圍結(jié)合特定篩選條件(車輛歸屬地、車輛類型、車牌類型等特定篩選條件)找出制定車牌在此時(shí)間范圍內(nèi)的過(guò)車記錄。

7、過(guò)車記錄表跟車研判

特定時(shí)間段內(nèi)過(guò)車時(shí)間相差一定間隔的所有過(guò)車信息：首先根據(jù)特定時(shí)間段(還可以指定車牌或路口名稱)查出參考車輛及其過(guò)車信息，然后指定一條過(guò)車記錄，查詢出與該記錄相隔一定時(shí)間段(早或者晚)的所有過(guò)車信息。

針對(duì)嫌疑車輛可能會(huì)結(jié)隊(duì)出行的特點(diǎn)，在刑偵等業(yè)務(wù)應(yīng)用時(shí)，確定特定嫌疑車輛后，通過(guò)數(shù)據(jù)挖掘的方式分析其通過(guò)多個(gè)監(jiān)測(cè)點(diǎn)時(shí)相鄰的車輛號(hào)牌，能夠找出與嫌疑車輛有關(guān)聯(lián)的車輛，從而獲取破案線索。

8、違法記錄表違法多發(fā)時(shí)段研判

特定時(shí)間范圍給定卡口，以一小時(shí)為顆粒度統(tǒng)計(jì)出各個(gè)時(shí)段違法記錄數(shù)形成一張對(duì)比直方圖以協(xié)助城市交通改造。

違法記錄表違法多發(fā)地研判

特定時(shí)間范圍內(nèi)給定卡口，統(tǒng)計(jì)出各個(gè)卡口違法記錄數(shù)形成一張對(duì)比直方圖以協(xié)助城市交通改造。

9、駕駛?cè)藛T行為源頭管控

駕駛?cè)藛T行為源頭管控，是指對(duì)開車經(jīng)常超速在20%以下，但是又有超速習(xí)慣的駕駛?cè)藛T(不違法，但是有違法的嫌疑)，進(jìn)行專項(xiàng)的分析，然后以非現(xiàn)場(chǎng)執(zhí)法的形式發(fā)送通知短信，進(jìn)行源頭管控;篩選超速10%~20%車輛，然后進(jìn)行統(tǒng)計(jì)，分析其超速行為的概率，從而判斷駕駛?cè)藛T的動(dòng)態(tài)評(píng)分規(guī)則;

10、特種車輛軌跡時(shí)空域分析

基于大數(shù)據(jù)的特種車輛管控，是指針對(duì)類似渣土車、校車等安全等級(jí)較高的車輛，通過(guò)設(shè)定專屬的行駛路線，一旦出現(xiàn)車輛偏離行車路線的時(shí)候，即發(fā)送報(bào)警信息給相關(guān)人員，從而確保特種車輛始終處于受控的安全狀態(tài)。

11、車輛遮陽(yáng)板與案件關(guān)聯(lián)的時(shí)空域分析

大數(shù)據(jù)平臺(tái)根據(jù)卡口的過(guò)車數(shù)據(jù)對(duì)每輛過(guò)往車輛建立單獨(dú)的信息庫(kù)，與車管庫(kù)的車輛信息庫(kù)所不同的是，該信息庫(kù)是專門用于過(guò)車信息研判。例如卡口會(huì)對(duì)每輛過(guò)車時(shí)是否放下了遮陽(yáng)板進(jìn)行檢測(cè)，大數(shù)據(jù)平臺(tái)則統(tǒng)計(jì)車輛的全部過(guò)車照片，放下遮陽(yáng)板的次數(shù)有多少;打開遮陽(yáng)板的次數(shù)有多少，隨后定義一個(gè)研判規(guī)則，例如這個(gè)比例超過(guò)50%，那么駕駛?cè)司陀幸欢ǖ倪`法嫌疑，進(jìn)入單獨(dú)的違法嫌疑車輛庫(kù);這個(gè)信息庫(kù)往后來(lái)看，就是根據(jù)一些統(tǒng)計(jì)結(jié)果來(lái)判斷駕駛?cè)藛T的駕駛行為分析。

