CN107680385A - 一种确定套牌车的方法及系统 - Google Patents

Abstract

本发明公开了一种确定套牌车的方法及系统，其特征在于，包括：获取过车数据，将过车数据存储至过车库表；通过过车库表计算主体车，生成主体车库表；周期性更新主体车库表，生成历史主体车库表；获取目标过车数据，提取目标过车数据中的车牌信息；获取目标主体车信息，其中，在历史主体车库表中查找与车牌信息相对应的主体车信息为目标主体车信息；将目标过车数据与目标主体车信息进行匹配，若匹配结果一致，则目标过车数据正常，若匹配结果不一致，则将目标过车数据录入套牌车库表；根据设定时间段和车牌号，在套牌车库表中查找设定时间段内的所有套牌车信息并展示。本发明提供的确定套牌车的方法及系统，能够实现快速准确的识别套牌车。

Description

一种确定套牌车的方法及系统

技术领域

本发明涉及公共安全领域，更具体地，涉及一种确定套牌车的方法及系统。

背景技术

套牌车是指不法分子伪造和非法套取真牌车的号牌、型号和颜色，使走私、拼装、报废和盗抢来的车辆在表面披上了“合法”的外衣。大部分犯罪嫌疑人在犯案出逃过程中为了摆脱公安机关的追逃就会套用别人车牌，据统计在一个普通的中等县城每天卡口、电警等设备拍摄的过车图片的数量就有400万之多，这导致公安部门在如此大的过车基数上排查套牌车的工作越来越艰巨，甚至无法完成，因此套牌车一直是交管、公安所头疼的罪犯反侦察手段之一。

传统的利用计算机和软件技术排查套牌车的方法需要使用车驾管库。从公安网拿到车驾管库信息，并将车驾管库存储到视频网中，然后将前端设备(卡口、电子警察等)所识别的实时的过车数据信息跟视频网内的车驾管库信息作对比，若信息匹配则该过车记录正常，若信息不匹配则该过车记录有可能就是套牌车。但由于公安部门为保证信息安全，不会轻易给出车驾管库信息，同时，由于公安网和视频网的物理隔绝性，所以也无法保证视频网内车驾管库跟公安网内的车驾管库的信息同步更新。

还有一种确定套牌车的方式是根据距离来计算，即根据车辆上次出现的坐标位置跟这次出现的坐标位置来计算两次出现位置的距离，并计算两次出现时间的差值，最后用距离除以时间差得到车辆的速度，若该速度大于某一阈值，则认为该车涉嫌套牌车。在现实中这种方法的弊端是显而易见的：首先根据位置来计算距离，计算出来的是地图上的直线距离，而现实生活中由于地理要素、建筑物要素、交通要素的复杂度，这样计算的距离毫无意义；其次时间差计算也是欠考虑的，由于过车时间是前端设备时钟的时间，而前端设备的时钟的校对完全是手工完成的，存在较大的误差，甚至还有些前端设备的时钟未经校对。所以依靠前端设备的时钟计算出的时间差参考意义也不大；最后这种方式对于从城外换牌然后在进城这种情况的套牌车无能为力，也即这种方式还存在地域限制。

因此，提供一种快速准确的确定套牌车的方法及系统，是本领域亟待解决的问题。

发明内容

有鉴于此，本发明提供了一种确定套牌车的方法及系统，解决了快速准确的识别套牌车的技术问题。

为了解决上述技术问题，本发明提出一种确定套牌车的方法，包括：

获取过车数据，将所述过车数据存储至过车库表，其中，所述过车库表包括多条所述过车数据，每条所述过车数据包括：过车时间、过车位置、车牌信息和车辆信息；

通过所述过车库表计算主体车，生成主体车库表，其中，所述主体车为悬挂同一车牌的所有车中出现概率最高的车，所述主体车库表包括多条主体车信息，每条所述主体车信息包括：车牌信息、车辆信息和所述出现概率；

周期性更新所述主体车库表，生成历史主体车库表；

获取目标过车数据，提取所述目标过车数据中的车牌信息；

获取目标主体车信息，其中，在所述历史主体车库表中查找与所述车牌信息相对应的主体车信息为所述目标主体车信息；

将所述目标过车数据与所述目标主体车信息进行匹配，若匹配结果一致，则所述目标过车数据正常，若匹配结果不一致，则将所述目标过车数据录入套牌车库表，所述套牌车库表包括多条套牌车信息，每条所述套牌车信息包括：过车时间、过车位置、车牌信息、车辆信息和套牌次数；

根据设定时间段和车牌号，在所述套牌车库表中查找所述设定时间段内的所有套牌车信息并展示。

可选的，周期性更新所述主体车库表，生成历史主体车库表，具体为：

根据前一时间周期内的所述过车数据计算出该时间周期内主体车；

将该时间周期内的主体车信息归并到所述主体车库表；

生成历史主体车库表。

可选的，根据前一时间周期内的所述过车数据计算出该时间周期内主体车的步骤具体为：

Spark服务器在固定时刻，开始查找在前一时间周期内的所有过车数据，并根据所述过车数据计算出该时间周期内主体车。

可选的，所述主体车库表的更新周期为24h，所述固定时刻为凌晨2点。

可选的，所述过车库表使用Hbase存储，其中，所述过车库表的主行键为：过车时间+过车位置+车牌号；所述过车库表的列键为：车牌颜色和车辆信息。

可选的，所述主体车库表使用Hbase存储，其中，所述主体车库表的主行键为：车牌信息；所述主体车库表的列键为：车辆信息和所述出现概率。

可选的，所述套牌车库表使用Hbase存储，其中，所述套牌车库表的主行键为：过车时间+车牌号；所述套牌车库表的列键为：车辆信息、过车位置和套牌次数。

可选的，所述车牌信息包括车牌号和车牌颜色；

所述车辆信息包括车型、车辆品牌、车身颜色和车辆年款。

进一步的，本发明还提供一种确定套牌车的系统，包括:

数据获取模块、存储模块、主体车分析模块、套牌车匹配模块、查询输出模块；其中，所述存储模块用于存储过车库表、主体车库表、历史主体车库表和套牌车库表；

所述数据获取模块与所述存储模块相连接，用于获取过车数据，并将所述过车数据发送至所述存储模块，存储于所述过车库表中；所述数据获取模块与所述套牌车匹配模块相连接，用于获取目标过车数据，将所述目标过车数据发送至所述套牌车匹配模块；

所述主体车分析模块与所述存储模块相连接，用于调取所述过车库表，根据所述过车库表生成所述主体车库表，并将所述主体车库表发送至所述存储模块存储；其中，

所述主体车分析模块还包括主体车库表更新模块，用于根据所述主体车库表生成历史主体车库表；

所述套牌车匹配模块分别与所述数据获取模块和所述存储模块相连接，用于接收所述目标过车数据，并在历史主体车库表中查找目标主体车信息，将所述目标过车数据与所述目标主体车信息进行匹配，若匹配结果一致，则所述目标过车数据正常；若匹配结果不一致，则将所述目标过车数据录入所述套牌车库表；

所述查询输出模块与所述存储模块相连接，用于获取查找套牌车的指令，调取所述套牌车库表，根据设定时间段和车牌号，在所述套牌车库表中查找所述设定时间段内的所有套牌车信息并进行展示。

可选的，所述主体车库表更新模块与所述存储模块相连接，包括：指令接收模块、数据调取模块、分析和输出模块，其中，

所述指令接收模块用于接收更新所述主体车库表的指令，并将所述指令发送给所述数据调取模块；所述数据调取模块接收所述指令，在所述过车库表内调取前一周期内的所述过车数据；所述分析和输出模块根据调取的所述过车数据计算出前一时间周期内主体车，将所述前一时间周期内主体车归并到所述主体车库表，生成所述历史主体车库表。

