道路交通安全違法分析領(lǐng)域知識(shí)圖譜構(gòu)建方法

黃 瑛， 黃淑兵， 趙 磊

(1.公安部交通管理科學(xué)研究所， 江蘇無(wú)錫 214151； 2.無(wú)錫華通智能交通技術(shù)開(kāi)發(fā)有限公司， 江蘇無(wú)錫 214125)

0 引言

隨著公安交通管理管控設(shè)備建設(shè)與跨警種、跨部門(mén)數(shù)據(jù)共享推進(jìn)，公安交通管理數(shù)據(jù)資源呈爆炸式增長(zhǎng)。作為交通管理四大平臺(tái)之一，公安交通集成指揮平臺(tái)目前已聯(lián)網(wǎng)接入各類(lèi)道路監(jiān)控設(shè)備，日均匯聚車(chē)輛軌跡、交通安全違法等動(dòng)態(tài)管控信息數(shù)億條。如何有效處理海量龐雜、動(dòng)態(tài)變化的公安交通管理數(shù)據(jù)，實(shí)現(xiàn)交通安全違法行為深度分析與隱患挖掘，已經(jīng)成為亟需解決的問(wèn)題。

知識(shí)圖譜在復(fù)雜數(shù)據(jù)知識(shí)表示、多源異構(gòu)數(shù)據(jù)整合處理、模擬人類(lèi)思考推理等方面具有顯著優(yōu)勢(shì)，能夠滿足公安復(fù)雜場(chǎng)景下的各類(lèi)業(yè)務(wù)需求。目前，知識(shí)圖譜在公安行業(yè)的應(yīng)用主要圍繞犯罪情報(bào)挖掘、案件線索研判、熱點(diǎn)輿情發(fā)現(xiàn)、業(yè)務(wù)流程指導(dǎo)等方面開(kāi)展。楊陽(yáng)、王杰[1-2]等提出了多種基于知識(shí)圖譜的犯罪情報(bào)建模方法，通過(guò)人員畫(huà)像、圖譜關(guān)系分析等方式挖掘隱性犯罪線索，對(duì)潛在作案對(duì)象進(jìn)行預(yù)警；李超[3]基于公共視頻監(jiān)控系統(tǒng)視頻圖像資源構(gòu)建了視頻偵查領(lǐng)域知識(shí)圖譜，對(duì)清理線索、提高辦案效率有重要意義；羅玉[4]利用知識(shí)圖譜技術(shù)助力涉警輿情分析，極大提高社會(huì)化媒體負(fù)面涉警輿情的識(shí)別準(zhǔn)確度，凈化網(wǎng)絡(luò)環(huán)境；王明達(dá)、郝培豪[5-6]等從案例、調(diào)查報(bào)告、法律條例、規(guī)范流程等文件抽取模式數(shù)據(jù)并構(gòu)建知識(shí)圖譜，為突發(fā)應(yīng)急事件處理和業(yè)務(wù)工作開(kāi)展提供標(biāo)準(zhǔn)指導(dǎo)。但現(xiàn)有公安行業(yè)知識(shí)圖譜研究集中在大公安領(lǐng)域，與本文研究的道路交通安全違法分析領(lǐng)域在數(shù)據(jù)類(lèi)別、業(yè)務(wù)場(chǎng)景等方面有較大差異，已有成果并不適用。

本文將知識(shí)圖譜技術(shù)引入道路交通安全違法分析領(lǐng)域，根據(jù)違法查緝專(zhuān)業(yè)知識(shí)和公安交通集成指揮平臺(tái)數(shù)據(jù)資源基礎(chǔ)，建立多角度的道路交通安全違法分析領(lǐng)域知識(shí)圖譜，并基于知識(shí)圖譜構(gòu)建重點(diǎn)交通安全違法行為智能研判系統(tǒng)，在車(chē)輛畫(huà)像、重點(diǎn)違法分析挖掘、重點(diǎn)違法智能預(yù)測(cè)、通行規(guī)律與關(guān)系網(wǎng)絡(luò)研判、語(yǔ)義情報(bào)檢索等方面開(kāi)展應(yīng)用探索。本文的研究實(shí)現(xiàn)了交通安全違法分析領(lǐng)域大規(guī)模多模態(tài)數(shù)據(jù)的關(guān)聯(lián)存儲(chǔ)和有序組織，能夠?yàn)榻煌ò踩`法行為深度分析與隱患挖掘提供技術(shù)支撐。

