[发明专利]一种基于Hadoop的套牌车识别方法及系统

权利要求书

1.一种基于Hadoop的套牌车识别方法，其特征在于，包含以下顺序的步骤：

S1.对各个智能卡口系统采集的过往车辆的信息进行预处理汇总，采用HBase分布式数据库组织数据，进行分布式存储；

S2.利用Hadoop分布式框架对车流数据和卡口数据进行建模和分析，通过Map-Reducer的编程框架实现可疑套牌车识别：

(1)通过卡口的位置信息计算距离，对车流信息用正态分布拟合经过卡口的速度值，用奇异值检测方法，过滤异常速度值，统计得到卡口间的平均速度，求得卡口间的理论行驶时间；

(2)根据车量通过卡口的时间得到实际行驶时间，当实际行驶时间明显小于理论行驶时间，则该车为可疑套牌车；

S3.对可疑套牌车进行行驶轨迹分析，建立套牌车预警信息库。

2.根据权利要求1所述的基于Hadoop的套牌车识别方法，其特征在于：所述的步骤S1，具体包含以下顺序的步骤：

(1)将各个智能卡口系统采集的过往车辆车流信息的EXCEL格式文件转换成CSV格式文件；

(2)利用基于相似度的匹配算法对卡口数据文件和车流数据文件中的卡口信息进行重新匹配；

(3)对数据进行规范和去噪处理；

(4)将转化完成后的统一格式文件，保存到HBase分布式数据库中。

3.根据权利要求1所述的基于Hadoop的套牌车识别方法，其特征在于：所述的步骤S2，具体包含以下步骤：

A、加载卡口信息数据，包括卡口名称和位置经纬度；

B、对每辆车经过的全部卡口按通过卡口的时间排序；

C、遍历排序过的卡口序列，分析车辆经过两个卡口的时间；若某车牌的车在不合理的时间间隔经过两个卡口，该车牌为可疑车牌，该车为可疑套牌车，具体如下：

a、根据卡口的经纬度计算相邻两个卡口的距离：

Distance(KaKou1,Kakou2)=2*EARTH_RADIUS*arcsin(sin2(lat1-lat2)+cos(lat1)*cos(lat2)*sin2(lng1-lng2))]]>

其中，EARTH_RADIUS是地球的半径，lng1、lat1分别为卡口1的经度、纬度，lng2、lat2分别为卡口2的经度、纬度；

b、将车辆行驶速度设定一个上限值v，利用公式t＝Distance/v计算两个卡口间理论上的行驶时间T；车辆通过两个卡口的时间为T1和T2，则车辆在两个卡口之间实际行驶时间为T1-T2：若实际行驶时间大于理论行驶时间T，则合理；否则，该车牌为可疑车牌。