一卡口的次數(shù)；
[0047] (4.4.3)根據(jù)上一步結(jié)果，可以統(tǒng)計從卡口 1出發(fā)到其他卡口的概率。
[0048] 本發(fā)明的有益效果主要表現(xiàn)在：1、基于大數(shù)據(jù)分析的思想，通過的嫌疑失駕車在 失駕前與失駕后的行為特征進(jìn)行深度刻畫，從而對嫌疑失駕車的嫌疑度進(jìn)行合理的排序， 并通過對比的方式對嫌疑失駕車失駕前與失駕后的卡口抓拍圖片進(jìn)行展現(xiàn)，極大地提高后 續(xù)核查和布控效率。2、部署方便，只需城市道路交通卡口設(shè)備以及產(chǎn)生的數(shù)據(jù)、機(jī)動車輛信 息和駕駛員違法信息即能實現(xiàn)，適用性廣，并且數(shù)據(jù)越豐富，篩選結(jié)果越有效。
【附圖說明】
[0049] 圖1是失駕人員篩選方法的流程圖。
[0050] 圖2是本發(fā)明方法系統(tǒng)展現(xiàn)框架。
【具體實施方式】
[0051] 下面結(jié)合附圖對本發(fā)明作進(jìn)一步描述。
[0052]參照圖1和圖2，一種失駕人員篩選方法，包括以下步驟：
[0053] (1)數(shù)據(jù)預(yù)處理
[0054] (1.1)車輛信息數(shù)據(jù)預(yù)處理，主要步驟如下：
[0055] (1.1.1)數(shù)據(jù)清洗:獲得車輛信息數(shù)據(jù)，根據(jù)設(shè)定的清洗規(guī)則，刪除不符合規(guī)則的 數(shù)據(jù)，如特殊字符的車牌等。
[0056] (1.1.2)維度削減:刪除與失駕分析無關(guān)的維度，如發(fā)動機(jī)號、經(jīng)辦人等。
[0057] (1.1.3)將篩選后的數(shù)據(jù)存入到數(shù)據(jù)倉庫中，獲得預(yù)處理后的車輛信息數(shù)據(jù)集X。
[0058] (1.2)違法信息數(shù)據(jù)預(yù)處理，主要步驟如下：
[0059] (1.2.1)數(shù)據(jù)清洗:獲得違法信息數(shù)據(jù)，根據(jù)設(shè)定的清洗規(guī)則，刪除違法時間登記 不全的數(shù)據(jù)。
[0060] (1.2.2)維度削減:刪除與失駕分析無關(guān)的維度，如經(jīng)辦人等。
[0061 ] (1.2.3)將篩選后的數(shù)據(jù)存入到數(shù)據(jù)倉庫中，獲得預(yù)處理后的違法信息數(shù)據(jù)集W。
[0062] (1.3)卡口過車記錄數(shù)據(jù)預(yù)處理，主要步驟如下：
[0063] (1.3.1)數(shù)據(jù)清洗:獲得卡口過車記錄數(shù)據(jù)，刪除車牌號為空的數(shù)據(jù)，刪除設(shè)備識 別錯誤的數(shù)據(jù)，如車牌字符帶"?"的數(shù)據(jù)，以及車牌字符出現(xiàn)字母多于3個字母的錯牌等
[0064] (1.3.2)數(shù)據(jù)去重:根據(jù)步驟(1.3.1)進(jìn)行數(shù)據(jù)清洗后的數(shù)據(jù)，進(jìn)行數(shù)據(jù)去重處理， 去重方法為:對于一個車牌在同一卡口、方向、時間的多條重復(fù)數(shù)據(jù)，只保留1條數(shù)據(jù)。
[0065] (1.3.3)將清洗和去重后的數(shù)據(jù)存入到數(shù)據(jù)倉庫中，獲得預(yù)處理后的過車記錄信 息數(shù)據(jù)K。
[0066] (2)嫌疑失駕信息獲取
[0067] (2.1)失駕人信息和失駕時間信息獲取
[0068] 利用違法信息數(shù)據(jù)集W中"違法行為"字段，查找違法行為編碼對應(yīng)的違法名稱，結(jié) 合實際交通法規(guī)，獲得導(dǎo)致駕駛證吊銷的違法行為，并從違法信息數(shù)據(jù)集W篩選出嫌疑失駕 人信息和嫌疑失駕時間信息，存儲為嫌疑失駕人信息數(shù)據(jù)集W P。其中％ cz)T。
[0069] (2.2)嫌疑失駕車信息獲取
[0070] 根據(jù)步驟(2.1)獲得的嫌疑失駕人信息數(shù)據(jù)集^，結(jié)合步驟（1.1)獲得的車輛信息 數(shù)據(jù)集X，獲得嫌疑失駕人名下的車輛信息數(shù)據(jù)，存儲為嫌疑失駕車信息數(shù)據(jù)集Xw。其中 Χψ <- X 0
[0071] (3)嫌疑失駕車的時-空軌跡分析
[0072] (3.1)嫌疑失駕車失駕前與失駕后的時-空軌跡信息獲取
[0073] (3.1.1)根據(jù)步驟(2.1)獲得的嫌疑失駕人信息數(shù)據(jù)集WP，利用其中的"違法時間" 字段，作為嫌疑失駕車失駕前與失駕后的臨界時間t。
[0074] (3.1.2)結(jié)合步驟(2.2)獲得的嫌疑失駕車信息數(shù)據(jù)集Xw和步驟（1.3)獲得的卡口 過車信息數(shù)據(jù)集K，獲得嫌疑失駕車的過車信息數(shù)據(jù)&。根據(jù)臨界時間t，將嫌疑失駕車的過 車信息數(shù)據(jù)劃分為失駕前過車信息數(shù)據(jù)和^^。
[0075] (3.1.3)以設(shè)定時段為時間槽，假設(shè)共有j個時間槽，并設(shè)有i個卡口，分別在失駕 前過車信息數(shù)據(jù)巧和失駕后過車信息數(shù)據(jù)中統(tǒng)計嫌疑失駕車在各個時間槽內(nèi)經(jīng)過各 個卡口的總次數(shù)，形成一個用以描述嫌疑失駕車在失駕前的軌跡時-空特征的矩陣和失 駕后的軌跡時-空特征的矩陣和Vu的一個簡單示例如下：
[0077] 該表描述了某個嫌疑失駕車在時間槽1內(nèi)共經(jīng)過卡口 1的次數(shù)為1!1;1次，卡口 2的次 數(shù)為U1,2次，卡口 i的次數(shù)為Ui, 1次，依次類推。
[0078] (3.2)嫌疑失駕車失駕前與失駕后的時-空軌跡匹配度計算
[0079] 計算嫌疑失駕車的失駕前軌跡特征矩陣與失駕后的軌跡特征矩陣之間的 相似度，計算過程如下：
[0080] (3.2.1)將矩陣Ui,j轉(zhuǎn)換為向量u=(ui,i，ui,2, · · ·，ui,j，· · ·，Ui,i，Ui,2, · · ·，Ui,j)，將 矩陣Vi,j轉(zhuǎn)換為向量V=(V1,1，V1,2, · · ·，Vl,j，· · ·，Vi,l，Vi,2, · · ·，Vi,j)。
[0081] (3.2.2)利用向量空間的余弦相似度量，作為嫌疑失駕車失駕前與失駕后的軌跡 匹配度ω，計算公式為(I):
[0083]根據(jù)計算得到的軌跡匹配度ω，確定嫌疑失駕車嫌疑度，嫌疑失駕車嫌疑度分為 "高"、"中"、"低"三個等級，所述軌跡匹配度ω大于等于上限閾值，判定為高等級，表明失駕 后與失駕前是同一個人駕駛的可能性較高，失駕嫌疑較高;軌跡匹配度ω介于上限閾值和 下限閾值之間，判定為中等級，表明失駕后與失駕前是同一個人駕駛的可能性中等，失駕嫌 疑中等;所述軌跡匹配度ω小于等于下限閾值，表明失駕后與失駕前是同一個人駕駛的可 能性較低，則失駕嫌疑度較低。
[0084] (4)失駕人員篩選系統(tǒng)展示方法
[0085]根據(jù)步驟(3)計算得到的嫌疑失駕車的嫌疑度結(jié)果，結(jié)合嫌疑失駕車車主基本信 息、卡口抓拍的圖片信息以及地圖信息，進(jìn)行嫌疑失駕車的排查和稽查布控。主要步驟如 下：
[0086 ] (4.1)在嫌疑失駕車的嫌疑度排名區(qū)域，選取某個嫌疑失駕車。
[0087] (4.2)選取某個嫌疑失駕車后，在車輛基本信息展示區(qū)域會展示該嫌疑失駕車輛 的一些基本信息，如品牌，顏色，車型等，以及該車車主的基本信息和違法信息。
[0088] (4.3)與步驟(4.2)同步地，系統(tǒng)會選取該失駕嫌疑車在失駕前與失駕后的卡口抓 拍圖片作為一組進(jìn)行對比展示。
[0089] (4.4)如果需要進(jìn)一步了解該失駕嫌疑車的落腳點分布，則可以使用"落腳點稽 查布控"功能，系統(tǒng)會結(jié)合地圖對該失駕嫌疑車的頻繁落腳點進(jìn)行展現(xiàn)，同時針對某個落腳 點卡口 i，系統(tǒng)會計算出該嫌疑失駕車在卡口 i的到達(dá)概率Pa(即時間相鄰的其他卡口到達(dá) 卡口 i的概率）以及在卡口 i前往的前往概率01 (即時間相鄰的卡口 i前往其他卡口的概率）。 計算步驟如下：
[0090] (4.4.1)根據(jù)步驟(3.1.2)中獲得的嫌疑失駕車過程信息數(shù)據(jù)集&，獲得同一車牌 經(jīng)過的卡口編號以及經(jīng)過時間，并按照經(jīng)過時間進(jìn)行升序排列，以保證過車信息的時序特 征。假設(shè)號牌1按時間順序經(jīng)過卡口如下：
[0092] 其中 T1<T2<T3<T4<T5<T6<T70
[0093] (4 · 4 · 2)統(tǒng)計號牌 1 分別在 Ti-T〗，T2-T3，T3-T4，T4-T5，T 5-T6，T6-T7 從上 一^^口 到下一卡口的次數(shù)，整理得到：
[0096] (4.4.3)根據(jù)上一步結(jié)果，可以統(tǒng)計從卡口 1出發(fā)到其他卡口的概率，計算如下：
[0098]類似地，可以統(tǒng)計從其他卡口出發(fā)到卡口 1的概率，計算如下：
[0100]在實施例中，假設(shè)號牌1出現(xiàn)在任意卡口是一個隨機(jī)獨立事件，當(dāng)號牌1出現(xiàn)在卡 口 1時，則可以它從卡口 3或者卡口4過來的概率均為50%，而接下來它有67%的概率將前往 卡口 2。在展示界面中，能夠局部地顯示當(dāng)在卡口 1時，從卡口 3、卡口4到卡口 1的有向連接線 以及從卡口 1到卡口 2以及卡口 1到卡口 4的有向連接線，并且以線條