CN104199903B - 一种基于路径关联的车辆数据查询系统及方法 - Google Patents

一种基于路径关联的车辆数据查询系统及方法 Download PDF

Info

Publication number
CN104199903B
CN104199903B CN201410427790.1A CN201410427790A CN104199903B CN 104199903 B CN104199903 B CN 104199903B CN 201410427790 A CN201410427790 A CN 201410427790A CN 104199903 B CN104199903 B CN 104199903B
Authority
CN
China
Prior art keywords
vehicle
bayonet socket
pass
data
socket point
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
Application number
CN201410427790.1A
Other languages
English (en)
Other versions
CN104199903A (zh
Inventor
刘暘
曾炜
王夷
李东晓
刘其峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SHANGHAI XILING INFORMATION TECHNOLOGY Co Ltd
Original Assignee
SHANGHAI XILING INFORMATION TECHNOLOGY Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by SHANGHAI XILING INFORMATION TECHNOLOGY Co Ltd filed Critical SHANGHAI XILING INFORMATION TECHNOLOGY Co Ltd
Priority to CN201410427790.1A priority Critical patent/CN104199903B/zh
Publication of CN104199903A publication Critical patent/CN104199903A/zh
Application granted granted Critical
Publication of CN104199903B publication Critical patent/CN104199903B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries

Abstract

本发明提供一种基于路径关联的车辆数据查询系统及方法，通过在浏览器端输入预定车辆行驶轨迹中经过的卡口点及时间段条件，在服务器端分别在所输入的各卡口点的过车数据中筛选符合时间段条件的车辆，并经排序后取出现次数最多的预定数量的车辆来作为嫌疑车辆，作为结果通过网络反馈给浏览器端，达到根据需求自动获取嫌疑车辆的目的，大大提升工作效率。

