一种涉车关系发现方法、装置、设备和介质制造方法及图纸

本发明专利技术实施例公开了一种涉车关系发现方法，主旨在于提供一种涉车同行、同地关系研判的方法，结合实际应用，以海量的卡口车牌识别数据为基础，通过大数据平台存储过车数据，采用基于Spark的计算框架，提高运行速率；针对误判漏判的情况，通过得到不同关联强度的车辆关系解决。本发明专利技术提供的方法，为公安侦查办案以及打防控预警等工作提供相关的情报线索和数据支撑。

【技术实现步骤摘要】
一种涉车关系发现方法、装置、设备和介质
本专利技术涉及公路交通监控
，特别涉及一种涉车关系发现方法、装置、设备和介质。
技术介绍
随着信息化的发展，业主对于平台应用也不断提出新的要求，功能需要高效、实时，通过大数据分析出更多可挖掘内容。为了适应这些不断增长的变化。并大量采集利用全国公安机关的网上警务综合信息，使用大数据平台能力对车辆、车主、关系人属性构建数据关系网进行深度分布式的数据挖掘分析，涉车关系发现是公路交通监控
中的一个重要方法。现有涉车关系发现方法仍然存在一些不足，主要面临以下问题：1)现有的涉车关系发现算法大部分是通常基于hadoop的MapReduce计算或非分布式的计算框架，无法满足现在实际中过车数据的巨大数据量；同时，对于庞大的过车数据量直接全量计算将会面临服务器内存不足以及算法计算耗时过长的问题；2)现有方法中之前的方法最常见的关系型数据库不能存储过车这样大数据的情况，因此参与计算的数据往往是短期几小时内数据甚至只考虑当前实时过车数据，而对于历史过车数据并没有充分存储和利用，导致分析结果的准确性不高；3)现有其他方法由于仅基于简单关联规则的数据挖掘，例如直接用apriori算法来获取频繁项集计算车辆关系，其得到的结果仅为是否存在关系，缺乏对结果的量化，在实际应用中往往导致误判和漏判。
技术实现思路
本专利技术要解决的技术问题，在于提供一种涉车关系发现方法、装置、设备和介质，在频繁项发现算法之后，通过分别计算同行和同地两种车辆关系，再通过权重调整两个关系的重要程度，并通过不同条件设置筛选得到不同强度等级的车辆关系，既可以减少误判也防止漏判。第一方面，本专利技术提供了一种涉车关系发现方法，包括：步骤10、识别路面卡口摄像头拍摄的过车图像视频，得到结构化过车数据；步骤20、将所述结构化过车数据同步到离线分析的集群中，过滤未识别和为空的字段以及同卡口连续拍摄产生的重复数据，然后存入数据仓库；步骤30、在每天的设定时间从数据仓库获取前24小时的结构化过车数据作为计算数据集，将计算数据集分为一定时长的时间片数据集，进行分布式计算；步骤40、将在相同卡口设定时间内通过的车辆记为一次同行，通过频繁项挖掘算法得到频繁同行的车牌对；步骤50、计算频繁同行的车牌对的同行次数与总卡口数量占比，将占比满足阈值条件时该频繁同行的车牌对标记为同行关系；将同卡口设定时间内到达且在之后的一定时间内没有其他卡口过车记录的频繁同行的车牌对记为同地一次，将累计同地次数达到阈值的车牌对标记为同地关系；步骤60、根据同行关系和同地关系，按设置的条件筛选出强关联关系条件的频繁同行的车牌对或弱关联关系条件的频繁同行的车牌对。进一步地，还包括：步骤70、将计算结果存储在分布式数据库Gbase和Hive中，分别用于Web查询和数据分析。进一步地，所述结构化过车数据包括车辆外形特征、车牌号、过车时间以及过车速度。进一步地，所述步骤60进一步具体包括：当频繁同行的车牌对对满足K同行>5且(K同行/K总)>0.3且K同地>3时，将该频繁同行的车牌对标记为强关联关系条件的频繁同行的车牌对；当频繁同行的车牌对满足K同行>5或(K同行/K总)>0.3或K同地>3时，将该频繁同行的车牌对标记为弱关联关系条件的频繁同行的车牌对；其中，K同行为两车同行的卡口数，K总为两车通过卡口的总次数，K同行为两车同地的卡口数。第二方面，本专利技术提供了一种涉车关系发现装置，包括：数据识别模块、数据存储模块、数据定时获取模块、频繁项挖掘模块、同行同地计算模块以及关联关系筛选模块；所述数据识别模块，用于识别路面卡口摄像头拍摄的图像视频数据，得到结构化过车数据；所述数据存储模块，用于将所述结构化过车数据同步到离线分析的集群中，过滤未识别和为空的字段以及同卡口连续拍摄产生的重复数据，然后存入数据仓库；所述数据定时获取模块，用于在每天的设定时间获取前24小时的结构化过车数据作为计算数据集，将计算数据集分为设定时间的时间片数据集，进行分布式计算；所述频繁项挖掘模块，用于将在相同卡口设定时间内通过的车辆记为一次同行，通过频繁项挖掘算法得到频繁同行的车牌对；所述同行同地计算模块，用于计算频繁同行的车牌对的同行次数与总卡口数量占比，将占比满足阈值条件时该频繁同行的车牌对标记为同行关系；将同卡口设定时间内到达且在之后的一定时间内没有其他卡口过车记录的频繁同行的车牌对记为同地一次，将累计同地次数达到阈值的车牌对标记为同地关系；所述关联关系筛选模块，用于根据同行关系和同地关系，按设置的条件筛选出强关联关系条件的频繁同行的车牌对或弱关联关系条件的频繁同行的车牌对。进一步地，还包括：数据存储模块，用于将计算结果存储在分布式数据库Gbase和Hive中，分别用于Web查询和数据分析。进一步地，所述结构化过车数据包括车辆外形特征、车牌号、过车时间以及过车速度。进一步地，所述关联关系筛选模块进一步具体用于：当频繁同行的车牌对满足K同行>5且(K同行/K总)>0.3且K同地>3时，将该频繁同行的车牌对标记为强关联关系条件的频繁同行的车牌对；当频繁同行的车牌对满足K同行>5或(K同行/K总)>0.3或K同地>3时，将该频繁同行的车牌对标记为弱关联关系条件的频繁同行的车牌对；其中，K同行为两车同行的卡口数，K总为两车通过卡口的总次数，K同行为两车同地的卡口数。第三方面，本专利技术提供了一种电子设备，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，所述处理器执行所述程序时实现第一方面所述的方法。第四方面，本专利技术提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面所述的方法。本专利技术实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：1、在频繁项发现算法之后，在关联分析的算法作了并行化的改进和优化，通过分别计算同行和同地两种车辆关系，然后通过权重调整两个关系的重要程度，并结合设置卡口占比阈值，得到不同强度等级的车辆关系，既可以减少误判也防止漏判2、利用时间分片的算法策略解决了车牌大数据处理耗时太长的问题。上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。附图说明下面参照附图结合实施例对本专利技术作进一步的说明。图1为本专利技术实施例一中方法中的流程图；图2为本专利技术实施例二中装置的结构示意图；图3为本专利技术实施例三中电子设备的结构示意图；图4为本专利技术实施例四中介质的结构示意图；图5为本专利技术实施例五中的实现流程图。具体实施方式实施例一本实施例提供一种方法，如图本文档来自技高网...

【技术保护点】
1.一种涉车关系发现方法，其特征在于：包括：/n步骤10、识别路面卡口摄像头拍摄的过车图像视频，得到结构化过车数据；/n步骤20、将所述结构化过车数据同步到离线分析的集群中，过滤未识别和为空的字段以及同卡口连续拍摄产生的重复数据，然后存入数据仓库；/n步骤30、在每天的设定时间从数据仓库获取前24小时的结构化过车数据作为计算数据集，将计算数据集分为一定时长的时间片数据集，进行分布式计算；/n步骤40、将在相同卡口设定时间内通过的车辆记为一次同行，通过频繁项挖掘算法得到频繁同行的车牌对；/n步骤50、计算频繁同行的车牌对的同行次数与总卡口数量占比，将占比满足阈值条件时该频繁同行的车牌对标记为同行关系；将同卡口设定时间内到达且在之后的一定时间内没有其他卡口过车记录的频繁同行的车牌对记为同地一次，将累计同地次数达到阈值的车牌对标记为同地关系；/n步骤60、根据同行关系和同地关系，按设置的条件筛选出强关联关系条件的频繁同行的车牌对或弱关联关系条件的频繁同行的车牌对。/n

【技术特征摘要】
1.一种涉车关系发现方法，其特征在于：包括：
步骤10、识别路面卡口摄像头拍摄的过车图像视频，得到结构化过车数据；
步骤20、将所述结构化过车数据同步到离线分析的集群中，过滤未识别和为空的字段以及同卡口连续拍摄产生的重复数据，然后存入数据仓库；
步骤30、在每天的设定时间从数据仓库获取前24小时的结构化过车数据作为计算数据集，将计算数据集分为一定时长的时间片数据集，进行分布式计算；
步骤40、将在相同卡口设定时间内通过的车辆记为一次同行，通过频繁项挖掘算法得到频繁同行的车牌对；
步骤50、计算频繁同行的车牌对的同行次数与总卡口数量占比，将占比满足阈值条件时该频繁同行的车牌对标记为同行关系；将同卡口设定时间内到达且在之后的一定时间内没有其他卡口过车记录的频繁同行的车牌对记为同地一次，将累计同地次数达到阈值的车牌对标记为同地关系；
步骤60、根据同行关系和同地关系，按设置的条件筛选出强关联关系条件的频繁同行的车牌对或弱关联关系条件的频繁同行的车牌对。


2.根据权利要求1所述的方法，其特征在于：还包括：
步骤70、将计算结果存储在分布式数据库Gbase和Hive中，分别用于Web查询和数据分析。


3.根据权利要求1所述的方法，其特征在于：所述结构化过车数据包括车辆外形特征、车牌号、过车时间以及过车速度。


4.根据权利要求1所述的方法，其特征在于：所述步骤60进一步具体包括：当频繁同行的车牌对对满足K同行>5且(K同行/K总)>0.3且K同地>3时，将该频繁同行的车牌对标记为强关联关系条件的频繁同行的车牌对；当频繁同行的车牌对满足K同行>5或(K同行/K总)>0.3或K同地>3时，将该频繁同行的车牌对标记为弱关联关系条件的频繁同行的车牌对；其中，K同行为两车同行的卡口数，K总为两车通过卡口的总次数，K同行为两车同地的卡口数。。


5.一种涉车关系发现装置，其特征在于：包括：数据识别模块、数据存储模块、数据定时获取模块、频繁项挖掘模块、同行同地计算模块以及关联关系筛选模块；
所述数据识别模块，用于识别路面卡口摄像头拍摄的图像视频数据，得到结构化过车数据；
所...

【专利技术属性】
技术研发人员：吴志雄，甘俊奇，徐阳，
申请(专利权)人：南威软件股份有限公司，福建威盾科技集团有限公司，
类型：发明
国别省市：福建;35