一种疫情期间高速公路车辆违法运输行为的研判方法技术

本发明专利技术公开了一种疫情期间实施交通管制情况下，高速公路车辆违法运输行为的研判方法，基于历史数据设定车辆违法运输行为类型及其行车特征属性，构建违法运输行为车辆研判模型，结合研判模型对实时卡口过车数据进行实时研判；本发明专利技术将疫情期间的交通防控数字化、智能化，避免了耗费大量的人力物力。避免了耗费大量的人力物力。避免了耗费大量的人力物力。

【技术实现步骤摘要】
一种疫情期间高速公路车辆违法运输行为的研判方法


[0001]本专利技术涉及车辆违法运输研判
，特别涉及一种疫情期间高速公路车辆违法运输行为的研判方法。

技术介绍

[0002]疫情期间部分高速公路实行交通管制，但为了保障基本物资供应以及日常防控，需允许部分车辆通行，违法运输行为不利于疫情的防控，特殊时期对高速公路车辆违法运输行为的稽查与研判对于疫情的防控尤为重要。
[0003]现有关于疫情交通防控的技术方案有以下几种：
[0004]中国专利公开文献CN112309584A、CN1105405291A、CN108922194A均涉及到基于交通流量预测的防控技术方案，通过对交通运输的动态分析进行交通流量监控，构建迁徙模型，以辅助交管部门交通管制措施的制定和施行。这两种交通防控技术方案都是通过数据挖掘和数据建模，对交通流量进行动态统计和预测。但只能从宏观上对车辆运输规模进行调控，需要结合相关部门进一步的参与和决策，还是避免不了大量人力物力的投入。
[0005]另有基于车辆行驶轨迹的防控技术方案，如中国专利公开文献CN211719020U提出了一种采集车辆运输信息并调取全国交通指挥系统和通信运营商的基站定位，获取该车的行车轨迹、乘车人行踪轨迹的方法，用于追踪该车车上人员的发热是否与疫区疫情有关，解决人工排查出入车辆效率过低的问题；中国专利公开文献CN111523529 A提出了一种基于乘客出行轨迹的轨道交通疫情防控系统及方法，该方法通过系统的数据采集、数据分析和数据存储方法，获取疫情期间乘客在轨道交通中的行动轨迹，和时间、车厢等关键信息，方便查询同乘信息，为后续防控部署提供线索。但仅提供了轨道交通乘客出行信息的采集、处理和存储方法，且依赖于多个外部系统，信息同步和数据处理过程很容易产生较大的时延，无法对异常信息进行实时研判和预警，不利于及时进行防疫防控。
[0006]当前，疫情形势下的交通防控中存在以下几个问题：
[0007]1.人工防控效率低下问题。路面巡逻、视频巡检及群众报警等交通防控方式，均需要耗费巨大的人力物力，且很容易存在由于信息差导致的效率低下问题。
[0008]2.实时研判和预警的问题。对于存在违法运输行为的车辆需要进行实时预警推送位置等信息，以便于人工稽查；研判分析越置后，则需要根据车辆历史行驶轨迹进行位置推测，容易使问题复杂化。
[0009]3.系统抗干扰能力弱的问题。车辆运输行为特征错综复杂，特征属性的缺失很容易影响系统研判的准确度。

技术实现思路

[0010]本专利技术的目的在于提供一种疫情期间高速公路车辆违法运输行为的研判方法，用以至少解决上述现有技术出现的诸多问题之一。
[0011]鉴于此，本专利技术的方案如下：
[0012]一种疫情期间高速公路车辆违法运输行为的研判方法，包括以下步骤：基于历史数据设定车辆违法运输行为类型及其行车特征属性，构建违法运输行为车辆研判模型，采集实时卡口过车数据结合研判模型进行实时研判。
[0013]根据本专利技术的实施例，所述研判方法包括如下步骤：
[0014]S1.基于卡口过车历史数据进行特征属性提取和字段划分得到特征属性集x；结合特征属性设定车辆违法运输行为类型，得到车辆违法运输行为类型集C＝{y0，y1，y2，y3…
yn}，n为不同违法运输行为类型的个数；计算不同违法运输行为类型下特征属性划分的概率及不同违法运输行为类型发生的概率i为0～n的正整数；
[0015]S2.采集实时的卡口过车特征属性下的数据；分别计算实时特征属性下所有违法运输行为类型的概率P(y
i
|x)，取最大P(y
i
|x)时的yi以判定车辆的违法运输行为类型。
[0016]进一步地，所述特征属性集x＝{a1，a2，a3…
a
m
}，m为特征属性的个数，
[0017]进一步地，所述步骤S1中特征属性包括省内卡口折返次数、省际卡口折返次数和折返时长；所述违法运输行为类型包括省内徘徊、入省折返和频繁跨境。
[0018]进一步地，所述步骤S1中特征属性提取过程为，计算设定的车辆违法运输行为类型与字段之间的相关系数，选择相关系数大的前m个字段。
[0019]进一步地，所述步骤S1中历史数据过滤掉持有通行证的特种车辆数据。
[0020]相对于现有技术，本专利技术的有益效果为：
[0021]1.本专利技术通过大数据分析和数据挖掘，建立车辆违法运输行为研判模型，将疫情期间的交通防控数字化、智能化，避免了耗费大量的人力物力。
[0022]2.本专利技术基于大数据流处理和实时计算技术，实现对车辆违法运输行为进行实时监控和预警。
[0023]3.本专利技术通过结合相关系数和朴素贝叶斯概率算法，对车辆运输行为特征属性进行细粒度划分，减少属性缺失对系统研判率的影响，提高系统抗干扰能力。
附图说明
[0024]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，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，还可以根据这些附图获得其他相关的附图。
[0025]图1为本专利技术所述车辆违法运输行为实时研判流程图。
[0026]图2为本专利技术数据采集和存储过程示意图。
[0027]图3为本专利技术车辆违法运输类型研判流程图。
[0028]图4为本专利技术车辆违法运输行为研判率分析结果示意图。
具体实施方式
[0029]为了使本专利技术的目的、技术方案和有益技术效果更加清晰明白，以下结合附图和具体实施方式，对本专利技术进行进一步详细说明。应当理解的是，本说明书中描述的具体实施方式仅仅是为了解释本专利技术，并不是为了限定本专利技术。
[0030]该专利技术方法是基于疫情期间高速公路车辆违法运输研判模型的技术方案，相较于传统的技术方案，本方案基于大数据和数据挖掘技术，具有实时研判和预警，抗干扰能力强的特点。包括以下步骤：
[0031]1.实时数据的采集和存储，用于采集和存储实时的卡口过车等基础数据；
[0032]2.构建车辆违法运输行为特征分析模型，用于对数据集进行特征属性提取和划分，得到车辆违法运输行为特征集；
[0033]3.构建违法运输行为车辆研判模型，用于对车辆的违法运输行为进行实时研判和预警。所述实时研判流程图如图1所示。
[0034]具体地，所述方法步骤如下：
[0035]1.实时数据的采集和存储
[0036]将高速公路卡口设备采集到的实时过车数据，通过网络传输经由终端接入至Kafka流处理平台，使用分布式存储系统Hbase进行大数据存储，集成spark streaming提供实时计算服务。所述数据采集和存储过程如图2所示。
[0037]2.车辆违法运输行为特征分析模型的构建
[0038]将疫情期间重点关注车辆的运输行为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种疫情期间高速公路车辆违法运输行为的研判方法，其特征在于，包括以下步骤：基于历史数据设定车辆违法运输行为类型及其行车特征属性，构建违法运输行为车辆研判模型，采集实时卡口过车数据结合研判模型进行实时研判。2.根据权利要求1所述的研判方法，其特征在于，包括如下步骤：S1.基于卡口过车历史数据进行特征属性提取和字段划分得到特征属性集x；结合特征属性设定车辆违法运输行为类型，得到车辆违法运输行为类型集C＝{y0，y1，y2，y3…
yn}，n为不同违法运输行为类型的个数；计算不同违法运输行为类型下特征属性划分的概率及不同违法运输行为类型发生的概率i为0～n的正整数；S2.采集实时的卡口过车特征属性下的数据；分别计算实时特征属性下所有违法运输行为类型的概率P(y
i

【专利技术属性】
技术研发人员：王妙羽，巴继东，凌冠昌，许超，
申请(专利权)人：武汉长江通信智联技术有限公司，
类型：发明
国别省市：