一种基于交管六合一数据的车辆异常违法监管系统及方法与流程

本发明涉及车辆违法监管，尤其涉及一种基于交管六合一数据的车辆异常违法监管系统及方法。

背景技术：

1、随着城市化进程的加速，城市交通需求日益膨胀，管理任务也日趋复杂。交通管理局作为城市交通管理的核心机构，肩负着维系交通秩序、保障市民安全畅通出行的重任。为了应对这一挑战，交通管理局积极探索并实践了多源数据的综合采集与打通，构建了被称为“交管六合一”的数据系统。

2、“交管六合一”数据系统集机动车、驾驶人、违法违规、道路事故以及剧毒化学品运输等关键信息于一体，形成了一个全面覆盖城市交通细节的实时监控与分析网络。该系统通过对多元信息的整合，为交通管理部门提供了精准高效的交通流引导、驾驶行为规范、事故预防与应对等能力。此外，该系统还实现了对剧毒品等敏感物品安全运输的闭环监管，有效提升了社会公共安全水平。

3、然而，随着大数据技术的迅猛发展，传统的“交管六合一”系统正面临着前所未有的挑战。当前，该系统的数据处理方式仍侧重于回顾性的统计分析，缺乏对实时数据的智能化处理与预警能力。由于缺乏高效的智能化管理手段，系统难以对重点车辆进行实时监控与风险评估，无法为管理部门提供及时、准确的信息支持。这在一定程度上增加了交通事故发生的风险，对城市交通安全构成了潜在威胁。尤其是在面对日益复杂的交通环境时，这种局限性导致了交通管理部门在应对潜在风险时反应滞后，难以做到主动预防和及时响应。

技术实现思路

1、为了解决以上技术问题，本发明提供了一种基于交管六合一数据的车辆异常违法监管系统及方法。

2、本发明所解决的技术问题可以采用以下技术方案实现：

3、一种基于交管六合一数据的车辆异常违法监管系统，包括：

4、基础数据层，用于接收目标区域内不同数据源的数据，并整合生成基础数据；其中，所述基础数据至少包括交管六合一数据；

5、业务能力层，连接所述基础数据层，用于对所述基础数据进行数据治理和数据质量分析，并进行业务数据监测和关联处理，生成业务洞察数据；

6、业务模型层，连接所述业务能力层，用于基于预置的业务模型按照相应的业务逻辑对所述业务洞察数据进行车辆异常违法行为监管；

7、互动展示层，分别连接所述业务能力层和所述业务模型层，用于可视化展示所述业务能力层以及所述业务模型的输出结果，并基于所述业务模型的输出结果进行预警。

8、优选地，所述基础数据还包括：车辆稽查布控数据、gps数据、保险数据、流动人口数据、区间测速数据、高清卡口数据以及驾培数据中至少一种。

9、优选地，所述业务模型至少包括以下任意一种：

10、隐患清零模型，用于对所述目标区域的预定区域的业务洞察数据按照具有潜在风险因素的维度和指标进行车辆和驾驶员隐患程度的综合评价，得到对应于所述预定区域的隐患清零综合评价结果；

11、异常车辆发现模型，用于基于所述业务洞察数据中的违法数据和卡口数据识别和发现异常车辆；

12、事故车辆预警模型，用于根据所述业务洞察数据中预定时间段内的事故量进行预测，得到下一预设时间段的事故量。

13、优选地，针对每个所述预定区域，包括k个所述预设维度；每个所述预设维度具有对应的第一权重；

14、每个所述预设维度对应于i个所述指标；每个所述指标具有对应的第二权重；

15、所述隐患清零模型按照以下公式计算：

16、

17、

18、其中，k表示维度序号；i表示指标序号；w表示所述第一权重；w表示所述第二权重；a表示所述预定区域；s表示隐患程度。

19、优选地，所述预定区域为所述目标区域的子区域、所述目标区域的子区域组合、所述目标区域内的车企或所述目标区域内的高速中的任意一种。

20、优选地，所述异常车辆发现模型包括隐形套牌车模型，所述隐形套牌车模型包括：

21、筛选单元，用于从所述业务洞察数据中提取出违法数据和卡口数据，并基于车辆活动轨迹筛选出所述违法数据中的违法发生时间于所述目标区域内存在行驶记录的车辆名单；

22、速度计算单元，连接所述筛选单元，用于根据所述违法数据中的违法地点、违法发生时间，配合所经过的卡口位置和通行时刻，计算得到所述车辆名单中每个车辆的最大行驶速度；

