CN111159254A - 一种基于大数据处理的车辆与人员的关联方法 - Google Patents

Abstract

本发明提出了一种基于大数据处理的车辆与人员的关联方法。本发明获得车辆的行驶数据，在高速公路上铺设多个车辆数据采集节点用于采集车辆行驶数据，以构建车辆行驶轨迹；在车辆数据采集节点的旁边会安装通信采集设备，用于采集通信范围内的手机IMSI数据，以构建通信设备轨迹；车辆行驶轨迹与通信设备行驶轨迹关联匹配；对于重合的两种轨迹，利用公安内部的有关车辆、sim卡的实名制信息，完成人车合一分析。本发明能在非常短的时间内通过任意一个手机找到手机使用者。

Description

一种基于大数据处理的车辆与人员的关联方法

技术领域

本发明属于治安防控领域，具体涉及一种基于大数据处理的车辆与人员的关联方法。

背景技术

目前已有类似的轨迹相似度分析方法，通过分析车辆经过的卡口得出车辆的行驶轨迹，通过分析安装卡口的通信信号采集设备采集的通信设备(即司乘人员的手机)数据得出人的轨迹的轨迹。然后分析出车辆和人员的轨迹相似度。

还有一些方案采集的是IMEI(移动设备国际识别码，是手机的唯一识别号码)，还有一些方案采集的是手机设备的MAC地址。

对于轨迹相似度分析，没有考虑车辆卡口识别和通信信号采集的时间的关系。对于通过一系列相同卡口的车辆和人尽管轨迹相同，但如果时间差别很大，则不能判定为关联关系。只有满足一定阈值的时间差才能判定为关联。

对于只采集通信设备的方案只能分析车辆与通信设备的关联关系，而人是可以经常更换手机的，因此这种方式无法准确的分析人车的关联关系，它们最多做到的是车与手机终端设备的关联关系。

传统的技术侦查大多围绕案发时段投入大量人力物力排查线索，根据车辆轨迹排查手机或根据手机轨迹排查车辆，排查结果出来后还需要各种其他维度数据不断验证，耗时长、准确度低、投入人力物力成本高。

发明内容

针对现有技术存在的上述不足，本发明要解决的技术问题是如何对高速公路上车辆和司乘人员进行关联，具体方法是：

本发明实例采用基于大数据处理的方法，建立人车合一模型,通过将过车数据、司乘人员手机IMSI(国际移动用户识别码：是区别移动用户的标志，储存在SIM卡中，可用于区别移动用户的有效信息)进行多次交叉比对判定,结合公安内部数据，确定途经车辆上的人的真实身份信息，智能分析人员与车辆之间的关联。并且实现同车多人身份关系挖掘，全面分析车上人员的各类身份与关系特征。

通过计算指定车辆和司乘人员手机的IMSI的行驶轨迹，分析出与指定车辆具有相似轨迹的多个司乘人员手机的IMSI的通行记录，进而为治安卡口应用系统提供后台业务支撑。

本发明的技术方案为一种基于大数据处理的车辆与人员的关联方法，具体包括以下步骤：

步骤1：获得车辆的行驶数据,在高速公路上铺设多个车辆数据采集节点用于采集车辆行驶数据，以构建车辆行驶轨迹；

步骤2：在车辆数据采集节点的旁边会安装通信采集设备，用于采集通信范围内的手机IMSI数据，以构建通信设备轨迹；

步骤3，车辆行驶轨迹与通信设备行驶轨迹关联匹配；

步骤4：对于重合的两种轨迹，利用公安内部的有关车辆、sim卡的实名制信息，完成人车合一分析。

作为优选，步骤1中所述车辆数据采集节点为智能交通高清摄像头；

步骤1中所述车辆数据采集节点的数量为N；

步骤1中所述车辆行驶数据包含：车牌号码、车牌颜色、车辆经过采集设备的时间、车辆数据采集节点编号；

对于任意一辆车vehicle₀，车辆行驶数据为：

vData_i＝(vNo_i，vColor_i，time_i，position_i)

i＜N

其中，vData_i为该车在经过某个卡口下由车辆数据采集节点被采集到的车辆行驶数据，i为采集到的车辆行驶数据的顺序序号，vNo_i表示车牌号，vColor_i，表示车牌颜色，time_i表示车辆经过第i个车辆数据采集节点的时间点，position_i表示该车辆经过的第i个车辆数据采集节点的编号，N表示经过的第i个车辆数据采集节点的数量；

将该车辆经过所有车辆数据采集节点的数据按照顺序序号串起来，构成车辆行驶轨迹：

vTrackList＝{vData₁，vData₂，……，vData_n}

n＜N

vTrackList记录了该车经过的每个车辆数据采集节点的编号，以及经过的时间，显然这些车辆数据中车牌号vNo_i和车牌颜色vColor_i是完全相同的；

查找出来的车辆轨迹按照(vehicle₀，vTrackList)的方式进行记录；

作为优选，步骤2中所述手机IMSI数据为：

对于任意一部手机的imsi₀，其手机IMSI数据为：

imData_j＝(time_j，position_j)

j＜M

同样imData_j为手机经过的第j个通信采集设备时被采集到的手机IMSI数据，j为采集到的IMSI数据的顺序序号，time_j表示第j个通信采集设备采集到信号的时间，position_j表示该车辆经过的第j个通信采集设备的编号，M表示经过的通信采集设备的数量；

将imData_j按照经过的顺序序号串起来，就会得到手机在高速公路上的通信设备轨迹：

imTrackList＝{imData₁，imData₂，……，imData_m}

查找出来的IMSI轨迹按照按照(imsi₀，imTrackList)的方式进行记录；

作为优选，步骤3中所述车辆行驶轨迹与通信设备行驶轨迹关联匹配，具体为：

步骤3.1：找到车辆行驶轨迹：根据外部用户传入的车牌号码、车牌颜色、车辆经过采集设备的时间、车辆数据采集节点编号通过步骤1获得某辆车的行驶轨迹vTrackList；

步骤3.2：找到通信设备行驶轨迹：根据步骤3.1指定的条件，找到所有符合时间段要求通信设备行驶轨迹轨迹，记录为imTrackList[]，显然imTrackList[]为多条时间符合要求的轨迹。

步骤3.3：将车辆轨迹与通信设备行驶轨迹进行匹配：遍历imTrackList[]将每条imTrackList作为目标子串，将vTrackList作为匹配子串，通过动态规划算法逐条计算每条imTrackList和vTrackList的最长公共子串，如果这个最长公共子串的长度超过指定的阈值，则可以初步判断两者的轨迹是重合，反之继续计算子串直到遍历结束。

步骤3.4：结合每个采集节点的时间差，进行轨迹重合的判定：

在步骤3.3初步判定为轨迹重合后，需要逐个比较两条轨迹中每个采集点的时间差，只有采集时间的均差在指定的阈值内，才能真正判定为是轨迹重合；

设车辆经过某个采集点的时间为t_xi，也即t_xi＝vData_i.time，而手机经过相同点的时间为t_yi，因此有t_yi＝imData_i.time，取时间序列的均差为：

其中，p为最长公共子串的长度。

本发明优点在于：利用对通信设备和卡口两个维度的历史数据，实现手机IMSI和车牌号码的一一对应，最终形成人和车的对应关系，使得办案人员通过车牌能直接找到手机或者通过手机能直接找到车牌，这里车牌不限于真牌，假牌、套牌同样适用，同时能在非常短的时间内通过任意一个手机找到手机使用者的同伙。

附图说明

图1：本发明方法流程图；

图2：本发明实施场景示意图；

图3：最长公共子串的长度示意图。

具体实施方式

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，所描述的实施例仅仅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。

图1是本发明的方法流程图，图2是本发明的实施场景示意图。

下面结合图1至图3描述本发明的具体实施方式为一种基于大数据处理的车辆与人员的关联方法，具体为：

步骤1：获得车辆的行驶数据,在高速公路上铺设多个车辆数据采集节点用于采集车辆行驶数据，以构建车辆行驶轨迹；

步骤1中所述车辆数据采集节点为智能交通高清摄像头；

步骤1中所述车辆数据采集节点的数量为N；

步骤1中所述车辆行驶数据包含：车牌号码、车牌颜色、车辆经过采集设备的时间、车辆数据采集节点编号；

对于任意一辆车vehicle₀，车辆行驶数据为：

vData_i＝(vNo_i，vColor_i，time_i，position_i)

i＜N

其中，vData_i为该车在经过某个卡口下由车辆数据采集节点被采集到的车辆行驶数据，i为采集到的车辆行驶数据的顺序序号，vNo_i表示车牌号，vColor_i，表示车牌颜色，time_i表示车辆经过第i个车辆数据采集节点的时间点，position_i表示该车辆经过的第i个车辆数据采集节点的编号，N表示经过的第i个车辆数据采集节点的数量；

因此把该车辆经过所有车辆数据采集节点的数据按照顺序序号串起来，构成车辆行驶轨迹：

vTrackList＝{vData₁，vData₂，……，vData_n}

n＜N

vTrackList记录了该车经过的每个车辆数据采集节点的编号，以及经过的时间，显然这些车辆数据中车牌号vNo_i和车牌颜色vColor_i是完全相同的；

查找出来的车辆轨迹按照(vehicle₀，vTrackList)的方式进行记录；

步骤2：在车辆数据采集节点的旁边会安装通信采集设备，用于采集通信范围内的手机IMSI数据，以构建通信设备轨迹；

对于任意一部手机的imsi₀，其手机IMSI数据为：

imData_j＝(time_j，position_j)

j＜M

同样imData_j为手机经过的第j个通信采集设备时被采集到的手机IMSI数据，j为采集到的IMSI数据的顺序序号，time_j表示第j个通信采集设备采集到信号的时间，position_j表示该车辆经过的第j个通信采集设备的编号，M表示经过的通信采集设备的数量；

在实际工作中由于供电、安装因素，车辆数据采集节点与通信采集设备的安装位置会紧挨在一起，因此可以认为两者的位置是重合的；

如果把imData_j也按照经过的顺序序号串起来，就会得到手机在高速公路上的通信设备轨迹：

imTrackList＝{imData₁，imData₂，……，imData_m}

查找出来的IMSI轨迹按照按照(imsi₀，imTrackList)的方式进行记录；

步骤3，车辆行驶轨迹与通信设备行驶轨迹关联匹配。

步骤3.1：找到车辆行驶轨迹：根据外部用户传入的车牌号码、车牌颜色、车辆经过采集设备的时间、车辆数据采集节点编号通过步骤1获得某辆车的行驶轨迹vTrackList；

步骤3.2：找到通信设备行驶轨迹：根据步骤3.1指定的条件，找到所有符合时间段要求通信设备行驶轨迹轨迹，记录为imTrackList[]，显然imTrackList[]为多条时间符合要求的轨迹。

步骤3.3：将车辆轨迹与通信设备行驶轨迹进行匹配：遍历imTrackList[]将每条imTrackList作为目标子串，将vTrackList作为匹配子串，通过动态规划算法逐条计算每条imTrackList和vTrackList的最长公共子串，如果这个最长公共子串的长度超过指定的阈值，则可以初步判断两者的轨迹是重合，反之继续计算子串直到遍历结束。

步骤3.4：结合每个采集节点的时间差，进行轨迹重合的判定；

在步骤3.3初步判定为轨迹重合后，需要逐个比较两条轨迹中每个采集点的时间差，只有采集时间的均差在指定的阈值内，才能真正判定为是轨迹重合；

设车辆经过某个采集点的时间为t_xi，也即t_xi＝vData_i.time，而手机经过相同点的时间为t_yi，因此有t_yi＝imData_i.time，取时间序列的均差为：

其中，p为最长公共子串的长度。见图3。

步骤4：对于重合的两种轨迹，利用公安内部的有关车辆、sim卡的实名制信息，完成人车合一分析。

应当理解的是，本说明书未详细阐述的部分均属于现有技术。

应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。

Claims (8)

1.一种基于大数据处理的车辆与人员的关联方法，其特征在于，包括以下步骤：

步骤1：获得车辆的行驶数据，在高速公路上铺设多个车辆数据采集节点用于采集车辆行驶数据，以构建车辆行驶轨迹；

步骤2：在车辆数据采集节点的旁边会安装通信采集设备，用于采集通信范围内的手机IMSI数据，以构建通信设备轨迹；

步骤3，车辆行驶轨迹与通信设备行驶轨迹关联匹配；

步骤4：对于重合的两种轨迹，利用公安内部的有关车辆、sim卡的实名制信息，完成人车合一分析。

2.根据权利要求1所述的基于大数据处理的车辆与人员的关联方法，其特征在于：

步骤1中所述车辆数据采集节点为智能交通高清摄像头；

步骤1中所述车辆数据采集节点的数量为N；

步骤1中所述车辆行驶数据包含：车牌号码、车牌颜色、车辆经过采集设备的时间、车辆数据采集节点编号；

对于任意一辆车vehicle₀，车辆行驶数据为：

vData_i＝(vNo_i，vColor_i，time_i，position_i)

i＜N

其中，vData_i为该车在经过某个卡口下由车辆数据采集节点被采集到的车辆行驶数据，i为采集到的车辆行驶数据的顺序序号，vNo_i表示车牌号，vColor_i，表示车牌颜色，time_i表示车辆经过第i个车辆数据采集节点的时间点，position_i表示该车辆经过的第i个车辆数据采集节点的编号，N表示经过的第i个车辆数据采集节点的数量；

将该车辆经过所有车辆数据采集节点的数据按照顺序序号串起来，构成车辆行驶轨迹：

vTrackList＝{vData₁，vData₂，……，vData_n}

n＜N

vTrackList记录了该车经过的每个车辆数据采集节点的编号，以及经过的时间，显然这些车辆数据中车牌号vNo_i和车牌颜色vColor_i是完全相同的；

查找出来的车辆轨迹按照(vehicle₀，vTrackList)的方式进行记录。

3.根据权利要求1所述的基于大数据处理的车辆与人员的关联方法，其特征在于：

步骤2中所述手机IMSI数据为：

对于任意一部手机的imsi₀，其手机IMSI数据为：

imData_j＝(time_j，position_j)

j＜M

同样imData_j为手机经过的第j个通信采集设备时被采集到的手机IMSI数据，j为采集到的IMSI数据的顺序序号，time_j表示第j个通信采集设备采集到信号的时间，position_j表示该车辆经过的第j个通信采集设备的编号，M表示经过的通信采集设备的数量；

将imData_j按照经过的顺序序号串起来，就会得到手机在高速公路上的通信设备轨迹：

imTrackList＝{imData₁，imData₂，……，imData_m}

查找出来的IMSI轨迹按照按照(imsi₀，imTrackList)的方式进行记录。

4.根据权利要求1所述的基于大数据处理的车辆与人员的关联方法，其特征在于：

所述车辆行驶轨迹与通信设备行驶轨迹关联匹配包括：找到车辆行驶轨迹、找到通信设备行驶轨迹、将车辆轨迹与通信设备行驶轨迹进行匹配、结合每个采集节点的时间差，进行轨迹重合的判定。

5.根据权利要求4所述的基于大数据处理的车辆与人员的关联方法，其特征在于：

所述找到车辆行驶轨迹，具体为：根据外部用户传入的车牌号码、车牌颜色、车辆经过采集设备的时间、车辆数据采集节点编号通过步骤1获得某辆车的行驶轨迹vTrackList。

6.根据权利要求4所述的基于大数据处理的车辆与人员的关联方法，其特征在于：

所述找到通信设备行驶轨迹，具体为：

根据所述找到车辆行驶轨迹中指定的条件，找到所有符合时间段要求通信设备行驶轨迹轨迹，记录为imTrackList[]，显然imTrackList[]为多条时间符合要求的轨迹。

7.根据权利要求4所述的基于大数据处理的车辆与人员的关联方法，其特征在于：

所述将车辆轨迹与通信设备行驶轨迹进行匹配，具体为：

遍历imTrackList[]将每条imTrackList作为目标子串，将vTrackList作为匹配子串，通过动态规划算法逐条计算每条imTrackList和vTrackList的最长公共子串，如果这个最长公共子串的长度超过指定的阈值，则可以初步判断两者的轨迹是重合，反之继续计算子串直到遍历结束。

8.根据权利要求4所述的基于大数据处理的车辆与人员的关联方法，其特征在于：

所述结合每个采集节点的时间差，进行轨迹重合的判定，具体为：

通过所述将车辆轨迹与通信设备行驶轨迹进行匹配判定为轨迹重合后，需要逐个比较两条轨迹中每个采集点的时间差，只有采集时间的均差在指定的阈值内，才能真正判定为是轨迹重合；

设车辆经过某个采集点的时间为t_xi，也即t_xi＝vData_i.time，而手机经过相同点的时间为t_yi，因此有t_yi＝imData_i.time，取时间序列的均差为：

其中，p为最长公共子串的长度。

Images