CN108932839A - 一种同行车辆判断方法及装置 - Google Patents
一种同行车辆判断方法及装置 Download PDFInfo
- Publication number
- CN108932839A CN108932839A CN201810631475.9A CN201810631475A CN108932839A CN 108932839 A CN108932839 A CN 108932839A CN 201810631475 A CN201810631475 A CN 201810631475A CN 108932839 A CN108932839 A CN 108932839A
- Authority
- CN
- China
- Prior art keywords
- bayonet
- group
- colleague
- degree
- vehicle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000012163 sequencing technique Methods 0.000 claims abstract description 14
- 230000008569 process Effects 0.000 claims description 22
- 230000009471 action Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 12
- 230000001186 cumulative effect Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000007474 system interaction Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0133—Traffic data processing for classifying traffic situation
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本申请公开了一种同行车辆判断方法及装置,其中,获取设定区域内目标车辆在行车路线上依照先后顺序经过的卡口以及经过卡口的时刻,以及候选车辆在行车路线上依照先后顺序经过的卡口以及经过卡口的时刻;确定N个卡口组,每个卡口组中包括所述目标车辆在行车路线上经过的一个卡口以及所述候选车辆在行车路线上经过的一个卡口;判断每个卡口组是否符合设定条件,若符合,则针对每个卡口组确定卡口组对应的第一轨迹同行度;根据所述N个卡口组各自对应的同行度以及所述N个卡口组中的卡口的权重系数,确定所述目标车辆和所述候选车辆在所述设定区域内的第二轨迹同行度。
Description
技术领域
本申请涉及交通领域,尤其涉及一种同行车辆判断方法及装置。
背景技术
近年来公路智能监测技术发展较快,各地公安部门、交通部门等安装部署了大量的公路智能监测设备(也称卡口),逐步形成了网络化的机动车监测格局,为基于网格化的嫌疑车辆分析方法提供了应用环境。随着机动车的普及,涉车的犯罪案件大幅增加,且犯罪团伙经常结队出来作案,当发现其中一辆嫌疑车,可以通过查找该嫌疑车的同行车辆,为破案提供线索。
如何利用监测到的数据判断同行车辆,是亟待解决的问题。
发明内容
本申请的目的就是针对上述问题,提供一种同行车辆判断方法及装置,针对目标车辆经过行车路线上的卡口,找出目标车辆的同行车辆,并计算同行车辆的同行度。
第一方面,本申请提供一种同行车辆判断方法,该方法包括:
获取设定区域内目标车辆在行车路线上依照先后顺序经过的卡口以及经过卡口的时刻,以及候选车辆在行车路线上依照先后顺序经过的卡口以及经过卡口的时刻;
确定N个卡口组,每个卡口组中包括所述目标车辆在行车路线上经过的一个卡口以及所述候选车辆在行车路线上经过的一个卡口,并且所述目标车辆经过的卡口的排序位置与所述候选车辆经过的卡口的排序位置相对应;其中,1<=N<=M,N和M均为整数,M为所述目标车辆在行车路线上经过的卡口的数量与所述候选车辆在行车路线上经过的卡口的数量中的最小值;
判断每个卡口组是否符合设定条件,若符合,则针对每个卡口组确定卡口组对应的第一轨迹同行度,所述第一轨迹同行度用于表征所述目标车辆和所述候选车辆在对应卡口处的行车路线相似程度;其中,所述设定条件为:卡口组中的两个卡口之间的距离小于或等于第一预设距离阈值,且两个卡口对应的时刻之间的时间差的绝对值小于或等于预设时差阈值;
根据所述N个卡口组各自对应的同行度以及所述N个卡口组中的卡口的权重系数,确定所述目标车辆和所述候选车辆在所述设定区域内的第二轨迹同行度,所述第二轨迹同行度用于表征所述目标车辆和所述候选车辆在所述设定区域内的行车路线相似程度;
根据所述候选车辆的所述第二轨迹同行度判断所述目标车辆的同行车辆。
可选地,所述针对每个卡口组确定卡口组对应的第一轨迹同行度,包括:
针对每个卡口组,执行:
根据卡口组中的两个卡口之间的距离,以及两个卡口对应的时刻之间的时间差的绝对值,确定卡口组对应的第一轨迹同行度。
可选地,按照第一公式确定所述第一轨迹同行度:
其中,fi(Δdi,Δti)为所述第i卡口组确定卡口组对应的第一轨迹同行度,Δdi为第i卡口组中的两个卡口之间的距离,Δti为第i卡口组中两个卡口对应的时刻之间的时间差,fi(Δdi,Δti)的取值范围是(0,1],i=1,2,3,……,N。
可选地,按照第二公式确定所述第二轨迹同行度:
其中,ki为所述N个卡口组中的第i卡口组的权重系数,ki≥0。
可选地,所述确定N个卡口组,包括:
若所述候选车辆经过的第二卡口的排序位置与所述目标车辆经过的第一卡口的排序位置相对应,且所述候选车辆经过的卡口中,排列在所述第二卡口之后的K个卡口与所述第二卡口之间的距离小于或等于第二预设距离阈值,K为大于或等于1的整数,则执行:
分别计算所述K个卡口与所述目标车辆经过的所述第一卡口之间的距离乘以所述候选车辆经过所述K个卡口的时刻与所述目标车辆经过的所述第一卡口的时刻之间的时间差的绝对值;
将其中乘积最小的卡口,与所述第一卡口确定为一个卡口组。
第二方面,本申请提供一种同行车辆判断装置,该装置包括:
获取模块,用于获取设定区域内目标车辆在行车路线上依照先后顺序经过的卡口以及经过卡口的时刻,以及候选车辆在行车路线上依照先后顺序经过的卡口以及经过卡口的时刻;
卡口组确定模块,用于确定N个卡口组,每个卡口组中包括所述目标车辆在行车路线上经过的一个卡口以及所述候选车辆在行车路线上经过的一个卡口,并且所述目标车辆经过的卡口的排序位置与所述候选车辆经过的卡口的排序位置相对应;其中,1<=N<=M,N和M均为整数,M为所述目标车辆在行车路线上经过的卡口的数量与所述候选车辆在行车路线上经过的卡口的数量中的最小值;
第一轨迹同行度确定模块,用于判断每个卡口组是否符合设定条件,若符合,则针对每个卡口组确定卡口组对应的第一轨迹同行度,所述第一轨迹同行度用于表征所述目标车辆和所述候选车辆在对应卡口处的行车路线相似程度;其中,所述设定条件为:卡口组中的两个卡口之间的距离小于或等于第一预设距离阈值,且两个卡口对应的时刻之间的时间差的绝对值小于或等于预设时差阈值;
第二轨迹同行度确定模块,用于根据所述N个卡口组各自对应的同行度以及所述N个卡口组中的卡口的权重系数,确定所述目标车辆和所述候选车辆在所述设定区域内的第二轨迹同行度,所述第二轨迹同行度用于表征所述目标车辆和所述候选车辆在所述设定区域内的行车路线相似程度;
判断模块,用于根据所述候选车辆的所述第二轨迹同行度判断所述目标车辆的同行车辆。
可选地,所述第一轨迹同行度确定模块具体用于:
针对每个卡口组,执行:
根据卡口组中的两个卡口之间的距离,以及两个卡口对应的时刻之间的时间差的绝对值,确定卡口组对应的第一轨迹同行度。
可选地,所述第一轨迹同行度确定模块按照第一公式确定所述第一轨迹同行度:
其中,fi(Δdi,Δti)为所述第i卡口组确定卡口组对应的第一轨迹同行度,Δdi为第i卡口组中的两个卡口之间的距离,Δti为第i卡口组中两个卡口对应的时刻之间的时间差,fi(Δdi,Δti)的取值范围是(0,1],i=1,2,3,……,N。
可选地,所述第二轨迹同行度确定模块按照第二公式确定所述第二轨迹同行度:
其中,ki为所述N个卡口组中的第i卡口组的权重系数,ki≥0。
可选地,所述卡口组确定模块具体用于:
若所述候选车辆经过的第二卡口的排序位置与所述目标车辆经过的第一卡口的排序位置相对应,且所述候选车辆经过的卡口中,排列在所述第二卡口之后的K个卡口与所述第二卡口之间的距离小于或等于第二预设距离阈值,K为大于或等于1的整数,则执行:
分别计算所述K个卡口与所述目标车辆经过的所述第一卡口之间的距离乘以所述候选车辆经过所述K个卡口的时刻与所述目标车辆经过的所述第一卡口的时刻之间的时间差的绝对值;
将其中乘积最小的卡口,与所述第一卡口确定为一个卡口组。
第三方面,本申请提供一种电子设备,包括:一个或多个处理器;以及一个或多个计算机可读介质,所述可读介质上存储有指令,所述指令被所述一个或多个处理器执行时,使得所述装置执行上述第一方面中任一项所述的方法。
综上所述,本申请实施例所提供的同行车辆判断方法中,通过在设定区域内,对目标车辆和候选车辆在各自的行车路线上确定N个卡口组;进一步判断每个卡口组中的两个卡口之间的距离是否小于或等于第一预设距离阈值,且车辆经过卡口的时刻之间的时间差的绝对值是否小于或等于预设时差阈值,若满足,则计算每个卡口组对应的第一轨迹同行度;进一步再根据N个卡口组各自对应的同行度以及所述N个卡口组中的卡口的权重系数,确定所述目标车辆和所述候选车辆在所述设定区域内的第二轨迹同行度,得到所述目标车辆和所述候选车辆在所述设定区域内的行车路线相似程度。从而更加准确地进行同行车辆的判断。
附图说明
图1为本申请实施例提供的同行车辆判断方法示意图;
图2为本申请实施例提供的道路卡口示意图;
图3为本申请实施例提供的车辆行车轨迹示意图;
图4为本申请实施例提供的确定卡口组方法示意图;
图5为本申请实施例提供的同行车辆装置示意图;
