CN103871248B - 一种基于轨迹碰撞的嫌疑车尾随车辆分析方法及装置 - Google Patents
一种基于轨迹碰撞的嫌疑车尾随车辆分析方法及装置 Download PDFInfo
- Publication number
- CN103871248B CN103871248B CN201410099991.3A CN201410099991A CN103871248B CN 103871248 B CN103871248 B CN 103871248B CN 201410099991 A CN201410099991 A CN 201410099991A CN 103871248 B CN103871248 B CN 103871248B
- Authority
- CN
- China
- Prior art keywords
- bayonet socket
- car
- suspicion
- list
- trail
- 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.)
- Active
Links
Abstract
本发明提供一种基于轨迹碰撞的嫌疑车尾随车辆分析方法及装置，包括：通过在设定的监控时间段内获取嫌疑车所经过的卡口的卡口列表；从卡口列表中选择其中一个卡口，并获取在预设时间段内经过该卡口的过车记录，重复该步骤，直到获取卡口列表中每个卡口分别对应的过车记录；根据获取的卡口列表中每个卡口分别对应的过车记录，计算每辆过车车辆经过所有卡口的总次数；根据计算所得的每辆过车车辆经过所有卡口的总次数，滤除尾随比率小于第一预设尾随比率的过车车辆，得到嫌疑车的尾随车辆。本发明实施例通过提供一种基于轨迹碰撞的嫌疑车尾随车辆分析方法及装置，从而减少了人工排查的工作量，提高了工作效率。
Description
技术领域
本发明涉及智能交通技术领域，特别涉及一种基于轨迹碰撞的嫌疑车尾随车辆分析方法及装置。
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（简称为卡口），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，盗抢车、交通肇事逃逸、运贩毒、驾车流窜作案等涉车案件大幅增加，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尾随车辆，挖掘出嫌疑车的尾随车辆，为破案提供线索。
现有技术先查找到嫌疑车，获得该嫌疑车的行车轨迹，再通过以下方式挖掘嫌疑车的尾随车辆：
选择嫌疑车行车轨迹中的某一卡口；
查找在设定时间段内经过该卡口的过车记录；
逐一排查上述查找到的过车记录，挖掘出嫌疑车的尾随车辆；
重复上述步骤，直到排查完嫌疑车经过的所有卡口的过车记录。
然而每一个卡口过车记录的数据量往往非常巨大，很多卡口1小时内就可能通过上万辆机动车，人工逐一排查每一个卡口的过车记录，工作量大，效率低。
发明内容
有鉴于此，本发明提供一种基于轨迹碰撞的嫌疑车尾随车辆分析方法及装置，以解决现有技术工作量大，效率低的问题。
本发明实施例提供了一种基于轨迹碰撞的嫌疑车尾随车辆分析方法，包括：
通过在设定的监控时间段内获取嫌疑车所经过的卡口的卡口列表，所述的卡口列表包括经过的卡口和经过各个卡口的时间；
从卡口列表中选择其中一个卡口，并获取在预设时间段内经过该卡口的过车记录，重复该步骤，直到获取卡口列表中每个卡口分别对应的过车记录；
根据获取的卡口列表中每个卡口分别对应的过车记录，计算每辆过车车辆经过所有卡口的总次数；
根据计算所得的每辆过车车辆经过所有卡口的总次数，滤除尾随比率小于第一预设尾随比率的过车车辆，得到嫌疑车的尾随车辆。
优选地，在所述从卡口列表中选择其中一个卡口之前，进一步包括：
将与嫌疑车辆由相同始发地驶出驶向相同目的地的，不同于嫌疑车行车轨迹的行车路径的必经卡口，增加到卡口列表中。
优选地，在所述得到嫌疑车的尾随车辆之后，进一步包括：
从尾随车辆中选择其中一辆尾随车，搜索该尾随车辆从开始时间到结束时间内的所经过的卡口的卡口列表；
根据该尾随车的卡口列表与嫌疑车的卡口列表，计算尾随车经过的与嫌疑车经过的相同卡口的卡口个数，重复该步骤，直到计算完所有尾随车经过的与嫌疑车经过的相同卡口的卡口个数；
根据计算得到的尾随车辆经过的与嫌疑车辆所经过的相同卡口的卡口个数，滤除尾随比率小于第二预设尾随比率的尾随车，得到嫌疑车的尾随车辆。
本发明实施例还提供了一种基于轨迹碰撞的嫌疑车尾随车辆分析装置，包括：
卡口列表获取单元，用于通过在设定的监控时间段内获取嫌疑车所经过的卡口的卡口列表，所述的卡口列表包括经过的卡口和经过各个卡口的时间；
