CN105261221B - 卡口最小过车时间差确定方法、套牌分析方法及相关装置 - Google Patents
卡口最小过车时间差确定方法、套牌分析方法及相关装置 Download PDFInfo
- Publication number
- CN105261221B CN105261221B CN201510777843.7A CN201510777843A CN105261221B CN 105261221 B CN105261221 B CN 105261221B CN 201510777843 A CN201510777843 A CN 201510777843A CN 105261221 B CN105261221 B CN 105261221B
- Authority
- CN
- China
- Prior art keywords
- time difference
- car
- time
- bayonet socket
- adjacent
- 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
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明提供一种卡口最小过车时间差确定方法、套牌分析方法及相关装置,所述卡口最小过车时间差确定方法包括:确定模型统计起始时间以及结束时间;根据预设时间粒度将模型统计起始时间以及结束时间对应的时间段划分为第一类型时间段;确定第一类型时间段内两两相邻卡口的过车时间差的平均值;根据过车时间差的平均值将第一类型时间段合并生成第二类型时间段;确定第二类型时间段内两两相邻卡口的最小过车时间差;根据最小过车时间差生成对应的第二类型时间段内相邻卡口最小过车时间差模型。应用本发明实施例可以根据历史过车数据自动学习并更新最小过车时间差模型,提高根据该最小过车时间差模型实现套牌分析的准确率。
Description
技术领域
本发明涉及视频监控技术领域,尤其涉及一种卡口最小过车时间差确定方法、套牌分析方法及相关装置。
背景技术
套牌车是指通过伪造或者非法套取其它车辆号牌及行驶证等手续上路行驶的车辆。套牌车违法行为的日益猖獗,严重扰乱了市场秩序和社会安全。
随着智能交通管理系统的快速发展,套牌车辆的治理不再采用传统的人工盘查方法,而是通过车辆识别系统将采集到的车辆信息与监控中心预先保存的数据作比对,然后分析处理得到违法车辆信息。
目前,常见的套牌分析方法主要包括预先设置车辆经过相邻两个卡口(如卡口A和卡口B)的最小时间差,当根据车辆识别系统采集到的车辆信息发现同一车牌号的车辆经过卡口A和卡口B的时间差低于该最小时间差时,则认为出现了套牌车。
然而实践发现,上述套牌分析方式中,车辆经过相邻两个卡口的最小时间差需要人工根据主观经验手动设置,工作量较大,效率较差,且设置后无法根据不同时间段的路况差异自动调整,容易发生误判,套牌分析的准确率均较低。
发明内容
本发明提供一种卡口最小过车时间差确定方法、套牌分析方法及相关装置,以解决现有技术中由人工设置卡口最小过车时间差工作量大、效率差,且导致的套牌分析准确率低等问题。
根据本发明实施例的第一方面,提供一种卡口最小过车时间差确定方法,包括:
确定模型统计起始时间以及结束时间;
根据预设时间粒度将所述模型统计起始时间以及结束时间对应的时间段划分为第一类型时间段;
确定所述第一类型时间段内两两相邻卡口的过车时间差的平均值;
根据所述过车时间差的平均值将所述第一类型时间段合并生成第二类型时间段;
根据所述第二类型时间段内两两相邻卡口的过车时间差,确定所述第二类型时间段内两两相邻卡口的最小过车时间差;
根据所述最小过车时间差生成对应的第二类型时间段内相邻卡口最小过车时间差模型。
根据本发明实施例的第二方面,提供一种基于上述卡口最小过车时间差确定方法实现的套牌分析方法,包括:
确定套牌分析起始时间以及结束时间;
根据所述套牌分析起始时间以及结束时间之间的历史过车数据,确定目标车牌号在所述套牌分析起始时间以及结束时间之间经过卡口的时间记录;
判断所述时间记录中是否存在时间差小于对应模型中的最小过车时间差的相邻时间记录;
若存在,确定所述目标车牌号存在套牌;
否则,确定所述目标车牌号不存在套牌。
根据本发明实施例的第三方面,提供一种卡口最小过车时间差确定装置,包括:
第一确定单元,用于确定模型统计起始时间以及结束时间;
划分单元,用于根据预设时间粒度将所述模型统计起始时间以及结束时间对应的时间段划分为第一类型时间段;
第二确定单元,用于确定所述第一类型时间段内两两相邻卡口的过车时间差的平均值;
合并单元,用于根据所述过车时间差的平均值将所述第一类型时间段合并生成第二类型时间段;
第三确定单元,用于根据所述第二类型时间段内两两相邻卡口的过车时间差,确定所述第二类型时间段内两两相邻卡口的最小过车时间差;
生成单元,用于根据所述最小过车时间差生成对应的第二类型时间段内相邻卡口最小过车时间差模型。
根据本发明实施例的第四方面,提供一种基于上述装置得到的相邻卡口最小过车时间差模型实现套牌分析的装置,包括:
第一确定单元,用于确定套牌分析起始时间以及结束时间;
第二确定单元,用于根据所述套牌分析起始时间以及结束时间之间的历史过车数据,确定目标车牌号在所述套牌分析起始时间以及结束时间之间经过卡口的时间记录;
判断单元,用于判断所述时间记录中是否存在时间差小于对应模型中的最小过车时间差的相邻时间记录;
第三确定单元,用于当所述判断单元判断为是时,确定所述目标车牌号存在套牌;当所述判断单元判断为否时,确定所述目标车牌号不存在套牌。
