基于大数据技术的公路涉毒防控体系的设计研究

李寓星

(贵州警察学院,贵州贵阳 550005)

面对屡禁不止的公路贩毒运毒案件,如何采取行之有效的科学方法打击防控是当前禁毒工作的一个重点,如何运用好先进的科学技术整合现有资源,研究打造符合实战要求的应用平台是推动这项工作的有效着力点和突破口。

1 公路涉毒违法犯罪查处工作中的难点

(1)存在大量吸毒背景的驾驶人。《道路交通安全法》和《机动车驾驶证申领和使用规定》都有相关规定,对于正在执行社区戒毒、强制隔离戒毒、社区康复措施,或者长期服用依赖性精神药品成瘾尚未戒除的,车管所应当注销其机动车驾驶证,但目前公安交通管理驾驶证业务办理系统尚未实现自动注销功能。截止2019年底全国社区戒毒社区康复30万人次[1],并且这部分驾驶人的证件很有可能属于正常状态。通过历次运毒贩毒和“毒驾”查获现场发现,这一部分驾驶人大多数都有吸毒历史,在驾驶时往往随身携带毒品、管制刀具甚至还有枪支等危险武器,机动车成了他们用于运送毒品,偷盗抢劫的转移、运输工具。对社会治安造成极大的危害。

(2)查缉方式是多警种联合设点查处。目前查缉方式基本上是组织禁毒、交警、治安等相关警种,在部分省际或市际入口设置固定查缉点,虽然点位上配备人员、装备齐全,但是位置很容易被提前知晓,从而有效躲避开检查[2]。受到警力的限制,查缉点也不可能做到全时空全时段的覆盖各个省际、市际入口,因此设置固定点的方式除非取得有效线索的支撑,否则收益甚小。

2 建设安全防控体系已具备的有利条件

(1)已建设大量视频监控设备。整合公路视频监控资源,不仅能对车辆轨迹进行监控,通过轨迹分析获取情报线索,还可以为构建一个从路到车、从车到人、从人到事(案)的逻辑架构提供基础保障,确保车牌号码、人员身份准确,做到人车合一的唯一性、准确性,实现透过视频关联到车牌后面人、事关系,对各类违法犯罪人员事前有效甄别和管控提供有利手段。

(2)实时产生大量有价值的业务数据。近年来各个公安警种大力发展信息化建设,信息化应用的水平得到不断提高,应用过程中产生和累积了大量有价值的业务数据。应用大数据技术清洗共享这些业务数据,有利于提升数据质量、增加数据价值,实现大规模情报研判分析,快速响应业务需求。

3 基于云平台的防控体系架构设计

为切实提高缉毒工作效力和公路涉毒案件的破获率,以精准的情报线索作为支撑,改变“盲查”模式为精准打击防控模式,形成对涉毒犯罪行为的强大震慑。引入大数据技术,用以整合公路防控体系的监控卡口、电子围栏、手机探针等采集设备资源,共享禁毒、交警、技侦、网安、治安、刑侦等多警种业务数据,通过对各类数据的碰撞比对,得到精准的分析结果,从而实现精准打击[3]。

利用大数据云计算新型技术,着力解决缉毒管控工作中存在的难题,适应新业态紧密结合公路防控体系,增强公路防控系统与缉毒工作的系统性、整体性,完全形成闭合,建立以车辆为基本信任根,同其他公安资源的大整合,高共享、深应用,对涉车、涉路的人员背景全网汇聚、关联共享、形成轨迹,建立融合WIFI探针、电子围栏、视频卡口信息的人、车、码模型,实现情报准确推送,对人、车、路实现汇总研判、挖掘分析、比对碰撞,提高管控效能。

3.1 防控体系的基础支撑研究

(1)缉毒防控数据:结合贵州公安信息化建设现状,数据资源情况,平台应用功能,对防控体系要素中的静态数据:包括通过技侦和禁毒信息关联分析出的驾驶人或同车人员基本涉案背景信息、通过交警和禁毒信息关联分析出的机动车主涉案背景信息和关系数据等的接入内容和接入方式、数据共享、数据上云进行设计,以促进缉毒防控体系中以车辆为基本信任根,同其他公安资源的大整合,高共享。

