道路卡口通行數(shù)據(jù)挖掘研究

周軍 廣東省廣州市公安局

道路卡口通行數(shù)據(jù)挖掘研究

周軍 廣東省廣州市公安局

主要針對(duì)廣州市道路卡口系統(tǒng)通行數(shù)據(jù)進(jìn)行分析研究，通過(guò)歸納總結(jié)涉車犯罪規(guī)律，結(jié)合公安機(jī)關(guān)辦案經(jīng)驗(yàn)，建立一系列指標(biāo)模型，實(shí)現(xiàn)異常軌跡車輛的自動(dòng)分析研判，從而提高公安機(jī)關(guān)打擊有組織盜、搶機(jī)動(dòng)車團(tuán)伙的效率。

道路卡口 機(jī)動(dòng)車 數(shù)據(jù)挖掘 模型

一、引言

道路卡口系統(tǒng)通過(guò)分布在道路上架設(shè)的高清攝像機(jī)，采用光電技術(shù)、圖像處理技術(shù)及模式識(shí)別等技術(shù)對(duì)過(guò)往車輛進(jìn)行抓拍，實(shí)現(xiàn)對(duì)車輛的過(guò)車信息、流量分布等情況不間斷自動(dòng)記錄，是公安機(jī)關(guān)交通管理、涉車犯罪打擊工作的重要基礎(chǔ)技術(shù)支撐系統(tǒng)，在甄別假套牌、肇事逃逸軌跡及車輛出行特點(diǎn)規(guī)律分析中發(fā)揮了重要作用。隨著珠三角地區(qū)經(jīng)濟(jì)、社會(huì)的發(fā)展以及城市化進(jìn)程的加快，道路卡口系統(tǒng)布局逐漸形成省、市、區(qū)（縣）際出入口全覆蓋，有些發(fā)達(dá)市區(qū)甚至實(shí)現(xiàn)了網(wǎng)格化布局，因此道路卡口系統(tǒng)在打擊跨區(qū)、跨市甚至跨省流動(dòng)作案方面的作用日益突顯。

二、背景介紹

廣州全市已建成道路卡口系統(tǒng)632套，基本覆蓋市際、環(huán)城、中心城區(qū)的道路卡口系統(tǒng)網(wǎng)絡(luò)，系統(tǒng)日過(guò)車數(shù)近1500萬(wàn)輛，隨著道路卡口系統(tǒng)的不斷擴(kuò)建，車輛流量不斷增大，預(yù)計(jì)短時(shí)間內(nèi)系統(tǒng)過(guò)車數(shù)將超過(guò)2000萬(wàn)輛。按照過(guò)車數(shù)據(jù)及圖片保存六個(gè)月計(jì)算，系統(tǒng)產(chǎn)生的數(shù)據(jù)總量達(dá)到900T。如此龐大的數(shù)據(jù)量，而且包含了結(jié)構(gòu)化的過(guò)車數(shù)據(jù)和非結(jié)構(gòu)化的過(guò)車圖片，傳統(tǒng)治安卡口的功能已經(jīng)無(wú)法滿足公安機(jī)關(guān)社會(huì)管理工作的要求。如何通過(guò)對(duì)卡口通行數(shù)據(jù)的研判實(shí)現(xiàn)主動(dòng)發(fā)現(xiàn)破案線索，打擊有組織的盜、搶機(jī)動(dòng)車團(tuán)伙，從另一個(gè)方面挖掘系統(tǒng)效能，實(shí)現(xiàn)信息利用的最大化，已經(jīng)成為一個(gè)亟需解決的技術(shù)難題。為了研究車輛軌跡及通行規(guī)律，筆者所在的廣州市公安局抽調(diào)專門力量，以廣州市市際卡口為研究對(duì)象，開展了道路卡口數(shù)據(jù)挖掘的研究工作。

