車輛大數(shù)據研判系統大數(shù)據時(shí)代“打防控”利器

• 2016/09/13

    随着社會及技術(shù)的發展，犯罪與反犯罪的較量更多、更集中地(dì)體現在科技手段的運用上(shàng)，鬥争的主動權更多、更集中地(dì)建立在對情報信息的掌握上(shàng)。

　　一(yī)、行(xíng)業發展趨勢

　　随着社會及技術(shù)的發展，犯罪與反犯罪的較量更多、更集中地(dì)體現在科技手段的運用上(shàng)，鬥争的主動權更多、更集中地(dì)建立在對情報信息的掌握上(shàng)。

　　目前公安部對于重點人(rén)員(yuán)已經形成了(le)成熟的部、省、市三級的情報預警平台以及豐富的技戰法，但(dàn)是考慮到所有發生的案件中有50%左右都(dōu)是涉車涉駕的案件（如(rú)圖1所示），因此對于車輛的防控需要(yào)思考以下(xià)兩個問(wèn)題：

　　圖1涉車涉駕案件

　　（1）如(rú)何對社會上(shàng)的高危車輛進行(xíng)有效的預警防控？優化警力部署，進行(xíng)有針對性的車輛排查？（治安事前防控）

　　（2）面對大量的涉車涉駕案件，如(rú)何更有效地(dì)鎖定嫌疑車輛，提高刑事偵查效能(néng)？（事後案件偵查）

　 　目前平安城市建設從(cóng)最初的點位建設到這(zhè)幾年(nián)的資源整合，系統已經掌握了(le)大量的車輛卡口數(shù)據和(hé)視(shì)頻(pín)圖片，但(dàn)是現有的應用基本上(shàng)還停留在簡單的過車記錄查詢 上(shàng)。如(rú)何進一(yī)步使用和(hé)運用如(rú)此海(hǎi)量的卡口數(shù)據和(hé)圖片為(wèi)情報、刑偵、治安、技偵等不同警種服務，同時(shí)結合聯機分析公安網上(shàng)大量業務數(shù)據信息，提供更加豐富以 及實用的大數(shù)據“車輛防控”實戰應用技術(shù)，有效挖據視(shì)圖信息價值，将是平安城市下(xià)一(yī)建設階段面臨的主要(yào)需求。

　　另外(wài)，面對日益爆 炸的視(shì)圖大數(shù)據趨勢（在某地(dì)市級的智能(néng)交通(tōng)項目中，系統需要(yào)處理百億級别的卡口數(shù)據體量），當前各地(dì)警務雲平台的建設開(kāi)始進入一(yī)個急速的窗口期——海(hǎi)量的 非結構化視(shì)頻(pín)、圖片數(shù)據、繁多的數(shù)據種類、PB級的數(shù)據量、快(kuài)速的數(shù)據更新處理需求——需要(yào)設計以雲計算和(hé)雲存儲為(wèi)核心的視(shì)圖大數(shù)據平台來處理海(hǎi)量數(shù)據， 對上(shàng)層業務應用系統提供大數(shù)據服務支撐。

　　本文結合多個項目實際方案設計和(hé)建設情況，設計了(le)一(yī)套先進的視(shì)圖警務大數(shù)據平台架構，下(xià)文将詳細介紹基于此大數(shù)據平台的車輛大數(shù)據分析業務功能(néng)。

　　二、視(shì)圖警務雲平台系統結構

　　視(shì)圖警務雲平台基于雲計算架構進行(xíng)建設，是上(shàng)層大數(shù)據業務應用的基礎，技術(shù)框架如(rú)圖2所示。整體架構提供了(le)底層的大數(shù)據平台、上(shàng)層的行(xíng)業應用以及中間(jiān)的各類公共服務層。

　　圖2 視(shì)圖警務雲平台系統架構

　　1.大數(shù)據基礎平台服務層

　　大數(shù)據基礎平台服務層整體上(shàng)采用主流的雲計算框架，使用hadoop的Map/Reduce批處理框架和(hé)Storm流式計算框架，提供基礎的分布式計算調用模型。

　　計算和(hé)存儲虛拟機化基礎：平台可(kě)支持主流的kvm、xen、vmware虛拟機技術(shù)，提供虛拟機應用。

　　雲存儲子系統：采用主流分布式文件系統，支持視(shì)頻(pín)、圖片和(hé)文檔的統一(yī)存儲和(hé)管理，提供了(le)高可(kě)靠和(hé)高性能(néng)的基礎雲存儲系統，在本次建設中用于存儲海(hǎi)量的卡口過車圖片。

　　流式計算：基于主流的流式計算（storm）架構，提供實時(shí)的流數(shù)據處理，在本項目中可(kě)用于支持車輛實時(shí)報警\預警\和(hé)數(shù)據實時(shí)分析研判、實時(shí)價值挖掘等實時(shí)性要(yào)求較高的業務。

　　分布式數(shù)據庫+檢索引擎：通(tōng)過分布式數(shù)據HBASE架構實現了(le)數(shù)據庫的橫向擴展和(hé)容錯，解決了(le)傳統數(shù)據庫擴展難的問(wèn)題，可(kě)支持百億級卡口數(shù)據體量。結合基于slor的數(shù)據庫全文檢索引擎，可(kě)提供精确/模糊的秒級查詢能(néng)力。

　 　Map/Reduce批處理計算：批處理計算框架MapReduce可(kě)以充分利用集群資源，進行(xíng)大數(shù)據量的并行(xíng)計算分析。在本項目中使用map /reduce架構對海(hǎi)量卡口圖片進行(xíng)結構化分析，提取車标、車系、車輛特征值等信息用于車輛套牌分析研判；通(tōng)過雲計算的離線計算框架，采用圖像算法，快(kuài) 速将非結構化數(shù)據結構化，并存儲在分布式數(shù)據庫中。

　　2.警務視(shì)圖業務大數(shù)據服務層

　　和(hé)傳統的IT廠家 大數(shù)據解決方案不同，在大華方案中，通(tōng)過将底層hadoop大數(shù)據平台進行(xíng)封裝的方式，直接給上(shàng)層業務提供和(hé)警務業務強相關的大數(shù)據服務應用接口——如(rú)人(rén) 臉大庫檢索、車輛大庫檢索、智能(néng)分析等業務服務層接口，上(shàng)層警務應用系統可(kě)進行(xíng)快(kuài)速的應用開(kāi)發和(hé)部署。

　　3.視(shì)圖雲平台的車輛大數(shù)據應用系統ABDS

　　車輛大數(shù)據積分預警系統ABDS（如(rú)圖3所示）基于視(shì)圖警務大數(shù)據平台，是整體方案的業務部分。

　     　圖3 車輛大數(shù)據應用系統ABDS

　　ABDS系統彙聚海(hǎi)量卡口數(shù)據，并大量采集利用全國(guó)公安機關的網上(shàng)警務綜合信息，使用大數(shù)據平台能(néng)力對車輛、車主、關系人(rén)屬性構建數(shù)據關系網進行(xíng)深度分布式的數(shù)據挖掘分析，并根據上(shàng)訴設定的規則篩選出高危車輛，進行(xíng)實時(shí)預警和(hé)情報推送。

　 　另一(yī)方面，除了(le)分析車輛過車記錄之外(wài)，車輛大數(shù)據積分預警系統使用大數(shù)據圖像處理引擎，實時(shí)處理海(hǎi)量的卡口過車圖片這(zhè)種非結構化數(shù)據（strom架構處 理，每秒并發分析1000張圖片，性能(néng)可(kě)線性擴展）對車輛圖片進行(xíng)智能(néng)分析之後，ABDS系統提取車标、車系、年(nián)款等關鍵信息，提供對套牌車、假牌車分析 的有力比對特征；形成車輛特征向量，支持對海(hǎi)量卡口圖片的以圖搜圖查找，快(kuài)速定位目标相似車輛、而不受套牌和(hé)假牌的影響。

　　三、車輛大數(shù)據研判系統的主要(yào)功能(néng)

　　車輛大數(shù)據應用系統的設計主要(yào)遵循“數(shù)據導防—數(shù)據導控—數(shù)據導偵”的原則，下(xià)文将重點介紹該系統的具體業務功能(néng)和(hé)案例實戰應用成效。

