车辆大数据解决方案

2023年12月18日发(作者：今日油价92汽油)

车辆大数据应用解决方案

第1章

1.1

1.2

1.3

第2章

2.1

2.2

2.3

2.4

第3章

3.1

3.2

3.3

第4章

4.1

4.2

背景简介 ....................................................................................................................... 4

建设目标 ....................................................................................................................... 5

设计原则 ....................................................................................................................... 6

系统总体设计 ............................................................................................................... 8

系统架构 ....................................................................................................................... 8

逻辑架构 ....................................................................................................................... 9

关键技术 ..................................................................................................................... 10

方案特点 ..................................................................................................................... 13

前端防控设计 ............................................................................................................. 15

布点设计概述 ............................................................................................................. 15

全城预警、立体防控-道路卡口设计 ........................................................................ 15

社区预警、瓮中捉鳖-小区出入口设计 .................................................................... 18

大数据研判应用设计 ................................................................................................. 19

大数据研判门户 ......................................................................................................... 20

车辆研判分析 ............................................................................................................. 21

分析模型 ......................................................................................................... 21

研判查询 ......................................................................................................... 24

一车一档 ......................................................................................................... 25

可信车辆 ......................................................................................................... 26

租赁车辆 ......................................................................................................... 26

高危实时预警 ............................................................................................................. 27

高危研判报告 ............................................................................................................. 29

多维特征检索 ............................................................................................................. 29

多维数据碰撞 ............................................................................................................. 32

多维稽查布控 ............................................................................................................. 34

大数据技战法 ............................................................................................................. 35

数据深度挖掘 ............................................................................................................. 39

统计分析应用 ......................................................................................................... 39

公共信息应用 ............................................................................................................. 42

电子地图应用 ......................................................................................................... 42

系统配置管理 ......................................................................................................... 43

系统配置 ......................................................................................................... 43

积分规则配置 ................................................................................................. 43

业务扩展应用 ......................................................................................................... 44

大数据计算框架设计 ................................................................................................. 45

大数据实时计算技术 ................................................................................................. 45

大数据检索引擎 ......................................................................................................... 46

车辆图片云存储 ......................................................................................................... 47

系统部署介绍 ............................................................................................................. 49

按规模部署方案 ......................................................................................................... 49

中小规模部署方案（卡口记录<150W/日） ................................................ 49

4.3

4.4

4.5

4.6

4.7

4.8

4.9

4.10

4.11

4.12

4.13

4.14

第5章

5.1

5.2

5.3

第6章

6.1

6.2

6.3

6.4

6.5

6.6

第7章

第8章

大规模部署方案（卡口记录>=150W/日） .................................................. 50

地市级局点部署方案 ................................................................................................. 51

部署模式1 ...................................................................................................... 51

部署模式2 ...................................................................................................... 52

单机版应用场景 ......................................................................................................... 53

网络环境 ..................................................................................................................... 53

已建卡口平台在公安内网 ............................................................................. 54

已建卡口平台在视频专网 ............................................................................. 54

对接说明 ..................................................................................................................... 55

公安系统对接 ................................................................................................. 55

大华卡口平台 ................................................................................................. 56

第三方卡口平台 ............................................................................................. 56

规格说明 ..................................................................................................................... 57

设备产品介绍 ................................................................................错误!未定义书签。

附件文档 ........................................................................................错误!未定义书签。

第1章背景简介

1.1 背景简介

图 1涉车涉驾案件

犯罪与反犯罪的较量更多、更集中地体现在科技手段的运用上，斗争的主动权更多、更集中地建立在对情报和数据的掌握上。目前公安部对于重点人员，已经形成了成熟的部、省、市三级的情报预警平台以及丰富的技战法，但是所有发生的案件中有50%左右都是涉车涉驾的案件，我们需要思考两个问题：

1.如何对社会上的高危车辆进行有效的预警防控？优化警力部署，进行有针对性的车辆排查？

2.面对大量的涉车涉驾案件，如何从有效的锁定嫌疑车辆，提高刑事侦查效能？

平安城市建设从最初的点位建设到这几年的资源整合，系统已经掌握了大量的车辆卡口数据和价值图片，但是现有的应用基本还停留在简单的过车记录查询上；如何进一步使用和运用如此海量的卡口数据为情报、刑侦、治安、技侦等不同警种服务，如何提供更加丰富以及实用的“车辆防控”应用，变“事后被动侦查”到“事前主动预警”将是平安城市下一建设阶段面临的主要需求。

另一方面，视频图像数据作为非结构化数据，只有实现结构化处理，才能将其中有价值的信息直观、高效的提供给各个业务需求部门。而当前卡口系统主要依赖车牌进行车辆识别，在海量过车图片中查找目标车辆。然而一旦有经验的犯罪嫌疑人或交通肇事者使用假牌、套牌，或进行车牌遮挡、摘掉等，仅仅通过车牌就难以继续获取目标车辆的动态信息。遇到该类案情，目前通常只能依据车辆本身固有和难以更改的信息，如品牌、型号、颜色等从海量过车视频图像中依靠

人工进行查找和识别目标车辆。

而在一线警力有限的情况下，面对海量的记录和图片，将难以及时查找到有价值的线索，即使出动大量警力，采用“人海战术”-但受制于肉眼识别劳动强度的极限，再加上车型种类繁多、拍摄光线、角度倾斜等不确定因素影响，无法保证查找的准确性和时效性，尤其出现突发紧急案件时，往往会贻误最佳破案时机。

因此公安迫切需要对车辆图片进行深度的特征结构化分析，破解传统单纯依靠车牌进行分析研判的难题。

1.2 建设目标

车辆大数据应用系统建设将以过车数据和车辆图片为主线，并联动公安网上业务数据（如-人口库、车辆登记库、盗抢车辆库、前科犯罪人员库等）进行车辆、人员、案件、现场勘查、电磁轨迹及社会资源数据的关联串并和碰撞比对，对高危车辆进行深度数据挖据，进一步放大和倍增数据价值，服务警务实战，提高城市公共安全服务水平。

车辆大数据系统可以实现以下业务目标：

1.和已建/新建卡口系统无缝对接，实时读取卡口过车数据和车辆图片，进行过车信息大数据分析和图片车型二次识别。通过结合卡口数据和公安信息网数据的碰撞分析和深度挖掘，系统可以实时更新高危车辆积分预警排名，公安可进行查阅和进一步处理；