23、识别单元，连接所述速度计算单元，用于判断所述车辆的最大行驶速度是否超过预设安全阈值，根据判断结果识别出嫌疑车辆名单；

24、积分分析单元，连接所述识别单元，用于根据所述嫌疑车辆名单中每个嫌疑车辆的异常卡口经过次数、异常卡口数量和所述最高行驶速度进行指标加权积分，得到每个所述嫌疑车辆的嫌疑程度，并筛选出嫌疑程度靠前的疑似套牌车辆名单；

25、验证单元，连接所述积分分析单元，用于按照所述疑似套牌车辆名单中的疑似套牌车辆的车辆牌照号码检索车辆年审信息以及通行记录，以验证疑似套牌车辆是否为涉嫌使用伪造或冒用他人车牌的非法车辆。

26、优选地，所述事故车辆预警模型包括：

27、统计单元，用于对所述业务洞察数据按照总体情况、时间分布、空间分布、人员车辆以及事故特点进行指标统计，得到统计结果；

28、特征提取及评测单元，连接所述统计单元，用于从所述统计结果中预定时间段内的事故量中提取特征，并对提取得到的特征进行评测，得到评测结果；

29、数据处理单元，连接所述特征提取及评测单元，用于对所述评测结果进行数据处理，得到数据分布特征；所述数据分布特征包括事故的变化速度、谷峰点和平均数；

30、预测单元，连接所述数据处理单元，用于基于预先构建好的预测模型预测得到下一预设时间段的事故量。

31、优选地，所述预测单元中预先构建好的预测模型包括至少两个；

32、所述预测单元包括：

33、模型预测子单元，用于基于至少两个所述预测模型分别进行预测，得到预测事故量；

34、模型评估子单元，连接所述模型预测子单元，用于对至少两个所述预测模型输出的预测事故量的预测结果与实际事故量进行评估，得到评估结果；

35、模型选择及预测子单元，连接所述模型评估子单元，用于根据所述评估结果选择相应的预测模型，并根据选择的预测模型进行预测，得到所述下一预设时间段的事故量。

36、优选地，所述预测单元中预先构建好的至少两个所述预测模型包括：

37、基于时间序列模型和时序森林树算法组合的第一组合预测模型；

38、基于季节性差分自回归滑动平均模型和时序森林树算法组合的第二组合预测模型。

39、本发明的第二方面是提供一种基于交管六合一数据的车辆异常违法监管方法，应用于如上述的基于交管六合一数据的车辆异常违法监管系统中，包括：

40、接收目标区域内不同数据源的数据，并整合生成基础数据；其中，所述基础数据至少包括交管六合一数据；

41、对所述基础数据进行数据治理和数据质量分析，并进行业务数据监测和关联处理，生成业务洞察数据；

42、基于预置的业务模型按照相应的业务逻辑对所述业务洞察数据进行车辆异常违法行为监管；

43、对所述业务洞察数据和所述业务模型的输出结果进行可视化展示，并基于所述业务模型的输出结果进行预警。

44、本发明技术方案的优点或有益效果在于：

45、本发明通过整合不同数据源的协同作用，为公安交警部门构建了一个高度先进的管控系统，实现了对重点车辆活动的智能监测与异常行为实时分析，该系统不仅在日常监控和预警工作中为交通管理部门提供了可持续的保障机制，而且为协调联动和应急指挥调度提供了坚实的应用平台支持；通过定制化的模型调试与优化，将算法运用与实际经验相结合，转化为通用模型，有效弥补了传统人力在计算与分析方面的不足，大幅提升了警务车辆管理的精确度和工作效率，进而显著提高了公安交警部门的整体工作质量。