海康威视：数据时代下的智能交通平台应用
- 来源：海康威视
- 2016/7/21 10:41:5341784
二、基于大数据的涉牌违法车辆的分析和研判
在路上的时候，我们经常会看到这样的一些车辆，比如未悬挂号牌的、用光盘遮挡的、防撞装置或者备胎遮挡号牌的、用泥浆、油漆污损号牌或者胶贴涂抹号牌的、可翻转号牌架的车辆！
海康威视：数据时代下的智能交通平台应用
随着下面此类新闻在不断地映入我们的眼帘，与这些车辆相关性较大的关键词往往就是遮牌、违法、事故、逃逸乃至死亡，我们不得不接受这样一个事实——珍惜生命，远离无牌车！事实上，整治涉牌违法一直是交警为重视的一项工作，而且在《道路交通安全法》中，对此类涉牌违法的处罚也是严厉的！
但是此类车辆有一个共同的特征，即车辆号牌无法辨识或者不真实，所以不能通过号牌确定车辆的真实身份。而交警现役的非现场执法系统需要100%依赖准确看清车辆号牌，例如闯红灯电子警察系统、超速卡口抓拍系统、违停取证系统以及手动抓拍系统等。
那么问题来了，怎样在不知道车牌的情况下，打造一套可用于实战的涉牌违法研判分析系统？
让我们理一下思路，对无牌车辆怎么研判？车辆除了车牌外有什么其他的特征？车标、车身颜色、车型、品牌及子品牌、驾驶室特征……是不是有了以图搜车的想法了？但是以前的以图搜车为什么不能奏效呢？首先是不是搜车的准确率不高？其次是不是搜车的速度太慢？第三点是不是搜车跟后续的处罚的业务脱节了？那么好，理清楚问题，我们是不是有了更好的方向了？
这就是非常典型的数据时代下，针对车辆研判的大数据研判系统：通过二次识别的云分析给出车辆数据结构化描述；全文检索引擎将这些结构数据进行检索优化；智能交通综合平台通过数据比对列出相似度从高到低车辆，从而确定目标车辆真实号牌。与以往的车辆研判相比提升的是，基于大数据全文检索引擎下的搜索速度更快；基于云分析系统下的二次识别和车辆建模准确度更高。
以下就是国内某一线城市，交警支队基于大数据系统的以图搜车的实际应用案例。
三、基于大数据的科学辅助决策和专项整治
近日来，随着北京、深圳、广州等一线城市采取禁电禁摩等措施的实行，交通管理的科学性又再次被推到了舆论的的风口浪尖上。那么面对这种特定交通违法行为或者交通管理痛点，有没有一种特别好的科学辅助决策系统，让交通管理行为不成为*、庸政，不将交通管理者推向公众百姓的对立面，让城市交通管理更有针对性，且更卓有成效呢？
实际上基于大数据下的辅助决策专项整治系统，需要从以下几个面为精细化交通管理带来好处：
1)提供面向新的交通问题的治理手段：利用人工智能和机器智能，提供新的交通研判功能，例如高速公路车辆多次超速以及故意篡改号牌，确定车辆的违法行为；
2)提供信息辅助决策系统，利用管控平台强大的数据存储、处理和分拣能力，与自身的交通违法信息库以及六合一违法信息库对接后，提供强大的违法信息时空分布规律，从而让交警开展专项整治行动时真正做到有的放矢。
3)提供专项整治行动业务流程，针对不同的专项整治行动，能够结合实际的业务应用，提供专项整治行动数据源输入，整治行动过程以及整治行动结果的完整应用流程。
4)提供强大的专项整治行动报表，能够为交警用户提供强大、详细的整治行动报表，报表能够清晰地显示出整治行动开展前的违法信息分布情况，以及开展专项整治行动之后的违法信息分布情况，从而准确科学地评估专项整治行动开展的效果。
以下就是基于这种应用如何管控不按规定线路行驶的渣土车专项整治：
当前，全国的各大主流城市都在如火如荼地开展城市基础设施建设，因此产生了数量庞大的工地数量以及工程渣土。一般来说，城市交通部门是专门划定了施工工地渣土的倾倒区域，而且为了不影响其他城市交通，一般规定在夜里的某个时间段内允许渣土车辆进行倾倒。但是现实中，由于渣土车司机的收入来源与货运的次数成正比，因此出于利益驱使，有些不法分子就会选择不按规定时间在未规定的区域进行渣土倾倒。而大货车闯禁专项整治行动就可以协助交通管理者对此类行为提供很好的解决办法。
此类闯禁的大货车，再很大程度上存在着一些车辆套牌、号牌故意污损或者遮挡以及车辆超速的情况，同时由于不按规定路线以及时间内行车，往往又会导致扰民或者交通安全事故的发生，因此在122/110/119三台合一系统中往往会登记此类信息。那么针对非法渣土车的专项整治查处就可以从套牌车辆分析、超速车辆分析以及大货车闯禁专项整治等几个方面联合进行考虑。
如何判断大货车是否按既定路线行驶，可以按这个逻辑进行思考：
1、行车路线上如果存在连续的卡口，那么可以根据连续多个卡口描绘工程车行车轨迹；
2、行车路线上若没有可以形成行车轨迹的多个卡口，那么统计工程车在单个卡口的出行频率，若是在短期内出没频率远远大于应该按正常行驶可能经过单个卡口的出行频率，就可以推断为不按路线行驶提前返回；
如何判断大货车是否有套牌的行为？
1、平台侧把该区域所有可能出没的工程车的车牌信息进行统一手工录入，或者通过与六合一数据库的对比将工程车的数据自动同步，然后分析该区域的异常工程车车牌号码，以确认是否有车辆改牌情况的发生；
2、在工地出入口必经的道路上设置多个卡口，采用类似于平台在高速公路场景下的篡改号牌专项研判，分析是否有车辆套牌情况的发生；
3、利用前端高清分辨率的抓拍机，通过识别异常车牌的车辆来识别号牌故意污损的车辆。
如何判断工程车私自倾倒工地渣土垃圾倾倒区域？
1、与三台合一事件等级系统进行对接并分析；
2、与电台、市民信箱等渠道进行人工筛选。
通过以上几个方面统筹的数据规律对比和碰撞，专项整治系统将对这种工程车随意倾倒工业垃圾的行为得出准确的规律，从而使得行政管理人员能够有针对性地进行管理和处置。
四、基于大数据的交通流分析和组织优化
在当前很多城市交通管理体系中，交通诱导的建设已经相对来说比较普遍。实际上交通诱导就是属于交通组织优化和合理分配车流量的一种手段。不过随着当前城市交通拥堵程度的加剧，简单的交通诱导已经很难满足交通组织优化的目的。而基于大数据的交通流分析和组织优化则是从交通数据分析的维度进一步辅助交通管理和应用，通过分析和挖掘交通参数数据、地理信息数据、交通基础设施数据等基础数据，从宏观和微观上把握柯桥区交通路网运行状况、路网服务水平以及路网运行特征，通过构建交通信息采集系统和辅助决策支持系统，达到交通决策优化的目的。
那么如何将流量数据分析应用程度更加细化下去呢，一般可以通过以下几个方面进行阐释：
1)交通流态势的评估：交通态势分析是利用交通信息采集设备得到的数据，在不同的时空维度下深度挖掘，多角度展示路网的运行特征，把握交通趋势。
2)交通特性的分析：分析的维度主要为某一个区域范围内的流量分布变化或者某一个路口的早晚高峰模型。
3)交通流预测：通过大量历史流量数据的分析和规律比对，以分钟、小时、天、月、季度、年等维度对未来出现的流量数据做预测分析。
4)交通评价：针对当前路网的运行情况，以数据维度给出当前路网的流畅度和合理性，包括拥堵指数的分析、不均指数的分析和延迟指数的分析等等。
5)城市交通运行报告：根据所监控范围内城市级综合的数据分析结果，提供区域内路网运行状况、路网服务水平、路网运行特征等信息。为城市管理者提供交通流分析和组织优化的决策依据。
五、结语
以上就是基于数据下的智能交通综合应用的典型案例，当然这些应用只是交通大数据应用的冰山一角。数据时代下的智能交通应用，将随着智能交通数据中心的建设脚步，呈现出越来越丰富的应用。未来，将是真正的智能交通的DT时代，智能交通平台，也将随着数据应用，达到新的高度，未来可期！