Description

一种基于路径关联的车辆数据查询系统及方法
技术领域
本发明涉及智能交通技术领域，特别是涉及一种基于路径关联的车辆数据查询系统及方法。
背景技术
近年来，公路车辆智能监测记录系统(卡口系统)在我国大部分省市得到了广泛的应用，实现了大范围通行车辆图像抓拍、号牌识别以及通行信息实时采集和几种存储，为侦破机动车协同作案提供了数据基础。然而，由于该系统采集数据过于庞大，使有意义的数据被隐藏。
目前，公知的卡口系统，可以提供经过车辆查询功能，但只能按指定车牌号码、时间、位置等条件进行查询，对于那些车牌号码未知的车辆，只能对时间、位置进行过滤后依靠人工观察图片方式来寻找嫌疑车辆。
发明内容
鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于路径关联的车辆数据查询系统，解决上述现有技术中嫌疑车辆查询方式效率低下的问题。
为实现上述目标及其他相关目标，本发明提供一种基于路径关联的车辆数据查询系统，包括：浏览器端，用于供输入预定车辆行驶轨迹中经过的卡口点的集合Pi及通过每个卡口的时间段Ti，其中，i为不小于1的整数；数据库，用于存储各个卡口点的过车数据；路径关联算法服务器端，网络连接所述浏览器端，用于从Pi取出子集Passj，其中，j≤i；并用于从分别对Passj中每个卡口点的过车数据进行车辆经过时间筛选，以在Passj中每个卡口点分别获取满足所述时间段Ti的车辆以形成Passj中每个卡口点的车辆候选集合Ck，其中，k≤j；并用于合并Passj中每个卡口点的车辆候选集合Ck并按车辆出现次数依序排列，以获取出现次数最多的l辆车作为嫌疑车辆并将嫌疑车辆的相关数据放入结果集A；网络服务器端，连接所述浏览器端及路径关联算法服务器端，用于将所述结果集A作为查询结果输出反馈至浏览器端。
可选的，所述j≥3。
可选的，所述l＝10。
可选的，所述路径关联服务器端还用于将所述车辆经过时间筛选出的数据进行去重以获取所述车辆候选集合Ck。
可选的，所述网络服务器端，还用于根据所述查询结果生成图形分析结果；所述浏览器端，用于将所述图形分析结果展示出来，其中所述图形分析结果包括：所述嫌疑车辆的轨迹信息、数据信息列表、及图表中的一种或多种组合。
可选的，所述路径关联算法服务器端采用C++技术实现功能；所述网络服务端采用java技术获取在浏览器端的所述输入的输入者位置和输入时间信息；所述浏览器端使用Silverlight技术。
为实现上述目标及其他相关目标，本发明提供一种基于路径关联的车辆数据查询方法，包括：输入预定车辆行驶轨迹中经过的卡口点的集合Pi及通过每个卡口的时间段Ti，其中，i为不小于1的整数；从Pi取出子集Passj，其中，j≤i；分别对Passj中每个卡口点的过车数据进行车辆经过时间筛选，以在Passj中每个卡口点分别获取满足所述时间段Ti的车辆以形成Passj中每个卡口点的车辆候选集合Ck，其中，k≤j；合并Passj中每个卡口点的车辆候选集合Ck并按车辆出现次数依序排列，以获取出现次数最多的l辆车作为嫌疑车辆；将所述嫌疑车辆的相关数据放入结果集A作为查询结果输出。
可选的，所述j≥3。
可选的，所述l＝10。
可选的，所述方法还包括：将所述车辆经过时间筛选出的数据进行去重以获取所述车辆候选集合Ck。
如上所述，本发明提供一种基于路径关联的车辆数据查询系统及方法，通过在浏览器端输入预定车辆行驶轨迹中经过的卡口点及时间段条件，在服务器端分别在所输入的各卡口点的过车数据中筛选符合时间段条件的车辆，并经排序后取出现次数最多的预定数量的车辆来作为嫌疑车辆，作为结果通过网络反馈给浏览器端，达到根据需求自动获取嫌疑车辆的目的，大大提升工作效率。
附图说明
图1显示为本发明一实施例中的基于路径关联的车辆数据查询方法的流程示意图。
图2显示为本发明一实施例中的基于路径关联的车辆数据查询系统的结构示意图。
元件标号说明
1 基于路径关联的车辆数据查询系统
11 浏览器端
12 数据库
13 路径关联算法服务器端
14 网络服务器端
S1～S4 方法步骤
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
如图1所示，本发明提供一种基于路径关联的车辆数据查询方法，包括：
步骤S1：输入预定车辆行驶轨迹中经过的卡口点的集合Pi及通过每个卡口的时间段Ti，其中，i为不小于1的整数。
在一实施例中，所述预定车辆行驶轨迹可以是预选择的，例如高速公路或者高速公路的某个路段等，所述路段中包括了多个卡口点，构成集合Pi，也就是说，包括例如卡口点P1、P2、P3等等；所述时间段Ti则为对应Pi的车辆经过卡口点的时间所属时间段，例如对应卡口点P1的时间段T1(例如20xx年A月B日13：00～15：00)，对应卡口点P2的时间段T2(例如20xx年A月B日16：00～17：00)等等。
步骤S2：从Pi取出子集Passj，其中，j≤i；分别对Passj中每个卡口点的过车数据进行车辆经过时间筛选，以在Passj中每个卡口点分别获取满足所述时间段Ti的车辆以形成Passj中每个卡口点的车辆候选集合Ck，其中，k≤j。
在一实施例中，优选的，所述j≥3，也就是说至少取出3个卡口点的行车数据，那么同样的i≥3，三个点基本上就能确定了行车轨迹是按所述预定车辆行车轨迹来行驶的；举例来说，所述满足时间段Ti可以是：例如，在卡口点Pass1过车的时间段T1为例如20xx年A月B日13：00～15：00，在Pass2过车的时间段T2为例如20xx年A月B日16：00～17：00，在Pass3过车时间段T3为例如20xx年A月B日18：00～19：00，等分别作为条件，并按卡口点不同分别对过车时间在该些时间段内的车辆进行记录，来形成对应的例如C1、C2、C3，并且由于有例外情况，使得选中的某个卡口点未必有车辆经过，因此k≤j。
步骤S3：合并Passj中每个卡口点的车辆候选集合Ck并按车辆出现次数依序排列，以获取出现次数最多的l辆车作为嫌疑车辆；
在一实施例中，这一步骤是本发明的重要改进步骤，也就是说，要找出实际上确实是沿预定车辆行驶轨迹(至少是其中某个需要的一段)移动的车辆，即承上所述，在Pi中选取所述卡口点Pass1、Pass2、Pass3进行时间筛选，获得分别对应的C1、C2及C3，将C1、C2及C3合并，然后找到出现最多的l辆，优选的，所述l＝10，也就是说选出例如前10辆车(不足10辆亦可选为全部车辆)，举例来说，假设某个罪犯驾车走的就是这条预定车辆行驶轨迹，则这个罪犯可能就在这10辆车中的一部，因此将这10辆车作为嫌疑车辆。
步骤S4：将所述嫌疑车辆的相关数据放入结果集A作为查询结果输出。
在一实施例中，所述相关数据包括：例如车牌号，以及与该车牌号相关的车主、驾驶记录等等，这些在车辆管理行政机关的数据库中皆存在，属于现有技术，因此不再作赘述。
进而，公安机关即可根据这些数据对所选出的嫌疑车辆进行排查，相比于现有技术的大海捞针似的工作量来说，大大提升了效率。
优选的，所述方法还包括：将所述车辆经过时间筛选出的数据进行去重以获取所述车辆候选集合Ck；在一实施例中，也就是说，有的卡口点可能对某部车记录了两次等重复情况，而重复数据可能只需要一次即可，这一优选步骤有利于去除噪音干扰，使数据更为清洁可靠。
如图2所示，本发明提供一种基于路径关联的车辆数据查询系统1，在一实施例中，应用了B/S架构(browser/server浏览器端服务器架构)的实现方式，使得查询更加自动化，效率更高；所述系统1包括：
浏览器端11(可为一个或多个，取决于用户数)，用于供输入预定车辆行驶轨迹中经过的卡口点的集合Pi及通过每个卡口的时间段Ti，其中，i为不小于1的整数。在一实施例中，所述预定车辆行驶轨迹可以是预选择的，例如高速公路或者高速公路的某个路段等，所述路段中包括了多个卡口点，构成集合Pi，也就是说，包括例如卡口点P1、P2、P3等等；所述时间段Ti则为对应Pi的车辆经过卡口点的时间所属时间段，例如对应卡口点P1的时间段T1(例如20xx年A月B日13：00～15：00)，对应卡口点P2的时间段T2(例如20xx年A月B日16：00～17：00)等等，另外卡口点是可以通过图形显示电子地图而供点选，实际上，后台是会通过预有的经纬度坐标值来区分卡口点。
