CN103593977B - 私家车非法营运的检测方法 - Google Patents

Abstract

本发明公开了一种私家车非法营运的检测方法，包括步骤：S10、获取所有用户发送的请求打车位置及完成打车的时间数据并储存，以及采集所有车辆账户的行车信息并存储；S20、对当天储存的所有车辆账户的行车信息进行预处理；S30、计算所有非营运车辆账户的行车路程及行车区域；S40、将嫌疑非法营运的车辆账户的行车信息中的行车位置及行车时间数据与用户发送的请求打车位置及完成打车的时间数据匹配，并判定该嫌疑非法营运的车辆账户是否为非法营运车辆。本发明利用公众出行的客户端搜集用户的出行信息来识别非法营运的私家车，充分利用现有的出行服务***，不需要额外安装硬件***，节约了实施成本，提高了实施效率。

Description

私家车非法营运的检测方法

技术领域

本发明涉及交通检测领域，尤其涉及一种私家车非法营运的检测方法。

背景技术

私家车是人们出行的重要交通工具之一。随着智能手机的普及，基于移动终端的出行服务***（提供打车、拼车等服务）也在迅速地发展普及。这些技术帮助人们解决了打车、拼车困难的问题，也帮助出租车司机有效地寻找搭车者，降低空车率。这种技术在为人们提供便利的同时，也给了非法营运的私家车钻空子的机会，利用这些技术去获取客源。一方面，这些非法营运的车辆，可以通过安装了出行服务的应用终端获得需要搭车或拼车者的地理位置；同时，他们也会利用这种技术，发布自己的空车信息，给需要乘坐正规营运车辆的乘客造成了干扰。为此，需要提供一种车辆的检测与识别方法，来方便人们的出行。

现有技术中的车辆检测与识别方法较多，如申请日为2011年12月6日，专利申请号为：201110400202.1的中国专利公开的专利名称为：非法出租车识别***及方法。该非法出租车识别***包括：二维码标签，贴在合法出租车上，至少包含该合法出租车的车牌号、所属出租车公司的代码以及随机生成的校验码信息；客户端，包含有拍照模块、二维码解码模块、定位模块以及通讯模块，用于拍摄并识别二维码标签、定位待识别出租车以及通过网络将二维码和定位信息发送给非法出租车识别服务器；GPS定位***，用于动态定位合法出租车，包括合法出租车上的车载GPS和出租车公司的GPS管理服务器；非法出租车识别服务器，用于根据客户端传来的车牌号，从GPS管理服务器获取该车牌号对应的合法车辆的位置信息，结合客户端传来的定位信息，判断待识别出租车是否是合法出租车；该非法出租车识别服务器还包含一校验码数据库，用于存储合法出租车的二维码标签中的校验码。利用乘客的手机等客户端和出租车公司的现有车载GPS***，不仅大幅降低了识别***的构建、维护和实施成本，而且提高了识别效果。上述的非法出租车识别通过在合法出租车上贴二维码标签，用户在乘车时候进行二维码扫描的方法来区分合法与非法的出租车。

又如，申请日为：2012年9月25日，专利申请号为：201210359691.5的中国专利公开的专利名称为：一种出租车防伪***及方法。该出租车防伪方法包括如下步骤：图像分析仪接收摄像机捕获的路面监控图像并按照训练好的识别模型检测是否有符合出租车外形和颜色特征的车辆并识别车牌，同时在连续图像中跟踪出租车；应用服务器通过传输网络接收来自图像分析仪的识别结果，包括被检车辆号牌、所在位置及车道，然后再以被检车牌号为检索条件，查询管理部门的出租车数据库，如果该号牌存在，且车载定位***返回的最新坐标与摄像机坐标接近，则认为此车为正规出租车；否则为非法营运出租车。本发明无需在出租车上加装任何设备、可全自动运行，并为管理部门稽查非法营运车辆提供有效信息。利用摄像机与图像分析仪等组成的防伪***识别合法的出租车。

以上两种方法都要求在出行服务***之外，还需安装配套的硬件设施（贴二维码标签或者利用摄像机与图像分析仪），利用配套的硬件设施来识别出租车，一方面车辆识别的复杂性增加，不利于提高识别效率；另一方面，硬件设施的花费较大，实施成本高，不利于车辆识别方法的推广。有鉴于此，有必要对上述的车辆检测或识别方法进行改进。

