[發明專利]一種涉車關系發現方法、裝置、設備和介質

有效

• 申請號: 202011166616.8
• 申請日: 2020-10-27
• 公開（公告）號: CN112182121B
• 公開（公告）日: 2022-07-12
• 發明（設計）人: 吳志雄;甘俊奇;徐陽
• 申請（專利權）人: 南威軟件股份有限公司;福建威盾科技集團有限公司
• 主分類號: G06F16/28
• 分類號: G06F16/28;G06F16/27;G06F16/2458;G08G1/017
• 代理公司: 泉州市文華專利代理有限公司 35205
• 代理人: 陳雪瑩

本發明實施例公開了一種涉車關系發現方法，主旨在于提供一種涉車同行、同地關系研判的方法，結合實際應用，以海量的卡口車牌識別數據為基礎，通過大數據平臺存儲過車數據，采用基于Spark的計算框架，提高運行速率；針對誤判漏判的情況，通過得到不同關聯強度的車輛關系解決。本發明提供的方法，為公安偵查辦案以及打防控預警等工作提供相關的情報線索和數據支撐。

技術領域

本發明涉及公路交通監控技術領域，特別涉及一種涉車關系發現方法、裝置、設備和介質。

背景技術

隨著信息化的發展，業主對于平臺應用也不斷提出新的要求，功能需要高效、實時，通過大數據分析出更多可挖掘內容。為了適應這些不斷增長的變化。并大量采集利用全國公安機關的網上警務綜合信息，使用大數據平臺能力對車輛、車主、關系人屬性構建數據關系網進行深度分布式的數據挖掘分析，涉車關系發現是公路交通監控技術領域中的一個重要方法。

現有涉車關系發現方法仍然存在一些不足，主要面臨以下問題：

1)現有的涉車關系發現算法大部分是通?；趆adoop的MapReduce計算或非分布式的計算框架，無法滿足現在實際中過車數據的巨大數據量；同時，對于龐大的過車數據量直接全量計算將會面臨服務器內存不足以及算法計算耗時過長的問題；

2)現有方法中之前的方法最常見的關系型數據庫不能存儲過車這樣大數據的情況，因此參與計算的數據往往是短期幾小時內數據甚至只考慮當前實時過車數據，而對于歷史過車數據并沒有充分存儲和利用，導致分析結果的準確性不高；

3)現有其他方法由于僅基于簡單關聯規則的數據挖掘，例如直接用apriori算法來獲取頻繁項集計算車輛關系，其得到的結果僅為是否存在關系，缺乏對結果的量化，在實際應用中往往導致誤判和漏判。

發明內容

本發明要解決的技術問題，在于提供一種涉車關系發現方法、裝置、設備和介質，在頻繁項發現算法之后，通過分別計算同行和同地兩種車輛關系，再通過權重調整兩個關系的重要程度，并通過不同條件設置篩選得到不同強度等級的車輛關系，既可以減少誤判也防止漏判。

第一方面，本發明提供了一種涉車關系發現方法，包括：

步驟10、識別路面卡口攝像頭拍攝的過車圖像視頻，得到結構化過車數據；

步驟20、將所述結構化過車數據同步到離線分析的集群中，過濾未識別和為空的字段以及同卡口連續拍攝產生的重復數據，然后存入數據倉庫；

步驟30、在每天的設定時間從數據倉庫獲取前24小時的結構化過車數據作為計算數據集，將計算數據集分為一定時長的時間片數據集，進行分布式計算；

步驟40、將在相同卡口設定時間內通過的車輛記為一次同行，通過頻繁項挖掘算法得到頻繁同行的車牌對；

步驟50、計算頻繁同行的車牌對的同行次數與兩車通過卡口總次數的占比，將占比滿足閾值條件時該頻繁同行的車牌對標記為同行關系；將同卡口設定時間內到達且在之后的一定時間內沒有其他卡口過車記錄的頻繁同行的車牌對記為同地一次，將累計同地次數達到閾值的車牌對標記為同地關系；

步驟60、根據同行關系和同地關系，按設置的條件篩選出強關聯關系條件的頻繁同行的車牌對或弱關聯關系條件的頻繁同行的車牌對。

進一步地，還包括：

步驟70、將計算結果存儲在分布式數據庫Gbase和Hive中，分別用于Web查詢和數據分析。

進一步地，所述結構化過車數據包括車輛外形特征、車牌號、過車時間以及過車速度。