应用本发明实施例,通过确定模型统计起始时间以及结束时间,根据预设时间粒度将模型统计起始时间以及结束时间对应的时间段划分为第一类型时间段,并确定第一类型时间段内两两相邻卡口的过车时间差的平均值,根据该过车时间差的平均值将第一类型时间段合并生成第二类型时间段,进而根据第二类型时间段内两两相邻卡口的过车时间差,确定第二类型时间段内两两相邻卡口的最小过车时间差,并生成对应的第二类型时间段内相邻卡口最小过车时间差模型,实现了相邻卡口最小过车时间差的自动统计分析,与人工根据主观经验手动设定相邻卡口的最小过车时间差的实现方式相比,减少了卡口最小过车时间差确定的工作量,提高了卡口最小过车时间差确定的效率;此外,通过根据不同时间段的历史过车数据生成不同时间段对应的相邻卡口最小过车时间差模型,实现了根据不同时间段的历史过车数据调整最小过车时间差,且可以根据历史过车数据自动学习并更新卡口最小过车时间差模型,提高了根据最小过车时间差模型实现套牌分析的准确率。
附图说明
图1是本发明实施例提供的一种卡口最小过车时间差确定方法的流程示意图;
图2是本发明实施例提供的一种基于图1所示卡口最小过车时间差确定方法实现的套牌分析方法的流程示意图;
图3是本发明实施例提供的一种卡口最小过车时间差确定装置的结构示意图;
图4是本发明实施例提供的另一种卡口最小过车时间差确定装置的结构示意图;
图5是本发明实施例提供的另一种卡口最小过车时间差确定装置的结构示意图;
图6是本发明实施例提供的另一种卡口最小过车时间差确定装置的结构示意图;
图7是本发明实施例提供的一种基于图3~6任一所示的装置得到的相邻卡口最小过车时间差模型实现套牌分析的装置的结构示意图;
图8是本发明实施例提供的另一种实现套牌分析的装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明实施例中的技术方案,并使本发明实施例的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明实施例中技术方案作进一步详细的说明。
请参见图1,图1为本发明实施例提供的一种卡口最小过车时间差确定方法的流程示意图,如图1所示,该卡口最小过车时间差确定方法可以包括以下步骤:
步骤101、确定模型统计起始时间以及结束时间。
本发明实施例中,上述方法可以应用于智能交通系统中后台服务器,例如,视频监控后台服务器或其它专用于卡口最小过车时间差确定的后台服务器。为便于描述,以下以上述方法的执行主体为服务器进行说明。
本发明实施例中,考虑到由人工根据主观经验手动设置卡口最小过车时间工作量较大,且效率较低,因而,可以通过服务器根据历史过车数据自动分析并生成卡口最小过车时间差模型(以下简称为模型)。
本发明实施例中,考虑到每条道路每天的车流量遵循一定的规则,在没有外界因素干扰的情况下,是不会出现较大的差异的,同时,数据基础越大,基于该数据基数统计的结果越准确,因此,在进行模型统计时,可以以过去N周的历史过车数据为数据基数进行统计,其中,N可以综合分析统计的工作量以及数据统计的准确性等因素进行设定,如,N可以为8。
值得说明的是,上述确定模型统计起始时间以及结束时间的实现方式仅仅是本发明实施例提供的技术方案中的一种具体示例,而并不是对本发明保护范围的限定,本领域技术人员在未付出创造性劳动的前提下,对上述确定模型统计起始时间以及结束时间的实现方式的变型,均应属于本发明保护范围。
步骤102、根据预设时间粒度将模型统计起始时间以及结束时间对应的时间段划分为第一类型时间段。
本发明实施例中,服务器确定模型统计起始时间以及结束之间之后,可以根据预设时间粒度(可以根据具体场景设定,如30分钟、1小时等)将模型统计起始时间以及结束时间对应的时间段划分为第一类型时间段。
举例来说,假设以过去8周的历史过车数据进行模型统计,预设时间粒度为30分钟,则服务器首先可以按周对模型统计时间段进行划分,划分为8个周:
A1、A2、A3、A4
B1、B2、B3、B4
然后,服务器可以按照自然日进一步对其进行划分:
A1-1 | A2-1 | A3-1 | A4-1 |
A1-2 | A2-2 | A3-2 | A4-2 |
A1-3 | A2-3 | A3-3 | A4-3 |
A1-4 | A2-4 | A3-4 | A4-4 |
A1-5 | A2-5 | A3-5 | A4-5 |
A1-6 | A2-6 | A3-6 | A4-6 |
A1-7 | A2-7 | A3-7 | A4-7 |
B1-1 | B2-1 | B3-1 | B4-1 |
B1-2 | B2-2 | B3-2 | B4-2 |
B1-3 | B2-3 | B3-3 | B4-3 |
B1-4 | B2-4 | B3-4 | B4-4 |
B1-5 | B2-5 | B3-5 | B4-5 |
B1-6 | B2-6 | B3-6 | B4-6 |
B1-7 | B2-7 | B3-7 | B4-7 |
最后以预设时间粒度(即30分钟)为单位再次进行划分(以A1-1为例):
A1-1-0030 | A1-1-0630 | A1-1-1230 | A1-1-1830 |
A1-1-0100 | A1-1-0700 | A1-1-1300 | A1-1-1900 |
A1-1-0130 | A1-1-0730 | A1-1-1330 | A1-1-1930 |
A1-1-0200 | A1-1-0800 | A1-1-1400 | A1-1-2000 |
A1-1-0230 | A1-1-0830 | A1-1-1430 | A1-1-2030 |
A1-1-0300 | A1-1-0900 | A1-1-1500 | A1-1-2100 |
A1-1-0330 | A1-1-0930 | A1-1-1530 | A1-1-2130 |
A1-1-0400 | A1-1-1000 | A1-1-1600 | A1-1-2200 |
A1-1-0430 | A1-1-1030 | A1-1-1630 | A1-1-2230 |
A1-1-0500 | A1-1-1100 | A1-1-1700 | A1-1-2300 |
A1-1-0530 | A1-1-1130 | A1-1-1730 | A1-1-2330 |
A1-1-0600 | A1-1-1200 | A1-1-1800 | A1-1-2400 |
其中,Ai-j为过去8周中第i周的周j;Bi-j为过去8周中第(i+4)周的周j;*-*-0030为当天凌晨00:00~00:30时间段,*-*-0100为当天凌晨00:30~01:00时间段,以此类推,i=1,2,3,4;j=1,2,3,4,5,6,7。
步骤103、确定第一类型时间段内两两相邻卡口的过车时间差的平均值。
本发明实施例中,服务器将模型统计时间段划分为第一类型时间段后,可以确定第一类型时间段内两两相邻卡口的过车时间差的平均值。
举例来说,以第一类型时间段A1-1-0030为例,服务器可以根据历史过车数据,获取过去8周第一周周一凌晨00:00~00:30时间段内任意两个相邻卡口的所有过车记录,并根据该所有过车记录,确定该两个相邻卡口的过车时间差的平均值。
其中,相邻卡口是指任意两个存在直通路径的卡口,即从其中一个卡口到另外一个卡口时可以不需要经过其它卡口。
需要注意的是,在本发明实施例中,考虑到正常情况下,每周的同一天(周一、周二等)的车流量通常会比较相类似,因此,服务器在统计第一类型时间段内两两相邻卡口的过车时间差的平均值时,可以将各周同一天内相同时间段的历史过车数据一起进行统计分析。例如,当需要统计A1-1-0030时间段内两两相邻卡口的过车时间差的平均值时,可以将A2-1-0030~B4-1-0030时间段内所有历史过车数据一起进行统计分析。
步骤104、根据过车时间差的平均值将第一类型时间段合并生成第二类型时间段。
本发明实施例中,服务器确定各第一类型时间段内两两相邻卡口的过车时间差的平均值之后,可以根据该过车时间差的平均值将第一类型时间段合并生成第二类型时间段。
作为一种可选的实施方式,在上述步骤104中,根据过车时间差的平均值将第一类型时间段合并生成第二类型时间段,可以包括以下步骤:
11)、根据过车时间差的平均值的差值与预设时间粒度的比值,确定两两相邻第一类型时间段的过车时间差的平均值的斜率;
12)、将斜率小于预设斜率阈值的相邻第一类型时间段合并为第二类型时间段。
在该实施方式中,可以将两两相邻第一类型时间段的过车时间差的平均值的差值与预设时间粒度的比值定义为该两两相邻第一类型时间段的过车时间差的平均值的斜率。
举例来说,假设相邻两个第一类型时间段K1和K2的过车时间差的平均值分别为δt1和δt2,则K1和K2的过车时间差的平均值的斜率k’可以通过以下公式确定:
k’=|δt1-δt2|/K
其中,K为预设时间粒度。
服务器确定两两相邻第一类型时间段的过车时间差的平均值的斜率后,可以判断两两相邻第一类型时间段的过车时间差的平均值的斜率是否小于预设斜率阈值(可以根据具体场景设定,如30%、25%等),若小于,则将该两两相邻第一类型时间段合并为第二类型时间段,否则,保持原有时间段不变。
举例来说,假设预设斜率阈值为30%,若服务器计算得到K1和K2的过车时间差的平均值的斜率为25%,则服务器可以将K1和K2进行合并得到一个新的第二类型时间段(如K1’);服务器可以进一步计算K2和K3的过车时间差的平均值的斜率,假设为20%,则服务器可以将K2和K3也进行合并,即将K3并入到K1’中;若服务器计算得到K3和K4的过车时间差的平均值的斜率为35%,则不将K3和K4进行合并,从而,对于第一类型时间段K1、K2、K3和K4被合并为了第二类型时间段K1’(包括K1、K2和K3)和K2’(包括K4)。
值得说明的是,在本发明实施例中,将第一类型时间段合并为第二类型时间段的具体实现方式并不限于上述步骤11~12中所描述的实现方式,也还可以通过其它方式实现,例如,可以直接将过车时间差平均值的差值小于预设时间阈值的相邻第一类型时间段合并生成为第二类型时间段,其具体实现在此不再赘述。
步骤105、根据第二类型时间段内两两相邻卡口的过车时间差,确定第二类型时间段内两两相邻卡口的最小过车时间差。
本发明实施例中,服务器合并生成第二类型时间段后,可以根据第二类型时间段内两两相邻卡口的过车时间差,确定该第二类型时间段内两两相邻卡口的最小过车时间差。
作为一种可选的实施方式,上述步骤105中,根据第二类型时间段内两两相邻卡口的过车时间差,确定第二类型时间段内两两相邻卡口的最小过车时间差,可以包括以下步骤:
21)、对于任意两个相邻卡口,按时间长度顺序对第二类型时间段内该两个相邻卡口的过车时间差进行排序;
22)、从排序后的过车时间差中筛除排序最前的第一预设数量和排序最后的第二预设数量的过车时间差;
23)、从筛除后的过车时间差中选择预设位置的目标过车时间差作为该两个相邻卡口的最小过车时间差。
在该实施方式中,服务器合并生成第二类型时间段后,对于任一第二类型时间段(以下称为目标第二类型时间段),服务器可以获取该目标第二类型时间段内的历史过车数据,并根据该历史过车数据确定两两相邻卡口的过车时间差。
对于任意两个相邻卡口,如卡口A和卡口B,服务器可以从目标第二类型时间段内的历史过车数据中,获取卡口A和卡口B的过车记录,并根据车牌号相同的车辆的过车记录,确定各车辆从卡口A到卡口B的过车时间差,并按时间长度对卡口A和卡口B的过车时间差进行排序,生成一个从卡口A到卡口B的过车时间差数组。
服务器生成卡口A到卡口B的过车时间差数组后,可以对其进行去噪处理,如筛除排序最前的第一预设数量(可以根据具体应用场景确定,如1个、2个、3个等)和排序最后的第二预设数量的(可以根据具体应用场景确定,如1个、2个、3个等)的过车时间差,并在筛除后的过车时间差中选择预设位置的目标时间差作为卡口A到卡口B的最小过车时间差,例如,将数组下标为b%*num(b为正整数,可以根据具体场景确定,如30、40等;num为数组中的元素个数)的位置的元素的值确定为卡口A到卡口B的最小过车时间差。
在一种可选的实施方式中,在上述步骤21中,对于任意两个相邻卡口,上述按时间长度顺序对第二类型时间段内该两个相邻卡口的过车时间差进行排序之前,还可以包括以下步骤:
31)、判断该两个相邻卡口之间的距离是否大于预设距离阈值;
32)、若是,确定执行上述按时间长度顺序对第二类型时间段内该两个相邻卡口的过车时间差进行排序的步骤;
33)、若否,将该两个相邻卡口的最小过车时间差置为0。
在该实施方式中,考虑到当两个卡口之间的距离过近时,通过该两个卡口的过车数据判断是否存在套牌的准确性过低,因此,可以预先设定一个距离阈值(可以根据具体场景设定,如400m、500m等),当两个相邻卡口之间的距离小于或等于该预设距离阈值时,则可以将该两个相邻卡口的最小过车时间差置为0;否则,可以根据上述步骤21中所描述的按时间长度顺序对第二类型时间段内该两个相邻卡口的过车时间差进行排序。
值得说明的是,在本发明实施例中,根据第二类型时间段内两两相邻卡口的过车时间差,确定第二类型时间段内两两相邻卡口的最小过车时间差的具体实现方式并不限于上述步骤21~23中所描述的实现方式,也还可以通过其它方式实现,例如,对于任意两个相邻卡口,可以直接将该第二类型时间段内该两个相邻卡口的过车时间差中的最小值确定为最小过车时间差;或者将该第二类型时间段内该两个相邻卡口的过车时间差的平均值确定为最小过车时间差,其具体实现在此不再赘述。
步骤106、根据该最小时间差生成对应的第二类型时间段内相邻卡口最小过车时间差模型。
本发明实施例中,服务器确定各第二类型时间段内相邻卡口的最小过车时间差后,可以根据该最小时间差生成对应的第二类型时间段内相邻卡口最小过车时间差模型,该模型具体示例可以如下所示:
其中,g1~h3为卡口标识,∞表明从卡口h1到卡口g1不存在直通路径。
值得说明的是,在本发明实施例中,服务器根据历史过车数据统计生成卡口最小过车时间差模型时,可以针对不同的城市、地区或道路、路段等分别进行统计,即可以分别统计生成不同城市、地区或道路、路段的模型。例如,服务器可以根据北京市海淀区在过去8周的历史过车数据统计生成北京市海淀区的卡口最小过车时间差模型,并根据上海市浦东区在过去8周的历史过车数据统计生成上海浦东区的卡口最小过车时间差模型。进而,在后续套牌分析流程中,可以基于该模型分析不同城市、地区或道路、路段是否存在套牌车。
可见,在图1所描述的方法流程中,通过根据预设时长内的历史过车数据生成该预设时长内不同时间段的相邻卡口最小过车时间差,实现了相邻卡口最小过车时间差的自动统计分析,与人工根据主观经验手动设定相邻卡口的最小过车时间差的实现方式相比,减少了卡口最小过车时间差确定的工作量,提高了卡口最小过车时间差确定的效率。
请参见图2,为本发明实施例提供的一种基于上述卡口最小过车时间确定方法实现的套牌分析方法的流程示意图,如图2所示,该套牌分析方法可以包括:
步骤201、确定套牌分析起始时间以及结束时间。
本发明实施例中,服务器可以周期性地(该周期可以根据具体场景设定,如2小时、3小时等)进行套牌分析,或者服务器可以定时进行套牌分析,如每天3点、6点、12点、18点、24点进行套牌分析。
相应地,当服务器确定需要进行套牌分析时,服务器可以根据上次分析结束时间确定本次任务分析的开始时间和结束时间。
举例来说,假设服务器每2个小时进行一次套牌分析,当服务器在8:00确定需要进行套牌分析时,服务器可以根据上一次进行套牌分析的时间(即6:00)确定套牌分析的起始时间为6:00,结束时间为8:00,即根据当天6:00~8:00的历史过车数据进行套牌分析。
步骤202、根据套牌分析起始时间以及结束时间之间的历史过车数据,确定目标车牌号在套牌分析起始时间以及结束时间之间经过卡口的时间记录。
本发明实施例中,目标车牌号并不是特指某一固定车牌号,而是可以指代根据卡口的抓拍记录所识别出的在套牌分析起始时间以及结束时间之间经过卡口的任一车牌号。
本发明实施例中,对于在套牌分析起始时间以及结束时间之间经过卡口的任一车牌号(即目标车牌号),服务器可以获取该目标车辆经过各卡口的时间记录。
步骤203、判断该时间记录中是否存在时间差小于对应模型中的最小过车时间差的相邻时间记录。若是,转至步骤204;否则,转至步骤205。
本发明实施例中,相邻时间记录是指将目标车牌号经过各卡口的时间记录按时间顺序排序后任意连续的两个时间记录。
本发明实施例中,服务器获取到目标车牌号在套牌分析起始时间以及结束时间之间经过卡口的时间记录后,可以根据相应模型判断该目标车牌号的时间记录中是否存在时间差小于模型中最小过车时间差的相邻时间记录。
举例来说,假设目标车牌号在套牌分析起始时间以及结束时间之前依次经过了卡口A~D。则服务器可以分别判断目标车牌号经过卡口A和卡口B的时间差、经过卡口B和卡口C的时间差以及经过卡口C和卡口D的时间差是否小于对应的模型中的最小时间差。
在一种可选的实施方式中,上述步骤203中,判断时间记录中是否存在时间差小于对应模型中的最小过车时间差的相邻时间记录,可以包括以下步骤:
41)、对于任意两个相邻时间记录,根据时间较晚的时间记录确定所属的目标第二类型时间段;
42)、判断该两个相邻时间记录的时间差是否小于目标第二类型时间段的模型中对应相邻卡口最小过车时间差。
在该实施方式中,当服务器获取到目标车牌号经过卡口的时间记录后,对于任意两个相邻时间记录,服务器在根据该两个相邻时间记录判断目标车牌号是否存在套牌时,需要先确定该两个相邻时间记录对应的模型。
在该实施方式中,对于任意两个相邻时间记录,服务器可以根据时间较晚的时间记录确定该两个相邻时间记录所属的第二类型时间段(即目标第二类型时间段)。
举例来说,假设目标车牌号依次经过卡口A和卡口B,则对于卡口A和卡口B这两个相邻卡口(目标车牌号经过卡口A的时间记录和经过卡口B的时间记录为相邻时间记录)服务器可以根据目标车牌号经过卡口B的时间确定该相邻时间记录所属的目标第二类型时间段。
假设目标车牌号经过卡口B的时间为14:15(周一),则服务器可以确定其对应的目标第二类型时间段为周一包括14:15在内的时间段,如周一14:00~14:30。
服务器确定该相邻时间记录所属的目标第二类型时间段后,可以判断该两个相邻时间记录的时间差是否小于该目标第二类型时间段的模型中对应相邻卡口的最小过车时间。
若服务器判断任意两个相邻时间记录的时间差均不小于目标第二类型时间段的模型中对应相邻卡口的最小过车时间差,则服务器可以确定该目标车牌号的时间记录中不存在时间差小于对应模型中的最小过车时间差的相邻时间记录;否则,确定该目标车牌号的时间记录中存在时间差小于对应模型中最小过车时间差的相邻时间记录。
步骤204、确定目标车牌号存在套牌。
本发明实施例中,当服务器判断目标车牌号的时间记录中存在时间差小于对应模型中最小过车时间差的相邻时间记录时,即目标车牌号存在经过两个相邻卡口的时间差小于该两个相邻卡口的过车最小时间差的过车记录时,服务器可以确定该目标车牌号存在套牌。
步骤205、确定目标车牌号不存在套牌。
本发明实施例中,当服务器判断目标车牌号的时间记录中不存在时间差小于对应模型中最小过车时间差的相邻时间记录时,即目标车牌号不存在经过两个相邻卡口的时间差小于该两个相邻卡口的过车最小时间差的过车记录时,服务器可以确定该目标车牌号不存在套牌。
值得说明的是,在本发明实施例中,服务器判断目标车牌号存在套牌时,可以表明该目标车牌号存在套牌嫌疑,而目标车牌号是否确实存在套牌,可以由用户进一步根据实际情况确定,本发明实施例在此不再赘述。
可见,在图2所描述的方法流程中,可以根据目标车牌号经过卡口的时间记录,确定套牌分析对应的模型,并根据该模型中的最小过车时间差确定目标车牌号是否存在套牌,即在不同时间段,可以根据不同的模型中的最小时间差进行套牌分析,提高了套牌分析的准确性。
通过以上描述可以看出,在本发明实施例提供的技术方案中,通过确定模型统计起始时间以及结束时间,根据预设时间粒度将模型统计起始时间以及结束时间对应的时间段划分为第一类型时间段,并确定第一类型时间段内两两相邻卡口的过车时间差的平均值,根据该过车时间差的平均值将第一类型时间段合并生成第二类型时间段,进而根据第二类型时间段内两两相邻卡口的过车时间差,确定第二类型时间段内两两相邻卡口的最小过车时间差,并生成对应的第二类型时间段内相邻卡口最小过车时间差模型,实现了相邻卡口最小过车时间差的自动统计分析,与人工根据主观经验手动设定相邻卡口的最小过车时间差的实现方式相比,减少了卡口最小过车时间差确定的工作量,提高了卡口最小过车时间差确定的效率;此外,通过根据不同时间段的历史过车数据生成不同时间段对应的相邻卡口最小过车时间差模型,实现了根据不同时间段的历史过车数据调整最小过车时间差,且可以根据历史过车数据自动学习并更新卡口最小过车时间差模型,提高了根据最小过车时间差模型实现套牌分析的准确率。
请参见图3,为本发明实施例提供的一种卡口最小过车时间差确定装置的结构示意图,其中,该卡口最小过车时间差确定装置可以应用于上述方法实施例中的服务器,如图3所示,该卡口最小过车时间差确定装置可以包括:
第一确定单元310,用于确定模型统计起始时间以及结束时间;
划分单元320,用于根据预设时间粒度将所述模型统计起始时间以及结束时间对应的时间段划分为第一类型时间段;
第二确定单元330,用于确定所述第一类型时间段内两两相邻卡口的过车时间差的平均值;
合并单元340,用于根据所述过车时间差的平均值将所述第一类型时间段合并生成第二类型时间段;
第三确定单元350,用于根据所述第二类型时间段内两两相邻卡口的过车时间差,确定所述第二类型时间段内两两相邻卡口的最小过车时间差;
生成单元360,用于根据所述最小过车时间差生成对应的第二类型时间段内相邻卡口最小过车时间差模型。
请一并参见图4,为本发明实施例提供的另一种卡口最小过车时间差确定装置的结构示意图,该实施例在前述图3所示实施例的基础上,所述卡口最小过车时间差确定装置中,合并单元340可以包括:
确定子单元341,用于根据过车时间差的平均值的差值与所述预设时间粒度的比值,确定两两相邻第一类型时间段的过车时间差的平均值的斜率;
合并子单元342,用于将所述斜率小于预设斜率阈值的相邻第一类型时间段合并为第二类型时间段。
请一并参见图5,为本发明实施例提供的另一种卡口最小过车时间差确定装置的结构示意图,该实施例在前述图3所示实施例的基础上,所述卡口最小过车时间差确定装置中,第三确定单元350可以包括:
排序子单元351,用于对于任意两个相邻卡口,按时间长度顺序对所述第二类型时间段内该两个相邻卡口的过车时间差进行排序;
筛除子单元352,用于从排序后的过车时间差中筛除排序最前的第一预设数量和排序最后的第二预设数量的过车时间差;
选择子单元353,用于从筛除后的过车时间差中选择预设位置的目标过车时间差作为该两个相邻卡口的最小过车时间差。
请一并参见图6,为本发明实施例提供的另一种卡口最小过车时间差确定装置的结构示意图,该实施例在前述图5所示实施例的基础上,所述卡口最小过车时间差确定装置还可以包括:
判断单元370,用于对于任意两个相邻卡口,判断该两个相邻卡口之间的距离是否大于预设距离阈值;
设置单元380,用于当所述判断单元370判断结果为否时,将该两个相邻卡口的最小过车时间差置为0;
相应地,所述排序子单元351,可以具体用于当所述判断单元370判断为是时,按时间长度顺序对所述第二类型时间段内该两个相邻卡口的过车时间差进行排序。
请参见图7,为本发明实施例提供的一种基于图3~6任一所示的装置得到的相邻卡口最小过车时间差模型实现套牌分析的装置,其中,该实现套牌分析的装置可以应用于上述方法实施例中的服务器,如图7所示,该实现套牌分析的装置可以包括:
第一确定单元710,用于确定套牌分析起始时间以及结束时间;
第二确定单元720,用于根据所述套牌分析起始时间以及结束时间之间的历史过车数据,确定目标车牌号在所述套牌分析起始时间以及结束时间之间经过卡口的时间记录;
判断单元730,用于判断所述时间记录中是否存在时间差小于对应模型中的最小过车时间差的相邻时间记录;
第三确定单元740,用于当所述判断单元判断为是时,确定所述目标车牌号存在套牌;当所述判断单元判断为否时,确定所述目标车牌号不存在套牌。
请一并参见图8,为本发明实施例提供的另一种实现套牌分析的装置的结构示意图,该实施例在前述图7所示实施例的基础上,所述实现套牌分析的装置中,判断单元730可以包括:
确定子单元731,用于对于任意两个相邻时间记录,根据时间较晚的时间记录确定所属的目标第二类型时间段;
判断子单元732,用于判断该两个相邻时间记录的时间差是否小于所述目标第二类型时间段的模型中对应相邻卡口的最小过车时间差。
上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程,在此不再赘述。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本发明方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
由上述实施例可见,通过确定模型统计起始时间以及结束时间,根据预设时间粒度将模型统计起始时间以及结束时间对应的时间段划分为第一类型时间段,并确定第一类型时间段内两两相邻卡口的过车时间差的平均值,根据该过车时间差的平均值将第一类型时间段合并生成第二类型时间段,进而根据第二类型时间段内两两相邻卡口的过车时间差,确定第二类型时间段内两两相邻卡口的最小过车时间差,并生成对应的第二类型时间段内相邻卡口最小过车时间差模型,实现了相邻卡口最小过车时间差的自动统计分析,与人工根据主观经验手动设定相邻卡口的最小过车时间差的实现方式相比,减少了卡口最小过车时间差确定的工作量,提高了卡口最小过车时间差确定的效率;此外,通过根据不同时间段的历史过车数据生成不同时间段对应的相邻卡口最小过车时间差模型,实现了根据不同时间段的历史过车数据调整最小过车时间差,且可以根据历史过车数据自动学习并更新卡口最小过车时间差模型,提高了根据最小过车时间差模型实现套牌分析的准确率。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (12)
1.一种卡口最小过车时间差确定方法,其特征在于,包括:
确定模型统计起始时间以及结束时间;
根据预设时间粒度将所述模型统计起始时间以及结束时间对应的时间段划分为第一类型时间段;
确定所述第一类型时间段内两两相邻卡口的过车时间差的平均值;
根据所述过车时间差的平均值将所述第一类型时间段合并生成第二类型时间段;
根据所述第二类型时间段内两两相邻卡口的过车时间差,确定所述第二类型时间段内两两相邻卡口的最小过车时间差;
根据所述最小过车时间差生成对应的第二类型时间段内相邻卡口最小过车时间差模型。
2.根据权利要求1所述的方法,其特征在于,所述根据所述过车时间差的平均值将所述第一类型时间段合并生成第二类型的时间段,包括:
根据过车时间差的平均值的差值与所述预设时间粒度的比值,确定两两相邻第一类型时间段的过车时间差的平均值的斜率;
将所述斜率小于预设斜率阈值的相邻第一类型时间段合并为第二类型时间段。
3.根据权利要求1所述的方法,其特征在于,所述根据所述第二类型时间段内两两相邻卡口的过车时间差,确定所述第二类型时间段内两两相邻卡口的最小过车时间差,包括:
对于任意两个相邻卡口,按时间长度顺序对所述第二类型时间段内该两个相邻卡口的过车时间差进行排序;
从排序后的过车时间差中筛除排序最前的第一预设数量和排序最后的第二预设数量的过车时间差;
从筛除后的过车时间差中选择预设位置的目标过车时间差作为该两个相邻卡口的最小过车时间差。
4.根据权利要求3所述的方法,其特征在于,对于任意两个相邻卡口,所述按时间长度顺序对所述第二类型时间段内该两个相邻卡口的过车时间差进行排序之前,还包括:
判断该两个相邻卡口之间的距离是否大于预设距离阈值;
若是,确定执行所述按时间长度顺序对所述第二类型时间段内该两个相邻卡口的过车时间差进行排序的步骤;
若否,将该两个相邻卡口的最小过车时间差置为0。
5.一种基于权利要求1-4任一项所述的卡口最小过车时间差确定方法实现的套牌分析方法,其特征在于,包括:
确定套牌分析起始时间以及结束时间;
根据所述套牌分析起始时间以及结束时间之间的历史过车数据,确定目标车牌号在所述套牌分析起始时间以及结束时间之间经过卡口的时间记录;
判断所述时间记录中是否存在时间差小于对应模型中的最小过车时间差的相邻时间记录;其中,所述相邻时间记录是指将所述目标车牌号经过各卡口的时间记录按时间顺序排序后任意连续的两个时间记录;
若存在,确定所述目标车牌号存在套牌;
否则,确定所述目标车牌号不存在套牌。
6.根据权利要求5所述的方法,其特征在于,所述判断所述时间记录中是否存在时间差小于对应模型中的最小过车时间差的相邻时间记录,包括:
对于任意两个相邻时间记录,根据时间较晚的时间记录确定所属的目标第二类型时间段;
判断该两个相邻时间记录的时间差是否小于所述目标第二类型时间段的模型中对应相邻卡口的最小过车时间差。
7.一种卡口最小过车时间差确定装置,其特征在于,包括:
第一确定单元,用于确定模型统计起始时间以及结束时间;
划分单元,用于根据预设时间粒度将所述模型统计起始时间以及结束时间对应的时间段划分为第一类型时间段;
第二确定单元,用于确定所述第一类型时间段内两两相邻卡口的过车时间差的平均值;
合并单元,用于根据所述过车时间差的平均值将所述第一类型时间段合并生成第二类型时间段;
第三确定单元,用于根据所述第二类型时间段内两两相邻卡口的过车时间差,确定所述第二类型时间段内两两相邻卡口的最小过车时间差;
生成单元,用于根据所述最小过车时间差生成对应的第二类型时间段内相邻卡口最小过车时间差模型。
8.根据权利要求7所述的装置,其特征在于,所述合并单元包括:
确定子单元,用于根据过车时间差的平均值的差值与所述预设时间粒度的比值,确定两两相邻第一类型时间段的过车时间差的平均值的斜率;
合并子单元,用于将所述斜率小于预设斜率阈值的相邻第一类型时间段合并为第二类型时间段。
9.根据权利要求7所述的装置,其特征在于,所述第三确定单元包括:
排序子单元,用于对于任意两个相邻卡口,按时间长度顺序对所述第二类型时间段内该两个相邻卡口的过车时间差进行排序;
筛除子单元,用于从排序后的过车时间差中筛除排序最前的第一预设数量和排序最后的第二预设数量的过车时间差;
选择子单元,用于从筛除后的过车时间差中选择预设位置的目标过车时间差作为该两个相邻卡口的最小过车时间差。
10.根据权利要求9所述的装置,其特征在于,所述装置还包括:
判断单元,用于对于任意两个相邻卡口,判断该两个相邻卡口之间的距离是否大于预设距离阈值;
设置单元,用于当所述判断单元判断结果为否时,将该两个相邻卡口的最小过车时间差置为0;
所述排序子单元,具体用于当所述判断单元判断为是时,按时间长度顺序对所述第二类型时间段内该两个相邻卡口的过车时间差进行排序。
11.一种基于权利要求7-10任一项所述的装置得到的相邻卡口最小过车时间差模型实现套牌分析的装置,其特征在于,包括:
第一确定单元,用于确定套牌分析起始时间以及结束时间;
第二确定单元,用于根据所述套牌分析起始时间以及结束时间之间的历史过车数据,确定目标车牌号在所述套牌分析起始时间以及结束时间之间经过卡口的时间记录;
判断单元,用于判断所述时间记录中是否存在时间差小于对应模型中的最小过车时间差的相邻时间记录;其中,所述相邻时间记录是指将所述目标车牌号经过各卡口的时间记录按时间顺序排序后任意连续的两个时间记录;
第三确定单元,用于当所述判断单元判断为是时,确定所述目标车牌号存在套牌;当所述判断单元判断为否时,确定所述目标车牌号不存在套牌。
12.根据权利要求11所述的实现套牌分析的装置,其特征在于,所述判断单元包括:
确定子单元,用于对于任意两个相邻时间记录,根据时间较晚的时间记录确定所属的目标第二类型时间段;
判断子单元,用于判断该两个相邻时间记录的时间差是否小于所述目标第二类型时间段的模型中对应相邻卡口的最小过车时间差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510777843.7A CN105261221B (zh) | 2015-11-13 | 2015-11-13 | 卡口最小过车时间差确定方法、套牌分析方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510777843.7A CN105261221B (zh) | 2015-11-13 | 2015-11-13 | 卡口最小过车时间差确定方法、套牌分析方法及相关装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105261221A CN105261221A (zh) | 2016-01-20 |
CN105261221B true CN105261221B (zh) | 2017-12-15 |
Family
ID=55100887
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510777843.7A Active CN105261221B (zh) | 2015-11-13 | 2015-11-13 | 卡口最小过车时间差确定方法、套牌分析方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105261221B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106599024A (zh) * | 2016-11-01 | 2017-04-26 | 武汉烽火众智数字技术有限责任公司 | 基于大数据的套牌车分析方法及系统 |
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 |
CN108242153A (zh) * | 2018-03-12 | 2018-07-03 | 小草数语(北京)科技有限公司 | 异常卡口识别方法及装置 |
CN110322688A (zh) * | 2019-05-20 | 2019-10-11 | 华为技术有限公司 | 一种数据处理的方法、数据查询的方法及相关设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102436746A (zh) * | 2011-09-29 | 2012-05-02 | 杭州海康威视系统技术有限公司 | 高效实时的车辆套牌嫌疑分析方法及其装置 |
CN102881169A (zh) * | 2012-09-26 | 2013-01-16 | 青岛海信网络科技股份有限公司 | 套牌车的检测方法 |
CN102945605A (zh) * | 2012-11-06 | 2013-02-27 | 东软集团股份有限公司 | 一种套牌车识别方法和系统 |
CN103377556A (zh) * | 2012-04-26 | 2013-10-30 | 上海竞天科技股份有限公司 | 套牌车辆的检测装置、检测系统及其检测方法 |
CN103871247A (zh) * | 2014-03-05 | 2014-06-18 | 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 |
CN104021674A (zh) * | 2014-06-17 | 2014-09-03 | 武汉烽火众智数字技术有限责任公司 | 一种快速准确预测车辆通过路段旅行时间的方法 |
CN104200648A (zh) * | 2014-08-21 | 2014-12-10 | 四川大学 | 一种基于电子车牌的路段平均旅行时间计算方法 |
-
2015
- 2015-11-13 CN CN201510777843.7A patent/CN105261221B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102436746A (zh) * | 2011-09-29 | 2012-05-02 | 杭州海康威视系统技术有限公司 | 高效实时的车辆套牌嫌疑分析方法及其装置 |
CN103377556A (zh) * | 2012-04-26 | 2013-10-30 | 上海竞天科技股份有限公司 | 套牌车辆的检测装置、检测系统及其检测方法 |
CN102881169A (zh) * | 2012-09-26 | 2013-01-16 | 青岛海信网络科技股份有限公司 | 套牌车的检测方法 |
CN102945605A (zh) * | 2012-11-06 | 2013-02-27 | 东软集团股份有限公司 | 一种套牌车识别方法和系统 |
CN103871247A (zh) * | 2014-03-05 | 2014-06-18 | 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 |
CN104021674A (zh) * | 2014-06-17 | 2014-09-03 | 武汉烽火众智数字技术有限责任公司 | 一种快速准确预测车辆通过路段旅行时间的方法 |
CN104200648A (zh) * | 2014-08-21 | 2014-12-10 | 四川大学 | 一种基于电子车牌的路段平均旅行时间计算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105261221A (zh) | 2016-01-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105261221B (zh) | 卡口最小过车时间差确定方法、套牌分析方法及相关装置 | |
CN110751828B (zh) | 一种路段拥堵测量方法、装置、计算机设备及存储介质 | |
Warren et al. | Clusters of driving behavior from observational smartphone data | |
DE69932745T2 (de) | Verfahren zum analysieren der funktionstendenz eines bewegenden objektes, betriebssteuerungssystem und -vorrichtung, und beschriebener datentraeger | |
DE102016220913A1 (de) | Verfahren und Vorrichtung zur Generierung von Testfällen für autonome Fahrzeuge | |
CN106571029B (zh) | 一种车辆排队长度检测的方法和装置 | |
CN107085972B (zh) | 一种停车场车位数的计算方法和装置 | |
CN110517500B (zh) | 一种人车关联处理方法及装置 | |
CN104254873A (zh) | 视频监控系统中的警报量归一化 | |
DE102015103387A1 (de) | Verfahren und Vorrichtung zum Verfolgen und Vorhersagen einer Verwendungstendenz von Fahrzeug-Apps | |
CN111680377A (zh) | 一种交通态势仿真方法、系统和电子设备 | |
DE102015103403A1 (de) | Verfahren und Vorrichtung eines Benutzerempfehlungssystems für Fahrzeug-Apps | |
CN111105628A (zh) | 一种停车场画像构建方法和装置 | |
CN105930771A (zh) | 一种驾驶行为评分方法及装置 | |
CN107610499A (zh) | 停车位状态的检测方法、检测装置和电子设备 | |
CN108806302A (zh) | 一种车辆调度方法及装置 | |
CN109625033A (zh) | Ato控车时精确停车阶段停车精度预测方法及装置 | |
CN110021161B (zh) | 一种交通流向的预测方法及系统 | |
CN111815973B (zh) | 信号交叉口分析方法及相关设备 | |
CN106097708B (zh) | 一种跟车确定方法及装置 | |
DE102017210975A1 (de) | Verfahren zur Datenerhebung | |
WO2020011655A1 (de) | Verfahren und system zur datenerfassung in fahrzeugen | |
CN109466479A (zh) | 车辆控制方法、装置、终端设备和介质 | |
CN109753330A (zh) | 一种导航设备界面显示方法、系统、计算机设备及存储介质 | |
CN114708728B (zh) | 一种识别交通高峰期的方法、电子设备及存储介质 |
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 |