涉烟违法车辆监管方法技术

本发明专利技术提供的一种涉烟违法车辆监管方法，包括以下步骤：S1.获取涉烟违法车辆的历史数据，并对涉烟违法车辆的历史数据进行预处理；S2.提取涉烟违法车辆的特征信息，所述特征信息包括车辆属性特征、车辆行为特征以及车辆附属信息；S3.将车辆属性特征和车辆行为特征输入至机器学习网络中进行训练，并判断机器学习网络预测值与实际值的偏差是否小于设定阈值，如是，则进入步骤S4；S4.实时采集道路中车辆信息，并从实时采集的信息中提取当前车辆的特征信息并输入至训练完成后的机器学习模型中进行处理，判断当前车辆是否为涉烟违法车辆，如是，则输出告警信息；其中，当前车辆的特征信息与涉烟违法车辆的特征信息相同。与涉烟违法车辆的特征信息相同。与涉烟违法车辆的特征信息相同。

【技术实现步骤摘要】
涉烟违法车辆监管方法


[0001]本专利技术涉及一种车辆监管方法，尤其涉及一种涉烟违法车辆监管方法。

技术介绍

[0002]涉烟违法车辆是指非法涉烟运输，非法涉烟运输是指在不具备烟草许可运营的情况下，通过车辆对烟草进行夹带、自运或者托运的违法现象，这种现象存在，严重影响烟草的市场秩序以及对烟草的监管。
[0003]现有技术中，对于涉烟违法车辆的管理一般都是由执法部门在通过调查或者举报后对怀疑的目标车辆进行稽查，或者说通过定期或者不定期在道路或者终点关注的区域设置卡口进行稽查，这种方式存在以下问题：第一：浪费人力，需要大量的人力以及物力设定卡口，并且这种方式效率不高，而且容易造成交通拥堵，第二：存在漏查，也就是：传统的方式并不能全天候监控，涉烟违法车辆经常会被漏差，从而不能有效对涉烟违法车辆进行打击。
[0004]因此，为了解决上述技术问题，亟需提出一种新的技术手段。

技术实现思路

[0005]有鉴于此，本专利技术的目的是提供一种涉烟违法车辆监管方法，能够对涉烟违法车辆进行准确的识别和监控，并且能够实现持续不间断追踪预警，从而能够有效降低人力、物力的投入，做到对涉烟违法车辆进行精准打击，并且降低涉烟违法车辆被遗漏的可能性。
[0006]本专利技术提供的一种涉烟违法车辆监管方法，包括以下步骤：
[0007]S1.获取涉烟违法车辆的历史数据，并对涉烟违法车辆的历史数据进行预处理；
[0008]S2.提取涉烟违法车辆的特征信息，所述特征信息包括车辆属性特征、车辆行为特征以及车辆附属信息；
[0009]S3.将车辆属性特征和车辆行为特征输入至机器学习网络中进行训练，并判断机器学习网络预测值与实际值的偏差是否小于设定阈值，如是，则进入步骤S4；
[0010]S4.实时采集道路中车辆信息，并从实时采集的信息中提取当前车辆的特征信息并输入至训练完成后的机器学习模型中进行处理，判断当前车辆是否为涉烟违法车辆，如是，则输出告警信息；其中，当前车辆的特征信息与涉烟违法车辆的特征信息相同。
[0011]进一步，步骤S2中，涉烟违法车辆的属性信息包括车辆的类型、车辆的营运性质。
[0012]进一步，所述车辆行为特征包括车辆轨迹、车辆出行时间、车辆起点、车辆终点以及车辆临时停靠点。
[0013]进一步，所述车辆附属信息包括是否具有伴随车辆和涉烟违法车辆的停靠点设定区域内的烟草销售属性信息。
[0014]进一步，涉烟违法车辆是否具有伴随车辆判断包括：
[0015]确定与目标车辆具有相同行驶轨迹的车辆作为疑似伴随车辆；
[0016]判断疑似伴随车辆与目标车辆通过相同轨迹路线的时间间隔，如果时间间隔小于
设定阈值，则进行下一步判断；
[0017]判断疑似伴随车辆起点与目标车辆的起点的距离是否小于设定阈值，如是，则判断疑似伴随车辆与目标车辆的终点之间的距离是否小于设定阈值，如是，则判断伴随车辆和目标车辆在终点的停靠时间是否小于设定阈值，如是，则判断疑似伴随车辆为目标车辆的伴随车辆。
[0018]进一步，涉烟违法车辆的停靠点设定区域内的烟草销售属性信息包括：涉烟违法车辆停靠点设定区域内的烟草临售点的数量、设定区域内烟草临售点的烟草许可量以及设定区域内烟草临售点烟草在设定单位时间内的烟草销售量。
[0019]进一步，如当前车辆判断为涉烟违法车辆时，且将当前的涉烟违法车辆的伴随车辆同样标记为涉烟违法车辆；
[0020]进一步，所述机器学习网络为决策树分类器或者贝叶斯分类器。
[0021]本专利技术的有益效果：通过本专利技术，能够对涉烟违法车辆进行准确的监控，并且能够实现持续不间断追踪预警，从而能够有效降低人力、物力的投入，做到对涉烟违法车辆进行精准打击，并且降低涉烟违法车辆被遗漏的可能性。
附图说明
[0022]下面结合附图和实施例对本专利技术作进一步描述：
[0023]图1为本专利技术的流程图。
具体实施方式
[0024]以下进一步对本专利技术做出详细说明：
[0025]本专利技术提供的一种涉烟违法车辆监管方法，包括以下步骤：
[0026]S1.获取涉烟违法车辆的历史数据，并对涉烟违法车辆的历史数据进行预处理；其中，预处理是指对历史数据进行清洗，比如异常数据、错误数据等，便于后续判断的准确性；
[0027]S2.提取涉烟违法车辆的特征信息，所述特征信息包括车辆属性特征、车辆行为特征以及车辆附属信息；
[0028]S3.将车辆属性特征和车辆行为特征输入至机器学习网络中进行训练，并判断机器学习网络预测值与实际值的偏差是否小于设定阈值，如是，则进入步骤S4；
[0029]S4.实时采集道路中车辆信息，并从实时采集的信息中提取当前车辆的特征信息并输入至训练完成后的机器学习模型中进行处理，判断当前车辆是否为涉烟违法车辆，如是，则输出告警信息；其中，当前车辆的特征信息与涉烟违法车辆的特征信息相同；通过上述方法，能够对涉烟违法车辆进行准确的监控，并且能够实现持续不间断追踪预警，从而能够有效降低人力、物力的投入，做到对涉烟违法车辆进行精准打击，并且降低涉烟违法车辆被遗漏的可能性。
[0030]其中，机器学习网络为决策树分类器或者贝叶斯分类器，其训练学习过程为现有技术，在此不加以赘述。
[0031]本实施例中，步骤S2中，涉烟违法车辆的属性信息包括车辆的类型、车辆的营运性质。当然，还包括车辆的身份信息，即车牌号以及与车牌号相关联的车主信息；
[0032]所述车辆行为特征包括车辆轨迹、车辆出行时间、车辆起点、车辆终点以及车辆临
时停靠点。
[0033]所述车辆附属信息包括是否具有伴随车辆和涉烟违法车辆的停靠点设定区域内的烟草销售属性信息；其中：涉烟违法车辆的停靠点设定区域内的烟草销售属性信息包括：涉烟违法车辆停靠点设定区域内的烟草临售点的数量、设定区域内烟草临售点的烟草许可量以及设定区域内烟草临售点烟草在设定单位时间内的烟草销售量，当烟草临售点的数量超过设定的值时，则将该设定区域列为重点关注区域。
[0034]每个烟草临售点的烟草许可量是既定的，当设定区域内的各临售点的烟草销售量大于了总的烟草许可量时，这个区域同样被列为重点关注区域；而被确定为涉烟违法车辆的历史数据中的起点，也被列入重点关注区域，设定区域是指以停靠点为中心设定的方圆范围内的区域。
[0035]在涉烟违法车辆的判断中，如果仅仅只针对确定为涉烟违法车辆进行处理，那么则存在遗漏，因为在此过程中往往存在伴随车辆，那么，对于伴随车辆：
[0036]涉烟违法车辆是否具有伴随车辆判断包括：
[0037]确定与目标车辆具有相同行驶轨迹的车辆作为疑似伴随车辆；另一种情况就是行驶轨迹相近：其中，目标车辆如果为历史数据中的车辆，那么目标车辆就为涉烟违法车辆，如果是当前实时采集数据时，那么目标车辆就为当前车辆；
[0038]即具有相同的终点，但是，轨迹则不完全相同，那么此时，则本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种涉烟违法车辆监管方法，其特征在于：包括以下步骤：S1.获取涉烟违法车辆的历史数据，并对涉烟违法车辆的历史数据进行预处理；S2.提取涉烟违法车辆的特征信息，所述特征信息包括车辆属性特征、车辆行为特征以及车辆附属信息；S3.将车辆属性特征和车辆行为特征输入至机器学习网络中进行训练，并判断机器学习网络预测值与实际值的偏差是否小于设定阈值，如是，则进入步骤S4；S4.实时采集道路中车辆信息，并从实时采集的信息中提取当前车辆的特征信息并输入至训练完成后的机器学习模型中进行处理，判断当前车辆是否为涉烟违法车辆，如是，则输出告警信息；其中，当前车辆的特征信息与涉烟违法车辆的特征信息相同。2.根据权利要求1所述涉烟违法车辆监管方法，其特征在于：步骤S2中，涉烟违法车辆的属性信息包括号牌号码、车辆的类型、使用性质、车辆外观信息。3.根据权利要求2所述涉烟违法车辆监管方法，其特征在于：所述车辆行为特征包括车辆轨迹、车辆出行时间、车辆起点、车辆终点以及车辆临时停靠点。4.根据权利要求3所述涉烟违法车辆监管方法，其特征在于：所述车辆附属信息包括是否具有伴随车辆和涉烟违法车辆的停靠点设定区域内的烟草销售属...

【专利技术属性】
技术研发人员：赵明，张鹏，戴翔，吴玉林，王东林，李奇，
申请(专利权)人：中国烟草总公司重庆市公司，
类型：发明
国别省市：