CN114446031B - 基于多设备、多维度数据融合分析检查站管理方法及系统 - Google Patents
基于多设备、多维度数据融合分析检查站管理方法及系统 Download PDFInfo
- Publication number
- CN114446031B CN114446031B CN202210155457.4A CN202210155457A CN114446031B CN 114446031 B CN114446031 B CN 114446031B CN 202210155457 A CN202210155457 A CN 202210155457A CN 114446031 B CN114446031 B CN 114446031B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- information
- early warning
- label
- dynamic
- 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
- 230000004927 fusion Effects 0.000 title claims abstract description 65
- 238000007689 inspection Methods 0.000 title claims abstract description 37
- 238000007726 management method Methods 0.000 title claims abstract description 28
- 238000004458 analytical method Methods 0.000 title claims abstract description 18
- 238000000034 method Methods 0.000 claims description 16
- 238000013523 data management Methods 0.000 claims description 4
- 230000007774 longterm Effects 0.000 claims description 4
- 239000000725 suspension Substances 0.000 claims description 3
- 231100001261 hazardous Toxicity 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/24—Reminder alarms, e.g. anti-loss alarms
-
- 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
- G08G1/0125—Traffic data processing
-
- 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
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提出了一种基于多设备、多维度数据融合分析检查站管理方法,包括:获取车辆的第一车辆信息、第二车辆信息;采集所述车辆的人员信息和车辆状态信息;将所述第一车辆信息、第二车辆信息、所述人员信息和所述车辆状态信息融合成车辆融合通行记录;分析多次所述车辆融合通行记录并生成多个第一动态标签,调用且分析来源于外部的数据库并生成多个第二动态标签,根据所述第一动态标签和所述第二动态标签构建动态标签库;调用所述动态标签库,根据所述车辆融合通行记录定义所述车辆的预警标签信息,并根据所述预警标签信息进行预警判断。本申请具有提高安检效率、降低安检风险的效果。
Description
技术领域
本申请涉及安检预警的技术领域,具体涉及一种基于多设备、多维度数据融合分析检查站管理方法及系统。
背景技术
随着车辆识别、人脸识别、人脸检测等相关技术发展,车辆信息和人脸关联应用也是越来越丰富,在检查站安检过程有众多相关技术可以提升安全辅助作用和历史轨迹查询。然而,现有的检查站系统大多是分流导向以及车辆或者人员黑名单数据匹配预警,其对于车辆和人员信息了解不足,危险程度也无法预估,不仅容易造成安检效率慢,同时也存在一定的安检风险。
因此,提供一种能够提高安检效率,并且降低安检风险的检查站管理方法及系统就显得尤为重要。
发明内容
为了解决现有技术中的检查站系统安检效率低且存在一定安检风险的技术问题,本申请提出了一种基于多设备、多维度数据融合分析检查站管理方法及系统,用于解决上述技术问题。
