视频结构化技术在交通领域的大数据应用研究

作者:未知

  摘 要:智能交通是改善城市交通的关键所在,及时、准确、全面的获取各交通要素信息并构建交通数据处理模型又是建设智能交通的前提也是一大难题;随着大数据技术的出现,视觉分析技术的进步,这一难题逐渐得到有效解决。而智能交通在大数据背景下,不但通过深度挖掘,数据分析将“先知”变为现实,还建立起人、车、路之间的网络,通过信息整合,为人提供服务,使得交通变得更加智能、人性。因此,本文在大数据背景下,结合视频结构化技术,对该技术对智能交通系统及警务实战应用中的赋能,及未来的发展进行了研究。
  关键词:大数据;视频结构化;智能交通;图像分析
  1 大数据技术概念
   大数据具有5V特点(IBM提出):Volume(大量)、Velocity(高速)、Variety(多样)、Value(价值)、Veracity(真实性)。
   在交通管理领域,时刻产生海量结构化、非结构化数据,以某中等城市为例,全市视频监控点位约一万个,按每个摄像机2Mbps码流计算,每天将会产生约103TB的视频录像。上述定义表明大数据技术在现代化的交通管理领域应用中,具有极高的前景和应用价值[1]。
  2 视觉分析技术与前端结构化数据进行数据重构
   单纯依靠前端设备提供的车牌识别、交通违法行为等维度单一的结构化数据,在数据海量产生的今天,难以支撑实战应用平台的需求。为实现更全面、高效的分析研判目标,提高数据精度,可以结合先进的视觉分析技术,对过车图片进行智能化二次识别,利用计算机视觉和深度学习算法将非结构化车辆图片、视频进行分析处理,转换为描述性结构化文本数据[2]。例如前端卡口设备所能采集识别的信息外,车辆品牌、型号、年款、车身颜色、车辆类别等基础数据,以及是否有天窗和行李架、主/副驾驶区、年检标志、纸巾盒、遮阳板、摆件、挂件、车身喷字等特征识别数据,在实战应用中均是可表征车辆特征的特征值。对卡口电警视频图像进行视觉分析后,解析出描述上述特征值的结构化文本作为二次识别的关键值,和成为描述该车辆的多维度的属性值。数据承载设备将二次识别数据与其他原始数据(如卡口名称、过车时间、车牌识别数据)融合后,将其中的高价值视图数据保存到系统数据库中,进而通过安全边界平台传输到数据分析系统中,为平台的大数据研判提供实时数据支撑。
  3 数据分析技术与视频结构化技术的深度融合
  3.1 数据分析技术与结构化文本数据结合的必要性
   运用视频结构化技术构建出高价值型结构化文本数据后,又会产生一个新的结构化数据的海洋,海量的具备时间和空间属性的结构化数据如果没有运用数学模型,结合高性能计算机的辅助下进行挖掘和运算,仍然会是一串串由1和0组成的低价值字符。
   如何利用大数据技术对分散、异构、海量的数据进行挖掘分析,对交通路况、出行需求、应急服务数据、移动数据进行有效整合,提高数据利用率,发挥数据价值,从数据中找寻规律,使原来的“事后检索”变成“事前预判”,使其更好地为智能交通系统服务,是现代智能交通服务系统需要改进和完善的重要问题。数据挖掘是利用科学的技术和方法,对信息进行收集和处理,从海量、模糊的数据信息中挖掘出有价值的信息。数据挖掘主要包括4个方面的内容,即分类分析、关联分析、聚类分析、时间序列分析[3],通过这4种分析方法的应用,从海量数据信息中提取出有效的信息,突出应用性。
  3.2 大数据分析技术的实战应用场景与演进方向
   當前,结合实际警务工作的需求场景,目前大数据分析平台应用主要有:车辆及人员特征值提取、智能搜车、大数据研判、重点车辆监管、实时预警、数据可视化等。以上应用,可以按照其层次,大体分为目标检索和数据服务两个递进的层次。
   目标检索:
   在数据检索层面在警务实战应用中相对成熟,可以进行以图搜车、模糊特征搜车等实战应用,通过快速检索车辆信息特征,在过车信息中查找出与车辆特征相似的车辆,并可进行数据导出,深入分析。主要通过车头车辆特征参考图和特征条件选择模块进行选项对应,帮助用户更直观的定位车辆,精确搜索范围和提高搜索速度。
   数据服务:
   更深层次的数据服务层面,由可将应用的目的性分为两个方向:一是通过整个智能交通系统获得的大量数据,面向公共服务领域,在保障公民隐私的前提下,补充商业地图服务并不具备的对交通信息感知的全面性(例如商业地图不具备对实际运动车辆车型等信息的判断能力)的空白,整合成对市民出行有用的一系列数据,为出行者提供信息发布、智能诱导等服务。智能交通下一步的发展重点如智能公交、智能停车、慢行信息服务等领域。以上数据不仅支撑交通警察部门内部警务资源的调度,同时对公众提供全方位的交通服务,体现了“共治、共建、共享”的社会治理理念。二是将大数据技术、犯罪心理学、犯罪行为学等理论相结合,从海量驳杂无序的数据中,筛选出符合犯罪行为模型的异常行为和特征主体。可在线索极度缺乏的情况下,利用大数据分析对案件进行智能挖掘,找到案件侦破的关键信息和嫌疑对象,快速侦破案件[4],是目前开展的研究方向之一。
  4 基于大数据的视频结构化技术与“车联网”时代的结合
   5G时代正在加速到来,随着5G、物联网及云计算等技术联合,“车联网”时代即将开启。“车联网”实现车与车、车与路之间的实时信息交互,传输彼此的位置、速度、行驶路径,避免交通拥堵,还可以为城市交通规划者提供预测模型。对于公共交通,5G可以帮助减少乘客等待时间,优化公交车库存,提供实时更新的乘客信息、车辆信息,甚至支持动态公交路线;“车联网”智慧交通将帮助实现车型分类,根据路段运载能力安排车辆形式路线,支持智能交通管理。
   另一方面,如同目前2G/3G/4G通信技术依然并存一样,任何技术的更新换代,都不可能一蹴而就。在可预见的将来,“智能”车辆与“非智能”车辆长期并存的状态,将是一个长期存在的客观事实。“非智能”车辆的存在不可避免的成为智能交通系统的非可控因素。基于大数据的视频结构化技术与车联网技术深度融合,将路面所有人、车、物“实时数据化”,赋能智能交通规划、车辆编排行驶、远程驾驶、自动驾驶,构筑未来超级智能城市中的智能交通生态系统,所有城市部件数据实时化将成为未来智能交通时代的标准场景。
  5 结束语
   近年来人工智能飞速进步,进而极大提升了计算机视觉识别技术。本文从现状出发,结合大数据技术对违法智能识别、车辆检索、布控查缉、人口流动、应急预警、公共服务等应用为一体的综合智能交通应用进行了研究。同时展望上述智能应用及与即将到来的5G车联网时代的深度融合前景。
  参考文献:
  [1]张耀,盛煜.5G重塑行业应用[R].德勤咨询,2018(09).
  [2]魏艳芳,陈澎.大数据背景下智能交通系统发展综述[J].科技信息(上旬刊),2017(04).
  [3]姚庆华,和永军,缪应锋.面向综合智能交通系统的多源异构数据集成框架研究[N].云南大学学报.
  [4]大数据下的智能交通数据共享与处理模型[J].信息技术,2015(12).
转载注明来源:https://www.xzbu.com/1/view-14888565.htm

服务推荐