科威达科技集团股份有限公司
车辆大数据应用系统建设将以过车数据和车辆图片为核心数据，联动公安网上业务数据（如常口库、流口库、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，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。系统可以按管理部门实战需求建立高危车辆预警模型，通过卡口与公安信息网的数据碰撞分析、深度挖掘，为公安管理部门的查阅和进一步处理提供支撑；
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，再通过与案件相关区域等信息条件碰撞比对，使用车辆技战法层层过滤嫌疑车辆，进行针对性排查；
以创建“平安城市”为目标，密切结合公安实战应用需求，充分运用高清监控技术、视频分析技术、车辆识别与分析技术、业务系统集成技术等先进技术，在海量视频信息中有目的地提取有效信息，对重点车辆出现进行实时预警并对其行径轨迹进行跟踪分析；利用车型二次识别技术，排除常见的假牌、套牌、无牌车的干扰，快速定位到目标车辆；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，破解传统单纯依靠车牌进行分析应用的难题，提升案件处置的准确性和实效性。
同时，系统采用AR技术与公安车辆业务相融合，目标是在屏幕上把虚拟世界套在现实世界并进行互动。随着前后端运算能力的提升，通过AR等技术与视频图像算法、视频压缩及传输、云计算、大数据等科学技术的深度融合，视频监控系统作为关键性内容的输入端和图像、数据的处理端，增强用户对周边环境的洞察。打造指挥作战“一张图”，将指挥作战所需要的警情信息、警力分布及状态、数据采集资源、社会资源、预案、异常数据、单位重点数据等各类信息要素综合展现在一张电子信息地图上，指挥人员只要查看该地图，即可实时掌握全区异常情况、各单位警力工作情况、重点单位信息等内容，为快速侦破提供基础，指挥作战提供便利，为决策提供依据。
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。系统总体架构为：
图 2.2‑1系统拓扑图
系统架构说明：
卡口汇聚平台
卡口汇聚平台实现车卡点位的集中接入与管理，负责向车辆大数据应用系统提供车辆图片和过车记录数据，且当车辆大数据系统需要对卡口图片进行单独存储，可按需配置本地存储或视频云存储系统进行车辆图片的集中存储。
业务集群系统
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.）数据技战业务集群-实现车辆大数据技战分析集群功能，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-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；4.）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，供数据技战业务应用使用。
-1.）云数据库，实现过车数据、车辆信息数据存储，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；2.）以图搜图一体机，集中存储二次分析服务器所分析提取的车辆特征值，并通过计算特征值之间的匹配相似度，结合车辆大数据应用平台，实现车辆的布控、以图搜图等业务应用。
车辆大数据应用平台
通过与业务集群系统数据碰撞与分析，实现车辆相关业务应用，如过车查询、车辆特征检索、违法查询、布控与报警管理、以图搜图等；并通过建立相关技战模型，实现昼伏夜出、频繁过车、首次入城、时空碰撞等技战应用，提升系统整体业务能力。
同时，系统为“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与数据支撑，支持开放通用的车辆大数据平台功能以满足不同警种、不同应用系统的实战应用需求；情报/刑侦/治安等使用单位通过系统发现高危车辆情报信息后，可将相关告警信息下发至辖区派出所、警务站、拦截站、指挥中心、其它警种（如交警）等管理部门或人员，用于执行落地经营、核查拦截。
系统整体逻辑架构图如下，由下至上依次是采集设备层、PAAS层和SAAS层。
图2.3‑1 系统逻辑架构图
采集设备层包含所有的前端感知设备，与车辆业务相关的电警摄像机、卡口摄像机、智慧监控单元等。
PAAS层实现前端设备的管理和接入，屏蔽各种前端设备的协议差别，对内提供统一的交互协议；完成前端设备所产生的结构化数据（如过车记录）和非结构化数据（如图片、视频等）的存储并提供统一查询接口；在对车辆卡口图像进行相关智能分析服务后，形成统一的智能能力资源池，对SAAS层提供统一的交互协议。
SAAS层包含基础SAAS、车辆应用服务及业务展示端，依赖SAAS层基础能力实现设备管理、用户和权限管理、统一鉴权、消息中心等功能；而车辆应用服务通过封装车辆智能管理服务和云数据库提供的能力，对外提供车辆布控库管理、车辆布控管理、抓拍和报警消息的查询和检索（以图搜图）功能。并提供统一展示界面，实现业务数据展示与应用，支持管理端web页面、应用端web页面、C客户端和手机APP。
