一種基于海量交通數(shù)據(jù)統(tǒng)計的定向套牌車檢測方法
【專利摘要】本發(fā)明公開了一種基于海量交通數(shù)據(jù)統(tǒng)計的定向套牌車檢測方法，包括：步驟1，設置一個初始時間t0，劃定一個時間范圍T1，按車牌號碼統(tǒng)計(t0?T1,t0)時間范圍內(nèi)的所有卡口行車數(shù)據(jù)，統(tǒng)計每個出現(xiàn)的車牌號碼出現(xiàn)的次數(shù)，并將車牌號碼按照出現(xiàn)次數(shù)從高到低進行排序；步驟2，將車牌號碼按照出現(xiàn)次數(shù)從高到低進行排序得到的序列取前N個車牌號碼；步驟3，從卡口行車數(shù)據(jù)中查詢N個車牌號碼在(t0?T2,t0)時間范圍的所有數(shù)據(jù)記錄；步驟4，根據(jù)車牌號碼所對應的卡口數(shù)據(jù)記錄集合以及卡口行車數(shù)據(jù)記錄的車輛行車時間和卡口地點，對車輛所形成的軌跡進行判斷，當出現(xiàn)不合理的軌跡時，則判定車輛是套牌車，否則判定車輛不是套牌車。
【專利說明】
一種基于海量交通數(shù)據(jù)統(tǒng)計的定向套牌車檢測方法
技術領域
[0001] 本發(fā)明屬于套牌車檢測領域，尤其涉及一種基于海量交通數(shù)據(jù)統(tǒng)計的定向套牌車 檢測方法。
【背景技術】
[0002] 套牌車是指沒有使用在相應的交通管理部門依照法律規(guī)定辦理的車牌，而是懸掛 偽造或者盜用他人的車牌上路行駛的車輛。套用他人的車牌是一種侵犯他人合法權利，對 社會有很大安全隱患的交通違法行為。隨著我國社會經(jīng)濟的高速發(fā)展，我國的汽車車保有 量飛速增加，在各種違法犯罪案件中，使用汽車作為交通工具的案例也在急劇增加。使用套 牌和假牌作為犯罪分子逃避公安機關破案和追捕的常用手段也在呈現(xiàn)多發(fā)的趨勢。依據(jù)我 國交通管理部門的統(tǒng)計，每年都有大量使用套牌、假牌進行違法犯罪的案件。，而且此類案 件呈現(xiàn)出遞增的趨勢。傳統(tǒng)的套牌車識別算法通過串行工作方式在網(wǎng)格化城市交通監(jiān)控系 統(tǒng)所產(chǎn)生的大規(guī)模數(shù)據(jù)中進行兩兩比對實現(xiàn)套牌車檢測，因此在處理海量數(shù)據(jù)時存在性能 瓶頸問題。
[0003] 傳統(tǒng)的套牌車檢測主要是通過判斷某個車牌同時出現(xiàn)在兩個不同的地方，或出現(xiàn) 在某個時間段內(nèi)不可能到達的兩個地方，來斷定是否為套牌車。但此分析方法仍然是用微 觀的眼光來看問題，在海量數(shù)據(jù)的情況下，用此方法進行分析必然是計算量隨著數(shù)據(jù)增加 而數(shù)倍增加，不僅計算復雜還難以保證實時性。

【發(fā)明內(nèi)容】

[0004] 發(fā)明目的：本發(fā)明所要解決的技術問題是針對現(xiàn)有技術的不足，提供一種基于海 量交通數(shù)據(jù)統(tǒng)計的定向套牌車檢測方法。
[0005] 本發(fā)明在面對海量數(shù)據(jù)時，采用大數(shù)據(jù)思維從宏觀角度分析，提出了一種基于統(tǒng) 計的套牌車分析方法，該方法的主要依據(jù)是：當一輛車被套牌時，在一定時間內(nèi)它的車牌號 碼出現(xiàn)在卡口行車數(shù)據(jù)記錄中的概率必然增加，因此可以從出現(xiàn)頻率高的車牌號碼入手進 行套牌車檢測。即現(xiàn)實情況中，一個假的套牌號牌會被2輛以上甚至更多的車輛同時使用。
