CN102436746B - 高效实时的车辆套牌嫌疑分析方法及其装置 - Google Patents
高效实时的车辆套牌嫌疑分析方法及其装置 Download PDFInfo
- Publication number
- CN102436746B CN102436746B CN201110300956.XA CN201110300956A CN102436746B CN 102436746 B CN102436746 B CN 102436746B CN 201110300956 A CN201110300956 A CN 201110300956A CN 102436746 B CN102436746 B CN 102436746B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- time
- fake
- vehicle passing
- real
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 claims abstract description 32
- 239000003086 colorant Substances 0.000 claims description 11
- 238000007726 management method Methods 0.000 claims description 9
- 238000010223 real-time analysis Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 abstract description 6
- 238000012545 processing Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 6
- 230000006872 improvement Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000003780 insertion Methods 0.000 description 3
- 230000037431 insertion Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 229910000078 germane Inorganic materials 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明涉及智能交通行业，公开了一种高效实时的车辆套牌嫌疑分析方法及其装置。本发明中，在内存中保存所有供套牌分析的数据，并在处理过程中保持每车仅一条记录，控制数据总量，且通过计算同一车辆在两个卡口之间的时间差是否小于这两个卡口间的时间阈值来判断是否套牌，可以快速而准确地判定是否套牌嫌疑。卡口间的距离不同，限速也不同，因此每两个卡口的经过时间都是不一样的，通过计算每两个卡口间的时间阈值，来确定通过每两个卡口的最短时间，比设置一个统一的全局时间阈值更加合理。以内存分析方式替换了以往的Oracle数据库查询分析方式，效率更高，操作性更强，减少了Oracle数据库的运行负担。
Description
技术领域
本发明涉及智能交通行业，特别涉及高效实时的车辆套牌嫌疑分析技术。
背景技术
随着我国经济的不断发展，机动车数量也在飞速膨胀，与此同时，利用机动车进行犯罪的案件也在不断增加，其中利用套牌车辆进行的犯罪行为给公安机关侦破案件带来了难度。
套牌车辆，就是同一牌照不同车辆特征的车辆或者在不可能的时间阈值内同时出现在两个地点的车辆。
这样对于智能交通行业的平台软件来说，套牌嫌疑分析功能也就成了其主要的基本的功能了。
在现有技术中，我们的平台的套牌嫌疑分析都是基于Oracle数据库的查询机制实现的，通过设置一个全局的时间阈值，全部卡口都基于这个时间阈值在Oracle数据库中通过SQL语句进行手动套牌嫌疑分析，基于车辆特征分析机制也是基于SQL语句进行的。
SQ Lite是一种轻型的嵌入式数据库。SQ Lite在本专利中的作用只做当套牌过车信息插入到Oracle数据库失败时，做数据缓冲用。
本发明的发明人发现，现有技术主要存在以下几个方面的缺点：
一、全局时间阈值不合理，卡口之间相互距离不同，每两个卡口的经过时间都是不一样的，因此，设置同一个时间阈值并不合理；
二、查询效率低下，当数据库的数据量越来越大时，基于SQL语句的查询返回时间也会越来越长，直接影响用户的操作性；
三、后期手动分析，不实时；
四、增加了Oracle数据库的运行负担。
因此，在目前阶段，我们需要一种高效实时的车辆套牌嫌疑分析技术。
发明内容
本发明的目的在于提供一种高效实时的车辆套牌嫌疑分析方法及其装置，可以快速而准确地判定是否套牌嫌疑。
为解决上述技术问题，本发明的实施方式公开了一种高效实时的车辆套牌嫌疑分析方法，包括以下步骤：
根据实时过车信息在内存中查找具有相同车牌号的历史过车记录；
如果找到历史过车记录，根据实时过车信息和历史过车记录，判断两次过车的时间差是否小于两个卡口间的时间阈值，如果是，则将该车牌号记录为套牌嫌疑车辆；在内存中用实时过车信息更新该历史过车记录；
如果没有找到历史过车记录，则在内存中将实时过车信息保存为历史过车记录；
其中，内存中每个车牌号只有一条历史过车记录；
时间阈值为两个卡口间距离与这两个卡口间道路最高限速之商。
本发明的实施方式还公开了一种高效实时的车辆套牌嫌疑分析装置，包括：
历史过车记录查询单元，用于根据实时过车信息在内存中查找具有相同车牌号的历史过车记录；
