[发明专利]基于大数据的车辆积分预警系统及其方法

权利要求书

1.一种基于大数据的车辆积分预警系统，其特征在于：

包括依次交互的实时过车数据整合模块（10）、二次识别集群（20）、大数据实时运算中心（30）和告警模块（40）。

2.按权利要求1所述的一种基于大数据的车辆积分预警系统，其特征在于：

所述的实时过车数据整合模块10是一种采用ETL技术，实时获取卡口、ETC、电警等前端设备的车辆通行数据，发送给二次识别集群进行处理（20）。

3.按权利要求1所述的一种基于大数据的车辆积分预警系统，其特征在于：

所述的二次识别集群（20）由多个识别节点组成的分布式二次识别集群，识别算法由C/C++实现，以便高效、实时处理车辆通行数据，提取车辆特征信息，如车辆品牌、有无年检标、号牌遮盖、驾驶员面部遮挡等，然后将识别结果发送至大数据集群（30）中的Kafka31。

4.按权利要求1所述的一种基于大数据的车辆积分预警系统，其特征在于：

所述的大数据实时运算中心（30）包括依次交互的Kafka（31）、Spark（32）和SolrCloud（33）。

5.按权利要求1所述的一种基于大数据的车辆积分预警系统，其特征在于：

所述的告警模块（40）是一种订阅Kafka31预警消息，获取预警消息后生成相应告警。

6.基于权利要求1-5所述车辆积分预警系统的车辆积分预方法，其特征在于包括下列步骤：

开始（000）

①建立积分预警模型（100）

根据实际需要，将车辆外观特征属性和非外观特征属性，分别赋予一定权值，设定预警分数线，创建一种或者多种预警模型，保存到高性能库中，然后初始化该模型；

②提取车辆特征信息（200）

通过前端相机识别车辆的基本外观信息，再利用二次识别，对车辆图片进一步挖掘分析，获取到更加详细的外观特征信息，将识别结果结构化后发送至消息订阅服务器；

③计算车辆积分300

分布式计算引擎从消息订阅服务器中获取步骤②提取的车辆特征信息，解析步骤①中建立的预警模型，遍历每个预警项，计算加权值后累加，根据模型设定的预警分数线判断是否为可疑车辆，具体步骤如下：

A、判断模型是否含外观特征项（310），是则进入步骤B，否则跳转到步骤C；

B、计算外观特征积分（320）

用模型中的每个外观特征项与车辆特征信息进行比对，根据符合度计算加权分数，不符合时记0分；

C、判断模型是否含非外观特征项（330），是则进入步骤D，否则跳转到步骤E；

D、计算非外观特征积分（340）

遍历非外观特征积分项，如果是涉及到高危人员、违章数据等需要关联查询的项，则关联查询相应的库（SolrCloud），存在对应记录时，则认为匹配并计算该项的加权值，否则记0分；如果积分项是关于时间、地点检测的，可以从车辆特征信息中直接获取并进行比较，符合时计算该项的加权值，否则记0分；

E、判断积分是否超过预警分数线（350），是则进入步骤④，否则跳转到步骤⑤

外观特征与非外观特征的积分求和，得到车辆积分，然后与该模型的分数线进行比较，超过预警分数线时进入步骤④，否则本次分析逻辑结束，可进入下一条车辆特征分析；

④产生告警（400）

结合车辆信息与积分细则生成预警消息，发送至消息订阅服务器，告警模块订阅后会立即收到预警消息，产生相应告警，其他车辆管理、车辆侦查相关系统也可订阅，共享预警消息；

⑤结束（500）。