[发明专利]无牌违章车辆信息搜索平台及方法

说明书

本发明涉及一种无牌违章车辆信息搜索平台及方法，所述平台包括：违章检测机构，采用视觉检测模式对管辖道路范围内的无牌车辆违章行为进行检测，并锁定存在无牌车辆违章行为的车辆对象所在的画面以作为违章车辆画面输出；大数据服务器，存储预设时间范围内管辖道路所在城市新登记的各条临时车辆信息；数据搜索设备，在大数据服务器中搜索与违章车辆画面外形匹配度最高的车辆类型所在的一个以上条临时车辆信息。本发明的无牌违章车辆信息搜索平台及方法操控智能、节约成本。由于能够将存在各种违章行为的无牌车辆对象的成像画面截取上报，并对临时车牌和其他不安装车牌的违章车辆进行分辨和信息提取，从而对无牌违章行驶车辆形成威慑。

技术领域

本发明涉及大数据应用领域，尤其涉及一种无牌违章车辆信息搜索平台及方法。

背景技术

大数据(big data)，IT行业术语，是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换而言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。

从技术上看，大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘。但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。

随着云时代的来临，大数据(Big data)也吸引了越来越多的关注。分析师团队认为，大数据(Big data)通常用来形容一个公司创造的大量非结构化数据和半结构化数据，这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要像MapReduce一样的框架来向数十、数百或甚至数千的电脑分配工作。

大数据需要特殊的技术，以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术，包括大规模并行处理(MPP)数据库、数据挖掘、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。

当前，在违章车辆无人化检测和处罚的具体操作中，主要应用于有牌车辆，而对于一些尚未正式注册的临时车辆以及故意污染车辆或者故意不安装车牌的违章车辆缺乏针对性的分辨机制和信息检索机制，导致在相关违章车辆的违章处罚方面存在空白。

发明内容

为了解决相关领域的技术问题，本发明提供了一种无牌违章车辆信息搜索平台，能够引入针对性设计的违章检测机构用于将存在各种违章行为的无牌车辆对象的成像画面截取上报，并在大数据存储的基础上对临时车牌和其他不安装车牌的违章车辆进行分辨和信息提取，从而填补相关违章车辆的违章处罚方面的空白。

为此，本发明至少具备以下几处关键的发明点：

(1)引入包括可视化抓拍设备、超速分析设备、停车分析设备、逆行分析设备以及图案汇总设备的针对性设计的违章检测机构，用于将存在各种违章行为的无牌车辆对象的成像画面截取上报；

(2)基于存在各种违章行为的无牌车辆对象的成像画面和大数据服务器存储的最新临时车牌信息的匹配结果，判断违章无牌车辆对象是否为临时车辆，并对临时车辆信息上报给交通管理机构的服务器。

根据本发明的一方面，提供了一种无牌违章车辆信息搜索平台，所述平台包括：

违章检测机构，采用视觉检测模式对管辖道路范围内的无牌车辆违章行为进行检测，并锁定存在无牌车辆违章行为的车辆对象所在的画面以作为违章车辆画面输出；