CN105448092B - 一种关联车辆的分析方法及装置 - Google Patents

Abstract

本发明提供一种关联车辆的分析方法及装置，所述方法包括：获取目标车辆在待分析时间段中的过车记录；根据所述过车记录及预设的卡口平均过车时间表确定目标车辆的行驶路线及该行驶路线中的结束卡口；确定在预设时间范围内经过所述结束卡口的车辆为关联车辆；根据目标车辆经过行驶路线中每个卡口的过车时间，计算所述行驶路线中关联车辆的关联嫌疑积分；当目标车辆在所述待分析时间段中存在至少两条行驶路线时，统计关联车辆的总关联嫌疑积分，并根据统计结果确定目标关联车辆。从而可以降低干扰数据量，提高关联车辆分析的效率及准确性，避免漏判、误判。

Description

一种关联车辆的分析方法及装置

技术领域

本发明涉及视频监控技术领域，尤其涉及一种关联车辆的分析方法及装置。

背景技术

随着城市公共安全系统的逐步完善，越来越多的高清卡口、电警等设备部署在城市的交通路口。通常高清卡口可以识别过车记录，包括车牌号码、车速、车型、经过时间、车道号、车辆图像等，并通过网络传输协议，发送给中心服务器。中心服务器收到过车记录后，会将过车记录保存到后台数据库中。基于这些过车记录可以为交管、公安等用户提供交通指挥、违章事件处理的数据资料，实现过车记录查询、车辆研判、布控告警、统计分析等业务功能。

其中，跟车分析是一种公安行业比较重要的犯罪关联车辆分析业务。在团伙犯罪案件中，多个犯罪份子经常会驾驶多辆车执行违法行为。目前在已知其中某辆犯罪嫌疑车的车牌及其行驶时间之后，无法高效准确的分析出与犯罪嫌疑车辆的关联嫌疑车辆，从而影响案件侦查进展。

发明内容

有鉴于此，本发明提供一种关联车辆的分析方法及装置来解决无法高效准确的分析出关联嫌疑车辆的问题。

具体地，本发明是通过如下技术方案实现的：

本发明提供一种关联车辆的分析方法，所述方法包括：

获取目标车辆在待分析时间段中的过车记录；

根据所述过车记录及预设的卡口平均过车时间表确定目标车辆的行驶路线及该行驶路线中的结束卡口；

确定在预设时间范围内经过所述结束卡口的车辆为关联车辆；根据目标车辆经过行驶路线中每个卡口的过车时间，计算所述行驶路线中关联车辆的关联嫌疑积分；

当目标车辆在所述待分析时间段中存在至少两条行驶路线时，统计关联车辆的总关联嫌疑积分，并根据统计结果确定目标关联车辆。

进一步的，所述根据所述过车记录及预设的卡口平均过车时间表确定目标车辆的行驶路线及该行驶路线中的结束卡口，包括：

计算所述目标车辆的行驶路线中相邻两个卡口过车记录的时间差，当所述时间差与卡口平均过车时间表中对应两个卡口间的平均过车时间的差值超过预设阈值时，确定所述相邻两个卡口中过车记录在前的卡口为该行驶路线中的结束卡口。

进一步的，所述确定在预设时间范围内经过所述结束卡口的车辆为关联车辆，包括：

当结束卡口属于区域卡口集合时，获取在预设时间范围内经过所述区域卡口集合中任一卡口的车辆为关联车辆。

进一步的，所述方法还包括：

根据历史过车记录提取目标车辆的居住场所及工作场所对应的卡口；

所述根据所述过车记录及预设的卡口平均过车时间表确定目标车辆的行驶路线及该行驶路线中的结束卡口，包括：

排除结束卡口为目标车辆的居住场所及工作场所对应卡口的行驶路线。

进一步的，所述根据目标车辆经过行驶路线中每个卡口的过车时间，计算所述行驶路线中关联车辆的关联嫌疑积分，包括：

根据目标车辆经过行驶路线中每个卡口的过车时间，计算每个卡口中关联车辆的过车时间与所述目标车辆的过车时间的时间差；根据所述时间差按照所述行驶路线倒序计算并叠加所述关联车辆在所述行驶路线中每个卡口的关联嫌疑积分，得到所述关联车辆在所述行驶路线中对应的关联嫌疑积分。

