基于大数据的车辆积分预警系统及其方法技术方案

本发明专利技术公开了一种基于大数据的车辆积分预警系统及其方法，属于智能交通、车辆侦查和数据挖掘领域。本系统包括依次交互的实时过车数据整合模块、二次识别集群、大数据实时运算中心和告警模块。本方法是：①建立积分预警模型（100）；②提取车辆特征信息；③计算车辆积分；④产生告警；⑤结束。本发明专利技术系统架构稳定高效，吞吐量大，能够实时处理分析海量车辆通行数据；系统结构开放，易于同现有的车辆相关系统集成，如数据整合模块可以从不同系统抽取车辆通行数据，预警信息可以共享给其他系统使用；预警模型灵活多变，可以根据实际需求自由设定积分项，对各类高危车辆进行预警，及时有针对性打击违法犯罪现象，促进社会和谐稳定发展。

Vehicle integral early warning system based on large data and method thereof

The invention discloses a vehicle integral early warning system based on large data and a method thereof, belonging to the field of intelligent transportation, vehicle detection and data mining. The system consists of the real-time vehicle passing data integration module, the two identification cluster, the big data real-time operation center and the alarm module. The method comprises the following steps: (1) establishing an integral early warning model (100); extracting vehicle characteristic information; calculating vehicle integration; generating alarms; and ending. The invention is stable and efficient system architecture, high throughput, real-time processing and analysis of massive traffic data; open system structure, is easy to be associated with the existing vehicle system integration, such as data integration module can access data from different systems from the vehicle, the warning information can be shared with other systems; early warning model is flexible, according to the actual needs of freedom set the integral item of early warning for the various types of high-risk vehicles, timely and targeted against illegal crime phenomenon, promote social harmony and stable development.

【技术实现步骤摘要】
基于大数据的车辆积分预警系统及其方法
本专利技术属于智能交通、车辆侦查和数据挖掘领域，具体涉及一种基于大数据的车辆积分预警系统及其方法。
技术介绍
随着改革开放的深入，人民生活水平不断提高，机动车数量迅猛增长，城市现代化建设步伐不断加快，与交通相关的刑事和治安案件也逐年上升，特别是像肇事或作案后驾车逃逸、盗抢车辆、违章车辆和假牌套牌车辆等问题日益凸显，给公安侦查工作带来巨大挑战。犯罪分子利用车辆作案通常会有预谋，如踩点，在特殊时间频繁出现在高危区域；为了逃避公安机关打击，可能对车辆进行伪装改造，如套牌、假牌车辆及遮挡等；像具有前科的人员，也很有可能再犯；物以类聚，人以群分，与有前科的人相关联的人员比普通人出现犯罪的几率要高。因此，可以结合各项指标，建立一种积分模型，对可能出现违法的车辆进行预警，防范于未然。一般大型城市的日均过车数据量通常为百万或千万级别，面对如此大规模的数据量，通过人工方式进行车辆分析，显然已经无法完成，而且常规的车辆研判系统也无法完成实时处理和分析。大数据(BigData)通常用来形容大量非结构化或者半结构化的数据，这些数据在关系型数据库用于分析时会花费过多时间和金钱。大数据分析相比于传统的数据仓库应用，具有数据量大、查询分析复杂等特点。通过应用大数据的一些特殊技术，如分布式文件系统、并行处理分析和云计算平台等，以实现高吞吐量、高并发、有效时间内处理海量数据的需求。因此，迫切需要一种基于大数据技术的车辆积分预警方法，及时有针对性打击违法犯罪现象，促进社会和谐稳定发展。
技术实现思路
本专利技术的目的就在于克服现有技术存在的问题，提供一种基于大数据的车辆积分预警方法及系统。本专利技术的目的是这样实现的：一、基于大数据的车辆积分预警系统(简称系统)本系统包括依次交互的实时过车数据整合模块、二次识别集群、大数据实时运算中心和告警模块。二、基于大数据的车辆积分预警方法(简称方法)本方法包括下列步骤：开始①建立积分预警模型根据实际需要，将车辆外观特征属性和非外观特征属性，分别赋予一定权值，设定预警分数线，创建一种或者多种预警模型，保存到高性能库中，然后初始化该模型；②提取车辆特征信息通过前端相机识别车辆的基本外观信息，再利用二次识别，对车辆图片进一步挖掘分析，获取到更加详细的外观特征信息，将识别结果结构化后发送至消息订阅服务器；③计算车辆积分分布式计算引擎从消息订阅服务器中获取步骤②提取的车辆特征信息，解析步骤①中建立的预警模型，遍历每个预警项，计算加权值后累加，根据模型设定的预警分数线判断是否为可疑车辆，具体步骤如下：A、判断模型是否含外观特征项(310)，是则进入步骤B，否则跳转到步骤C；B、计算外观特征积分用模型中的每个外观特征项与车辆特征信息进行比对，根据符合度计算加权分数，不符合时记0分；C、判断模型是否含非外观特征项，是则进入步骤D，否则跳转到步骤E；D、计算非外观特征积分遍历非外观特征积分项，如果是涉及到高危人员、违章数据等需要关联查询的项，则关联查询相应的库，存在对应记录时，则认为匹配并计算该项的加权值，否则记0分；如果积分项是关于时间、地点检测的，可以从车辆特征信息中直接获取并进行比较，符合时计算该项的加权值，否则记0分；E、判断积分是否超过预警分数线，是则进入步骤④，否则跳转到步骤⑤外观特征与非外观特征的积分求和，得到车辆积分，然后与该模型的分数线进行比较，超过预警分数线时进入步骤④，否则本次分析逻辑结束，可进入下一条车辆特征分析；④产生告警结合车辆信息与积分细则生成预警消息，发送至消息订阅服务器，告警模块订阅后会立即收到预警消息，产生相应告警，其他车辆管理、车辆侦查相关系统也可订阅，共享预警消息；⑤结束。本专利技术具有下列优点和积极效果：①系统架构稳定高效，吞吐量大，能够实时处理分析海量车辆通行数据；②系统结构开放，易于同现有的车辆相关系统集成，如数据整合模块可以从不同系统抽取车辆通行数据，预警信息可以共享给其他系统使用；③预警模型灵活多变，可以根据实际需求自由设定积分项，对各类高危车辆进行预警，及时有针对性打击违法犯罪现象，促进社会和谐稳定发展。附图说明图1是本系统的结构方框图；图2是本方法的步骤图。图中：10—实时过车数据整合模块；20—二次识别集群，21、22……2m—第1、2……m识别节点，m是自然数，？≤m≤？；30—大数据实时运算中心，31—Kafka，32—Spark，33—SolrCloud；40—告警模块40。具体实施方式下面结合附图和实施例详细说明：一、系统1、总体如图1，本系统包括依次交互的实时过车数据整合模块10、二次识别集群20、大数据实时运算中心30和告警模块40。2、功能模块1)实时过车数据整合模块10采用ETL技术，实时获取卡口、ETC、电警等前端设备的车辆通行数据，发送给二次识别集群进行处理20。2)二次识别集群20由多个识别节点(21-2m)组成的分布式二次识别集群，识别算法由C/C++实现，以便高效、实时处理车辆通行数据，提取车辆特征信息，如车辆品牌、有无年检标、号牌遮盖、驾驶员面部遮挡等，然后将识别结果发送至大数据集群30中的Kafka31。3)大数据实时运算中心30大数据实时运算中心30包括依次交互的Kafka31、Spark32和SolrCloud33。(1)Kafka31是一种高性能消息发布订阅系统，可达每秒百万消息吞吐量，非常适合转发过车记录这样的大规模数据；该组件主要作用是，接收来自二次识别集群20处理的车辆特征信息；接收Spark32分析后的预警消息，转发给告警模块40。(2)Spark32是一种专为大规模数据处理而设计的快速通用的计算引擎。系统启动时从SolrCloud33中获取预警模型并初始化，启动后再由预警模型管理模块通知更新模型。通过KafkaStream从Kafka31获取车辆特征信息，由SparkStream并行处理分析，根据预警模型，计算外观特征和非外观特征的积分，其中计算非外观特征积分的过程中会涉及到关联查询SolrCloud33，最后得到车辆积分，将超过预警分数线的车辆信息、积分细则格式化为预警消息发送给Kafka31。(3)SolrCloud33是一种基于Solr和Zookeeper的分布式搜索方案，提供高性能的检索服务。本系统中用于存储预警模型，高危人员，违章记录，异常行为等数据，供Spark032高速关联查询。4)告警模块40订阅Kafka31预警消息，获取预警消息后生成相应告警，如发出声音、发送短信等等方式；其他车辆管理、车辆侦查相关系统也可以订阅Kafka31，共享预警消息。二、基于大数据的车辆积分预警方法(简称方法)本方法包括下列步骤：0、开始-000①建立积分预警模型-100根据实际需要，将车辆外观特征属性(包括车辆品牌、号牌遮挡、无牌、遮挡面部和有无年检标)和非外观特征属性(包括车主是否高危人员、存在违章记录或者异常行为)，分别赋予一定权值，设定预警分数线，创建一种或者多种预警模型，保存到高性能库中，然后初始化该模型；例1：在某区域a，利用改装号牌的车辆案发率有上升趋势，作案时间为晚上11点至凌晨5点之间，嫌疑人多数有前科，现需要一种积分预警模型，对该区域内的可疑车辆进行预警，参考示例如下(本文档来自技高网...

【技术保护点】
一种基于大数据的车辆积分预警系统，其特征在于：包括依次交互的实时过车数据整合模块（10）、二次识别集群（20）、大数据实时运算中心（30）和告警模块（40）。

【技术特征摘要】
1.一种基于大数据的车辆积分预警系统，其特征在于：包括依次交互的实时过车数据整合模块（10）、二次识别集群（20）、大数据实时运算中心（30）和告警模块（40）。2.按权利要求1所述的一种基于大数据的车辆积分预警系统，其特征在于：所述的实时过车数据整合模块10是一种采用ETL技术，实时获取卡口、ETC、电警等前端设备的车辆通行数据，发送给二次识别集群进行处理（20）。3.按权利要求1所述的一种基于大数据的车辆积分预警系统，其特征在于：所述的二次识别集群（20）由多个识别节点组成的分布式二次识别集群，识别算法由C/C++实现，以便高效、实时处理车辆通行数据，提取车辆特征信息，如车辆品牌、有无年检标、号牌遮盖、驾驶员面部遮挡等，然后将识别结果发送至大数据集群（30）中的Kafka31。4.按权利要求1所述的一种基于大数据的车辆积分预警系统，其特征在于：所述的大数据实时运算中心（30）包括依次交互的Kafka（31）、Spark（32）和SolrCloud（33）。5.按权利要求1所述的一种基于大数据的车辆积分预警系统，其特征在于：所述的告警模块（40）是一种订阅Kafka31预警消息，获取预警消息后生成相应告警。6.基于权利要求1-5所述车辆积分预警系统的车辆积分预方法，其特征在于包括下列步骤：开始（000）①建立积分预警模型（100）根据实际需要，将车辆外观特征属性和非外观特征属性，分别赋予一定权值，设定预警分数线，创建一种或者多种预警模型，保存到高性能库中，然后初始化该模型；②提取车辆特征信息（200）通过前端相机识别...

【专利技术属性】
技术研发人员：张龙涛，罗超，贾丽娜，张仁辉，尹飞，谌家奇，
申请(专利权)人：武汉烽火众智数字技术有限责任公司，
类型：发明
国别省市：湖北,42