CN104517445A - 一种基于大数据的***辆识别方法 - Google Patents
一种基于大数据的***辆识别方法 Download PDFInfo
- Publication number
- CN104517445A CN104517445A CN201410744639.0A CN201410744639A CN104517445A CN 104517445 A CN104517445 A CN 104517445A CN 201410744639 A CN201410744639 A CN 201410744639A CN 104517445 A CN104517445 A CN 104517445A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- time threshold
- minimum time
- threshold value
- bayonet socket
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 20
- 239000011159 matrix material Substances 0.000 claims abstract description 7
- 238000004458 analytical method Methods 0.000 claims abstract description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- NFLLKCVHYJRNRH-UHFFFAOYSA-N 8-chloro-1,3-dimethyl-7H-purine-2,6-dione 2-(diphenylmethyl)oxy-N,N-dimethylethanamine Chemical compound O=C1N(C)C(=O)N(C)C2=C1NC(Cl)=N2.C=1C=CC=CC=1C(OCCN(C)C)C1=CC=CC=C1 NFLLKCVHYJRNRH-UHFFFAOYSA-N 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种基于大数据的***辆识别方法,属于大数据领域,本发明该方法由3部分组成:(1)卡口间最小时间阈值的计算和最小时间阈值矩阵的建立。(2)同号牌车辆某时间范围内的轨迹的获取。(3)套牌嫌疑车辆的分析和识别。结合现有的GIS***及卡口设备的位置信息,获取各个卡口设备之间的最短路径和最大行驶速度。继而得到卡口间的最小时间阈值。通过将同号牌车辆轨迹中相邻时间的两个卡口过车时间与相应的卡口间最小时间阈值对比,以及车辆的车身颜色、型号等信息与在车辆管理部门所对应注册的信息的对比,从而判定出套牌嫌疑车辆。
Description
技术领域
本发明涉及大数据技术,尤其涉及一种基于大数据的***辆识别方法。
背景技术
***是指没有办理入户手续,盗用或伪造别的汽车车牌行驶的汽车,以达到在发生违章和交通事故时逃避责任的目的。我国道路交通安全法明确的禁止***辆,其中第九十六条规定:伪造、变造或者使用伪造、变造的机动车登记证书、号牌、行驶证、检验合格标志、保险标志、驾驶证或者使用其他车辆的机动车登记证书、号牌、行驶证、检验合格标志、保险标志的,由公安机关交通管理部门予以收缴、扣留该机动车,并处200元以上2000元以下罚款;构成犯罪的依法追究刑事责任。
当汽车行驶在道路上时,车牌是该车的唯一身份标识,是交通部门管理车辆的重要凭证。***的存在具有极大的危害,其严重影响了正常的道路交通秩序。侵犯了国家和他人的合法权益,同时也给交通管理工作和车辆管理带来了困难,特别是一些重、特大道路交通事故难以侦破,以致被害人得不到救治和赔偿。由于***肇事不怕被发现,往往在公路上横冲直窜,不按道行驶,超速行驶,占道行驶,有的甚至还逆向行驶,严重影响道路的交通秩序。***辆一般可以分为以下两类:一是公安交通管理部门核发的真号牌,二是纯粹伪造的号牌。真号牌是指号牌是确实存在的,但存在多辆车对应同一号牌的情况。对于这种情况,一般情况下交警是很难识别和查纠的。
近年来随着改革开放的进一步深入,人民生活水平不断提高,汽车已经逐步走入寻常百姓的家中,因此车辆的数目迅猛增长。统计数据显示,2000年我国家用汽车有1608.91万辆车,而到2008年车辆猛增到6467.21万辆,是2000年的4.02倍。同时,当前***辆对社会正常秩序的危害是巨大的,当前***辆异常猖撅,仅东莞一个城市警方掌握的***辆就有2万辆,其仅给国家造成的财政损失超过千万,这还不包括因***辆肇事等给地方警力断案以及扰***通秩序所带来的损失。因***辆所引起的各种违法犯罪现象时见报端。因此对于***的自动化、智能的识别的需求就尤为迫切。
大数据(Big data)通常用来形容一个公司创造的大量非结构化数据和半结构化数据,这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。大数据分析常和云计算联系到一起,因为实时的大型数据集分析需要像MapReduce、HBase一样的框架来向数十、数百或甚至数千的电脑分配工作。大数据分析相比于传统的数据仓库应用,具有数据量大、查询分析复杂等特点。大数据需要特殊的技术,以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术,包括大规模并行处理(MPP)数据库、数据挖掘电网、分布式文件***、分布式数据库、云计算平台、互联网和可扩展的存储***。
发明内容
本发明采用基于大数据的方法,可以对一般情况下交警很难识别和查纠的套牌嫌疑车辆进行自动的识别和提示。一种基于大数据的***辆识别方法,通过大数据技术,在大数据量的情况下,快速的智能的识别出存在套牌嫌疑的车辆。该方法由3部分组成:(1)卡口间最小时间阈值的计算和最小时间阈值矩阵的建立。(2)同号牌车辆某时间范围内的轨迹的获取。(3)套牌嫌疑车辆的分析和识别。
结合现有的GIS***及卡口设备的位置信息,获取各个卡口设备之间的最短路径和最大行驶速度。继而得到卡口间的最小时间阈值。通过将同号牌车辆轨迹中相邻时间的两个卡口过车时间与相应的卡口间最小时间阈值对比,以及车辆的车身颜色、型号等信息与在车辆管理部门所对应注册的信息的对比,从而判定出套牌嫌疑车辆。
判断某车牌是否存在套牌现象的基本思想是根据车辆在时空上的矛盾冲突。首先需要获得相同号牌车辆在不同的两地出现的时间差(T),然后根据车辆在该段时间内所能行驶的最大距离(Smin)与这两地之间实际行驶的最短距离(Smin)进行比较。当Smax< Smin时,则可以判定该车辆存在套牌嫌疑。
在本方法中,有两个因素最为关键:一是A、B两地之间的最短路径Smin;二是车辆行驶的最大距离Smax。这两个变量的获得都依赖于真实的地理环境和交通拥堵状况。基于方便计算的考虑,本方法提出了两个基于GIS***计算Smin和Smax的方法。
Smax = Vmax * T
Smin = Vmax * Tmin
其中Vmax是指两地之间按照交管规定车辆所能行驶到的最大速度。我们可以通过GIS***获取相关道路的最高限速等信息来设定Vmax值。所以对于Smin和Smax的比较,就可以转化为对T和Tmin的比较。T可以通过同号牌车辆轨迹相邻的两个过车时间的差值取得。我们只需获得两个卡口之间的最短距离即Smin,从而就可以求得Tmin进行比较。
通过GIS***,我们可以得到一个以道路路口(十字路口或丁字路口)和卡口为顶点,Tmin为权值的有向图。普通道路为双向通行,且双向的长度与限速通行状况基本相同。对于单行线道路,正向的权值按照上述方式计算,而反向的权值设定为正无穷。通过最短路径算法(例如Dijkstra算法或A*算法)即可求得两个卡口之间最短的Tmin值。对于N个卡口的区域,可以得到一个N*N的卡口最小时间阈值矩阵。
之后使用mapreduce的方式,对目标卡口范围内,获取同一号牌的车辆轨迹。在map函数中,取得各个卡口的每一条过车信息,将车辆的号牌号码作为key,过车时间、卡口编号、车型、车辆颜色等其他信息作为value传递给reduce。在reduce函数中,对同一个key的数据进行处理,并根据过车时间进行排序,最后就可以得到同一号牌车辆完整行驶轨迹。并将相邻卡口之间按照:“卡口1,卡口2,车牌,T值”类似的方式进行输出。之后再使用一个map函数,对前一步输出的T值与相应的卡口最小时间阈值矩阵中的元素对应比较。如果T<Tmin,则认为该车辆有套牌的嫌疑。
通过卡口间最小时间阈值的计算和最小时间阈值矩阵的建立,同号牌车辆某时间范围内的轨迹的获取, 在大数据量的情况下,快速的智能的识别出存在套牌嫌疑的车辆。
附图说明
图1是路口和卡口建立示意图。
图2是原始数据图。
图3是经过处理后的结果图。
具体实施方式
[0017] 下面对本发明的内容进行更加详细的阐述:
1、通过GIS***,为一定范围内的路口和卡口建立图(例如附图1)。S,A,B,C,D,E为卡口和路口,边的权值为两个路口或卡口之间的Tmin值;
2、通过最短路径算法可知,有卡口S到卡口D的最短路径为S-B-E-D,对应的Tmin值为20 (7+8+5)。由此可以确定定卡口间最小时间阈值。从而进一步可以得到卡口间最小时间阈值矩阵;
3、通过mapreduce方式,获取同一号牌车辆的轨迹数据。例如原始数据如图2。在map阶段读取每一条数据,并将车牌号码作为Key。相同车牌号码的记录将进入同一个Reduce中进行处理。在Reduce中对同一个车牌号码的记录按照过车时间进行排序,例如经过处理后,号牌为鲁A***50的结果如图3;
4、对相邻时间的两个记录进行比较,例如在鲁A***50卡口S和卡口D之间的时间T为11分40.06秒。通过与步骤2中求得的Tmin比较,得知T<Tmin。所以可以判定号牌为鲁A***50车辆存在套牌的嫌疑。
Claims (4)
1.一种基于大数据的***辆识别方法,其特征在于,该方法由3部分组成:
(1)卡口间最小时间阈值的计算和最小时间阈值矩阵的建立;
(2)同号牌车辆某时间范围内的轨迹的获取;
(3)套牌嫌疑车辆的分析和识别。
2.根据权利要求1所述的方法,其特征在于,结合现有的GIS***及卡口设备的位置信息,获取各个卡口设备之间的最短路径和最大行驶速度;继而得到卡口间的最小时间阈值;通过将同号牌车辆轨迹中相邻时间的两个卡口过车时间与相应的卡口间最小时间阈值对比,以及车辆的车身颜色、型号等信息与在车辆管理部门所对应注册的信息的对比,从而判定出套牌嫌疑车辆。
3.根据权利要求2所述的方法,其特征在于,通过GIS***获取相关道路的最高限速等信息来设定最大行驶速度。
