CN107770730A - 确定车辆信息的方法、服务器及存储介质 - Google Patents
确定车辆信息的方法、服务器及存储介质 Download PDFInfo
- Publication number
- CN107770730A CN107770730A CN201710824535.4A CN201710824535A CN107770730A CN 107770730 A CN107770730 A CN 107770730A CN 201710824535 A CN201710824535 A CN 201710824535A CN 107770730 A CN107770730 A CN 107770730A
- Authority
- CN
- China
- Prior art keywords
- data
- current
- information
- bayonet
- vehicle
- 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.)
- Granted
Links
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种确定车辆信息的方法、服务器及存储介质，本发明通过获取目标对象的无线通信历史连接记录，根据所述无线通信历史连接记录获取对应的当前无线通信数据，将所述当前无线通信数据代入到预设分析模型中，获得当前卡口车辆通行数据，所述预设分析模型用于反映无线通信数据与卡口车辆通行数据的对应关系，根据所述无线通信历史连接记录和所述当前卡口车辆通行数据确定所述目标对象的车辆信息，能够快速找到目标对象的车辆信息，并且结合无线通信数据能够更加准确的确定目标车辆信息，提升研判的准确性，进而缩短研判的时间，提高侦查破案研判效率。
Description
技术领域
本发明涉及社会治安监控领域，尤其涉及一种确定车辆信息的方法、服务器及存储介质。
背景技术
大多数案件都有自身的轨迹，轨迹分析是指根据犯罪行为遗留的痕迹物证及各个信息系统中的信息，确定犯罪行为相关人、事、物的各个时空节点，达到侦查破案目的的一种犯罪情报分析手段，现有技术中并没有把无线通信数据和卡口车辆通行数据进行结合，网络综合管理系统中的无线通信数据和卡口管理系统中的车辆通行数据都相对独立，一般通过单独分析车辆通行数据来进行研判，但是仅仅通过车辆通行数据来研判不够精确，而且人工侦查破案研判消耗的时间也较多，当案情比较复杂时，更会占用大量警力，并且效率也不高，因此有必要将各种数据与车辆通行数据结合起来形成相应轨迹进行分析，以提高确认案件研判的准确性和效率。
发明内容
本发明的主要目的在于一种确定车辆信息的方法、服务器及存储介质，旨在解决现有技术侦查破案研判效率低的技术问题。
为实现上述目的，本发明提供一种确定车辆信息的方法，所述确定车辆信息的方法包括以下步骤：
获取目标对象的无线通信历史连接记录；
根据所述无线通信历史连接记录获取对应的当前无线通信数据；
将所述当前无线通信数据代入到预设分析模型中，获得当前卡口车辆通行数据，所述预设分析模型用于反映无线通信数据与卡口车辆通行数据的对应关系；
根据所述无线通信历史连接记录和所述当前卡口车辆通行数据确定所述目标对象的车辆信息。
优选地，所述获取目标对象的无线通信历史连接记录之前，所述方法还包括：
获取视频专网数据和互联网数据，从所述视频专网数据中提取所述卡口车辆通行数据，从所述视频专网数据和所述互联网数据中提取所述无线通信数据；
通过分布式算法将所述无线通信数据与所述卡口车辆通行数据进行关联，获得所述无线通信数据与所述卡口车辆通行数据的第一映射关系；
根据所述无线通信数据、所述卡口车辆通行数据和所述第一映射关系建立所述预设分析模型。
优选地，所述通过分布式算法将所述无线通信数据与所述卡口车辆通行数据进行关联，获得所述无线通信数据与所述卡口车辆通行数据的所述第一映射关系，具体包括：
通过分布式算法获取所述无线通信数据中各无线通信数据对应的无线通信设备覆盖范围内存在的第一目标卡口，根据各无线通信设备覆盖范围与对应的第一目标卡口生成所述第一映射关系。
优选地，所述根据所述无线通信历史连接记录和所述当前卡口车辆通行数据确定所述目标对象的车辆信息之后，所述方法还包括：
从所述互联网数据中提取移动终端通信数据和身份数据；
通过所述分布式算法将所述移动终端通信数据、所述身份数据与所述卡口车辆通行数据进行关联，获得所述移动终端通信数据、所述身份数据与所述卡口车辆通行数据之间的第二映射关系；
在所述第二映射关系中查找到与所述当前卡口车辆通行数据对应的当前移动终端通信数据，根据所述当前移动终端数据、所述身份数据和所述目标对象的车辆信息确定所述目标对象的真实身份。
优选地，所述通过将所述移动终端通信数据、所述身份数据与所述卡口车辆通行数据进行关联获得所述移动终端通信数据、所述身份数据与所述卡口车辆通行数据之间的第二映射关系，具体包括：
通过所述分布式算法获取所述移动终端通信数据对应的各基站设备，确定各基站设备的各基站信号覆盖范围，确定在所述各基站信号覆盖范围内存在的第二目标卡口；
获取所述移动终端通信数据的用户信息，确定与所述用户信息匹配的所述身份数据；
根据所述各基站信号覆盖范围、所述第二目标卡口、所述用户信息和所述身份数据生成所述第二映射关系。
优选地，所述将所述当前无线通信数据代入到预设分析模型中，获得当前卡口车辆通行数据，具体包括：
将所述当前无线通信数据代入到所述预设分析模型中，获取所述当前无线通信数据中各无线通信数据对应的多个卡口车辆通行数据；
统计所述多个卡口车辆通行数据中各卡口车辆通行数据的重复次数，对所述重复次数从高到低进行排序，将所述重复次数在前N名对应的卡口车辆通行数据作为所述当前卡口车辆通行数据，N为正整数。
优选地，所述根据所述无线通信历史连接记录和所述当前卡口车辆通行数据确定所述目标对象的车辆信息，具体包括：
从所述无线通信历史连接记录中获取无线通信使用时间信息和无线通信使用位置信息；
根据所述无线通信使用时间信息确定所述目标对象的无线通信使用时间，在所述无线通信使用时间内判断所述当前卡口车辆通行数据中是否存在与所述无线通信使用位置信息匹配的目标车辆信息；
若在所述无线通信使用时间内所述当前卡口车辆通行数据中存在所述目标车辆信息，则将所述目标车辆信息作为所述目标对象的车辆信息。
优选地，所述根据所述无线通信使用时间信息确定所述目标对象的无线通信使用时间，在所述无线通信使用时间内判断所述当前卡口车辆通行数据中是否存在与所述无线通信使用位置信息匹配的目标车辆信息之后，所述方法还包括：
若在所述无线通信使用时间内所述当前卡口车辆通行数据中不存在所述目标车辆信息，则在预设时间内判断所述当前卡口车辆通行数据中是否存在与所述无线通信使用位置信息匹配的目标车辆信息，所述预设时间长于所述无线通信使用时间；
若在所述预设时间内所述当前卡口车辆通行数据中存在所述目标车辆信息，则将所述目标车辆信息作为所述目标对象的车辆信息。
此外，为实现上述目的，本发明还提出一种服务器，所述服务器包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的确定车辆信息程序，所述确定车辆信息程序配置为实现如上文所述的确定车辆信息方法的步骤。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有确定车辆信息程序，所述确定车辆信息程序被处理器执行时实现如上文所述的确定车辆信息方法的步骤。
本发明提出的确定车辆信息的方法，本发明通过获取目标对象的无线通信历史连接记录，根据所述无线通信历史连接记录获取对应的当前无线通信数据，将所述当前无线通信数据代入到预设分析模型中，获得当前卡口车辆通行数据，所述预设分析模型用于反映无线通信数据与卡口车辆通行数据的对应关系，根据所述无线通信历史连接记录和所述当前卡口车辆通行数据确定所述目标对象的车辆信息，能够快速找到目标对象的车辆信息，并且结合无线通信数据能够更加准确的确定目标车辆信息，提升研判的准确性，进而缩短研判的时间，提高侦查破案研判效率。
附图说明
图1为本发明实施例方案涉及的硬件运行环境的服务器结构示意图；
图2为本发明确定车辆信息的方法第一实施例的流程示意图；
图3为本发明确定车辆信息的方法第二实施例的流程示意图；
图4为本发明确定车辆信息的方法第三实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例的解决方案主要是：通过获取目标对象的无线通信历史连接记录，根据所述无线通信历史连接记录获取对应的当前无线通信数据，将所述当前无线通信数据代入到预设分析模型中，获得当前卡口车辆通行数据，所述预设分析模型用于反映无线通信数据与卡口车辆通行数据的对应关系，根据所述无线通信历史连接记录和所述当前卡口车辆通行数据确定所述目标对象的车辆信息，能够快速找到目标对象的车辆信息，并且结合无线通信数据能够更加准确的确定目标车辆信息，提升研判的准确性，进而缩短研判的时间，提高侦查破案研判效率，解决了现有技术侦查破案研判效率低的问题。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的服务器结构示意图。
如图1所示，该服务器可以包括：处理器1001，例如CPU，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的服务器结构并不构成对该服务器的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及确定车辆信息程序。
本发明确定车辆信息服务器中的处理器1001、存储器1005可以设置在确定车辆信息装置中，所述基于确定车辆信息装置通过处理器1001调用存储器1005中存储的确定车辆信息程序，并执行以下操作：
获取目标对象的无线通信历史连接记录；
根据所述无线通信历史连接记录获取对应的当前无线通信数据；
将所述当前无线通信数据代入到预设分析模型中，获得当前卡口车辆通行数据，所述预设分析模型用于反映无线通信数据与卡口车辆通行数据的对应关系；
根据所述无线通信历史连接记录和所述当前卡口车辆通行数据确定所述目标对象的车辆信息。
进一步地，处理器1001可以调用存储器1005中存储的确定车辆信息程序，还执行以下操作：
获取视频专网数据和互联网数据，从所述视频专网数据中提取所述卡口车辆通行数据，从所述视频专网数据和所述互联网数据中提取所述无线通信数据；
通过分布式算法将所述无线通信数据与所述卡口车辆通行数据进行关联，获得所述无线通信数据与所述卡口车辆通行数据的第一映射关系；
根据所述无线通信数据、所述卡口车辆通行数据和所述第一映射关系建立所述预设分析模型。
进一步地，处理器1001可以调用存储器1005中存储的确定车辆信息程序，还执行以下操作：
通过分布式算法获取所述无线通信数据中各无线通信数据对应的无线通信设备覆盖范围内存在的第一目标卡口，根据各无线通信设备覆盖范围与对应的第一目标卡口生成所述第一映射关系。
进一步地，处理器1001可以调用存储器1005中存储的确定车辆信息程序，还执行以下操作：
从所述互联网数据中提取移动终端通信数据和身份数据；
通过所述分布式算法将所述移动终端通信数据、所述身份数据与所述卡口车辆通行数据进行关联，获得所述移动终端通信数据、所述身份数据与所述卡口车辆通行数据之间的第二映射关系；
在所述第二映射关系中查找到与所述当前卡口车辆通行数据对应的当前移动终端通信数据，根据所述当前移动终端数据、所述身份数据和所述目标对象的车辆信息确定所述目标对象的真实身份。
进一步地，处理器1001可以调用存储器1005中存储的确定车辆信息程序，还执行以下操作：
通过所述分布式算法获取所述移动终端通信数据对应的各基站设备，确定各基站设备的各基站信号覆盖范围，确定在所述各基站信号覆盖范围内存在的第二目标卡口；
获取所述移动终端通信数据的用户信息，确定与所述用户信息匹配的所述身份数据；
根据所述各基站信号覆盖范围、所述第二目标卡口、所述用户信息和所述身份数据生成所述第二映射关系。
进一步地，处理器1001可以调用存储器1005中存储的确定车辆信息程序，还执行以下操作：
将所述当前无线通信数据代入到所述预设分析模型中，获取所述当前无线通信数据中各无线通信数据对应的多个卡口车辆通行数据；
统计所述多个卡口车辆通行数据中各卡口车辆通行数据的重复次数，对所述重复次数从高到低进行排序，将所述重复次数在前N名对应的卡口车辆通行数据作为所述当前卡口车辆通行数据，N为正整数。
进一步地，处理器1001可以调用存储器1005中存储的确定车辆信息程序，还执行以下操作：
从所述无线通信历史连接记录中获取无线通信使用时间信息和无线通信使用位置信息；
根据所述无线通信使用时间信息确定所述目标对象的无线通信使用时间，在所述无线通信使用时间内判断所述当前卡口车辆通行数据中是否存在与所述无线通信使用位置信息匹配的目标车辆信息；
若在所述无线通信使用时间内所述当前卡口车辆通行数据中存在所述目标车辆信息，则将所述目标车辆信息作为所述目标对象的车辆信息。
进一步地，处理器1001可以调用存储器1005中存储的确定车辆信息程序，还执行以下操作：
若在所述无线通信使用时间内所述当前卡口车辆通行数据中不存在所述目标车辆信息，则在预设时间内判断所述当前卡口车辆通行数据中是否存在与所述无线通信使用位置信息匹配的目标车辆信息，所述预设时间长于所述无线通信使用时间；
若在所述预设时间内所述当前卡口车辆通行数据中存在所述目标车辆信息，则将所述目标车辆信息作为所述目标对象的车辆信息。
本实施例通过上述方案，通过获取目标对象的无线通信历史连接记录，根据所述无线通信历史连接记录获取对应的当前无线通信数据，将所述当前无线通信数据代入到预设分析模型中，获得当前卡口车辆通行数据，所述预设分析模型用于反映无线通信数据与卡口车辆通行数据的对应关系，根据所述无线通信历史连接记录和所述当前卡口车辆通行数据确定所述目标对象的车辆信息，能够快速找到目标对象的车辆信息，并且结合无线通信数据能够更加准确的确定目标车辆信息，提升研判的准确性，进而缩短研判的时间，提高侦查破案研判效率。
基于上述硬件结构，提出本发明确定车辆信息的方法实施例。
参照图2，图2为本发明确定车辆信息的方法第一实施例的流程示意图。
在第一实施例中，所述确定车辆信息的方法包括以下步骤：
步骤S10、获取目标对象的无线通信历史连接记录；
需要说明的是，所述目标对象是指预先设定的对象，也可以是通过一些预设条件筛选的对象，还可以是拟定的一堆对象，本实施例对此不加以限制；所述无线通信历史连接记录是指所述目标对象的无线通信历史连接记录，可以是WiFi历史连接记录，也可以是蓝牙历史连接记录，当然还可以是其他无线通信历史连接记录，但考虑到蓝牙或其他无线通信的传输速率、传输距离和使用率有限，因此本实施例中的无线通信历史连接一般是指WiFi历史连接记录。
可以理解的是，所述目标对象的无线通信历史连接记录可以是所述目标对象在一段时间内连接不同的WiFi产生的不同的信息记录，以形成WiFi的使用轨迹，所述无线通信历史连接记录可以包括WiFi的物理地址即媒体访问控制(Media Access Control，MAC)地址，WiFi的采集时间，WiFi对应的场所地址或坐标，当然还可以是包括其他无线通信历史连接记录，本实施例对此不加以限制。
在具体实现中，通过获取所述目标对象的WiFi历史连接记录，可以大概确定所述目标对象的活动轨迹和周期，进而获取所述目标对象的大致活动范围和时间周期等信息，可以辅助确定所述目标对象的位置信息；
步骤S20、根据所述无线通信历史连接记录获取对应的当前无线通信数据；
可以理解的是，对所述无线通信历史连接记录进行提取或者分析，获得所述当前无线通信数据，所述当前无线通信数据可以是WiFi的MAC地址，也可以是WiFi对应的场所地址，还可以是其他类型的无线通信数据，本实施例对此不加以限制。根据所述无线通信历史连接记录获取对应的当前无线通信数据可以从所述无线通信历史连接记录提取，当然也可以是从无线通信历史数据库中提取所述当前无线通信数据，当然还可以是通过其他方式进行当前无线通信数据的提取，本实施例对此不加以限制。
步骤S30、将所述当前无线通信数据代入到预设分析模型中，获得当前卡口车辆通行数据，所述预设分析模型用于反映无线通信数据与卡口车辆通行数据的对应关系；
可以理解的是，所述卡口车辆通行数据可以包含经过相应卡口的车辆的车牌号、车辆的过车时间、卡口的地址或坐标、当前车辆的车速和车辆的行驶方向等，当然还可以包含其他类型的数据，本实施例对此不加以限制；所述预设分析模型可以是本领域技术人员根据大量数据训练获得的分析模型，也可以是通过大量实验数据建立的分析模型，还可以是即时将大量相关参数或数据进行碰撞分析获得数据之间的关系，尤其是无线通信数据与卡口车辆通行数据的对应关系，依据这些对应关系建立的分析模型，本实施例对此不加以限制。
应当理解的是，将所述当前无线通信数据代入到预设分析模型之后，可以根据所述预设分析模型用于反映无线通信数据与卡口车辆通行数据的对应关系，迅速计算出与所述当前无线通信数据对应的当前卡口车辆通行数据。
在具体实现中，可以是将所述无线历史连接记录中的WiFi对应的各MAC地址代入到所述预设分析模型中，可以获得与各MAC地址对应的当前卡口车辆通行数据，或者通过将所述无线历史连接记录中各WiFi对应的场所地址代入所述预设分析模型中，获取与各WiFi对应的场所地址匹配的当前卡口车辆通行数据，当然还可以是将所述无线历史连接记录中的其他类型的信息数据代入到所述预设分析模型中，以获得所述当前卡口车辆通行数据，本实施例对此不加以限制。
进一步地，所述将所述当前无线通信数据代入到预设分析模型中，获得当前卡口车辆通行数据，具体包括：
将所述当前无线通信数据代入到所述预设分析模型中，获取所述当前无线通信数据中各无线通信数据对应的多个卡口车辆通行数据；
统计所述多个卡口车辆通行数据中各卡口车辆通行数据的重复次数，对所述重复次数从高到低进行排序，将所述重复次数在前N名对应的卡口车辆通行数据作为所述当前卡口车辆通行数据，N为正整数。
可以理解的是，将所述当前无线通信数据代入到所述预设分析模型后，获取所述多个卡口车辆通行数据，所述当前无线通信数据可以是一个无线通信数据也可以是多个无线通信数据，相应的所述卡口车辆通行数据可以仅仅是一个卡口车辆通行数据，也可以是多个卡口车辆通行数据，本实施例对此不加以限制。
应当理解的是，通过所述预设分析模型获得当前卡口车辆通行数据后，有可能存在多个卡口车辆通信数据，会存在卡口车辆通行数据重复出现的情况，即可以表明目标对象经常出入的地点，将各卡口车辆通行数据进行排序后可以筛选出重复次数较多的卡口车辆通行数据，即可以选取符合条件的卡口车辆通行数据作为所述当前卡口车辆通行数据，筛选的方式可以将各卡口车辆通行数据的重复次数进行排序，还可以是对所述当前卡口车辆通行数据就那些分析提取相应的车辆特征，将车辆特征作为筛选的指标，当然也可以是其他从各卡口车辆通行数据中选取当前卡口车辆通行数据的方式，本实施例对此不加以限制。
步骤S40、根据所述无线通信历史连接记录和所述当前卡口车辆通行数据确定所述目标对象的车辆信息。
需要说明的是，通过所述无线通信历史连接记录可以确定所述目标对象的WiFi使用轨迹信息，即所述目标对象使用过哪些WiFi，在哪些时间和地点使用该WiFi，由此可以确定所述目标对象的活动周期，进而结合所述当前卡口车辆通行数据确定所述目标对象的车辆信息。
可以理解的是，所述车辆信息可以是一个，也可以是一堆可选的车辆信息，本实施例对此不加以限制。
进一步的，所述根据所述无线通信历史连接记录和所述当前卡口车辆通行数据确定所述目标对象的车辆信息，具体包括：
从所述无线通信历史连接记录中获取无线通信使用时间信息和无线通信使用位置信息；
根据所述无线通信使用时间信息确定所述目标对象的无线通信使用时间，在所述无线通信使用时间内判断所述当前卡口车辆通行数据中是否存在与所述无线通信使用位置信息匹配的目标车辆信息；
若在所述无线通信使用时间内所述当前卡口车辆通行数据中存在所述目标车辆信息，则将所述目标车辆信息作为所述目标对象的车辆信息。
需要说明的是，从所述无线通信历史连接记录中获取无线通信使用时间信息和无线通信使用位置信息；所述无线通信使用时间能够表明所述目标对象连接各个无线网的时间和整体使用时间记录，在实际情况中，一般是所述目标对象的WiFi连接接入时间和WiFi连接使用时间，通过所述无线通信使用时间可以大致确定所述目标对象的活动时间，进而辅助案件研判，所述无线通信使用位置信息能够表明所述目标对象连接各个无线网的地点或场所，可以大致确定所述目标对象的活动范围活动区间，通过将所述无线通信使用时间信息和所述无线通信使用位置信息可以确定所述目标对象的活动轨迹，进而帮助案子侦查研判；
可以理解的是，根据所述无线通信使用时间信息确定所述目标对象的无线通信使用时间，在所述无线通信使用时间内判断所述当前卡口车辆通行数据中是否存在与所述无线通信使用位置信息匹配的目标车辆信息，即是在所述目标对象的活动时间内所述当前卡口车辆通行数据中是否存在与所述目标对象的活动范围活动区间相匹配的所述目标车辆信息，若存在，则将所述目标车辆信息作为所述目标对象的车辆信息；
在具体实现中，可以将所述无线通信使用时间进行分段，例如以每30分钟为一段时间，对每段时间内的所述当前卡口车辆通行数据进行分析，可以相应地绘制出每段时间内目标对象的活动轨迹是否与所述当前卡口车辆通行数据相匹配，所述目标对象的活动轨迹是从所述无线通信历史连接记录中获得的，从所述无线通信历史连接记录中可以获得所述目标对象的MAC地址对应的场所和地址坐标，进而通过对每段时间的无线通信使用位置信息的分析可以得出所述目标对象的活动轨迹，进而将所述无线通信历史连接数据与所述当前卡口车辆通行数据进行碰撞分析，即将所述目标对象的活动轨迹与周围的卡口车辆通行数据进行碰撞分析，获得轨迹重合度高的车辆信息，即为所述目标对象的车辆信息。
相应地，若在所述无线通信使用时间内所述当前卡口车辆通行数据中不存在所述目标车辆信息，则在预设时间内判断所述当前卡口车辆通行数据中是否存在与所述无线通信使用位置信息匹配的目标车辆信息，所述预设时间长于所述无线通信使用时间；若在所述预设时间内所述当前卡口车辆通行数据中存在所述目标车辆信息，则将所述目标车辆信息作为所述目标对象的车辆信息。
可以理解的是，当在所述无线通信使用时间内所述当前卡口车辆通行数据中不存在所述目标车辆信息，则扩大搜寻范围，本实施例采用的方式是扩大搜寻时间范围，可以相应获取更多的当前卡口车辆通行数据，进而进一步提高获取所述目标对象的车辆信息的可能性，当然还可以是直接扩大地理范围，如获取所述无线通信历史数据后，提取所述无线通信使用位置信息，根据所述无线通信使用位置信息确定所述目标对象的活动场所或地址，以各活动场所或地址为原点，按照预设参数扩大搜索半径，进而扩大搜寻范围，以使在获取更多的车辆信息进而找到所述目标对象的车辆信息，当然也可以是通过其他方式在所述无线通信使用时间内未找到所述目标车辆信息时，从所述当前卡口车辆通行数据中找到与所述无线通信使用位置信息品牌的目标车辆信息，本实施例对此不加以限制。
在具体实现中，当在所述无线通信使用时间内未找到与所述当前卡口车辆通行数据匹配的目标车辆信息时，可以再拟定一个预设时间，所述预设时间大于所述无线通信使用时间，扩大搜寻时间范围后，可以从众多无线通信历史连接记录中获取相应的WiFi的MAC地址，进而分析在所述预设时间内所有的MAC地址与车辆信息的组合，可以对这些组合进行排序筛选，选取出现频率最高的或在预设频率范围的组合，提取相应的MAC地址和车辆信息即在所述预设时间内所述当前卡口车辆通行数据中存在的所述目标车辆信息作为所述目标对象的车辆信息。
本实施例通过获取目标对象的无线通信历史连接记录，根据所述无线通信历史连接记录获取对应的当前无线通信数据，将所述当前无线通信数据代入到预设分析模型中，获得当前卡口车辆通行数据，所述预设分析模型用于反映无线通信数据与卡口车辆通行数据的对应关系，根据所述无线通信历史连接记录和所述当前卡口车辆通行数据确定所述目标对象的车辆信息，能够快速找到目标对象的车辆信息，并且结合无线通信数据能够更加准确的确定目标车辆信息，提升研判的准确性，进而缩短研判的时间，提高侦查破案研判效率。
进一步地，如图3所示，基于第一实施例提出本发明确定车辆信息的方法第二实施例，在本实施例中，所述步骤S10之前，还包括步骤：
步骤S01、获取视频专网数据和互联网数据，从所述视频专网数据中提取所述卡口车辆通行数据，从所述视频专网数据和所述互联网数据中提取所述无线通信数据；
需要说明的是，所述无线通信数据来自于视频专网数据和所述互联网数据，所述视频专网数据为公安自建的视频采集设备采集的视频数据，所述视频专网数据中包括各种有视频监控的地方获取的视频数据，例如网吧、酒店、路灯杆、餐饮场所和各类卡口有视频监控的地方获取的视频数据，所述互联网数据为利用一些公共设备采集的从各个渠道获取的数据，可以是通过互联网获取的数据，也可以是获取各种经营性场所的无线通信数据或个人用户的无线通信数据，所述互联网数据还包括移动终端通信数据、公安信息网内部的居民身份信息及各类档案信息，当然所述视频专网数据和所述互联网数据不仅仅局限于以上列举的数据，还可以是包括其他类型的数据，本实施例对此不加以限制。
可以理解的是，从所述视频专网数据中提取所述卡口车辆通行数据和从所述互联网数据汇总提取的所述无线通信数据都是很庞大的数据，可以对这些数据进行初步的筛选，筛选掉明显不符合一些数据特征的数据，对大量的数据进行筛选清洗，保留比较相关的数据，去除一些无关信息的干扰，可以减少服务器的计算量，节省计算资源，提高计算效率，提升分析的准确性。
步骤S02、通过分布式算法将所述无线通信数据与所述卡口车辆通行数据进行关联，获得所述无线通信数据与所述卡口车辆通行数据的第一映射关系；
需要说明的是，所述分布式算法可以将所述无线通信数据和所述卡口车辆通行数据进行分布式计算，对所述无线通信数据和所述卡口车辆通行数据进行碰撞，同时计算不同数据之间的联系，获得各计算结果之后进行汇总，能够大大提高计算的效率，迅速将各无线通信数据与各卡口车辆通行数据相互关联，快速得到所述无线通信数据与所述卡口车辆通行数据的第一映射关系；
进一步地，所述通过分布式算法将所述无线通信数据与所述卡口车辆通行数据进行关联，获得所述无线通信数据与所述卡口车辆通行数据的所述第一映射关系，具体包括：
通过分布式算法获取所述无线通信数据中各无线通信数据对应的无线通信设备覆盖范围内存在的第一目标卡口，根据各无线通信设备覆盖范围与对应的第一目标卡口生成所述第一映射关系。
应当理解的是，通过分布式算法可以将大量的无线通信数据分组同时计算所述无线通信数据与车辆通行数据的关系，即在各无线通信数据对应的无线通信设备覆盖范围内存在的目标卡口，将各无线通信数据对应的无线通信设备覆盖范围内的目标卡口与所述各无线通信数据关联起来，将各组的关联结果进行整合进而生成所述第一映射关系。
步骤S03、根据所述无线通信数据、所述卡口车辆通行数据和所述第一映射关系建立所述预设分析模型。
可以理解的是，所述预设分析模型可以反映无线通信数据与卡口车辆通行数据的对应关系，即可以通过所述无线通信数据获得相应的卡口车辆通行数据，当然也可以是通过所述当前卡口车辆通行数据获取相应的无线通信数据，本实施例对此不加以限制。
在具体实现中，当获得所述目标对象的无线通信历史连接记录后，例如多个WiFi数据，将多个WiFi数据代入到所述预设分析模型后可以获得对应的多个卡口车辆通行数据，相应地，当获得目标对象的车辆信息后可以确定当前车辆信息通过的卡口是哪些，即获得多个卡口车辆通行数据，进而确定各卡口车辆通行数据的范围内存在有哪些无线通信热点，进而获取无线通信数据，当然WiFi数据与卡口数据即上述无线通信历史连接记录与所述卡口车辆通行数据并不仅仅是一对一的关系，有可能是一对多或者多对一还有多对多的情况存在，本实施例对此不加以限制。
应当理解的是，当所述预设分析模型经过长时间分析训练后可以达到相当智能化的效果，即接收到相应的数据后可以直接自动输出相应的结果和各个数据信息之间的联系进而可以对所述目标对象的位置进行精确判断或预判，降低人工研判的误差，提升研判的速度和效率，提高研判的准确性。
本实施例通过获取视频专网数据和互联网数据，从所述视频专网数据中提取所述卡口车辆通行数据，从所述互联网数据中提取所述无线通信数据，通过分布式算法将所述无线通信数据与所述卡口车辆通行数据进行关联，获得所述无线通信数据与所述卡口车辆通行数据的第一映射关系，根据所述无线通信数据、所述卡口车辆通行数据和所述第一映射关系建立所述预设分析模型，能够快速输出当前卡口车辆通行数据，进而提高研判的速率和效率，提升研判的准确性。
进一步地，如图4所示，基于第二实施例提出本发明确定车辆信息的方法第三实施例，在本实施例中，所述步骤S40之后，还包括步骤：
S50、从所述互联网数据中提取移动终端通信数据和身份数据；
需要说明的是，所述互联网数据为各种能够通过互联网获取的数据，指各种经营性场所的无线通信数据或个人用户的无线通信数据，所述互联网数据还包括移动终端通信数据、公安信息网内部的居民身份信息及各类档案信息，当然所述互联网数据不仅仅局限于以上列举的数据，还可以是包括其他类型的数据，本实施例对此不加以限制。
S60、通过所述分布式算法将所述移动终端通信数据、所述身份数据与所述卡口车辆通行数据进行关联，获得所述移动终端通信数据、所述身份数据与所述卡口车辆通行数据之间的第二映射关系；
可以理解的是，通过所述分布式算法可以将所述移动终端通信数据、所述身份数据与所述卡口车辆通行数据进行分组后，分别进行相互碰撞分析，找到各组中这些数据之间的联系，将各组中这些数据之间的联系进行整合，即将所述将所述移动终端通信数据、所述身份数据与所述卡口车辆通行数据进行关联，获得所述移动终端通信数据、所述身份数据与所述卡口车辆通行数据之间的第二映射关系。
在具体实现中，可以根据所述移动终端通信数据、所述身份数据与所述卡口车辆通行数据中任意一个数据利用所述第二映射关系快速找到对应的数据，进而辅助研判，提升研判的准确性，并不仅仅局限于只通过所述移动终端通信数据获取所述目标对象的真实身份。
应当理解的是，当通过所述分布式算法将所述移动终端通信数据、所述身份数据与所述卡口车辆通行数据进行关联，获得所述移动终端通信数据、所述身份数据与所述卡口车辆通行数据之间的第二映射关系之后，可以将相应的数据和所述第二映射关系加入到所述预设分析模型中，并实时更新所述预设分析模型，以使所述预设分析模型更加庞大，运算能力更加强大。
进一步地，所述通过将所述移动终端通信数据、所述身份数据与所述卡口车辆通行数据进行关联获得所述移动终端通信数据、所述身份数据与所述卡口车辆通行数据之间的第二映射关系，具体包括：
通过所述分布式算法获取所述移动终端通信数据对应的各基站设备，确定各基站设备的各基站信号覆盖范围，确定在所述各基站信号覆盖范围内存在的第二目标卡口；
获取所述移动终端通信数据的用户信息，确定与所述用户信息匹配的所述身份数据；
根据所述各基站信号覆盖范围、所述第二目标卡口、所述用户信息和所述身份数据生成所述第二映射关系。
需要说明的是，所述移动终端通信数据不仅仅包括用户信息，还可以是通话内容、通话时长、联系人信息和用户的社交账号等等，当然还可以包括其他信息，本实施例对此不加以限制；通过所述分布式算法可以将所述移动终端通信数据、所述身份数据与所述卡口车辆通行数据进行分组后碰撞分析，获取各组数据之间的联系，即将将所述移动终端通信数据、所述身份数据与所述卡口车辆通行数据进行关联，进而获得所述移动终端通信数据、所述身份数据与所述卡口车辆通行数据之间的第二映射关系；
可以理解的是，通过获取所述移动终端通信数据的用户信息，确定与所述用户信息匹配的所述身份数据，但是存在移动终端并未进行实名制的情况，此时就需要提取所述移动终端通信数据中的通话记录，对通话记录进行分析，可以找出通话记录的各个联系人的用户信息，对多组用户信息互相碰撞，找到之间的相似点，可以大致确定所述移动终端通信数据的所述用户信息，当然也可以是对所述移动终端通信数据中的内容进行分析，获得相应的关键词，找到与所述关键词对应的信息，将各种信息关联组合起来分析，提取有用的信息作为所述移动终端通信数据的用户信息，当然也可以是其他方式将所述移动终端通信数据与所述身份数据进行关联，本实施例对此不加以限制。
S70、在所述第二映射关系中查找到与所述当前卡口车辆通行数据对应的当前移动终端通信数据，根据所述当前移动终端数据、所述身份数据和所述目标对象的车辆信息确定所述目标对象的真实身份。
应当理解的是，在所述第二映射关系中查找到与所述当前卡口车辆通行数据对应的当前移动终端通信数据，可以根据移动终端通信数据进一步锁定所述目标对象的范围，对所述目标对象的车辆信息进一步筛选，确定所述目标对象的车辆信息后，可以根据车辆信息中存在的司机或乘客信息的图像信息或者与该车辆对应的车主信息进行抓取，并将所述身份数据与车辆信息中的乘客信息进行匹配，再结合所述移动终端通信数据中对应的手机号码锁定所述目标对象的真实身份，即根据所述当前移动终端数据、所述身份数据和所述目标对象的车辆信息确定所述目标对象的真实身份；当然还可以是通过其他的研判方式对利用移动通信数据和所述身份数据进一步确定所述目标对象的真实身份，本实施例对此不加以限制。在具体实现中，若通过所述无线通信历史记录和所述卡口车辆通行数据驱动所述目标对象的车辆信息后，若所述目标对象所行驶或乘坐的车辆已经与所述身份数据相匹配，则可以直接确定所述目标对象的真实身份，当然还可以是获取所述目标对象的移动通信数据后已经与所述身份数据相匹配，则可以直接确定所述目标对象的真实身份，结合所述目标对象的车辆信息可以快速对案件进行研判，当然也可以是采用其他的组合方式直接确定所述目标对象的真实身份，本实施例对此不加以限制。
本实施例通过从所述互联网数据中提取移动终端通信数据和身份数据，通过所述分布式算法将所述移动终端通信数据、所述身份数据与所述卡口车辆通行数据进行关联，获得所述移动终端通信数据、所述身份数据与所述卡口车辆通行数据之间的第二映射关系，在所述第二映射关系中查找到与所述当前卡口车辆通行数据对应的当前移动终端通信数据，根据所述当前移动终端数据、所述身份数据和所述目标对象的车辆信息确定所述目标对象的真实身份，通过所述移动终端通信数据和身份数据与卡口车辆通行数据的结合，能够提高研判的准确性，可以进一步确定目标对象的真实身份，提升研判的速率和效率。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有确定车辆信息程序，所述确定车辆信息程序被处理器执行时实现如下操作：
获取目标对象的无线通信历史连接记录；
根据所述无线通信历史连接记录获取对应的当前无线通信数据；
将所述当前无线通信数据代入到预设分析模型中，获得当前卡口车辆通行数据，所述预设分析模型用于反映无线通信数据与卡口车辆通行数据的对应关系；
根据所述无线通信历史连接记录和所述当前卡口车辆通行数据确定所述目标对象的车辆信息。
进一步地，所述确定车辆信息程序被处理器执行时还实现如下操作：
获取视频专网数据和互联网数据，从所述视频专网数据中提取所述卡口车辆通行数据，从所述视频专网数据和所述互联网数据中提取所述无线通信数据；
通过分布式算法将所述无线通信数据与所述卡口车辆通行数据进行关联，获得所述无线通信数据与所述卡口车辆通行数据的第一映射关系；
根据所述无线通信数据、所述卡口车辆通行数据和所述第一映射关系建立所述预设分析模型。
进一步地，所述确定车辆信息程序被处理器执行时还实现如下操作：
通过分布式算法获取所述无线通信数据中各无线通信数据对应的无线通信设备覆盖范围内存在的第一目标卡口，根据各无线通信设备覆盖范围与对应的第一目标卡口生成所述第一映射关系。
进一步地，所述确定车辆信息程序被处理器执行时还实现如下操作：
从所述互联网数据中提取移动终端通信数据和身份数据；
通过所述分布式算法将所述移动终端通信数据、所述身份数据与所述卡口车辆通行数据进行关联，获得所述移动终端通信数据、所述身份数据与所述卡口车辆通行数据之间的第二映射关系；
在所述第二映射关系中查找到与所述当前卡口车辆通行数据对应的当前移动终端通信数据，根据所述当前移动终端数据、所述身份数据和所述目标对象的车辆信息确定所述目标对象的真实身份。
进一步地，所述确定车辆信息程序被处理器执行时还实现如下操作：
通过所述分布式算法获取所述移动终端通信数据对应的各基站设备，确定各基站设备的各基站信号覆盖范围，确定在所述各基站信号覆盖范围内存在的第二目标卡口；
获取所述移动终端通信数据的用户信息，确定与所述用户信息匹配的所述身份数据；
根据所述各基站信号覆盖范围、所述第二目标卡口、所述用户信息和所述身份数据生成所述第二映射关系。
进一步地，所述确定车辆信息程序被处理器执行时还实现如下操作：
将所述当前无线通信数据代入到所述预设分析模型中，获取所述当前无线通信数据中各无线通信数据对应的多个卡口车辆通行数据；
统计所述多个卡口车辆通行数据中各卡口车辆通行数据的重复次数，对所述重复次数从高到低进行排序，将所述重复次数在前N名对应的卡口车辆通行数据作为所述当前卡口车辆通行数据，N为正整数。
进一步地，所述确定车辆信息程序被处理器执行时还实现如下操作：
从所述无线通信历史连接记录中获取无线通信使用时间信息和无线通信使用位置信息；
根据所述无线通信使用时间信息确定所述目标对象的无线通信使用时间，在所述无线通信使用时间内判断所述当前卡口车辆通行数据中是否存在与所述无线通信使用位置信息匹配的目标车辆信息；
若在所述无线通信使用时间内所述当前卡口车辆通行数据中存在所述目标车辆信息，则将所述目标车辆信息作为所述目标对象的车辆信息。
进一步地，所述确定车辆信息程序被处理器执行时还实现如下操作：
若在所述无线通信使用时间内所述当前卡口车辆通行数据中不存在所述目标车辆信息，则在预设时间内判断所述当前卡口车辆通行数据中是否存在与所述无线通信使用位置信息匹配的目标车辆信息，所述预设时间长于所述无线通信使用时间；
若在所述预设时间内所述当前卡口车辆通行数据中存在所述目标车辆信息，则将所述目标车辆信息作为所述目标对象的车辆信息
本实施例通过上述方案，通过获取目标对象的无线通信历史连接记录，根据所述无线通信历史连接记录获取对应的当前无线通信数据，将所述当前无线通信数据代入到预设分析模型中，获得当前卡口车辆通行数据，所述预设分析模型用于反映无线通信数据与卡口车辆通行数据的对应关系，根据所述无线通信历史连接记录和所述当前卡口车辆通行数据确定所述目标对象的车辆信息，能够快速找到目标对象的车辆信息，并且结合无线通信数据能够更加准确的确定目标车辆信息，提升研判的准确性，进而缩短研判的时间，提高侦查破案研判效率。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种确定车辆信息的方法，其特征在于，所述方法包括：
获取目标对象的无线通信历史连接记录；
根据所述无线通信历史连接记录获取对应的当前无线通信数据；
将所述当前无线通信数据代入到预设分析模型中，获得当前卡口车辆通行数据，所述预设分析模型用于反映无线通信数据与卡口车辆通行数据的对应关系；
根据所述无线通信历史连接记录和所述当前卡口车辆通行数据确定所述目标对象的车辆信息。
2.如权利要求1所述的方法，其特征在于，所述获取目标对象的无线通信历史连接记录之前，所述方法还包括：
获取视频专网数据和互联网数据，从所述视频专网数据中提取所述卡口车辆通行数据，从所述视频专网数据和所述互联网数据中提取所述无线通信数据；
通过分布式算法将所述无线通信数据与所述卡口车辆通行数据进行关联，获得所述无线通信数据与所述卡口车辆通行数据的第一映射关系；
根据所述无线通信数据、所述卡口车辆通行数据和所述第一映射关系建立所述预设分析模型。
3.如权利要求2所述的方法，其特征在于，所述通过分布式算法将所述无线通信数据与所述卡口车辆通行数据进行关联，获得所述无线通信数据与所述卡口车辆通行数据的所述第一映射关系，具体包括：
通过分布式算法获取所述无线通信数据中各无线通信数据对应的无线通信设备覆盖范围内存在的第一目标卡口，根据各无线通信设备覆盖范围与对应的第一目标卡口生成所述第一映射关系。
4.如权利要求3所述的方法，其特征在于，所述根据所述无线通信历史连接记录和所述当前卡口车辆通行数据确定所述目标对象的车辆信息之后，所述方法还包括：
从所述互联网数据中提取移动终端通信数据和身份数据；
通过所述分布式算法将所述移动终端通信数据、所述身份数据与所述卡口车辆通行数据进行关联，获得所述移动终端通信数据、所述身份数据与所述卡口车辆通行数据之间的第二映射关系；
在所述第二映射关系中查找到与所述当前卡口车辆通行数据对应的当前移动终端通信数据，根据所述当前移动终端数据、所述身份数据和所述目标对象的车辆信息确定所述目标对象的真实身份。
5.如权利要求4所述的方法，其特征在于，所述通过将所述移动终端通信数据、所述身份数据与所述卡口车辆通行数据进行关联获得所述移动终端通信数据、所述身份数据与所述卡口车辆通行数据之间的第二映射关系，具体包括：
通过所述分布式算法获取所述移动终端通信数据对应的各基站设备，确定各基站设备的各基站信号覆盖范围，确定在所述各基站信号覆盖范围内存在的第二目标卡口；
获取所述移动终端通信数据的用户信息，确定与所述用户信息匹配的所述身份数据；
根据所述各基站信号覆盖范围、所述第二目标卡口、所述用户信息和所述身份数据生成所述第二映射关系。
6.如权利要求1-5任一项所述的方法，其特征在于，所述将所述当前无线通信数据代入到预设分析模型中，获得当前卡口车辆通行数据，具体包括：
将所述当前无线通信数据代入到所述预设分析模型中，获取所述当前无线通信数据中各无线通信数据对应的多个卡口车辆通行数据；
统计所述多个卡口车辆通行数据中各卡口车辆通行数据的重复次数，对所述重复次数从高到低进行排序，将所述重复次数在前N名对应的卡口车辆通行数据作为所述当前卡口车辆通行数据，N为正整数。
7.如权利要求1-5任一项所述的方法，其特征在于，所述根据所述无线通信历史连接记录和所述当前卡口车辆通行数据确定所述目标对象的车辆信息，具体包括：
从所述无线通信历史连接记录中获取无线通信使用时间信息和无线通信使用位置信息；
根据所述无线通信使用时间信息确定所述目标对象的无线通信使用时间，在所述无线通信使用时间内判断所述当前卡口车辆通行数据中是否存在与所述无线通信使用位置信息匹配的目标车辆信息；
若在所述无线通信使用时间内所述当前卡口车辆通行数据中存在所述目标车辆信息，则将所述目标车辆信息作为所述目标对象的车辆信息。
8.如权利要求7所述的方法，其特征在于，所述根据所述无线通信使用时间信息确定所述目标对象的无线通信使用时间，在所述无线通信使用时间内判断所述当前卡口车辆通行数据中是否存在与所述无线通信使用位置信息匹配的目标车辆信息之后，所述方法还包括：
若在所述无线通信使用时间内所述当前卡口车辆通行数据中不存在所述目标车辆信息，则在预设时间内判断所述当前卡口车辆通行数据中是否存在与所述无线通信使用位置信息匹配的目标车辆信息，所述预设时间长于所述无线通信使用时间；
若在所述预设时间内所述当前卡口车辆通行数据中存在所述目标车辆信息，则将所述目标车辆信息作为所述目标对象的车辆信息。
9.一种服务器，其特征在于，所述服务器包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的确定车辆信息程序，所述确定车辆信息程序配置为实现如权利要求1至8中任一项所述的确定车辆信息方法的步骤。
10.一种存储介质，其特征在于，所述存储介质上存储有确定车辆信息程序，所述确定车辆信息程序被处理器执行时实现如权利要求1至8中任一项所述的确定车辆信息方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710824535.4A CN107770730B (zh) | 2017-09-13 | 2017-09-13 | 确定车辆信息的方法、服务器及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710824535.4A CN107770730B (zh) | 2017-09-13 | 2017-09-13 | 确定车辆信息的方法、服务器及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107770730A true CN107770730A (zh) | 2018-03-06 |
| CN107770730B CN107770730B (zh) | 2018-09-18 |
Family
ID=61265241
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710824535.4A Active CN107770730B (zh) | 2017-09-13 | 2017-09-13 | 确定车辆信息的方法、服务器及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107770730B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108924238A (zh) * | 2018-07-18 | 2018-11-30 | 成都西加云杉科技有限公司 | 轨迹碰撞分析方法及装置 |
| CN109657605A (zh) * | 2018-12-17 | 2019-04-19 | 东方网力科技股份有限公司 | 一种人脸轨迹与mac轨迹碰撞的方法及装置 |
| CN109828991A (zh) * | 2018-12-03 | 2019-05-31 | 深圳市北斗智能科技有限公司 | 一种多时空条件下查询排序方法、装置、设备和存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103325240A (zh) * | 2012-03-19 | 2013-09-25 | 株洲市城市管理监督指挥中心 | 车载监控设备、车辆管理中心以及车辆管理系统 |
| CN104916012A (zh) * | 2014-03-14 | 2015-09-16 | 北京众源线下信息科技有限公司 | 一种基于WiFi技术的行为分析方法和系统 |
| US20150358955A1 (en) * | 2014-06-05 | 2015-12-10 | Toyota Jidosha Kabushiki Kaisha | Transfer of digital data to mobile software systems |
| CN105741556A (zh) * | 2016-04-29 | 2016-07-06 | 深圳市为有视讯有限公司 | 路况信息的推送方法、行车记录仪、云端服务器以及推送系统 |
-
2017
- 2017-09-13 CN CN201710824535.4A patent/CN107770730B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103325240A (zh) * | 2012-03-19 | 2013-09-25 | 株洲市城市管理监督指挥中心 | 车载监控设备、车辆管理中心以及车辆管理系统 |
| CN104916012A (zh) * | 2014-03-14 | 2015-09-16 | 北京众源线下信息科技有限公司 | 一种基于WiFi技术的行为分析方法和系统 |
| US20150358955A1 (en) * | 2014-06-05 | 2015-12-10 | Toyota Jidosha Kabushiki Kaisha | Transfer of digital data to mobile software systems |
| CN105741556A (zh) * | 2016-04-29 | 2016-07-06 | 深圳市为有视讯有限公司 | 路况信息的推送方法、行车记录仪、云端服务器以及推送系统 |
Non-Patent Citations (1)
| Title |
|---|
| 孙盛等: "基于多源信息融合技术的全域卡口车辆身份检索", 《电子技术与软件工程》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108924238A (zh) * | 2018-07-18 | 2018-11-30 | 成都西加云杉科技有限公司 | 轨迹碰撞分析方法及装置 |
| CN109828991A (zh) * | 2018-12-03 | 2019-05-31 | 深圳市北斗智能科技有限公司 | 一种多时空条件下查询排序方法、装置、设备和存储介质 |
| CN109657605A (zh) * | 2018-12-17 | 2019-04-19 | 东方网力科技股份有限公司 | 一种人脸轨迹与mac轨迹碰撞的方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107770730B (zh) | 2018-09-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101673544B (zh) | 一种基于声纹识别和定位跟踪的交叉监控方法和系统 | |
| CN104143078B (zh) | 活体人脸识别方法、装置和设备 | |
| CN109509021B (zh) | 基于行为轨迹的异常识别方法、装置、服务器及存储介质 | |
| CN104933870B (zh) | 基于车辆行为分析的车辆套牌识别方法与装置 | |
| CN106940794A (zh) | 一种目标采集侦码伴随系统 | |
| DE112017001648T5 (de) | Autonome semantische Kennzeichnung von phsischen Orten | |
| CN111385297B (zh) | 无线设备指纹识别方法、系统、设备及可读存储介质 | |
| WO2015117528A1 (zh) | 行车记录处理方法及系统 | |
| CN110113214A (zh) | 一种基于神经网络的5g网络自动评估系统、方法及装置 | |
| CN107770730B (zh) | 确定车辆信息的方法、服务器及存储介质 | |
| WO2020114138A1 (zh) | 信息的关联分析方法及装置、储存介质、电子装置 | |
| CN108595606A (zh) | 基于运营商数据的公安案件时空分析方法及装置 | |
| CN110619277A (zh) | 一种多社区智慧布控方法以及系统 | |
| US9930494B2 (en) | Leveraging location data from mobile devices for user classification | |
| CN106301429A (zh) | 有确定免提模式设置的公共交通工具检测的移动通信设备 | |
| CN111294728A (zh) | 同行分析方法及装置 | |
| CN112434566B (zh) | 客流统计方法、装置、电子设备及存储介质 | |
| CN109829072A (zh) | 构建图谱方法及相关装置 | |
| CN111797926B (zh) | 城际迁徙行为识别方法、装置、计算机设备及存储介质 | |
| DE102020204977A1 (de) | Vorrichtung zur personenidentifizierung und bewegungsrichtungsschätzung | |
| CN106230653A (zh) | 一种以mac码为主键的数据整合方法 | |
| CN110990455B (zh) | 大数据识别房屋性质的方法与系统 | |
| Jaikumar et al. | Fingerprint based student attendance system with SMS alert to parents | |
| Uras et al. | MAC address de-randomization for WiFi device counting: Combining temporal-and content-based fingerprints | |
| CN110457601A (zh) | 社交账号的识别方法和装置、存储介质及电子装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Method, server and storage medium for determining vehicle information Effective date of registration: 20220111 Granted publication date: 20180918 Pledgee: Shenzhen high tech investment and financing Company limited by guarantee Pledgor: SHENZHEN RUICEZHE TECHNOLOGY CO.,LTD. Registration number: Y2022980000353 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Date of cancellation: 20230726 Granted publication date: 20180918 Pledgee: Shenzhen high tech investment and financing Company limited by guarantee Pledgor: SHENZHEN RUICEZHE TECHNOLOGY CO.,LTD. Registration number: Y2022980000353 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right |