CN109615853A - 识别高速公路疑似非法营运车辆的方法及设备 - Google Patents
识别高速公路疑似非法营运车辆的方法及设备 Download PDFInfo
- Publication number
- CN109615853A CN109615853A CN201811441942.8A CN201811441942A CN109615853A CN 109615853 A CN109615853 A CN 109615853A CN 201811441942 A CN201811441942 A CN 201811441942A CN 109615853 A CN109615853 A CN 109615853A
- Authority
- CN
- China
- Prior art keywords
- data
- vehicle
- time
- charging data
- highway
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000004891 communication Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 abstract 1
- 238000004064 recycling Methods 0.000 abstract 1
- 125000004122 cyclic group Chemical group 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000007689 inspection Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Devices For Checking Fares Or Tickets At Control Points (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供了一种识别高速公路疑似非法营运车辆的方法及设备。其中，所述方法包括：获取任意一辆非营运车辆的运动轨迹，从所述运动轨迹中提取循环通行数据，计算所述循环通行数据中的在途时间所占比例，并获取所述循环通行数据的次数；若所述在途时间所占比例及循环通行数据的次数满足预设阈值，则确定所述任意一辆非营运车辆为疑似非法营运车辆。本发明实施例提供的识别高速公路疑似非法营运车辆的方法及设备，通过采集车辆在高速公路收费站上的信息，计算车辆的在途时间所占比例及循环通行的次数，对车辆是否为疑似非法营运车辆进行识别，可以有效识别高速公路上的疑似非法营运车辆。
Description
技术领域
本发明实施例涉及车辆识别技术领域，尤其涉及一种识别高速公路疑似非法营运车辆的方法及设备。
背景技术
随着经济社会的发展，城市化过程快速推进，城市交通管理水平也有很大提高，但是城市交通管理中仍然面临诸多难题。其中，城市中存在的大量非法营运车辆，这些车辆未经受过相关交通运输安全的检查，并且游离于城市交通运输管理之外，为城市交通管理和运输安全带来了大量的隐患。尤其是行驶在城际之间高速公路上的非法营运车辆，这些车辆载客人数较多、车速较快，一旦发生问题，都会产生很严重的后果。因此，对于高速公路上非法营运车辆的识别具有非常重要的现实意义。
目前，对于高速公路上非法营运车辆的发现主要是通过执法人员人工进行。其缺点是效率低、耗时长、检查的区域有限。由于很难知道这些车辆的详细信息，如行驶时间、行驶路线等，因此很难对这些车辆进行有效的监管。非法营运车辆由于其盈利的性质，它们大都有固定的营运路线和营运时间，造成这些车辆的移动轨迹在空间上具有较为显著的周期性特征。在我国，高速公路都为封闭路段，车辆进入或离开高速公路都会经过高速收费站，并且产生相应的车辆数据，记录了所经过的收费站信息、车辆的牌照、通过的时间。因此，如何通过对这些记录的处理来获得车辆在高速路上的轨迹，进而分析得到车辆的移动特性，并根据车辆的不同移动特性来发现高速路上的疑似非法营运车辆，以提高执法人员的稽查效率，就成为业界广泛关注的技术问题。
发明内容
针对现有技术存在的上述问题，本发明实施例提供了一种识别高速公路疑似非法营运车辆的方法及设备。
第一方面，本发明的实施例提供了一种识别高速公路疑似非法营运车辆的方法，包括：获取任意一辆非营运车辆的运动轨迹，从所述运动轨迹中提取循环通行数据，计算所述循环通行数据中的在途时间所占比例，并获取所述循环通行数据的次数；若所述在途时间所占比例及循环通行数据的次数满足预设阈值，则确定所述任意一辆非营运车辆为疑似非法营运车辆。
进一步地，所述任意一辆非营运车辆的鉴别方法，包括：提取经过高数收费站的所有车辆的收费数据，从所述收费数据中提取车牌信息，对车牌信息进行过滤，确定车辆是否为非营运车辆。
进一步地，所述获取任意一辆非营运车辆的运动轨迹，包括：获取所述任意一辆非营运车辆的全部高速公路收费数据，将所述全部高速公路收费数据按照所述任意一辆非营运车辆驶入高速公路的时刻进行排序，得到所述任意一辆非营运车辆的运动轨迹。
进一步地，所述从所述运动轨迹中提取循环通行数据，包括：
将所述运动轨迹中的一条收费数据作为当前收费数据，若所述当前收费数据中进入高速公路时经过的收费站标识，与第一收费数据中离开高速公路时经过的收费站标识相同，且所述当前收费数据中进入高速公路的时刻，与所述第一收费数据中离开高速公路的时刻的差值小于时间阈值，则将所述当前收费数据与第一收费数据之间的全部收费数据、所述当前收费数据及第一收费数据整合在一起，确定为循环通行数据；其中，所述第一收费数据为位于所述当前收费数据之后的任一收费数据。
进一步地，所述计算所述循环通行数据中的在途时间所占比例，包括：将循环通行数据中每个收费数据中离开高速公路的时刻，与每个收费数据中进入高速公路的时刻的差值求和，得到所述在途时间；将循环通行数据中最后一条收费数据中离开高速公路的时刻，与第一条收费数据中进入高速公路的时刻做差，得到所述循环通行数据的行程时间；将所述在途时间除以循环通行数据的行程时间，得到所述循环通行数据中的在途时间所占比例。
进一步地，所述预设阈值，包括：在途时间所占比例阈值和/或循环通行数据的次数阈值。
进一步地，所述时间阈值，包括：12小时或24小时。
第二方面，本发明的实施例提供了一种识别高速公路疑似非法营运车辆的装置，包括：
在途时间所占比例及循环通行数据的次数获取模块，用于获取任意一辆非营运车辆的运动轨迹，从所述运动轨迹中提取循环通行数据，计算所述循环通行数据中的在途时间所占比例，并获取所述循环通行数据的次数；
疑似非法营运车辆确定模块，用于若所述在途时间所占比例及循环通行数据的次数满足预设阈值，则确定所述任意一辆非营运车辆为疑似非法营运车辆。
第三方面，本发明的实施例提供了一种电子设备，包括：
至少一个处理器；以及
与处理器通信连接的至少一个存储器，其中：
存储器存储有可被处理器执行的程序指令，处理器调用程序指令能够执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的识别高速公路疑似非法营运车辆的方法。
第四方面，本发明的实施例提供了一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储计算机指令，计算机指令使计算机执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的识别高速公路疑似非法营运车辆的方法。
本发明实施例提供的识别高速公路疑似非法营运车辆的方法及设备，通过采集车辆在高速公路收费站上的信息，计算车辆的在途时间所占比例及循环通行的次数，对车辆是否为疑似非法营运车辆进行识别，可以有效识别高速公路上的疑似非法营运车辆。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做一简单的介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的识别高速公路疑似非法营运车辆的方法流程图；
图2为现有技术中提供的一种循环通行行为模式示意图；
图3为现有技术中提供的另一种循环通行行为模式示意图；
图4为本发明实施例提供的车辆打点及识别疑似非法运营车辆示意图；
图5为本发明实施例提供的识别高速公路疑似非法营运车辆的装置结构示意图；
图6为本发明实施例提供的电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。另外，本发明提供的各个实施例或单个实施例中的技术特征可以相互任意结合，以形成可行的技术方案，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时，应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
本发明实施例提供了一种识别高速公路疑似非法营运车辆的方法，参见图1，该方法包括：
101、获取任意一辆非营运车辆的运动轨迹，从所述运动轨迹中提取循环通行数据，计算所述循环通行数据中的在途时间所占比例，并获取所述循环通行数据的次数；
102、若所述在途时间所占比例及循环通行数据的次数满足预设阈值，则确定所述任意一辆非营运车辆为疑似非法营运车辆。
在上述实施例的基础上，本发明实施例中提供的识别高速公路疑似非法营运车辆的方法，所述任意一辆非营运车辆的鉴别方法，包括：提取经过高数收费站的所有车辆的收费数据，从所述收费数据中提取车牌信息，对车牌信息进行过滤，确定车辆是否为非营运车辆。
在上述实施例的基础上，本发明实施例中提供的识别高速公路疑似非法营运车辆的方法，所述获取任意一辆非营运车辆的运动轨迹，包括：获取所述任意一辆非营运车辆的全部高速公路收费数据，将所述全部高速公路收费数据按照所述任意一辆非营运车辆驶入高速公路的时刻进行排序，得到所述任意一辆非营运车辆的运动轨迹。
在上述实施例的基础上，本发明实施例中提供的识别高速公路疑似非法营运车辆的方法，所述从所述运动轨迹中提取循环通行数据，包括：将所述运动轨迹中的一条收费数据作为当前收费数据，若所述当前收费数据中进入高速公路时经过的收费站标识，与第一收费数据中离开高速公路时经过的收费站标识相同，且所述当前收费数据中进入高速公路的时刻，与所述第一收费数据中离开高速公路的时刻的差值小于时间阈值，则将所述当前收费数据与第一收费数据之间的全部收费数据、所述当前收费数据及第一收费数据整合在一起，确定为循环通行数据；其中，所述第一收费数据为位于所述当前收费数据之后的任一收费数据。
在上述实施例的基础上，本发明实施例中提供的识别高速公路疑似非法营运车辆的方法，所述计算所述循环通行数据中的在途时间所占比例，包括：将循环通行数据中每个收费数据中离开高速公路的时刻，与每个收费数据中进入高速公路的时刻的差值求和，得到所述在途时间；将循环通行数据中最后一条收费数据中离开高速公路的时刻，与第一条收费数据中进入高速公路的时刻做差，得到所述循环通行数据的行程时间；将所述在途时间除以循环通行数据的行程时间，得到所述循环通行数据中的在途时间所占比例。
在上述实施例的基础上，本发明实施例中提供的识别高速公路疑似非法营运车辆的方法，所述预设阈值，包括：在途时间所占比例阈值和/或循环通行数据的次数阈值。
在上述实施例的基础上，本发明实施例中提供的识别高速公路疑似非法营运车辆的方法，所述时间阈值，包括：12小时或24小时。
本发明实施例提供的识别高速公路疑似非法营运车辆的方法，通过采集车辆在高速公路收费站上的信息，计算车辆的在途时间所占比例及循环通行的次数，对车辆是否为疑似非法营运车辆进行识别，可以有效识别高速公路上的疑似非法营运车辆。
为了进一步阐述本专利的精神实质，下面将上述各个实施例中的技术特征整合成一个完整的实施例进行介绍。需要说明的是，该实施例仅仅是为了充分展示本发明的技术方案，从而方便透彻理解本发明的技术本质，并不是对本发明保护范围的限制。任何符合本发明各个实施例技术本质的技术方案，均在本专利的保护范围之内。下面以实施例的形式对本发明做进一步说明。
步骤1.提取经过高速路的车牌信息。提取30天内经过高速收费站的所有车辆的收费数据，数据可表示为五元组的格式record＝<Vid,Toll0,t0,Toll1,t1>，其中Vid表示车辆的识别，如车牌等，Toll0表示车辆进入高速路时所经过的收费站识别，t0表示车辆进入高速路的时间，Toll1表示车辆离开高速路时经过的收费站识别，t1表示车辆离开高速路的时间。从这些数据中查询得到这30天内所有出入过高速路的车辆识别信息。
步骤2.对车辆识别信息进行过滤，得到非营运车辆的识别数据。从得到的所有车辆的识别信息中滤除已登记的合法营运车辆的识别数据，最终获得行驶在高速路上的所有非营运车辆的识别数据。
步骤3.从非营运车辆的识别数据中，选取一辆车，查询得到这辆车的所有记录，并将这些记录按照车辆驶入高速路的时间进行排序，最终得到车辆的轨迹。例如，选取车辆的标识为A，那么A的轨迹表示为TraA＝{record1,record2,…,recordn-1,recordn}，其中TraA表示车辆A的轨迹，n表示轨迹中共有n条记录，且这些记录满足recordi.Vid＝A，recordi.t0<recordi.t1<recordi+1.t0<recordi+1.t1，i＝1,2,…,n。
步骤4.发现轨迹中的循环通行。
车辆在高速公路上的循环通行一般有两种形式：1)、车辆在两个收费站间循环拉客。假设这两个收费站分别是A和B，车辆的循环通行形式如图2所示，从A收费站到B收费站，然后从B收费站回到A收费站，形成在A收费站与B收费站之间的循环非法“拉客”行为。在轨迹中表现为存在相邻的两条记录(recordi,recordi+1)且满足recordi.Toll0＝recordi+ 1.Toll1＝A，recordi.Toll1＝recordi+1.Toll0＝B(图2中，具体为record1及record2)。2)、车辆在多个收费站间循环拉客，如图3所示，车辆从A收费站到B收费站到C收费站，然后从C收费站直接回到A收费站，形成在A收费站、B收费站、C收费站之间的循环非法“拉客”行为。在轨迹中表现为存在连续的j+1条记录(图3中具体为record1，record2及record3)，可以表示为(recordi,recordi+1,…,recordi+j-1,recordi+j)，并且满足recordi.Toll0＝recordi+ j.Toll1。同时，因为营运车辆的盈利要求，所以对它们来说循环通行的行程时间应该越短越好，一般会小于24h。假设发现的循环通行(recordi,recordi+1,…,recordi+j-1,recordi+j)，需要满足recordi+j.t1-recordi.t0<24h，我们才认为是有效的循环通行。接下来对发现轨迹中循环通行的具体步骤进行介绍：
a.读取轨迹中的第一条记录record1作为当前记录recordcurrent。
b.将当前记录的进入收费站recordcurrent.Toll0依次与其后面记录的离开收费站相比较recordk.Toll1(current<k≤n)，是否有记录满足recordk.Toll1＝recordcurrent.Toll0且recordk.t1-recordcurrent.t0<24h。
c.如果没有，则当前记录的处理完成，然后当前记录的下一条记录作为当前记录recordcurrent←recordcurrent+1，返回执行步骤b。
d.如果有，得到循环通行R＝{recordcurrent,recordcurrent+1,…,recordk-1,recordk}，并将其保存，然后将recordk的后一条记录作为当前记录recordcurrent←recordk+1，然后返回执行步骤b。
e.直到轨迹中的所有记录都被处理过。
最后可以得到这辆车轨迹中的所有循环通行的数据D＝{R1,R2,…,RN},其中N表示车辆的轨迹中循环通行的数目。
步骤5.计算车辆的循环通行中，在途时间所占的比例。
a.计算车辆单次循环通行的在途时间与行程时间。从步骤4得到的循环通行数据集D＝{R1,R2,…,RN}中选取一次循环通行的数据Ri，Ri中共包含了K条记录，表示为Ri＝{record1,…,recordK}。则该次循环通行的行程时间Ti与在途时间可由以下各式计算得到：
Ti＝recordk.t1-record1.t0
b.计算该车轨迹中循环通行的总行程时间T与总在途时间Tmove。
c.计算该车辆在循环通行中在途时间所占的比例M。
步骤6.对所有车辆都执行步骤3到步骤5，得到所有车辆的循环通行数据，并且计算循环通行中在途时间所占的比例，得到每辆车的<Vid,N,M>数据，其中Vid表示车辆的识别，如车牌号；N表示车辆轨迹中的循环通行的次数；M表示车辆的循环通行中在途时间所占的比例。
步骤7.以循环通行次数N和在途时间的比例M为坐标对所有非营运车辆进行打点分析，并用唯一车牌信息进行标识。
步骤8.在步骤7的打点图中，分别取N和M的90％分位以上的点所对应的车牌作为疑似非法营运车辆的稽查样本车辆。步骤7与步骤8中的车牌信息及疑似非法营运车辆的稽查可以参见图4。图4中包括：疑似非法营运车辆稽查范围401及单个车辆车牌402。由图4中可见，疑似非法营运车辆稽查范围401的N和M的阈值均为90％分位，且单个车辆车牌402表示单一车辆，即每个点均代表一台车辆。
本发明各个实施例的实现基础是通过具有处理器功能的设备进行程序化的处理实现的。因此在工程实际中，可以将本发明各个实施例的技术方案及其功能封装成各种模块。基于这种现实情况，在上述各实施例的基础上，本发明的实施例提供了一种识别高速公路疑似非法营运车辆的装置，该装置用于执行上述方法实施例中的识别高速公路疑似非法营运车辆的方法。参见图5，该装置包括：
在途时间所占比例及循环通行数据的次数获取模块501，用于获取任意一辆非营运车辆的运动轨迹，从所述运动轨迹中提取循环通行数据，计算所述循环通行数据中的在途时间所占比例，并获取所述循环通行数据的次数；
疑似非法营运车辆确定模块502，用于若所述在途时间所占比例及循环通行数据的次数满足预设阈值，则确定所述任意一辆非营运车辆为疑似非法营运车辆。
本发明实施例提供的识别高速公路疑似非法营运车辆的装置，使用在途时间所占比例及循环通行数据的次数获取模块和疑似非法营运车辆确定模块，通过采集车辆在高速公路收费站上的信息，计算车辆的在途时间所占比例及循环通行的次数，对车辆是否为疑似非法营运车辆进行识别，可以有效识别高速公路上的疑似非法营运车辆。
本发明实施例的方法是依托电子设备实现的，因此对相关的电子设备有必要做一下介绍。基于此目的，本发明的实施例提供了一种电子设备，如图6所示，该电子设备包括：至少一个处理器(processor)601、通信接口(Communications Interface)604、至少一个存储器(memory)602和通信总线603，其中，至少一个处理器601，通信接口604，至少一个存储器602通过通信总线603完成相互间的通信。至少一个处理器601可以调用至少一个存储器602中的逻辑指令，以执行如下方法：获取任意一辆非营运车辆的运动轨迹，从所述运动轨迹中提取循环通行数据，计算所述循环通行数据中的在途时间所占比例，并获取所述循环通行数据的次数；若所述在途时间所占比例及循环通行数据的次数满足预设阈值，则确定所述任意一辆非营运车辆为疑似非法营运车辆。
此外，上述的至少一个存储器602中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。例如包括：获取任意一辆非营运车辆的运动轨迹，从所述运动轨迹中提取循环通行数据，计算所述循环通行数据中的在途时间所占比例，并获取所述循环通行数据的次数；若所述在途时间所占比例及循环通行数据的次数满足预设阈值，则确定所述任意一辆非营运车辆为疑似非法营运车辆。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random AccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
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实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种识别高速公路疑似非法营运车辆的方法，其特征在于，包括：
获取任意一辆非营运车辆的运动轨迹，从所述运动轨迹中提取循环通行数据，计算所述循环通行数据中的在途时间所占比例，并获取所述循环通行数据的次数；
若所述在途时间所占比例及循环通行数据的次数满足预设阈值，则确定所述任意一辆非营运车辆为疑似非法营运车辆。
2.根据权利要求1所述的识别高速公路疑似非法营运车辆的方法，其特征在于，所述任意一辆非营运车辆的鉴别方法，包括：
提取经过高数收费站的所有车辆的收费数据，从所述收费数据中提取车牌信息，对车牌信息进行过滤，确定车辆是否为非营运车辆。
3.根据权利要求1所述的识别高速公路疑似非法营运车辆的方法，其特征在于，所述获取任意一辆非营运车辆的运动轨迹，包括：
获取所述任意一辆非营运车辆的全部高速公路收费数据，将所述全部高速公路收费数据按照所述任意一辆非营运车辆驶入高速公路的时刻进行排序，得到所述任意一辆非营运车辆的运动轨迹。
4.根据权利要求1所述的识别高速公路疑似非法营运车辆的方法，其特征在于，所述从所述运动轨迹中提取循环通行数据，包括：
将所述运动轨迹中的一条收费数据作为当前收费数据，若所述当前收费数据中进入高速公路时经过的收费站标识，与第一收费数据中离开高速公路时经过的收费站标识相同，且所述当前收费数据中进入高速公路的时刻，与所述第一收费数据中离开高速公路的时刻的差值小于时间阈值，则将所述当前收费数据与第一收费数据之间的全部收费数据、所述当前收费数据及第一收费数据整合在一起，确定为循环通行数据；
其中，所述第一收费数据为位于所述当前收费数据之后的任一收费数据。
5.根据权利要求4所述的识别高速公路疑似非法营运车辆的方法，其特征在于，所述计算所述循环通行数据中的在途时间所占比例，包括：
将循环通行数据中每个收费数据中离开高速公路的时刻，与每个收费数据中进入高速公路的时刻的差值求和，得到所述在途时间；
将循环通行数据中最后一条收费数据中离开高速公路的时刻，与第一条收费数据中进入高速公路的时刻做差，得到所述循环通行数据的行程时间；
将所述在途时间除以循环通行数据的行程时间，得到所述循环通行数据中的在途时间所占比例。
6.根据权利要求1所述的识别高速公路疑似非法营运车辆的方法，其特征在于，所述预设阈值，包括：
在途时间所占比例阈值和/或循环通行数据的次数阈值。
7.根据权利要求4所述的识别高速公路疑似非法营运车辆的方法，其特征在于，所述时间阈值，包括：
12小时或24小时。
8.一种识别高速公路疑似非法营运车辆的装置，其特征在于，包括：
在途时间所占比例及循环通行数据的次数获取模块，用于获取任意一辆非营运车辆的运动轨迹，从所述运动轨迹中提取循环通行数据，计算所述循环通行数据中的在途时间所占比例，并获取所述循环通行数据的次数；
疑似非法营运车辆确定模块，用于若所述在途时间所占比例及循环通行数据的次数满足预设阈值，则确定所述任意一辆非营运车辆为疑似非法营运车辆。
9.一种电子设备，其特征在于，包括：
至少一个处理器、至少一个存储器、通信接口和总线；其中，
所述处理器、存储器、通信接口通过所述总线完成相互间的通信；
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以执行如权利要求1至7任一项所述的方法。
10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811441942.8A CN109615853B (zh) | 2018-11-29 | 2018-11-29 | 识别高速公路疑似非法营运车辆的方法及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811441942.8A CN109615853B (zh) | 2018-11-29 | 2018-11-29 | 识别高速公路疑似非法营运车辆的方法及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109615853A true CN109615853A (zh) | 2019-04-12 |
| CN109615853B CN109615853B (zh) | 2021-06-22 |
Family
ID=66006339
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811441942.8A Active CN109615853B (zh) | 2018-11-29 | 2018-11-29 | 识别高速公路疑似非法营运车辆的方法及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109615853B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110136448A (zh) * | 2019-06-13 | 2019-08-16 | 重庆大学 | 一种基于汽车电子标识数据的非法营运车辆识别方法 |
| CN111310721A (zh) * | 2020-03-12 | 2020-06-19 | 中设设计集团股份有限公司 | 非法网约车智能检测方法及系统 |
| CN111489556A (zh) * | 2020-05-20 | 2020-08-04 | 上海评驾科技有限公司 | 一种营运车辆挂靠行为的判断方法 |
| CN112364072A (zh) * | 2020-10-27 | 2021-02-12 | 南威软件股份有限公司 | 一种涉车非营运车营运发现方法、装置、设备和介质 |
| WO2021036290A1 (zh) * | 2019-08-30 | 2021-03-04 | 华为技术有限公司 | 识别车辆的营运行为的方法、装置及计算设备 |
| CN112634623A (zh) * | 2020-11-06 | 2021-04-09 | 武汉长江通信智联技术有限公司 | 一种基于入境折返和境内徘徊的车辆防疫防控方法 |
| CN115082277A (zh) * | 2022-08-23 | 2022-09-20 | 交通运输部科学研究院 | 车辆管控区域行程识别方法、装置、电子设备及存储介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003016579A (ja) * | 2001-06-29 | 2003-01-17 | Nissin Electric Co Ltd | 不法投棄監視支援方法および不法投棄監視支援システム |
| CN104167095A (zh) * | 2014-08-05 | 2014-11-26 | 江苏省邮电规划设计院有限责任公司 | 基于智慧城市的车辆行为模式稽查方法 |
| CN104537840A (zh) * | 2015-01-09 | 2015-04-22 | 上海博康智能信息技术有限公司 | 非法营运出租车辆的检测系统 |
| CN104809180A (zh) * | 2014-12-15 | 2015-07-29 | 安徽四创电子股份有限公司 | 基于无监督智能学习算法的非法运营车辆识别方法及系统 |
| CN105427620A (zh) * | 2015-12-30 | 2016-03-23 | 山东大学 | 一种基于出租车运行数据的非法营运车辆识别方法 |
| CN105976617A (zh) * | 2016-03-21 | 2016-09-28 | 江苏智通交通科技有限公司 | 非法营运车辆检测方法和系统 |
| CN106096507A (zh) * | 2016-05-27 | 2016-11-09 | 中兴软创科技股份有限公司 | 智慧交通黑车识别方法 |
| CN107886731A (zh) * | 2017-11-03 | 2018-04-06 | 武汉元鼎创天信息科技有限公司 | 一种非法营运车辆智能检测方法 |
| CN108389397A (zh) * | 2018-02-28 | 2018-08-10 | 夏莹杰 | 一种基于卡口数据辨别非法营运车辆的方法 |
-
2018
- 2018-11-29 CN CN201811441942.8A patent/CN109615853B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003016579A (ja) * | 2001-06-29 | 2003-01-17 | Nissin Electric Co Ltd | 不法投棄監視支援方法および不法投棄監視支援システム |
| CN104167095A (zh) * | 2014-08-05 | 2014-11-26 | 江苏省邮电规划设计院有限责任公司 | 基于智慧城市的车辆行为模式稽查方法 |
| CN104809180A (zh) * | 2014-12-15 | 2015-07-29 | 安徽四创电子股份有限公司 | 基于无监督智能学习算法的非法运营车辆识别方法及系统 |
| CN104537840A (zh) * | 2015-01-09 | 2015-04-22 | 上海博康智能信息技术有限公司 | 非法营运出租车辆的检测系统 |
| CN105427620A (zh) * | 2015-12-30 | 2016-03-23 | 山东大学 | 一种基于出租车运行数据的非法营运车辆识别方法 |
| CN105976617A (zh) * | 2016-03-21 | 2016-09-28 | 江苏智通交通科技有限公司 | 非法营运车辆检测方法和系统 |
| CN106096507A (zh) * | 2016-05-27 | 2016-11-09 | 中兴软创科技股份有限公司 | 智慧交通黑车识别方法 |
| CN107886731A (zh) * | 2017-11-03 | 2018-04-06 | 武汉元鼎创天信息科技有限公司 | 一种非法营运车辆智能检测方法 |
| CN108389397A (zh) * | 2018-02-28 | 2018-08-10 | 夏莹杰 | 一种基于卡口数据辨别非法营运车辆的方法 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110136448A (zh) * | 2019-06-13 | 2019-08-16 | 重庆大学 | 一种基于汽车电子标识数据的非法营运车辆识别方法 |
| WO2021036290A1 (zh) * | 2019-08-30 | 2021-03-04 | 华为技术有限公司 | 识别车辆的营运行为的方法、装置及计算设备 |
| CN111310721A (zh) * | 2020-03-12 | 2020-06-19 | 中设设计集团股份有限公司 | 非法网约车智能检测方法及系统 |
| CN111310721B (zh) * | 2020-03-12 | 2024-03-26 | 华设设计集团股份有限公司 | 非法网约车智能检测方法及系统 |
| CN111489556A (zh) * | 2020-05-20 | 2020-08-04 | 上海评驾科技有限公司 | 一种营运车辆挂靠行为的判断方法 |
| CN111489556B (zh) * | 2020-05-20 | 2022-06-21 | 上海评驾科技有限公司 | 一种营运车辆挂靠行为的判断方法 |
| CN112364072A (zh) * | 2020-10-27 | 2021-02-12 | 南威软件股份有限公司 | 一种涉车非营运车营运发现方法、装置、设备和介质 |
| CN112634623A (zh) * | 2020-11-06 | 2021-04-09 | 武汉长江通信智联技术有限公司 | 一种基于入境折返和境内徘徊的车辆防疫防控方法 |
| CN115082277A (zh) * | 2022-08-23 | 2022-09-20 | 交通运输部科学研究院 | 车辆管控区域行程识别方法、装置、电子设备及存储介质 |
| CN115082277B (zh) * | 2022-08-23 | 2022-11-11 | 交通运输部科学研究院 | 车辆管控区域行程识别方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109615853B (zh) | 2021-06-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109615853B (zh) | 识别高速公路疑似非法营运车辆的方法及设备 | |
| CN106971552B (zh) | 套牌现象检测方法和系统 | |
| CN106022296B (zh) | 一种基于车辆热点区域的概率聚合的套牌车检测方法 | |
| CN112447041B (zh) | 识别车辆的营运行为的方法、装置及计算设备 | |
| CN107645709B (zh) | 一种确定人员信息的方法及装置 | |
| CN107993444B (zh) | 基于卡口过车大数据分析的嫌疑车认定方法 | |
| CN105427602B (zh) | 一种车辆出行主题确定方法及装置 | |
| CN111369801B (zh) | 车辆识别方法、装置、设备和存储介质 | |
| CN107329977B (zh) | 一种基于概率分布的假牌车二次筛选方法 | |
| CN115082277B (zh) | 车辆管控区域行程识别方法、装置、电子设备及存储介质 | |
| CN104750800A (zh) | 一种基于出行时间特征的机动车聚类方法 | |
| CN106297304A (zh) | 一种基于MapReduce面向大规模卡口数据的套牌车识别方法 | |
| CN110598999B (zh) | 基于个体数据的交通出行分析方法、系统及存储介质 | |
| CN115841765B (zh) | 车辆位置盲区监控方法、装置、电子设备及可读存储介质 | |
| CN106571040B (zh) | 一种可疑车辆确认方法及设备 | |
| CN110766940A (zh) | 道路信号交叉口运行状况评估方法 | |
| CN115862331A (zh) | 考虑卡口网络拓扑结构的车辆出行轨迹重构方法 | |
| CN112989069B (zh) | 一种基于知识图谱与区块链的交通违章分析方法 | |
| CN111368868B (zh) | 确定车辆套牌的方法、装置及设备 | |
| CN111369790B (zh) | 过车记录校正方法、装置、设备及存储介质 | |
| CN116187550A (zh) | 交通违规风险预测方法、装置、电子设备及介质 | |
| CN113160565B (zh) | 一种套牌车辆的识别方法、装置、存储介质及终端 | |
| CN112633163A (zh) | 一种基于机器学习算法实现非法运营车辆检测的检测方法 | |
| CN106448178B (zh) | 一种套牌车分析方法及装置 | |
| CN113723316B (zh) | 一种车辆识别方法、装置、设备及存储介质 |
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 |