数据库12，用于存储各个卡口点的过车数据。在一实施例中，所述数据库12可以是设在某个服务器(包括路径关联算法服务器端13、网络服务器端14)上只有一个，而按各个Pi中卡口点分类进行储存；或者在其他实施例中，所述数据库12是可以有多个，分别设在各个卡口点的终端电脑中，分别用于储存各自所在卡口点的过车数据皆可；在实际实现中，举例来说，所述数据库12可以存放数据量庞大的公安卡口过车数据(一般日均采集存储的过车数据达到300w条以上，单表数据达到10亿条以上)。
路径关联算法服务器端13，网络连接所述浏览器端11，用于从Pi取出子集Passj，其中，j≤i；并用于从分别对Passj中每个卡口点的过车数据进行车辆经过时间筛选，以在Passj中每个卡口点分别获取满足所述时间段Ti的车辆以形成Passj中每个卡口点的车辆候选集合Ck，其中，k≤j；并用于合并Passj中每个卡口点的车辆候选集合Ck并按车辆出现次数依序排列，以获取出现次数最多的l辆车作为嫌疑车辆并将嫌疑车辆的相关数据放入结果集A。在一实施例中，优选的，所述j≥3，也就是说至少取出3个卡口点的行车数据，那么同样的i≥3，三个点基本上就能确定了行车轨迹是按所述预定车辆行车轨迹来行驶的；举例来说，所述满足时间段Ti可以是：例如，在卡口点Pass1过车的时间段T1为例如20xx年A月B日13：00～15：00，在Pass2过车的时间段T2为例如20xx年A月B日16：00～17：00，在Pass3过车时间段T3为例如20xx年A月B日18：00～19：00，等分别作为条件，并按卡口点不同分别对过车时间在该些时间段内的车辆进行记录，来形成对应的例如C1、C2、C3，并且由于有例外情况，使得选中的某个卡口点未必有车辆经过，因此k≤j；承上，要找出实际上确实是沿预定车辆行驶轨迹(至少是其中某个需要的一段)移动的车辆，即承上所述，在Pi中选取所述卡口点Pass1、Pass2、Pass3进行时间筛选，获得分别对应的C1、C2及C3，将C1、C2及C3合并，然后找到出现最多的l辆，优选的，所述l＝10，也就是说选出例如前10辆车(不足10辆亦可选为全部车辆)，举例来说，假设某个罪犯驾车走的就是这条预定车辆行驶轨迹，则这个罪犯可能就在这10辆车中的一部，因此将这10辆车作为嫌疑车辆。
网络服务器端14，连接所述浏览器端11及路径关联算法服务器端13，用于将所述结果集A作为查询结果输出反馈至浏览器端11。在一实施例中，所述相关数据包括：例如车牌号，以及与该车牌号相关的车主、驾驶记录等等，所述相关数据在车辆管理行政机关的数据库12中皆存在，属于现有技术，因此不再作赘述。进而，公安机关即可根据这些数据对所选出的嫌疑车辆进行排查，相比于现有技术的大海捞针似的工作量来说，大大提升了效率。
优选的，所述路径关联服务器端还用于将所述车辆经过时间筛选出的数据进行去重以获取所述车辆候选集合Ck。在一实施例中，也就是说，有的卡口点可能对某部车记录了两次等重复情况，而重复数据可能只需要一次即可，这一优选功能有利于去除噪音干扰，使数据更为清洁可靠。
可选的，所述网络服务器端14，还用于根据所述查询结果生成图形分析结果；所述浏览器端11，用于将所述图形分析结果展示出来，其中所述图形分析结果包括：所述嫌疑车辆的轨迹信息、数据信息列表、及图表中的一种或多种组合。
在一实施例中，所述路径关联算法服务器端13采用C++技术实现上述功能即算法；所述网络服务端采用java技术来对接本系统1中的各个部分；所述浏览器端使用Silverlight技术确定时间段、以及卡口点位置条件，并可以Flash、视频播放方式等来实现图形显示结果。
综上所述，本发明提供一种基于路径关联的车辆数据查询系统及方法，通过在浏览器端输入预定车辆行驶轨迹中经过的卡口点及时间段条件，在服务器端分别在所输入的各卡口点的过车数据中筛选符合时间段条件的车辆，并经排序后取出现次数最多的预定数量的车辆来作为嫌疑车辆，作为结果通过网络反馈给浏览器端，达到根据需求自动获取嫌疑车辆的目的，大大提升工作效率。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (8)

1.一种基于路径关联的车辆数据查询系统，其特征在于，包括：
浏览器端，用于供输入预定车辆行驶轨迹中经过的卡口点的集合Pi及通过每个卡口的时间段Ti，其中，i为不小于1的整数；
数据库，用于存储各个卡口点的过车数据；
路径关联算法服务器端，网络连接所述浏览器端，用于从Pi取出子集Passj，其中，j≤i，所述j≥3；并用于从分别对Passj中每个卡口点的过车数据进行车辆经过时间筛选，以在Passj中每个卡口点分别获取满足所述时间段Ti的车辆以形成Passj中每个卡口点的车辆候选集合Ck，其中，k≤j；并用于合并Passj中每个卡口点的车辆候选集合Ck并按车辆出现次数依序排列，以获取出现次数最多的l辆车作为嫌疑车辆并将嫌疑车辆的相关数据放入结果集A；
网络服务器端，连接所述浏览器端及路径关联算法服务器端，用于将所述结果集A作为查询结果输出反馈至浏览器端。
2.根据权利要求1所述的基于路径关联的车辆数据查询系统，其特征在于，所述l＝10。
3.根据权利要求1所述的基于路径关联的车辆数据查询系统，其特征在于，所述路径关联服务器端还用于将所述车辆经过时间筛选出的数据进行去重以获取所述车辆候选集合Ck。
4.根据权利要求1所述的基于路径关联的车辆数据查询系统，其特征在于，所述网络服务器端，还用于根据所述查询结果生成图形分析结果；所述浏览器端，用于将所述图形分析结果展示出来，其中所述图形分析结果包括：所述嫌疑车辆的轨迹信息、数据信息列表、及图表中的一种或多种组合。
5.根据权利要求1所述的基于路径关联的车辆数据查询系统，其特征在于，所述路径关联算法服务器端采用C++技术实现功能；所述网络服务端采用java技术获取在浏览器端的所述输入的输入者位置和输入时间信息；所述浏览器端使用Silverlight技术。
6.一种基于路径关联的车辆数据查询方法，其特征在于，包括：
输入预定车辆行驶轨迹中经过的卡口点的集合Pi及通过每个卡口的时间段Ti，其中，i为不小于1的整数；
从Pi取出子集Passj，其中，j≤i，所述j≥3；分别对Passj中每个卡口点的过车数据进行车辆经过时间筛选，以在Passj中每个卡口点分别获取满足所述时间段Ti的车辆以形成Passj中每个卡口点的车辆候选集合Ck，其中，k≤j；
合并Passj中每个卡口点的车辆候选集合Ck并按车辆出现次数依序排列，以获取出现次数最多的l辆车作为嫌疑车辆；
将所述嫌疑车辆的相关数据放入结果集A作为查询结果输出。
7.根据权利要求6所述的基于路径关联的车辆数据查询方法，其特征在于，所述l＝10。
8.根据权利要求6所述的基于路径关联的车辆数据查询方法，其特征在于，还包括：将所述车辆经过时间筛选出的数据进行去重以获取所述车辆候选集合Ck。
CN201410427790.1A 2014-08-27 2014-08-27 一种基于路径关联的车辆数据查询系统及方法 Active CN104199903B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410427790.1A CN104199903B (zh) 2014-08-27 2014-08-27 一种基于路径关联的车辆数据查询系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410427790.1A CN104199903B (zh) 2014-08-27 2014-08-27 一种基于路径关联的车辆数据查询系统及方法

