基于大数据的伴随车分析方法及系统技术方案

本申请公开基于大数据的伴随车分析方法，包括：图片识别服务器接收并识别过车图片，生成视频结构化数据并发送到消息服务器；消息服务器将视频结构化数据存储至消息队列中；消息服务器的消费单元从消息队列中读取视频结构化数据的记录信息，将视频结构化数据发送至面向列的开源数据库；开源数据库将视频结构化数据存储至其第一列表和第二列表中；根据车牌号和起止时间，通过第二列表查询目标车辆在起止时间范围内经过的所有卡口；结合目标车辆所经过的卡口和起止时间，通过第一列表查询与目标车辆经过相同的卡口的所有车辆；分析得出目标车辆的伴随车。

【技术实现步骤摘要】

本申请涉及智能交通控制
，具体地说，涉及一种基于大数据的伴随车分析方法及系统。
技术介绍
近年来，图侦技术成为继刑侦、经侦、技侦、网侦之后又一个强有力侦查技术手段。这一侦查手段的普及得益于长期以来公安部门积累的卡口、电警的海量过车图片和图片识别技术的成熟。近年来国内各大城市道路所部署的卡口、电警越来越多，公安部门所能监控的路段也日益增多，而且随着科技技术的进步，高清卡口、高清电警设备已经开始普及。图片识别技术可以从这些过车图片中识别出很多有用的信息，如，车辆品牌、车辆类型、车辆年款、车辆系列、车牌颜色、车牌号码、车辆类别、车身颜色、行车速度、是否系安全带、遮阳板是否放下等。这些识别出的结果我们称之为VSD(Video Structure Description)。这些VSD信息传统情况下都会存储到公安监控内网的Oracle服务器中。前端业务系统查询Oracle数据库进行伴随车分析。伴随车是指一辆车在经过若干卡口、电警的时候，有另外的车辆也在同时非常短的时间间隔内(一般为30秒内)经过这几个卡口。伴随车通常用于帮助公安干警侦破案件，如团伙犯罪通常会开多辆车，如果抓获其中一个团伙人员及其所驾驶车辆，民警就可以通过分析该车的伴随车进而进一步锁定团伙内其他犯罪车辆；再如尾随盗窃，通常犯罪车辆都会通过长期的尾随目标车辆，进而掌握精确的犯罪时机，通过伴随车分析就可以分析出目标车在某段时间内的所有伴随车辆，进而缩小排查范围。短期内这种架构不会出问题，但实际情况下却充满了挑战。调查发现一个一般的县级市一天的过车图片就有60万张左右，二三线的地级市一天的过车图片基本都在500万张以上。Oracle服务器作为一个OLTP服务器，本身就不擅长这种OLAP的分析查询。按照这个量级，用不了多长时间单机的Oracle服务器就会支撑不住。暂时的解决方案可以采取Oracle服务器的垂直扩展或使用Oracle RAC集群。前述垂直扩展是相对水平扩展来说的，水平扩展是通过增加服务器的数量来提高计算能力，而垂直扩展指的是通过增加服务器的配置(如提升内存容量、增加CPU核心数、换更快的SAS盘、使用更快的网络，如IB网)来提供计算能力。Oracle服务器一般需要部署在高端硬件设备上，如果采取垂直扩展，需要购买更高端的硬件，在某些关键应用上甚至需要使用小型机，而一般的小型机动辄就要500万以上，所以说Oracle服务器的垂直扩展的成本是非常巨大的。Oracle RAC属于水平扩展Oracle服务器的处理能力，Oracle RAC通过增加一个专业的存储设备，并在多台服务器上运行Oracle服务，这些Oracle服务共享底层存储，这些Oracle服务都可以对外服务，这样就提升了Oracle服务器的计算能力，但是Oracle RAC需要使用多台高端服务器运行Oracle服务，而且还需要专业的存储设备，所以Oracle RAC的实施成本也是巨大的。因此，上述传统的两种方案有两个弊端：1.只能暂时应付，不是长远打算；2.成本太大。
技术实现思路
有鉴于此，本申请所要解决的技术问题是提供了一种基于大数据的伴随车分析方法及系统，利用面向列的开源数据库存储海量的过车数据，面向列的开源数据库对数据进行分布式存储，其中的存储单元在存储数据量变大时会自动分裂，而且随着数据量的增加其处理性能并不会下降，此外，面向列的开源数据库中过车数据能够根据用户的需求进行排序及存储，能够更好地辅助进行伴随车分析，成本低、处理效率高、可靠性高。为了解决上述技术问题，本申请有如下技术方案：一种基于大数据的伴随车分析方法，其特征在于，包括：图片识别服务器接收视频采集终端发送的过车图片，并对所述过车图片进行识别，生成视频结构化数据；图片识别服务器将所述视频结构化数据发送到消息服务器；所述消息服务器接收所述视频结构化数据并将所述视频结构化数据存储至消息队列中；所述消息服务器的消费单元从所述消息服务器的消息队列中读取所述视频结构化数据的记录信息，并将所述视频结构化数据发送至面向列的开源数据库；所述面向列的开源数据库接收所述视频结构化数据，并将所述视频结构化数据分别存储至所述面向列的开源数据库的第一列表和第二列表中，所述第一列表按照“卡口编号+过车时间+车牌号”的形式存储所述视频结构化数据，用于查询指定时间范围内、通过指定卡口的所有车辆，所述第二列表按照“车牌号+过车时间+卡口编号”的形式存储所述视频结构化数据，用于查询指定车辆在指定时间范围内所经过的所有卡口；根据用户指定的目标车辆的车牌号和起止时间，通过所述第二列表查询目标车辆在所述起止时间范围内经过的所有卡口；结合所述目标车辆所经过的卡口和所述起止时间，通过所述第一列表查询与所述目标车辆经过相同的卡口的所有车辆；分析得出所述目标车辆的伴随车。优选地，其中：所述分析得出所述目标车辆的伴随车，进一步为：在通过所述第一列表查询与所述目标车辆经过相同的卡口的所有车辆后，选择与所述目标车辆从同一方向经过相同卡口时、间隔为固定时间t内的车辆作为准伴随车辆；将所有卡口处的准伴随车辆取并集，获得每辆所述准伴随车辆伴随所述目标车辆的卡口数；计算伴随卡口比例；根据所述伴随卡口比例，分析得出所述目标车辆的伴随车。优选地，其中：所述计算伴随卡口的比例，进一步为：将每辆所述准伴随车辆伴随所述目标车辆的卡口数除以所述目标车辆所经过的卡口的总数。优选地，其中：根据所述伴随卡口的比例，分析得出所述目标车辆的伴随车，进一步为：判断各辆所述准伴随车辆的伴随卡口的比例是否超过固定阈值p，若超过，则判定该车辆为所述目标车辆的伴随车，若未超过，则判定该车辆并非所述目标车辆的伴随车。优选地，其中：所述固定阈值p≥80％。优选地，其中：所述固定时间t≤30s。一种基于大数据的伴随车分析系统，其特征在于，包括：视频采集终端、图片识别服务器、消息服务器、消息服务器的消费单元、面向列的开源数据库和伴随车分析模块，其中，所述视频采集终端，用于向所述图片识别服务器发送过车图片；所述图片识别服务器，用于接收所述过车图片，并对所述过车图片进行识别，生成视频结构化数据，并将所述视频结构化数据发送至所述消息服务器；所述消息服务器，用于接收所述视频结构化数据并将所述视频结构化数据存储至消息队列中；所述消息服务器的消费单元，用于从所述消息服务器的消息队列中读取所述视频结构化数据的记录信息，并将所述视频结构化数据发送至面向列的开源数据库；所述面向列的开源数据库，用于接收所述视频结构化数据，并将所述视频结构化数据分别存储至所述面向列的开源数据库的第一列表和第二列表中，所述第一列表按照“卡口编号+过车时间+车牌号”的形式存储所述视频结构化数据，用于查询指定时间范围内、通过指定卡口的所有车辆，所述第
二列表按照“车牌号+过车时间+卡口编号”的形式存储所述视频结构化数据，用于查询指定车辆在指定时间范围内所经过的所有卡口；所述伴随车分析模块，用于根据用户指定目标车辆的车牌号和起止时间，通过所述第二列表查询目标车辆在所述起止时间范围内经过的所有卡口，并用于结合所述目标车辆所经过的卡口和所述起止时间，通过所述第一列表查询与所述目标车辆经过相同的卡口的所有车辆，同时用于分析得出所述目标车辆的伴随本文档来自技高网...

【技术保护点】
一种基于大数据的伴随车分析方法，其特征在于，包括：图片识别服务器接收视频采集终端发送的过车图片，并对所述过车图片进行识别，生成视频结构化数据；图片识别服务器将所述视频结构化数据发送到消息服务器；所述消息服务器接收所述视频结构化数据并将所述视频结构化数据存储至消息队列中；所述消息服务器的消费单元从所述消息服务器的消息队列中读取所述视频结构化数据的记录信息，并将所述视频结构化数据发送至面向列的开源数据库；所述面向列的开源数据库接收所述视频结构化数据，并将所述视频结构化数据分别存储至所述面向列的开源数据库的第一列表和第二列表中，所述第一列表按照“卡口编号+过车时间+车牌号”的形式存储所述视频结构化数据，用于查询指定时间范围内、通过指定卡口的所有车辆，所述第二列表按照“车牌号+过车时间+卡口编号”的形式存储所述视频结构化数据，用于查询指定车辆在指定时间范围内所经过的所有卡口；根据用户指定的目标车辆的车牌号和起止时间，通过所述第二列表查询目标车辆在所述起止时间范围内经过的所有卡口；结合所述目标车辆所经过的卡口和所述起止时间，通过所述第一列表查询与所述目标车辆经过相同的卡口的所有车辆；分析得出所述目标车辆的伴随车。...

【技术特征摘要】
1.一种基于大数据的伴随车分析方法，其特征在于，包括：图片识别服务器接收视频采集终端发送的过车图片，并对所述过车图片进行识别，生成视频结构化数据；图片识别服务器将所述视频结构化数据发送到消息服务器；所述消息服务器接收所述视频结构化数据并将所述视频结构化数据存储至消息队列中；所述消息服务器的消费单元从所述消息服务器的消息队列中读取所述视频结构化数据的记录信息，并将所述视频结构化数据发送至面向列的开源数据库；所述面向列的开源数据库接收所述视频结构化数据，并将所述视频结构化数据分别存储至所述面向列的开源数据库的第一列表和第二列表中，所述第一列表按照“卡口编号+过车时间+车牌号”的形式存储所述视频结构化数据，用于查询指定时间范围内、通过指定卡口的所有车辆，所述第二列表按照“车牌号+过车时间+卡口编号”的形式存储所述视频结构化数据，用于查询指定车辆在指定时间范围内所经过的所有卡口；根据用户指定的目标车辆的车牌号和起止时间，通过所述第二列表查询目标车辆在所述起止时间范围内经过的所有卡口；结合所述目标车辆所经过的卡口和所述起止时间，通过所述第一列表查询与所述目标车辆经过相同的卡口的所有车辆；分析得出所述目标车辆的伴随车。2.根据权利要求1所述基于大数据的伴随车分析方法，其特征在于，所述分析得出所述目标车辆的伴随车，进一步为：在通过所述第一列表查询与所述目标车辆经过相同的卡口的所有车辆后，选择与所述目标车辆从同一方向经过相同卡口时、间隔为固定时间t内的车辆作为准伴随车辆；将所有卡口处的准伴随车辆取并集，获得每辆所述准伴随车辆伴随所述目标车辆的卡口数；计算伴随卡口比例；根据所述伴随卡口比例，分析得出所述目标车辆的伴随车。3.根据权利要求2所述基于大数据的伴随车分析方法，其特征在于，所述计算伴随卡口的比例，进一步为：将每辆所述准伴随车辆伴随所述目标车辆的卡口数除以所述目标车辆所经过的卡口的总数。4.根据权利要求2或3所述基于大数据的伴随车分析方法，其特征在于，根据所述伴随卡口的比例，分析得出所述目标车辆的伴随车，进一步为：判断各辆所述准伴随车辆的伴随卡口的比例是否超过固定阈值p，若超过，则判定该车辆为所述目标车辆的伴随车，若未超过，则判定该车辆并非所述目标车辆的伴随车。5.根据权利要求4所述基于大数据的伴随车分析方法，其特征在于，所述固定阈值p≥80％。6.根据权利要求2、3或5所述基于大数据的伴随车分析方法，其特征...

【专利技术属性】
技术研发人员：李占强，辛国茂，孙希彬，马述杰，
申请(专利权)人：泰华智慧产业集团股份有限公司，
类型：发明
国别省市：山东;37