本技术涉及计算机,具体而言,涉及一种车辆异常问题识别方法、车辆异常问题识别装置、计算机可读存储介质及电子设备。
背景技术:
1、电子不停车收费(electronic toll collection,etc)门架,是一种现代化的高速公路收费系统,采用无线通信和车载设备技术实现车辆在通过收费站时无需停车缴费的目的。基于etc门架上架设的设备,可以记录车牌号、通行事件、通行地点、时间戳、车流数量、车辆通行的车道等信息,以用于监控高速公路实时流量,高速公路实时流量可以为高速公路拥堵预警提供帮助。
2、但是,一些恶意行为或者技术失误,使得相关技术存在一些问题,例如,实际通行车型大于收费站交易车型,即,大车小标。这会导致车辆通过收费站时实际缴纳费用低于其应当缴纳费用。对于该问题,现有的解决方案在于:获取收费站设备采集的数据和门架数据,基于这些数据来判断出站车辆是不是存在异常问题。
3、但是,基于etc技术实现自动付费通行的车辆在通过收费站时,所采集到的数据是其注册的数据,而注册的数据有可能基于主观恶意是不准确的,同时,门架数据通常只能获取到车牌号等信息。因此,仅凭门架数据难以对异常问题进行准确判定。随着etc技术的不断推广,自动付费通行方式会被越来越广泛地应用,因此,如何实现针对etc方式通行的车辆异常问题的准确判定,成为了当前亟需解决的问题。
4、需要说明的是,在上述背景技术部分公开的信息仅用于加强对本技术的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有方案的信息。
技术实现思路
1、本技术的目的在于提供一种车辆异常问题识别方法、车辆异常问题识别装置、计算机可读存储介质及电子设备,可以针对车辆出口数据中的出口车牌标识,获取到相应的车型识别数据集合和历史出口数据集合,其中,车型识别数据集合是基于车型识别器拍摄的可视化图像统计得到的,由于可视化图像表征的车型真实可信,因此可以实现对于实际车型的准确判定,进而可以确定实际车型与出口车牌标识对应的目标车型是不是匹配,如果不匹配,则可以判定存在对应于出口车牌标识的异常问题,相较于仅通过收费站数据和门架数据进行异常问题判别的相关技术,本技术依赖车型识别数据集合和历史出口数据集合进行异常问题判别的方案,可以适用于etc通行方式并进行高准确度的异常问题判别,同时,也可以适用于非etc通行方式。
2、本技术的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本技术的实践而习得。
3、根据本技术的一方面,提供一种车辆异常问题识别方法,该方法包括:
4、响应于检测到的车辆出口数据,提取车辆出口数据中的出口车牌标识;
5、根据与出口车牌标识对应的车型识别数据集合和历史出口数据集合,确定对应于出口车牌标识的实际车型;其中,车型识别数据集合是基于可视化的车型识别器的识别结果统计得到的;
6、若实际车型与出口车牌标识对应的目标车型不匹配,则判定存在对应于出口车牌标识的异常问题。
7、在本技术的一种示例性实施例中,还包括:
8、若实际车型大于目标车型,则判定实际车型与目标车型不匹配;
9、以及,异常问题包括大车小标问题,判定存在对应于出口车牌标识的异常问题,包括:
10、判定存在对应于出口车牌标识的大车小标问题。
11、在本技术的一种示例性实施例中,还包括:
12、对出口车牌标识和卡内车牌标识进行模糊匹配,得到第一匹配结果;
13、对出口车牌标识和识别车牌标识进行模糊匹配,得到第二匹配结果;
14、若第一匹配结果和/或第二匹配结果表征匹配成功,则获取与出口车牌标识对应的车型识别数据集合和历史出口数据集合。
15、在本技术的一种示例性实施例中,还包括:
16、基于门架设备采集到的门架数据确定卡内车牌标识;
17、基于车型识别器的识别结果确定识别车牌标识。
18、在本技术的一种示例性实施例中,对出口车牌标识和卡内车牌标识进行模糊匹配,得到第一匹配结果,包括:
19、将出口车牌标识转换为第一特征向量以及将卡内车牌标识转换为第二特征向量;
20、基于余弦相似度算法计算第一特征向量和第二特征向量的余弦相似度,作为第一匹配结果;
21、以及,对出口车牌标识和识别车牌标识进行模糊匹配,得到第二匹配结果,包括:
22、将识别车牌标识转换为第三特征向量;
23、基于余弦相似度算法计算第一特征向量和第三特征向量的余弦相似度,作为第二匹配结果。
24、在本技术的一种示例性实施例中,还包括:
25、基于预设清洗规则对车辆出口数据进行数据清洗;其中,预设清洗规则用于限定非法出口数据的判定条件。
26、在本技术的一种示例性实施例中,还包括:
27、基于出口车牌标识对应的出站时间和入站时间确定当前单次行程时间范围;
28、获取当前单次行程时间范围内与出口车牌标识对应的车型识别数据集合;
29、获取指定历史时间范围内与出口车牌标识对应的历史出口数据集合。
30、在本技术的一种示例性实施例中,在历史出口数据集合中各数据均对应于自动付费通行方式的情况下,根据与出口车牌标识对应的车型识别数据集合和历史出口数据集合,确定对应于出口车牌标识的实际车型,包括:
31、计算车型识别数据集合中各车型对应的出行频率;
32、将各出行频率中最高出行频率对应的车型,确定为对应于出口车牌标识的实际车型。
33、在本技术的一种示例性实施例中,在历史出口数据集合中各数据分别对应于自动付费通行方式和非自动付费通行方式的情况下,以及,在历史出口数据集合中各数据均对应于非自动付费通行方式的情况下,根据与出口车牌标识对应的车型识别数据集合和历史出口数据集合,确定对应于出口车牌标识的实际车型,包括:
34、提取历史出口数据集合中对应于非自动付费通行方式的特定历史数据集,并计算特定历史数据集中各车型对应的一类出行频率;
35、计算车型识别数据集合中各车型对应的二类出行频率;
36、将同一车型的一类出行频率和二类出行频率融合为目标出行频率,以得到对应于各车型的目标出行频率;
37、将各目标出行频率中最高出行频率对应的车型,确定为对应于出口车牌标识的实际车型。
38、在本技术的一种示例性实施例中,还包括:
39、响应于门架设备、车型识别器、收费站设备持续采集的数据,更新车型识别数据集合和历史出口数据集合。
40、根据本技术的一方面,提供一种车辆异常问题识别装置,该装置包括:
41、出口车牌标识确定单元,用于响应于检测到的车辆出口数据,提取车辆出口数据中的出口车牌标识;
42、实际车型确定单元,用于根据与出口车牌标识对应的车型识别数据集合和历史出口数据集合,确定对应于出口车牌标识的实际车型;其中,车型识别数据集合是基于可视化的车型识别器的识别结果统计得到的;
43、异常问题识别单元,用于在实际车型与出口车牌标识对应的目标车型不匹配的情况下,判定存在对应于出口车牌标识的异常问题。
44、在本技术的一种示例性实施例中,还包括:
45、不匹配条件判定单元,用于在实际车型大于目标车型时,判定实际车型与目标车型不匹配;
46、以及,异常问题包括大车小标问题,异常问题识别单元判定存在对应于出口车牌标识的异常问题,包括:
47、判定存在对应于出口车牌标识的大车小标问题。
48、在本技术的一种示例性实施例中,还包括:
49、模糊匹配单元,用于对出口车牌标识和卡内车牌标识进行模糊匹配,得到第一匹配结果;
50、模糊匹配单元,还用于对出口车牌标识和识别车牌标识进行模糊匹配,得到第二匹配结果;
51、数据获取单元,用于在第一匹配结果和/或第二匹配结果表征匹配成功时,获取与出口车牌标识对应的车型识别数据集合和历史出口数据集合。
52、在本技术的一种示例性实施例中,还包括:
53、车牌标识确定单元,用于基于门架设备采集到的门架数据确定卡内车牌标识;基于车型识别器的识别结果确定识别车牌标识。
54、在本技术的一种示例性实施例中,模糊匹配单元对出口车牌标识和卡内车牌标识进行模糊匹配,得到第一匹配结果,包括:
55、将出口车牌标识转换为第一特征向量以及将卡内车牌标识转换为第二特征向量;
56、基于余弦相似度算法计算第一特征向量和第二特征向量的余弦相似度,作为第一匹配结果;
57、以及,模糊匹配单元对出口车牌标识和识别车牌标识进行模糊匹配,得到第二匹配结果,包括:
58、将识别车牌标识转换为第三特征向量;
59、基于余弦相似度算法计算第一特征向量和第三特征向量的余弦相似度,作为第二匹配结果。
60、在本技术的一种示例性实施例中,还包括:
61、数据清洗单元,用于基于预设清洗规则对车辆出口数据进行数据清洗;其中,预设清洗规则用于限定非法出口数据的判定条件。
62、在本技术的一种示例性实施例中,还包括:
63、时间范围确定单元,用于基于出口车牌标识对应的出站时间和入站时间确定当前单次行程时间范围;
64、数据获取单元,用于获取当前单次行程时间范围内与出口车牌标识对应的车型识别数据集合;
65、数据获取单元,还用于获取指定历史时间范围内与出口车牌标识对应的历史出口数据集合。
66、在本技术的一种示例性实施例中,在历史出口数据集合中各数据均对应于自动付费通行方式的情况下,实际车型确定单元根据与出口车牌标识对应的车型识别数据集合和历史出口数据集合,确定对应于出口车牌标识的实际车型,包括:
67、计算车型识别数据集合中各车型对应的出行频率;
68、将各出行频率中最高出行频率对应的车型,确定为对应于出口车牌标识的实际车型。
69、在本技术的一种示例性实施例中,在历史出口数据集合中各数据分别对应于自动付费通行方式和非自动付费通行方式的情况下,以及,在历史出口数据集合中各数据均对应于非自动付费通行方式的情况下,实际车型确定单元根据与出口车牌标识对应的车型识别数据集合和历史出口数据集合,确定对应于出口车牌标识的实际车型,包括:
70、提取历史出口数据集合中对应于非自动付费通行方式的特定历史数据集,并计算特定历史数据集中各车型对应的一类出行频率;
71、计算车型识别数据集合中各车型对应的二类出行频率;
72、将同一车型的一类出行频率和二类出行频率融合为目标出行频率,以得到对应于各车型的目标出行频率;
73、将各目标出行频率中最高出行频率对应的车型,确定为对应于出口车牌标识的实际车型。
74、在本技术的一种示例性实施例中,还包括:
75、数据更新单元,用于响应于门架设备、车型识别器、收费站设备持续采集的数据,更新车型识别数据集合和历史出口数据集合。
76、根据本技术的一方面,提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述任意一项的方法。
77、根据本技术的一方面,提供一种电子设备,包括:处理器;以及存储器,用于存储处理器的可执行指令;其中,处理器配置为经由执行可执行指令来执行上述任意一项的方法。
78、本技术示例性实施例可以具有以下部分或全部有益效果:
79、在本技术的一示例实施方式所提供的车辆异常问题识别方法中,可以针对车辆出口数据中的出口车牌标识,获取到相应的车型识别数据集合和历史出口数据集合,其中,车型识别数据集合是基于车型识别器拍摄的可视化图像统计得到的,由于可视化图像表征的车型真实可信,因此可以实现对于实际车型的准确判定,进而可以确定实际车型与出口车牌标识对应的目标车型是不是匹配,如果不匹配,则可以判定存在对应于出口车牌标识的异常问题,相较于仅通过收费站数据和门架数据进行异常问题判别的相关技术,本技术依赖车型识别数据集合和历史出口数据集合进行异常问题判别的方案,可以适用于etc通行方式并进行高准确度的异常问题判别,同时,也可以适用于非etc通行方式。
80、应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本技术。