-
题名面向套牌甄别的流式计算系统
被引量：8
- 1
-
-
作者
乔通
赵卓峰
丁维龙
-
机构
北方工业大学数据工程研究院
大规模流数据集成与分析技术北京市重点实验室(北方工业大学)
-
出处
《计算机应用》
CSCD
北大核心
2017年第1期153-158,共6页
-
基金
北京市自然科学基金资助项目(4162021)
北京市教育委员会科技计划面上项目(KM2015_10009007)
北京市优秀人才培养资助青年骨干个人项目(2014000020124G011)~~
-
文摘
套牌车的甄别具有时效性约束。针对现有计算检测方法中所出现的精度低、响应慢等局限,提出了一种基于实时车牌识别(ANPR)数据流的套牌车流式并行检测方法,设计了基于路段阈值表和时间滑动窗口的套牌计算模型,能够实时地甄别出交通数据流中的套牌嫌疑车。在Storm环境下,利用某市真实交通数据集模拟成实时交通流数据进行实验和评估,实验结果表明计算的准确率达到98.7%,并且一条车牌识别数据的处理时间为毫秒级。最后,在该计算模型基础上实现了套牌车稽查防控系统,能实时甄别并展现出当前时刻城市交通网中出现的所有套牌嫌疑车。
-
关键词
套牌车
车牌识别
流式计算
实时性
阈值表
STORM
-
Keywords
copy plate vehicle
automatic number plate recognition （anpr）
stream computing
real-time
thresholdtable
Storm
-
分类号
TP274
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于历史车牌识别数据的套牌车并行检测方法
被引量：12
- 2
-
-
作者
李悦
刘晨
-
机构
北方工业大学大规模流数据集成与分析技术北京市重点实验室
北方工业大学云计算研究中心
-
出处
《计算机应用》
CSCD
北大核心
2016年第3期864-870,共7页
-
基金
北京市教育委员会科技计划面上项目(KM201310009003)
北京市属高等学校创新团队建设与教师职业发展计划基金资助项目(IDHT20130502)
北方工业大学"人才强校计划"青年拔尖人才培育计划项目("增量式的大规模多源感知数据即时关联方法")~~
-
文摘
针对现有套牌车检测方法中所具有的成本高及检测效率低等缺点,提出一种基于历史车牌识别数据(ANPR)集的套牌车并行检测方法 TP-Finder,实现了基于整数划分的数据分块策略,能有效求解大规模数据并行处理时的数据倾斜问题,显著提升套牌车辆的发现性能。此外,实现了基于TP-Finder方法的套牌车辆查询系统,可准确呈现所有疑似套牌车辆的历史行车轨迹。最后,在某市真实交通数据集上对TP-Finder方法的性能进行了实验验证。实验结果表明,与缺省的MapReduce分块策略相比较,TP-Finder的分块策略能够带来最大20%的性能提升。
-
关键词
套牌车
车牌识别数据集
数据倾斜
数据划分
MAPREDUCE
-
Keywords
fake plate vehicle
automatic number plate recognition（anpr） dataset
data skew
data partition
MapReduce
-
分类号
TP274
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名类自动车牌识别轨迹数据的伴随车辆组挖掘
被引量：4
- 3
-
-
作者
王保全
蒋同海
周喜
马博
赵凡
-
机构
中国科学院新疆理化技术研究所
中国科学院大学
新疆理化技术研究所新疆民族语音语言信息处理实验室
-
出处
《计算机应用》
CSCD
北大核心
2017年第11期3064-3068,3094,共6页
-
基金
新疆维吾尔自治区重点实验室项目(2016D03019)
新疆维吾尔自治区高技术计划项目(201512103)
中国科学院科技服务网络计划(STS计划)项目(KFJ-EW-STS-129)~~
-
文摘
自动车牌识别(ANPR)数据比私人全球定位系统(GPS)数据更易获得,且包含更有用的信息,但是相对成熟的针对GPS轨迹数据挖掘伴随车辆组方法并不适用于自动车牌识别数据,现有的少量自动车牌识别数据伴随车辆组挖掘算法存在重视轨迹相似而忽视时间因素的缺陷,因此提出一种基于轨迹特征的聚类方法挖掘伴随车辆组。针对自动车牌识别数据中采样点固定而采样时间不定的特点,通过轨迹中共现的次数判定两个对象构成伴随模式。该共现定义引入豪斯多夫距离,综合考虑轨迹的地点、方向和时间特征,旨在挖掘数据中采样点不同但采样点距离近且轨迹相似的伴随车辆组,以此提高伴随车辆组挖掘效率。实验结果表明,所提方法较现有方法更能有效挖掘伴随车辆组,识别非伴随模式数据,效率提升了近两倍。
-
关键词
自动车牌识别轨迹数据
伴随车辆组
基于密度的空间聚类
豪斯多夫距离
共现
-
Keywords
automatic number plate recognition （anpr） trajectory data
traveling companions
Density-Based SpatialClustering of Applications with Noise （DBSCAN）
Hausdorff distance
co-occurrence
-
分类号
TP311.5
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于车牌识别流数据的伴随车辆发现算法
被引量：5
- 4
-
-
作者
王路辉
王桂玲
-
机构
北方工业大学计算机学院大规模流数据集成与分析技术北京市重点实验室
-
出处
《计算机工程》
CAS
CSCD
北大核心
2017年第8期193-199,共7页
-
基金
北京市自然科学基金重点项目(4131001)
北京市教育委员会科技计划重点项目(KZ201310009009)
-
文摘
针对伴随车辆发现及其实时性问题,基于随时间变化的车牌识别流数据,提出一种采用并行频繁项集发现(PFID)技术的伴随车辆组实时发现算法。该算法根据频繁项挖掘Eclat算法的思想,并利用分布式流数据处理框架Spark Streaming生成最大伴随车辆组。实验结果表明,与排列组合算法及FP-Growth算法相比,PFID算法消耗内存更少,响应时间更短,在秒级响应时间内能找到伴随车辆组,达到及时预警目的。
-
关键词
智能交通系统
车牌自动识别流数据
伴随车辆组
SPARK
streaming并行框架
Dstream模型
Eclat算法
-
Keywords
intelligent transportation system
automatic number plate recognition （anpr） stream data
accompanyingvehicle group
Spark streaming parallel framework
Dstream model
Eclat algorithm
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
