一种基于轨迹特征和人车关联的黑车识别方法

技术领域

本发明涉及智能交通技术领域，具体涉及一种基于轨迹特征和人车关联的黑车识别方法。

背景技术

黑车是指没有在交通运输管理部门办理任何相关手续，领取营运牌证，以有偿服务实施非法运营的车辆。近年来，黑车的数量逐年上升,已经严重扰乱了正常的运输市场秩序,增加了交通事故的发生,损害了乘客的合法权益,严重影响了乘客的出行安全,给社会带米了不稳定的因素。

因此政府部门也越发重视打击黑车的工作，并为此开展了一系列对于黑车识别的研究，现有黑车识别多通过权限认证、机器学习算法、k-means算法硬聚和人工等方法辨别，但利用现有的黑白车样本，进行机器学习分类算法显然是不合适的；除此之外，利用k-means算法进行硬聚类，也会存在聚类结果不可控的问题，因为黑车体量小的问题，很可能聚类的结果黑车样本被稀释在不同的类从而导致需要重新建模的问题，即使对已有特征体系进行调整，也不一定有预期的结果，同时，因为聚类结果在业务上的解释能力差，所以最终模型存在缺乏说服力的情况；且这些方法都不能对黑车的增减和行走路线进行实时监控，不能完成信息及时的更新，不利于对黑车的追踪，故需要在特征筛选中投入工作，但传统的重视特征工程在实践中往往做的不够，对黑车的定义过于松散，特征刻画不清晰，导致数据分析和数据挖掘不准确。

发明内容

为此，本发明提供一种基于轨迹特征和人车关联的黑车识别方法，通过步骤一到步骤二的设置，借助合法营运车辆的特征，与人车关联信息，寻找与其具有相似的特征的车辆，来寻找无营运资质，却可能在营运的车辆，信息更新周期短，有效率高，生命力强，有利于对黑车的追踪，通过步骤三到步骤五的设置，利用计算对黑车的特征进行筛选，对黑车的特征刻画清晰，定义准确，识别精确率高，可有效对黑车进行追踪和消灭，有利于维护正常的运输市场秩序，减少了交通事故的发生，保护了乘客的合法权益和出行安全,有利于社会稳定，以解决现有技术中由于多种黑车识别方法对黑车的追踪准确率差导致市场上黑车有增无减，损害了乘客的合法权益和出行安全的问题。

为了实现上述目的，本发明提供如下技术方案：一种基于轨迹特征和人车关联的黑车识别方法，具体步骤如下：

进一步地，在步骤一中确认所有登记车辆是否有营运资质包括以下步骤：

第一步：将营运证信息表通过身份证关联机动车信息表，确认车辆是否具有有效营运资质；

第二步：确认车辆所有人是否有营运资质，查找车辆所有人类型，如果车辆所有人类型为个人，且没有营运资质，则进行步骤二。

进一步地，在步骤二中的确定备选特征列表，为从自身轨迹特征和人车交互轨迹特征两个角度选取备选特征列表：

每个角度都从时间、空间、时空交互角度来确定备选特征列表，包括：车辆出现次数、车辆出现天数、车辆出现站点数、车辆在重点站点出现次数、车辆在重点站点出现天数、车辆在重点最大停留时长，人车关联次数、人车天联天数、车辆在重点站点关联人次，被关联人与其他车关联次数、被关联人与其他车关联天数，被关联人与其他车关联站点数；

关联，即在两分钟内同时出现在某个站点，在这些站点有信息采集装置，可以捕获到路过的车牌、经过的人脸、手机卡；

重点站点，即已经掌握的黑车高频出现站点，不仅包括通过案件确认的黑车高频出现站点，也包括根据近期发现的所有的黑车的近一个月的轨迹，通过显著性检验，确定的黑车高频出现站点。

进一步地，在步骤三中的计算人车关联情况为依照步骤二中的备选特征列表，计算相应的人车关联情况。

进一步地，在步骤四中的筛选营运车辆的显著性特征，基于黑车只占少数的假设，借助显著性检验，比较营运车辆与非营运车辆的各个备选特征对应的值组成的集合是否有显著性差异，如果有显著性差异，则认为该特征显著，根据该方式，依次筛选出显著的特征列表C。

进一步地，在步骤五中的确定黑车目标，为借助步骤四特征显著性校验的结果，计算营运车辆在每一个显著的特征对应的特征值构成的集合，这个集合构成一个分布，将A车第i个显著的特征记为

本发明具有如下优点：

1、本发明通过步骤一到步骤二的设置，与现有技术相比，借助合法营运车辆的特征，与人车关联信息，寻找与其具有相似的特征的车辆，来寻找无营运资质，却可能在营运的车辆，信息更新周期短，有效率高，生命力强，有利于对黑车的追踪；

2、本发明通过步骤三到步骤五的设置，与现有技术相比，利用计算对黑车的特征进行筛选，对黑车的特征刻画清晰，定义准确，识别精确率高，可有效对黑车进行追踪和消灭，有利于维护正常的运输市场秩序,减少了交通事故的发生,保护了乘客的合法权益和出行安全,有利于社会稳定。

附图说明

为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。

本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。

图1为本发明实施流程图。

具体实施方式

以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，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。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明提供一种基于轨迹特征和人车关联的黑车识别方法，

具体步骤如下：

步骤一：确认所有登记车辆是否有营运资质：将营运证信息表通过身份证关联机动车信息表，确认车辆是否具有有效营运资质，这里无论是一个身份证对应多辆车，还是多个身份证对应同一辆车，都依次进行下列步骤的计算；

步骤二：确定备选特征列表：结合经验，通过抽样从自身轨迹特征和人车交互轨迹特征两个角度选取备选特征列表：

每个角度都从时间、空间、时空交互角度来确定备选特征列表，包括：车辆出现次数、车辆出现天数、车辆出现站点数、车辆在重点站点出现次数、车辆在重点站点出现天数、车辆在重点最大停留时长，人车关联次数、人车天联天数、车辆在重点站点关联人次，被关联人与其他车关联次数、被关联人与其他车关联天数，被关联人与其他车关联站点数；

关联，即在两分钟内同时出现在某个站点，在这些站点有信息采集装置，可以捕获到路过的车牌、经过的人脸、手机卡；

重点站点，即已经掌握的黑车高频出现站点，不仅包括通过案件确认的黑车高频出现站点，也包括根据近期发现的所有的黑车的近一个月的轨迹，通过显著性检验，确定的黑车高频出现站点；

步骤三：计算人车关联信息：依照步骤二中的备选特征列表，计算相应的人车关联情况，由于数据越久远，对当前的影响越小，这里只计算过去30天的人车关联情况；

步骤四：筛选营运车辆的显著性特征列表：基于黑车只占少数的假设，借助显著性检验，比较营运车辆与非营运车辆的各个备选特征对应的值组成的集合是否有显著性差异，如果有显著性差异，则认为该特征显著，根据该方式，依次筛选出显著的特征列表C；

步骤五：确定黑车目标：为借助步骤四特征显著性校验的结果，计算营运车辆在每一个显著的特征对应的特征值构成的集合，这个集合构成一个分布，将A车第i个显著的特征记为

分别采用权限认证法、机器学习算法、k-means算法硬聚法、人工辨别法和本实施例在100天内对河北沧州市的东光县、泊头市、沧县、海兴县和盐山县的100辆黑车进行追踪识别，得出以下数据：

由上表可知，实施例权限认证法、机器学习算法、k-means算法硬聚法和人工辨别法均能追踪黑车，但是基于轨迹特征和人车关联的黑车识别方法的识别准确率最高，通过步骤一到步骤二的设置，借助合法营运车辆的特征，与人车关联信息，寻找与其具有相似的特征的车辆，来寻找无营运资质，却可能在营运的车辆，信息更新周期短，有效率高，生命力强，有利于对黑车的追踪，通过步骤三到步骤五的设置，利用计算对黑车的特征进行筛选，对黑车的特征刻画清晰，定义准确，识别精确率高，可有效对黑车进行追踪和消灭，有利于维护正常的运输市场秩序，减少了交通事故的发生，保护了乘客的合法权益和出行安全，有利于社会稳定。

虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。