[发明专利]判断涉案嫌疑车辆的方法及系统

说明书

本发明公开了一种判断涉案嫌疑车辆的方法及系统。该方法包括：获取过车数据，根据过车数据生成过车记录表和过车索引表；对过车数据进行分析，生成套牌车记录表；根据过车记录表、过车索引表和套牌车记录表判断涉案嫌疑车辆，其中，在判断涉案嫌疑车辆时采用的判断条件包括时空条件和下述条件中的至少之一：遮阳板状态、盗抢高发地区、疑似套牌车、频繁过车和初次入城；根据判断结果，将嫌疑车集合中的过车数据，按照嫌疑车得分集合中的得分分值的大小由高到低进行排序，生成涉案嫌疑车序列表。本发明提供的方法及系统，从涉案车辆的多个特征入手进行综合分析，能够过滤掉大量无用数据，将嫌疑最大车辆排在最前面，对于侦破案件可行性高。

技术领域

本发明涉及公共安全技术领域，更具体地，涉及一种判断涉案嫌疑车辆的方法及系统。

背景技术

随着社会的发展，私家车的数量越来越多，私家车辆的普及在给人们生活带来便利的同时，也越来越多的被不法分子利用，成为他们犯罪的工具。据统计涉车案件占所有刑事案件的50％左右，且近几年所占比例呈增值趋势，这就为民警侦破案件造成很大的困难。从以往已侦破的案件中以及民警的办案经验可得出犯罪车辆的一些特征，如：犯罪分子通常不会用自己名下的车辆进行违法活动，他们用的车辆多是从别人那偷来或抢来的；或者犯罪分子采用套牌的方式，挂一个假牌进行违法活动；通常在违法活动之前，先在违法地点踩点，违法过程中全程放下遮阳板；或者涉案车辆为外地初次入城的车辆等。办案民警通常根据上述特征从大量的过车数据中筛选可疑车辆。

传统的筛选涉案嫌疑车辆的方式有以下几种：第一种是人工直接看图筛选，几个民警直接从海量的过车图片中一张张浏览筛查，对于现在海量的过车数据来说，靠人工一张张浏览图片不现实。第二种是民警系统中经常使用的各种技战法，如：套牌车分析、初次入城分析等技战法，这些方法也是基于大数据，从海量过车数据中进行分析得出的，然而这些单一的技战法在真正的实施环境中并不能最大限度的帮助民警缩小搜查范围。比如：初次入城分析，现如今一个县级市每天初次入城的过车数量也有成千上万(假设回溯时长为一个月)，虽然比从几百万数据中查找要容易很多，但在这成千上万的结果中再靠人工查找某个可疑车辆，也无异于大海捞针，并不能最大限度的帮助民警节省人力，提供效率。综上，现有的筛查涉案嫌疑车辆的方法在实际案件的侦破过程中可行性不高。

因此，提供一种判断涉案嫌疑车辆的方法及系统，快速有效的筛选涉案嫌疑车辆，节省民警人力，提高办案效率是本领域亟待解决的问题。

发明内容

有鉴于此，本发明提供了一种判断涉案嫌疑车辆的方法及系统，解决了快速有效的筛选涉案嫌疑车辆，节省民警人力，提高办案效率的技术问题。

为了解决上述技术问题，本发明提出一种判断涉案嫌疑车辆的方法，包括：

获取过车数据，根据所述过车数据生成过车记录表和过车索引表，其中，所述过车记录表采用Hbase存储，所述过车记录表的行键依次为：过车时间、过车位置和车牌号，所述过车记录表的列键为：车牌颜色、车型、车辆品牌、车辆年款、车身颜色、有无放下遮阳板或者有无系安全带，所述过车索引表采用solrCloud存储，所述过车索引表的属性值包括：车牌号、车牌颜色、车辆品牌、车型、年款、过车时间或过车位置；

对所述过车数据进行分析，判断所述过车数据对应的车辆是否为套牌车，若所述车辆为套牌车，则将所述过车数据存入套牌车记录表，所述套牌车记录表采用Hbase存储，所述套牌车记录表的行键依次为：过车时间、过车位置和车牌号；

根据所述过车记录表、所述过车索引表和所述套牌车记录表判断涉案嫌疑车辆，其中，在判断涉案嫌疑车辆时采用的判断条件包括时空条件和下述条件中的至少之一：遮阳板状态、盗抢高发地区、疑似套牌车、频繁过车和初次入城，判断所述涉案嫌疑车辆的步骤包括：