1.一種基于大數(shù)據(jù)的車輛積分預(yù)警系統(tǒng)，其特征在于：
包括依次交互的實(shí)時(shí)過車數(shù)據(jù)整合模塊（10）、二次識(shí)別集群（20）、大數(shù)據(jù)實(shí)時(shí)運(yùn)算中心（30）和告警模塊（40）。
2.按權(quán)利要求1所述的一種基于大數(shù)據(jù)的車輛積分預(yù)警系統(tǒng)，其特征在于：
所述的實(shí)時(shí)過車數(shù)據(jù)整合模塊10是一種采用ETL技術(shù)，實(shí)時(shí)獲取卡口、ETC、電警等前端設(shè)備的車輛通行數(shù)據(jù)，發(fā)送給二次識(shí)別集群進(jìn)行處理（20）。
3.按權(quán)利要求1所述的一種基于大數(shù)據(jù)的車輛積分預(yù)警系統(tǒng)，其特征在于：
所述的二次識(shí)別集群（20）由多個(gè)識(shí)別節(jié)點(diǎn)組成的分布式二次識(shí)別集群，識(shí)別算法由C/C++實(shí)現(xiàn)，以便高效、實(shí)時(shí)處理車輛通行數(shù)據(jù)，提取車輛特征信息，如車輛品牌、有無(wú)年檢標(biāo)、號(hào)牌遮蓋、駕駛員面部遮擋等，然后將識(shí)別結(jié)果發(fā)送至大數(shù)據(jù)集群（30）中的Kafka31。
4.按權(quán)利要求1所述的一種基于大數(shù)據(jù)的車輛積分預(yù)警系統(tǒng)，其特征在于：
所述的大數(shù)據(jù)實(shí)時(shí)運(yùn)算中心（30）包括依次交互的Kafka（31）、Spark（32）和SolrCloud（33）。
5.按權(quán)利要求1所述的一種基于大數(shù)據(jù)的車輛積分預(yù)警系統(tǒng)，其特征在于：
所述的告警模塊（40）是一種訂閱Kafka31預(yù)警消息，獲取預(yù)警消息后生成相應(yīng)告警。
6.基于權(quán)利要求1-5所述車輛積分預(yù)警系統(tǒng)的車輛積分預(yù)方法，其特征在于包括下列步驟：
開始（000）
①建立積分預(yù)警模型（100）
根據(jù)實(shí)際需要，將車輛外觀特征屬性和非外觀特征屬性，分別賦予一定權(quán)值，設(shè)定預(yù)警分?jǐn)?shù)線，創(chuàng)建一種或者多種預(yù)警模型，保存到高性能庫(kù)中，然后初始化該模型；
②提取車輛特征信息（200）
通過前端相機(jī)識(shí)別車輛的基本外觀信息，再利用二次識(shí)別，對(duì)車輛圖片進(jìn)一步挖掘分析，獲取到更加詳細(xì)的外觀特征信息，將識(shí)別結(jié)果結(jié)構(gòu)化后發(fā)送至消息訂閱服務(wù)器；
③計(jì)算車輛積分300
分布式計(jì)算引擎從消息訂閱服務(wù)器中獲取步驟②提取的車輛特征信息，解析步驟①中建立的預(yù)警模型，遍歷每個(gè)預(yù)警項(xiàng)，計(jì)算加權(quán)值后累加，根據(jù)模型設(shè)定的預(yù)警分?jǐn)?shù)線判斷是否為可疑車輛，具體步驟如下：
A、判斷模型是否含外觀特征項(xiàng)（310），是則進(jìn)入步驟B，否則跳轉(zhuǎn)到步驟C；
B、計(jì)算外觀特征積分（320）
用模型中的每個(gè)外觀特征項(xiàng)與車輛特征信息進(jìn)行比對(duì)，根據(jù)符合度計(jì)算加權(quán)分?jǐn)?shù)，不符合時(shí)記0分；
C、判斷模型是否含非外觀特征項(xiàng)（330），是則進(jìn)入步驟D，否則跳轉(zhuǎn)到步驟E；
D、計(jì)算非外觀特征積分（340）
遍歷非外觀特征積分項(xiàng)，如果是涉及到高危人員、違章數(shù)據(jù)等需要關(guān)聯(lián)查詢的項(xiàng)，則關(guān)聯(lián)查詢相應(yīng)的庫(kù)（SolrCloud），存在對(duì)應(yīng)記錄時(shí)，則認(rèn)為匹配并計(jì)算該項(xiàng)的加權(quán)值，否則記0分；如果積分項(xiàng)是關(guān)于時(shí)間、地點(diǎn)檢測(cè)的，可以從車輛特征信息中直接獲取并進(jìn)行比較，符合時(shí)計(jì)算該項(xiàng)的加權(quán)值，否則記0分；
E、判斷積分是否超過預(yù)警分?jǐn)?shù)線（350），是則進(jìn)入步驟④，否則跳轉(zhuǎn)到步驟⑤
外觀特征與非外觀特征的積分求和，得到車輛積分，然后與該模型的分?jǐn)?shù)線進(jìn)行比較，超過預(yù)警分?jǐn)?shù)線時(shí)進(jìn)入步驟④，否則本次分析邏輯結(jié)束，可進(jìn)入下一條車輛特征分析；
④產(chǎn)生告警（400）
結(jié)合車輛信息與積分細(xì)則生成預(yù)警消息，發(fā)送至消息訂閱服務(wù)器，告警模塊訂閱后會(huì)立即收到預(yù)警消息，產(chǎn)生相應(yīng)告警，其他車輛管理、車輛偵查相關(guān)系統(tǒng)也可訂閱，共享預(yù)警消息；
⑤結(jié)束（500）。