[0006] 本發(fā)明包括如下步驟：
[0007] 步驟1，設置一個初始時間to，劃定一個較短的時間范圍Ti (如5分鐘），按車牌號碼 統(tǒng)計(to-T^to)時間范圍內(nèi)的所有卡口行車數(shù)據(jù)，統(tǒng)計每個出現(xiàn)的車牌號碼出現(xiàn)的次數(shù)，并 將車牌號碼按照出現(xiàn)次數(shù)從高到低進行排序；
[0008] 步驟2,由于一個城市的套牌車數(shù)量在一定時期內(nèi)較固定，將車牌號碼按照出現(xiàn)次 數(shù)從高到低進行排序得到的序列取前N個車牌號碼，…，C N)，CN表示第N個車牌號碼，N 是大于1的整數(shù)；
[0009] 步驟3,從卡口行車數(shù)據(jù)中查詢N個車牌號碼在(tQ-T2，tQ)時間范圍的所有數(shù)據(jù)記 錄，TsSTi，受到時間范圍的約束，此時每輛車的數(shù)據(jù)記錄個數(shù)有限，第i個車牌號碼對應的 卡口數(shù)據(jù)記錄集合記為Ri，i取值為1~N，卡口數(shù)據(jù)記錄集合包含的信息包括車輛的車牌、 車輛通過卡口時間、卡口地點和車輛行駛方向；
[0010] 步驟4,根據(jù)車牌號碼(^所對應的卡口數(shù)據(jù)記錄集合心以及卡口行車數(shù)據(jù)記錄的車 輛行車時間和卡口地點，對車牌號碼為(^的車輛所形成的軌跡進行判斷，當出現(xiàn)不合理的 軌跡時，則判定車牌號碼為匕的車輛是套牌車，向用戶推送此車牌號碼，否則判定車牌號碼 為Ci的車輛不是套牌車；
[0011] 步驟5，重復步驟4，直至將N個車牌號碼全部判斷完畢。
[0012] 步驟4包括如下步驟：
[0013]步驟4-1，設g為從卡口行車數(shù)據(jù)中獲得車牌號碼為匕的車輛一個點的軌跡數(shù)據(jù)， 軌跡數(shù)據(jù)g包含車輛的車牌、車輛通過卡口時間、卡口地點和車輛行駛方向，按照通過卡口 時間對車牌號碼為G的車輛所對應的卡口數(shù)據(jù)記錄集合h進行時間升序排序得到車輛軌跡 序列心'，假設R沖共有k個軌跡點，k彡2,則形成車輛軌跡序列為心'二以舊^丄結合卡 口部署情況和路網(wǎng)情況外推軌跡點幻必須經(jīng)過的上一個路口位置pl」和下一個路口位置 pnj，2 < j <k，判斷軌跡點gj與gj-i位置是否相同，相同時，判斷時間間隔是否小于時間閾值 Y1 (設Y1 = 60秒），如果小于時間閾值Y1則判定gj是不合理軌跡點，如果軌跡點gj與gj-i位置 不相同或者位置相同但時間間隔大于或等于時間閾值Y1，則進行步驟4-2;
[0014]步驟4-2,通過軌跡點幻與gj-i的直線距離和間隔時間來計算車輛車速，判斷車輛 車速是否超出車速閾值Y2(設Y2 = 120公里/小時），超過車速閾值Y2則判定gj是不合理軌跡 點，否則進行步驟4-3;
[0015] 步驟4-3，計算軌跡點gj-1必須經(jīng)過的下一個路口 pnj-1和軌跡點gj必須經(jīng)過的上一 個路口 Ph之間的距離，利用該距離和軌跡點幻與之間的時間間隔來計算車輛速度，判斷 車輛車速是否超出車速閾值Y2，超過閾值Y2則判定 gj是不合理軌跡點，否則進行步驟4-4; [0016]步驟4-5,判斷幻與gH是否在to和如+加寸間段內(nèi)，若在該時間段內(nèi)則進行步驟4-6,否則本次計算結束；
[0017] 步驟4-6,計算軌跡點gj-i與必須經(jīng)過的下一個路口 pnj-1之間的的距離和軌跡點gj 與必須經(jīng)過的上一個路口 Ph之間的距離，分別記為dn^和dip結合路網(wǎng)信息（即道路的通 行情況和道路之間的連接關系），利用改進的A-Star算法規(guī)劃出軌跡點必須經(jīng)過的下一 個路口 pnj-1和軌跡點gj必須經(jīng)過的上一個路口 pi j之間的最短路徑，并計算出路口 pnj-1與 plj之間的最短路徑的實際距離，記為dnlj，則軌跡點與之間的最短距離 dnlj，通過ddPgj與gj-i兩點的間隔時間來計算車輛車速，車速大于閾值Y2則判定gj是不合 理軌跡點。
[0018] 其中步驟2_6中僅對在to和to+Ti時間段內(nèi)的軌跡點進彳丁最短路徑規(guī)劃的原因是： 在該時間段內(nèi)車牌出現(xiàn)概率高，也即套牌車是確定存在的概率高，而采用最短路徑規(guī)劃算 法比較耗時，因此僅對套牌車確定存在概率高的情況下應用最短路徑計算，可在有效降低 整體計算復雜度的情況下提高套牌車的檢出率，其中求取最短路徑采用改進的A-STAR算 法，
[0019] A_Star(也寫作A*)算法是一種靜態(tài)路網(wǎng)中求解最短路徑最有效的直接搜索方法， 關于A-Star算法的原理在本發(fā)明中不再贅述。在本發(fā)明中，為了實時的檢測出套牌車，必須 進一步提高算法的效率，因此需要結合本發(fā)明所涉及的業(yè)務場景，對A-Star算法進行必要 的改進，改進策略如下：
[0020] 策略1:雖然求取的是在路網(wǎng)中PW-i到plj的最短路徑，但與PW-hplj相關的軌跡點 gj-I、gj是已知項，按照車輛不倒著開的原則，排除pnj-1到gj-I、gj到plj的路徑，不對這兩個路 徑進行搜索。（為了區(qū)別說明，真實路網(wǎng)的最短路徑記為最短路網(wǎng)路徑）。
[0021] 策略2:當軌跡點需要進行最短路徑規(guī)劃時，其已經(jīng)符合了時間間隔較短，即小于 Ti，車輛速度合理，即未被步驟4-1，4-2，4-3排除，如果軌跡點gj合理，則pnj-丨與口丨」之間的距 離并不太遠，且pn^與pi」之間最短路網(wǎng)路徑和兩者之間的直線路徑差別不大，因此基于此 原則限定A-Star算法搜索范圍，范圍限制原則見【附圖說明】中的圖1，限定改進A-Star算法搜 索范圍，通過搜索范圍的限制可進一步提高算法效率。
[0022]如果軌跡點g洽理，則判斷路口 pnH與PL之間的距離接近，且pnH與PL之間真實 路網(wǎng)的最短路徑和兩者之間的直線路徑差別不大，也即是真實路網(wǎng)的最短路徑在直線路徑 附近，基于此原則限定改進A-Star算法搜索范圍，限定原則見圖1。
[0023]策略3:經(jīng)過策略1、策略2的限制，在較小的范圍內(nèi)存在多條最短路徑的概率已經(jīng) 大大降低，因此可以考慮增加信息度來讓算法加速收斂，由于在A-STAR算法中使用起點到 終點的直線距離作為啟發(fā)式估計距離，但該估計距離一般都遠遠小于實際的路線距離，將 A-STAR算法中使用的起點到終點的直線距離乘以系數(shù)XI (設XI = 1.4)來提高信息度，加速 收斂，提高算法效率。
[0024]需要說明的是，在本發(fā)明中，時間范圍h取較短時間的原因是，時間因素在"套牌 車的車牌號碼在一定時間內(nèi)它的車牌號碼出現(xiàn)在卡口行車數(shù)據(jù)記錄中的概率必然增加"的 規(guī)律中非常重要，當該時間變長后，該規(guī)律受到的干擾因素就會增加(如:2小時內(nèi)某輛車因 為要辦事頻繁經(jīng)過某個卡口），從而使得步驟（1)中排在前N個的車牌號碼是套牌車的概率 減少。
[0025]針對上述問題，設置兩個時間間隔，一是統(tǒng)計排序的時間間隔h，另外一個是判定 推送時間間隔T2,每間隔^時間段進行步驟（1)，不斷更新排在前N個的車牌，然后WT2時間 間隔來進行套牌車判定計算，并推送。同時檢測的過程也可以不僅僅是一次計算的結果，為 了檢測出更多的套牌車，可以通過在算法中設置不同的。、^及起始時間來進行算法的多次 計算，這樣就可以在計算過程中形成不同的"檢測網(wǎng)"，一方面將套牌車從海量數(shù)據(jù)中撈出 來，另一方面可以利用多個"檢測網(wǎng)"的檢測結果進行相互印證，確保套牌車檢測的準確性。 [0026]套用車牌是一種侵犯真正車主利益的交通違法行為，識別出套牌車將有助于公安 機關進行交通管理和車輛管理?，F(xiàn)有的套牌車算法在海量卡口行車數(shù)據(jù)面前往往存在性能 上的瓶頸，本文提出了一種基于海量數(shù)據(jù)統(tǒng)計的方式來發(fā)現(xiàn)定向的套牌車數(shù)據(jù)，從而有效 降低了套牌車的計算量，提高了套牌車的檢出率。
[0027] 有益效果:應用本發(fā)明方法，可大大減少參與套牌車計算的數(shù)據(jù)量，從而使得從海 量數(shù)據(jù)中檢測的問題變?yōu)閺亩ㄏ虻臄?shù)據(jù)中檢測的問題。在工程應用中，由于警力資源有限， 也不必追求將一個城市的所有套牌車一次性全部檢測出來，可以根據(jù)警力的實際情況每天 計算并向公安機關精確推薦的一定數(shù)量的套牌車號碼。
【附圖說明】
[0028] 下面結合附圖和【具體實施方式】對本發(fā)明做更進一步的具體說明，本發(fā)明的上述 和/或其他方面的優(yōu)點將會變得更加清楚。
[0029] 圖1為A-Star算法搜索范圍限制原則示意圖。
[0030] 圖2為套牌車檢測方法的數(shù)據(jù)處理架構。
[0031 ]圖3為實施例實驗環(huán)境硬件平臺示意圖。
【具體實施方式】
[0032]本發(fā)明包括如下步驟：
[0033] 步驟1，設置一個初始時間to，劃定一個較短的時間范圍h (如5分鐘），按車牌號碼 統(tǒng)計(to-T^to)時間范圍內(nèi)的所有卡口行車數(shù)據(jù)，統(tǒng)計每個出現(xiàn)的車牌號碼出現(xiàn)的次數(shù)，并 將車牌號碼按照出現(xiàn)次數(shù)從高到低進行排序；
[0034] 步驟2,由于一個城市的套牌車數(shù)量在一定時期內(nèi)較固定，將車牌號碼按照出現(xiàn)次 數(shù)從高到低進行排序得到的序列取前N個車牌號碼(&，&，…，C N)，CN表示第N個車牌號碼，N 是大于1的整數(shù)；
[0035] 步驟3,從卡口行車數(shù)據(jù)中查詢N個車牌號碼在(tQ-T2，to)時間范圍的所有數(shù)據(jù)記 錄，TsSTi，受到時間范圍的約束，此時每輛車的數(shù)據(jù)記錄個數(shù)有限，第i個車牌號碼對應的 卡口數(shù)據(jù)記錄集合記為Ri，i取值為1~N，卡口數(shù)據(jù)記錄集合包含的信息包括車輛的車牌、 車輛通過卡口時間、卡口地點和車輛行駛方向；
[0036] 步驟4,根據(jù)車牌號碼Q所對應的卡口數(shù)據(jù)記錄集合h以及卡口行車數(shù)據(jù)記錄的車 輛行車時間和卡口地點，對車牌號碼為(^的車輛所形成的軌跡進行判斷，當出現(xiàn)不合理的 軌跡時，則判定車牌號碼為匕的車輛是套牌車，向用戶推送此車牌號碼，否則判定車牌號碼 為Ci的車輛不是套牌車；
