[發明專利]基于大數據的可疑車輛判別方法及系統

有效

• 申請號: 202010525390.X
• 申請日: 2020-06-10
• 公開（公告）號: CN111696351B
• 公開（公告）日: 2022-08-09
• 發明（設計）人: 陳征宇;黃河;戴文艷;林文國;李昱東;潘德生
• 申請（專利權）人: 長威信息科技發展股份有限公司
• 主分類號: G08G1/01
• 分類號: G08G1/01;G08G1/017
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 陳明鑫;蔡學俊

1.一種基于大數據的可疑車輛判別方法，其特征在于，包括以下步驟：

步驟S1:獲取各卡口的卡口信息，并獲取經過卡口的車輛信息；

步驟S2:根據各卡口的卡口信息及車輛信息歷史數據，獲取車輛的車輛軌跡，并將車輛軌跡信息傳送至后臺管理單元；

步驟S3:根據車輛軌跡，判斷是否存在可疑車輛，獲取可疑車輛的車輛軌跡及車主信息，判斷所述可疑車輛是否為非法車輛；

步驟S4:若為非法車輛，則調取該車輛最近的車輛軌跡，并將信息傳送至附近的交警，用于及時發現并控制非法車輛；

所述可疑車輛包括伴隨車輛、晝伏夜出車輛和徘徊車輛；

所述晝伏夜出車輛判斷，具體為：

(1)獲取各卡口若干天的夜間車輛通過記錄，過濾掉通過天數小于預設值的車輛，得到夜間行駛車輛；

(2)根據得到的夜間行駛車輛，獲取車輛白天通過卡口記錄，構成車輛出現特征；

(3)設對一輛車屬于晝伏夜出車輛為概率為θ的二項分布，其各出現記錄互相獨立，對各卡口各車輛類型有各自的夜間出現，假設為二項分布，先驗概率p_i，即各卡口各類型車輛夜間出現次數除以全天出現次數；各車之間，各卡口之間夜間出現概率互相獨立；若車輛屬晝伏夜出車輛，則其應當在卡口記錄中夜間出現，否則其是否夜間出現由卡口的先驗概率決定；

(4)根據實際的車輛記錄y，建立y的晝伏夜出概率模型，求該車屬于晝伏夜出車輛的概率θ。

2.根據權利要求1所述的一種基于大數據的可疑車輛判別方法，其特征在于：所述伴隨車輛判斷，具體為：

(1)獲取預設時間內各卡口的車輛通過記錄，對每個卡口的記錄按時間順序排序

(2)對排序的記錄按固定的時間窗口掃描，出現在同一窗口內的任意一對車輛稱為一次伴隨出現；計算該窗口內的強度歸一化因子；

(3)掃描過程中將每一次伴隨出現的影響強度累積計入該車輛對的伴隨強度

(4)將伴隨強度低于伴隨閾值的車輛對過濾掉，得到伴隨車輛對。

3.根據權利要求2所述的一種基于大數據的可疑車輛判別方法，其特征在于：所述伴隨車輛判斷，強度歸一化因子具體為：

其中n_t為窗口內的車輛數量。

4.根據權利要求1所述的一種基于大數據的可疑車輛判別方法，其特征在于：所述晝伏夜出概率模型具體為：

其中車輛y在最近一定日期內具有卡口1到n的出現記錄，若在卡口i夜間出現，則y_i為1，否則y_i為0；θ和p_i的定義見上文；θ為待求解的未知量；

使用牛頓法求θ的數值解，得到p(y|θ)的最大似然估計，即符合車輛y出現特征的晝伏夜出概率。

5.根據權利要求1所述的一種基于大數據的可疑車輛判別方法，其特征在于：所述徘徊車輛，具體為：

(1)獲取車輛預設時間內行車軌跡；

(2)視車輛軌跡為一長度為n的序列，其元素為按時間順序經過的卡口id，有m≤n個不同元素，第i個不同元素的出現次數為c_i，第i個不同元素的出現頻率

(3)計算序列的平均信息熵

(4)根據車輛平均信息熵，判斷車輛是否屬于疑似徘徊車輛；平均信息熵小于一定預設閾值的車輛為疑似徘徊車輛，進行下一步判別；

(5)根據獲取的疑似徘徊車輛，求徘徊路段重復模式即卡口id最長公共子序列；掃描車輛軌跡序列，對當前元素若重復出現，記錄重復出現次數并求它開始的序列與之前出現以其開始或結尾序列的最長公共子序列。

6.根據權利要求1-5任一所述的一種基于大數據的可疑車輛判別方法的系統，其特征在于，包括前端采集終端、分析單元、后臺管理單元和告警單元；

所述前端采集終端用于獲取各卡口的卡口信息，并獲取經過卡口的車輛信息；

所述分析單元根據各卡口的卡口信息及車輛信息，判斷是否存在可疑車輛，并將可疑車輛的車輛信息傳送至后臺管理單元；

所述后臺管理單元用于提供數據信息給管理人員，并存儲系統歷史數據；

所述告警單元用于將信息傳送至附近的交警，方便及時發現并控制非法車輛。