根据本申请的第一方面,提出了一种基于多设备、多维度数据融合分析检查站管理方法,包括以下步骤:
S1、获取车辆的第一车辆信息和第二车辆信息,所述第一车辆信息至少包括车牌号码、车辆速度、通行时间和当天累计通行次数,所述第二车辆信息至少包括车辆总重量和车辆限制重量;
S2、采集所述车辆的人员信息和车辆状态信息,所述人员信息至少包括主驾驶人员信息和副驾驶人员信息,所述车辆状态信息至少包括危险品车辆状态和开车打电话状态;
S3、将所述第一车辆信息、所述第二车辆信息、所述人员信息和所述车辆状态信息融合成车辆融合通行记录;
S4、分析多次所述车辆融合通行记录并生成多个第一动态标签,调用且分析来源于外部的数据库并生成多个第二动态标签,根据所述第一动态标签和所述第二动态标签构建动态标签库;以及
S5、调用所述动态标签库,根据所述车辆融合通行记录定义所述车辆的预警标签信息,并根据所述预警标签信息进行预警判断。
通过采集车辆的多个维度信息并融合成车辆融合通行记录,可以更直观的了解车辆通行采集数据要素,然后通过分析车辆融合通行记录以及调用现有的数据库中的预警标签,构建包含多个预警标签的动态标签库,再根据采集到的车辆融合通行记录判断车辆匹配到动态标签库中的哪一类预警标签,将车辆匹配的所有标签构成车辆的预警标签信息,最终根据预警标签信息去做出预警判断。本申请通过构建动态标签库智能产生推荐核查的车辆信息,实现检查站自循环流程,不仅提高了安检效率,还能起到提前预警、降低安检风险的作用。
优选的,所述第一动态标签和所述第二动态标签中包含有至少两种不同预警推荐等级的预警标签,所述步骤S5中所述根据所述预警标签信息进行预警判断具体为:根据所述预警标签信息中包含的所述预警标签的预警推荐等级进行预警判断。
将动态标签库中的预警标签划分成不同的预警推荐等级,根据车辆的预警危险程度进行预警判断,从而可以更为智能的产生推荐核查的车辆信息,进一步的提高安检效率。
优选的,所述第一动态标签和所述第二动态标签中包含有四种不同预警推荐等级的所述预警标签:一级预警标签、二级预警标签、三级预警标签和四级预警标签;
四种所述预警标签的预警严重程度逐渐减弱且分别对应A、B、C、D四种预警推荐值,所述步骤S5中所述根据所述预警标签信息进行预警判断具体为:计算所述预警标签信息的所述预警推荐值之和,当所述预警标签信息的所述预警推荐值之和大于预设阈值时,提示对所述车辆进行核验。
通过赋予不同预警推荐等级的预警标签一个对应的预警推荐值,再计算车辆预警标签信息中所有预警标签的预警推荐值之和,可以更客观的反应该车辆的预警危险程度,从而选择是否需要进行推荐核查,提高了安检效率。
优选的,所述第一动态标签中的所述一级预警标签包括危险品车辆标签和失驾人员标签;
其中,所述失驾人员标签的定义标准为:调用来源于外部的失驾库,所述车辆的所述主驾驶人员信息与所述失驾库中驾驶证处于吊销、注销或暂扣状态的人员匹配;
所述第一动态标签中的所述三级预警标签包括长期超速通行标签和频繁通行标签;
所述第一动态标签中的所述四级预警标签包括运营车标签、多次开车打电话标签、多次超重标签、常夜出行标签和多车通行标签;其中,
所述运营车标签的定义标准为:分析历史近一个月内所述车辆的所述车辆融合通行记录,所述车辆的副驾驶人员信息去重后关联数量超过预设阈值;
所述常夜出行标签的定义标准为:分析历史近一个月内所述车辆的所述车辆融合通行记录,所述车辆频繁在预设夜间时段内通行;
所述多车通行标签的定义标准为:分析历史近一个月内所述车辆的所述车辆融合通行记录,所述车辆的所述主驾驶人员信息关联的所述车牌号码去重后数量超过预设阈值。
优选的,所述第二动态标签中的所述一级预警标签包括报废车辆标签、在逃人员标签和失盗窃车辆标签;
所述第二动态标签中的所述二级预警标签包括超年检车辆标签;
所述第二动态标签中的所述三级预警标签包括过保险期车辆标签。
进一步优选的,所述主驾驶人员信息至少包括主驾驶人员身份证号码、主驾驶人员姓名、主驾驶人员性别、主驾驶人员身份证图片、主驾驶人员人脸抓拍图和副驾驶人脸图。
通过采集主驾驶人员的多个相关的特征信息,可以提高主驾驶人员的识别准确度。
进一步优选的,所述副驾驶人员信息至少包括副驾驶人员身份证号码、副驾驶人员姓名、副驾驶人员性别和副驾驶人员相似度。
通过采集副驾驶人员的多个相关的特征信息,可以提高副驾驶人员的识别准确度。
进一步优选的,所述副驾驶人员相似度的计算具体采用平均结构性MSSIM算法。
根据本申请的第二方面,提出了一种基于多设备、多维度数据融合分析检查站管理系统,包括:
前置采集模块,配置用于获取车辆的第一车辆信息和第二车辆信息,所述第一车辆信息至少包括车牌号码、车辆速度、通行时间和当天累计通行次数,所述第二车辆信息至少包括车辆总重量和车辆限制重量,采集所述车辆的人员信息和车辆状态信息,所述人员信息至少包括主驾驶人员信息和副驾驶人员信息,所述车辆状态信息至少包括危险品车辆状态和开车打电话状态;
数据管理模块,配置用于将所述第一车辆信息、所述第二车辆信息、所述人员信息和所述车辆状态信息融合成车辆融合通行记录,分析多次所述车辆融合通行记录并生成多个第一动态标签,调用且分析来源于外部的数据库并生成多个第二动态标签,根据所述第一动态标签和所述第二动态标签构建动态标签库;
综合管理模块,配置用于调用所述动态标签库,根据所述车辆融合通行记录定义所述车辆的预警标签信息,并根据所述预警标签信息进行预警判断。
本申请提出了一种基于多设备、多维度数据融合分析检查站管理方法及系统,通过采集车辆以及车辆上人员的多个维度信息并融合成车辆融合通行记录,可以更直观的了解车辆通行采集数据要素,然后通过分析车辆融合通行记录以及调用现有的数据库中的预警标签,构建包含多个预警标签的动态标签库,并且对不同的预警标签进行预警推荐等级的划分,同时赋予一个对应的预警推荐值。再根据采集到的车辆融合通行记录判断车辆匹配到动态标签库中的哪一类预警标签,将车辆匹配的所有预警标签构成车辆的预警标签信息,最终根据预警标签信息的最终预警推荐值去做出预警判断。本申请通过采集车辆和车辆上人员的多维度信息以及现有的数据库构建了动态标签库,动态标签库包含有不同预警推荐等级的预警标签,通过调用动态标签库智能产生推荐核查的车辆信息,实现检查站自循环流程,不仅提高了安检效率,还能起到提前预警、降低安检风险的作用。
附图说明
包括附图以提供对实施例的进一步理解并且附图被并入本说明书中并且构成本说明书的一部分。附图图示了实施例并且与描述一起用于解释本申请的原理。将容易认识到其它实施例和实施例的很多预期优点,因为通过引用以下详细描述,它们变得被更好地理解。附图的元件不一定是相互按照比例的。同样的附图标记指代对应的类似部件。
图1是根据本申请实施例的基于多设备、多维度数据融合分析检查站管理方法的流程图;
图2是根据本申请实施例的基于多设备、多维度数据融合分析检查站管理系统框图。
附图标记说明:1、前置采集模块;11、前置车卡;12、地磅设备;13、车底扫描设备;14、智能机器人设备;2、数据管理模块;3、综合管理模块;4、道闸;5、LED显示屏。
具体实施方式
下面将详细描述本申请的各个方面的特征和示例性实施例,为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细描述。应理解,此处所描述的具体实施例仅被配置为解释本申请,并不被配置为限定本申请。对于本领域技术人员来说,本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物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、物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......”限定的要素,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
根据本申请的第一方面,提出了一种基于多设备、多维度数据融合分析检查站管理方法。
图1示出了根据本申请实施例的基于多设备、多维度数据融合分析检查站管理方法的流程图,如图1所示,该管理方法包括以下步骤:
S1、获取车辆的第一车辆信息和第二车辆信息,第一车辆信息至少包括车牌号码、车辆速度、通行时间和当天累计通行次数,第二车辆信息至少包括车辆总重量和车辆限制重量。
在具体的实施例中,通过车牌号码对车辆进行匹配识别。第一车辆信息还包括车牌颜色、车辆类型、车辆场景图等,第二车辆信息还包括车辆轴数和超重状态等。
S2、采集车辆的人员信息和车辆状态信息,人员信息至少包括主驾驶人员信息和副驾驶人员信息,车辆状态信息至少包括危险品车辆状态和开车打电话状态。
在具体的实施例中,通过主驾驶人员信息和副驾驶人员信息来分别识别车辆上的主驾驶人员和副驾驶人员。主驾驶人员信息包括主驾驶人员身份证号码、主驾驶人员姓名、主驾驶人员性别、主驾驶人员身份证图片、主驾驶人员人脸抓拍图和副驾驶人脸图等,副驾驶人员信息包括副驾驶人员身份证号码、副驾驶人员姓名、副驾驶人员性别和副驾驶人员相似度等。通过采集更多维度的主驾驶人员信息和副驾驶人员信息,可以提高主驾驶人员和副驾驶人员的识别准确度。其中,副驾驶人员相似度的计算具体可采用平均结构性MSSIM算法。
S3、将第一车辆信息、第二车辆信息、人员信息和车辆状态信息融合成车辆融合通行记录。
将采集到的车辆以及车辆上人员的多维度数据进行融合,更加直观了解车辆通行采集数据要素。
S4、分析多次车辆融合通行记录并生成多个第一动态标签,调用且分析来源于外部的数据库并生成多个第二动态标签,根据第一动态标签和第二动态标签构建动态标签库。
在具体的实施例中,通过分析近一个月内车辆的车辆融合通行记录来生成多个第一动态标签,且第一动态标签随着车辆融合通行记录的数据更新而动态更新。第二动态标签则直接来源于外部的数据库,数据库包括但不限于人像云和车辆数据大平台。第一动态标签和第二动态标签中均包括多个预警标签。
在优选的实施例中,将第一动态标签和第二动态标签中的多个预警标签划分成不同的预警推荐等级。本实施例中,将第一动态标签和第二动态标签中的多个预警标签划分成四种预警推荐等级,分别为一级预警标签、二级预警标签、三级预警标签和四级预警标签。
在优选的实施例中,一级预警标签、二级预警标签、三级预警标签和四级预警标签的预警严重程度逐渐减弱且分别对应A、B、C、D四种预警推荐值。本实施例中,一级预警标签、二级预警标签、三级预警标签和四级预警标签对应的预警推荐值分别为8、4、2、1。
具体的,第一动态标签中包含的预警标签及定义分别如下:
一级预警标签:危险品车辆标签和失驾人员标签。
分析近一个月内车辆融合通行记录中的危险品车辆状态,当车辆被判断为危险品车辆的次数超过预设阈值时,为该车辆记录危险品车辆标签。本实施例中,判断为危险品车辆的次数的预设阈值为5次。
调用来源于外部(人像云和车辆数据大平台)的失驾库,当车辆的主驾驶人员与失驾库中驾驶证处于吊销、注销或暂扣状态的人员匹配,为该主驾驶人员记录失驾人员标签。
三级预警标签:长期超速通行标签和频繁通行标签。
分析近一个月内车辆融合通行记录中的车辆速度,当车辆超速通过的次数大于预设阈值时,为该车辆记录长期超速通行标签。本实施例中,判断为车辆超速通过的次数的预设阈值为10次。
分析近一个月内车辆融合通行记录中的当天累计通行次数,当车辆在预设天数内的当天累计通行次数超过预设阈值,为该车辆的主驾驶人员记录频繁通行标签。本实施例中,预设天数为3天,当天累计通行次数的预设阈值为10次。
四级预警标签:运营车标签、多次开车打电话标签、多次超重标签、常夜出行标签和多车通行标签。
分析近一个月内车辆融合通行记录中的副驾驶人员信息,当车辆的副驾驶人员去重后关联数量超过预设阈值,为该车辆记录运营车标签。本实施例中,副驾驶人员去重后关联数量的预设阈值为15人。
分析近一个月内车辆融合通行记录中的开车打电话状态,当车辆被判断为主驾驶人员开车打电话的次数超过预设阈值时,为该车辆记录多次开车打电话标签。本实施例中,开车打电话的次数的预设阈值为5次。
分析近一个月内车辆融合通行记录中的超重状态,当车辆被判断为超重的次数超过预设阈值时,为该车辆记录多次超重标签。本实施例中,超重的次数的预设阈值为5次。
分析近一个月内车辆融合通行记录中的通行时间,当车辆的通行时间在预设夜间时段内的次数超过预设阈值时,为该车辆的主驾驶人员和副驾驶人员记录常夜出行标签。本实施例中,预设夜间时段为当日晚上23点至次日凌晨5点,车辆的通行时间在预设夜间时段内的次数的预设阈值为10次。
分析近一个月内车辆融合通行记录中的主驾驶人员信息和车牌号码,当车辆的主驾驶人员关联的车牌号码去重数量超过预设阈值时,为该车辆的主驾驶人员记录多车通行标签。本实施例中,主驾驶人员关联的车牌号码去重数量的预设阈值为10辆。
第二动态标签中包含的预警标签及定义分别如下:
一级预警标签:报废车辆标签、在逃人员标签和失盗窃车辆标签。
关联现有的车辆信息库,若分析出车辆处于报废状态,为该车辆记录报废车辆标签。
查询现有的在逃人员库,当车辆的主驾驶人员和/或副驾驶人员与在逃人员库中的在逃人员匹配上,为该车辆的主驾驶人员和/或副驾驶人员记录在逃人员标签。
查询现有的失盗窃车辆库,当车辆与失盗窃车辆库中的车辆匹配上,为该车辆记录失盗窃车辆标签。
二级预警标签:超年检车辆标签。
关联现有的车辆信息库,当车辆的年检有效期超期时,为该车辆记录超年检车辆标签。
三级预警标签:过保险期车辆标签。
关联现有的车辆信息库,当车辆的保险有效期超期时,为该车辆记录过保险期车辆标签。
本实施例中,车辆信息库、在逃人员库和失盗窃车辆库中的数据可对应来源于交警部门和警察机关。
继续参照图1,在步骤S4之后,
S5、调用动态标签库,根据车辆融合通行记录定义车辆的预警标签信息,并根据预警标签信息进行预警判断。
在具体的实施例中,在调用动态标签库后,根据采集到的车辆融合通行记录,分析该车辆满足动态标签库中的哪些预警标签,将该车辆匹配到的所有预警标签构成预警标签信息,然后根据预警标签信息去做出预警判断,提示是否进行预警核查。
在优选的实施例中,根据预警标签信息中包含的预警标签的预警推荐等级进行预警判断,从而可以更为智能的产生推荐核查的车辆信息,进一步的提高安检效率。
在优选的实施例中,计算预警标签信息中包含的所有预警标签的预警推荐值之和,当预警标签信息的预警推荐值之和大于预设阈值时,提示对车辆进行核验。通过赋予不同预警推荐等级的预警标签一个对应的预警推荐值,再计算车辆预警标签信息中所有预警标签的预警推荐值之和,可以更客观的反应该车辆的预警危险程度,从而选择是否需要对车辆进行预警核查,进一步提高了安检效率。本实施例中,预警推荐值的预设阈值为8。
因此,假设车辆的预警标签信息的预警推荐值之和为K,预警标签信息中包括n1个一级预警标签、n2个二级预警标签、n3个三级预警标签和n4个四级预警标签,则有:
K=8*n1+4*n2+2*n3+n4
当判断K≥8时,提示对该车辆进行预警核查。
在优选的实施例中,在步骤S1或步骤S2中,还包括:
采集车辆的车底图片。
在步骤S3中,还包括:将车底图片融合至车辆融合通行记录。
将采集到的车底图片与近一个月内车辆融合通行记录中的车底图片进行相似度计算,当相似度低于预设阈值时,为该车辆记录车底挂载物品标签,并将车底挂载物品标签归纳为第一动态标签中的一级预警标签。本实施例中,车底图片相似度的预设阈值为50%,车底图片相似度计算具体可采用平均结构性MSSIM算法。
根据本申请的第二方面,基于上述的检查站管理方法,提出了一种基于多设备、多维度数据融合分析检查站管理系统。
图2示出了根据本申请实施例的基于多设备、多维度数据融合分析检查站管理系统框图,如图2所示,该系统包括:
前置采集模块1,配置用于获取车辆的第一车辆信息和第二车辆信息,第一车辆信息至少包括车牌号码、车辆速度、通行时间和当天累计通行次数,第二车辆信息至少包括车辆总重量和车辆限制重量,采集车辆的人员信息和车辆状态信息,人员信息至少包括主驾驶人员信息和副驾驶人员信息,车辆状态信息至少包括危险品车辆状态和开车打电话状态;
数据管理模块2,配置用于将第一车辆信息、第二车辆信息、人员信息和车辆状态信息融合成车辆融合通行记录,分析多次车辆融合通行记录并生成多个第一动态标签,调用且分析来源于外部的数据库并生成多个第二动态标签,根据第一动态标签和第二动态标签构建动态标签库;
综合管理模块3,配置用于调用动态标签库,根据车辆融合通行记录定义车辆的预警标签信息,并根据预警标签信息进行预警判断。
具体的,前置采集模块包括:
前置车卡11,配置用于获取车辆的第一车辆信息;
地磅设备12,配置用于获取车辆的第二车辆信息;
车底扫描设备13,配置用于拍摄车辆的车底图片;
智能机器人设备14,配置用于采集车辆的人员信息和车辆状态信息。
检查站系统还包括:
道闸4,设置于车辆通行的车道上,配置用于当综合管理模块3提示对车辆做出预警核查时,道闸4关闭车道;
LED显示屏5,配置用于显示综合管理模块3智能产生的推荐预警核查的车辆信息。
本申请提出了一种基于多设备、多维度数据融合分析检查站管理方法及系统,通过采集车辆以及车辆上人员的多个维度信息并融合成车辆融合通行记录,可以更直观的了解车辆通行采集数据要素,然后通过分析车辆融合通行记录以及调用现有的数据库中的预警标签,构建包含多个预警标签的动态标签库,并且对不同的预警标签进行预警推荐等级的划分,同时赋予一个对应的预警推荐值。再根据采集到的车辆融合通行记录判断车辆匹配到动态标签库中的哪一类预警标签,将车辆匹配的所有预警标签构成车辆的预警标签信息,最终根据预警标签信息的预警推荐值之和去做出预警判断。本申请通过采集车辆和车辆上人员的多维度信息以及现有的数据库构建了动态标签库,动态标签库包含有不同预警推荐等级的预警标签,通过调用动态标签库智能产生推荐核查的车辆信息,实现检查站自循环流程,不仅提高了安检效率,并且推荐预警核查的车辆信息是结合不同预警标签的预警权重所生成的,其能更加客观、准确的反应车辆的危险程度,从而有效的做出预警,减少安检的风险性。
在本申请实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置/系统/方法实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,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接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
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,在本申请各个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。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元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全部或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计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
显然,本领域技术人员在不偏离本申请的精神和范围的情况下可以作出对本申请的实施例的各种修改和改变。以该方式,如果这些修改和改变处于本申请的权利要求及其等同形式的范围内,则本申请还旨在涵盖这些修改和改变。词语“包括”不排除未在权利要求中列出的其它元件或步骤的存在。某些措施记载在相互不同的从属权利要求中的简单事实不表明这些措施的组合不能被用于获利。权利要求中的任何附图标记不应当被认为限制范围。
Claims (9)
1.一种基于多设备、多维度数据融合分析检查站管理方法,其特征在于,包括以下步骤:
S1、获取车辆的第一车辆信息和第二车辆信息,所述第一车辆信息至少包括车牌号码、车辆速度、通行时间和当天累计通行次数,所述第二车辆信息至少包括车辆总重量和车辆限制重量;
S2、采集所述车辆的人员信息和车辆状态信息,所述人员信息至少包括主驾驶人员信息和副驾驶人员信息,所述车辆状态信息至少包括危险品车辆状态和开车打电话状态;
S3、将所述第一车辆信息、所述第二车辆信息、所述人员信息和所述车辆状态信息融合成车辆融合通行记录;
S4、分析多次所述车辆融合通行记录并生成多个第一动态标签,调用且分析来源于外部的数据库并生成多个第二动态标签,根据所述第一动态标签和所述第二动态标签构建动态标签库;以及
S5、调用所述动态标签库,根据所述车辆融合通行记录分析该车辆满足所述动态标签库中的哪些预警标签来定义所述车辆的预警标签信息,并根据所述预警标签信息进行预警判断。
2.根据权利要求1所述的管理方法,其特征在于,所述第一动态标签和所述第二动态标签中包含有至少两种不同预警推荐等级的预警标签,所述步骤S5中所述根据所述预警标签信息进行预警判断具体为:根据所述预警标签信息中包含的所述预警标签的预警推荐等级进行预警判断。
3.根据权利要求2所述的管理方法,其特征在于,所述第一动态标签和所述第二动态标签中包含有四种不同预警推荐等级的所述预警标签:一级预警标签、二级预警标签、三级预警标签和四级预警标签;
四种所述预警标签的预警严重程度逐渐减弱且分别对应A、B、C、D四种预警推荐值,所述步骤S5中所述根据所述预警标签信息进行预警判断具体为:计算所述预警标签信息的所述预警推荐值之和,当所述预警标签信息的所述预警推荐值之和大于预设阈值时,提示对所述车辆进行核验。
4.根据权利要求3所述的管理方法,其特征在于,所述第一动态标签中的所述一级预警标签包括危险品车辆标签和失驾人员标签;
其中,所述失驾人员标签的定义标准为:调用来源于外部的失驾库,所述车辆的所述主驾驶人员信息与所述失驾库中驾驶证处于吊销、注销或暂扣状态的人员匹配;
所述第一动态标签中的所述三级预警标签包括长期超速通行标签和频繁通行标签;
所述第一动态标签中的所述四级预警标签包括运营车标签、多次开车打电话标签、多次超重标签、常夜出行标签和多车通行标签;其中,
所述运营车标签的定义标准为:分析历史近一个月内所述车辆的所述车辆融合通行记录,所述车辆的副驾驶人员信息去重后关联数量超过预设阈值;
所述常夜出行标签的定义标准为:分析历史近一个月内所述车辆的所述车辆融合通行记录,所述车辆频繁在预设夜间时段内通行;
所述多车通行标签的定义标准为:分析历史近一个月内所述车辆的所述车辆融合通行记录,所述车辆的所述主驾驶人员信息关联的所述车牌号码去重后数量超过预设阈值。
5.根据权利要求3所述的管理方法,其特征在于,所述第二动态标签中的所述一级预警标签包括报废车辆标签、在逃人员标签和失盗窃车辆标签;
所述第二动态标签中的所述二级预警标签包括超年检车辆标签;
所述第二动态标签中的所述三级预警标签包括过保险期车辆标签。
6.根据权利要求1所述的管理方法,其特征在于,所述主驾驶人员信息至少包括主驾驶人员身份证号码、主驾驶人员姓名、主驾驶人员性别、主驾驶人员身份证图片、主驾驶人员人脸抓拍图和副驾驶人脸图。
7.根据权利要求1所述的管理方法,其特征在于,所述副驾驶人员信息至少包括副驾驶人员身份证号码、副驾驶人员姓名、副驾驶人员性别和副驾驶人员相似度。
8.根据权利要求7所述的管理方法,其特征在于,所述副驾驶人员相似度的计算具体采用平均结构性MSSIM算法。
9.一种基于多设备、多维度数据融合分析检查站管理系统,其特征在于,包括:
前置采集模块,配置用于获取车辆的第一车辆信息和第二车辆信息,所述第一车辆信息至少包括车牌号码、车辆速度、通行时间和当天累计通行次数,所述第二车辆信息至少包括车辆总重量和车辆限制重量,采集所述车辆的人员信息和车辆状态信息,所述人员信息至少包括主驾驶人员信息和副驾驶人员信息,所述车辆状态信息至少包括危险品车辆状态和开车打电话状态;
数据管理模块,配置用于将所述第一车辆信息、所述第二车辆信息、所述人员信息和所述车辆状态信息融合成车辆融合通行记录,分析多次所述车辆融合通行记录并生成多个第一动态标签,调用且分析来源于外部的数据库并生成多个第二动态标签,根据所述第一动态标签和所述第二动态标签构建动态标签库;
综合管理模块,配置用于调用所述动态标签库,根据所述车辆融合通行记录分析该车辆满足所述动态标签库中的哪些预警标签来定义所述车辆的预警标签信息,并根据所述预警标签信息进行预警判断。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210155457.4A CN114446031B (zh) | 2022-02-21 | 2022-02-21 | 基于多设备、多维度数据融合分析检查站管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210155457.4A CN114446031B (zh) | 2022-02-21 | 2022-02-21 | 基于多设备、多维度数据融合分析检查站管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114446031A CN114446031A (zh) | 2022-05-06 |
CN114446031B true CN114446031B (zh) | 2024-05-28 |
Family
ID=81373084
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210155457.4A Active CN114446031B (zh) | 2022-02-21 | 2022-02-21 | 基于多设备、多维度数据融合分析检查站管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114446031B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116304974B (zh) * | 2023-02-17 | 2023-09-29 | 国网浙江省电力有限公司营销服务中心 | 多渠道数据融合方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111063196A (zh) * | 2019-11-29 | 2020-04-24 | 新疆联海创智信息科技有限公司 | 一种检查站综合管理系统 |
CN111127897A (zh) * | 2019-12-27 | 2020-05-08 | 泰斗微电子科技有限公司 | 车辆状态检测方法、装置、服务器及稽查系统 |
KR20200081603A (ko) * | 2018-12-27 | 2020-07-08 | 주식회사 아이비스 | 차량의 위험운행 판단장치 및 그 동작 방법 |
CN113990078A (zh) * | 2021-10-22 | 2022-01-28 | 四川遂广遂西高速公路有限责任公司 | 一种基于多源信息判断的高速路车辆超限检测方法、系统及存储介质 |
CN114067557A (zh) * | 2021-08-21 | 2022-02-18 | 山东科技大学 | 一种驾驶信用测定方法、系统、信息数据处理终端 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114003759A (zh) * | 2020-07-14 | 2022-02-01 | 佛吉亚歌乐电子(厦门)有限公司 | 推荐装置及方法 |
-
2022
- 2022-02-21 CN CN202210155457.4A patent/CN114446031B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20200081603A (ko) * | 2018-12-27 | 2020-07-08 | 주식회사 아이비스 | 차량의 위험운행 판단장치 및 그 동작 방법 |
CN111063196A (zh) * | 2019-11-29 | 2020-04-24 | 新疆联海创智信息科技有限公司 | 一种检查站综合管理系统 |
CN111127897A (zh) * | 2019-12-27 | 2020-05-08 | 泰斗微电子科技有限公司 | 车辆状态检测方法、装置、服务器及稽查系统 |
CN114067557A (zh) * | 2021-08-21 | 2022-02-18 | 山东科技大学 | 一种驾驶信用测定方法、系统、信息数据处理终端 |
CN113990078A (zh) * | 2021-10-22 | 2022-01-28 | 四川遂广遂西高速公路有限责任公司 | 一种基于多源信息判断的高速路车辆超限检测方法、系统及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114446031A (zh) | 2022-05-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ma et al. | The impact of aggressive driving behavior on driver‐injury severity at highway‐rail grade crossings accidents | |
CN110428091B (zh) | 基于数据分析的风险识别方法及相关设备 | |
Rodríguez et al. | Road traffic injuries in Colombia | |
CN115861983A (zh) | 用于机械设备的智能化管理系统及其方法 | |
Rezapour Mashhadi et al. | Impact of traffic enforcement on traffic safety | |
CN114446031B (zh) | 基于多设备、多维度数据融合分析检查站管理方法及系统 | |
CN112200525B (zh) | 基于电子运单和实时轨迹监测的危险货物运输监管系统 | |
CN113191730B (zh) | 一种基于大数据的危险化学品全生命周期信息监管系统 | |
CN112131282A (zh) | 车辆生命周期数据管理方法、电子设备、系统及存储介质 | |
Trirat et al. | Df-tar: a deep fusion network for citywide traffic accident risk prediction with dangerous driving behavior | |
CN118195620A (zh) | 一种多案关联反欺诈风险检测方法及系统 | |
US20080191874A1 (en) | Method and system for inspection of load-carrying vehicles | |
CN116596307A (zh) | 一种基于公交运营安全数据构建驾驶员安全画像模型的方法 | |
KR101909138B1 (ko) | 중소기업 매출채권 감소 및 부실방지를 위한 빅데이터 기반 매출채권회수지원 시스템 | |
US20090150267A1 (en) | System and method for monitoring the status of items subject to liens | |
KR102362808B1 (ko) | 상황별 근로자위험도 측정 방법 | |
CN113554245A (zh) | 危化品运输预警智能化风险分级和展示方法及装置 | |
CN111341106A (zh) | 交通预警方法、装置和设备 | |
KR20090022017A (ko) | 차량 충돌 인식 및 관리 방법 | |
Schietekat et al. | Detection of reckless driving in the Sub-Saharan informal public transportation system using acceleration-sensing telematics | |
Ess et al. | Estimating the potential of a warning system preventing road accidents at pedestrian crossings | |
Viegas | The impact of ADAS in the insurance world | |
CN118314737B (zh) | 一种车辆动态监控方法、系统、设备和介质 | |
Chen et al. | Factor Recognition of Regional Serious Pedestrian-vehicle Crash Using Big Data for Intelligent Vehicles | |
KR102457947B1 (ko) | 데이터 통합 분석을 기반으로 하는 운송사업운영 분석 평가 시스템 및 그 방법 |
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 |