CN109859488B - 一种克隆出租车检测方法及检测系统 - Google Patents

一种克隆出租车检测方法及检测系统 Download PDF

Info

Publication number
CN109859488B
CN109859488B CN201910085139.3A CN201910085139A CN109859488B CN 109859488 B CN109859488 B CN 109859488B CN 201910085139 A CN201910085139 A CN 201910085139A CN 109859488 B CN109859488 B CN 109859488B
Authority
CN
China
Prior art keywords
license plate
gps
plate number
data
taxi
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
CN201910085139.3A
Other languages
English (en)
Other versions
CN109859488A (zh
Inventor
岳宇
庞俊彪
赵翰毅
汪祖云
刘文平
于海涛
杨雪
胡安静
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.)
Beijing Traffic Information Center Law Enforcement Corps Sub-Center
BEIJING TRANSPORTATION INFORMATION CENTER
Beijing University of Technology
Original Assignee
Beijing Traffic Information Center Law Enforcement Corps Sub-Center
BEIJING TRANSPORTATION INFORMATION CENTER
Beijing University of Technology
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 Beijing Traffic Information Center Law Enforcement Corps Sub-Center, BEIJING TRANSPORTATION INFORMATION CENTER, Beijing University of Technology filed Critical Beijing Traffic Information Center Law Enforcement Corps Sub-Center
Priority to CN201910085139.3A priority Critical patent/CN109859488B/zh
Publication of CN109859488A publication Critical patent/CN109859488A/zh
Application granted granted Critical
Publication of CN109859488B publication Critical patent/CN109859488B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种克隆出租车检测方法及检测系统。其方法为:通过道路监控摄像头抓拍获得出租车车牌,将所述获得的出租车车牌号以及道路监控摄像头的位置以及抓拍时间传输到数据中心;以所述获得的车牌号为索引在数据中心数据库中检索挂有该车牌号的车辆的GPS数据以及相应的时间数据;计算该车牌号被抓拍的位置即道路监控摄像头的位置与数据中心记录的车辆车牌号的特定GPS数据之间的最短路径,并计算数据中心记录车辆车牌号的某时间间隔的GPS数据之间的最短路径,最后判断所得到的两最短路径之间的大小,判断该出租车是否被克隆。其系统为:车牌信息传输系统,车牌信息检索系统,车牌信息匹配系统以及匹配结果传输系统;本发明实施例具有可靠性、便捷性、高效性、实时性等特点,而且成本低、可移植性强。

Description

一种克隆出租车检测方法及检测系统
技术领域
本发明涉及一种利用大数据以及计算机技术与交通信息结合判断克隆出租车的检测方法及检测系统,属于智能交通领域。
背景技术
出租车作为现代都市随处可见的交通工具,与人们的生活密不可分。但是随着出租车队伍的日渐庞大,出租车行业的监管面临的难题接踵而至,成为扰乱公共交通安全的毒瘤。出租车行业存在很多违规现象但却得不到有力的监管,例如:议价行为、克隆行为、改表行为、他人代驾等。其中克隆行为主要是指:不法分子模仿出租车外观对普通车辆进行非法改装,使用仿照的车牌号上路运行。这些克隆车多存在安全隐患问题。
目前监管部门对克隆车的检测主要依靠经验积累的四条准则,如:1)望,主要是观察车牌外形,从形、色、字的角度对克隆车进行基本判断;2)摸,用手触摸车牌,看是否克隆;3)问,直接询问司机相关证件以及运营执照等;4)查,记录下车辆车牌号以及车辆外形后在车辆管理部门进行网上查询车辆的登记档案;目前这些方法主要依靠人力监管,但由于监管人员不足,监管人员的数量与监管面积不匹配导致监管力度不够,大量克隆车仍活跃在城市道路上。
现有的出租车克隆检测技术主要研究通过硬件检测克隆车辆,结构复杂、装配麻烦且精确度不能保障。例如:现有的一种出租车克隆行为检测装置分为多个部分,使用时需要人工将各个部分拼接起来,然后人工携带检查出租车是否被克隆,存在安装、拆卸问题,使用极不方便。
现有专利主要针对非运营车辆克隆车行为检测,由于非运营车辆不包含GPS数据信息所以当前方法不能高效地利用出租车GPS信息,解决克隆出租车问题。
因此,现有的克隆车检测的难点在于,很多克隆车经过非法改造后,与真出租车外观基本一致,在大量运营的出租车中,单纯凭借人工检查的方法不能直接准确地判断出该车辆是否是克隆车。
发明内容
本发明技术解决问题:克服现有技术的不足,提供一种克隆出租车检测方法及检测系统,具有可靠性、便捷性、高效性、实时性等特点,而且成本低、可移植性强。
本发明技术解决方案:
一种克隆出租车检测方法,通过道路监控摄像头抓拍获得出租车车牌号,将所述获得的出租车车牌号以及道路监控摄像头的位置、拍摄时间传输到数据中心;以所述获得的车牌号为索引在数据中心数据库中检索挂有该车牌号的车辆的GPS数据以及相应时间信息,形成该车牌号的GPS轨迹;计算该车牌号被抓拍的位置即道路监控摄像头的位置与数据中心记录的车辆车牌号的特定GPS数据之间的最短路径,并计算数据中心记录车辆车牌号的某时间间隔的GPS数据之间的最短路径,最后判断所得到的两最短路径的大小,判断该出租车是否被克隆。
所述通过道路监控摄像头抓拍获得出租车车牌号的实施例分为两种情况,在日间时段与夜间时段,其中在夜间摄像头抓拍车辆时使用前后补光灯照射车辆进行补光获得较清晰车牌号。
所述获得的出租车车牌号以及摄像头位置具体是指在出租车车辆经过摄像头处触发路底感应线圈后摄像头进行拍照得到车辆车牌号,将车辆车牌号与摄像头位置、拍摄时间传输到数据中心,所述摄像头位置是指摄像头的经纬度。
所述以获得的车牌号为索引在数据中心数据库中检索该车牌号的GPS数据以及相应时间信息具体是指由于每辆出租车与车牌号以及GPS定位器相互之间一一对应,所以同一时间不可能出现两个不同的GPS位置,故通过车牌号为索引的方法可以检索到唯一对应的出租车GPS数据以及时间信息。
所述监控摄像头的位置以及摄像头抓拍时间在此发明实施例中记为第一类数据,将所述监控摄像头获得的车牌号以及该车牌号在数据中心检索到的GPS数据以及GPS对应时间在此发明实施例中记为第二类数据。
将所述第一数据中监控摄像头位置记为(llat,llon),将摄像头抓拍时间记为t。
计算该车牌号被抓拍的位置(llat,llon)即道路监控摄像头的位置与数据中心记录的车辆车牌号的特定GPS数据之间的最短路径具体是指先将所述出租车GPS数据按照GPS数据获取时间先后顺序进行排序处理,并对数据进行处理,然后,取所获取的摄像头拍摄时间t与所述清洗完成的GPS数据的对应时间最接近的GPS数据,将此数据记为
Figure BDA0001961507810000021
将所获取的摄像头处的GPS点记为(llat,llon),通过Dijstra算法计算点
Figure BDA0001961507810000022
与(llat,llon)之间的最短路径,记为L。所述计算第二数据中GPS对应时间的某时间间隔的GPS数据之间的最短路径是指:假设车载GPS设备的采样周期为tgps(以北京市为例,北京市出租车行业标准要求GPS设备的采样周期为30秒),按照以第一数据中摄像头拍摄时间t为起点在第二数据中GPS数据对应时间向后倒推2tgps,即t-2tgps,将此GPS数据记为
Figure BDA0001961507810000031
计算点
Figure BDA0001961507810000032
与点
Figure BDA0001961507810000033
之间的最短路径,记为Lpre,由于GPS数据经过清洗,故有可能存在向后倒推2tgps后的时间点对应的GPS数据不存在,此时就将与t-2tgps最接近的时间点的GPS位置记为
Figure BDA0001961507810000034
计算点
Figure BDA0001961507810000035
与点
Figure BDA0001961507810000036
之间的最短路径,记为Lpre。所述最后判断所得到的两最短路径的大小,判断该出租车是否被克隆具体是指判断Lpre与L的大小,当Lpre≥L时,则车辆没有被克隆,当Lpre<L,则认为该车辆为克隆车。
如图2所示,本发明一种克隆出租车检测系统,包括:车牌信息传输系统,车牌信息检索系统,车牌信息匹配系统以及匹配结果传输系统。
所述车牌信息传输系统具体是指道路摄像头将拍摄到的车牌信息传输到数据中心,所述车牌信息检索系统具体是指以所述摄像头拍摄到的出租车车牌号信息为索引查找数据库中该车牌号的出租车产生的GPS轨迹信息,所述车牌信息匹配系统具体是指将所述检索到的GPS轨迹与摄像头拍摄到的位置信息进行对比,得到对比结果,所述匹配结果传输系统具体是指将所述匹配信息结果推荐到疑似克隆车数据库中,形成疑似车辆库供监管部门执法人员进行克隆车检测。
本发明与现有技术相比的优点在于:本发明利用所获取的信息进行相关计算,并进行判断,将判断结果推送至监管部门,监管部门根据系统提供的可疑克隆车出租车名单,有针对性的对该车牌号车辆进行监管,不仅提高了工作效率而且减轻了监管人员工作负担,保障了公众出行的安全。
附图说明
图1为出租车克隆行为检测方法原理图;
图2为出租车克隆行为检测系统图;
图3为车辆被抓拍数据流程图;
图4为车辆信息检索系统与数据信息匹配系统流程图;
图5为疑似克隆车运行轨迹与监控位置图;
图6为正常出租车运行轨迹与监控位置图。
具体实施方式
下面结合附图及实施例对本发明进行详细说明。
如图1所示,本发明技术实施步骤如下:
现当今,城市交通道路基本覆盖摄像头,且配备补光灯,通过补光灯在夜间进行补光可以准确获得车辆车牌号信息。如图3所示,当车辆经过摄像头处感应线圈后触发感应线圈摄像头即进行拍照,将所述获得的出租车车牌号以及监控摄像头的位置、拍摄时间传输到数据中心,将所述监控摄像头的位置记为(llat,llon),拍摄时间记为t,以所述获得的车牌号为索引在数据中心数据库中检索相关GPS数据以及相应时间信息,将获得的相关GPS数据进行清洗,具体原因为:当出租车经过立交桥或者高大建筑物、隧道时,GPS信号传输会受到影响导致缺失或者失真,具体操作为通过限定GPS范围在北京市内来保证GPS信号的准确性。经过数据预处理之后,所获每辆出租车的GPS信息不会出现大面积缺失,只会出现非常短时数据缺失。这是由于出租车行业管理要求出租车必须保证GPS设备的正常运行,不能随意关闭或人为破坏GPS设备,否则将对出租车承运人和出租车公司进行行政处罚。
其次,由于出租车与出租车牌以及GPS装置一一对应,同一时间一辆出租车不可能产生两个不同的GPS位置信息,故而,可以得知每辆出租车只能产生一条GPS轨迹。将所述清洗后的GPS数据按照对应时间信息按照从大到小的顺序进行排序产生出租车行驶轨迹,如图5所示,为克隆出租车的运行轨迹与监控位置示意图,由图上可以看出正常出租车运行轨迹与摄像头位置不匹配,而图6可以看出,正常车辆的GPS轨迹与摄像头位置是匹配的。
其次,通过取所获取的摄像头拍摄时间t与所述清洗完成的GPS数据的对应时间最接近的GPS数据,将此数据记为
Figure BDA0001961507810000041
将所获取的摄像头处的GPS点记为(llat,llon),通过Dijstra算法计算点
Figure BDA0001961507810000042
与(llat,llon)之间的最短路径,记为L。
其次,如图4所示,取与所获取的摄像头拍摄时间t最接近的所述清洗完成的GPS数据的对应时间点,将该时间点记为tGPS,按照tGPS向后取2tgps秒(以北京地区为例,GPS发射周期为30秒)得到一个时间点,记该时间点为t-2tgps,将此GPS数据记为
Figure BDA0001961507810000043
计算点
Figure BDA0001961507810000044
与点
Figure BDA0001961507810000045
之间的最短路径,记为Lpre,由于GPS数据经过清洗,故有可能存在向后倒推2tgps秒后的时间点对应的GPS数据不存在,此时就将与t-2tgps最接近的时间点的GPS位置记为
Figure BDA0001961507810000046
计算点
Figure BDA0001961507810000047
与点
Figure BDA0001961507810000048
之间的最短路径,记为Lpre。其中,所述取2tgps秒的原因是:一个GPS传输周期的车辆行驶距离意味着车辆行驶最大波动范围,在实际情况中,两车背向行驶时车辆最大波动范围可视为车辆在两个GPS传输周期内的行驶距离。
最后,判断所得到的两最短路径的大小,判断该出租车是否被克隆具体是指判断Lpre与L的大小,当Lpre≥L时,则车辆没有被克隆,当Lpre<L,则认为该车辆为克隆车。
将可疑克隆车辆存放在可疑车辆库中,执法人员根据可疑车辆库中的车牌号码进行执法检查,经过实际验证,本发明实施例的准确度为89%。
综上所述本发明实施例可以分为三个模块,如图2所示,包括车牌信息传输系统,车牌信息检索系统,车牌信息匹配系统以及匹配结果传输系统。
以上对具体实施方式描述,本领域相关技术人员可以清楚了解各实施方式可以借助软件实现,并将实现结果应用到某平台使用,如:手机应用APP、电脑软件。基于这样的理解,上述技术方案本质上可以说对现有技术做出贡献的部分可以用通过在手机以及电脑上搭载软件的形式展示出来。
综上所述,应该说明的是:以上实施例仅用以说明本发明的技术方案,而非对其进行限制;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转换;而这些修改或转换,并不使相应技术方案的本质脱离本发明各实施技术方案的精神和范围。

Claims (3)

1.一种克隆出租车检测方法,其特征在于:通过道路监控摄像头抓拍获得出租车车牌号,将所述获得的出租车车牌号以及道路监控摄像头的位置、拍摄时间传输到数据中心;以所述获得的车牌号为索引在数据中心数据库中检索挂有该车牌号的车辆的GPS数据以及相应时间信息,形成该车牌号的GPS轨迹;记录与该车牌号被抓拍的时间最接近的数据中心记录的以该车牌号为索引形成的时间,并计算该时间点的GPS位置与道路监控摄像头的GPS位置之间的最短路径,并计算数据中心记录车辆车牌号的某时间间隔的GPS数据之间的最短路径,最后判断所得到的两最短路径的大小,判断该出租车是否被克隆;所述监控摄像头的位置以及摄像头抓拍时间记为第一类数据,将所述监控摄像头获得的车牌号以及该车牌号在数据中心检索到的GPS数据以及GPS对应时间记为第二类数据;
所述以获得的车牌号为索引在数据中心数据库中检索该车牌号的GPS数据以及相应时间信息过程为:每辆出租车与车牌号以及GPS定位器相互之间一一对应,所以同一时间不可能出现两个不同的GPS位置,通过车牌号为索引的方法检索到唯一对应的出租车GPS数据以及时间信息;
计算该车牌号被抓拍的位置即道路监控摄像头的位置与数据中心记录的车辆车牌号的特定GPS数据之间的最短路径过程为:先将所述出租车GPS数据按照GPS数据获取时间先后顺序进行排序处理,并对数据进行清洗处理,然后,取所获取的摄像头拍摄时间t与所述清洗完成的GPS数据的对应时间最接近的GPS数据,将此数据记为
Figure FDA0002443301580000011
将所获取的摄像头处的GPS点记为(llat,llon),通过Dijstra算法计算点
Figure FDA0002443301580000012
与(llat,llon)之间的最短路径,记为L;
所述计算数据中心记录车辆车牌号的某时间间隔的GPS数据之间的最短路径过程是:假设车载GPS设备的采样周期为tgps,按照以第一类数据中摄像头拍摄时间t为起点在第二类数据中GPS数据对应时间向后倒推两个周期2tgps,即t-2tgps,当一个GPS设备采样周期结束,两辆车辆之间最大距离为背向行驶时的距离,由于车辆车速与当前道路车流速度相匹配,所以用其中两辆车车速与当前车流速度是相匹配的假设其中一辆车是固定不动的,此时通过计算一辆车在2倍GPS设备采样周期结束行驶的距离代替两辆车辆之间最大距离,在所获得的GPS轨迹取t-2tgps时间点的GPS数据,将此GPS数据记为
Figure FDA0002443301580000013
计算点
Figure FDA0002443301580000014
与点
Figure FDA0002443301580000015
之间的最短路径,记为Lpre,由于GPS数据经过清洗,故有可能存在向后倒推2tgps后的时间点对应的GPS数据不存在,此时就将与t-2tgps最接近的时间点的GPS位置记为
Figure FDA0002443301580000021
计算点
Figure FDA0002443301580000022
与点
Figure FDA0002443301580000023
之间的最短路径,记为Lpre
所述最后判断所得到的两最短路径的大小,判断该出租车是否被克隆具体过程为:判断数据中心记录车辆车牌号的某时间间隔的GPS数据之间的最短路径Lpre与道路监控摄像头的位置与数据中心记录的车辆车牌号的最短路径L的大小,当Lpre≥L时,则车辆没有被克隆,当Lpre<L,则认为该车辆为克隆车。
2.根据权利要求1所述的克隆出租车检测方法,其特征在于:所述通过道路监控摄像头抓拍获得出租车车牌号分为日间时段与夜间时段,其中在夜间时段,摄像头抓拍车辆时使用前后补光灯照射车辆进行补光获得较清晰车牌号。
3.根据权利要求1所述的克隆出租车检测方法,其特征在于:所述获得的出租车车牌号及摄像头位置过程为:在出租车车辆经过摄像头处触发路底感应线圈后摄像头进行拍照得到车辆车牌号,将车辆车牌号与摄像头位置、拍摄时间传输到数据中心,所述摄像头位置为摄像头的经纬度。
CN201910085139.3A 2019-01-29 2019-01-29 一种克隆出租车检测方法及检测系统 Active CN109859488B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910085139.3A CN109859488B (zh) 2019-01-29 2019-01-29 一种克隆出租车检测方法及检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910085139.3A CN109859488B (zh) 2019-01-29 2019-01-29 一种克隆出租车检测方法及检测系统

Publications (2)

Publication Number Publication Date
CN109859488A CN109859488A (zh) 2019-06-07
CN109859488B true CN109859488B (zh) 2020-07-10

Family

ID=66896532

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910085139.3A Active CN109859488B (zh) 2019-01-29 2019-01-29 一种克隆出租车检测方法及检测系统

Country Status (1)

Country Link
CN (1) CN109859488B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111445701A (zh) * 2019-11-02 2020-07-24 泰州市海陵区一马商务信息咨询有限公司 租车违章信息大数据登记系统及方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201207221Y (zh) * 2008-03-14 2009-03-11 康华武 一种道路车辆身份的自动稽查系统
CN101430827A (zh) * 2008-12-09 2009-05-13 大连海事大学 基于gps的出租车无线视频监控系统及方法
CN102567933A (zh) * 2011-12-06 2012-07-11 姚唐仁 非法出租车识别系统及方法
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
CN103116989A (zh) * 2013-01-29 2013-05-22 江苏省邮电规划设计院有限责任公司 基于智慧城市的套牌车车辆的捕获方法
CN103246876A (zh) * 2013-05-10 2013-08-14 苏州祥益网络科技有限公司 基于图像特征比对的车辆套牌识别方法
CN107305736A (zh) * 2016-04-22 2017-10-31 贵州众成信息产业有限公司 一种基于车牌规则和时空可达性的车牌识别智能查错方法和系统
CN107862072A (zh) * 2017-11-24 2018-03-30 泰华智慧产业集团股份有限公司 基于大数据技术分析车辆入城套牌作案的方法
CN207650995U (zh) * 2017-12-07 2018-07-24 中设设计集团股份有限公司 一种套牌出租车精准检测装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9495869B2 (en) * 2014-10-03 2016-11-15 International Business Machines Corporation Assistance to law enforcement through ambient vigilance

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201207221Y (zh) * 2008-03-14 2009-03-11 康华武 一种道路车辆身份的自动稽查系统
CN101430827A (zh) * 2008-12-09 2009-05-13 大连海事大学 基于gps的出租车无线视频监控系统及方法
CN102567933A (zh) * 2011-12-06 2012-07-11 姚唐仁 非法出租车识别系统及方法
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
CN103116989A (zh) * 2013-01-29 2013-05-22 江苏省邮电规划设计院有限责任公司 基于智慧城市的套牌车车辆的捕获方法
CN103246876A (zh) * 2013-05-10 2013-08-14 苏州祥益网络科技有限公司 基于图像特征比对的车辆套牌识别方法
CN107305736A (zh) * 2016-04-22 2017-10-31 贵州众成信息产业有限公司 一种基于车牌规则和时空可达性的车牌识别智能查错方法和系统
CN107862072A (zh) * 2017-11-24 2018-03-30 泰华智慧产业集团股份有限公司 基于大数据技术分析车辆入城套牌作案的方法
CN207650995U (zh) * 2017-12-07 2018-07-24 中设设计集团股份有限公司 一种套牌出租车精准检测装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于车窗区域定位的出租汽车驾驶员蓄须;汪祖云 等;《交通运输研究》;20180831;第4卷(第4期);第41-47页 *

Also Published As

Publication number Publication date
CN109859488A (zh) 2019-06-07

Similar Documents

Publication Publication Date Title
CN109285376B (zh) 一种基于深度学习的公交车客流统计分析系统
CN102521986B (zh) 一种套牌车辆自动检测系统的控制方法
Morishita et al. SakuraSensor: Quasi-realtime cherry-lined roads detection through participatory video sensing by cars
CN105828020A (zh) 一种基于车联网的事故还原控制方法及系统
US6909963B1 (en) Method and apparatus for adding commercial value to traffic control systems
CN103198657A (zh) 流动车载违章违法停车抓拍实现方法及系统
CN105448087A (zh) 一种高速公路车辆快速通关、不停车缴费、安全预警、大雾监测、指挥管理综合系统及方法
CN111243272A (zh) 一种非机动车辆交通行为监控方法及违行为检测系统
CN103593977B (zh) 私家车非法营运的检测方法
CN113129605B (zh) 一种基于电子警察数据的交叉口车道排队长度估计方法
CN110570264A (zh) 一种基于区块链的无人机数据取证系统及方法
CN111222375A (zh) 车辆行驶轨迹生成方法、系统及服务器
CN109523787A (zh) 一种基于车辆通行轨迹的疲劳驾驶分析方法
CN109634946A (zh) 一种基于大数据挖掘的轨迹智能匹配关联分析算法模型
CN101430827A (zh) 基于gps的出租车无线视频监控系统及方法
CN107590999A (zh) 一种基于卡口数据的交通状态判别方法
CN106846819A (zh) 一种基于小型飞行器的航拍罚单生成方法及实现系统
CN111404874A (zh) 出租车嫌疑车辆甄别分析体系架构
CN109615869A (zh) 分布式车载实时智能违章抓拍上报系统
CN109859488B (zh) 一种克隆出租车检测方法及检测系统
CN109308806B (zh) 一种交通工具的行驶检测方法及服务器
CN109325755A (zh) 基于汽车轮毂的电子计费系统
CN109671181A (zh) 一种行车记录仪、车险理赔方法及车险理赔服务系统
CN103794051A (zh) 基于停车信息的套牌车辆检测系统及相应的检测方法
CN111627242B (zh) 一种室内停车库中停车位的融合定位方法

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