图6为本申请实施例提供的装置结构示意图。
具体实施方式
下面结合附图对本申请实施例进行详细描述。
同行车辆指的是与目标车辆在规定时间和范围之内行车轨迹相似的车辆。行车轨迹可以转化为地图上的经纬度坐标,将多个经纬度坐标连接起来形成一条曲线,因此在判断同行车辆时,寻找和目标车辆的行车轨迹曲线在规定时间和范围之内相似的曲线,相似度越高则同行度越高。
图1所示的流程中描述了目标车辆的同行车辆的判断和计算的流程。该流程可由同行车辆判断装置执行,该装置可由硬件实现或者由软件实现,或者通过软件和硬件相结合的方式实现。如图所示,该方法可包括:
S101:获取设定区域内目标车辆在行车路线上依照先后顺序经过的卡口以及经过卡口的时刻,以及候选车辆在行车路线上依照先后顺序经过的卡口以及经过卡口的时刻。
以视频监控场景为例,图像采集装置(比如摄像头)对数据进行采集,再将数据上报给服务器,服务器获取图像采集装置采集到的数据,进行图像识别,识别所述目标车辆的相关信息,以及所述候选车辆的相关信息。
S102:确定N个卡口组,每个卡口组中包括所述目标车辆在行车路线上经过的一个卡口以及所述候选车辆在行车路线上经过的一个卡口,并且所述目标车辆经过的卡口的排序位置与所述候选车辆经过的卡口的排序位置相对应;其中,1<=N<=M,N和M均为整数,M为所述目标车辆在行车路线上经过的卡口的数量与所述候选车辆在行车路线上经过的卡口的数量中的最小值。
该步骤中,举例说明,所述目标车辆在设定区域的行车路线上经过的卡口为Q个,依次为卡口1、卡口2、卡口3、……卡口Q,Q个卡口中有N个卡口可与所述候选车辆经过的卡口构成卡口组,卡口组有N个;则所述候选车辆在设定区域的行车路线上与所述目标车辆构成的N个卡口组中的卡口依次是卡口1’、卡口2’、卡口3’、……卡口N’。
S103:判断每个卡口组是否符合设定条件,若符合,则针对每个卡口组确定卡口组对应的第一轨迹同行度;其中,所述设定条件为:卡口组中的两个卡口之间的距离小于或等于第一预设距离阈值,且两个卡口对应的时刻之间的时间差的绝对值小于或等于预设时差阈值。
其中,所述第一轨迹同行度用于表征所述目标车辆和所述候选车辆在对应卡口处的行车路线相似程度。本申请实施例提供的一种同行车辆判断方法,在计算车辆间的行车路线的相似度时,考虑的因素包括有卡口间的距离、车辆经过卡口的时刻,从空间和时间上确定同行车辆的相关参数,从而达到更加准确地判断同行车辆的目的。
该步骤中,所述针对每个卡口组确定卡口组对应的第一轨迹同行度,包括:
针对每个卡口组,执行:
根据卡口组中的两个卡口之间的距离,以及两个卡口对应的时刻之间的时间差的绝对值,确定卡口组对应的第一轨迹同行度。
可选地,两个卡口之间的距离可以根据两个卡口的经纬度坐标计算直线距离。
假设所述卡口组中的两个卡口之间的距离为Δdi,两个卡口对应的时刻之间的时间差为Δti,所述每个卡口组确定卡口组对应的第一轨迹同行度为fi(Δdi,Δti),第一轨迹同行度中包含两个变量:Δdi和Δti,fi(Δdi,Δti)随着Δdi和Δti的值的增大而减小。fi(Δdi,Δti)的取值范围是(0,1],当Δdi=0且Δti=0时,f(Δdi,Δit)=1,表示第一轨迹同行度达到最大,即所述目标车辆和所述候选车辆在对应卡口处的行车路线相似程度最高。
可选地,按照以下方法确定所述第一轨迹同行度:将所述卡口组中的两个卡口之间的距离加一的和,乘以所述两个卡口对应的时刻之间的时间差的绝对值加一的和,将乘积开方后取倒数,确定为所述第一轨迹同行度。
上述方法可用公式(1)表示:
需要说明的是,所述第一轨迹同行度的计算方法不限定于上述公式,本申请实施例在此不作限制。
S104:根据所述N个卡口组各自对应的同行度以及所述N个卡口组中的卡口的权重系数,确定所述目标车辆和所述候选车辆在所述设定区域内的第二轨迹同行度,所述第二轨迹同行度用于表征所述目标车辆和所述候选车辆在所述设定区域内的行车路线相似程度。
该步骤中,对于所述N个卡口组中的各卡口的权重系数,结合图2进行示例性说明:
在图2中,圆圈代表卡口,里面的数字代表不同的卡口编号。其中,卡口1、卡口6、卡口14、卡口19为桥梁上的卡口。因此从图2可见:从卡口0至卡口2必须经过卡口1,从卡口5至卡口8必须经过卡口6,从卡口13至卡口15必须经过卡口14,从卡口19至卡口21必须经过卡口20;从卡口2至卡口5、从卡口8至卡口13、从卡口15至卡口19可以存在多条不同的路径。
假设候选车辆的行车轨迹为:卡口0→卡口1→卡口2→卡口3→卡口5→卡口6→卡口8→卡口10→卡口9→卡口12→卡口13→卡口14→卡口15→卡口16→卡口17→卡口19→卡口20→卡口21。由于从图2可知:从卡口0至卡口2必须经过卡口1,从卡口5至卡口8必须经过卡口6,从卡口13至卡口15必须经过卡口14,从卡口19至卡口21必须经过卡口20,但是从卡口2至卡口5、从卡口8至卡口13、从卡口15至卡口19可以存在多条不同的路径。因此,卡口1、卡口6、卡口14、卡口20对应的权重需要设置得较大,其它路径上的卡口对应的权重可以设置得较小,本申请实施例提供的方法考虑监测卡口的权重系数,从而可以更准确的判断同行车辆。
