CN109887300A - 一种识别套牌车辆的方法、装置、设备及存储介质 - Google Patents

Abstract

本申请提供一种识别套牌车辆的方法、装置、设备及存储介质，其中，所述方法包括：获取待识别车辆的历史路径点集；基于所述历史路径点集确定所述待识别车辆的限行时行驶情况参数；基于所述限行时行驶情况参数对所述待识别车辆进行识别。本申请可以避免由于乘客举报比例低或预先存储虚假的车牌图像及人脸图像导致漏过大量套牌车辆的问题，可以提高套牌车辆识别的准确性。

Description

一种识别套牌车辆的方法、装置、设备及存储介质

技术领域

本申请涉及智能交通技术领域，尤其涉及一种识别套牌车辆的方法、装 置、设备及存储介质。

背景技术

通常情况下，很多一线城市禁止外地牌照的车辆在限行时间段行驶于限 行路段。然而，很多外地牌照的车辆会套用本地车辆的牌照来行驶，这些车 辆即所谓的套牌车辆，扰乱了正常的交通秩序。

现有技术中可以通常采用以下两种方式来识别套牌车辆：第一种，基于 乘客反馈的方式；第二种，基于车牌图像和人脸图像识别的方式等。

然而，由于举报套牌车的乘客比例较低，第一种方案可能会漏过大量套 牌车辆；而第二种方案则对预先存储的虚假车牌图像和人脸图像的套牌车束 手无策。

发明内容

有鉴于此，本申请提供一种识别套牌车辆的方法、装置、设备及存储介质， 以解决现有的车辆识别技术方案存在的上述问题。

具体地，本申请是通过如下技术方案实现的：

根据本申请的第一方面，提出了一种识别套牌车辆的方法，包括：

获取待识别车辆的历史路径点集；

基于所述历史路径点集确定所述待识别车辆的限行时行驶情况参数；

基于所述限行时行驶情况参数对所述待识别车辆进行识别。

在一实施例中，所述基于所述历史路径点集确定所述待识别车辆的限行时 行驶情况参数，包括：

从所述历史路径点集中获取所述待识别车辆的限行时段路径点集；

基于所述限行时段路径点集确定限行时行驶情况参数。

在一实施例中，所述基于所述限行时段路径点集确定限行时行驶情况参数， 包括：

将所述限行时段路径点集中路径点的数量确定为限行时行驶情况参数。

在一实施例中，所述基于所述限行时段路径点集确定限行时行驶情况参数， 包括：

将所述限行时段路径点集中落入限行区域的路径点的比例确定为限行时行 驶情况参数。

在一实施例中，所述方法还包括：

获得预设限行路段的定位点集；

将所述定位点集中的各个定位点映射至基于空间点索引算法确定的多个二 维多边形集合中；

将所述多个二维多边形集合的交集对应的区域确定为限行区域。

在一实施例中，所述基于所述历史路径点集确定所述待识别车辆的限行时 行驶情况参数，包括：

从所述历史路径点集中获取所述待识别车辆的限行时段路径点集和非限行 时段路径点集；

将所述限行时段路径点集中路径点的数量与所述非限行时段路径点集中路 径点的数量之比确定为限行时行驶情况参数。

在一实施例中，所述方法还包括：

若所述限行时行驶情况参数小于或等于预设阈值，则将所述待识别车辆确 定为疑似套牌车辆。

根据本申请的第二方面，提出了一种识别套牌车辆的装置，包括：

历史点集获取模块，用于获取待识别车辆的历史路径点集；

情况参数确定模块，用于基于所述历史路径点集确定所述待识别车辆的限 行时行驶情况参数；

车辆识别模块，用于基于所述限行时行驶情况参数对所述待识别车辆进行 识别。

根据本申请的第三方面，提出了一种识别套牌车辆的设备，包括存储器、 处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理 器执行所述程序时实现上述任一所述的识别套牌车辆的方法。

根据本申请的第四方面，提出了一种计算机可读存储介质，所述存储介质 存储有计算机程序，所述计算机程序用于执行上述任一所述的识别套牌车辆的 方法。

由以上技术方案可见，本申请通过获取待识别车辆的历史路径点集，并基 于所述历史路径点集确定所述待识别车辆的限行时行驶情况参数，进而基于所 述限行时行驶情况参数对所述待识别车辆进行识别，由于是基于待识别车辆的 历史路径点集识别车辆是否为套牌车辆，无需依赖于乘客举报，也无需依赖 于车牌图像和人脸图像，因而可以避免由于乘客举报比例低或预先存储虚假 的车牌图像及人脸图像导致漏过大量套牌车辆的问题，可以提高套牌车辆识 别的准确性。

附图说明

图1是本申请第一示例性实施例示出的一种识别套牌车辆的方法的流程 图；

图2是本申请一示例性实施例示出的如何基于历史路径点集确定待识别 车辆的限行时行驶情况参数的流程图；

图3A是本申请又一示例性实施例示出的如何基于历史路径点集确定待识 别车辆的限行时行驶情况参数的流程图；

图3B是本申请一示例性实施例示出的将定位点集中的定位点映射至二维 的hex六边形集合中的示意图；

图4是本申请又一示例性实施例示出的如何基于历史路径点集确定待识 别车辆的限行时行驶情况参数的流程图；

图5是本申请一示例性实施例示出的一种识别套牌车辆的装置的结构图；

图6是本申请又一示例性实施例示出的一种识别套牌车辆的装置的结构 图；

图7是本申请一示例性实施例示出的一种识别套牌车辆的设备的结构图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描 述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。 以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方 式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一 致的装置和方法的例子。

在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本 申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该” 也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中 使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能 组合。

应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信 息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区 分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息， 类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如 果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

目前，很多一线城市对外地牌照的车辆进入本市的路段和时间进行了限 制，如设置了一些限行路段(如，高架路段等)，以及设置相应的限行时间 段，如每个工作日的上午7:00-9:30和下午16:30-18:30等。然而，很多外地 牌照的车辆会套用本地车辆的牌照来行驶，这些车辆即所谓的套牌车辆，扰 乱了正常的交通秩序。

现有技术中可以通常采用以下两种方式来识别套牌车辆：第一种，基于 乘客反馈的方式；第二种，基于车牌图像和人脸图像识别的方式等。

然而，由于举报套牌车的乘客比例较低，第一种方案可能会漏过大量套 牌车辆；而第二种方案则对预先存储的虚假车牌图像和人脸图像的套牌车束 手无策。

有鉴于此，本申请提供一种识别套牌车辆的方法、装置、设备及存储介质， 以解决现有的车辆识别技术方案存在的上述问题。

图1是本申请第一示例性实施例示出的一种识别套牌车辆的方法的流程图； 该实施例可以用于服务端(例如，一台服务器和多台服务器组成的服务器集群 等)，也可以用于终端设备(例如，台式电脑、笔记本电脑、平板电脑、手机 等)。

如图1所示，该方法包括步骤S101-S103：

在步骤S101中：获取待识别车辆的历史路径点集。

在一实施例中，上述待识别车辆可以包括预先在网约车平台注册的网约车 或乘客的自驾车辆等，本实施例对此不进行限定。

在一实施例中，上述历史路径点集可以为待识别车辆在历史时间段内的路 径点集。

在一实施例中，上述历史路径点集中可以包括多个路径点，每个路径点对 应于待识别车辆的一个位置。

在一实施例中，司机持有的终端设备上安装的客户端(即司机端APP) 可以按照预设周期上报待识别车辆的历史路径点集给服务端。

在一实施例中，当服务端获取上述历史路径点集后，还可以对该历史路 径点集进行相应处理(如去除异常的路径点等)，本实施例对此不进行限定。

在步骤S102中：基于所述历史路径点集确定所述待识别车辆的限行时行驶 情况参数。

在一实施例中，当服务端获取待识别车辆的历史路径点集后，可以基于该 历史路径点集确定所述待识别车辆的限行时行驶情况参数。

在一实施例中，上述限行时行驶情况参数可以包括以下两种参数中的任一 种：

第一种参数：用于表征待识别车辆在限行时间段内，行驶于限行路段与非 限行路段上的路径点的比值；

第二种参数：用于表征待识别车辆在，限行时间段内的路径点的数量与非 限行时间段内的路径点的数量的比值。

在一实施例中，上述限行时行驶情况参数的确定方式还可以参见下述图2或图4所示实施例，在此先不进行详述。

在步骤S103中：基于所述限行时行驶情况参数对所述待识别车辆进行识别。

在一实施例中，当确定所述待识别车辆的限行时行驶情况参数后，可以基 于所述限行时行驶情况参数对所述待识别车辆进行识别。

在一实施例中，当确定的限行时行驶情况参数小于或等于预设阈值时，可 以将所述待识别车辆确定为疑似套牌车辆。

值得说明的是，若待识别车辆的限行时行驶情况参数小于或等于预设阈值， 则可以反映该车辆有规避限行时段行驶或在限行时段规避限行区域的“嫌疑”， 因而可以将该待识别车辆确定为“疑似”套牌车辆。因此，当确定待识别车辆为 疑似套牌车辆后，还可以对该疑似套牌车辆进行人工复核，以确定该车辆是否 为“真实”套牌车辆。其中，人工复核的方式可以由开发人员根据业务需要从 现有技术中进行选取，本实施例对此不进行限定。

由上述描述可知，本实施例通过获取待识别车辆的历史路径点集，并基于 所述历史路径点集确定所述待识别车辆的限行时行驶情况参数，进而基于所述 限行时行驶情况参数对所述待识别车辆进行识别，由于是基于待识别车辆的历 史路径点集识别车辆是否为套牌车辆，无需依赖于乘客举报，也无需依赖于 车牌图像和人脸图像，因而可以避免由于乘客举报比例低或预先存储虚假的 车牌图像及人脸图像导致漏过大量套牌车辆的问题，可以提高套牌车辆识别 的准确性。

图2是本申请一示例性实施例示出的如何基于历史路径点集确定待识别 车辆的限行时行驶情况参数的流程图；本实施例在上述实施例的基础上以如何 基于历史路径点集确定待识别车辆的限行时行驶情况参数为例进行示例性说明。 如图2所示，上述步骤S102中所述基于所述历史路径点集确定所述待识别车辆 的限行时行驶情况参数，可以包括以下步骤S201-S202：

在步骤S201中，从所述历史路径点集中获取所述待识别车辆的限行时段路 径点集。

在一实施例中，司机端APP上报待识别车辆的历史路径点集给服务端的 同时，可以上报该历史路径点集中各个路径点的行驶时间。

在一实施例中，服务端可以将上述历史路径点集中每个路径点的行驶时 间与限行时段进行比对，若该行驶时间属于限行时段，则可以确定该路径点 为限行时段路径点。如此，即可根据历史路径点集中的全部限行时段路径点 生成限行时段路径点集。

在步骤S202中，基于所述限行时段路径点集确定限行时行驶情况参数。

在一实施例中，当从所述历史路径点集中获取所述待识别车辆的限行时段 路径点集后，可以基于所述限行时段路径点集确定限行时行驶情况参数。

在一实施例中，可以基于以下两种方式确定限行时行驶情况参数：

第一种方式：将所述限行时段路径点集中路径点的数量确定为限行时行驶 情况参数。

在一实施例中，当从所述历史路径点集中获取所述待识别车辆的限行时段 路径点集后，可以统计该限行时段路径点集中路径点的数量，进而将该路径点 的数量确定为限行时行驶情况参数。

在一实施例中，当限行时段路径点集中路径点的数量小于或等于预设阈值 时，表明待识别车辆有规避限行时段行驶的嫌疑，因而可以将所述待识别车 辆确定为疑似套牌车辆。

第二种方式：将所述限行时段路径点集中落入限行区域的路径点的比例确 定为限行时行驶情况参数。

在一实施例中，当确定上述限行时段路径点集后，可以计算该路径点集中 落入限行区域内的路径点的比例，进而将该比例确定为限行时行驶情况参数。

在一实施例中，当上述路径点集中落入限行区域内的路径点的比例小于或 等于预设阈值时，表明待识别车辆在限行时间段有规避限行区域的嫌疑，因 而可以将所述待识别车辆确定为疑似套牌车辆。

在一实施例中，上述限行区域的确定方式可以参见下述图3A所示实施例， 在此先不进行详述。

由上述描述可知，本实施例通过从所述历史路径点集中获取所述待识别车 辆的限行时段路径点集，并基于所述限行时段路径点集确定限行时行驶情况参 数，可以准确地确定待识别车辆的限行时行驶情况参数，进而可以实现后续基 于所述限行时行驶情况参数对所述待识别车辆进行识别，可以提高套牌车辆识 别的准确性。

图3A是本申请又一示例性实施例示出的如何基于历史路径点集确定待识 别车辆的限行时行驶情况参数的流程图；本实施例在上述实施例的基础上以如 何基于历史路径点集确定待识别车辆的限行时行驶情况参数为例进行示例性说 明。如图3A所示，上述步骤S102中所述基于所述历史路径点集确定所述待识 别车辆的限行时行驶情况参数，可以包括以下步骤S301-S305：

在步骤S301中，获得预设限行路段的定位点集。

在一实施例中，可以预先获取当前城市的预设限行路段的定位点集。

在一实施例中，上述定位点集中可以包括多个定位点(如，GPS定位点等)， 每个定位点对应于一个预设限行路段上述的位置。

在一实施例中，上述预设限行路段的获取方式可以参见现有技术中的解释 和说明，本实施例对此不进行限定。

在步骤S302中，将所述定位点集中的各个定位点映射至基于空间点索引算 法确定的多个二维多边形集合中。

在一实施例中，当获得预设限行路段的定位点集后，可以将所述定位点集 中的各个定位点映射至基于空间点索引算法确定的多个二维多边形集合中。

在一实施例中，上述基于空间点索引算法确定的多个二维多边形集合可以 由开发人员根据实际业务需要进行设置，如设置为二维的geohash四边形或者 hex六边形等，本实施例对此不进行限定。具体地，图3B为本申请一示例性实 施例示出的将定位点集中的定位点映射至二维的hex六边形集合中的示意图。

在步骤S303中，将所述多个二维多边形集合的交集对应的区域确定为限行 区域。

在一实施例中，在将所述定位点集中的各个定位点映射至基于空间点索引 算法确定的多个二维多边形集合中后，可以确定映射的多个二维多边形集合的 交集，进而将该交集对应的区域确定为限行区域。

在步骤S304中，从所述历史路径点集中获取所述待识别车辆的限行时段路 径点集。

在步骤S305中，将所述限行时段路径点集中落入限行区域的路径点的比例 确定为限行时行驶情况参数。

其中，步骤S304-S305的相关解释和说明可以参见上述实施例，在此不进 行赘述。

由上述描述可知，本实施例通过获得预设限行路段的定位点集，并将所述 定位点集中的各个定位点映射至基于空间点索引算法确定的多个二维多边形集 合中，进而将所述多个二维多边形集合的交集对应的区域确定为限行区域，进 而可以实现后续将所述限行时段路径点集中落入限行区域的路径点的比例确定 为限行时行驶情况参数。

值得说明的是，除了上述图3A所示实施例中所示的基于空间点索引算法确 定限行区域(即，限行路段的二维区域)的方式外，还可以采用地图匹配(Map Matching)算法确定限行区域。举例来说，可以将限行时段的定位点集映射到路 网中的link串集合X＝{link1,link2,…}。其中，link可以理解为一定长度的抽象 路段。例如，link_id＝666可以用于表示目标城市的环路辅路。在此基础上，可 以将待识别车辆的历史路径点通过地图逐一映射到对应的link上，若该link在 前述集合X中，则可以认为该历史轨迹点在限行路段中，进而可以统计出待识 别车辆的历史路径点集中能够映射到link串集合的历史路径点的数量。

图4是本申请又一示例性实施例示出的如何基于历史路径点集确定待识 别车辆的限行时行驶情况参数的流程图；本实施例在上述实施例的基础上以如 何基于历史路径点集确定待识别车辆的限行时行驶情况参数为例进行示例性说 明。如图4所示，上述步骤S102中所述基于所述历史路径点集确定所述待识别 车辆的限行时行驶情况参数，可以包括以下步骤S401-S402：

在步骤S401中，从所述历史路径点集中获取所述待识别车辆的限行时段路 径点集和非限行时段路径点集。

在一实施例中，当获取待识别车辆的历史路径点集后，可以从所述历史路 径点集中获取所述待识别车辆的限行时段路径点集和非限行时段路径点集。

在一实施例中，司机端APP上报待识别车辆的历史路径点集给服务端的 同时，可以上报该历史路径点集中各个路径点的行驶时间。

在一实施例中，服务端可以将上述历史路径点集中每个路径点的行驶时 间与限行时段或非限行时段进行比对，以确定该路径点是限行时段路径点还 是非限行时段路径点，进而确定待识别车辆的限行时段路径点集和非限行时段 路径点集。

举例来说，若某个路径点的行驶时间属于限行时段，则可以确定该路径 点为限行时段路径点，进而可以根据历史路径点集中的全部限行时段路径点 生成限行时段路径点集，并根据历史路径点集中的全部非限行时段路径点生 成非限行时段路径点集。

在步骤S402中，将所述限行时段路径点集中路径点的数量与所述非限行时 段路径点集中路径点的数量之比确定为限行时行驶情况参数。

在一实施例中，当从所述历史路径点集中获取所述待识别车辆的限行时段 路径点集和非限行时段路径点集后，可以确定所述限行时段路径点集中路径点 的第一数量和所述非限行时段路径点集中路径点的第二数量。进而，可以计算 第一数量与第二数量的比值，并将该比值确定为限行时行驶情况参数。

可以理解的是，若上述比值小于或等于预设阈值时，表明待识别车辆有规 避限行时段行驶的嫌疑，因而可以将所述待识别车辆确定为疑似套牌车辆。

由上述描述可知，本实施例通过从所述历史路径点集中获取所述待识别车 辆的限行时段路径点集和非限行时段路径点集，并将所述限行时段路径点集中 路径点的数量与所述非限行时段路径点集中路径点的数量之比确定为限行时行 驶情况参数，可以准确地确定待识别车辆的限行时行驶情况参数，进而可以实 现后续基于所述限行时行驶情况参数对所述待识别车辆进行识别，可以提高套 牌车辆识别的准确性。

图5是本申请一示例性实施例示出的一种识别套牌车辆的装置的结构图； 如图5所示，该装置包括：历史点集获取模块110、情况参数确定模块120以 及车辆识别模块130，其中：

历史点集获取模块110，用于获取待识别车辆的历史路径点集；

情况参数确定模块120，用于基于所述历史路径点集确定所述待识别车辆的 限行时行驶情况参数；

车辆识别模块130，用于基于所述限行时行驶情况参数对所述待识别车辆进 行识别。

由上述描述可知，本实施例通过获取待识别车辆的历史路径点集，并基于 所述历史路径点集确定所述待识别车辆的限行时行驶情况参数，进而基于所述 限行时行驶情况参数对所述待识别车辆进行识别，由于是基于待识别车辆的历 史路径点集识别车辆是否为套牌车辆，无需依赖于乘客举报，也无需依赖于 车牌图像和人脸图像，因而可以避免由于乘客举报比例低或预先存储虚假的 车牌图像及人脸图像导致漏过大量套牌车辆的问题，可以提高套牌车辆识别 的准确性。

图6是本申请又一示例性实施例示出的一种识别套牌车辆的装置的结构 图；其中，历史点集获取模块210、情况参数确定模块220以及车辆识别模块 230与前述图5所示实施例中的历史点集获取模块110、情况参数确定模块120 以及车辆识别模块130的功能相同，在此不进行赘述。

如图6所示，情况参数确定模块220，可以包括：

限行点集获取单元221，用于从所述历史路径点集中获取所述待识别车辆的 限行时段路径点集；

第一参数确定单元222，用于基于所述限行时段路径点集确定限行时行驶情 况参数。

在一实施例中，第一参数确定单元222还可以用于将所述限行时段路径点 集中路径点的数量确定为限行时行驶情况参数。

在另一实施例中，第一参数确定单元222还可以用于将所述限行时段路径 点集中落入限行区域的路径点的比例确定为限行时行驶情况参数。

在一实施例中，情况参数确定模块220还可以包括限行区域确定单元223；

限行区域确定单元223可以用于：

获得预设限行路段的定位点集；

将所述定位点集中的各个定位点映射至基于空间点索引算法确定的多个二 维多边形集合中；

将所述多个二维多边形集合的交集对应的区域确定为限行区域。

在另一实施例中，情况参数确定模块220，可以包括：

路径点集获取单元224，用于从所述历史路径点集中获取所述待识别车辆的 限行时段路径点集和非限行时段路径点集；

第二参数确定单元225，用于将所述限行时段路径点集中路径点的数量与所 述非限行时段路径点集中路径点的数量之比确定为限行时行驶情况参数。

在一实施例中，上述装置还可以包括：

嫌疑车辆确定模块240，用于当所述限行时行驶情况参数小于或等于预设阈 值时，将所述待识别车辆确定为疑似套牌车辆。

值得说明的是，上述所有可选技术方案，可以采用任意结合形成本公开 的可选实施例，在此不再一一赘述。

本发明的识别套牌车辆的装置的实施例可以应用在网络设备上。装置实 施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软 件实现为例，作为一个逻辑意义上的装置，是通过其所在设备的处理器将非 易失性存储器中对应的计算机程序指令读取到内存中运行形成的，其中计算 机程序用于执行上述图1～图5所示实施例提供的识别套牌车辆的方法。从硬 件层面而言，如图7所示，为本发明的识别套牌车辆的设备的硬件结构图， 除了图7所示的处理器、网络接口、内存以及非易失性存储器之外，所述设备通常还可以包括其他硬件，如负责处理报文的转发芯片等等；从硬件结构 上来讲该设备还可能是分布式的设备，可能包括多个接口卡，以便在硬件层 面进行报文处理的扩展。另一方面，本申请还提供了一种计算机可读存储介 质，存储介质存储有计算机程序，计算机程序用于执行上述图1～图5所示实 施例提供的识别套牌车辆的方法。

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申请方案的目的。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。

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 申请的其它实施方案。本申请旨在涵盖本申请的任何变型、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申请的一般性原理并包括本申 请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，本申请的真正范围和精神由下面的权利要求指出。

还需要说明的是，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、商品或者设备不仅包括那 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、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一 个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中 还存在另外的相同要素。

以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本 申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在 本申请保护的范围之内。

Claims (10)

1.一种识别套牌车辆的方法，其特征在于，包括：

获取待识别车辆的历史路径点集；

基于所述历史路径点集确定所述待识别车辆的限行时行驶情况参数；

基于所述限行时行驶情况参数对所述待识别车辆进行识别。

2.根据权利要求1所述的方法，其特征在于，所述基于所述历史路径点集确定所述待识别车辆的限行时行驶情况参数，包括：

从所述历史路径点集中获取所述待识别车辆的限行时段路径点集；

基于所述限行时段路径点集确定限行时行驶情况参数。

3.根据权利要求2所述的方法，其特征在于，所述基于所述限行时段路径点集确定限行时行驶情况参数，包括：

将所述限行时段路径点集中路径点的数量确定为限行时行驶情况参数。

4.根据权利要求2所述的方法，其特征在于，所述基于所述限行时段路径点集确定限行时行驶情况参数，包括：

将所述限行时段路径点集中落入限行区域的路径点的比例确定为限行时行驶情况参数。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

获得预设限行路段的定位点集；

将所述定位点集中的各个定位点映射至基于空间点索引算法确定的多个二维多边形集合中；

将所述多个二维多边形集合的交集对应的区域确定为限行区域。

6.根据权利要1所述的方法，其特征在于，所述基于所述历史路径点集确定所述待识别车辆的限行时行驶情况参数，包括：

从所述历史路径点集中获取所述待识别车辆的限行时段路径点集和非限行时段路径点集；

将所述限行时段路径点集中路径点的数量与所述非限行时段路径点集中路径点的数量之比确定为限行时行驶情况参数。

7.根据权利要求1-6任一项所述的方法，其特征在于，所述方法还包括：

若所述限行时行驶情况参数小于或等于预设阈值，则将所述待识别车辆确定为疑似套牌车辆。

8.一种识别套牌车辆的装置，其特征在于，包括：

历史点集获取模块，用于获取待识别车辆的历史路径点集；

情况参数确定模块，用于基于所述历史路径点集确定所述待识别车辆的限行时行驶情况参数；

车辆识别模块，用于基于所述限行时行驶情况参数对所述待识别车辆进行识别。

9.一种识别套牌车辆的设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现上述权利要求1-7任一所述的识别套牌车辆的方法。

10.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-7任一所述的识别套牌车辆的方法。