CN108765952A - 一种交通大数据嫌疑车辆缉查布控方法及装置 - Google Patents
一种交通大数据嫌疑车辆缉查布控方法及装置 Download PDFInfo
- Publication number
- CN108765952A CN108765952A CN201810599285.3A CN201810599285A CN108765952A CN 108765952 A CN108765952 A CN 108765952A CN 201810599285 A CN201810599285 A CN 201810599285A CN 108765952 A CN108765952 A CN 108765952A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- suspected vehicles
- vehicles
- information
- suspected
- 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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- 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
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
一种交通大数据嫌疑车辆缉查布控方法,包括:通过嫌疑车辆发现方法,确定嫌疑车辆黑名单及嫌疑车辆特征信息;当与嫌疑车辆相同号牌的车辆出现时,根据嫌疑车辆的基础信息与特征信息判定是嫌疑车辆还是正常车辆,如果是嫌疑车辆则进行报警缉查拦截,且与嫌疑车辆附近智能交通信号机进行联动控制延长嫌疑车辆通过路口的时间;如果是正常车辆则不进行报警。本发明很大程度上提升了克隆***的发现率及缉获成功率,而且在很大程度上避免了警力资源的浪费。
Description
技术领域
本发明属于城市交通安全领域,涉及到嫌疑车辆的缉查布控方法及装置,其目的在于快速发现嫌疑车辆,实现对嫌疑车辆的快速缉查,为公安机关进行案件侦破提供技术支撑。
背景技术
随着经济的高速发展、汽车保有量持续增长,车辆套牌、事故逃逸、车辆盗抢、利用汽车犯罪等现象日益严重,公安机关的给交通管理带来了很大的压力。
针对上述问题,公安机关建立了缉查布控***,在该***里面建了黑名单库,将嫌疑车辆的车牌号信息录入黑名单库,利用建设在道路上的卡口过车记录***,实时采集过车信息,一旦发现与黑名单库中记录的嫌疑车辆车牌号相同的车辆在道路上行驶,立即进行报警,并通知相关警员进行缉查拦截。但在实际缉查拦截工作中,拦截率并不高,主要是因为嫌疑车辆在路面是动态行驶状态、且城市道路交叉口非常多,嫌疑车辆可能行驶的路径很多,要想精准拦截,必须投入很多的警力在各个可能行驶的路段进行拦截,同时对警力到场时间要求非常高,实际操作难度很大,警力有限,且每天有很多的报警信息,花费了很多的警力将报警车辆成功拦截到后,但实际很有可能是被套牌的正常车辆,造成很大的警力资源浪费。
现有的嫌疑车辆缉查布控方法,主要是基于过车空间时间分析等方法,确定套牌嫌疑车辆,同时发现嫌疑车辆立即报警。
专利申请号为201410060090.3的发明专利里提供了一种车辆停放行驶轨迹定位实时缉查***。该***根据停车场及车辆被抓拍的具体道路监测点的地理信息,在PIGS地图中绘制车辆的停车或者行驶的轨迹,如果与嫌疑车辆相同车牌的车辆出现时立即进行报警提示。该***只是展示某辆车的行驶轨迹,且与套牌嫌疑车辆相同号牌的车辆出现即报警,并未区分该车辆是被套牌正常车辆还是套牌嫌疑车辆,需要警员到现场拦截后进行排查才能确认,如果是正常车辆会导致警力资源浪费,且会给车主带来不必要的麻烦。
专利申请号为201511026839.3的发明专利里提供了一种基于卡口过车大数据分析的***认定方法。该方法根据时间与空间关系,来初步确定嫌疑车辆,同时根据两种图像识别算法模型对车辆号牌进行识别核对。这种方法可以根据时间及空间关系发现具有套牌嫌疑的车辆车牌号,但无法判断是套牌嫌疑车辆还是被套牌正常车辆,导致只要出现该号牌的车辆就立即报警,很大程度上浪费了有限的警力资源。
专利申请号为201410351356.X的发明专利里提供了一种***辆缉查布控方法。该方法采用时间下届计算和***嫌疑度计算,得到可疑***辆表,主要是根据同一个时间槽内经过卡口抓拍点位次数的多少来确定最佳布控点位,但实际工作中,在这些布控点位需要安排警力蹲守拦截,并且报警信息无法区分是被套牌正常车辆还是套牌嫌疑车辆,在这些过车次数比较多的最佳布控卡口点位拦截嫌疑车辆,需要耗费很大的警力资源。
专利申请号为201310170646.X的发明专利里提供了一种基于图像特征比对的车辆套牌识别方法。该方法主要提取出发现的车辆号牌与车型,并根据车辆号牌从车型特征库中检索,确定与车型特征库中的车型是否一致,如果不一致,则纳入套牌嫌疑库,并通过套牌增强识别模块,根据车牌补办情况、待识别车辆图像的车牌模糊系数及车牌号码错误聚类因子的大小来判断是否为***。该方法可以发现不同车型的***,但有些行业的车辆运营商或运营个体为了增加利润克隆很多车辆在路面行驶,即克隆***(克隆***即车牌号码、车身颜色、车辆商标、车型完全一致),该方法对于这些克隆***根本无法识别。
发明内容
本发明的目的是提供一种基于车辆特征的交通大数据嫌疑车辆缉查布控方法及装置,用于快速、精准发现嫌疑车辆,及时高效的进行嫌疑车辆的缉查工作。
本发明采用的技术方案是:
一种基于车辆特征的交通大数据嫌疑车辆缉查布控方法,其特征在于:包括:
通过嫌疑车辆发现方法,确定采集的车辆是否为嫌疑车辆,如果判定为嫌疑车辆,则更新嫌疑车辆黑名单及嫌疑车辆特征信息;
当与嫌疑车辆相同号牌的车辆出现时,根据嫌疑车辆的基础信息与特征信息判定是嫌疑车辆还是正常车辆,如果是嫌疑车辆则进行报警缉查拦截,且与嫌疑车辆附近智能交通信号机进行联动控制延长嫌疑车辆通过路口的时间;如果是正常车辆则不进行报警。
进一步,嫌疑车辆发现方法包括:
采集各个停车场的车辆进出记录数据和道路上的卡口过车记录数据;
根据采集到的数据,结合视频识别技术进行车辆特征信息提取;
将提取的车辆特征信息与车辆基础信息库、车辆黑名单库及车辆特征信息库进行比对,判定是正常车辆、嫌疑车辆还是“可能***”,如果是“可能***”,则需要进一步判定是正常车辆还是嫌疑车辆;
如果判定是正常车辆,则不进行报警,如果判定是嫌疑车辆,则进行报警,并将嫌疑车辆号牌及分析出来的嫌疑车辆特征数据写入车辆黑名单库,下次再次发现该嫌疑车辆立即进行报警。
进一步,如果判定是“可能***”,则通过人工审核判定是正常车辆还是嫌疑车辆。
进一步,所述提取的车辆特征信息包括车身颜色、车型、车辆品牌、车系、以及车头图像特征,所述车头图像特征包括车辆合格标志、保险标志、年审标志及环保标志在车辆前挡风玻璃上张贴的相对位置信息。
进一步,所述提取的车辆特征信息与车辆基础信息库比对时,如果信息比对一致,则直接结束与车辆基础信息库的比对操作,如果信息比对不一致,车型、车辆品牌、车系、车身颜色任何一项不一致或者车辆所属人/所属机构为空,则判定该车为嫌疑车辆,将该嫌疑车辆的车辆号牌及特征信息在车辆黑名单库中进行检索,如果在车辆黑名单库中已经存在,则直接进行嫌疑车辆报警,缉查拦截,如果车辆黑名单库中不存在,则将该嫌疑车辆的车辆号牌及特征信息写入车辆黑名单库,并注明布控原因为套牌,然后进行嫌疑车辆报警,缉查拦截。
进一步,所述提取的车辆特征信息与车辆黑名单库进行比对,如果在车辆黑名单库中未发现该车辆号牌,则判定该车为正常车辆,不进行报警,如果在车辆黑名单库中发现该车辆号牌,则进一步与黑名单库中的嫌疑车辆特征信息进行比对,如果信息比对不一致,则判定为正常车辆,不进行报警,如果信息比对一致,则判定该车为嫌疑车辆,进行嫌疑车辆报警,缉查拦截。
进一步,所述提取的车辆特征信息与车辆特征信息库进行比对,如果该车辆号牌在车辆特征信息库中不存在,则将该车辆号牌及车辆特征信息写入车辆特征信息库,如果在车辆特征信息库中已经存在,与车辆特征信息库中的车辆特征信息进行比对,如果车辆特征信息比对一致,则判定该车为正常车辆,不进行报警,如果车辆特征信息比对不一致,则初步判定为“可能***”,由人工进行审核,如果人工审核判定为套牌嫌疑车辆,则将该车辆的车牌号码及车辆特征信息写入车辆黑名单库,布控原因注明为套牌,如果人工审核判定不是套牌嫌疑车辆,则将该车辆号牌及车辆特征信息写入车辆特征信息库。
进一步,如果发现的是嫌疑车辆则进行报警缉查拦截,且与附近智能交通信号机进行联动控制延长嫌疑车辆通过路口的时间,具体步骤如下:
(1)当发现嫌疑车辆时,自动关联嫌疑车辆附近(可以是附近1000米范围内,也可以自定义距离范围)的智能交通信号机,将嫌疑车辆的车辆号牌、车身颜色、车型等信息自动发送给关联的智能交通信号机;
(2)智能交通信号机收到嫌疑车辆的信息后,将接收到的与自身相连接的智能分析识别高清摄像机实时分析上传的车辆数据与该嫌疑车辆信息相比较,如果发现该嫌疑车辆出现,立即将该包括发现的时间、嫌疑车辆号牌、嫌疑车辆车身颜色、嫌疑车辆行驶所在车道属性、该车道当前红绿灯状态及该状态剩余时间、嫌疑车辆距离停止线的距离s的有关嫌疑车辆信息上报中心平台;如果未发现该嫌疑车辆,则智能交通信号机按照原定方案进行红绿灯控制;
(3)如果智能交通信号机发现嫌疑车辆,则进一步根据嫌疑车辆行驶所在车道属性、距离停止线的距离s及当前路口该车道属性对应的红绿灯状态,确定与路口红绿灯的联动方案;
(4)智能交通信号机确定与路口红绿灯的联动方案后,将实时调整的红绿灯状态信息、嫌疑车辆的位置信息上报中心平台,等待路口红绿灯一个周期运行完结,然后判断嫌疑车辆在该路口是否被查扣驶离,如果是逃逸驶离或者依然停在该路口排队等待通过路口,继续从步骤(1)开始执行,直至该车辆被成功缉获,成功缉获后,中心平台撤销该嫌疑车辆与所有智能交通信号机的关联;
(5)当中心平台收到智能交通信号机发送上来的嫌疑车辆相关信息时,根据嫌疑车辆距离停止线的距离、嫌疑车辆的行驶车道属性(通过该属性信息可以初步判断嫌疑车辆接下来计划的行进方向)、该嫌疑车辆行驶车道对应红绿灯的状态剩余时间、嫌疑车辆附近警力的分布情况,合理调派警力进行拦截查扣,直至车辆被成功查扣。
进一步,智能交通信号机的路口红绿灯的联动方案包括:
a、如果当前该车道属性对应的红绿灯状态为红灯,则将当前红灯状态时间tr调整为TR,即:TR=tr+(nr*t0),其中:
TR为红灯状态调整后的红灯持续时间;
tr为嫌疑车辆发现时红灯状态原定的剩余时间;
t0为智能交通信号机在当前红绿灯控制周期下单个红绿灯相位允许调整的最大时间;
nr为红灯时间调整系数,取值范围为0<n≤1;
b、如果当前车道属性对应的红绿灯状态为绿灯,则将当前绿灯状态时间tg调整为TG,具体计算方法如下:
tv=s/(m*v0);
如果tv>tg,则TG=tg;
如果tg≥tv≥tg-t0,则TG=tg-(ng*t0);
如果tv<tg-t0,则TG保持不变;
其中:
tv为嫌疑车辆预计通过路口的时间;
s为嫌疑车辆距离停止线的距离;
v0为车辆在绿灯状态下通过路口的参考速度,取值范围为v0>0;
m为车辆在绿灯状态下行驶的参考速度系数,取值范围为0<m≤1;
tg为嫌疑车辆发现时绿灯状态原定的剩余时间;
TG为绿灯状态调整后的绿灯持续时间;
t0为智能交通信号机在当前红绿灯控制周期下单个红绿灯相位允许调整的最大时间;
ng为绿灯时间调整系数,取值范围为0<n≤1;
c、如果当前车道属性对应的红绿灯状态为黄灯,则将黄灯接下来的红灯状态时间tr0调整为TR,即:TR=tr0+(nr*t0),其中:
TR为黄灯接下来那个红灯状态调整后的红灯持续时间;
tr0为嫌疑车辆发现时黄灯接下来那个红灯状态原定的持续时间;
t0为智能交通信号机在当前红绿灯控制周期下单个红绿灯相位允许调整的最大时间;
nr为红灯时间调整系数,取值范围为0<n≤1。
一种基于车辆特征的交通大数据嫌疑车辆缉查布控装置,包括中心平台和前端子***,其特征在于:
所述中心平台包括:
中心控制模块,用于装置内部各个模块的联动控制,当接收到嫌疑车辆发现模块发送过来的嫌疑车辆发现信息时,将该信息发送到报警模块,让报警模块进行报警,同时自动关联嫌疑车辆附近的智能交通信号机,让智能交通信号机发现嫌疑车辆时及时延长嫌疑车辆通过路口的时间;
嫌疑车辆发现模块,分别与中心控制模块、车辆基础信息库、车辆黑名单库及车辆特征信息库连接,用于通过调用车辆基础信息库、车辆黑名单库及车辆特征信息库中相关数据,及时发现嫌疑车辆,对车辆黑名单库和车辆特征信息库进行更新,并及时将发现的嫌疑车辆相关信息发送给控制中心模块;
车辆基础信息库,用于存放车辆的基础信息,基础信息包括车辆号牌、车型、车辆品牌、车系、车身颜色、车辆所属人/所属机构;
车辆黑名单库,用于存放需要缉查布控的嫌疑车辆信息,包括嫌疑车辆的车辆号牌、嫌疑车辆的特征信息、嫌疑车辆布控原因;
车辆特征信息库,用于存放每辆车的特征信息,包括车辆号牌、车身颜色、车型、车辆品牌、车系及车头图像特征;
报警模块,与中心控制模块连接,用于嫌疑车辆的发现报警,其报警信息包括嫌疑车辆发现模块发现的嫌疑车辆出现信息及前端智能交通信号机发现的嫌疑车辆出现信息;
通讯模块,与中心控制模块连接,用于中心控制模块与前端子***的智能交通信号机的实时通讯;
所述前端子***包括:
智能交通信号机,连接多台智能分析识别高清摄像机,用于将来自中心控制模块的嫌疑车辆信息与来自智能分析识别高清摄像机的车辆信息进行比较分析,当路口智能交通信号机发现嫌疑车辆出现时,及时调整路口红绿灯状态,延长嫌疑车辆通过路口的时间,并将收集到的相关信息上报中心控制模块;
智能分析识别高清摄像机,安装于路口的所有出口车道,用于对视频覆盖范围内的所有车辆号牌进行识别,并将识别到的车辆号牌信息、车辆行驶车道属性信息及车辆距出口车道停止线的距离s实时传输给智能交通信号机;
路口红绿灯,与智能交通信号机连接,用于控制路口左转、直行及右转车辆的通行。
进一步,车辆黑名单库中的嫌疑车辆信息有两种来源途径:
a、已知嫌疑车辆手动录入:针对需要缉查布控且车牌号码、布控原因明确的嫌疑车辆,直接手动写入车辆黑名单库;
b、通过嫌疑车辆发现方法计算确认录入:通过嫌疑车辆发现方法,发现的嫌疑车辆号牌及嫌疑车辆特征信息自动写入车辆黑名单库。
本发明的有益效果:
1)能够快速发现真正的嫌疑车辆,特别是套用空户车牌(空户车牌即该车牌已经在公安机关注销无实际使用人和使用单位的车牌)、套用其他车辆车牌,甚至克隆车辆的套牌嫌疑车辆,对于被套牌的正常车辆不予报警,在很大程度上减少了嫌疑车辆误报警次数,同时引入了对停车场的车辆进出记录数据分析计算,利用车辆进入停车场后一般短时间不会离开的特点进行嫌疑车辆缉查,为民警赶赴拦截地点争取到了宝贵的时间,不仅提高了缉查拦截效率,而且在很大程度上避免了警力资源的浪费。
2)在进行车辆套***时,除了进行车身颜色、车型、车辆品牌、车系的比对外,还引入了车头图像特征比对,即提取当前发现的车辆车头前挡风玻璃上车辆合格标志、保险标志、年审标志及环保标志在车辆前挡风玻璃上张贴的相对位置信息,与正常车辆上各个标志在前挡风玻璃上张贴的相对位置信息进行比对,根据克隆***上各个标志的张贴位置与被克隆***上各个标志的张贴位置完全相符概率很小的特点,进行克隆***发现并报警,很大程度上提升了克隆***的发现率及缉获成功率。
3)在进行嫌疑车辆稽查拦截过程中,与智能交通信号机相关***联动,通过控制嫌疑车辆行驶方向对应的红绿灯状态,延长嫌疑车辆通过路口时间,同时将嫌疑车辆在路口的行驶方向、距路口停止线的距离等信息上报中心平台,让中心指挥人员根据这些信息及嫌疑车辆附近警力的分布情况,制定综合、全面的稽查方案,合理调派警力进行拦截查扣,在很大程度上提高了嫌疑车辆的缉获成功率。
附图说明
图1为本发明的缉查布控流程示意图;
图2为本发明的嫌疑车辆比对发现逻辑示意图;
图3为本发明的嫌疑车辆缉查拦截过程与智能交通信号机联动的逻辑示意图;
图4为本发明的智能交通信号机的红绿灯联动调整逻辑示意图;
图5为本发明的装置结构示意图。
具体实施方式
下面结合具体实施例来对本发明进行进一步说明,但并不将本发明局限于这些具体实施方式。本领域技术人员应该认识到,本发明涵盖了权利要求书范围内所可能包括的所有备选方案、改进方案和等效方案。
实施例一
本实施例提供了一种基于车辆特征的交通大数据嫌疑车辆缉查布控方法,通过嫌疑车辆发现方法,确定嫌疑车辆黑名单及嫌疑车辆特征信息,当与嫌疑车辆相同号牌的车辆出现时,根据嫌疑车辆的基础信息与特征信息判定是嫌疑车辆还是正常车辆,如果是嫌疑车辆则进行报警缉查拦截,且与附近智能交通信号机进行联动控制延长嫌疑车辆通过路口的时间;如果是正常车辆则不进行报警。
参见图1,本实施例中嫌疑车辆发现方法是采集各个停车场的车辆进出记录数据和道路上的卡口过车记录数据,具体信息包括车辆号牌,进出停车场时间、停车场名称及进出停车场车辆图片,卡口过车时间、卡口过车地点及卡口过车图片等,根据采集到的数据,结合视频识别技术进行车辆特征信息提取,与车辆基础信息库、车辆黑名单库及车辆特征信息库进行比对,判定是正常车辆、嫌疑车辆还是“可能***”,如果是正常车辆,则不进行报警,如果是嫌疑车辆,则进行报警,并将嫌疑车辆号牌及分析出来的嫌疑车辆特征数据写入车辆黑名单库,下次再次发现该嫌疑车辆立即进行报警,如果是“可能***”,则由人工进行审核判定,经过人工审核判定为套牌嫌疑车辆,则将该“可能***”的车辆号牌及分析出来的嫌疑车辆特征数据写入车辆黑名单库,下次再次发现该嫌疑车辆立即进行报警。
其中:
基于是视频识别技术进行车辆特征信息提取,提取的车辆特征信息除了车身颜色、车型、车辆品牌(即车辆商标)、车系(即车辆系列型号,例如大众迈腾、高尔夫、宝来等),还包括车头图像特征,车头图像特征中主要记录车辆合格标志、保险标志、年审标志及环保标志在车辆前挡风玻璃上张贴的相对位置信息。
车辆基础信息库,通过与车辆管理所等机构进行数据共享,获取到每辆车的基础信息,主要包括车辆号牌、车型、车辆品牌、车系、车身颜色、车辆所属人/所属机构等信息。
车辆黑名单库主要用于存放需要缉查布控的嫌疑车辆信息,主要包括嫌疑车辆的车辆号牌、嫌疑车辆的特征信息(包括车身颜色、车型、车辆品牌、车系及车头图像特征等)、嫌疑车辆布控原因(逃逸车、***、盗抢车、未年检等),车辆黑名单库中嫌疑车辆信息有两种来源途径:
I.已知嫌疑车辆手动录入:针对需要缉查布控且车牌号码、布控原因明确的嫌疑车辆,直接手动写入车辆黑名单库,例如逃逸车辆、盗抢车辆等;
II.通过嫌疑车辆发现方法计算确认录入:通过嫌疑车辆发现方法,发现的嫌疑车辆号牌及嫌疑车辆特征信息自动写入车辆黑名单库,包括自动判定的嫌疑车辆及经过人工审核判定的嫌疑车辆。
车辆特征信息库主要用于存放每辆车的特征信息,主要包括车辆号牌、车身颜色、车型(大型、中型、小型等)、车辆品牌(例如宝马、奔驰、大众等)、车系(例如大众迈腾、高尔夫、宝来等)及车头图像特征,一个车辆号牌支持关联多个车头图像特征,即当通过视频识别技术检测到当前车辆的车头图像特征与车辆特征信息库中的车头图像特征不一致时(即当前车辆车头中车辆合格标志、保险标志、年审标志及环保标志的张贴位置与车辆特征库中该号牌车辆各种标志的张贴位置不一致),则将当前识别到的车头图像特征存入车辆特征信息库,与该车辆号牌相关联,并将该车辆定义为“可能***”,由人工审核判定是否是套牌嫌疑车辆。