12、同行車輛多模型分析

基于大數(shù)據(jù)的同行車輛分析，是指針對(duì)具有跟車相關(guān)的團(tuán)伙作案時(shí)的車輛進(jìn)行進(jìn)一步研判，研判的規(guī)則包括篩選某個(gè)固定時(shí)間區(qū)間內(nèi)同行經(jīng)過(guò)N個(gè)卡口數(shù)量的車輛信息;篩選某個(gè)固定時(shí)間內(nèi)有關(guān)多車關(guān)聯(lián)性的分析，舉例而言就是通過(guò)跟車關(guān)聯(lián)性研判發(fā)現(xiàn)車輛A與車輛C有跟車關(guān)聯(lián)性，車輛B與車輛C有跟車關(guān)聯(lián)性，那么分析車輛A和B之間的跟車關(guān)聯(lián)性的嫌疑性。

13、多業(yè)務(wù)維度積分研判分析

基于大數(shù)據(jù)平臺(tái)的多業(yè)務(wù)維度車輛積分研判，是武進(jìn)技防和圖偵相關(guān)干警參考其他地市先進(jìn)的車輛信息技戰(zhàn)法以及結(jié)合自身對(duì)實(shí)際嫌疑車輛研判時(shí)所提出的一種新的研判分析方法。其根據(jù)對(duì)車輛的出沒(méi)時(shí)間屬性、出沒(méi)卡口地點(diǎn)屬性、駕駛?cè)藛T違反行為信息、牌照歸屬地信息等多種有關(guān)車輛屬性進(jìn)行綜合考慮，引入一套關(guān)于車輛積分研判的方法，因此在對(duì)車輛信息進(jìn)行有針對(duì)性地研判時(shí)帶來(lái)一種全新的體驗(yàn)。同時(shí)為了滿足研判和預(yù)警實(shí)時(shí)性的要求，大數(shù)據(jù)采用spark流計(jì)算的方式保證車輛積分能夠?qū)崟r(shí)處理并將結(jié)果分發(fā)相關(guān)人員。

14、基于車輛相關(guān)數(shù)據(jù)的車輛套牌的相關(guān)性分析

在現(xiàn)有的視頻作戰(zhàn)平臺(tái)中，已經(jīng)引入了一套根據(jù)同一時(shí)間內(nèi)出現(xiàn)在不同地點(diǎn)來(lái)判斷是否套牌車輛的相關(guān)分析手段，但是由于前端卡口設(shè)備在車輛識(shí)別率上并不能達(dá)到100%，因此有一定的誤報(bào)率;此外該種套牌分析方法在定位一些非當(dāng)前庫(kù)內(nèi)所包含的車輛信息時(shí)往往缺乏有效的分析手段;而大數(shù)據(jù)平臺(tái)則是利用本期和前三期中一些已經(jīng)對(duì)車輛進(jìn)行二次結(jié)構(gòu)化處理后的數(shù)據(jù)(例如車型、車標(biāo)、子品牌、年款等)進(jìn)行套牌車分析庫(kù)，將被盜搶車作為套牌車輛分析的重點(diǎn)，從而判斷套牌車輛的可能性;另外大數(shù)據(jù)平臺(tái)將在時(shí)空領(lǐng)域上結(jié)合GIS應(yīng)用，根據(jù)車輛不正常的出沒(méi)規(guī)律來(lái)分析套牌車輛的可能性，例如某輛車C在不同的時(shí)內(nèi)從區(qū)域A出現(xiàn)在區(qū)域B，但是邏輯上區(qū)域A和區(qū)域B必須經(jīng)過(guò)某幾個(gè)卡口，但是在該段區(qū)域和時(shí)間內(nèi)沒(méi)有任何關(guān)于車輛C的過(guò)車卡口描述，因此可以判斷車輛C是否為套牌車輛。

