CN113327336A - 人车关系的识别方法、装置和电子设备 - Google Patents
人车关系的识别方法、装置和电子设备 Download PDFInfo
- Publication number
- CN113327336A CN113327336A CN202110621827.4A CN202110621827A CN113327336A CN 113327336 A CN113327336 A CN 113327336A CN 202110621827 A CN202110621827 A CN 202110621827A CN 113327336 A CN113327336 A CN 113327336A
- Authority
- CN
- China
- Prior art keywords
- information
- target vehicle
- parking payment
- vehicle
- target
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07B—TICKET-ISSUING APPARATUS; FARE-REGISTERING APPARATUS; FRANKING APPARATUS
- G07B15/00—Arrangements or apparatus for collecting fares, tolls or entrance fees at one or more control points
- G07B15/02—Arrangements or apparatus for collecting fares, tolls or entrance fees at one or more control points taking into account a variable factor such as distance or time, e.g. for passenger transport, parking systems or car rental systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24147—Distances to closest patterns, e.g. nearest neighbour classification
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Devices For Checking Fares Or Tickets At Control Points (AREA)
Abstract
本发明提供了一种人车关系的识别方法、装置和电子设备,包括:将目标车辆的入场信息与历史停车缴费信息相似度匹配,得到目标车辆与各用户之间的匹配得分;确定目标车辆是否为黑名单车辆、目标车辆的认证用户信息和目标车辆对应的黑名单用户信息;基于匹配得分、目标车辆是否为黑名单车辆、认证用户信息和黑名单用户信息确定目标车辆所属的目标用户。本发明的方法确定的目标车辆所属的目标用户更加准确,能对所有车辆的所属权都进行确定,应用范围广。
Description
技术领域
本发明涉及数据挖掘的技术领域,尤其是涉及一种人车关系的识别方法、装置和电子设备。
背景技术
目前,各行各业都在广泛地收集用户数据,并通过算法从大量的数据中搜索出隐藏于其中的有用信息,即数据挖掘。
上述问题在智慧停车业务场景中,常常涉及到一个用户与多辆车都有关联的行为,导致业务平台无法判定车辆最终所属的用户,即无法实现人车关系的识别。
近年来,在进行人车关系的识别时,一种是通过人车登记信息的方式进行识别,通过该类信息识别到的人车关系准确,但是,此类信息只有车管所、汽车销售网站、汽车4S服务店拥有,由于信息比较敏感,难以开放分享给其它业务平台使用;另一种是通过专家打分的方式进行识别,通过建立专家打分指标,对车辆所归属的用户进行打分,但是,这种专家打分的方式具有很强的主观性,在实际的业务运用中错误率较高,准确性不好。
综上,现有的人车关系的识别方法存在局限性、准确性差的技术问题。
发明内容
有鉴于此,本发明的目的在于提供一种人车关系的识别方法、装置和电子设备,以缓解现有的人车关系的识别方法存在局限性、准确性差的技术问题。
第一方面,本发明实施例提供了一种人车关系的识别方法,包括:
获取目标车辆的入场信息和所述目标车辆的历史停车缴费信息;
将所述入场信息与所述历史停车缴费信息进行相似度匹配,根据匹配结果得到所述目标车辆与各用户之间的匹配得分;
确定所述目标车辆是否为黑名单车辆、所述目标车辆的认证用户信息和所述目标车辆对应的黑名单用户信息;
基于所述目标车辆与各用户之间的匹配得分、所述目标车辆是否为黑名单车辆、所述目标车辆的认证用户信息和所述目标车辆对应的黑名单用户信息确定所述目标车辆所属的目标用户。
进一步的,将所述入场信息与所述历史停车缴费信息进行相似度匹配,包括:
根据各所述历史停车缴费信息中的时间戳和所述入场信息中的时间戳,确定各所述历史停车缴费信息与所述入场信息的时间匹配因子;
根据各所述历史停车缴费信息中的停车场信息和所述入场信息中的停车场信息,确定各所述历史停车缴费信息与所述入场信息的位置匹配因子;
根据各所述历史停车缴费信息中的时间戳和所述入场信息中的时间戳,计算各所述历史停车缴费信息对应的时间衰减因子,其中,所述时间衰减因子用于表征所述目标车辆与各所述历史停车缴费信息的相关程度;
根据所述时间匹配因子、所述位置匹配因子和所述时间衰减因子,计算各所述历史停车缴费信息对应的相似度得分;
根据各所述历史停车缴费信息对应的用户和各所述历史停车缴费信息对应的相似度得分,计算所述目标车辆与各用户之间的匹配得分。
进一步的,根据各所述历史停车缴费信息中的时间戳和所述入场信息中的时间戳,确定各所述历史停车缴费信息与所述入场信息的时间匹配因子,包括:
若目标历史停车缴费信息中的时间戳和所述入场信息中的时间戳处于同一时间段,则确定所述目标历史停车缴费信息与所述入场信息的时间匹配因子为第一预设值,其中,所述目标历史停车缴费信息为所述历史停车缴费信息中的任一历史停车缴费信息;
若所述目标历史停车缴费信息中的时间戳和所述入场信息中的时间戳没有处于同一时间段,则确定所述目标历史停车缴费信息与所述入场信息的时间匹配因子为第二预设值。
进一步的,根据各所述历史停车缴费信息中的停车场信息和所述入场信息中的停车场信息,确定各所述历史停车缴费信息与所述入场信息的位置匹配因子,包括:
若目标历史停车缴费信息中的停车场信息和所述入场信息中的停车场信息为同一停车场,则确定所述目标历史停车缴费信息与所述入场信息的位置匹配因子为第三预设值,其中,所述目标历史停车缴费信息为所述历史停车缴费信息中的任一历史停车缴费信息;
若所述目标历史停车缴费信息中的停车场信息和所述入场信息中的停车场信息不是同一停车场,则确定所述目标历史停车缴费信息与所述入场信息的位置匹配因子为第四预设值。
进一步的,根据各所述历史停车缴费信息中的时间戳和所述入场信息中的时间戳,计算各所述历史停车缴费信息对应的时间衰减因子,包括:
根据各所述历史停车缴费信息中的时间戳和所述入场信息中的时间戳,计算各所述历史停车缴费信息与所述入场信息的时间差;
采用指数衰减函数对所述时间差进行计算,得到各所述历史停车缴费信息对应的时间衰减因子。
进一步的,确定所述目标车辆是否为黑名单车辆,包括:
若预设时间内所述目标车辆对应的缴费用户的数量大于第五预设值和/或所述目标车辆与各用户之间的匹配得分均小于第六预设值,则确定所述目标车辆为黑名单车辆。
进一步的,基于所述目标车辆与各用户之间的匹配得分、所述目标车辆是否为黑名单车辆、所述目标车辆的认证用户信息和所述目标车辆对应的黑名单用户信息确定所述目标车辆所属的目标用户,包括:
按照预设规则对所述目标车辆与各用户之间的匹配得分、所述目标车辆是否为黑名单车辆、所述目标车辆的认证用户信息和所述目标车辆对应的黑名单用户信息进行综合分析,确定所述目标车辆所属的目标用户。
第二方面,本发明实施例还提供了一种人车关系的识别装置,包括:
获取单元,用于获取目标车辆的入场信息和所述目标车辆的历史停车缴费信息;
相似度匹配单元,用于将所述入场信息与所述历史停车缴费信息进行相似度匹配,根据匹配结果得到所述目标车辆与各用户之间的匹配得分;
第一确定单元,用于确定所述目标车辆是否为黑名单车辆、所述目标车辆的认证用户信息和所述目标车辆对应的黑名单用户信息;
第二确定单元,用于基于所述目标车辆与各用户之间的匹配得分、所述目标车辆是否为黑名单车辆、所述目标车辆的认证用户信息和所述目标车辆对应的黑名单用户信息确定所述目标车辆所属的目标用户。
第三方面,本发明实施例还提供了一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一方面任一项所述的方法的步骤。
第四方面,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有机器可运行指令,所述机器可运行指令在被处理器调用和运行时,所述机器可运行指令促使所述处理器运行上述第一方面任一项所述的方法。
在本发明实施例中,提供了一种人车关系的识别方法,包括:先获取目标车辆的入场信息和目标车辆的历史停车缴费信息;然后,将入场信息与历史停车缴费信息进行相似度匹配,根据匹配结果得到目标车辆与各用户之间的匹配得分;进而,确定目标车辆是否为黑名单车辆、目标车辆的认证用户信息和目标车辆对应的黑名单用户信息;最后,基于目标车辆与各用户之间的匹配得分、目标车辆是否为黑名单车辆、目标车辆的认证用户信息和目标车辆对应的黑名单用户信息确定目标车辆所属的目标用户。本发明实施例的人车关系的识别方法将目标车辆的入场信息与其历史停车缴费信息进行相似度匹配,根据匹配结果得到目标车辆与各用户之间的匹配得分,同时,将得到的匹配得分结合目标车辆是否为黑名单车辆、目标车辆的认证用户信息和目标车辆对应的黑名单用户信息确定目标车辆所属的目标用户,最终确定的目标车辆所属的目标用户更加准确,能对所有车辆的所属权都进行确定,应用范围广,缓解了现有的人车关系的识别方法存在局限性、准确性差的技术问题。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种人车关系的识别方法的流程图;
图2为本发明实施例提供的将入场信息与历史停车缴费信息进行相似度匹配的方法流程图;
图3为本发明实施例提供的一种人车关系的识别装置的示意图;
图4为本发明实施例提供的一种电子设备的示意图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例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。
目前,通过人车登记信息的方式进行人车关系的识别存在局限性,通过专家打分的方式进行人车关系的识别具有很强的主观性,在实际的业务运用中错误率较高,准确性不好。
基于此,本实施例提供了一种人车关系的识别方法,该方法将目标车辆的入场信息与其历史停车缴费信息进行相似度匹配,根据匹配结果得到目标车辆与各用户之间的匹配得分,同时,将得到的匹配得分结合目标车辆是否为黑名单车辆、目标车辆的认证用户信息和目标车辆对应的黑名单用户信息确定目标车辆所属的目标用户,最终确定的目标车辆所属的目标用户更加准确,能对所有车辆的所属权都进行确定,应用范围广。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种人车关系的识别方法进行详细介绍。
实施例一:
根据本发明实施例,提供了一种人车关系的识别方法的实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种人车关系的识别方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,获取目标车辆的入场信息和目标车辆的历史停车缴费信息;
在本发明实施例中,上述入场信息至少包括:入场时间、入场位置(即所进入的停车场),上述历史停车缴费信息至少包括:停车缴费时间、缴费对应的位置(即停车缴费所对应的停车场位置)、缴费的用户。
上述历史停车缴费信息可以为过去半年的停车缴费信息。
步骤S104,将入场信息与历史停车缴费信息进行相似度匹配,根据匹配结果得到目标车辆与各用户之间的匹配得分;
上述相似度匹配至少包括时间相似度匹配、位置相似度匹配,下文中再对该过程进行详细描述,在此不再赘述。
步骤S106,确定目标车辆是否为黑名单车辆、目标车辆的认证用户信息和目标车辆对应的黑名单用户信息;
黑名单车辆的确定将在下文中进行描述,在此不再赘述。
目标车辆的认证用户信息可以为目标车辆是否存在认证用户,当目标车辆存在认证用户的前提下,目标车辆的认证用户的用户信息。
目标车辆对应的黑名单用户信息为根据收到的用户反馈的该车不是自己的信息确定的。例如,在进行停车时,将停车账单发与用户A,用户A收到停车账单后,反馈停车账单对应的车辆不是自己的,这样,就得到了目标车辆对应的黑名单用户信息。
步骤S108,基于目标车辆与各用户之间的匹配得分、目标车辆是否为黑名单车辆、目标车辆的认证用户信息和目标车辆对应的黑名单用户信息确定目标车辆所属的目标用户。
下文中再对该过程进行详细描述,在此不再赘述。
在本发明的一个可选实施例中,参考图2,将入场信息与历史停车缴费信息进行相似度匹配,具体包括如下步骤:
步骤S201,根据各历史停车缴费信息中的时间戳和入场信息中的时间戳,确定各历史停车缴费信息与入场信息的时间匹配因子;
具体包括如下步骤:
(1)若目标历史停车缴费信息中的时间戳和入场信息中的时间戳处于同一时间段,则确定目标历史停车缴费信息与入场信息的时间匹配因子为第一预设值,其中,目标历史停车缴费信息为历史停车缴费信息中的任一历史停车缴费信息;
(2)若目标历史停车缴费信息中的时间戳和入场信息中的时间戳没有处于同一时间段,则确定目标历史停车缴费信息与入场信息的时间匹配因子为第二预设值。
上述时间段可以为以间隔2个小时确定的时间段。例如,目标历史停车缴费信息中的时间戳为中午12点5分,入场信息中的时间戳为中午12点30分,则确定二者处于同一时间段,确定目标历史停车缴费信息与入场信息的时间匹配因子为第一预设值。
上述第一预设值可以为1,上述第二预设值可以为0,本发明实施例对上述第一预设值和上述第二预设值不进行具体限定。
步骤S202,根据各历史停车缴费信息中的停车场信息和入场信息中的停车场信息,确定各历史停车缴费信息与入场信息的位置匹配因子;
具体包括如下步骤:
(a)若目标历史停车缴费信息中的停车场信息和入场信息中的停车场信息为同一停车场,则确定目标历史停车缴费信息与入场信息的位置匹配因子为第三预设值,其中,目标历史停车缴费信息为历史停车缴费信息中的任一历史停车缴费信息;
(b)若目标历史停车缴费信息中的停车场信息和入场信息中的停车场信息不是同一停车场,则确定目标历史停车缴费信息与入场信息的位置匹配因子为第四预设值。
上述第三预设值可以为1,上述第四预设值可以为0,本发明实施例对上述第三预设值和上述第四预设值不进行具体限定。
步骤S203,根据各历史停车缴费信息中的时间戳和入场信息中的时间戳,计算各历史停车缴费信息对应的时间衰减因子,其中,时间衰减因子用于表征目标车辆与各历史停车缴费信息的相关程度;
具体的,根据各历史停车缴费信息中的时间戳和入场信息中的时间戳,计算各历史停车缴费信息与入场信息的时间差;采用指数衰减函数对时间差进行计算,得到各历史停车缴费信息对应的时间衰减因子。
上述指数衰减函数可以为Y=exp(-ax),a为衰减指数,按照模型测算一年衰减完成,取值为0.015;x为各历史停车缴费信息中的时间戳距入场信息中的时间戳的天数,Y为时间衰减因子。
步骤S204,根据时间匹配因子、位置匹配因子和时间衰减因子,计算各历史停车缴费信息对应的相似度得分;
具体的,相似度得分=(时间匹配因子+位置匹配因子)*时间衰减因子。
步骤S205,根据各历史停车缴费信息对应的用户和各历史停车缴费信息对应的相似度得分,计算目标车辆与各用户之间的匹配得分。
具体的,将同一个用户的各历史停车缴费信息对应的相似度得分进行相加,得到目标车辆与各用户之间的匹配得分。
在本发明的一个可选实施例中,确定目标车辆是否为黑名单车辆,具体包括:若预设时间内目标车辆对应的缴费用户的数量大于第五预设值和/或目标车辆与各用户之间的匹配得分均小于第六预设值,则确定目标车辆为黑名单车辆。
上述预设时间可以为过去的半年时间,上述第五预设值可以为5,上述第六预设值可以为0.07,本发明实施例对上述第五预设值和上述第六预设值不进行具体限定。
在本发明的一个可选实施例中,基于目标车辆与各用户之间的匹配得分、目标车辆是否为黑名单车辆、目标车辆的认证用户信息和目标车辆对应的黑名单用户信息确定目标车辆所属的目标用户,具体包括如下步骤:
按照预设规则对目标车辆与各用户之间的匹配得分、目标车辆是否为黑名单车辆、目标车辆的认证用户信息和目标车辆对应的黑名单用户信息进行综合分析,确定目标车辆所属的目标用户。
具体的,若目标车辆为黑名单车辆,则目标车辆不存在所属用户;若目标车辆存在认证用户,则目标车辆所属于认证用户;若目标车辆不是黑名单车辆,且目标车辆不存在认证用户,则将匹配得分最高的用户(其不是目标车辆对应的黑名单用户)作为目标车辆所属的目标用户。
还可以根据一些规则和上述参量将用户分为多个等级,目标车辆属于等级最高的用户。
本发明实施例的人车关系的识别方法通过实时的KNN方法进行入场信息与历史停车缴费信息进行相似度匹配。基于用户历史行为数据,通过获取车辆入场的实时信息,查询其过去六个月的缴费记录与当前入场信息进行相似度匹配。若发生在相同时段,相同停车场,并且据当前时间越近,则推测当前车主有较大可能性为过去出现过类似行为的那位车主(具有较高的时效性)。在一定程度上避免了人为的对于各个指标的主观干涉带来的人车关系识别错误率高的问题,此外,还结合黑名单车辆、认证用户信息和黑名单用户信息进行人车关系识别,进一步提高了人车关系识别的准确性。
实施例二:
本发明实施例还提供了一种人车关系的识别装置,该人车关系的识别装置主要用于执行本发明实施例一中所提供的人车关系的识别方法,以下对本发明实施例提供的人车关系的识别装置做具体介绍。
图3是根据本发明实施例的一种人车关系的识别装置的示意图,如图3所示,该装置主要包括:获取单元10、相似度匹配单元20、第一确定单元30和第二确定单元40,其中:
获取单元,用于获取目标车辆的入场信息和目标车辆的历史停车缴费信息;
相似度匹配单元,用于将入场信息与历史停车缴费信息进行相似度匹配,根据匹配结果得到目标车辆与各用户之间的匹配得分;
第一确定单元,用于确定目标车辆是否为黑名单车辆、目标车辆的认证用户信息和目标车辆对应的黑名单用户信息;
第二确定单元,用于基于目标车辆与各用户之间的匹配得分、目标车辆是否为黑名单车辆、目标车辆的认证用户信息和目标车辆对应的黑名单用户信息确定目标车辆所属的目标用户。
在本发明实施例中,提供了一种人车关系的识别装置,包括:先获取目标车辆的入场信息和目标车辆的历史停车缴费信息;然后,将入场信息与历史停车缴费信息进行相似度匹配,根据匹配结果得到目标车辆与各用户之间的匹配得分;进而,确定目标车辆是否为黑名单车辆、目标车辆的认证用户信息和目标车辆对应的黑名单用户信息;最后,基于目标车辆与各用户之间的匹配得分、目标车辆是否为黑名单车辆、目标车辆的认证用户信息和目标车辆对应的黑名单用户信息确定目标车辆所属的目标用户。本发明实施例的人车关系的识别装置将目标车辆的入场信息与其历史停车缴费信息进行相似度匹配,根据匹配结果得到目标车辆与各用户之间的匹配得分,同时,将得到的匹配得分结合目标车辆是否为黑名单车辆、目标车辆的认证用户信息和目标车辆对应的黑名单用户信息确定目标车辆所属的目标用户,最终确定的目标车辆所属的目标用户更加准确,能对所有车辆的所属权都进行确定,应用范围广,缓解了现有的人车关系的识别方法存在局限性、准确性差的技术问题。
可选地,相似度匹配单元还用于:根据各历史停车缴费信息中的时间戳和入场信息中的时间戳,确定各历史停车缴费信息与入场信息的时间匹配因子;根据各历史停车缴费信息中的停车场信息和入场信息中的停车场信息,确定各历史停车缴费信息与入场信息的位置匹配因子;根据各历史停车缴费信息中的时间戳和入场信息中的时间戳,计算各历史停车缴费信息对应的时间衰减因子,其中,时间衰减因子用于表征目标车辆与各历史停车缴费信息的相关程度;根据时间匹配因子、位置匹配因子和时间衰减因子,计算各历史停车缴费信息对应的相似度得分;根据各历史停车缴费信息对应的用户和各历史停车缴费信息对应的相似度得分,计算目标车辆与各用户之间的匹配得分。
可选地,相似度匹配单元还用于:若目标历史停车缴费信息中的时间戳和入场信息中的时间戳处于同一时间段,则确定目标历史停车缴费信息与入场信息的时间匹配因子为第一预设值,其中,目标历史停车缴费信息为历史停车缴费信息中的任一历史停车缴费信息;若目标历史停车缴费信息中的时间戳和入场信息中的时间戳没有处于同一时间段,则确定目标历史停车缴费信息与入场信息的时间匹配因子为第二预设值。
可选地,相似度匹配单元还用于:若目标历史停车缴费信息中的停车场信息和入场信息中的停车场信息为同一停车场,则确定目标历史停车缴费信息与入场信息的位置匹配因子为第三预设值,其中,目标历史停车缴费信息为历史停车缴费信息中的任一历史停车缴费信息;若目标历史停车缴费信息中的停车场信息和入场信息中的停车场信息不是同一停车场,则确定目标历史停车缴费信息与入场信息的位置匹配因子为第四预设值。
可选地,相似度匹配单元还用于:根据各历史停车缴费信息中的时间戳和入场信息中的时间戳,计算各历史停车缴费信息与入场信息的时间差;采用指数衰减函数对时间差进行计算,得到各历史停车缴费信息对应的时间衰减因子。
可选地,第一确定单元还用于:若预设时间内目标车辆对应的缴费用户的数量大于第五预设值和/或目标车辆与各用户之间的匹配得分均小于第六预设值,则确定目标车辆为黑名单车辆。
可选地,第二确定单元还用于:按照预设规则对目标车辆与各用户之间的匹配得分、目标车辆是否为黑名单车辆、目标车辆的认证用户信息和目标车辆对应的黑名单用户信息进行综合分析,确定目标车辆所属的目标用户。
本发明实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
如图4所示,本申请实施例提供的一种电子设备600,包括:处理器601、存储器602和总线,所述存储器602存储有所述处理器601可执行的机器可读指令,当电子设备运行时,所述处理器601与所述存储器602之间通过总线通信,所述处理器601执行所述机器可读指令,以执行如上述人车关系的识别方法的步骤。
具体地,上述存储器602和处理器601能够为通用的存储器和处理器,这里不做具体限定,当处理器601运行存储器602存储的计算机程序时,能够执行上述人车关系的识别方法。
处理器601可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器601中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器601可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DigitalSignal Processing,简称DSP)、专用集成电路(Application Specific IntegratedCircuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器602,处理器601读取存储器602中的信息,结合其硬件完成上述方法的步骤。
对应于上述人车关系的识别方法,本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有机器可运行指令,所述计算机可运行指令在被处理器调用和运行时,所述计算机可运行指令促使所述处理器运行上述人车关系的识别方法的步骤。
本申请实施例所提供的人车关系的识别装置可以为设备上的特定硬件或者安装于设备上的软件或固件等。本申请实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,前述描述的系统、装置和单元的具体工作过程,均可以参考上述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
再例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
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单元来实现本实施例方案的目的。
另外,在本申请提供的实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台电子设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述车辆标记方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释,此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的范围。都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种人车关系的识别方法,其特征在于,包括:
获取目标车辆的入场信息和所述目标车辆的历史停车缴费信息;
将所述入场信息与所述历史停车缴费信息进行相似度匹配,根据匹配结果得到所述目标车辆与各用户之间的匹配得分;
确定所述目标车辆是否为黑名单车辆、所述目标车辆的认证用户信息和所述目标车辆对应的黑名单用户信息;
基于所述目标车辆与各用户之间的匹配得分、所述目标车辆是否为黑名单车辆、所述目标车辆的认证用户信息和所述目标车辆对应的黑名单用户信息确定所述目标车辆所属的目标用户。
2.根据权利要求1所述的方法,其特征在于,将所述入场信息与所述历史停车缴费信息进行相似度匹配,包括:
根据各所述历史停车缴费信息中的时间戳和所述入场信息中的时间戳,确定各所述历史停车缴费信息与所述入场信息的时间匹配因子;
根据各所述历史停车缴费信息中的停车场信息和所述入场信息中的停车场信息,确定各所述历史停车缴费信息与所述入场信息的位置匹配因子;
根据各所述历史停车缴费信息中的时间戳和所述入场信息中的时间戳,计算各所述历史停车缴费信息对应的时间衰减因子,其中,所述时间衰减因子用于表征所述目标车辆与各所述历史停车缴费信息的相关程度;
根据所述时间匹配因子、所述位置匹配因子和所述时间衰减因子,计算各所述历史停车缴费信息对应的相似度得分;
根据各所述历史停车缴费信息对应的用户和各所述历史停车缴费信息对应的相似度得分,计算所述目标车辆与各用户之间的匹配得分。
3.根据权利要求2所述的方法,其特征在于,根据各所述历史停车缴费信息中的时间戳和所述入场信息中的时间戳,确定各所述历史停车缴费信息与所述入场信息的时间匹配因子,包括:
若目标历史停车缴费信息中的时间戳和所述入场信息中的时间戳处于同一时间段,则确定所述目标历史停车缴费信息与所述入场信息的时间匹配因子为第一预设值,其中,所述目标历史停车缴费信息为所述历史停车缴费信息中的任一历史停车缴费信息;
若所述目标历史停车缴费信息中的时间戳和所述入场信息中的时间戳没有处于同一时间段,则确定所述目标历史停车缴费信息与所述入场信息的时间匹配因子为第二预设值。
4.根据权利要求2所述的方法,其特征在于,根据各所述历史停车缴费信息中的停车场信息和所述入场信息中的停车场信息,确定各所述历史停车缴费信息与所述入场信息的位置匹配因子,包括:
若目标历史停车缴费信息中的停车场信息和所述入场信息中的停车场信息为同一停车场,则确定所述目标历史停车缴费信息与所述入场信息的位置匹配因子为第三预设值,其中,所述目标历史停车缴费信息为所述历史停车缴费信息中的任一历史停车缴费信息;
若所述目标历史停车缴费信息中的停车场信息和所述入场信息中的停车场信息不是同一停车场,则确定所述目标历史停车缴费信息与所述入场信息的位置匹配因子为第四预设值。
5.根据权利要求2所述的方法,其特征在于,根据各所述历史停车缴费信息中的时间戳和所述入场信息中的时间戳,计算各所述历史停车缴费信息对应的时间衰减因子,包括:
根据各所述历史停车缴费信息中的时间戳和所述入场信息中的时间戳,计算各所述历史停车缴费信息与所述入场信息的时间差;
采用指数衰减函数对所述时间差进行计算,得到各所述历史停车缴费信息对应的时间衰减因子。
6.根据权利要求1所述的方法,其特征在于,确定所述目标车辆是否为黑名单车辆,包括:
若预设时间内所述目标车辆对应的缴费用户的数量大于第五预设值和/或所述目标车辆与各用户之间的匹配得分均小于第六预设值,则确定所述目标车辆为黑名单车辆。
7.根据权利要求1所述的方法,其特征在于,基于所述目标车辆与各用户之间的匹配得分、所述目标车辆是否为黑名单车辆、所述目标车辆的认证用户信息和所述目标车辆对应的黑名单用户信息确定所述目标车辆所属的目标用户,包括:
按照预设规则对所述目标车辆与各用户之间的匹配得分、所述目标车辆是否为黑名单车辆、所述目标车辆的认证用户信息和所述目标车辆对应的黑名单用户信息进行综合分析,确定所述目标车辆所属的目标用户。
8.一种人车关系的识别装置,其特征在于,包括:
获取单元,用于获取目标车辆的入场信息和所述目标车辆的历史停车缴费信息;
相似度匹配单元,用于将所述入场信息与所述历史停车缴费信息进行相似度匹配,根据匹配结果得到所述目标车辆与各用户之间的匹配得分;
第一确定单元,用于确定所述目标车辆是否为黑名单车辆、所述目标车辆的认证用户信息和所述目标车辆对应的黑名单用户信息;
第二确定单元,用于基于所述目标车辆与各用户之间的匹配得分、所述目标车辆是否为黑名单车辆、所述目标车辆的认证用户信息和所述目标车辆对应的黑名单用户信息确定所述目标车辆所属的目标用户。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有机器可运行指令,所述机器可运行指令在被处理器调用和运行时,所述机器可运行指令促使所述处理器运行上述权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110621827.4A CN113327336B (zh) | 2021-06-03 | 2021-06-03 | 人车关系的识别方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110621827.4A CN113327336B (zh) | 2021-06-03 | 2021-06-03 | 人车关系的识别方法、装置和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113327336A true CN113327336A (zh) | 2021-08-31 |
CN113327336B CN113327336B (zh) | 2023-02-28 |
Family
ID=77419644
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110621827.4A Active CN113327336B (zh) | 2021-06-03 | 2021-06-03 | 人车关系的识别方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113327336B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113779632A (zh) * | 2021-09-14 | 2021-12-10 | 深圳市神州路路通网络科技有限公司 | 车辆敏感信息保护方法、系统、设备及可读存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004005133A (ja) * | 2002-05-31 | 2004-01-08 | Toshiba Corp | 免許証を用いた車両制御システム及び車両制御方法 |
US20180052892A1 (en) * | 2016-08-19 | 2018-02-22 | Ajou University Industry-Academic Cooperation Foundation | Method and apparatus for calculating similarity of life log data |
CN110443185A (zh) * | 2019-07-31 | 2019-11-12 | 京东城市(北京)数字科技有限公司 | 驾驶员识别方法、驾驶员识别装置、电子设备及存储介质 |
CN110489400A (zh) * | 2019-08-23 | 2019-11-22 | 武汉白虹软件科技有限公司 | 一种实现人车采集数据准实时关联的算法模型 |
CN110674236A (zh) * | 2019-09-23 | 2020-01-10 | 浙江省北大信息技术高等研究院 | 基于时空轨迹匹配的移动目标关联方法、装置、设备及存储介质 |
CN111862425A (zh) * | 2020-07-07 | 2020-10-30 | 深圳市凯达尔科技实业有限公司 | 一种基于3d立体可视化动态监控的停车场管理系统及方法 |
CN111967750A (zh) * | 2020-08-07 | 2020-11-20 | 上海新共赢信息科技有限公司 | 一种车辆匹配方法、装置、终端及存储介质 |
CN111984806A (zh) * | 2020-08-13 | 2020-11-24 | 浙江每日互动网络科技股份有限公司 | 一种确定车辆与终端关联程度的方法、装置和存储介质 |
CN112330828A (zh) * | 2020-10-30 | 2021-02-05 | 深圳市元征科技股份有限公司 | 停车场的车辆信息处理方法、装置、终端设备及存储介质 |
CN112712358A (zh) * | 2020-12-30 | 2021-04-27 | 深圳市顺易通信息科技有限公司 | 一种无感支付方式的推荐方法、装置及终端设备 |
-
2021
- 2021-06-03 CN CN202110621827.4A patent/CN113327336B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004005133A (ja) * | 2002-05-31 | 2004-01-08 | Toshiba Corp | 免許証を用いた車両制御システム及び車両制御方法 |
US20180052892A1 (en) * | 2016-08-19 | 2018-02-22 | Ajou University Industry-Academic Cooperation Foundation | Method and apparatus for calculating similarity of life log data |
CN110443185A (zh) * | 2019-07-31 | 2019-11-12 | 京东城市(北京)数字科技有限公司 | 驾驶员识别方法、驾驶员识别装置、电子设备及存储介质 |
CN110489400A (zh) * | 2019-08-23 | 2019-11-22 | 武汉白虹软件科技有限公司 | 一种实现人车采集数据准实时关联的算法模型 |
CN110674236A (zh) * | 2019-09-23 | 2020-01-10 | 浙江省北大信息技术高等研究院 | 基于时空轨迹匹配的移动目标关联方法、装置、设备及存储介质 |
CN111862425A (zh) * | 2020-07-07 | 2020-10-30 | 深圳市凯达尔科技实业有限公司 | 一种基于3d立体可视化动态监控的停车场管理系统及方法 |
CN111967750A (zh) * | 2020-08-07 | 2020-11-20 | 上海新共赢信息科技有限公司 | 一种车辆匹配方法、装置、终端及存储介质 |
CN111984806A (zh) * | 2020-08-13 | 2020-11-24 | 浙江每日互动网络科技股份有限公司 | 一种确定车辆与终端关联程度的方法、装置和存储介质 |
CN112330828A (zh) * | 2020-10-30 | 2021-02-05 | 深圳市元征科技股份有限公司 | 停车场的车辆信息处理方法、装置、终端设备及存储介质 |
CN112712358A (zh) * | 2020-12-30 | 2021-04-27 | 深圳市顺易通信息科技有限公司 | 一种无感支付方式的推荐方法、装置及终端设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113779632A (zh) * | 2021-09-14 | 2021-12-10 | 深圳市神州路路通网络科技有限公司 | 车辆敏感信息保护方法、系统、设备及可读存储介质 |
CN113779632B (zh) * | 2021-09-14 | 2023-08-22 | 深圳市神州路路通网络科技有限公司 | 车辆敏感信息保护方法、系统、设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113327336B (zh) | 2023-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106384273B (zh) | 恶意刷单检测系统及方法 | |
CN107645709B (zh) | 一种确定人员信息的方法及装置 | |
CN105448103A (zh) | 车辆套牌检测方法与系统 | |
CN111339151B (zh) | 在线考试方法、装置、设备及计算机存储介质 | |
CN110992135A (zh) | 一种风险识别方法、装置、电子设备及存储介质 | |
CN109242658B (zh) | 可疑交易报告生成方法、系统、计算机设备和存储介质 | |
CN113327336B (zh) | 人车关系的识别方法、装置和电子设备 | |
CN112446637A (zh) | 一种建筑施工质量安全在线风险检测方法及系统 | |
CN110706016A (zh) | 业务异常检测方法、装置及计算机可读存储介质 | |
CN110647913A (zh) | 基于聚类算法的异常数据检测方法及装置 | |
CN113011899A (zh) | 一种企业信用评价方法、装置、设备及计算机存储介质 | |
CN111064719B (zh) | 文件异常下载行为的检测方法及装置 | |
CN110324352B (zh) | 识别批量注册账号群的方法及装置 | |
CN111126844A (zh) | 涉众型风险企业的评估方法、装置、设备及存储介质 | |
CN113806343B (zh) | 一种车联网数据质量的评估方法和系统 | |
CN113094388B (zh) | 一种用户工作地与居住地的检测方法及相关装置 | |
CN111369790B (zh) | 过车记录校正方法、装置、设备及存储介质 | |
CN111860512A (zh) | 一种车辆识别方法、装置、电子设备及计算机可读存储介质 | |
CN108446739B (zh) | 一种数据录入监测方法及装置 | |
CN111914591A (zh) | 一种时长确定方法及装置 | |
CN112866295B (zh) | 一种大数据防爬虫处理方法及云平台系统 | |
CN115760486A (zh) | 临建规模评估方法、装置、设备和可读存储介质 | |
CN110517063B (zh) | 进店消费人次确定方法、装置及服务器 | |
CN112488562B (zh) | 一种业务实现方法及装置 | |
CN114202250A (zh) | 一种企业评估系统、方法及电子设备 |
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 |