視頻結構化技術在交通領域的大數據應用研究
來源:用戶上傳
作者:
摘 要：智能交通是改善城市交通的關鍵所在，及時、準確、全面的獲取各交通要素信息并構建交通數據處理模型又是建設智能交通的前提也是一大難題;隨著大數據技術的出現，視覺分析技術的進步，這一難題逐漸得到有效解決。而智能交通在大數據背景下，不但通過深度挖掘，數據分析將“先知”變為現實，還建立起人、車、路之間的網絡，通過信息整合，為人提供服務，使得交通變得更加智能、人性。因此，本文在大數據背景下，結合視頻結構化技術，對該技術對智能交通系統及警務實戰應用中的賦能，及未來的發展進行了研究。
關鍵詞：大數據;視頻結構化;智能交通;圖像分析
1 大數據技術概念
大數據具有5V特點（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（價值）、Veracity（真實性）。
在交通管理領域，時刻產生海量結構化、非結構化數據，以某中等城市為例，全市視頻監控點位約一萬個，按每個攝像機2Mbps碼流計算，每天將會產生約103TB的視頻錄像。上述定義表明大數據技術在現代化的交通管理領域應用中，具有極高的前景和應用價值[1]。
2 視覺分析技術與前端結構化數據進行數據重構
單純依靠前端設備提供的車牌識別、交通違法行為等維度單一的結構化數據，在數據海量產生的今天，難以支撐實戰應用平臺的需求。為實現更全面、高效的分析研判目標，提高數據精度，可以結合先進的視覺分析技術，對過車圖片進行智能化二次識別，利用計算機視覺和深度學習算法將非結構化車輛圖片、視頻進行分析處理，轉換為描述性結構化文本數據[2]。例如前端卡口設備所能采集識別的信息外，車輛品牌、型號、年款、車身顏色、車輛類別等基礎數據，以及是否有天窗和行李架、主/副駕駛區、年檢標志、紙巾盒、遮陽板、擺件、掛件、車身噴字等特征識別數據，在實戰應用中均是可表征車輛特征的特征值。對卡口電警視頻圖像進行視覺分析后，解析出描述上述特征值的結構化文本作為二次識別的關鍵值，和成為描述該車輛的多維度的屬性值。數據承載設備將二次識別數據與其他原始數據（如卡口名稱、過車時間、車牌識別數據）融合后，將其中的高價值視圖數據保存到系統數據庫中，進而通過安全邊界平臺傳輸到數據分析系統中，為平臺的大數據研判提供實時數據支撐。
3 數據分析技術與視頻結構化技術的深度融合
3.1 數據分析技術與結構化文本數據結合的必要性
運用視頻結構化技術構建出高價值型結構化文本數據后，又會產生一個新的結構化數據的海洋，海量的具備時間和空間屬性的結構化數據如果沒有運用數學模型，結合高性能計算機的輔助下進行挖掘和運算，仍然會是一串串由1和0組成的低價值字符。
如何利用大數據技術對分散、異構、海量的數據進行挖掘分析，對交通路況、出行需求、應急服務數據、移動數據進行有效整合，提高數據利用率，發揮數據價值，從數據中找尋規律，使原來的“事后檢索”變成“事前預判”，使其更好地為智能交通系統服務，是現代智能交通服務系統需要改進和完善的重要問題。數據挖掘是利用科學的技術和方法，對信息進行收集和處理，從海量、模糊的數據信息中挖掘出有價值的信息。數據挖掘主要包括4個方面的內容，即分類分析、關聯分析、聚類分析、時間序列分析[3]，通過這4種分析方法的應用，從海量數據信息中提取出有效的信息，突出應用性。
3.2 大數據分析技術的實戰應用場景與演進方向
當前，結合實際警務工作的需求場景，目前大數據分析平臺應用主要有：車輛及人員特征值提取、智能搜車、大數據研判、重點車輛監管、實時預警、數據可視化等。以上應用，可以按照其層次，大體分為目標檢索和數據服務兩個遞進的層次。
目標檢索：
在數據檢索層面在警務實戰應用中相對成熟，可以進行以圖搜車、模糊特征搜車等實戰應用，通過快速檢索車輛信息特征，在過車信息中查找出與車輛特征相似的車輛，并可進行數據導出，深入分析。主要通過車頭車輛特征參考圖和特征條件選擇模塊進行選項對應，幫助用戶更直觀的定位車輛，精確搜索范圍和提高搜索速度。
數據服務：
更深層次的數據服務層面，由可將應用的目的性分為兩個方向：一是通過整個智能交通系統獲得的大量數據，面向公共服務領域，在保障公民隱私的前提下，補充商業地圖服務并不具備的對交通信息感知的全面性（例如商業地圖不具備對實際運動車輛車型等信息的判斷能力）的空白，整合成對市民出行有用的一系列數據，為出行者提供信息發布、智能誘導等服務。智能交通下一步的發展重點如智能公交、智能停車、慢行信息服務等領域。以上數據不僅支撐交通警察部門內部警務資源的調度，同時對公眾提供全方位的交通服務，體現了“共治、共建、共享”的社會治理理念。二是將大數據技術、犯罪心理學、犯罪行為學等理論相結合，從海量駁雜無序的數據中，篩選出符合犯罪行為模型的異常行為和特征主體。可在線索極度缺乏的情況下，利用大數據分析對案件進行智能挖掘，找到案件偵破的關鍵信息和嫌疑對象，快速偵破案件[4]，是目前開展的研究方向之一。
4 基于大數據的視頻結構化技術與“車聯網”時代的結合
5G時代正在加速到來，隨著5G、物聯網及云計算等技術聯合，“車聯網”時代即將開啟?！败嚶摼W”實現車與車、車與路之間的實時信息交互，傳輸彼此的位置、速度、行駛路徑，避免交通擁堵，還可以為城市交通規劃者提供預測模型。對于公共交通，5G可以幫助減少乘客等待時間，優化公交車庫存，提供實時更新的乘客信息、車輛信息，甚至支持動態公交路線;“車聯網”智慧交通將幫助實現車型分類，根據路段運載能力安排車輛形式路線，支持智能交通管理。
另一方面，如同目前2G/3G/4G通信技術依然并存一樣，任何技術的更新換代，都不可能一蹴而就。在可預見的將來，“智能”車輛與“非智能”車輛長期并存的狀態，將是一個長期存在的客觀事實?！胺侵悄堋避囕v的存在不可避免的成為智能交通系統的非可控因素?；诖髷祿囊曨l結構化技術與車聯網技術深度融合，將路面所有人、車、物“實時數據化”，賦能智能交通規劃、車輛編排行駛、遠程駕駛、自動駕駛，構筑未來超級智能城市中的智能交通生態系統，所有城市部件數據實時化將成為未來智能交通時代的標準場景。
5 結束語
近年來人工智能飛速進步，進而極大提升了計算機視覺識別技術。本文從現狀出發，結合大數據技術對違法智能識別、車輛檢索、布控查緝、人口流動、應急預警、公共服務等應用為一體的綜合智能交通應用進行了研究。同時展望上述智能應用及與即將到來的5G車聯網時代的深度融合前景。
參考文獻：
[1]張耀，盛煜.5G重塑行業應用[R].德勤咨詢，2018（09）.
[2]魏艷芳，陳澎.大數據背景下智能交通系統發展綜述[J].科技信息（上旬刊），2017（04）.
[3]姚慶華，和永軍，繆應鋒.面向綜合智能交通系統的多源異構數據集成框架研究[N].云南大學學報.
[4]大數據下的智能交通數據共享與處理模型[J].信息技術，2015（12）.
轉載注明來源:http://www.hailuomaifang.com/1/view-14888565.htm