　　車輛大數(shù)據積分預警系統利用全國(guó)公安網上(shàng)綜合信息，結合卡口的過車記錄，在視(shì)圖警務雲架構之上(shàng)，構建車輛大數(shù)據積分預警模型進行(xíng)數(shù)據挖據和(hé)積分運算。

　 　系統可(kě)以給公安偵查辦案以及打防控預警等工(gōng)作(zuò)提供相關的情報線索和(hé)數(shù)據支撐，并可(kě)以進一(yī)步開(kāi)放通(tōng)用的車輛分析預警功能(néng)支持不同警種的應用服務。情報/刑 偵/治安等使用單位通(tōng)過系統可(kě)發現高危車輛情報信息後，再下(xià)發給轄區(qū)派出所、警務站、攔截站、指揮中心、其他(tā)警種（如(rú)交警）等進行(xíng)落地(dì)經營、核查攔截，如(rú) 圖4所示。

　              　圖4 車輛大數(shù)據應用系統

　　車輛大數(shù)據積分預警系統通(tōng)過采集利用全國(guó)公安機關的網上(shàng)綜合信息（8大庫為(wèi)主，再加上(shàng)一(yī)些地(dì)方的業務數(shù)據），使用基于“車<->人(rén)<->關系人(rén)”的綜合數(shù)據模型（如(rú)圖5所示），主要(yào)包括以下(xià)四大方面：

　　（1）車輛基本屬性規則：自(zì)動判斷是否是盜搶車輛、高位地(dì)區(qū)車輛、租賃公司車輛、非法運營車輛等多種條件。

　　（2）車輛行(xíng)為(wèi)基本規則：自(zì)動判斷是否是首次出現車輛、重點高位區(qū)域出現車輛、淩晨和(hé)深夜等高危時(shí)間(jiān)段出現的車輛等多種條件。

　　（3）車主基本屬性規則：自(zì)動判斷是否是吸毒人(rén)員(yuán)、一(yī)般高位地(dì)區(qū)人(rén)員(yuán)、特殊高位地(dì)區(qū)人(rén)員(yuán)、前科人(rén)員(yuán)、在逃人(rén)員(yuán)、盜搶騙人(rén)員(yuán)等多種條件。

　　（4）車主的關系人(rén)基本屬性規則：自(zì)動判斷是否是關系人(rén)在逃、關系人(rén)為(wèi)盜搶騙人(rén)員(yuán)、關系人(rén)為(wèi)前科人(rén)員(yuán)等多種條件。

　　系統對車輛、車主、關系人(rén)屬性構建數(shù)據關系網進行(xíng)深度智能(néng)分析，并根據上(shàng)述設定的規則進行(xíng)積分研判。

　 　圖5 大數(shù)據積分預警模型

　　系統通(tōng)過數(shù)據分析研判之後，在界面上(shàng)提供用戶以下(xià)基礎功能(néng)：

　　（1）研判結果查看(kàn)：實時(shí)了(le)解高危車輛信息和(hé)詳細的研判信息，鎖定重點目标。

　　（2）研判信息綜合查詢：根據案件、專項行(xíng)動要(yào)求，綜合不同條件來查詢曆史研判記錄、車輛記錄、車主記錄，形成分析案件的綜合技戰法。

　　（3）實時(shí)預警車輛報送：當滿足爆表條件時(shí)（如(rú)盜搶車輛、假牌車等），系統可(kě)聯動短信、LED屏、客戶端彈出窗口等多種方式進行(xíng)實時(shí)報警，并可(kě)将車輛預警信息推送至指揮中心、攔截站派出所、警務站，通(tōng)知進行(xíng)及時(shí)攔截排查。

　　（4）治安态勢研判：通(tōng)過定時(shí)分析統計高危車輛出沒和(hé)分布情況，可(kě)對各區(qū)域治安态勢形成研判依據（如(rú)了(le)解前科人(rén)員(yuán)、涉毒人(rén)員(yuán)的出沒情況）。

　 　（5）車輛圖片二次智能(néng)分析功能(néng)：通(tōng)過大數(shù)據平台和(hé)先進車輛圖像分析算法，系統對海(hǎi)量卡口圖片進行(xíng)實時(shí)二次識别，有效提取車标、車系、年(nián)款等信息，聯合 公安車輛登記數(shù)據，對套牌車、假牌車進行(xíng)有效預警，大大改善了(le)由于現有前端卡口由于品牌不一(yī)造成的智能(néng)分析能(néng)力弱的局限性。