过车记录获取单元，用于从卡口列表中选择其中一个卡口，并获取在预设时间段内经过该卡口的过车记录，直到获取卡口列表中每个卡口分别对应的过车记录；
第一计算单元，用于根据获取的卡口列表中每个卡口分别对应的过车记录，计算每辆过车车辆经过所有卡口的总次数；
第一滤除单元，用于根据计算所得的每辆过车车辆经过所有卡口的总次数，滤除尾随比率小于第一预设尾随比率的过车车辆，得到嫌疑车的尾随车辆。
优选地，所述装置，进一步包括：
增加单元，用于将与嫌疑车辆由相同始发地驶出驶向相同目的地的，不同于嫌疑车行车轨迹的行车路径的必经卡口，增加到卡口列表中。
优选地，所述装置，进一步包括：
搜索单元，用于从尾随车辆中选择其中一辆尾随车，搜索该尾随车辆从开始时间到结束时间内的所经过的卡口的卡口列表；
第二计算单元，用于根据该尾随车的卡口列表与嫌疑车的卡口列表，计算尾随车经过的与嫌疑车经过的相同卡口的卡口个数，直到计算完所有尾随车经过的与嫌疑车经过的相同卡口的卡口个数；
第二滤除单元，用于根据计算得到的尾随车辆经过的与嫌疑车辆所经过的相同卡口的卡口个数，滤除尾随比率小于第二预设尾随比率的尾随车，得到嫌疑车的尾随车辆。
本发明实施例通过提供一种基于轨迹碰撞的嫌疑车尾随车辆分析方法及装置，通过卡口列表中每个卡口自动获取对应的过车记录，计算所得的每辆过车车辆经过所有卡口的总次数，并根据计算所得的每辆过车车辆经过所有卡口的总次数，滤除尾随比率小于第一预设尾随比率的过车车辆，得到嫌疑车的尾随车辆，从而减少了人工排查的工作量，提高了工作效率。
附图说明
图1是本发明实施例提供的方法流程图；
图2是本发明实施例提供的为N为5时嫌疑车行车路径示意图；
图3是本发明实施例提供的第二次碰撞的方法流程图；
图4是本发明实施例提供的装置结构示意图；
图5是本发明实施例提供的第二次碰撞的装置结构示意图。
具体实施方式
根据现有技术，首先查找到嫌疑车，获得该嫌疑车的行车轨迹，并选择嫌疑车行车轨迹中的某一卡口；查找在设定时间段内经过该卡口的过车记录；逐一排查上述查找到的过车记录，挖掘出嫌疑车的尾随车辆；重复上述步骤，直到排查完嫌疑车经过的所有卡口的过车记录。然而每一个卡口过车记录的数据量往往非常巨大，很多卡口1小时内就可能通过上万辆机动车，人工逐一排查每一个卡口的过车记录，工作量大，效率低。
针对上述问题，本发明实施例提供了一种基于轨迹碰撞的嫌疑车尾随车辆分析方法，该方法包括：
通过在设定的监控时间段内获取嫌疑车所经过的卡口的卡口列表，所述的卡口列表包括经过的卡口和经过各个卡口的时间；
从卡口列表中选择其中一个卡口，并获取在预设时间段内经过该卡口的过车记录，重复该步骤，直到获取卡口列表中每个卡口分别对应的过车记录；
根据获取的卡口列表中每个卡口分别对应的过车记录，计算每辆过车车辆经过所有卡口的总次数；
根据计算所得的每辆过车车辆经过所有卡口的总次数，滤除尾随比率小于第一预设尾随比率的过车车辆，得到嫌疑车的尾随车辆。
本发明实施例提供的上述方法，该方法所应用的系统可以是服务器，也可以是除服务器以外的其他具有类似功能的设备，通过卡口列表中每个卡口自动获取对应的过车记录，统计得到过车记录中每个过车车辆尾随嫌疑车的尾随次数，并根据统计得到的尾随次数，滤除尾随比率小于第一预设尾随比率的过车车辆，得到嫌疑车的尾随车辆，从而减少了人工排查的工作量，提高了工作效率。
在本发明实施例中，嫌疑车的尾随车辆为了逃避公安部门的追踪，可能会故意避开嫌疑车所经过的卡口，尾随车辆可在中间路段选择与嫌疑车辆不同的行车路径，但考虑到嫌疑车与尾随车辆的始发地和目的地是相同的，因此从始发地到目的地包括有若干个可能的卡口，因此，在所述从卡口列表中选择其中一个卡口之前，进一步包括：
根据嫌疑车行车轨迹的始发地和目的地，将能够到达目的地的卡口中不包括嫌疑车经过的卡口的其他卡口，增加到卡口列表中。
上述方法对于尾随车辆的搜索范围更为全面，即使尾随车辆避开了嫌疑车经过的卡口，也能够保证查找到该尾随车辆，避免尾随车辆的逃脱。
在本发明实施例中，若尾随车辆的尾随时间间隔大于设定的嫌疑车的尾随时间间隔，则在搜索到的尾随车辆的卡口列表中可能会遗漏一些卡口的车辆尾随数据，丢失了部分车辆的尾随数据，使得一些尾随车辆无法被监控到，因此，为了避免一些卡口在搜索时的遗漏，在所述得到嫌疑车的尾随车辆之后，进一步包括：
从尾随车辆中选择其中一辆尾随车，搜索该尾随车辆从开始时间到结束时间内的所经过的卡口的卡口列表；
根据该尾随车的卡口列表与嫌疑车的卡口列表，计算尾随车经过的与嫌疑车经过的相同卡口的卡口个数，重复该步骤，直到计算完所有尾随车经过的与嫌疑车经过的相同卡口的卡口个数；
根据计算得到的尾随车辆经过的与嫌疑车辆所经过的相同卡口的卡口个数，滤除尾随比率小于第二预设尾随比率的尾随车，得到嫌疑车的尾随车辆。上述方法通过重新计算尾随车辆尾随嫌疑车的尾随次数，使得最终获得的嫌疑车的尾随车辆更加精确，进而提高了工作效率。
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，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他实施例，都属于本发明保护的范围。
如图1所示，为本发明实施例提供的一种基于轨迹碰撞的嫌疑车尾随车辆分析方法的流程示意图，该方法可以包括以下步骤：
步骤101：通过在设定的监控时间段内获取嫌疑车所经过的卡口的卡口列表，所述的卡口列表包括经过的卡口和经过各个卡口的时间；
在本发明实施例中，需要提前设置嫌疑车的开始时间StartTime、结束时间EndTime、尾随间隔时间TrailInterval、嫌疑车车牌、尾随出现最小比率Ratio。
其中，尾随间隔时间TrailInterval和尾随出现最小比率Ratio根据经验进行设置。
其中，根据预设的嫌疑车的开始时间StartTime、结束时间EndTime获取嫌疑车从开始时间到结束时间内的行车轨迹，开始时间嫌疑车所在地为始发地，结束时间嫌疑车所在地位目的地。
如表1所示为通过在设定的监控时间段内获取的嫌疑车所经过卡口的卡口列表嫌疑车的卡口列表，其中，假设嫌疑车从始发地到目的地总共经过N个卡口，如表1所示为当N=5时的嫌疑车的卡口列表。
表1：
| 卡口 | 经过时间 |
| TollGate1 | PassTime1 |
| TollGate2 | PassTime2 |
| TollGate3 | PassTime3 |
| TollGate4 | PassTime4 |
| TollGate5 | PassTime5 |
在本发明实施例中，嫌疑车的尾随车辆为了逃避公安部门的追踪，可能会故意避开嫌疑车所经过的卡口，如图2所示为N为5时嫌疑车的行车路径，根据始发地a和目的地b，可以确定嫌疑车的行车轨迹上共具有5个卡口，分别为卡口1、卡口2、卡口3、卡口4及卡口5。其中，嫌疑车的行车轨迹为卡口1-卡口2-卡口3-卡口4-卡口5，考虑到嫌疑车与尾随车辆的始发地和目的地相同，从始发地a到目的地b包括若干个可能的卡口，例如，尾随车辆的行车轨迹可以为卡口1-卡口2-卡口6-卡口7-卡口8-卡口4-卡口5，或卡口1-卡口2-卡口6-卡口9-卡口10-卡口11-卡口8-卡口4-卡口5，因此与嫌疑车辆由相同始发地驶出驶向相同目的地的，不同于嫌疑车行车轨迹的行车路径的必经卡口包括卡口6和卡口8，在所述从卡口列表中选择其中一个卡口之前，进一步包括：将与嫌疑车辆由相同始发地驶出驶向相同目的地的，不同于嫌疑车行车轨迹的行车路径的必经卡口，增加到卡口列表中。
其中，增加了不同于嫌疑车行车轨迹的行车路径的必经卡口的卡口列表如表2所示：
| 卡口 | 经过时间 |
| TollGate1 | PassTime1 |
| TollGate2 | PassTime2 |
| TollGate3，TollGate6，TollGate8 | PassTime3 |
| TollGate4 | PassTime4 |
| TollGate5 | PassTime5 |
在本发明实施例中，为了对尾随车辆的搜索范围更为全面，也可以将与嫌疑车辆由相同始发地驶出驶向相同目的地的，不同于嫌疑车行车轨迹的行车路径的所有卡口，增加到卡口列表中。
在本发明实施例中，根据道路的实际情况，判断得到与嫌疑车辆由相同始发地驶出驶向相同目的地的，不同于嫌疑车行车轨迹的行车路径的必经卡口共S个，则嫌疑车的卡口列表中共包括N+S个卡口，以及每个卡口对应的嫌疑车的经过时间。其中，如表2中，从卡口2到卡口4除了嫌疑车经过的卡口3，还包括卡口6和卡口8可以从卡口2到达卡口4，因此将嫌疑车经过卡口3的经过时间作为尾随车辆经过卡口6和卡口8的经过时间。
步骤102：从卡口列表中选择其中一个卡口，并获取在预设时间段内经过该卡口的过车记录，重复该步骤，直到获取卡口列表中每个卡口分别对应的过车记录；
其中，设从卡口列表中选择其中的一个卡口为卡口X，嫌疑车经过该卡口X的经过时间为PassTimeX，根据提前设置的尾随时间间隔TrailInterval，得到所述预设时间段为（开始时间，结束时间），其中，开始时间=PassTimeX–TrailInterval；结束时间=PassTimeX+TrailInterval。
在本发明实施例中，获取的在预设时间段内经过卡口X的过车记录，其中，过车记录中包括经过的卡口、过车车牌、经过该卡口的经过时间，如表3所示：
表3：
| 过车车牌 | 经过时间 | 经过卡口 |
| CP1 | PassTimeX1 | TollGateX |
| CP2 | PassTimeX2 | TollGateX |
| CP3 | PassTimeX3 | TollGateX |
| …… | …… | TollGateX |
由于卡口列表中包括N+S个卡口，因此重复上述步骤102，直到获取卡口列表中每个卡口分别对应的过车记录。
步骤103：根据获取的卡口列表中每个卡口分别对应的过车记录，计算每辆过车车辆经过所有卡口的总次数；
在本发明实施例中，由于过车记录中的过车车牌可能分别对应卡口列表中的多个卡口，因此根据过车车牌将卡口列表中每个卡口分别对应的过车记录进行合并，得到合并后的过车记录。其中，合并后的过车记录包括过车车牌，每个过车车牌对应的卡口列表中的若干个卡口，以及分别经过所述若干个卡口的经过时间。
根据合并后的过车记录，计算每辆过车车辆经过所有卡口的总次数，其中，合并后的过车记录中，过车车牌对应的卡口列表中的卡口个数即为总次数。
若过车记录中共包括M个过车车牌对应的过车车辆，则尾随次数列表如表4所示：
表4：
| 车牌 | 尾随次数 | 尾随明细 |
| CP1 | 2 | 尾随卡口列表1 |
| CP2 | 5 | 尾随卡口列表2 |
| CP3 | 1 | 尾随卡口列表3 |
| …… | …… | …… |
| CPM | 1 | 尾随卡口列表M |
步骤104：根据计算所得的每辆过车车辆经过所有卡口的总次数，滤除尾随比率小于第一预设尾随比率的过车车辆，得到嫌疑车的尾随车辆。
在本发明实施例中，计算表4中每个过车车牌尾随嫌疑车的尾随比率，滤除尾随比率小于第一预设尾随比率的过车车辆，得到嫌疑车的尾随车辆。其中，尾随比率的计算方法为现有技术，本发明实施例对此不作具体赘述。
本发明实施例提供的方案，卡口列表中每个卡口自动获取对应的过车记录，计算所得的每辆过车车辆经过所有卡口的总次数，并根据计算所得的每辆过车车辆经过所有卡口的总次数，滤除尾随比率小于第一预设尾随比率的过车车辆，得到嫌疑车的尾随车辆，从而减少了人工排查的工作量，提高了工作效率。
其中，图1所示的方法为本发明实施例的第一次碰撞，该第一次碰撞为获取在设定的监控时间段内嫌疑车所经过的卡口列表，并获取卡口列表中每个卡口分别对应的过车记录，其通过计算每辆过车车辆经过所有卡口的总次数，并滤除尾随比率小于第一预设尾随比率的过车车辆，获得嫌疑车的尾随车辆的过程。若尾随车辆的尾随时间间隔大于设定的嫌疑车的尾随时间间隔，则在搜索到的尾随车辆的卡口列表中可能会遗漏一些卡口的车辆尾随数据，丢失了部分车辆的尾随数据，使得一些尾随车辆无法被监控到，因此，为了避免一些卡口在搜索时的遗漏，因此，在所述得到嫌疑车的尾随车辆之后，还包括第二次碰撞，第二次碰撞为根据第一次碰撞中得到的尾随车辆，通过计算所有尾随车辆经过的与嫌疑车经过的相同卡口的卡口个数，并滤除尾随比率小于第二预设尾随比率的尾随车，获得嫌疑车的尾随车辆的过程。如图3所示为第二次碰撞的方法流程图，该方法可以进一步包括：
步骤301：从尾随车辆中选择其中一辆尾随车，搜索该尾随车辆从开始时间到结束时间内的所经过的卡口的卡口列表；
其中，根据步骤101中设置的嫌疑车的开始时间StartTime和结束时间EndTime以及选择的尾随车的车牌，搜索该尾随车辆从开始时间到结束时间内的所经过的卡口的卡口列表。
步骤302：根据该尾随车的卡口列表与嫌疑车的卡口列表，计算尾随车经过的与嫌疑车经过的相同卡口的卡口个数，重复该步骤，直到计算完所有尾随车经过的与嫌疑车经过的相同卡口的卡口个数；
在本发明实施例中，尾随车的卡口列表中的一个卡口与步骤101中得到的如表2所示的嫌疑车的卡口列表中的一个卡口相同，则算作尾随一次。
步骤303：根据计算得到的尾随车辆经过的与嫌疑车辆所经过的相同卡口的卡口个数，滤除尾随比率小于第二预设尾随比率的尾随车，得到嫌疑车的尾随车辆。
在本发明实施例中，根据第二次碰撞得到的尾随次数，再次计算尾随车辆的尾随比率，滤除尾随比率小于第二预设尾随比率的尾随车，得到嫌疑车最终的尾随车辆。
根据上述方法，通过对尾随车辆和嫌疑车的行车轨迹进行碰撞，重新计算的尾随次数更加精确，以及通过滤除尾随比率小于第二预设尾随比率的尾随车，从而缩小了需要人工排查的尾随车辆，进而提高了工作效率。
在本实施例中第一预设尾随比率和第二预设尾随比率为设定值，主要通过实际监察工作长期的经验总结得出。由于在第一次行车轨迹反侦查搜索过程中存在着可能遗漏卡口统计的风险，所以第一预设尾随比率的设置值要远小于第二预设尾随比率的设置值，避免将有可能是尾随车辆的车辆滤除。
相应于上面的方法实施例，本发明还提供一种基于轨迹碰撞的嫌疑车尾随车辆分析装置，如图4所示，该装置可以包括：
卡口列表获取单元401，用于通过在设定的监控时间段内获取嫌疑车所经过的卡口的卡口列表，所述的卡口列表包括经过的卡口和经过各个卡口的时间；
在本发明实施例中，需要提前设置嫌疑车的开始时间StartTime、结束时间EndTime、尾随间隔时间TrailInterval、嫌疑车车牌、尾随出现最小比率Ratio。
其中，尾随间隔时间TrailInterval和尾随出现最小比率Ratio根据经验进行设置。
其中，根据预设的嫌疑车的开始时间StartTime、结束时间EndTime获取嫌疑车从开始时间到结束时间内的行车轨迹，开始时间嫌疑车所在地为始发地，结束时间嫌疑车所在地位目的地。
如表1所示为通过在设定的监控时间段内获取的嫌疑车所经过卡口的卡口列表嫌疑车的卡口列表，其中，假设嫌疑车从始发地到目的地总共经过N个卡口，如表1所示为当N=5时的嫌疑车的卡口列表。
在本发明实施例中，嫌疑车的尾随车辆为了逃避公安部门的追踪，可能会故意避开嫌疑车所经过的卡口，如图2所示为N为5时嫌疑车的行车路径，根据始发地a和目的地b，可以确定嫌疑车的行车轨迹上共具有5个卡口，分别为卡口1、卡口2、卡口3、卡口4及卡口5。其中，嫌疑车的行车轨迹为卡口1-卡口2-卡口3-卡口4-卡口5，考虑到嫌疑车与尾随车辆的始发地和目的地相同，从始发地a到目的地b包括若干个可能的卡口，例如，尾随车辆的行车轨迹可以为卡口1-卡口2-卡口6-卡口7-卡口8-卡口4-卡口5，或卡口1-卡口2-卡口6-卡口9-卡口10-卡口11-卡口8-卡口4-卡口5，因此与嫌疑车辆由相同始发地驶出驶向相同目的地的，不同于嫌疑车行车轨迹的行车路径的必经卡口包括卡口6和卡口8，在所述从卡口列表中选择其中一个卡口之前，进一步包括：将与嫌疑车辆由相同始发地驶出驶向相同目的地的，不同于嫌疑车行车轨迹的行车路径的必经卡口，增加到卡口列表中。
其中，增加了不同于嫌疑车行车轨迹的行车路径的必经卡口的卡口列表如表2所示。
在本发明实施例中，为了对尾随车辆的搜索范围更为全面，也可以将与嫌疑车辆由相同始发地驶出驶向相同目的地的，不同于嫌疑车行车轨迹的行车路径的所有卡口，增加到卡口列表中。
在本发明实施例中，根据道路的实际情况，判断得到与嫌疑车辆由相同始发地驶出驶向相同目的地的，不同于嫌疑车行车轨迹的行车路径的必经卡口共S个，则嫌疑车的卡口列表中共包括N+S个卡口，以及每个卡口对应的嫌疑车的经过时间。其中，如表2中，从卡口2到卡口4除了嫌疑车经过的卡口3，还包括卡口6和卡口8可以从卡口2到达卡口4，因此将嫌疑车经过卡口3的经过时间作为尾随车辆经过卡口6和卡口8的经过时间。
过车记录获取单元402，用于从卡口列表中选择其中一个卡口，并获取在预设时间段内经过该卡口的过车记录，直到获取卡口列表中每个卡口分别对应的过车记录；
其中，设从卡口列表中选择其中的一个卡口为卡口X，嫌疑车经过该卡口X的经过时间为PassTimeX，根据提前设置的尾随时间间隔TrailInterval，得到所述预设时间段为（开始时间，结束时间），其中，开始时间=PassTimeX–TrailInterval；结束时间=PassTimeX+TrailInterval。
在本发明实施例中，获取的在预设时间段内经过卡口X的过车记录，其中，过车记录中包括经过的卡口、过车车牌、经过该卡口的经过时间，如表3所示。
由于卡口列表中包括N+S个卡口，因此重复获取，直到获取卡口列表中每个卡口分别对应的过车记录。
第一计算单元403，用于根据获取的卡口列表中每个卡口分别对应的过车记录，计算每辆过车车辆经过所有卡口的总次数；
在本发明实施例中，由于过车记录中的过车车牌可能分别对应卡口列表中的多个卡口，因此根据过车车牌将卡口列表中每个卡口分别对应的过车记录进行合并，得到合并后的过车记录。其中，合并后的过车记录包括过车车牌，每个过车车牌对应的卡口列表中的若干个卡口，以及分别经过所述若干个卡口的经过时间。
根据合并后的过车记录，计算每辆过车车辆经过所有卡口的总次数，其中，合并后的过车记录中，过车车牌对应的卡口列表中的卡口个数即为总次数。
若过车记录中共包括M个过车车牌对应的过车车辆，则尾随次数列表如表4所示。
第一滤除单元404，用于根据计算所得的每辆过车车辆经过所有卡口的总次数，滤除尾随比率小于第一预设尾随比率的过车车辆，得到嫌疑车的尾随车辆。
在本发明实施例中，计算表4中每个过车车牌尾随嫌疑车的尾随比率，滤除尾随比率小于第一预设尾随比率的过车车辆，得到嫌疑车的尾随车辆。其中，尾随比率的计算方法为现有技术，本发明实施例对此不作具体赘述。
本发明实施例提供的方案，卡口列表中每个卡口自动获取对应的过车记录，计算所得的每辆过车车辆经过所有卡口的总次数，并根据计算所得的每辆过车车辆经过所有卡口的总次数，滤除尾随比率小于第一预设尾随比率的过车车辆，得到嫌疑车的尾随车辆，从而减少了人工排查的工作量，提高了工作效率。
上述方法称为第一次碰撞，若尾随车辆的尾随时间间隔大于设定的嫌疑车的尾随时间间隔，则在搜索到的尾随车辆的卡口列表中可能会遗漏一些卡口的车辆尾随数据，丢失了部分车辆的尾随数据，使得一些尾随车辆无法被监控到，因此，为了避免一些卡口在搜索时的遗漏，因此，在所述得到嫌疑车的尾随车辆之后，还包括第二次碰撞，如图5所示为第二次碰撞的装置结构示意图，该装置可以进一步包括：
搜索单元501，用于从尾随车辆中选择其中一辆尾随车，搜索该尾随车辆从开始时间到结束时间内的所经过的卡口的卡口列表；
第二计算单元502，用于根据该尾随车的卡口列表与嫌疑车的卡口列表，计算尾随车经过的与嫌疑车经过的相同卡口的卡口个数，直到计算完所有尾随车经过的与嫌疑车经过的相同卡口的卡口个数；
第二滤除单元503，用于根据计算得到的尾随车辆经过的与嫌疑车辆所经过的相同卡口的卡口个数，滤除尾随比率小于第二预设尾随比率的尾随车，得到嫌疑车的尾随车辆。
在本发明实施例中，根据第二次碰撞得到的尾随次数，再次计算尾随车辆的尾随比率，滤除尾随比率小于第二预设尾随比率的尾随车，得到嫌疑车最终的尾随车辆。
根据上述方法，通过对尾随车辆和嫌疑车的行车轨迹进行碰撞，重新计算的尾随次数更加精确，以及通过滤除尾随比率小于第二预设尾随比率的尾随车，从而缩小了需要人工排查的尾随车辆，进而提高了工作效率。
在本实施例中第一预设尾随比率和第二预设尾随比率为设定值，主要通过实际监察工作长期的经验总结得出。由于在第一次行车轨迹反侦查搜索过程中存在着可能遗漏卡口统计的风险，所以第一预设尾随比率的设置值要远小于第二预设尾随比率的设置值，避免将有可能是尾随车辆的车辆滤除。
根据上述装置，通过对尾随车辆和嫌疑车的行车轨迹进行碰撞，重新计算的尾随次数更加精确，以及通过滤除尾随比率小于第二预设尾随比率的尾随车，从而缩小了需要人工排查的尾随车辆，进而提高了工作效率。通过反侦察的方式，搜索出嫌疑车辆以及尾随车辆，准确度高，工作量小。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。
Claims (4)
1.一种基于轨迹碰撞的嫌疑车尾随车辆分析方法，其特征在于，包括：
通过在设定的监控时间段内获取嫌疑车所经过的卡口、与嫌疑车辆由相同始发地驶出驶向相同目的地的不同于嫌疑车行车轨迹的行车路径的必经卡口，确定卡口列表，所述的卡口列表包括经过的卡口和经过各个卡口的时间；
从卡口列表中选择其中一个卡口，并获取在预设时间段内经过该卡口的过车记录，重复该步骤，直到获取卡口列表中每个卡口分别对应的过车记录；
根据获取的卡口列表中每个卡口分别对应的过车记录，计算每辆过车车辆经过所有卡口的总次数；
根据计算所得的每辆过车车辆经过所有卡口的总次数，滤除尾随比率小于第一预设尾随比率的过车车辆，得到嫌疑车的尾随车辆。
2.如权利要求1所述的方法，其特征在于，在所述得到嫌疑车的尾随车辆之后，进一步包括：
从尾随车辆中选择其中一辆尾随车，搜索该尾随车辆从开始时间到结束时间内的所经过的卡口的卡口列表；
根据该尾随车的卡口列表与嫌疑车的卡口列表，计算尾随车经过的与嫌疑车经过的相同卡口的卡口个数，重复该步骤，直到计算完所有尾随车经过的与嫌疑车经过的相同卡口的卡口个数；
根据计算得到的尾随车辆经过的与嫌疑车辆所经过的相同卡口的卡口个数，滤除尾随比率小于第二预设尾随比率的尾随车，得到嫌疑车的尾随车辆。
3.一种基于轨迹碰撞的嫌疑车尾随车辆分析装置，其特征在于，包括：
卡口列表获取单元，用于通过在设定的监控时间段内获取嫌疑车所经过的卡口、与嫌疑车辆由相同始发地驶出驶向相同目的地的不同于嫌疑车行车轨迹的行车路径的必经卡口，确定卡口列表，所述的卡口列表包括经过的卡口和经过各个卡口的时间；
过车记录获取单元，用于从卡口列表中选择其中一个卡口，并获取在预设时间段内经过该卡口的过车记录，直到获取卡口列表中每个卡口分别对应的过车记录；
第一计算单元，用于根据获取的卡口列表中每个卡口分别对应的过车记录，计算每辆过车车辆经过所有卡口的总次数；
第一滤除单元，用于根据计算所得的每辆过车车辆经过所有卡口的总次数，滤除尾随比率小于第一预设尾随比率的过车车辆，得到嫌疑车的尾随车辆。
4.如权利要求3所述的装置，其特征在于，所述装置，进一步包括：
搜索单元，用于从尾随车辆中选择其中一辆尾随车，搜索该尾随车辆从开始时间到结束时间内的所经过的卡口的卡口列表；
第二计算单元，用于根据该尾随车的卡口列表与嫌疑车的卡口列表，计算尾随车经过的与嫌疑车经过的相同卡口的卡口个数，直到计算完所有尾随车经过的与嫌疑车经过的相同卡口的卡口个数；
第二滤除单元，用于根据计算得到的尾随车辆经过的与嫌疑车辆所经过的相同卡口的卡口个数，滤除尾随比率小于第二预设尾随比率的尾随车，得到嫌疑车的尾随车辆。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410099991.3A CN103871248B (zh) | 2014-03-18 | 2014-03-18 | 一种基于轨迹碰撞的嫌疑车尾随车辆分析方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410099991.3A CN103871248B (zh) | 2014-03-18 | 2014-03-18 | 一种基于轨迹碰撞的嫌疑车尾随车辆分析方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103871248A CN103871248A (zh) | 2014-06-18 |
| CN103871248B true CN103871248B (zh) | 2016-04-13 |
Family
ID=50909742
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410099991.3A Active CN103871248B (zh) | 2014-03-18 | 2014-03-18 | 一种基于轨迹碰撞的嫌疑车尾随车辆分析方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103871248B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104199903B (zh) * | 2014-08-27 | 2018-02-09 | 上海熙菱信息技术有限公司 | 一种基于路径关联的车辆数据查询系统及方法 |
| CN105741598A (zh) * | 2014-12-09 | 2016-07-06 | 深圳中兴力维技术有限公司 | 嫌疑车辆落脚点分析处理方法及其装置 |
| CN104616494B (zh) * | 2014-12-23 | 2017-04-19 | 浙江宇视科技有限公司 | 一种基于基站和卡口的记录确定目标对象的方法及装置 |
| CN104834725B (zh) * | 2015-05-12 | 2018-07-17 | 西安翔迅科技有限责任公司 | 一种分析鉴别车辆尾随行为的系统 |
| CN105448092B (zh) * | 2015-12-23 | 2018-03-23 | 浙江宇视科技有限公司 | 一种关联车辆的分析方法及装置 |
| CN107016322B (zh) * | 2016-01-28 | 2020-01-14 | 浙江宇视科技有限公司 | 一种尾随人员分析的方法及装置 |
| CN106097708B (zh) * | 2016-06-06 | 2019-06-11 | 浙江宇视科技有限公司 | 一种跟车确定方法及装置 |
| CN107945522B (zh) * | 2017-11-24 | 2019-10-29 | 泰华智慧产业集团股份有限公司 | 基于大数据查找嫌疑车辆的方法和系统 |
| CN112991717B (zh) * | 2019-12-16 | 2023-02-03 | 深圳云天励飞技术有限公司 | 车辆轨迹展示方法及相关产品 |
| CN114677819A (zh) * | 2020-12-24 | 2022-06-28 | 广东飞企互联科技股份有限公司 | 一种人员安全检测方法和检测系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010250586A (ja) * | 2009-04-16 | 2010-11-04 | Sumitomo Electric Ind Ltd | 交通情報提供装置及び方法 |
| CN101944292A (zh) * | 2010-09-16 | 2011-01-12 | 公安部交通管理科学研究所 | 基于轨迹碰撞的嫌疑车辆分析方法 |
| CN102289659A (zh) * | 2011-06-23 | 2011-12-21 | 杭州诚道科技有限公司 | 伴随车检测方法 |
| KR101293633B1 (ko) * | 2013-05-21 | 2013-08-05 | 대보정보통신 주식회사 | 단속 회피 차량의 우회 경로 추적 서비스 제공 방법 |
| CN103456175A (zh) * | 2013-09-25 | 2013-12-18 | 武汉烽火众智数字技术有限责任公司 | 基于车辆号牌识别和网格化监控的伴随车实时检测方法 |
-
2014
- 2014-03-18 CN CN201410099991.3A patent/CN103871248B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010250586A (ja) * | 2009-04-16 | 2010-11-04 | Sumitomo Electric Ind Ltd | 交通情報提供装置及び方法 |
| CN101944292A (zh) * | 2010-09-16 | 2011-01-12 | 公安部交通管理科学研究所 | 基于轨迹碰撞的嫌疑车辆分析方法 |
| CN102289659A (zh) * | 2011-06-23 | 2011-12-21 | 杭州诚道科技有限公司 | 伴随车检测方法 |
| KR101293633B1 (ko) * | 2013-05-21 | 2013-08-05 | 대보정보통신 주식회사 | 단속 회피 차량의 우회 경로 추적 서비스 제공 방법 |
| CN103456175A (zh) * | 2013-09-25 | 2013-12-18 | 武汉烽火众智数字技术有限责任公司 | 基于车辆号牌识别和网格化监控的伴随车实时检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103871248A (zh) | 2014-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103871248B (zh) | 一种基于轨迹碰撞的嫌疑车尾随车辆分析方法及装置 | |
| CN110069585B (zh) | 轨迹点数据的处理方法和装置、存储介质及电子装置 | |
| CN104778836B (zh) | 基于手机信令数据质量感知的高速公路交通状态识别方法 | |
| CN105489008B (zh) | 基于浮动车卫星定位数据的城市道路拥堵计算方法及系统 | |
| US20210150445A1 (en) | Roadway maintenance condition detection and analysis | |
| CN108230698B (zh) | 交通流量预测方法及装置 | |
| CN107036572A (zh) | 一种农机作业面积获取方法及装置 | |
| CN104348667A (zh) | 基于告警信息的故障定位方法 | |
| CN104468787A (zh) | 一种基于大数据的人车关联识别方法 | |
| CN105785411A (zh) | 一种基于区域划分的异常轨迹检测方法 | |
| CN105448092A (zh) | 一种关联车辆的分析方法及装置 | |
| CN107633674A (zh) | 一种重点营运车辆异常轨迹点剔除方法和系统 | |
| CN105389974A (zh) | 基于车辆历史行驶数据追踪车辆的方法及系统 | |
| CN111275975B (zh) | 一种交叉口转向流量数据的获取方法、装置和存储介质 | |
| CN103903438A (zh) | 客运车辆违规停车地点识别方法及系统 | |
| CN105336166A (zh) | 基于车载蓝牙的交通特征参数提取方法 | |
| DE102014011092A1 (de) | Verfahren zur Bestimmung eines ortsaufgelösten Fehlermaßes für eine Positionsbestimmung mit einem GNSS | |
| CN104732765A (zh) | 基于卡口数据的城市道路饱和度实时监测方法 | |
| CN109035777A (zh) | 交通运行态势分析方法及系统 | |
| CN106169246A (zh) | 一种通过api获取道路实时路况的系统及其方法 | |
| CN109118769A (zh) | 一种基于交通监测数据的路段自由流速度挖掘方法 | |
| CN110827537B (zh) | 一种潮汐车道的设置方法、装置及设备 | |
| CN106157609A (zh) | 一种路段状态的监测方法及装置 | |
| KR101304567B1 (ko) | 도로망 기반의 빈번 차량 궤적 클러스터링 시스템 및 방법 | |
| CN111613056A (zh) | 一种交通异常事件检测方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |