智慧交通大数据平台概况及需求分析V1

二、项目背景或简况

为全面落实改革总体要求,积极稳妥推动云计算大数据技术在交通管理行业的落地应用,

切实提高信息化基础设施保障水平，进一步提升基础信息化服务能力和大数据分析能力，落

实基础信息化建设任务，用户将开展交通管理数据云和大数据平台项目建设。

1、项目概况和建设目标

交通管理数据云和大数据平台作为数据云平台的重要组成上级分,项目总体架构分为数

据云（laaS、PaaS）和大数据平台建设（DaaS、上级分SaaS）两大上级分。此外还需开展视

频应用，配合开展业务系统迁移上云和分布式改造，以及采购安全服务、扩容和维保服务等

相关服务工作。

其中，交通管理大数据中心按照支撑层、模型层、接口层、应用层四个层面分层解耦开

展建设，汇聚交通管理全量数据，建成大数据资源平台、统一运营运维平台、能力汇聚和开

放平台、数据交换平台、大数据研判分析平台、大数据统计平台、大数据搜索引擎、可视化

建模平台等资源和系统平台，形成交通管理数据资产从汇聚到实战赋能的完整链条，提供基

于大屏、电脑、执法终端的面向用户的广泛的可视化数据应用。

交通管理数据云平台建设,应满足X路内核心区域智慧摄像机项目网上端硬件资源需求,

满足专网其他业务系统硬件资源需求。总体架构要与数据云平台兼容，并具备纳入数据云平

台统一管理的条件。同时，需兼容上级分析研判平台和综合应用平台分布式架构，满足相关

系统本地化上级署需求。需要采购并集成、安装、调试、管理各型设备N台：各型PC服务

器N台，高性能计算I。型服务器N台、San存储设备N台，分布式存储设备N台，存储交

换机N台，存储虚拟化设备N台，各型网络交换机N台，各型网络安全设备N台，数据库

一体机N台，及相关系统软件。数据云和大数据平台建成后，整体建设规模不低于计算能

力3998核，存储能力5PB,可用存储能力不少于4PB：需提供本项目相关机房配套弱电施

工及所需线缆、PDU等全上级相关配件；提供数据云和大数据平台计算资源、存储资源弹性

扩展服务。

建设综合打击平台：在用户指定的网络环境下，与上级相关上级门开展数据协作和应用

开发，实现与上级系统的跨平台、跨网络的综合分析研判和综合打击系统应用对接，互为支

撑、资源共享，为各类交通违法打击、交通运行分析等工作提供支撑。

依据视频图像信息建设工作要求，参考GA/T1400-2017系列标准体系进行数据拓展，

建设符合交通管理业务需求的交管视频图像信息数据库和车辆识别引擎。图库在原有标准内

增加机动车违法对象、非机动车违法对象、行人违法对象等交通管理违法数据项，满足交通

管理视频图像信息数据应用需求，并可实现与上级视图总库和分视图库对接级联和数据订阅。

车辆识别引擎作为交管视图库解析系统，实现对车辆及驾驶员的二次识别功能，形成多种解

析系统的任务调度、能力评价、模型训练。充分发挥视频图像信息在城上级交通管理中的作

用，加强视频图像信息在涉牌打击、预警布控、事故追查等工作中的实战应用，有效提升交

通管理水平。

2、建设内容概述

（1）建设网大数据中心建设（DaaS层）

DaaS层符合上级《云计算平台框架指南》和《大数据规范性文件汇编第2上级分：大

数据处理》中的建设要求，包括元数据服务、数据接入、数据对账、数据标准化、数据预处

理、数据组织、数据分级分类、数据鉴权、数据目录、索引服务、算法服务、模型服务、数

据接口服务、工具引擎服务等服务能力。

依托网云计算平台和标准规范体系、安全保障体系，实现网业务数据及其他来源数据的

多源数据汇聚、治理、融合，形成交通管理数据资源池。

开发网大数据平台软件：按照支撑层、模型层、接口层、应用层四个层面分层解耦开展

建设，提供丰富的统计分析专题应用，形成完整的数据资产从生产到赋能的链条。完成上级

交管分析研判平台在本地化上级署和改造。

具体建设内容详见下文“1.网大数据中心建设技术规格要求”。

(2)“交通管理数据云”laaS层建设：

laaS层完成上级《云计算平台框架指南》和《大数据规范性文件汇编第1上级分：云

计算平台》中laaS层建设，包括基础设施(机房工程除外)；硬件设备，提供服务器、网

络、存储等设备；资源池能力，提供计算资源池、网络资源池、存储资源池、安全资源池;

基础资源服务能力，提供自动伸缩、网络服务、存储服务、VPC服务、弹性主机等上述上级

规范技术文要求的全上级服务能力。

1)laaS层基础资源建设：

laaS层基础资源主要包括机房基础设施、数据运营中心实体建设、服务器、网络设备和

存储设备四大类。机房基础设施由用户其他项目提供建设，不在本包建设范围之内。

数据运营中心实体建设：按用户要求开展数据运营中心基础设施设计与改造，并提供配

套的演示屏幕、电脑、装饰、家具、域网络等配套设施，及电工电料等其他相关辅材。数据

运营中心场地由用户提供，使用面积约N平方米。

服务器:主要使用机架服务器搭建大规模集群,通过软件可伸缩性的优势弥补硬件差错,

提高云计算平台的可用性、可靠性和安全性，服务器类型基于业务需要进行配置规划。使用

高性能计算10型服务器和数据库一体机，提供传统架构基础资源。

网络:基于组网和端口互联需求进行配置规划，按照分级+分平面+分区的原则进行设计,

构建数据中心网络，保证无阻塞、低延迟的报文转发。

存储:基于业务需要进行配置规划，支持集中式存储和分布式存储系统，通过冗余架构、

模块化设计和分布式存储软件可伸缩性，提高云计算平台业务应用的性能、可用性、可靠性

和安全性，避免单点故障，保障业务系统持续运行。

2)laaS层资源池建设

通过云计算平台将物理设备能力集合在一起，构成资源池，根据需要分配给租户使用。

通过虚拟化的方式将服务器、存储、网络、安全等资源组织成资源聚合体，通过资源池化机

制，以细粒度管理方式充分利用资源，从而大幅提高资源利用率，按照上级相关技术规范要

求，资源池包括计算资源池、存储资源池、网络资源池、安全资源池。

提供基于高性能计算10型服务器和企业级数据库的传统架构laaS层资源支撑。

3)laaS层资源服务能力建设

基础资源服务通过自服务的方式实现云平台的业务能力，提供丰富的各类服务能力，包

括自动伸缩、网络服务、存储服务、VPC服务、弹性主机、负载均衡等能力。

单独组建带外网络，用于平台管理。

具体见以下逻辑示意图：

安全管翠总领

公安网

可负侬第:

安全资源池

D0OSR5FVPN福।

111-B3K库审讯

n边界防火墉

_寻苧万牒产厂二争争鬻益

Ur；；力芬力

•30ft*-2tt*.2冶M"台"•2"M",JOft•$«

云平台区数据库区大健平台区

存储区

系统拓扑图

(3)完成“网交通管理数据云”PaaS层建设

完全满足上级《云计算平台框架指南》和《大数据规范性文件汇编第1上级分：云计

算平台》PaaS层建设要求，提供海量数据的存储、分析处理能力和其他通用服务能力：

大数据平台能力：PaaS层基于上述上级技术规范规划，是面向软件开发者的服务，主

要提供应用程序的开发和运行环境，以及相应的信息处理能力，自动实现应用程序的上级署

和运行，提高应用程序的开发效率。本期项目将提供各类应用程序所需要主要的大数据存储

能力、大数据计算能力、传输交换、服务总线、任务调度、授权服务、认证服务、API网关

等PaaS功能服务，为全大数据应用提供平台层基础服务。

大数据存储和计算能力：提供数据的存储与计算能力，包括关系型数据库、分布式文件

系统、分布式并行数据库、图数据库、内存数据库、全文数据库等大数据存储能力，大数据

计算主要根据不同的应用场景，提供各类计算能力，包括离线计算、实时计算、流式计算、

内存计算等。

应用支撑能力:为业务系统的开发测试提供通用的服务能力,包括传输交换、任务调度、

服务总线、授权认证、API网关、多媒体处理服务的应用支撑能力，同时，需要将业务系统

使用的多种操作系统、数据库、中间件等基础软件、引擎以及开发工具等上级署至云计算基

础设施，为业务系统提供应用服务式的平台化软件系统，为全迁云、上云的各类应用提供基

础的用户管理、身份认证、访问授权、数据交换、异步数据共享等应用支撑服务。

(4)云管平台能力建设

按照上级''全局一片云”的建设思路，建设交管统一云管平台管理用户云资源，统一监

控和统一运维，并作为上级数据云的分中心，可纳入上级统一云管平台管理。

云管平台将通过接口调用方式,在跨物理位置的多个云平台之上提供全资源的集中管理

或监控，并做到资源安全隔离；同时提供多维度拓扑呈现、系统健康监测等智能运维功能，

方便用户进行操作维护。具有以下特点：

资源融合一一全网跨地域资源融合，多厂家异构资源池共存,实现所有设备信息一体化：

智能运维一一满足用户对云平台各类资源日常性能监控需求，实时掌握资源的运行情况,

支持全网资源多维度可视化、自动化安装升级等；

能提供性能统计报表、资产资源统计表等报表，支持智能健康监测和主动优化。

能够结合第三方软件，对云上应用系统运行情况，如访问流量等内容进行监测。

（5）交管视频应用建设

依据视频图像信息建设工作要求以及交通管理自身业务需求，参考GA/T1400-2017系

列标准体系进行拓展，建设交管车辆视频图像信息应用系统，本次项目建设内容主要包括视

频图像信息数据库和车辆识别引擎（视频图像解析系统）。

视频图像信息数据库的建设依托现有硬件设备对现有感知网视频图像数据库进行升级

改造，基于GA/T1400协议要求进行拓展，搭建符合交通管理业务需求的交管视图库，用于

存储前端采集设备生成的视频图像信息、交通违法信息，支撑交通管理视频图像业务应用。

同时提供采集、服务、级联等标准接口，为采集系统、解析系统、应用系统以及上下级视图

库之间，提供数据交互服务，可实现与上级视图总库和分视图库对接级联和数据订阅。同时

应提供相应数据接口，实现与交通管理集成指挥平台协议适配及数据共享。

车辆识别引擎作为视频图像解析系统，与视频图像信息数据配合应用。车辆识别引擎主

要用于实现对目标图像中的车辆及驾驶员信息的二次识别功能，形成多种解析系统的任务调

度、能力评价、模型训练。车辆图像解析系统运用模式识别与深度学习技术，可提取车辆物

理特征、驾驶人员特征、特定交通违法等目标车辆特征信息，包括但不限于车牌号码及颜色、

号牌类别、车身颜色、车型、车辆类别、车辆上级特征、主/副驾区域特征。

通过建设交管车辆视频图像信息应用系统，进行深层次、大区域的多维数据挖掘和研判，

实现视频图像信息大整合、高共享、深应用，进一步提升视频图像信息服务实战的综合效能。

具体内容见：“2.视频应用建设”

（6）安全能力建设

本项目按照国家网络安全等级保护三级要求的总体安全策略开展建设，实现“积极防御、

主动防护”，并实现信息安全的机密性、完整性、可用性、可控性和不可否认性的安全目标。

云计算平台要充分按照上级《大数据规范性文件汇编第3上级分:大数据安全》（GA/DSJ

300-2019大数据安全总体技术框架、GA/DSJ350-2019大数据安全安全访问平台技术设计

要求）及其他文件要求，从硬件、软件层面开展网络安全、应用安全、管理安全、数据安全

等多层次的安全建设，满足与安全基础设施（包括认证、鉴权、加密等）的对接和统一。

为确保密码算法的自主可控，降低敏感信息泄露和信息系统遭受攻击的风险，本平台及

本项目开发的应用软件，使用国产密码算法。

（7）运营运维能力建设

按照上级相关技术规范中的安全运营运维体系建设要求，建设统一运营运维平台，对接

云平台和大数据软件，实现基础设备的资源接入管理、各类资源的统一运维、数据资源的统

一管理、平台能力的统一管理、云平台服务的申请和发放管理，能处理包括但不限于集中监

控、故障界定、重大业务保障、运营分析等运维业务场景，实现数据云和大数据平台系统监

控、资源管理和系统配置管理等功能。

(8)标准体系和人才队伍建设：

参考上级相关政策规范，建立交管数据云和大数据平台标准体系，形成涵盖业务大数据

平台建设、运营运维、数据治理、数据分析、数据服务等全方位的标准体系。

提供相关技术培训服务，配合用户开展交管建模大赛，打造业务大数据分析师队伍。

(9)测评服务

服务商配合用户完成本平台的等级保护三级测评、安全性测评、软件测评、密码应用安

全性测评等测评工作，并提供相应的报告。

三、技术参数要求、服务要求

1、网大数据中心建设技术规格要求

大数据中心依托数据云和大数据平台运行环境和安全保障、运维管理体系，按照支撑层、

模型层、接口层、应用层四个层面分层解耦建设，重点建设交通管理大数据资源平台、统一

运营运维平台、能力汇聚和开放平台、数据交换平台、大数据分析研判平台、数字业务队、

数据乐高、综合打击平台、大数据统计平台、大数据搜索引擎、可视化建模平台，形成从数

据汇聚到实战赋能的完整链条。

支撑层:打破上级数据壁垒，汇聚整合全及其他业务单位、企业和社会组织的数据资源，

实现交管相关数据的全方位汇聚，为交通大数据应用提供数据基座。

支撑层提供一站式数据资源管理服务，完成数据架构、数据标准、数据质量、数据生命

周期管理、数据可视化等多项数据管理应用，覆盖从数据接入治理、数据分析挖掘、智能洞

察决策、数据可视化多个层面，实现标准数据模型管理、应用数据模型管理、数据质量管理、

数据链路分析、智能标签体系建设、业务算法模型管理及应用、全运行维护等主要功能，建

立交通管理数据资源目录，形成原始库、资源库、主题库、知识库、业务库(专题库)、业

务要素索引库，提供标准化程度高、易用性强的一站式大数据资源平台。

模型层：以支撑层数据资源池为数据基础，结合交管业务实际搭建通用算子库和业务模

型库。通用算子是模型层的最小单元，是解决实际业务工作的细化功能模型。根据业务场景

并结合算子与相关算法，形成各类专题数据模型，建立业务模型库。通过梳理整合不同上级

门的业务知识，形成知识树和知识链，提供知识服务。

接口层：将底层能力统一归口管理，为数据、模型与应用提供统一的能力出口和统一的

安全管控能力。建立标准数据开发能力的共享开放生态，包括但不限于能力汇聚和开放平台，

数据共享服务，算子和模型管理，为信息共享交互提供传输通道，为应用层提供访问接口，

实现应用界面和后台功能的剥离。

应用层：通过接口层对接支撑层和模型层，为多场景多专题的交通管理业务提供融合开

放平台，以业务为主线串联不同场景下的各种能力及业务，为用户提供个性化、定制化的大

数据分析研判服务。

上级交管正在全国推广交通管理分析研判平台和综合应用平台分布式架构，将开展该平

台的本地化改造和上级署。用户大数据平台应采用可兼容该平台的技术架构，投标商需承担

交通管理分析研判平台、综合应用平台分布式应用与本平台架构适配的全上级费用，且不得

影响整体项目进度。

用户已基于感知网建立感知网大数据平台，用于处理交通流、交通出行、信号灯配时等

交通信息，并建立了一系列的数据标准、数据资源、算法模型，并积累了大量的数据。投标

方应按用户要求，将感知网大数据平台的算法模型、数据标准、数据资源，及其他大数据分

析研判成果纳入管理范畴，成为汇聚和管理交通管理数据和算法的核心数据（算法）平台。

1.1支撑层建设

支撑层功能包括但不限于数据资源平台、统一运营运维平台、通用引擎、规则引擎、通

用服务等，具体要求如下：

1.1.1数据资源平台

数据资源平台应支持分布式集群上级署，提供任务动态负载均衡、高可用调度、故障自

适应，以及其他功能，包括但不限于：

一是提供数据平台工具：提供大数据平台软件支撑工具，构建业务通用的、标准化的''海

量数据加工厂”，建立涵盖从数据接入到数据处理、数据治理、数据组织、数据服务、数据

标准的全过程功能体系，统一数据标准和输出口径，降低数据维护成本、彰显数据价值，为

多源、异构大数据应用夯实基础；

二是依托数据平台工具开展数据汇聚、处理、治理、组织、服务等工作，利用综合工具

集，开展集中化数据整合、规范化数据治理、知识化数据管理、全化数据融合共享、全环节

数据运营等服务；

三是形成数据资源池和可视化数据资源目录，构建交通管理数据资产。

（1）数据接入

定义数据获取、处理、治理、组织、服务各环节的流程、方法和流转机制，确定接入范

围、信息分类、信息项、信息源头、共享交换条件，并根据数据探查和定义将多源异构数据

接入大数据中心，完成数据对账。

对交通管理业务数据、业务行业数据、行业数据和其他第三方数据进行全面梳理，针对

不同数据源，确定不同的数据接入方法、更新方法、抽取频率，并形成完整的数据接入方案。

1）数据定义

提供数据探查工具，开展数据探查：包括但不限于接入方式探查、业务探查、字段探查、

数据集探查和问题数据探查。

提供数据定义工具，开展数据定义工作：提供数据治理定义、数据处理定义、数据组织

定义和数据服务定义工具。根据数据探查结果，结合业务需求提供定义数据获取、处理、治

理、组织、服务各环节的流程和方法，开展数据定义工作，数据定义结果以元数据的形式描

述并输出，形成交通管理元数据库，实现数据定义结果的动态可维护，并提供调用服务。

2）数据接入：

综合考虑业务需求、采集效率、源系统代价等因素确定平台数据采集策略，包括采集方

式（增量、全量）、采集时机、采集周期等。

提供ETL工具，功能包含但不限于：异构数据源管理、异构数据采集、增量数据采集、

采集策略管理等。

异构数据源：支持JDBC/ODBC的方式从异构数据源库表或视图采集数据。可根据数据

量大小、网络情况、系统负荷等情况，选择全量采集或者增量方式采集。支持Oracle、MySQL

等多种数据库。

异构数据支持：支持Blob,Clob类型的大字段类型；支持Excel、XML、CSV以及纯文

本等格式；支持来自通讯协议的数据采集，如HTTP、WebService、JMS、FTP、MQ、kafka

等通讯协议等；支持自定义协议及其他用户指定的接入方式。

增量数据采集：数据采集功能支持多种数据采集模式，每种数据采集模式都可配置不同

的数据采集频率，包括触发器、时间戳、标志位、日志分析模式。

采集触发策略：数据采集功能执行触发方式包括但不限于定时触发，实时触发，手工触

发，条件触发。

数据微采集工具集：自主定义、输入、上传、查询、整理维护私有数据，为自主建模提

供私有数据支撑。支持移动端采集，提供移动执法终端微采集工具。

3）数据对账

提供数据对账工具，在数据接入环节对指定对账时间节点数据的完整性、一致性、正确

性进行核对和检验。

4）采集范围

用户要求采集的网、感知网、互联网（及其他网络）上级业务系统数据，以及具备数据

接入条件的其他政府上级门、企业、团体、社会单位数据。。

对交管感知网大数据平台已经汇聚的数据，结构化数据应汇聚至网大数据平台，非结构

化和半结构化数据可通过数据对接、系统对接、协作建模的方式实现虚拟数据采集，需在大

数据平台建立虚拟数据资源池。

（2）数据处理

按照数据定义，面向数据内容（如结构化数据、半结构化文本、非结构化文件等），以

数据应用为导向，通过规范化处理，提升数据价值密度，为数据智能应用实现数据增值、数

据准备、数据抽象。

（3）数据治理

提供数据治理工具，开展数据治理工作。数据治理是对数据资源全生命周期的规划设计•、

过程控制和质量监督，通过规范化的数据治理，实现数据资源的透明、可管、可控，厘清数

据资产、完善数据标准落地、规范数据处理流程、提升数据质量、保障数据安全使用、促进

数据流通与价值提炼。

1）数据资源目录

建立交通管理数据资源目录，按照统一的数据资源目录标准规范，对用户数据资源进行

全面管理，实现数据资源科学、有序、安全使用。主要包括数据元管理、资源分类与编目、

目录注册与注销、目录更新、目录同步、目录服务、标准落地检查和可视化展现。

2）数据分级分类

按照数据内容的敏感程度或数据的开放范围，针对数据来源、数据种类（数据集）、业

务属性（数据项）等进行划分，构建科学合理的数据分类管理体系。利用数据分级分类对数

据进行标识，配合数据授权、数据鉴权，确保数据的安全使用。

3）数据质量管理

建立数据质量评估标准和管理规范，及时发现、监测定位、跟踪解决各类数据质量问题，

形成数据质量问题的闭环处理，以保证数据质量的稳定可靠。

4）数据运维管理

数据运维管理是指通过采集数据接入、处理、组织和服务等各项任务的状态信息，对异

常状态进行告警和处置，实现对各任务的实时监控和管理。

数据运维管理的功能包括但不限于以下方面：

运维规则配置管理：对数据运维的实时监测、日志采集、日志统计分析、报表展示、日

志输出、告警阈值、告警规则和信息、数据对账等相关规则进行配置管理；

实时状态采集：支持对来源数据以及数据接入、提取、清洗、关联、比对、标识、分发、

入库等环节设置监控点，进行多维度信息的实时采集；

运行状态监控：包括对来源数据的监控（通道是否连通、数据是否更新等），数据接入

及处理状态的监控、统计（运行是否正常、数据流量情况等），数据积压监测及统计，数据

心跳图，数据入库异常统计、当日或指定时间周期内各类数据的增量及存量监控、数据服务

接口监控等；

数据运维报表：支持对系统的数据资源总体情况、分类情况、上报下发情况等多种维度

进行统计分析：支持对数据对账分析、数据有值率分析；支持数据标准化分析，形成数据运

维报表并实现可视化展示；

告警管理：当出现实时流监控异常、运行状态异常、数据质量异常、数据备份异常等状

况时，触发告警，告警结果可以通过消息、服务、邮件、短信等方式推送给运维系统或运维

人员；

运维日志审计：针对所有数据运维工作的操作日志进行全方位、全流程安全性审计。

（4）数据组织

根据交通管理数据应用需求，建立数据定义的标准统一、流程规范，实现数据资源分类

建库，强化数据内上级关联。提供数据组织的可视化展现。

开展数据组织工作，建立但不限于建立各类原始库、资源库、主题库、专题库、业务要

素索引库、知识库等，具体要求包括但不限于：

1）原始库

原始库是保留原始数据，能够反映原始业务场景的数据集合。并在此基础上补充对各种

来源数据进行一系列处理加工后产生的标准化数据、关联要素信息和标签信息。

原始库主要包括业务系统数据、日志数据、其他警种数据、其他数据等全量业务数据。

2）资源库

资源库是综合各类数据资源建立的关键要素以及要素之间关联、关系的公共数据集合。

主要包括但不限于：要素及要素的行为、内容的时空分布，同主体要素间关联的时空分布，

不同主体间要素关系的时空分布等。

资源库是公共数据，对各项业务工作都具有支撑作用，可以脱离任何业务而独立存在,

也与每一项业务相关，主要包括但不限于：

要素关联库:存储同一主体不同要素之间关联的时空分布，并记录关联建立的最早时间、

最后时间、关联次数等信息；

要素关系库：存储不同主体间要素关系的时空分布，并记录关系的类型、建立关系的最

早时间、最后时间、关系发生次数等信息，以支撑重点对象关系扩线、落地研判等业务工作；

要素重点行为库:存储各种要素在不同时空分布下的重点行为信息,并记录行为的类型、

行为的最早发生时间、最近发生时间、发生的次数；

要素分布库：主要包含要素最后分布和要素分布变迁时序.

通过要素最后分布和要素分布变迁时序:支撑大范围基于要素资源位置的快速定位以及

机动车全息画像、驾驶人全息画像、组织全息画像、内上级人员全息画像等业务工作。

3）主题库

主题库是为了便利工作、精准快速地反映工作对象全貌而建立的融合各类原始数据、资

源数据，围绕能标识人、地、案、事件、物、组织等的主题对象形成的多维度公共数据集合，

从更高层面对主题对象进行抽象，形成了跨业务领域的数据统一视图，为数据的统一分析、

统一服务提供基础。

（5）数据服务

对外提供各类数据资源服务的能力以及相应的管理能力，包括但不限于：比对订阅、数

据推送、数据鉴权、数据操作、数据管理等，其中：

数据鉴权服务是基于数据的访问控制规则，实现数据的访问权限鉴别的过程。访问控制

规则从包括但不限于内容敏感度、数据来源、数据种类、字段及字段关系分类等多个维度进

行资源权限的控制，资源鉴权通过用户的数据资源权限和使用数据鉴权实现对数据资源的访

问控制。系统根据请求用户身份、角色，对其进行身份鉴别、权限验证，并对其服务请求和

资源访问权限（权限细化到记录及字段）进行鉴别。

鉴权能力覆盖本项目的全上级数据访问行为。

数据管理服务是将数据治理和数据服务的能力按需进行接口封装,通过接口层为其他应

用系统、平台内其他子系统提供服务.功能包括但不限于：服务管理、资产管理、标签及模

型维护、质量及运维管理等。

（6）数据资源可视化工具

为用户提供数据汇聚、治理、管理的全貌，采用包括大屏展现的多种形式进行展现，内

容包括但不限于数据资源看板、数据资源目录可视化展现、数据服务监控、可视化数据鉴权

等。相关功能应集成至统一运营运维平台（具体内容见：1.1.2统一运营运维平台）。

1.1.2统一运营运维平台

统一运营运维平台对接交通管理数据云和大数据平台，以及大数据中心应用，提供从

laaS、PaaS、DaaS到SaaS层的完整的资源成果展示和相关运营运维管理工具，支持对数据

云和大数据平台全上级资源保有情况、分配情况、运行情况、资源消耗等情况的大屏展示和

自定义展示，支持一屏展示所有内容。提供与上级运营运维平台对接能力.

感知网大数据平台是交通管理大数据平台整体架构的组成上级分,应纳入网大数据平台

统一运营运维平台整体监控。统一运营运维平台应建立跨网代理服务，与感知网大数据平台

建立关联，获取相关信息并在统一运营运维平台进行展现、监控。

（1）可视化运营平台

全面、实时展现平台资源的运行状态、故障及性能数据、配置信息、拓扑关系、3D数

据中心及业务系统关联关系等展示。融合本项目数据资源可视化工具，可全方位展现数据资

源情况。

1）精细化运维分析

提供资源、资产、数据、业务、能力、算法模型等的数字化分析，实现数据驱动的精细

化运维分析，提供数据可视化引擎、数据洞察、智能分析等功能，整体展现数据云和大数据

平台及相关应用的运维情况；

2）大屏展现

依托大屏可视化支撑服务，提供运营运维大屏展现，以及相应的大屏界面优化、动图设

计，URL的发布浏览器、界面PDF导出，内置多种可视化元素和图形，通过简单的数据关系

定义，可实现丰富的可视化效果。可通过拖拉拽、数据拾取、函数计算、属性配置等操作建

立自定义可视化大屏页面。

3）资源成果展示

按照laaS、PaaS、DaaS、SaaS四层，提供交通管理数据云平台完整资源成果展示，提供

相关资源的订阅、访问、应用的热度分析，提供应用快速入口。内置资源搜索引擎，协助用

户快速获取资源支撑，并提供相应的文档说明和应用样例。

（2）统一运维管理

1）流程管理模块

灵活的自定义流程引擎，提供服务台、事件、问题、变更、服务请求、服务目录等流程，

提供对技术支持、值班管理、机房巡检等工作流程的全面支持，并支持流程自定义、移动应

用、KPI分析及与其他系统的集成功能，满足集中运营工作的要求。

2）统一接入管理

依托本平台统一用户管理和身份认证服务，提供数据云统一平台基础能力，包括但不限

于：权限管理、门户管理、个人工作中心、信息通知、数据集成等。

用户登录系统后可查看个人待办事项，包括用户负责的待处理系统告警信息、事件、工

单和变更信息，查看系统整体健康状态；

支持多租户账号认证和授权管理；

统一账号，各个租户管理自己用户信息，包括ID、邮箱等，为统一运营运维平台提供

用户信息，支持用户账号的增加、修改、删除等基本操作功能，支持账号属性自定义、结合

安全管理策略设置访问权限。

3）平台监控管理

实现对硬件、操作系统、数据库、中间件、网络、虚拟化、存储等软硬件资源的全面监

控管理，可整合应用交易、资源运行等各监控的数据集中化汇聚，实现告警发现、通知、处

理的一体化管理。实现对监控指标智能基线分析，可根据告警可自动发起事件工单，并根据

告警类别、告警级别自动分配相关运维团队处理，处理过程全流程记录，实现监控管理的自

动化，减少运维工作量。

支持查看告警关联监控指标的最近时间（5分钟/I小时/24小时/I个月等）的性能趋势

图；支持修改告警策略，以及通过运维通道一键登录监控对象检查异常原因。

4）管理数据库

提供配置项的登记、分类、统计、快照、审计、变更等功能，并在配置管理数据库的支

撑下，贯穿配置采集自动发现、配置信息解析与关系建模、配置信息管理、配置信息展现、

配置影响分析等各个环节。

基于管理数据库和自动化配置信息采集，建设科技运维平台的业务服务管理和故障影响

分析模块，建立面向业务的多维度IT资源关系视图，并整合现有各类监控工具，实现相关

工具的整合和关联。

5）网络设备配置管理

网络设备包括但不限于:数据云和大数据平台核心交换机、接入交换机等，记录设备IP、

设备名称、设备类别、设备位置、型号、规格尺寸、重量、所属机构、安装时间、维护单位

等；

网络监控指标包括但不限于：数据云和大数据平台设备在线情况、CPU使用率、入网带

宽使用率、出网带宽使用率、当前接口入网速率、当前接口出网速率、NO-PAT模式下并发

反向会话总数、NO-PAT模式下当前反向会话新建速率、NO-PAT模式下当前正向会话新建速

率、PAT并发会话数、PAT会话速率、被NAT策略引用的地址池的数目、配置地址池的数目

等。

6）服务器、系统软件、存储设备配置管理

对数据云上运行的操作系统、数据库、中间件等系统软件，以及各种物理设备及其相关

指标和配置进行管理，并提供相应的工具。

物理设备包括但不限于：小型机、PC服务器、存储设备、安全设备、其他基础设施设

备等，记录设备IP、设备名称、设备类别、设备位置、型号、规格尺寸、重量、使用人等;

服务器硬件指标包括但不限于：设备在线情况、电源状态、CPU状态、硬盘状态、内存

条状态、主板状态、设备CPU利用率、内存使用率等；

存储设备指标包括但不限于：硬盘状态、电源状态、框温度、磁盘使用率、存储池使用

率、CPU使用率、端口流量等。

7）虚拟设备资源配置管理

管理虚拟机内存总大小、规格所占用磁盘空间、虚拟机的总核数、CPU使用率、内存使

用率、网络流速、云硬盘I。、云硬盘读写时延、带外网络速率等.

