当前，各地公安交警部门以深化公安改革为契机继续深入推进交通违法大整治行动。经过公安干警的辛勤付出，各类交通违法行为，交通事故发生率均明显下降。其中，机动车驾驶员的驾驶习惯和守法意识得到全面提升，机动车违法行为明显减少；但行人和非机动车的交通违法行为仍然屡禁不止，中国式过马路、非机动车逆行、闯红灯等违法行为仍然随处可见。

　　本文本着交通违法大整治向行人、非机动车延伸的趋势，着力于改变老百姓的交通陋习，减少城市交通违法行为和事故率，让城市道路交通出行环境更安全、更有序、更畅通的目的，为行人、非机动车交通违法行为提供了一些可行的智能化管控应用。

　　各个城市所面临的急迫的交通管理需求需要规范骑手和行人交通行为，特别是非机动车驾驶行为意识，降低市内交通事故率。

　　由于路面执法交警人力有限，必然需要依赖前端相机人工智能化、深度学习的判断识别和后端大数据挖掘比对，来进行一体化的智能管控。

　　各地交警可按需进一步完善执法管理处罚条款，做到“管控罚”有法可依。

　　国家对于“行人、非机动车违法闯红灯行为”有明确的法律约束，在《道路交通安全法》中明确规定： 第六十二条：行人通过路口或者横过道路，应当走人行横道或者过街设施；通过有交通信号灯的人行横道，应当按照交通信号灯指示通行；通过没有交通信号灯、人行横道的路口，或者在没有过街设施的路段横过道路，应当在确认安全后通过。第八十九条：行人、乘车人、非机动车驾驶人违反道路交通安全法律、法规关于道路通行规定的，处警告或者5元以上50元以下罚款；非机动车驾驶人拒绝接受罚款处罚的，可以扣留其非机动车。

      需要加强物流外卖公司对骑手的规范性管理。

　　打造前端一体化智能采集识别系统

　　前端物联网智能采集

　　行人闯红灯前端系统

　　该系统通过深度学习的智能视频分析技术，可对红灯状态下穿越斑马线的行人进行记录，支持人脸提取和识别，并通过声音、影像等形式进行提醒、曝光，从而对不文明的闯红灯现象起到监督、劝导作用。

　　检测流程如下：

　　1. 当信号灯红灯时，行人越过等候区，系统抓拍第一张图片，此时如果外接音箱，会有声音提醒“当前红灯状态，请退回等候区。

　　2. 行人无视声音提醒，继续行进，走到摄像机视野中央时，抓拍第二张图片。

　　3. 当行人行走到摄像机视野下方时，抓拍第三张图片。

　　4. 闯红灯行人的特写图片，能够清晰看清该行人全貌。

　　非机动车违法抓拍前端系统 　　利用现有成熟的智能卡口前端系统（前后抓拍模式）的升级，我们就能够实现对非机动车闯红灯、逆行、不在规定车道行驶、甚至多人驾驶等违法行为做到目标自动跟踪、违法智能识别抓拍，并可利用深度学习算法，快速提升抓拍率和有效率。 　　运动目标、目标颜色、行人和车辆的检测像素要求、检测率、误检率和识别准确率均应不低于“GA/T 1399.2－2017 《公安视频图像分析系统》”的要求。

　　进一步识别和挖掘标签类数据

　　智能相机还可进一步提取出非机动车驾驶人的相关特征标签，如人脸、是否戴眼镜、戴帽子或头盔、戴口罩、衣着、打电话单手驾驶、多人驾驶等；非机动车的相关特征标签，如外卖车某公司、非机动车品牌、遮阳伞等；行人标签，如是否抱小孩、打伞、轮椅等。 　　建立后端大数据挖掘分析应用

　　数据挖掘是在大型数据存储库中，自动地发现有用信息的过程。数据挖掘可用来发现先前未知的有用模式，还可以预测未来观测结果。可通过统计学的抽样、估计和假设检验；通过人工智能、模式识别和机器学习的搜索算法、建模技术和学习理论；甚至通过最优化、进化计算、信息论、信号处理、可视化和信息检索等手段和思想，来进行更为深入的分析应用。

　　此外，需要数据库系统提供有效的存储、索引和查询处理支持。源于高性能（并行）计算的技术在处理海量数据集方面常常是重要的。分布式技术也能帮助处理海量数据，并且当数据不能集中到一起处理时更是至关重要。利用这些技术，我们可以至少做到如下应用： 　　对所关注驾驶人行驶路径的准确掌控

　　通过前端分析所获取到的所关注的非机动车和驾驶人的特征标签，可以在后端分析出人车的行驶路径，乃至非机动车某区域内的实有车辆、OD分析等应用。 　　对外卖公司骑手的管控 　　通过前端分析所获取到的所关注的非机动车（主要是后备箱特征）和驾驶人（主要是人脸和衣着）的特征标签，可以对驾驶人进行外卖公司的归属分类，做到企业层级的联合监督管制。

　　对特定驾驶人的积分预警管理 　　通过实有车辆分析，可在平台提供积分配置管理，默认可查询出当前所有的积分配置信息，还可针对实际情况配置非机动车车辆每次出现累计的分值，建议该类积分设定最大分值以及最大分值的适用时间周期。