套牌嫌疑第一判断单元，用于在历史过车记录查询单元找到历史过车记录时，判断两次过车的时间差是否小于两个卡口间的时间阈值，如果是，则将该车牌号记录为套牌嫌疑车辆；
历史过车记录更新单元，用于在历史过车记录查询单元找到该历史过车记录时，在内存中用实时过车信息更新该历史过车记录；在历史过车记录查询单元没有找到历史过车记录时，在内存中将实时过车信息保存为历史过车记录；
其中，内存中每个车牌号只有一条历史过车记录；
时间阈值为两个卡口间距离与这两个卡口间道路最高限速之商。
本发明实施方式与现有技术相比，主要区别及其效果在于：
在内存中保存所有供套牌分析的数据，并在处理过程中保持每车仅一条记录，控制数据总量，且通过计算同一车辆在两个卡口之间的时间差是否小于这两个卡口间的时间阈值来判断是否套牌，可以快速而准确地判定是否套牌嫌疑。
卡口间的距离不同，限速也不同，因此每两个卡口的经过时间都是不一样的，通过计算每两个卡口间的时间阈值，来确定通过每两个卡口的最短时间，比设置一个统一的全局时间阈值更加合理。
以内存分析方式替换了以往的Oracle数据库查询分析方式，效率更高，操作性更强，减少了Oracle数据库的运行负担。
进一步地，预先计算每两个卡口间的时间阈值，并存入内存中，供以后的分析重复使用，可以大大节省分析的计算量。
进一步地，在套牌嫌疑分析服务器初始化时，只将数据库中最大时间阈值内每辆车的最新过车记录加入内存中，可以减少需要分析的数据数目，提高分析的速度。
进一步地，将数据库中交通应用服务器转发失败的历史过车信息，插入到实时过车信息中，可以防止过车数据丢失，保证实时过车信息的全面有效。
进一步地，如果两次过车的时间差大于或等于两个卡口间的时间阈值，则进一步通过比较这两次过车数据中车身颜色是否一致来判断是否套牌，可以最大可能的防止套牌嫌疑车辆的漏检测。
进一步地，先获取套牌嫌疑车辆的详细车辆信息，然后再将套牌嫌疑过车信息与所获取的详细过车信息插入到数据库中，这样可以保证以后需要时查询起来更加方便。
附图说明
图1是本发明第一实施方式中一种高效实时的车辆套牌嫌疑分析方法的流程示意图；
图2是本发明第二实施方式中一种高效实时的车辆套牌嫌疑分析方法的流程示意图；
图3是dense_hash_map性能报告；
图4是本发明第三实施方式中一种高效实时的车辆套牌嫌疑分析方法的流程示意图；
图5是本发明中该高效实时的车辆套牌嫌疑分析的拓扑图；
图6是本发明第四实施方式中一种高效实时的车辆套牌嫌疑分析装置的结构示意图；
图7是本发明第五实施方式中一种高效实时的车辆套牌嫌疑分析装置的结构示意图。
具体实施方式
在以下的叙述中，为了使读者更好地理解本申请而提出了许多技术细节。但是，本领域的普通技术人员可以理解，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请各权利要求所要求保护的技术方案。
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明的实施方式作进一步地详细描述。
本发明第一实施方式涉及一种高效实时的车辆套牌嫌疑分析方法。图1是该高效实时的车辆套牌嫌疑分析方法的流程示意图。具体地说，如图1所示，该高效实时的车辆套牌嫌疑分析方法主要包括以下步骤：
在步骤101中，根据实时过车信息在内存中查找具有相同车牌号的历史过车记录。
此后进入步骤102，判断是否找到历史过车记录。
若是，则进入步骤103；若否，则进入步骤106。
如果找到历史过车记录，根据实时过车信息和历史过车记录，判断两次过车的时间差是否小于两个卡口间的时间阈值，如果是，则将该车牌号记录为套牌嫌疑车辆。
时间阈值为两个卡口间距离与这两个卡口间道路最高限速之商。
卡口间的距离不同，限速也不同，因此每两个卡口的经过时间都是不一样的，通过计算每两个卡口间的时间阈值，来确定通过每两个卡口的最短时间，比设置一个统一的全局时间阈值更加合理。
在步骤103中，判断两次过车的时间差是否小于两个卡口间的时间阈值。
若是，则进入步骤104；若否，则进入步骤105。
在步骤104中，将该车牌号记录为套牌嫌疑车辆。
此后进入步骤105，在内存中用实时过车信息更新该历史过车记录。
此后结束本流程。
在步骤106中，在内存中将实时过车信息保存为历史过车记录。
如果没有找到历史过车记录，则在内存中将实时过车信息保存为历史过车记录。
其中，内存中每个车牌号只有一条历史过车记录。
以内存分析方式替换了以往的Oracle数据库查询分析方式，效率更高，操作性更强，减少了Oracle数据库的运行负担。
在内存中保存所有供套牌分析的数据，并在处理过程中保持每车仅一条记录，控制数据总量，且通过计算同一车辆在两个卡口之间的时间差是否小于卡口间距与最大限速之比判断是否套牌，可以快速而准确地判定是否套牌嫌疑。
本发明第二实施方式涉及一种高效实时的车辆套牌嫌疑分析方法。图2是该高效实时的车辆套牌嫌疑分析方法的流程示意图。
第二实施方式在第一实施方式的基础上进行了改进，主要改进之处在于：预先计算每两个卡口间的时间阈值，并存入内存中，供以后的分析重复使用，可以大大节省分析的计算量。在套牌嫌疑分析服务器初始化时，只将数据库中最大时间阈值内每辆车的最新过车记录加入内存中，可以减少需要分析的数据数目，提高分析的速度。将数据库中交通应用服务器转发失败的历史过车信息，插入到实时过车信息中，可以防止过车数据丢失，保证实时过车信息的全面有效。如果两次过车的时间差大于或等于两个卡口间的时间阈值，则进一步通过比较这两次过车数据中车身颜色是否一致来判断是否套牌，可以最大可能地防止套牌嫌疑车辆的漏检测。