（3）统一运营管理

1）能力接入：支持业务系统将自身算法能力接入到大数据平台，经封装后对外提供统

一能力输出。

2）平台接入管理：对调用大数据平台各种能力的业务系统的接入做统一管理，包括接

入申请、审批、运行情况监控、日志分析等。

3)资源超上级

提供交通管理数据云和大数据平台可分配(共享)资源的可视化分层查阅、检索、申请、

审批服务，实现平台资源从laaS层到SaaS层四层资源基于分层解耦原则的一体化申请和管

理，满足资源需求，功能包括但不限于：

提供交通管理数据云可分配的计算资源、存储资源、网络资源的查阅、订阅、检索服务，

提供相关资源申请、分配的服务；

提供大数据平台数据资源、算法资源目录的查阅、订阅、检索、申请、分配服务；

提供大数据平台能力资源目录的查阅、订阅、检索、申请、分配服务。提供不同来源能

力的订阅和使用效果展示。

(4)用户管理和身份认证服务

集中管理用户、角色、授权、鉴权。提供用户统一身份管理、认证功能，支持应用系统

单点登录，支持基于角色的访问控制管理。支持多因子认证。

1)统一用户管理

依托综合应用平台用户体系和组织架构管理服务，建立扩展的大数据平台用户体系，并

提供相应的信息更新机制，确保用户信息的鲜活有效。

2)统一授权管理

统一授权管理分为本平台授权管理和统一权限管理两上级分：

3)数据分级管理

对采集或管理的信息进行归类整理，按照数据的来源、数据库表、数据库字段，以及数

据分析结果的敏感程度进行分析整理，并对各种数据资源以及各类统计分析结果的访问生成

独立的权限，并将权限赋予各个不同的角色。

4)IP管理

平台提供基于内上级网IP地址，以及用户绑定的移动终端的权限检查和管理。控制用

户只能在指定位置的指定终端设备上登录系统才能检索相应的资源。

1.1.3通用引擎库

提供通用算法引擎，面向本平台和其他网应用提供通用能力输出。

除由本项目建设的引擎能力外，本平台还可通过接口层能力汇聚与共享平台，接入和管

理其他业务系统(含感知网业务系统)提供的同类通用能力(兼容不同厂商)，经过封装后，

面向大数据平台和其他应用系统提供基于API接口服务的能力输出，实现全各类通用能力的

汇聚和封装。

通用引擎库包括但不限于：

(1)语音分析引擎

(2)地图引擎

(3)图计算引擎

(4)文本语义分析引擎

(5)内上级网络信息自动采集引擎

(6)视频结构化分析和违法视频截取引擎

(7)违法视频转码引擎

(8)消息发送引擎

(9)业务系统跨网功能集成引擎

(10)对象存储引擎

(11)智能场景和类脑问答引擎

(12)号牌识别引擎

(13)人像特征识别引擎：

(14)车辆识别引擎

(15)OCR识别引擎

(16)标签引擎

(17)日志引擎

(18)分析报告生成引擎

(19)协作建模引擎

提供与用户其他大数据中心，兄弟单位等其他业务单位数据中心协作建模工具。可通过

上级署建模代理服务，可实现数据分析请求和模型算法的转发和接收，实现在数据不出机房

的情况下，协作双方利用自有数据，代为开展数据分析并共享分析结果。

1.1.4规则引擎

(1)简单规则类

按照用户需求建立各类规则核查模型，并提供多类规则核查引擎，包括但不限于：

1)黑名单比对引擎

2)数据高速核查引擎

3)预置规则核查

根据业务需要，建立预置规则核查模型集，依照事先建立的业务核查逻辑模型，与业务

数据做相关核查比对，并逐条或批量反馈结果。如：

特定群体的驾驶资格和背景核查，核查当事人驾驶证信息、满12分信息、特定违法行

为信息等，核查后可反馈结果并提供预警；

非现场违法录入时，需按照违法类型、时间、地点，以及现场执法情况核查是否满足录

入规则，具备录入条件。

指标和阈值引擎

基于交通管理大数据平台知识库和交管业务知识体系，针对各业务系统运行过程中的各

个关键环节，建立可量化的指标体系，通过对历史数据的研究，并按照相应的预测算法模型

对相关业务量进行预测判断，建立对应的阈值体系，为分析预警提供基础阈值参考。

消化吸收上级交管大数据分析研判平台各类数据分析指标，结合本上级业务特点，纳入

指标和阈值体系。

指标体系包括但不限于：

1)业务办理量指标

对各业务系统办理业务过程中的业务量做历史分析和预测，建立关键业务量常量指标。

包括但不限于：违法处理量、非现场录入量、非现场处理量(分不同渠道，窗口细化至执法

站和具体办理窗口)、新驾驶员注册量、新机动车注册量(分车型和车辆类型)、机动车年

检率、机动车领取免检标志量等。

建立指标管理界面，用户可根据实际情况通过自主建模的方式，新建指标并自动开展相

应的指标更新和实时监控。

2）系统运维指标

对各个业务系统在不同时间段办理业务，以及提供查询、统计、分析、搜索服务的情况，

以及摄像机设备拍摄违法情况，建立常量指标和相应的阈值。

3）行为指标

行为指标包括但不限于：

行政行为指标：针对不同行为（违法处理、事故处理），从行为归类、行政区划、执法

上级门、违法地点、时间等不同维度进行分析，得出对应的常量指标和相应的阈值，

用户行为指标：针对不同岗位、不同业务系统用户办理业务的情况进行分析，建立可细

化至用户个体粒度的行为指标体系；

在岗情况指标：针对不同岗位人员在岗在位情况进行分析，建立不同岗位在不同时间段

在岗人数指标，用于评价内上级人员岗位设置等情况。

1.1.5通用服务

（1）算法工具集

提供支撑本项目大数据平台软件假发的算法工具集，包括但不限于AI算法框架、BI工

具等。

1）AI算法框架

提供基于GPU运算能力的AI基础环境，支撑主流机器学习和深度学习能力，支持但不

限于：Scikit-learn、Tensorflow>Keras、Spark及Mldib等。

提供相关框架服务和支撑组件，包括但不限于：

硬件资源管理:支撑框架完成对底层硬件计算资源的整合、分配和管理，高效使用算力，

网络，存储等硬件资源，屏蔽实际算法计算任务对底层硬件的依赖；

AI环境功能：支撑框架提供上机器学习和深度学习框架功能，并开放访问能力给建模

引擎；

AI任务调度功能：提供基于底层算力资源和负荷情况，开展任务资源调度的能力。

2）BI工具

提供与大数据平台应用一体化设计的BI工具。

BI工具支持数据库、大数据运算结果、分析型数据库及本地excel、csv等多种类数据源。

通过提供智能数据建模和可视化图表工具，完成数据透视分析、自助取数、数据查询、报表

制作等工作。满足多表关联构建新数据集的能力，支持以业务场景聚合电子表格、仪表板、

可通过拖拽方式自定义表格。

（2）大屏可视化支撑服务

按照用户需求，提供不少于6个应用场景的中心大屏可视化服务。在合同有效期内，提

供基于中心新建大屏的免费适配改造；提供分指挥中心和大队指挥室通用大屏可视化设计。

提供本项目软件界面风格整体规划和设计。

提供开展大屏可视化支撑服务所需全上级支撑软件及其相关授权，以及相关渲染和终端

控制设备。

1）人机交互能力

支持用户通过主控制设备控制所有显示屏中显示内容的终端设备,可用鼠标键盘或触摸

操作；

支持用户通过手机或平板对显示设备中显示的内容进行屏幕布模式切换等简单控制。

2）数据兼容性能力

支持真实数据、模拟数据、实时数据、历史数据以及仿真引擎等多类型数据接入和融合

处理，满足各类复杂应用场景的需求；

在对接原始数据基础上，支持自带可视化数据库，提供比例计算、求和、加权平均等二

次分析计算能力。

3）数据播放能力

数据可视化平台支持对所有接入平台的数据进行多种模式的数据播放，包括但不限于实

时数据播放模式，事后数据回放模式，并在两种播放模式下可以自由切换。实时接入的可视

化数据支持自动生成历史缓存数据，并随时切换到数据回放模式进行数据查看；

数据可视化平台设置欢迎屏幕，可根据用户的具体应用需求自定义欢迎屏幕显示内容。

4）内容组织能力

支持可视应用生成配置，免编程自动化生成可视化应用执行文件，并快速上级署或更新

到渲染机，提升可视应用的上级署效率；

支持针对不同业务特性，可预置丰富的业务数据分析可视化组件，根据实际需求直接调

用。支持可视化对象扩展定制，以灵活应对未来业务需求变化；

支持构建大数据可视化渲染机集群，支持多机协同输出、并行渲染，突破性能瓶颈；

支持上级署多个可视化应用，并通过控制中心管理，实现可视化应用上级署、删除、更

新、启动、关闭、切换操作；

支持分布式布页面数据同步与通信；

支持对组织内容进行工具配置级管理,实施人员无需代码编写就可以搭建一套可视化系

统，并且可以根据客户需求快速配置更改可视化组件、可视化页面、可视化主题中的内容要

素，系统实施、运行稳定高效。

5）效果显示能力

数据可视化平台应基于CS架构运行并内置支持Echa代全上级图表效果。可视化组件库

内置不少于80种可视化图表，支持不少于40种可视化图层，支持图层图表组件可编辑属性

平均不少于60项。平台内置基础可视化组件：

数据统计图表显示：柱图、条图、环图、饼图、玫瑰图、漏斗图、雷达图、仪表盘、信

息列表、二维地理空间下热图、节点轨迹图星光图等统计图表；

数据分布显示：散点、多维雷达图；

数据关系显示：环形弦图、桑基图、热点图、拓扑图等关系图表。

二维地理数据可视化能力，支持多种类型地图数据显示（政区/水系/绿地/路网等）；

支持特定目标显示以及地理专用要素显示，并可添加辅助标识以及叠加显示多种数据统计图

层（如散点图、柱状图、热图、气泡图等等）内容。

三维地理数据可视化能力，具备与二维地图同样丰富的地图数据显示能力，支持地标性

建筑多细节显示.