1 交通安全違法分析領(lǐng)域知識(shí)圖譜構(gòu)建方法

知識(shí)圖譜構(gòu)建方法[7]有自頂向下、自底向上兩種，后期可結(jié)合使用。其中，自頂向下的構(gòu)建需要結(jié)合領(lǐng)域?qū)＜医?jīng)驗(yàn)從數(shù)據(jù)源中提取本體，構(gòu)建圖譜模式層，然后根據(jù)定義好的知識(shí)圖譜填充數(shù)據(jù)層；自底向上的構(gòu)建需要從數(shù)據(jù)著手抽取實(shí)體、關(guān)系和屬性至數(shù)據(jù)層，然后對(duì)數(shù)據(jù)層進(jìn)行組織歸納，確定知識(shí)圖譜模式層。交通安全違法分析領(lǐng)域知識(shí)圖譜作為專(zhuān)業(yè)性較強(qiáng)的垂直領(lǐng)域知識(shí)圖譜，數(shù)據(jù)內(nèi)容及組織方式易確定，宜采用自頂向下的方法進(jìn)行構(gòu)建，構(gòu)建流程如圖1所示。

圖1 知識(shí)圖譜構(gòu)建流程

(1)數(shù)據(jù)資源分類(lèi)—根據(jù)交通安全違法查緝常用數(shù)據(jù)目錄，梳理需在公安交通集成指揮平臺(tái)中匯聚的數(shù)據(jù)資源并進(jìn)行分類(lèi)。

(2)模式層構(gòu)建—模式層作為知識(shí)圖譜的核心，一般使用本體庫(kù)來(lái)管理。首先根據(jù)交通安全違法分析領(lǐng)域?qū)I(yè)知識(shí)和數(shù)據(jù)源情況，確定本體框架，然后抽取概念、屬性與基本關(guān)系。

(3)數(shù)據(jù)層構(gòu)建—經(jīng)數(shù)據(jù)匯聚與數(shù)據(jù)治理，將涉及數(shù)據(jù)全部轉(zhuǎn)為結(jié)構(gòu)化知識(shí)，采用人工方式提取實(shí)體、屬性和關(guān)系。

(4)知識(shí)存儲(chǔ)—知識(shí)圖譜可基于RDF或圖數(shù)據(jù)庫(kù)存儲(chǔ)。為實(shí)現(xiàn)復(fù)雜層次結(jié)構(gòu)快速檢索，本文采用neo4j圖數(shù)據(jù)庫(kù)[8]進(jìn)行知識(shí)存儲(chǔ)。

2 交通安全違法分析領(lǐng)域知識(shí)圖譜構(gòu)建過(guò)程

2.1 數(shù)據(jù)資源分類(lèi)

交通安全違法分析領(lǐng)域知識(shí)圖譜涉及的數(shù)據(jù)資源按來(lái)源可分為公安機(jī)關(guān)交通管理部門(mén)內(nèi)部產(chǎn)生的數(shù)據(jù)、大公安分享數(shù)據(jù)、外部單位分享數(shù)據(jù)和互聯(lián)網(wǎng)公司共享交換資源4部分，按業(yè)務(wù)應(yīng)用可分為視頻圖像類(lèi)、過(guò)車(chē)數(shù)據(jù)類(lèi)、交通安全違法證據(jù)類(lèi)、地圖數(shù)據(jù)類(lèi)、基礎(chǔ)信息類(lèi)5大類(lèi)，總體數(shù)據(jù)資源劃分見(jiàn)圖2所示。

圖2 交通安全違法分析領(lǐng)域知識(shí)圖譜涉及數(shù)據(jù)資源分類(lèi)

(1)交警內(nèi)部產(chǎn)生的數(shù)據(jù)主要包括外場(chǎng)智能交通設(shè)備采集數(shù)據(jù)資源和內(nèi)部業(yè)務(wù)系統(tǒng)自產(chǎn)數(shù)據(jù)，其中外場(chǎng)智能交通設(shè)備采集數(shù)據(jù)資源分為視頻圖像監(jiān)控?cái)?shù)據(jù)和固定監(jiān)測(cè)設(shè)備、移動(dòng)執(zhí)法設(shè)備采集的違法數(shù)據(jù)；內(nèi)部業(yè)務(wù)系統(tǒng)自產(chǎn)數(shù)據(jù)包括卡口基本信息、重點(diǎn)車(chē)輛基本信息等。

