基于大数据分析快速离城车辆的方法及装置制造方法及图纸

本申请公开了一种基于大数据分析快速离城车辆的方法及装置，该方法包括步骤：道路上的前端拍摄设备拍摄过车图片，并识别出当前所过车辆的车牌号和车牌颜色、连同过车时间和拍摄位置信息发送到后台，并录入进Hadoop集群的HDFS分布式文件系统中；指定检索条件，检索符合所述指定检索条件的快速离城的车辆，检索条件包含开始时间s和结束时间e；MapReduce作业判断快速离城车辆。本发明专利技术判断快速离城车辆时参考了所有同时段、同路段的其他车辆的总用时，得出的结果比较准确，可信度高；对公安部门的案件侦破具有重大参考意义，加快了案件侦破速度，提高了办案效率。

【技术实现步骤摘要】
基于大数据分析快速离城车辆的方法及装置
本专利技术涉及大数据分析与公共安全领域，具体地说，是涉及一种基于大数据分析快速离城车辆的方法及装置。
技术介绍
现如今车辆已成为犯罪分子作案、生活中必不可少的工具。据统计驾车、涉车案件占所有刑事案件的50％左右。犯罪心理学表明涉车犯罪人员在案发后基本都会快速逃离案发现场，并经过郊区卡口，进而逃离城区，我们称之为快速离城。这里的“快速”是跟其他车辆的速度对比得出，并不是通过主观臆测而来。如何从大量的过车数据中定位出快速离城的车辆是一直困扰公安部门的一个难题。传统的定位快速离城车辆的方式是利用城市道路点位测速设备进行的。交管部门根据实际情况对不同路段设置速度上限Limit，并安装测速设备。测速设备抓拍车速大于Limit的车辆，并将过车图片和车牌号上传至交管部门，这样交管部门即可查出快速离城的车辆。这种方式有很大的局限性。首先，城市道路的点位测速普及率低，并不能保证每个郊区卡口都有点位测速设备，如果涉案车辆从没有安装点位测速设备的路段离城就会成为漏网之鱼；其次，点位测速衡量的是车辆的瞬时速度。可能有些正常(非涉案)车辆在该点的瞬时速度超过Limit也会被误认为快速离城车辆。又或者涉案车辆驾驶员对逃窜路段比较熟悉，反侦察能力强，故意在到达点位测速设备之前将车速降低到Limit以下，这种情况下点位测速设备也不会抓拍涉案车辆。最重要的是，仅仅依靠车辆的瞬时速度判定快速离城也是欠考虑的，更好的方式是测量涉案车辆在逃窜路线上的平均速度，但是由于城市道路的错综复杂性，很难在城市道路上实施区间测速；最后，这种方式通过指定一个固定的速度上限Limit，没有考虑道路的实际交通状况，也没有对比其他车辆的行车速度。综上，传统的利用点位测速设备定位快速离城车辆的方式是欠考虑的、不科学的，不能运用于实际的案件侦破。
技术实现思路
本专利技术所要解决的技术问题是提供一种基于大数据进行快速离城实时分析的方法及系统，解决当下仅仅依靠车辆瞬时速度就判定为快速离城车辆的不科学性。为解决上述技术问题，本专利技术提供了一种基于大数据分析快速离城车辆的方法，包括步骤：道路上的前端拍摄设备拍摄过车图片，并识别出当前所过车辆的车牌号和车牌颜色、连同过车时间和拍摄位置信息发送到后台，并录入进Hadoop集群的HDFS分布式文件系统中；指定检索条件，检索符合所述指定检索条件的快速离城的车辆，检索条件包含开始时间s和结束时间e；MapReduce作业判断快速离城车辆，MapReduce作业包括mr1和mr2两个部分，其中mr1和mr2均分为map阶段和reduce阶段：mr1的map阶段从HDFS分布式文件系统中逐条读取[s,e]时间范围内的过车数据；mr1的map阶段验证数据的合法性，当前过车数据的车牌号或者车牌颜色未能正确识别，则跳过当前记录；当数据验证通过则继续；mr1的map阶段从过车记录中分离出车牌号、拍摄位置、过车时间，并组织成键key为车牌号，值为拍摄时间+过车时间，即<车牌号，拍摄位置+过车时间>的键值对，写到磁盘文件；mr1的reduce阶段读取mr1的map阶段的输出，mr1的map阶段的输出的key为车牌号，将所有车牌号相同的记录发送到同一个reduce节点，reduce将相同车牌号的键值对按照时间排序，排序后按照拍摄位置连接成列表，连接成的列表即为离城路线，reduce输出键为离城路线，值为所有车牌号+过车总时间的键值对；mr2的map阶段读取mr1的reduce阶段输出的结果并过滤掉离城路线较短的记录，未被过滤的数据原样输出；mr2的reduce阶段的输入是mr2的map的输出，mr2的map阶段的输出的key为离城路线，将所有相同离城路线的记录发送到同一个reduce，reduce计算所有经过相同离城路线总用时的期望值μ，并计算总用时的标准差σ；判断经过每条离城路线出城的每辆车的总用时是否介于[μ-3σ,μ+3σ]区间，若不在区间内，那么判定该车是快速离城车辆。优选地，还包括整理mr2的reduce输入的结果，将[s,e]时间范围内快速离城的所有的车辆展示给用户。优选地，所述前端拍摄设备，包括卡口、电子警察、和治安监控。优选地，所述mr2的map阶段读取mr1的reduce阶段输出的结果并过滤掉离城路线较短的记录，未被过滤的数据原样输出，进一步为，mr2的map阶段读取mr1的reduce阶段输出的结果中离城路线只经过两个卡口时，过滤掉该离城路线，未被过滤的数据原样输出。本专利技术还公开了一种基于大数据分析快速离城车辆的装置，包括前端拍摄设备、HDFS分布式文件系统、指定检索条件模块、和判断快速离城车辆模块；所述前端拍摄设备，与所述HDFS分布式文件系统相耦接，用于拍摄过车图片，并识别出当前所过车辆的车牌号和车牌颜色、连同过车时间和拍摄位置信息发送到后台，并录入进Hadoop集群的HDFS分布式文件系统中；所述指定检索条件模块，与所述判断快速离城车辆模块相耦接，用于指定检索条件，检索符合所述指定检索条件的快速离城的车辆，检索条件包含开始时间s和结束时间e；所述判断快速离城车辆模块，为通过MapReduce作业判断快速离城车辆，分别与所述指定检索条件模块和HDFS分布式文件系统相耦接，用于接收所述指定检索条件模块的指定检索条件，调取所述HDFS分布式文件系统中的车辆的车牌号、车牌颜色、过车时间和拍摄位置信息，判断快速离城车辆：MapReduce作业包括mr1和mr2两个部分，其中mr1和mr2均分为map阶段和reduce阶段：mr1的map阶段从HDFS分布式文件系统中逐条读取[s,e]时间范围内的过车数据；mr1的map阶段验证数据的合法性，当前过车数据的车牌号或者车牌颜色未能正确识别，则跳过当前记录；当数据验证通过则继续；mr1的map阶段从过车记录中分离出车牌号、拍摄位置、过车时间，并组织成键key为车牌号，值为拍摄时间+过车时间，即<车牌号，拍摄位置+过车时间>的键值对，写到磁盘文件；mr1的reduce阶段读取mr1的map阶段的输出，mr1的map阶段的输出的key为车牌号，将所有车牌号相同的记录发送到同一个reduce节点，reduce将相同车牌号的键值对按照时间排序，排序后按照拍摄位置连接成列表，连接成的列表即为离城路线，reduce输出键为离城路线，值为所有车牌号+过车总时间的键值对；mr2的map阶段读取mr1的reduce阶段输出的结果并过滤掉离城路线较短的记录，未被过滤的数据原样输出；mr2的reduce阶段的输入是mr2的map的输出，mr2的map阶段的输出的key为离城路线，将所有相同离城路线的记录发送到同一个reduce，reduce计算所有经过相同离城路线总用时的期望值μ，并计算总用时的标准差σ；判断经过每条离城路线出城的每辆车的总用时是否介于[μ-3σ,μ+3σ]区间，若不在区间内，那么判定该车是快速离城车辆。优选地，还包括展示模块，与所述判断快速离城车辆模块相耦接，用于整理mr2的reduce输入的结果，将[s,e]时间范围内快速离城的所有的车辆展示给用户。优选地，所述前端拍摄设备，包括卡口、电子警察、和本文档来自技高网...

【技术保护点】
一种基于大数据分析快速离城车辆的方法，其特征在于，包括步骤：道路上的前端拍摄设备拍摄过车图片，并识别出当前所过车辆的车牌号和车牌颜色、连同过车时间和拍摄位置信息发送到后台，并录入进Hadoop集群的HDFS分布式文件系统中；指定检索条件，检索符合所述指定检索条件的快速离城的车辆，检索条件包含开始时间s和结束时间e；MapReduce作业判断快速离城车辆，MapReduce作业包括mr1和mr2两个部分，其中mr1和mr2均分为map阶段和reduce阶段：mr1的map阶段从HDFS分布式文件系统中逐条读取[s,e]时间范围内的过车数据；mr1的map阶段验证数据的合法性，当前过车数据的车牌号或者车牌颜色未能正确识别，则跳过当前记录；当数据验证通过则继续；mr1的map阶段从过车记录中分离出车牌号、拍摄位置、过车时间，并组织成键key为车牌号，值为拍摄时间+过车时间，即<车牌号，拍摄位置+过车时间>的键值对，写到磁盘文件；mr1的reduce阶段读取mr1的map阶段的输出，mr1的map阶段的输出的key为车牌号，将所有车牌号相同的记录发送到同一个reduce节点，reduce将相同车牌号的键值对按照时间排序，排序后按照拍摄位置连接成列表，连接成的列表即为离城路线，reduce输出键为离城路线，值为所有车牌号+过车总时间的键值对；mr2的map阶段读取mr1的reduce阶段输出的结果并过滤掉离城路线较短的记录，未被过滤的数据原样输出；mr2的reduce阶段的输入是mr2的map的输出，mr2的map阶段的输出的key为离城路线，将所有相同离城路线的记录发送到同一个reduce，reduce计算所有经过相同离城路线总用时的期望值μ，并计算总用时的标准差σ；判断经过每条离城路线出城的每辆车的总用时是否介于[μ‑3σ,μ+3σ]区间，若不在区间内，那么判定该车是快速离城车辆。...

【技术特征摘要】
1.一种基于大数据分析快速离城车辆的方法，其特征在于，包括步骤：道路上的前端拍摄设备拍摄过车图片，并识别出当前所过车辆的车牌号和车牌颜色、连同过车时间和拍摄位置信息发送到后台，并录入进Hadoop集群的HDFS分布式文件系统中；指定检索条件，检索符合所述指定检索条件的快速离城的车辆，检索条件包含开始时间s和结束时间e；MapReduce作业判断快速离城车辆，MapReduce作业包括mr1和mr2两个部分，其中mr1和mr2均分为map阶段和reduce阶段：mr1的map阶段从HDFS分布式文件系统中逐条读取[s,e]时间范围内的过车数据；mr1的map阶段验证数据的合法性，当前过车数据的车牌号或者车牌颜色未能正确识别，则跳过当前记录；当数据验证通过则继续；mr1的map阶段从过车记录中分离出车牌号、拍摄位置、过车时间，并组织成键key为车牌号，值为拍摄时间+过车时间，即&lt;车牌号，拍摄位置+过车时间&gt;的键值对，写到磁盘文件；mr1的reduce阶段读取mr1的map阶段的输出，mr1的map阶段的输出的key为车牌号，将所有车牌号相同的记录发送到同一个reduce节点，reduce将相同车牌号的键值对按照时间排序，排序后按照拍摄位置连接成列表，连接成的列表即为离城路线，reduce输出键为离城路线，值为所有车牌号+过车总时间的键值对；mr2的map阶段读取mr1的reduce阶段输出的结果并过滤掉离城路线较短的记录，未被过滤的数据原样输出；mr2的reduce阶段的输入是mr2的map的输出，mr2的map阶段的输出的key为离城路线，将所有相同离城路线的记录发送到同一个reduce，reduce计算所有经过相同离城路线总用时的期望值μ，并计算总用时的标准差σ；判断经过每条离城路线出城的每辆车的总用时是否介于[μ-3σ,μ+3σ]区间，若不在区间内，那么判定该车是快速离城车辆。2.根据权利要求1所述的基于大数据分析快速离城车辆的方法，其特征在于，还包括整理mr2的reduce输入的结果，将[s,e]时间范围内快速离城的所有的车辆展示给用户。3.根据权利要求1所述的基于大数据分析快速离城车辆的方法，其特征在于，所述前端拍摄设备，包括卡口、电子警察、和治安监控。4.根据权利要求1所述的基于大数据分析快速离城车辆的方法，其特征在于，所述mr2的map阶段读取mr1的reduce阶段输出的结果并过滤掉离城路线较短的记录，未被过滤的数据原样输出，进一步为，mr2的map阶段读取mr1的reduce阶段输出的结果中离城路线只经过两个卡口时，过滤掉该离城路线，未被过滤的数据原样输出。5.一种基于大数据分析快速离城车辆的装置，其特征在于，包括前端拍摄设备、HDFS分布式文件系统、指定检索条件模块、和判断快速离城车辆模块；所述前端拍摄设备，与所述HDFS分布式文件...

【专利技术属性】
技术研发人员：李占强，辛国茂，李善宝，马述杰，
申请(专利权)人：泰华智慧产业集团股份有限公司，
类型：发明
国别省市：山东,37