[发明专利]用于实时套牌车分析的决策树模型建立方法和使用方法

说明书

本发明提供了一种用于实时套牌车分析的决策树模型建立方法，应用于套牌车实时分析模型的构建技术领域，S11.训练数据集和验证数据集的准备步骤和步骤S12.决策树模型的构建，以及用于实时套牌车分析的决策树模型使用方法中，通过所构建的决策树模型将每个RDD数据集通过车牌号进行聚合，过滤出地点一致的数据，分别计算出相同车牌的每条过车记录的时间差值，连同每条记录的抓拍设备点位信息作为源数据导入决策树模型，获得决策树模型分析结果，其中，所述分析结果包括符合套牌车条件的车牌信息以及其过车记录。应用本发明实施例，通过建立的决策树模型对实时过车数据进行分析，将符合条件的套牌车数据推送报警，实现了对套牌车的实时分析。

技术领域

本发明涉及车辆套牌分析模型的技术领域，尤其涉及一种用于实时套牌车分析的决策树模型建立方法和使用方法。

背景技术

套牌车辆是指参照真实牌照，将号码相同的假车牌套在其他车上，以使不法车辆在表面披上了“合法”的外衣，因此套牌车辆属于非法车辆，在行驶的过程中很难通过交警进行非法车辆的识别，只能依赖于技术手段进行自动分析。

当前大多数套牌车分析都是根据相同车牌号的车辆的出现时间、出现地点、车身颜色、号牌颜色、车辆款型等方面进行比对分析，有时甚至还需要依赖于车管所的车辆登记注册信息，而实际过程中，车辆在行驶时，通过每一个点设置的抓拍设备进行车辆的车牌号获取、行驶时间和行驶地点(每一个抓拍设备的地点是固定的，因此，抓拍到车辆的地点在抓拍设备的监控范围内，可以粗略获得对应的经纬度)是能够获取的，而与该车牌号对应的车辆信息(例如车辆品牌、外观参数等)却是无法获得的，因此基于现有的分析的过程中往往受限于比对数据来源，无法进行实时分析；又例如，对套牌车分析所采用的时空点位模型也存在无法排除因设备点位临近而导致车辆掉头误报的问题。上述问题也从侧面增加了实时套牌车分析的难度和降低了套牌车分析的准确度。

发明内容

本发明的目的在于克服现有技术之缺陷，提供了一种用于实时套牌车分析的决策树模型建立方法和使用方法，旨在通过建立的决策树模型对实时过车数据进行分析，将符合条件的套牌车数据推送报警，实现了对套牌车的实时分析，同时所采用的决策树模型通过对实时数据多重时间、空间比对，实现了对车辆掉头情况的过滤，减少了套牌车因此而产生的误报概率，提高了分析的准确率。

本发明是这样实现的：

本发明实施例公开了一种用于实时套牌车分析的决策树模型建立方法，所述方法包括：

S11.训练数据集和验证数据集的准备步骤；

获取历史数据库中出现的套牌车数据，并根据套牌车的出现时间，获取与所述出现时间对应的时间范围内的非套牌车数据，基于所述套牌车数据和所述非套牌车数据获得套牌车与对应真车相关联的第一五维向量数据，其中，针对任意一个车牌号所对应的所述第一五维向量数据包括：车牌号、套牌车出现时间、套牌车出现地点、真车出现时间、真车出现地点；以及，获取历史数据库中出现的真车数据，并根据每一真车出现的时间、地点获取多个真车数据组成的第二五维向量数据，其中，所述第二五维向量数据包括：车牌号、真车出现的第一时间、真车出现的第一地点、真车出现的第二时间、真车出现的第二地点；

基于所述第一五维向量数据和所述第二五维向量数据，获得与每一车牌号对应的三维向量数据，其中，所述三维向量数据包括：车牌号、车辆出现的时间差、车辆出现的距离；

将所述三维向量数据作为训练数据集的样本和测试数据集的样本；

S12.决策树模型的构建；

根据训练数据集的三维数据中每一车牌号，将真车和套牌车出现的时间差、真车和套牌车出现的距离分别作为特征，计算其对应的信息增益；

根据每一车牌号所对应的信息增益，构建根节点和叶子节点，以构成初步决策树模型；

根据训练数据集对初步决策树模型进行验证和剪枝，获得决策树模型。