隨著我國經濟的快速發展，城市機動車保有量正在持續的增加，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加強了車輛管控，掌握了大量的車輛卡口數據和圖片。

目前，過車信息的爆發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《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控系統建設，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劃質量、成像效果等直接影響車輛大數據研判系統應用成效的因素都會提出優化和改進措施。包括：根據城市地域特點和布局規劃，道路按照“科學布局、圍繞實戰、建用結合”的方法，通過治安卡口防控系統，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”、掌握人車動態的軌跡“線”，以及防控有效的關鍵“點”，從而實現“區域全面監控、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視頻監控系統中得到快速普及。以往需要在路口部署標準的卡口攝像機，現在可以在路段中間部署簡易卡口攝像機，在對普通監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，對出入車輛實現自動抓拍和識別。

三、深度學習技術的發展，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，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，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、遮陽板狀態等識別檢測功能，對過車數據進行精細化校正，擺脫了傳統單純依靠車牌進行分析研判的單一手段，為卡口電警數據提供了更加豐富實用的車輛防控應用，可以實現對高危車輛的有效預警防控，優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。

大數據提升城市治安及管理水平

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

依據統計學，任何動態發展的事物，只要有足夠多的樣本數據，就一定能從樣本數據中找到動態發展的規律。數據越多，準確率越高，這就是數據的價值所在。對于商業應用，可以通過數據分析用戶行為規律從而提高銷售量、分析市場規律從而定點投放廣告降低成本。對于公安行業，可以通過數據分析區域性犯罪趨勢，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，企業在抓住客戶需求方面可以實現業務增長的機遇。

2016年1月，政法委書記孟建柱同志提出大數據的八個推動，要求：1、推動理念創新，順應互聯網時代的要求，確立合作、互通、共贏理念。2、推動風險共擔，運用眾創、眾包、眾智理念，讓大眾的問題由大眾來解決。3、推動“數據文化”，堅持用數據說話，防止拍腦袋隨意決策。4、推動創新風險預警機制，探索“人力+科技”、“傳統+現代”的風險預警模式。5、推動科技運用創新，大數據表示的是過去，但表達的是未來，得數據者得未來。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”數據信息控制權。

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

針對堵車現象，實時采集車流數據，自動控制信號燈，讓堵車能有所緩解。

針對城鄉結合部“治安盲區”，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，上海等地正積極探索商業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，集成公安專業數據，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，建立工程建設監管和信用平臺，以大數據為依托，“全程留痕”，讓監管“無死角”。

車輛大數據實際使用中面臨的問題

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

干警在實戰使用中，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據的存儲和查詢壓力，如何進行可靠存儲和高效應用?傳統的普通關系型數據庫解決方案和技術手段存在檢索難、并發難、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據并構建大數據處理模型是建設平安城市大數據中心的前提，而這一難題目前正逐步通過先進的大數據技術進行解決。