三、研究目的

研究的主要目的就是要從長(zhǎng)期涉車犯罪破案經(jīng)驗(yàn)中總結(jié)出一批定量分析規(guī)則，通過(guò)不同規(guī)則組合，實(shí)現(xiàn)數(shù)學(xué)模型的構(gòu)建；通過(guò)對(duì)卡口后臺(tái)數(shù)據(jù)庫(kù)的綜合分析，對(duì)車輛異常行為和軌跡特征進(jìn)行研判，建立一系列數(shù)據(jù)分析模型；通過(guò)模型自動(dòng)篩選一批可疑車輛，實(shí)現(xiàn)精確打擊，指導(dǎo)涉車犯罪案件的偵破工作。同時(shí)，還能對(duì)不同類型車輛的出行軌跡和規(guī)律進(jìn)行分析，為限行、限牌等交通管制措施提供宏觀數(shù)據(jù)支撐，有利于交通管理工作的智能化。

四、研究?jī)?nèi)容

此次納入研究的卡口系統(tǒng)總共90套，該批卡口主要分布在廣州市主要出入口以及重點(diǎn)區(qū)（縣）際出入口，日過(guò)車量約350萬(wàn)輛。過(guò)車圖片存儲(chǔ)時(shí)間為90天，過(guò)車數(shù)據(jù)存儲(chǔ)時(shí)間為180天，系統(tǒng)數(shù)據(jù)庫(kù)及存儲(chǔ)陣列總共存儲(chǔ)31500萬(wàn)張圖片及63000萬(wàn)條過(guò)車數(shù)據(jù)，總數(shù)據(jù)大小約150T。

五、研究過(guò)程

研究主要經(jīng)歷了數(shù)據(jù)采集、數(shù)據(jù)清洗、數(shù)據(jù)倉(cāng)庫(kù)建立、建模及主題分析等過(guò)程，如圖1所示。

（一）關(guān)鍵概念描述

1. 數(shù)據(jù)倉(cāng)庫(kù)

是一個(gè)面向主題、集成、相對(duì)穩(wěn)定、反映歷史變化的數(shù)據(jù)集合，用于支持管理決策。數(shù)據(jù)倉(cāng)庫(kù)表按內(nèi)容性質(zhì)分為維度表和事實(shí)表兩種。

2. 維度表

記錄基礎(chǔ)數(shù)據(jù)，作為分析的維度，如車主信息、車輛信息、卡口位置信息等。

3. 事實(shí)表

記錄實(shí)際發(fā)生的數(shù)據(jù)，具體體現(xiàn)為卡口車輛往來(lái)記錄、車輛犯罪記錄。

4. 指標(biāo)模型

由一系列用于衡量、評(píng)估事件的指標(biāo)組成，是破案經(jīng)驗(yàn)的數(shù)字化模型。

5. 分析主題

數(shù)據(jù)倉(cāng)庫(kù)是面向主題的，其數(shù)據(jù)按照一定的主題域進(jìn)行組織。所謂主題，就是指數(shù)據(jù)歸類的標(biāo)準(zhǔn)，每個(gè)主題對(duì)應(yīng)一個(gè)客觀分析領(lǐng)域。面向主題，就是指數(shù)據(jù)倉(cāng)庫(kù)內(nèi)的信息按照主題進(jìn)行組織，其組織方式是在較高層次上進(jìn)行數(shù)據(jù)抽象，對(duì)犯罪模型指標(biāo)體系進(jìn)行重組（注入變量），以便靈活、側(cè)重分析情況。

（二）研究對(duì)象選取

考慮到涉車違法及犯罪活動(dòng)的復(fù)雜性，我們決定選取假牌車、套牌車及異常軌跡車輛作為研究對(duì)象，從車輛速度、運(yùn)行軌跡等方面尋找規(guī)律。

1. 假牌車分析

假牌車是指懸掛自編自造車牌的車輛。在日常巡查過(guò)程中，路面警力基本很難用肉眼判斷其號(hào)牌的真實(shí)性，基于數(shù)據(jù)庫(kù)比對(duì)技術(shù)，通過(guò)道路卡口系統(tǒng)識(shí)別的車輛號(hào)牌與車輛庫(kù)進(jìn)行比對(duì)，不存在的號(hào)牌即可確定為假牌車。