感知防控圈是基础建设，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应用系统的应用成效。依据“科学布局、围绕实战、建用结合”的建设原则，打造城际、城区、核心三级防控圈，城际防控圈作为城市护城河，通过建设主要进出口车辆卡口点位，率先对车辆所处城市进行定位，最大程度缩小目标活动范围；城区防控圈覆盖城市主干道路、城市交通枢纽，捕捉车辆在城区各主要道路的过车记录，结合过车时间，精准还原车辆行径轨迹；核心防控圈建设则是对小区、大型企业、特定封闭区域等车辆进出进行管控记录，实现车辆轨迹刻画的闭环，三级防控圈真正实现了车辆的“进城可知，轨迹可追，落脚可析”。
大数据技战应用系统是车辆大数据应用的深度挖掘，系统将数据与业务充分结合，以实战为目的，利用道路车卡抓拍的过车数据，结合车辆行驶轨迹，通过建立不同技战模型，不断和后台车辆信息库碰撞比对，实现车辆大数据“事前防控、事中控制、事后侦查”的业务能力。
通过相应技战模型的建立，对异常车辆、异常车辆人员出现进行实时预警，实现事前防控；通过建设车辆预警任务和车辆布控报警下发，在预警产生后，指挥中心联动一线警力实现拦截防控，实现异常事件的事中干预控制；通过车辆二次识别分析、车辆技战法、车辆轨迹还原等，在案件侦查过程中提升车辆数据分析、检索效率，利用大数据为事后侦查提供便捷。
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，打破烟囱，把所有计算的资源整合成计算资源池，所有存储的资源整合成存储资源池，实现资源的集约化管理与使用。
车辆大数据平台引入典型的云计算、大数据技术，云存储（可选，图片需要二次存储情况下）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。
AR立体指挥平台，以高点AR视频感知为基础，整合各实战子系统资源，包括卡口系统、道路视频监控系统、车辆管控系统、移动执法调度等，利用AR增强现实、各子系统通虚拟标签方式进行“无缝”集成，增强实时感知数据与信息数据的结合，突破指挥中心传统指挥模式，构建面向AR立体指挥中心全域覆盖的立体监控指挥平台，实现可视、可控、可调度，实现指挥管控业务可视化，提高指挥工作效率。
根据项目实际业务需求，系统可分别在单网环境、双网环境部署应用，并根据不同边界网络环境，提供对应解决方案。同时，可与三方卡口平台对接，实现车辆数据的集中汇聚与管理；与公安系统对接，实现公安信息数据同步与碰撞工作；与三方业务系统对接，提供数据分析结果，更好的服务公安各业务系统的不同业务需求。
采用标准视图库架构体系，屏蔽前端设备的协议差异，实现多方前端设备的标准接入。接入服务集群管理着大量的前端设备，为了保障系统的高性能，接入服务采用分布式架构，有管理节点和子节点，可通过子节点的横向扩张，增加前端接入设备的能力，完成海量前端设备的稳定接入，同时，前端设备以负载均衡的方式接入不同子节点，保障单节点故障时系统的高可靠性。平台提供设备的统一管理服务，屏蔽设备差异，并向上提供管理逻辑设备的标准接口，实现业务逻辑与设备协议之间的解耦。
另外，平台设计采用微服务化理念，实现了各项平台服务能力的组件化和服务化。各功能模块（接入、存储、转发、智能服务等）内部运作具备负载均衡能力，保障系统整体运转的高效性与高可靠性，对外提供统一服务接口，使得各服务之间的交互更加便捷与高效。
虽然很多前端车辆卡口相机支持车辆属性的提取分析，但其提取分析的车辆信息较为基础、单薄，利用车辆二次识别功能，可以提取细化的车辆信息，如车辆号牌、车身颜色、车辆品牌、车辆类型等信息。另外，还可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2.5‑1 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）。共支持200种车辆品牌识别，3000种车型识别。
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，以判断其为白色、橙色、粉色、黑色、红色、黄色、灰色、蓝色、绿色、紫色、棕色中的哪一种。
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，以判断其为大客车、大货车、中货车、小轿车、面包车、小货车、中客车、SUV、MPV、皮卡、微型车11种车型的哪一种。同时还可对支持消防车、渣土车、押运车、工程抢修车、救援车等多种特殊进行车辆识别。
在实战中，经常会发现，很多不法分子为了遮掩逃窜行踪，会在车辆行驶途中换、篡改、遮挡、拆卸车牌，或使用假牌、套牌，这种情况通过车牌号码来跟踪车辆行驶轨迹，可能会出现行车轨迹不符逻辑或车辆信息大相径庭等情况，干扰执法人员追踪车辆轨迹。
车辆图片二次分析技术，在对车辆号牌、车身颜色、车辆品牌、车辆类型等信息识别的基础上，还支持车辆唯一性局部特征进行分析、识别、提取。在实战应用中，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，在发现基础车辆信息被更改，无法刻画真实车辆轨迹时，通过车辆局部特征的框选后以图搜图，辅助找寻车辆篡改后的信息，从而刻画出车辆真实行径路线。
目前支持车辆年检标、纸巾盒、摆件、挂件、遮阳板等特征信息识别，可根据这些局部特征，来辅助完善车辆信息。
通过AR等技术与视频图像算法、视频压缩及传输、云计算、大数据等科学技术的深度融合，视频监控系统作为关键性内容的输入端和图像、数据的处理端，立足VR/AR用户体验，可以有效针对虚拟现实场景，强化其内容拼接、色差消除、景深调整、数据处理、结构化数据提取和分析等技术处理效果，为用户提供浸入式的视频感知体验，助力AR产品实现良好的体感交互，为视频监控行业创造出崭新的行业应用和市场需求，特别是在车辆实战立体指挥领域得到更为广泛的应用。
