打开文本图片集

摘 要：随着城市建设、汽车工业的发展，我国的机动车数量稳步增长，随之而来的假牌照、套牌照等车辆违法犯罪活动也日益增多。本系统主要是在登记驾驶员频繁本人驾驶车辆行驶的情况下，基于大数据环境下设计违章车辆套牌自动识别系统。车辆套牌识别模块是通过POI与兴趣度计算综合权重分析驾驶人生活行为，再者结合车辆驾驶行为指标，通过计算其与历史数据各指标的加权总偏离值，分析驾驶人驾驶行为。

关键词：POI；兴趣度；大数据

我们在该模块采用驾驶员生活行为习惯与车辆驾驶行为习惯相结合的方法，同时分析比对，结合兴趣度与POI的概念，更准确的对各项指标进行提取计算，从而得到个人特征结果。通过历史数据与当日违章车辆数据个人特征结果的偏离程度，判断其违章车辆是否为套牌车辆。

1基于IDRS的驾驶员兴趣度计算

本文对于车辆兴趣度的计算方法主要根据以下方面：

第一，在车辆检测记录中，该区域出现的次数越多，则说明驾驶员对该区域的兴趣度越高；

第二，车辆在这个区域停留的时间越长，则说明驾驶员对该区域的兴趣度越高；

第三，驾驶员采用手机搜索该区域内建筑次数越多，则说明驾驶员对该区域的兴趣度越高；

第四，车辆对某种类型的区域访问次数比较多，则说明该驾驶员对这类的区域都相对比较感兴趣。

根据以上对兴趣度规则的描述，得到车辆兴趣度（IDRS）的计算方法，如公式（1）。

其中[∑CRS]表示车辆停留在RS区域中的次数，[∑CET]表示车辆在当天记录点中全部停留区域的次数；[∑TRS]表示车辆停留在RS区域中的总活动时长，[∑TET]表示车辆在当天记录点中全部停留区域的总活动时长；[∑YRS]表示车辆驾驶员采用手机搜索该区域内建筑的次数，[∑YET]表示车辆驾驶员当天采用手机总搜索次数。

2基于POI的驾驶员生活行为习惯分析

不同驾驶人有不同的行车习惯，而且难以改变。我们在实际中发现行车驾驶习惯可以表示出来且存在规律。而车辆驾驶习惯主要体现在车辆停留区域，车辆停留区域可以间接反映驾驶员停留行为。但由于车辆停留点只能读取驾驶员停留的大致范围，无法精确其停留行为。于是我们采用POI信息辅助分析驾驶员停留行为，POI（Point of Interest）作为城市隐藏的信息点，其包含城市大部分的建筑设施。通过停留区域内各POI种类的占比，可以反映出驾驶员在此区域停留的目的。再根据各POI种类求和计算其总占比，从而分析驾驶员停留行为习惯及活动规律。不同的驾驶员停留地区基本不相同，停留行为也大致不同，通过对其停留行为的判断分析从而得到其个人行为特征。

2.1区域内POI权重划分

系统将所有的POI按照其职能特点划分到了12个不同的大类中，分别是：餐饮，工作场所（公司，机构等），住宿（酒店，旅馆），居民区，购物区，医疗，运动，休闲娱乐，文化（书店，剧场，博物馆），学校教育（小学，中学，大学），特定服务（邮局，银行，电信营业厅），交通（车站，飞机场）。

系统根据车辆套牌检测模块确定其停留区域RS，读取停留区域RS内所有的POI数据，并按照上述类别进行分类。通过求取停留区域RS内各类别POI数据占总停留区域ET内POI数据的比值，得到其各类别的权重，公式如下。

将车辆历史数据与当日数据分别通过上述计算求得POI各类别总占比，计算当日行车数据各项POI种类占比与历史数据指标间的偏离值，通过加权求和求得总偏离度[φ]。

参考文献

[1]卢胜男.复杂交通视频场景中的车辆轨迹提取及行为分析[J].长安大学博士学位论文，2016（12）.