2.发生案件后，公安部门可以结合车辆大数据应用系统中积累的车辆属性信息（车辆属性、车辆行为轨迹、车主属性、关系人属性）和各个过车的车型研判信息，排除假牌、套牌、号牌污损等常见手段的干扰，再结合案件相关区域等信息，使用车辆技战法层层过滤嫌疑车辆，进行有的放矢针对性排查。

3.情报和治安部门可以每天定时查看当天积分研判结果，及时了解当地高位车辆，了解当地盗抢车辆和在逃人员等出没信息进行综合治安态势研判，为“打防控”提供强大的利器，有效促进当地治安环境的和谐稳定；

1.3 设计原则

结合当前技术发展状况及趋势，在系统的设计过程中我们严格遵循以下原则：

1.经济性

充分利用成熟先进技术，以云计算和分布式技术为整体架构基础，保证整体系统的高性价比；软件符合管理需要，界面友好、易维护，整个系统易用、实用。

2.可靠性

系统最大限度集成国内先进的技术及组件，采用成熟技术以降低系统的不稳定因素；对系统中的硬件、操作系统、网络、数据库部分设计尽可能详尽的故障处理方案，以保证系统的快速恢复性；系统采用容错技术提高系统的可靠性。

3.先进性

在系统可靠性的前提下，先进性也至关重要，系统的网络平台、硬件平台、系统软件平台技术代表了当今计算机技术发展的方向，并经实践证明具有很强的实用性，符合当今计算机科学的发展潮流。

系统各平台提供二次开发接口，可以保证各项技术可以不断的更新和升级以维持系统的先进性。

4.安全性

系统具有防计算机病毒的能力，有较强的抗干扰能力，具有密码、日记记录操作动作等，避免出现遭到恶意攻击和数据被非法提取使用的现象，保障了系统网络的安全。

5.可扩展性

在系统软硬件上的设计和选型上，我们充分考虑其可扩展性，系统结构易于扩充，以适应今后可能出现的更大任务负载。硬件平台具有可升级性，当需要时可以增加新的计算机设备同原有计算机设备一起工作以提高系统的处理能力，保证原有资源的充分利用。

6.规范性

由于本系统是一个严格的综合性系统，在系统的设计与施工过程中我们参考各方面的标准与规范，严格遵从各项技术规定，做好系统的标准化设计与施工。一切从实际出发，使智能系统具有较高的实用效能。

7.易维护性

采用业内通用的易于维护的系统平台；应用软件界面友好，安装、使用、维护简单便捷；业务流程清晰，符合常规业务处理习惯；系统数据维护方便，备份及数据恢复快速简单；系统软件配置简单方便，尽量避免复杂的系统配置文件。

第2章系统总体设计

2.1 系统架构

车辆大数据研判系统分布式检索集群DSEOrale数据库车型特征研判结果查询业务Web服务客户端用户实时研判结果车型识别业务消息数据研判业务消息对接代理集群接口公安信息资源库服务接口+消息队列业务集群节点车辆图片等过车记录图片存储卡口汇聚平台

图车辆大数据研判-系统架构

系统架构说明：

? 卡口汇聚平台：已建平安城市系统的卡口平台，负责向车辆大数据研判系统提供车辆图片和过车记录数据；

? 业务集群系统

1.车辆大数据业务处理集群-核心业务模块集群，集成车辆图片二次分析&&和数据业务分析功能于一体，主要包含：1.）车型识别业务集群--采用storm流式架构技术实现海量图片的实时二次识别；2.）数据研判业务集群-实现车辆大数据积分分析集群功能，采用storm架构；并可根据系统的规模，进行线性敏捷的业务扩容；3.）对接代理集群（可选）-负责和公安信息资源库对接获取业务数据，当日过车>500万图片规模数据时建议配置,适合于超大规模部署；

2.分布式检索服务集群（可选）DSE-基于spark+solr技术，负责进行车型/车牌检索的海量索引存储和检索加速，并对业务系统提供基于Restful API等开放接口的服务-属于可选模块，当日过车超过150万图片规模数据时建议配置；

? 公安信息资源库：公安服务资源库，通常是省厅级或者公安部级，提供“人-车-关系人”综合研判数据，供数据研判分析集群使用；

? 关系型数据库系统（如oracle）：负责高事务性需求的数据（如oracle数据库），并提供相应的业务访问接口，在本系统建设中，对于车辆特征数据的持久化以及一些系统配置相关数据的保存就需要配置关系型数据系统，另外关注型数据库也可以很好的适配一些遗留系统的需求；

? Web应用服务：Web应用服务器，供客户端访问车辆大数据系统的各项业务功能；

? 图片存储系统（可选）：当需要在车辆大数据系统中对卡口图片进行专门保存时，根据系统不同的规模可以考虑本地单机存储或者采用专业的云存储系统对图片进行保存；

2.2 逻辑架构

车辆大数据系统围绕公安实战需求，利用大数据分析技术、深度学习和模式识别技术、分布式集群计算与实时搜索引擎技术、海量数据挖掘技术，实现对视频监控图像（以车辆图片应用为主）的结构化提取分析，便于实时搜索查找和联网共享。系统建成后，能够与目前公安网内各类警务信息系统实现对接，交互各类型信息资源，实现数据信息关联和碰撞串并分析。

车辆大数据业务应用大数据分析深度应用综合稽查布控图片分析深度应用数据统计分析高危车辆预警研判车辆深度技战法车辆综合查询…...车辆大数据分析平台层服务第三方应用系统公安信息资源库车辆大数据服务平台海量实时业务处理单元图片二次识别分布式集群分布式检索服务过车记录分析集群海量图片存储、海量分析数据存储第三方数据资源库信息安全保障运维管理体系

卡口平台对接层海量卡口数据前端接入层治安卡口电子警察卡口平台(大华or第三方)……海量卡口数据前端接入层治安卡口电子警察卡口平台(大华or第三方)

图系统逻辑架构图

系统可以给“公安侦查办案”以及“打防控预警”等工作提供相关的情报线索和数据支撑，并可以进一步开放通用的车辆大数据平台功能支持不同警种和不同应用系统的需求；情报/刑侦/治安等使用单位通过系统可发现高危车辆情报信息后，再下发给辖区派出所、警务站、拦截站、指挥中心、其它警种（如交警）等进行落地经营、核查拦截。