(2)可视化研判:结合案件研判实际需求,基于图像化的表达方式,将全省卡口、WIFI探针、电子围栏等资源汇聚在地图上,实现全省数据资源“一张图”。以图形化的方式展示车、人的关联方式,帮助民警将大量的、未知的信息转换成易理解、高关联性、高价值的情报,从而为分析研判工作提供帮助支撑。

(3)卡口数据:基于全省卡口过车数据共享原则,采取同一接入规范及标准,应用分库分表、结构化与非结构数据异步处理、读写分离技术保障过车数据实时上云,汇聚9个地州市及88个县级单位天网治安、交通电警、高速公路、收费站、环黔、环筑各类卡口资源,预估全省汇聚过车数据及过车图片在8000万条/天,不仅可服务于缉毒管控工作,同时也可为治安防控,刑事侦查等公安行业共享提供全省范围实时过车轨迹及图片。

3.2 总体架构

充分考虑基于目前缉毒防控的需要,以及要求应用未来的可扩展性,如:有可能增加的各业务警种的数据源,形成新的数据专题库,由各警种不同的分析研判侧重点而形成的应用模型,制订出的总体架构如图1所示,架构中主要包含如下三个层面的核心组件:

图1 防控体系总体架构Fig.1 Overall framework of prevention and control system

(1)基础设施层,主要负责实现跨数据中心的计算/存储集群,并实现容灾备份,实现统一的总控,包括如下核心组件:

1)物理上分散的多个计算集群,对上层应用完全透明。形成部省两级数据中心的多集群模式。

2)数据收集和存储:采用批量同步、实时消息推送、接口调用的方式获取公安各警种共享数据,根据数据的类型和应用场景存放在不同的数据存储中。

(2)数据管理和分析处理层,提供ETL工具和管理手段完成数据集成和数据仓库的构建,支持结构化数据处理、非结构化数据处理以及半结构化数据处理,支持实时和离线数据处理,包括如下核心组件:

1)多类型数据处理:对各警种的结构化数据、卡口过车消息半结构化数据、图片等非结构化数据进行处理。

2)数据仓库整合区:业务数据抽取到数据仓库,根据业务对各类数据访问的时效性与基于特定主题分析的需求,集中构建可支持不同业务主题的动态数据仓库。

3)实时应用区:采集卡口识别和WIFI探针、电子围栏实时上报的数据,构建动态数据仓库,包括存量数据和实时增量数据,用于支持各类在线数据分析。

(3)支撑服务层,主要实现对业务需求支撑的基础应用组件,包括数据集成、算法调用、调度服务、PGIS地图服务、全文检索、消息推送、数据授权等。

3.3 应用架构

建设基于实战应用的平台,满足涉毒防控动态要素的应用架构:

(1)数据层集成机动车、驾驶人、吸毒人员、重点人员、PIGS系统等各类公安数据资源,融合卡口资源与WIFI探针、电子围栏采集数据,支撑实战应用。

(2)业务应用集成车辆全息主题,情报预警,可视化研判,信息服务等模块,集成功能有车辆基本信息、车主基本信息、车辆活动特征、手机码画像、车辆画像、手机码活动特征、车辆布控、情报预警、人车云关系、人车云轨迹等各类实战需要的应用建设。

3.4 技术架构

基于云平台的建设,通过虚拟化技术形成统一的虚拟资源池,承载所有的PaaS与SaaS服务,实现计算的弹性扩展与资源的动态分配,并形成统一的运维管理体系[4]。其中:

(1)云平台的IaaS服务实现计算资源、存储资源与网络资源的虚拟化,并通过虚拟资源的云化管理与统一调度,为部署在平台上的各种服务提供了支持弹性计算和负载均衡的基础运行环境。提供大数据的离线计算、实时计算、流式计算、图计算多种计算模式。

(2)云平台的PaaS服务主要包括数据服务与应用支撑服务,是大数据处理的核心内容。PaaS服务基于分布式服务框架和开放式API,支持海量高并发事务处理、图片处理等核心应用,并提供标签管理框架和统计分析类、机器学习类等分布式算法。