(2)大公安分享數(shù)據(jù)主要包括高清治安卡口數(shù)據(jù)等。

(3)外部單位數(shù)據(jù)主要包括城建部門(mén)停車(chē)信息和重點(diǎn)車(chē)輛運(yùn)營(yíng)企業(yè)數(shù)據(jù)兩類(lèi)。

(4)互聯(lián)網(wǎng)公司數(shù)據(jù)包括互聯(lián)網(wǎng)公司地圖數(shù)據(jù)等。

2.2 模式層構(gòu)建

基于違法緝查工作需求和數(shù)據(jù)資源基礎(chǔ)，將道路交通安全違法本體分為6大類(lèi)：“人員”類(lèi)、“車(chē)輛”類(lèi)、“交通安全違法”類(lèi)、“出行”類(lèi)、“設(shè)備”類(lèi)、“區(qū)域”類(lèi)，并在此基礎(chǔ)上構(gòu)建子類(lèi)，如圖3所示。

圖3 交通安全違法分析領(lǐng)域本體框架

(1)人員—人員是交通管理工作中的重要要素，主要包括車(chē)輛所有人、車(chē)輛駕駛?cè)撕统丝?。在違法識(shí)別、違法處罰等過(guò)程中都需要人員信息支撐。

(2)車(chē)輛—車(chē)輛是現(xiàn)代交通的主要運(yùn)行工具，也是交通安全管理的主要管控對(duì)象?？紤]到車(chē)輛基數(shù)龐大，在定義車(chē)輛本體時(shí)，另增加5類(lèi)重點(diǎn)車(chē)輛，分別為大中型客車(chē)、小型面包車(chē)、?；愤\(yùn)輸車(chē)、貨車(chē)和校車(chē)。

(3)交通安全違法—一般包括現(xiàn)場(chǎng)查處的違法行為和非現(xiàn)場(chǎng)查處的違法行為，本文主要關(guān)注非現(xiàn)場(chǎng)違法，包括超速、闖紅燈、疲勞駕駛等違法類(lèi)型。

(4)出行—出行指車(chē)輛從出發(fā)地向目的地移動(dòng)的交通行為，車(chē)輛的所有活動(dòng)軌跡可劃分為若干次出行。通過(guò)定義出行本體，可了解車(chē)輛每次出行的參數(shù)，從而提取車(chē)輛通行特征，因此出行是開(kāi)展后續(xù)應(yīng)用的基礎(chǔ)。

(5)設(shè)備—設(shè)備主要用于采集車(chē)輛過(guò)車(chē)信息和違法取證，一般可分為卡口監(jiān)控記錄設(shè)備和違法取證設(shè)備，兩者可有交叉。

(6)區(qū)域—區(qū)域用于提供車(chē)輛、設(shè)備等所在的地理位置信息，根據(jù)使用場(chǎng)景不同可分為重點(diǎn)POI、道路、行政區(qū)劃、地市、省份，其中重點(diǎn)POI又可細(xì)化為熱門(mén)景區(qū)、火車(chē)站、機(jī)場(chǎng)、客運(yùn)站、中小學(xué)及幼兒園等。

交通安全違法分析領(lǐng)域的相關(guān)概念、屬性和基本關(guān)系定義見(jiàn)圖4，本體關(guān)系屬性定義見(jiàn)表1。

表1 本體關(guān)系屬性定義

圖4 交通安全違法分析領(lǐng)域相關(guān)概念、屬性與基本關(guān)系

2.3 數(shù)據(jù)層構(gòu)建

數(shù)據(jù)層構(gòu)建流程主要包含數(shù)據(jù)匯聚、數(shù)據(jù)治理、實(shí)體、屬性與關(guān)系提取3個(gè)步驟，如圖5所示。

圖5 數(shù)據(jù)層構(gòu)建流程

(1)數(shù)據(jù)匯聚

各類(lèi)數(shù)據(jù)資源通過(guò)接入服務(wù)等匯聚至公安網(wǎng)，其中結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)在分布式數(shù)據(jù)庫(kù)，圖像數(shù)據(jù)存儲(chǔ)在圖像存儲(chǔ)服務(wù)器，具體參見(jiàn)圖6。