4.根据权利要求3所述的方法,其特征在于,同号牌车辆轨迹中相邻时间的两个卡口过车时间小于相应的卡口间最小时间阈值时,该车辆有套牌的嫌疑。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410744639.0A CN104517445A (zh) | 2014-12-09 | 2014-12-09 | 一种基于大数据的***辆识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410744639.0A CN104517445A (zh) | 2014-12-09 | 2014-12-09 | 一种基于大数据的***辆识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104517445A true CN104517445A (zh) | 2015-04-15 |
Family
ID=52792680
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410744639.0A Pending CN104517445A (zh) | 2014-12-09 | 2014-12-09 | 一种基于大数据的***辆识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104517445A (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105513368A (zh) * | 2015-11-26 | 2016-04-20 | 银江股份有限公司 | 一种基于不确定信息的假牌车筛选方法 |
CN105654730A (zh) * | 2015-12-31 | 2016-06-08 | 公安部交通管理科学研究所 | 一种基于卡口过车大数据分析的***认定方法 |
CN105684059A (zh) * | 2016-01-19 | 2016-06-15 | 冯旋宇 | 智能交通的违章识别方法及*** |
CN105702047A (zh) * | 2016-03-04 | 2016-06-22 | 浙江宇视科技有限公司 | 一种套***中车牌识别错误过滤方法及装置 |
CN105719489A (zh) * | 2016-03-24 | 2016-06-29 | 银江股份有限公司 | 一种基于卡口车辆流向概率的***检测方法 |
CN106297305A (zh) * | 2016-09-18 | 2017-01-04 | 河南工业大学 | 一种结合牌照识别和路径优化的***分层检测方法 |
CN106599905A (zh) * | 2016-11-25 | 2017-04-26 | 杭州中奥科技有限公司 | 一种基于深度学习的***分析方法 |
CN108694858A (zh) * | 2018-07-20 | 2018-10-23 | 谭智 | 一种基于区块链技术进行停车管理的方法及其*** |
CN109272034A (zh) * | 2018-09-07 | 2019-01-25 | 佳都新太科技股份有限公司 | 一种漏检车牌预测方法及处理终端 |
CN109859492A (zh) * | 2019-03-27 | 2019-06-07 | 成都市公安科学技术研究所 | 一种识别***的***和方法 |
CN110164137A (zh) * | 2019-05-17 | 2019-08-23 | 湖南科创信息技术股份有限公司 | 基于卡口对行车时间的***辆的识别方法及***、介质 |
CN110164136A (zh) * | 2019-03-29 | 2019-08-23 | 重庆市城投金卡信息产业(集团)股份有限公司 | ***辆识别方法 |
CN110503057A (zh) * | 2019-08-27 | 2019-11-26 | 腾讯科技(深圳)有限公司 | 一种信息处理方法、装置、检测节点设备及存储介质 |
CN110910648A (zh) * | 2019-12-18 | 2020-03-24 | 航天信息股份有限公司 | 一种基于区块链的非法车辆纠察方法及*** |
CN111369805A (zh) * | 2020-01-09 | 2020-07-03 | 杭州海康威视***技术有限公司 | 套牌检测的方法、装置、电子设备及计算机可读存储介质 |
CN111369804A (zh) * | 2019-07-05 | 2020-07-03 | 杭州海康威视***技术有限公司 | 一种车辆数据处理方法、装置、电子设备、存储介质 |
CN112735144A (zh) * | 2020-12-28 | 2021-04-30 | 浙江大华技术股份有限公司 | 套牌识别方法、装置、计算机设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005284476A (ja) * | 2004-03-29 | 2005-10-13 | Nec Corp | 運転者管理システム、運転者管理方法、移動体、移動体識別装置及び管理装置 |
CN102881169A (zh) * | 2012-09-26 | 2013-01-16 | 青岛海信网络科技股份有限公司 | ***的检测方法 |
KR101393391B1 (ko) * | 2012-12-28 | 2014-05-12 | 한밭대학교 산학협력단 | 임베디드 시스템 기반의 차량 번호판 인식 방법 |
CN103871247A (zh) * | 2014-03-05 | 2014-06-18 | 浙江宇视科技有限公司 | 一种自动获得各相机拍摄点间最小时间的方法和装置 |
CN103914986A (zh) * | 2014-03-14 | 2014-07-09 | 浙江宇视科技有限公司 | 一种套***的方法和装置 |
-
2014
- 2014-12-09 CN CN201410744639.0A patent/CN104517445A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005284476A (ja) * | 2004-03-29 | 2005-10-13 | Nec Corp | 運転者管理システム、運転者管理方法、移動体、移動体識別装置及び管理装置 |
CN102881169A (zh) * | 2012-09-26 | 2013-01-16 | 青岛海信网络科技股份有限公司 | ***的检测方法 |
KR101393391B1 (ko) * | 2012-12-28 | 2014-05-12 | 한밭대학교 산학협력단 | 임베디드 시스템 기반의 차량 번호판 인식 방법 |
CN103871247A (zh) * | 2014-03-05 | 2014-06-18 | 浙江宇视科技有限公司 | 一种自动获得各相机拍摄点间最小时间的方法和装置 |
CN103914986A (zh) * | 2014-03-14 | 2014-07-09 | 浙江宇视科技有限公司 | 一种套***的方法和装置 |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105513368A (zh) * | 2015-11-26 | 2016-04-20 | 银江股份有限公司 | 一种基于不确定信息的假牌车筛选方法 |
CN105654730A (zh) * | 2015-12-31 | 2016-06-08 | 公安部交通管理科学研究所 | 一种基于卡口过车大数据分析的***认定方法 |
CN105654730B (zh) * | 2015-12-31 | 2018-07-31 | 公安部交通管理科学研究所 | 一种基于卡口过车大数据分析的***认定方法 |
WO2017124302A1 (zh) * | 2016-01-19 | 2017-07-27 | 冯旋宇 | 智能交通的违章识别方法及*** |
CN105684059A (zh) * | 2016-01-19 | 2016-06-15 | 冯旋宇 | 智能交通的违章识别方法及*** |
CN105702047A (zh) * | 2016-03-04 | 2016-06-22 | 浙江宇视科技有限公司 | 一种套***中车牌识别错误过滤方法及装置 |
CN105702047B (zh) * | 2016-03-04 | 2018-06-05 | 浙江宇视科技有限公司 | 一种套***中车牌识别错误过滤方法及装置 |
CN105719489A (zh) * | 2016-03-24 | 2016-06-29 | 银江股份有限公司 | 一种基于卡口车辆流向概率的***检测方法 |
CN106297305A (zh) * | 2016-09-18 | 2017-01-04 | 河南工业大学 | 一种结合牌照识别和路径优化的***分层检测方法 |
CN106599905A (zh) * | 2016-11-25 | 2017-04-26 | 杭州中奥科技有限公司 | 一种基于深度学习的***分析方法 |
CN108694858A (zh) * | 2018-07-20 | 2018-10-23 | 谭智 | 一种基于区块链技术进行停车管理的方法及其*** |
CN108694858B (zh) * | 2018-07-20 | 2019-12-27 | 谭智 | 一种基于区块链技术进行停车管理的方法及其*** |
CN109272034A (zh) * | 2018-09-07 | 2019-01-25 | 佳都新太科技股份有限公司 | 一种漏检车牌预测方法及处理终端 |
CN109859492A (zh) * | 2019-03-27 | 2019-06-07 | 成都市公安科学技术研究所 | 一种识别***的***和方法 |
CN110164136A (zh) * | 2019-03-29 | 2019-08-23 | 重庆市城投金卡信息产业(集团)股份有限公司 | ***辆识别方法 |
CN110164136B (zh) * | 2019-03-29 | 2021-05-04 | 重庆市城投金卡信息产业(集团)股份有限公司 | ***辆识别方法 |
CN110164137A (zh) * | 2019-05-17 | 2019-08-23 | 湖南科创信息技术股份有限公司 | 基于卡口对行车时间的***辆的识别方法及***、介质 |
CN111369804A (zh) * | 2019-07-05 | 2020-07-03 | 杭州海康威视***技术有限公司 | 一种车辆数据处理方法、装置、电子设备、存储介质 |
CN111369804B (zh) * | 2019-07-05 | 2022-04-05 | 杭州海康威视***技术有限公司 | 一种车辆数据处理方法、装置、电子设备、存储介质 |
CN110503057A (zh) * | 2019-08-27 | 2019-11-26 | 腾讯科技(深圳)有限公司 | 一种信息处理方法、装置、检测节点设备及存储介质 |
CN110910648A (zh) * | 2019-12-18 | 2020-03-24 | 航天信息股份有限公司 | 一种基于区块链的非法车辆纠察方法及*** |
CN111369805A (zh) * | 2020-01-09 | 2020-07-03 | 杭州海康威视***技术有限公司 | 套牌检测的方法、装置、电子设备及计算机可读存储介质 |
CN111369805B (zh) * | 2020-01-09 | 2021-08-06 | 杭州海康威视***技术有限公司 | 套牌检测的方法、装置、电子设备及计算机可读存储介质 |
CN112735144A (zh) * | 2020-12-28 | 2021-04-30 | 浙江大华技术股份有限公司 | 套牌识别方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104517445A (zh) | 一种基于大数据的***辆识别方法 | |
DE102018112118A1 (de) | Verfahren und systeme zum verwenden einer blockchain-datenbank zum austausch von daten zwischen fahrzeugen und entitäten | |
CN105575118B (zh) | 一种失驾人员筛选方法 | |
CN103116989B (zh) | 基于智慧城市的***车辆的捕获方法 | |
CN104200669A (zh) | 一种基于Hadoop的***识别方法及*** | |
CN106022296B (zh) | 一种基于车辆热点区域的概率聚合的***检测方法 | |
CN106251635A (zh) | 一种套牌嫌疑车牌号的识别方法及*** | |
CN101587643B (zh) | 一种***的识别方法 | |
CN106846801A (zh) | 一种基于车辆轨迹的区域徘徊异常行为检测方法 | |
DE102015100812A1 (de) | Verfahren zum Verwenden von Strassenniveaubildern zum Verbessern eines Modus eines automatisierten Fahrens für ein Fahrzeug | |
CN106297304A (zh) | 一种基于MapReduce面向大规模卡口数据的***识别方法 | |
CN103310202A (zh) | 一种保障驾驶安全的***及其方法 | |
CN110060484A (zh) | 一种基于区块链的公路客运违章实时预警***及方法 | |
CN103413440A (zh) | 基于智慧城市数据仓库和识别规则库的***识别方法 | |
CN103700262B (zh) | 一种***车辆的区域自动捕获方法 | |
CN108074400A (zh) | 一种基于海量数据分析的重点车辆分析模型 | |
Szénási et al. | Statistical accident analysis supporting the control of autonomous vehicles | |
CN111899517B (zh) | 一种高速公路疲劳驾驶违法行为判定方法 | |
CN104616236A (zh) | 警用手持多功能装置 | |
CN103971519A (zh) | 一种利用交通冲突判别事故易发路段的方法及其*** | |
Sharma et al. | Automatic license plate recognition using optical character recognition and template matching on yellow color license plate | |
Hezaveh et al. | Pedestrian crashes in Tennessee: A data mining approach | |
Qian | Real-time incident detection using social media data. | |
Dewi | Supervision and Law Enforcement on Intelligent Transportation Systems on the Highway | |
Zheng et al. | Analyses of multiyear statewide secondary crash data and automatic crash report reviewing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150415 |