下面先介绍套牌嫌疑分析中三个重要的内存数据：
每两个卡口的时间阈值(以TimeMap标记该内存数据)
时间阈值为两个卡口间距离与这两个卡口间道路最高限速之商。
在套牌嫌疑分析技术中，每两个卡口的时间阈值采用google::dense_hash_map<CString，int，CString_hash_compare>技术进行存储，其中Key为字符类型，格式为“卡口ID1_卡口ID2”，如“10_20”；Value类型为整形类型存储每两个卡口对应的时间阈值。
代码示例如下：
二、每辆车的最新历史过车记录(以VehicleMap标记该内存数据)
该数据是最重要的基础数据，套牌嫌疑分析服务器启动时，从数据库中获取最大时间阈值，然后再去数据库获取在该最大时间阈值内每辆车的最新过车记录(每辆过车记录中只要获取过车记录ID、卡口ID、经过时间、车牌号码、车牌颜色、车身颜色等五个字段)。为什么只获取最大时间阈值内每辆车的最新过车记录原因有二：一是以时间阈值做判断时，超过该时间阈值的肯定不套牌，二是提高启动时读取数据库的速度，时间越长从数据库中获取信息的速度就会越慢。获取结果采用google::dense_hash_map<CString，struct，CString_hash_compare>技术在内存中进行存储，其中Key为字符类型，格式为“车牌颜色+车牌号码”如：“蓝浙A12345”，Value值为一个过车结构，主要为卡口ID、经过时间、车身颜色等三个字段。然后再从车管所数据库中获取车辆信息，插入到VehicleMap中时先判断VehicleMap中是否已存在该辆数据，若存在只更新车身颜色信息，若没有直接插入数据，插入时卡口ID写0，经过时间写当前时间减去2倍最大阈值(只要保证第一次分析时不会被判定为套牌就行了)。套牌嫌疑分析服务器实时接收过车数据后，用“车牌颜色+车牌号码”字符直接在内存VehicleMap定位是否有该辆车的信息，若没有把过车信息直接插入到VehicleMap中，若有更新卡口ID与过车时间。这样套牌嫌疑分析就有了基础数据了。
代码示例如下：
注：一般项目都会提供车管所车辆信息的表或视图
三、实时过车信息列表(以PassList标记该内存数据)
用于存储实时接收的过车信息，套牌嫌疑分析服务器接收到交通应用服务器实时转发的过车数据后，存储到内存后就返回，以提高实时过车数据的接收性能。该过车数据采用列表List<struct＊>进行存储，以实现先进先出的原则；结构信息由：车牌号码、车牌颜色、经过卡口、经过时间、车身颜色等几个字段组成。
几个关键内存数据都采用google::dense_hash_map进行存储，通过50万辆车、100万辆车、150万辆车三种数据基数对dense_hash_map的插入修改、车辆定位、内存使用情况等性能做了测试，具体见图3所示，通过这几组数据可以发现实时套牌嫌疑分析阶段的耗时基本上是可以忽略不计的，实现了真正的实时高效。同时实时接收过车数据后，存入PassList链表后就马上返回了，大大提高了接收性能，这样一个项目中架一台服务器进行实时套牌分析就足够。
另外，在本发明的其它某些实施例中，关于存储技术还有其它的替代方案如：stl的hash_map等。
有了上面介绍的几个内存数据后，下面来具体分析套牌嫌疑分析方法的流程。
具体地说，如图2所示，该高效实时的车辆套牌嫌疑分析方法主要包括以下步骤：
在步骤201中，获取最大时间阈值内的最新过车数据插入到VehicleMap中。
套牌嫌疑分析服务器启动时，预先计算每两个卡口间的时间阈值，并存入内存中。
时间阈值为两个卡口间距离与这两个卡口间道路最高限速之商。
卡口间的距离不同，限速也不同，因此每两个卡口的经过时间都是不一样的，通过计算每两个卡口间的时间阈值，来确定通过每两个卡口的最短时间，比设置一个统一的全局时间阈值更加合理。
预先计算每两个卡口间的时间阈值，并存入内存中，供以后的分析重复使用，可以大大节省分析的计算量。
此外，可以理解，在本发明的其它某些实施例中，也可以不预先计算每两个卡口的时间阈值，并存入内存中，而是在每次分析时，根据需要分别进行计算。
两个卡口间距离的计算方法为：
在电子地图上添加卡点后，通过电子地图提供的服务计算每两个卡口的最短路径的距离L。或者，
通过两卡口的经纬度信息计算出每两个卡口的直线距离，得到这两个卡口间的距离L。
这样每两个卡口的时间阈值T＝L/(V1+V2)/2；其中V1为卡口1的套牌嫌疑分析最高限速值，V2为卡口2的套牌嫌疑分析最高限速值。这样通过上面介绍的方法计算出所有卡口中每两个卡口的时间阈值存入数据库中，其中数据库字段为：卡口1的ID、卡口2的ID及时间阈值。
套牌嫌疑分析服务器启动时，首先从数据库中获取最大时间阈值，然后再从数据库中获取在该最大时间阈值内每辆车的最新历史过车记录，并插入到内存中。
在套牌嫌疑分析服务器初始化时，只将数据库中最大时间阈值内每辆车的最新过车记录加入内存中，可以减少需要分析的数据数目，提高分析的速度。
每辆过车记录中只需获取卡口ID、经过时间、车牌号码、车牌颜色、车身颜色等五个字段。
此后进入步骤202，从车管所数据库中获取车辆信息，更新到VehicleMap中。
从车管所数据库中获取车辆信息，插入到内存中的最新历史过车记录中。插入到VehicleMap中时先判断VehicleMap中是否已存在该辆数据，若存在只更新车身颜色信息，若没有直接插入数据，插入时卡口ID写0，经过时间写当前时间减去2倍最大阈值(只要保证第一次分析时不会被判定为套牌就行了)。
此外，可以理解，此步骤并不是必需的，是可选步骤，在本发明的其它某些实施例中，也可以不执行此步骤。