2. 套牌車分析

（1）一定時(shí)間段內(nèi)同一輛車出現(xiàn)在兩個(gè)不可能出現(xiàn)的地點(diǎn)。例如相隔3分鐘之內(nèi)的時(shí)間段，同一輛車出現(xiàn)在相隔10公里及以上的兩個(gè)地點(diǎn)。

（2）同一時(shí)間同一輛車出現(xiàn)在兩個(gè)地點(diǎn)。

（3）同一車牌在同一地點(diǎn)或不同地點(diǎn)以不同車型或類別出現(xiàn)。

3. 可疑車輛分析

可疑車輛是指車輛的通行時(shí)間及頻率與案、事件發(fā)生地高度關(guān)聯(lián)的車輛。由于涉及偵查手段，這里不再贅述。

（三）技術(shù)難點(diǎn)

處理大數(shù)據(jù)量的系統(tǒng)，性能往往是最大的瓶頸，反應(yīng)在用戶層面，則是用戶體驗(yàn)的一個(gè)重要指標(biāo)。響應(yīng)時(shí)間必須滿足用戶的合理要求，性能體現(xiàn)在兩個(gè)方面：一是數(shù)據(jù)抽取效率，二是數(shù)據(jù)檢索效率。我們采取了以下優(yōu)化方向：合理分配內(nèi)存；使用Raid5磁盤陣列，平衡IO負(fù)擔(dān)；抽取優(yōu)化；檢索優(yōu)化，為數(shù)據(jù)庫(kù)建立合理的索引，使用“全文檢索+臨時(shí)表+數(shù)據(jù)表”的方式，進(jìn)行最大限度的優(yōu)化。

（四）主要實(shí)現(xiàn)過(guò)程

1. 采集數(shù)據(jù)

采集外部系統(tǒng)數(shù)據(jù)：車輛信息、車主信息、卡口位置信息、車輛往來(lái)信息，由系統(tǒng)管理員設(shè)置與外部系統(tǒng)的接口配置。作為系統(tǒng)服務(wù)，自動(dòng)輪詢采集，及時(shí)更新數(shù)據(jù)。

主要大、中型礦區(qū)有：五臺(tái)柏枝巖鐵礦區(qū)、繁峙大明煙大草坪礦段、原平南坡村—孫家莊礦區(qū)、代縣趙村、白峪里、山羊坪東鐵礦區(qū)、嵐縣袁家村、婁煩狐姑山、尖山東大型礦區(qū)；靈丘東長(zhǎng)城西礦段、繁峙—靈丘平型關(guān)鐵礦、代縣八塔礦區(qū)、原平郭家莊、山碰、章腔—令狐、嵐縣寧家灣等中型礦區(qū)以及左權(quán)蒿場(chǎng)—連麻溝鐵和黎城小寨、黃崖洞鐵礦中型礦區(qū)。

2. 錄入指標(biāo)模型

犯罪特征數(shù)字化，轉(zhuǎn)為指標(biāo)，并分配各指標(biāo)所占權(quán)重。為細(xì)化模型粒度和簡(jiǎn)化指標(biāo)，提供指標(biāo)變量及范圍，供創(chuàng)建主題分析時(shí)靈活設(shè)置。

3. 確定分析主題

分析主題可以根據(jù)指標(biāo)模型動(dòng)態(tài)配置，而指標(biāo)模型也是可以靈活配置的，因此能夠滿足以后可能的其它主題分析需求。根據(jù)涉車案件規(guī)律，初步確定假牌車、套牌車等分析主題。

4. 建模

（1）做好機(jī)動(dòng)車、駕駛證等基礎(chǔ)資料分類。

（2）聚類方法不是指具體的特定的聚類算法，而是對(duì)目標(biāo)體屬性實(shí)現(xiàn)“物以類聚”的思路。在不同的應(yīng)用場(chǎng)合，有著不同的集聚規(guī)則和算法實(shí)現(xiàn)。本次研究使用基于模型的聚類劃分，可以理解為某個(gè)主題分析是尋找某一類車輛，這種類是動(dòng)態(tài)的（用戶輸入條件參數(shù)），分析是動(dòng)態(tài)追蹤目標(biāo)物體（車輛）的過(guò)程。

（3）關(guān)聯(lián)與預(yù)測(cè)。關(guān)聯(lián)應(yīng)用于特定的情況，如涉及此案件什么樣的車可能性比較大，系統(tǒng)提供這樣的輸入，但需人工關(guān)聯(lián)選擇；預(yù)測(cè)需要大量的涉案記錄，用于分析特征，根據(jù)特征權(quán)重尋找類似車輛。

（4）算法效率平衡。在允許范圍內(nèi)，放寬約束以提升效率。如軌跡匹配，假設(shè)車輛1依次經(jīng)過(guò)卡口ABCD，車輛2依次經(jīng)過(guò)卡口ABD，車輛3依次經(jīng)過(guò)卡口ABBC（B被拍攝兩次），車輛4依次經(jīng)過(guò)卡口ABCDD（D被拍攝兩次），查詢與車輛1重合3次的車輛。若嚴(yán)格按卡口順序匹配，將采用滑動(dòng)窗口算法（窗口寬度為3）匹配軌跡，此方法效率較低（時(shí)間耗費(fèi)大），匹配出車輛（4）；若按卡口順序，允許間隔出現(xiàn)，那么將采用點(diǎn)匹配算法，此方法為最高效率，匹配出車輛（1，2，4）、（1，3，4）車輛，實(shí)際也是符合的。因此，放寬約束可使用較高效的算法。

六、研究成果

經(jīng)過(guò)近半年時(shí)間的研究和代碼實(shí)現(xiàn)，成功研發(fā)了一套道路卡口預(yù)警和研判系統(tǒng)。系統(tǒng)每周自動(dòng)更新廣州市機(jī)動(dòng)車庫(kù)數(shù)據(jù)300余萬(wàn)條，總共接入治安卡口54個(gè)，每日抽取、新增行車數(shù)據(jù)140余萬(wàn)條，月行車數(shù)據(jù)規(guī)模達(dá)4000萬(wàn)，基本滿足20天數(shù)據(jù)量的檢索需求。系統(tǒng)主要實(shí)現(xiàn)假牌識(shí)別、時(shí)速異常、超速、行車規(guī)律等分析功能。除用于數(shù)據(jù)挖掘、分析的各項(xiàng)模型外，系統(tǒng)還提供非常便捷的統(tǒng)計(jì)分析模塊，直觀顯示全市各區(qū)卡口流量、車流量、假牌統(tǒng)計(jì)和緝查報(bào)警統(tǒng)計(jì)圖（報(bào)）表。

七、實(shí)驗(yàn)測(cè)試

主要測(cè)試情況見表1。

?

八、案例驗(yàn)證

系統(tǒng)初步研發(fā)完成后組織涉車案件研判骨干參加了系統(tǒng)培訓(xùn)，并下發(fā)試運(yùn)行賬號(hào)進(jìn)行實(shí)際測(cè)試。試用過(guò)程中，一方面收到不少面向案件對(duì)于模型應(yīng)用的有效建議，另一方面也發(fā)現(xiàn)這批模型中除假牌識(shí)別、時(shí)速異常、行車規(guī)律用戶使用較多外，其它模型難以達(dá)到理想的分析效果。

經(jīng)總結(jié)，開發(fā)團(tuán)隊(duì)確立了“傻瓜化”和“顆粒化”的優(yōu)化思路。傻瓜化，即簡(jiǎn)單直白，一鍵就能點(diǎn)出辦案人員想要的東西，如“假牌分析”模塊。“顆粒化”即進(jìn)一步細(xì)化用戶需求，貼近辦案人員使用習(xí)慣。例如調(diào)整數(shù)據(jù)抽取時(shí)間至凌晨5點(diǎn)，以滿足盜車案高發(fā)時(shí)段第一時(shí)間研判的需求；行車規(guī)律也細(xì)化采用了多種形式分析每天規(guī)律，如出現(xiàn)次數(shù)和出現(xiàn)天數(shù)統(tǒng)計(jì)、分析。最后，設(shè)計(jì)了徘徊查詢、套牌查詢、套牌分析、出現(xiàn)次數(shù)分析、出現(xiàn)天數(shù)分析、未識(shí)別車牌、工具車查詢、組合分析等既有非常強(qiáng)的目的性，又簡(jiǎn)單實(shí)用的模型。根據(jù)收集回的應(yīng)用成效案例，總結(jié)出了模糊查詢、假牌分析、從庫(kù)到車、車輛徘徊、組合分析等技戰(zhàn)法指導(dǎo)實(shí)戰(zhàn)應(yīng)用。目前，該系統(tǒng)功能已基本完備，辦案部門普遍反映查詢效率高，應(yīng)用效果好。

九、總結(jié)

此次研究雖然取得了一定成果，但還存在不足之處：① 系統(tǒng)軟硬件性能還不適應(yīng)大數(shù)據(jù)量的研判分析應(yīng)用。隨著廣州市交通流量的不斷增多，道路卡口系統(tǒng)的數(shù)量也在不斷增加，要想實(shí)現(xiàn)全市所有道路卡口數(shù)據(jù)的挖掘分析工作，僅通過(guò)簡(jiǎn)單的硬件拼湊肯定無(wú)法解決；② 數(shù)據(jù)源不完整。由于數(shù)據(jù)安全及保密規(guī)定的要求，某些數(shù)據(jù)庫(kù)只能通過(guò)請(qǐng)求訪問(wèn)的方式實(shí)現(xiàn)小批量讀取，如全國(guó)車輛庫(kù)、年審圖片庫(kù)等，尚無(wú)法實(shí)現(xiàn)大批量的分析比對(duì)工作，影響最終分析結(jié)果；③ 分析模型準(zhǔn)確性不高。由于數(shù)據(jù)量太大，為了得到盡量準(zhǔn)確而且少的分析結(jié)果，辦案部門希望分析模型足夠準(zhǔn)確。

針對(duì)上述問(wèn)題，筆者提出以下幾個(gè)改進(jìn)的方向：① 引入云計(jì)算技術(shù)進(jìn)行網(wǎng)格計(jì)算，提高系統(tǒng)數(shù)據(jù)分析效率；②梳理整合涉車類數(shù)據(jù)庫(kù)資源。通過(guò)行政及技術(shù)手段，實(shí)現(xiàn)全國(guó)車輛庫(kù)、全省出租車庫(kù)、年審車輛等數(shù)據(jù)庫(kù)的共享；③分析模型優(yōu)化。通過(guò)進(jìn)一步調(diào)研，摸清辦案思路，將定性原則轉(zhuǎn)化為定量指標(biāo)，實(shí)現(xiàn)分析模型優(yōu)化工作。

[1] 高磊,趙炫,李鵬飛,郝久月. 面向圖像偵查的視頻分析研判系統(tǒng)研究. 警察技術(shù),2013(06).

[2] 李金峰,吳菊才. 涉車視頻情報(bào)信息偵查系統(tǒng)應(yīng)用研究. 警察技術(shù),2013(05).

[3] 袁鴻燕. 基于數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)在決策模型中的應(yīng)用研究. 電腦知識(shí)與技術(shù),2013(36).

[4] 郭旦懷,崔偉宏. 面向?qū)崟r(shí)交通信息提取的車輛軌跡數(shù)據(jù)挖掘. 武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版),2010.