[发明专利]基于大数据进行套牌车分析的方法及装置

说明书

技术领域

本发明涉及大数据分析与智能交通控制技术领域，具体地说，是涉及一种基于大数据进行套牌车分析的方法及装置。

背景技术

近年来随着人们生活水平的提高，汽车的数量越来越多，截止2017年3月份全国机动车保有量突破3亿辆，近5年年平均增加1400万辆。越多的汽车对套牌车的识别难度也越来越大，大量的套牌车为公安机关的侦查工作带来了大量的干扰。随着越来越多的案件与车辆相关，车辆已经成为犯罪分子作案、生活中必不可少的工具，而且大部分的犯罪分子车辆作案时都会使用假牌照，快速识别出套牌车已经是侦破案件和抓捕犯罪嫌疑人的关键突破点。也可以说，掌握了套牌车就掌握了犯罪嫌疑人的动态。

已有的对套牌车识别的方法依靠车型对比，此方法依赖于车管所的数据库，需要从车管所读取已登记的车辆的正确信息，当前端卡口设备抓拍到车辆信息，识别出车牌、车型等信息，根据车牌号从车管所数据库中读取正确的车型，若车型不同则判定为套牌车。此方法的局限是需要依赖车管所的数据，然而很多县或地级市不能很好的协调车管所的数据；另一个是依赖对车型识别的准确率，然而目前市面上车型识别程序对车型的识别准确率并不高，对拍摄照片的高度、角度、亮暗等要求较高。还有一种方法是在机动车上安装rfid芯片，此芯片中包含有车辆的车牌号、车型、发动机号等信息，当带有rfid芯片的机动车行驶到监控设备处时，已安装好的设备会读取rfid芯片里车牌号、车型等信息，与卡口拍摄的车牌号进行比对，若卡口设备识别的车牌号与rfid芯片中读取的车牌号相同，则非套牌车，若不同，则拍摄的车辆就是套牌车辆，当时此种方法需要在机动车上安装rfid芯片，还需要建设读取rfid芯片的基站，投入成本较高，实施难度较大。专利申请号为201410407364的方法是通过MapReduce批量分析套牌车，然后存储结果的形式，众所周知，MapReduce是批处理框架，适合于处理数据量大但时效性不高的要求，然而对于套牌车的识别需要实时识别出来，并及时报告套牌车的位置，否则套牌车辆消失后再去找，难度跟没识别套牌车一样，所有此方法并不适合现实场景的使用。

在以上方式中对套牌车识别难度大、时效性低的问题，更导致不法分子无所忌惮，挂着假牌照到处招摇撞骗，违法犯罪。

因此，提供一种高效实时且易实施的进行套牌车检测的方法是本领域亟待解决的问题。

发明内容

本发明所要解决的技术问题是提供一种基于大数据进行套牌车实时分析的方法及系统，解决当下套牌车识别难度大、时效性低的问题。

为解决上述技术问题，本发明提供了一种基于大数据进行套牌车分析的方法，包括步骤：

搭建HADOOP大数据平台，在HADOOP大数据平台的基础上安装分布式消息服务器KAFKA和分布式数据库HBASE，在分布式数据库HBASE中创建两个表，其中一个表中以车牌号与车牌颜色作为ROWKEY、COLUMN信息存储除车牌号和车牌颜色外其他的信息，该表用于缓存所有车牌号的最近一次过车记录；另一个表为套牌车信息结果表，以套牌车的过车时间、车牌号和卡口编号为ROWKEY、COLUMN信息存储除套牌车的过车时间、车牌号和卡口编号以外的其他信息，该表用于存放分析出的套牌车信息；

智能拍摄设备捕捉过车图片，解析出对应的结构化文本信息后，发送至分布式消息服务器KAFKA，所述结构化文本信息包含车牌号、车牌颜色、过车时间、和拍摄位置；

分布式消息服务器KAFKA接收智能拍摄设备发送的结构化文本信息存放在同一个TOPIC下；

套牌车分析：从所述分布式消息服务器KAFKA的同一个TOPIC下读取消息到内存中，并从当前消息中提取车牌号、车牌颜色、过车时间、和拍摄位置，先将提取的车牌号和车牌颜色作为ROWKEY，从已经创建好的HBASE表中查询是否有相同ROWKEY的数据，若查询到没有数据，则将这条数据以车牌号和车牌颜色作为ROWKEY，以过车时间、拍摄位置信息作为COLUMN信息，存入HBASE的表中，作为该车牌的最近的一次过车记录；若查询到有数据，则调取出查询到的数据，并提取过车时间和拍摄位置字段，这两次的过车记录是该车牌最近两次的过车记录，根据这两次过车记录的拍摄位置分别从卡口信息表中查得拍摄位置的坐标A(x₁,y₁)，B(x₂,y₂)，并以欧式距离计算公式：