此后进入步骤203，从PassList过车链表中获取一条数据。
将接收的实时过车信息，存储到PassList中。
套牌嫌疑分析服务器接收到交通应用服务器实时转发的过车数据后，存储到内存后就返回，以提高实时过车数据的接收性能。该过车数据采用列表List<struct＊>进行存储，以实现先进先出的原则；结构信息由：车牌号码、车牌颜色、经过卡口、经过时间、车身颜色等几个字段组成。
并定期从数据库中读取交通应用服务器转发失败的历史过车信息，插入到PassList中，以防止过车数据的丢失。
交通应用服务器：是我们交通事业部的卡口平台中一个应用程序，主要功能是用于接收前端抓拍机或终端服务器上传的实时过车数据，对过车数据进行解析比对，过车图片与过车数据进行存储并将实时过车数据转发给其它相关服务器。
将数据库中交通应用服务器转发失败的历史过车信息，插入到实时过车信息中，可以防止过车数据丢失，保证实时过车信息的全面有效。
将数据库中交通应用服务器转发失败的历史过车信息，插入到实时过车信息中，以防止过车数据的丢失的步骤定期执行，可以每隔一定的时间间隔执行一次，时间间隔的长短，根据实际需要而定。另外，此步骤也并不是必不可少的，在本发明的其它某些实施例中，可以省略。
此后进入步骤204，判断VehicleMap内存中是否已有该车辆数据。
若是，则进入步骤205；若否，则进入步骤212。
套牌嫌疑分析服务器实时接收过车数据后，用“车牌颜色+车牌号码”字符直接在内存VehicleMap定位是否有该辆车的信息。
在步骤205中，判断实时过车的卡口ID与VehicleMap中的卡口ID组成Key，在TimeMap中定位是否有这两个卡口的记录。
若是，则进入步骤206；若否，则进入步骤211。
在内存中查找是否有实时过车信息中的卡口与最新历史过车记录中的卡口这两个卡口间的时间阈值的记录，如果没有，则通过车身颜色是否一致来判断是否套牌，可以最大可能地防止套牌嫌疑车辆的漏检测。
在本发明的其它某些实施例中，通过比较这两次过车数据中车身颜色是否一致来判断是否套牌的步骤也可以省略，如果查找没有，则该车为非套牌嫌疑车辆。
套牌嫌疑分析服务器启动后，去数据库获取每两个卡口的时间阈值数据，插入到TimeMap中。
在步骤206中，从VehicleMap内存中取出数据，计算时间差的绝对值。
此后进入步骤207，与TimeMap内存中该两点的时间阈值比较，判断是否为套牌。
若是，则进入步骤208；若否，则进入步骤211。
如果两次过车的时间差大于或等于两个卡口间的时间阈值，则进一步通过比较这两次过车数据中车身颜色是否一致来判断是否套牌，可以最大可能地防止套牌嫌疑车辆的漏检测。
在本发明的其它某些实施例中，通过比较这两次过车数据中车身颜色是否一致来判断是否套牌的步骤也可以省略，如果两次过车的时间差大于或等于两个卡口间的时间阈值，则该车为非套牌嫌疑车辆。
在步骤208中，把套牌数据插入数据库链表中。
此后进入步骤209，更新VehicleMap内存中过车时间、卡口ID、过车记录ID。
在VehicleMap内存中用实时过车信息更新该历史过车记录，保证内存中每个车牌号只有一条最新历史过车记录。
此后进入步骤210，判断是否退出。
若是，则结束本流程；若否，则再次回到步骤203。
在步骤211中，通过车身颜色是否一致来判断是否套牌。
若是，则进入步骤208；若否，则进入步骤209。
此外，可以理解，还可以通过车型大小等来判断是否套牌，判断的依据取决于内存中已经存储的数据信息。
在步骤212中，把该车辆数据插入到VehicleMap内存中。
此后结束本流程。
本发明第三实施方式涉及一种高效实时的车辆套牌嫌疑分析方法。图4是该高效实时的车辆套牌嫌疑分析方法的流程示意图。
第三实施方式在第二实施方式的基础上进行了改进，主要改进之处在于：在把套牌嫌疑过车信息写入数据库的过程中，首先从数据库中获取套牌嫌疑车辆的详细车辆信息，然后再将套牌嫌疑过车信息与所获取的详细车辆信息插入到数据库中，这样可以保证以后需要时查询起来更加方便。
具体地说，如图4所示，主要包括以下步骤：
在步骤401中，从内存中取出一条套牌数据，通过过车ID从数据库中获取详细过车信息。
此外，可以理解，在本发明的其它某些实施例中，此步骤也可以省略。
此后进入步骤402，判断是否获取成功。
若是，则进入步骤403；若否，则进入步骤406；
在步骤403中，将套牌嫌疑过车信息插入到数据库。
此后进入步骤404，判断是否插入成功。
若是，则进入步骤405；若否，则进入步骤406。
在步骤405中，判断是否退出。
若是，则结束本流程；若否，则再次回到步骤401。
在步骤406中，将套牌嫌疑数据缓存到本地Sqlite数据库中。
为了查询方便，要先获取套牌嫌疑车辆的详细过车信息后再将套牌嫌疑数据插入到数据库中。
图5是该高效实时的车辆套牌嫌疑分析的拓扑图。
交通应用服务器实时接收抓拍机或终端服务器的过车数据后，做相关数据解析及黑名单等对比处理后，把数据存入Oracle数据库；
然后把实时过车数据转发给“实时套牌嫌疑分析服务器”，转发失败的过车数据直接写入历史表中；
实时套牌嫌疑分析服务器接收过车数据(同时会也定期去数据库中获取历史数据)并做套牌分析后，把套牌过车写入Oracle数据库，并向客户端转发套牌报警。
同时客户端也可以到Oracle数据库查询相关的套牌信息，进行人工确认是否真正套牌。
本发明的各方法实施方式均可以以软件、硬件、固件等方式实现。不管本发明是以软件、硬件、还是固件方式实现，指令代码都可以存储在任何类型的计算机可访问的存储器中(例如永久的或者可修改的，易失性的或者非易失性的，固态的或者非固态的，固定的或者可更换的介质等等)。同样，存储器可以例如是可编程阵列逻辑(Programmable Array Logic，简称“PAL”)、随机存取存储器(Random Access Memory，简称“RAM”)、可编程只读存储器(Programmable Read Only Memory，简称“PROM”)、只读存储器(Read-Only Memory，简称“ROM”)、电可擦除可编程只读存储器(Electrically Erasable Programmable ROM，简称“EEPROM”)、磁盘、光盘、数字通用光盘(Diaital Versatile Disc，简称“DVD”)等等。
本发明第四实施方式涉及一种高效实时的车辆套牌嫌疑分析装置。图6是该高效实时的车辆套牌嫌疑分析装置的结构示意图。具体地说，如图6所示，该高效实时的车辆套牌嫌疑分析装置主要包括：
历史过车记录查询单元，用于根据实时过车信息在内存中查找具有相同车牌号的历史过车记录。
套牌嫌疑第一判断单元，用于在历史过车记录查询单元找到历史过车记录时，判断两次过车的时间差是否小于两个卡口间的时间阈值，如果是，则将该车牌号记录为套牌嫌疑车辆。
历史过车记录更新单元，用于在历史过车记录查询单元找到该历史过车记录时，在内存中用实时过车信息更新该历史过车记录。在历史过车记录查询单元没有找到历史过车记录时，在内存中将实时过车信息保存为历史过车记录；
其中，内存中每个车牌号只有一条历史过车记录。
时间阈值为两个卡口间距离与这两个卡口间道路最高限速之商。
第一实施方式是与本实施方式相对应的方法实施方式，本实施方式可与第一实施方式互相配合实施。第一实施方式中提到的相关技术细节在本实施方式中依然有效，为了减少重复，这里不再赘述。相应地，本实施方式中提到的相关技术细节也可应用在第一实施方式中。
本发明第五实施方式涉及一种高效实时的车辆套牌嫌疑分析装置。图7是该高效实时的车辆套牌嫌疑分析装置的结构示意图。
第五实施方式在第四实施方式的基础上进行了改进，主要改进之处在于：增加了时间阈值计算单元、最新历史过车记录初始化单元、实时过车信息存储单元、时间阈值查找单元、套牌嫌疑第二判断单元和套牌嫌疑写入单元。
具体地说，如图7所示，
时间阈值计算单元，用于预先计算每两个卡口间的时间阈值，并存入内存中。
最新历史过车记录初始化单元，用于在套牌嫌疑分析服务器启动时，首先从数据库中获取最大时间阈值，然后再从数据库中获取在该最大时间阈值内每辆车的最新历史过车记录，并插入到内存中。从车管所数据库中获取车辆信息，插入到内存中的最新历史过车记录中。
实时过车信息存储单元，用于将接收的实时过车信息，存储到内存中。实时过车信息存储单元还用于定期从数据库中读取交通应用服务器转发失败的历史过车数据，并插入到实时过车信息中，以防止数据的丢失。
时间阈值查找单元，用于在内存中查找是否有实时过车信息中的卡口与最新历史过车记录中的卡口这两个卡口间的时间阈值的记录。
套牌嫌疑第二判断单元，用于在时间阈值查找单元查找不到实时过车信息中的卡口与最新历史过车记录中的卡口这两个卡口间的时间阈值的记录时和在套牌嫌疑第一判断单元判断所得两次过车的时间差大于或等于两个卡口间的时间阈值时，根据车身颜色是否一致来判断是否套牌，若不一致，则将该车牌号记录为套牌嫌疑车辆。
套牌嫌疑写入单元，用于在套牌嫌疑第一判断单元或套牌嫌疑第二判断单元判断车牌号为套牌嫌疑车辆时，从数据库中获取套牌嫌疑车辆的详细车辆信息，并将所述套牌嫌疑过车信息与所获取的详细车辆信息插入到数据库中。
第二、三实施方式是与本实施方式相对应的方法实施方式，本实施方式可与第二、三实施方式互相配合实施。第二、三实施方式中提到的相关技术细节在本实施方式中依然有效，为了减少重复，这里不再赘述。相应地，本实施方式中提到的相关技术细节也可应用在第二、三实施方式中。
需要说明的是，本发明各装置实施方式中提到的各单元都是逻辑单元，在物理上，一个逻辑单元可以是一个物理单元，也可以是一个物理单元的一部分，还可以以多个物理单元的组合实现，这些逻辑单元本身的物理实现方式并不是最重要的，这些逻辑单元所实现的功能的组合是才解决本发明所提出的技术问题的关键。此外，为了突出本发明的创新部分，本发明上述各装置实施方式并没有将与解决本发明所提出的技术问题关系不太密切的单元引入，这并不表明上述各装置实施方式并不存在其它的单元。
虽然通过参照本发明的某些优选实施方式，已经对本发明进行了图示和描述，但本领域的普通技术人员应该明白，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。
Claims (10)
1.一种高效实时的车辆套牌嫌疑分析方法，其特征在于，包括以下步骤：
根据实时过车信息在内存中查找具有相同车牌号的历史过车记录；
如果找到历史过车记录，根据实时过车信息和历史过车记录，判断两次过车的时间差是否小于两个卡口间的时间阈值，如果是，则将该车牌号记录为套牌嫌疑车辆；在内存中用实时过车信息更新该历史过车记录；
如果没有找到历史过车记录，则在内存中将实时过车信息保存为历史过车记录；
其中，内存中每个车牌号只有一条历史过车记录；
时间阈值为两个卡口间距离与这两个卡口间道路最高限速之商；
在所述根据实时过车信息在内存中查找具有相同车牌号的历史过车记录的步骤之前，还包括以下步骤：
套牌嫌疑分析服务器启动时，首先从数据库中获取最大时间阈值，然后再从数据库中获取在该最大时间阈值内每辆车的最新历史过车记录，并载入到内存中；
从车管所数据库中获取车辆信息，载入到内存中的所述最新历史过车记录中。
2.根据权利要求1所述的高效实时的车辆套牌嫌疑分析方法，其特征在于，在所述根据实时过车信息在内存中查找具有相同车牌号的历史过车记录的步骤之前，还包括以下步骤：
预先计算每两个卡口间的时间阈值，并存入内存中。
3.根据权利要求1所述的高效实时的车辆套牌嫌疑分析方法，其特征在于，所述两个卡口间距离通过下述方法计算：
在电子地图上添加卡点后，通过电子地图提供的服务计算每两个卡口的最短路径的距离；或者，
通过两卡口的经纬度信息计算出每两个卡口的直线距离，得到这两个卡口间的距离。
4.根据权利要求1所述的高效实时的车辆套牌嫌疑分析方法，其特征在于，在所述根据实时过车信息在内存中查找具有相同车牌号的历史过车记录的步骤之前，还包括以下步骤：
将接收的实时过车信息，存储到内存中；
将数据库中交通应用服务器转发失败的历史过车信息，插入到实时过车信息中。
5.根据权利要求1至4中任一项所述的高效实时的车辆套牌嫌疑分析方法，其特征在于，在所述判断两次过车的时间差是否小于两个卡口间的时间阈值的步骤之后，还包括以下步骤：
如果两次过车的时间差大于或等于两个卡口间的时间阈值，则通过比较这两次过车数据中车身颜色是否一致来判断是否套牌；若不一致，则将该车牌号记录为套牌嫌疑车辆。
6.根据权利要求5所述的高效实时的车辆套牌嫌疑分析方法，其特征在于，在所述判断两次过车的时间差是否小于两个卡口间的时间阈值的步骤之前，还包括以下步骤：
在内存中查找是否有实时过车信息中的卡口与最新历史过车记录中的卡口这两个卡口间的时间阈值的记录，如果没有，则通过车身颜色是否一致来判断是否套牌；若不一致，则将该车牌号记录为套牌嫌疑车辆。
7.根据权利要求6所述的高效实时的车辆套牌嫌疑分析方法，其特征在于，在所述将该车牌号记录为套牌嫌疑车辆的步骤之后，还包括以下步骤：
从数据库中获取所述套牌嫌疑车辆的详细车辆信息，并将所述套牌嫌疑过车信息与所获取的详细车辆信息插入到数据库中。
8.一种高效实时的车辆套牌嫌疑分析装置，其特征在于，包括：
历史过车记录查询单元，用于根据实时过车信息在内存中查找具有相同车牌号的历史过车记录；
套牌嫌疑第一判断单元，用于在所述历史过车记录查询单元找到历史过车记录时，判断两次过车的时间差是否小于两个卡口间的时间阈值，如果是，则将该车牌号记录为套牌嫌疑车辆；
历史过车记录更新单元，用于在所述历史过车记录查询单元找到该历史过车记录时，在内存中用实时过车信息更新该历史过车记录；在所述历史过车记录查询单元没有找到历史过车记录时，在内存中将实时过车信息保存为历史过车记录；
其中，内存中每个车牌号只有一条历史过车记录；
时间阈值为两个卡口间距离与这两个卡口间道路最高限速之商；
最新历史过车记录初始化单元，用于在套牌嫌疑分析服务器启动时，首先从数据库中获取最大时间阈值，然后再从数据库中获取在该最大时间阈值内每辆车的最新历史过车记录，并载入到内存中；从车管所数据库中获取车辆信息，载入到内存中的所述最新历史过车记录中。
9.根据权利要求8所述的高效实时的车辆套牌嫌疑分析装置，其特征在于，还包括：
时间阈值计算单元，用于预先计算每两个卡口间的时间阈值，并存入内存中；
实时过车信息存储单元，用于将接收的实时过车信息，存储到内存中；所述实时过车信息存储单元还用于定期从数据库中读取交通应用服务器转发失败的历史过车数据，并插入到实时过车信息中，以防止数据的丢失。
10.根据权利要求8或9所述的高效实时的车辆套牌嫌疑分析装置，其特征在于，还包括：
时间阈值查找单元，用于在内存中查找是否有实时过车信息中的卡口与最新历史过车记录中的卡口这两个卡口间的时间阈值的记录；
套牌嫌疑第二判断单元，用于在所述时间阈值查找单元查找不到实时过车信息中的卡口与最新历史过车记录中的卡口这两个卡口间的时间阈值的记录时和在所述套牌嫌疑第一判断单元判断所得两次过车的时间差大于或等于两个卡口间的时间阈值时，根据车身颜色是否一致来判断是否套牌，若不一致，则将该车牌号记录为套牌嫌疑车辆；
套牌嫌疑写入单元，用于在所述套牌嫌疑第一判断单元或套牌嫌疑第二判断单元判断所述车牌号为套牌嫌疑车辆时，从数据库中获取所述套牌嫌疑车辆的详细车辆信息，并将所述套牌嫌疑过车信息与所获取的详细车辆信息插入到数据库中。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201110300956.XA CN102436746B (zh) | 2011-09-29 | 2011-09-29 | 高效实时的车辆套牌嫌疑分析方法及其装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201110300956.XA CN102436746B (zh) | 2011-09-29 | 2011-09-29 | 高效实时的车辆套牌嫌疑分析方法及其装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102436746A CN102436746A (zh) | 2012-05-02 |
| CN102436746B true CN102436746B (zh) | 2014-10-22 |
Family
ID=45984779
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201110300956.XA Active CN102436746B (zh) | 2011-09-29 | 2011-09-29 | 高效实时的车辆套牌嫌疑分析方法及其装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102436746B (zh) |
Families Citing this family (28)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103700262B (zh) * | 2013-12-26 | 2015-07-15 | 福建省视通光电网络有限公司 | 一种套牌车车辆的区域自动捕获方法 |
| CN103871247B (zh) * | 2014-03-05 | 2016-04-13 | 浙江宇视科技有限公司 | 一种自动获得各相机拍摄点间最小时间的方法和装置 |
| CN104200669B (zh) * | 2014-08-18 | 2017-02-22 | 华南理工大学 | 一种基于Hadoop的套牌车识别方法及系统 |
| CN105741598A (zh) * | 2014-12-09 | 2016-07-06 | 深圳中兴力维技术有限公司 | 嫌疑车辆落脚点分析处理方法及其装置 |
| CN104537210A (zh) * | 2014-12-09 | 2015-04-22 | 深圳市华仁达技术有限公司 | 一种基于邻近卡口自动寻找套牌时间阀值配置算法 |
| CN105206062A (zh) * | 2015-10-23 | 2015-12-30 | 浪潮(北京)电子信息产业有限公司 | 查找方法及装置 |
| CN105261221B (zh) * | 2015-11-13 | 2017-12-15 | 浙江宇视科技有限公司 | 卡口最小过车时间差确定方法、套牌分析方法及相关装置 |
| CN105719489B (zh) * | 2016-03-24 | 2018-01-30 | 银江股份有限公司 | 一种基于卡口车辆流向概率的套牌车检测方法 |
| CN106128113A (zh) * | 2016-08-01 | 2016-11-16 | 深圳市永兴元科技有限公司 | 套牌车辆的识别方法及装置 |
| CN106128114A (zh) * | 2016-08-01 | 2016-11-16 | 深圳市永兴元科技有限公司 | 套牌车辆的识别方法及装置 |
| CN106373406A (zh) * | 2016-12-02 | 2017-02-01 | 南京航空航天大学 | 车辆套牌稽查系统 |
| CN108470449B (zh) * | 2017-02-23 | 2020-12-25 | 杭州海康威视数字技术股份有限公司 | 卡口间的过车时间阈值确定方法及装置 |
| CN107146417A (zh) * | 2017-04-06 | 2017-09-08 | 北京易华录信息技术股份有限公司 | 一种基于汽车电子标识的克隆车辆判定方法及装置 |
| CN107038865A (zh) * | 2017-04-06 | 2017-08-11 | 北京易华录信息技术股份有限公司 | 一种基于汽车电子标识的克隆车辆位置确定方法及系统 |
| CN107038866A (zh) * | 2017-04-06 | 2017-08-11 | 北京易华录信息技术股份有限公司 | 基于汽车电子标识的克隆车辆位置精确确定方法及系统 |
| CN107038867A (zh) * | 2017-04-06 | 2017-08-11 | 北京易华录信息技术股份有限公司 | 基于汽车电子标识的克隆车辆精准判定方法及装置 |
| CN107067736B (zh) * | 2017-04-12 | 2019-10-08 | 安徽超远信息技术有限公司 | 基于时间路网的套牌车分析方法及其系统 |
| CN107240267A (zh) * | 2017-06-28 | 2017-10-10 | 北京易华录信息技术股份有限公司 | 一种基于汽车电子标识查找克隆车辆的方法及系统 |
| CN107240265A (zh) * | 2017-06-28 | 2017-10-10 | 北京易华录信息技术股份有限公司 | 一种基于汽车电子标识拦截违法车辆的方法及系统 |
| CN107256634A (zh) * | 2017-06-28 | 2017-10-17 | 北京易华录信息技术股份有限公司 | 一种基于汽车电子标识提示违法车辆的方法及系统 |
| CN109961632B (zh) * | 2017-12-26 | 2022-12-23 | 浙江宇视科技有限公司 | 一种以路由的方式快速查询过车记录的方法及装置 |
| CN108520629B (zh) * | 2018-04-09 | 2021-02-09 | 天津中兴智联科技有限公司 | 一种假套牌识别系统的判断方法 |
| CN108694858B (zh) * | 2018-07-20 | 2019-12-27 | 谭智 | 一种基于区块链技术进行停车管理的方法及其系统 |
| CN109718543B (zh) * | 2018-12-28 | 2022-07-12 | 北京像素软件科技股份有限公司 | 一种同屏处理方法及装置 |
| CN110176145B (zh) * | 2019-05-28 | 2021-07-06 | 中国科学技术大学 | 套牌车的检测方法及装置、卡口 |
| CN111369805B (zh) * | 2020-01-09 | 2021-08-06 | 杭州海康威视系统技术有限公司 | 套牌检测的方法、装置、电子设备及计算机可读存储介质 |
| CN112133102A (zh) * | 2020-09-23 | 2020-12-25 | 杭州海康威视数字技术股份有限公司 | 车牌监测方法、装置、电子设备及系统 |
| CN114999166B (zh) * | 2021-03-02 | 2024-05-17 | 腾讯科技（深圳）有限公司 | 车辆识别方法、装置、电子设备及计算机可读存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1920896A (zh) * | 2006-08-23 | 2007-02-28 | 王亚盛 | 自动调色补光的车牌车辆实时图像监视与真假识别系统 |
| CN101587643A (zh) * | 2009-06-08 | 2009-11-25 | 宁波大学 | 一种套牌车的识别方法 |
| CN101635092A (zh) * | 2009-05-22 | 2010-01-27 | 上海宝康电子控制工程有限公司 | 一种套牌机动车识别系统以及方法 |
| CN101635093A (zh) * | 2009-05-22 | 2010-01-27 | 上海宝康电子控制工程有限公司 | 一种套牌机动车识别系统以及方法 |
| CN102005121A (zh) * | 2009-09-03 | 2011-04-06 | 沈阳新杉电子工程有限公司 | 城市出口治安控制智能侦测方法 |
-
2011
- 2011-09-29 CN CN201110300956.XA patent/CN102436746B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1920896A (zh) * | 2006-08-23 | 2007-02-28 | 王亚盛 | 自动调色补光的车牌车辆实时图像监视与真假识别系统 |
| CN101635092A (zh) * | 2009-05-22 | 2010-01-27 | 上海宝康电子控制工程有限公司 | 一种套牌机动车识别系统以及方法 |
| CN101635093A (zh) * | 2009-05-22 | 2010-01-27 | 上海宝康电子控制工程有限公司 | 一种套牌机动车识别系统以及方法 |
| CN101587643A (zh) * | 2009-06-08 | 2009-11-25 | 宁波大学 | 一种套牌车的识别方法 |
| CN102005121A (zh) * | 2009-09-03 | 2011-04-06 | 沈阳新杉电子工程有限公司 | 城市出口治安控制智能侦测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102436746A (zh) | 2012-05-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102436746B (zh) | 高效实时的车辆套牌嫌疑分析方法及其装置 | |
| CN104778245B (zh) | 基于海量车牌识别数据的相似轨迹挖掘方法及装置 | |
| JP5479340B2 (ja) | 時間ベースのメディア間のマッチの検出と分類 | |
| US8817584B1 (en) | Defect record search | |
| CN109634946B (zh) | 一种基于大数据挖掘的轨迹智能匹配关联分析方法 | |
| CN110019891B (zh) | 图像存储方法、图像检索方法及装置 | |
| CN102194132B (zh) | 一种伴随车检测识别系统及其方法 | |
| CN111046049B (zh) | 一种货车gps轨迹数据压缩方法 | |
| CN103578277A (zh) | 套牌嫌疑车搜索方法及其装置 | |
| CN103593982B (zh) | 一种快速定位初次入城车辆的方法及系统 | |
| CN112712702B (zh) | 违法事件去重方法、装置、电子设备及机器可读存储介质 | |
| CN113901279A (zh) | 一种图数据库的检索方法和装置 | |
| CN103838782B (zh) | 一种实现文件扫描和保存的方法及装置 | |
| CN110891071A (zh) | 一种网络流量信息获取方法、装置及其相关设备 | |
| CN111026736B (zh) | 数据血缘管理方法及装置、数据血缘解析方法及装置 | |
| CN110209853B (zh) | 车辆的图片搜索方法、装置和设备 | |
| CN110876090B (zh) | 视频摘要回放方法、装置、电子设备及可读存储介质 | |
| CN111782589A (zh) | 一种用于操作历史重现的数据模型的构建方法及系统 | |
| CN111090655A (zh) | 基于监控数据的预警方法及装置、电子设备和存储介质 | |
| CN111428063B (zh) | 基于地理空间位置划分的图像特征关联处理方法及系统 | |
| CN105468748B (zh) | 一种分布式存储位置数据方法及系统 | |
| CN111680175B (zh) | 人脸数据库建库方法、计算机设备和计算机可读存储介质 | |
| CN111368651B (zh) | 一种车辆识别方法、装置及电子设备 | |
| CN111199644B (zh) | 一种自动进行人车拟合的方法及系统 | |
| CN109408727B (zh) | 基于多维感知数据的用户关注信息智能推荐方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |