一种非法运营车辆的识别方法、装置、电子设备及介质与流程

本发明涉及大数据、人工智能，具体而言，本发明涉及一种非法运营车辆的识别方法、装置、电子设备及介质。

背景技术：

1、非法运营车辆的存在不仅给社会治安带来恶劣影响，而且还给正常交通运输市场秩序造成极大的冲击，危害颇多；但是，目前并没有一种有效的方法或系统可实现非法运营车辆的自动识别。

2、现有方法多采用对车辆的视频监控和过车数据进行快速检索，接着使用无监督或者有监督的传统机器学习算法进行识别，但是以上方案严重依赖最新的车辆视频监控和过车数据，而现有的非法运营车辆具有“非法运营手法不断翻新、模式不断升级”的特点，意味着难以简单根据过往行为模式经验来满足非法运营车辆识别的要求，导致识别的准确率无法保证，仍需进一步改进。

技术实现思路

1、本发明所要解决的技术问题是提供了一种非法运营车辆的识别方法、装置、电子设备及介质，旨在解决识别准确率低的问题。

2、第一方面，本发明解决上述技术问题的技术方案如下：一种非法运营车辆的识别方法，该方法包括：

3、获取待识别车辆的车辆属性特征集合和目标地域，所述车辆属性特征集合中包括至少一个车辆属性特征；

4、对于每个所述车辆属性特征，根据所述车辆属性特征，确定所述待识别车辆在目标时间下，所述车辆属性特征对应的地域动态变迁特征，所述目标时间为所述待识别车辆行驶至所述目标地域所需的时间；

5、根据各个所述车辆属性特征对应的地域动态变迁特征，识别所述待识别车辆的身份识别结果，所述身份识别结果为正常运营车辆或非法运营车辆。

6、本发明的有益效果是：在识别待识别车辆的身份识别结果的过程中，不但考虑到待识别车辆的车辆属性特征，还考虑到了待识别车辆的地域动态变迁特征，即待识别车辆的车辆属性特征在运动过程中的变化特征，基于这两方面的特征可以提高待识别车辆的身份识别结果的准确性。

7、在上述技术方案的基础上，本发明还可以做如下改进。

8、进一步，该方法还包括：

9、将所述目标时间划分为多个时间切片；

10、对于每个所述车辆属性特征，上述根据所述车辆属性特征，确定所述待识别车辆在目标时间下，所述车辆属性特征对应的地域动态变迁特征，包括：

11、对于每个所述车辆属性特征，根据所述车辆属性特征，确定所述待识别车辆在各个所述时间切片下，所述车辆属性特征对应的地域动态变迁特征。

12、采用上述进一步方案的有益效果是，将目标时间划分为更小粒度的时间切片，可以更加准确的反映地域动态变迁特征随着时间的变化情况。

13、进一步，对于每个所述车辆属性特征，上述根据所述车辆属性特征，确定所述待识别车辆在各个所述时间切片下，所述车辆属性特征对应的地域动态变迁特征，包括：

14、对于每个所述车辆属性特征，根据所述车辆属性特征，通过lpc编码确定所述待识别车辆在各个所述时间切片下，所述车辆属性特征对应的地域动态变迁特征。

15、采用上述进一步方案的有益效果是，通过lpc编码方式可以更加准确的提取车辆属性特征对应的地域动态变迁特征。

16、进一步，上述车辆属性特征集合是通过以下方式确定的：

17、获取所述待识别车辆的初始集合，所述初始集合中的车辆属性特征的数量不小于所述车辆属性特征集合中车辆属性特征的数量；

18、根据所述初始集合中的各个车辆属性特征，确定所述初始集合中每个所述车辆属性特征的权重；

19、根据所述初始集合中每个所述车辆属性特征的权重和预设阈值，对所述初始集合中的各个所述车辆属性特征进行筛选，得到所述车辆属性特征集合。

20、采用上述进一步方案的有益效果是，根据各个车辆属性特征的权重，对初始集合中的车辆属性特征进行筛选，可去除初始集合中的冗余项，减小计算复杂度。

21、进一步，上述初始集合中每个所述车辆属性特征的权重是通过以下方式确定的：

22、获取使识别模型的损失函数为最小值时对应的目标模型参数，所述识别模型为根据车辆的初始集合，识别该车辆的身份识别结果的模型；

23、根据所述目标模型参数，确定所述初始集合中的每个所述车辆属性特征的权重。

24、采用上述进一步方案的有益效果是，本方案采用一边进行模型训练，一边确定权重的方式，提高了权重确定的准确性。

25、进一步，上述目标模型参数是通过以下方式确定的：

26、获取训练样本，所述训练样本中包括多个样本车辆的样本车辆属性特征集合，每个所述样本车辆属性特征集合中包括多个车辆属性特征，每个所述样本车辆对应一个分类标签，对于每个所述样本车辆，所述分类标签表征了该样本车辆的真实身份识别结果；

27、根据所述训练样本对初始模型进行训练，得到每个所述样本车辆的预测识别结果；

28、根据各个所述预测识别结果和各个所述分类标签，确定所述初始模型的损失函数值；

29、将所述损失函数值为最小时对应的初始模型作为所述识别模型，将所述损失函数值为最小时对应的所述初始模型的模型参数作为所述目标模型参数。

30、采用上述进一步方案的有益效果是，由于目标模型参数是损失函数值为最小时对应的模型参数，因此基于目标模型参数确定权重，可使得确定的权重更准确。

31、进一步，上述根据各个所述车辆属性特征对应的地域动态变迁特征，识别所述待识别车辆的身份识别结果，包括：

32、根据各个所述车辆属性特征对应的地域动态变迁特征，通过预训练的lstm模型，得到所述待识别车辆的身份识别结果。

33、采用上述进一步方案的有益效果是，由于地域动态变迁特征具有时序性，因此基于考虑时序特征的lstm模型进行待识别车辆的身份识别结果的识别，可提高身份识别结果的准确性。

34、第二方面，本发明为了解决上述技术问题还提供了一种非法运营车辆的识别装置，该装置包括：

35、数据获取模块，用于获取待识别车辆的车辆属性特征集合和目标地域，所述车辆属性特征集合中包括至少一个车辆属性特征；

36、特征确定模块，用于对于每个所述车辆属性特征，根据所述车辆属性特征，确定所述待识别车辆在目标时间下，所述车辆属性特征对应的地域动态变迁特征，所述目标时间为所述待识别车辆行驶至所述目标地域所需的时间；

37、识别模块，用于根据各个所述车辆属性特征对应的地域动态变迁特征，识别所述待识别车辆的身份识别结果，所述身份识别结果为正常运营车辆或非法运营车辆。

38、第三方面，本发明为了解决上述技术问题还提供了一种电子设备，该电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行该计算机程序时实现本技术的非法运营车辆的识别方法。

39、第四方面，本发明为了解决上述技术问题还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现本技术的非法运营车辆的识别方法。

40、本技术附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本技术的实践了解到。