[发明专利]一种基于轨迹特征和人车关联的黑车识别方法

说明书

本发明公开了一种基于轨迹特征和人车关联的黑车识别方法，具体涉及智能交通技术领域，具体步骤如下：步骤一：确认所有登记车辆是否有营运资质；步骤二：确定备选特征列表；步骤三：计算人车关联信息；步骤四：筛选营运车辆的显著性特征列表；步骤五：确定黑车目标。本发明通过步骤一到步骤二的设置，借助合法营运车辆的特征，与人车关联信息，寻找与其具有相似的特征的车辆，来寻找无营运资质，却可能在营运的车辆，通过步骤三到步骤五的设置，利用计算对黑车的特征进行筛选，对黑车的特征刻画清晰，定义准确，识别精确率高，有利于维护正常的运输市场秩序，减少了交通事故的发生，保护了乘客的合法权益和出行安全,有利于社会稳定。

技术领域

本发明涉及智能交通技术领域，具体涉及一种基于轨迹特征和人车关联的黑车识别方法。

背景技术

黑车是指没有在交通运输管理部门办理任何相关手续，领取营运牌证，以有偿服务实施非法运营的车辆。近年来，黑车的数量逐年上升,已经严重扰乱了正常的运输市场秩序,增加了交通事故的发生,损害了乘客的合法权益,严重影响了乘客的出行安全,给社会带米了不稳定的因素。

因此政府部门也越发重视打击黑车的工作，并为此开展了一系列对于黑车识别的研究，现有黑车识别多通过权限认证、机器学习算法、k-means算法硬聚和人工等方法辨别，但利用现有的黑白车样本，进行机器学习分类算法显然是不合适的；除此之外，利用k-means算法进行硬聚类，也会存在聚类结果不可控的问题，因为黑车体量小的问题，很可能聚类的结果黑车样本被稀释在不同的类从而导致需要重新建模的问题，即使对已有特征体系进行调整，也不一定有预期的结果，同时，因为聚类结果在业务上的解释能力差，所以最终模型存在缺乏说服力的情况；且这些方法都不能对黑车的增减和行走路线进行实时监控，不能完成信息及时的更新，不利于对黑车的追踪，故需要在特征筛选中投入工作，但传统的重视特征工程在实践中往往做的不够，对黑车的定义过于松散，特征刻画不清晰，导致数据分析和数据挖掘不准确。

发明内容

为此，本发明提供一种基于轨迹特征和人车关联的黑车识别方法，通过步骤一到步骤二的设置，借助合法营运车辆的特征，与人车关联信息，寻找与其具有相似的特征的车辆，来寻找无营运资质，却可能在营运的车辆，信息更新周期短，有效率高，生命力强，有利于对黑车的追踪，通过步骤三到步骤五的设置，利用计算对黑车的特征进行筛选，对黑车的特征刻画清晰，定义准确，识别精确率高，可有效对黑车进行追踪和消灭，有利于维护正常的运输市场秩序，减少了交通事故的发生，保护了乘客的合法权益和出行安全,有利于社会稳定，以解决现有技术中由于多种黑车识别方法对黑车的追踪准确率差导致市场上黑车有增无减，损害了乘客的合法权益和出行安全的问题。

为了实现上述目的，本发明提供如下技术方案：一种基于轨迹特征和人车关联的黑车识别方法，具体步骤如下：

进一步地，在步骤一中确认所有登记车辆是否有营运资质包括以下步骤：

第一步：将营运证信息表通过身份证关联机动车信息表，确认车辆是否具有有效营运资质；

第二步：确认车辆所有人是否有营运资质，查找车辆所有人类型，如果车辆所有人类型为个人，且没有营运资质，则进行步骤二。

进一步地，在步骤二中的确定备选特征列表，为从自身轨迹特征和人车交互轨迹特征两个角度选取备选特征列表：

每个角度都从时间、空间、时空交互角度来确定备选特征列表，包括：车辆出现次数、车辆出现天数、车辆出现站点数、车辆在重点站点出现次数、车辆在重点站点出现天数、车辆在重点最大停留时长，人车关联次数、人车天联天数、车辆在重点站点关联人次，被关联人与其他车关联次数、被关联人与其他车关联天数，被关联人与其他车关联站点数；

关联，即在两分钟内同时出现在某个站点，在这些站点有信息采集装置，可以捕获到路过的车牌、经过的人脸、手机卡；