一种基于时空特征分析的非法营运车辆识别系统的制作方法

1.本发明涉及车辆识别系统技术领域，尤其涉及一种基于时空特征分析的非法营运车辆识别系统。


背景技术：

2.现今，道路运输在综合运输体系中的地位和作用越来越强，越来越多的人进入道路运输业就业，如何对如此庞大的道路客货运输市场进行有效监管，保障道路运输安全、优质、高效、健康发展，一直是各级道路运输管理机构的重要工作之一，其中非法营运车辆不仅车辆技术状况差、而且服务意识低、安全生产意识淡薄，不仅严重影响道路运输市场的健康发展，而且还严重威胁国家和人民生命财产安全，尽管在工作实践中一线执法人员时常开展路检路查打击非法营运，但效果不够理想，没有针对性的执法检查方式方法。


技术实现要素：

3.本发明的目的是解决现有技术中存在的缺点，而提出的一种基于时空特征分析的非法营运车辆识别系统。
4.为了实现上述目的，本发明采用了如下技术方案：一种基于时空特征分析的非法营运车辆识别系统是由非法营运车辆识别子系统、车辆数据采集子系统、数据中心、合法营运车辆时间特征与空间特征构建子系统、非法营运车辆时间特征与空间特征构建子系统、辅助子系统组成，所述非法营运车辆识别子系统与车辆数据采集子系统、数据中心、合法营运车辆时间特征与空间特征构建子系统、非法营运车辆时间特征与空间特征构建子系统、辅助子系统信号连接，所述辅助子系统包括数据传输网络和数据中心。
5.为了实现车辆数据采集子系统的数据采集功能，本发明改进有，所述车辆数据采集子系统信号连接有车辆信息固定采集站。
6.为了实现车辆信息固定采集站与数据中心的数据传输功能，本发明改进有，所述车辆信息固定采集站与数据中心通过数据传输网络信号连接。
7.为了实现对于第三方营运车辆管理信息系统的信息抽调功能，本发明改进有，所述合法营运车辆时间特征与空间特征构建子系统信号连接有第三方营运车辆管理信息系统。
8.为了对第三方营运车辆管理信息系统的数据进行分库储存，本发明改进有，所述第三方营运车辆管理信息系统包括车型类别库、车辆颜色库、车牌号库、合法营运车辆识别码库。
9.为了对合法营运车辆时间特征与空间特征构建子系统的内容进行完善，本发明改进有，所述合法营运车辆时间特征与空间特征构建子系统包括白天时段合法出租汽车特征模型和夜晚时段合法出租汽车特征模型。
10.为了对非法营运车辆时间特征与空间特征构建子系统的内容分化进行完善，本发明改进有，所述非法营运车辆时间特征与空间特征构建子系统包括以运输场站等重点区域
为中心从事非法营运的出租汽车特征模型、以定线运输为特征的非法营运的出租汽车特征模型和套牌非法营运的出租汽车模型。
11.与现有技术相比，本发明的优点和积极效果在于：
12.本发明中，通过采集的车辆行驶时空特征信息，对车辆时间分布、空间分布进行定性定量分析，评估车辆与非法营运车辆、合法营运车辆行驶特征的相似性，以此从海量过车数据中识别出疑似非法营运车辆。
附图说明
13.图1为本发明提出一种基于时空特征分析的非法营运车辆识别系统的主框架程序图；
14.图2为本发明提出一种基于时空特征分析的非法营运车辆识别系统的整体程序图；
15.图3为本发明提出一种基于时空特征分析的非法营运车辆识别系统的非法营运车辆识别子系统流程图。
具体实施方式
16.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
17.在本发明的描述中，需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
18.实施例一
19.请参阅图1-2，一种基于时空特征分析的非法营运车辆识别系统是由非法营运车辆识别子系统、车辆数据采集子系统、数据中心、合法营运车辆时间特征与空间特征构建子系统、非法营运车辆时间特征与空间特征构建子系统、辅助子系统组成，非法营运车辆识别子系统与车辆数据采集子系统、数据中心、合法营运车辆时间特征与空间特征构建子系统、非法营运车辆时间特征与空间特征构建子系统、辅助子系统信号连接，辅助子系统包括数据传输网络和数据中心，车辆数据采集子系统信号连接有车辆信息固定采集站，车辆信息固定采集站可以搭建在城市道路、运输场站、商业区、学校、医院等重点场所，7*24小时自动化实时采集车辆相关信息，采集车辆相关信息包括车型类别、车身颜色、车牌号、合法营运车辆识别码、车辆行驶速度、车辆行驶方向、采集地点、采集时间，以此给后续的识别工作提供数据支撑，车辆信息固定采集站与数据中心通过数据传输网络信号连接，该种设计的目的是为了实现车辆信息固定采集站与数据中心之间的数据互传功能。
20.请参阅图2，合法营运车辆时间特征与空间特征构建子系统利用采集的车辆相关信息，构建以时间特征和空间特征为主的合法营运车辆识别模型，合法营运车辆时间特征与空间特征构建子系统信号连接有第三方营运车辆管理信息系统，第三方营运车辆管理信
息系统包括车型类别库、车辆颜色库、车牌号库、合法营运车辆识别码库，以便准确、快速做出判别。
21.请参阅图2，合法营运车辆时间特征与空间特征构建子系统包括白天时段合法出租汽车特征模型和夜晚时段合法出租汽车特征模型，白天时段合法出租汽车特征模型，在白天时段，从早上t_day1至晚上t_day2之间运作，因城市不同，时间点t_day1、t_day2的取值不同，需要在不同城市事先确定好不录入系统中。以沈阳为例，t_day1、t_day2分别取值6:30、19:30时，取值t＝30分钟为统计周期进行数据分析，每天合法出租车辆被采集点采集的次数呈现弱u型分布，并有以下特点：超过半数的车辆在白天时段出现的平均次数在c_day次，合法出租车每天被采集站采集的次数相对稳定且在各个时段内呈现平均分布的特点，早晚高峰期期间略有提升，因而白天时段内出现的次数相对平均，且总体呈现弱u型分布的特征u(θ)，其中θ为该分布中参数，由于u(θ)函数难以用数学函数表达，为便于仿真模拟，将采用多元高斯函数进行拟合。具体地，给定一个出租车，其n天白天时段被监测数据形成离散数据集合s＝{s1,s2,
…
,sn}。对于任意一天数据集合si∈s包含了该车当天的轨迹数据，基于si，采用多元高斯函数对当天数据的分布函数进行拟合为：
[0022][0023]
其中，μi与∑i为m维向量，分别表示为μi＝{μ
i,1
,μ
i,2
,
…
,μ
i,m
},∑i＝ {∑
i,1
,∑
i,2
,
…
,∑
i,m
},∑
i,j
∈∑i为第j维高斯分布的均值与方差。
[0024]
根据具体数据，表1给出了在该数据下的多元高斯函数各参数值。
[0025]
表1多元高斯函数参数配置
[0026][0027]
本系统采用离散kl散度分析模拟的高斯函数与原真实离散分布的相似性，表示为并定义如下：
[0028][0029]
其中，|si|表示si包含的数据数量。表示根据si同样时间维度下计算的离散点集合。通过n(可以取值30天)天数据分析，得到平均相似性差异d 为：
[0030][0031]
当平均相似性差异d≤λu，认为高度符合白天时段营运车辆特征。
[0032]
夜晚时段对非法运营车辆特征建模方式与白天时间段相同，但在部分变量的定义方面以及参数的优化方面有所区别，具体地，定义t
_night1
与t
_night2
为给定城市的夜晚时间起
始时间。与白天相似地，该起始时间段，会因城市不同而有不同取值，需要在不同城市事先确定好不录入系统中，以沈阳为例，t
_night1
、t
_night2
分别取值20:00、6:00时(参照沈阳市上下班时间取值)，表2给出了夜晚阶段多元高斯函数参数配置。
[0033]
表2多元高斯函数参数配置
[0034][0035]
请参阅图2，非法营运车辆时间特征与空间特征构建子系统包括以运输场站等重点区域为中心从事非法营运的出租汽车特征模型、以定线运输为特征的非法营运的出租汽车特征模型和套牌非法营运的出租汽车模型，非法营运车辆中，有的车辆运输特征完全与合法营运车辆相同，有的车辆具有其自身的运输特征。非法出租汽车中，有一些经常在运输场站、商业区、学校、医院附近揽客，运输轨迹经常出现在上述场所；也有一些经常固定线路从事非法运输。首先，通过获取交通运输管理部门非法出租汽车的处罚清单，获取非法出租汽车的车辆牌照号码，然后从车辆相关信息系统采集的数据中逐台进行行为特征提取，获得非法出租汽车的运输特征识别模型。通过对测试数据的训练(或大数据分析)，得出以下非法出租汽车运输特征识别模型：
[0036]
(1)以运输场站等重点区域为中心从事非法营运的出租汽车特征模型。其特点是以这些活跃区域为揽客中心，向四周辐射，长期非法从事出租汽车运输。通过测试数据训练(或大数据分析)，其在市区内采集站出现的频率低于合法营运的出租汽车，通常不低于20％以上(与城市特点、采集点分布密度等相关)，且基本在白天时段营运，时间分布呈现t分布状。但空间分布呈现以这些区域为中心向四周辐射的特点。
[0037]
重点区域车辆信息采集点p＝{p1，p2,p3,
…
,pm}，pm为机场、火车站、汽车站、活跃商业区。
[0038]
给定以一辆车，定义函数f(p)为出现在p中各处的频次；定义f(z)为该车在所有监控范围内被捕捉的频次，定义p区域内频率为：
[0039][0040]
当f≥λ
p
认为该车有非法运营嫌疑，其中，λ
p
＝20％(在项目中测试得出，因采集点密度、布局方案不同而不同，通常采集点密度大，λ
p
取值小)
[0041]
(2)以定线运输为特征的非法营运的出租汽车特征模型。该类型非法营运的显著特点是从事点到点的长距离运输为主。例如从火车站到某一大型厂矿生活区，常年有非法营运出租车常年从事出租汽车经营业务。通过测试数据训练分析，发现其始发终到端地点基本相同，沿着一条线路往返运行。
[0042]
定义运营线路trn表示第n条非法运营车辆长距离运输路线。由于非法运营车辆在运输过程中通常呈现往返操作，因此，trn包含双向路线。对此，定义包含双向路线。对此，定义其中与分别表示方向相反的单向路线。具体地，定义分别表示方向相反的单向路线。具体地，定义为一
系列在路线中，被摄像头捕捉到的轨迹点位置。同时且表示相邻两个捕捉点之间，非法运营车辆的行驶时间。同理地，可定义可定义假设存在n个非法运营车辆长距离运输路线，则可获得非法运营车辆的时空轨迹集合为{γ
ilg
,ω
ilg
}，其中γ
ilg
＝{tr1,tr2,
…
,trn}与}与并将{γ
ilg
,ω
ilg
}视作非法运用车辆的判定标签。
[0043]
与非法运营车辆的时空轨迹数据定义相同，给定任意一辆需要判定的车c，在k其中，该车时空轨迹数据为trc＝{tr
c,1
,tr
c,2
,
…
,tr
c,k
}以及}以及采用函数表示该车辆的空间轨迹与第n条非法运营车辆时空轨迹标签的相似度，定义为：
[0044][0045]
其中，σ为softmax函数，保证的值在区间[0,1]中。为一个结合，且定义为：
[0046][0047]
以为例，的计算方式为：
[0048][0049]
其中同理科计算用则定义为：
[0050][0051]
以为例，其计算表达式为：
[0052][0053]
类似地，计算时间特征相似度根据实验结果，设定时空相似性阈值λ
＝0.8，当时，认为车辆c为高度疑似非法运营车辆。
[0054]
(3)套牌非法营运的出租汽车。该类型非法营运车辆具有明显的时间分布特征和空间分布特征(通过测试数据训练得出的结论)，套牌车辆与被套牌车辆同时营运，其在市区内各个车辆相关信息采集站出现的总次数是正常合法营运车辆的倍数(2倍左右)，明显高于正常合法车辆。判定依据：当一个车被捕捉的次数大于等于合法车辆被捕捉次数的1.5倍以上的，可以断定该车高度存在套牌嫌疑。
[0055]
给定以一辆车，定义函数f(z)为出现在所有采集站z中被捕捉的频次，即f＝f(z)，当f(z)≥1.5时，即可判定该车辆疑似存在套牌问题。
[0056]
工作原理：首先通过各个采集站每日24小时不间断采集数据，判断当日是否重复采集。属于重复采集的，舍弃该值，不做进一步的处理，取下一个采集的车辆信息再判断是否重复采集；不属于重复采集的，进入车辆身份核验模块而后，进行车辆身份核验，由第三方运输车辆管理信息系统提供合法营运车辆的核验数据库，包括车型类别、车身颜色、车牌号、合法营运车辆识别码，判断采集的车辆是否包含在核验数据库中，如果存在，需要进一步判断该车是否疑似套牌车辆，如果不存在，需要判断该车属于正常的社会车辆、还是高度疑似非法营运车辆，再识别疑似套牌车辆、疑似非法营运车辆时，对于在合法核验数据库中存在的车辆，需要判断其是否存在套牌现象。调用套牌车辆识别模型予以判断。高度疑似套牌车的，纳入重点检查车辆名单，该车识别过程结束，没有套牌车特征的，属于合法的营运车辆，该车的识别过程结束，对于合法车辆核验库中不存在的车辆，有可能是非法营运车辆，也可能是正常的社会车辆，需要进一步判断识别其是否为非法营运车辆，判断过程需要对合法车辆营运特征模型、非法营运车辆特征模型逐一比对，如果该车的数据信息符合白天时段合法出租车特征、晚间时段合法车辆的特征、在重点区域非法营运特征、定线非法营运特征之一的，即可判断其高度疑似非法营运车辆，纳入重点检查车辆名单，如果均不符合上述特征模型的，判断其为正常的社会车辆，对于纳入重点检查车辆名单的，后续交由现场执法人员开展针对性的路检路查，提高工作效率。识别结果后续交由现场执法人员有针对性地开展路检路查，提高工作效率。
[0057]
以上，仅是本发明的较佳实施例而已，并非对本发明作其他形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例应用于其他领域，但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。