● 摘要
随着智能交通管理系统(ITMS)的不断完善，北京市公安交通管理局已经陆续建立了信号控制、交通综合监测、指挥调度、违法监测等数十个应用系统，每年形成的各类资源信息达到TB的数量级。为了实现交通管理中的“闭环管理”、“闭环执法”，北京市公安局交通管理局决定建设“交通数据综合分析与预报系统”，智能交通信息检索系统是其中的重要组成部分。为此，本文研究数据抽取技术，设计公安交通管理信息抽取系统，为检索提供数据基础。本文分析了ITMS中资源信息的特点和综合检索业务的需求，在研究了各种数据集成技术、数据抽取技术的基础上，设计了一套专用Schema结构来描述基础数据。针对ITMS中的关系型数据，定义了元数据对资源进行分类管理，制定抽取规则，进而装配SQL语句，最终实现数据抽取。针对以HTML网页为主的ITMS中的Web数据，采用了基于模板的信息抽取方案，通过为同类别的Web信息设计相应的模板，实现从Web页面中抽取数据的功能，模板能够灵活配置，具有较强的可维护性。对抽取后的数据，设计了一种顺序存储的文件格式进行统一存储和管理，并支持压缩存储，为异构数据对外提供统一的访问接口。同时，设计了文件缓存机制，优化信息抽取系统的I/O操作。为支持关联检索，根据交通管理的特点，特别是交通事件的特点，设计关联规则，建立数据间的关联模式。本文设计和实现了一套信息抽取原型系统，并利用部分数据进行测试验证，验证结果表明，系统能够实现对ITMS中异构数据抽取并对数据进行合理存储。