[发明专利]一种基于中小客车通行行为的非法营运车辆识别方法

说明书

本发明公开了一种基于中小客车通行行为的非法营运车辆识别方法，包括以下步骤：S1：获取某区域某时间段内的中小客车出行的OD数据，对OD数据进行清洗与预处理；S2：基于S1处理后的中小客车出行OD数据，设置可反映中小客车通行行为特征的指标，包括出行强度、时间维度、空间维度，获取每辆车的相应指标。本发明提出的一种基于中小客车通行行为的非法营运车辆识别方法，通过提取中小客车通行行为特征，将车辆划分为不同的类别，将具有相似通行特征的车辆划分到同一类别，并对出行中小客车进行群体类别辨识，将识别出具有营运行为特征的车辆群体，再进一步划分为合法营运车辆和非法营运车辆。

技术领域

本发明涉及车辆识别技术领域，特别涉及一种基于中小客车通行行为的非法营运车辆识别方法。

背景技术

近年来随着经济社会的快速发展，城市化过程快速推进，城市交通管理水平也有很大提高，但是城市交通管理中仍然面临诸多难题。汽车保有量迅速增加与居民出行需求迅猛增长，交通需求增长速度远大于道路建设速度，道路交通拥堵问题日益突出；道路中仍存在的大量非法营运车辆，该类车辆未经受过相关交通运输安全的检查，并且游离于城市交通运输管理之外，不仅会扰乱正常交通运输秩序，损害乘客合法权益，甚至给乘客带来人身伤害，为城市交通管理和运输安全带来了大量的隐患。

传统的非法营运车辆发现主要是通过执法人员人工进行。为了提升非法营运车辆识别效率，提升道路出行效率和提升交通服务水平，采用主动挖掘出非法营运车辆，有基于卡口拍照数据，利用图片识别方法发现非法从事网约车客运的嫌疑车辆；有基于高速收费流水数据，从非营运车辆的运动轨迹提取循环通行数据，并计算循环通行数据中的在途时间所占比例与循环通行数据的次数，通过设置阈值判断车辆是否为非法营运车辆。

传统的非法营运车辆发现主要是通过执法人员人工进行。其缺点是成本高、执行效率低、耗时长、检查的区域有限，可能带来不良的社会影响。而采用主动挖掘出非法营运车辆，基于卡口拍照数据利用图片识别方法发现非法从事网约车客运的嫌疑车辆的方法容易受天气、光线等影响卡口拍照图片质量，影响图片识别准确率，进而非法营运车辆识别准确率，此外，图片识别方法需整理车辆大规模图片数据，处理速度较慢；基于高速收费流水数据，从非营运车辆的运动轨迹提取循环通行数据，并计算循环通行数据中的在途时间所占比例与循环通行数据的次数，通过设置阈值判断车辆是否为非法营运车辆的方法，只能分析高速上的非法营运车辆，不能分析普通路上的非法营运车辆。此外，现有方法只能识别单一的车辆群体，例如营运车辆与非法营运车辆，而忽视了其它类型的车辆，大大降低识别的范围与精确度。

发明内容

本发明的目的在于提供一种基于中小客车通行行为的非法营运车辆识别方法，基于中小客车通行行为的非法营运车辆识别方法，通过中小客车卡口过车数据、高速过车数据、出租车、网约车数据以及道路监控数据提取中小客车通行行为特征，将车辆划分为不同的类别，将具有相似通行特征的车辆划分到同一类别，并对出行中小客车进行群体类别辨识，将识别出具有营运行为特征的车辆群体，再进一步划分为合法营运车辆和非法营运车辆。此外，其它的分类结果能为交通管理人员进行精细化的、更有针对性的道路交通管控提供依据，进而提升交通管控效率及服务水平，以满足车辆正常出行需求，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于中小客车通行行为的非法营运车辆识别方法，包括以下步骤：

S1：获取某区域某时间段内的中小客车出行的OD数据，对OD数据进行清洗与预处理；

S2：基于S1处理后的中小客车出行OD数据，设置可反映中小客车通行行为特征的指标，包括出行强度、时间维度、空间维度，获取每辆车的相应指标；

S3：对S2获取的每辆车的相应指标进行最大最小归一化处理，通过对原始车辆指标数据进行变换把数据映射到[0，1]之间；

S4：利用K-means++聚类算法对S3处理后的中小客车通行行为特征指标数据进行聚类，获取每辆车的通行行为特征标签；