Publications (2)

Publication Number Publication Date
CN104199903A CN104199903A (zh) 2014-12-10
CN104199903B true CN104199903B (zh) 2018-02-09

Family

ID=52085196

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410427790.1A Active CN104199903B (zh) 2014-08-27 2014-08-27 一种基于路径关联的车辆数据查询系统及方法

Country Status (1)

Country Link
CN (1) CN104199903B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104462395B (zh) * 2014-12-11 2018-02-06 南威软件股份有限公司 一种同行车辆分析方法
CN105447617A (zh) * 2015-11-06 2016-03-30 上海熙菱信息技术有限公司 一种基于车辆轨迹数据分析的预警积分方法及系统
CN105913656B (zh) * 2016-04-28 2019-04-09 泰华智慧产业集团股份有限公司 基于分布式统计频繁过车的方法及系统
CN106097708B (zh) * 2016-06-06 2019-06-11 浙江宇视科技有限公司 一种跟车确定方法及装置
CN106297292A (zh) * 2016-08-29 2017-01-04 苏州金螳螂怡和科技有限公司 基于高速公路卡口及综合监控的轨迹系统
CN107871111B (zh) * 2016-09-28 2021-11-26 苏宁易购集团股份有限公司 一种行为分析方法及系统
CN108022428B (zh) * 2016-11-02 2021-05-25 杭州海康威视系统技术有限公司 一种车辆识别方法及装置
CN110516097A (zh) * 2019-08-21 2019-11-29 深圳云天励飞技术有限公司 一种图像数据关联分析方法、装置及存储介质
CN110706058A (zh) * 2019-09-06 2020-01-17 爱易优(上海)信息科技有限公司 一种基于路径和时间的预约订单分配系统及方法
CN115440037B (zh) * 2022-08-30 2024-03-26 阿波罗智联(北京)科技有限公司 交通流量数据采集方法、装置、电子设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101944292A (zh) * 2010-09-16 2011-01-12 公安部交通管理科学研究所 基于轨迹碰撞的嫌疑车辆分析方法
CN102289659A (zh) * 2011-06-23 2011-12-21 杭州诚道科技有限公司 伴随车检测方法
CN103871248A (zh) * 2014-03-18 2014-06-18 浙江宇视科技有限公司 一种基于轨迹碰撞的嫌疑车尾随车辆分析方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050073436A1 (en) * 2003-08-22 2005-04-07 Negreiro Manuel I. Method and system for alerting a patrol officer of a wanted vehicle

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101944292A (zh) * 2010-09-16 2011-01-12 公安部交通管理科学研究所 基于轨迹碰撞的嫌疑车辆分析方法
CN102289659A (zh) * 2011-06-23 2011-12-21 杭州诚道科技有限公司 伴随车检测方法
CN103871248A (zh) * 2014-03-18 2014-06-18 浙江宇视科技有限公司 一种基于轨迹碰撞的嫌疑车尾随车辆分析方法及装置

Also Published As

Publication number Publication date
CN104199903A (zh) 2014-12-10

Similar Documents

Publication Publication Date Title
CN104199903B (zh) 一种基于路径关联的车辆数据查询系统及方法
Yuan et al. An unlicensed taxi identification model based on big data analysis
CN104200669B (zh) 一种基于Hadoop的套牌车识别方法及系统
CN106528865A (zh) 一种快速精准的交通大数据清洗方法
CN101587643B (zh) 一种套牌车的识别方法
CN105448092B (zh) 一种关联车辆的分析方法及装置
CN112447041B (zh) 识别车辆的营运行为的方法、装置及计算设备
CN104732205A (zh) 一种高速公路逃费稽查的系统
CN104952255A (zh) 一种智能终端及其交通违章监督方法、系统
CN107730975A (zh) 超市停车引导反向寻车和出场引导的系统和方法
CN109214345A (zh) 基于相似度比对查找换牌车辆的行驶轨迹的方法
CN107610471A (zh) 车辆套牌检测方法及系统
CN107993444B (zh) 基于卡口过车大数据分析的嫌疑车认定方法
EP2735984A1 (en) Video query method, device and system
CN112509325B (zh) 一种基于视频深度学习的非现场违法自动甄别方法
CN112925820B (zh) 一种车辆偷逃通行费的识别方法、装置及系统
CN106297304A (zh) 一种基于MapReduce面向大规模卡口数据的套牌车识别方法
CN105118305A (zh) 室外停车场出口车辆管理平台
CN104408934A (zh) 一种基于交通数据的涉案车辆分析方法
CN111914648A (zh) 车辆检测和识别的方法及装置、电子设备、存储介质
CN107067736A (zh) 基于时间路网的套牌车分析方法及其系统
CN109325755B (zh) 基于汽车轮毂的电子计费系统
CN113470369B (zh) 一种基于多维度信息判断套牌车辆真实号牌的方法及系统
CN112967410A (zh) 一种基于最长公共子序列的偷逃通行费车辆识别方法
CN107862019A (zh) 一种基于大数据分析昼伏夜出车辆的方法及装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant