安防大數據涉及的數據類型較多，其特點是信息數據量大，信息密度小，目前市場上的安防大數據以非結構化數據為主，存儲下來的數據之后都需要進行數據融合、數據清洗、數據挖掘分析等。

其類型主要包含結構化、半結構化和非結構化數據信息。結構化數據主要包括報警記錄、系統日志、運維數據、摘要分析、結構化描述記錄以及各種相關的信息數據庫，如人口庫、六合一系統信息等；半結構化數據如人臉建模數據、指紋信息等；而非結構化數據主要包括視頻錄像和圖片記錄，如監控、報警、視頻摘要記錄、錄像信息和卡口人臉數據等。

1.NoSQL 數據庫

如今物聯網數據采集設備基本遍布整個城市，圖像、視頻、傳感信息等數據種類繁多，量級大已經是目前的常態。現在業內采用的主流存儲技術是NoSQL，全稱 Not Only SQL，有異與傳統的 SOL關系型數據庫，采用的是列式存儲方式，屬于非關系型數據庫，主要用于存儲處理種類繁多的大規模數據集，這些數據存儲不需要固定的處理模式，無需多余操作就可以橫向擴展。其中 HBase 是廣泛應用的 NoSQL 數據庫，HBase 是一個高可靠性、高性能、面向列、可伸縮的分布式存儲系統，利用 HBase 技術可在廉價 PC Server 上搭建起大規模結構化存儲集群。

HBase 的目標是存儲并處理大型的數據，具體來說是僅需使用普通的硬件配置就能夠處理由成千上萬的行和列所組成的大型數據，能夠滿足安防大數據日常存儲，降低存儲硬件的投資成本。

2. 智能交通領域的應用現狀

在智能交通領域，交通大數據具有體量大、種類多、數據更新頻率快的特征，掌握并應用數據挖掘分析與多源數據融合技術顯得日益迫切。

目前數據分析以采集的交通大數據為基礎，利用 Hadoop、NoSQL、HBase、流處理等數據挖掘技術，實現對海量交通數據的實時處理。針對亂闖紅燈、違法變道等違章現象實時告警并記錄，提高交警處理效率。

大數據技術本身具有強大的動態檢測與預測能力，可以實時捕捉和動態掌握交通運行信息，能夠基于人臉識別、車牌識別、GPS 定位技術等，掌握車輛的全天候出行規律，然后通過大量車輛數據進行匯總分析，精確預測高峰時段車流等情況，輔助交通管理者進行策略調整，提高城市交通運轉效率等。

3. 公共安全領域的應用現狀

在公共安全領域，公安信息化建設發展迅猛，公安機關掌握了社會人口庫、機動車登記數據庫、實名制住宿乘機記錄、卡口機動車采集等，也包含了大量的結構化與非結構化數據，蘊含著人、事、物、組織和案件等豐富信息。

利用大數據技術進行關聯分析能夠在維護社會治安、打擊違法、指揮決策等方面具有重要意義。基于公安大數據的多樣性，結合現在的數據融合技術，采用分布式大數據協同技術，實現物理分布、邏輯統一的數據管理，解決數據資源分布在多個區域數據中心，開展數據資源綜合應用的問題，合理運用流處理與批處理，提高對不同類型數據的處理效率。

同時基于數據分析挖掘技術，根據人物車輛信息實現卡口緝查布控、車輛落腳點分析、伴隨車輛跟蹤、以圖搜圖等案件業務的處理防范等。