CN116662265B - 车型档案构建方法及装置、车辆计费方法及系统 - Google Patents

Abstract

本发明公开了一种车型档案构建方法及装置、车辆计费方法及系统，车型档案构建方法包括：实时采集多个不同来源的车辆数据，所述车辆数据包括车牌号、车型、车牌颜色和机动车所有人；利用所述车辆数据对每个车牌号进行聚类，得到各车牌号对应的车型分布信息；根据所述车型分布信息确定各车牌号对应的车型；根据所述各车牌号对应的车型生成车型档案库，所述车型档案库包括：最可信车型数据库、特定时间对应车型数据库。利用本发明方案，可以为用户提供准确的车型信息。

Description

车型档案构建方法及装置、车辆计费方法及系统

技术领域

本发明涉及车型识别技术领域，具体涉及一种车型档案构建方法及装置、车辆计费方法及系统。

背景技术

在高速收费业务中，由于各机构建设时期不同、采用技术路线、车型采集设备厂商等均不相同，对同一车牌经过其所辖范围时，所传输车型存在不一致情况，即使同一个车辆，如汽车列车，也存在增加挂车、或者车型发生改变的情况，而当前高速公路体系，按车型收费，车型不准确会直接影响业务结果的准确性，造成投诉或者通行费损失，因此有必要建立一个车型档案库，为用户提供准确的车型信息。

发明内容

本发明提供一种车型档案构建方法及装置、车辆计费方法及系统，可以为用户提供准确的车型信息。

为此，本发明提供如下技术方案：

一种车型档案构建方法，所述方法包括：

实时采集多个不同来源的车辆数据，所述车辆数据包括车牌号、车型、车牌颜色和机动车所有人；

利用所述车辆数据对每个车牌号进行聚类，得到各车牌号对应的车型分布信息；

根据所述车型分布信息确定各车牌号对应的车型；

根据所述各车牌号对应的车型生成车型档案库，所述车型档案库包括：最可信车型数据库、特定时间对应车型数据库。

可选地，所述多个不同来源的车辆数据包括以下任意一种或多种：车辆入口交易数据、车辆出口交易数据、车辆发行数据。

可选地，所述根据所述车辆数据对每个车牌号进行聚类包括：根据所述车辆数据对每个车牌号采用独立线程进行聚类。

可选地，所述利用所述车辆数据对每个车牌号进行聚类，得到各车牌号对应的车型分布信息包括：

根据所述车辆数据生成对应同一车牌号的数据集；

利用所述数据集进行聚类处理，得到聚类结果，所述聚类结果包括多种类型因子的得分；

根据一段时间内所述车牌号的聚类结果得到所述车牌号对应的系列车型分布。

可选地，所述根据所述车型分布信息确定各车牌号对应的车型包括：

如果同一个车牌号对应多种车型，则将所述车牌号对应的历史车型作为主要因子，并根据当前采集的车辆数据确定突变因子；

根据所述主要因子和所述突变因子确定所述车牌号对应的车型。

可选地，所述突变因子包括以下任意一种或多种：收费额、轴数、收费站出口人工纠正信息、逃费稽查平台证据链中车型、发行方登记车辆图片、高速公路设备识别图片。

一种车型档案构建装置，所述装置包括：

数据采集模块，用于实时采集多个不同来源的车辆数据，所述车辆数据包括车牌号、车型、车牌颜色和机动车所有人；

聚合模块，用于利用所述车辆数据对每个车牌号进行聚类，得到各车牌号对应的车型分布信息；

评估模块，用于根据所述车型分布信息确定各车牌号对应的车型；

档案库生成模块，用于根据所述各车牌号对应的车型生成车型档案库。

一种车辆计费方法，所述方法包括：

获取待收费车辆的车牌号及计费信息；

根据所述车牌号查询车型档案库，获取所述车牌号对应的车型；所述车型档案库包括：最可信车型数据库、特定时间对应车型数据库；

根据所述车型及所述计费信息对所述车辆计费。

可选地，所述计费信息包括以下任意一种或多种：行驶里程、停留时间。

一种车辆计费系统，所述系统包括：

信息获取模块，用于获取待收费车辆的车牌号及计费信息；

查询模块，用于根据所述车牌号查询车型档案库，获取所述车牌号对应的车型；所述车型档案库包括：最可信车型数据库、特定时间对应车型数据库；

计费模块，用于根据所述车型及所述计费信息对所述车辆计费。

本发明提供的车型档案构建方法及装置，通过实时采集多个不同来源的车辆数据，利用所述车辆数据对每个车牌号进行聚类，得到各车牌号对应的车型分布信息；根据所述车型分布信息确定各车牌号对应的车型；根据所述各车牌号对应的车型生成车型档案库，所述车型档案库包括：最可信车型数据库、特定时间对应车型数据库。从而可以更准确地确定各车牌号对应的车型，为用户提供准确的车型信息。

相应地，利用上述车型档案库，在对车辆进行计费时，只需获取待收费车辆的车牌号及计费信息，通过查询车型档案库，即可准确得到该车牌号对应的车型，从而可以对车辆进行准确计费，避免出现因车型确认错误而导致的计费错误。

附图说明

图1是本发明实施例提供的车型档案构建方法的流程图；

图2是本发明实施例提供的车型档案构建装置的结构示意图；

图3是本发明实施例提供的车辆计费方法的流程图；

图4是本发明实施例提供的车辆计费系统的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明实施例的方案，下面结合附图和实施方式对本发明实施例作进一步的详细说明。

同一车牌号会存在对应不同车型的情况，主要有以下几种情况：

1）同一车牌号，对应的车型不同，比如，车牌号为：京XXXXXX，车牌底色为蓝色，可以是一型客车或一型货车，但是实际是一型客车，如果按照一型货车收费，则会导致多计费的情况；

2）同样的车牌号，车牌底色为蓝色的是一型客车，车牌底色为黄色的是一型货车。

上述这些情况的存在会出现相同车牌但对应的车型数据不一致的情况，在有些对车型的识别应用场景中，比如车辆收费应用中，往往只提取车牌号，根据车牌号来确定车型。因此，同一车牌经过其所辖范围时，由于存在不同收费节点向管理中心所传输车型不一致的情况，从而会影响到计费准确性等应用问题。针对这一问题，本发明实施例提供一种车型档案构建方法及装置，实时采集多个不同来源的车辆数据，利用这些车辆数据对每个车牌号进行聚类，得到各车牌号对应的车型分布信息，根据车型分布信息确定各车牌号对应的车型，根据各车牌号对应的车型生成车型档案库，从而可以准确地为用户提供各车牌号对应的车型，避免在应用中对车型的判断错误而导致的其它问题。

如图1所示，是本发明实施例提供的车型档案构建方法的流程图，包括以下步骤：

步骤101，实时采集多个不同来源的车辆数据，所述车辆数据包括车牌号、车型、车牌颜色和机动车所有人。

所述多个不同来源的车辆数据可以包括但不限于以下任意一种或多种：车辆入口交易数据、车辆出口交易数据、车辆发行数据等。其中：

入口交易数据是指高速公路联网收费业务中，车辆驶入高速公路，由高速公路入口的监控设备自动生成的包括但不限于以下任意一项或多项的通行记录：入口处理时间、车牌、颜色、收费车型、入口轴数等。

出口交易数据是指高速公路联网收费业务中，车辆驶离高速公路，由高速公路出口的监控设备自动生成的包括但不限于以下任意一项或多项的通行记录：出口处理时间、车牌、颜色、收费车型、收费金额等。

车辆发行数据是指高速公路联网收费业务中，车辆办理ETC业务时登记的数据，包括发行方登记车辆图片等数据。

所述车辆数据可以由上述各来源对车辆的扫描、对车辆进行登记等方式获取。相应地，在本发明实施例中，可以从上述多个不同来源实时获取这些车辆数据。当然，也可以按照设定的时间间隔、或者由设定事件触发的方式来采集所述不同来源的车辆数据，对此本发明实施例不做限定。

在实际应用中，可以将采集的车辆数据放置于Kafka中，通过消费Kafka中的数据，生成或更新车辆档案信息。kafka的本质是一个数据存储平台、流平台，主要用于解耦、缓冲（削峰填谷），高性能消费、用于Flink的流式计算。

步骤102，利用所述车辆数据对每个车牌号进行聚类，得到各车牌号对应的车型分布信息。

在具体应用中，可以针对每个车牌号，将对应该车牌号的所有数据作为对应该车牌号的一个数据集，对该数据集进行聚类，得到对应该车牌号的每个车型的聚类结果。

需要说明的是，具体的聚类方法可以采用现有的一些聚类方法，对此本发明实施例不做限定。

对于每个车牌号，可以采用独立的线程对其数据集进行聚类。而且，在多种来源的车辆数据不断更新过程中，线程池中会有一部分车牌号的车型会一直不变，相对稳定，对于这些车牌号对应的线程，可以将其关闭，只对非稳定态的车牌号进行并行聚类处理，可以极大提升处理速度，可以将处理结果暂存缓存并定时持久化。在本发明实施例中，所述聚类结果包括多种类型因子的得分，比如，可以有以下三种类型因型：

