[發(fā)明專利]判斷涉案嫌疑車輛的方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201810368076.8
• 申請日: 2018-04-23
• 公開（公告）號: CN108492580B
• 公開（公告）日: 2020-03-24
• 發(fā)明（設(shè)計）人: 李慶功;辛國茂;李善寶;馬述杰
• 申請（專利權(quán)）人: 泰華智慧產(chǎn)業(yè)集團(tuán)股份有限公司
• 主分類號: G08G1/017
• 分類號: G08G1/017;G08G1/01
• 代理公司: 北京晟睿智杰知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 11603
• 代理人: 于淼

本發(fā)明公開了一種判斷涉案嫌疑車輛的方法及系統(tǒng)。該方法包括：獲取過車數(shù)據(jù)，根據(jù)過車數(shù)據(jù)生成過車記錄表和過車索引表；對過車數(shù)據(jù)進(jìn)行分析，生成套牌車記錄表；根據(jù)過車記錄表、過車索引表和套牌車記錄表判斷涉案嫌疑車輛，其中，在判斷涉案嫌疑車輛時采用的判斷條件包括時空條件和下述條件中的至少之一：遮陽板狀態(tài)、盜搶高發(fā)地區(qū)、疑似套牌車、頻繁過車和初次入城；根據(jù)判斷結(jié)果，將嫌疑車集合中的過車數(shù)據(jù)，按照嫌疑車得分集合中的得分分值的大小由高到低進(jìn)行排序，生成涉案嫌疑車序列表。本發(fā)明提供的方法及系統(tǒng)，從涉案車輛的多個特征入手進(jìn)行綜合分析，能夠過濾掉大量無用數(shù)據(jù)，將嫌疑最大車輛排在最前面，對于偵破案件可行性高。

技術(shù)領(lǐng)域

本發(fā)明涉及公共安全技術(shù)領(lǐng)域，更具體地，涉及一種判斷涉案嫌疑車輛的方法及系統(tǒng)。

背景技術(shù)

隨著社會的發(fā)展，私家車的數(shù)量越來越多，私家車輛的普及在給人們生活帶來便利的同時，也越來越多的被不法分子利用，成為他們犯罪的工具。據(jù)統(tǒng)計涉車案件占所有刑事案件的50％左右，且近幾年所占比例呈增值趨勢，這就為民警偵破案件造成很大的困難。從以往已偵破的案件中以及民警的辦案經(jīng)驗(yàn)可得出犯罪車輛的一些特征，如：犯罪分子通常不會用自己名下的車輛進(jìn)行違法活動，他們用的車輛多是從別人那偷來或搶來的；或者犯罪分子采用套牌的方式，掛一個假牌進(jìn)行違法活動；通常在違法活動之前，先在違法地點(diǎn)踩點(diǎn)，違法過程中全程放下遮陽板；或者涉案車輛為外地初次入城的車輛等。辦案民警通常根據(jù)上述特征從大量的過車數(shù)據(jù)中篩選可疑車輛。

傳統(tǒng)的篩選涉案嫌疑車輛的方式有以下幾種：第一種是人工直接看圖篩選，幾個民警直接從海量的過車圖片中一張張瀏覽篩查，對于現(xiàn)在海量的過車數(shù)據(jù)來說，靠人工一張張瀏覽圖片不現(xiàn)實(shí)。第二種是民警系統(tǒng)中經(jīng)常使用的各種技戰(zhàn)法，如：套牌車分析、初次入城分析等技戰(zhàn)法，這些方法也是基于大數(shù)據(jù)，從海量過車數(shù)據(jù)中進(jìn)行分析得出的，然而這些單一的技戰(zhàn)法在真正的實(shí)施環(huán)境中并不能最大限度的幫助民警縮小搜查范圍。比如：初次入城分析，現(xiàn)如今一個縣級市每天初次入城的過車數(shù)量也有成千上萬(假設(shè)回溯時長為一個月)，雖然比從幾百萬數(shù)據(jù)中查找要容易很多，但在這成千上萬的結(jié)果中再靠人工查找某個可疑車輛，也無異于大海撈針，并不能最大限度的幫助民警節(jié)省人力，提供效率。綜上，現(xiàn)有的篩查涉案嫌疑車輛的方法在實(shí)際案件的偵破過程中可行性不高。

因此，提供一種判斷涉案嫌疑車輛的方法及系統(tǒng)，快速有效的篩選涉案嫌疑車輛，節(jié)省民警人力，提高辦案效率是本領(lǐng)域亟待解決的問題。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明提供了一種判斷涉案嫌疑車輛的方法及系統(tǒng)，解決了快速有效的篩選涉案嫌疑車輛，節(jié)省民警人力，提高辦案效率的技術(shù)問題。

為了解決上述技術(shù)問題，本發(fā)明提出一種判斷涉案嫌疑車輛的方法，包括：

獲取過車數(shù)據(jù)，根據(jù)所述過車數(shù)據(jù)生成過車記錄表和過車索引表，其中，所述過車記錄表采用Hbase存儲，所述過車記錄表的行鍵依次為：過車時間、過車位置和車牌號，所述過車記錄表的列鍵為：車牌顏色、車型、車輛品牌、車輛年款、車身顏色、有無放下遮陽板或者有無系安全帶，所述過車索引表采用solrCloud存儲，所述過車索引表的屬性值包括：車牌號、車牌顏色、車輛品牌、車型、年款、過車時間或過車位置；

對所述過車數(shù)據(jù)進(jìn)行分析，判斷所述過車數(shù)據(jù)對應(yīng)的車輛是否為套牌車，若所述車輛為套牌車，則將所述過車數(shù)據(jù)存入套牌車記錄表，所述套牌車記錄表采用Hbase存儲，所述套牌車記錄表的行鍵依次為：過車時間、過車位置和車牌號；

根據(jù)所述過車記錄表、所述過車索引表和所述套牌車記錄表判斷涉案嫌疑車輛，其中，在判斷涉案嫌疑車輛時采用的判斷條件包括時空條件和下述條件中的至少之一：遮陽板狀態(tài)、盜搶高發(fā)地區(qū)、疑似套牌車、頻繁過車和初次入城，判斷所述涉案嫌疑車輛的步驟包括：