[发明专利]交通违法数据录入异常检测方法和装置

权利要求书

1.一种交通违法数据录入异常检测方法，其特征在于，包括：

根据检测周期内目标审核人员对应的任务分组中所处理的审核照片的数量以及录入的违法凭证的数量，确定所述目标审核人员对应的整体违法率；其中，所述违法凭证是从所述审核照片中生成的；

确定所述目标审核人员所处理的任一目标监控点对应的交通违法率模型指示的违法率区间；

根据检测周期内所述目标审核人员所处理的每一目标监控点对应的违法率区间和审核照片数量，确定所述目标审核人员对应的整体违法率区间；

若所述目标审核人员对应的整体违法率不属于所述整体违法率区间，和/或，所述目标审核人员对应的整体违法率与其他审核人员对应的整体违法率之间的差值均大于预设阈值，则确定检测周期内所述目标审核人员对应的审核照片中的目标车牌号，并根据所述目标车牌号确定所述目标审核人员对应的交通违法数据录入异常检测结果；

所述交通违法率模型为基于神经网络的第一交通违法率模型，对应地，所述确定所述目标审核人员所处理的任一目标监控点对应的交通违法率模型指示的违法率区间，具体包括：

根据所述目标审核人员所处理的任一目标监控点在多个历史计算周期内的违法凭证的数量和审核照片的数量，计算出多个历史违法率；

将所述目标审核人员所处理的任一目标监控点在检测周期内的天气状况对应的平均环境系数、以及道路条件对应的路况系数以及多个历史计算周期内的历史违法率输入到第一交通违法率模型，得到所述目标审核人员所处理的任一目标监控点对应的第一交通违法率模型输出的违法率区间；

其中，第一交通违法率模型是以所述目标监控点在模型构建周期内的天气状况对应的样本平均环境系数、以及道路条件对应的样本路况系数以及多个历史计算周期内的样本历史违法率为训练样本，并以对应的人工标注的违法率区间为标签训练得到的。

2.根据权利要求1所述的方法，其特征在于，所述交通违法率模型为基于概率密度函数的第二交通违法率模型，对应地，所述确定所述目标审核人员所处理的任一目标监控点对应的交通违法率模型指示的违法率区间，具体包括：

根据所述目标审核人员所处理的任一目标监控点在多个历史计算周期内的违法凭证的数量和审核照片的数量，计算出多个历史违法率；

依据所述多个历史违法率拟合得到所述目标监控点对应的概率密度函数，作为所述监控点对应的第二交通违法率模型；其中，所述第二交通违法率模型指示的违法率区间根据所述第二交通违法率模型的均值和标准差确定。

3.根据权利要求1所述的方法，其特征在于，所述根据所述目标车牌号确定所述目标审核人员对应的交通违法数据录入异常检测结果，包括：

根据所述目标车牌号，从检测周期内所述目标审核人员对应的审核照片中筛选出待验证数据集；

由目标督查人员对所述待验证数据集进行审核，确定督查违法率；

根据所述标督查人员确定的督查违法率和所述目标审核人员对应的整体违法率，确定所述目标审核人员对应的交通违法数据录入异常检测结果。

4.根据权利要求3所述的方法，其特征在于，所述根据所述目标车牌号，从检测周期内所述目标审核人员对应的审核照片中筛选出待验证数据集，包括：

确定检测周期内所述目标审核人员对应的审核照片，作为任务数据集；

确定检测周期内所述目标审核人员对应的违法凭证中出现的目标车牌号，并从所述任务数据集中删除与所述目标车牌号对应的审核照片，得到中间数据集；

筛选出所述中间数据集中出现次数达到指定数值的车牌号对应的审核照片构成待检数据集，并从所述中间数据集中删除所述待检数据集中的审核照片；

从所述中间数据集中随机抽取指定数量的审核照片加入所述待检数据集，并将所述待检数据集中的审核照片作为待验证数据。