圖6 基礎(chǔ)數(shù)據(jù)建庫(kù)目錄設(shè)計(jì)示意圖

其中，過(guò)車(chē)數(shù)據(jù)包括自建卡口、大公安治安卡口、停車(chē)場(chǎng)卡口以及闖紅燈自動(dòng)記錄系統(tǒng)采集的過(guò)車(chē)記錄；違法數(shù)據(jù)包括交通視頻監(jiān)視系統(tǒng)、交通安全違法行為監(jiān)測(cè)記錄系統(tǒng)采集的違法記錄以及通過(guò)重點(diǎn)車(chē)輛GPS數(shù)據(jù)接入生產(chǎn)的違法記錄；POI數(shù)據(jù)包括地圖系統(tǒng)采集的興趣點(diǎn)記錄；內(nèi)部業(yè)務(wù)系統(tǒng)自產(chǎn)數(shù)據(jù)包括卡口基本信息、重點(diǎn)車(chē)輛基本信息等；圖像數(shù)據(jù)包括交通視頻監(jiān)視系統(tǒng)、交通安全違法行為監(jiān)測(cè)記錄系統(tǒng)采集的圖片。

(2)數(shù)據(jù)治理

數(shù)據(jù)治理主要包括過(guò)車(chē)數(shù)據(jù)處理、圖像數(shù)據(jù)處理和POI數(shù)據(jù)處理。

過(guò)車(chē)數(shù)據(jù)處理流程包括以下步驟：

Step1：在全國(guó)車(chē)輛軌跡庫(kù)中抽取某一時(shí)間范圍內(nèi)的歷史通行軌跡記錄集合；

Step2：抽取任一車(chē)輛的全部通行軌跡并按過(guò)車(chē)時(shí)間順序排列，依次統(tǒng)計(jì)相鄰兩條通行軌跡之間的直線距離、時(shí)間間隔、平均車(chē)速等通行參數(shù)，生成包含過(guò)車(chē)序號(hào)、直線距離、累計(jì)通行距離、時(shí)間間隔、累計(jì)通行時(shí)長(zhǎng)、平均車(chē)速、距離起點(diǎn)直線距離、是否休息、停留時(shí)長(zhǎng)、連續(xù)駕駛時(shí)長(zhǎng)、是否疲勞駕駛、是否跨省、是否跨市、是否在高速公路上行駛等通行參數(shù)表；

Step3：判斷通行參數(shù)是否滿足出行劃分條件，將車(chē)輛通行軌跡記錄集合劃分為若干車(chē)輛單次出行子集；

Step4：依次統(tǒng)計(jì)單次出行的開(kāi)始時(shí)間、結(jié)束時(shí)間、軌跡數(shù)、是否疲勞駕駛、最大連續(xù)駕駛時(shí)長(zhǎng)、出行總時(shí)長(zhǎng)、總停留時(shí)長(zhǎng)、出行總距離、跨省數(shù)、跨市數(shù)、高速行駛距離、高速行駛時(shí)長(zhǎng)、夜間行駛距離、夜間行駛時(shí)長(zhǎng)等出行特征參數(shù)，得到機(jī)動(dòng)車(chē)出行特征參數(shù)表。

圖像數(shù)據(jù)處理流程包括以下步驟：

Step1：從圖片服務(wù)器中提取過(guò)車(chē)圖片和違法圖片；

Step2：基于圖像識(shí)別方法，從過(guò)車(chē)圖片和違法圖片中找到車(chē)輛區(qū)域、車(chē)輛號(hào)牌號(hào)碼信息，同時(shí)輸出車(chē)輛區(qū)域圖片；

Step3：從車(chē)輛區(qū)域圖片中，基于圖像識(shí)別方法，獲取人臉區(qū)域圖片、人像特征、人臉區(qū)域坐標(biāo)信息；

Step4：通過(guò)支持向量機(jī)的方式，判斷人臉區(qū)域坐標(biāo)信息位于車(chē)輛區(qū)域圖片中的主駕駛區(qū)域或副駕駛區(qū)域；

Step5：分別對(duì)主駕駛區(qū)域和副駕駛區(qū)域的人像特征進(jìn)行聚類(lèi)，得到駕駛?cè)塑?chē)輛關(guān)聯(lián)關(guān)系和乘客車(chē)輛關(guān)聯(lián)關(guān)系。

