隨著我國經濟的快速發(fā)展，城市機動車保有量正在持續(xù)的增加，這不僅加大了交通管理的難度，而且涉車涉駕的案件比例也不斷上升，特別是盜搶機動車輛、機動車肇事逃逸以及涉車類刑事案件，嚴重影響了社會治安狀況，損害了人民群眾利益。隨著平安城市建設的擴大深入和資源整合，公安通過自建卡口電警系統(tǒng)加強了車輛管控，掌握了大量的車輛卡口數(shù)據和圖片。

目前，過車信息的爆發(fā)式增長得益于三個方面：

一、按照中共中央辦公廳和國務院辦公廳印發(fā)《關于加強社會治安防控體系建設的意見》關于各地加快公共安全視頻監(jiān)控系統(tǒng)建設，全面提高社會治安防控體系的科技化水平要求，前端車輛抓拍點位的建設規(guī)劃質量、成像效果等直接影響車輛大數(shù)據研判系統(tǒng)應用成效的因素都會提出優(yōu)化和改進措施。包括：根據城市地域特點和布局規(guī)劃，道路按照“科學布局、圍繞實戰(zhàn)、建用結合”的方法，通過治安卡口防控系統(tǒng)，基于“圈、塊、格、線、點”的邏輯布局，在全市構建技術防控“圈”、責任明晰的管控“塊”、基本封閉的單元“格”、掌握人車動態(tài)的軌跡“線”，以及防控有效的關鍵“點”，從而實現(xiàn)“區(qū)域全面監(jiān)控、時空無縫銜接、目標全程追蹤”的防控效果。

二、前端攝像機的智能化水平提升，使得車牌識別技術在常規(guī)視頻監(jiān)控系統(tǒng)中得到快速普及。以往需要在路口部署標準的卡口攝像機，現(xiàn)在可以在路段中間部署簡易卡口攝像機，在對普通監(jiān)控場景錄像的同時自動捕獲和識別車輛和車牌信息;此外，對社區(qū)出入口、加油站、停車場出入口等車輛進出口部署微型卡口攝像機，利用地形封閉的特點，對出入車輛實現(xiàn)自動抓拍和識別。

三、深度學習技術的發(fā)展，推動了圖片結構化和特征提取的能力。早期建設的卡口系統(tǒng)，智能分析能力弱，圖片質量以及車牌識別準確率較低，經常要根據品牌型號顏色等車輛自身固有信息，從海量過車圖片或視頻中，人工查找目標車輛，由于一線警力有限、勞動強度大、車型種類多、光線角度不確定等因素，無法保證查找的準確性和時效性，特別是突發(fā)緊急事件，經常貽誤最佳處理時機。通過使用車輛深度學習系統(tǒng)，對前端卡口或簡易卡口獲取的過車圖片進行特征結構化分析識別，充分挖掘海量的卡口過車圖片中有價值信息，不但可以提高車牌車型的準確率，而且增加了車輛特征的識別信息，實現(xiàn)了車輛子品牌、車身顏色、不系安全帶、駕駛員接打電話、遮陽板狀態(tài)等識別檢測功能，對過車數(shù)據進行精細化校正，擺脫了傳統(tǒng)單純依靠車牌進行分析研判的單一手段，為卡口電警數(shù)據提供了更加豐富實用的車輛防控應用，可以實現(xiàn)對高危車輛的有效預警防控，優(yōu)化警力部署進行針對性車輛排查，可以在大量涉車涉駕案件中有效鎖定嫌疑車輛，提高刑事偵查效能，使治安防控手段從事后被動偵查向事前主動預警轉變。

大數(shù)據提升城市治安及管理水平

大數(shù)據的價值在于通過對大數(shù)據進行高速捕獲和實時分析，及時獲取核心業(yè)務和戰(zhàn)略決策所需的關鍵信息，提升管理決策水平。

依據統(tǒng)計學，任何動態(tài)發(fā)展的事物，只要有足夠多的樣本數(shù)據，就一定能從樣本數(shù)據中找到動態(tài)發(fā)展的規(guī)律。數(shù)據越多，準確率越高，這就是數(shù)據的價值所在。對于商業(yè)應用，可以通過數(shù)據分析用戶行為規(guī)律從而提高銷售量、分析市場規(guī)律從而定點投放廣告降低成本。對于公安行業(yè)，可以通過數(shù)據分析區(qū)域性犯罪趨勢，提前預防從而降低犯罪率，可以分析交通行為規(guī)律，提前做交通疏導，提高交通的通暢率。這也是在平安城市建設過程中，企業(yè)在抓住客戶需求方面可以實現(xiàn)業(yè)務增長的機遇。

2016年1月，政法委書記孟建柱同志提出大數(shù)據的八個推動，要求：1、推動理念創(chuàng)新，順應互聯(lián)網時代的要求，確立合作、互通、共贏理念。2、推動風險共擔，運用眾創(chuàng)、眾包、眾智理念，讓大眾的問題由大眾來解決。3、推動“數(shù)據文化”，堅持用數(shù)據說話，防止拍腦袋隨意決策。4、推動創(chuàng)新風險預警機制，探索“人力+科技”、“傳統(tǒng)+現(xiàn)代”的風險預警模式。5、推動科技運用創(chuàng)新，大數(shù)據表示的是過去，但表達的是未來，得數(shù)據者得未來。6、推動運用新技術，加強基層基礎建設，把“不起眼”的信息匯集起來。7、推動社會信用體系建設，堅持推行實名制和保護公民個人信息安全并重。8、推動國家信息安全維護，避免被他國“竊奪”數(shù)據信息控制權。

大數(shù)據通過對海量數(shù)據的整合和挖掘，揭示傳統(tǒng)技術方式難以展現(xiàn)的關聯(lián)關系，還可以預警風險，及時切斷風險鏈。例如：

針對堵車現(xiàn)象，實時采集車流數(shù)據，自動控制信號燈，讓堵車能有所緩解。

針對城鄉(xiāng)結合部“治安盲區(qū)”，采集人口流動信息，分析出潛在風險，警力針對性地科學調配。

針對保險理賠，通過社會信息搜集分析系統(tǒng)，上海等地正積極探索商業(yè)保險公司參與社會治理，將保險事務由“事后理賠”轉為“事先風險防范”。

針對聚集疏導，通過關鍵詞搜索技術、熱力圖技術、電子巡邏技術等，探索預測人群聚集苗頭和動向，人員過密時及時提示預警，適時分流人群。

針對犯罪熱點，集成公安專業(yè)數(shù)據，實時掌握犯罪軌跡、預判犯罪熱點，提高防范打擊犯罪的水平。

針對安全生產，工程建設特別容易出事，建立工程建設監(jiān)管和信用平臺，以大數(shù)據為依托，“全程留痕”，讓監(jiān)管“無死角”。

車輛大數(shù)據實際使用中面臨的問題

大數(shù)據的特征是大量性(規(guī)模超大、不斷攀升)、高速性(高速產生、處理高效)、多樣性(種類多樣、來源多樣)、低密性(有用數(shù)據提純)。海量數(shù)據給常規(guī)技術(獲取存儲管理、處理傳遞共享、關聯(lián)聚類分析)帶來了眾多挑戰(zhàn)——雖然數(shù)據很多，但是有用的數(shù)據只有34%，好用的數(shù)據僅有7%，被分析的數(shù)據更是少到只有1%。如何在海量的數(shù)據中提取出有價值的信息需要多學科多技術的研究。當前的特點是大數(shù)據、小模型、小定律交叉，即使是同一類問題，每個系統(tǒng)也都不一樣，所以模型和程序要針對數(shù)據設計。結構化數(shù)據通過數(shù)據庫或者數(shù)據倉庫解決，半結構化數(shù)據使用網頁和搜索引擎等技術解決，非結構化數(shù)據使用深度學習、網絡交互和群體智能解決。

干警在實戰(zhàn)使用中，最主要的操作應用是查詢車牌信息和其他過車記錄以便掌握線索。面對動輒幾十億、上百億甚至千億級別的海量過車數(shù)據的存儲和查詢壓力，如何進行可靠存儲和高效應用?傳統(tǒng)的普通關系型數(shù)據庫解決方案和技術手段存在檢索難、并發(fā)難、挖掘難、擴容難、應用難等一系列問題，速度慢、準確性差，需要投入大量的精力和資源進行技術升級改造。因此，及時準確獲取各類相關數(shù)據并構建大數(shù)據處理模型是建設平安城市大數(shù)據中心的前提，而這一難題目前正逐步通過先進的大數(shù)據技術進行解決。