CN115357771A - 基于大数据分析研判溯源渣土偷倒方法及其应用 - Google Patents

基于大数据分析研判溯源渣土偷倒方法及其应用 Download PDF

Info

Publication number
CN115357771A
CN115357771A CN202211141871.6A CN202211141871A CN115357771A CN 115357771 A CN115357771 A CN 115357771A CN 202211141871 A CN202211141871 A CN 202211141871A CN 115357771 A CN115357771 A CN 115357771A
Authority
CN
China
Prior art keywords
information
muck
vehicle
tracing
reported
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
Application number
CN202211141871.6A
Other languages
English (en)
Inventor
郁强
乔文龙
朱红霞
蓝思清
曹建建
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CCI China Co Ltd
Original Assignee
CCI China Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by CCI China Co Ltd filed Critical CCI China Co Ltd
Priority to CN202211141871.6A priority Critical patent/CN115357771A/zh
Publication of CN115357771A publication Critical patent/CN115357771A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/909—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/14—Receivers specially adapted for specific applications
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/625—License plates
    • 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
    • G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Medical Informatics (AREA)
  • Library & Information Science (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Evolutionary Computation (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Traffic Control Systems (AREA)
  • Burglar Alarm Systems (AREA)

Abstract

本申请提出了一种基于大数据分析研判溯源渣土偷倒方法及其应用，通过巡查上报发现时间、发现地点、溯源时间及溯源半径，结合周边的交通卡口信息，通过大数据分析研判手段，将过往的渣土车辆行驶轨迹描绘出来，并结合在偷倒乱倒地点通过的时间、通过路线最短距离及车辆GPS位置信息，实现对通过车辆的嫌疑程度排序。弥补了执法监督的空白，能够在城市监控盲区出现渣土偷倒乱倒现象时，为执法监督部门提供可靠有效的追查对象和追查线索。

Description

基于大数据分析研判溯源渣土偷倒方法及其应用
技术领域
本申请涉及车辆监管技术领域，特别是涉及一种基于大数据分析研判溯源渣土偷倒方法及其应用。
背景技术
渣土车作为运输工程渣土和建筑垃圾的车辆，在城市建设中起到了重要作用。而快速增长的渣土车运输市场在未能有效地监管下，造成了一系列的社会问题，随意偷倒、乱倒渣土、车辆超载，严重污染城市道路环境卫生，同时偷倒乱倒也会影响道路行车安全。为了规范化管理渣土运输工作，采用数字信息化手段赋能管理渣土运输传统行业，成为建设数字化社会的重要组成部分。
随着监控摄像头的覆盖面越来越大，渣土偷倒现象已经大幅减少，但在一些城市的边缘地带，监控未能全覆盖的地区，渣土偷倒现象时有发生，通过人力巡查或市民群众上报的方式更多是在事件发生后的事件上报，无法查询到事件发生的时间及具体车辆。
最为严重的是渣土车偷倒乱倒现象已经形成了一条隐形产业链，针对偷倒乱倒现象，目前市面上也有一些厂家对渣土偷倒乱倒现象提出一些解决方案，比如“CN107037458A渣土车乱抛监控系统”其通过车辆上安装的倾斜传感器，在渣土倾倒的时候将车辆的位置信息上报给云端系统，系统判断车辆位置是否可以停车卸载，以此来实现对渣土车偷倒乱倒的监管。但目前偷倒乱倒的渣土车中，黑车、未安装倾斜传感器的车辆占绝大部分，因此存在监管盲点。给监管部门造成极大的困扰。
因此，亟待一种基于大数据分析研判溯源渣土偷倒方法及其应用，在事件发生后通过大数据分析研判模型对偷倒事件进行溯源，将嫌疑车辆按照嫌疑程度进行输出排序。
发明内容
本申请实施例提供了一种基于大数据分析研判溯源渣土偷倒方法及其应用，针对目前技术存在的监管困难等问题。
本发明核心技术主要是通过构建一个大数据分析研判模型，在事件发生后通过大数据分析研判模型对偷倒事件进行溯源，将嫌疑车辆按照嫌疑程度进行输出排序，从而监管部门找出真正的嫌疑车辆。
第一方面，本申请提供了一种基于大数据分析研判溯源渣土偷倒方法，所述方法包括以下步骤：
S00、获取上报信息并根据该上报信息获取所需溯源的时间和溯源半径，同时对接的城市交通卡口和车辆GPS点位信息；
S10、基于大数据，以上报信息的地点为中心，筛选溯源半径范围内的所有城市交通卡口，并从该城市交通卡口的监控数据中筛选出所有渣土车的抓拍数据；
S20、根据所有渣土车的抓拍数据，按照车牌号码进行聚类组合，并根据渣土车通过各个城市交通卡口的时间进行排序，形成每个渣土车的运行轨迹信息；
S30、根据车牌号码，从所述车辆GPS点位信息中查询所有渣土车的车辆GPS位置信息；
S40、若能够查询到，则结合城市交通卡口的信息对对应渣土车的运行轨迹信息进行修正；若未查询到，则将对应渣土车的车辆嫌疑程度排名置为最高；
S50、根据修正后的运行轨迹信息和所述车辆GPS位置信息分别形成每个渣土车的运输轨迹，并计算上报信息的地点与每个渣土车的运输轨迹的最短距离；
S60、根据每个渣土车的运输轨迹和上报信息的地点与每个渣土车的运输轨迹的最短距离加权计算每个渣土车的嫌疑程度，并结合未查询到车辆GPS位置信息的渣土车的车辆嫌疑程度排名进行排序并输出。
进一步地，步骤S00中，上报信息至少包括上报时间、上报地点，根据上报时间获取所需溯源的时间，根据上报地点设定溯源半径。
进一步地，步骤S40中，还包括根据所述车辆GPS位置信息判断渣土车是否存在异常停车情况，并将该异常停车地点与所述上报信息的地点进行距离计算，将小于设定距离的渣土车标记为异常并记录到运输轨迹中，将无法获取车辆GPS点位信息的渣土车标记为黑车并记录到运输轨迹中。
进一步地，步骤S60中，分别以渣土车是否存在异常停车、渣土车在溯源半径范围内的运输轨迹与上报信息的地点的最近距离以及渣土车在溯源半径范围内经过上报信息的地点的时间段，进行加权计算嫌疑程度，嫌疑程度得分越高嫌疑越大并排序。
进一步地，步骤S60中，若嫌疑程度得分相同，则将经过上报信息的地点更接近上报时间的渣土车排名靠前。
进一步地，步骤S20中，按照车牌号码进行聚类组合的具体为将所有抓拍数据中分离，并按照车牌号码进行分类，以使得每个分类后的抓拍数据对应一个车牌号码。
进一步地，步骤S00中，通过将上报信息的地点的文字信息转换成经纬度信息，以获取精确的点位。
第二方面，本申请提供了一种基于大数据分析研判溯源渣土偷倒装置，包括：
信息获取模块，用于获取上报信息并根据该上报信息获取所需溯源的时间和溯源半径，同时对接的城市交通卡口和车辆GPS点位信息；
筛选模块，用于以上报信息的地点为中心，筛选溯源半径范围内的所有城市交通卡口，并从该城市交通卡口的监控数据中筛选出所有渣土车的抓拍数据；
处理模块，用于根据所有渣土车的抓拍数据，按照车牌号码进行聚类组合，并根据渣土车通过各个城市交通卡口的时间进行排序，形成每个渣土车的运行轨迹信息；用于根据修正后的运行轨迹信息和车辆GPS位置信息分别形成每个渣土车的运输轨迹，并计算上报信息的地点与每个渣土车的运输轨迹的最短距离；用于根据每个渣土车的运输轨迹和上报信息的地点与每个渣土车的运输轨迹的最短距离加权计算每个渣土车的嫌疑程度，并结合未查询到车辆GPS位置信息的渣土车的车辆嫌疑程度排名进行排序；
查询判断模块，用于根据车牌号码，从车辆GPS点位信息中查询所有渣土车的车辆GPS位置信息；若能够查询到，则结合城市交通卡口的信息对对应渣土车的运行轨迹信息进行修正；若未查询到，则将对应渣土车的车辆嫌疑程度排名置为最高；用于根据车辆GPS位置信息判断渣土车是否存在异常停车情况，并将该异常停车地点与上报信息的地点进行距离计算，将小于设定距离的渣土车标记为异常并记录到运输轨迹中，将无法获取车辆GPS点位信息的渣土车标记为黑车并记录到运输轨迹中；
输出模块，用于输出渣土车的车辆嫌疑程度排名。
第三方面，本申请提供了一种电子装置，包括存储器和处理器，存储器中存储有计算机程序，处理器被设置为运行计算机程序以执行上述的基于大数据分析研判溯源渣土偷倒方法。
第四方面，本申请提供了一种可读存储介质，可读存储介质中存储有计算机程序，计算机程序包括用于控制过程以执行过程的程序代码，过程包括根据上述的基于大数据分析研判溯源渣土偷倒方法。
本发明的主要贡献和创新点如下：1、与以往的监测偷倒乱倒的方式主要靠人工判断，在高发地段增加监控设备，通过监控设备覆盖实现远程监控查看，但设备维护成本较高，人工查看方式耗费人力的技术相比，本申请能够代替人工查看方式，并弥补监控盲区，从而降低人工成本和设备维护成本，提高监控范围，便于管理；
2、与现有的监测手段通过安装在车辆上的倾斜监测设备或载重监测设备，在车辆倾倒时触发定位设备上报定位信息，远程比对车辆位置实现监测技术相比，本申请可实现对未安装监控设备的车辆实现监控，更加全面，且本申请可通过交通卡口抓拍的车牌信息及抓拍实现，反向溯源车辆的行驶轨迹信息，将车辆按照嫌疑程度输出；
3、本发明将交通卡口抓拍信息与渣土偷倒乱倒应用相结合，通过车辆通过卡口的时间来绘制轨迹，同时根据车牌号码查找车辆GPS位置信息，并根据实际业务需求进行权重计算，将嫌疑车辆计算结果输出，可快速有效地定位到嫌疑渣土车，从而帮助有关部门快速破案。
本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例的基于大数据分析研判溯源渣土偷倒方法的流程；
图2是根据本申请实施例的电子装置的硬件结构示意图。
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说明书一个或多个实施例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、本说明书一个或多个实施例的一些方面相一致的装置和方法的例子。
需要说明的是：在其他实施例中并不一定按照本说明书示出和描述的顺序来执行相应方法的步骤。在一些其他实施例中，其方法所包括的步骤可以比本说明书所描述的更多或更少。此外，本说明书中所描述的单个步骤，在其他实施例中可能被分解为多个步骤进行描述；而本说明书中所描述的多个步骤，在其他实施例中也可能被合并为单个步骤进行描述。
以往的监测偷倒乱倒的方式主要靠人工判断，在高发地段增加监控设备，通过监控设备覆盖实现远程监控查看，但设备维护成本较高，人工查看方式耗费人力。且以往的监测手段通过安装在车辆上的倾斜监测设备或载重监测设备，在车辆倾倒时触发定位设备上报定位信息，远程比对车辆位置实现监测。
基于此，本发明基于交通卡口抓拍信息来解决现有技术存在的问题。
实施例一
本申请旨在提出基于大数据分析研判溯源渣土偷倒方法，通过交通卡口抓拍的车牌信息及抓拍实现，反向溯源车辆的行驶轨迹信息，将车辆按照嫌疑程度输出。
具体地，本申请实施例提供了一种基于大数据分析研判溯源渣土偷倒方法，可以提升监管部门的工作效率，具体地，参考图1，方法包括：
S00、获取上报信息并根据该上报信息获取所需溯源的时间和溯源半径，同时对接的城市交通卡口和车辆GPS点位信息；
此步骤中，上报信息至少包括上报时间、上报地点，根据上报时间获取所需溯源的时间，根据上报地点设定溯源半径。即根据上报的点位，前端页面输入发现点位信息，根据输入的点位信息，系统将文字描述的点位信息转换成经纬度信息；然后根据页面输入的发现时间及溯源时间，确定系统溯源的时间限制；根据页面输入的溯源半径，确认以发现点位为中心，溯源半径的范围内的交通卡口信息。
其中，对接的城市交通卡口和车辆GPS点位信息可以存入到新的数据库，如基础数据库中，方便查询。
S10、基于大数据，以上报信息的地点为中心，筛选溯源半径范围内的所有城市交通卡口，并从该城市交通卡口的监控数据中筛选出所有渣土车的抓拍数据；
此步骤中，根据上报时间、点位及溯源半径和溯源时间，系统查询在范围内的交通卡口信息，并将通过的车辆根据车辆类型进行区分，将车辆类型为渣土车标记的车辆分离出来。大数据为通过大数据分析获取溯源半径范围内的监控探头数据。
这里的溯源时间即要把查找的数据定位到上报时间之前，且这个时间段是发现垃圾上报的时间到发现垃圾上报的若干天前，或者几周前，根据需求而定。
S20、根据所有渣土车的抓拍数据，按照车牌号码进行聚类组合，并根据渣土车通过各个城市交通卡口的时间进行排序，形成每个渣土车的运行轨迹信息；
此步骤中，根据分离出来的渣土车过车数据，通过归类方式，将车牌号相同的数据分离出来；并针对相同的车牌号过车数据，在时间上通过排序算法进行排序。目的是方便后续直接根据车牌号码进行检索。
S30、根据车牌号码，从车辆GPS点位信息中查询所有渣土车的车辆GPS位置信息；
此步骤中，车辆GPS位置信息是每个正规上路的渣土车上安装的GPS定位装置时刻上传定位数据得到的，这是现有技术。因此根据车牌号码可以在有关部门的数据库中查询到对应的车辆GPS位置信息，即可获得该渣土车的历史行驶轨迹。
S40、若能够查询到，则结合城市交通卡口的信息对对应渣土车的运行轨迹信息进行修正；若未查询到，则将对应渣土车的车辆嫌疑程度排名置为最高；
此步骤中，能够查询到的就是正规上路的渣土车，就能够获取到该渣土车的历史行驶轨迹，然后再根据城市交通卡口的信息（抓拍数据，也就是各卡口拍到该渣土车的照片或者记录的信息），从而能够纠正该溯源半径范围内渣土车的行驶轨迹，从而得到渣土车真正的行驶轨迹（因为GPS定位存在偏差，甚至有渣土车为了逃避监管会屏蔽GPS信号，导致数据是不完整的，而这个纠正过程可很好地避免此问题）。
如果是没法查到的，那就肯定是无法正规上路的渣土车或者屏蔽了GPS信号的渣土车，必然是存在违规行为，存在极大的偷倒垃圾嫌疑。因此采用本申请的方法，就算是没有装GPS定位装置的渣土车，也能够被卡口拍到从而得到运行轨迹信息。
S50、根据修正后的运行轨迹信息和车辆GPS位置信息分别形成每个渣土车的运输轨迹，并计算上报信息的地点与每个渣土车的运输轨迹的最短距离；
此步骤中，相当于是计算上报偷到垃圾地点与每个渣土车的运输轨迹的最短距离，最短距离越小的嫌疑越大。
在本实施例中，根据上报的轨迹经纬度信息及发现点位的经纬度信息，计算每条轨迹上的点位（卡口发现该渣土车的定位点以及渣土车上传定位数据的点位，因为GPS定位数据是定时上传的，这个时间间隔根据需求设定）与发现点位的距离，计算公式如下：
两点间距离 = [ (A点经度 - B点经度)2 + (A点纬度 - B点纬度)2 ]0.5，原理就是计算两点之间的距离，根据坐标计算，这里不再赘述原理。在所有的距离中取其中距离最近的点，该点与发现点位的距离就是最短距离。
S60、根据每个渣土车的运输轨迹和上报信息的地点与每个渣土车的运输轨迹的最短距离加权计算每个渣土车的嫌疑程度，并结合未查询到车辆GPS位置信息的渣土车的车辆嫌疑程度排名进行排序并输出。
在此步骤中，具体计算方法如下：
根据嫌疑度（设为Y）Y=40%*X1+30%*X2+30%*X3从大到小排列，当Y值一样时，嫌疑车辆时间越接近发现时间，则越排在前面。当卡口抓拍到渣土车辆但无法获取车辆GPS点位信息时，则将车辆嫌疑程度排名最高。
1.通过车辆GPS位置信息或车辆通过相邻卡口时间，判断是否存在异常停车(设为X1)，（40%），权值如下表1：
Figure 395474DEST_PATH_IMAGE001
表1
2.溯源半径范围内的车辆轨迹与发现地点最近的距离，距离越小，嫌疑越大，设为X2，（30%），权值如下表2：
Figure 475425DEST_PATH_IMAGE002
表2
2.溯源半径范围内车辆经过发现地点的时间段，夜晚凌晨时间通过的车辆，嫌疑最大，设为X3，（占比30%），权值如下表3：
Figure 376516DEST_PATH_IMAGE003
表3
如A渣土车的运输轨迹与偷倒垃圾的上报点的最短距离就20米，而且是存在异常停车，同时还是在2点路过上报点的（上报时间为8点），那么A渣土车的嫌疑度Y=100*0.4+100*0.3+100*0.3=100。
如B渣土车的运输轨迹与偷倒垃圾的上报点的最短距离就60米，而且是不存在异常停车，同时还是在7点路过上报点的，那么B渣土车的嫌疑度Y=0*0.4+90*0.3+80*0.3=51。
如C渣土车的运输轨迹与偷倒垃圾的上报点的最短距离就60米，而且是不存在异常停车，同时还是在7点30分路过上报点的，那么C渣土车的嫌疑度Y=0*0.4+90*0.3+80*0.3=51。
由于C比B更接近发现时间，因此嫌疑度排序为A-C-B。
当然本实施例可以出了简单的几种例子，具体有很多种可能，但是这些数据都是在垃圾上报之前的数据，不存在因为出现时间比上报时间晚来排除渣土车的嫌疑的问题（如E渣土车路过上报点是9点，但是上报时间是8点，这里的9点肯定是上报时间8点的至少前一天的数据，而不是当天的数据，因为在上报时间后的数据并不具有参考性）。
在本实施例中，对于对于车辆GPS点位系统判断为异常停车的情况（如长时间GPS信号丢失，过了很久后突然在原地或离原地很近的距离内重新恢复信号，则可判定为异常停车），根据异常停车与发现点位的距离，在距离小于100米时，对嫌疑车辆做出异常标识；对于无法获取车辆GPS点位信息的车辆，则对嫌疑车辆做出黑车标识，即重大嫌疑，就算不是偷倒垃圾的渣土车，也是重点整治对象。
本申请能够在监控盲区的情况下，通过巡查上报发现时间、发现地点、溯源时间及溯源半径，结合周边的交通卡口信息，通过大数据分析研判手段，将过往的渣土车辆行驶轨迹描绘出来，并结合在偷倒乱倒地点通过的时间、通过路线最短距离及车辆GPS位置信息，实现对通过车辆的嫌疑程度排序。弥补了执法监督的空白，能够在城市监控盲区出现渣土偷倒乱倒现象时，为执法监督部门提供可靠有效的追查对象和追查线索，这也是本申请的重点，并不是为了准确找到偷倒垃圾的渣土车，而是为有关部门提供可靠线索，从而帮助有关部门快速抓获嫌疑车辆和嫌疑人。
实施例二
基于相同的构思，本申请还提出了一种基于大数据分析研判溯源渣土偷倒装置，包括：
信息获取模块，用于获取上报信息并根据该上报信息获取所需溯源的时间和溯源半径，同时对接的城市交通卡口和车辆GPS点位信息；
筛选模块，用于以上报信息的地点为中心，筛选溯源半径范围内的所有城市交通卡口，并从该城市交通卡口的监控数据中筛选出所有渣土车的抓拍数据；
处理模块，用于根据所有渣土车的抓拍数据，按照车牌号码进行聚类组合，并根据渣土车通过各个城市交通卡口的时间进行排序，形成每个渣土车的运行轨迹信息；用于根据修正后的运行轨迹信息和车辆GPS位置信息分别形成每个渣土车的运输轨迹，并计算上报信息的地点与每个渣土车的运输轨迹的最短距离；用于根据每个渣土车的运输轨迹和上报信息的地点与每个渣土车的运输轨迹的最短距离加权计算每个渣土车的嫌疑程度，并结合未查询到车辆GPS位置信息的渣土车的车辆嫌疑程度排名进行排序；
查询判断模块，用于根据车牌号码，从车辆GPS点位信息中查询所有渣土车的车辆GPS位置信息；若能够查询到，则结合城市交通卡口的信息对对应渣土车的运行轨迹信息进行修正；若未查询到，则将对应渣土车的车辆嫌疑程度排名置为最高；用于根据车辆GPS位置信息判断渣土车是否存在异常停车情况，并将该异常停车地点与上报信息的地点进行距离计算，将小于设定距离的渣土车标记为异常并记录到运输轨迹中，将无法获取车辆GPS点位信息的渣土车标记为黑车并记录到运输轨迹中；
输出模块，用于输出渣土车的车辆嫌疑程度排名。
实施例三
本实施例还提供了一种电子装置，参考图2，包括存储器404和处理器402，该存储器404中存储有计算机程序，该处理器402被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
具体地，上述处理器402可以包括中央处理器（CPU），或者特定集成电路（ApplicationSpecificIntegratedCircuit，简称为ASIC），或者可以被配置成实施本申请实施例的一个或多个集成电路。
其中，存储器404可以包括用于数据或指令的大容量存储器404。举例来说而非限制，存储器404可包括硬盘驱动器（HardDiskDrive，简称为HDD）、软盘驱动器、固态驱动器（SolidStateDrive，简称为SSD）、闪存、光盘、磁光盘、磁带或通用串行总线（UniversalSerialBus，简称为USB）驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器404可包括可移除或不可移除（或固定）的介质。在合适的情况下，存储器404可在数据处理装置的内部或外部。在特定实施例中，存储器404是非易失性（Non-Volatile）存储器。在特定实施例中，存储器404包括只读存储器（Read-OnlyMemory，简称为ROM）和随机存取存储器（RandomAccessMemory，简称为RAM）。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM（ProgrammableRead-OnlyMemory，简称为PROM）、可擦除PROM（ErasableProgrammableRead-OnlyMemory，简称为EPROM）、电可擦除PROM（ElectricallyErasableProgrammableRead-OnlyMemory，简称为EEPROM）、电可改写ROM（ElectricallyAlterableRead-OnlyMemory，简称为EAROM）或闪存（FLASH）或者两个或更多个以上这些的组合。在合适的情况下，该RAM可以是静态随机存取存储器（StaticRandom-AccessMemory，简称为SRAM）或动态随机存取存储器（DynamicRandomAccessMemory，简称为DRAM），其中，DRAM可以是快速页模式动态随机存取存储器404（FastPageModeDynamicRandomAccessMemory，简称为FPMDRAM）、扩展数据输出动态随机存取存储器（ExtendedDateOutDynamicRandomAccessMemory，简称为EDODRAM）、同步动态随机存取内存（SynchronousDynamicRandom-AccessMemory，简称SDRAM）等。
存储器404可以用来存储或者缓存需要处理和/或通信使用的各种数据文件，以及处理器402所执行的可能的计算机程序指令。
处理器402通过读取并执行存储器404中存储的计算机程序指令，以实现上述实施例中的任意一种基于大数据分析研判溯源渣土偷倒方法。
可选地，上述电子装置还可以包括传输设备406以及输入输出设备408，其中，该传输设备406和上述处理器402连接，该输入输出设备408和上述处理器402连接。
传输设备406可以用来经由一个网络接收或者发送数据。上述的网络具体实例可包括电子装置的通信供应商提供的有线或无线网络。在一个实例中，传输设备包括一个网络适配器（Network Interface Controller，简称为NIC），其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备406可以为射频（Radio Frequency，简称为RF）模块，其用于通过无线方式与互联网进行通讯。
输入输出设备408用于输入或输出信息。在本实施例中，输入的信息可以是偷倒垃圾点位的上报数据等，输出的信息可以是渣土车嫌疑程度排序等。
实施例四
本实施例还提供了一种可读存储介质，可读存储介质中存储有计算机程序，计算机程序包括用于控制过程以执行过程的程序代码，过程包括根据实施例一的基于大数据分析研判溯源渣土偷倒方法。
需要说明的是，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
通常，各种实施例可以以硬件或专用电路、软件、逻辑或其任何组合来实现。本发明的一些方面可以以硬件来实现，而其他方面可以由控制器、微处理器或其他计算设备执行的固件或软件来实现，但是本发明不限于此。尽管本发明的各个方面可以被示出和描述为框图、流程图或使用一些其他图形表示，但是应当理解，作为非限制性示例，本文中描述的这些框、装置、系统、技术或方法可以以硬件、软件、固件、专用电路或逻辑、通用硬件或控制器或其他计算设备或其某种组合来实现。
本发明的实施例可以由计算机软件来实现，该计算机软件由移动设备的数据处理器诸如在处理器实体中可执行，或者由硬件来实现，或者由软件和硬件的组合来实现。包括软件例程、小程序和/或宏的计算机软件或程序(也称为程序产品)可以存储在任何装置可读数据存储介质中，并且它们包括用于执行特定任务的程序指令。计算机程序产品可以包括当程序运行时被配置为执行实施例的一个或多个计算机可执行组件。一个或多个计算机可执行组件可以是至少一个软件代码或其一部分。另外，在这一点上，应当注意，如图中的逻辑流程的任何框可以表示程序步骤、或者互连的逻辑电路、框和功能、或者程序步骤和逻辑电路、框和功能的组合。软件可以存储在诸如存储器芯片或在处理器内实现的存储块等物理介质、诸如硬盘或软盘等磁性介质、以及诸如例如DVD及其数据变体、CD等光学介质上。物理介质是非瞬态介质。
本领域的技术人员应该明白，以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以作出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种基于大数据分析研判溯源渣土偷倒方法，其特征在于，包括以下步骤：
S00、获取上报信息并根据该上报信息获取所需溯源的时间和溯源半径，同时对接的城市交通卡口和车辆GPS点位信息；
S10、基于大数据，以所述上报信息的地点为中心，筛选所述溯源半径范围内的所有城市交通卡口，并从该城市交通卡口的监控数据中筛选出所有渣土车的抓拍数据；
S20、根据所述所有渣土车的抓拍数据，按照车牌号码进行聚类组合，并根据渣土车通过各个城市交通卡口的时间进行排序，形成每个渣土车的运行轨迹信息；
S30、根据车牌号码，从所述车辆GPS点位信息中查询所有渣土车的车辆GPS位置信息；
S40、若能够查询到，则结合城市交通卡口的信息对对应渣土车的运行轨迹信息进行修正；若未查询到，则将对应渣土车的车辆嫌疑程度排名置为最高；
S50、根据修正后的所述运行轨迹信息和所述车辆GPS位置信息分别形成每个渣土车的运输轨迹，并计算所述上报信息的地点与每个渣土车的运输轨迹的最短距离；
S60、根据每个渣土车的运输轨迹和所述上报信息的地点与每个渣土车的运输轨迹的最短距离加权计算每个渣土车的嫌疑程度，并结合未查询到车辆GPS位置信息的渣土车的车辆嫌疑程度排名进行排序并输出。
2.如权利要求1所述的一种基于大数据分析研判溯源渣土偷倒方法，其特征在于，步骤S00中，所述上报信息至少包括上报时间、上报地点，根据上报时间获取所需溯源的时间，根据上报地点设定溯源半径。
3.如权利要求1所述的一种基于大数据分析研判溯源渣土偷倒方法，其特征在于，步骤S40中，还包括根据所述车辆GPS位置信息判断渣土车是否存在异常停车情况，并将该异常停车地点与所述上报信息的地点进行距离计算，将小于设定距离的渣土车标记为异常并记录到运输轨迹中，将无法获取车辆GPS点位信息的渣土车标记为黑车并记录到运输轨迹中。
4.如权利要求3所述的一种基于大数据分析研判溯源渣土偷倒方法，其特征在于，步骤S60中，分别以渣土车是否存在异常停车、渣土车在溯源半径范围内的运输轨迹与上报信息的地点的最近距离以及渣土车在溯源半径范围内经过上报信息的地点的时间段，进行加权计算嫌疑程度，嫌疑程度得分越高嫌疑越大并排序。
5.如权利要求4所述的一种基于大数据分析研判溯源渣土偷倒方法，其特征在于，步骤S60中，若嫌疑程度得分相同，则将经过上报信息的地点更接近上报时间的渣土车排名靠前。
6.如权利要求1-5任意一项所述的一种基于大数据分析研判溯源渣土偷倒方法，其特征在于，步骤S20中，按照车牌号码进行聚类组合的具体为将所有抓拍数据中分离，并按照车牌号码进行分类，以使得每个分类后的抓拍数据对应一个车牌号码。
7.如权利要求1-5任意一项所述的一种基于大数据分析研判溯源渣土偷倒方法，其特征在于，步骤S00中，通过将所述上报信息的地点的文字信息转换成经纬度信息，以获取精确的点位。
8.一种基于大数据分析研判溯源渣土偷倒装置，其特征在于，包括：
信息获取模块，用于获取上报信息并根据该上报信息获取所需溯源的时间和溯源半径，同时对接的城市交通卡口和车辆GPS点位信息；
筛选模块，用于以上报信息的地点为中心，筛选溯源半径范围内的所有城市交通卡口，并从该城市交通卡口的监控数据中筛选出所有渣土车的抓拍数据；
处理模块，用于根据所有渣土车的抓拍数据，按照车牌号码进行聚类组合，并根据渣土车通过各个城市交通卡口的时间进行排序，形成每个渣土车的运行轨迹信息；用于根据修正后的运行轨迹信息和车辆GPS位置信息分别形成每个渣土车的运输轨迹，并计算上报信息的地点与每个渣土车的运输轨迹的最短距离；用于根据每个渣土车的运输轨迹和上报信息的地点与每个渣土车的运输轨迹的最短距离加权计算每个渣土车的嫌疑程度，并结合未查询到车辆GPS位置信息的渣土车的车辆嫌疑程度排名进行排序；
查询判断模块，用于根据车牌号码，从车辆GPS点位信息中查询所有渣土车的车辆GPS位置信息；若能够查询到，则结合城市交通卡口的信息对对应渣土车的运行轨迹信息进行修正；若未查询到，则将对应渣土车的车辆嫌疑程度排名置为最高；用于根据车辆GPS位置信息判断渣土车是否存在异常停车情况，并将该异常停车地点与上报信息的地点进行距离计算，将小于设定距离的渣土车标记为异常并记录到运输轨迹中，将无法获取车辆GPS点位信息的渣土车标记为黑车并记录到运输轨迹中；
输出模块，用于输出渣土车的车辆嫌疑程度排名。
9.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至7任一项所述的基于大数据分析研判溯源渣土偷倒方法。
10.一种可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序，所述计算机程序包括用于控制过程以执行过程的程序代码，所述过程包括根据权利要求1至7任一项所述的基于大数据分析研判溯源渣土偷倒方法。
CN202211141871.6A 2022-09-20 2022-09-20 基于大数据分析研判溯源渣土偷倒方法及其应用 Pending CN115357771A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211141871.6A CN115357771A (zh) 2022-09-20 2022-09-20 基于大数据分析研判溯源渣土偷倒方法及其应用

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211141871.6A CN115357771A (zh) 2022-09-20 2022-09-20 基于大数据分析研判溯源渣土偷倒方法及其应用

Publications (1)

Publication Number Publication Date
CN115357771A true CN115357771A (zh) 2022-11-18

Family

ID=84005681

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211141871.6A Pending CN115357771A (zh) 2022-09-20 2022-09-20 基于大数据分析研判溯源渣土偷倒方法及其应用

Country Status (1)

Country Link
CN (1) CN115357771A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117392618A (zh) * 2023-09-27 2024-01-12 重庆欣荣土地房屋勘测技术研究所有限责任公司 一种基于大数据的储备土地智慧管护平台

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117392618A (zh) * 2023-09-27 2024-01-12 重庆欣荣土地房屋勘测技术研究所有限责任公司 一种基于大数据的储备土地智慧管护平台
CN117392618B (zh) * 2023-09-27 2024-05-07 重庆欣荣土地房屋勘测技术研究所有限责任公司 一种基于大数据的储备土地智慧管护平台

Similar Documents

Publication Publication Date Title
Yang et al. Urban freight delivery stop identification with GPS data
Gargoum et al. Automated highway sign extraction using lidar data
US9562782B2 (en) Defining travel paths in parking areas
US20230026281A1 (en) Road abnormality detection apparatus, road abnormality detection method and road abnormality detection program
CN103578277B (zh) 套牌嫌疑车搜索方法及其装置
Jang et al. Framework of data acquisition and integration for the detection of pavement distress via multiple vehicles
CN106875675B (zh) 一种快速识别渣土车偏离行驶的检测系统和方法
CN111369797A (zh) 车辆监测方法、电子围栏的构建方法、电子围栏及装置
CN108846316A (zh) 一种基于卡口车辆数据的目标人员管控方法及装置
CN115357771A (zh) 基于大数据分析研判溯源渣土偷倒方法及其应用
Aziz et al. Identifying and characterizing truck stops from GPS data
US20230073717A1 (en) Systems And Methods For Electronic Surveillance
Kyriakou et al. Roadway pavement anomaly classification utilizing smartphones and artificial intelligence
CN113470369B (zh) 一种基于多维度信息判断套牌车辆真实号牌的方法及系统
CN117670168A (zh) 货物运输管理方法、装置、电子设备及存储介质
CN113283539A (zh) 一种基于深度学习的违规渣土车检测的方法及系统
CN108230684B (zh) 车牌检测方法及装置
Hamad et al. Geovisualization of archived ITS data-case studies
CN117523449A (zh) 一种煤矿井下辅助运输机器人车路协同定位系统及方法
CN112735143A (zh) 一种实时车辆布控实现方法、装置及存储介质
CN111488417B (zh) 信息处理方法、系统、装置、设备及计算机存储介质
US11538256B2 (en) Systems and methods for data collection and performance monitoring of transportation infrastructure
CN116026441A (zh) 车辆载重量异常检测方法、装置、设备及存储介质
CN110176145B (zh) 套牌车的检测方法及装置、卡口
CN114298634A (zh) 驻留点识别方法、装置、电子设备及机器可读存储介质

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