　　四、系統實戰效能(néng)及應用分析

　　下(xià)文将介紹該系統在浙江甯波某縣級市（F市）的成功實戰應用情況。

　　目前，F市前端卡口有公安卡口和(hé)交警卡口兩部分，車輛大數(shù)據應用系統目前整合了(le)公安的卡口數(shù)據和(hé)部分交警卡口數(shù)據，目前平均每天處理過車數(shù)據130w左右。

　　1.實戰應用1——日常治安防控

　           　圖6 F市日常治安防控效果

　 　通(tōng)過該系統在F市日常治安防控中的應用，平均每月積分“爆表”預警直接發現逃犯車輛10輛，直接發現有效盜搶車輛10輛；了(le)解統計高危人(rén)員(yuán)如(rú)涉毒人(rén)員(yuán)、 前科人(rén)員(yuán)、盜搶騙人(rén)員(yuán)、高危地(dì)區(qū)人(rén)員(yuán)、敏感關系人(rén)、七類重點人(rén)員(yuán)在本地(dì)區(qū)出沒和(hé)活動情況，形成治安态勢研判重要(yào)依據，如(rú)圖6、圖7所示。

 　圖7 F市涉毒人(rén)員(yuán)車輛動态分布信息

　　2.實戰應用2——找假牌、抓套牌

　　?找假牌：對于每條過車記錄，系統都(dōu)會根據車牌号去和(hé)車管所登記信息進行(xíng)比對，若沒有命中，則在并結合卡口識别正确率因素進行(xíng)綜合的研判分析。對于同一(yī)個車牌，若有當天多次沒有命中記錄，則假牌概率增高，進行(xíng)推送預警。

　　?抓套牌：對于每張過車圖片，大數(shù)據平台會實時(shí)分析，提取車輛的車型、車系、年(nián)款等信息，拉取車管所信息進行(xíng)比對，若比對沒有命中，則進行(xíng)套牌嫌疑車輛推送預警。

　　目前采用大華先進的圖像智能(néng)分析算法，在普通(tōng)環境下(xià)，車系等關鍵信息識别能(néng)達到95%準确率。

　　3.實戰應用3——由車到案

　　對于情報等警種，可(kě)每天定時(shí)分析系統分析推送的高危車輛信息，對于可(kě)疑車輛可(kě)進行(xíng)“由車到案”研判分析流程，如(rú)圖8所示。

　　圖8車輛大數(shù)據分析——由車到案應用戰法流程

　　F市情報部門采用“由車到案”技戰法，每天會做(zuò)以下(xià)工(gōng)作(zuò)：

　　（1）重點分析大數(shù)據系統推送的“淩晨時(shí)間(jiān)出現車輛，深夜入城、臨晨4、5點出城車輛”規則符合車輛。

　　（2）獲取車輛車輛列表後，進一(yī)步分析關注車輛圖片和(hé)聯動視(shì)頻(pín)。

　　（3）發現異常車輛，如(rú)偷盜花木、車頭裝有花木、車內(nèi)異常等。

　　（4）進一(yī)步在系統中查看(kàn)車主信息、車輛軌迹、落腳點等信息，并将嫌犯一(yī)網打盡。

　　4.實戰應用4——由案到車

　　對于刑偵/治安等警種，當發生案事件時(shí)，可(kě)以根據案件相關車輛初步側寫，然後進入車輛大數(shù)據系統進行(xíng)“由案到車”的研判分析流程，如(rú)圖9所示。

圖9 車輛大數(shù)據分析-由案到車應用戰法流程

　　F市刑偵/治安部門采用“由案到車”技戰法，每天會做(zuò)以下(xià)工(gōng)作(zuò)：

　　（1）接到報案，某小區(qū)發生入室盜搶案（或者其他(tā)很(hěn)有可(kě)能(néng)需要(yào)用到車輛的案件）。

　　（2）電子地(dì)圖上(shàng)框選小區(qū)周邊範圍，輸入案發大概時(shí)間(jiān)點。

　　（3）直接檢索該時(shí)間(jiān)段、該地(dì)點段所有異常車輛（異常車輛包括租賃車輛、前科車輛、高危地(dì)區(qū)車輛及首次或極少(shǎo)出現車輛）。

