CN111145542A - 一种基于车辆行为的营运性质监测系统及方法 - Google Patents
一种基于车辆行为的营运性质监测系统及方法 Download PDFInfo
- Publication number
- CN111145542A CN111145542A CN201911338937.9A CN201911338937A CN111145542A CN 111145542 A CN111145542 A CN 111145542A CN 201911338937 A CN201911338937 A CN 201911338937A CN 111145542 A CN111145542 A CN 111145542A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- data
- library
- behavior
- time
- 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.)
- Pending
Links
Images
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明适用于营运车辆监测技术领域,提供了一种基于车辆行为的营运性质监测系统,所述系统包括:数据基础层,用于连接数据来源,获取基础交通数据;大数据计算层,用于将数据基础层采集到的交通数据进行处理,并向车辆行为特征库提供计算能力和数据服务;车辆行为特征库,用于针对处理过的交通大数据进行时空运行规律分析与特征画像提取,对运行规律的时空进行关联,按照行为数据类型生成个体行为库、画像库、指标库和训练模型库。本发明相应的提供一种监测方法。借此,本发明可以评判计算车辆具有非法营运行为的概率,实现疑似黑车甄别。
Description
技术领域
本发明涉及车辆营运监测技术领域,尤其涉及一种基于车辆行为的营运性质监测系统及方法。
背景技术
随着我国经济的快速发展,人民群众出行需求日益旺盛、日趋多样化,道路运输市场呈现出蓬勃发展态势。然而,运输市场的快速发展,给政府监管同样带来较大压力,出行需求与运力供给不匹配、经济利益驱使等原因致使黑车运营屡禁不止,不仅扰乱市场秩序,更对旅客的安全带来潜在危害,影响政府公信力。近几年,交通运输部和各级道路运输主管部门以建设“平安交通”为主要任务,以“全覆盖、零容忍、严执法、重实效”为总体要求,从专项整治到地方严打严抓来清除社会不安全因素的行为,但仅依靠人海战术、突击查处、群众举报等传统方式,难以对隐蔽、流动的黑车给予根本上的治理。因此,有必要帮助行业主管部门鉴别疑似黑车,缩小巡查范围,精准打击黑车,对提升运政稽查执法效力、维护社会长治久安具有重要意义。
目前,国内对于车辆运行规律特征的研究已有一定基础,但应用研究成果主要面向公安交管执法部门,在交通运输行业应用尚不成熟。对于交通运输行业,治理黑车的理论研究居多,以信息技术手段治理黑车的研究较少
综上可知,现有技术在实际使用上显然存在不便与缺陷,所以有必要加以改进。
发明内容
针对上述的缺陷,本发明的目的在于提供一种基于车辆行为的营运性质监测系统及方法,其可以评判计算车辆具有非法营运行为的概率,实现疑似黑车甄别。
为了实现上述目的,本发明提供一种基于车辆行为的营运性质监测系统,其特征在于,所述系统包括:
数据基础层,用于连接数据来源,获取基础交通数据;
大数据计算层,用于将数据基础层采集到的交通数据进行处理,并向车辆行为特征库提供计算能力和数据服务;
车辆行为特征库,用于针对处理过的交通大数据进行时空运行规律分析与特征画像提取,对运行规律的时空进行关联,按照行为数据类型生成个体行为库、画像库、指标库和训练模型库。
根据本发明的基于车辆行为的营运性质监测系统,所述数据基础层数据来源包括公安交管卡口数据、道路运输运政系统数据、停车场道闸数据及网约车数据。
根据本发明的基于车辆行为的营运性质监测系统,所述大数据计算层,用于将数据基础层采集到的不同来源、不同格式的交通大数据进行清洗、缓存重用及分布式存储。
根据本发明的基于车辆行为的营运性质监测系统,所述车辆行为特征库,用于提取并关联车辆行为的时间特征与空间特征,生成车辆时空运行特征画像。
根据本发明的基于车辆行为的营运性质监测系统,所述车辆行为特征库,用于构建车辆运行时间特征指标体系与空间特征指标体系。
根据本发明的基于车辆行为的营运性质监测系统,所述车辆行为特征库,用于根据车辆运行的时长、运行时长偏差、运行路径相似度及运行时段等特征,构建指标值划分标准。
根据本发明的基于车辆行为的营运性质监测系统,所述车辆行为特征库,基于模型训练库及机器学习模型,构建营运性质监测算法优化模型,并构建地方特征模型训练库。
根据本发明的基于车辆行为的营运性质监测系统,所述车辆行为特征库,用于构建车辆的非法营运行为可信度模型,评判计算车辆具有非法营运行为的概率。
本发明还相应的提供一种基于车辆行为的营运性质监测方法,所述方法包括:
步骤A,建立统一数据接口,接入营运性质监测算法所需数据,对相邻时间差小于一定时间阈值,以及车牌号码、卡口编号、车行方向信息完全一致数据进行去重处理,通过相邻两条卡口数据计算的区间车速超过一定车速阈值进行异常数据处理,并对车辆运行路径进行轨迹复原;
步骤B,基于车牌号码生成每辆车的卡口序列,根据前后卡口序列及通过时间识别车辆的单次出行,并提取车辆的个体出行信息;基于车辆个体出行信息,分析车辆的出行规律,结合号牌种类,聚类分析车辆运行特征,提取时间特征指标与空间特征指标;
步骤C,对车辆运行指标体系的指标体系构建进行指标值划分,划定划分区间、评价与赋值;
步骤D,计算并判断所及一致性比率,通过一致性检验,初始权重可接受,否则重新确定权重,并基于德尔菲法计算各指标权重;
步骤E,基于模糊评价函数,确定指标隶属度;
步骤F,基于前述计算结果,获取车辆非法营运性质可信度,判断车辆的非法营运行为可能性。
本发明适用于营运车辆监测技术领域,提供了一种基于车辆行为的营运性质监测系统,所述系统包括:数据基础层,用于连接数据来源,获取基础交通数据;大数据计算层,用于将数据基础层采集到的交通数据进行处理,并向车辆行为特征库提供计算能力和数据服务;车辆行为特征库,用于针对处理过的交通大数据进行时空运行规律分析与特征画像提取,对运行规律的时空进行关联,按照行为数据类型生成个体行为库、画像库、指标库和训练模型库。本发明相应的提供一种监测方法。借此,本发明可以评判计算车辆具有非法营运行为的概率,实现疑似黑车甄别。
附图说明
图1为本发明系统结构示意图;
图2为本发明系统处理流程示意图;
图3为本发明结构车辆行为特征库人工智能学习流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。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。
参见1~3,本发明提供了一种基于车辆行为的营运性质监测算法,包括:
数据基础层,数据来源为公安交管卡口数据、道路运输运政系统数据、停车场道闸数据、网约车数据等海源异构交通大数据;
大数据计算层,负责将数据基础层采集到的不同来源、不同格式的交通大数据进行清洗、缓存重用、分布式存储,并面向车辆行为特征库提供计算能力和数据服务;
车辆行为特征库,针对处理过的交通大数据进行时空运行规律分析与特征画像提取,对运行规律的时空进行关联,按照行为数据类型形成个体行为库、画像库、指标库和训练模型库。
其中,所述数据基础层由卡口数据、运政系统数据、停车场道闸数据和网约车数据组成,所述数据基础层的数据来源为公安交管卡口数据、道路运输运政系统数据、停车场道闸数据、网约车数据等海源异构交通大数据,所述大数据计算层的输入端与数据基础层进行连接,所述大数据计算层的输出端与车辆行为特征库进行连接,所述车辆行为特征库包含基于时间运行特征画像、空间运行特征画像、时空关联形成的个体行为库、画像库、指标库和训练模型库。
所述大数据计算层建立统一的数据接口,且对数据进行去重、去异常、轨迹复原等数据处理服务,从根本上提高数据质量和计算准确率。所述车辆行为特征库利用大数据特征提取与刻画技术,依托大数据计算层的计算力和存储力,提取车辆行为的时间特征与空间特征,关联时间特征与空间特征,形成车辆时空运行特征画像,提炼客观运行规律,为构建车辆运行特征指标体系提供支撑;所述车辆行为特征库通过聚类分析个体车辆运行特征,分别构建车辆运行时间特征指标体系与空间特征指标体系,清晰梳理并构建完善的车辆运行指标体系;所述车辆行为特征库,根据车辆运行的时长、运行时长偏差、运行路径相似度、运行时段等特征,划分指标、赋值与标定评价,构建指标值划分标准;所述车辆行为特征库优化随机一致性比率算法模型,使其适用于车辆运行特征规律一致性,提高算法模型实用性;所述车辆行为特征库,基于模型训练库及机器学习模型,构建营运性质监测算法优化模型,根据实例数据不断校验和优化算法,可根据各地特色特征形成地方特征模型训练库,提高计算模型准确率;所述车辆行为特征库,构建车辆的非法营运行为可信度,评判计算车辆具有非法营运行为的概率,实现疑似黑车甄别。
一种基于车辆行为的营运性质监测算法,其使用方法由以下几个步骤构成:
步骤A,建立统一数据接口,接入营运性质监测算法所需数据(如车辆通过卡口的通过时间、车辆通行状态、车牌号码、号牌种类、号牌颜色、车行方向、抓拍方向、道路运输资格、网约车数据等),对相邻时间差小于一定时间阈值,以及车牌号码、卡口编号、车行方向等信息完全一致数据进行去重处理。通过相邻两条卡口数据计算的区间车速超过一定车速阈值进行异常数据处理。对车辆运行路径进行轨迹复原;
步骤B,卡口数据自身具有很多数据项,且卡口的点与点之间无关联关系。因此,先进行卡口数据的时空关联,进一步提取车辆运行特征。鉴于车牌号码数据项的唯一性,以车牌号码为切入点。首先,基于车牌号码生成每辆车的卡口序列;其次,根据前后卡口序列及通过时间识别车辆的单次出行,并提取车辆的个体出行信息;再次,基于车辆个体出行信息,从个体层面分析车辆的出行规律;然后,结合号牌种类,聚类分析车辆运行特征,提取时间特征指标与空间特征指标;
步骤C,对车辆运行指标体系的指标体系构建进行指标值划分,划定划分区间、评价与赋值;
步骤D,计算并判断所及一致性比率,通过一致性检验,初始权重可接受,否则重新确定权重,并基于德尔菲法计算各指标权重;
步骤E,基于模糊评价函数,各指标评价的隶属度函数采用梯形分布函数,确定指标隶属度;
步骤F,基于前述计算结果,获取车辆非法营运性质可信度,判断车辆的非法营运行为可能性。
工作原理:在使用该基于车辆运行特征与人工智能技术的营运性质监测算法构建时,融合公安交管与交通运输行业大数据,构建具有客观规律提取、体系建立、检验、计算功能于一体,同时兼具人工智能技术的模型训练、算法优化等机器自学习能力的车辆行为特征库。为交通大数据融合与创新应用挖掘开辟一条新道路,为营运车辆违法行为甄别提供算法模型与智能决策基础。帮助行业主管部门鉴别疑似黑车,缩小巡查范围,精准打击黑车,对提升运政稽查执法效力、维护社会长治久安。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
综上所述,本发明适用于营运车辆监测技术领域,提供了一种基于车辆行为的营运性质监测系统,所述系统包括:数据基础层,用于连接数据来源,获取基础交通数据;大数据计算层,用于将数据基础层采集到的交通数据进行处理,并向车辆行为特征库提供计算能力和数据服务;车辆行为特征库,用于针对处理过的交通大数据进行时空运行规律分析与特征画像提取,对运行规律的时空进行关联,按照行为数据类型生成个体行为库、画像库、指标库和训练模型库。本发明相应的提供一种监测方法。借此,本发明可以评判计算车辆具有非法营运行为的概率,实现疑似黑车甄别。
当然,本发明还可有其它多种实施例,在不背离本发明精神及其实质的情况下,熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (9)
1.一种基于车辆行为的营运性质监测系统,其特征在于,所述系统包括:
数据基础层,用于连接数据来源,获取基础交通数据;
大数据计算层,用于将数据基础层采集到的交通数据进行处理,并向车辆行为特征库提供计算能力和数据服务;
车辆行为特征库,用于针对处理过的交通大数据进行时空运行规律分析与特征画像提取,对运行规律的时空进行关联,按照行为数据类型生成个体行为库、画像库、指标库和训练模型库。
2.根据权利要求1所述的基于车辆行为的营运性质监测系统,其特征在于,所述数据基础层数据来源包括公安交管卡口数据、道路运输运政系统数据、停车场道闸数据及网约车数据。
3.根据权利要求1所述的基于车辆行为的营运性质监测系统,其特征在于,所述大数据计算层,用于将数据基础层采集到的不同来源、不同格式的交通大数据进行清洗、缓存重用及分布式存储。
4.根据权利要求1所述的基于车辆行为的营运性质监测系统,其特征在于,
所述车辆行为特征库,用于提取并关联车辆行为的时间特征与空间特征,生成车辆时空运行特征画像。
5.根据权利要求1所述的基于车辆行为的营运性质监测系统,其特征在于,
所述车辆行为特征库,用于构建车辆运行时间特征指标体系与空间特征指标体系。
6.根据权利要求1所述的基于车辆行为的营运性质监测系统,其特征在于,
所述车辆行为特征库,用于根据车辆运行的时长、运行时长偏差、运行路径相似度及运行时段等特征,构建指标值划分标准。
7.根据权利要求1所述的基于车辆行为的营运性质监测系统,其特征在于,所述车辆行为特征库,基于模型训练库及机器学习模型,构建营运性质监测算法优化模型,并构建地方特征模型训练库。
8.根据权利要求1所述的基于车辆行为的营运性质监测系统,其特征在于,所述车辆行为特征库,用于构建车辆的非法营运行为可信度模型,评判计算车辆具有非法营运行为的概率。
9.一种基于车辆行为的营运性质监测方法,其特征在于,所述方法包括:
步骤A,建立统一数据接口,接入营运性质监测算法所需数据,对相邻时间差小于一定时间阈值,以及车牌号码、卡口编号、车行方向信息完全一致数据进行去重处理,通过相邻两条卡口数据计算的区间车速超过一定车速阈值进行异常数据处理,并对车辆运行路径进行轨迹复原;
步骤B,基于车牌号码生成每辆车的卡口序列,根据前后卡口序列及通过时间识别车辆的单次出行,并提取车辆的个体出行信息;基于车辆个体出行信息,分析车辆的出行规律,结合号牌种类,聚类分析车辆运行特征,提取时间特征指标与空间特征指标;
步骤C,对车辆运行指标体系的指标体系构建进行指标值划分,划定划分区间、评价与赋值;
步骤D,计算并判断所及一致性比率,通过一致性检验,初始权重可接受,否则重新确定权重,并基于德尔菲法计算各指标权重;
步骤E,基于模糊评价函数,确定指标隶属度;
步骤F,基于前述计算结果,获取车辆非法营运性质可信度,判断车辆的非法营运行为可能性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911338937.9A CN111145542A (zh) | 2019-12-23 | 2019-12-23 | 一种基于车辆行为的营运性质监测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911338937.9A CN111145542A (zh) | 2019-12-23 | 2019-12-23 | 一种基于车辆行为的营运性质监测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111145542A true CN111145542A (zh) | 2020-05-12 |
Family
ID=70519566
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911338937.9A Pending CN111145542A (zh) | 2019-12-23 | 2019-12-23 | 一种基于车辆行为的营运性质监测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111145542A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN114201530A (zh) * | 2021-12-02 | 2022-03-18 | 合肥学院 | 一种疑似非正常营运客车提前甄别及预防式监管方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101739615A (zh) * | 2009-11-30 | 2010-06-16 | 交通部公路科学研究院 | 出租车智能综合监管与服务系统 |
KR101355201B1 (ko) * | 2013-09-12 | 2014-01-29 | 주식회사 넥스파시스템 | 시-공간적 특징벡터 기반의 차량인식을 활용한 불법 주정차 단속 시스템 및 단속방법 |
CN104268599A (zh) * | 2014-09-29 | 2015-01-07 | 中国科学院软件研究所 | 一种基于车辆轨迹时空特征分析的黑车智能发现方法 |
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 |
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 |
CN105809193A (zh) * | 2016-03-07 | 2016-07-27 | 山东大学 | 一种基于kmeans算法的非法运营车辆的识别方法 |
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 |
CN108647743A (zh) * | 2018-06-25 | 2018-10-12 | 江苏智通交通科技有限公司 | 驾驶人安全画像系统 |
CN108960428A (zh) * | 2018-06-22 | 2018-12-07 | 北京易华录信息技术股份有限公司 | 一种基于人工智能技术的路网运行知识库构建方法 |
CN109145954A (zh) * | 2018-07-24 | 2019-01-04 | 同济大学 | 一种基于多源时空数据的网约车出行安全评价方法及系统 |
CN109345117A (zh) * | 2018-09-30 | 2019-02-15 | 北京工业大学 | 一种多维数据驱动的交通运输主体综合画像方法 |
CN109493608A (zh) * | 2018-12-06 | 2019-03-19 | 湖南科创信息技术股份有限公司 | 非法营运车辆的识别方法及系统和计算机可读的存储介质 |
-
2019
- 2019-12-23 CN CN201911338937.9A patent/CN111145542A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101739615A (zh) * | 2009-11-30 | 2010-06-16 | 交通部公路科学研究院 | 出租车智能综合监管与服务系统 |
KR101355201B1 (ko) * | 2013-09-12 | 2014-01-29 | 주식회사 넥스파시스템 | 시-공간적 특징벡터 기반의 차량인식을 활용한 불법 주정차 단속 시스템 및 단속방법 |
CN104268599A (zh) * | 2014-09-29 | 2015-01-07 | 中国科学院软件研究所 | 一种基于车辆轨迹时空特征分析的黑车智能发现方法 |
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 |
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 |
CN105809193A (zh) * | 2016-03-07 | 2016-07-27 | 山东大学 | 一种基于kmeans算法的非法运营车辆的识别方法 |
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 |
CN108960428A (zh) * | 2018-06-22 | 2018-12-07 | 北京易华录信息技术股份有限公司 | 一种基于人工智能技术的路网运行知识库构建方法 |
CN108647743A (zh) * | 2018-06-25 | 2018-10-12 | 江苏智通交通科技有限公司 | 驾驶人安全画像系统 |
CN109145954A (zh) * | 2018-07-24 | 2019-01-04 | 同济大学 | 一种基于多源时空数据的网约车出行安全评价方法及系统 |
CN109345117A (zh) * | 2018-09-30 | 2019-02-15 | 北京工业大学 | 一种多维数据驱动的交通运输主体综合画像方法 |
CN109493608A (zh) * | 2018-12-06 | 2019-03-19 | 湖南科创信息技术股份有限公司 | 非法营运车辆的识别方法及系统和计算机可读的存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN114201530A (zh) * | 2021-12-02 | 2022-03-18 | 合肥学院 | 一种疑似非正常营运客车提前甄别及预防式监管方法 |
CN114201530B (zh) * | 2021-12-02 | 2024-05-28 | 合肥学院 | 一种疑似非正常营运客车提前甄别及预防式监管方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kumar et al. | Trustworthy AI in the age of pervasive computing and big data | |
CN103366566B (zh) | 一种针对特定车辆潜在群体的行驶轨迹预测方法 | |
CN104200669B (zh) | 一种基于Hadoop的套牌车识别方法及系统 | |
Chen et al. | Real-time detection of anomalous taxi trajectories from GPS traces | |
Padmaja et al. | Unbalanced data classification using extreme outlier elimination and sampling techniques for fraud detection | |
CN106846801A (zh) | 一种基于车辆轨迹的区域徘徊异常行为检测方法 | |
CN106227863A (zh) | 在案件串并和嫌疑人排查中的数据挖掘方法 | |
CN106205143A (zh) | 智能卡口联网系统 | |
CN106448267B (zh) | 基于车联网的道路交通事故链阻断系统 | |
CN102568206B (zh) | 一种基于视频监控的违章停车检测方法 | |
CN105681298A (zh) | 公共信息平台中的数据安全异常监测方法及系统 | |
Mohler et al. | A penalized likelihood method for balancing accuracy and fairness in predictive policing | |
CN111145542A (zh) | 一种基于车辆行为的营运性质监测系统及方法 | |
CN106297304A (zh) | 一种基于MapReduce面向大规模卡口数据的套牌车识别方法 | |
CN107292517A (zh) | 基于大数据分析的民航安保信息服务系统 | |
CN109767618B (zh) | 一种公安交管业务异常数据综合研判方法及系统 | |
CN111404874A (zh) | 出租车嫌疑车辆甄别分析体系架构 | |
CN111899517B (zh) | 一种高速公路疲劳驾驶违法行为判定方法 | |
CN112150810A (zh) | 一种车辆行为管理方法、系统、设备及介质 | |
CN103905796B (zh) | 一种监控系统中隐私保护的方法及装置 | |
CN110910648B (zh) | 一种基于区块链的非法车辆纠察方法及系统 | |
Hameed et al. | Real-time road anomaly detection, using an on-board data logger | |
CN108021361A (zh) | 一种高速公路倒卡逃费车辆筛查方法及装置 | |
Harilakshmi et al. | Intelligent vehicle counter-a road to sustainable development and pollution prevention (P2) | |
CN111009120A (zh) | 一种车辆综合应用管理系统 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200512 |