【技术实现步骤摘要】
本专利技术涉及一种非法营运车辆检测方法和系统。
技术介绍
车辆营运市场不断的开放带来了大量非法营运车辆的滋生。非法营运车辆指未取得行业主管部门运营许可的出租车、小客车、微型面包车等机动运输车辆,通常在车站、医院、学校等人流集中区域聚集并随意拉客、载客,严重扰乱了正常的道路交通运输市场以及城市的交通运行秩序,同时侵害了乘客的合法权益。当前,非现场执法系统在城市道路交通管理中发挥着重要的作用,卡口等智能化交通管理系统能够对过车进行记录,实现全路网的车辆监测。海量的车辆监测数据为非法营运车辆的识别提供了可能,如何利用交通监测数据实现非法营运车辆的检测具有实际应用价值。
技术实现思路
本专利技术的目的是提供一种非法营运车辆检测方法和系统解决如何利用交通监测数据实现非法营运车辆的检测等问题。本专利技术的技术解决方案是:一种非法营运车辆检测方法,基于卡口检测系统采集的车辆通行信息,通过聚类统计方法,对路网中的车辆活跃度进行分析,并对合法营运的出租车运行模式进行挖掘,从活跃度最高的组别中检测出非法营运车辆;具体为:S1、数据采集,由城市道路的卡口检测系统获得车辆检测数据,对原始检测数据进行过滤筛选,获取有效的过车数据,包括车牌号、卡口编号、检测时间;S2、、基于过车检测数据对路网车辆的使用度进行统计,构建K-means聚类模型,对城市道路行驶车辆活跃度进行分析,进而将路网内存在检测记录的车辆分为三类,分别为活跃度较低车辆、活跃度较高车辆、活跃度极高车辆;S3、获取本地营运车辆许可信息,生成合法营运车辆集合A;步骤S2中由 聚类分类获得的活跃度极高组内的车辆构成集合B;将活 ...
【技术保护点】
一种非法营运车辆检测方法,其特征在于,基于卡口检测系统采集的车辆通行信息,通过聚类统计方法,对车辆活跃度、车辆轨迹特性进行分析,评估可疑车辆与典型运营车辆运行特性的相似性,据此从海量过车数据中检测出异常的非法营运车辆;具体为:S1、数据采集,由城市道路的卡口检测系统获得车辆检测数据,对原始检测数据进行过滤筛选,获取有效的过车数据,包括车牌号、卡口编号、检测时间;S2、基于过车检测数据对路网车辆的使用度进行统计,构建K‑means聚类模型,对城市道路行驶车辆活跃度进行分析,进而将路网内存在检测记录的车辆分为三类,分别为活跃度较低车辆、活跃度较高车辆、活跃度极高车辆;S3、获取本地营运车辆许可信息,生成合法营运车辆集合A;步骤S2中由聚类分类获得的活跃度极高组内的车辆构成集合B;将活跃度极高组内的合法营运车辆剔除,生成非法营运可疑车辆集合S,即S=B‑(A∩B);S4、选取采样卡口,对合法营运车辆在采样点的行驶轨迹模式进行分析,对非法营运可疑车辆的轨迹模式与合法营运车辆的轨迹模式进行相似性评估,将高度相似的可疑车辆判别为非法营运车辆,进而实现非法营运车辆的自动识别。
【技术特征摘要】
1.一种非法营运车辆检测方法,其特征在于,基于卡口检测系统采集的车辆通行信息,通过聚类统计方法,对车辆活跃度、车辆轨迹特性进行分析,评估可疑车辆与典型运营车辆运行特性的相似性,据此从海量过车数据中检测出异常的非法营运车辆;具体为:S1、数据采集,由城市道路的卡口检测系统获得车辆检测数据,对原始检测数据进行过滤筛选,获取有效的过车数据,包括车牌号、卡口编号、检测时间;S2、基于过车检测数据对路网车辆的使用度进行统计,构建K-means聚类模型,对城市道路行驶车辆活跃度进行分析,进而将路网内存在检测记录的车辆分为三类,分别为活跃度较低车辆、活跃度较高车辆、活跃度极高车辆;S3、获取本地营运车辆许可信息,生成合法营运车辆集合A;步骤S2中由聚类分类获得的活跃度极高组内的车辆构成集合B;将活跃度极高组内的合法营运车辆剔除,生成非法营运可疑车辆集合S,即S=B-(A∩B);S4、选取采样卡口,对合法营运车辆在采样点的行驶轨迹模式进行分析,对非法营运可疑车辆的轨迹模式与合法营运车辆的轨迹模式进行相似性评估,将高度相似的可疑车辆判别为非法营运车辆,进而实现非法营运车辆的自动识别。2.如权利要求1所述的非法营运车辆检测方法,其特征在于:步骤S2中,具体为:S21、车辆使用状态判别:首先确定统计的时间轴长度及日期,通常长度取为一个月;根据每日卡口检测系统的车辆检测记录确定每辆车在统计时段内的每日的车辆使用状态,若卡口检测系统在当日存在该车辆的过车检测记录,则该日的车辆使用状态表征量k记为1,否则,记为0;S22、车辆使用度统计:对统计时段内车辆在工作日、非工作日的使用状态n1、n2以及工作日、非工作日的车辆检测次数n3、n4进行统计;S23、车辆活跃度确定:由工作日、非工作日的使用状态以及工作日、非工作日的日均车辆检测次数四个参数组成活跃度向量,即车辆i在统计时段内的活跃度为S24、根据活跃度进行车辆分类:采用K-means聚类方法将车辆分为三类,分别为活跃度较低车辆、活跃度较高车辆、活跃度极高车辆。3.如权利要求1所述的非法营运车辆检测方法,其特征在于:步骤S22中,工作日车辆使用度非工作日车辆使用度工作日日均车辆检测次数非工作日日均车辆检测次数式中a、b分别为统计时段内的工作日和非工作日天数,ki、kj分别为工作日、非工作日的车辆使用状态表征量,li、lj分别为工作日、非工作日的车辆日卡口检测次数。4.如权利要求1所述的非法营运车辆检测方法,其特征在于:步骤S4中,具体为:S41、卡口采样点确定:采样点为日常营运车辆较为活跃的路段检测点;S42、合法营运车辆轨迹模式分析:根据合法营运出租车在各采样点的过车记录对营运车辆的日常轨迹的时空特性进行分析;S43、非法营运车辆判别:对非法营运可疑车辆的轨迹模式与合法营运车辆的轨迹模式进行相似性评估,将高度相似的可疑车辆判别为非法营运车辆。5.如权利要求1所述的非法营运车辆检测方法,其特征在于:步骤S42中,具体为:S421、行驶特性指标统计分析,包括车辆在各采样点的每时段的平均被检次数x1、平均被检频率x2;平均被检次数计算公式为式中表示出租车在j时段...
【专利技术属性】
技术研发人员:李攀,王晓东,吕伟韬,张韦华,刘成军,陈华,盛旺,
申请(专利权)人:江苏智通交通科技有限公司,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。