　　（4）人(rén)工(gōng)分析結果，鎖定嫌疑車輛。在車輛大數(shù)據系統上(shàng)分析該時(shí)間(jiān)段，該地(dì)點段所有過車數(shù)據，具體包括：車輛屬性、車牌、車主、首次出現時(shí)間(jiān)、出現頻(pín)率、異常屬性、時(shí)間(jiān)屬性、出現地(dì)點次數(shù)、旅館住宿信息及高速路口信息。

　　（5）根據車主前科信息、關系人(rén)、名下(xià)車輛、活動軌迹、手機通(tōng)話記錄等跟蹤分析，一(yī)網打盡。

　　5.實戰應用5——專項活動

　　在重大活動之前、節日之前或進入炎炎夏日，則治安部門可(kě)以通(tōng)過大數(shù)據車輛分析系統進行(xíng)專項活動，獲取目标車輛列表，并部署警力進行(xíng)集中排查和(hé)打擊，如(rú)：①炎炎夏日——打擊流氓，②嚴打運動——打擊排查高危戶籍，③五一(yī)、國(guó)慶節假日——查毒駕專項活動。

圖10 車輛大數(shù)據分析——專項活動抓毒駕

　　F市某專項行(xíng)動之——查毒駕

　　（1）查詢當天所有吸販毒前科人(rén)員(yuán)或關系人(rén)為(wèi)吸販毒人(rén)員(yuán)的車輛活動情況，如(rú)圖10所示。

　　（2）分析車輛軌迹，結合人(rén)員(yuán)住所，找出車輛當天落腳點，是否在周邊酒吧娛樂(yuè)場所。

　　（3）有針對性地(dì)設卡攔截。

　　（4）開(kāi)展專項打擊行(xíng)動（高效，針對性強，節省警力部署）。

　　F市某專項行(xíng)動之——繳刀行(xíng)動

　　（1）在重點區(qū)域如(rú)旅遊景點、娛樂(yuè)場所、進出城收費(fèi)站等設置卡點。

　　（2）針對所有有前科人(rén)員(yuán)的車輛以及租賃車輛進行(xíng)攔截盤查。

　　（3）後備箱、座墊下(xià)等地(dì)方檢查撬棍、手套、管制刀具、槍支等危險物(wù)品。

　　五、結語

　 　視(shì)頻(pín)圖像數(shù)據作(zuò)為(wèi)非結構化數(shù)據，隻有實現結構化處理，才能(néng)将其中有價值的信息直觀、高效地(dì)提供給各個業務需求部門。而針對城市的車輛防控，當前卡口系統 主要(yào)通(tōng)過車牌進行(xíng)車輛識别，并以車牌為(wèi)檢索條件，實現從(cóng)海(hǎi)量過車圖片中查找目标車輛。然而一(yī)旦有經驗的犯罪嫌疑人(rén)使用假牌、套牌，或進行(xíng)車牌遮擋、摘掉 等，常規僅能(néng)識别車牌的系統就難以繼續獲取目标車輛的動态信息，遇到該類案情，目前通(tōng)常隻能(néng)依據車輛本身固有和(hé)難以更改的信息，如(rú)品牌、型号、顔色等從(cóng)海(hǎi) 量過車視(shì)頻(pín)圖像中依靠人(rén)工(gōng)進行(xíng)查找和(hé)識别目标車輛。

　　因此我們将以過車數(shù)據和(hé)車輛圖片為(wèi)主線，通(tōng)過對車輛圖片進行(xíng)二次識别獲取結 構化信息，并聯動公安網上(shàng)業務數(shù)據（如(rú)人(rén)口庫、車輛登記庫、盜搶車輛庫、前科犯罪人(rén)員(yuán)庫等）進行(xíng)車輛、人(rén)員(yuán)、案件、物(wù)品、現場勘查、電磁軌迹及社會資源數(shù) 據的關聯串并和(hé)碰撞比對，對高危車輛進行(xíng)深度數(shù)據挖據，進一(yī)步放大和(hé)倍增數(shù)據價值，服務警務實戰，提高城市公共安全服務水平。