道路摩托车智能预警分析系统项目采购需求.docx

《道路摩托车智能预警分析系统项目采购需求.docx》由会员分享，可在线阅读，更多相关《道路摩托车智能预警分析系统项目采购需求.docx（8页珍藏版）》请在优知文库上搜索。

1、道路摩托车智能预警分析系统项目采购需求一、建设目标智能预警分析系统的开发建设目标是顺应数字化改革需求，合理整合应用其他部门数据，通过前端硬件数据配合后端算法进行实时分析，实现对道路摩托车风险管控预警以及摩托车全生命周期流程管控做到降低摩托车道路风险事故发生率，保障人民安全出行。二、建设内容摩托车风险管控模块：主要收集全市辖区内已购摩托车类机动车的数量，定期与已登记的摩托车进行比对，从中发现未注册登记的机动车，并通知机动车所有人及时办理注册登记，流程把控，在源头把控车辆上牌率的问题；通过对已上牌摩托车的年检、投保、报废、车辆所有人持证、涉及摩托车交通违法、交通事故等情况进行跟踪分析，实现对摩托车

2、管理的闭环。建设“摩e生”驾驶舱，通过相关算法处理，以上牌率、持证率、投保率、年检率、报废率、违法查处相对率、道路交通事故率、死亡率共计8大率”来展示XX县摩托车相关风险指数，后端加以算法支持，实时分析预警前端相机抓拍的摩托车行驶照片，通过5种算法分析，实现针对摩托车的全域风险隐患排查。三、建设期自签订合同之日起2个月内开发完成并成功上线运行，后期优化试运行期6个月，驻点运维期一年。四、关键业务流程在本次项目中，业务数据主要来自XX县大数据中心，通过比对国税局线下数据，实现对未登记摩托车流程闭环把控。并通过前端道路卡口相机抓拍的摩托车照片资源，后端部署多种摩托车风险识别算法，实现对摩托车违法行

3、为抓拍分析，同时比对公安人口库或摩托车数据库，实现对抓拍的违法人员的身份信息进行认证识别。并将相关识别违法数据推送至摩e生系统进行预警展示，形成对道路摩托车风险安全隐患排查，系统通过业务流转给各管辖片区进行线下跟进核实,最终达到针对摩托车风险管控的闭环流程。五、主要功能要求序号服务名称服务内容描述数量1摩托车风险管控系统开发服务风险处理反馈流程-道路违法数据分析：借用交通道路治安卡口违法抓拍相机，后端部署未佩戴头盔、无牌驾驶、逆行、超载等多种算法，实现对摩托车违法行为抓拍分析，比对公安人口库或摩托车数据库，实现对违法人员的身份认证信息识别。并将相关识别违法数据推送至摩e生系统。1项2风险处理反

4、馈流程-车辆赋分赋码：通过后端算法，精准关联前端拍摄摩托车辆车主身份信息，通过对车主及其所有摩托车进行赋分赋码，未发生过违法行为的为绿码；发生过1-3次违法行为的为黄码；发生过3次以上及检测到车辆已达到报废年限却依旧上路行驶的、车辆未参与投保上路的、车辆没有年检的、车辆无牌行驶的情况为红码。达到黄码及红码的相关危险数据推送至摩e生驾驶舱。1项3风险处理反馈流程-驾驶舱数据处理：驾驶舱系统通过接公安网六合一平台相关数据，根据各个数据相关算法处理得出不同风险项的具体内容，内容细化至相关车辆所在中队、车辆所有人姓名、证件号、居住地址等。1项4风险处理反馈流程-驾驶舱报警处理：将识别的风险与违法数据推

5、送至车辆所有人居住地址的所在中队，由中队上门核实督促相关人员处理，系统每隔5天重复推送未处理完成的风险与违法信息，直至中队警务人员确认风险己解除或违法行为已处理后点击已处理按钮，并输入上传相关信息内容或截图，上传后取消对此条风险或违法报警并录入问题处理数据库。1项5风险处理反馈流程-机动车达到报废年限却未报废（算法类型）：通过道路抓拍相机上传的视频或图片识别车辆牌照信息，比对摩e生后台数据，检测摩托车是否己经达到报废年限却依旧上路行驶。1项6风险处理反馈流程-机动车未参与年检（算法类型）：通过道路抓拍相机上传的视频或图片识别车辆牌照信息，比对摩e生后台数据，检测摩托车是否未参与年检。1项7风险

6、处理反馈流程-机动车未参与投保（算法类型）：通过道路抓拍相机上传的视频或图片，识别车辆牌照信息，比对摩e生后台数据，检测摩托车是否未参与投保。1项8风险处理反馈流程-机动车驾驶人无证驾驶（算法类型）：通过道路抓拍相机上传的视频或图片识别车辆牌照信息，比对摩e生后台数据，检测摩托车驾驶人是否为无证驾驶。1项9风险处理反馈流程-骑行未带头盔检测（算法类型）：道路抓拍相机上传的视频或图片，检测骑行摩托车的人未按要求佩戴安全帽的不安全行为。1项10风险处理反馈流程-机动车超载（算法类型）：通过道路抓拍相机上传的视频或图片，检测摩托车2人及以上人数视为超载。1项H风险处理反馈流程-机动车闯红灯（算法类型

7、）：通过道路抓拍相机上传的视频或图片，检测红绿灯状态，并判1项3断摩托车是否有闯红灯现象。12风险处理反馈流程-机动车逆行（算法类型）：通过道路抓拍相机上传的视频或图片，检测摩托车是否在机动车道上逆行。1项13风险处理反馈流程-机动车无牌行驶（算法类型）：通过道路抓拍相机上传的视频或图片，检测指定区域内摩托车有无牌照。1项11驾驶舱-页面设计：（1）页面左上角具体罗列当前XX县摩托车总量、新增上牌摩托车数量（具体数值）、最终指标指数值。（2）页面左侧显示各项数据中的问题数据，具体包含车牌号、处理类型、开票日期、购买店、保险终止日期等。（3）页面中间以圆周线形图展示（新车上牌率、车主持证率、车辆

8、投保率、年检率、报废率、违法率）在下方以柱状图展示（摩托车事故相对系数率、事故死亡率）。（4）页面左下角显示今日摩托车具体拿证数据。数据项细化至拿证姓名、户籍、证件号、取证地、是否新购、购买地等信息。（5）页面右侧上方竖着排列展示每个数据项内容（内容默认蓝色，达到报警值后变为红色），鼠标移至数据项上时，显示包含较上个数据周期环比与当前得分值。（6）页面右侧上方竖着排列展示每个数据项内容（内容默认蓝色，达到报警值后变为红色），鼠标移至数据项上时，显示包含较上个数据周期环比与当前得分值。（7）页面右下角显示今日摩托车报废数量。具体数据细化至人员信息、居住地址、车架号、报废时间等。（8）数据项最后为

9、“摩托车风险管控指数（测算方式：上牌率100分*10%+持证率100分*10%+投保率100分*10%+年检率100分*10%+报废率100分*10%+违法率1001项4分*10%+事故相对系数率100分*20%+事故死亡率100分*20%）（鼠标悬停摩托车风险管控指数值时显示8个率的具体评分值）。15驾驶舱-数据展示：（1）按照各个指标指数分类，根据上牌率、报废率、年检率、亡人率、持证率、投保率、违法率、事故率等的八大率来区分，点击这八大率后页面跳转展示每个指标相对应的详细数据内容，以表格的形式精确到相应人员身份、车牌信息、车辆信息等内容。（2）可以通过选择中队或登录不同账号来自动区分不同各

10、中队之间的数据。管理员账号可以显示所有中队的所有数据，支持通过筛选中队的形式筛选显示相关数据。并根据各个中队的指标指数分析，得出各中队当月摩托车风险指数值。1项16后台管理系统：（1）可实现独立的用户管理功能，支持用户账号的新增、编辑、删除、角色配置等操作。（2）支持在系统中设置角色，并为人员分配角色以实现不同权限的管控，不同人员登入系统后可使用的功能不同。（3）用户可以对各个数据值进行预设报警值，当达到用户预设的报警值时，在首页中会对该数据值进行报警（右侧竖排列数据项变为红色）。（4）用户可以对评分标准（及格线、正反浮动指数、扣分加分数）手动修改设置，评分标准设置内容满足满分100分标准。（

11、5）用户可以通过选定时间段与数据项，以图表形式展示选定内容的相关数据。（6）用户可以导出潜在问题分析报告（可以设定一定值，1项5171819当数据项满足该值时，会生成相应数值报告供导出。该数值报告包括近几个数据周期的对应值）。Al算法服务中心（摩托车基础平台）：核心模块包括（1）算法仓库：可选10个自研视图算法。提供入仓标准及规范。支持自研及第三方视图、OCr、nip算法集中纳入算法仓库进行统一管理，实现对外调用支撑，包含算法说明，接口调用说明等；（2）视图数据治理：支持GB28181（3）视频分析平台：支持根据场景选取算法、摄像头进行分析，及查看、筛选事件的结果，最高支持200路的视频流处理

12、；（4）专题库：将视频/图片/事件结果按分析结果类型形成不同的专题资源库，可用于算法训练，数据交易等；（5）智能调度：根据算力资源/点位等资源信息进行动态的调整调度策略，最优化的使用现有资源形成更为有效的任务分析；（6）AI超脑：针对数据/算法/算力等资源进行大屏设计及展示。1项系统基础支撑环境服务2套国产化数据库使用授权：具备数据存储、访问控制、身份鉴别、安全审计和数据备份恢复等功能。产品部暑在服务器，以后台服务形式运行，数据库管理员及用户在管理主机上通过图形化管理工具或命令行工具管理系统，可实现对数据对象（表、视图、约束、索引、触发器、存储过程等）的配置管理；开发人员可通过标准化数据库访问

13、接口，开发基于数据库的应用系统和软件产品。1项数据库读写分离集群软件使用授权：（1）读写分离集群软件与数据库软件产品同品牌。（2）数据库集群支持读国标对接或RTSP流方式接入视频流,接入系统不设上限;写分离，数据零丢失，支持主备集群，支持数据零丢失，1项即主库故障，备库自动切换为主库，且数据与原主库数据一致。（3）数据库集群支持按照读写进行路由，并实6现读、写的任务分发，系统自动实现写操作在主机、读操作在备机。2套国产化中间件使用授权：具备中间件的基本功能，包括数据库连接服务、应用部署、虚拟主机，以第三方Web服务器连接、管理工具、日志审计等功能，拥有高性能、201项高并发的能力，具有可靠性、易恢复性、易监控性、易维护性的特点，为应用提供安全、高效、稳定的基础支撑环境，并针对容器云、微服务应用提供优化支持能力。7