(3)SaaS层基于PaaS层提供的应用服务和数据服务构建车辆研判等应用。

3.5 部署架构

根据天网工程整体规划,大数据支撑平台所需数据进行接入时需分别通过视频专网边界接入区域、互联网边界接入区域、以及公安信息通信网进行。

卡口视频、及车辆图片资源通过视频专网接入云平台,提取结构化特征用于后续的分析研判。

由WIFI探针、电子围栏进行数据采集后,通过3G/4G网络接入阵控平台进行数据归集及数据预处理、清洗,通过互联网边界接入公安信息通信网内大数据支撑平台做深度加工处理。

图2 技术架构图Fig.2 Technical framework

4 防控体系的功能及技术设计

4.1 缉毒防控子平台

4.1.1 数据资源池建设

本系统数据主要采集两部分数据:第一部分数据是卡口监控数据,电子围栏和WIFI探针采集到的侦控数据,卡口数据和侦控数据都是通过视频专网接入,并最终接入公安网;第二部分数据是贵州公安内部能够采集到的各警种业务系统的数据,包括但不限于禁毒、交警、技侦、网安、治安、刑侦等数据。公安业务数据经过数据加工、处理和整合之后,形成一整套完整的、全面的、有序的数据综合区。根据公安业务对各类数据访问的时效性与基于特定主题分析的需求,在数据综合区中集中构建可支持不同数据规模的数据仓库或者数据集市,例如机动车库、人员库、关系库等。围绕公路、机动车、人员。WIFI探针、电子围栏获得手机数据,结合卡口数据,把机动车、手机和交通参与人员有机的连接起来,通过人车合一算法,把路车人全链路打通。基于路车人数学模型,结合不同的业务警种分析需求,可以建设不同的业务主题:车辆全息主题库、人车合一主题库、重点人员主题库、车辆轨迹主题库等。

4.1.2 车辆全息档案

车辆全息档案对车辆进行实行“一车一档”全面信息管理,汇集机动车数据、驾驶员数据、违法违章数据、事故处理系统、剧毒品运输数据、交通卡口数据、吸毒人员数据、重点人员数据等各警种数据,结合侦控、轨迹等数据,经过大规模加工处理分析和计算,汇聚与车辆和驾驶人全方位的立体化信息,集中体现贵州省所有机动车的信息、驾驶人、轨迹信息、管控信息、活动特征等全息内容,面向全警提供高性能实时数据分析处理、多数据源关联查询检索、研判支撑。

4.1.3 情报预警

情报预警根据车辆、人员的匹配度设定评分模型,利用大数据计算模式完成评分运算,实现对背景车辆、背景人员不同级别的预警。

4.2 可视化研判子平台

人车路大爆发时代,每个人都会驾驶和乘坐多种交通工具,建立车码合一模型,通过对车辆车牌识别、车辆数据分析、电磁信号的多次交叉判定多个交通工具上的人的ID身份,智能分析车辆、人员之间的关联;高效地实现多身份映射的归一化,全面分析车人的ID身份或者虚拟身份。刻画人员的身份信息及人员的特征标签,实现数据关系拓扑结构可视化。

4.3 卡口数据汇聚子平台

针对全省数据汇聚的要求,进行平台架构设计,设计应遵从多层体系模型,采用三层体系结构,包括接入层、服务层、转发层。

第一层为接入层,接入层主要负责下级平台数据的接入和图片的接入。

第二层为服务层,服务层是软件平台系统的核心,采用高性能的应用服务器、中间件、各种智能引擎和系统管理工具,按照所提供的服务来管理和调度信息资源,并同时负责对采集到的数据进行处理、规整服务。针对图片和数据采用异步分发、下载。

第三层为转发层,转发层主要负责对数据进行分发上传至云平台关系型数据库和文件存储。

5 系统关键技术设计

5.1 卡口数据和图片汇聚异步处理机制

受限于带宽,市县级过车记录与图片无法实时同步上云,容易造成安全边界平台堵塞。在卡口过车记录汇聚的过程中,采取结构化数据与非结构化数据分离的方式,结构化数据优先,非结构化数据其次,保障结构化数据实时性,过车图片的完整性。数据处理和图片处理应使用不同的处理集群进行处理。平台设计应充分考虑到可能出现的各种异常情况,针对数据及图片处理的流程进行设计,若操作失败,进行相应的日志记录。

