一种定点甄别违法车辆的方法与流程

本发明涉及智能交通控制技术领域，具体为一种定点甄别违法车辆的方法。

背景技术

现代的交通控制中，通常需要识别违法车辆；有些违法车辆有其固定的出没地点、固定出现的时间；比如说“黑校车”，一般是小微型面包车或者七座以上载客汽车，会在上学、放学的时间段内，定时的出没于学校附近；比如说违法倾倒建筑垃圾的车辆，大多是重载卡车，会在凌晨左右，定时出现在人迹罕见的路段；对于此类有违法嫌疑的车辆，现有的监控、甄别方式主要靠公安机关交通管理部门组织人力布控进行甄别；单靠人工方式识别，不仅成本高、花费时间长，而且一旦被嫌疑者发现布控人员，将会导致甄别工作、后续执法工作的失败。

技术实现要素：

为了解决对有违法嫌疑的车辆进行人工监控、甄别，成本高、费时长、容易出错的问题，本发明提供一种定点甄别违法车辆的方法，其可以利用现有设备在目标地点附近自动识别有违法行为的嫌疑车辆，成本低、费时短、且可以不被察觉的实施，确保后续执法工作的正常实施。

本发明的技术方案是这样的：一种定点甄别违法车辆的方法，其包括以下步骤：

s1：确定目标地点的经纬度信息；

s2：确定针对目标地点一天内需要实施监控的甄别时间段；

s3：确定需要甄别的目标车辆的车辆本身特征信息，得到目标车辆特征；

s4：确定针对目标地点实施监控的总监控时间；

s5：确定目标车辆的甄别信息，所述甄别信息指目标车辆出现了何种行为特征会被认定为有违法嫌疑；

其特征在于，其还包括以下步骤：

s6：依据步骤s1中确定的所述目标地点的经纬度信息，通过对地理信息系统中的信息点数据和道路上的卡口监控设备进行空间位置叠加分析，确定调查数据用的目标卡口监控设备；

所述卡口监控设备，指在道路沿线布设的公路车辆智能监测记录设备，能够记录区域内经过的每一辆机动车的相关信息，包括号牌种类、号牌号码、经过时间信息；

所述信息点数据，指地理信息系统中用于信息采集的记录数据，每个所述信息点数据包含的信息包括名称、类别、经度纬度、附近的酒店饭店商铺信息；

所述空间位置叠加分析，指将所述卡口监控设备位置信息与所述信息点数据在地理信息系统中进行空间位置叠加计算，获得指定范围内的卡口监控设备；

s7：将所有的所述目标卡口监控设备与道路卡口监控设备记录的车辆通行轨迹信息的数据进行碰撞比对，生成由所有所述目标卡口监控设备记录的通行轨迹记录集合；

所述通行轨迹记录集合，记录内容包括号牌种类、号牌号码、通行时间、通过卡口、通行道路、通行区域的集合；

s8：将所述目标卡口监控设备记录的所述通行轨迹记录集合与在步骤s3中确定的所述目标车辆特征进行比对，筛出非目标车辆相关的信息，生成车辆通行记录集合；

s9：通过在步骤s2中确定的所述甄别时间段与所述车辆通行记录集合进行比对，筛除所有非甄别时间段的数据，得出目标车辆通行集合；

s10：依据在步骤s4中确定的所述总监控时间，统计在所述总监控时间内所有的所述目标车辆通行集合，生成目标车辆通行总集；

s11：依据在步骤s5中确定的所述甄别信息，在所述目标车辆通行总集的数据中进行比对，筛除非目标车辆的数据，直至得出有违法行为的嫌疑车辆的信息，所述嫌疑车辆的信息包括的车辆作为后续执法工作的目标车辆，直至确认得到违法车辆。

其进一步特征在于：

其还包括步骤s12：对所述嫌疑车辆实施进一步的甄别工作，包括通过指定所述卡口监控设备拍摄通行轨迹图片，并对所述通行轨迹图片做图像特征识别确认车辆违法行为；

所述总监控时间，包括连续的时间段、非连续的时间段、鉴别工作实施开始之前的时间段、鉴别工作实施开始之后的时间段；

所述目标车辆特征，包含车辆类型、车身颜色、车辆品牌；

所述甄别信息，包括在目标地点连续出现的次数、在目标地点连续出现的天数、车辆行为与其在车管机构中信息库和执法机构的信息库中的登记内容不一致。

本发明提供的一种定点甄别违法车辆的方法，利用了已有的卡口监控设备代替人工观测，从硬件上来说无需添加新设备，方案实施成本较低，且监控实施不会惊动嫌疑车辆，且节省了人力资源；利用目标地点的经纬度信息，通过空间位置叠加分析技术确定监控用卡口监控设备，可以保证目标地附近的道路都覆盖在监控范围内，保证了监控没有漏洞；做数据集筛选的时候，先利用目标车辆特征从所有目标卡口监控设备记录的通行轨迹记录集合中，筛选出车辆通行记录集合，快速的降低了数据集的数据量，使后续运算更加快速；通过可量化比对的甄别信息筛选嫌疑车辆，与人工实施相比错误率较低，且速度更快，通过本发明的技术方案，无需人工布控，而自动实施监控，只要符合特征即可以自动确认嫌疑车辆，无需人工指定，速度快，且成本低。

附图说明

图1为本发明技术方案的整体流程示意图；

图2为实施例中黑校车的甄别流程示意图。

具体实施方式

如图1~图2所示，本发明为一种定点甄别违法车辆的方法，以“黑校车”为例，对本发明的技术方案进行说明；“黑校车”是指没有取得相关资格证件、未到交警部门登记或者登记为自用车的、未投强制责任险、本来不属于校方但却非法运营来接送学生的车辆。“黑校车”大多出现在郊区和农村等公共投入不足的地方，且校方不愿为校车费用买单。黑校车是以盈利为目的，且常发生超载现象，对学生的安全构成了重大的威胁。

s1：确定目标地点的经纬度信息；通过地理信息系统和目标学校的名称，可以得到目标学校的经纬度信息，根据实际工作中黑校车的运行轨迹，确定目标学校，以及目标学校周边10公里以内都作为目标地点。

s2：确定针对目标地点一天内需要实施监控的甄别时间段；每天的监控时段设置为上学时间段与放学时间段，上学时间段定义为早上6:15-7：45，放学时间段定义为16:00-18:00。

s3：确定需要甄别的目标车辆的车辆本身特征信息，得到目标车辆特征；目标车辆特征，包含车辆类型、车身颜色、车辆品牌；实施监控的目标车辆设置为小微型面包车及七座以上载客汽车,其目标车辆特征可以通过车管机构的信息库获得。

s4：确定针对目标地点实施监控的总监控时间；总监控时间，包括连续的时间段、非连续的时间段、鉴别工作实施开始之前的时间段、鉴别工作实施开始之后的时间段，可以根据需要甄别的违法行为的特点设置总监控时间，是本技术方案更具通用性；本实施例中的总监控时间设置为连续的4周的工作日。

s5：确定目标车辆的甄别信息，甄别信息指目标车辆出现了何种行为特征会被认定为有违法嫌疑；

甄别信息，包括在目标地点连续出现的次数、在目标地点连续出现的天数、车辆行为与其在车管机构中信息库和执法机构的信息库中的登记内容不一致；

针对黑校车的甄别信息设置如下：

定义n为：目标车辆在距离学校2公里以内的卡口监控设备的监控中出现的天数；

定义n为：目标车辆在距离学校2公里以外10公里以内的卡口监控设备出现天数；

定义p为：目标车辆在距离学校10公里以内卡口监控设备出现的天数占工作日天数的比例；

则，

1）总监控时间内，分别确认每周的n的值，当所有的n>=3的时候，目标车辆有违法嫌疑，是嫌疑车辆；

2）总监控时间内，当每周的n>=2，且存在n=2，确认n=2的那几周内n的值，当所有的n>=2,则目标车辆有违法嫌疑，是嫌疑车辆；

3）总监控时间内，当每周的n>=2，且存在n=2，确认n=2的那几周内n的值，存在n<2,则确认在总监控时间段内p的值，当p>2/3，则目标车辆有违法嫌疑，是嫌疑车辆；

4）总监控时间内，分别确认每周的n的值，当存在n<2的时候，确认在总监控时间内的p的值，当p>3/4的时候，则目标车辆有违法嫌疑，是嫌疑车辆。

s6：依据步骤s1中确定的目标地点的经纬度信息，通过对地理信息系统中的信息点数据和道路上的卡口监控设备进行空间位置叠加分析，确定调查数据用的目标卡口监控设备；

卡口监控设备，指在道路沿线布设的公路车辆智能监测记录设备，能够记录区域内经过的每一辆机动车的相关信息，包括号牌种类、号牌号码、经过时间信息；

信息点数据，指地理信息系统中用于信息采集的记录数据，每个信息点数据包含的信息包括名称、类别、经度纬度、附近的酒店饭店商铺信息；

空间位置叠加分析，指将卡口监控设备位置信息与信息点数据在地理信息系统中进行空间位置叠加计算后分析，获得指定范围内的卡口监控设备；

确定目标地点为目标学校，以及目标学校周边10公里以内，通过对地理信息系统中的信息点数据和道路上的卡口监控设备进行空间位置叠加分析，确定调查数据用的目标卡口监控设备。

s7：将所有的目标卡口监控设备与道路卡口监控设备记录的车辆通行轨迹信息的数据进行碰撞比对，生成由所有目标卡口监控设备记录的通行轨迹记录集合；

通行轨迹记录集合，记录内容包括号牌种类、号牌号码、通行时间、通过卡口、通行道路、通行区域的集合；

将所有的目标卡口监控设备与道路卡口监控设备记录的车辆通行轨迹信息的数据进行碰撞比对，生成目标学校周边10公里以内所有目标卡口监控设备记录的通行轨迹记录集合，此时获得的数据是包含所有车辆的数据。

s8：将目标卡口监控设备记录的通行轨迹记录集合与在步骤s3中确定的目标车辆特征进行比对，筛出非目标车辆相关的信息，生成车辆通行记录集合；

在步骤3中获得所有符合小微型面包车及七座以上载客汽车的目标车辆特征后，通过卡口监控设备拍摄获得的图片，获取车辆的车牌号、车辆类型、车身颜色、车辆品牌等特征信息，经过图像分析技术与目标车辆的车辆特征进行比对，可以准确快速的筛选出目标车辆；根据目标车辆的特征，从通行轨迹记录集合中筛选出所有小微型面包车及七座以上载客汽车相关的通行轨迹，构成目标车辆的车辆通行记录集合，作为后续分析的基础数据；

因为可以作为黑校车的目标车辆的车型较明显，所以通过车辆特征可以筛选掉大部分的非目标车辆的数据，快速的降低了数据集合中的数据量。

s9：通过在步骤s2中确定的甄别时间段与车辆通行记录集合进行比对，筛除所有非甄别时间段的数据，得出目标车辆通行集合；通过时间段进行数据筛选，筛选出“6:15-7：45”和“16:00-18:00”时间段内的所有的目标车辆通行集合。

s10：依据在步骤4中确定的总监控时间，统计在总监控时间内所有的目标车辆通行集合，生成目标车辆通行总集；进一步通过时间段进行数据筛选，从目标车辆通行集合中，筛选出连续的4周的工作日内的“6:15-7：45”和“16:00-18:00”时间段内的数据，构成目标车辆通行总集。

s11：依据在步骤5中确定的甄别信息，在目标车辆通行总集的数据中比对，筛除非目标车辆的数据，直至得出有违法行为的嫌疑车辆的信息，嫌疑车辆的信息包括的车辆作为后续执法工作的目标车辆，直至确认得到违法车辆；

如图2所示的黑校车的甄别流程，以目标车辆通行总集的数据作为基础，把数据按照甄别信息中定义的4中情况进行分析；

当4周内所有的n的值都符合n>=3的情况下，目标车辆可以判断为嫌疑车辆；

当4周内所有的n的值都符合n>=2,但是存在n=2的情况，需要确认n=2的那几周内n的值，当所有的n>=2,则目标车辆有违法嫌疑，是嫌疑车辆，但是当存在n<2的情况时，则确认在4周内p的值，当p>2/3，则目标车辆有违法嫌疑，是嫌疑车辆；

当4周内存在n<2的时候，确认4周内的p的值，当p>3/4的时候，则目标车辆有违法嫌疑，是嫌疑车辆；

如上所示，依次筛出非目标车辆的信息，最终可以得到具体的嫌疑车辆的信息，以所有的嫌疑车辆作为后续的执法工作的工作目标，确认得出违法车辆。

s12：对嫌疑车辆实施进一步的甄别工作，包括通过指定卡口监控设备拍摄通行轨迹图片，并对通行轨迹图片做图像特征识别确认车辆违法行为，根据不同的违法行为定义后续的可以通过图片识别技术进行确认的违法行为，更进一步的通过设备节省人工鉴别的工作量，提高鉴别工作的准确性；

在本实施例中，得到嫌疑车辆的信息后，通过卡口监控设备拍摄的通行轨迹图片，进行图像识别，确认前排副驾驶作为的人员数，如果副驾驶座上的人员数目超过2人，则可以直接确定该嫌疑车辆有违法行为；也可以对嫌疑车辆，安排执法人员进行人工排查，确认是否为违法车辆。

使用本发明的技术方案后，通过现有的卡口监控设备获取数据，对数据进行分析后锁定嫌疑车辆，减少执法人员布控、甄别嫌疑车辆的工作量，节省了人力物力资源；通过客观数据进行分析，不易出错；且不会惊动嫌疑车辆，不会对后续执法工作造成障碍。