POI數(shù)據(jù)處理流程包括以下步驟：

Step1：提取卡口經(jīng)緯度信息和重點(diǎn)POI經(jīng)緯度信息；

Step2：計(jì)算卡口與重點(diǎn)POI之間的距離；

Step3：篩選符合條件的組合，得到卡口與重點(diǎn)POI關(guān)聯(lián)關(guān)系表。

實(shí)體屬性與關(guān)系提取流程包括以下步驟：

完成數(shù)據(jù)知識(shí)化處理后，根據(jù)模式層設(shè)計(jì)架構(gòu)人工提取實(shí)體、屬性表與關(guān)系表，形成模式層與數(shù)據(jù)層的映射關(guān)系。其中，機(jī)動(dòng)車(chē)通行參數(shù)表為“出行”與“卡口”關(guān)系的數(shù)據(jù)來(lái)源，機(jī)動(dòng)車(chē)出行特征參數(shù)表為“出行”實(shí)體和“車(chē)輛”與“出行”關(guān)系的數(shù)據(jù)來(lái)源，卡口與重點(diǎn)POI關(guān)聯(lián)關(guān)系表為“重點(diǎn)POI”子類(lèi)與“卡口”關(guān)系的數(shù)據(jù)來(lái)源。

2.4 知識(shí)存儲(chǔ)

由于交通安全違法分析領(lǐng)域知識(shí)圖譜涉及數(shù)據(jù)種類(lèi)繁多、關(guān)聯(lián)復(fù)雜且數(shù)據(jù)量超過(guò)億級(jí)，所以在知識(shí)存儲(chǔ)時(shí)，宜選用擅長(zhǎng)處理復(fù)雜關(guān)系的圖數(shù)據(jù)庫(kù)。Neo4j作為最成熟的圖數(shù)據(jù)產(chǎn)品，性能高且操作簡(jiǎn)便，故本文選用Neo4j圖數(shù)據(jù)庫(kù)進(jìn)行知識(shí)存儲(chǔ)，如圖7所示。

圖7 利用Neo4j圖數(shù)據(jù)庫(kù)進(jìn)行知識(shí)存儲(chǔ)

3 道路交通安全違法分析領(lǐng)域知識(shí)圖譜應(yīng)用

3.1 平臺(tái)設(shè)計(jì)

基于交通安全違法分析領(lǐng)域知識(shí)圖譜，構(gòu)建重點(diǎn)交通安全違法行為智能研判系統(tǒng)。按照分層隔離的原則，系統(tǒng)被劃分為用戶層、應(yīng)用層、模型算法層、計(jì)算存儲(chǔ)層、資源層、數(shù)據(jù)采集層6個(gè)層次，總體架構(gòu)如圖8所示。

本研究局限之處如下：第一，本研究為回顧性研究，可能存在偏倚；第二，由于資料有限，未按官兵遠(yuǎn)航次數(shù)及專(zhuān)業(yè)進(jìn)行亞組分析；第三，納入的人群主要集中在40歲以下人群，而腎結(jié)石的高發(fā)年齡在40～60歲[14]，這是由于部隊(duì)群體的特殊性決定的。

圖8 總體架構(gòu)圖

(1)用戶層—系統(tǒng)主要面向公安機(jī)關(guān)交通管理部門(mén)的支隊(duì)用戶、大隊(duì)用戶、中隊(duì)用戶和大公安刑偵技偵等用戶。

(2)應(yīng)用層—該層根據(jù)業(yè)務(wù)的需要，實(shí)現(xiàn)了車(chē)輛畫(huà)像、重點(diǎn)違法分析挖掘、重點(diǎn)違法智能預(yù)測(cè)、通行規(guī)律與關(guān)系網(wǎng)絡(luò)研判、語(yǔ)義情報(bào)檢索5個(gè)應(yīng)用。