2.3 关键技术

关键技术1：车辆大数据分析实时预警

车辆大数据积分预警功能以公安实战应用为核心，创新实战技战法，解决平安城市海量过车记录难以针对性挖掘应用于实战的问题。

系统通过独创大数据研判模型，可将“车辆、车主、车主关系人、车辆行为事件”的特征、行为信息与公安信息资源库&&高危车辆库自动比对，对发现的异常和可疑行为进行实时预警和布控，实现由“案后被动侦控”向“案前主动查缉”的创新转变。

图独创车辆大数据分析模型

系统依托海量数据智能挖掘技术和大数据分析算法，系统可整合道路卡口/电警图片视频资源、治安监控、公安信息库（如人员信息库、车辆盗抢库、车架管库、六合一系统等）、社会资源信息、互联网高价值信息等，以过车数据为主线，实现车辆的行为轨迹与车辆属性信息、人员信息（车主&&关系人）、历史案件信息、物品等数据的关联挖掘，通过对关键情报的自动提取、检索和分析处理，高效实现对重点车辆、重点人员、敏感行为、特定时段与区域的实时预警和精准分析。依托数据研判，科学部署警力，及时预防和快速处理紧急异常和可疑情况。为反恐、维稳、打防、防范、等公安工作提供有力支撑。

关键技术2：车型（车脸）识别与局部特征检索

系统支持车型二次识别功能，通过本应用方案，可以将非结构化车辆图像数据，转化为可准确描述、理解、查询的结构化描述信息，破解了传统单纯依赖车牌或车标识别，难以准确、快速锁定目标车辆及人员的难题。

图车辆图片二次分析系统

1、品牌型号识别服务

对提交的图片中的车辆进行品牌型号的识别，识别结果包括厂家品牌（车标，如：本田）、车辆子型号（如：雅阁），能够区分出厂年份的款式还应该包括年份（如：2008款）。

2、车身颜色识别服务

对提交的图片中的车辆进行车身的颜色的识别，以判断其为黑、白、蓝、黄（橙）、绿、红（（粉、紫）、灰、青色中的哪一种。

3、车辆类型识别服务

对提交的图片中的车辆进行车辆类型的识别，以判断其为轿车、面包车、客车、货车、摩托车中的哪一种。

4、车辆信息比对服务

将图片中识别的信息，与通过车牌号从车管数据库中查询到的车辆信息进行比对，进行假牌、套牌可疑度评价。

在车型识别的基础上，即使目标车辆中途更换、篡改、遮挡、拆卸车牌，或使用假牌、套牌，系统也能够基于车辆局部特征唯一性进行分析、识别、提取，在短时间内锁定目标车辆。

5、车牌二次识别服务

支持对提交的图片中的车辆进行车牌颜色及车牌号的识别，可有效应对已建卡口相机车牌识别算法准确率低的问题，在后台进行二次识别，保证已建卡口系统能最大发挥实战价值。

关键技术3：现网系统无缝对接

方案可针对县级市、地级市等已建卡口系统的不同情况进行无缝部署和实战应用。

当新建车辆大数据系统时，无需更换现有前端设备，而是通过系统对不同主流卡口平台和设备的数据接入，实现大数据应用功能，从而避免了高投入建设和重复建设，实现已建系统的数据再增值应用。

关键技术4：分布式架构和云存储

根据县级、地市级等不同公安的数据处理规模和分析需求，利用分布式计算与云存储方案，可以弹性实时分析处理海量的过车记录和车辆图片，并将二次识别处理后的结构化数据存放入云存储系统，可有效避免存储系统出现单点故障，从而保障数据的安全性。

2.4 方案特点

1.高危车辆大数据预警

以车辆数据和车辆图片为主线，联动公安网上业务数据进行“车辆、车主、关系人、行为特征、案件及社会关系数据”，实现全方位的大数据关联串并和碰撞比对，对高危车辆进行深度挖掘预警，进一步放大和倍增数据价值，服务警务实战。

2.“X光式”的车辆特征扫描

超过120种品牌2100种车型的精准特征分析-车身颜色、车标、车型、款式、子型号、车牌、车检标、遮阳板、挂件、摆件等-进而实现真牌还原、原形毕露-有效破解传统单纯依赖车牌或车标识别追踪目标车辆的难题，车型算法准

确率在多次测试中效果第一。

3.层层过滤，轻松筛选嫌疑车辆

时间地点过滤+19项积分规则匹配+2100种车型特征比对+17类车辆技战法筛选+可信车辆过滤 ? 轻松助力客户在数以万计的茫茫车海中快速锁定目标车辆。

4.联动街警，闭环预警

高危车辆预警信息可瞬间直达街面相应警力终端APP，街警精准排查目标车辆，实现预警有效闭环处置。

5.大数据架构，无限扩展

Hadoop大数据架构，百亿级数据，秒级检索处理，规模可线性扩展，轻松满足业务爆炸性增长需求，永远不会推倒重来。

6.多维统计，二次应用

轻松打造城市海量车辆汇聚的数据仓库，可针对不同业务需求提供统计服务-可轻松掌握交通热点区域、高危车辆热点区域、高危人员活动态势、治安预警分布、车辆品牌统计分布等信息，为二次应用提供数据支撑；

7.已建系统无缝对接

无需改造已建卡口系统，对接卡口数据即可投入实战应用；

8.警企合作，深度实战

与宁波公安警企深度合作-共创大数据研判模型、落地实战半年多抓获嫌疑假牌车辆80辆、盗抢车辆108辆，抓获犯罪嫌疑人30多人，形成了数据导防、数据导侦、数据导控的业务新模式，真正做到“从实战中来、到实战中去”。

第3章前端防控设计

3.1 布点设计概述

规划和建设平安城市项目时，前端车辆抓拍点位的建设规划质量、成像效果等因素会直接影响后台车辆大数据研判系统的应用成效。

前端系统需要遵循以下设计原则：

1.道路按照“科学布局、围绕实战、建用结合”的方法，并根据城市地域特点和城市规划，通过治安卡口防控系统构建“外环”、“内环”、“中环”三层卡口防控体系，形成重要的包围圈；

2.加强对小区社区出入口、加油站、停车场出入口等重要社会面的车辆进出口点位进行覆盖，特别是覆盖治安状况较差的区域，形成封闭场所的车辆覆盖抓拍。可利用小区特有的地形封闭的特点，通过建设小区出入口抓拍单元，并在后台配合车辆大数据系统进行实时研判预警，形成 “瓮中捉鳖”的实战效果。

3.提高车辆抓拍图片的抓拍率和车牌识别的正确率，提高抓拍图片的质量；

4.形成对次干道、小路等部位的有效车辆抓拍监控，增加点位覆盖率；

3.2 全城预警、立体防控-道路卡口设计

通过治安卡口防控系统构建“外环”、“内环”、“中环”三层卡口防控体系：

第一道防线是市际防线，在城市外围与其他省、市相接壤的区域的国道线、省道线等交通道路上安装智能卡口摄像机；

第二道防线是主城区防线，在主城区边界以及边界以内的城市道路上安装双向道路智能卡口摄像机；

第三道防线是区县际防线，各区县行政区域边界主要出入道路口上安装智能卡口摄像机。

在道路条件允许的情况下，各地应在卡口点位附近配套建设视频监控点位，形成与机动车道同步的非机动车道、人行道视频记录，提高防线的完整性。

前端数据采集子系统对经过的所有车辆的综合信息进行采集，包括车辆特征照片、车牌号码与颜色、车身颜色、司乘人员面部特征等。并完成图片信息识别、车辆速度检测、超速判别、数据缓存以及通过网络向中心管理平台传送数据等功能。

针对治安卡口防控体系，有不同智能交通抓拍单元方案可供选择，详细描述可参考智能交通解决方案。

前端卡口建设的密度决定了车辆大数据系统分析结果的精细程度，而对于城市次干道、城市支路、乡镇道路及城乡结合部，这些地点的重要等级较低的区域，可以使用道路辅助卡口进行覆盖。

图道路辅助卡口应用点位场景

单套辅助卡口应实现对双向4车道及以下的道路进行高清视频监控的全覆盖；同时对临近辅助卡口的2个车道的机动车辆进行图片抓拍及特征提取；单向4车道的场景，建议采用2台或者多台辅助卡口单元。

图辅助卡口原理

方案示意图如上所示，橙色三角形区域为高清视频覆盖区域；橙色矩形区域为机动车牌识别区域，红色线为检测线，当机动车触碰到检测线时，系统会自动地抓拍图片，并对机动车的特征属性进行提取及视频标签的自动叠加。

前抓拍后抓拍

同时，也可以通过采用带有辅助卡口功能的球机，结合球机的预置位进行车牌抓拍和识别。

3.3 社区预警、瓮中捉鳖-小区出入口设计

随着机动车保有量持续增长，许多小区、大型企业、特定封闭区域都有对出入车辆管理的需求，针对目前小区等特定封闭区域监控所存在的管理效率低、登记信息容易丢失、后期查询困难、安全性差等问题，在出入口安装高清摄像机，抓拍进入或驶出小区的车辆图片并保存信息，同时对进行车牌识别，为治安刑事案件的侦破提供有效数据，提升公安部门对小区的社会治安掌控力度。

利用小区特有的地形封闭的特点，通过建设小区出入口抓拍单元，并在后台配合车辆大数据研判系统进行实时研判预警，可以形成非常好的“瓮中捉鳖”的实战效果-如：

当一辆盗抢车辆/高危人员车辆/假牌套牌车辆进入小区后，民警在指挥中心经过车辆分析研判，了解到此辆车的高危信息，则可以直接调动社区民警/保安/派出所警员进入小区对目标车辆和车主进行直接的拦截，比道路卡口能实现更好的围堵效果。

小区卡口布点需考虑小区出入口场景、公安需求和施工要求，主要有：停车场出入口、行人出入口、混合出入口。

同时做平安城市规划时，可以重点考虑治安形式较差的小区进行出入口车辆的抓拍和覆盖。

图小区卡口布点场景

第4章大数据研判应用设计

图车辆大数据应用系统

车辆大数据系统功能主要从以下3+1即-三大业务应用场景+一项扩展应用展开：

1. 事前防控-主要依赖车辆大数据积分研判预警功能，实现对高危车辆、套牌车辆、假牌车辆、高危人员、城市治安态势、社区治安态势等信息进行的实时预警和研判推送功能；

2. 事中控制-依赖车辆积分预警、车型布控报警等功能，在接受预警消息后，指挥中心/治安部门所能通过系统联动一线民警的指挥拦截防控功能；

3. 事后侦查-案事件发生后的侦查应用是公安重要的业务场景，当发生涉车涉驾案件后，可以通过1.）系统的车型二次识别功能，排除常见的假牌、套牌、无牌车的干扰，快速定位到目标车辆；2.）基于车牌和车型的技战法，对车辆的落脚点、同行车等进行分析；3.）通过积分预警分析积累的城市活动高危人员/车辆信息，进行综合研判；

4. 增值应用-车辆大数据系统积累的研判数据、车型数据、轨迹数据、过车数据、图片数据可以通过接口以服务的方式开放给第三方的警务应用，帮助交警/禁毒等其他业务部门实现增值应用；

本章后续部分将重点介绍系统的各项业务功能。

4.1 大数据研判门户

车辆大数据系统是平安城市产生的车辆数据的汇聚仓库，是一个典型的警务DT时代的数据平台，系统在首页可将汇聚的过车数据、图片数据、结构化分析数据等用户关心的统计分析结果进行定制展示，满足公安对城市治安态势的总体研判需求。

图车辆大数据系统门户-今日城市车辆预警概述

可对当天系统预警信息进行集中统计展示，用户可集中了解今日当地的高危车辆情况，支持两个维度：1.）四色预警-显示布控预警、红色预警、橙色预警、蓝色预警、一般预警等当天产生数量的统计展示，公安可进一步通过此类“四色预警”信息了解当地的治安态势情况；2.）预警类型-显示当天高危车辆预警类型统计信息-如当天首次入城车辆统计、前科人员出没车辆统计等等-可辅助公安制定进行针对性的打防控策略。

图车辆大数据系统门户-当天车辆品牌信息统计

同时在首页可支持定制一系列的细分统计视图、了解不同车型、品牌在当地的车辆活动统计情况，不同地点的过车辆统计、不同研判预警规则的高危车辆分布统计。

4.2 车辆研判分析

车辆大数据系统利用全国公安网上综合信息，结合卡口的过车记录，构建车辆大数据积分模型进行数据挖掘和分析，系统可以给公安侦查办案以及打防控预警等工作提供相关的情报线索和数据支撑。

分析模型

车辆大数据系统从“车辆、车主、车主关系人”三个维度分析研判。

图车辆积分研判模型

车辆维度模型-以车辆分析和车主分析为中心，通过公安信息网综合信息，以卡口数据为基础形成复杂的信息关系网进行数据碰撞形成产生积分规则模型，获取有价值的信息，主要依靠以下规则和属性进行积分研判：

1.车辆属性规则：盗抢车辆、一般高位地区车辆、特殊高位地区车辆、租赁公司车辆、非法运营车辆、假牌、套牌车辆、多次违章未处理车辆

2.车辆时空属性：首次出现、重点区域出现、凌晨出现、深夜出现、高危时间出现、高危地点出现、频繁进出城、全省高速轨迹信息

3.异常特征：白天放下遮阳板、描述不符、人员遮挡脸部

图车辆维度数据研判

人员维度模型：

1．人员属性：车主基本信息（确定是否高危地区）、是否在逃人员是否有犯罪前科、是否是打防控人员、是否是涉案人员、是否是盗抢骗人员、是否吸毒人员；

2．轨迹信息：旅馆+航班（确定活动轨迹）、暂住地址（确定落脚点）

图人员维度数据研判

关系人维度模型：

1.关系人界定：直系亲属、旅馆同房住宿（同伙嫌疑）、同航班（贩毒同伙嫌疑）、同暂住地（可确定落脚点）、同车违章处理人等；

2.关系人属性：是否在逃人员、是否盗抢骗人员、是否前科人员；

图关系人属性维度

研判查询

提供大数据研判结果查询入口，可对于单条信息显示抓拍车牌图片和高危积分以及研判规则匹配情况，并可关联电子地图显示研判位置。

同时可进一步显示高危车辆详细信息-展示车辆详细过车信息，车辆档案信息，车主信息，车主前科信息，过车轨迹信息等。

目前系统可支持的查询条件：时间范围，积分范围，车牌号码，高危类型，处理类型，排序，车主姓名，身份证号，车辆品牌等。

图每日车辆研判结果查询

一车一档

系统7×24小时不断运行，因此积累了大量在当地区域内活动的高危车辆和人员档案信息，公安可直接查询本地历史上活动的高危车辆的详细信息。

“一车一档”-输入车辆车牌号码后，可一键查询相关的车辆基本信息、车辆违章信息、车辆轨迹信息、被盗抢信息、车辆驾驶人基本信息、驾驶人前科信息等。

图一车一档查询

可信车辆

系统支持可通过批量方式和手动方式添加“安全”车辆到可信列表中，对于可信车辆系统将不进行车辆积分规则研判，以提高系统的分析效率，但是会对所有车辆图片进行车型二次分析，保证后续所有车辆的有效真牌还原。

另外系统支持批量通过智能出行分析方式，把当地城市中持续“朝九晚五”的车辆智能添加到可信车辆列表中，保留系统资源首先研判行为不规律的车辆。

图手动增加信任车辆

租赁车辆

很多犯罪分子都是基于租赁车辆来进行踩点等高危行动，因此系统可通过整合租赁车辆列表信息，对租赁车辆高危行为进行专项预警和排查。

图查询过车中的租赁车辆信息

4.3 高危实时预警

图基于电子地图的实时车辆预警

系统可将车辆、车主、车主关系人、车辆行为事件的特征、行为信息与公安信息资源库&&高危车辆侧写模型库自动比对，通过实时积分研判分析，并对发现

的异常和可疑车辆进行实时预警上报，实现由“事后被动侦控”向“事前主动查缉”的转变。

图了解车辆详细信息

重点车辆：通过预设值的车辆积分研判规则，通过对车辆实施积分计算达到红色积分底线（如积分达到120分判定为红色预警，100为橙色预警、80为蓝色预警、40为一般预警）的车辆信息详细展示。

对于系统经过积分研判产生的高危车辆或者手动布控车辆，系统自动进行预警，并在电子地图上通过图标闪烁的形式进行提醒。当点击单条报警记录后，系统自动在电子地图上生成车辆的轨迹路线，便于对车辆的运行状态进行实时把握。

布控预警：通过管理人员录入的稽查布控车辆信息产生的实时预警信息展示。

产生预警信息后，系统提供如下的预警处理功能，特别是通过手机APP联动界面警力进行对高危车辆的针对性拦截和排查，实现一次积分预警的有效闭环。

短信报警

客户端报警

车辆布控

手机APP预警

指定特定人员进行短信报警（需对接短信网关）

弹出客户端报警，或者网页上弹出提示框

联动平台进行车辆布控

联动手机定制APP进行预警

4.4 高危研判报告

通过车辆、人员、轨迹、积分规则等信息的综合研判后，可以对该车辆进行相应处理，比如可以对确定为高危车辆的进行布控、短信报警等操作。对于前端卡口车牌识别有误导致研判数据错误的，可以设置为无效数据，或者通过手动输入车牌号码进行重新验证。对于确认是没有问题的车辆，可以直接添加至信任库。还可以直接导出报表，方便向领导汇报工作。

报告内容包括车辆基本信息、人员基本信息、积分信息、轨迹信息、车辆图片等信息。

图高危车辆研判报告

4.5 多维特征检索

系统使用大数据图像处理引擎，实时分析海量卡口过车图片，提取车型、车系、年款等关键信息，形成车辆特征结构化描述，进而实现对海量车辆图片的“以图搜车、以车型搜车、以品牌搜车、以颜色搜车、以多维特征搜车”等丰富手段，帮助公安快速定位目标车辆、不受套牌、假牌、无牌、号牌污损等影响。

图车系（车型）识别和搜车功能

车辆图片二次识别应用介绍

在综合应用图片二次识别技术的基础上，即使目标车辆中途更换、篡改、遮挡、拆卸车牌，或使用假牌、套牌，系统也能够基于车辆局部特征唯一性进行分析、识别、提取，在短时间内锁定目标车辆。

按车型搜车：可使用品牌、型号、年款、时间、地点的任意范围进行组合搜索，支持精确车牌、模糊车牌以及无车牌的搜索。搜索时可指定时间范围，支持任意有效时间段的选择。根据业务的需求，在搜车时支持地理区域上的单个卡口、单个电警、多卡口、多电警的直接选择搜索，并且能支持在PGIS地图内进行任意范围、任意形状的区域选择进行搜索车辆；

按类别搜车：满足在任意时间段内进行单个类别、多个类别、某个类别下的多品牌或单个品牌的搜索，并且能支持PGIS地理信息系统的结合，实现局部地理区域范围内的车辆信息搜索；

按车牌搜车：满足根据已有车牌快速进行历史行车信息的搜索，在搜索时可限定地理范围及查询时间；

以图搜车：针对现有车型数量庞大人工难以全部识别的问题，满足根据车辆照片自动进行车辆信息数据的识别，支持一键上传照片并可快速识别车辆信息进而查找出该车辆的历史行车信息；

图以图搜车功能

按车辆局部特征搜车：满足在已有车辆照片情况下，依据照片上的车辆局部特征，如车辆内饰、年检标示、车头标示等局部的唯一特征进行快速分析，查找该车辆的行车信息；

无牌车查找：满足快速过滤显示无牌车信息，结合车系分析等可快速筛选显示可疑车辆；

图无牌车快速定位

4.6 多维数据碰撞

相对于传统卡口系统只能依靠车牌进行碰撞分析，车辆大数据系统支持多维度的碰撞分析，可在不同的时间和现场过滤筛选具有同一车型和局部特征等的车辆，进而排除假牌、套牌的干扰，获得可能作案的高危车辆影像信息。

图使用“车脸”进行时空碰撞-发现嫌疑车辆

目前可通过以下维度来碰撞过滤高危车辆（选定时间地点后）：

1.按照积分规则维度碰撞；

2.按照细分车型维度碰撞；

3.按照车辆类别维度碰撞；

4.按照车辆颜色维度碰撞；

5.按照车牌维度碰撞；

除了“车脸”特征，车辆大数据系统还可以基于高危车辆历史数据，可通过时间、地点、车辆积分规则、车型、类别、颜色等的多个维度，层层过滤海量过车数据，辅助民警快速缩小嫌疑车辆范围，进一步对高危车辆和人员分析挖掘，实现警力资源的精确投放，有效避免人海战术，打造情况导侦新局面。

通过大量数据的积累和变化规律进行深度的信息挖掘，系统可实现为第三方业务系统提供数据支持，帮助决策者和管理者提供有价值的线索信息，进行层层过滤式的嫌疑车辆挖掘。

图层层过滤式的嫌疑车辆挖掘技术

系统具体可支持以下排查方式：

时间地点过滤

通过案发地以及案发时间，当发生多个类似案件时还通过时间以及地点的碰撞分析，查找同时出现的嫌疑车辆。

积分规则过滤

通过19项积分规则，快速排查嫌疑车辆。比如，一般的盗窃案大多是惯犯所为而且一般发生在晚上，可以通过盗抢骗前科人员、夜间出现、首次入城等规则，过滤嫌疑车辆。

车型过滤

根据现场走访或者视频监控知道车辆的品牌、型号等信息后，可输入相关信息，比如大众-桑塔纳，快速过滤嫌疑车辆。

车辆类别过滤

根据现场调查或者视频监控知道车辆的类别后，可通过类别，比如面包车、皮卡、SUV等过滤嫌疑车辆。

车辆颜色过滤

根据现场走访或者视频监控知道车辆的颜色信息后，可指定车辆颜色，快速过滤嫌疑车辆。

安全车辆过滤

针对一些朝九晚五车辆、信任车辆、本地车辆等，可先排除嫌疑，缩小嫌疑车辆范围。

图层层过滤式的嫌疑车辆碰撞挖掘

4.7 多维稽查布控

图多维稽查布控管理-车辆类型布控

车辆大数据平台支持对于高危车辆的多维度稽查布控管理。

车牌精确布控：支持通过设定完整车牌信息、车型信息、布控时限、布控时段、预警方式、接收单位等信息完成布控单；

车牌模糊布控：支持通过设定车牌包含字符信息、车型信息、布控时限、布控时段、预警方式、接收单位等信息完成布控单；

车型布控：支持通过设定车型信息、布控时限、布控时段、预警方式、接收单位等信息完成布控单；

车辆类别布控：支持通过设定车辆类别信息、布控时限、布控时段、预警方式、接收单位等信息完成布控单；

布控实时预警：满足警务人员在线实时查看布控信息的需求，在出现符合布控条件的车辆时，支持弹出及声音警报；

布控审批：满足对使用者提交的布控单进行审批的功能，根据布控单的审批阶段及时在对应人员的账号下显示；

通过提交、初审批、终审的流程完成车辆布控，布控成功后在发现符合布控条件的车辆时将进行实时警报提示，便于快速进行涉案车辆的处理。

图布控预警信息

4.8 大数据技战法

车辆大数据应用系统有两大核心技术-1.）车辆大数据积分模型；2.）车辆特征二次识别技术（即车脸分析技术）；

基于以上两大技术，通过与公安的设计业务场景和实战需求的深度结合，系统提供了多种车辆大数据技战法供一线警员使用：

首次入城：

根据犯罪分子流窜作案的特性，对在某一时间段内首次进入城区的可疑车辆，作案可能性、嫌疑较大，需要进行重点监控。通过与车辆信息库、历史卡

口信息做比对，如果车辆是来自高危地区的首次出现的车辆，公安部门可提前预警,也适用于案发后对可疑车辆的排查。案发后，可以根据之前的首次出现时间，结合其他线索，排查可疑车辆，找到嫌疑车辆。

系统可进行日期、时间的选择，可灵活设置回溯时长进行分析，在分析结果中能查看车辆照片。支持但不限于固定车辆品牌、型号、年款、车牌信息、车辆类别、限定区域内初次入城车辆的分析；

套牌车筛选预警：

结合车型分析结果和车管所登记信息以及车型识别的置信度设置，能快速针对道路上的套牌车辆进行有效的套牌预警，同时可通过独有的置信度技术来提高套牌车预警的有效率；

置信度说明：

套牌车预警的逻辑是对车辆图片进行二次识别，获取车系品牌信息后，和车管所登记信息进行比对，判断是否存在套牌嫌疑。

置信度技术是对每一次车型识别算法的可信度的一个评估指标，如若本次识别的置信度是96，则表示系统认为本次车型识别运算的可靠程度很高，在进行套牌预警时，可以选择预警的置信度阈值，设定只有超过阈值时才进行车管所登记信息比对判断是否套牌，置信度阈值越高，误报会越少（当然相应的漏报会增加少许）。

使用置信度，可有效过滤由于车型识别算法原因造成的套牌车误报，有效提高预警的可信度和用户体验，是一项非常实用的技术。

假牌车筛选预警：

车辆号牌无法在车管所登记信息中找到的，系统自动判断为疑似假牌车，对于车牌识别错误的，可直接手工修改号码后进行二次研判，确保结果真实性；

落脚点分析：

满足依据车辆信息（包含但不限于）如车牌、车型等，在限定的时间范围内进行分析，展示车辆最大可能性落脚地点，在地图上进行位置标示。落脚点分析时，落脚时长的限定可灵活设置；

自定义碰撞：

满足根据设定的多个案件信息进行自定义碰撞分析，锁定嫌疑车辆范围；需支持实现多个案件信息的设定，每个案件信息都包含案件时间、案件地点、车辆信息等。

隐匿车辆挖掘：

犯罪车辆在作案前经常会有频繁的踩点活动、而在作案后经常会隐匿消迹一段时间，根据犯罪车辆的此类活动规律，结合案发时间地点，通过分析周边车辆的活动频度，可以对可能涉案的高危车辆进行挖掘。

本技战法支持通过案件时间的选择以及案件地点信息，进行车辆分析，获取嫌疑车辆并根据嫌疑度排序。根据案情的需要，还需支持可限定车辆范围进行挖掘，如品牌、型号、年款、颜色等；

相似车牌串并：

目前很多犯罪分子为了更简单的对车牌进行修改，经常会使用一些号牌车贴改变车牌的一位或者几位数字/字母来逃避监控，相对于使用假牌/套牌进行更换，使用号牌车贴更加方便，可以在短时间多次更改牌号。

此技战法针对可疑相似车牌情况，可智能支持根据已有的车牌进行自动串并，获取车牌号相差一位或多位（可设置）的同车型相似车辆。同时支持显示车牌支持连续号码相似和任意号码相似；

频繁过车：

一些犯罪嫌疑人，在案发前会对某个区域反复踩点，因此会反复出现在某个区域，公安部门可以通过这个线索，找出嫌疑车辆。频繁过车支持设置出现次数、车辆型号、类别等参数缩小嫌疑车辆排查范围；

轨迹重现：

对于一些经常更换车牌的套牌车，通过车牌号码无法确定车辆的行驶轨迹。通过轨迹重现功能，可通过车型等条件充分挖掘套牌车辆，并在电子地图上对车辆轨迹进行还原；

图轨迹重现技战法

遮挡面部检测：支持通过设定查询时间、查询区域等进行快速获取符合条件的驾驶员遮挡面部行驶的车辆；支持在限定车型或车辆类别情况下的遮挡面部检测；

同行车辆：同行车分析可用于查找与某辆车前后相继经过某一卡口点的车辆。对于团伙作案的犯罪嫌疑人，有可能拥有2辆以上的作案车辆，通过对其中一辆嫌疑车的行驶轨迹，查找其他相关的同行车辆，为破案提供更多线索；系统支持通过设定被随车辆的信息如车牌号、跟车时长、同行路口数量以及同行的时段进行分析，查找尾随车辆信息；支持固定品牌、型号、年款、颜色，以实现某具体车型信息的限定查找；

无牌车：对于一些故意摘掉车牌的嫌疑车辆，系统会自动进行记录，便于公安机关重点排查；

图丰富的车辆技战法应用

4.9 数据深度挖掘

车辆大数据系统不仅仅可以实现对车辆和人员的分析研判，通过大量数据的积累和变化规律进行深度的信息挖掘，为第三方业务系统提供数据支持，帮助决策者和管理者提供有价值的线索信息。

卡口过车信息挖掘：分析某个路口或者某个小区过车信息量，形成一个周期性过车信息模型，可以设置一个阈值，在某一天过车信息不符合过车信息模型规律可以提醒管理人员该路段可能有异常情况发生

重点人员信息挖掘：对某个类别的重点关注人员的活动信息进行统计，形成一个各类别重点人员(如吸毒人员)活动规律模型，可以帮助公安人员对这些重点人员的活动规律更好把控，能够更好的应对一些突发状况

4.10 统计分析应用

通过车辆大数据系统，可轻松打造城市海量车辆汇聚的数据仓库，可针对不同业务需求提供统计服务-掌握交通热点区域、高危车辆热点区域、高危人员活动态势、治安预警分布、车辆品牌统计分布等信息，为二次应用提供数据支撑，帮助系统管理人员掌握系统运行数据，并成为上层的业务决策数据来源。

系统目前支持以下统计分析类型：

预警对比统计：支持按照卡口（路口）名称、时间进行预警信息统计对比，查询结构以多种统计报表方式展示

积分规则统计：支持按照积分规则及预警时间进行预警信息比对，查询结构以多种统计报表方式展示

过车总量统计：支持按时间进行条件筛选，可以按照年、月、日进行统计展示，统计结果以多种统计图表方式展示

车型统计：支持按时间、卡口进行条件筛选，按车型和车辆品牌进行信息统计，统计对比结果以多种统计图表方式展示

过车地点统计：支持按时间进行条件筛选，通过图表方式对过车信息进行展示。

布控报警统计：支持按时间、卡口进行条件筛选，按时间、布控类型进行统计，通过年、月、日方式进行统计展示，统计对比结果以多种统计图表方式展示

4.11 公共信息应用

输入车辆车牌号码后，可一键查询相关的车辆基本信息、车辆违章信息、车辆轨迹信息、被盗抢信息、车辆驾驶人基本信息、驾驶人前科信息等。

支持输入人员身份证号码后，一键查询人员常驻人口信息、暂住人口信息、对应车辆信息、前科信息、涉毒信息、上访信息等，全方位展示人员信息。

图公共信息查询

4.12 电子地图应用

大华车辆大数据系统以公安信息网为基础，以警用地理信息系统PGIS为核心，以地理信息系统为支撑集合大华在公安行业电子地图运用经验，服务公安行业业务管理、信息共享和决策支持的可视化，为系统提供可视化应用支撑。

自定义图层：可根据不同的业务需求，自由设置业务图层，通过PGIS系统，对各类设备、事件已经信息主体进行属性分类、个性化定义和管理业务模型。

个性化区域选择：以PGIS为基础，利用PGIS提供的详细的坐标模型可以灵活的区域选择，用户可以更具具体的业务需求进行个性化的区域选择。

图地图预警系统

4.13 系统配置管理

系统管理主要分为两个功能模块，对应日常系统管理的系统配置以及同车辆大数据积分业务相关的积分规则配置，以下进行详细介绍

系统配置

用户户管理：系统用户的增、删、改、查等功能

角色管理：系统角色的增、删、改、查等功能

权限管理：系统权限的增、删、改、查等功能

系统配置：包括接口信息，平台信息等配置管理

字典管理：所有字典管理，车辆类型，车牌颜色等

积分规则配置

车辆积分规则配置：支持每个规则的积分支持用户自定义，以符合各地公安

激光的当地实际情况。

规则配置：针对一般高危地区、特殊高危地区等规则，支持用户手动配置。

4.14 业务扩展应用

系统开放的、弹性、基于服务的开放架构设计，可以根据用户需求，敏捷定制并加载系统的车辆图片分析功能，比如可通过在系统运算资源比较充裕的时间段，通过加载安全带和违章打电话分析识别算法，来形成新的车辆图片分析业务，进行非现场的处罚分析，服务于公安不同警种的业务需求，进一步发掘车辆图片的最大利用价值。

第5章大数据计算框架设计

大数据技术是业界应对快速增长的数据引入的综合技术集合，是传统技术的延伸深化。车辆大数据平台引入典型的云存储、云计算、大数据技术，能够轻松处理海量的音视频等非结构化数据，对数据进行存储，提供快速的分析基础技术，能够发现更多视频和图片以及业务数据中的关联情况，为业务处理和决策分析提供强力的支持。

注：针对日过车处理150万以上的局点，需要配置大数据产品（DSE）来支持实时计算和大数据检索引擎。

5.1 大数据实时计算技术

大数据实时计算技术通过实时流式计算引擎和分布式内存分析引擎，对云存储系统中海量数据进行分析计算，可以提供在线实时数据分析服务和数据挖掘计算服务。

实时流式计算引擎提供强大的流处理能力，支持各种在线实时业务计算，具有强大的系统扩展和容错能力，其系统架构如下：

图实时流式计算引擎

分布式内存分析引擎提供大数据的高速交互式数据统计和数据挖掘，内存分析提供秒级响应，支持大规模并发执行，其架构如下：

图分布式内存分析引擎

该系统可以实现各种海量数据处理的业务应用。例如车辆云应用，可以支持亿级的卡口记录的数据分析和实时图片分析，能够实时返回结果/结构化分析结果，同时系统规模可线性扩展。

数据挖掘及查询分析应用，既可以对同一辆车的行驶轨迹、危险级别等进行分析，也可以对车辆在不同地点出现进行综合分析，从而挖掘出更多更复杂的相互关联信息，扩展更多的新型业务。

5.2 大数据检索引擎

普通数据库技术在数据量达到一定规模时将遇到性能瓶颈，如Oracle关系数据库，当数据量达到亿级规模时，复杂业务查询时间将呈指数级增长，而将导致业务不具有实际可用性。海量数据检索引擎DSE基于全文检索技术实现，采用分布式架构，通过多节点方式管理各个索引文件，独立或者联合响应搜索请求，服务性能随服务器数量成线性增长，能够通过简单增加服务器硬件数量使系统处理能力线性增长，具有极强的伸缩扩容能力。

DSE海量数据检索系统能轻松实现100亿数量级规模结构化数据处理，业务执行的时间能够控制在10s，极大增强了业务系统的实用性。DSE是安防管理平台中数据挖掘的基石，基于DSE实现的数据挖掘功能在性能上将极具优势，DSE运行原理如下：

图分布式内存分析引擎

搜索请求通过搜索管理节点发出调用请求，并等待搜索结果；搜索管理节点将搜索请求分拆成多个搜索子任务，分发给多个索引管理节点进行并行搜索；搜索管理节点将各索引管理节点提交的搜索结果进行汇总合并后，返回最终搜索结果。

5.3 车辆图片云存储

平安城市系统中，相对于庞大的视频数据-卡口车辆图片则具有更大的实战价值，同时也更容易进行智能分析，比如可以从卡口图片中提取驾驶员人脸信息、分析假牌套牌、分析放下挡光板、分析有没有佩戴安全带等违章行为，因此使用系统自带的图片云存储功能，用户可以进一步定制对海量价值卡口图片的存储时间和相应的智能使用方式。

系统支持使用云存储系统对卡口图片进行统一的存储，相对于传统的卡口图片san集中存储方式，系统可提供极高的访问性能、可靠的冗余机制、以及开放的访问接口，和较高的空间利用率（80%）后续可进一步开放给第三方应用程序进行图片分析和利用。用户也可以自定义图片的存储时间和管理机制。同时系统具有以下突出优势：

高度可扩展性：根据各地部署需求，进行快速扩展；

高容错性：支持单个业务处理节点和存储节点的失效，保证系统健壮性；

存储效率：采用云存储方式，数据读写效率显著提高，最小系统读写性能达到4.6GB/s，极大提高视频智能分析能力。

第6章系统部署介绍

6.1 按规模部署方案

局点每天的日处理过车记录数和过车图片数决定了车辆大数据的部署规模，根据不同的业务量，典型部署方式目前有以下两种：

中小规模部署方案（卡口记录<150W/日）

针对每日过车数小于150万的小规模项目，配置清单示例如下：

项目部署说明说明

10万-150万内的日过车配置不同1套（内置软硬件车辆大数据研判系统

一体化）服务、数据研判分析服务、二次分析服务等）