[发明专利]基于时间路网的套牌车分析方法及其系统

说明书

本发明公开了一种基于时间路网的套牌车分析方法及其系统，属于智能交通管理技术领域，通过搜集历史的过车数据并提取信息构建时间路网，通过判别一辆车从一个地方达到另外一个地方所耗用的时间是否合理，结合套牌置信度评估方法，进行套牌车的分析识别。与现有技术相比，该方法和系统不需要依赖点位经纬度、点位编码的里程桩号，抓拍卡口的行政区划编码等，即可以发现不同品牌、不同车型、不同颜色的套牌车，也可以发现相同品牌、相同车型、相同颜色的套牌车，且不受地域地理因素限制，效率高，具有较高的准确率。

技术领域

本发明涉及的是智能交通管理技术领域，尤其涉及的是一种基于时间路网的套牌车分析方法及其系统。

背景技术

在智能交通系统中，套牌车查处一直没有一个良好的技术解决方案，主要是因为在单卡口和少量过车数据的情况下通过技术手段很难发现套牌车。现有的套牌车分析系统是基于过车照片的二次识别和车辆登记信息库比对方式的，存在误报率高、准确率低的问题，有时候甚至低到不能接受。另外，基于比对的方法，不能解决相同车型和相同颜色套牌的问题。通过手持交通移动执法仪人工比对车辆品牌、车辆型号、车身颜色、和车架号的方式排查套牌车虽然准确率高，能解决相同品牌、相同型号、相同车身颜色的套牌问题，但效率非常低。随着大数据技术的发展和智能交通建设的发展，海量的卡口过车数据被汇聚到一个统一的大数据中心以内，用软件系统自动分析并发现套牌车变得可行。本文提出一种利用大数据平台提取套牌嫌疑车辆。

发明内容

本发明的目的在于克服现有技术的不足，提供了一种基于时间路网的套牌车分析方法及其系统，提出了一种利用大数据平台提取套牌嫌疑车辆，解决了套牌车分析难、效率低的技术问题。

本发明是通过以下技术方案实现的：

本发明提供了一种基于时间路网的套牌车分析方法，包括以下步骤：

步骤S1：收集各交通卡口/电警抓拍的过车数据，形成结构化的过车数据p，所述结构化的过车数据p包括交通卡口/电警设备的点位编码、车牌号、号牌类型、过车时间以及图片URL地址；

步骤S2：将结构化的过车数据p映射成一复合二元组pp((plate_nbr,plate_type),p)，其中，plate_nbr、plate_type分别指车牌号码，号牌类型，所有pp数据组成集合S；

步骤S3：对集合S按照(plate_nbr，plate_type)分组，变换成集合S’((plate_nbr,plate_type)，Set[p])，其中，Set[p]是一个按照过车时间全局有序的结构化过车数据集合；

步骤S4：提取集合Set[p]中的一辆车连续经过两个点位所产生的数据，获得集合Set[PU]；

步骤S5：在集合Set[PU]上执行映射函数，使之变换成集合Set[((fs,es),cost)]，其中，fs、es、cost分别代表开始点位编码、结束点位编码和耗用时间；在集合Set[((fs,es),cost)]执行分组聚合运算函数，产生Set[(fs,es),cost’)，其中，cost’表示开始点位到结束点位所需要的最短时间，此时，时间路网基础数据被提取完成，这些时间路网基础数据除了包含了从点s出发到达点s’所需要的最短时间外，还包含任意两点之间的最短时间消耗路径；

步骤S6：对一辆车的任一PU，使用时间路网基础数据中搜索出的PU的开始位置和结束位置的最短路径评估该PU的消耗时间是否合理，如果PU的消耗时间明显小于最短时间消耗路径的总时间，则认为此PU为非正常PU，也即存在此车辆的号牌有被套牌的可能，将这些非正常PU收集起来，保存到套牌嫌疑库中；

步骤S7：由于受到系统中校时服务、数据完整性(如漏拍、漏传)的影响，单个非正常PU对套牌车认定的贡献率很低，不到20％。而对一辆车而言，出现非正常PU的次数越多，和最短时间消耗路径的总时间比值越大，则套牌的可能性越高，将套牌嫌疑库中的非正常PU用置信度表示如下：