发明内容

本发明提出了一种私家车非法营运的检测方法，主要解决的是现有技术中利用配套的硬件设施来识别出租出所带来的车辆识别方法复杂，识别效率不高以及实施成本高，不利于其推广的技术问题。

为解决上述技术问题，本发明采用的一个技术方案是：提供一种私家车非法营运的检测方法，应用于利用出行服务***的私家车，包括步骤：

S10、获取所有用户发送的请求打车位置及完成打车的时间数据并储存，以及采集所有车辆账户的行车信息并存储，所述行车信息包括账户编码、行车位置、行车速度、行车方向及行车时间数据；

S20、对当天储存的所有车辆账户的行车信息进行预处理，滤除营运车辆的注册账户，得到非营运车辆账户；

S30、计算所有非营运车辆账户的行车路程及行车区域，当非营运车辆账户当天的行车路程超过预设里程，并且非营运的车辆账户的行车区域小于预设区域时，则判定该非营运车辆账户为嫌疑非法营运车辆账户；

S40、将嫌疑非法营运的车辆账户的行车信息中的行车位置及行车时间数据与用户发送的请求打车位置及完成打车的时间数据匹配，当匹配次数达到预设个数时，则判定该嫌疑非法营运的车辆账户为非法营运车辆。

其中，所述步骤S10中采集所有车辆账户的行车信息的步骤具体包括，

S11、以周期τ的时间间隔采集车辆账户的行车信息，第i个车辆账户的行车数据序列为χ_i=<i，l，v，d，t>，其中，i为账户编码，l为行车位置，v为行车速度，d为行车方向，t为行车时间；将当天采集的行车数据序列，存储于行车数据集合X中，记作：

其中，m表示m个车辆账户，n表示行车数据的采集次数，j表示第j次采集。

S12、提取所有用户发送的请求打车位置及完成打车的时间数据，记作集合其中，表示打车位置，表示完成打车时间。

其中，所述步骤S20具体包括，对当天储存的所有车辆账户的行车数据序列进行预处理滤除所有的营运车辆账户，得到所有非营运账户的集合为C1，记作：

其中，c表示第c个车辆账户，B表示营运车辆账户集合。

其中，所述步骤S30具体包括步骤：

S31、提取非营运的车辆账户y当天行车数据序列中所有的行车位置的坐标位置形成集合[L_y]，

其中，x(y,j)表示车辆账户y第j次采集的行车数据序列，l表示行车位置；

S32、计算非营运车辆账户y的行车路程，若其当天行车路程超过预设里程ξ₁，则放入长距离车辆账户集合U；

$U=\left\{y\right|y\&Element;\left[C1\right]^\underset{j=1}{\overset{n-1}{\mathrm{\&Sigma;}}}\mathrm{dict}(l_{y,j},l_{y,j+1})>{\mathrm{\&xi;}}_1\},$

其中，dict(l_y,j,l_y,j+1)表示第j次与j+1次的行车距离；

S33、若集合U中的车辆账户y当天所有行车数据序列的行车位置与其中心点O_y的距离都小于ξ₂，则判定该非营运车辆账户为嫌疑非法营运车辆账户，并将其放入嫌疑非法营运车辆集合[U₁]，

其中，账户y当天行车区域的中心点O_y，

$O_y=\frac{{\mathrm{\&Sigma;}1}_j}{\left|\right[L_y\left]\right|},y\&Element;U,1_j\&Element;\left[L_y\right].$

其中，所述步骤S40具体包括步骤：

S41、将集合U1中的车辆账户y行车数据序列中的行车位置及行车时间数据与用户打车信息集合中的打车位置及完成打车的时间数据匹配后放入集合[L_y,T_y]；

$[L_y,T_y]=\{x(y,j).l,x(y,j).t|y\&Element;U_1^\left(\begin{array}{c}\&Exists;(l,t)\&Element;[\tilde{l},\tilde{t}],\mathrm{dict}(x(y,j).l-l)<{\mathrm{\&xi;}}_4\\ ^|x(y,j).t-t|<{\mathrm{\&xi;}}_5\end{array}\right)\},$