可选地,步骤S104中,具体的第二轨迹同行度的计算方法为:确定所述N个卡口组中,所述候选车辆经过的卡口的权重系数的第一累加和;确定所述N个卡口组对应的第一轨迹同行度与所述N个卡口组中所述候选车辆经过的卡口的权重系数的乘积的第二累加和;将所述第一累加和与所述第二累加和的比值,确定为所述第二轨迹同行度。
在本申请实施例提供的该方法中,假设每个卡口的权重系数为ki,ki≥0,i=1,2,3,……,N。
上述计算方法可用公式(2)表示:
其中,(∑i=1,2,3...Nki)表示所述候选车辆经过的卡口的权重系数的累加和,称为第一累加和;∑i=1,2,3...Nfi(Δdi,Δti)×ki=f1(Δd1,Δt1)*k1+f2(Δd2,Δt2)*k2+……+fN(ΔdN,ΔtN)*kN,表示每个卡口的权重系数和该卡口的轨迹同行度的乘积的累加和,称为第二累加和。
所述第二轨迹同行度的取值范围为[0,1]。
可选地,针对本申请实施例提供的同行车辆判断方法中,在步骤S102中,确定卡口组的方法包括:
若所述候选车辆经过的第二卡口的排序位置与所述目标车辆经过的第一卡口的排序位置相对应,且所述候选车辆经过的卡口中,排列在所述第二卡口之后的K个卡口与所述第二卡口之间的距离小于或等于第二预设距离阈值,K为大于或等于1的整数,则分别计算所述K个卡口与所述目标车辆经过的所述第二卡口之间的距离乘以所述候选车辆经过所述K个卡口的时刻与所述目标车辆经过的所述第二卡口的时刻之间的时间差的绝对值;将其中乘积最小的卡口,与所述第一卡口确定为一个卡口组。
需要说明的是,所述第二预设距离阈值和所述第一预设距离阈值可以相同,也可以不同。
为了更清楚地说明上述确定卡口组的方法,结合图3和图4进行示例性说明:
如图3所示,若候选车辆经过的卡口a的排序位置与目标车辆经过的卡口A的排序位置相对应,且候选车辆经过的卡口中,排列在卡口a之后的卡口b、卡口c与卡口a之间的距离小于或等于第二预设距离阈值,即卡口a、卡口b、卡口c都符合与卡口A组成卡口组的条件,则分别计算卡口a、卡口b、卡口c与卡口A的距离,即da、db、dc,分别计算候选车辆经过卡口a、卡口b、卡口c的时刻与目标车辆经过卡口A的时刻之间的时间差的绝对值,即ta、tb、tc,如图4所示;再计算上述距离和时间差的乘积得到da|ta|、db|tb|、dc|tc|,可以得到da|ta|<db|tb|<dc|tc|,因此将其中乘积最小的卡口即卡口a,与卡口A确定为一个卡口组。如图3所示,目标车辆经过的行车路线上的其余卡口也按照上述方法确定卡口组。
S105:根据所述候选车辆的所述第二轨迹同行度判断所述目标车辆的同行车辆。
第二轨迹同行度越大,所述候选车辆与目标车辆的同行度越高,是目标车辆的同行车辆的几率越大;同理,第二轨迹同行度越小,所述候选车辆与目标车辆的同行度越低,是目标车辆的同行车辆的几率越小。
基于相同的技术构思,本申请实施例还提供一种装置,该装置可执行上述方法实施例。如图5所示,该同行车辆判断装置包括:
获取模块501,用于获取设定区域内目标车辆在行车路线上依照先后顺序经过的卡口以及经过卡口的时刻,以及候选车辆在行车路线上依照先后顺序经过的卡口以及经过卡口的时刻。
卡口组确定模块502,用于确定N个卡口组,每个卡口组中包括所述目标车辆在行车路线上经过的一个卡口以及所述候选车辆在行车路线上经过的一个卡口,并且所述目标车辆经过的卡口的排序位置与所述候选车辆经过的卡口的排序位置相对应;其中,1<=N<=M,N和M均为整数,M为所述目标车辆在行车路线上经过的卡口的数量与所述候选车辆在行车路线上经过的卡口的数量中的最小值。
第一轨迹同行度确定模块503,用于判断每个卡口组是否符合设定条件,若符合,则针对每个卡口组确定卡口组对应的第一轨迹同行度,所述第一轨迹同行度用于表征所述目标车辆和所述候选车辆在对应卡口处的行车路线相似程度;其中,所述设定条件为:卡口组中的两个卡口之间的距离小于或等于第一预设距离阈值,且两个卡口对应的时刻之间的时间差的绝对值小于或等于预设时差阈值。
第二轨迹同行度确定模块504,用于根据所述N个卡口组各自对应的同行度以及所述N个卡口组中的卡口的权重系数,确定所述目标车辆和所述候选车辆在所述设定区域内的第二轨迹同行度,所述第二轨迹同行度用于表征所述目标车辆和所述候选车辆在所述设定区域内的行车路线相似程度。
判断模块505,用于根据所述候选车辆的所述第二轨迹同行度判断所述目标车辆的同行车辆。
可选地,所述第一轨迹同行度确定模块503具体用于:
针对每个卡口组,执行:
根据卡口组中的两个卡口之间的距离,以及两个卡口对应的时刻之间的时间差的绝对值,确定卡口组对应的第一轨迹同行度。
所述第一轨迹同行度确定模块按照以下方法确定所述第一轨迹同行度:
将所述卡口组中的两个卡口之间的距离加一的和,乘以所述两个卡口对应的时刻之间的时间差的绝对值加一的和,将乘积开方后取倒数,确定为所述第一轨迹同行度。
可选地,所述第二轨迹同行度确定模块504具体用于:
确定所述N个卡口组中,所述候选车辆经过的卡口的权重系数的第一累加和;
确定所述N个卡口组对应的第一轨迹同行度与所述N个卡口组中所述候选车辆经过的卡口的权重系数的乘积的第二累加和;
将所述第一累加和与所述第二累加和的比值,确定为所述第二轨迹同行度。
可选地,所述卡口组确定模块502具体用于:
若所述候选车辆经过的第二卡口的排序位置与所述目标车辆经过的第一卡口的排序位置相对应,且所述候选车辆经过的卡口中,排列在所述第二卡口之后的K个卡口与所述第二卡口之间的距离小于或等于第二预设距离阈值,K为大于或等于1的整数,则执行:
分别计算所述K个卡口与所述目标车辆经过的所述第一卡口之间的距离乘以所述候选车辆经过所述K个卡口的时刻与所述目标车辆经过的所述第一卡口的时刻之间的时间差的绝对值;
将其中乘积最小的卡口,与所述第一卡口确定为一个卡口组。
基于相同的技术构思,本申请实施例还提供了一种电子设备,该电子设备可实现前述实施例描述的对象处理流程。
图6示例性地示出了根据各种实施例的电子设备600,该电子设备600可包括一个或多个处理器602,***控制逻辑601耦合于至少一个处理器602,非易失性存储器(non-volatile memory,NMV)/存储器604耦合于***控制逻辑601,网络接口606耦合于***控制逻辑601。
处理器602可包括一个或多个单核处理器或多核处理器。处理器602可包括任何一般用途处理器或专用处理器(如图像处理器、应用处理器基带处理器等)的组合。
一个实施例中的***控制逻辑601,可包括任何适当的接口控制器,以提供到处理器602中的至少一个的任何合适的接口,和/或提供到与***控制逻辑601通信的任何合适的设备或组件的任何合适的接口。
一个实施例中的***控制逻辑601,可包括一个或多个内存控制器,以提供到***内存603的接口。***内存603用来加载以及存储数据和/或指令。例如,对应装置600,在一个实施例中,***内存603可包括任何合适的易失性存储器。
NVM/存储器604可包括一个或多个有形的非暂时的计算机可读介质,用于存储数据和/或指令。例如,NVM/存储器604可包括任何合适的非易失性存储装置,如一个或多个硬盘(hard disk device,HDD),一个或多个光盘(compact disk,CD),和/或一个或多个数字通用盘(digital versatile disk,DVD)。
NVM/存储器604可包括存储资源,该存储资源物理上是该***所安装的或者可以被访问的设备的一部分,但不一定是设备的一部分。例如,NVM/存储器604可经由网络接口606被网络访问。
***内存603以及NVM/存储器604可分别包括临时的或持久的指令610的副本。指令610可包括当由处理器602中的至少一个执行时导致装置600实现图1描述的方法的指令。各实施例中,指令610或硬件、固件,和/或软件组件可另外地/可替换地被置于***控制逻辑601,网络接口606和/或处理器602。
网络接口606可包括一个接收器来为装置600提供无线接口来与一个或多个网络和/或任何合适的设备进行通信。网络接口606可包括任何合适的硬件和/或固件。网络接口606可包括多个天线来提供多输入多输出无线接口。在一个实施例中,网络接口606可包括一个网络适配器、一个无线网络适配器、一个电话调制解调器,和/或无线调制解调器。
在一个实施例中,处理器602中的至少一个可以与用于***控制逻辑的一个或多个控制器的逻辑一起封装。在一个实施例中,处理器中的至少一个可以与用于***控制逻辑的一个或多个控制器的逻辑一起封装以形成***级封装。在一个实施例中,处理器中的至少一个可以与用于***控制逻辑的一个或多个控制器的逻辑集成在相同的管芯上。在一个实施例中,处理器中的至少一个可以与用于***控制逻辑的一个或多个控制器的逻辑集成在相同的管芯上以形成***芯片。
装置600可进一步包括输入/输出装置605。输入/输出装置605可包括用户接口旨在使用户与装置600进行交互,可包括***组件接口,其被设计为使得***组件能够与***交互,和/或,可包括传感器,旨在确定环境条件和/或有关装置600的位置信息。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (11)
1.一种同行车辆判断方法,其特征在于,该方法包括:
获取设定区域内目标车辆在行车路线上依照先后顺序经过的卡口以及经过卡口的时刻,以及候选车辆在行车路线上依照先后顺序经过的卡口以及经过卡口的时刻;
确定N个卡口组,每个卡口组中包括所述目标车辆在行车路线上经过的一个卡口以及所述候选车辆在行车路线上经过的一个卡口,并且所述目标车辆经过的卡口的排序位置与所述候选车辆经过的卡口的排序位置相对应;其中,1<=N<=M,N和M均为整数,M为所述目标车辆在行车路线上经过的卡口的数量与所述候选车辆在行车路线上经过的卡口的数量中的最小值;
判断每个卡口组是否符合设定条件,若符合,则针对每个卡口组确定卡口组对应的第一轨迹同行度,所述第一轨迹同行度用于表征所述目标车辆和所述候选车辆在对应卡口处的行车路线相似程度;其中,所述设定条件为:卡口组中的两个卡口之间的距离小于或等于第一预设距离阈值,且两个卡口对应的时刻之间的时间差的绝对值小于或等于预设时差阈值;