参见图2,本实施例嫌疑车辆发现方法中,与车辆基础信息库、车辆黑名单库及车辆特征信息库进行比对,判定是正常车辆还是嫌疑车辆,并进行车辆黑名单库和车辆特征信息库数据更新维护具体处理方法如下:
1)采集提取到的信息与车辆基础信息库进行比对,如果信息比对一致,则直接结束与车辆基础信息库的比对操作,如果信息比对不一致,车型、车辆品牌、车系、车身颜色任何一项不一致或者车辆所属人/所属机构为空,则判定该车为嫌疑车辆,将该嫌疑车辆的车辆号牌及特征信息在车辆黑名单库中进行检索,如果在车辆黑名单库中已经存在,则直接进行嫌疑车辆报警,缉查拦截,如果车辆黑名单库中不存在,则将该嫌疑车辆的车辆号牌及特征信息写入车辆黑名单库,并注明布控原因为套牌,然后进行嫌疑车辆报警,缉查拦截。
2)采集提取到的信息与车辆黑名单库进行比对,如果在车辆黑名单库中未发现该车辆号牌,则判定该车为正常车辆,不进行报警,如果在车辆黑名单库中发现该车辆号牌,则进一步与黑名单库中的嫌疑车辆特征信息进行比对,如果信息比对不一致,则判定为正常车辆,不进行报警,如果信息比对一致,则判定该车为嫌疑车辆,进行嫌疑车辆报警,缉查拦截。
3)采集提取到的信息与车辆特征信息库进行比对,如果该车辆号牌在车辆特征信息库中不存在,则将该车辆号牌及车辆特征信息写入车辆特征信息库,如果在车辆特征信息库中已经存在,与车辆特征信息库中的车辆特征信息进行比对,如果车辆特征信息比对一致,则判定该车为正常车辆,不进行报警,如果车辆特征信息比对不一致,则初步判定为“可能***”,由人工进行审核,如果人工审核判定为套牌嫌疑车辆,则将该车辆的车牌号码及车辆特征信息写入车辆黑名单库,布控原因注明为套牌,如果人工审核判定不是套牌嫌疑车辆,则将该车辆号牌及车辆特征信息写入车辆特征信息库。
参见图3,本实施例如果发现的是嫌疑车辆则进行报警缉查拦截,且与附近智能交通信号机进行联动控制延长嫌疑车辆通过路口的时间,具体方法如下:
(1)当发现嫌疑车辆时,自动关联嫌疑车辆附近(可以是附近1000米范围内,也可以自定义距离范围)的智能交通信号机,将嫌疑车辆的车辆号牌、车身颜色、车型等信息自动发送给关联的智能交通信号机;
(2)智能交通信号机收到嫌疑车辆的信息后,将接收到的与自身相连接的智能分析识别高清摄像机实时分析上传的车辆数据与该嫌疑车辆信息相比较,如果发现该嫌疑车辆出现,立即将该信息上报中心平台,包括发现的时间、嫌疑车辆号牌、嫌疑车辆车身颜色、嫌疑车辆行驶所在车道属性、该车道当前红绿灯状态及该状态剩余时间、嫌疑车辆距离停止线的距离s等信息;如果未发现该嫌疑车辆,则智能交通信号机按照原定方案进行红绿灯控制。
(3)如果智能交通信号机发现嫌疑车辆,则进一步根据嫌疑车辆行驶所在车道属性、距离停止线的距离s及当前路口该车道属性对应的红绿灯状态,确定与路口红绿灯的联动方案,参见图4,联动方案包括:
a、如果当前该车道属性对应的红绿灯状态为红灯,则将当前红灯状态时间tr调整为TR,即:TR=tr+(nr*t0),其中:
TR为红灯状态调整后的红灯持续时间;
tr为嫌疑车辆发现时红灯状态原定的剩余时间;
t0为智能交通信号机在当前红绿灯控制周期下单个红绿灯相位允许调整的最大时间;
nr为红灯时间调整系数,取值范围为0<n≤1。
b、如果当前车道属性对应的红绿灯状态为绿灯,则将当前绿灯状态时间tg调整为TG,具体计算方法如下:
tv=s/(m*v0);
如果tv>tg,则TG=tg;
如果tg≥tv≥tg-t0,则TG=tg-(ng*t0);
如果tv<tg-t0,则TG保持不变。
其中:
tv为嫌疑车辆预计通过路口的时间;
s为嫌疑车辆距离停止线的距离;
v0为车辆在绿灯状态下通过路口的参考速度,取值范围为v0>0;
m为车辆在绿灯状态下行驶的参考速度系数,取值范围为0<m≤1;
tg为嫌疑车辆发现时绿灯状态原定的剩余时间;
TG为绿灯状态调整后的绿灯持续时间;
t0为智能交通信号机在当前红绿灯控制周期下单个红绿灯相位允许调整的最大时间;
ng为绿灯时间调整系数,取值范围为0<n≤1;
c、如果当前车道属性对应的红绿灯状态为黄灯,则将黄灯接下来的红灯状态时间tr0调整为TR,即:TR=tr0+(nr*t0),其中:
TR为黄灯接下来那个红灯状态调整后的红灯持续时间;
tr0为嫌疑车辆发现时黄灯接下来那个红灯状态原定的持续时间;
t0为智能交通信号机在当前红绿灯控制周期下单个红绿灯相位允许调整的最大时间;
nr为红灯时间调整系数,取值范围为0<n≤1。
(4)智能交通信号机确定与路口红绿灯的联动方案后,将实时调整的红绿灯状态信息、嫌疑车辆的位置信息上报中心平台,等待路口红绿灯一个周期运行完结,然后判断嫌疑车辆在该路口是否被查扣驶离,如果是逃逸驶离或者依然停在该路口排队等待通过路口,继续从步骤1)开始执行,直至该车辆被成功缉获,成功缉获后,中心平台撤销该嫌疑车辆与所有智能交通信号机的关联。
(5)当中心平台收到智能交通信号机发送上来的嫌疑车辆相关信息时,根据嫌疑车辆距离停止线的距离、嫌疑车辆的行驶车道属性(通过该属性信息可以初步判断嫌疑车辆接下来计划的行进方向)、该嫌疑车辆行驶车道对应红绿灯的状态剩余时间、嫌疑车辆附近警力的分布情况,合理调派警力进行拦截查扣,直至车辆被成功查扣。
本发明能够快速发现真正的嫌疑车辆,特别是套用空户车牌(空户车牌即该车牌已经在公安机关注销无实际使用人和使用单位的车牌)、套用其他车辆车牌,甚至克隆车辆的套牌嫌疑车辆,对于被套牌的正常车辆不予报警,在很大程度上减少了嫌疑车辆误报警次数,同时引入了对停车场的车辆进出记录数据分析计算,利用车辆进入停车场后一般短时间不会离开的特点进行嫌疑车辆缉查,为民警赶赴拦截地点争取到了宝贵的时间,不仅提高了缉查拦截效率,而且在很大程度上避免了警力资源的浪费。
本发明中在进行车辆套***时,除了进行车身颜色、车型、车辆品牌、车系的比对外,还引入了车头图像特征比对,即提取当前发现的车辆车头前挡风玻璃上车辆合格标志、保险标志、年审标志及环保标志在车辆前挡风玻璃上张贴的相对位置信息,与正常车辆上各个标志在前挡风玻璃上张贴的相对位置信息进行比对,根据克隆***上各个标志的张贴位置与被克隆***上各个标志的张贴位置完全相符概率很小的特点,进行克隆***发现并报警,很大程度上提升了克隆***的发现率及缉获成功率。
本发明在进行嫌疑车辆稽查拦截过程中,与智能交通信号机相关***联动,通过控制嫌疑车辆行驶方向对应的红绿灯状态,延长嫌疑车辆通过路口时间,同时将嫌疑车辆在路口的行驶方向、距路口停止线的距离等信息上报中心平台,让中心指挥人员根据这些信息及嫌疑车辆附近警力的分布情况,制定综合、全面的稽查方案,合理调派警力进行拦截查扣,在很大程度上提高了嫌疑车辆的缉获成功率。
实施例二
参见图5,本实施例提供了一种可以实现实施例一所述一种基于车辆特征的交通大数据嫌疑车辆缉查布控方法的一种基于车辆特征的交通大数据嫌疑车辆缉查布控装置,主要包括中心平台和前端子***,中心平台和前端子***通讯连接,其中中心平台主要包括中心控制模块、嫌疑车辆发现模块、报警模块、通讯模块、车辆基础信息库、车辆黑名单库和车辆特征信息库,中心控制模块分别与嫌疑车辆发现模块、报警模块、通讯模块连接,嫌疑车辆发现模块与车辆基础信息库、车辆黑名单库和车辆特征信息库连接;前端子***主要包括智能交通信号机、智能分析识别高清摄像机及路口红绿灯,智能交通信号机分别与路口红绿灯、多台智能分析识别高清摄像机连接。
本实施例中心控制模块,主要用于装置内部各个模块的联动控制,当接收到嫌疑车辆发现模块发送过来的嫌疑车辆发现信息时,将该信息发送到报警模块,让报警模块进行报警,同时自动关联嫌疑车辆附近的智能交通信号机,让智能交通信号机发现嫌疑车辆时及时延长嫌疑车辆通过路口的时间,为警力赶赴路口进行稽查拦截争取宝贵的时间;
嫌疑车辆发现模块,内部植入了嫌疑车辆发现方法,参考实施例一中所述的嫌疑车辆发现方法,通过调用车辆基础信息库、车辆黑名单库及车辆特征信息库中相关数据,及时发现嫌疑车辆,对车辆黑名单库和车辆特征信息库进行更新,并及时将发现的嫌疑车辆相关信息发送给控制中心模块;
报警模块,主要用于嫌疑车辆的发现报警,其报警信息包括嫌疑车辆发现模块发现的嫌疑车辆出现信息及前端智能交通信号机发现的嫌疑车辆出现信息;
通讯模块,主要用于中心控制模块与前端智能交通信号机的实时通讯;
车辆基础信息库,主要用于存放车辆的基础信息。通过与车辆管理所等机构进行数据共享,获取到每辆车的基础信息,主要包括车辆号牌、车型、车辆品牌、车系、车身颜色、车辆所属人/所属机构等信息;
车辆黑名单库,主要用于存放需要缉查布控的嫌疑车辆信息,主要包括嫌疑车辆的车辆号牌、嫌疑车辆的特征信息(包括车身颜色、车型、车辆品牌、车系及车头图像特征等)、嫌疑车辆布控原因(逃逸车、***、盗抢车、未年检等);
车辆特征信息库,主要用于存放每辆车的特征信息,主要包括车辆号牌、车身颜色、车型(大型、中型、小型等)、车辆品牌(例如宝马、奔驰、大众等)、车系(例如大众迈腾、高尔夫、宝来等)及车头图像特征;
智能交通信号机,连接多台智能分析识别高清摄像机,主要用于将来自中心控制模块的嫌疑车辆信息与来自智能分析识别高清摄像机的车辆信息进行比较分析,当路口智能交通信号机发现嫌疑车辆出现时,及时调整路口红绿灯状态,延长嫌疑车辆通过路口的时间,具体联动方法参考实施例一,并将收集到的相关信息上报中心控制模块;
智能分析识别高清摄像机,安装于路口的所有出口车道,摄像覆盖范围为出口车道停止线以内200米,对视频覆盖范围内的所有车辆号牌进行识别,并将识别到的车辆号牌信息、车辆行驶车道属性信息(左转、直行或右转)及车辆距出口车道停止线(后面对“出口车道停止线”统一简称为“停止线”)的距离s实时传输给智能交通信号机;
路口红绿灯,主要用于控制路口左转、直行及右转车辆的通行。
本发明能够快速发现真正的嫌疑车辆,特别是套用空户车牌(空户车牌即该车牌已经在公安机关注销无实际使用人和使用单位的车牌)、套用其他车辆车牌,甚至克隆车辆的套牌嫌疑车辆,对于被套牌的正常车辆不予报警,在很大程度上减少了嫌疑车辆误报警次数,同时引入了对停车场的车辆进出记录数据分析计算,利用车辆进入停车场后一般短时间不会离开的特点进行嫌疑车辆缉查,为民警赶赴拦截地点争取到了宝贵的时间,不仅提高了缉查拦截效率,而且在很大程度上避免了警力资源的浪费。
本发明中在进行车辆套***时,除了进行车身颜色、车型、车辆品牌、车系的比对外,还引入了车头图像特征比对,即提取当前发现的车辆车头前挡风玻璃上车辆合格标志、保险标志、年审标志及环保标志在车辆前挡风玻璃上张贴的相对位置信息,与正常车辆上各个标志在前挡风玻璃上张贴的相对位置信息进行比对,根据克隆***上各个标志的张贴位置与被克隆***上各个标志的张贴位置完全相符概率很小的特点,进行克隆***发现并报警,很大程度上提升了克隆***的发现率及缉获成功率。
本发明在进行嫌疑车辆稽查拦截过程中,与智能交通信号机相关***联动,通过控制嫌疑车辆行驶方向对应的红绿灯状态,延长嫌疑车辆通过路口时间,同时将嫌疑车辆在路口的行驶方向、距路口停止线的距离等信息上报中心平台,让中心指挥人员根据这些信息及嫌疑车辆附近警力的分布情况,制定综合、全面的稽查方案,合理调派警力进行拦截查扣,在很大程度上提高了嫌疑车辆的缉获成功率。
Claims (10)
1.一种交通大数据嫌疑车辆缉查布控方法,其特征在于:包括:
通过嫌疑车辆发现方法,确定采集的车辆是否为嫌疑车辆,如果判定为嫌疑车辆,则更新嫌疑车辆黑名单及嫌疑车辆特征信息;
当与嫌疑车辆相同号牌的车辆出现时,根据嫌疑车辆的基础信息与特征信息判定采集的车辆是嫌疑车辆还是正常车辆,如果是嫌疑车辆则进行报警缉查拦截,且与嫌疑车辆附近智能交通信号机进行联动控制延长嫌疑车辆通过路口的时间;如果是正常车辆则不进行报警。
2.根据权利要求1所述的一种交通大数据嫌疑车辆缉查布控方法,其特征在于:嫌疑车辆发现方法包括:
采集各个停车场的车辆进出记录数据和道路上的卡口过车记录数据;
根据采集到的数据,结合视频识别技术进行车辆特征信息提取;
将提取的车辆特征信息与车辆基础信息库、车辆黑名单库及车辆特征信息库进行比对,判定是正常车辆、嫌疑车辆还是“可能***”,如果是“可能***”,则需要进一步人工审核判定是正常车辆还是嫌疑车辆;
如果判定是正常车辆,则不进行报警,如果判定是嫌疑车辆,则进行报警,并将嫌疑车辆号牌及分析出来的嫌疑车辆特征数据写入车辆黑名单库,下次再次发现该嫌疑车辆立即进行报警。
3.根据权利要求2所述的一种交通大数据嫌疑车辆缉查布控方法,其特征在于:所述提取的车辆特征信息包括车身颜色、车型、车辆品牌、车系、以及车头图像特征,所述车头图像特征包括车辆合格标志、保险标志、年审标志及环保标志在车辆前挡风玻璃上张贴的相对位置信息。
4.根据权利要求2所述的一种交通大数据嫌疑车辆缉查布控方法,其特征在于:所述提取的车辆特征信息与车辆基础信息库比对时,如果信息比对一致,则直接结束与车辆基础信息库的比对操作,如果信息比对不一致,车型、车辆品牌、车系、车身颜色任何一项不一致或者车辆所属人/所属机构为空,则判定该车为嫌疑车辆,将该嫌疑车辆的车辆号牌及特征信息在车辆黑名单库中进行检索,如果在车辆黑名单库中已经存在,则直接进行嫌疑车辆报警,缉查拦截,如果车辆黑名单库中不存在,则将该嫌疑车辆的车辆号牌及特征信息写入车辆黑名单库,并注明布控原因为套牌,然后进行嫌疑车辆报警,缉查拦截。
5.根据权利要求2所述的一种交通大数据嫌疑车辆缉查布控方法,其特征在于:所述提取的车辆特征信息与车辆黑名单库进行比对,如果在车辆黑名单库中未发现该车辆号牌,则判定该车为正常车辆,不进行报警,如果在车辆黑名单库中发现该车辆号牌,则进一步与黑名单库中的嫌疑车辆特征信息进行比对,如果信息比对不一致,则判定为正常车辆,不进行报警,如果信息比对一致,则判定该车为嫌疑车辆,进行嫌疑车辆报警,缉查拦截。
6.根据权利要求2所述的一种交通大数据嫌疑车辆缉查布控方法,其特征在于:所述提取的车辆特征信息与车辆特征信息库进行比对,如果该车辆号牌在车辆特征信息库中不存在,则将该车辆号牌及车辆特征信息写入车辆特征信息库,如果在车辆特征信息库中已经存在,与车辆特征信息库中的车辆特征信息进行比对,如果车辆特征信息比对一致,则判定该车为正常车辆,不进行报警,如果车辆特征信息比对不一致,则初步判定为“可能***”,由人工进行审核,如果人工审核判定为套牌嫌疑车辆,则将该车辆的车牌号码及车辆特征信息写入车辆黑名单库,布控原因注明为套牌,如果人工审核判定不是套牌嫌疑车辆,则将该车辆号牌及车辆特征信息写入车辆特征信息库。
7.根据权利要求1~6之一所述的一种交通大数据嫌疑车辆缉查布控方法,其特征在于:如果发现的是嫌疑车辆则进行报警缉查拦截,且与附近智能交通信号机进行联动控制延长嫌疑车辆通过路口的时间,具体步骤如下:
(1)当发现嫌疑车辆时,自动关联嫌疑车辆附近的智能交通信号机,将嫌疑车辆的车辆号牌、车身颜色、车型等信息自动发送给关联的智能交通信号机;
(2)智能交通信号机收到嫌疑车辆的信息后,将接收到的与自身相连接的智能分析识别高清摄像机实时分析上传的车辆数据与该嫌疑车辆信息相比较,如果发现该嫌疑车辆出现,立即将该包括发现的时间、嫌疑车辆号牌、嫌疑车辆车身颜色、嫌疑车辆行驶所在车道属性、该车道当前红绿灯状态及该状态剩余时间、嫌疑车辆距离停止线的距离的有关嫌疑车辆信息上报中心平台;如果未发现该嫌疑车辆,则智能交通信号机按照原定方案进行红绿灯控制;
(3)如果智能交通信号机发现嫌疑车辆,则进一步根据嫌疑车辆行驶所在车道属性、距离停止线的距离及当前路口该车道属性对应的红绿灯状态,确定与路口红绿灯的联动方案;
(4)智能交通信号机确定与路口红绿灯的联动方案后,将实时调整的红绿灯状态信息、嫌疑车辆的位置信息上报中心平台,等待路口红绿灯一个周期运行完结,然后判断嫌疑车辆在该路口是否被查扣驶离,如果是逃逸驶离或者依然停在该路口排队等待通过路口,继续从步骤(1)开始执行,直至该车辆被成功缉获,成功缉获后,中心平台撤销该嫌疑车辆与所有智能交通信号机的关联;
(5)当中心平台收到智能交通信号机发送上来的嫌疑车辆相关信息时,根据嫌疑车辆距离停止线的距离、嫌疑车辆的行驶车道属性、该嫌疑车辆行驶车道对应红绿灯的状态剩余时间、嫌疑车辆附近警力的分布情况,合理调派警力进行拦截查扣,直至车辆被成功查扣。
8.根据权利要求7所述的一种交通大数据嫌疑车辆缉查布控方法,其特征在于:智能交通信号机的路口红绿灯的联动方案包括:
a、如果当前该车道属性对应的红绿灯状态为红灯,则将当前红灯状态时间tr调整为TR,即:TR=tr+(nr*t0),其中:
TR为红灯状态调整后的红灯持续时间;
tr为嫌疑车辆发现时红灯状态原定的剩余时间;
t0为智能交通信号机在当前红绿灯控制周期下单个红绿灯相位允许调整的最大时间;
nr为红灯时间调整系数,取值范围为0<n≤1;
b、如果当前车道属性对应的红绿灯状态为绿灯,则将当前绿灯状态时间tg调整为TG,具体计算方法如下:
tv=s/(m*v0);
如果tv>tg,则TG=tg;
如果tg≥tv≥tg-t0,则TG=tg-(ng*t0);
如果tv<tg-t0,则TG保持不变;
其中:
tv为嫌疑车辆预计通过路口的时间;
s为嫌疑车辆距离停止线的距离;
v0为车辆在绿灯状态下通过路口的参考速度,取值范围为v0>0;
m为车辆在绿灯状态下行驶的参考速度系数,取值范围为0<m≤1;
tg为嫌疑车辆发现时绿灯状态原定的剩余时间;
TG为绿灯状态调整后的绿灯持续时间;
t0为智能交通信号机在当前红绿灯控制周期下单个红绿灯相位允许调整的最大时间;
ng为绿灯时间调整系数,取值范围为0<n≤1;
c、如果当前车道属性对应的红绿灯状态为黄灯,则将黄灯接下来的红灯状态时间tr0调整为TR,即:TR=tr0+(nr*t0),其中:
TR为黄灯接下来那个红灯状态调整后的红灯持续时间;
tr0为嫌疑车辆发现时黄灯接下来那个红灯状态原定的持续时间;
t0为智能交通信号机在当前红绿灯控制周期下单个红绿灯相位允许调整的最大时间;
nr为红灯时间调整系数,取值范围为0<n≤1。
9.一种交通大数据嫌疑车辆缉查布控装置,包括中心平台和前端子***,其特征在于:
所述中心平台包括:
中心控制模块,用于装置内部各个模块的联动控制,当接收到嫌疑车辆发现模块发送过来的嫌疑车辆发现信息时,将该信息发送到报警模块,让报警模块进行报警,同时自动关联嫌疑车辆附近的智能交通信号机,让智能交通信号机发现嫌疑车辆时及时延长嫌疑车辆通过路口的时间;
嫌疑车辆发现模块,分别与中心控制模块、车辆基础信息库、车辆黑名单库及车辆特征信息库连接,用于通过调用车辆基础信息库、车辆黑名单库及车辆特征信息库中相关数据,及时发现嫌疑车辆,对车辆黑名单库和车辆特征信息库进行更新,并及时将发现的嫌疑车辆相关信息发送给控制中心模块;
车辆基础信息库,用于存放车辆的基础信息,基础信息包括车辆号牌、车型、车辆品牌、车系、车身颜色、车辆所属人/所属机构;
车辆黑名单库,用于存放需要缉查布控的嫌疑车辆信息,包括嫌疑车辆的车辆号牌、嫌疑车辆的特征信息、嫌疑车辆布控原因;
车辆特征信息库,用于存放每辆车的特征信息,包括车辆号牌、车身颜色、车型、车辆品牌、车系及车头图像特征;
报警模块,与中心控制模块连接,用于嫌疑车辆的发现报警,其报警信息包括嫌疑车辆发现模块发现的嫌疑车辆出现信息及前端智能交通信号机发现的嫌疑车辆出现信息;
通讯模块,与中心控制模块连接,用于中心控制模块与前端子***的智能交通信号机的实时通讯;
所述前端子***包括:
智能交通信号机,连接多台智能分析识别高清摄像机,用于将来自中心控制模块的嫌疑车辆信息与来自智能分析识别高清摄像机的车辆信息进行比较分析,当路口智能交通信号机发现嫌疑车辆出现时,及时调整路口红绿灯状态,延长嫌疑车辆通过路口的时间,并将收集到的相关信息上报中心控制模块;
智能分析识别高清摄像机,安装于路口的所有出口车道,用于对视频覆盖范围内的所有车辆号牌进行识别,并将识别到的车辆号牌信息、车辆行驶车道属性信息及车辆距出口车道停止线的距离s实时传输给智能交通信号机;
路口红绿灯,与智能交通信号机连接,用于控制路口左转、直行及右转车辆的通行。
10.根据权利要求9所述的一种交通大数据嫌疑车辆缉查布控装置,其特征在于:所述车辆黑名单库中的嫌疑车辆信息有两种来源途径:
a、已知嫌疑车辆手动录入:针对需要缉查布控且车牌号码、布控原因明确的嫌疑车辆,直接手动写入车辆黑名单库;
b、通过嫌疑车辆发现方法计算确认录入:通过嫌疑车辆发现方法,发现的嫌疑车辆号牌及嫌疑车辆特征信息自动写入车辆黑名单库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810599285.3A CN108765952A (zh) | 2018-06-12 | 2018-06-12 | 一种交通大数据嫌疑车辆缉查布控方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810599285.3A CN108765952A (zh) | 2018-06-12 | 2018-06-12 | 一种交通大数据嫌疑车辆缉查布控方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108765952A true CN108765952A (zh) | 2018-11-06 |
Family
ID=64022054
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810599285.3A Pending CN108765952A (zh) | 2018-06-12 | 2018-06-12 | 一种交通大数据嫌疑车辆缉查布控方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108765952A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109934475A (zh) * | 2019-03-05 | 2019-06-25 | 上饶市公安局交通警察支队 | 一种交互式电警增强型勤务的布控方法 |
CN110070706A (zh) * | 2019-04-28 | 2019-07-30 | 西安艾润物联网技术服务有限责任公司 | 公务车监控方法、装置及*** |
CN110491157A (zh) * | 2019-07-23 | 2019-11-22 | 中山大学 | 一种基于停车场数据和卡口数据的车辆关联方法 |
CN111275980A (zh) * | 2020-01-21 | 2020-06-12 | 上海天齐智能建筑股份有限公司 | 基于互联网+智能交通视频监控管理***的大数据应用平台 |
CN111522857A (zh) * | 2020-03-13 | 2020-08-11 | 北京易华录国际技术有限公司 | 一种交通缉查布控***及方法 |
CN111767776A (zh) * | 2019-12-28 | 2020-10-13 | 西安宇视信息科技有限公司 | 一种异常车牌推选方法及装置 |
CN112231509A (zh) * | 2020-12-14 | 2021-01-15 | 杭州一骑轻尘信息技术有限公司 | 一种基于大数据的汽车对比分析*** |
CN113239008A (zh) * | 2020-12-10 | 2021-08-10 | 哈工大大数据集团四川有限公司 | 一种应急大数据研判*** |
CN113252059A (zh) * | 2021-05-25 | 2021-08-13 | 任勇金 | 一种基于导航技术对目标车辆进行路径引导的方法及*** |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0945840A2 (en) * | 1998-03-24 | 1999-09-29 | John B. Moetteli | Traffic law enforcement system |
KR20070000868A (ko) * | 2005-06-28 | 2007-01-03 | 이경찬 | 범죄차량적발시스템 및 방법 |
CN102426786A (zh) * | 2011-11-15 | 2012-04-25 | 无锡港湾网络科技有限公司 | 一种自动识别***辆的智能视频分析***及方法 |
CN103678558A (zh) * | 2013-12-06 | 2014-03-26 | 中科联合自动化科技无锡有限公司 | 基于sift特征的嫌疑车辆检索方法 |
CN105185123A (zh) * | 2015-10-08 | 2015-12-23 | 南京信息工程大学 | 一种***识别***及方法 |
US20160098925A1 (en) * | 2014-10-03 | 2016-04-07 | International Business Machines Corporation | Assistance to law enforcement through ambient vigilance |
CN106056916A (zh) * | 2016-06-23 | 2016-10-26 | 安徽时旭智能科技有限公司 | 一种基于智能交通的换牌车辆检测方法及其*** |
CN106327876A (zh) * | 2016-08-31 | 2017-01-11 | 刘进 | 一种基于行车记录仪的***捕捉***及方法 |
CN106384513A (zh) * | 2016-09-17 | 2017-02-08 | 刘进 | 一种基于智能交通的***捕捉***及方法 |
-
2018
- 2018-06-12 CN CN201810599285.3A patent/CN108765952A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0945840A2 (en) * | 1998-03-24 | 1999-09-29 | John B. Moetteli | Traffic law enforcement system |
KR20070000868A (ko) * | 2005-06-28 | 2007-01-03 | 이경찬 | 범죄차량적발시스템 및 방법 |
CN102426786A (zh) * | 2011-11-15 | 2012-04-25 | 无锡港湾网络科技有限公司 | 一种自动识别***辆的智能视频分析***及方法 |
CN103678558A (zh) * | 2013-12-06 | 2014-03-26 | 中科联合自动化科技无锡有限公司 | 基于sift特征的嫌疑车辆检索方法 |
US20160098925A1 (en) * | 2014-10-03 | 2016-04-07 | International Business Machines Corporation | Assistance to law enforcement through ambient vigilance |
CN105185123A (zh) * | 2015-10-08 | 2015-12-23 | 南京信息工程大学 | 一种***识别***及方法 |
CN106056916A (zh) * | 2016-06-23 | 2016-10-26 | 安徽时旭智能科技有限公司 | 一种基于智能交通的换牌车辆检测方法及其*** |
CN106327876A (zh) * | 2016-08-31 | 2017-01-11 | 刘进 | 一种基于行车记录仪的***捕捉***及方法 |
CN106384513A (zh) * | 2016-09-17 | 2017-02-08 | 刘进 | 一种基于智能交通的***捕捉***及方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109934475A (zh) * | 2019-03-05 | 2019-06-25 | 上饶市公安局交通警察支队 | 一种交互式电警增强型勤务的布控方法 |
CN110070706A (zh) * | 2019-04-28 | 2019-07-30 | 西安艾润物联网技术服务有限责任公司 | 公务车监控方法、装置及*** |
CN110491157A (zh) * | 2019-07-23 | 2019-11-22 | 中山大学 | 一种基于停车场数据和卡口数据的车辆关联方法 |
CN111767776A (zh) * | 2019-12-28 | 2020-10-13 | 西安宇视信息科技有限公司 | 一种异常车牌推选方法及装置 |
CN111767776B (zh) * | 2019-12-28 | 2024-03-29 | 西安宇视信息科技有限公司 | 一种异常车牌推选方法及装置 |
CN111275980A (zh) * | 2020-01-21 | 2020-06-12 | 上海天齐智能建筑股份有限公司 | 基于互联网+智能交通视频监控管理***的大数据应用平台 |
CN111522857A (zh) * | 2020-03-13 | 2020-08-11 | 北京易华录国际技术有限公司 | 一种交通缉查布控***及方法 |
CN113239008A (zh) * | 2020-12-10 | 2021-08-10 | 哈工大大数据集团四川有限公司 | 一种应急大数据研判*** |
CN112231509A (zh) * | 2020-12-14 | 2021-01-15 | 杭州一骑轻尘信息技术有限公司 | 一种基于大数据的汽车对比分析*** |
CN113252059A (zh) * | 2021-05-25 | 2021-08-13 | 任勇金 | 一种基于导航技术对目标车辆进行路径引导的方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108765952A (zh) | 一种交通大数据嫌疑车辆缉查布控方法及装置 | |
CN100587725C (zh) | 电子不停车收费***的控制方法 | |
CN102542806B (zh) | 高速公路行驶车辆遮挡号牌实时监测***及其控制方法 | |
CN110021185A (zh) | 一种智慧交通管理*** | |
CN108877234A (zh) | 四维实景交通仿真的车辆违规占道跟踪检测***及方法 | |
CN107958611A (zh) | 一种基于图像识别室内定位的智能互联停车*** | |
CN201397576Y (zh) | 车辆路口违法变向自动捕捉装置 | |
CN105448087A (zh) | 一种高速公路车辆快速通关、不停车缴费、安全预警、大雾监测、指挥管理综合***及方法 | |
CN212256384U (zh) | 基于etc车道的收费全证据链采集***及收费稽查*** | |
CN113724416A (zh) | 基于车路协同***的车载视频处理方法、装置及存储介质 | |
CN101692314A (zh) | 利用车辆位置信息识别车辆身份的方法及应用 | |
CN202472943U (zh) | 一种基于高清视频技术的车辆违章检测*** | |
CN106683412A (zh) | 一种应急车道通行装置 | |
CN103116917A (zh) | 一种基于gps的公交智能停车场控制方法 | |
CN109615866A (zh) | 基于互联网的交通路况监控*** | |
CN106683413A (zh) | 一种基于应急车道的快速救援*** | |
CN110322726A (zh) | 一种基于高位视频的半封闭路侧停车管理***及方法 | |
CN102693640B (zh) | 为设定车辆提供优先信号的控制方法 | |
CN107911488A (zh) | 一种景区综合安防管理*** | |
CN111081028A (zh) | 交通违停、占用应急车道的识别分析 | |
CN109208995A (zh) | 智能交通杆及智能道路*** | |
CN107358801A (zh) | 一种交通信号灯区间联网智能通行*** | |
CN207068237U (zh) | 一种基于应急车道的快速救援*** | |
CN207068238U (zh) | 一种应急车道通行装置 | |
CN110807929A (zh) | 一种交通警用辅助指挥信息分析研判*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181106 |