其中，ξ₄表示匹配数据中距离差上限，ξ₅表示时间差上限；

S42、若集合[L_y,T_y]中元素组个数大于预设个数ξ₆，则将车辆账户y放入准非法营运车辆集合U₂中

[U₂]={y||[L_y,T_y]|>ξ₆}，

其中，|[L_y,T_y]|表示集合[L_y,T_y]元素组个数；

S43、若车辆账户y在预设天数n₁中进入准非法营运车辆集合U₂中的次数超过n₂，则判定车辆账户y为非法营运车辆账户，并发送警告。

本发明的有益技术效果是：区别于现有技术中利用配套的硬件设施来识别出租出所带来的车辆识别方法复杂，识别效率不高以及实施成本高，不利于其推广的技术问题，本发明提供了一种私家车非法营运的检测方法，一方面采用对于车辆账户的行车位置、行车速度、行车方向及行车时间数据分析，具体的当非营运车辆账户当天的行车路程超过预设里程，并且非营运的车辆账户的行车区域小于预设区域时，判断该车辆帐户为嫌疑非法营运车辆帐户；另一方面，将嫌疑非法营运的车辆账户的行车信息中的行车位置及行车时间数据与用户发送的请求打车位置及完成打车的时间数据匹配，当匹配次数达到预设个数时，判定其为非法营运车辆帐户，从而可以对利用出行服务***进行非法营运的私家车辆进行有效的管控。另外，对于非法营运车辆的私家车在***中给出警示，可以帮助利用出行服务***进行打车的用户及时对对方车辆的信息进行判断，从而做出符合自身需求的选择。

本发明利用公众出行的客户端搜集用户的出行信息来识别非法营运的私家车，充分利用现有的出行服务***，不需要额外安装硬件***，节约了实施成本，提高了实施效率。

附图说明

图1是本发明私家车非法营运的检测方法的流程图；

图2是本发明一实施例的流程图；

图3是本发明另一实施例的流程图。

具体实施方式

为详细说明本发明的技术内容、构造特征、所实现目的及效果，以下结合实施方式并配合附图详予说明。

请参阅图1，本实施例提供了一种私家车非法营运的检测方法，应用于利用出行服务***的私家车，其特征在于，包括步骤：

S10、获取所有用户发送的请求打车位置及完成打车的时间数据并储存，以及采集所有车辆账户的行车信息并存储，所述行车信息包括账户编码、行车位置、行车速度、行车方向及行车时间数据；

S20、对当天储存的所有车辆账户的行车信息进行预处理，滤除营运车辆的注册账户，得到非营运车辆账户；

S30、计算所有非营运车辆账户的行车路程及行车区域，当非营运车辆账户当天的行车路程超过预设里程，并且非营运的车辆账户的行车区域小于预设区域时，则判定该车辆账户为嫌疑非法营运车辆账户；

S40、将嫌疑非法营运的车辆账户的行车信息中的行车位置及行车时间数据与用户发送的请求打车位置及完成打车的时间数据匹配，当匹配次数达到预设个数时，则判定该嫌疑非法营运的车辆账户为非法营运车辆。

在一实施例中，所述步骤S10中采集所有车辆账户的行车信息的步骤具体包括，

S11、以周期τ的时间间隔采集车辆账户的行车信息，第i个车辆账户的行车数据序列为χ_i=<i，l，v，d，t>，其中，i为账户编码，l为行车位置，v为行车速度，d为行车方向，t为行车时间；将当天所采集的行车数据序列存储于行车数据集合X中，记作：

其中，m表示m个车辆账户，n表示行车数据的采集次数，j表示第j次采集。

S12、提取所有用户发送的请求打车位置及完成打车的时间数据，记作集合其中，表示打车位置，表示完成打车时间。

上述步骤S10中获取所有用户发送信息的步骤具体为：当一个用户发送打车请求后，获取该用户此时的位置信息并以周期τ₁定期采集该用户的最新位置信息直到该用户执行“确认打车成功”的操作，或者关闭了出行***终端应用程序，或者与之间的距离大于设定值ξ3。数据中心记录下此时的时间信息