基于相同的构思，本发明还提供一种关联车辆的分析装置，所述装置包括：

记录获取单元，用于获取目标车辆在待分析时间段中的过车记录；

卡口确定单元，用于根据所述过车记录及预设的卡口平均过车时间表确定目标车辆的行驶路线及该行驶路线中的结束卡口；

关联计算单元，用于确定在预设时间范围内经过所述结束卡口的车辆为关联车辆；根据目标车辆经过行驶路线中每个卡口的过车时间，计算所述行驶路线中关联车辆的关联嫌疑积分；

积分统计单元，用于在目标车辆在所述待分析时间段中存在至少两条行驶路线时，统计关联车辆的总关联嫌疑积分，并根据统计结果确定目标关联车辆。

进一步的，所述卡口确定单元，具体用于计算所述目标车辆的行驶路线中相邻两个卡口过车记录的时间差，当所述时间差与卡口平均过车时间表中对应两个卡口间的平均过车时间的差值超过预设阈值时，确定所述相邻两个卡口中过车记录在前的卡口为该行驶路线中的结束卡口。

进一步的，所述关联计算单元，包括车辆确定子单元，用于在结束卡口属于区域卡口集合时，获取在预设时间范围内经过所述区域卡口集合中任一卡口的车辆为关联车辆。

进一步的，所述装置还包括卡口分析单元，用于根据历史过车记录提取目标车辆的居住场所及工作场所对应的卡口；

所述卡口确定单元，还用于排除结束卡口为目标车辆的居住场所及工作场所对应卡口的行驶路线。

进一步的，所述关联计算单元，包括积分计算子单元，用于根据目标车辆经过行驶路线中每个卡口的过车时间，计算每个卡口中关联车辆的过车时间与所述目标车辆的过车时间的时间差；根据所述时间差按照所述行驶路线倒序计算并叠加所述关联车辆在所述行驶路线中每个卡口的关联嫌疑积分，得到所述关联车辆在所述行驶路线中对应的关联嫌疑积分。

由此可见，本发明可以获取目标车辆在待分析时间段中的过车记录，根据过车记录及预设的卡口平均过车时间表确定目标车辆的行驶路线及该行驶路线中的结束卡口，并确定在预设时间范围内经过所述结束卡口的车辆为关联车辆；再根据目标车辆经过行驶路线中每个卡口的过车时间，计算行驶路线中关联车辆的关联嫌疑积分，最后通过统计关联车辆的总关联嫌疑积分来确定目标关联车辆。从而可以降低干扰数据量，提高关联车辆分析的效率及准确性，避免漏判、误判。

附图说明

图1是本发明一种示例性实施方式中的一种关联车辆的分析方法的处理流程图；

图2本发明一种示例性实施方式中的关联车辆的分析装置所在设备的硬件结构图；

图3本发明一种示例性实施方式中的一种关联车辆的分析装置的逻辑结构图。

具体实施方式

为了解决现有技术存在的问题，本发明提供一种关联车辆的分析方法，可以获取目标车辆在待分析时间段中的过车记录，根据过车记录及预设的卡口平均过车时间表确定目标车辆的行驶路线及该行驶路线中的结束卡口，并确定在预设时间范围内经过所述结束卡口的车辆为关联车辆；再根据目标车辆经过行驶路线中每个卡口的过车时间，计算行驶路线中关联车辆的关联嫌疑积分，最后通过统计关联车辆的总关联嫌疑积分来确定目标关联车辆。从而可以降低干扰数据量，提高关联车辆分析的效率及准确性，避免漏判、误判。

请参考图1，是本发明一种示例性实施方式中的一种关联车辆的分析方法的处理流程图，在本发明的实施例中，所述方法可以用于跟车分析业务，为了提高分析效率，在准备阶段可以预先根据后台数据库中的卡口过车记录，对任意两个直达卡口的平均过车时间进行统计，在数据库中形成一张卡口平均过车时间表。所述方法包括：

步骤101、获取目标车辆在待分析时间段中的过车记录；

用户可以输入目标车辆的车辆信息以及待分析时间段等查询信息。本发明可以根据目标车辆的车牌，在过车记录中查找目标车辆在待分析时间段中的过车记录。例如获取目标车辆的车牌号AAA，待分析时间段2015年1月1日至2015年1月3日，则可以在过车记录中获取车牌号AAA的车辆在2015年1月1日至2015年1月3日中所有卡口的过车记录，所述过车记录中通常包括卡口及该卡口记录的过车时间。

步骤102、根据所述过车记录及预设的卡口平均过车时间表确定目标车辆的行驶路线及该行驶路线中的结束卡口；

在本实施例中，可以根据过车记录中目标车辆在每个卡口的过车时间以及预设的卡口平均过车时间表，来确定目标车辆的行驶路线及该行驶路线中的结束卡口。具体的，在本发明可选的实施例中，可以根据过车记录计算所述目标车辆的行驶路线中相邻两个卡口过车记录的时间差；当相邻两个卡口过车记录的时间差与卡口平均过车时间表中对应两个卡口间的平均过车时间的差值超过预设阈值时，例如达到平均过车时间的2倍以上，则说明目标车辆在这两个卡口之间发生过停留，从而可以确定所述相邻两个卡口中过车记录在前的卡口为该行驶路线中的结束卡口，可以确定所述相邻两个卡口中过车记录在后的卡口为下一行驶路线中的起始卡口。从起始卡口到结束卡口按照行驶方向排列可以得到目标车辆的行驶路线。

另外，还可以根据历史过车记录提取目标车辆的居住场所及工作场所对应的卡口。例如，可以根据一定时间规律及停留时间特点，如到达居住场所一般是下午下班时间、且停留时间较长，可以初步分析得到目标车辆居住场所、工作场所附近的卡口。根据上述分析，可以排除目的地是目标车辆居住场所、工作场所的行驶路线及结束卡口，不对这些行驶路线及卡口进行后续流程的处理，从而可以进一步过滤干扰数据，提高分析效率。

步骤103、确定在预设时间范围内经过所述结束卡口的车辆为关联车辆；根据目标车辆经过行驶路线中每个卡口的过车时间，计算所述行驶路线中关联车辆的关联嫌疑积分；

当分析出目标车辆的行驶路线以及对应的结束卡口后，可以对行驶路线逐一进行分析。在本实施例中，以其中一条行驶路线为例，进行说明。本发明可以通过获取目标车辆在结束卡口的过车时间，以所述过车时间为基准，获取在预设时间范围内所述结束卡口记录的车辆作为与目标车辆存在关联的关联车辆。

举例来讲，获取结束卡口记录的目标车辆的过车时间t0，根据预设的时间阈值T，查找预设时间范围中的结束卡口记录的所有车辆的过车记录。时间范围＝[t0-T/2，t0+T/2]。其中，时间阈值T＝Min[默认阈值，目标车辆在结束卡口的停留时间值/2]，并且为了计算方便，可以按照10分钟取整。其中，Min表示取两者的较小值，默认阈值可以选为经验值，例如60分钟。假设，目标车辆在12:00时到达结束卡口之后，50分钟后离开，则时间阈值T＝Min[60，50/2]分钟，由于按照10分钟取整，50/2可以认为是30分钟，则T＝30分钟，则时间范围＝[t0-T/2，t0+T/2]＝[12:00-30/2，12:00+30/2]＝[11:45，12:15]。最后，可以在该时间范围[11:45，12:15]内获取结束卡口上记录的车辆(即在该时间范围[11:45，12:15]内经过结束卡口的车辆)作为与目标车辆存在关联的关联车辆。

需要说明的是，在本发明可选的实施例中，用户还可以根据城市的具体环境，对于城市中的大型园区、商区、城市边缘区域等周边存在多个路口的场所，在数据库中预先设置区域卡口集合。例如，大型工业园区A，其区域卡口集合为{卡口A1、卡口A2…、卡口An}；大型商区B，其区域卡口集合为{卡口B1、卡口B2…、卡口Bn}等等。用户在输入目标车辆的车牌和待分析时间段后，还可以进一步输入指定卡口区域。因此，当结束卡口属于一个区域卡口集合时，需要获取在预设时间范围内经过所述区域卡口集合中任一卡口的车辆为关联车辆。因此可以通过重点嫌疑区域的排查，减少卡口分析数量，提高分析效率。

在本实施例中，当确定关联车辆后，可以进一步根据目标车辆经过行驶路线中每个卡口的过车时间，计算所述行驶路线中关联车辆的关联嫌疑积分。具体来讲，根据目标车辆经过行驶路线中每个卡口的过车时间，计算每个卡口中关联车辆的过车时间与所述目标车辆的过车时间的时间差；再根据所述时间差按照所述行驶路线倒序计算并叠加所述关联车辆在所述行驶路线中每个卡口的关联嫌疑积分，得到所述关联车辆在所述行驶路线中对应的关联嫌疑积分。

在本实施例中，可以根据所述行驶路线倒序逐个计算并叠加所述关联车辆在所述行驶路线中每个卡口的关联嫌疑积分。

首先可以对关联车辆在行驶路线中的结束卡口的关联嫌疑积分进行计算，计算方法如下：

关联嫌疑积分＝积分基数×积分比例基数的a次方；

其中：积分基数选为经验值10，积分比例基数选为经验值0.8；a为关联置信度，两车到达结束卡口的时间越接近，则关联置信度值越高。a的计算公式如下：

a＝(关联车辆的过车时间与所述目标车辆的过车时间的时间差的绝对值)/预设时间基数；

其中预设时间基数可以选为经验值10分钟，也可以根据实际情况而定，此处不做限定。

假设上述目标车辆的其中一个关联车辆在结束卡口的过车时间为12:10，则该关联车辆的关联嫌疑积分的计算方法如下：

a＝(12:10-12:00)/10＝10/10＝1；

关联嫌疑积分＝积分基数×积分比例基数^a＝10×0.8^1＝8。

然后可以根据所述行驶路线倒序逐个计算所述关联车辆在所述行驶路线中除结束卡口外的每个卡口的关联嫌疑积分。具体实现方法如下：

循环计数值i初始化为0；

进行如下循环处理：

循环计数值i++；

查询与目标车辆在一定时间范围内(比如前后10分钟)通过当前卡口的车辆集合，对该集合中的车辆逐个处理；

如果车辆是前一卡口的关联车辆集合中的成员，将其加入当前卡口的关联车辆集合；

对当前卡口的关联车辆集合进行处理；

如果当前卡口的关联车辆集合的车辆数量为0，退出循环处理；

如果当前卡口的关联车辆集合的车辆数量不为0，对该集合中的车辆计算关联嫌疑积分，计算公式如下：

关联嫌疑积分值＝积分基数×积分比例基数^a；

其中：积分基数选为经验值5，积分比例基数选为经验值0.8，也可以根据实际情况而定，此处不做限定；

取下一卡口，继续循环处理。

举例来讲，当已知一条行驶路线为卡口1→卡口2→卡口3，且结束卡口为卡口3时，可以先计算结束卡口的关联车辆集合(假设包括车辆A、B)，并计算其中每个关联车辆对应的关联嫌疑积分。然后计算卡口2的关联车辆集合，假设在一定时间范围内经过卡口2的车辆集合包含车辆A、车辆C，则判断卡口2的车辆集合中的各车辆是否属于卡口3的关联车辆集合，若是则将其加入卡口2的关联车辆集合，故卡口2的关联车辆集合包含车辆A不包含车辆C，再计算该关联车辆(车辆A)在卡口2的关联嫌疑积分，以此类推，得到所述关联车辆在所述行驶路线中每个卡口对应的关联嫌疑积分。经过本步骤，输出关联车辆数据，示例如下：

{浙A34567，卡口编码A，1，14.00}

{浙A89437，区域编码B，1，10.00}

…

{浙A34567，卡口编码C，1，8.00}

{浙A34567，卡口编码A，1，6.40}

{浙A72158，卡口编码D，1，14.00}

其中，第1个数据为关联车辆的车牌，第2个数据为卡口编码或者区域编码，第3个数据为关联计数值，第4个数据为关联嫌疑积分；所述关联计数值为关联车辆与目标车辆的关联项目的计数。

最后累加所述关联车辆在所述行驶路线中每个卡口对应的关联嫌疑积分，得到所述关联车辆在所述行驶路线中对应的关联嫌疑积分。

举例来讲，可以对于相同目的地，即结束卡口相同的同一关联车辆的关联嫌疑积分进行求和处理，得到该关联车辆在结束卡口所在的行驶路线中对应的关联嫌疑积分。以上述示例的关联车辆浙A34567为例，假设数据捕获日期是2015年10月11日。经过上述关联嫌疑积分累加处理，输出如下数据：

