[发明专利]基于大数据分析的套牌车辆的识别方法及系统、存储介质

摘要

本发明公开了一种基于大数据分析的套牌车辆的识别方法及系统、计算机可读取的存储介质。本发明的基于大数据分析的套牌车辆的识别方法，通过对车辆运行卡口轨迹数据进行统计分析，数据建模，综合了卡口对的行车时间和概率分布进行对比，具有良好的识别准确度，尤其是结合号牌车辆的登记信息，有力提高查扣套牌车准确性和效率，美化车辆营运环境，保障人民生命和财产安全。并且，不需要路网、距离数据的情况下得到车辆轨迹的连续特征，同时也能兼容漏拍数据，相较通过计算距离或者根据路网来确定轨迹连续性效果更好，复杂度更低。

主权项

1.一种基于大数据分析的套牌车辆的识别方法，其特征在于，包括以下步骤：步骤S1：获取所有卡口编号，形成卡口集合K＝{k₁，k₂，k₃，k₄……k_n}；步骤S2：建立卡口集合K自身的迪卡尔积K*K，穷近所有卡口对组合，形成n*n的卡口对二维矩阵KK_m＝[k_i*k_j]，i∈N₊∧i≤n，j∈N₊∧j≤n，复制卡口对二维矩阵KK_m；步骤S3：获取每辆车的运行轨迹，并将每辆车的卡口轨迹数据按照行车时间先后顺序经过的所有卡口排序，得到每辆车的号牌卡口轨迹序列K_T，将号牌卡口轨迹序列K_T中前后通过的两个卡口组成卡口对以得到号牌卡口对轨迹序列K_d，再从号牌卡口对轨迹序列K_d中提取每辆车行车轨迹中的卡口对，组成车辆通行卡口对记录，并将号牌卡口轨迹序列K_T中前后相邻依次通过的两个卡口组成卡口对(k_i，k_j)以得到号牌相邻卡口对轨迹序列K_a；步骤S4：基于车辆通行卡口对记录建立卡口对行车时间最小阈值二维矩阵KK_T；步骤S5：基于车辆通行卡口对记录建立卡口对流向概率二维矩阵KK_p；步骤S6：利用聚类算法划分卡口流向概率的高概率区间和低概率区间；及步骤S7：从号牌相邻卡口对轨迹序列K_a的第一个卡口对开始，获取前后依次通过的卡口对(k_i，k_j)及其卡口对行车时间，查询卡口对流向概率二维矩阵KK_P和卡口对行车时间最小阈值二维矩阵KK_T，获得卡口对(k_i，k_j)的概率区间和最小时间阈值，若卡口对(k_i，k_j)落在低概率区间且行车时间小于最小时间阈值，则为套牌车，若卡口对(k_i，k_j)落在低概率区间，而行车时间大于最小时间阈值，则为疑似套牌车，若卡口对(k_i，k_j)落在高概率区间，而行车时间小于最小时间阈值，则为疑似套牌车。