在一实施例中，所述步骤S20具体包括，对当天储存的所有车辆账户的行车数据序列进行预处理滤除所有的营运车辆账户，得到所有非营运账户的集合为C1，记作：

其中，c表示第c个车辆账户，B表示营运车辆账户集合。

参阅图2，在一具体的实施例中，所述步骤S30具体包括步骤：

S31、提取非营运的车辆账户y当天行车数据序列中所有的行车位置的坐标位置形成集合[L_y]，

其中，x(y,j)表示车辆账户y第j次采集的行车数据序列，l表示行车位置；

S32、计算非营运车辆账户y的行车路程，若其当天行车路程超过预设里程ξ₁，则放入长距离车辆账户集合U；

$U=\left\{y\right|y\&Element;\left[C1\right]^\underset{j=1}{\overset{n-1}{\mathrm{\&Sigma;}}}\mathrm{dict}(l_{y,j},l_{y,j+1})>{\mathrm{\&xi;}}_1\},$

其中，dict(l_y,j,l_y,j+1)表示账户y第j次与j+1次的行车距离；

S33、若集合U中的车辆账户y当天所有行车数据序列的行车位置与其中心点O_y的距离都小于ξ₂，则判定该非营运车辆账户为嫌疑非法营运车辆账户，并将其放入嫌疑非法营运车辆集合[U₁]；

账户y当天行车区域的中心点O_y

$O_y=\frac{{\mathrm{\&Sigma;}1}_j}{\left|\right[L_y\left]\right|},y\&Element;U,1_j\&Element;\left[L_y\right]$

账户y的行车位置与其中心点的距离大于ξ₂的点集合[R_y]：

[R_y]={r|y∈U∧r∈[L_y]∧dict(r,O_y)>ξ₂}

如果集合[R_y]为空，说明用户m当天都在中心点周围的区域范围行驶，并且行驶距离超过设定值，则将用户m放入到嫌疑非法营运车辆集合U1，[U₁]={u|y∈U∧[R_y]=φ}。

参阅图3，在一具体的实施例中，所述步骤S40具体包括步骤：

S41、将集合U1中的车辆账户y行车数据序列中的行车位置及行车时间数据与用户打车信息集合中的打车位置及完成打车的时间数据匹配后放入集合[L_y,T_y]；

$[L_y,T_y]=\{x(y,j).l,x(y,j).t|y\&Element;U_1^\left(\begin{array}{c}\&Exists;(l,t)\&Element;[\tilde{l},\tilde{t}],\mathrm{dict}(x(y,j).l-l)<{\mathrm{\&xi;}}_4\\ ^|x(y,j).t-t|<{\mathrm{\&xi;}}_5\end{array}\right)\},$

其中，ξ₄表示匹配数据中距离差上限，ξ₅表示时间差上限；

S42、若集合[L_y,T_y]中元素组个数大于预设个数ξ₆，则将车辆账户y放入准非法营运车辆集合U₂中

[U₂]={u||[L_y,T_y]|>ξ₆}，

其中，|[L_y,T_y]|表示集合[L_y,T_y]元素组个数；

S43、若车辆账户y在n₁天中进入准非法营运车辆集合U₂中的次数超过预设天数n₂，则判定车辆账户y为非法营运车辆账户，并发送警告。

本发明区别于现有技术中利用配套的硬件设施来识别出租出所带来的车辆识别方法复杂，识别效率不高以及实施成本高，不利于其推广的技术问题，本发明提供了一种私家车非法营运的检测方法，一方面采用对于车辆账户的行车位置、行车速度、行车方向及行车时间数据分析，具体的当非营运车辆账户当天的行车路程超过预设里程，并且非营运的车辆账户的行车区域小于预设区域时，判断该车辆帐户为嫌疑非法营运车辆帐户；另一方面，将嫌疑非法营运的车辆账户的行车信息中的行车位置及行车时间数据与用户发送的请求打车位置及完成打车的时间数据匹配，当匹配次数达到预设个数时，判定其为非法营运车辆帐户，从而可以对利用出行服务***进行非法营运的私家车辆进行有效的管控。另外，对于疑似非法营运车辆的私家车在***中给出警示，可以帮助利用出行服务***进行打车的用户及时对对方车辆的信息进行判断，从而做出符合自身需求的选择。本发明利用公众出行的客户端搜集用户的出行信息来识别非法营运的私家车，充分利用现有的出行服务***，不需要额外安装硬件***，节约了实施成本，提高了实施效率。

以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (5)

1.一种私家车非法营运的检测方法，应用于利用出行服务***的私家车，其特征在于，包括步骤：

S10、获取所有用户发送的请求打车位置及完成打车的时间数据并储存，以及采集所有车辆账户的行车信息并存储，所述行车信息包括账户编码、行车位置、行车速度、行车方向及行车时间数据；

S20、对当天储存的所有车辆账户的行车信息进行预处理，滤除营运车辆的注册账户，得到非营运车辆账户；

S30、计算所有非营运车辆账户的行车路程及行车区域，当非营运车辆账户当天的行车路程超过预设里程，并且非营运的车辆账户的行车区域小于预设区域时，则判定该非营运车辆账户为嫌疑非法营运车辆账户；

S40、将嫌疑非法营运的车辆账户的行车信息中的行车位置及行车时间数据与用户发送的请求打车位置及完成打车的时间数据匹配，当匹配次数达到预设个数时，则判定该嫌疑非法营运的车辆账户为非法营运车辆。

2.根据权利要求1所述的私家车非法营运的检测方法，其特征在于，所述步骤S10中采集所有车辆账户的行车信息的步骤具体包括，

S11、以周期τ的时间间隔采集车辆账户的行车信息，第i个车辆账户的行车数据序列为χ_i=<i，l，v，d，t>，其中，i为账户编码，l为行车位置，v为行车速度，d为行车方向，t为行车时间；将所采集的行车数据序列放入行车数据集合X中，记作：

其中，m表示m个车辆账户，n表示行车数据的采集次数，j表示第j次采集；

S12、提取所有用户发送的请求打车位置及完成打车的时间数据，记作集合其中，表示打车位置，表示完成打车时间。

3.根据权利要求2所述的私家车非法营运的检测方法，其特征在于，所述步骤S20具体包括，对当天储存的所有车辆账户的行车数据序列进行预处理滤除所有的营运车辆账户，得到所有非营运账户的集合为C1，记作：

其中，c表示第c个车辆账户，B表示营运车辆账户集合。

4.根据权利要求3所述的私家车非法营运的检测方法，其特征在于，所述步骤S30具体包括步骤：

S31、提取非营运的车辆账户y当天行车数据序列中所有的行车位置的坐标位置形成集合[L_y]，

其中，x(y,j)表示车辆账户y第j次采集的行车数据序列，l表示行车位置；

S32、计算非营运车辆账户y的行车路程，若其当天行车路程超过预设里程ξ₁，则放入长距离车辆账户集合U；

$U=\left\{y\right|y\&Element;\left[C1\right]^\underset{j=1}{\overset{n-1}{\mathrm{\&Sigma;}}}\mathrm{dict}(l_{y,j},l_{y,j+1})>{\mathrm{\&xi;}}_1\},$

其中，dict(l_y,j,l_y,j+1)表示账户y第j次与j+1次的行车距离；

S33、若集合U中的车辆账户y当天所有行车数据序列的行车位置与其中心点O_y的距离都小于ξ₂，则判定该非营运车辆账户为嫌疑非法营运车辆账户，并将其放入嫌疑非法营运车辆集合[U₁]，

其中，账户y当天行车区域的中心点O_y，

$O_y=\frac{{\mathrm{\&Sigma;}1}_j}{\left|\right[L_y\left]\right|},y\&Element;U,1_j\&Element;\left[L_y\right].$

5.根据权利要求4所述的私家车非法营运的检测方法，其特征在于，所述步骤S40具体包括步骤：

S41、将集合U1中的车辆账户y行车数据序列中的行车位置及行车时间数据与用户打车信息集合中的打车位置及完成打车的时间数据匹配后放入集合[L_y,T_y]；

$[L_y,T_y]=\{x(y,j).l,x(y,j).t|y\&Element;U_1^\left(\begin{array}{c}\&Exists;(l,t)\&Element;[\tilde{l},\tilde{t}],\mathrm{dict}(x(y,j).l-l)<{\mathrm{\&xi;}}_4\\ ^|x(y,j).t-t|<{\mathrm{\&xi;}}_5\end{array}\right)\},$

其中，ξ₄表示匹配数据中距离差上限，ξ₅表示时间差上限；

S42、若集合[L_y,T_y]中元素组个数大于预设个数ξ₆，则将车辆账户y放入准非法营运车辆集合U₂中

[U₂]={u||[L_y,T_y]|>ξ₆}，

其中，|[L_y,T_y]|表示集合[L_y,T_y]元素组个数；

S43、若车辆账户y在预设天数n₁中进入准非法营运车辆集合U₂中的次数超过n₂，则判定车辆账户y为非法营运车辆账户，并发送警告。