本发明涉及交通安全技术领域，具体涉及一种判断假牌套牌车辆真实号牌的方法。
背景技术：
假牌和套牌车辆是严重违法行为，这一违法行为严重扰乱了道路交通秩序，影响了交通安全。
目前在交通行业中，对于假牌和套牌车辆的判断方法已经较为完善。在另一方面，对于识别出的假牌套牌等违法车辆，能否快速找到其真实号牌，直接影响到假牌套牌违法行为治理的效果和效率。
技术实现要素：
本发明提出的一种判断假牌套牌车辆真实号牌的方法，可解决假牌和套牌车辆严重扰乱了道路交通秩序，影响了交通安全的技术问题。
为实现上述目的，本发明采用了以下技术方案：
一种判断假牌套牌车辆真实号牌的方法，包括：
获取假牌套牌车辆的二次识别信息，所述二次识别信息包括车身颜色、车辆类型、车辆品牌和车辆年款；
获取假牌套牌车辆最近的时间点tc的过车信息iv，过车信息iv包括过车点位、时间、经纬度；
把所述二次识别信息与车管所车辆信息库进行模糊匹配，利用模糊匹配规则，找到具有相似的车身颜色、车辆类型、车辆品牌和车辆年款的车辆的号牌号码，并将这些车辆定义为嫌疑车辆；
获取嫌疑车辆的过车数据，找到过车时间与时间点tc差值最小的过车信息is；
把假牌套牌车辆的过车信息iv与嫌疑车辆的过车信息is比较，剔除与假牌套牌车辆在时间与空间上具有差异的车辆，得到最终嫌疑车辆信息；
把最终嫌疑车辆信息提供给交通管制人员，做相应的排查处置。
进一步的，把假牌套牌车辆的过车信息iv与嫌疑车辆的过车信息is比较，剔除与假牌套牌车辆在时间与空间上具有差异的车辆，得到最终嫌疑车辆信息；
具体步骤包括：
假牌套牌车辆的过车信息iv，包含：过车点位sv、过车时间tv、经纬度为(latv，lonv)；嫌疑车辆的过车信息is包含：过车点位ss、过车时间ts、经纬度为(lats，lons)；
s10、计算过车点位sv与ss之间的行车距离dvs：
s11、如果道路信息表含有sv与ss之间的区间距离，则直接使用道路区间距离；
s12、否则使用大圆距离作为行车距离，
dvs＝r*cos-1(sin(latv)*sin(lats)+cos(latv)*cos(lats)*cos(lonv-lons))*π/180；
s20、计算过车时间tv与ts之间的差值tδ＝tv-ts；
s30、根据空间因素dvs和时间因素tδ减少嫌疑车辆范围：
s31、假设sv和ss两点位，限速的最大值为v0，满足条件dvs/abs(tδ)＞v0的嫌疑车辆排除；
s32、排除满足条件1＜tδ＜0(单位：小时)的嫌疑车辆；
s33、排除满足条件dvs＞2000km，tδ＜2days的嫌疑车辆。
由上述技术方案可知，本发明的判断假牌套牌车辆真实号牌的方法通过假牌套牌车辆的二次识别信息(二次识别信息包含：车身颜色、车辆类型、车辆品牌和车辆年款)，与车管所车辆登记信息以及车辆卡口过车轨迹数据比较，快速筛选出具有嫌疑的车辆号牌。
本发明具有以下有益效果：
对假牌和套牌的违法车辆，提供了一种快速寻找和定位有嫌疑的车辆号牌。为交通管理的人员，减少了假牌套牌车辆管理的难度，提高了假牌和套牌车辆治理的效率。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。
本发明实施例的一种判断假牌套牌车辆真实号牌的方法，包括以下步骤：
获取假牌套牌车辆的二次识别信息，所述二次识别信息包括车身颜色、车辆类型、车辆品牌和车辆年款；
获取假牌套牌车辆最近的时间点tc的过车信息iv，过车信息iv包括过车点位、时间、经纬度；
把所述二次识别信息与车管所车辆信息库进行模糊匹配，利用模糊匹配规则，找到具有相似的车身颜色、车辆类型、车辆品牌和车辆年款的车辆的号牌号码，并将这些车辆定义为嫌疑车辆；
获取嫌疑车辆的过车数据，找到过车时间与时间点tc差值最小的过车信息is；
把假牌套牌车辆的过车信息iv与嫌疑车辆的过车信息is比较，剔除与假牌套牌车辆在时间与空间上具有差异的车辆，得到最终嫌疑车辆信息；
把最终嫌疑车辆信息提供给交通管制人员，做相应的排查处置。
其中，把假牌套牌车辆的过车信息iv与嫌疑车辆的过车信息is比较，剔除与假牌套牌车辆在时间与空间上具有差异的车辆，得到最终嫌疑车辆信息；
具体步骤包括：
假牌套牌车辆的过车信息iv，包含：过车点位sv、过车时间tv、经纬度为(latv，lonv)；嫌疑车辆的过车信息is包含：过车点位ss、过车时间ts、经纬度为(lats，lons)；
s10、计算过车点位sv与ss之间的行车距离dvs：
s11、如果道路信息表含有sv与ss之间的区间距离，则直接使用道路区间距离；
s12、否则使用大圆距离作为行车距离，
dvs＝r*cos-1(sin(latv)*sin(lats)+cos(latv)*cos(lats)*cos(lonv-lons))*π/180；
s20、计算过车时间tv与ts之间的差值tδ＝tv-ts；
s30、根据空间因素dvs和时间因素tδ减少嫌疑车辆范围：
s31、假设sv和ss两点位，限速的最大值为v0，满足条件dvs/abs(tδ)＞v0的嫌疑车辆排除；
s32、排除满足条件1＜tδ＜0(单位：小时)的嫌疑车辆；
s33、排除满足条件dvs＞2000km，tδ＜2days的嫌疑车辆。
上述步骤可解释为：
假牌套牌车辆二次识别信息
假牌套牌等违法行为是交通管制的重要一部分，在识别假牌套牌车辆的过程中，主要能够获取识别违法的时间戳wft；车辆的二次识别信息，包含车辆颜色clys、车辆类型cllx、车辆品牌clpp和年款clnk四个信息。
具有套牌假牌嫌疑的车辆号牌
根据假牌和套牌等违法车辆的二次识别信息，通过车辆的“六合一数据库”，按照车辆颜色、类型、品牌和年款的四个特征进行关键字的模糊匹配。筛选出与违法车辆具有相似特征的车辆车牌号码，定义为“违法嫌疑车辆”。
卡口过车数据处理
1)根据“违法嫌疑车辆”的车牌号码，查询在wft时间点之前的过车数据，获取它们离wft时间最近的一次过车记录。记录车牌号，过车的点位，过车时间三个字段。
2)根据过车点位，获取点位位置信息，然后计算其与违法车辆的查获地点的距离。
减小假牌套牌等违法嫌疑的范围
1)根据同一品牌和外观获得的嫌疑车辆的范围很大，对于违法事件处理的难度较高。而车辆卡口过车数据，记录了车辆的轨迹特征和历史位置信息，利用一定的规则可以运用到筛选“嫌疑车牌号码”中。
2)对于距离wft最近的轨迹，以违法点位和嫌疑车辆过车点位的限速最大值设为v0，满足条件dvs/abs(tδ)＞v0的嫌疑车辆排除。
3)在获取假牌套牌车辆之后一个小时内，在其他地点出现过车轨迹的嫌疑车辆排除。
4)在获取假牌套牌车辆最近两天以内，在远距离(两千公里之外)出现了的嫌疑车辆排除。
具体的说，假牌套牌车辆的真实号牌识别的核心是“以图识车”：根据二次识别的车辆特征，找到嫌疑的车辆号牌；再结合轨迹数据减小搜索范围，定位到真实车辆号牌。
完成以上步骤的具体操作方法分为以下两步：
a)运用实用车辆二次识别信息(车辆颜色、类型、品牌和年款)，与车管所“六合一”车辆登记基本信息(车辆颜色、类型、品牌和年款)，进行车辆特征的关键字模糊匹配；得到“嫌疑车辆号牌”。
b)利用卡口过车数据，减小筛选“嫌疑车辆号牌”的范围：主要思路是根据业务逻辑进行层层过滤，并对嫌疑较大的车辆号牌，计算相似度。详细地，对于“嫌疑车辆”具体的过滤方法是：排除过车数据中最近n小时活跃的“嫌疑车辆号牌”；排除最近n天在其他较大距离活跃的“嫌疑车辆号牌”。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。