CN107204117A - ***的识别方法 - Google Patents
***的识别方法 Download PDFInfo
- Publication number
- CN107204117A CN107204117A CN201610161783.0A CN201610161783A CN107204117A CN 107204117 A CN107204117 A CN 107204117A CN 201610161783 A CN201610161783 A CN 201610161783A CN 107204117 A CN107204117 A CN 107204117A
- Authority
- CN
- China
- Prior art keywords
- license plate
- plate number
- test point
- latitude
- fake
- 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
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
本发明提出了一种***的识别方法,包括:1.对检测点编号;2.创建经纬度坐标表、行车记录表和***信息表;3.检测点检测出某车牌后将数据上传;4.检索该车牌号,如果存在则进入步骤5,否则进入步骤9;5.计算时间差;6.根据检测点编号检索出经纬度坐标,计算出实际距离;7.根据时间差计算理论最大直线距离,如果小于实际距离,则为套牌;8.将接收的数据存储到该车牌号所在记录,返回步骤3;9.新建一条记录存储接收数据。本发明利用同一辆车在一段时间内不可能行驶超过这段时间的最大直线理论距离的原理,通过计算距离识别出***,计算量小,适合在市内、跨市、跨省甚至全国联网运行,检测范围越大,识别效率越高。
Description
技术领域
本发明涉及智能交通技术领域,尤其是涉及一种***的识别方法。
背景技术
一副车牌同时被另一辆车或几辆车使用,称另一辆车或几辆车为***。近年来,随着经济的迅猛发展,城市机动车保有量日益增长,随之而来的***现象日趋泛滥。有的是根据原车的所有参数进行整套复制,有的是在车牌上用变号贴进行改号等等。套牌行为不但规避了国家规费的征收,还损害了车主的利益,同时也扰乱了正常的交通秩序,给社会带来一定的不稳定因素。如何有效识别***成为交通管理部门的一个难题。
目前识别***主要通过比对车辆信息实现,即通过检测设备识别出经过该检测点的车辆信息,并将车辆的具体信息包括车型、车身颜色、车标等与交通管理中心数据库中相同号牌号码的车辆信息进行比对。如果比对发现两者的信息不同,则认为该车为***。然而,该方法仅适用于车辆信息不同的***。但是,目前的***绝大多数都具有与原车相同的车型、车标和车身颜色,因此通过该方法很难识别出上述***。此外,车型、车标和车身颜色的识别在技术上尚不成熟,因此应用该方法在技术上也有一定的难度。
有人提出利用同一车辆经过相邻两个检测点的时间不可能小于最小时间阈值的原理来识别***的方法,例如中国专利文献《一种***的识别方法》(CN101587643A)、中国专利文献《***的检测方法》(CN102881169A)、中国专利文献《高效实时的车辆套牌嫌疑分析方法及其装置》(CN102436746A)。这种方法存在以下缺点:
(1)需要预先存储所有检测点两两之间的时间阈值,需要存储的数据量随着检测点的增多呈平方数增长,数据量非常巨大,计算机难以实现,因此由于检测点数量的限制难以实现跨市或者跨省甚至全国联网运行。
(2)由于检测点分布范围很广,根本无法直接得到相距较远的两个检测点的时间阈值。在同一个路段的不同的时间段,该阈值也会不同,因此识别结果不准确。
中国专利文献《一种***识别方法和***》(CN102945605A)通过检测某个车牌的车辆进入和驶出检测点的时间段,将所有的检测点两两组合,判断每组检测点对应的时间段在时间上是否重叠,如果重叠则认为该车牌号为套牌。这种方法存在以下缺点:
(1)由于车辆经过检测点的时间段非常短,所以即使某个车辆为***,也很可能由于它们没有同时经过检测点,导致时间段上并没有重合,无法检测出该***辆,所以识别效率非常低。
中国专利文献《***辆的检测装置、检测***》(CN202677616U)通过检测出某个车牌号的车辆经过相邻两个检测点的时间段,统计该时间段内的不同的车牌号码数来计算出车流量,再结合相邻检测点的参数配置表中的自由行驶速度和阻塞密度计算出该时间段内的合理的车速阈值,根据这两个检测点的实际距离以及时间段长度计算出该时间段内的平均车速,如果该平均车速大于车速阈值则认为该车牌号为套牌。这种方法存在以下缺点:
(1)为了检测某一个车牌号是否为套牌,需要对一段时间内该路段的车流量进行统计,再根据自由行驶速度和阻塞密度模型计算出车速阈值,计算量大,操作复杂,可靠度受自由行驶速度和阻塞密度模型影响大,识别准确率较低。
发明内容
