基于随机森林模型的城市非法营运车辆识别

区域经济社会的快速发展与交通出行的需求发展不匹配,在一定程度上为非法营运车辆提供了市场契机。城市高速公路的ETC(Electronic Toll Collection)数据可有效稽查高速公路的非法营运车辆,从而优化运行秩序并提升管理水平。文中提取ETC数据的有效字段,采用随机森林算法建立非法营运车辆识别分类器,加入CART(Classification and Regression Tree)分类树模型分类器和二元逻辑回归模型分类器与之对比,并以西南某市高速公路自2022年2月6日~2022年3月8日的ETC指标数据进行实证分析。结果表明,随机森林模型分类器比CART分类树模型分类器和二元逻辑回归模型分类器预测效果更好,其准确性高达98.75%。

基于卷积神经网络的非法营运车辆识别

针对非法营运车辆在实际执法中遇到的识别和查处难,并且仅凭法律手段无法得到很好的解决的问题,提出了一种基于卷积神经网络的非法营运车辆识别方法。首先,分析非法营运车辆的特点,制定车辆轨迹生成规则,并通过仿真实验,随机生成包含6 000辆车的轨迹数据集,非法营运车辆和正常车辆各占一半;其次,通过实验验证,确定了适用于该研究的卷积神经网络结构;最后,将车辆轨迹数据处理成大小为112×112的二维轨迹特征图,作为卷积神经网络的输入,对非法营运车辆进行识别研究。仿真实验表明,重复训练12次后,该方法对非法营运车辆的识别正确率能达到90.75%,并且平均耗时的增幅较小。该方法将卷积神经网络运用到了新的领域,也为实际非法营运车辆的识别研究提供了新思路。

SOM神经网络在非法营运车辆识别中的应用

针对在道路交通运输中比较突出的车辆非法营运现象,对利用RFID采集的车辆运行数据进行分析和研究,提取车辆运行特征数据,采用SOM神经网络聚类算法分析各类型车辆的运行规律,建立车辆运行的数学模型,进而识别非法营运车辆。本次研究的思路为:首先模拟生成实验数据并设计数学模型,再利用RFID实际数据检验数据模型并修改数学模型。

基于NFC和Android的非法运营车辆举报系统的设计与实现

按照相关规定,非法运营车辆只有在载客并且有现场交易的情况下才能被查处,但是在实际的查处过程中,许多"黑车"乘客出于各种原因不愿意举报"黑车",甚至经常庇护"黑车"。为了有效治理非法运营,有效解决查处"黑车"过程中检查难、取证难的情况,建立消灭"黑车"的群众基础,论文提出了基于NFC和Android的非法运营车辆举报系统,该系统可以通过现金或乘坐出租车打折的方式激发群众举报"黑车"的热情,帮助举报群众快捷的实现举报,有效协助交通运输管理部门掌握"黑车"营运证据。

春运中的一大怪:车辆“化妆”

迎亲车里无新娘 今年春运期间,福建省连城县交警大队朋口中队民警在319国道朋口路段巡逻时,查获了一辆“化妆”成迎亲车非法营运的小客车。这辆车的车号为赣B/13157,限载7人,却载15人。车上坐的全是回家探亲的民工,从福建漳州出发,开往江西方向。