　　提供积分报警查询，可输入人脸或身份证进行人脸比对，进行关联非机动车的积分报警数据的查询，并显示出最近的非机动车全身照、报警时间、报警积分、报警级别等信息，在详情中可查看积分的变化过程。

　　提供积分阀值设置，可根据默认的普通，中级，高级三个等级设置积分报警级别，还可在等级阀值的基础上，将阀值进行调整，调整某一个级别，同时会调整相邻级别的阀值。

　　根据实有车辆与积分预警管理，为交警重点有针对性的管理提供辅助决策提供大数据支撑，可以为交通非机动车的整治行动提供必要的参考数据。

　　对疑似黑驾行为的管控

　　对一些固定场所（比如地铁站）进行疑似黑驾行为车辆的重点监测和管控打击。

　　平台可以基于实有车辆库，对选定时间内的非法运营非机动车车辆进行特征关联查询，按照出现频次进行排序，并可按照出现的具体区域进行频次的直观展示。

　　在对疑似黑驾行为车辆进行监测的时候，会用到非法运营区域的配置设定，平台中可以通过电子地图进行区域的配置和设定。比如“某某开发区”区域，可以设定关联属于该区域的关联前端智能采集点位。

　　制定一套智能管控流程

　　各地交警可依托市局“一中心、一平台”总体架构进行针对行人和非机动车交通违法行为应用开发，提供集违法取证、人脸识别、人脸比对、大数据比对、精准打击、综合管控、信息公告、违法处理等多功能于一体的综合信息系统，整个系统形成“PDCA闭环”，做到多循环的完善机制。

　　在公安物联网环境下，部署高清抓拍摄像机、人脸识别软硬件设备等，基于高质量的人车特征图像、人脸图像，通过自动抓拍、深度学习识别提取、自动比对等功能，实现“由像到人”、“由人到管”精准定位和打击的业务模式。人脸比对管理平台可与各地市局人口库等建立连接，提供人脸动态比对预警、统计分析等功能，实现对违法人员的身份确认。 　　各属地交警支队对采集到的违法证据，经人工审核确认后，通过“公安交通管理综合应用平台外挂系统”录入相关违法信息并进行相关法律文书打印，制发违法通知书（挂号信）通知违法当事人，总队科技处通过互联网短信告知平台同步将违法信息短信发送给违法当事人。对违法行为无异议的当事人可通过手机“交警APP”在线处理，也可前往属地交警支队/大队违法窗口处理，相关民警可通过“公安交通管理综合应用平台外挂系统”进行违法处理，处理完毕后的违法信息自动录入“公安交通管理综合应用平台”。

　　综合违法大数据可视化实战应用的发展探讨

　　2018年4月底，上海交警已经草拟了《针对行人、非机动车违法抓拍建设指导意见书》，拟至2020年，全市对行人、非机动车交通违法电子警察抓拍点位达到1000个，实现外环线内关键路口与郊区中心城主要路口的全覆盖。通过前端智能采集识别点位的不断建设，深度学习算法对采集数据的可靠性不断优化，后端大数据标签类数据的不断丰富，我们就能够针对行人和非机动车，更全面服务的立体化治安防控应用和更高AI+要求的业务可视化应用。

　　能够丰富立体化治安防控应用的数据源

　　立体化治安防控着眼于“点”、“区域面”和“时间线”。“点”指的是前端点位智能采集识别的内容项；“区域面”更多的是统计分析出大数据的散布度量（极差和方差）、多元归总统计（协方差矩阵）等，从而发现出区域性数据的横向分布规律；而“时间线”则可周期性统计各项指标率和纵向规律。

　　提出更高AI+要求的可视化实战应用

　　不仅局限于将数据挖掘分析结果以图形或表格的形式进行可视化展示，更高AI+的业务可视化实战，可考虑基于AR全景地图进行更直观可视的数据、图片和视频的关联自动调阅功能的实现。管理决策人员可随时通过手机、PAD、指挥中心大屏及微信集成获取到后端大数据挖掘分析出的结果，并直观关联现场点位图片和视频片段。

　　结语

　　随着前端视频源高清化和智能化应用技术的发展，视频图像所带来的信息直观性、内容丰富性和应用拓展性也不断加强，其在城市公安交通信息化系统建设的重要地位已不容忽视，后端大数据挖掘应用的程度直接影响到公安交通信息化系统的整体运行效率和管理水平。目前内地各城市资金投入的限制还是制约视频图像信息应用发展的主要因素之一，其导致道路交通信息化管理系统的建设顾此失彼（前端点位数量不够，覆盖面、智能程度低，功能片面，创新型数据挖掘应用程度不高等），从而束缚了城市交通管理业务的开展和加大了综合应用的局限性。 　　总之，公安交通管理业务中基于视频图像信息的应用探讨，是一个永无止境、极其广泛的领域。目前在公安交通信息化系统建设中的应用也仅仅是很少的一部分，在公安交通信息化系统建设中，对视频图像的应用研究是一个不可回避的课题，也是一个随着视频图像处理技术的发展而不断持续发展的课题。