本发明的目的是要克服现有技术中存在的上述问题。本发明提出了一种***的识别方法,该方法利用同一辆车在一段时间内不可能行驶超过这段时间的最大直线理论距离的原理,在检测到某个车牌号时根据本次检测时间与上一次检测时间之差乘以最高车速得到理论上该车辆位置与上一次车辆位置的最大直线距离,再根据检测到该车牌号的检测点的经纬度坐标与上一次检测到该车牌号的检测点的经纬度坐标计算出实际的直线距离。将两个距离相比较,如果实际距离大于最大直线距离,则认为该车牌号为套牌。该方法计算量小,适合城市内、跨市、跨省甚至全国联网运行,检测范围越大,识别效率越高。
本发明的目的是这样实现的。本发明提供了一种***的识别方法,包括以下步骤:
步骤1,对所有的道路交通检测点进行依次编号1,2,3...;
步骤2,在道路交通管理中心的服务器数据库中创建一个经纬度坐标表,经纬度坐标表中的每条记录有三个字段,分别为检测点编号字段、经度坐标字段和纬度坐标字段,表中第一条记录存储编号为1的检测点的检测点编号、经度坐标和纬度坐标,按照这种顺序依次存储所有的检测点编号和经纬度坐标,在道路交通管理中心服务器数据库中创建一个行车记录表,行车记录表中每条记录有三个字段,分别为车牌号字段、检测时间字段和检测点编号字段,在道路交通管理中心服务器数据库中创建一个***信息表,每条记录有一个字段,即车牌号字段;
步骤3,道路交通检测点对经过车辆的车牌号进行检测,检测到车牌号后将该车牌号、检测到该车牌号时的时间、检测点的编号通过网络一同上传至道路交通管理中心的服务器;
步骤4,服务器接收到车牌号、检测时间、检测点编号信息后,利用接收到的车牌号作为检索条件对服务器数据库中行车记录表所有记录的车牌号字段进行检索,如果检索到车牌号相同的记录则进入步骤5,否则进入步骤9;
步骤5,计算步骤4中接收到的检测时间与步骤4中检索到的记录中检测时间字段的检测时间之差T;
步骤6,在道路交通管理中心服务器数据库经纬度坐标表中根据步骤4中接收到的检测点编号检索出其对应的经纬度坐标值(x1,y1),根据步骤4中检索到的记录中的检测点编号检索出其对应的经纬度坐标值(x2,y2),计算出两个经纬度坐标之间的实际直线距离L1;
步骤7,将步骤5中得到的时间差T乘以最高限速U得到距离L2,将L2与步骤6中得到实际直线距离L1进行比较,如果L1>L2,则说明该车牌号的车辆一定存在套牌行为,在***信息表中新建一条记录,将该车牌号存储到***信息表新建记录的车牌号字段中,如果L1<=L2,则该车牌号的车辆暂时排除套牌嫌疑,不对该车牌号进行处理;
步骤8,将步骤4中接收到的检测时间、检测点编号分别存储在服务器数据库行车记录表中该车牌号所在记录的检测时间字段和检测点编号字段中,覆盖掉这两个字段以前存储的数据,返回步骤3;
步骤9,在服务器数据库行车记录表中新建一条记录,将步骤4中接收到的车牌号、检测时间、检测点编号分别存储在新建记录的车牌号字段、检测时间字段、检测点编号字段中,返回步骤3。
优选的,步骤2中所述检测点的经纬度坐标从电子地图中获取,行车记录表中的所有记录按照车牌号字段大小进行排序。
优选的,所述步骤5中,用较晚的检测时间减掉较早的检测时间,时间差T为正值,单位为秒。
优选的,所述步骤6中,距离L1的精确计算公式如下:C=sin(y1)*sin(y2)+cos(y1)*cos(y2)*cos(x1-x2),L1=R*arccos(C)*π/180,其中C为中间变量,x1,x2,y1,y2分别为两个点的经度坐标值和纬度坐标值,单位为度,R为地球平均半径,单位为米,R=6371004米,L1为计算出的两个经纬度坐标之间的实际直线距离,单位为米。
优选的,所述步骤6中,距离L1的粗略计算公式如下:其中x1,x2,y1,y2分别为两个点的经度坐标值和纬度坐标值,单位为度,L1为计算出的两个经纬度坐标之间的实际直线距离,单位为米。
优选的,所述步骤7中,最高限速U为8-39,根据城市道路最高限速来确定,单位为米每秒。
优选的,所述步骤7中,识别出***之后通过点亮警示信号灯,发出报警声的方式提醒公安交警。
与背景技术相比,本发明具有以下优点:
(1)本方法只需要在识别出某个车牌号后进行两次简单的距离计算即可,如果该车牌号存在套牌行为就一定可以判断出来,计算量小,识别效率高,可以实时在线运行。
(2)该方法适合在城市内、跨市、跨省甚至全国范围内联网运行,检测范围越大,识别效率越高。
(3)该方法可以在识别出***之后定位出该***所在的检测点,有利于当地交警部门进行查处。
附图说明
图1为本发明所述方法的工作流程示意图。
具体实施方式
本发明所述方法需要在各检测点布置可以识别车牌号的摄像头,识别出的车牌号等数据可以通过网络上传至交通管理中心的服务器,所有的摄像头通过网络进行时间同步。具体实施步骤如下:
步骤1,对监测范围内的所有道路交通检测点的摄像头从1开始依次进行编号,将每个摄像头的检测点编号分别写入摄像头的flash存储空间中。
步骤2,在道路交通管理中心的服务器中安装SQL数据库,在SQL数据库中创建一个经纬度坐标表,经纬度坐标表中的每条记录有三个字段,分别为检测点编号字段、经度坐标字段和纬度坐标字段,检测点编号字段数据类型为int整型,经纬度坐标字段数据类型为float(24)单精度浮点型,经纬度坐标表中第一条记录存储编号为1的摄像头的检测点编号、经度坐标和纬度坐标,按照这种顺序依次存储所有摄像头的检测点编号和对应的经纬度坐标,各个检测点的经纬度坐标从电子地图中获取,在道路交通管理中心服务器SQL数据库中创建一个行车记录表,行车记录表中每条记录有三个字段,分别为车牌号字段、检测时间字段和检测点编号字段,车牌号字段数据类型为char字符型,检测时间字段数据类型为time时间型,检测点编号字段数据类型为int整型,行车记录表中所有记录按照车牌号大小从小到大依次排序存放,在道路交通管理中心服务器SQL数据库中创建一个***信息表,每条记录有一个字段,即车牌号字段,数据类型为char字符型。
步骤3,道路交通检测点的摄像头对经过车辆的车牌号进行检测,检测到车牌号后将该车牌号、检测到该车牌号时的时间、摄像头的检测点编号通过网络一同上传至道路交通管理中心的服务器。
步骤4,道路交通管理中心的服务器接收到车牌号、检测时间、摄像头的检测点编号信息后,利用接收到的车牌号作为检索条件对服务器SQL数据库中行车记录表所有记录的车牌号字段进行检索,如果检索到车牌号相同的记录则进入步骤5,否则进入步骤9。
步骤5,将步骤4中接收到的检测时间与步骤4中检索到的记录中检测时间字段的检测时间相比较,用较晚的检测时间减掉较早的检测时间得到时间差T,T为正值,单位为秒。
步骤6,在道路交通管理中心服务器数据库经纬度坐标表中根据步骤4中接收到的检测点编号检索出其对应的经纬度坐标值(x1,y1),根据步骤4中检索到的记录中的检测点编号检索出其对应的经纬度坐标值(x2,y2),按照公式计算出这两个经纬度坐标之间的实际直线距离L1,其中x1,x2,y1,y2分别为两个点的经度坐标值和纬度坐标值,单位为度,L1为计算出的两个经纬度坐标之间的实际直线距离,单位为米。
步骤7,如果城市道路最高限速为70千米每小时,则最高限速U取19米每秒,将步骤5中得到的时间差T乘以最高限速U得到理论最大直线距离L2,将L2与步骤6中得到实际直线距离L1进行比较,如果L1>L2,则说明该车牌号的车辆一定存在套牌行为,在SQL数据库***信息表中新建一条记录,将该车牌号存储到***信息表中新建记录的车牌号字段中,通过点亮警示信号灯,发出报警声的方式提醒公安交警检测到***辆。如果L1<=L2,则该车牌号的车辆暂时排除套牌嫌疑,不对该车牌号进行处理。
步骤8,将步骤4中接收到的检测时间、检测点编号分别存储在服务器SQL数据库行车记录表中该车牌号所在记录的检测时间字段和检测点编号字段中,覆盖掉这两个字段以前存储的数据,返回步骤3。
步骤9,在服务器数据库行车记录表中新建一条记录,将步骤4中接收到的车牌号、检测时间、检测点编号分别存储在新建记录的车牌号字段、检测时间字段、检测点编号字段中,返回步骤3。
Claims (7)
1.一种***的识别方法,其特征在于,包括如下步骤:
步骤1,对所有的道路交通检测点进行依次编号1,2,3...;
步骤2,在道路交通管理中心的服务器数据库中创建一个经纬度坐标表,经纬度坐标表中的每条记录有三个字段,分别为检测点编号字段、经度坐标字段和纬度坐标字段,表中第一条记录存储编号为1的检测点的检测点编号、经度坐标和纬度坐标,按照这种顺序依次存储所有的检测点编号和经纬度坐标,在道路交通管理中心服务器数据库中创建一个行车记录表,行车记录表中每条记录有三个字段,分别为车牌号字段、检测时间字段和检测点编号字段,在道路交通管理中心服务器数据库中创建一个***信息表,每条记录有一个字段,即车牌号字段;
步骤3,道路交通检测点对经过车辆的车牌号进行检测,检测到车牌号后将该车牌号、检测到该车牌号时的时间、检测点的编号通过网络一同上传至道路交通管理中心的服务器;
步骤4,服务器接收到车牌号、检测时间、检测点编号信息后,利用接收到的车牌号作为检索条件对服务器数据库中行车记录表所有记录的车牌号字段进行检索,如果检索到车牌号相同的记录则进入步骤5,否则进入步骤9;
步骤5,计算步骤4中接收到的检测时间与步骤4中检索到的记录中检测时间字段的检测时间之差T;
步骤6,在道路交通管理中心服务器数据库经纬度坐标表中根据步骤4中接收到的检测点编号检索出其对应的经纬度坐标值(x1,y1),根据步骤4中检索到的记录中的检测点编号检索出其对应的经纬度坐标值(x2,y2),计算出两个经纬度坐标之间的实际直线距离L1;
步骤7,将步骤5中得到的时间差T乘以最高限速U得到距离L2,将L2与步骤6中得到实际直线距离L1进行比较,如果L1>L2,则说明该车牌号的车辆一定存在套牌行为,在***信息表中新建一条记录,将该车牌号存储到***信息表新建记录的车牌号字段中,如果L1<=L2,则该车牌号的车辆暂时排除套牌嫌疑,不对该车牌号进行处理;
步骤8,将步骤4中接收到的检测时间、检测点编号分别存储在服务器数据库行车记录表中该车牌号所在记录的检测时间字段和检测点编号字段中,覆盖掉这两个字段以前存储的数据,返回步骤3;
步骤9,在服务器数据库行车记录表中新建一条记录,将步骤4中接收到的车牌号、检测时间、检测点编号分别存储在新建记录的车牌号字段、检测时间字段、检测点编号字段中,返回步骤3。
2.根据权利要求1所述一种***的识别方法,其特征在于:所述步骤2中,检测点的经纬度坐标从电子地图中获取,行车记录表中的所有记录按照车牌号字段大小进行排序。
3.根据权利要求1所述一种***的识别方法,其特征在于:所述步骤5中,用较晚的检测时间减掉较早的检测时间,时间差T为正值,单位为秒。
4.根据权利要求1所述一种***的识别方法,其特征在于:所述步骤6中,距离L1的精确计算公式如下:C=sin(y1)*sin(y2)+cos(y1)*cos(y2)*cos(x1-x2),L1=R*arccos(C)*π/180,其中C为中间变量,x1,x2,y1,y2分别为两个点的经度坐标值和纬度坐标值,单位为度,R为地球平均半径,单位为米,R=6371004米,L1为计算出的两个经纬度坐标之间的实际直线距离,单位为米。
5.根据权利要求1所述一种***的识别方法,其特征在于:所述步骤6中,距离L1的粗略计算公式如下:其中x1,x2,y1,y2分别为两个点的经度坐标值和纬度坐标值,单位为度,L1为计算出的两个经纬度坐标之间的实际直线距离,单位为米。
6.根据权利要求1所述一种***的识别方法,其特征在于:所述步骤7中,最高限速U为8-39,根据城市道路最高限速来确定,单位为米每秒。
7.根据权利要求1所述一种***的识别方法,其特征在于:所述步骤7中,识别出***之后通过点亮警示信号灯,发出报警声的方式提醒公安交警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610161783.0A CN107204117A (zh) | 2016-03-20 | 2016-03-20 | ***的识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610161783.0A CN107204117A (zh) | 2016-03-20 | 2016-03-20 | ***的识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107204117A true CN107204117A (zh) | 2017-09-26 |
Family
ID=59904726
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610161783.0A Pending CN107204117A (zh) | 2016-03-20 | 2016-03-20 | ***的识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107204117A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107798879A (zh) * | 2017-10-25 | 2018-03-13 | 济南浪潮高新科技投资发展有限公司 | 一种智能识别***的方法 |
CN108022427A (zh) * | 2017-10-30 | 2018-05-11 | 深圳市赛亿科技开发有限公司 | 一种***辆的识别方法及*** |
CN108281003A (zh) * | 2018-01-30 | 2018-07-13 | 中兴智能交通股份有限公司 | 一种***的识别方法和装置 |
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 |
CN110164140A (zh) * | 2019-06-05 | 2019-08-23 | 上海易点时空网络有限公司 | 套牌检测***及装置 |
CN110176145A (zh) * | 2019-05-28 | 2019-08-27 | 中国科学技术大学 | ***的检测方法及装置、卡口 |
CN111402574A (zh) * | 2018-12-13 | 2020-07-10 | 阿里巴巴集团控股有限公司 | 车辆检测方法、装置、设备和存储介质 |
CN113095281A (zh) * | 2021-04-29 | 2021-07-09 | 平安国际智慧城市科技股份有限公司 | ***识别方法、装置、电子设备及存储介质 |
-
2016
- 2016-03-20 CN CN201610161783.0A patent/CN107204117A/zh active Pending
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107798879A (zh) * | 2017-10-25 | 2018-03-13 | 济南浪潮高新科技投资发展有限公司 | 一种智能识别***的方法 |
CN108022427A (zh) * | 2017-10-30 | 2018-05-11 | 深圳市赛亿科技开发有限公司 | 一种***辆的识别方法及*** |
CN108281003A (zh) * | 2018-01-30 | 2018-07-13 | 中兴智能交通股份有限公司 | 一种***的识别方法和装置 |
CN111402574A (zh) * | 2018-12-13 | 2020-07-10 | 阿里巴巴集团控股有限公司 | 车辆检测方法、装置、设备和存储介质 |
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 |
CN110176145A (zh) * | 2019-05-28 | 2019-08-27 | 中国科学技术大学 | ***的检测方法及装置、卡口 |
CN110164140A (zh) * | 2019-06-05 | 2019-08-23 | 上海易点时空网络有限公司 | 套牌检测***及装置 |
CN113095281A (zh) * | 2021-04-29 | 2021-07-09 | 平安国际智慧城市科技股份有限公司 | ***识别方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107204117A (zh) | ***的识别方法 | |
CN110176139B (zh) | 一种基于dbscan+的道路拥堵识别可视化方法 | |
Yang et al. | Urban freight delivery stop identification with GPS data | |
CN104670155B (zh) | 基于云端车联网的车辆防盗报警*** | |
US20180060986A1 (en) | Information processing device, road structure management system, and road structure management method | |
CN103377556B (zh) | ***辆的检测装置、检测***及其检测方法 | |
CN107885795B (zh) | 一种卡口数据的数据校验方法、***和装置 | |
CN108389421B (zh) | 基于图像再识别的停车场精确诱导***及方法 | |
US20140270355A1 (en) | Methods and apparatus to estimate demography based on aerial images | |
CN106980113A (zh) | 物体检测装置和物体检测方法 | |
CN108345666A (zh) | 一种基于时间-空间孤立点的车辆异常轨迹检测方法 | |
CN112509315B (zh) | 一种基于视频分析的交通事故检测方法 | |
CN103578277B (zh) | 套牌嫌疑车搜索方法及其装置 | |
CN102682601A (zh) | 基于优化svm的高速公路交通事件检测方法 | |
CN101587643A (zh) | 一种***的识别方法 | |
CN106846806A (zh) | 基于Isolation Forest的城市道路交通异常检测方法 | |
CN105374208A (zh) | 路况提醒和摄像头检测方法及其装置 | |
CN112883936A (zh) | 一种对车辆违规行为的检测方法及其*** | |
Liu et al. | Evaluation of floating car technologies for travel time estimation | |
CN110182213A (zh) | 一种道路状态检测方法以及相应的*** | |
KR102297801B1 (ko) | 사업용 차량을 이용하여 도로 위험정보를 탐지하는 방법 및 장치 | |
CN113838282B (zh) | 基于北斗定位的车辆异常行为检测方法 | |
CN109767617A (zh) | 一种基于Apriori的公安交管业务异常数据研判方法 | |
US11823572B2 (en) | Method, electronic device, and system for predicting future overspeeding | |
US11995983B2 (en) | Method, electronic device, and system for detecting overspeeding |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170926 |
|
WD01 | Invention patent application deemed withdrawn after publication |