第一类因子的得分：入口交易评分=[入口交易中识别的车型的次数/（入口交易+出口交易+稽核+发行信息+人工修正）的总次数]×90%，其他同理。

第二类因子的得分：近一周未更新，满分100分；三天未更新50分；一天未更新10分。

第三类因子的得分：出现突变因素，则按照突变情况判定。

比如，在综合考虑本次的收费额（与车型相关）、轴数（车辆长短有关）、收费站出口人工纠正、逃费稽查平台证据链中车型、发行方登记车辆图片、高速公路设备识别图片等6种突变因子，突变因素按照100%采纳，计算每个车牌号对应的各车型的得分，通过得分确定各车型的概率，得分越高，说明该车牌号对应的车型的概率越高。

根据一段时间内所述车牌号的聚类结果得到所述车牌号对应的系列车型分布。比如，入口交易评分按公式计算出来占比90%，然后按照最久未更新原则（第二类因子）的公式计算出其得分，占比10%，然后将两类评分相加，得出最后的结果。结果分数越高越可信，即该车牌对应的车型是此车型。若出现突变因子，则推翻上述的计算方式，按照突变因子来判断车型。

在确定所述车牌号对应的系列车型分布时，可以以时间段为横坐标，统计出此时间段的同一车牌号的车型分布；对时间段进行汇总，则可统计出总的车型分布。

步骤103，根据所述车型分布信息确定各车牌号对应的车型。

如果同一个车牌号对应多种车型，则将所述车牌号对应的历史车型作为主要因子，并根据当前采集的车辆数据确定突变因子；根据所述主要因子和所述突变因子确定所述车牌号对应的车型。

在一段时间内稳定出现的该车牌号对应的车型可以作为其历史车型。所述历史车型可以通过车牌号查询得到。

所述突变因子是指一些突变因素，比如货车挂车，根据加挂单位的数量对应不同车型。

在本发明实施例中，所述突变因子可以包括但不限于以下任意一种或多种：本次的收费额（与车型相关）、轴数（车辆长短有关）、收费站出口人工纠正信息、逃费稽查平台证据链中车型、发行方登记车辆图片、高速公路设备识别图片等。

在确定车牌号对应的车型时，综合考虑该车牌号对应的历史车型（即历史车型分布情况）和当前场景下的突变因素对应的车型，根据不同因子的权值计算评估车型。

基于上述主要因子和突变因子，可以分别计算得到对应该车牌号的“最可信车型”和“特定时间对应车型”。

其中，“最可信车型”是根据车牌趋势度最大的车型来定义其为最可信车型，但不是绝对可信。“特定时间对应车型”是指在某个时间段内，判断此车牌号对应的车型。

对于“最可信车型”的说明如下：因为一个车牌号可能对应多个车型，在该车牌号每次上高速行驶的时候，对此车牌号进行记录，那么就可以统计出该车牌号的车型分布。最可信车型则是根据车牌趋势度最大的车型来定义其为最可信车型，但不是绝对可信。

对于“特定时间对应车型”的说明如下：车辆在高速公路上行驶的时候，在某一时间段行驶的车型是确定的，也就是说，在某个时间段内，可以准确判断此车牌号对应的车型。具体可以通过收费站、车牌识别图片、门架的可信度指数来综合判断同一车牌号的车型。

步骤104，根据所述各车牌号对应的车型生成车型档案库，所述车型档案库包括：最可信车型数据库、特定时间对应车型数据库。

在本发明实施例中，可以将所述车辆数据及聚类结果等存放至不同的数据库中，比如，MySQL、Clickhouse、Hbase、Hive等数据库，其中：

MySQL存储上述车型档案库，并提供复合查询（条件不固定）。

ClickHouse保留采集的近6个月的车辆数据，而且可用于批量筛选数据，进行小基数的聚合分析，提供在线分析服务，提供小并发的车牌号索迹查询服务。比如，可以根据车牌号查询对应的车型、发行数据、车辆种类、机动车所有人等信息。

Hbase适合于存储查询非结构化数据，比如，可以查询发行方车辆登记图片、高速公路设备识别图片的解构数据等。

Hive存储全量数据，属于离线计算，可以存储入口交易数据、出口交易数据等，以用于计算复杂、数据量大的分析处理场景。

当然，在实际应用中，并不限于上述存储方式及使用的数据库类型，还可以采用其它数据库。

本发明提供的车型档案构建方法，通过实时采集多个不同来源的车辆数据，利用所述车辆数据对每个车牌号进行聚类，得到各车牌号对应的车型分布信息；根据所述车型分布信息确定各车牌号对应的车型；根据所述各车牌号对应的车型生成车型档案库，所述车型档案库包括：最可信车型数据库、特定时间对应车型数据库。从而可以更准确地确定各车牌号对应的车型，为用户提供准确的车型信息。

相应地，本发明实施例还提供一种车型档案构建装置，如图2所示，是本发明实施例提供的车型档案构建装置的结构示意图。

该车型档案构建装置200包括以下各模块：

数据采集模块201，用于实时采集多个不同来源的车辆数据，所述车辆数据包括车牌号、车型、车牌颜色和机动车所有人；

聚合模块202，用于利用所述车辆数据对每个车牌号进行聚类，得到各车牌号对应的车型分布信息；

评估模块203，用于根据所述车型分布信息确定各车牌号对应的车型；

档案库生成模块204，用于根据所述各车牌号对应的车型生成车型档案库。

上述各模块的具体实现方式可参照前面本发明车型档案构建方法实施例中的描述，在此不再赘述。

本发明提供的车型档案构建装置，通过实时采集多个不同来源的车辆数据，利用所述车辆数据对每个车牌号进行聚类，得到各车牌号对应的车型分布信息；根据所述车型分布信息确定各车牌号对应的车型；根据所述各车牌号对应的车型生成车型档案库，所述车型档案库包括：最可信车型数据库、特定时间对应车型数据库。从而可以更准确地确定各车牌号对应的车型，为用户提供准确的车型信息。

本发明提供的车型档案构建方法及装置，基于大数据量统计分布，利用缓存技术、关联推算、修正数据、计算分布等方式，实时使用最新数据迭代式更新车型档案库，有效保证了车型档案库中车型信息的准确性，从而可以为各种需要使用车型信息的应用提供更好的服务。

本发明方案具有以下优点：1、处理速度快，可对数据进行快速的重新处理；2、处理结果详细且持久化； 3、评估结果可信度高。

当前高速公路行业，各发行方管理方式和系统建设时期不同；各收费站、门架采集设备采集和传输系统规则不一致，在数据集中管理时，因为同数不同源，导致出现相同车牌车型数据不一致的情况，无法准确识别车辆车型，影响收费业务开展。为此，本发明实施还提供一种基于上述车型档案库的车辆计费方法及系统，利用上述车型档案库，可以实现对车辆的准确计费。

如图3所示，是本发明实施例提供的车辆计费方法的流程图，包括以下步骤：

步骤301，获取待收费车辆的车牌号及计费信息。

根据计费场景的不同，所述计费信息可以包括但不限于以下任意一种或多种：行驶里程、停留时间等。

所述车牌号的获取可以通过摄像头等图像采集设备来获取，所述计费信息可以根据车辆出入口的采集数据，并通过一定的计算来获取，对此本发明实施例不做限定。

步骤302，根据所述车牌号查询车型档案库，获取所述车牌号对应的车型；所述车型档案库包括：最可信车型数据库、特定时间对应车型数据库。

步骤303，根据所述车型及所述计费信息对所述车辆计费。

对车辆的计费标准可以根据具体应用场景自行设定，对此本发明实施例不做限定。

相应地，本发明实施例还提供一种车辆计费系统，如图4所示，是该系统的一种结构示意图。

该车辆计费系统400包括以下各模块：

信息获取模块401，用于获取待收费车辆的车牌号及计费信息；

查询模块402，用于根据所述车牌号查询车型档案库，获取所述车牌号对应的车型；所述车型档案库包括：最可信车型数据库、特定时间对应车型数据库；

计费模块403，用于根据所述车型及所述计费信息对所述车辆计费。

本发明实施例提供的车辆计费方法及系统，利用上述车型档案库，在对车辆进行计费时，只需获取待收费车辆的车牌号及计费信息，通过查询车型档案库，即可准确得到该车牌号对应的车型，从而可以对车辆进行准确计费，避免出现因车型确认错误而导致的计费错误。本发明实施例提供的车辆计费方法及系统可以应用于多种车辆计费场景，比如高速路口计费、停车场计费等。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语 “包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。而且，以上所描述的系统实施例仅仅是示意性的，其中作为分离部件说明的模块和单元可以是或者也可以不是物理上分开的，即可以位于一个网络单元上，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实施例方案的目的。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。

以上对本发明实施例进行了详细介绍，本文中应用了具体实施方式对本发明进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及系统，其仅仅是本发明一部分的实施例，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，都应当属于本发明保护的范围，本说明书内容不应理解为对本发明的限制。因此，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种车型档案构建方法，其特征在于，所述方法包括：

实时采集多个不同来源的车辆数据，所述车辆数据包括车牌号、车型、车牌颜色和机动车所有人；

利用所述车辆数据对每个车牌号进行聚类，得到各车牌号对应的车型分布信息；

根据所述车型分布信息确定各车牌号对应的车型；

根据所述各车牌号对应的车型生成车型档案库，所述车型档案库包括：最可信车型数据库、特定时间对应车型数据库；

所述多个不同来源的车辆数据包括以下任意一种或多种：车辆入口交易数据、车辆出口交易数据、车辆发行数据；

所述根据所述车辆数据对每个车牌号进行聚类包括：

根据所述车辆数据对每个车牌号采用独立线程进行聚类；

其中，所述利用所述车辆数据对每个车牌号进行聚类，得到各车牌号对应的车型分布信息包括：

根据所述车辆数据生成对应同一车牌号的数据集；

利用所述数据集进行聚类处理，得到聚类结果，所述聚类结果包括多种类型因子的得分；

所述聚类结果包括多种类型因子的得分具体包括：

第一类因子的得分：入口交易评分＝[入口交易中识别的车型的次数/(入口交易+出口交易+稽核+发行信息+人工修正)的总次数]×90％；

第二类因子的得分：近一周未更新，满分100分；三天未更新50分；一天未更新10分；

第三类因子的得分：出现突变因素，则按照突变情况判定；突变因子包括以下任意一种或多种：收费额、轴数、收费站出口人工纠正信息、逃费稽查平台证据链中车型、发行方登记车辆图片、高速公路设备识别图片；突变因素按照100％采纳，计算每个车牌号对应的各车型的得分，通过得分确定各车型的概率，得分越高，说明该车牌号对应的车型的概率越高；

根据所述得分，获得所述车牌号对应的车型；

根据车型和收费信息，对车辆进行计费。

2.一种车型档案构建装置，其特征在于，所述装置包括：

数据采集模块，用于实时采集多个不同来源的车辆数据，所述车辆数据包括车牌号、车型、车牌颜色和机动车所有人；

聚合模块，用于利用所述车辆数据对每个车牌号进行聚类，得到各车牌号对应的车型分布信息；

评估模块，用于根据所述车型分布信息确定各车牌号对应的车型；

档案库生成模块，用于根据所述各车牌号对应的车型生成车型档案库；

其中，所述根据所述车辆数据对每个车牌号进行聚类包括：

根据所述车辆数据对每个车牌号采用独立线程进行聚类；

其中，所述利用所述车辆数据对每个车牌号进行聚类，得到各车牌号对应的车型分布信息包括：

根据所述车辆数据生成对应同一车牌号的数据集；

利用所述数据集进行聚类处理，得到聚类结果，所述聚类结果包括多种类型因子的得分；

根据一段时间内所述车牌号的聚类结果得到所述车牌号对应的系列车型分布；

其中，所述根据所述车型分布信息确定各车牌号对应的车型包括：

所述聚类结果包括多种类型因子的得分具体包括：

第一类因子的得分：入口交易评分＝[入口交易中识别的车型的次数/(入口交易+出口交易+稽核+发行信息+人工修正)的总次数]×90％；

第二类因子的得分：近一周未更新，满分100分；三天未更新50分；一天未更新10分；

第三类因子的得分：出现突变因素，则按照突变情况判定；突变因子包括以下任意一种或多种：收费额、轴数、收费站出口人工纠正信息、逃费稽查平台证据链中车型、发行方登记车辆图片、高速公路设备识别图片；突变因素按照100％采纳，计算每个车牌号对应的各车型的得分，通过得分确定各车型的概率，得分越高，说明该车牌号对应的车型的概率越高；

根据所述得分，获得所述车牌号对应的车型；

根据车型和收费信息，对车辆进行计费。