>> 您的位置:首页 > 技术与创新 > 出入口控制 > 正文
车辆大数据研判系统大数据时代“打防控”利器
2015/4/29 9:54:00      来源:《中国安防》    作者:胡明舒
    随着社会及技术的发展,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信息的掌握上。

  一、行业发展趋势
  随着社会及技术的发展,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信息的掌握上。
  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,但是考虑到所有发生的案件中有50%左右都是涉车涉驾的案件(如图1所示),因此对于车辆的防控需要思考以下两个问题:

  图1涉车涉驾案件
  (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?(治安事前防控)
  (2)面对大量的涉车涉驾案件,如何更有效地锁定嫌疑车辆,提高刑事侦查效能?(事后案件侦查)
  目前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视频图片,但是现有的应用基本上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和图片为情报、刑侦、治安、技侦等不同警种服务,同时结合联机分析公安网上大量业务数据信息,提供更加丰富以及实用的大数据“车辆防控”实战应用技术,有效挖据视图信息价值,将是平安城市下一建设阶段面临的主要需求。
  另外,面对日益爆炸的视图大数据趋势(在某地市级的智能交通项目中,系统需要处理百亿级别的卡口数据体量),当前各地警务云平台的建设开始进入一个急速的窗口期——海量的非结构化视频、图片数据、繁多的数据种类、PB级的数据量、快速的数据更新处理需求——需要设计以云计算和云存储为核心的视图大数据平台来处理海量数据,对上层业务应用系统提供大数据服务支撑。
  本文结合多个项目实际方案设计和建设情况,设计了一套先进的视图警务大数据平台架构,下文将详细介绍基于此大数据平台的车辆大数据分析业务功能。
  二、视图警务云平台系统结构
  视图警务云平台基于云计算架构进行建设,是上层大数据业务应用的基础,技术框架如图2所示。整体架构提供了底层的大数据平台、上层的行业应用以及中间的各类公共服务层。

  图2视图警务云平台系统架构
  1.大数据基础平台服务层
  大数据基础平台服务层整体上采用主流的云计算框架,使用hadoop的Map/Reduce批处理框架和Storm流式计算框架,提供基础的分布式计算调用模型。
  计算和存储虚拟机化基础:平台可支持主流的kvm、xen、vmware虚拟机技术,提供虚拟机应用。
  云存储子系统:采用主流分布式文件系统,支持视频、图片和文档的统一存储和管理,提供了高可靠和高性能的基础云存储系统,在本次建设中用于存储海量的卡口过车图片。
  流式计算:基于主流的流式计算(storm)架构,提供实时的流数据处理,在本项目中可用于支持车辆实时报警\预警\和数据实时分析研判、实时价值挖掘等实时性要求较高的业务。
  分布式数据库+检索引擎:通过分布式数据HBASE架构实现了数据库的横向扩展和容错,解决了传统数据库扩展难的问题,可支持百亿级卡口数据体量。结合基于slor的数据库全文检索引擎,可提供精确/模糊的秒级查询能力。
  Map/Reduce批处理计算:批处理计算框架MapReduce可以充分利用集群资源,进行大数据量的并行计算分析。在本项目中使用map/reduce架构对海量卡口图片进行结构化分析,提取车标、车系、车辆特征值等信息用于车辆套牌分析研判;通过云计算的离线计算框架,采用图像算法,快速将非结构化数据结构化,并存储在分布式数据库中。
  2.警务视图业务大数据服务层
  和传统的IT厂家大数据解决方案不同,在大华方案中,通过将底层hadoop大数据平台进行封装的方式,直接给上层业务提供和警务业务强相关的大数据服务应用接口——如人脸大库检索、车辆大库检索、智能分析等业务服务层接口,上层警务应用系统可进行快速的应用开发和部署。
  3.视图云平台的车辆大数据应用系统ABDS
  车辆大数据积分预警系统ABDS(如图3所示)基于视图警务大数据平台,是整体方案的业务部分。

  图3车辆大数据应用系统ABDS
  ABDS系统汇聚海量卡口数据,并大量采集利用全国公安机关的网上警务综合信息,使用大数据平台能力对车辆、车主、关系人属性构建数据关系网进行深度分布式的数据挖掘分析,并根据上诉设定的规则筛选出高危车辆,进行实时预警和情报推送。
  另一方面,除了分析车辆过车记录之外,车辆大数据积分预警系统使用大数据图像处理引擎,实时处理海量的卡口过车图片这种非结构化数据(strom架构处理,每秒并发分析1000张图片,性能可线性扩展)对车辆图片进行智能分析之后,ABDS系统提取车标、车系、年款等关键信息,提供对套牌车、假牌车分析的有力比对特征;形成车辆特征向量,支持对海量卡口图片的以图搜图查找,快速定位目标相似车辆、而不受套牌和假牌的影响。
  三、车辆大数据研判系统的主要功能
  车辆大数据应用系统的设计主要遵循“数据导防—数据导控—数据导侦”的原则,下文将重点介绍该系统的具体业务功能和案例实战应用成效。
  车辆大数据积分预警系统利用全国公安网上综合信息,结合卡口的过车记录,在视图警务云架构之上,构建车辆大数据积分预警模型进行数据挖据和积分运算。
  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分析预警功能支持不同警种的应用服务。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、其他警种(如交警)等进行落地经营、核查拦截,如图4所示。

  图4车辆大数据应用系统
  车辆大数据积分预警系统通过采集利用全国公安机关的网上综合信息(8大库为主,再加上一些地方的业务数据),使用基于“车<->人<->关系人”的综合数据模型(如图5所示),主要包括以下四大方面:
  (1)车辆基本属性规则:自动判断是否是盗抢车辆、高位地区车辆、租赁公司车辆、非法运营车辆等多种条件。
  (2)车辆行为基本规则:自动判断是否是首次出现车辆、重点高位区域出现车辆、凌晨和深夜等高危时间段出现的车辆等多种条件。
  (3)车主基本属性规则:自动判断是否是吸毒人员、一般高位地区人员、特殊高位地区人员、前科人员、在逃人员、盗抢骗人员等多种条件。
  (4)车主的关系人基本属性规则:自动判断是否是关系人在逃、关系人为盗抢骗人员、关系人为前科人员等多种条件。
  系统对车辆、车主、关系人属性构建数据关系网进行深度智能分析,并根据上述设定的规则进行积分研判。

  图5大数据积分预警模型
  系统通过数据分析研判之后,在界面上提供用户以下基础功能:
  (1)研判结果查看:实时了解高危车辆信息和详细的研判信息,锁定重点目标。
  (2)研判信息综合查询:根据案件、专项行动要求,综合不同条件来查询历史研判记录、车辆记录、车主记录,形成分析案件的综合技战法。
  (3)实时预警车辆报送:当满足爆表条件时(如盗抢车辆、假牌车等),系统可联动短信、LED屏、客户端弹出窗口等多种方式进行实时报警,并可将车辆预警信息推送至指挥中心、拦截站派出所、警务站,通知进行及时拦截排查。
  (4)治安态势研判:通过定时分析统计高危车辆出没和分布情况,可对各区域治安态势形成研判依据(如了解前科人员、涉毒人员的出没情况)。
  (5)车辆图片二次智能分析功能:通过大数据平台和先进车辆图像分析算法,系统对海量卡口图片进行实时二次识别,有效提取车标、车系、年款等信息,联合公安车辆登记数据,对套牌车、假牌车进行有效预警,大大改善了由于现有前端卡口由于品牌不一造成的智能分析能力弱的局限性。
  四、系统实战效能及应用分析
  下文将介绍该系统在浙江宁波某县级市(F市)的成功实战应用情况。
  目前,F市前端卡口有公安卡口和交警卡口两部分,车辆大数据应用系统目前整合了公安的卡口数据和部分交警卡口数据,目前平均每天处理过车数据130w左右。
  1.实战应用1——日常治安防控

  图6F市日常治安防控效果
  通过该系统在F市日常治安防控中的应用,平均每月积分“爆表”预警直接发现逃犯车辆10辆,直接发现有效盗抢车辆10辆;了解统计高危人员如涉毒人员、前科人员、盗抢骗人员、高危地区人员、敏感关系人、七类重点人员在本地区出没和活动情况,形成治安态势研判重要依据,如图6、图7所示。

  图7F市涉毒人员车辆动态分布信息
  2.实战应用2——找假牌、抓套牌
  ?找假牌:对于每条过车记录,系统都会根据车牌号去和车管所登记信息进行比对,若没有命中,则在并结合卡口识别正确率因素进行综合的研判分析。对于同一个车牌,若有当天多次没有命中记录,则假牌概率增高,进行推送预警。
  ?抓套牌:对于每张过车图片,大数据平台会实时分析,提取车辆的车型、车系、年款等信息,拉取车管所信息进行比对,若比对没有命中,则进行套牌嫌疑车辆推送预警。
  目前采用大华先进的图像智能分析算法,在普通环境下,车系等关键信息识别能达到95%准确率。
  3.实战应用3——由车到案
  对于情报等警种,可每天定时分析系统分析推送的高危车辆信息,对于可疑车辆可进行“由车到案”研判分析流程,如图8所示。

  图8车辆大数据分析——由车到案应用战法流程
  F市情报部门采用“由车到案”技战法,每天会做以下工作:
  (1)重点分析大数据系统推送的“凌晨时间出现车辆,深夜入城、临晨4、5点出城车辆”规则符合车辆。
  (2)获取车辆车辆列表后,进一步分析关注车辆图片和联动视频。
  (3)发现异常车辆,如偷盗花木、车头装有花木、车内异常等。
  (4)进一步在系统中查看车主信息、车辆轨迹、落脚点等信息,并将嫌犯一网打尽。
  4.实战应用4——由案到车
  对于刑侦/治安等警种,当发生案事件时,可以根据案件相关车辆初步侧写,然后进入车辆大数据系统进行“由案到车”的研判分析流程,如图9所示。

  图9车辆大数据分析-由案到车应用战法流程
  F市刑侦/治安部门采用“由案到车”技战法,每天会做以下工作:
  (1)接到报案,某小区发生入室盗抢案(或者其他很有可能需要用到车辆的案件)。
  (2)电子地图上框选小区周边范围,输入案发大概时间点。
  (3)直接检索该时间段、该地点段所有异常车辆(异常车辆包括租赁车辆、前科车辆、高危地区车辆及首次或极少出现车辆)。
  (4)人工分析结果,锁定嫌疑车辆。在车辆大数据系统上分析该时间段,该地点段所有过车数据,具体包括:车辆属性、车牌、车主、首次出现时间、出现频率、异常属性、时间属性、出现地点次数、旅馆住宿信息及高速路口信息。
  (5)根据车主前科信息、关系人、名下车辆、活动轨迹、手机通话记录等跟踪分析,一网打尽。
  5.实战应用5——专项活动
  在重大活动之前、节日之前或进入炎炎夏日,则治安部门可以通过大数据车辆分析系统进行专项活动,获取目标车辆列表,并部署警力进行集中排查和打击,如:①炎炎夏日——打击流氓,②严打运动——打击排查高危户籍,③五一、国庆节假日——查毒驾专项活动。

  图10车辆大数据分析——专项活动抓毒驾
  F市某专项行动之——查毒驾
  (1)查询当天所有吸贩毒前科人员或关系人为吸贩毒人员的车辆活动情况,如图10所示。
  (2)分析车辆轨迹,结合人员住所,找出车辆当天落脚点,是否在周边酒吧娱乐场所。
  (3)有针对性地设卡拦截。
  (4)开展专项打击行动(高效,针对性强,节省警力部署)。
  F市某专项行动之——缴刀行动
  (1)在重点区域如旅游景点、娱乐场所、进出城收费站等设置卡点。
  (2)针对所有有前科人员的车辆以及租赁车辆进行拦截盘查。
  (3)后备箱、座垫下等地方检查撬棍、手套、管制刀具、枪支等危险物品。
  五、结语
  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、高效地提供给各个业务需求部门。而针对城市的车辆防控,当前卡口系统主要通过车牌进行车辆识别,并以车牌为检索条件,实现从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使用假牌、套牌,或进行车牌遮挡、摘掉等,常规仅能识别车牌的系统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。
  因此我们将以过车数据和车辆图片为主线,通过对车辆图片进行二次识别获取结构化信息,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、物品、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。

编辑:侯雨婷
注:本文版权归《中国安防》杂志社和《中国安防》杂志网所有,任何媒体或个人未经书面授权严禁部分或全文转载, 违者将严厉追究法律责任。更多详情请订阅《中国安防》杂志。