大數(shù)據(jù)AI技術(shù)在安全防控體系中的應(yīng)用實(shí)踐

文圖 | 姜鑒鐸 黃淑兵 曹鵬

公安部交管局印發(fā)的《加強(qiáng)和規(guī)范公路重點(diǎn)車輛布控查緝工作方案（2021至2023年）》 （征求意見稿）提出，到2023年，實(shí)現(xiàn)公路交通安全防控體系更加嚴(yán)密扎實(shí)，交通秩序管控更加高效有力，交通事故預(yù)防更加科學(xué)合理，管理能力更加現(xiàn)代化的總體目標(biāo)，具體包括：基礎(chǔ)設(shè)施建設(shè)更加完備、分析研判布控更加精準(zhǔn)、勤務(wù)部署改革更加扎實(shí)、攔截檢查處罰更加嚴(yán)密、應(yīng)急指揮機(jī)制更加完善等五個方面。公安交通集成指揮平臺是主要的實(shí)戰(zhàn)應(yīng)用平臺，目前已在全國31省部署應(yīng)用，覆蓋全國所有地市，匯聚了全國道路交通設(shè)備、車輛通行軌跡、警員勤務(wù)、預(yù)警推送、指揮調(diào)度等基礎(chǔ)數(shù)據(jù)，部署了大數(shù)據(jù)、AI等基礎(chǔ)支撐平臺，是全面助推公安交管工作實(shí)現(xiàn)質(zhì)量變革、效率變革、動力變革的有力抓手。本文歸納、整理了部分在實(shí)戰(zhàn)中應(yīng)用范圍較廣、準(zhǔn)確性和有效性較高的融合大數(shù)據(jù)和AI技術(shù)的嫌疑車輛分析方法，為公安交管部門開展精準(zhǔn)查緝、推進(jìn)公路交通安全防控體系建設(shè)與應(yīng)用提供參考和支撐。

一、關(guān)鍵技術(shù)支撐

（一）大數(shù)據(jù)存儲與分析

車輛通行數(shù)據(jù)來源于卡口、電子警察等設(shè)備的抓拍，設(shè)備可從抓拍圖片中采集車輛通行的各類信息，主要包括卡口編號、過車時間、方向類型、號牌號碼、號牌種類、車道號等，以文本形式儲存。在每日通過集成指揮平臺匯總的全國車輛通行文本數(shù)據(jù)可達(dá)10億數(shù)量級的背景下，采用大數(shù)據(jù)存儲與分析方案是妥善管理、應(yīng)用海量車輛通行數(shù)據(jù)的有效方法。車輛通行文本數(shù)據(jù)存儲方面，采用一種高可靠、高性能的分布式存儲模式，可通過恰當(dāng)?shù)乃饕O(shè)置實(shí)現(xiàn)海量數(shù)據(jù)的秒級查詢。數(shù)據(jù)分析方面，交互式分析引擎提供高速結(jié)構(gòu)化查詢分析和數(shù)據(jù)挖掘能力，可基于此實(shí)現(xiàn)交互式數(shù)據(jù)分析、即時報(bào)表和數(shù)據(jù)可視化功能。

（二）人臉識別

人臉識別依托卡口圖片人臉智能識別預(yù)警系統(tǒng)。該系統(tǒng)集成人臉識別技術(shù)，實(shí)現(xiàn)對車輛通行圖片中人臉位置檢測與特征提取。對于能夠檢測出駕駛?cè)巳四樀?，一方面提取人臉特征值，評價其清晰度，另一方面對駕駛?cè)耸欠衽宕髂R、口罩等特殊情形智能識別，識別結(jié)果以結(jié)構(gòu)化形式持久存儲。對于滿足特征相似度要求，能確認(rèn)駕駛?cè)松矸莸淖R別結(jié)果，可建立過車記錄與駕駛?cè)松矸莸年P(guān)聯(lián)關(guān)系，以支持進(jìn)一步的分析研判。

（三）車臉識別

車臉識別依托車輛特征智能識別及圖片檢索比對系統(tǒng)。該系統(tǒng)集成應(yīng)用圖像分析技術(shù)、大數(shù)據(jù)技術(shù)、深度學(xué)習(xí)技術(shù)，從車輛通行圖片提取機(jī)動車特征，支持前后位置、有無號牌、號牌種類、號牌號碼、車輛類型、車身顏色、車標(biāo)、車輛子品牌、主副駕駛是否放下遮陽板、是否有掛件、粘貼臨時號牌等特征的識別，提取的特征以車輛特征碼的形式存儲。

二、實(shí)戰(zhàn)應(yīng)用典型場景

依托公路交通安全防控體系，可有效查處交通違法，及時消除假套牌、“失駕”人員、機(jī)動車違法載人、非法營運(yùn)等風(fēng)險隱患，著力打造平安暢通的公路交通環(huán)境。

（一）假套牌車輛分析

群眾舉報(bào)受理、多次補(bǔ)牌補(bǔ)證車輛分析、非現(xiàn)場違法審核、軌跡時空分析是假套牌車輛分析的常用方法。如圖1所示，在受理群眾舉報(bào)、車輛補(bǔ)牌補(bǔ)證的場景下，可結(jié)合車輛登記信息和通行軌跡分析，研判通行圖片，從中確定套牌車輛行駛區(qū)域和駕駛?cè)?。非現(xiàn)場違法審核時，一方面需注意貼牌、涂改、號牌未注冊、車輛登記信息與違法圖片不一致等異常情況；另一方面需關(guān)注因車牌與車型不符、車身顏色不符等原因未錄入靜態(tài)違法的車輛，結(jié)合號牌模糊查詢、以圖搜車、人臉比對等手段查找駕駛?cè)撕驮?。軌跡時空分析是離線分析功能，首先分析出成對的同一時間不同地點(diǎn)出現(xiàn)的相同號牌車輛，然后比對車輛通行圖片、綜合應(yīng)用平臺違法照片以確定假套牌車輛，進(jìn)而比對新車入戶、機(jī)動車審驗(yàn)留存圖片確定真假車輛。結(jié)合軌跡分析確定嫌疑車輛通行特征，即可組織查緝或布控車輛。

圖1 假套牌車輛分析流程示意圖

（二）“失駕”人員分析

“失駕”是指駕駛?cè)艘驒C(jī)動車駕駛證被暫扣、注銷、吊銷，從而失去合法的機(jī)動車駕駛資格的情況。“失駕”原因主要有無證、醉駕、毒駕、準(zhǔn)駕不符等。如圖2所示，根據(jù)卡口抓拍的車輛通行圖片，結(jié)合人臉識別技術(shù)，可以分析駕車上路的“失駕”人員。此項(xiàng)分析的關(guān)鍵在于車輛通行圖片的人臉識別，為確保圖片內(nèi)人臉清晰、可識別，且不影響夜間分析過程，需選取像素300萬以上同時在夜間具備補(bǔ)光功能的拍攝車輛正臉卡口。配置卡口后，通過集成指揮平臺“駕駛證異常比對”功能獲取系統(tǒng)分析的無證、醉駕、毒駕、準(zhǔn)駕不符等嫌疑數(shù)據(jù)，從中篩選出相似度高于98%的嫌疑車輛，人工比對人口庫照片、車輛通行圖片、“失駕”人員庫照片，確定是同一人后對車輛進(jìn)行人工布控。

圖2 “失駕”人員分析流程示意圖

（三）“兩違”分析

“兩違”指貨車、三輪車違法載人和客車超員，貨車、三輪車違法載人可根據(jù)車輛通行圖片研判車尾是否載人確定，客車超員可根據(jù)圖片中車內(nèi)是否超量運(yùn)載人員確定，如圖3所示。此項(xiàng)分析應(yīng)用了人臉識別技術(shù)以分析車頭、車尾、車內(nèi)載人數(shù)量。為確保圖片質(zhì)量，配置功能需要盡可能選取單車道像素300萬以上的卡口，并能從圖片中分辨車輛各部分載人情況。違法載人、違法超員的嫌疑數(shù)據(jù)可通過集成指揮平臺“違法載人分析”功能獲取。經(jīng)核實(shí)確認(rèn)，對于有號牌的車輛，可進(jìn)行人工布控；對于三輪車等無號牌車輛，可經(jīng)整理后抄告至對應(yīng)轄區(qū)交通安全勸導(dǎo)員以落實(shí)管控要求。

圖3 “兩違”研判結(jié)果示例

（四）非法營運(yùn)分析

非法營運(yùn)車輛具有在固定區(qū)間內(nèi)頻繁往返的特征，非法營運(yùn)分析的關(guān)鍵在于選取能夠抓拍車輛往返行駛的卡口組合。如圖4所示，在此項(xiàng)分析中，首先在高速、國省道選取一組卡口形成路段區(qū)間，抓拍車輛的往返情況。進(jìn)而通過集成指揮平臺“非法營運(yùn)分析”功能，獲取路段區(qū)間內(nèi)頻繁往返的非營運(yùn)車輛數(shù)據(jù)。獲取嫌疑車輛后，核實(shí)車輛是否具有營運(yùn)資格，結(jié)合車輛正面圖片判斷是否從事營運(yùn)工作，往返頻次過高且車輛乘坐人員不固定的，可確定為嫌疑車輛并布控。

圖4 非法營運(yùn)分析流程示意圖

（五）“黑校車”分析

小型、中型客車需取得校車使用許可，無校車營運(yùn)資格且頻繁、大量接送學(xué)生的中小型客車具有“黑校車”嫌疑。如圖5所示，針對“黑校車”頻繁接送學(xué)生的特點(diǎn)，分析前需備案學(xué)校地址并關(guān)聯(lián)學(xué)校周圍道路卡口，并根據(jù)當(dāng)?shù)厣蠈W(xué)、放學(xué)時段設(shè)置分析時段，配置分析任務(wù)。進(jìn)而通過集成指揮平臺“黑校車分析”功能獲取嫌疑“黑校車”數(shù)據(jù)，根據(jù)通行圖片判斷車輛是否接送學(xué)生，根據(jù)車輛備案信息核實(shí)車輛是否具有校車資格，研判出嫌疑車輛即可布控。

圖5 “黑校車”分析流程示意圖