5.2 基于消息对列的数据实时上云技术

实战过程中,由于车辆的流动性较大,流动速度较快,针对车辆情报预警及布控短信发送需要在较短时间内生成,为满足车辆预警、布控推送≤30s的性能要求,在数据层与应用层之间增加数据缓存层,将过车记录加载到内存当中,在内存中计算完后,直接将预警推送前台,大大减少数据库往返次数,从而实现车辆实时预警。在应用服务器上采用缓存技术可实现频繁读取操作所造成的数据库负荷瓶颈的要求,通过牺牲应用服务器的内存来换取数据库的频繁I/O操作以降低预警生成及短信发送时延[5]。

5.3 基于标签体系全方位刻画机动车和驾驶人

给机动车、驾驶人打标签的主要目的是让基层民警在研判的时候可以快速找到嫌疑车辆或人员。如,可以快速查询今天活动在管辖范围内的涉毒人员有多少,也可以做情报挖掘工作:利用人车置信度高中低,毒驾行为高中低等信息可以快速筛选出活动区域存在毒驾行为的驾驶人,机动车与驾驶人标签体系,即通过对机动车、驾驶人基本属性、行为特征、事件、时段、地域等重要信息,抽象出一个机动车、驾驶人信息全貌,为基层民警提供通过模型分析而来高度精炼的特征标识信息。如车牌:贵XXXXX,车主年龄段:18-35岁,活动地域:贵阳,归属:本省,毒驾行为:高。这串描述即为平台车辆画像的典型案例,即机动车信息标签化。标签体系通常是人为规定的高度精炼的特征标识,如驾驶人年龄标签:18-35岁,活动地域标签:钟山区。制定的标签规则,能够通过标签快速读出其中的信息,给基层民警展示一种朴素、简洁的方法用于描述机动车与驾驶人。车主吸毒且处于社区康复或社区戒毒期间,且人车绑定度较高的车辆,即为毒驾标签。按照高中低三个层级展示车辆与车主的绑定关系,以车辆与车主是否在同区县出现,本人处理违章占比,人像比对三个维度加权求值,即为人车置信度标签。

5.4 基于ID-Mapping技术的人车伴随分析模型

人车合一分析模型是利用ID-Mapping技术建立人车同一模型,通过过车数据分析、车牌识别、电子围栏采集手机IMSI码和IMEI码的多次交叉判定多个交通工具上的人的真实身份,智能分析人员各种车牌、人员之间的关联,全面分析车人的各类身份与关系特征。通过相应的关系图表现出人与车的关系密度,从而判断出相应人与车的关系。

6 结语

实战中运用布控—预警—拦截的查缉机制,精准有效的查获嫌疑车辆及人员。由云平台计算得出的预警信息,可以推向各层级公安机关单位,公安机关单位根据预警信息中的车牌号码,在缉查布控系统中布控车牌号码。车辆经过已共享到的卡口设备时,卡口将识别到的号牌实时推送至查缉布控系统,系统匹配号牌成功后会实时向车辆行驶前方的拦截卡点发出预警,拦截卡点根据预警信息可有效组织实施拦截车辆,从而在不干扰大多数车辆正常行驶的前提下,准确查获嫌疑车辆和人员。

基于云平台构建的缉毒防控系统,通过车牌、MAC、IMSI码和IMEI码的反复碰撞、比对分析,可以极大的提高毒驾研判的精准性,解决“盲查”的弊端,保证有限警力管控的有效性。由于平台架构具有良好的可扩展性,下一步可接入其他警种,如治安、刑侦、反恐的在逃人员数据、案事件数据、犯罪人员数据、涉恐人员数据、被盗抢车辆数据等信息,进一步丰富标签画像的维度和标签类型,增加车码分析模型,发展出多车、多人相互之间的时间、空间伴随等更多模型种类,必将为更多警种的业务精准分析研判提供有力支撑。