支持用户对地图数据进行效果编辑和组合，支持多种地图渲染风格。

支持配置多种高逼真度的辅助渲染特效。

支持定义建筑、车辆等各类固定/机动对象，支持导入/导出/复制等编辑操作，可快速

构建包含大量空间对象的可视化场景。

支持定义摄像机、传感器、电磁、激光、红外等多种传感器对象。

6）大屏对接能力

数据可视化平台支持针对大屏幕场景的多窗口布，针对大屏幕特殊分辨率或特殊长宽比,

支持多窗口布模式和单一窗口布模式，系统自动识别多路显卡输出信号，并与拼接控制器接

口无缝对接；

数据可视化平台支持通过演染机分布式分担渲染压力，合理适应任意分辨率（超大、超

宽）的主题内容；

数据可视化平台具备分布式扩展能力，可视化主题、数据图层、可视化对象均可复用可

调整可扩展。

（3）应用场景编排服务

提供场景超上级功能（场景桌面管理、热门场景管理）与资源管理功能（场景上/下架、

审批管理、场景运行状况查看、场景统计分析）。

可对应用层应用专题进行组织，用户可通过场景超上级在授权范围内，自助编排个性化

的大数据平台应用界面。

（4）标准算法库

基于全各业务上级门、属地支（大）队日常数据统计需求，针对统计内容进行分类，归

纳为用户特有的统计知识库，并依托知识库创建相对应的标准算法库，对本平台和其他应用

系统开展统计分析、建立数据标签时提供支撑。

1）标准算法库

上级分析研判平台建立了相应的标准算法，本项目在继承上述标准算法的基础上，结合

用户交通管理知识库、日常统计口径和习惯，建立具有特殊的标准算法库。包括但不限于：

违法类型归类标准，如：闯红灯违法代码集、超速违法代码集、违反交通标线违法代码

集等；

业务术语和常用统计关键词的规则定义：如：货车、皮卡的相关定义和检索算法；

支持关键词检索、业务专题查询、高频热词查询等算法检索功能。

2）算法核验引擎

针对依托本平台开发的研判分析应用、模型、算子，提供开展算法核验服务，自动开展

应用算法与标准算法库的比对，发现与标准算法库算法不符的，提示开发人员按照标准算法

更正，或按照流程更新或新增标准算法。

算法核验还应提供算法质量的评估，对系统资源消耗明显大于预期的算法，提示开发人

员优化。

3)标准算法可视化管理

建立支持标准算法库管理、审批、维护、调用、检索的可视化管理工具。

1.2模型层建设

模型层分为交管业务知识体系、基本算子库和业务模型库三上级分。解决微观问题分析

模型作为可复用算子存储在算子库中，作为模型层的基础；以算子库为基础，可搭建各类应

用专题模型。

招标文件仅提供应用模型和基本算子的示例，未穷尽所有研判分析场景，投标商应根据

用户需求和实际业务场景提供更为完备的交通管理研判分析模型库和基本算子库。

1.2.1交管业务知识体系

构建交管业务知识体系，梳理整合用户现有文档、数据、模型、系统功能等知识资产,

通过对知识资产进行分类组织、严格授权、关系编排，形成交通管理知识树、知识链和元知

识库，面向支撑层、模型层、接口层、应用层以及其他业务系统提供统一知识管理，并提供

对不同知识的组织编排，面向不同岗位人员提供定制化知识服务。

1.2.2基本算子库

算子服务基于模型层算子库进行封装，可供各类业务模型调用，输入、输出及计算过程

成熟固化；包括但不限于业务逻辑算子、通用逻辑算子、通用算法：

(1)业务逻辑算子

对于常用的标准业务逻辑流程,如拥堵计算、事故处罚等，系统可对其进行标准化封装，

并以业务算子服务的方式进行开放。

封装好的业务逻辑算子具有固定的输入、输出格式，可以在建模过程中随时引用，作为

模型的一上级分参与运算。算子的使用不限于某个特定模型，用户可结合算子说明及各自模

型的需求自行调用。用户可以将私有业务逻辑封装为新的算子服务，减少重复建模。

(2)通用逻辑算子

其进行标准化封装，以通用算子服务方式进行开放。通用逻辑算子是建模过程中更细粒

度流程的封装，因为不涉及具体业务逻辑，因此具有比较高的自由度和较低的使用门槛。

与业务逻辑算子类似，通用逻辑算子也有各自的标准输入、输出，它可作为建模流程的

一个环节引入，完成指定逻辑操作，并且可以互相组合使用，从而简化复杂的数据处理过程。

用户可根据需要自行创建通用算子，算子可重复保存并引用。

(3)通用算法算子

对常用的数学算法进行封装，形成通用数学算法算子集。

算法模型训练：选定参与计算的数据列及需要使用的基础算法，余下的参数确定、训练

集划分、模型评估工作由系统自动完成，无需用户干预。训练完成的算法模型可以持久化保

存，并在后续建模的结果集上进行使用。

(4)基本算子

基本算子是开展大数据研判分析的基本算法单元。交通管理综合研判分析模型由一个或

一组基本算子构成。各类研判分析模型也可以拆解为基本算子，在不同研判分析模型中可综

合复用，如:

1)时间维度算子：违法、事故、业务办理时间按照不同维度分组统计。包括不限于周

末、工作日、节假日、四季、凌晨，黎明，拂晓，清晨，早晨，上午，中午，下午，晚上,

傍晚，黄昏，午夜，夜间等；

2）交通方式算子：根据当事人交通方式，获取不同交通方式的事故类型；

3）违法及事故关联算子：根据当事人违法行为，分析不同违法行为与各种类型事故的

关联关系；

4）失驾算子：结合驾驶人档案数据，对满分、暂扣、吊销、扣留、逾期未审验、逾期

未换证、停止使用、注销可恢复和注销状态分组统计；

5）交通早晚高峰维度算子。

1.2.3模型服务

服务基于业务模型库进行封装,方便用户大数据平台与其他大数据平台间进行业务模型

知识的相互交流与共享；为其他业务系统提供模型资源支撑。

平台赋能：以可视化的方式拖拽需要的业务数据，根据业务进行碰撞分析，将结果集推

送到业务平台（上级门）。

模型迁移：常态化的业务需求，也可以建立模型后将模型导出到本地，持久化到本机硬

盘，也可发送给他人进行模型导入。周期性的业务需求，可以自定义设置周期（按分钟/按

小时/按日），支持每个模型独立的周期执行，互不干扰。

模型公开:个人建立的模型支持设置公开,其他人可以看到模型的逻辑，但不允许修改，

如果有需要支持将模型克隆到自己的模型列表。

模型统一管理：网大数据平台统一管理用户全上级算法模型，提供其他业务系统和大数

据平台算法模型纳管注册、托管、查询、搜索等服务。

知识分享：用户可将业务经验和知识通过模型进行系统性固化，在平台上共享。编写模

型思路和逻辑，供平台其他用户学习和使用。

模型克隆：用户可将通用模型或平台内其他用户创建私有模型克隆为自己的模型。

1.2.4基础计算专题模型

提供交通管理基本业务数据的分析模型库。可依托数据乐高（可视化建模和快速应用生

成工具），基于单个模型或多个模型，快速生成分析研判应用。包括但不限于：交通秩序分

析专题、精准执法分析专题、事故处理分析与预测专题、车驾管分析专题、安全监管分析专

题、交通设施分析专题、法治分析专题、业务监管分析专题等：

（1）交通秩序分析专题

交通秩序专题模型包括但不限于：

1）通行证专题:分析特定时间内、不同种类或类型的通行证申请、审批和办理的情况；

根据历史数据对通行证办理情况作趋势分析。结合地图和轨迹信息，可视化展示并分析各类

通行证行驶时间、热点线路，无证车辆行驶的热点时间和线路；结合卡口数据，分析通行证

使用频率和依路线行驶情况等；

2）进京通行证专题：分析特定时间内进京证办理情况，提供省份、地上级、车型、驾

驶人、目的地等多维度的分析。结合卡口、停车等数据，研究办证和未办证车辆情况对比分

析；结合卡口、停车等数据，分析办证车辆在京停留时间以及热点访问区域等情况，分析进

京车辆在特定区域的保有量等情况；

3）交通管制专题：将实时和历史的交通管制地点、管制措施、管制时间等数据关联地

图软件予以显示，提出分流绕行线路建议，并对交通管制后交通态势进行预测和评估。对历

史交通管制情况包括但不限于次数、时间特点，重点管理控区域等进行分析；

4）占道施工专题：提供当前和历史的占道施工信息统计、分析。将实时和历史的占道

施工地点、围挡范围、交通组织等信息关联地图软件展示，提出分流绕行线路建议，并对占

道施工对交通的影响进行预测和评估：

5）特定违法行为专题：依托用户业务数据，对机动车、非机动车超速、超载、超员、

闯红灯、酒后、违反禁令标志、逆行等违法情况进行多维度和历史环、同比分析；

6）多维度违法专题，依托用户业务数据，对违法行为、违法地点、违法时间、违法人

员、违法车辆类型、处理结果等进行分类统计，分析违法行为和违法处理结果的特征，如高

发时段、高发地点、高发行为、高发车辆类型、违法数据趋势等；

7）快递、外卖从业人员、车辆、企业专题：对快递、外卖从业人员的年龄、性别、籍

贯、活跃区域等情况进行分析。分析快递、外卖车辆、企业违法和违法处理情况，快递、外

卖车辆、企业事故情况，以及快递、外卖车辆事故成因占比情况等；

8）不按规定线路行驶车辆，针对剧毒化学品运输、危险品运输、其他办证车辆等应该

在规定路线或区域行驶的车辆，通过视频数据、卡口数据、行车轨迹分析开展行驶路线拟合

分析，提取不按规定线路行驶的车辆信息。

（2）精准执法分析专题

包括但不限于：

1）交通违法时空特性热力图：依托用户业务数据，对机动车（非机动车）交通违法查

处地点、查处时间、交通违法多发路口、路段和区域等进行分析；以时间为聚合维度，统计

一段时间（天、周、月、季度、年等）交通违法数量；以路口、路段或区域为聚合维度，展示

相关交通违法行为发生态势：关联地图软件，在地图软件上显示不同时间段内交通违法的空

间分布情况；

2）交通违法构成分析研判：依托用户业务数据，对机动车（非机动车）交通违法行为、

违法车辆类型、号牌种类、违法行为人、车辆所有人等所占比例构成情况进行分析；

3）交通违法态势分析研判：依托用户业务数据，对机动车（非机动车）交通违法行为

历史数据进行分析，对过去一个时间段（天、周、月、季、年等）或某路口、某路段、某区

域的交通违法态势进行同比、环比等分析；

4）执法绩效分析研判：对民警执法过程中使用的执法记录仪、通、对讲机和酒精测试

仪等警用装备所产生的民警执勤轨迹、执法明细等数据进行分析，提供执法热点图、执法统

计、执法排名、执法效率、履职考勤、任务完成情况等数据，为民警的绩效考核提供依据；

5）执法相似度和吻合度分析:将其他渠道采集或发现的交通违法行为和违法处罚数据

做碰撞分析，按照违法行为、违法时间、违法地点码匹配分析，分析两者相似度和吻合度；

6）相关因素综合分析：对用户执法数据、事故数据、交通流、停车等业务数据相结合，

开展综合分析，研究违法行为、执法行为、交通事故之间的关联关系；

7）营转非车辆分析：利用标签引擎，建立营转非车辆标签集并保持更新，结合卡口数

据分析营转非车辆上路运行情况、历史运行情况、报废情况、事故违法情况等；

8）“失格”驾驶员模型：建立失去驾驶车辆资格（无证）人员标签集，为分析各类失

格驾驶人的违法驾驶行为提供基础数据；

9）酒驾数据分析：依托用户业务数据，结合驾驶员信息、车辆基本信息，对饮酒、醉

酒驾驶的驾驶人驾龄、年龄段、性别、违法时间段、车辆类型、车辆使用性质进行分类分析；

10）扣车停车场存放分析：结合事故、执法强制措施信息和停车场信息、平安扣信息,

对扣车后是否按规定在停车场停放进行分析监管；

11）营运车辆分析：分析巡游出租车、网约出租车的出行规律特征，并针对非营运车辆

开展对应的拟合分析；

12）套牌车分析：通过用户业务数据和各类机动车OD通行数据，对机动车疑似套牌行

为进行分析；

13）非现场违法处理分析：针对非现场违法处理渠道的分类统计和比例分析，以及基于

渠道和时间轴的横向、纵向深入比对分析；非现场违法缴款渠道的分析：窗口处理非现场违

法的综合分析，包括但不限于不同执法站点的工作量统计、窗口工作量统计和横向比较、窗

口工作常量评估和工作人员绩效、站点执法量趋势分析和预测、不同站点处理违法类型（车

型、当事人人员构成）、等候时间分析等；

14）告知短信、信函分析模型：通过对短信、信函信息的收集、比对分析。可基于相关

常量指标发现相关问题并预警：

15）交通违法总量阈值预警：通过建立交通违法总量指标和阈值，监控全上级交通违法

总量、管界交通违法总量，对高于或低于阈值的情况可进行预警，并提供相关明细和原因分

析功能；

16）特定点位交通违法阈值预警：针对特定点位在特定时间段的特定违法行为（或违法

行为组）进行分析，建立相应的指标和阈值，对高于或低于阈值的情况可进行预警，并提供

相关明细和原因分析。

（3）事故处理分析与预测模型

基于用户业务数据和其他相关数据，建立事故处理分析与预测模型，包括但不限于以下

模型：

1）交通事故时空特性分析：基于用户业务数据和其他相关数据，对道路交通事故发生

地点（道路属性或区域属性等）、发生时间段进行时空建模分析，掌握时空分布情况；

2）交通事故构多为分析：对道路交通事故的类型、当事车辆类型、事故双方对象、事

故损失等多维度建模分析；

3）交通事故成因分析：依托用户业务数据和其他相关数据，对道路交通事故成因、关

联违法行为、事故损失等情况进行分析，为道路交通安全宣传、交通事故预防提供数据支撑；

4）交通事故态势分析：对特定时间、道路、区域、人群、车型的交通事故进行环比、

同比分析，精确发现趋势变化，为交通安全态势分析和预测提供数据支撑；

5）交通事故黑点分析：依托地图，对指定时间段内，道路交通事故数量、类型及发生

原因进行分析，为事故黑点排查和事故预防工作提供数据支撑；

6）交通事故形态分析：按机动车之间、机动车与非机动车、机动车与行人、非机动车

之间、单方事故等多项指标开展事故形态分析；

7）事故时间分析：分别对事故进行二十四小时、周、月等维度分析，统计任意维度时

期内的四项指数（事故起数、死亡人数、受伤人数、财产损失），分析出事故特征规律；

8）事故当事人分析：根据机动车驾驶人准驾车型、驾龄、年龄、性别特征，统计分析

事故四项指数：根据非机动车驾驶人性别、年龄特征，统计分析事故四项指数。根据行人或

乘车人，统计分析事故四项指数；根据统计分析死亡人员伤害上级位、区域、年龄、性别、

存在不安全行为对应事故四项指数；

9）事故处理分析：根据事故民警所经办案件的案件总数（简易交通事故数、一般交通

事故数、死亡交通事故数、刑事、行政案件数）、事故责任认定超期数、民警处理事故的平

均天数，分时间（年、季、月）、单位（支队、大队、警区、民警）进行统计分析；

10）事故复核分析：对实时和历史的交通事故复核申请、受理、复核等情况进行分析，

展现事故复核相关趋势，并对提出事故复核的当事人的特点，被申请复核的单位（支队、大

队、警区、民警）进行统计分析；

11）事故类型分析：对规定时间范围内的事故，按照死亡、伤人、财损类型进行分类统

计，并提供同比、环比、同期比等深入历史比较和趋势分析。可叠加涉酒、逃逸、亡人、死

亡多人、简易程序、一般程序等数据标签，分情况做精细化下钻分析；

12）交通