[0037] 步驟5，重復步驟4，直至將N個車牌號碼全部判斷完畢。
[0038] 步驟4包括如下步驟：
[0039] 步驟4-1，設g為從卡口行車數(shù)據(jù)中獲得車牌號碼為匕的車輛一個點的軌跡數(shù)據(jù)， 軌跡數(shù)據(jù)g包含車輛的車牌、車輛通過卡口時間、卡口地點和車輛行駛方向，按照通過卡口 時間對車牌號碼為G的車輛所對應的卡口數(shù)據(jù)記錄集合h進行時間升序排序得到車輛軌跡 序列Ri'，假設R沖共有k個軌跡點，k彡2,則形成車輛軌跡序列為心'二以舊^丄結合卡 口部署情況和路網(wǎng)情況外推軌跡點幻必須經(jīng)過的上一個路口位置pl」和下一個路口位置 pnj，2 < j <k，判斷軌跡點gj與gj-i位置是否相同，相同時，判斷時間間隔是否小于時間閾值 Y1 (設Y1 = 60秒），如果小于時間閾值Y1則判定gj是不合理軌跡點，如果軌跡點gj與gj-i位置 不相同或者位置相同但時間間隔大于或等于時間閾值，則進行步驟4-2;
[0040] 步驟4-2,通過軌跡點gj與gj-i的直線距離和間隔時間來計算車輛車速，判斷車輛 車速是否超出車速閾值Y2(設Y2 = 120公里/小時），超過閾值Y2則判定gj是不合理軌跡點， 否則進行步驟4-3;
[0041 ] 步驟4-3,計算軌跡點gj-1必須經(jīng)過的下一個路口 pnj-1和軌跡點gj必須經(jīng)過的上一 個路口 Ph之間的距離，利用該距離和軌跡點幻與之間的時間間隔來計算車輛速度，判斷 車輛車速是否超出車速閾值Y2，超過閾值Y2則判定 gj是不合理軌跡點，否則進行步驟4-4; [0042]步驟4-5,判斷幻與gH是否在to和如+加寸間段內(nèi)，若在該時間段內(nèi)則進行步驟4-6,否則本次計算結束；
[0043] 步驟4-6,計算軌跡點gj-i與必須經(jīng)過的下一個路口 pnj-1之間的的距離和軌跡點gj 與必須經(jīng)過的上一個路口 Ph之間的距離，分別記為dn^和dip結合路網(wǎng)信息（即道路的通 行情況和道路之間的連接關系），利用改進的A-Star算法規(guī)劃出軌跡點必須經(jīng)過的下一 個路口 pnj-1和軌跡點gj必須經(jīng)過的上一個路口 pi j之間的最短路徑，并計算出路口 pnj-1與 plj之間的最短路徑的實際距離，記為dnlj，則軌跡點與之間的最短距離 dnlj，通過ddPgj與gj-i兩點的間隔時間來計算車輛車速，車速大于閾值Y2則判定gj是不合 理軌跡點。
[0044]結合本發(fā)明所涉及的業(yè)務場景，對A-Star算法進行了必要的改進，改進策略如下： [0045]策略1:雖然求取的是在路網(wǎng)中pw-i到pi」的最短路徑，但與pw-hplj相關的軌跡點 gj-i、gj是已知項，按照車輛不倒著開的原則，排除pnj-1到gj-i、gj到plj的路徑，不對這兩個路 徑進行搜索。（為了區(qū)別說明，真實路網(wǎng)的最短路徑記為最短路網(wǎng)路徑）。
[0046]策略2:當軌跡點需要進行最短路徑規(guī)劃時，其已經(jīng)符合了時間間隔較短，即小于 Ti，車輛速度合理，即未被步驟4-1，4-2，4-3排除，如果軌跡點gj合理，則pnj-丨與口丨」之間的距 離并不太遠，且pn^與pi」之間最短路網(wǎng)路徑和兩者之間的直線路徑差別不大，因此基于此 原則限定A-Star算法搜索范圍，范圍限制原則見【附圖說明】中的圖1，限定改進A-Star算法搜 索范圍，通過搜索范圍的限制可進一步提高算法效率。
[0047]如果軌跡點g洽理，則判斷路口 pnH與PL之間的距離接近，且pnH與PL之間真實 路網(wǎng)的最短路徑和兩者之間的直線路徑差別不大，也即是真實路網(wǎng)的最短路徑在直線路徑 附近，基于此原則限定改進A-Star算法搜索范圍，限定原則見圖1。
[0048]策略3:經(jīng)過策略1、策略2的限制，在較小的范圍內(nèi)存在多條最短路徑的概率已經(jīng) 大大降低，因此可以考慮增加信息度來讓算法加速收斂，由于在A-STAR算法中使用起點到 終點的直線距離作為啟發(fā)式估計距離，但該估計距離一般都遠遠小于實際的路線距離，將 A-STAR算法中使用的起點到終點的直線距離乘以系數(shù)XI (設XI = 1.4)來提高信息度，加速 收斂，提高算法效率。
[0049] 實施例
[0050] 本發(fā)明提出了一種新的基于Hadloop的MapRaduce算法的一種基于海量交通數(shù)據(jù) 統(tǒng)計的定向套牌車檢測方法，該方法從宏觀入手，先找到具有較大嫌疑的車輛，在對具有較 大嫌疑的車輛進行精確分析，兼具高效性和準確性，而且算法具有并行特征，通過引入多臺 硬件計算資源協(xié)同處理大規(guī)模數(shù)據(jù)下的套牌車檢測問題，顯著提高了計算性能。
[0051]在工程應用中，搭建的數(shù)據(jù)處理架構是否合理將直接決定算法數(shù)據(jù)處理的性能。 目前，采用Hadoop組件是主流的大數(shù)據(jù)處理技術，但大數(shù)據(jù)技術往往更偏向解決大的數(shù)據(jù) 可計算的問題，而非計算實時性問題，因此在搭建數(shù)據(jù)架構時候需將大數(shù)據(jù)技術與其他技 術有機結合，以滿足實際的業(yè)務需求。本發(fā)明方法依托的數(shù)據(jù)處理架構也基于Hadoop組件， 方法的數(shù)據(jù)處理架構見圖2，系統(tǒng)從卡口系統(tǒng)的數(shù)據(jù)庫讀取原始卡口行車數(shù)據(jù)并放入Hbase 中，并采用Elastic Search技術建立數(shù)據(jù)索引，在索引的基礎上向上層的套牌車檢測模塊 提供數(shù)據(jù)查詢和數(shù)據(jù)統(tǒng)計服務。此架構中采用的Hbase是個高可靠性、高性能、面向列、可伸 縮的分布式存儲系統(tǒng)，Hbase雖然不能做復雜查詢，但可以支持單條數(shù)據(jù)的增、刪、改、查，并 且支持稀疏數(shù)據(jù)存儲，可動態(tài)增加列。而采用Elastic Search技術則可以充分利用其分布 式搜索的特點，提高搜索的速度和效率。為了驗證本發(fā)明方法的可行性和效率，本實施例中 構建了一套大數(shù)據(jù)處理平臺，見圖3。該平臺中包含4臺HP DL580G8服務器、1臺Cisco WS- C3750G-24TS-S1U交換機和3臺Lenovo ThinkCentre M8400t工作站，平臺中部署的軟件見 表1。
[0052]表1實驗環(huán)境軟件部署
[0054] 在計算結果推送出套牌車的車牌號碼后，對實驗推送出的車牌號碼任意抽取其中 的20個進行人工數(shù)據(jù)研判，發(fā)現(xiàn)推薦的車輛確實為套牌車。
[0055] 同時從實驗數(shù)據(jù)可以看出當參與統(tǒng)計的數(shù)據(jù)變多時，查詢統(tǒng)計用時也在增長，且 用時的增長倍數(shù)大于數(shù)據(jù)增長的倍數(shù)，考慮到間隔時間長時，排在前列的車牌號碼為套牌 車的概率降低，因此可以通過設置時間間隔!^和推送時間間隔!^來增加排在前列的車牌為 套牌車的概率，實驗中對48小時卡口數(shù)據(jù)的計算效率的實驗見表2。
[0056] 其中，套牌車計算有效率=推送為套牌車的次數(shù)/全部套牌車計算次數(shù)。
[0057]表2計算效率實驗結果
[0059]從實驗結果來看!^越大，計算效率越高，但推薦出的套牌車數(shù)量卻在變小，這是因 為排序時間越久，出現(xiàn)了非套牌車也能排在前列的因素，因此從更多的發(fā)現(xiàn)套牌車的角度 來看，第二種的時間間隔是比較適合的。在實際工程中，通過設置不同的Ti、T 2及起始時間即 可以形成不同的"檢測網(wǎng)"，便可以更多、更準確的從海量數(shù)據(jù)中檢測出套牌車。目前，隨著 卡口系統(tǒng)的推廣使用，每個城市每天都可積累大量的卡口數(shù)據(jù)，這其中蘊藏著巨大的有價 值的信息，采用大數(shù)據(jù)技術挖掘其中的有價值的信息將是海量卡口數(shù)據(jù)處理的主流方式， 本文提出了一種基于海量交通數(shù)據(jù)統(tǒng)計的定向套牌車檢測方法，與傳統(tǒng)方法相比，本發(fā)明 方法結構簡單、性能更優(yōu)且實時性強，能有效解決套牌車檢測問題，具有較好的工程適應 性。
[0060]本發(fā)明提供了一種基于海量交通數(shù)據(jù)統(tǒng)計的定向套牌車檢測方法，具體實現(xiàn)該技 術方案的方法和途徑很多，以上所述僅是本發(fā)明的優(yōu)選實施方式，應當指出，對于本技術領 域的普通技術人員來說，在不脫離本發(fā)明原理的前提下，還可以做出若干改進和潤飾，這些 改進和潤飾也應視為本發(fā)明的保護范圍。本實施例中未明確的各組成部分均可用現(xiàn)有技術 加以實現(xiàn)。
【主權項】
1. 一種基于海量交通數(shù)據(jù)統(tǒng)計的定向套牌車檢測方法，其特征在于，包括如下步驟： 步驟1，設置一個初始時間to，劃定一個時間范圍T1，按車牌號碼統(tǒng)計(U-T1，to)時間范 圍內(nèi)的所有卡口行車數(shù)據(jù)，統(tǒng)計每個出現(xiàn)的車牌號碼出現(xiàn)的次數(shù)，并將車牌號碼按照出現(xiàn) 次數(shù)從高到低進行排序； 步驟2,將車牌號碼按照出現(xiàn)次數(shù)從高到低進行排序得到的序列取前N個車牌號碼(C1, C2，···，Cn)，Cn表不第N個車牌號碼，N是大于1的整數(shù)； 步驟3,從卡口行車數(shù)據(jù)中查詢N個車牌號碼在(t〇-T2，t〇)時間范圍的所有數(shù)據(jù)記錄，T2 ^ T1，第i個車牌號碼對應的卡口數(shù)據(jù)記錄集合記為Ri，其中i取值為1~N，卡口數(shù)據(jù)記錄集 合包含的信息包括車輛的車牌、車輛通過卡口時間、卡口地點和車輛行駛方向； 步驟4，根據(jù)車牌號碼C1所對應的卡口數(shù)據(jù)記錄集合R1以及卡口行車數(shù)據(jù)記錄的車輛行 車時間和卡口地點，對車牌號碼為匕的車輛所形成的軌跡進行判斷，當出現(xiàn)不合理的軌跡 時，則判定車牌號碼為Ci的車輛是套牌車，否則判定車牌號碼為C i的車輛不是套牌車； 步驟5，重復步驟4，直至將N個車牌號碼全部判斷完畢。2. 根據(jù)權利要求1所述的方法，其特征在于，步驟4包括如下步驟： 步驟4-1，設g為從卡口行車數(shù)據(jù)中獲得車牌號碼為匕的車輛一個點的軌跡數(shù)據(jù)，軌跡數(shù) 據(jù)g包含車輛的車牌、車輛通過卡口時間、卡口地點和車輛行駛方向，按照通過卡口時間對 車牌號碼為C1的車輛所對應的卡口數(shù)據(jù)記錄集合心進行時間升序排序得到車輛軌跡序列 Ri '，假設Ri中共有k個軌跡點，k彡2，則形成車輛軌跡序列為Ri ' = (gl，g2，…gk)，結合卡口部 署情況和路網(wǎng)情況外推軌跡點幻必須經(jīng)過的上一個路口位置Ph和下一個路口位置pr^，2< j<k，判斷軌跡點幻與^;^位置是否相同，相同時，判斷時間間隔是否小于時間閾值Yl，如果 小于時間閾值Yl則判定幻是不合理軌跡點，如果軌跡點幻與幻-!位置不相同或者位置相同但 時間間隔大于或等于時間閾值Yl，則進行步驟4-2; 步驟4-2,通過軌跡點gj與gj-i的直線距離和間隔時間來計算車輛車速，判斷車輛車速是 否超出車速閾值Y2，超過車速閾值Y2則判定gj是不合理軌跡點，否則進行步驟4-3; 步驟4-3,計算軌跡點gj-i必須經(jīng)過的下一個路口 pnj-i和軌跡點gj必須經(jīng)過的上一個路 口 Plj之間的距離，利用該距離和軌跡點幻與幻^之間的時間間隔來計算車輛速度，判斷車輛 車速是否超出車速閾值Y2，超過車速閾值Y2則判定 gj是不合理軌跡點，否則進行步驟4-4; 步驟4-5,判斷幻與幻―:是否在to和to+Tdt間段內(nèi)，若在該時間段內(nèi)則進行步驟4-6,否則 本次計算結束； 步驟4-6,計算軌跡點gj-i與必須經(jīng)過的下一個路口 pnj-i之間的的距離和軌跡點gj與必 須經(jīng)過的上一個路口Plj之間的距離，分別記為dnH和dip結合路網(wǎng)信息，利用改進的A-Star算法規(guī)劃出軌跡點gj-i必須經(jīng)過的下一個路口 pnj-i和軌跡點gj必須經(jīng)過的上一個路口 Plj之間的最短路徑，并計算出路口 PriH與Plj之間的最短路徑的實際距離，記為dnlp則軌 跡點gj與gj-1之間的最短距離d s = dnj-ι+dlj+dnlj，通過ds和gj與gj-1兩點的間隔時間來計算 車輛車速，車速大于閾值Y2則判定gj是不合理軌跡點。3. 根據(jù)權利要求2所述的方法，其特征在于，步驟4-6中采用如下方法改進A-Star算法： 雖然求取的是在路網(wǎng)中pnj-1到plj的最短路徑，但與pnj-i、plj相關的軌跡點gj-i、gj是已知 項，按照車輛不倒著開的原則，排除pnH到gn、 gj到Plj的路徑，不對這兩個路徑進行搜索。4. 根據(jù)權利要求3所述的方法，其特征在于，步驟4-6中采用如下方法改進A-Star算法： 當軌跡點需要進行最短路徑規(guī)劃時，其已經(jīng)符合了時間間隔較短，即小于!^，車輛速度合 理，即未被步驟4-1，4-2,4-3排除，如果軌跡點幻合理，則?如-1與口1」之間的距離并不太遠，且 』之間最短路網(wǎng)路徑和兩者之間的直線路徑差別不大，因此基于此原則限定A-Star算法搜索范圍。5.根據(jù)權利要求4所述的方法，其特征在于，步驟4-6中采用如下方法改進A-Star算法： 將A-STAR算法中使用的起點到終點的直線距離乘以系數(shù)Xl來提高信息度，加速收斂。
【文檔編號】G08G1/017GK105913668SQ201610523940
【公開日】2016年8月31日
【申請日】2016年7月4日
【發(fā)明人】王妍妍, 劉耀強, 郭喬進, 陳文明, 劉唐興, 祁駿, 湯毅平
【申請人】中國電子科技集團公司第二十八研究所