基于城市视频大数据的社会综合治理大数据平台设计

罗铁军

【摘 要】为贯彻落实《国务院关于印发促进大数据发展行动纲要的通知》（国发〔2015〕50号），推动大数据健康发展和广泛应用，以城市的视频监控数据源为抓手，推动视频数据资源的整合汇聚，通过视频大数据的前沿技术解决城市维稳、社会治理、交通等社会管理难题，提升政府治理能力，改善社会公共服务，加快新型业态培育，注入经济发展新活力。

【Abstract】To implement the "Notice of the State Council on the Issuance of the Outline of the Development of Big Data Action" （State Notice 2015 No.50）， to promote the healthy development of big data and wide application in video surveillance data source of the city as the starting point， to promote the integration of video data resources together， solve the city stability， social governance， social traffic etc. management problems through cutting-edge technology of video data， to enhance the governance capacity， improve public services， accelerate the cultivation of new formats， to inject new vitality into the economic development.

【关键词】视频数据；社会综合治理；大数据平台设计

【Keywords】video data；social comprehensive governance；big data platform design

【中图分类号】X321 【文献标志码】A 【文章编号】1673-1069（2017）10-0165-03

1 概述

半个世纪以来，随着计算机技术全面融入社会生活，信息爆炸已经积累到了一个开始引发变革的程度。它不仅使世界充斥着比以往更多的信息，而且其增长速度也在加快。信息爆炸的学科如天文学和基因学，创造出了“大数据”[1]这个概念。如今，这个概念几乎应用到了所有人类智力与发展的领域中。

1.1 大数据与社会综合治理

目前，我国正处于产业升级与社会转型加速期。现代高科技快速发展和急剧变迁，随着移动互联网的高速增长，在人、财、物等社会数据和信息收集，变得庞大而复杂，而这就是大数据发展的结果。在传统模式下，社会综合治理以政府为主导，而随着政府内部数据的复杂化，社会综合治理能力的提升迫切需要治理主体的多元化。大数据时代的特征就是多元化、规模化的数据分析和挖掘，为政府提供综合化的社会综合治理报告和依据。

1.2 城市视频大数据现状

立足城市的市情和现实需要，以整合城市各部门视频监控数据资源为切入点，健全规章制度和标准体系，在保障网络信息安全的前提下，通过大数据产业发展思路和先进技术，采用“多网汇聚、纵向联网、横向整合、共享使用”的模式，解决社会综合治理及服务的相关问题，助力打造精準治理、多方协作的社会治理模式，构建以人为本、惠及全民的社会服务体系。

如今，大数据在各行各业都已有了较为成熟的应用。在城市视频监控领域，进入大数据时代正悄悄来临。在城市中心、交通管理等领域已经部署大量的视频监控设备，未来将产生PB级的数据。同时，预计2025年，大量的数据将集中在云平台上处理。对于如此大级别的数据量，现有系统会出现数据检索速度越来越慢，数据统计、分析效率越来越低等问题，而且大量的重复无效数据，无法对城市综合治理提供综合报告。随着各地“智慧城市”和城市大数据中心的集中建设，非结构化的数据比重越来越大。视频大数据挖掘技术侧重帮助各级政府类客户从日趋海量的非结构化视频数据[2]中发掘出高价值的数据，协助政府等相关部门提升其决策的效率和精准度。

2 总体构架设计

2.1 感知层

通过新建或已有的智能型感知设备[3]（rfid卡、WiFi嗅探设备）和智能监控设备（包括人脸识别摄像头、卡口、电子警察等），对人、车、证件、轨迹等信息进行采集，同时与公安数据、互联网数据进行整合，形成社会治理的城市视频大数据基础资源。

2.2 大数据云平台

采用云技术构建方案，搭建城市视频大数据技术构架，打通专网和外网，同时构建城市视频云平台和基础设施云平台，对资源服务平台、公安、交警智能交通平台、PGIS、视频资源平台等全面整合，形成一张图，全市各部门共享资源。

2.3 应用层

主要包括资源服务、立体防控、实战打击、移动互联、便民应用等；为社会综合治理提供各种实战应用，实现信息化强警。通过智能分析，为民提供交通出行、治安公告等各种惠民服务。警民结合，建设和谐社会。

3 平台功能设计

建设以综合视频大数据共享应用平台为核心抓手，配套安全保障系统等基础设施，整合汇集各部门社会治理有关的信息资源，实现社会治理相关信息共享，完成社会综合治理从条块分制向整体联动转变，从被动应付向主动服务转变，从传统管理方式向信息化支撑转变，从分级管理向扁平化管理转变，从单打独斗向协作共治转变，加快推进社会治理体系和社会治理能力的现代化进程。

3.1 整合资源，建设视频大数据共享平台endprint

在城市报警与监控系统建设中，政府和社会投入的视频监控资源迅猛发展，但各个系统各自为阵，形成“信息孤岛”，从而造成视频资源共享难、重复建设、投资增加，同时大多单位重建设轻维护，造成已有的监控资源利用率偏低。为了提升全市社会治安整体防范水平，需要对大量的部门及社会视频数据资源进行有机整合，实现统一管理、资源共享。主要包括整合公安、城管、社区、卫生、教育及民用等部门的资源。从而，建立跨部门、跨地区的视频资源目录体系和交换体系，构建视频数据统一共享交换平台，对视频数据存储资源、计算资源和宽带资源实施统一管理，建设视频大数据共享中心。

3.2 结合行业，在社会治理领域探索大数据应用

利用视频大数据共享平台，运用视频大数据技术、人脸识别技术、车辆识别技术，结合社区网格化管理数据，辅助实现社会综合治理。主要体现在城市管理、公共安全管理、社会综治三方面[4]。

3.2.1 城市管理助力交通拥堵治理决策

通过整合交通视频数据源，采用视频大数据的科学算法，对海量交通数据的比对、分析和研判，分析出指定车辆行驶路径、道路拥堵状况，同时基于拥堵状况为政府提供潮汐、绿波控制等实时的、针对性的治理方案，全市交通一盘棋，有效解决交通拥堵问题。

3.2.2 致力环境污染综合治理

通过整合环保、气象、企业等的视频数据及物联网传感器资源，为政府提供实时解析、评估、预测、辅助决策为一体的“互联网+”环保大数据应用系统。

3.2.3 协力突发事件应急处理

通过城市视频大数据共享中心的视频监控、预警，做到对火灾、城市内涝积水等突发事件的全流程监管处置；同时，通过将视频数据与GIS等其他数据源相结合，建设紧急救援调度系统，减少人员和财产损失。

3.3 公共安全管理应用

3.3.1 加强重点人群分析预警

对重点关注人群的行动轨迹、生活习性和社交网络进行分析，通过综合研判，揭示其犯罪模式和行为模式。应用于社区、街道、公安等部门对重点关注人群进行矛盾协调处理，综合布控和治安联动指挥。

3.3.2 全时空跟踪分析特定车辆

对车辆视频进行大数据分析，自动识别车款、车型等车辆信息，实现对车辆及其运动轨迹的跟踪管理。应用于公安、交警等执法部门对有关车辆的违法犯罪行为进行查处，并为犯罪行为进行预警和精确打击提供科学依据和决策。

3.3.3 实现重点地物、场所的分析预警

对重点场所的消防通道和消防值班室进行视频大数据分析，实现消防通道占用报警和值班室离岗识别。应用于公安、消防等部门对重点场所进行非现场监管，监督企业对消防火灾日常监管不留盲区、隐患排查不留死角和应急救援及时有效。

3.4 社会综治方面

3.4.1 重点人群画像监控，防患于未然

对重点关注人群的行动轨迹、生活习性和社交网络进行分析，通过综合研判，揭示其犯罪模式和行为模式。应用于社区、街道、公安等部门对重点关注人群进行矛盾协调处理，实现综合布控和治安联动指挥。

3.4.2 群防群控，使用更智能

识别人员拥挤、聚集、逗留、打架斗殴等异常行为，对人群聚集风险和群体性事件进行预警。应用于公安等执法部门提前动态调度有限的人力物力，制定人群疏导策略和布置等级化巡逻防控。

3.4.3 打造本地特色的综治大联勤

随着分析数据的积累，数据之间的关联性作用将日益凸显，从而带动侦防模式从单一模式向多元模式的转变，为公安、国安、法院、检察院等执法部门的业务开展、调查取证以及远程布控提供有效的技术支撑。

4 关键技术

城市视频大数据的社会综合治理大数据平台主要核心技术包括：

4.1 基于云计算和虚拟化的底层技术

利用分布式计算和虚拟资源管理技术，通过互联网络将分散的ICT资源（包括计算与存储、大数据平台应用）集中起来形成共享资源池，并以动态按需和可度量的方式向客户提供服务。

①云计算[5]提高城市视频资源特征抽取、分析、融合、轨迹再现的效率，达到“可见即所得”的分析效果。

②云计算有效整合计算中心的闲置资源，提高计算单元利用效率，降低项目成本和维护复杂度。

4.2 海量数据分析与挖掘技术[6]

4.2.1 机器学习技术

汇集各业务模块核心数据，进行大数据挖掘和分析，深化机器学习，研判数据趋势。建立关联规则机制，对各业务模块核心数据进行分类、聚合、融合关联，呈现数据单元关联关系。

①基于神经网络算法、遗传算法对已聚类融合的数据核心因子进行回归拓展分析，淘汰、优化、回归、重组数据模型，进行递归回溯和后向分析。

②建立识别模式，对深入学习后的数据集合进行时间序列分析，呈现数据趋势，形成可建模的数据流，输出机器学习结果。

4.2.2 大数据机器学习算法

建立专业的预测分析模型，模型包括但不限于（人、车、物）分析特定事件的发展趋势、影响范围和等级。

4.3 数据搜索引擎

数据搜索引擎是大数据分析平台的核心部分，数据搜索要求覆盖社会综合治理平台基础数据、公安执法信息库、政府数据、企业数据及互联网数据等等。对海量大数据的搜索，搜索引擎应该具备支持内存和磁盘搜索及局部和分布式搜索的能力。支持PB级数据的索引构建和混合索引的构建[7]。

5 结语

整合公安、交通、城管、民用等视频监控数据资源，拓展公共安全、智能交通、城市管理、教育管理、旅游服务等领域的视频监控信息综合应用[8]，最大化共享和利用已建视频监控资源，建设综合的决策模型，通过运用大数据技术的实时性和可预测性提高安全系统的数据处理能力，提高应急救援能力，减少人员伤亡和财产损失，满足社会治理、社会服务、应急指挥等方面的需求，为领导决策、应急指挥服务，并为灾难事故预警、安全生产监控、环境监控等提供服务保障。

【参考文献】

【1】大数据[EB/OL].？

【2】罗东健.大规模存储系统高可靠性关键技术研究[D]. 武汉：华中科技大学，2011.

【3】聂雪军.内容感知存储系统中信息生命周期管理关键技术研究[D].武汉：华中科技大学，2010.

【4】符青云.面向大规模流媒体服务的高性能存储系统研究[D]. 成都：电子科技大学，2009.

【5】Lakshmi N. Bairavasundaram，Garth R. Goodson，Shankar Pasupathy，Jiri Schindler.An analysis of latent sector errors in disk drives[J]. ACM SIGMETRICS Performance Evaluation Review ， 2007 （1）：23.

【6】任勁，谢长生，李为. ISCSI协议及其Linux下的实现[J].小型微型计算机系统，2003（07）：48.

【7】任崇广.面向海量数据处理领域的云计算及其关键技术研究[D].南京： 南京理工大学，2013.

【8】大数据时代的特点[EB/OL].

0101c2gz.html.