(3)模型算法層—該層提供模型和算法的支撐，利用計(jì)算存儲(chǔ)層中海量的數(shù)據(jù)和強(qiáng)大的分布式計(jì)算能力，建立圖譜智能識(shí)別算法庫(kù)，包括參數(shù)提取算法、人車(chē)關(guān)聯(lián)算法、地理關(guān)聯(lián)算法；建立算法服務(wù)基礎(chǔ)支持庫(kù)，包括規(guī)則統(tǒng)計(jì)類(lèi)算法、關(guān)聯(lián)碰撞類(lèi)算法、違法分析挖掘和智能預(yù)測(cè)算法；根據(jù)業(yè)務(wù)特征提煉車(chē)輛通行特征標(biāo)簽庫(kù)；提供語(yǔ)義分析算法。

(4)計(jì)算存儲(chǔ)層—該層提供了計(jì)算和存儲(chǔ)兩大核心能力，采用Hadoop分布式存儲(chǔ)計(jì)算框架作為底層技術(shù)基石，使用HDFS分布式文件存儲(chǔ)系統(tǒng)、HBase分布式存儲(chǔ)數(shù)據(jù)庫(kù)、Hive分布式數(shù)據(jù)庫(kù)、Neo4j圖數(shù)據(jù)庫(kù)、Redis內(nèi)存數(shù)據(jù)庫(kù)和圖像存儲(chǔ)數(shù)據(jù)庫(kù)進(jìn)行數(shù)據(jù)存儲(chǔ)。此外，在存儲(chǔ)系統(tǒng)基礎(chǔ)上搭建分布式計(jì)算框架、分布式內(nèi)存技術(shù)Spark和車(chē)像、人像相似度分析計(jì)算框架。

(5)資源層—將數(shù)據(jù)采集層采集的違法數(shù)據(jù)、過(guò)車(chē)數(shù)據(jù)、POI數(shù)據(jù)、重點(diǎn)車(chē)輛數(shù)據(jù)、卡口數(shù)據(jù)、地理信息數(shù)據(jù)等匯聚到結(jié)構(gòu)化數(shù)據(jù)資源庫(kù)；將違法圖片、過(guò)車(chē)圖片匯聚到非結(jié)構(gòu)化數(shù)據(jù)資源庫(kù)。

(6)數(shù)據(jù)采集層—數(shù)據(jù)采集層通過(guò)數(shù)據(jù)接入、Flume實(shí)時(shí)獲取、Sqoop批量導(dǎo)入等多種手段從公安交通管理綜合應(yīng)用平臺(tái)、公安交通集成指揮平臺(tái)、互聯(lián)網(wǎng)交通安全綜合應(yīng)用平臺(tái)、部門(mén)及社會(huì)資源平臺(tái)將數(shù)據(jù)采集到重點(diǎn)交通安全違法行為智能研判系統(tǒng)，為上層應(yīng)用和分析提供數(shù)據(jù)源。

3.2 應(yīng)用探索

重點(diǎn)交通安全違法行為智能研判系統(tǒng)的應(yīng)用主要體現(xiàn)在車(chē)輛畫(huà)像、重點(diǎn)違法分析挖掘、重點(diǎn)違法智能預(yù)測(cè)、通行規(guī)律與關(guān)系網(wǎng)絡(luò)研判、語(yǔ)義情報(bào)檢索5個(gè)方面。

傳統(tǒng)業(yè)務(wù)系統(tǒng)檢索數(shù)據(jù)類(lèi)型單一且信息密度低，本系統(tǒng)結(jié)合知識(shí)圖譜各維度數(shù)據(jù)，構(gòu)建包含車(chē)輛軌跡類(lèi)、車(chē)輛駕駛?cè)祟?lèi)、關(guān)聯(lián)關(guān)系類(lèi)、車(chē)輛違法隱患類(lèi)4大類(lèi)，通行頻率、通行時(shí)段、通行道路、通行區(qū)域、通行線路、駕駛?cè)饲闆r、同乘關(guān)系、伴隨關(guān)系、違法類(lèi)型、嫌疑類(lèi)型、風(fēng)險(xiǎn)隱患等11個(gè)小類(lèi)特征標(biāo)簽體系，從時(shí)間維度、空間維度、業(yè)務(wù)維度對(duì)車(chē)輛畫(huà)像進(jìn)行可視化呈現(xiàn)。通過(guò)檢索目標(biāo)車(chē)輛畫(huà)像，可以更直觀地掌握車(chē)輛歷史行為特征，從而更有針對(duì)性地進(jìn)行風(fēng)險(xiǎn)排查。

(2)重點(diǎn)違法分析挖掘

針對(duì)研判人員對(duì)高維、海量數(shù)據(jù)識(shí)別、關(guān)聯(lián)能力不足的問(wèn)題，本系統(tǒng)有效整合了研判相關(guān)數(shù)據(jù)，針對(duì)不同類(lèi)型違法，設(shè)計(jì)數(shù)據(jù)模型，快速發(fā)現(xiàn)相關(guān)違法嫌疑人員車(chē)輛。如，針對(duì)疲勞駕駛違法行為，篩選“是否疲勞駕駛”屬性為“是”的“出行”實(shí)體，通過(guò)“發(fā)生”關(guān)系關(guān)聯(lián)“車(chē)輛”實(shí)體，通過(guò)“疲勞駕駛”關(guān)系關(guān)聯(lián)“卡口”實(shí)體，然后篩選“駕駛?cè)掌凇睂傩栽凇捌隈{駛”關(guān)系“過(guò)車(chē)時(shí)間”屬性范圍內(nèi)的“駕駛”關(guān)系，得到關(guān)聯(lián)的“駕駛?cè)恕睂?shí)體，最后鎖定關(guān)聯(lián)“駕駛?cè)恕睂?shí)體數(shù)為1的“車(chē)輛”實(shí)體，即為嫌疑疲勞駕駛車(chē)輛。針對(duì)跨市非法營(yíng)運(yùn)違法行為，篩選“距離”屬性小于閾值的“相鄰”關(guān)系，得到與重點(diǎn)POI相鄰的卡口，通過(guò)“休息”關(guān)系關(guān)聯(lián)“出行”實(shí)體，然后通過(guò)“出發(fā)”“到達(dá)”“卡口布設(shè)”“所在行政區(qū)劃”“所在地市”等關(guān)系找到出行對(duì)應(yīng)出發(fā)地、目的地，通過(guò)“發(fā)生”“乘坐”關(guān)系找到“乘客”實(shí)體，鎖定乘客數(shù)量多且有固定出發(fā)地和目的地的車(chē)輛，即為嫌疑跨市非法營(yíng)運(yùn)車(chē)輛。

(3)重點(diǎn)違法智能預(yù)測(cè)

針對(duì)違法嫌疑車(chē)輛潛在風(fēng)險(xiǎn)發(fā)現(xiàn)難的問(wèn)題，本系統(tǒng)結(jié)合專(zhuān)家經(jīng)驗(yàn)，根據(jù)歷史違法記錄進(jìn)行模式匹配，實(shí)現(xiàn)違法高風(fēng)險(xiǎn)車(chē)輛的及時(shí)預(yù)警。例如針對(duì)疲勞駕駛違法行為預(yù)測(cè)，提取疲勞駕駛“違法”實(shí)體，通過(guò)“取證”“設(shè)備布設(shè)”等關(guān)系得到違法時(shí)間與違法地點(diǎn)，通過(guò)“違法”“駕駛”等關(guān)系得到“車(chē)輛”與“駕駛?cè)恕睂?shí)體，然后通過(guò)“取證”關(guān)系的違法時(shí)間屬性找到對(duì)應(yīng)時(shí)間范圍的“出行”實(shí)體，提取出行對(duì)應(yīng)出發(fā)地、目的地與疲勞駕駛卡口點(diǎn)位進(jìn)行統(tǒng)計(jì)分析，當(dāng)監(jiān)測(cè)到車(chē)輛在指定時(shí)間、指定線路上行駛時(shí)即認(rèn)為該車(chē)有疲勞駕駛風(fēng)險(xiǎn)。此外，可以結(jié)合車(chē)輛畫(huà)像技術(shù)，提取車(chē)輛特征標(biāo)簽集合，利用關(guān)聯(lián)分析算法計(jì)算車(chē)輛特征標(biāo)簽與違法之間的關(guān)聯(lián)關(guān)系，從而判斷具有某些特征車(chē)輛的違法概率，生成違法高風(fēng)險(xiǎn)車(chē)輛集合。

