CN111259054B - 一种隐匿车确定方法、装置及电子设备 - Google Patents
一种隐匿车确定方法、装置及电子设备 Download PDFInfo
- Publication number
- CN111259054B CN111259054B CN201811459649.4A CN201811459649A CN111259054B CN 111259054 B CN111259054 B CN 111259054B CN 201811459649 A CN201811459649 A CN 201811459649A CN 111259054 B CN111259054 B CN 111259054B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- passing
- date
- hidden
- candidate
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000000977 initiatory effect Effects 0.000 claims description 54
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000001186 cumulative effect Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- SAZUGELZHZOXHB-UHFFFAOYSA-N acecarbromal Chemical compound CCC(Br)(CC)C(=O)NC(=O)NC(C)=O SAZUGELZHZOXHB-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Time Recorders, Dirve Recorders, Access Control (AREA)
Abstract
本申请提供一种隐匿车确定方法、装置及电子设备,包括:确定待查询隐匿车的事发起始时刻、事发结束时刻以及车辆特征;所述隐匿车查询请求中携带有事发起始时刻、事发结束时刻以及待查询隐匿车的车辆特征;依据所述事发起始时刻、所述事发结束时刻以及所述车辆特征,确定至少一个疑似隐匿车;针对每一个疑似隐匿车,统计该疑似隐匿车在事发起始时刻前M天至该事发起始时刻之间的第一过车次数、以及统计该疑似隐匿车在事发结束时刻至事发结束时刻后N天之间的第二过车次数;所述第一过车次数大于等于第一预设值、且所述第二过车次数小于等于第二预设值,则确定该疑似隐匿车为隐匿车。使用本申请提供的方法可以实现隐匿车的确定。
Description
技术领域
本申请涉及视频监控领域,尤其涉及一种隐匿车确定方法、装置及电子设备。
背景技术
隐匿车是指目标事件发生时间段内与该目标事件相关联的车辆。隐匿车的确定对于相关人员处理目标事件具有十分重要的作用。
在现有的隐匿车确定技术中,相关人员需要调用各个卡口下的监控视频,来人为查找隐匿车,这种查找方式需要耗费大量的人力,而且查找效率极低,严重影响了目标事件的处理工作。
发明内容
有鉴于此,本申请提供一种隐匿车确定方法、装置及电子设备,可以确定隐匿车。
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,提供一种隐匿车确定方法,所述方法应用于电子设备,所述方法包括:
确定待查询隐匿车的事发起始时刻、事发结束时刻以及车辆特征;
依据所述事发起始时刻、所述事发结束时刻以及所述车辆特征,确定至少一个疑似隐匿车;
针对每一个疑似隐匿车,统计该疑似隐匿车在事发起始时刻前M天至该事发起始时刻之间的第一过车次数、以及统计该疑似隐匿车在事发结束时刻至事发结束时刻后N天之间的第二过车次数;所述M和N均为大于0的整数;
若所述第一过车次数大于等于第一预设值、且所述第二过车次数小于等于第二预设值,则确定该疑似隐匿车为隐匿车。
可选的,所述事发起始时刻由事发当天的日期和事发起始时间点构成;
所述依据所述事发起始时刻、所述事发结束时刻以及所述车辆特征,确定至少一个疑似隐匿车,包括:
确定所述事发当天的前M+1天至该事发当天之间的过车次数大于等于所述第一预设值、且该事发当天至该事发当天的后N天之间的过车次数小于等于所述第二预设值的第一候选疑似隐匿车的标识,组成第一候选疑似隐匿车集合;
确定在所述事发起始时刻到事发结束时刻之间出现的且具有所述车辆特征的第二候选疑似隐匿车的标识,组成第二候选疑似隐匿车集合;
若所述第一候选疑似隐匿车集合与所述第二候选疑似隐匿车集合存在交集,则将该交集中的候选疑似隐匿车确定为所述疑似隐匿车。
可选的,所述电子设备与HBase级联;
所述HBase储存有至少一个候选疑似隐匿车列表,每一个候选疑似隐匿车列表包括:该候选疑似隐匿车列表对应的目标日期、候选疑似隐匿车的标识;所述候选疑似隐匿车在该目标日期的前M+1天到该目标日期之间的过车次数大于等于所述第一预设值、且在该目标日期至该目标日期的后N天之间的过车次数小于等于所述第二预设值;
所述确定该事发当天的前M+1天至该事发当天之间的过车次数大于等于所述第一预设值、且该事发当天至该事发当天的后N天之间的过车次数小于等于所述第二预设值的第一候选疑似隐匿车的标识,包括:
向HBase发送携带有该事发当天日期的第一查询指令,以由HBase在至少一个候选疑似隐匿车列表中,查找包含该事发当天日期的候选疑似隐匿车列表并返回给所述电子设备;
接收所述HBase返回的候选疑似隐匿车列表,并将返回的候选疑似隐匿车列表里记录的候选疑似隐匿车的标识作为所述第一候选疑似隐匿车的标识。
可选的,所述电子设备与ES服务器级联;
所述ES服务器上储存有过车列表,所述过车列表包括:各车辆的标识,各车辆的过车时间戳、以及各车辆的车辆特征;
所述获取在所述事发起始时刻到事发结束时刻的时间段内出现的具有所述车辆特征的第二候选疑似隐匿车,包括:
向ES服务器发送携带有所述事发起始时刻、事发结束时刻以及车辆特征的第二查询指令,以由所述ES服务器在所述过车列表中,查找过车时间戳在所述事发起始时刻至事发结束时刻之间的、且车辆特征匹配所述第二查询指令里携带的车辆特征的第二候选疑似隐匿车标识,并返回给所述电子设备;
接收所述ES服务器返回的第二候选疑似隐匿车标识。
可选的,每一个候选疑似隐匿车列表还包括:与所述候选疑似隐匿车标识对应的D3;所述D3为该候选疑似隐匿车在所述目标日期的前M+1天到该目标日期的前一天的过车次数;
所述统计该疑似隐匿车在事发起始时刻前M天至该事发起始时刻之间的第一过车次数,包括:
在所述HBase返回的所述候选疑似隐匿车列表中,查找与该疑似隐匿车标识对应的D3;
若D3大于等于第一预设值,则确定所述第一过车次数为D3;
若D3小于第一预设值,则向ES服务器发送携带有事发起始时刻、所述疑似隐匿车标识的第三查询指令,以由ES服务器依据已储存的过车列表,统计所述疑似隐匿车在事发当天起始时刻至事发起始时刻之间的过车次数P1,并返回给所述电子设备;
接收所述ES服务器返回的过车次数P1,并确定所述第一过车次数为D3与P1之和。
可选的,每一个候选疑似隐匿车列表还包括:与所述候选疑似隐匿车标识对应的D2;所述D2为所述候选疑似隐匿车在所述目标日期到该目标日期的后N天的过车次数;
所述统计该疑似隐匿车在事发结束时刻至事发结束时刻后N天之间的第二过车次数,包括:
在所述HBase返回的所述候选疑似隐匿车列表中,查找与该疑似隐匿车标识对应的D2;
向ES服务器发送携带有事发结束时刻、所述疑似隐匿车标识的第四查询指令,以由ES服务器依据所述过车列表,统计所述疑似隐匿车标识在所述事发结束时刻至所述事发当天结束时刻之间的过车次数P2,并返回给所述电子设备;
接收所述ES服务器返回的过车次数P2,并确定所述第二过车次数为D2与P2之和。
可选的,所述电子设备与Spark平台级联;
所述每一个候选疑似隐匿车列表通过如下方式生成:
确定待生成的候选疑似隐匿车列表对应的第一日期;
向所述HBase发送携带有确定出的该第一日期、该第一日期的前一天日期、该第一日期前M+1天日期、以及该第一日期的后N天日期的统计指令,以由所述HBase依据本地已储存的过车数据库,确定每一个车辆截止到该第一日期的过车次数A1,截止到该第一日期的前一天日期的过车次数A2、截止到该第一日期的前M+1天日期的过车次数A3、以及截止到该第一日期的后N天的过车次数A4,并将各个车辆的A1、A2、A3和A4返回给所述电子设备;
接收所述HBase返回的各车辆对应的A1、A2、A3和A4;
将各车辆对应的A1、A2、A3和A4发送给Spark平台,以由Spark平台针对每一个车辆,计算该车辆A1与A3之差D1,该车辆A4与A1之差D2、以及该车辆A2与A3之差D3,并在确定该车辆对应的D1大于等于所述第一预设值、且该车辆对应的D2小于等于第二预设值时,将该车辆的车辆标识、该车辆对应的D1、D2和D3返回给所述电子设备;
基于所述Spark平台返回的车辆的车辆标识、该车辆对应的D1、D2和D3,以及所述第一日期,生成所述候选疑似隐匿车列表,并将所述候选疑似隐匿车列表发送给所述HBase进行储存。
可选的,所述确定待生成的候选疑似隐匿车列表对应的第一日期,包括:
读取预设日期变量所记录的第二日期;
将所述第二日期的后一天日期作为所述第一日期;
在生成所述候选疑似隐匿车列表后,所述方法包括:
将所述预设日期变量所记录的第二日期修改为所述第一日期。
根据本申请的第二方面,提供一种隐匿车确定装置,所述装置应用于电子设备,所述装置包括:
接收单元,用于确定待查询隐匿车的事发起始时刻、事发结束时刻以及车辆特征;
第一确定单元,用于依据所述事发起始时刻、所述事发结束时刻以及所述车辆特征,确定至少一个疑似隐匿车;
统计单元,用于针对每一个疑似隐匿车,统计该疑似隐匿车在事发起始时刻前M天至该事发起始时刻之间的第一过车次数、以及统计该疑似隐匿车在事发结束时刻至事发结束时刻后N天之间的第二过车次数;所述M和N均为大于0的整数;
第二确定单元,用于若所述第一过车次数大于等于第一预设值、且所述第二过车次数小于等于第二预设值,则确定该疑似隐匿车为隐匿车。
可选的,所述事发起始时刻由事发当天的日期和事发起始时间点构成;
所述第一确定单元,具体用于确定所述事发当天的前M+1天至该事发当天之间的过车次数大于等于所述第一预设值、且该事发当天至该事发当天的后N天之间的过车次数小于等于所述第二预设值的第一候选疑似隐匿车的标识,组成第一候选疑似隐匿车集合;确定在所述事发起始时刻到事发结束时刻之间出现的且具有所述车辆特征的第二候选疑似隐匿车的标识,组成第二候选疑似隐匿车集合;若所述第一候选疑似隐匿车集合与所述第二候选疑似隐匿车集合存在交集,则将该交集中的候选疑似隐匿车确定为所述疑似隐匿车。
可选的,所述电子设备与HBase级联;
所述HBase储存有至少一个候选疑似隐匿车列表,每一个候选疑似隐匿车列表包括:该候选疑似隐匿车列表对应的目标日期、候选疑似隐匿车的标识;所述候选疑似隐匿车在该目标日期的前M+1天到该目标日期之间的过车次数大于等于所述第一预设值、且在该目标日期至该目标日期的后N天之间的过车次数小于等于所述第二预设值;
所述第一确定单元,在确定该事发当天的前M+1天至该事发当天之间的过车次数大于等于所述第一预设值、且该事发当天至该事发当天的后N天之间的过车次数小于等于所述第二预设值的第一候选疑似隐匿车的标识时,进一步用于向HBase发送携带有该事发当天日期的第一查询指令,以由HBase在至少一个候选疑似隐匿车列表中,查找包含该事发当天日期的候选疑似隐匿车列表并返回给所述电子设备;接收所述HBase返回的候选疑似隐匿车列表,并将返回的候选疑似隐匿车列表里记录的候选疑似隐匿车的标识作为所述第一候选疑似隐匿车的标识。
可选的,所述电子设备与ES服务器级联;
所述ES服务器上储存有过车列表,所述过车列表包括:各车辆的标识,各车辆的过车时间戳、以及各车辆的车辆特征;
所述第一确定单元,在获取在所述事发起始时刻到事发结束时刻的时间段内出现的具有所述车辆特征的第二候选疑似隐匿车时,具体用于向ES服务器发送携带有所述事发起始时刻、事发结束时刻以及车辆特征的第二查询指令,以由所述ES服务器在所述过车列表中,查找过车时间戳在所述事发起始时刻至事发结束时刻之间的、且车辆特征匹配所述第二查询指令里携带的车辆特征的第二候选疑似隐匿车标识,并返回给所述电子设备;接收所述ES服务器返回的第二候选疑似隐匿车标识。
可选的,每一个候选疑似隐匿车列表还包括:与所述候选疑似隐匿车标识对应的D3;所述D3为该候选疑似隐匿车在所述目标日期的前M+1天到该目标日期的前一天的过车次数;
所述统计单元,在统计该疑似隐匿车在事发起始时刻前M天至该事发起始时刻之间的第一过车次数,具体用于在所述HBase返回的所述候选疑似隐匿车列表中,查找与该疑似隐匿车标识对应的D3;若D3大于等于第一预设值,则确定所述第一过车次数为D3;若D3小第一预设值,则向ES服务器发送携带有事发起始时刻、所述疑似隐匿车标识的第三查询指令,以由ES服务器依据已储存的过车列表,统计所述疑似隐匿车在事发当天起始时刻至事发起始时刻之间的过车次数P1,并返回给所述电子设备;接收所述ES服务器返回的过车次数P1,并确定所述第一过车次数为D3与P1之和。
可选的,每一个候选疑似隐匿车列表还包括:与所述候选疑似隐匿车标识对应的D2;所述D2为所述候选疑似隐匿车在所述目标日期到该目标日期的后N天的过车次数;
所述统计单元,在统计该疑似隐匿车在事发结束时刻至事发结束时刻后N天之间的第二过车次数,具体用于在所述HBase返回的所述候选疑似隐匿车列表中,查找与该疑似隐匿车标识对应的D2;向ES服务器发送携带有事发结束时刻、所述疑似隐匿车标识的第四查询指令,以由ES服务器依据所述过车列表,统计所述疑似隐匿车标识在所述事发结束时刻至所述事发当天结束时刻之间的过车次数P2,并返回给所述电子设备;接收所述ES服务器返回的过车次数P2,并确定所述第二过车次数为D2与P2之和。
可选的,所述电子设备与Spark平台级联;
所述装置还包括:
生成单元,用于确定待生成的候选疑似隐匿车列表对应的第一日期;向所述HBase发送携带有确定出的该第一日期、该第一日期的前一天日期、该第一日期前M+1天日期、以及该第一日期的后N天日期的统计指令,以由所述HBase依据本地已储存的过车数据库,确定每一个车辆截止到该第一日期的过车次数A1,截止到该第一日期的前一天日期的过车次数A2、截止到该第一日期的前M+1天日期的过车次数A3、以及截止到该第一日期的后N天的过车次数A4,并将各个车辆的A1、A2、A3和A4返回给所述电子设备;接收所述HBase返回的各车辆对应的A1、A2、A3和A4;将各车辆对应的A1、A2、A3和A4发送给Spark平台,以由Spark平台针对每一个车辆,计算该车辆A1与A3之差D1,该车辆A4与A1之差D2、以及该车辆A2与A3之差D3,并在确定该车辆对应的D1大于等于所述第一预设值、且该车辆对应的D2小于等于第二预设值时,将该车辆的车辆标识、该车辆对应的D1、D2和D3返回给所述电子设备;基于所述Spark平台返回的车辆的车辆标识、该车辆对应的D1、D2和D3,以及所述第一日期,生成所述候选疑似隐匿车列表,并将所述候选疑似隐匿车列表发送给所述HBase进行储存。
可选的,所述生成单元,在确定待生成的候选疑似隐匿车列表对应的第一日期时,具体用于读取预设日期变量所记录的第二日期;将所述第二日期的后一天日期作为所述第一日期;
所述装置还包括:
更新单元,具体用于在生成所述候选疑似隐匿车列表后,将所述预设日期变量所记录的第二日期修改为所述第一日期。
根据本申请的第三方面,提供一种电子设备,包括处理器和机器可读存储介质,所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令,所述处理器被所述机器可执行指令促使执行如第一方面所述方法。
根据本申请的第四方面,提供一种机器可读存储介质,所述机器可读存储介质存储有机器可执行指令,在被处理器调用和执行时,所述机器可执行指令促使所述处理器执行如第一方面所述方法。
由于不需要人工通过视频录像确定隐匿车,而是用户输入查询条件后,电子设备就可以自动执行上述步骤查询出隐匿车,使得隐匿车查询的效率更高,查询结果更为准确。
附图说明
图1是本申请一示例性实施例示出的一种确定隐匿车的组网架构示意图;
图2是本申请一示例性实施例示出的一种隐匿车确定方法的流程图;
图3是本申请一示例性实施例示出的一种隐匿车确定装置的框图;
图4是本申请一示例性实施例示出的一种电子设备的硬件结构图。
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”。
本申请旨在提出一种隐匿车确定方法,当电子设备接收到隐匿车查询请求后,可以根据隐匿车查询请求携带的查询条件确定出至少一个疑似隐匿车,然后针对每一个疑似隐匿车,若该疑似隐匿车在事发起始时刻前M天至事发起始时刻之间的第一过车次数大于等于第一预设值,且该疑似隐匿车在事发结束时刻至事发结束时刻的后N天之间的第二过车次数小于等于第二预设值时,确定该疑似隐匿车为隐匿车。
由于不需要人工通过视频录像确定隐匿车,而是用户输入查询条件后,电子设备就可以自动执行上述步骤查询出隐匿车,使得隐匿车查询的效率更高,查询结果更为准确。
参见图1,图1是本申请一示例性实施例示出的一种确定隐匿车的组网架构示意图。
如图1所示,该确定隐匿车的组网中包括隐匿车确定系统和用户终端。
其中,上述用户终端在接收到用户输入的查询条件(比如事发起始时刻、事发结束时刻、车辆特征等查询条件)后,可生成携带有该查询条件的隐匿车查询请求,并发送给隐匿车确定系统。
上述隐匿车确定系统,可包括:电子设备、HBase、Spark平台、ES服务器以及PGSQL。
上述电子设备,主要用于执行本申请提供的隐匿车确定方法。
上述HBase,是一种高可靠性、高性能、面向列、可伸缩的分布式存储系统。在本申请实施例中,该HBase储存有候选疑似隐匿车列表、过车数据库、过车统计表等。
上述Spark平台,是一种专为大规模数据处理而设计的快速通用的计算引擎,该Spark平台可以完成本申请一些过车次数的计算,也可完成候选疑似隐匿车的分析确定。详细可参见下文针对Spark平台的描述。
上述ES服务器,全称为ElasticSearch(弹性搜索),是一种基于Lucene(全文搜索引擎)的搜索服务器。该ES服务器上储存有过车列表。
上述PG SQL,全称为PostgreSQL,是一种功能强大的开源对象关系数据管理系统。
在本申请中,当电子设备在接收到该隐匿车查询请求时,电子设备可以与HBase、Spark平台、ES服务器和PG SQL交互,确定出隐匿车,并将确定出的隐匿车的相关信息返回给用户终端。
下面先对本申请隐匿车确定所用到的一些概念进行介绍。
1、过车数据库和过车统计表
过车数据库:
过车数据库储存在HBase中。
过程数据库包括多条过车记录。每条过车记录中包括行键、以及该过车记录对应的车辆的原始过车数据。
其中,行键是该过车数据库中的主键,唯一标识条过车记录。
过车原始数据可包括车辆号、车辆颜色、卡口标识、过车时间戳等数据。这里只是对过车原始数据进行示例性地说明,不进行具体地限定。
比如,过车数据库可如表1所示。
表1
以表1第二行为例:
表1第二行是一条过车记录,该过车记录的行键是170601。原始过车数据包括:车牌号(浙A12345)、车辆颜色(黑色)、过车时间戳(1504283538815)、卡口标识(卡口25)、车辆类型(大型车)等等。
通常,过车记录是以key(键)-value(键值)的形式进行存储的,比如表1中的“车牌号”是键,“浙A12345”是“车牌号”这个键对应的键值。
当然,表1只是对过车数据库的示例性说明,当然,根据实际应用该过车记录还可包括其他信息,比如车辆的长宽、车辆图片地址、车辆主、子品牌、车辆行驶方向、车辆的司机是否系安全带等等,这里不对过车记录包含的原始过车数据进行具体地限定。
HBase在接收到各卡口上报的车辆的过车日志后,可基于该过车日志生成过车记录,并添加至过车数据库中,以更新该过车数据库。
例如,每一个卡口在检测到有车辆从该卡口经过时,可以拍摄该车辆的车辆图像,然后对车辆图像进行处理(比如识别等处理),获得与该车辆相关的过车数据(比如车牌号、车辆颜色、过车时间戳等信息),并基于该过车数据生成过车日志并上报给HBase。HBase在接收到该过车日志后,可生成过车记录,并将该过车记录添加在过车数据库中。
过车统计表:
过车统计表储存在HBase中。
在本申请实施例中,HBase会在每天负载低的时间在上述过车数据库中统计各个车辆在前一天的过车次数和累计过车次数,生成过车统计表。
例如,生成的过车统计表如表2所示。
表2
以表2的第二行进行说明,“2-浙A12345”为车辆标识,日期“180903”表示2018年9月3日,第一个“5105”表示“2-浙A12345”在2018年9月3日的过车次数,第二“9206”表是“2-浙A12345”从2018年9月2日开始至2018年9月3日的累计过车次数。
当然,该过车统计表中还可根据实际情况,包括其他信息,这里不对该过车统计表进行具体地限定。
需要说明的是,本申请所述的过车次数是车辆在指定时间段内通过所有卡口的总次数。
2、过车列表
过车列表储存在ES服务器中
过车列表包括:多条过车表项。该过车列表中的每一条过车表项与上述过车数据库中的每一条过车记录对应。
以一条过车表项来说,该过车表项里包括:与该过车表项对应的过车记录的行键、与该过车表项对应的过车记录中的一些指定键与键值的对应关系、以及与该过车表项对应的过车记录中的一些非指定键、以及与该非指定键对应的键值的索引。
其中,行键是ES服务器和HBase的关联键。ES服务器可以根据行键,在HBase中查找该行键对应的一条完整的过程记录。
过车列表如表3所示。
表3
以表3中的第二行为例:
表3中的第二行为一条过车表项(为了方便叙述简称为过车表项170601),该过车表项与上述表1中的行键为170601的过车记录(为了方便叙述简称为过车记录170601)对应。
该过车表项170601包括:上述过车记录170601中的一些指定键和键值,比如包括指定键“车牌号”、键值为“浙A12345”,指定键“车辆颜色”、键值“黑色”,指定键“过车时间戳”、键值“1504283538815”。
过车表项170601中还包括:上述过车记录170601中的一些非指定键和索引。比如,包括非指定键“行驶方向”,索引为索引1。非指定键“车辆类型”、索引为索引2。
当然,这里只是对过车表项中指定键和非指定键所包括的内容进行示例性地说明,在实际应用中,该指定键还可包括卡口标识等等,非指定键还可包括车辆主、子品牌等等,这里不对指定键和非指定键进行具体地限定。
3、候选疑似隐匿车列表
1)候选疑似隐匿车列表包括的内容
HBase中储存有至少一个候选疑似隐匿车列表。
每一个候选疑似隐匿车列表包括:与该候选疑似隐匿车列表对应的日期(这里简称为目标日期)、候选疑似隐匿车标识、该候选疑似隐匿车标识对应的D1、D2和D3。
其中,该候选疑似隐匿车标识对应的D1是:该候选疑似隐匿车在该目标日期前M+1天到该目标日期之间过车次数;D2是该候选疑似隐匿车在该目标日期到该目标日期后N天之间的过车次数;D3是该候选疑似隐匿车在该目标日期前M+1天至该目标日期前一天的过车次数。
例如,候选疑似隐匿车列表可如表4所示。
日期和车辆标识 | D1,D2,D3 |
1535040000000-4-浙A11114 | 50,0,40 |
1535040000000-4-浙A11115 | 21,2,18 |
1535040000000-4-浙A11116 | 71,5,23 |
1535040000000-4-浙A11117 | 33,1,8 |
表4
以表4第一行为例进行说明,“1535040000000”为该候选疑似隐匿车列表对应的日期,在本申请中以车辆的车牌号和车辆颜色作为该车辆的车辆标识,表4第一行的“4”表示车辆颜色,“浙A1114”表示候选车车牌,“4-浙A1114”为后候选疑似隐匿车标识。
假设,“1535040000000”换算出的日期为2018.9.11,则D1为“4-浙A11114”在2018.9.11的前M+1天至2018.9.11之间的过车次数,D1为50。
D2为“4-浙A11114”2018.9.11至2018.9.11的后N天之间过车次数,D2为0。
D3为“4-浙A11114”在2018.9.11的前M+1天至2018.9.10(即2018.9.11前一天)的过车次数,D3为40。
当然,该候选疑似隐匿车列表还可根据实际情况包含其他内容,比如该候选疑似隐匿车列表的生成时间戳,M、N、第一预设值和第二预设值的取值等等,这里不对该候选疑似隐匿车列表进行具体地限定。
2)候选疑似隐匿车列表的生成过程。
电子设备周期性地执行步骤1至步骤11所述的方法,生成每一天日期对应的候选疑似隐匿车列表。
比如,电子设备可在每天负载较低的时段周期性执行步骤1至步骤11,生成每一天日期对应的候选疑似隐匿车列表。
步骤1:电子设备确定待生成的候选疑似隐匿车列表对应的第一日期。
上述PG SQL中配置有日期变量,该日期变量的取值为最近一次生成的候选疑似隐匿车列表对应的日期。
上述电子设备可以从该PG SQL获取该日期变量所记录的第二日期,以该第二日期的后一天日期作为第一日期。
比如,PG SQL的日期变量所记录的第二日期为2018.9.10。
电子设备可以获取第二日期(即2018.9.10),然后将第二日期的后一天(即将2018.9.11)作为该待生成的候选疑似隐匿车列表对应的第一日期。
步骤2:电子设备从该PG SQL获取第一预设值、第二预设值以及M和N的取值。
步骤3:电子设备向所述HBase发送携带有确定出的该第一日期、该第一日期的前一天日期、该第一日期前M+1天日期、以及该第一日期的后N天日期的统计指令。
例1:假设,M为5,N为3,待生成的候选疑似隐匿车列表对应的第一日期为2018.9.11
统计指令携带有该第一日期(即2018.9.11)、该第一日期的前一天日期(即2018.9.10)、该第一日期前M+1天日期(即2018.9.5)、以及该第一日期的后N天日期(即2018.9.14)。
步骤4:HBase在接收到该统计指令后,可依据本地已储存的过车数据库,确定每一个车辆截止到该第一日期的过车次数A1,截止到该第一日期的前一天日期的过车次数A2、截止到该第一日期的前M+1天日期的过车次数A3、以及截止到该第一日期的后N天的过车次数A4,并将各个车辆的A1、A2、A3和A4返回给所述电子设备。
方式一:
HBase在收到统计指令后,HBase可在过车数据库中,统计每一个车辆截止到该第一日期的过车次数A1,截止到该第一日期的前一天日期的过车次数A2、截止到该第一日期的前M+1天日期的过车次数A3、以及截止到该第一日期的后N天的过车次数A4。
仍以例1为例,针对每一个车辆,HBase在接收例1中的统计指令后,可在过车数据库中,统计该车辆在2018.9.11前的过车次数A1,在2018.9.10前的过车次数A2,在2018.9.5前的过车次数A3,在2018.9.14前的过车次数A4。
方式二:
针对每一个车辆,HBase可在上述过车统计表中,查找与该第一日期对应的累计过车次数,作为截止到该日期的过车次数A1;
HBase可在上述过车统计表中,查找与该第一日期的前一天日期对应的累计过车次数,作为截止到该日期的前一天日期的过车次数A2;
查找与该第一日期的前M+1天日期对应的累计过车次数,作为截止到该日期的前M+1天日期的过车次数A3;
查找与该第一日期的后N天的累计过车次数,作为截止到该日期的后N天的过车次数A4。
仍以例1为例,针对每一个车辆,HBase可在上述过车统计表中,查找2018.9.11对应累计过车次数A1,2018.9.10的累计过车次数A2,2018.9.5的累计过车次数A3和2018.9.14的累计过车次数A4。
然后,HBase可将各车辆对应的A1、A2、A3和A4发送给电子设备。
其中,A1、A2、A3和A4均为大于等于0的整数。
步骤5:电子设备接收HBase返回的各车辆对应的A1、A2、A3和A4。
步骤6:电子设备将该各车辆对应的A1、A2、A3和A4、以及第一预设值和第二预设值发送给Spark平台。
步骤7:Spark平台基于各车的A1、A2、A3和A4,计算各车的D1、D2和D3,并确定各车是否为候选疑似隐匿车。
在实现时,针对每一个车辆,Spark平台可计算该车辆对应的A1与A3之差,得到该车辆在该第一日期的前M+1天至该第一日期之间的过车次数D1。
Spark平台计算该车辆对应的A4与A1之差,得到该车辆在该第一日期至该第一日期后N天之间的过车次数D2。
Spark平台计算该车辆对应的A2与A3之差,得到该车辆在该第一日期前M+1天至该第一日前一天之间的过车次数D3。
然后,Spark平台可检测该车辆的D1是否大于等于第一预设值、以及检测该车辆的D2是否小于等于第二预设值。
步骤8:若该车辆的D1小于第一预设值、或者该车辆的D2大于第二预设值,则Spark平台确定该车辆不是候选疑似隐匿车。
步骤9:若该车辆的D1大于等于第一预设值,且该车辆的D2小于等于第二预设值,Spark平台将该车辆的车辆标识、D1、D2和D3返回给电子设备。
需要说明的是,由于Spark平台是基于内存的计算,并且计算过程是由RDD完成的,所以采用Spark平台对计算各个车辆的D1、D2和D3的计算速度更快,生成候选隐匿车列表的效率更高。
其中,D1、D2和D3均为大于等于零的整数。
步骤10:电子设备基于Spark平台返回的各候选疑似隐匿车的候选疑似隐匿车标识、各候选疑似隐匿车对应的D1、D2和D3、以及该第一日期,生成候选疑似隐匿车列表,并将该候选疑似隐匿车列表发送至HBase进行储存。
生成的疑似隐匿车列表可如表4所示。
步骤11:电子设备将该PG SQL中的日期变量所记录的第二日期更新为该第一日期。
例如,PG SQL的日期变量所记录的第二日期为2018.9.10,该待生成的候选疑似隐匿车列表对应的第一日期为2018.9.11,则将该PG SQL的日期变量所记录的日期更新为2018.9.11。
通过上述方法,HBase中储存了每一天日期对应的候选疑似隐匿车列表。
需要说明的是,候选疑似隐匿车列表里记录了与该候选疑似隐匿车列表对应的日期里具有嫌疑的车辆,即该日期前后一段时间过车次数骤降的车辆,是后续确定隐匿车的基础。
在介绍完上述概念之后,下面对本申请提供的隐匿车确定方法进行详细地说明。
参见图2,图2是本申请一示例性实施例示出的一种隐匿车确定方法的流程图,该隐匿车确定方法可应用在图1所示的电子设备上,可包括如下所示步骤。
步骤201:电子设备确定待查询隐匿车的事发起始时刻、事发结束时刻以及车辆特征。
在实现时,电子设备接收隐匿车查询请求;所述隐匿车查询请求中携带有事发起始时刻、事发结束时刻以及待查询隐匿车的车辆特征。
电子设备可获取该隐匿车查询请求里携带的事发起始时刻、事发结束时刻以及车辆特征,作为该待查询隐匿车的事发起始时刻、事发结束时刻以及车辆特征。
其中,该车辆特征是指车辆相关信息,比如可包括车辆颜色,车辆长宽等特征。
事发起始时刻:由事发当天日期和事发起始时间点构成。比如事发起始时刻为2018.9.11 20:00,则事发当天日期为2018.9.11,事发起始时间点为20:00。
事发结束时刻:由事发当天日期和事发结束时间点构成。比如事发结束时刻为2018.9.11 21:00,则事发当天日期为2018.9.11,事发结束时间点为21:00。
步骤202:电子设备依据所述事发起始时刻、所述事发结束时刻以及所述车辆特征,确定至少一个疑似隐匿车。
下面通过步骤2021至步骤2025对步骤202进行详细地描述。
步骤2021:电子设备可确定所述事发当天的前M+1天至该事发当天之间的过车次数大于等于所述第一预设值、且该事发当天至该事发当天的后N天之间的过车次数小于等于所述第二预设值的第一候选疑似隐匿车的标识,组成第一候选疑似隐匿车集合。
具体地,电子设备可以向HBase发送第一查询指令,该第一查询指令中携带了事发当天日期。
HBase在接收到第一查询指令后,可以在本地储存的多个候选疑似隐匿车列表中,查找包含该事发当天日期的候选疑似隐匿车列表,并将该查找到的候选疑似隐匿车列表返回给电子设备。
电子设备在接收到HBase返回的候选疑似隐匿车列表后,将该返回的候选疑似隐匿车列表中记录的候选疑似隐匿车标识作为第一候选疑似隐匿车标识,组成第一候选疑似隐匿车集合。
例如,假设事发当天日期为2018.9.11。
电子设备可向HBase发送第一查询指令,该第一查询指令里携带了2018.9.11。
HBase在接收到该第一查询指令后,可以在本地储存的多个候选疑似隐匿车列表中,查找包含2018.9.11的候选疑似隐匿车列表,查找出的候选疑似隐匿车列表如表4所示。
HBase可将表4发送给电子设备。
电子设备可以读取表4中记载的候选疑似隐匿车标识,组成第一候选疑似隐匿车集合。
在本例中,生成的第一候选疑似隐匿车集合为{4-浙A11114,4-浙A11115,4-浙A11116和4-浙A11117}。
步骤2022:确定在所述事发起始时刻到事发结束时刻的时间段内出现的具有所述车辆特征的第二候选疑似隐匿车的标识,组成第二候选疑似隐匿车集合。
在实现时,电子设备可向ES服务器发送第二查询指令,该第二查询指令中携带了事发起始时刻、事发结束时刻以及车辆特征。
ES服务器在接收到该第二查询指令后,可在上述过车列表中,查找过车时间戳在所述事发起始时刻至事发结束时刻的时间段内、且车辆特征匹配第二查询指令里携带的车辆特征的第二候选疑似隐匿车标识,并将查找到的第二候选疑似隐匿车标识返回给电子设备。
电子设备利用该ES服务器返回的第二候选疑似隐匿车标识,组成第二候选疑似隐匿车集合。
需要说明的是,相比于通过HBase中储存的过车数据库(过车数据库包含有所有键和键值)来查找第二候选疑似隐匿车,由于ES服务器只储存了过车时间戳、车辆特征等少量的指定键的键值、以及大量的表示其他过车信息的非指定键对应的键值的索引。并且ES服务器具有近实时的分析搜索功能,所以当ES接收到第二查询指令后,所以ES服务器可以快速搜索到与该第二查询指令匹配的第二候选疑似隐匿车,搜索效率更高。
步骤2023:电子设备可检测第一候选疑似隐匿车集合和第二候选疑似隐匿车集合是否存在交集。
步骤2024:若存在交集,电子设备可将交集中的候选疑似隐匿车确定为疑似隐匿车。
例如,假设第一候选疑似隐匿车集合为{浙A11114,浙A11115,浙A11116和浙A11117};
第二候选疑似隐匿车集合为{浙A11114,浙A11115,浙A11118和浙A12117};
则第一候选疑似隐匿车集合和第二候选疑似隐匿车集合的交集为{浙A1114、浙A1115},则浙A1114和浙A1115为疑似隐匿车。
步骤2025:若不存在交集,电子设备发送提示信息,以提示用户终端没有满足条件的隐匿车。
需要说明的是,在本申请中,一方面,电子设备通过已储存的候选疑似隐匿车列表,查找事发当天对应的候选疑似隐匿车列表,将该查找到的候选疑似隐匿车列表记录的候选疑似隐匿车标识组成第一候选疑似隐匿车集合,以此来确定出在事发当天的前后时间段内过车次数出现异常的车辆,将其确定为第一候选疑似隐匿车。
另一方面,电子设备在过车记录列表中,查找事发当天过车且车辆特征匹配用户输入的条件的第二候选疑似隐匿车标识组成第二候选疑似隐匿车,以此来确定事发当天过车且符合条件的第二候选疑似隐匿车。
电子设备通过将第一候选疑似隐匿车集合和第二候选疑似隐匿车集合交集中的候选疑似隐匿车定义为疑似隐匿车,既参考了事发当天的前后时间段内过车次数异常的车辆这一维度,还参考了事发当天出现过车且符合条件的车辆这一维度,由于确定疑似隐匿车参考的维度更多,所以采用本申请的方法确定疑似隐匿车更为准确。
步骤203:针对每一个疑似隐匿车,电子设备可统计该疑似隐匿车在事发起始时刻前M天至该事发起始时刻之间的第一过车次数、以及统计该疑似隐匿车在事发结束时刻至事发结束时刻后N天之间的第二过车次数;所述M和N均为大于0的整数。
1)电子设备统计疑似隐匿车在事发起始时刻前M天至该事发起始时刻之间的第一过车次数。
在实现时,电子设备可在上述HBase返回的候选疑似隐匿车列表中,以该疑似隐匿车标识为关键字,查找与该关键字对应的D3。其中D3表示该候选疑似隐匿车在事发当天的前M+1天至该事发当天的前一天的过车次数。
电子设备可检测D3是否大于等于第一预设值.
若D3大于等于第一预设值,则确定第一过车次数为D3。
若D3小于第一预设值,则电子设备向ES服务器发送第三查询指令。该第三查询指令中携带有事发起始时刻、疑似隐匿车标识。
ES服务器在接收到该第三查询指令后,在本地储存的过车列表中,统计该疑似隐匿车在事发当天起始时刻至事发起始时刻之间的过车次数P1,并返回给电子设备。
电子设备接收ES服务器返回的P1,并将第一过车次数确定为D3和P1之和。其中,P1为大于等于0的整数。
例如,假设返回的候选疑似隐匿车列表如表4所示,事发起始时刻为2018.9.1120:00,疑似隐匿车为“4-浙A1115”。
电子设备可在表4中,查找“4-浙A1115”对应的D3,即D3=18。
电子设备可检查查找到的D3是否大于等于第一预设值。
若D3大于或等于第一预设值,则电子设备确定第一过车次数为D3。
若D3小于第一预设值,电子设备可向ES服务器发送第三查询指令,该第三查询指令携带有疑似隐匿车标识“4-浙A1115”和事发起始时刻“2018.9.1120:00”。
ES服务器在接收该第三查询指令后,依据过车列表,统计“4-浙A1115”在事发当天的起始时刻(即2018.9.11 0:00)至事发起始时刻(即2018.9.11 20:00)之间过车次数P1,然后将P1返回给电子设备。电子设备可确定第一过车次数为D3与P1之和。
需要说明的是,由于电子设备是将事发起始时刻前M天至事发起始时刻之间的过车次数大于等于第一预设值,且事发结束时刻至该事发结束时刻的后N天过车次数小于等于第二预设值的疑似隐匿车确定为隐匿车,所以在统计疑似隐匿车在事发起始时刻前M天至事发起始时刻之间的过车次数时,若该疑似隐匿车在该事发起始时刻前M天至该事发起始时刻前一天的过车次数D3已经大于第一预设值,则无论疑似隐匿车在事发当天起始时刻至事发起始时刻之间的过车次数P1为多少,D3和P1之和一定会大于第一预设值,所以当D3大于等于第一预设值时,不需要再让ES服务器统计P1,可以大大提高统计的速率,进而提高后续隐匿车确定的速率。
2)统计该疑似隐匿车在事发结束时刻至事发结束时刻后N天之间的第二过车次数
在实现时,电子设备可在上述HBase返回的候选疑似隐匿车列表中,以该疑似隐匿车标识为关键字,查找与该关键字对应的D2。其中D2表示该候选疑似隐匿车在事发当天至该事发当天的后N天的过车次数。
电子设备可向ES服务器发送第四查询指令。该第四查询指令中携带有事发结束时刻、疑似隐匿车标识。
ES服务器在接收到该第四查询指令后,在本地储存的过车列表中,统计该疑似隐匿车在事发结束时刻至事发当天结束时刻之间的过车次数P2,并返回给电子设备。
电子设备接收ES服务器返回的P2,并将第二过车次数确定为D2和P2之和。其中,P2为大于等于0的整数。
例如,假设返回的候选疑似隐匿车列表如表4所示,事发结束时刻为2018.9.1120:30,疑似隐匿车为“4-浙A1115”。
电子设备可在表4中,查找“4-浙A1115”对应的D2,即D2=2。
电子设备可向ES服务器发送第四查询指令,该第三查询指令携带有疑似隐匿车标识“4-浙A1115”和事发结束时刻“2018.9.11 20:30”。
ES服务器在接收该第四查询指令后,依据过车列表,统计“4-浙A1115”在事发结束时刻(即2018.9.11 20:30)至事发当天结束时刻(即2018.9.11 24:00)之间过车次数P2,然后将P2返回给电子设备。电子设备可确定第一过车次数为D2与P2之和。
步骤204:若所述第一过车次数大于等于第一预设值、且所述第二过车次数小于等于第二预设值,电子设备则可确定该疑似隐匿车为隐匿车。
在实现时,针对每一个疑似隐匿车,电子设备可检测该疑似隐匿车的第一过车次数是否大于等于第一预设值、以及该疑似隐匿车的第二过车次数是否小于等于第二预设值。
若该疑似隐匿车的第一过车次数大于等于第一预设值,且第二过车次数小于等于第二预设值,电子设备可确定该疑似隐匿车为隐匿车,并将该隐匿车的相关信息(比如隐匿车车牌号、车辆图片、车辆经过的卡口等信息)返回给用户终端。
若该疑似隐匿车的第一过车次数小于第一预设值或者第二过车次数小于第二预设值,电子设备可确定该疑似隐匿车不是隐匿车。
由上述描述可知,当电子设备接收到隐匿车查询请求后,可以根据隐匿车查询请求携带的查询条件确定出至少一个疑似隐匿车,然后针对每一个疑似隐匿车,若该疑似隐匿车在事发起始时刻前M天至事发起始时刻之间的第一过车次数大于等于第一预设值,且该疑似隐匿车在事发结束时刻至事发结束时刻的后N天之间的第二过车次数小于等于第二预设值时,确定该疑似隐匿车为隐匿车。
一方面,由于不需要人工确定隐匿车,而是用户输入查询条件后,电子设备就可以自动执行上述步骤查询出隐匿车,使得隐匿车查询的效率更高,查询结果更为准确。
另一方面,电子设备在确定疑似隐匿车时,将事发当天的前后时间段内过车次数异常的车辆组成的第一候选疑似隐匿车集合,将事发当天出现过车且符合条件的车辆组成第二候选疑似隐匿车集合,并将第一候选疑似隐匿车集合和第二候选疑似隐匿车集合交集中的候选疑似隐匿车作为疑似隐匿车。由于在确定疑似隐匿车时,既参考了事发当天的前后时间段内过车次数异常的车辆这一维度,还参考了事发当天出现过车且符合条件的车辆这一维度,使得电子设备确定疑似隐匿车更为准确。
本申请还提供了与所述隐匿车确定方法对应的隐匿车确定装置。
参见图3,图3是本申请一示例性实施例示出的一种隐匿车确定装置的框图。该装置可应用在电子设备上,可包括如下所示单元。
接收单元301,用于确定待查询隐匿车的事发起始时刻、事发结束时刻以及车辆特征;
第一确定单元302,用于依据所述事发起始时刻、所述事发结束时刻以及所述车辆特征,确定至少一个疑似隐匿车;
统计单元303,用于针对每一个疑似隐匿车,统计该疑似隐匿车在事发起始时刻前M天至该事发起始时刻之间的第一过车次数、以及统计该疑似隐匿车在事发结束时刻至事发结束时刻后N天之间的第二过车次数;所述M和N均为大于0的整数;
第二确定单元304,用于若所述第一过车次数大于等于第一预设值、且所述第二过车次数小于等于第二预设值,则确定该疑似隐匿车为隐匿车。
可选的,所述事发起始时刻由事发当天的日期和事发起始时间点构成;
所述第一确定单元302,具体用于确定所述事发当天的前M+1天至该事发当天之间的过车次数大于等于所述第一预设值、且该事发当天至该事发当天的后N天之间的过车次数小于等于所述第二预设值的第一候选疑似隐匿车的标识,组成第一候选疑似隐匿车集合;确定在所述事发起始时刻到事发结束时刻之间出现的且具有所述车辆特征的第二候选疑似隐匿车的标识,组成第二候选疑似隐匿车集合;若所述第一候选疑似隐匿车集合与所述第二候选疑似隐匿车集合存在交集,则将该交集中的候选疑似隐匿车确定为所述疑似隐匿车。
可选的,所述电子设备与HBase级联;
所述HBase储存有至少一个候选疑似隐匿车列表,每一个候选疑似隐匿车列表包括:该候选疑似隐匿车列表对应的目标日期、候选疑似隐匿车的标识;所述候选疑似隐匿车在该目标日期的前M+1天到该目标日期之间的过车次数大于等于所述第一预设值、且在该目标日期至该目标日期的后N天之间的过车次数小于等于所述第二预设值;
所述第一确定单元302,在确定该事发当天的前M+1天至该事发当天之间的过车次数大于等于所述第一预设值、且该事发当天至该事发当天的后N天之间的过车次数小于等于所述第二预设值的第一候选疑似隐匿车的标识时,进一步用于向HBase发送携带有该事发当天日期的第一查询指令,以由HBase在至少一个候选疑似隐匿车列表中,查找包含该事发当天日期的候选疑似隐匿车列表并返回给所述电子设备;接收所述HBase返回的候选疑似隐匿车列表,并将返回的候选疑似隐匿车列表里记录的候选疑似隐匿车的标识作为所述第一候选疑似隐匿车的标识。
可选的,所述电子设备与ES服务器级联;
所述ES服务器上储存有过车列表,所述过车列表包括:各车辆的标识,各车辆的过车时间戳、以及各车辆的车辆特征;
所述第一确定单元302,在获取在所述事发起始时刻到事发结束时刻的时间段内出现的具有所述车辆特征的第二候选疑似隐匿车时,具体用于向ES服务器发送携带有所述事发起始时刻、事发结束时刻以及车辆特征的第二查询指令,以由所述ES服务器在所述过车列表中,查找过车时间戳在所述事发起始时刻至事发结束时刻之间的、且车辆特征匹配所述第二查询指令里携带的车辆特征的第二候选疑似隐匿车标识,并返回给所述电子设备;接收所述ES服务器返回的第二候选疑似隐匿车标识。
可选的,每一个候选疑似隐匿车列表还包括:与所述候选疑似隐匿车标识对应的D3;所述D3为该候选疑似隐匿车在所述目标日期的前M+1天到该目标日期的前一天的过车次数;
所述统计单元303,在统计该疑似隐匿车在事发起始时刻前M天至该事发起始时刻之间的第一过车次数,具体用于在所述HBase返回的所述候选疑似隐匿车列表中,查找与该疑似隐匿车标识对应的D3;若D3大于等于第一预设值,则确定所述第一过车次数为D3;若D3小第一预设值,则向ES服务器发送携带有事发起始时刻、所述疑似隐匿车标识的第三查询指令,以由ES服务器依据已储存的过车列表,统计所述疑似隐匿车在事发当天起始时刻至事发起始时刻之间的过车次数P1,并返回给所述电子设备;接收所述ES服务器返回的过车次数P1,并确定所述第一过车次数为D3与P1之和。
可选的,每一个候选疑似隐匿车列表还包括:与所述候选疑似隐匿车标识对应的D2;所述D2为所述候选疑似隐匿车在所述目标日期到该目标日期的后N天的过车次数;
所述统计单元303,在统计该疑似隐匿车在事发结束时刻至事发结束时刻后N天之间的第二过车次数,具体用于在所述HBase返回的所述候选疑似隐匿车列表中,查找与该疑似隐匿车标识对应的D2;向ES服务器发送携带有事发结束时刻、所述疑似隐匿车标识的第四查询指令,以由ES服务器依据所述过车列表,统计所述疑似隐匿车标识在所述事发结束时刻至所述事发当天结束时刻之间的过车次数P2,并返回给所述电子设备;接收所述ES服务器返回的过车次数P2,并确定所述第二过车次数为D2与P2之和。
可选的,所述电子设备与Spark平台级联;
所述装置还包括:
生成单元304(图3中未示出),用于确定待生成的候选疑似隐匿车列表对应的第一日期;向所述HBase发送携带有确定出的该第一日期、该第一日期的前一天日期、该第一日期前M+1天日期、以及该第一日期的后N天日期的统计指令,以由所述HBase依据本地已储存的过车数据库,确定每一个车辆截止到该第一日期的过车次数A1,截止到该第一日期的前一天日期的过车次数A2、截止到该第一日期的前M+1天日期的过车次数A3、以及截止到该第一日期的后N天的过车次数A4,并将各个车辆的A1、A2、A3和A4返回给所述电子设备;接收所述HBase返回的各车辆对应的A1、A2、A3和A4;将各车辆对应的A1、A2、A3和A4发送给Spark平台,以由Spark平台针对每一个车辆,计算该车辆A1与A3之差D1,该车辆A4与A1之差D2、以及该车辆A2与A3之差D3,并在确定该车辆对应的D1大于等于所述第一预设值、且该车辆对应的D2小于等于第二预设值时,将该车辆的车辆标识、该车辆对应的D1、D2和D3返回给所述电子设备;基于所述Spark平台返回的车辆的车辆标识、该车辆对应的D1、D2和D3,以及所述第一日期,生成所述候选疑似隐匿车列表,并将所述候选疑似隐匿车列表发送给所述HBase进行储存。
可选的,所述生成单元,在确定待生成的候选疑似隐匿车列表对应的第一日期时,具体用于读取预设日期变量所记录的第二日期;将所述第二日期的后一天日期作为所述第一日期;
所述装置还包括:
更新单元305(图3中未示出),具体用于在生成所述候选疑似隐匿车列表后,将所述预设日期变量所记录的第二日期修改为所述第一日期。
本申请还提供了对应于图3所示装置的电子设备的硬件结构图。
参见图4,图4是本申请一示例性实施例示出的一种电子设备的硬件结构图。
该电子设备包括:通信接口401、处理器402、机器可读存储介质403和总线404;其中,通信接口401、处理器402和机器可读存储介质403通过总线404完成相互间的通信。处理器402通过读取并执行机器可读存储介质403中与隐匿车确定控制逻辑对应的机器可执行指令,可执行上文描述的隐匿车确定方法。
本文中提到的机器可读存储介质403可以是任何电子、磁性、光学或其它物理存储装置,可以包含或存储信息,如可执行指令、数据,等等。例如,机器可读存储介质可以是:易失存储器、非易失性存储器或者类似的存储介质。具体地,机器可读存储介质403可以是RAM(Radom Access Memory,随机存取存储器)、闪存、存储驱动器(如硬盘驱动器)、固态硬盘、任何类型的存储盘(如光盘、DVD等),或者类似的存储介质,或者它们的组合。
上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程,在此不再赘述。
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。
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 (16)
1.一种隐匿车确定方法,其特征在于,所述方法应用于电子设备,所述电子设备属于隐匿车确定系统;所述隐匿车确定系统中还包括分别与所述电子设备级联的HBase、Spark平台和ES服务器;所述HBase用于存储候选疑似隐匿车列表;所述Spark平台用于计算过车次数;所述ES服务器用于存储过车列表;所述电子设备用于与HBase、Spark平台和ES服务器交互,确定出隐匿车;所述方法包括:
确定待查询隐匿车的事发起始时刻、事发结束时刻以及车辆特征;所述事发起始时刻由事发当天的日期和事发起始时间点构成;所述事发结束时刻由事发当天的日期和事发结束时间点构成;
依据所述事发起始时刻、所述事发结束时刻以及所述车辆特征,确定至少一辆疑似隐匿车,包括:查找所述HBase中所述事发当天对应的候选疑似隐匿车列表,确定所述事发当天的前M+1天至该事发当天之间的过车次数大于等于第一预设值、且该事发当天至该事发当天的后N天之间的过车次数小于等于第二预设值的第一候选疑似隐匿车的标识,组成第一候选疑似隐匿车集合;根据所述ES服务器中存储的过车列表,确定在所述事发起始时刻到事发结束时刻之间出现的且具有所述车辆特征的第二候选疑似隐匿车的标识,组成第二候选疑似隐匿车集合;若所述第一候选疑似隐匿车集合与所述第二候选疑似隐匿车集合存在交集,则将该交集中的候选疑似隐匿车确定为所述疑似隐匿车;
针对每一个疑似隐匿车,统计该疑似隐匿车在事发起始时刻前M天至该事发起始时刻之间的第一过车次数、以及统计该疑似隐匿车在事发结束时刻至事发结束时刻后N天之间的第二过车次数;所述M和N均为大于0的整数;
若所述第一过车次数大于等于第一预设值、且所述第二过车次数小于等于第二预设值,则确定该疑似隐匿车为隐匿车。
2.根据权利要求1所述的方法,其特征在于,所述电子设备与HBase级联;
所述HBase储存有至少一个候选疑似隐匿车列表,每一个候选疑似隐匿车列表包括:该候选疑似隐匿车列表对应的目标日期、候选疑似隐匿车的标识;该候选疑似隐匿车在该目标日期的前M+1天到该目标日期之间的过车次数大于等于所述第一预设值、且在该目标日期至该目标日期的后N天之间的过车次数小于等于所述第二预设值;
所述确定该事发当天的前M+1天至该事发当天之间的过车次数大于等于所述第一预设值、且该事发当天至该事发当天的后N天之间的过车次数小于等于所述第二预设值的第一候选疑似隐匿车的标识,包括:
向HBase发送携带有该事发当天日期的第一查询指令,以由HBase在至少一个候选疑似隐匿车列表中,查找包含该事发当天日期的候选疑似隐匿车列表并返回给所述电子设备;
接收所述HBase返回的候选疑似隐匿车列表,并将返回的候选疑似隐匿车列表里记录的候选疑似隐匿车的标识作为所述第一候选疑似隐匿车的标识。
3.根据权利要求1所述的方法,其特征在于,所述电子设备与ES服务器级联;
所述ES服务器上储存有过车列表,所述过车列表包括:各车辆的标识,各车辆的过车时间戳、以及各车辆的车辆特征;
所述确定在所述事发起始时刻到事发结束时刻之间出现的且具有所述车辆特征的第二候选疑似隐匿车的标识获取在所述事发起始时刻到事发结束时刻的时间段内出现的具有所述车辆特征的第二候选疑似隐匿车,包括:
向ES服务器发送携带有所述事发起始时刻、事发结束时刻以及车辆特征的第二查询指令,以由所述ES服务器在所述过车列表中,查找过车时间戳在所述事发起始时刻至事发结束时刻之间的、且车辆特征匹配所述车辆特征的第二候选疑似隐匿车标识,并返回给所述电子设备;
接收所述ES服务器返回的第二候选疑似隐匿车标识。
4.根据权利要求2所述的方法,其特征在于,每一个候选疑似隐匿车列表还包括:与所述候选疑似隐匿车标识对应的D3;所述D3为该候选疑似隐匿车在所述目标日期的前M+1天到该目标日期的前一天的过车次数;
所述统计该疑似隐匿车在事发起始时刻前M天至该事发起始时刻之间的第一过车次数,包括:
在所述HBase返回的所述候选疑似隐匿车列表中,查找与该疑似隐匿车标识对应的D3;
若D3大于等于第一预设值,则确定所述第一过车次数为D3;
若D3小于第一预设值,则向ES服务器发送携带有事发起始时刻、所述疑似隐匿车标识的第三查询指令,以由ES服务器依据已储存的过车列表,统计所述疑似隐匿车在事发当天起始时刻至事发起始时刻之间的过车次数P1,并返回给所述电子设备;
接收所述ES服务器返回的过车次数P1,并确定所述第一过车次数为D3与P1之和。
5.根据权利要求2所述的方法,其特征在于,每一个候选疑似隐匿车列表还包括:与所述候选疑似隐匿车标识对应的D2;所述D2为所述候选疑似隐匿车在所述目标日期到该目标日期的后N天的过车次数;
所述统计该疑似隐匿车在事发结束时刻至事发结束时刻后N天之间的第二过车次数,包括:
在所述HBase返回的所述候选疑似隐匿车列表中,查找与该疑似隐匿车标识对应的D2;
向ES服务器发送携带有事发结束时刻、所述疑似隐匿车标识的第四查询指令,以由ES服务器依据所述过车列表,统计所述疑似隐匿车标识在所述事发结束时刻至所述事发当天结束时刻之间的过车次数P2,并返回给所述电子设备;
接收所述ES服务器返回的过车次数P2,并确定所述第二过车次数为D2与P2之和。
6.根据权利要求2所述的方法,其特征在于,所述电子设备与Spark平台级联;
所述每一个候选疑似隐匿车列表通过如下方式生成:
确定待生成的候选疑似隐匿车列表对应的第一日期;
向所述HBase发送携带有确定出的该第一日期、该第一日期的前一天日期、该第一日期前M+1天日期、以及该第一日期的后N天日期的统计指令,以由所述HBase依据本地已储存的过车数据库,确定每一个车辆截止到该第一日期的过车次数A1,截止到该第一日期的前一天日期的过车次数A2、截止到该第一日期的前M+1天日期的过车次数A3、以及截止到该第一日期的后N天的过车次数A4,并将各个车辆的A1、A2、A3和A4返回给所述电子设备;
接收所述HBase返回的各车辆对应的A1、A2、A3和A4;
将各车辆对应的A1、A2、A3和A4发送给Spark平台,以由Spark平台针对每一个车辆,计算该车辆A1与A3之差D1,该车辆A4与A1之差D2、以及该车辆A2与A3之差D3,并在确定该车辆对应的D1大于等于所述第一预设值、且该车辆对应的D2小于等于第二预设值时,将该车辆的车辆标识、该车辆对应的D1、D2和D3返回给所述电子设备;
基于所述Spark平台返回的车辆的车辆标识、该车辆对应的D1、D2和D3,以及所述第一日期,生成所述候选疑似隐匿车列表,并将所述候选疑似隐匿车列表发送给所述HBase进行储存。
7.根据权利要求6所述的方法,其特征在于,所述确定待生成的候选疑似隐匿车列表对应的第一日期,包括:
读取预设日期变量所记录的第二日期;
将所述第二日期的后一天日期作为所述第一日期;
在生成所述候选疑似隐匿车列表后,所述方法包括:
将所述预设日期变量所记录的第二日期修改为所述第一日期。
8.一种隐匿车确定装置,其特征在于,所述装置应用于电子设备,所述电子设备属于隐匿车确定系统;所述隐匿车确定系统中还包括分别与所述电子设备级联的HBase、Spark平台和ES服务器;所述HBase用于存储候选疑似隐匿车列表;所述Spark平台用于计算过车次数;所述ES服务器用于存储过车列表;所述电子设备用于与HBase、Spark平台和ES服务器交互,确定出隐匿车;所述装置包括:
接收单元,用于确定待查询隐匿车的事发起始时刻、事发结束时刻以及车辆特征;所述事发起始时刻由事发当天的日期和事发起始时间点构成;所述事发结束时刻由事发当天的日期和事发结束时间点构成;
第一确定单元,用于依据所述事发起始时刻、所述事发结束时刻以及所述车辆特征,确定至少一辆疑似隐匿车;
所述第一确定单元,具体用于查找所述HBase中所述事发当天对应的候选疑似隐匿车列表,确定所述事发当天的前M+1天至该事发当天之间的过车次数大于等于第一预设值、且该事发当天至该事发当天的后N天之间的过车次数小于等于第二预设值的第一候选疑似隐匿车的标识,组成第一候选疑似隐匿车集合;根据所述ES服务器中存储的过车列表,确定在所述事发起始时刻到事发结束时刻之间出现的且具有所述车辆特征的第二候选疑似隐匿车的标识,组成第二候选疑似隐匿车集合;若所述第一候选疑似隐匿车集合与所述第二候选疑似隐匿车集合存在交集,则将该交集中的候选疑似隐匿车确定为所述疑似隐匿车;
统计单元,用于针对每一个疑似隐匿车,统计该疑似隐匿车在事发起始时刻前M天至该事发起始时刻之间的第一过车次数、以及统计该疑似隐匿车在事发结束时刻至事发结束时刻后N天之间的第二过车次数;所述M和N均为大于0的整数;
第二确定单元,用于若所述第一过车次数大于等于第一预设值、且所述第二过车次数小于等于第二预设值,则确定该疑似隐匿车为隐匿车。
9.根据权利要求8所述的装置,其特征在于,所述电子设备与HBase级联;
所述HBase储存有至少一个候选疑似隐匿车列表,每一个候选疑似隐匿车列表包括:该候选疑似隐匿车列表对应的目标日期、候选疑似隐匿车的标识;所述候选疑似隐匿车在该目标日期的前M+1天到该目标日期之间的过车次数大于等于所述第一预设值、且在该目标日期至该目标日期的后N天之间的过车次数小于等于所述第二预设值;
所述第一确定单元,在确定该事发当天的前M+1天至该事发当天之间的过车次数大于等于所述第一预设值、且该事发当天至该事发当天的后N天之间的过车次数小于等于所述第二预设值的第一候选疑似隐匿车的标识时,进一步用于向HBase发送携带有该事发当天日期的第一查询指令,以由HBase在至少一个候选疑似隐匿车列表中,查找包含该事发当天日期的候选疑似隐匿车列表并返回给所述电子设备;接收所述HBase返回的候选疑似隐匿车列表,并将返回的候选疑似隐匿车列表里记录的候选疑似隐匿车的标识作为所述第一候选疑似隐匿车的标识。
10.根据权利要求8所述的装置,其特征在于,所述电子设备与ES服务器级联;
所述ES服务器上储存有过车列表,所述过车列表包括:各车辆的标识,各车辆的过车时间戳、以及各车辆的车辆特征;
所述第一确定单元,在获取在所述事发起始时刻到事发结束时刻的时间段内出现的具有所述车辆特征的第二候选疑似隐匿车时,具体用于向ES服务器发送携带有所述事发起始时刻、事发结束时刻以及车辆特征的第二查询指令,以由所述ES服务器在所述过车列表中,查找过车时间戳在所述事发起始时刻至事发结束时刻之间的、且车辆特征匹配所述车辆特征的第二候选疑似隐匿车标识,并返回给所述电子设备;接收所述ES服务器返回的第二候选疑似隐匿车标识。
11.根据权利要求9所述的装置,其特征在于,每一个候选疑似隐匿车列表还包括:与所述候选疑似隐匿车标识对应的D3;所述D3为该候选疑似隐匿车在所述目标日期的前M+1天到该目标日期的前一天的过车次数;
所述统计单元,在统计该疑似隐匿车在事发起始时刻前M天至该事发起始时刻之间的第一过车次数,具体用于在所述HBase返回的所述候选疑似隐匿车列表中,查找与该疑似隐匿车标识对应的D3;若D3大于等于第一预设值,则确定所述第一过车次数为D3;若D3小于第一预设值,则向ES服务器发送携带有事发起始时刻、所述疑似隐匿车标识的第三查询指令,以由ES服务器依据已储存的过车列表,统计所述疑似隐匿车在事发当天起始时刻至事发起始时刻之间的过车次数P1,并返回给所述电子设备;接收所述ES服务器返回的过车次数P1,并确定所述第一过车次数为D3与P1之和。
12.根据权利要求9所述的装置,其特征在于,每一个候选疑似隐匿车列表还包括:与所述候选疑似隐匿车标识对应的D2;所述D2为所述候选疑似隐匿车在所述目标日期到该目标日期的后N天的过车次数;
所述统计单元,在统计该疑似隐匿车在事发结束时刻至事发结束时刻后N天之间的第二过车次数,具体用于在所述HBase返回的所述候选疑似隐匿车列表中,查找与该疑似隐匿车标识对应的D2;向ES服务器发送携带有事发结束时刻、所述疑似隐匿车标识的第四查询指令,以由ES服务器依据所述过车列表,统计所述疑似隐匿车标识在所述事发结束时刻至所述事发当天结束时刻之间的过车次数P2,并返回给所述电子设备;接收所述ES服务器返回的过车次数P2,并确定所述第二过车次数为D2与P2之和。
13.根据权利要求9所述的装置,其特征在于,所述电子设备与Spark平台级联;
所述装置还包括:
生成单元,用于确定待生成的候选疑似隐匿车列表对应的第一日期;向所述HBase发送携带有确定出的该第一日期、该第一日期的前一天日期、该第一日期前M+1天日期、以及该第一日期的后N天日期的统计指令,以由所述HBase依据本地已储存的过车数据库,确定每一个车辆截止到该第一日期的过车次数A1,截止到该第一日期的前一天日期的过车次数A2、截止到该第一日期的前M+1天日期的过车次数A3、以及截止到该第一日期的后N天的过车次数A4,并将各个车辆的A1、A2、A3和A4返回给所述电子设备;接收所述HBase返回的各车辆对应的A1、A2、A3和A4;将各车辆对应的A1、A2、A3和A4发送给Spark平台,以由Spark平台针对每一个车辆,计算该车辆A1与A3之差D1,该车辆A4与A1之差D2、以及该车辆A2与A3之差D3,并在确定该车辆对应的D1大于等于所述第一预设值、且该车辆对应的D2小于等于第二预设值时,将该车辆的车辆标识、该车辆对应的D1、D2和D3返回给所述电子设备;基于所述Spark平台返回的车辆的车辆标识、该车辆对应的D1、D2和D3,以及所述第一日期,生成所述候选疑似隐匿车列表,并将所述候选疑似隐匿车列表发送给所述HBase进行储存。
14.根据权利要求13所述的装置,其特征在于,所述生成单元,在确定待生成的候选疑似隐匿车列表对应的第一日期时,具体用于读取预设日期变量所记录的第二日期;将所述第二日期的后一天日期作为所述第一日期;
所述装置还包括:
更新单元,具体用于在生成所述候选疑似隐匿车列表后,将所述预设日期变量所记录的第二日期修改为所述第一日期。
15.一种电子设备,其特征在于,包括处理器和机器可读存储介质,所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令,所述处理器被所述机器可执行指令促使执行如权利要求1至7任一项所述方法。
16.一种机器可读存储介质,其特征在于,所述机器可读存储介质存储有机器可执行指令,在被处理器调用和执行时,所述机器可执行指令促使所述处理器执行如权利要求1至7任一项所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811459649.4A CN111259054B (zh) | 2018-11-30 | 2018-11-30 | 一种隐匿车确定方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811459649.4A CN111259054B (zh) | 2018-11-30 | 2018-11-30 | 一种隐匿车确定方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111259054A CN111259054A (zh) | 2020-06-09 |
CN111259054B true CN111259054B (zh) | 2024-01-23 |
Family
ID=70948328
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811459649.4A Active CN111259054B (zh) | 2018-11-30 | 2018-11-30 | 一种隐匿车确定方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111259054B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1995014279A1 (en) * | 1993-11-15 | 1995-05-26 | Conner Peripherals, Inc. | Network management system having virtual catalog overview of files distributively stored across network domain |
JP2004220423A (ja) * | 2003-01-16 | 2004-08-05 | Denso Corp | 交差点内交通事故状況把握システムおよび電子ナンバープレート |
CN104200669A (zh) * | 2014-08-18 | 2014-12-10 | 华南理工大学 | 一种基于Hadoop的套牌车识别方法及系统 |
WO2016107301A1 (zh) * | 2014-12-30 | 2016-07-07 | 北京握奇智能科技有限公司 | 一种稽查静态车辆的方法和系统 |
CN106571040A (zh) * | 2016-10-31 | 2017-04-19 | 浙江宇视科技有限公司 | 一种可疑车辆确认方法及设备 |
CN107506368A (zh) * | 2017-07-04 | 2017-12-22 | 青岛海信网络科技股份有限公司 | 一种类案嫌疑车辆的确定方法及装置 |
CN107798142A (zh) * | 2017-11-24 | 2018-03-13 | 泰华智慧产业集团股份有限公司 | 基于大数据分析隐匿车辆的方法及装置 |
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 |
CN107945522A (zh) * | 2017-11-24 | 2018-04-20 | 泰华智慧产业集团股份有限公司 | 基于大数据查找嫌疑车辆的方法和系统 |
CN107993444A (zh) * | 2017-11-22 | 2018-05-04 | 紫光捷通科技股份有限公司 | 基于卡口过车大数据分析的嫌疑车认定方法 |
CN108022428A (zh) * | 2016-11-02 | 2018-05-11 | 杭州海康威视系统技术有限公司 | 一种车辆识别方法及装置 |
CN108389394A (zh) * | 2018-04-23 | 2018-08-10 | 泰华智慧产业集团股份有限公司 | 车辆初次入城分析的方法及系统 |
CN108492580A (zh) * | 2018-04-23 | 2018-09-04 | 泰华智慧产业集团股份有限公司 | 判断涉案嫌疑车辆的方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103365886B (zh) * | 2012-03-31 | 2016-07-06 | 国际商业机器公司 | 车联网中的空间事件的查询方法和优化查询器 |
-
2018
- 2018-11-30 CN CN201811459649.4A patent/CN111259054B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1995014279A1 (en) * | 1993-11-15 | 1995-05-26 | Conner Peripherals, Inc. | Network management system having virtual catalog overview of files distributively stored across network domain |
JP2004220423A (ja) * | 2003-01-16 | 2004-08-05 | Denso Corp | 交差点内交通事故状況把握システムおよび電子ナンバープレート |
CN104200669A (zh) * | 2014-08-18 | 2014-12-10 | 华南理工大学 | 一种基于Hadoop的套牌车识别方法及系统 |
WO2016107301A1 (zh) * | 2014-12-30 | 2016-07-07 | 北京握奇智能科技有限公司 | 一种稽查静态车辆的方法和系统 |
CN106571040A (zh) * | 2016-10-31 | 2017-04-19 | 浙江宇视科技有限公司 | 一种可疑车辆确认方法及设备 |
CN108022428A (zh) * | 2016-11-02 | 2018-05-11 | 杭州海康威视系统技术有限公司 | 一种车辆识别方法及装置 |
CN107506368A (zh) * | 2017-07-04 | 2017-12-22 | 青岛海信网络科技股份有限公司 | 一种类案嫌疑车辆的确定方法及装置 |
CN107993444A (zh) * | 2017-11-22 | 2018-05-04 | 紫光捷通科技股份有限公司 | 基于卡口过车大数据分析的嫌疑车认定方法 |
CN107945522A (zh) * | 2017-11-24 | 2018-04-20 | 泰华智慧产业集团股份有限公司 | 基于大数据查找嫌疑车辆的方法和系统 |
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 |
CN107798142A (zh) * | 2017-11-24 | 2018-03-13 | 泰华智慧产业集团股份有限公司 | 基于大数据分析隐匿车辆的方法及装置 |
CN108389394A (zh) * | 2018-04-23 | 2018-08-10 | 泰华智慧产业集团股份有限公司 | 车辆初次入城分析的方法及系统 |
CN108492580A (zh) * | 2018-04-23 | 2018-09-04 | 泰华智慧产业集团股份有限公司 | 判断涉案嫌疑车辆的方法及系统 |
Non-Patent Citations (1)
Title |
---|
车辆通行数据的分布式存储系统浅析;郭旭;卫彪;江建宇;;科技传播(第13期) * |
Also Published As
Publication number | Publication date |
---|---|
CN111259054A (zh) | 2020-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108632097B (zh) | 异常行为对象的识别方法、终端设备及介质 | |
CN104142984B (zh) | 一种基于粗细粒度的视频指纹检索方法 | |
CN110334111B (zh) | 一种多维轨迹分析方法及装置 | |
US20140351273A1 (en) | System and method for searching information | |
CN103593376A (zh) | 一种采集用户行为数据的方法及装置 | |
CN108389394B (zh) | 车辆初次入城分析的方法及系统 | |
CN104392005A (zh) | 一种汽车快速定损方法 | |
CN104318327A (zh) | 一种车辆轨迹预测分析方法 | |
Alami et al. | A framework for multidimensional skyline queries over streaming data | |
CN111367956B (zh) | 数据统计方法及装置 | |
Yadamjav et al. | Querying recurrent convoys over trajectory data | |
CN115687787A (zh) | 产业政策目标群画像构建方法、系统及存储介质 | |
CN111259054B (zh) | 一种隐匿车确定方法、装置及电子设备 | |
US10997171B2 (en) | Database performance analysis based on a random archive | |
CN112148920B (zh) | 数据管理方法 | |
Yadamjav et al. | Querying continuous recurrent convoys of interest | |
WO2023165219A1 (zh) | 目标检索方法、装置及存储介质 | |
CN112632058A (zh) | 轨迹确定方法、装置及设备、存储介质 | |
CN108073624B (zh) | 业务数据处理系统及方法 | |
CN113094388B (zh) | 一种用户工作地与居住地的检测方法及相关装置 | |
Buroni et al. | On-board-unit data: A big data platform for scalable storage and processing | |
CN114637929A (zh) | 一种基于ElasticSearch的轨迹碰撞方法 | |
CN112181986A (zh) | 一种基于Flink框架的数据分析方法及装置 | |
CN111339217B (zh) | 一种数据处理方法及装置 | |
CN111368618B (zh) | 一种隐匿车辆的确定方法、装置及电子设备 |
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 |