刚好之前有个客户的项目，分享一下。 某景区，常年在各地做宣传广告，为了统计广告效果在景区主干道架设监控相机记录车牌信息。 如此可以分析出在各地做广告的效果，比如本月在上海地区做广告后来自上海地区的人流量波动情况然后匹配历史数据可对效果做出一定的评估。 利益相关:车牌识别算法公司员工。

除你说的上述特征还有车型特征信息，本质上就是将非结构的数据结构化。

1.全天的车流量分布 城市道路的车流量随时间分布是很重要的数据，可以用来确定全天流量的高峰时段并计算高峰时段车流量占全天流量比例。这个数据分道路统计， 有一个路口的全转向车流量数据便可以计算出4条路段各自的流量。并可观察各路段高峰时段是否重叠。 2.车流量中的车型构成比例 根据车长数据、车牌颜色把车分成大中小或客、货车，可计算各时段车型比例。一般来说高等级道路上工作日早晚高峰小车多些，晚上平峰和凌晨大车多些。车型比例数据对于微观仿真建模很有用处。 3.分析车速-流量关系 车流量的速度-流量关系一直是交通领域重要的研究热点，一般而言速度-流量关系因地而异，若能经过分析验证得到当地典型的速度流量函数关系，那么对于辅助本地交通模型进行参数标定、提高模型预测精度都是很有意义的。当然本案例中得到的速度均为路口速度，与路段速度有差异，利用的时候需说明前提。 4.信号配时研究 最重要的，有这么详细的数据，可以计算每个路口最高效的信号配时，即确定各个路口所需相位、周期长度及各相位三色信号灯时长。对于提高路口通行效率大有裨益。不过这个处理不像前三个那样完全是数据统计，还需要运用一些交通控制方面的模型和软件计算。详细操作请查询交通信号控制方面教材。