与现有技术相比，本发明的确定套牌车的方法及系统，实现了如下的有益效果：

(1)本发明提供的确定套牌车的方法，基于道路过车数据建立主体车库表不依赖于车驾管库，没有过车地域的限制，并且主体车库表进行周期性更新，随着时间的推移，历史主体车库表越来越丰富完整，计算的车牌号对应的主体车越来越准确，本方法能够准确有效的识别出套牌车。

(2)公安情报部门或刑侦部门，在追捕犯罪嫌疑人的过程中，使用本方法识别套牌车结束了以人力识别套牌车的历史，能够有效提高办案效率。

(3)本方法中过车库表、历史主体车库表和套牌车库表均使用HBase存储，具有强大的计算能力、强劲的容错性、生态圈的完整性能够实现快速的即席查询。同时本方法使用Spark来计算历史主体车库，Spark服务器计算效率高，用时短，能够实现主体车库表的及时更新。

(4)本方法中主体车库表的更新周期为24h，更新周期短，保证每天使用的历史主体车库表都是最新的主体车信息，Spark服务器在系统用户量较少的凌晨2点钟开始计算任务，不影响系统中其他的任务进程，平衡系统运算压力。

通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。

附图说明

被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例，并且连同其说明一起用于解释本发明的原理。

图1为本发明实施例1提供的确定套牌车的方法的流程框图；

图2为本发明实施例2提供的确定套牌车的方法的流程框图；

图3为本发明实施例3提供的确定套牌车的系统框图；

图4为本发明实施例4提供的确定套牌车的系统的框图。

具体实施方式

现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

实施例1

本发明实施例1提供一种确定套牌车的方法，本发明提供的方法不依赖于车驾管库，能够通过无线网络将所有前端拍摄设备(如卡口、电子警察、高空球)拍摄到的过车信息进行汇总，根据分析运算生成主体车库，在任意卡口出现疑似套牌车时都能通过本发明提供的方法，快速准确的确定是否为套牌车。如图1所示，实施例1提供的方法包括如下步骤：

步骤S101：获取过车数据，将所述过车数据存储至过车库表，其中，所述过车库表包括多条所述过车数据，每条所述过车数据包括：过车时间、过车位置、车牌信息和车辆信息；

过车数据可以是在卡口或者电子警察等前端拍摄设备所捕获的图片或者视频等内容中提取到的过车数据，记录有过车时间、过车位置、车辆信息、车牌信息、有无放下遮阳板、有无系安全带等信息。

步骤S102：通过所述过车库表计算主体车，生成主体车库表，其中，所述主体车为悬挂同一车牌的所有车中出现概率最高的车，所述主体车库表包括多条主体车信息，每条所述主体车信息包括：车牌信息、车辆信息和所述出现概率；

例如：车牌号鲁A1E346在过去一共有300次悬挂在黑色的大众帕萨特2015款上，有20次悬挂在白色雪佛兰库鲁兹上，有10次悬挂在其他车上，经计算鲁A1E346的主体车是黑色大众帕萨特的概率是91％。

步骤S103：周期性更新所述主体车库表，生成历史主体车库表；

通过周期性更新主体车库表，能够生成最新的主体车库表(也即历史主体车库表)，例如在最初本方法开始运行时，系统中针对车牌号鲁A1E346仅有200条过车记录，首先在这200条过车记录中计算出了该车牌号对应的主体车，然后随着时间的推移，本方法运行时间的延长，假设针对车牌号鲁A1E346的过车记录增加到500条，那么在此基础上得出的鲁A1E346所属的主体车会更加精确。

步骤S104：获取目标过车数据，提取所述目标过车数据中的车牌信息；

本方法能够对前段设备拍摄到的所有过车记录都进行分析，一旦生成一条过车记录，就从该条过车记录中获取目标过车数据，提取目标过车数据中的车牌信息。

步骤S105：获取目标主体车信息，其中，在所述历史主体车库表中查找与所述车牌信息相对应的主体车信息为所述目标主体车信息；

根据步骤S104中提取到的车牌信息，在历史主体车库表中查找与之对应的主体车信息作为目标主体车信息。

步骤S106：将所述目标过车数据与所述目标主体车信息进行匹配，若匹配结果一致，则所述目标过车数据正常，若匹配结果不一致，则将所述目标过车数据录入套牌车库表，所述套牌车库表包括多条套牌车信息，每条所述套牌车信息包括：过车时间、过车位置、车牌信息、车辆信息和套牌次数；本方法中能够生成套牌车库表，将所有的套牌车信息进行汇总，为查找锁定套牌车提供强大的数据支持。

步骤S107：根据设定时间段和车牌号，在所述套牌车库表中查找所述设定时间段内的所有套牌车信息并展示。

本方法中能够根据输入的开始时间和结束时间结合车牌号，在套牌车库表中查找该时间段内的所有套牌车信息并展示出来套牌车的信息涉及过车时间、过车位置、车牌信息、车辆信息和套牌次数，能够实现准确排查和定位目标套牌车。

车驾管库一般只有本地的车辆等级信息，而本发明提供的确定套牌车的方法，基于道路过车数据建立主体车库表不依赖于车驾管库，没有过车地域的限制，并且主体车库表进行周期性更新，随着时间的推移，历史主体车库表越来越丰富完整，计算的车牌号对应的主体车越来越准确，能够准确有效的识别出套牌车。

实施例2

本发明实施例2是在上述实施例1基础上提供的一种优选实施例，相关步骤可以参考实施例1，图2为本发明实施例2提供的确定套牌车的方法的流程框图。如图2所示，该实施例2提供的方法包括如下步骤：

步骤S201：获取过车数据，将所述过车数据存储至过车库表，其中，所述过车库表包括多条所述过车数据，每条所述过车数据包括：过车时间、过车位置、车牌信息和车辆信息；

其中，车牌信息包括车牌号和车牌颜色，车辆信息包括车型、车辆品牌、车身颜色和车辆年款等；

可选的，过车库表可以使用Hbase存储，能够实现大量数据的即席查询，其中，过车库表的主行键设定为：过车时间+过车位置+车牌号；过车库表的列键设定为：车牌颜色和车辆信息。

步骤S202：通过所述过车库表计算主体车，生成主体车库表，其中，所述主体车为悬挂同一车牌的所有车中出现概率最高的车，所述主体车库表包括多条主体车信息，每条所述主体车信息包括：车牌信息、车辆信息和所述出现概率；

可选的，主体车库表可以使用Hbase存储，其中，主体车库表的主行键为：车牌信息；主体车库表的列键为：车辆信息和出现概率。

步骤S203：根据前一时间周期内的所述过车数据计算出该时间周期内主体车；

可选的，使用Spark服务器在固定时刻，开始查找在前一时间周期内的所有过车数据，并根据所述过车数据计算出该时间周期内主体车。

步骤S204：将该时间周期内的主体车信息归并到所述主体车库表；

步骤S205：生成历史主体车库表。

本方法中，主体车库表的更新周期可以为一个月、一星期或者是24小时。在当前时间周期内，根据前一时间周期内的过车数据计算出该时间周期内主体车，然后将该时间周期内的主体车信息归并到主体车库表，生成历史主体车库表，历史主体车库表是在当前时间周期内进行确定套牌车时所使用的主体车库表，那么在下一个时间周期内，该历史主体车库表就会被重新生成的历史主体车库表所覆盖。

可选的，本方法中主体车库表的更新周期为24h，Spark服务器在凌晨2点开始计算任务，更新周期短，保证每天使用的历史主体车库表都是最新的主体车信息，Spark服务器在系统用户量较少的凌晨2点钟开始计算任务，不影响系统中其他的任务进程，平衡系统运算压力。

例如：车牌号鲁A1E346在过去一共有300次悬挂在黑色的大众帕萨特2015款上，有20次悬挂在白色雪佛兰库鲁兹上，有10次悬挂在其他车上，基本认为鲁A1E346的主体车是黑色大众帕萨特的概率是91％。在今天凌晨Spark任务启动并计算昨天的车牌所属主体车，发现鲁A1E346出现了15次，且全悬挂在黑色大众帕萨特上，程序就会生成新的历史主体车库表，将鲁A1E346出现在黑色大众帕萨特上的次数修改为315次，相应的鲁A1E346的主体车是黑色大众帕萨特的概率上升为91.4％。本方法运行一段时间之后，Spark程序就会计算出相当精确的历史主体车库表。

步骤S206：获取目标过车数据，提取所述目标过车数据中的车牌信息；

步骤S207：获取目标主体车信息，其中，在所述历史主体车库表中查找与所述车牌信息相对应的主体车信息为所述目标主体车信息；

步骤S208：将所述目标过车数据与所述目标主体车信息进行匹配，若匹配结果一致，则所述目标过车数据正常，若匹配结果不一致，则将所述目标过车数据录入套牌车库表，所述套牌车库表包括多条套牌车信息，每条所述套牌车信息包括：过车时间、过车位置、车牌信息、车辆信息和套牌次数；可选的，套牌车库表也使用Hbase存储，套牌车库表的主行健为：过车时间+车牌号；列键为：过车位置、车辆信息、套牌次数、过车图片等信息。

步骤S209：根据设定时间段和车牌号，在所述套牌车库表中查找所述设定时间段内的所有套牌车信息并展示。

本方法中过车库表、历史主体车库表和套牌车库表均使用HBase存储，具有强大的计算能力、强劲的容错性、生态圈的完整性能够实现快速的即席查询。同时本方法使用Spark来计算历史主体车库，Spark服务器计算效率高，用时短，能够实现主体车库表的及时更新。

本发明还提供了确定套牌车的系统的实施例，本发明提供的确定套牌车的方法与确定套牌车的系统属于相对应的同一发明构思，本领域技术人员在理解本发明时，可将确定套牌车的方法与确定套牌车的系统相互结合。

实施例3

图3为本发明实施例3提供的确定套牌车的系统框图，如图3所示，本发明提供的系统包括：数据获取模块301、存储模块302、主体车分析模块303、套牌车匹配模块304、查询输出模块305；其中，所述存储模块302用于存储过车库表、主体车库表、历史主体车库表和套牌车库表；

所述数据获取模块301与所述存储模块302相连接，用于获取过车数据，并将所述过车数据发送至所述存储模块302，存储于所述过车库表中；所述数据获取模块301与所述套牌车匹配模块304相连接，用于获取目标过车数据，将所述目标过车数据发送至所述套牌车匹配模块304；

所述主体车分析模块303与所述存储模块302相连接，用于调取所述过车库表，根据所述过车库表生成所述主体车库表，并将所述主体车库表发送至所述存储模块302存储；其中，

所述主体车分析模块303还包括主体车库表更新模块3031，用于根据所述主体车库表生成历史主体车库表；

所述套牌车匹配模块304分别与所述数据获取模块301和所述存储模块302相连接，用于接收所述目标过车数据，并在历史主体车库表中查找目标主体车信息，将所述目标过车数据与所述目标主体车信息进行匹配，若匹配结果一致，则所述目标过车数据正常；若匹配结果不一致，则将所述目标过车数据录入所述套牌车库表；

所述查询输出模块305与所述存储模块302相连接，用于获取查找套牌车的指令，调取所述套牌车库表，根据设定时间段和车牌号，在所述套牌车库表中查找所述设定时间段内的所有套牌车信息并进行展示。

可选的，所述主体车库表更新模块3031与所述存储模块302相连接，包括：指令接收模块、数据调取模块、分析和输出模块，其中，

所述指令接收模块用于接收更新所述主体车库表的指令，并将所述指令发送给所述数据调取模块；所述数据调取模块接收所述指令，在所述过车库表内调取前一周期内的所述过车数据；所述分析和输出模块根据调取的所述过车数据计算出前一时间周期内主体车，将所述前一时间周期内主体车归并到所述主体车库表，生成所述历史主体车库表。

实施例4

本发明实施例4提供的一种可选的确定套牌车的系统，图4为实施例4提供的确定套牌车的系统的框图，如图4所示，参考实施例3提供的系统中的各个功能模块的连接关系，本发明实施例4中数据获取模块可以为前端设备401，被配置成获取过车数据，例如：卡口、电子警察等；存储模块可以为存储器402，被配置成存储过车库表、主体车库表、历史主体车库表和套牌车库表；主体车分析模块可以为第一服务器403，被配置成分析主体车和更新主体车库表的；套牌车匹配模块可以为第二服务器404，被配置成判断过车记录是否为套牌车；查询输出模块可以为用户终端405，被配置成输入开始时间、结束时间和车牌号后，能够查询所有的该时间段内的套牌车，并展示给用户。

通过上述实施例可知，本发明的阵列基板和显示面板，达到了如下的有益效果：

(1)本发明提供的确定套牌车的方法，基于道路过车数据建立主体车库表不依赖于车驾管库，没有过车地域的限制，并且主体车库表进行周期性更新，随着时间的推移，历史主体车库表越来越丰富完整，计算的车牌号对应的主体车越来越准确，能够准确有效的识别出套牌车。

(2)公安情报部门或刑侦部门，在追捕犯罪嫌疑人的过程中，使用本方法识别套牌车结束了以人力识别套牌车的历史，能够有效提高办案效率。

(3)本方法中过车库表、历史主体车库表和套牌车库表均使用HBase存储，具有强大的计算能力、强劲的容错性、生态圈的完整性能够实现快速的即席查询。同时本方法使用Spark来计算历史主体车库，Spark服务器计算效率高，用时短，能够实现主体车库表的及时更新。

(4)本方法中主体车库表的更新周期为24h，更新周期短，保证每天使用的历史主体车库表都是最新的主体车信息，Spark服务器在系统用户量较少的凌晨2点钟开始计算任务，不影响系统中其他的任务进程，平衡系统运算压力。

虽然已经通过例子对本发明的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上例子仅是为了进行说明，而不是为了限制本发明的范围。本领域的技术人员应该理解，可在不脱离本发明的范围和精神的情况下，对以上实施例进行修改。本发明的范围由所附权利要求来限定。

Claims (10)

1.一种确定套牌车的方法，其特征在于，包括：

获取过车数据，将所述过车数据存储至过车库表，其中，所述过车库表包括多条所述过车数据，每条所述过车数据包括：过车时间、过车位置、车牌信息和车辆信息；

通过所述过车库表计算主体车，生成主体车库表，其中，所述主体车为悬挂同一车牌的所有车中出现概率最高的车，所述主体车库表包括多条主体车信息，每条所述主体车信息包括：车牌信息、车辆信息和所述出现概率；

周期性更新所述主体车库表，生成历史主体车库表；

获取目标过车数据，提取所述目标过车数据中的车牌信息；

获取目标主体车信息，其中，在所述历史主体车库表中查找与所述车牌信息相对应的主体车信息为所述目标主体车信息；

将所述目标过车数据与所述目标主体车信息进行匹配，若匹配结果一致，则所述目标过车数据正常，若匹配结果不一致，则将所述目标过车数据录入套牌车库表，所述套牌车库表包括多条套牌车信息，每条所述套牌车信息包括：过车时间、过车位置、车牌信息、车辆信息和套牌次数；

根据设定时间段和车牌号，在所述套牌车库表中查找所述设定时间段内的所有套牌车信息并展示。

2.根据权利要求1所述的确定套牌车的方法，其特征在于，周期性更新所述主体车库表，生成历史主体车库表，具体为：

根据前一时间周期内的所述过车数据计算出该时间周期内主体车；

将该时间周期内的主体车信息归并到所述主体车库表；

生成历史主体车库表。

3.根据权利要求2所述的确定套牌车的方法，其特征在于，根据前一时间周期内的所述过车数据计算出该时间周期内主体车的步骤具体为：

Spark服务器在固定时刻，开始查找在前一时间周期内的所有过车数据，并根据所述过车数据计算出该时间周期内主体车。

4.根据权利要求3所述的确定套牌车的方法，其特征在于，

所述主体车库表的更新周期为24h，所述固定时刻为凌晨2点。

5.根据权利要求1所述的确定套牌车的方法，其特征在于，

所述过车库表使用Hbase存储，其中，所述过车库表的主行键为：过车时间+过车位置+车牌号；所述过车库表的列键为：车牌颜色和车辆信息。

6.根据权利要求1所述的确定套牌车的方法，其特征在于，

所述主体车库表使用Hbase存储，其中，所述主体车库表的主行键为：车牌信息；所述主体车库表的列键为：车辆信息和所述出现概率。

7.根据权利要求1所述的确定套牌车的方法，其特征在于，

所述套牌车库表使用Hbase存储，其中，所述套牌车库表的主行键为：过车时间+车牌号；所述套牌车库表的列键为：车辆信息、过车位置和套牌次数。

8.根据权利要求1所述的确定套牌车的方法，其特征在于，

所述车牌信息包括车牌号和车牌颜色；

所述车辆信息包括车型、车辆品牌、车身颜色和车辆年款。

9.一种确定套牌车的系统，其特征在于，包括:

数据获取模块、存储模块、主体车分析模块、套牌车匹配模块、查询输出模块；其中，所述存储模块用于存储过车库表、主体车库表、历史主体车库表和套牌车库表；

所述数据获取模块与所述存储模块相连接，用于获取过车数据，并将所述过车数据发送至所述存储模块，存储于所述过车库表中；所述数据获取模块与所述套牌车匹配模块相连接，用于获取目标过车数据，将所述目标过车数据发送至所述套牌车匹配模块；

所述主体车分析模块与所述存储模块相连接，用于调取所述过车库表，根据所述过车库表生成所述主体车库表，并将所述主体车库表发送至所述存储模块存储；其中，

所述主体车分析模块还包括主体车库表更新模块，用于根据所述主体车库表生成历史主体车库表；

所述套牌车匹配模块分别与所述数据获取模块和所述存储模块相连接，用于接收所述目标过车数据，并在历史主体车库表中查找目标主体车信息，将所述目标过车数据与所述目标主体车信息进行匹配，若匹配结果一致，则所述目标过车数据正常；若匹配结果不一致，则将所述目标过车数据录入所述套牌车库表；

所述查询输出模块与所述存储模块相连接，用于获取查找套牌车的指令，调取所述套牌车库表，根据设定时间段和车牌号，在所述套牌车库表中查找所述设定时间段内的所有套牌车信息并进行展示。

10.根据权利要求9所述的确定套牌车的系统，其特征在于，

所述主体车库表更新模块与所述存储模块相连接，包括：指令接收模块、数据调取模块、分析和输出模块，其中，

所述指令接收模块用于接收更新所述主体车库表的指令，并将所述指令发送给所述数据调取模块；所述数据调取模块接收所述指令，在所述过车库表内调取前一周期内的所述过车数据；所述分析和输出模块根据调取的所述过车数据计算出前一时间周期内主体车，将所述前一时间周期内主体车归并到所述主体车库表，生成所述历史主体车库表。