CN113821735A - 识别非法加油站点的方法、装置、设备及存储介质 - Google Patents

Abstract

本发明公开了一种识别非法加油站点的方法、装置、设备及存储介质，方法包括：将车辆的停靠点数据与兴趣点数据进行匹配，得到加油站停靠数据集合；根据车辆预设时间段内的轨迹数据筛选不在所述加油站停靠数据集合中的非正常加油车辆；对所述非正常加油车辆的停靠点进行聚类，将不包含预设兴趣点的聚类区域作为非正常区域；判断所述非正常区域中的车辆是否满足预设加油条件，若满足预设加油条件，则所述非正常区域为非法加油站点。根据本公开实施例提供的识别非法加油站点的方法，可以自动识别出非法加油站点，从而为打击非法加油站点提供了强有力的依据，为成品油市场集中整治工作提供技术手段。

Description

识别非法加油站点的方法、装置、设备及存储介质

技术领域

本发明涉及数据分析技术领域，特别涉及一种识别非法加油站点的方法、装置、设备及存储介质。

背景技术

非法加油站点地方和方式隐蔽，主要集中在城乡结合处、国道路段等处，非法加油站点设施简陋、规模小、投入少，一般通过租用居民平房或者旧工厂进行销售，通过熟人，工地上用油量大的大型工具车等方式获取客源，长期隐蔽，暗中经营，难以发现。

为了进一步消除安全事故隐患，保障人民生命财产安全，规范成品油市场经营秩序，严厉打击各种违法违建加油站点的行为，因此，准确快速的识别非法经营的加油站点是本领域技术人员亟待解决的技术问题。

发明内容

本公开实施例提供了一种识别非法加油站点的方法、装置、设备及存储介质。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。

第一方面，本公开实施例提供了一种识别非法加油站点的方法，包括：

将车辆的停靠点数据与兴趣点数据进行匹配，得到加油站停靠数据集合；

根据车辆预设时间段内的轨迹数据筛选不在加油站停靠数据集合中的非正常加油车辆；

对非正常加油车辆的停靠点进行聚类，将不包含预设兴趣点的聚类区域作为非正常区域；

判断非正常区域中的车辆是否满足预设加油条件，若满足预设加油条件，则非正常区域为非法加油站点。

在一个可选地实施例中，将车辆的停靠点数据与兴趣点数据进行匹配，得到加油站停靠数据集合之前，还包括：

获取车辆的轨迹数据和全国兴趣点数据；

根据轨迹数据中的时间信息以及速度信息判断车辆是否发生停靠行为，得到车辆的停靠点数据。

在一个可选地实施例中，将车辆的停靠点数据与兴趣点数据进行匹配，得到加油站停靠数据集合，包括：

计算目标停靠点与目标停靠点所在区域中包含的加油站兴趣点的距离；

当距离小于预设距离阈值，且停靠时长位于第一预设停靠时长区间时，目标停靠点为加油站停靠，将目标停靠点加入加油站停靠数据集合。

在一个可选地实施例中，根据车辆预设时间段内的轨迹数据筛选不在加油站停靠数据集合中的非正常加油车辆，包括：

根据车辆预设时间段内的轨迹数据计算车辆的运营里程以及车辆的停靠点；

当运营里程大于等于预设运营里程时，该车辆为运营车辆；

当运营车辆的停靠点都不位于加油站停靠数据集合中时，运营车辆为非正常加油车辆。

在一个可选地实施例中，对非正常加油车辆的停靠点进行聚类，将不包含预设兴趣点的聚类区域作为非正常区域，包括：

通过k-means聚类算法对非正常加油车辆的停靠点进行聚类，得到多个聚类区域；

获取每个聚类区域中的兴趣点类型，将不包含预设兴趣点的聚类区域作为非正常区域。

在一个可选地实施例中，判断非正常区域中的车辆是否满足预设加油条件，若满足预设加油条件，则非正常区域为非法加油站点，包括：

计算非正常区域中的车辆的停靠时长和停靠次数；

当车辆的停靠时长位于第二预设停靠时长区间且停靠次数位于预设停靠次数区间时，该车辆为疑似非法加油车辆；

当非正常区域中的疑似非法加油车辆的数量位于预设数量区间时，非正常区域为非法加油站点。

在一个可选地实施例中，识别出非法加油站点之后，还包括：

获取非法加油站点的地理位置信息；

将地理位置信息发送到用户终端进行显示。

第二方面，本公开实施例提供了一种识别非法加油站点的装置，包括：

匹配模块，用于将车辆的停靠点数据与兴趣点数据进行匹配，得到加油站停靠数据集合；

筛选模块，用于根据车辆预设时间段内的轨迹数据筛选不在加油站停靠数据集合中的非正常加油车辆；

聚类模块，用于对非正常加油车辆的停靠点进行聚类，将不包含预设兴趣点的聚类区域作为非正常区域；

识别模块，用于判断非正常区域中的车辆是否满足预设加油条件，若满足预设加油条件，则非正常区域为非法加油站点。

第三方面，本公开实施例提供了一种识别非法加油站点的设备，包括处理器和存储有程序指令的存储器，处理器被配置为在执行程序指令时，执行上述实施例提供的识别非法加油站点的方法。

第四方面，本公开实施例提供了一种计算机可读介质，其上存储有计算机可读指令，计算机可读指令可被处理器执行以实现上述实施例提供的一种识别非法加油站点的方法。

本公开实施例提供的技术方案可以包括以下有益效果：

本公开实施例提供的非法加油站点的识别方法，通过货车近期运行轨迹数据以及全国加油站POI“Point of Interest，兴趣点”数据进行数据分析，通过停靠点聚类、排除等技术手段自动识别出非法加油站点，从而为打击非法加油站点提供了强有力的依据，为成品油市场集中整治工作提供技术手段。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

图1是根据一示例性实施例示出的一种识别非法加油站点的方法流程示意图；

图2是根据一示例性实施例示出的一种识别非法加油站点的方法示意图；

图3是根据一示例性实施例示出的一种非法加油站点识别结果的示意图；

图4是根据一示例性实施例示出的一种识别非法加油站点的装置结构示意图；

图5是根据一示例性实施例示出的一种识别非法加油站点的设备结构示意图；

图6是根据一示例性实施例示出的一种计算机存储介质的示意图。

具体实施方式

以下描述和附图充分地示出本发明的具体实施方案，以使本领域的技术人员能够实践它们。

应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是如所附权利要求书中所详述的、本发明的一些方面相一致的系统和方法的例子。

在本发明的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。此外，在本发明的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。

图1是根据一示例性实施例示出的一种识别非法加油站点的方法流程示意图，参见图1，该方法具体包括以下步骤。

S101将车辆的停靠点数据与兴趣点数据进行匹配，得到加油站停靠数据集合。

在一种可能的实现方式中，在执行步骤S101之前，还包括获取车辆的轨迹数据和全国兴趣点数据。

例如，可获取多辆车的GPS轨迹数据，其中，GPS轨迹点是部署在车辆上的GPS(GlobalPositioning System，全球定位系统)设备实时上报的车辆位置数据。通常，GPS设备在实时上报时，上报的时间间隔可以根据实际情况进行设定，本申请优选时间间隔为10S。需要说明的是，本申请除了采用车辆安装GPS设备实时上报车辆的轨迹数据之外，还可以是由北斗设备定位车辆轨迹并进行上报。

然后根据网络中的全国POI信息数据库获取全国兴趣点数据，例如通过百度POI数据库获取全国兴趣点数据，通过高德POI数据库获取全国兴趣点数据。

进一步地，根据轨迹数据中的时间信息以及速度信息判断车辆是否发生停靠行为，得到车辆的停靠点数据。

具体地，按轨迹时间轴计算停靠点，例如，速度小于5公里/时,作为停靠基点,计算后续每个点与基点距离，如果连续小于等于200米，持续时间大于2分钟，标记该基点为停靠开始点，基点停靠开始时间作为本次停靠开始时间、基点停靠经纬度作为本次停靠点经纬度，继续判断后续所有行驶轨迹点，找到一个点，与基点位置距离，大于200米，持续时长超过2分钟，标记这一次停靠结束，结束点与基点之间的时间差，为本次停靠的总停靠时长。得到车辆的停靠点数据。

进一步地，将车辆的停靠点数据与兴趣点数据进行匹配，得到加油站停靠数据集合，包括：计算目标停靠点与目标停靠点所在区域中包含的加油站兴趣点的距离；当距离小于预设距离阈值，且停靠时长位于第一预设停靠时长区间时，目标停靠点为加油站停靠，将目标停靠点加入加油站停靠数据集合。

在一种可能的实现方式中，目标停靠点为待计算的停靠点，计算目标停靠点与其所在区域中的加油站兴趣点的距离，当距离小于预设距离阈值，且停靠时长位于第一预设停靠时长区间时，目标停靠点为加油站停靠，将目标停靠点加入加油站停靠数据集合。其中，距离阈值与第一预设停靠时长区间本领域技术人员可根据实际情况自行设置。其中，加油站停靠数据集合中包括加油站停靠的车辆的车牌号、车牌颜色、开始停靠时间、结束停靠时间、停靠时长、POI_ID、POI名称、停靠距离、停靠经度以及停靠纬度。

在一种可能的实现方式中，还包括根据路网数据确定目标停靠点是否是加油站停靠。针对每一个待计算的目标停靠点，若待计算的目标停靠点与其所在区域中的加油站POI点之间的距离小于第一距离阈值，则确定该加油站POI点与对应的加油站道路的距离是否小于第二距离阈值；若小于第二距离阈值，则确定该目标停靠点为加油站停靠。若不小于第二距离阈值，且目标停靠点与加油站POI点位于对应的加油站道路的同侧，以及目标停靠点与对应的加油站道路之间的距离大于第三距离阈值，则确定该目标停靠点为加油站停靠。其中第一距离阈值大于第二距离阈值，第二距离阈值大于第三距离阈值。

通过对大量车辆的历史轨迹数据进行分析，可以得到车辆的加油站停靠数据集合。

S102根据车辆预设时间段内的轨迹数据筛选不在加油站停靠数据集合中的非正常加油车辆。

通过上述步骤，已经算出了所有车辆在全国的加油情况，如果这辆车正常运营，但是没有加油，即这辆车的停靠点全部不存在加油站停靠数据集合中，那么这辆车可能疑似在其它非法加油站加油。

在一个实施例中，根据车辆预设时间段内的轨迹数据筛选不在加油站停靠数据集合中的非正常加油车辆。具体地，获取多个车辆在最近一段时间内的轨迹数据，根据车辆预设时间段内的轨迹数据计算车辆的运营里程，例如，车辆最近报点有10天，当某天的运营里程大于预设运营里程时，确定车辆在该天正常运营了。

根据正常运营车辆的轨迹数据计算停靠点，当加油站停靠数据集合中包含正常运营的车辆的停靠点时，说明该车辆为正常加油的车辆。当正常运营的车辆的所有停靠点都不位于加油站停靠数据集合中时，该运营车辆为非正常加油车辆。

S103对非正常加油车辆的停靠点进行聚类，将不包含预设兴趣点的聚类区域作为非正常区域。

进一步地，通过k-means聚类算法对非正常加油车辆的停靠点进行聚类，得到多个聚类区域。在一种可能的实现方式中，k-means聚类算法包括以下步骤：

1、随机选取k个点，作为聚类中心；

2、计算每个点分别到k个聚类中心的距离，然后将该点分到最近的聚类中心，这样就行成了k个簇；

3、再重新计算每个簇的质心；

4、重复以上2～4步骤，直到质心的位置不再发生变化或者达到设定的迭代次数。

在另一种可能的实现方式中，还可以采用DBSCAN聚类算法等其他聚类算法，本实施例不做具体限定。

搜索每个聚类区域预设范围内的POI点，对POI类型进一步分类，如果聚类区域预设范围内不包含POI点，或者不包含港口码头、铁路车站、机场货运、物流园、工业园、室外停车场、农贸市场、家具建材市场、加油站、服务区等和货运强关联的POI点，则该聚类区域为非正常区域。

根据该步骤，通过对非正常加油车辆的停靠点进行聚类，结合POI数据，分析得到车辆总是异常停靠的非正常区域。

S104判断非正常区域中的车辆是否满足预设加油条件，若满足预设加油条件，则非正常区域为非法加油站点。

进一步地，分析非正常区域中的车辆的停靠行为，从而确定该非正常区域是否为非法加油站点。

在一个可选地实施例中，首先计算非正常区域中的车辆的停靠时长和停靠次数，当车辆的停靠时长位于第二预设停靠时长区间且停靠次数位于预设停靠次数区间时，该车辆为疑似非法加油车辆。进一步地，当非正常区域中的疑似非法加油车辆的数量位于预设数量区间时，该非正常区域为非法加油站点。例如，一个星期内，该区域发生异常停靠的车辆数位于[20-100]辆之间，这个区域可能是非法加油站点。

图3是根据一示例性实施例示出的一种非法加油站点识别结果的示意图，如图3所示，非法加油站点可能位于地图上的某一个隐蔽的小区域，将识别出的非法加油站点标注显示。在一个示例性场景中，识别出非法加油站点之后，还包括：获取非法加油站点的地理位置信息，例如，获取非法加油站点的经纬度信息，经纬度为(经度:112.75，纬度:37.68)，通过地理信息服务转换后为“山西省晋中市榆次区源涡村东外环十字路口”，将转换后的地理位置信息发送到用户终端进行显示。其中，用户终端包括显示屏、个人计算机、平板电脑等设备。

为了便于理解本申请实施例提供的识别非法加油站点的方法，下面结合附图2进行说明。如图2所示，该方法包括：

首先，获取车辆历史N天上报的GPS轨迹数据以及加油站的POI数据，根据车辆的轨迹数据得到车辆的停靠点数据，将车辆的停靠点数据与加油站POI数据进行匹配，得到加油站停靠数据集合s0。

进一步地，根据车辆最近一段时间的轨迹数据得到车辆的停靠点数据，然后进行分类判断，识别出车辆的停靠点全部不存在加油站停靠数据集合s0中的车辆，这些车辆没有发生加油站停靠，可能发生异常加油行为。

对筛选出的无加油站停靠车辆的停靠点进行聚类，生成多个聚类区域，结合POI数据进行筛选，搜索每个聚类区域预设范围内的POI点，将包含和货运强关联的POI点的聚类区域过滤掉，得到不包含POI点，或者不包含港口码头、铁路车站、机场货运、物流园、工业园、加油站、服务区等和货运强关联的POI点的非正常聚类区域。

分析非正常聚类区域中的车辆的停靠行为，从而确定该非正常区域是否为非法加油站点。

本公开实施例提供的非法加油站点的识别方法，通过货车近期运行轨迹数据以及全国加油站POI数据进行数据分析，通过停靠点聚类、排除等技术手段自动识别出非法加油站点，从而为打击非法加油站点提供了强有力的依据，为成品油市场集中整治工作提供技术手段。

本公开实施例还提供一种识别非法加油站点的装置，该装置用于执行上述实施例的识别非法加油站点的方法，如图4所示，该装置包括：

匹配模块401，用于将车辆的停靠点数据与兴趣点数据进行匹配，得到加油站停靠数据集合；

筛选模块402，用于根据车辆预设时间段内的轨迹数据筛选不在加油站停靠数据集合中的非正常加油车辆；

聚类模块403，用于对非正常加油车辆的停靠点进行聚类，将不包含预设兴趣点的聚类区域作为非正常区域；

识别模块404，用于判断非正常区域中的车辆是否满足预设加油条件，若满足预设加油条件，则非正常区域为非法加油站点。

需要说明的是，上述实施例提供的识别非法加油站点的装置在执行识别非法加油站点的方法时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的识别非法加油站点的装置与识别非法加油站点的方法实施例属于同一构思，其体现实现过程详见方法实施例，这里不再赘述。

本公开实施例还提供一种与前述实施例所提供的识别非法加油站点的方法对应的电子设备，以执行上述识别非法加油站点的方法。

请参考图5，其示出了本申请的一些实施例所提供的一种电子设备的示意图。如图5所示，电子设备包括：处理器500，存储器501，总线502和通信接口503，处理器500、通信接口503和存储器501通过总线502连接；存储器501中存储有可在处理器500上运行的计算机程序，处理器500运行计算机程序时执行本申请前述任一实施例所提供的识别非法加油站点的方法。

其中，存储器501可能包含高速随机存取存储器(RAM：Random Access Memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口503(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网、广域网、本地网、城域网等。

总线502可以是ISA总线、PCI总线或EISA总线等。总线可以分为地址总线、数据总线、控制总线等。其中，存储器501用于存储程序，处理器500在接收到执行指令后，执行程序，前述本申请实施例任一实施方式揭示的识别非法加油站点的方法可以应用于处理器500中，或者由处理器500实现。

处理器500可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器500中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器500可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器501，处理器500读取存储器501中的信息，结合其硬件完成上述方法的步骤。

本申请实施例提供的电子设备与本申请实施例提供的识别非法加油站点的方法出于相同的发明构思，具有与其采用、运行或实现的方法相同的有益效果。

本申请实施例还提供一种与前述实施例所提供的识别非法加油站点的方法对应的计算机可读存储介质，请参考图6，其示出的计算机可读存储介质为光盘600，其上存储有计算机程序(即程序产品)，计算机程序在被处理器运行时，会执行前述任意实施例所提供的识别非法加油站点的方法。

需要说明的是，计算机可读存储介质的例子还可以包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他光学、磁性存储介质，在此不再一一赘述。

本申请的上述实施例提供的计算机可读存储介质与本申请实施例提供的识别非法加油站点的方法出于相同的发明构思，具有与其存储的应用程序所采用、运行或实现的方法相同的有益效果。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种识别非法加油站点的方法，其特征在于，包括：

将车辆的停靠点数据与兴趣点数据进行匹配，得到加油站停靠数据集合；

根据车辆预设时间段内的轨迹数据筛选不在所述加油站停靠数据集合中的非正常加油车辆；

对所述非正常加油车辆的停靠点进行聚类，将不包含预设兴趣点的聚类区域作为非正常区域；

判断所述非正常区域中的车辆是否满足预设加油条件，若满足预设加油条件，则所述非正常区域为非法加油站点。

2.根据权利要求1所述的方法，其特征在于，将车辆的停靠点数据与兴趣点数据进行匹配，得到加油站停靠数据集合之前，还包括：

获取车辆的轨迹数据和全国兴趣点数据；

根据所述轨迹数据中的时间信息以及速度信息判断车辆是否发生停靠行为，得到车辆的停靠点数据。

3.根据权利要求1所述的方法，其特征在于，将车辆的停靠点数据与兴趣点数据进行匹配，得到加油站停靠数据集合，包括：

计算目标停靠点与所述目标停靠点所在区域中包含的加油站兴趣点的距离；

当所述距离小于预设距离阈值，且停靠时长位于第一预设停靠时长区间时，所述目标停靠点为加油站停靠，将所述目标停靠点加入所述加油站停靠数据集合。

4.根据权利要求1所述的方法，其特征在于，根据车辆预设时间段内的轨迹数据筛选不在所述加油站停靠数据集合中的非正常加油车辆，包括：

根据车辆预设时间段内的轨迹数据计算车辆的运营里程以及车辆的停靠点；

当所述运营里程大于等于预设运营里程时，该车辆为运营车辆；

当所述运营车辆的停靠点都不位于所述加油站停靠数据集合中时，所述运营车辆为非正常加油车辆。

5.根据权利要求1所述的方法，其特征在于，对所述非正常加油车辆的停靠点进行聚类，将不包含预设兴趣点的聚类区域作为非正常区域，包括：

通过k-means聚类算法对所述非正常加油车辆的停靠点进行聚类，得到多个聚类区域；

获取每个聚类区域中的兴趣点类型，将不包含预设兴趣点的聚类区域作为非正常区域。

6.根据权利要求1所述的方法，其特征在于，判断所述非正常区域中的车辆是否满足预设加油条件，若满足预设加油条件，则所述非正常区域为非法加油站点，包括：

计算所述非正常区域中的车辆的停靠时长和停靠次数；

当所述车辆的停靠时长位于第二预设停靠时长区间且停靠次数位于预设停靠次数区间时，该车辆为疑似非法加油车辆；

当所述非正常区域中的疑似非法加油车辆的数量位于预设数量区间时，所述非正常区域为非法加油站点。

7.根据权利要求1所述的方法，其特征在于，识别出所述非法加油站点之后，还包括：

获取所述非法加油站点的地理位置信息；

将所述地理位置信息发送到用户终端进行显示。

8.一种识别非法加油站点的装置，其特征在于，包括：

匹配模块，用于将车辆的停靠点数据与兴趣点数据进行匹配，得到加油站停靠数据集合；

筛选模块，用于根据车辆预设时间段内的轨迹数据筛选不在所述加油站停靠数据集合中的非正常加油车辆；

聚类模块，用于对所述非正常加油车辆的停靠点进行聚类，将不包含预设兴趣点的聚类区域作为非正常区域；

识别模块，用于判断所述非正常区域中的车辆是否满足预设加油条件，若满足预设加油条件，则所述非正常区域为非法加油站点。

9.一种识别非法加油站点的设备，其特征在于，包括处理器和存储有程序指令的存储器，所述处理器被配置为在执行所述程序指令时，执行如权利要求1至7任一项所述的识别非法加油站点的方法。

10.一种计算机可读介质，其特征在于，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现如权利要求1至7任一项所述的一种识别非法加油站点的方法。

Images