根据所述N个卡口组各自对应的同行度以及所述N个卡口组中的卡口的权重系数,确定所述目标车辆和所述候选车辆在所述设定区域内的第二轨迹同行度,所述第二轨迹同行度用于表征所述目标车辆和所述候选车辆在所述设定区域内的行车路线相似程度;
根据所述候选车辆的所述第二轨迹同行度判断所述目标车辆的同行车辆。
2.如权利要求1所述的方法,其特征在于,所述针对每个卡口组确定卡口组对应的第一轨迹同行度,包括:
针对每个卡口组,执行:
根据卡口组中的两个卡口之间的距离,以及两个卡口对应的时刻之间的时间差的绝对值,确定卡口组对应的第一轨迹同行度。
3.如权利要求2所述的方法,其特征在于,按照第一公式确定所述第一轨迹同行度:
其中,fi(Δdi,Δti)为所述第i卡口组确定卡口组对应的第一轨迹同行度,Δdi为第i卡口组中的两个卡口之间的距离,Δti为第i卡口组中两个卡口对应的时刻之间的时间差,fi(Δdi,Δti)的取值范围是(0,1],i=1,2,3,……,N。
4.如权利要求1所述的方法,其特征在于,按照第二公式确定所述第二轨迹同行度:
其中,ki为所述N个卡口组中的第i卡口组的权重系数,ki≥0。
5.如权利要求1至4中任一项所述的方法,其特征在于,所述确定N个卡口组,包括:
若所述候选车辆经过的第二卡口的排序位置与所述目标车辆经过的第一卡口的排序位置相对应,且所述候选车辆经过的卡口中,排列在所述第二卡口之后的K个卡口与所述第二卡口之间的距离小于或等于第二预设距离阈值,K为大于或等于1的整数,则执行:
分别计算所述K个卡口与所述目标车辆经过的所述第一卡口之间的距离乘以所述候选车辆经过所述K个卡口的时刻与所述目标车辆经过的所述第一卡口的时刻之间的时间差的绝对值;
将其中乘积最小的卡口,与所述第一卡口确定为一个卡口组。
6.一种同行车辆判断装置,其特征在于,包括:
获取模块,用于获取设定区域内目标车辆在行车路线上依照先后顺序经过的卡口以及经过卡口的时刻,以及候选车辆在行车路线上依照先后顺序经过的卡口以及经过卡口的时刻;
卡口组确定模块,用于确定N个卡口组,每个卡口组中包括所述目标车辆在行车路线上经过的一个卡口以及所述候选车辆在行车路线上经过的一个卡口,并且所述目标车辆经过的卡口的排序位置与所述候选车辆经过的卡口的排序位置相对应;其中,1<=N<=M,N和M均为整数,M为所述目标车辆在行车路线上经过的卡口的数量与所述候选车辆在行车路线上经过的卡口的数量中的最小值;
第一轨迹同行度确定模块,用于判断每个卡口组是否符合设定条件,若符合,则针对每个卡口组确定卡口组对应的第一轨迹同行度,所述第一轨迹同行度用于表征所述目标车辆和所述候选车辆在对应卡口处的行车路线相似程度;其中,所述设定条件为:卡口组中的两个卡口之间的距离小于或等于第一预设距离阈值,且两个卡口对应的时刻之间的时间差的绝对值小于或等于预设时差阈值;
第二轨迹同行度确定模块,用于根据所述N个卡口组各自对应的同行度以及所述N个卡口组中的卡口的权重系数,确定所述目标车辆和所述候选车辆在所述设定区域内的第二轨迹同行度,所述第二轨迹同行度用于表征所述目标车辆和所述候选车辆在所述设定区域内的行车路线相似程度;
判断模块,用于根据所述候选车辆的所述第二轨迹同行度判断所述目标车辆的同行车辆。
7.如权利要求6所述的装置,其特征在于,所述第一轨迹同行度确定模块具体用于:
针对每个卡口组,执行:
根据卡口组中的两个卡口之间的距离,以及两个卡口对应的时刻之间的时间差的绝对值,确定卡口组对应的第一轨迹同行度。
8.如权利要求7所述的装置,其特征在于,所述第一轨迹同行度确定模块按照第一公式确定所述第一轨迹同行度:
其中,fi(Δdi,Δti)为所述第i卡口组确定卡口组对应的第一轨迹同行度,Δdi为第i卡口组中的两个卡口之间的距离,Δti为第i卡口组中两个卡口对应的时刻之间的时间差,fi(Δdi,Δti)的取值范围是(0,1],i=1,2,3,……,N。
9.如权利要求6所述的装置,其特征在于,所述第二轨迹同行度确定模块按照第二公式确定所述第二轨迹同行度:
其中,ki为所述N个卡口组中的第i卡口组的权重系数,ki≥0。
10.如权利要求6至9中任一项所述的装置,其特征在于,所述卡口组确定模块具体用于:
若所述候选车辆经过的第二卡口的排序位置与所述目标车辆经过的第一卡口的排序位置相对应,且所述候选车辆经过的卡口中,排列在所述第二卡口之后的K个卡口与所述第二卡口之间的距离小于或等于第二预设距离阈值,K为大于或等于1的整数,则执行:
分别计算所述K个卡口与所述目标车辆经过的所述第一卡口之间的距离乘以所述候选车辆经过所述K个卡口的时刻与所述目标车辆经过的所述第一卡口的时刻之间的时间差的绝对值;
将其中乘积最小的卡口,与所述第一卡口确定为一个卡口组。
11.一种电子设备,其特征在于,包括:一个或多个处理器;以及一个或多个计算机可读介质,所述可读介质上存储有指令,所述指令被所述一个或多个处理器执行时,使得所述装置执行如权利要求1至5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810631475.9A CN108932839B (zh) | 2018-06-19 | 2018-06-19 | 一种同行车辆判断方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810631475.9A CN108932839B (zh) | 2018-06-19 | 2018-06-19 | 一种同行车辆判断方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108932839A true CN108932839A (zh) | 2018-12-04 |
CN108932839B CN108932839B (zh) | 2020-08-04 |
Family
ID=64446019
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810631475.9A Active CN108932839B (zh) | 2018-06-19 | 2018-06-19 | 一种同行车辆判断方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108932839B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109783540A (zh) * | 2019-01-08 | 2019-05-21 | 武汉烽火众智数字技术有限责任公司 | 一种基于特征码对特定群体人员的分析方法及*** |
CN110766088A (zh) * | 2019-10-29 | 2020-02-07 | 浙江大华技术股份有限公司 | 同行车辆分析方法、装置、及存储装置 |
CN110895879A (zh) * | 2019-11-26 | 2020-03-20 | 浙江大华技术股份有限公司 | 同行车的检测方法及装置、存储介质、电子装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020105423A1 (en) * | 2000-12-05 | 2002-08-08 | Rast Rodger H. | Reaction advantage anti-collision systems and methods |
CN104462395A (zh) * | 2014-12-11 | 2015-03-25 | 南威软件股份有限公司 | 一种同行车辆分析方法 |
CN105825671A (zh) * | 2016-03-21 | 2016-08-03 | 武汉烽火众智数字技术有限责任公司 | 一种基于大数据车辆全轨迹碰撞的伴随车分析方法及*** |
CN106097708A (zh) * | 2016-06-06 | 2016-11-09 | 浙江宇视科技有限公司 | 一种跟车确定方法及装置 |
CN106875679A (zh) * | 2017-03-14 | 2017-06-20 | 东软集团股份有限公司 | 识别伴随车辆的方法及装置 |
US20180130095A1 (en) * | 2014-03-28 | 2018-05-10 | Joseph Khoury | Methods and systems for collecting driving information and classifying drivers and self-driving systems |
-
2018
- 2018-06-19 CN CN201810631475.9A patent/CN108932839B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020105423A1 (en) * | 2000-12-05 | 2002-08-08 | Rast Rodger H. | Reaction advantage anti-collision systems and methods |
US20180130095A1 (en) * | 2014-03-28 | 2018-05-10 | Joseph Khoury | Methods and systems for collecting driving information and classifying drivers and self-driving systems |
CN104462395A (zh) * | 2014-12-11 | 2015-03-25 | 南威软件股份有限公司 | 一种同行车辆分析方法 |
CN105825671A (zh) * | 2016-03-21 | 2016-08-03 | 武汉烽火众智数字技术有限责任公司 | 一种基于大数据车辆全轨迹碰撞的伴随车分析方法及*** |
CN106097708A (zh) * | 2016-06-06 | 2016-11-09 | 浙江宇视科技有限公司 | 一种跟车确定方法及装置 |
CN106875679A (zh) * | 2017-03-14 | 2017-06-20 | 东软集团股份有限公司 | 识别伴随车辆的方法及装置 |
Non-Patent Citations (1)
Title |
---|
赵新勇,安实: "伴随车检测技术应用研究", 《交通运输***工程与信息》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109783540A (zh) * | 2019-01-08 | 2019-05-21 | 武汉烽火众智数字技术有限责任公司 | 一种基于特征码对特定群体人员的分析方法及*** |
CN109783540B (zh) * | 2019-01-08 | 2021-05-07 | 武汉烽火众智数字技术有限责任公司 | 一种基于特征码对特定群体人员的分析方法及*** |
CN110766088A (zh) * | 2019-10-29 | 2020-02-07 | 浙江大华技术股份有限公司 | 同行车辆分析方法、装置、及存储装置 |
CN110895879A (zh) * | 2019-11-26 | 2020-03-20 | 浙江大华技术股份有限公司 | 同行车的检测方法及装置、存储介质、电子装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108932839B (zh) | 2020-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104933870B (zh) | 基于车辆行为分析的车辆套牌识别方法与装置 | |
CN109934265A (zh) | 一种常驻地址的确定方法和装置 | |
CN113822247B (zh) | 基于航拍影像的违章建筑识别方法及*** | |
JP2013206462A (ja) | デジタルカメラ画像から駐車場占有状態を測定する方法 | |
CN108932839A (zh) | 一种同行车辆判断方法及装置 | |
CN111612002A (zh) | 一种基于神经网络的多目标物体运动追踪方法 | |
JP6992883B2 (ja) | モデル提供システム、方法およびプログラム | |
US11255678B2 (en) | Classifying entities in digital maps using discrete non-trace positioning data | |
CN109815842A (zh) | 一种确定待识别对象的属性信息的方法及装置 | |
CN109800679A (zh) | 一种确定待识别对象的属性信息的方法及装置 | |
CN106951828B (zh) | 一种基于卫星影像和网络的城市区域功能属性的识别方法 | |
US20220357176A1 (en) | Methods and data processing systems for predicting road attributes | |
JP6347155B2 (ja) | 画像処理装置、画像判断方法、及びプログラム | |
CN112309126A (zh) | 车牌检测方法、装置、电子设备及计算机可读存储介质 | |
CN115393681A (zh) | 一种目标融合方法、装置、电子设备及存储介质 | |
Masmoudi et al. | Trajectory analysis for parking lot vacancy detection system | |
CN111695627A (zh) | 路况检测方法、装置、电子设备及可读存储介质 | |
CN114549873A (zh) | 一种图像档案的关联方法、装置、电子设备及存储介质 | |
Zhang et al. | Image-based approach for parking-spot detection with occlusion handling | |
CN111414878A (zh) | 一种关于地块的社会属性分析、图像处理方法及装置 | |
CN114817660A (zh) | 一种轨迹缺失补全方法、装置、电子设备及存储介质 | |
US20220398400A1 (en) | Methods and apparatuses for determining object classification | |
CN112738725B (zh) | 半封闭区域目标人群的实时识别方法、装置、设备和介质 | |
CN112597995B (zh) | 车牌检测模型训练方法、装置、设备及介质 | |
CN110264725B (zh) | 路段流量的确定方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |