一种基于k-mediods算法的非法营运车辆识别方法技术

本发明专利技术公开了一种基于k

【技术实现步骤摘要】
一种基于k
‑
mediods算法的非法营运车辆识别方法


[0001]本专利技术涉及一种基于k
‑
mediods算法的非法营运车辆识别方法，属于城市交通大数据的


技术介绍

[0002]非法营运是指没有依法取得营运权而实施了盈利性营运的行为。非法营运问题影响了城市交通的良性发展，扰乱了市场经营秩序，危害公众的生命财产安全，同时也增加了有关部门的监管难度。非法营运车辆，俗称“黑车”是指未经行业主管部门批准，非法运营的各类车辆的统称。在实际生活中，执法人员对“黑车”的整治存在很多困难，主要有：1）证据获取难。部分“黑车”司机以合法形式来掩盖其非法运营行为，执法取证有难度，打击起来非常困难。2）“黑车”查处难。为逃避执法部门的查处，“黑车”已经呈现出“由固定地点等客，变为随时流动营运”的特点，很难现场查处。

技术实现思路

[0003]本专利技术所要解决的技术问题在于提供一种基于k
‑
mediods算法的非法营运车辆识别方法，能够准确识别非法营运车辆，降低执法部门对非法营运车辆的整治和查处难度，满足城市交通管理的需求。
[0004]为解决上述技术问题，本专利技术采用的技术方案如下：
[0005]一种基于k
‑
mediods算法的非法营运车辆识别方法，包括以下步骤，
[0006]（1）将车辆运行信息存储于车辆信息数据库；
[0007]（2）对车辆信息数据库进行预处理，包括：分析车辆信息并提取车辆运行的行为特征数据，建立数据仓库并定时更新；
[0008]（3）对数据仓库中的车辆运行的行为特征数据进行PCA处理；
[0009]（4）利用k
‑
mediods算法进行聚类分析，得到车辆分类识别结果中的非法营运车辆信息，并将其存入非法营运车辆信息数据库；
[0010]（5）将运行的车辆信息与非法营运车辆信息数据库进行比对，若运行的车辆信息在非法营运车辆信息数据库中，则此车辆被判定为非法营运车辆，反之被判定为合法车辆。
[0011]作为一种优选，上述的基于k
‑
mediods算法的非法营运车辆识别方法，所述步骤（2）中的车辆信息是通过RFID采集的数据，包括车牌号码、车辆通过地点、车辆通过时间；行为特征数据包括车牌号码、通过时间间隔、平均通过时长、时间间隔方差、通过频次、高峰时期通过占比。
[0012]作为一种优选，前述的基于k
‑
mediods算法的非法营运车辆识别方法，所述步骤（4）中的k
‑
mediods算法包括，
[0013]算法输入：包含ｎ个对象的车辆运行信息，结果簇的个数ｋ；算法输出：ｋ个簇的集合，使得所有对象与其最近中心点的相异度总和最小方法；其具体步骤为：
[0014]１）从数据仓库中获取聚类分析车辆的数据信息Ｏ（ｎ），需要聚类的个数ｋ；
[0015]２）随机选择ｋ个对象作为初始中心点；
[0016]３）将剩余对象分配到临近中心的簇，并计算此时的目标函数ｏｌｄＥ；
[0017]４）随机产生一个代替原中心的对象Ｏｒａｎｄ；
[0018]５）依次利用Ｏｒａｎｄ代替原始的ｋ个对象；
[0019]５.1）初始化即将替代的簇中心下标ｉ＝０；
[0020]５.２）判断是否遍历完所有簇中心，若遍历完则转向步骤６），否则转向５.３）；
[0021]５.３）将剩余对象分配到临近中心的簇，计算目标函数ｎｅｗＥ；
[0022]５.４）计算此时代价函数 Ｓ＝ｎｅｗＥ－ｏｌｄＥ，其中ｎｅｗＥ表示利用随机对象替换原簇中心之后的目标函数值，ｏｌｄＥ表示原对象的目标函数值；若ｓ＜０，则可以替换原簇中心；反之，则不能替换原簇中心；
[0023]５.５）判断Ｓ是否小于０，若小于０则转向步骤５.７），否则转向下一步５.６）；
[0024]５.６）下标ｉ＝ｉ＋１，转向５.２）；
[0025]５.７）记录此时下标ｊ＝ｉ，并用Ｏｒａｎｄ代替Ｏｊ，转向步骤５.３）；
[0026]６）结束。
[0027]作为一种优选，前述的基于k
‑
mediods算法的非法营运车辆识别方法，输入的 个对象的车辆信息，包含车牌号、已知的车辆类型以及经过PCA处理之后的车辆运行的行为特征数据，同时对这些行为特征数据进行了归一化处理，归一化处理公式如下：
[0028]其中，ｎｏｒｃｉ（ｐ） 表示第i个对象在第p维特征数据经过归一化处理的结果；c表示车辆信息的对象；ｃｉ（ｐ）表示第i个对象在第p维特征数据值；ｍｉｎ（ｐ）表示所有车辆信息中的第p维特征数据值的最小值；ｍａｘ（ｐ） 表示所有车辆信息中的第p维特征数据值的最大值。作为一种优选，前述的基于k
‑
mediods算法的非法营运车辆识别方法，目标函数 的公式如下：
[0029]其中ｊ表示聚类分析后簇的序号，范围为１到ｋ；ｉ为对象序号，范围为１到ｎ；ｃｊ表示第ｊ个簇的中心；ｘｉ表示第ｉ个对象；ｄｉｓｔ表示求ｃｊ与ｘｉ欧式距离；其中ｄｉｓｔ（ｃｉ，ｘｉ）的公式如下：
[0030]其中ｃｊ（ｐ）表示ｃｊ的第ｐ个运行特征数据，ｍ表示对象共有多少特征数据。本专利技术的有益效果：与现有技术相比，本专利技术大大提高了对非法营运车辆的识别准确性，可以完全识别出非法营运车辆，有效解决了目前对非法营运车辆整治和查处难的问题，大幅提高了城市交通管理水平，保障了市场经营秩序和公众的生命财产安全。本专利技术具有以下特点：（1）经过基于距离贡献率的算法改进之后，非法营运车辆正确识别数量显著提高，可以完全识别出非法营运车辆；错误识别数量也有明显下降。（2）经过基于偶然性的算法改进之后，在最佳ｋ值的情况下也可以完全识别出非法营运车辆。（3）提高了算法稳定性和非法营运车
辆正确识别数量、降低了错误识别数量。
附图说明
[0031]图1是本专利技术的识别流程图；
[0032]图2是本专利技术RFID数据的k
‑
mediods算法流程图。
[0033]下面结合附图和具体实施方式对本专利技术作进一步的说明。
具体实施方式
[0034]实施例1：如图1所示，一种基于k
‑
mediods算法的非法营运车辆识别方法，包括以下步骤，
[0035]（1）将车辆运行信息存储于车辆信息数据库；
[0036]（2）对车辆信息数据库进行预处理，包括：分析车辆信息并提取车辆运行的行为特征数据，建立数据仓库并定时更新；其中的车辆信息是通过RFID采集的数据，包括车牌号码、车辆通过地点、车辆通过时间；行为特征数据包括车牌号码、通过时间间隔、平均通过时长、时间间隔方差、通过频次、高峰时期通过占比。
[0037]（3）对数据仓库中的车辆运行的行为特征数据进行PCA处理；PCA处理之后得到６维车辆运行特征数据和每一维数据贡献率；k
‑
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于k
‑
mediods算法的非法营运车辆识别方法，其特征在于：包括以下步骤，(1)将车辆运行信息存储于车辆信息数据库；(2)对车辆信息数据库进行预处理，包括：分析车辆信息并提取车辆运行的行为特征数据，建立数据仓库并定时更新；(3)对数据仓库中的车辆运行的行为特征数据进行PCA处理；(4)利用k
‑
mediods算法进行聚类分析，得到车辆分类识别结果中的非法营运车辆信息，并将其存入非法营运车辆信息数据库；(5)将运行的车辆信息与非法营运车辆信息数据库进行比对，若运行的车辆信息在非法营运车辆信息数据库中，则此车辆被判定为非法营运车辆，反之被判定为合法车辆。2.根据权利要求1所述的基于k
‑
mediods算法的非法营运车辆识别方法，其特征在于：所述步骤(2)中的车辆信息是通过RFID采集的数据，包括车牌号码、车辆通过地点、车辆通过时间；行为特征数据包括车牌号码、通过时间间隔、平均通过时长、时间间隔方差、通过频次、高峰时期通过占比。3.根据权利要求1所述的基于k
‑
mediods算法的非法营运车辆识别方法，其特征在于：所述步骤(4)中的k
‑
mediods算法包括，算法输入：包含n个对象的车辆运行信息，结果簇的个数k；算法输出：k个簇的集合，使得所有对象与其最近中心点的相异度总和最小方法；其具体步骤为：1)从数据仓库中获取聚类分析车辆的数据信息O
(n)
，需要聚类的个数k；2)随机选择k个对象作为初始中心点；3)将剩余对象分配到临近中心的簇，并计算此时的目标函数；oldE4)随机产生一个代替原中心的对象O
rand
；5)依次利用O
rand
代替原始的k个对象；5.1)初始化即将替代的簇中心下标i＝0；5.2)判断是否遍历完所有簇中心，若遍历完则转向步骤6)，否则转向5.3)；5.3)将剩余对象...

【专利技术属性】
技术研发人员：徐桂林，沈志勇，杨嵘，杨智晨，周德松，邓朝江，
申请(专利权)人：贵州智诚科技有限公司，
类型：发明
国别省市：