15、車輛時(shí)空出沒(méi)規(guī)律分析

大數(shù)據(jù)平臺(tái)的另一個(gè)重要的作用是多元多維度的統(tǒng)計(jì)分析方法，針對(duì)某一輛車輛信息，大數(shù)據(jù)平臺(tái)采用分布式計(jì)算的方法將車輛信息的過(guò)車點(diǎn)位信息、所有過(guò)車卡口的出沒(méi)頻次、出沒(méi)時(shí)間段、經(jīng)?；顒?dòng)的區(qū)域、經(jīng)常經(jīng)過(guò)的監(jiān)控點(diǎn)位信息以及違法信息統(tǒng)計(jì)和同行車輛信息進(jìn)行統(tǒng)一展示，可以提供包括車輛的居住地和工作地相關(guān)信息預(yù)測(cè)。同時(shí)預(yù)留這些數(shù)據(jù)分析結(jié)果，可進(jìn)一步用于車輛與相關(guān)案件關(guān)聯(lián)性的分析。

1.3.3 基于大數(shù)據(jù)平臺(tái)的以圖搜圖功能

以圖搜圖是當(dāng)前智能交通綜合管控平臺(tái)針對(duì)車輛檢索的新型的檢索方案，系統(tǒng)支持以一張?jiān)紙D片為基礎(chǔ)搜索條件，根據(jù)圖片中車輛的特征信息(例如車頭、車窗、車內(nèi)飾等)查詢目標(biāo)車輛，根據(jù)特征信息的相似度進(jìn)行從高到低的檢索方案。當(dāng)前以圖搜圖主要有云存儲(chǔ)和圖片服務(wù)器兩種方案，分別如下圖所示：

云存儲(chǔ)方案

圖片服務(wù)器方案

云存儲(chǔ)方案用于大型規(guī)模的智能交通平臺(tái)，一般為日均過(guò)車數(shù)據(jù)在幾百萬(wàn)以上的項(xiàng)目中。其中使用云存儲(chǔ)設(shè)備作為數(shù)據(jù)信息的核心服務(wù)器，內(nèi)置智能建模的算法;而智能服務(wù)器在系統(tǒng)中充當(dāng)查詢對(duì)比服務(wù)器，為用戶返回最終分析結(jié)果。該方案圖片預(yù)建模和分析全都在云存儲(chǔ)系統(tǒng)中完成，而檢索部分則由專門的智能分析服務(wù)器完成，因此是全網(wǎng)范圍內(nèi)的以圖搜圖應(yīng)用，搜索的效率會(huì)比較高。

而圖片服務(wù)器方案則適用于中小型規(guī)模的智能交通平臺(tái)，由智能分析服務(wù)器完成過(guò)車數(shù)據(jù)的建模，并由其進(jìn)行數(shù)據(jù)對(duì)比并返回以圖搜圖的對(duì)比結(jié)果。該方案則所有的建模分析和檢索則全部依靠智能分析服務(wù)器完成，因此整個(gè)系統(tǒng)的瓶頸在于智能分析服務(wù)器的性能。

相比較這兩種方案的以圖搜圖的實(shí)現(xiàn)方式，基于大數(shù)據(jù)平臺(tái)的以圖搜圖實(shí)現(xiàn)方式則進(jìn)一步將圖片資源的二次結(jié)構(gòu)化和大數(shù)據(jù)平臺(tái)的全文檢索功能進(jìn)行融合，從而將以圖搜圖的功能從精準(zhǔn)檢索更進(jìn)一步擴(kuò)展到極速檢索。

1.4 云分析系統(tǒng)功能

1.4.1 車牌二次識(shí)別

1.4.2 車身顏色二次識(shí)別

系統(tǒng)能夠識(shí)別11種車身顏色，白色、灰色、黑色、紅色、紫色、藍(lán)色、黃色、綠色、青色、棕色、粉紅色。還可以識(shí)別車身顏色的深色和淺色。

1.4.3 車型二次識(shí)別

系統(tǒng)能夠識(shí)別7種常見車型，包括客車，大貨車，轎車，面包車，小貨車，SUV，中型客車。

1.4.4 車牌顏色二次識(shí)別

系統(tǒng)能夠?qū)嚺祁伾詣?dòng)識(shí)別，識(shí)別的5種車牌顏色包括藍(lán)、黃、綠、白、黑。

1.4.5 車標(biāo)二次識(shí)別

系統(tǒng)可識(shí)別的車輛標(biāo)志包括：奔馳、寶馬、大眾、別克、豐田、本田、依維柯、金杯、福特、現(xiàn)代、馬自達(dá)、奇瑞、奧迪、雪鐵龍、雪弗蘭、標(biāo)致、東風(fēng)、五菱、尼桑、起亞、皇冠、東南、比亞迪等兩百多種車標(biāo)。

1.4.6 車輛子品牌二次識(shí)別

系統(tǒng)可識(shí)別的細(xì)分車型包括：奧迪A6L、奧迪Q3、奧迪Q5、阿斯頓馬丁DB9、阿斯頓馬丁DBS、保時(shí)捷911、別克GL8、君威、君越、奔騰B50、奔騰B70、本田歌詩(shī)圖、本田鋒范、標(biāo)致307、標(biāo)致308等兩千多種細(xì)分車型，其涉及范圍包括當(dāng)前已停售，或剛上市熱銷的各種細(xì)分車型。

1.4.7 遮陽(yáng)板二次識(shí)別

系統(tǒng)能夠?qū)Υ蜷_遮陽(yáng)板進(jìn)行檢測(cè)，為公安交通管理和刑偵案件偵破提供科技新手段。

1.4.8 黃標(biāo)車二次識(shí)別

系統(tǒng)能夠?qū)S標(biāo)車進(jìn)行檢測(cè)，為黃標(biāo)車專項(xiàng)整治、城市環(huán)保提供決策支撐。

1.4.9 未系安全帶二次識(shí)別

系統(tǒng)能夠?qū)ξ聪蛋踩珟н`法行為進(jìn)行自動(dòng)檢測(cè)，為交警查處未系安全帶違法行為提供了科技新手段，從而規(guī)范駕駛?cè)税踩{駛行為。

1.4.10 異常車輛二次識(shí)別分析及報(bào)警

系統(tǒng)能夠?qū)倥啤⑻着?、無(wú)牌、車牌遮擋、污損、模糊、逾期未年檢、逾期未報(bào)廢車輛進(jìn)行自動(dòng)檢測(cè)識(shí)別，對(duì)識(shí)別不到異常牌照，能夠進(jìn)行自動(dòng)預(yù)警。

1.4.11 以圖搜圖

以圖搜圖，是通過(guò)搜索圖像文本或者視覺(jué)特征，在系統(tǒng)中通過(guò)類似信息的比對(duì)，獲取到真正實(shí)際需求的圖像信息的一種智能搜索方法，可應(yīng)用于套牌車輛分析等應(yīng)用中，根據(jù)車窗上的車輛年檢標(biāo)識(shí)、車輛內(nèi)飾等車輛特征搜索類似車輛?？蓱?yīng)用與無(wú)牌車的分析研判，根據(jù)車型搜索符合條件的無(wú)牌車，然后利用以圖搜圖根據(jù)車標(biāo)、子品牌、車身顏色等信息定位車輛真實(shí)信息，可協(xié)助公安交警部門查處套牌車輛、盜搶車輛、肇事逃逸車輛等。

以圖搜圖的工作流程包括數(shù)據(jù)建模和比對(duì)分析兩個(gè)步驟：

1)數(shù)據(jù)建模

由云分析對(duì)過(guò)車圖片進(jìn)行統(tǒng)一建模，建模數(shù)據(jù)直接存儲(chǔ)在大數(shù)據(jù)平臺(tái)中。

2)分析比對(duì)

大數(shù)據(jù)平臺(tái)根據(jù)用戶需要查詢的原始圖片和特征比對(duì)信息，自動(dòng)與要查詢的原始圖片進(jìn)行比對(duì)，比對(duì)結(jié)果按相似度返回給大數(shù)據(jù)平臺(tái)。

1.4.12 連續(xù)違法分析

以不同卡口、不同時(shí)間為基點(diǎn)，自動(dòng)檢索多次違法的車輛。分析結(jié)果支持列表展示，自動(dòng)列出分析結(jié)果展示具體違法記錄。

1.4.13 通行車輛實(shí)時(shí)監(jiān)控分析

可對(duì)單個(gè)卡口，多個(gè)卡口進(jìn)行實(shí)時(shí)監(jiān)控，包括通過(guò)時(shí)間、通過(guò)地點(diǎn)、號(hào)牌種類、號(hào)牌號(hào)碼、行駛方向、行駛速度、車輛類型、車身顏色、車輛屬地、圖片詳情及行進(jìn)軌跡等。

1.4.14 特種車輛軌跡時(shí)空域分析

基于大數(shù)據(jù)的特種車輛管控，是指針對(duì)類似渣土車、校車等安全等級(jí)較高的車輛，通過(guò)設(shè)定專屬的行駛路線，一旦出現(xiàn)車輛偏離行車路線的時(shí)候，即發(fā)送報(bào)警信息給相關(guān)人員，從而確保特種車輛始終處于受控的安全狀態(tài)。

1.4.15 車輛遮陽(yáng)板與案件關(guān)聯(lián)的時(shí)空域分析

大數(shù)據(jù)平臺(tái)根據(jù)卡口的過(guò)車數(shù)據(jù)對(duì)每輛過(guò)往車輛建立單獨(dú)的信息庫(kù)，與車管庫(kù)的車輛信息庫(kù)所不同的是，該信息庫(kù)是專門用于過(guò)車信息研判。例如卡口會(huì)對(duì)每輛過(guò)車時(shí)是否放下了遮陽(yáng)板進(jìn)行檢測(cè)，大數(shù)據(jù)平臺(tái)則統(tǒng)計(jì)車輛的全部過(guò)車照片，放下遮陽(yáng)板的次數(shù)有多少;打開遮陽(yáng)板的次數(shù)有多少，隨后定義一個(gè)研判規(guī)則，例如這個(gè)比例超過(guò)50%，那么駕駛?cè)司陀幸欢ǖ南右?，進(jìn)入單獨(dú)的嫌疑車輛庫(kù);這個(gè)信息庫(kù)往后來(lái)看，就是根據(jù)一些統(tǒng)計(jì)結(jié)果來(lái)判斷駕駛?cè)藛T的駕駛行為分析。

1.4.16 多業(yè)務(wù)維度積分研判分析

基于大數(shù)據(jù)平臺(tái)的多業(yè)務(wù)維度車輛積分研判根據(jù)對(duì)車輛的出沒(méi)時(shí)間屬性、出沒(méi)卡口地點(diǎn)屬性、駕駛?cè)藛T違反行為信息、牌照歸屬地信息等多種有關(guān)車輛屬性進(jìn)行綜合考慮，引入一套關(guān)于車輛積分研判的方法，因此在對(duì)車輛信息進(jìn)行有針對(duì)性地研判時(shí)帶來(lái)一種全新的體驗(yàn)。同時(shí)為了滿足研判和預(yù)警實(shí)時(shí)性的要求，大數(shù)據(jù)采用spark流計(jì)算的方式保證車輛積分能夠?qū)崟r(shí)處理并將結(jié)果分發(fā)相關(guān)人員。