,包括道路类型、线性、天气、时间、环境、设施等相关联的,集中分析Р掌握违法、事故中高发、易发的驾驶人、车辆和道路,为管控提供最为真实的资Р料和依据。Р2.2.4 基于大数据的勤务快速处置需求РР 在岗执勤民警通常负责的是一个区域的交通管理工作,很难掌握管辖区域内Р所有路口路段的实时交通状况。基于对过车流量特性的大数据分析,可为交管人Р员分析管辖区域内交通流量情况,为在岗执勤民警提供更加准确的拥堵点,有助Р于交管人员日常勤务安排和以及上下游及时联动和快速反应。РР2.2.5 基于大数据平台的车辆特征二次识别需求РР 过车图片里面包含了很多信息,这些信息是卡口设备本身无法有效识别出来Р的信息,例如车辆品牌、车辆型号等。基于大数据系统的车辆特征二次识别技术Р从根本上克服了传统车辆检索只能按照号牌进行单一查询的功能缺陷,实现了按Р照车辆品牌、型号、颜色、类别以及局部特征等自定义组合查询和模糊查询强大Р功能。在不改变现有卡口设备的情况下,就能够挖掘出更多的车辆特征,便于实Р现更多应用,有效利用了现有卡口设备,降低不必要的卡口重建投入。РР2.2.6 基于大数据平台的技战法需求 РР 通过过车图片、行驶行为特征分析和人员、车辆档案关联分析,确定各类涉Р案人员/车辆的详细信息。以全库精细搜索和模糊查询,实现一定时间内经过各Р采集点特定车辆行车轨迹分析,记录轨迹路线信息并在 GIS 地图中进行可视化展Р示和报警,形成行驶轨迹数据的高速检索。对同一辆车在多个监控点出现的轨迹Р进行时空分析,实现对任意时间和地区范围内重点车辆行驶规律的分析研判,并Р预测一定时间内高概率出现的区域。РР2.3 性能需求РР2.3.1 高并发实时数据采集需求РР 采用 Kafka 消息队列,良好兼容 Hadoop 系统,可通过 SQL 访问,延迟在 2Р秒内。РР2.3.2 海量数据存储需求