交通卡口大数据应用设计如下图所示：

交通卡口大数据应用的不同之处在于后端子系统的设计。传统方案中，只有一个智慧交通平台；而大数据方案中，智慧交通平台之下多了一个视频大数据平台，海量的过车数据存储于视频大数据平台中，大数据平台为上层平台提供海量数据的高效处理服务。以10亿条数据为例，在检索、研判和统计分析等应用中传统方案检索时间是分钟级，采用大数据技术检索时间可以达到秒级。基于视频大数据平台，智慧交通平台实现了高效的检索、分析、统计等功能，能够为用户提供更好的服务。以下是目前可实现应用功能主要功能：

1.快速检索

能够根据精确条件/模糊条件快速查询出过车数据记录。大数据方案可以从数十亿条数据中快速筛选出目标过车记录，提高交通管理部门的执勤效率。

2.研判分析

研判分析包括频度研判、特定时间段车辆研判、初次入城、行车轨迹、跟车研判等应用。大数据方案可以迅速及时的发现事件信息，提高交通管理部门的快速响应能力。

3.统计分析

统计分析包括车流量统计、车流量对比、车辆违法统计、特定时段车流量、行车轨迹统计等应用。大数据方案可以实现更大范围的交通流量数据统计，可以更加全面完整的反应一个城市的交通状况，为交通管理部门决策提供数据支撑。

三、视频大数据技术在智慧安全中的应用

在智慧安全的案件侦缉等应用中，经常需要进行人员信息的查询，人员信息库中的一个重要组成部分是人脸库，人脸库包括人员的基本信息、头像图片以及根据头像建模而得的人脸特征向量。其中案件侦缉中一个重要的应用是人脸检索，即从视频图像中提取人带人脸的特征向量跟人脸库中的数据进行比对，查询出来此人的基本信息。当人脸库数量达到1000万级别甚至更大后，目前人脸检索方式会出现瓶颈。因为在人脸的检索过程中需要检索整个人脸库，需要将整个人脸库导入到内存中以提高检索效率，对服务器内存要求高，而当前大多人脸检索方案不支持集群架构，只能增加单服务器的内存以满足需求，容易出现瓶颈。针对此类场景，可采用人脸检索的大数据解决方案，人脸库保存于视频大数据平台中，视频大数据平台采用集群架构，并且可平滑扩展，可以提供足够大的内存，同时，采用分布式计算，各节点并行进行计算，极大地提高数据处理的能力。

人脸检索大数据应用设计如下图所示：

人脸检索大数据应用的不同之处在于后端子系统中加入了视频大数据平台。智慧安全应用平台为用户提供人脸检索功能；视频大数据平台存储人脸库数据，进行高效的人脸分析比对，为应用平台提供人脸检索服务。以1000万条数据为例。如果传统的方式数据库需要管理员进行手动的分库分表操作，随着数据的增长维护工作量会越来越大，同时也很难保证系统的正常运行；采用视频大数据技术可以轻松的做到系统的横向扩展，保证系统高效的运行。基于视频大数据平台，智慧安全应用平台能够为用户提供快速的人脸检索功能。

四、总结展望