基于大數據分析比對的智慧審查系統設計與實現

胡葳　侯慶坤　齊鑫

摘 要：電子政務數字化是建設“數字政府”的重要抓手，高效、便捷的政務系統建設可以推進政府管理模式創新。為了加強對產品的管理，智慧審查系統通過對產品的數據規范性，檢測端與企業端數據比對，檢驗項目、企業資質校驗和信息的規范管理，實現了企業產品數據和報告數據的智慧化審核，從而降低了人力成本，強化了管理機構溯源能力和數據支撐決策能力，輔助政府相關部門在事中事后進行監管，提高了監管規范性和透明度，順應了汽車行業電子政務數字化轉型發展趨勢。

關鍵詞：產品審查 大數據 信息比對 統計分析

Design and Implementation of Smart Review System based on Big Data Analysis and Comparison

Hu Wei，Hou Qingkun，Qi Xin

Abstract：The digitization of e-government affairs is an important starting point for the construction of a "digital government". The construction of an efficient and convenient government affairs system can promote the innovation of government management models. To strengthen the management of products， the smart review system realizes the wisdom of enterprise product data and report data through the standardization of product data， the comparison of data from the testing end and the enterprise end， inspection items， enterprise qualification verification and information standardization. It reduces labor costs， strengthens the traceability and data-supported decision-making capabilities of the management organization， assists relevant government departments to supervise during and after the event， improves regulatory standardization and transparency， and conforms to the development trend of digital transformation of e-government in the automotive industry.

Key words：product review， big data， information comparison， statistical analysis

1 引言

隨著社會的飛速發展和人民生活水平的不斷提高，我國汽車需求量和保有量持續快速增長，人民對汽車安全要求越來越高，如何提升車輛審查的準確性、高效性、檢測的可追溯性，已經成為我國智慧城市、智慧交通、智慧政務的建設迫切要求。

為了加強對產品的管理，解決傳統人工審查項目工作量大、審查效率低等問題，構建智慧審查系統，應用于產品受理審查、產品技術審查、審核信息溯源和審查質量分析工作，從而提升車輛審查的準確性、高效性、檢測的可追溯性，審查數據的可分析性等。

2 研究背景

產品數據是一種無法在一定時間范圍內用常規軟件工具進行捕捉、管理和處理的數據集合，是需要大量人員處理才能具有更強的決策力、洞察力和流程優化能力的海量、高增長率和多樣化的信息資產。車輛審查問題集中在審查業務多樣，數據量大、數據類型多樣等方面，傳統的審核模式，其審核周期長、數據可追溯性差，人工審核圖片準確率低。智慧審查系統應用的大數據分析比對技術主要有三個方面，大數據預處理、大數據分析與挖掘和可視化呈現[1，2]。其中大數據分析與挖掘是大數據處理體系的核心，其目標是通過一定的分析和挖掘技術發現大數據中隱藏的有價值的信息或知識從而輔助決策?？梢暬尸F是為了讓審查人員更好地理解數據分析和挖掘的結果，將挖掘到的數據信息在終端以友好、易于理解的方式直觀展示，為產品審查提供支持。

3 智慧審查系統功能設計

智慧審查系統應用架構由數據層、支撐層、功能層和展現層組成。數據層提供數據接入和數據存儲的能力，確保系統從企業和檢測機構端數據的接入。支撐層包括了系統管理、專家管理、檢測機構管理、權限管理、文件管理和流程管理，可實現對企業、檢測機構和審查部門等多個對象的管理，保障審查工作的順利實施。功能層主要包括了數據比對、資質校驗、圖像識別和統計分析等功能，系統可根據實際情況選擇合適的審查方法，專家通過系統完成審查工作。展現層是系統與專家交互的門戶，審查結果通過門戶進行展示。

智慧審查系統主要對企業申報的數據，檢測機構的申報數據進行多方位校驗，實現產品審查的主要功能。

企業申報端將需要審查的項目資料上傳到系統。檢測機構申報端建立電子報告采集車輛配置及關鍵性能指標數據，指將涉及車輛配置及關鍵性能指標以電子報告的形式從檢測機構采集，用于后續與企業填報車輛配置及性能指標進行比對。根據現行的常規燃料消耗量國家標準建立限值數據庫;對相關申報所涉及的檢驗報告的齊全性及與產品報告的一致性進行校驗;將企業填報的相關性能指標與政策技術要求進行比對，并進行符合性判定。最后根據各車型發布參數要求導出數據并將審查結論輸出反饋給企業。針對汽車生產企業、檢測機構、審核專家、系統管理員等不同角色，分別設計功能流程，通過系統實現智慧審查系統流程。

4 智慧審查系統系統實現

系統采用Java企業版作為開發工具和部署平臺，保證跨平臺性;采用基于SOAP協議和XML格式的Web服務作為與外部系統的集成接口，保證數據交換共享;采用B/S架構和HTML/CSS/JavaScript，保證應用在各類瀏覽器中的一致性。系統技術架構基于大數據、圖像識別技術，建立了智慧審查系統，強化系統的溯源能力和數據支撐決策能力。

4.1 大數據統計分析技術的實現

通過大數據對企業申報各類數據進行基礎數據分析，實現任務統計分析和質量分析[3]，數據處理過程如圖1所示。

第一步，數據獲取，源數據導入ETL，來源于企業申報系統、產品申報系統、檢驗機構申報系統、試驗場地備案系統以及其他申報系統的數據，以及通過接口或爬蟲獲取的數據，通過ETL工具對接口文件數據進行編碼替換和數據清洗轉換，不做關聯操作。

第二步，數據處理，將通過ETL采集的數據，進行清洗、轉換和加載，把原始數據加載到Hadoop平臺，再將把加工后的數據加載分布式數據庫和主數據倉庫。

Hadoop云平臺，負責存儲海量的檢驗數據，提供并行的計算和非結構化數據的處理能力，實現低成本的存儲和低時延、高并發的查詢能力。分布式數據庫（MPP），負責存儲加工、關聯、匯總后的業務數據，并提供分布式計算，支撐數據深度分析和數據挖掘能力，向主數據倉庫輸出KPI和高度匯總數據[4，5]。主數據倉庫，負責存儲指標數據、KPI數據和高度匯總數據，包括產品數據、試驗數據、企業信息、檢測機構信息，國家政策和制度文件，國家及行業標準文件等。

第三步，通過數據開放接口向大數據應用方提供數據，從而體現大數據平臺的能力，包括基礎分析能力、多維分析能力、數據挖掘能力、實時分析能力、自助分析能力和數據共享能力。智慧審查系統大數據應用于大數據可視化、BI報表、應用系統支持和數據傳輸。

4.2 圖片識別技術的實現

通過圖片識別技術，能夠篩選出復用的檢驗報告，識別出經過處理的圖片及文件，并對其標記[6，7]。由此建立起智慧審查系統，能夠降低人力成本、提高審核效率，實現檢測能力分析和數據可追溯。

通過圖片智能識別技術對檢驗申報文件中圖片信息進行解析，每張圖片都生成獨立的“圖片指紋”對其進行前置過濾[8，9]。根據每張圖片的獨立“圖片指紋”信息，對比目標檢測文件中的圖片信息與系統數據資源庫中源文件相似度，進行圖片文件的同一性檢測。

5 結語

本文研究了將大數據分析比對技術應用于產品的智慧審查系統，解決了傳統人工審查工作量大，容易產生錯誤等問題，有效整合了企業，政府，檢測機構的信息資源，實現了“政、企、檢測機構”的系統化管理。智慧審查系統通過對產品的數據規范性，檢測端與企業端數據比對，企業、檢驗項目等資質校驗和產品信息的規范管理，完成了產品數據和報告數據的智慧化審核，降低人力成本;其中相關指標審查模塊，大數據分析模塊，技術審查模塊和受理審查模塊既能獨立完成自身的審查任務，又相互關聯，實現了多維度，高效率的智慧審查方法。本系統避免了企業和檢測機構報告數據偏差、降低合規風險、提升服務質量、提高準確性和效率，輔助事中事后監管過程，強化管理機構溯源能力和數據支撐決策能力;實現了大數據分析比對的創新性應用，強化了對企業申報和檢測機構申報的質量監督，同時電子政務信息化系統的高效應用革新了政府的監管制度。

參考文獻：

[1]迪莉婭.基于云計算的電子政務大數據管理研究[J].圖書館理論與實踐，2013（12）.

[2]范靈俊，洪學海，黃晁等.政府大數據治理的挑戰及對策[J].大數據，2016，2（3）：27-38.

[3]曾凱.大數據治理框架體系研究[J].信息系統工程，2016，（11）：130-131.

[4]楊東華，李寧寧，王宏志，等.基于任務合并的并行大數據清洗過程優化[J].計算機學報，2016（1）：97-108.

[5]楊梽永.2020中國大數據產業發展新機遇[J].軟件和集成電路，2020（Z1）：90-92+94.

[6]田飛.圖像識別技術在車輛識別中的應用[J].湖北農機化，2017（6）：48-48.

[7]萬兵.基于人工智能的圖像識別技術的研究[J].信息與電腦（理論版），2019（2）：141-142.

[8]宮銘.計算機圖像識別技術的應用及細節問題闡述與分析[J].信息與電腦（理論版），2019（1）：7-8.

[9]向麗娜.計算機圖像識別的智能化處理方法解讀[J].電子技術與軟件工程，2019（3）：137.