(4)通行規(guī)律與關(guān)系網(wǎng)絡(luò)研判

目前，通行規(guī)律研判工作多基于軌跡記錄文本信息開(kāi)展，需耗費(fèi)大量人力進(jìn)行比對(duì)計(jì)算且易遺漏關(guān)鍵信息，本系統(tǒng)利用知識(shí)圖譜中存儲(chǔ)的“出行”“卡口”實(shí)體和關(guān)系，對(duì)目標(biāo)車(chē)輛進(jìn)行時(shí)空分析，刻畫(huà)車(chē)輛出發(fā)、停留、折返、到達(dá)等行為特征并在地圖上進(jìn)行展示，以更直觀的方式協(xié)助研判人員快速獲取目標(biāo)車(chē)輛落腳點(diǎn)、經(jīng)常通行線路、活動(dòng)區(qū)域等信息，為車(chē)輛緝查提供數(shù)據(jù)支撐。此外，為充分挖掘關(guān)系線索，提高數(shù)據(jù)分析效率，本系統(tǒng)基于知識(shí)圖譜構(gòu)建的關(guān)系網(wǎng)絡(luò)，深度挖掘乘客、駕駛?cè)?、所有人、?chē)輛、設(shè)備、區(qū)域之間潛在的多維度關(guān)系，輔助研判人員發(fā)現(xiàn)更多隱藏線索。

(5)語(yǔ)義情報(bào)檢索

針對(duì)傳統(tǒng)情報(bào)搜索方式的數(shù)據(jù)范圍局限性，本系統(tǒng)可根據(jù)用戶輸入關(guān)鍵字自動(dòng)進(jìn)行實(shí)體檢索和關(guān)聯(lián)信息擴(kuò)展查詢，有效避免了由于檢索線索不明確導(dǎo)致的信息獲取失敗，有助于研判人員獲取更全面的情報(bào)信息。此外，在實(shí)際業(yè)務(wù)工作中，模型構(gòu)建往往受系統(tǒng)已開(kāi)發(fā)功能限制，無(wú)法及時(shí)將公安交管專(zhuān)家和一線交警的違法打擊經(jīng)驗(yàn)及技戰(zhàn)法轉(zhuǎn)為模型進(jìn)行應(yīng)用。本系統(tǒng)免去了繁重的模型開(kāi)發(fā)更新工作，根據(jù)提煉的模型輸入語(yǔ)義規(guī)則后，系統(tǒng)自動(dòng)轉(zhuǎn)為知識(shí)圖譜查詢語(yǔ)言進(jìn)行檢索，可以滿足研判人員的個(gè)性化分析模型開(kāi)發(fā)需要。

4 總結(jié)

科技發(fā)展已全面進(jìn)入大數(shù)據(jù)智能化時(shí)代，交通管理科技信息化建設(shè)也正從適應(yīng)滿足業(yè)務(wù)需求進(jìn)入改造創(chuàng)新需求的新發(fā)展階段。為整合基礎(chǔ)數(shù)據(jù)資源，提高數(shù)據(jù)服務(wù)能力，本文利用自頂向下的方法完成了道路交通安全違法分析領(lǐng)域知識(shí)圖譜的構(gòu)建，并基于重點(diǎn)交通安全違法行為智能研判系統(tǒng)開(kāi)展了知識(shí)圖譜在車(chē)輛畫(huà)像、重點(diǎn)違法分析挖掘、重點(diǎn)違法智能預(yù)測(cè)、通行規(guī)律與關(guān)系網(wǎng)絡(luò)研判、語(yǔ)義情報(bào)檢索5個(gè)方面的應(yīng)用探索。

本文所述的基于知識(shí)圖譜的跨市非法營(yíng)運(yùn)車(chē)輛分析研判模型已在近期開(kāi)展的全國(guó)非法運(yùn)營(yíng)打擊專(zhuān)項(xiàng)行動(dòng)中得到應(yīng)用，依托公安交通集成指揮平臺(tái)，20天內(nèi)累計(jì)預(yù)警攔截嫌疑車(chē)輛五千余輛，其中經(jīng)現(xiàn)場(chǎng)認(rèn)定非法營(yíng)運(yùn)違法行為并移交交通運(yùn)管部門(mén)的三百余輛，預(yù)警有效率達(dá)6.82%。實(shí)踐證明，本文提出的道路交通安全違法分析領(lǐng)域知識(shí)圖譜有助于現(xiàn)有數(shù)據(jù)的深度加工和增值利用，能夠促進(jìn)違法分析預(yù)測(cè)算法模型的研發(fā)與應(yīng)用，對(duì)提高交通安全違法行為智能研判水平具有重要意義。