CN110378824B - 一种公安交管数据大脑及构建方法 - Google Patents

Abstract

本发明提供一种公安交管数据大脑，其可以实现各地的交管系统的集成、数据整合，提升数据信息深度应用能力，使交通管理系统协同性更高；同时本发明还公开了基于公安交管数据大脑的构建方法。其包括：设施层、平台层、应用层。所述设施层包括交管专有云基础设施、云资源管理系统，所述平台层用于接入、整合、存储与处理各类交通管理信息资源，为外部提供资源服务，其包括统一数据交换系统、视频AI应用平台、大数据资源池；所述应用层为各类交通管理用户提供应用功能和服务，其包括数字化交通地理信息系统和智慧协同管控应用平台。

Description

一种公安交管数据大脑及构建方法

技术领域

本发明涉及智能交通控制技术领域，具体为一种公安交管数据大脑及构建方法。

背景技术

随着国家智慧城市和智能交通建设的深入推进，公安交通管理部门建设应用了大量的科技信息化系统，积累了丰富的数据资源，在交通治理中发挥了重要作用。但是，从实际情况看，各地建设的交管系统数量多、彼此独立，系统、数据格式都各不相同，导致数据信息无法充分应用；一旦需要进行跨地区的交通管理，各地区之间的交通管理协同性不充分，管理者需要对数据分开进行处理后进行统一计算，影响了整体交通管理的效果、效率。

发明内容

为了解决当前的各地交管系统数据应用不充分，进而影响跨部门、跨地区的交通管理效率的问题，本发明提供一种公安交管数据大脑，其可以实现各地的交管系统的集成、数据整合，提升数据信息深度应用能力，使交通管理系统协同性更高；同时本发明还公开了基于公安交管数据大脑的构建方法。

本发明的技术方案是这样的：一种公安交管数据大脑，其包括：设施层、平台层、应用层，所述设施层包括交管专有云基础设施，所述交管专有云基础设施为基础硬件设备，为所述平台层、所述应用层提供计算资源、存储资源和网络资源，其特征在于：

所述平台层用于接入、整合、存储与处理各类交通管理信息资源，为外部提供资源服务，其包括统一数据交换系统、视频AI应用平台、大数据资源池；

所述统一数据交换系统包括：提供数据接口以便实现各个系统之间的数据规范汇聚，提供数据资源服务，以便各个不同系统之间的数据交换；

所述视频AI应用平台在所述统一数据交换系统提供的数据交换服务支撑之下，为各地交管系统的前端、平台提供统一的接入、转发、转码应用支撑，实现对接入系统的各地交管系统的视频、图片的整合，进而建立统一的视频、图片混合资源库；依托“GPU+CPU”云架构的人工智能-深度学习技术，通过对视频和图片进行结构分析，识别交通违法行为、提取交通运行状态特征参数；

所述大数据资源池包括：所述统一数据交换系统提供的数据交换服务支撑之下，采用大规模并行处理数据库构建结构化大数据资源池、以分布式文件系统构建非机构化、半结构化数据资源池，实现公安交通管理各类数据的规范整合，通过数据抽取转换ETL，形成交通管理大数据主题库；提供计算引擎、按业务需求和时间跨度需求进行分析建模，形成交通数据模型及算法库；结合交通管理专家知识经验和人工智能，构建预案库、形成场景、规则、方案三者关联的知识图谱，建立基于规则推理的交通管理专家知识库；

所述应用层为各类交通管理用户提供应用功能和服务，其包括数字化交通地理信息系统和智慧协同管控应用平台；

所述数字化交通地理信息系统提供的服务包括：以公安警用地理信息系统为基础，提供面向公安交通管理业务的道路网拓扑图层、交管设备设置信息服务；提供地图引擎服务，为其他系统和平台提供开放的地图展示调用接口；提供空间数据转换工具，实现不同坐标系之间的空间数据转换，具备地图匹配和纠错功能；

所述智慧协同管控应用平台综合应用所述平台层和应用层的数据资源和系统接口，实现对路面交通的综合管理，为交通管理控制提供应用服务，实现警务智慧化、协同化管理；所述视频AI应用平台、所述大数据资源池计算后的数据，传递到所述数字化交通地理信息系统中添加地理信息后，传递到所述智慧协同管控应用平台中，通过所述智慧协同管控应用平台中的子模块实现综合管理。

其进一步特征在于：

所述设施层还包括云资源管理系统，所述云资源管理系统将所述交管专有云基础设施中的基础硬件设备资源打散，分隔成最小逻辑单元，虚拟成计算、存储和网络资源池，提供软件负载均衡，实现计算、存储资源的动态伸缩和分配管理，为所述平台层、所述应用层的服务提供可度量的、相对隔离的、安全的、快速可扩展的持续资源池供给；

所述统一数据交换系统提供的所述数据资源服务包括：交换资源目录、资源服务总线、资源交换监控；

所述统一数据交换系统提供的所述数据接口包括：由XML文档表示的请求方接口、基于Web Services技术的服务方接口组成的交通管理专用的数据交换服务接口、包括采集、数据服务、级联和分析的数据交换服务RESTful接口；

所述智慧协同管控应用平台中实现的所述对路面交通的综合管理包括情指联动一体化调度，即对警情进行分级分类的自动识别后，接入勤务排班信息以及单警定位信息，实现对出警的快速指挥调度；所述智慧协同管控应用平台实现警情分析、指挥调度的具体流程如下所示：

a1：系统获得警情信息；

a2：将获得的所述警情信息传入到智慧研判模块中；

a3：所述智慧研判判模块调用所述交通管理专家知识库中的警情分类分级知识库，应用警情分析判别算法，对新上报的警情进行级别判断；

a4：所述智慧研判模块调用所述数字化交通地理信息系统，对于所述警情信息进行时空特性分析后，将判断后的所述警情级别标注在地图上，同时在所述警情信息的属性中添加属地信息；

a5：将所述警情信息发送到所述智慧协同管控应用平台，通过所述智慧协同管控应用平台中的所述智慧指挥模块将所述警情信息按照所述警情级别进行发送：

如果所述警情级别为自动出警的级别，调用所述数字化交通地理信息系统，接入路面巡逻民警的实时位置信息，对所述警情信息进行时空特征分析，判别出距离警情发生地最近的路面巡逻民警，然后将所述警情信息自动推送至民警级别的移动警务终端系统设备上进行预警；

否则，则将所述警情信息推送至相应级别决策层进行预警；

a6：当警情处理完毕后，通过各地的接处警系统把现场处置信息通过所述统一数据交换系统反馈到所述警情分类分级知识库；

a7：根据反馈的所述现场处置信息，所述数字化交通地理信息系统对所述警情信息中的属地信息进行校正，且把属地信息校正后的所述警情信息按分类、分级标记到地图上，形成公安交通管理专用的警情图层；

步骤a1中，系统获得所述警情信息的方式包括：

b1：通过各地的接处警系统接收当事人电话口述报警，获得所述警情信息；

b2：接警员通过当事人对警情的描述，在所述接处警系统中进行人工录入所述警情信息；

步骤a1中，系统获得所述警情信息的方式包括：

c1：所述视频AI应用平台对各地的所述警务管理系统传入的视频和图片进行结构分析，

c2：通过现有的图像识别技术识别需要处理的警情，获取所述警情信息；

步骤a1中，系统获得所述警情信息的方式包括：

d1：当事人通过互联网地图APP的自动提交所述警情信息和警情位置信息；

d2：所述警情位置信息经过坐标统一转换函数实现WGS-84、GCJ-02、bd-09之间坐标转变，转变为公安交通管理在用地图的坐标系，经公安数据安全边界，交换至公安内网接处警系统；

d3：所述公安内网接处警系统把所述警情信息和所述警情位置信息通过所述统一数据交换系统传递入系统；

步骤a3中所述警情分析判别算法包括如下步骤：

e1：定时抽取全国的全量道路交通事件历史数据，建立训练样本；

事件数据集合定义为：incident(x₁,x₂,...,x_N)；

e2:将警情事件从高到低划分为重大风险、较大风险、一般风险、低风险四个级别，分别标记为R、O、Y、B，即：C_k＝{C_R,C_O,C_Y,C_B}；

e3：采用K-means聚类算法建立警情级别评估模型，则：

式中：N为事件的样本数，S_k为第k类事件数据簇，u_k为簇C中事件数据的平均中心；

假设每个警情级别有m个样本点，每个样本点的基本属性定义为：

incident Pro＝Properties(y₁,y₂,...,y_n)，

则构造出样本属性矩阵为：

e4：把所述训练样本投入到所述所述警情级别评估模型中，获得训练好的所述警情级别评估模型；

e5：把新发生的警情投入到训练好的所述警情级别评估模型中，进行警情级别判断：

所述新发生的警情定义为incident_newPro＝Properties(y₁,y₂,...,y_n)，将其属性中每个属性转化为一个量值，即每个警情具备一个属性向量，然后将所述新发生的警情的属性向量和警情库中的不同级别的不同事件信息向量利用夹角余弦进行相似性比对，则相似度表达公式为：

设置一个阈值

时，判定所述新发生的警情incident_new的级别归属；

e6：为根据所述级别归属，生成所述新发生的警情的基本属性，所述基本属性的属性值为：

incident_newPro(C_k)。

一种公安交管数据大脑的构建方法，其特征在于，其包括以下步骤：

S1：数据汇聚，构建交管专有云基础设施和分布式的统一数据交换系统：

所述交管专有云基础设施包括：由不同配置的X86服务器、通用GPU服务器、专用GPU分析设备、网络设备、存储设备搭建大规模集群；

所述统一数据交换系统包括：

(1.1)通过基于数据表的格式化数据交换以及基于文件的非格式化数据交换，以文本、XML、JSON、二进制等格式，通过Web Services和RESTful接口汇聚接入交管内部数据；

(1.2)以共享方式接入互联网出行服务信息、网约车信息；

(1.3)交换接入交管相关部门的信息，所述交管相关部门包括：停车场、公共交通、道路施工、气象、交通运输；

S2：整合治理，对所有数据进行整理，构建视频AI应用平台、大数据资源池：

(2.1)基础数据元标准化：将公安交通管理应用涉及的基础元数据进行对标，进行数据处理，所述数据处理包括：清洗、修补、分类、关联、存储；

(2.2)构建一车一档主题库：以机动车数据、驾驶人数据、企业数据、道路数据、案件数据为基础，建立对机动车、驾驶人、企业多维度、多标签、可索引的数据画像，然后装载到MPP DB中形成主题数据库，并通过数据服务接口为上层应用提供数据支撑；

(2.3)构建统一视图库，部署HDFS、HBase存储卡口图片以及AI分析后的半结构化数据、视频流等非结构化数据，统一编码，形成以路面监控视频、业务窗口监控视频、执法记录仪视频为主数据资源；根据数据类型设置生命管理周期，以时间为元数据对视频、图片进行管理；形成统一的非结构化数据资源库，同时为视频资源提供数据服务，所述数据服务包括：转码、存储、转发、管理、索引服务；

S3：分析建模，构建所述视频AI应用平台、所述大数据资源池、所述应用层服务所用的算法模型：

(3.1)构建视频智能分析模型：依托GPU服务器，对基于所述视频AI应用平台中的视频内容中人、车、物特征属性自动提取，并生成可供计算机和人理解的文本信息；自动识别道路运行状态信息；构建高清视频资源与视频中车辆的运行特征、形态、身份信息的关联模型，提供通过某一特征信息检索相关车辆在途行驶视频的检索服务；

(3.2)构建图片分析模型：依托GPU服务器，通过对执法设备采集到的图片中的机动车辆进行智能识别，基于现有的图像识别技术，实现交通事件自动检测识别、车辆特征提取，实现对车辆自身违法行为、驾驶室内人员违法行为、机动车驾驶操作违法行为的识别和违法行为取证；

(3.3)构建数据分析模型：搭建基础算法库，综合运用智能算法和建模工具，按交通管理的不同业务需求和时间跨度需求进行分析建模，形成交通专用算法库，为交通应用服务提供一站式的交通数据建模及算法实施服务；

S4：应用构建，构建数字化交通地理信息系统、智慧协同管控应用平台：

以互联网公司城市路网底图为基础，将交警辖区内的交通管理设施设备进行地理标注、编码，形成道路交通管理设施空间数据库，构建所述数字化交通地理信息系统，提供公安交管专用地理信息服务；梳理道路交通管理业务，解耦业务中的强耦合组件，对公安交管现有和将建的系统进行功能划分和流程划分，应用SOA和MSA将功能进行组件化拆分，并封装为服务，使用ESB对服务进行统一管理；在此基础上，梳理公安交通管理与服务业务流程，兼顾指挥中心和路面执勤需求，应用SOA部署BPM，将相应的模块封装在一起，构建智慧协同管控应用平台。

本发明提供的一种公安交管数据大脑及构建方法，基于通用云计算框架，提出设施层、平台层、应用层的三层体系架构，各层之间相对独立，且松耦合；软件和硬件之间互相解耦，平台软件可兼容不同的计算机硬件，避免同一厂家垄断，方便升级扩展，解决了现有系统存在软硬件不兼容、数据接口不兼容等问题，为深度的数据共享、信息共享在设施层和平台层提供了解决方案；数据和视频图像资源全部开放共享，通用服务组件和中间件对外透明，所有接口通信协议和数据格式向用户完全开放，实现了跨平台的数据共享服务，解决了各地交管系统数据应用不充分，进而影响跨部门、跨地区的交通管理效率的问题；综合应用各类交通大数据资源和系统接口，实现对路面交通的监测、分析、研判、决策、指挥、管控，为安全防控、组织管控、执法处置、警务指挥、勤务监督、业务管理、宣传服务等业务提供应用服务，实现警务智慧化、协同化管理，提供了跨平台提供数据共享、分析服务共享的能力，切实的提高了各地交管系统之间的数据共享；综合利用各地的已经发生的警情随时更新警情分类分级知识库，使警情分类分级一直处于最新状态，进一步确保情指联动一体化调度的准确性和调度效率。

附图说明

图1为本发明的公安交管数据大脑的系统架构示意图；

图2为本发明的公安交管数据大脑的构建方法流程示意图；

图3为数字化交通地理信息系统中警情图层构建方法示意图；

图4为本发明的中情指联动一体化调度流程示意图。

具体实施方式

如附图的图1所示，本发明一种公安交管数据大脑，其包括：设施层(IAAS)、平台层(PAAS)、应用层(SAAS)。

设施层是“数据大脑”的支撑骨骼系统，其包括交管专有云基础设施，交管专有云基础设施为基础硬件设备，为平台层、应用层提供计算资源、存储资源和网络资源，网络资源包括：虚拟网卡、交换机、防火墙等资源；其用到的硬件资源如：星环云计算服务器、华为云服务器、浪潮服务器、其他x86服务器；

设施层还包括云资源管理系统，云资源管理系统是“数据大脑”的资源供给系统，其将交管专有云基础设施中的基础硬件设备资源打散，分隔成最小逻辑单元，虚拟成计算、存储和网络资源池，提供软件负载均衡，实现计算、存储资源的动态伸缩和分配管理；提供的服务为虚拟化资源池、任务调度、负载均衡、运维管理；为平台层、应用层的服务提供可度量的、相对隔离的、安全的、快速可扩展的持续资源池供给。

平台层用于接入、整合、存储与处理各类交通管理信息资源，为外部提供资源服务，其包括统一数据交换系统、视频AI应用平台、大数据资源池。

统一数据交换系统是“数据大脑”的神经传导系统，其包括：在公安网内按照《公安请求服务平台应用规范》(GA/T739-2007)要求提供由XML文档表示的请求方接口、基于WebServices技术的服务方接口组成的交通管理专用的数据交换服务接口；在视频专网内按照《公安视频图像信息应用系统接口协议要求》(GA/T1400.4-2017)，构造包括采集、数据服务、级联和分析的数据交换服务RESTful接口等类型的数据接口以便实现各个系统之间的数据规范汇聚，提供数据资源服务，以便实现公安网、视频专网内不同系统之间的数据规范汇聚，以及以政务网数据共享资源目录方式提供公安网、视频专网、互联网、政务网之间的共享交换；数据资源服务包括：交换资源目录、资源服务总线、资源交换监控。

视频AI应用平台是“数据大脑”的视觉感官系统，其在统一数据交换系统提供的数据交换服务支撑之下，依照《公共安全视频监控联网系统信息传输、交换、控制技术要求》(GB/T 28181-2016)要求，为各地交管系统的前端、平台提供统一的接入、转发、转码应用支撑，其支持ONVIF(Open Network Video Interface Forum，开放型网络视频接口论坛)、Rtsp(Real Time Streaming Protocol)、SDK(Software Development Kit，软件开发工具包)的接入，实现对接入系统的各地交管系统的视频、图片的整合，进而建立统一的视频、图片混合资源库；依托“GPU+CPU”云架构的人工智能-深度学习技术，采用目标提取、对象检测、特征识别等分析手段，通过现存的机器学习技术，对视频和图片进行结构分析，能够识别无牌车、嫌疑假牌车、嫌疑套牌车、未按规定使用安全带、驾驶时拨打接听手持电话等交通违法行为，提取交通运行状态特征参数；通过视频AI应用平台中的交通违法行为、交通事故等警情的自动分析以及自动报警的功能，交通管理中的警情发现能力得到了很大的提高；同时支持万亿级特征数据秒级检索和信息服务功能，实现图像资源共享和统一访问。

大数据资源池是“数据大脑”的学习记忆系统，其在统一数据交换系统提供的数据交换服务支撑之下，采用大规模并行处理数据库(MPP DB)构建结构化大数据资源池，以分布式文件系统(HDFS)构建非机构化、半结构化数据资源池，实现公安交通管理各类数据的规范整合，通过数据抽取转换ETL(Extract-Transform-Load)，形成交通管理大数据主题库，建立数据集市，提供数据对外开放共享服务；提供批处理(MapReduce)、内存迭代计算(Spark)和流处理框架(Storm)计算引擎、结合各种智能算法和建模工具，按交通管理不同业务需求和时间跨度需求进行分析建模，建立交通安全风险评估、运行态势研判、嫌疑车辆特征、信号参数优化、异常业务甄别等模型，形成交通数据模型及算法库；结合交通管理专家知识经验和人工智能，构建预案库，存储交通信号控制、事件处置、大型活动组织、交通组织优化等预案，形成场景、规则、方案三者关联的知识图谱，建立基于规则推理的交通管理专家知识库，为决策支持提供素材和知识资料。

应用层为各类交通管理用户提供应用功能和服务，其包括数字化交通地理信息系统和智慧协同管控应用平台。

数字化交通地理信息系统是“数据大脑”的语言表达系统，其提供的服务包括：以公安警用地理信息系统(PGIS)为基础，提供面向公安交通管理业务的道路网拓扑图层、交管设备设置信息服务，包括面向公安交通管理业务的辖区范围内的车道级路网图、交通管理专用的标志标线设施图、交通信号、电警科技设备图以及警情事件分布图等各级交通管理专用图层信息服务；提供地图引擎服务，具备点、线等基本图形绘制、渲染功能，实现地图元素添加、编辑、删除等地图管理，为其他系统和平台提供开放的地图展示调用接口；提供空间数据转换工具，实现不同坐标系之间的空间数据转换，具备地图匹配和纠错功能。

智慧协同管控应用平台是“数据大脑”的中枢控制系统，其综合应用平台层和应用层的数据资源和系统接口，实现对路面交通的监测、分析、研判、决策、指挥、管控等综合管理，为交通管理控制提供安全防控、组织管控、执法处置、警务指挥、勤务监督、业务管理、宣传服务等应用服务，实现警务智慧化、协同化管理；视频AI应用平台、大数据资源池计算后的数据，传递到数字化交通地理信息系统中添加地理信息后，传递到智慧协同管控应用平台中，通过智慧协同管控应用平台中的子模块实现综合管理。

如附图3所示，为数字化交通地理信息系统内部建立警情图层的流程：

f1：系统首先获得警情信息；

f2：获得警情信息之后，经过系统内的警情分类分级知识库进行警情分类级别判断；

f3：将判断后的警情级别标注在交警专用地图上，具体到交警中队辖区层级；

f4：当警情处理完毕后，根据民警反馈的现场处置信息，数字化交通地理信息系统对警情信息中的属地信息进行核实、校正，更新到交警专用地图；

f5：每次获得新的警情之后都进行f1～f4的步骤，使公安交通管理专用的警情图层一直保持不断更新的、全量警情样本状态，形成公安交通管理专用的警情图层；

通过公安交通管理专用的警情图层的建立，将警情按照红(R)、橙(O)、黄(Y)、蓝(B)不同级别分别标注在地图上，易发生警情的路段、易发生重大事故已发生路段、某个具体区域发生交通警情分布等等警情信息都可以一目了然，给交管部门的领导决策层提供基于地图的可视化的指挥决策支撑依据；对于交管部门来说，在后续警情发生时候进行应急指挥、对警力、警车等资源调度提供了有力的可视化支撑；同时，也可以为跨部门的、跨地区的各种重特大涉车、涉路应急指挥提供充分的信息共享，极大的提高了相关的指挥调度的准确性和效率。

其中，系统获得警情信息的方式包括：

第一，当报警人通过电话进行报警时：

b1：通过各地的接处警系统接收当事人电话口述报警，获得警情信息；

b2：接警员通过当事人对警情的描述，在接处警系统中进行人工录入警情信息；接处警系统通调用智慧研判模块进行后续警情分类级别判断；

第二，视频AI应用平台自动识别警情：

c1：视频AI应用平台对各地的警务管理系统传入的视频和图片进行结构分析，

c2：通过现有的图像识别技术识别需要处理的警情，获取警情信息，比如交通拥堵、驾驶人违法行为、交通事故等；视频AI应用平台把警情信息传入到智慧研判判模块进行后续警情分类级别判断；

通过拓展视频AI的主动发现能力，实际应用中警情的发现能力提高了9倍，提高了警情的响应速度，大大缩短了警情处置时间；

第三，当事人通过高德地图等互联网地图进行报警时：

d1：当事人通过互联网地图APP的自动提交警情信息和警情位置信息；

d2：警情位置信息经过坐标统一转换函数实现WGS-84(GPS)、GCJ-02(Google地图)、bd-09(百度地图)之间坐标转变，转变为公安交通管理在用地图的坐标系，经公安数据安全边界，交换至公安内网接处警系统；

d3：公安内网接处警系统把警情信息和警情位置信息通过数据安全交换平台从公网传入公安交管用网络，然后经统一数据交换系统传递入系统中的智慧研判模块，进行后续警情分类级别判断。

智慧协同管控应用平台中实现的对路面交通的综合管理包括情指联动一体化调度，即对警情进行分级分类的自动识别后，接入勤务排班信息以及单警定位信息，实现对出警的快速指挥调度。

如附图的图4所示，每次接到新的警情信息之后，智慧协同管控应用平台实现警情分析、指挥调度的具体流程如下所示：

a1：系统获得警情信息；

a2：将获得的警情信息传入到智慧研判模块中；

a3：智慧研判判模块调用交通管理专家知识库中的警情分类分级知识库(图中的警情分类库)，应用警情分析判别算法，对新上报的警情进行级别判断；

a4：智慧研判模块调用数字化交通地理信息系统，对于警情信息进行时空特性分析后，将判断后的警情级别标注在交警专用地图上，同时在警情信息的属性中添加属地信息；

a5：将警情信息发送到智慧协同管控应用平台，通过智慧协同管控应用平台中的智慧指挥模块将警情信息按照警情级别进行发送：

如果警情级别为自动出警的级别，即警情级别为蓝色，则调用数字化交通地理信息系统，接入路面巡逻民警的实时位置信息，对警情信息进行时空特征分析，判别出距离警情发生地最近的路面巡逻民警，然后将警情信息自动推送至民警级别的移动警务终端系统设备上进行预警；通过设置自动出警的警情级别，把类似交通拥堵、交通事故发生等警情识别后，自动发送给巡逻民警，而无需等待当事人自己报警再出警，大大缩短了警情处置时间，可以将警情的响应时间，缩短到5分钟以内，极大的提高了警情响应效率；

如果警情级别为红色，则将警情信息推发送至到支队长(总队长)等高级别决策层的桌面或终端进行预警；如果警情级别为橙色、黄色，则将警情信息推送发送至到支队(总队)指挥中心中等级别决策层的桌面或终端进行预警；

a6：当警情处理完毕后，通过各地的接处警系统把现场处置信息通过统一数据交换系统反馈到警情分类分级知识库；

a7：根据反馈的现场处置信息，数字化交通地理信息系统对警情信息中的属地信息进行校正，且把属地信息校正后的警情信息按分类、分级再次更新到交警专用地图上，形成公安交通管理专用的警情图层；

通过把最新的案件信息更新到警情图层中，使公安交通管理专用的警情图层保持最新的状态，提供给所有的交管部门进行参考使用，更进一步的提高了数据的共享性，进一步的提高了跨部门、跨地区的交管案件的研判、指挥的效率。

警情分析判别算法包括如下步骤：

e1：定时抽取全国的全量道路交通事件历史数据，建立训练样本；定时的建立训练样本对模型进行训练，使警情级别评估模型保持适应最新的交通案件状态，使警情级别评估模型的判别结果符合最新的实际情况，确保通过系统的判别结果的准确性，更进一步提高了基于数据共享的交管案件的研判、指挥的效率；

事件数据集合定义为：incident(x₁,x₂,...,x_N)；

e2:将警情事件按死亡人数、伤残人数、经济损失、后续交通运行影响四个方面分析，从高到低划分为A级重大风险、B级较大风险、C级一般风险和D级低风险四个级别，分别用红(R)、橙(O)、黄(Y)、蓝(B)四种颜色标记，即：C_k＝{C_R,C_O,C_Y,C_B}；

e3：采用K-means聚类算法建立警情级别评估模型，则：

式中：N为事件的样本数，S_k为第k类事件数据簇，u_k为簇C中事件数据的平均中心；

假设每个警情级别有m个样本点，每个样本点的基本属性定义为：

incidentPro＝Properties(y₁,y₂,...,y_n)，包括：现场形态、是否运载危险品、运载危险品事故的后果、天气、能见度、人员死亡情况、事故初查原有、直接财产损失、间接财产损失、事故涉及车辆和行人数量、碰撞角度、车辆受损程度等n项指标；

则构造出样本属性矩阵为：

e4：把训练样本投入到警情级别评估模型中，获得训练好的警情级别评估模型，也即获得警情分类分级知识库；

e5：把新发生的警情投入到训练好的警情级别评估模型中，进行警情级别判断：

新发生的警情定义为incident_newPro＝Properties(y₁,y₂,...,y_n)，将其属性中每个属性转化为一个量值，即每个警情具备一个属性向量，然后将新发生的警情的属性向量和警情库中的不同级别的不同事件信息向量利用夹角余弦进行相似性比对，则相似度表达公式为：

设置一个阈值

时，判定新发生的警情incident_new的级别归属；

e6：为根据级别归属，生成新发生的警情的基本属性，基本属性的属性值为：

incident_newPro(C_k)。

如附图的图2所示，一种公安交管数据大脑的构建方法，其特征在于，其包括以下步骤。

S1：数据汇聚，构建交管专有云基础设施和分布式的统一数据交换系统：

交管专有云基础设施包括：由不同配置的X86服务器、通用GPU服务器、专用GPU分析设备、网络设备、存储设备搭建大规模集群；

统一数据交换系统包括：

(1.1)通过基于数据表的格式化数据交换以及基于文件的非格式化数据交换，以文本、XML、JSON、二进制等格式，通过Web Services和RESTful接口汇聚接入交通感知、视频监控、执法监测、信号控制、事件报警、警力定位、机动车/驾驶人、事故违法等交管内部数据；

(1.2)以共享方式交换接入百度、高德、腾讯等互联网出行服务信息、滴滴等网约车信息；

(1.3)交换接入交管相关部门的信息，交管相关部门包括：停车场、公共交通、道路施工、气象、交通运输。

S2：整合治理，对所有数据进行整理，构建视频AI应用平台、大数据资源池：

(2.1)基础数据元标准化：按照《公安数据元》(GA/T 543)系列标准、《城市警用地理信息分类与代码》(GA/T 491-2004)、《城市警用地理信息数据分层及命名规则》(GA/T532-2005)、以及《道路交通管理信息代码》(GA/T 16-2012)等标准要求，将公安交通管理应用涉及的基础元数据进行对标，进行数据处理，数据处理包括：清洗、修补、分类、关联、存储；

(2.2)构建一车一档主题库：以机动车数据、驾驶人数据、企业数据、道路数据、案件数据为基础，利用数据模型关联违法数据、事故数据、通行过车数据、业务办理数据等与机动车、驾驶人、企业相关的数据，形成机动车、驾驶人、企业全息档案，建立对机动车、驾驶人、企业多维度、多标签、可索引的数据画像，然后装载到MPP DB中形成主题数据库，并通过数据服务接口为上层应用提供数据支撑；

(2.3)构建统一视图库，部署HDFS、HBase存储卡口图片以及AI分析后的半结构化数据、视频流等非结构化数据，按照《公共安全视频监控联网系统信息传输、交换、控制技术要求》(GB/T 28181-2016)要求统一编码，形成以路面监控视频、业务窗口监控视频、执法记录仪视频为主数据资源；根据数据类型设置生命管理周期，以时间为元数据对视频、图片进行管理，形成统一的非结构化数据资源库，同时为视频资源提供数据服务，数据服务包括：转码、存储、转发、管理、索引服务；依照交通管理需求，设置的保存周期：路面视频存储90天、违法图片存储2年、业务窗口视频存储30天。

S3：分析建模，构建视频AI应用平台、大数据资源池、应用层服务所用的算法模型：

(3.1)构建视频智能分析模型：依托GPU服务器，采用目标分割、时序分析、对象识别、深度学习等技术手段，对基于视频AI应用平台中的视频内容中人、车、物特征属性自动提取，并生成可供计算机和人理解的文本信息；对视频中机动车、非机动车争抢车道、闯红灯等违法行为以及对视频中相应路段的通行速度、流量和道路占有率等道路运行状态信息进行自动识别；构建高清视频资源与视频中车辆的运行特征、形态、身份信息的关联模型，提供通过某一特征信息检索相关车辆在途行驶视频的检索服务；为公安部门进行路面治安、刑侦等维护社会稳定和打击违法犯罪的活动提供支持；

(3.2)构建图片分析模型：依托GPU服务器，通过对路面卡口、电子警察等执法设备采集到的图片中的机动车辆进行智能识别，基于现有的图像识别技术，实现包括拥堵事件、停车事件、交通事故、行人事件、侵占应急车道、团雾检测、违法逆行、遗弃物检测等交通事件自动检测识别；实现车辆通过时间、地点、通行方向、车辆号牌、号牌颜色、车牌种类、车辆颜色、车辆种类等详细过车信息等车辆特征提取，实现对车辆自身违法行为；实现不系安全带、开车接打电话等驾驶室内人员违法行为的识别和违法行为取证；实现违反禁止标线、侵占应急车道、逆行停车、骑轧车道分界线等机动车驾驶操作违法行为的识别和违法行为取证；

(3.3)构建数据分析模型：搭建分组、连接、过滤、排除、列选择、剔重、合并、列转行、回归算法、分类算法、聚类算法、推荐算法、降维算法等基础算法库，在此基础上，综合运用智能算法和建模工具，按交通管理中的不同业务需求和时间跨度需求进行分析建模，形成交通专用算法库；实现通过输入交通流历史数据训练神经网络，通过前几个时刻的流量数据预测下一时刻流量等功能，为交通应用服务提供一站式的交通数据建模及算法实施服务。

S4：应用构建，构建数字化交通地理信息系统、智慧协同管控应用平台：

以互联网公司城市路网底图为基础，依据《道路交通管理信息代码》(GA/T 16-2012)系列标准要求，将交警辖区内的道路、路段、交叉口、卡口、电子警察、信号灯、视频监控以及隔离护栏、标志、标线等交通管理设施设备进行地理标注、编码，形成道路交通管理设施空间数据库，构建数字化交通地理信息系统，提供公安交管专用地理信息服务；

梳理道路交通管理业务，解耦业务中的强耦合组件，对公安交管现有和将建的系统进行功能划分和流程划分，应用SOA(面向服务的架构)和MSA(微服务架构)将功能进行组件化拆分，并封装为服务，使用ESB(企业服务总线)对服务进行统一管理；在此基础上，梳理公安交通管理与服务业务流程，兼顾指挥中心和路面执勤需求，应用SOA部署BPM(业务流程管理)，将相应的模块封装在一起，开发智慧研判、智慧指挥、智慧勤务等智慧应用模块，构建智慧协同管控应用平台。

本发明中的一种公安交管数据大脑为开放友好的架构体系，专门针对公安交通管理应用场景需求，建立交通安全风险评估、运行态势研判、嫌疑车辆特征、信号参数优化、异常业务甄别等算法模型，更加贴合实战应用。系统中的大数据资源池中融合了丰富的交通管理专家知识经验、预案库和人工智能，建立基于规则推理的知识库，形成场景、规则、方案三者关联的知识图谱，大幅提高智慧决策能力。通过本发明的公安交管数据大脑，综合应用各类交通大数据资源和系统接口，实现对路面交通的监测、分析、研判、决策、指挥、管控，为安全防控、组织管控、执法处置、警务指挥、勤务监督、业务管理、宣传服务等业务提供应用服务，实现警务智慧化、协同化管理。

Claims (8)

1.一种公安交管数据大脑，其包括：设施层、平台层、应用层，所述设施层包括交管专有云基础设施，所述交管专有云基础设施为基础硬件设备，为所述平台层、所述应用层提供计算资源、存储资源和网络资源，其特征在于：

所述平台层用于接入、整合、存储与处理各类交通管理信息资源，为外部提供资源服务，其包括统一数据交换系统、视频AI应用平台、大数据资源池；

所述统一数据交换系统包括：提供数据接口以便实现各个系统之间的数据规范汇聚，提供数据资源服务，以便各个不同系统之间的数据交换；

所述视频AI应用平台在所述统一数据交换系统提供的数据交换服务支撑之下，为各地交管系统的前端、平台提供统一的接入、转发、转码应用支撑，实现对接入系统的各地交管系统的视频、图片的整合，进而建立统一的视频、图片混合资源库；依托“GPU+CPU”云架构的人工智能-深度学习技术，通过对视频和图片进行结构分析，识别交通违法行为、提取交通运行状态特征参数；

所述大数据资源池包括：所述统一数据交换系统提供的数据交换服务支撑之下，采用大规模并行处理数据库构建结构化大数据资源池、以分布式文件系统构建非机构化、半结构化数据资源池，实现公安交通管理各类数据的规范整合，通过数据抽取转换ETL，形成交通管理大数据主题库；提供计算引擎、按业务需求和时间跨度需求进行分析建模，形成交通数据模型及算法库；结合交通管理专家知识经验和人工智能，构建预案库、形成场景、规则、方案三者关联的知识图谱，建立基于规则推理的交通管理专家知识库；

所述应用层为各类交通管理用户提供应用功能和服务，其包括数字化交通地理信息系统和智慧协同管控应用平台；

所述数字化交通地理信息系统提供的服务包括：以公安警用地理信息系统为基础，提供面向公安交通管理业务的道路网拓扑图层、交管设备设置信息服务；提供地图引擎服务，为其他系统和平台提供开放的地图展示调用接口；提供空间数据转换工具，实现不同坐标系之间的空间数据转换，具备地图匹配和纠错功能；

所述智慧协同管控应用平台综合应用所述平台层和应用层的数据资源和系统接口，实现对路面交通的综合管理，为交通管理控制提供应用服务，实现警务智慧化、协同化管理；所述视频AI应用平台、所述大数据资源池计算后的数据，传递到所述数字化交通地理信息系统中添加地理信息后，传递到所述智慧协同管控应用平台中，通过所述智慧协同管控应用平台中的子模块实现综合管理；

所述智慧协同管控应用平台中实现的所述对路面交通的综合管理包括情指联动一体化调度，即对警情进行分级分类的自动识别后，接入勤务排班信息以及单警定位信息，实现对出警的快速指挥调度；所述智慧协同管控应用平台实现警情分析、指挥调度的具体流程如下所示：

a1：系统获得警情信息；

a2：将获得的所述警情信息传入到智慧研判模块中；

a3：所述智慧研判判模块调用所述交通管理专家知识库中的警情分类分级知识库，应用警情分析判别算法，对新上报的警情进行级别判断；

a4：所述智慧研判模块调用所述数字化交通地理信息系统，对于所述警情信息进行时空特性分析后，将判断后的所述警情级别标注在地图上，同时在所述警情信息的属性中添加属地信息；

a5：将所述警情信息发送到所述智慧协同管控应用平台，通过所述智慧协同管控应用平台中的所述智慧指挥模块将所述警情信息按照所述警情级别进行发送：

如果所述警情级别为自动出警的级别，调用所述数字化交通地理信息系统，接入路面巡逻民警的实时位置信息，对所述警情信息进行时空特征分析，判别出距离警情发生地最近的路面巡逻民警，然后将所述警情信息自动推送到民警级别的移动警务终端系统设备上进行预警；

否则，则将所述警情信息推送至相应级别决策层进行预警；

a6：当警情处理完毕后，通过各地的接处警系统把现场处置信息通过所述统一数据交换系统反馈到所述警情分类分级知识库；

a7：根据反馈的所述现场处置信息，所述数字化交通地理信息系统对所述警情信息中的属地信息进行校正，且把属地信息校正后的所述警情信息按分类、分级更新到地图上，形成公安交通管理专用的警情图层；

步骤a3中所述警情分析判别算法包括如下步骤：

e1：定时抽取全国的全量道路交通事件历史数据，建立训练样本；

事件数据集合定义为：incident(x₁,x₂,...,x_N)；

e2:将警情事件从高到低划分为重大风险、较大风险、一般风险、低风险四个级别，分别标记为R、O、Y、B，即：C_k＝{C_R,C_O,C_Y,C_B}；

e3：采用K-means聚类算法建立警情级别评估模型，则：

式中：N为事件的样本数，S_k为第k类事件数据簇，u_k为簇C中事件数据的平均中心；

假设每个警情级别有m个样本点，每个样本点的基本属性定义为：

incident Pro＝Properties(y₁,y₂,...,y_n)，

则构造出样本属性矩阵为：

e4：把所述训练样本投入到所述所述警情级别评估模型中，获得训练好的所述警情级别评估模型；

e5：把新发生的警情投入到训练好的所述警情级别评估模型中，进行警情级别判断：

所述新发生的警情定义为incident_newPro＝Properties(y₁,y₂,...,y_n)，将其属性中每个属性转化为一个量值，即每个警情具备一个属性向量，然后将所述新发生的警情的属性向量和警情库中的不同级别的不同事件信息向量利用夹角余弦进行相似性比对，则相似度表达公式为：

设置一个阈值

时，判定所述新发生的警情incident_new的级别归属；

e6：为根据所述级别归属，生成所述新发生的警情的基本属性，所述基本属性的属性值为：

incident_newPro(C_k)。

2.根据权利要求1所述一种公安交管数据大脑，其特征在于：所述设施层还包括云资源管理系统，所述云资源管理系统将所述交管专有云基础设施中的基础硬件设备资源打散，分隔成最小逻辑单元，虚拟成计算、存储和网络资源池，提供软件负载均衡，实现计算、存储资源的动态伸缩和分配管理，为所述平台层、所述应用层的服务提供可度量的、相对隔离的、安全的、快速可扩展的持续资源池供给。

3.根据权利要求1所述一种公安交管数据大脑，其特征在于：所述统一数据交换系统提供的所述数据资源服务包括：交换资源目录、资源服务总线、资源交换监控。

4.根据权利要求1所述一种公安交管数据大脑，其特征在于：所述统一数据交换系统提供的所述数据接口包括：由XML文档表示的请求方接口、基于Web Services技术的服务方接口组成的交通管理专用的数据交换服务接口、包括采集、数据服务、级联和分析的数据交换服务RESTful接口。

5.根据权利要求1所述一种公安交管数据大脑，其特征在于：步骤a1中，系统获得所述警情信息的方式包括：

b1：通过各地的接处警系统接收当事人电话口述报警，获得所述警情信息；

b2：接警员通过当事人对警情的描述，在所述接处警系统中进行人工录入所述警情信息。

6.根据权利要求1所述一种公安交管数据大脑，其特征在于：步骤a1中，系统获得所述警情信息的方式包括：

c1：所述视频AI应用平台对各地的所述警务管理系统传入的视频和图片进行结构分析，

c2：通过现有的图像识别技术识别需要处理的警情，获取所述警情信息。

7.根据权利要求1所述一种公安交管数据大脑，其特征在于：步骤a1中，系统获得所述警情信息的方式包括：

d1：当事人通过互联网地图APP的自动提交所述警情信息和警情位置信息；

d2：所述警情位置信息经过坐标统一转换函数实现WGS-84、GCJ-02、bd-09之间坐标转变，转变为公安交通管理在用地图的坐标系，经公安数据安全边界，交换至公安内网接处警系统；

d3：所述公安内网接处警系统把所述警情信息和所述警情位置信息通过所述统一数据交换系统传递入系统。

8.根据权利要求1所述一种公安交管数据大脑的构建方法，其特征在于，其包括以下步骤：

S1：数据汇聚，构建交管专有云基础设施和分布式的统一数据交换系统：

所述交管专有云基础设施包括：由不同配置的X86服务器、通用GPU服务器、专用GPU分析设备、网络设备、存储设备搭建大规模集群；

所述统一数据交换系统包括：

(1.1)通过基于数据表的格式化数据交换以及基于文件的非格式化数据交换，以文本、XML、JSON、二进制等格式，通过Web Services和RESTful接口汇聚接入交管内部数据；

(1.2)以共享方式接入互联网出行服务信息、网约车信息；

(1.3)交换接入交管相关部门的信息，所述交管相关部门包括：停车场、公共交通、道路施工、气象、交通运输；

S2：整合治理，对所有数据进行整理，构建视频AI应用平台、大数据资源池：

(2.1)基础数据元标准化：将公安交通管理应用涉及的基础元数据进行对标，进行数据处理，所述数据处理包括：清洗、修补、分类、关联、存储；

(2.2)构建一车一档主题库：以机动车数据、驾驶人数据、企业数据、道路数据、案件数据为基础，建立对机动车、驾驶人、企业多维度、多标签、可索引的数据画像，然后装载到MPPDB中形成主题数据库，并通过数据服务接口为上层应用提供数据支撑；

(2.3)构建统一视图库，部署HDFS、HBase存储卡口图片以及AI分析后的半结构化数据、视频流等非结构化数据，统一编码，形成以路面监控视频、业务窗口监控视频、执法记录仪视频为主数据资源；根据数据类型设置生命管理周期，以时间为元数据对视频、图片进行管理；形成统一的非结构化数据资源库，同时为视频资源提供数据服务，所述数据服务包括：转码、存储、转发、管理、索引服务；

S3：分析建模，构建所述视频AI应用平台、所述大数据资源池、所述应用层服务所用的算法模型：

(3.1)构建视频智能分析模型：依托GPU服务器，对基于所述视频AI应用平台中的视频内容中人、车、物特征属性自动提取，并生成可供计算机和人理解的文本信息；自动识别道路运行状态信息；构建高清视频资源与视频中车辆的运行特征、形态、身份信息的关联模型，提供通过某一特征信息检索相关车辆在途行驶视频的检索服务；

(3.2)构建图片分析模型：依托GPU服务器，通过对执法设备采集到的图片中的机动车辆进行智能识别，基于现有的图像识别技术，实现交通事件自动检测识别、车辆特征提取，实现对车辆自身违法行为、驾驶室内人员违法行为、机动车驾驶操作违法行为的识别和违法行为取证；

(3.3)构建数据分析模型：搭建基础算法库，综合运用智能算法和建模工具，按交通管理的不同业务需求和时间跨度需求进行分析建模，形成交通专用算法库，为交通应用服务提供一站式的交通数据建模及算法实施服务；

S4：应用构建，构建数字化交通地理信息系统、智慧协同管控应用平台：

以互联网公司城市路网底图为基础，将交警辖区内的交通管理设施设备进行地理标注、编码，形成道路交通管理设施空间数据库，构建所述数字化交通地理信息系统，提供公安交管专用地理信息服务；梳理道路交通管理业务，解耦业务中的强耦合组件，对公安交管现有和将建的系统进行功能划分和流程划分，应用SOA和MSA将功能进行组件化拆分，并封装为服务，使用ESB对服务进行统一管理；在此基础上，梳理公安交通管理与服务业务流程，兼顾指挥中心和路面执勤需求，应用SOA部署BPM，将相应的模块封装在一起，构建智慧协同管控应用平台。

Images