{浙A34567，卡口编码A，2，20.40，2015-10-11}

{浙A34567，卡口编码C，1，8.00，2015-10-11}

其中，第1个数据为关联车辆的车牌，第2个数据为卡口编码或者区域编码，第3个数据为关联计数值，第4个数据为关联嫌疑积分，第5个数据为统计日期。

步骤104、当目标车辆在所述待分析时间段中存在至少两条行驶路线时，统计关联车辆的总关联嫌疑积分，并根据统计结果确定目标关联车辆。

在本实施例中，当目标车辆存在多条行驶路线时，可以在得到每个关联车辆在每条行驶路线中对应的关联积分后，可以进一步统计关联车辆在所述待分析时间段内的总关联嫌疑积分。

举例来讲，当待分析时间段内的所有行驶路线处理完毕之后，以关联车辆的车牌为key，按照时间顺序，对多条行驶路线的分析结果进行合并，即将相同车牌的关联车辆的关联嫌疑积分进行累加，得到该关联车辆的总关联嫌疑积分。

在合并流程中，考虑到到达相同目的地、又在相近时间(比如前后10分钟)同时离开的车辆，从关联行为的角度更加可疑，因此在本流程中可进一步增加相近时间离开积分。

计算公式示例如下：

关联嫌疑积分＝∑(当前线路的关联嫌疑积分+相近时间离开积分)；

其中：∑表示对该关联车辆的所有线路的关联嫌疑积分求和，相近时间离开积分选取经验值为2，也可以根据实际情况而定，此处不做限定。

举例来讲，以步骤103示例的关联车辆浙A34567为例，假设数据捕获日期是2015年10月11日。经过上述处理，输出如下数据：

{浙A34567，3，28.40，2015-10-11}

其中，第1个数据为关联车辆的车牌，第2个数据为关联计数值，第3个数据为总关联嫌疑积分，第4个数据为统计日期。

同时，本发明还支持按照用户指定的热点卡口、时间范围，累加各车辆的关联嫌疑积分。

最后，根据上述统计结果确定目标关联车辆，通常可以确定总关联嫌疑积分最高的关联车辆为目标嫌疑车辆。

作为可选的例子，若待分析时间段跨天，可以不按日期分析，也可以按日期分析。本发明对此不作限制。

当待分析时间段跨天且按日期分析时，比如待分析时间段为2015年1月1日至2015年1月3日，可以按序分析2015年1月1日、2015年1月2日、2015年1月3日的过车记录。计算关联车辆在待分析时间段中指定日期内的行驶路线中对应的关联嫌疑积分。在待分析时间段内的所有日期处理完毕之后，以关联车辆的车牌为key，对多天的分析结果进行合并，累加得到该关联车辆的总关联嫌疑积分。

由于传统的跟车分析方案是在指定时间范围，在过车记录中筛选与目标车辆在一定时间阈值内通过相同卡口的车辆。通过卡口的计数值越高，关联车辆的关联嫌疑系数越高。但是只关注相近的时间内通过的相同卡口的车辆统计，因此会导致只是在行驶路线前面部分(例如起始路线、中间路线)重合、而目的地不同的车辆，也会被作为跟随车辆记录到分析结果中，会形成大量干扰数据使分析结果不够准确。另外，现有技术无法对相近时间走不同路线与目标车辆汇合的车辆进行分析，导致分析结果不够完全。另外，现有技术仅通过设置车辆跟随经过同一卡口的时间阈值，但这种固定阈值的方式，很难适应实际场景。并且最终结果仅为是单次的跟车分析，没有对车辆在长时间内的多次关联行为等历史数据进行累加，不能综合进行关联车辆判断。

相对于现有技术，本发明可以获取目标车辆在待分析时间段中的过车记录，根据过车记录及预设的卡口平均过车时间表确定目标车辆的行驶路线及该行驶路线中的结束卡口，并确定在预设时间范围内经过所述结束卡口的车辆为关联车辆；再根据目标车辆经过行驶路线中每个卡口的过车时间，计算行驶路线中关联车辆的关联嫌疑积分，最后通过统计关联车辆的总关联嫌疑积分来确定目标关联车辆。并且可以基于对目标车辆的行驶路线、目的地的分析，提取出在指定时间范围内与目标车辆到达相同目的地的关联车辆。并且能够考虑到犯罪嫌疑人居住场所、工作场所的特殊性，在分析关联车辆时，可以排除行驶目标是其居住场所、工作场所的路线，使分析结果更加准确，降低干扰数据量，提高分析效率；同时，本发明还可以对在相近时间内走不同路线与目标车辆汇合或者出城的车辆进行分析，从而能够提高关联车辆分析的效率及准确性；另外，从历史数据积累的角度，对多次与目标车辆到达某些特殊目的地(比如城市边缘、犯罪热点区域)的车辆可以累加其关联嫌疑积分，可以使分析更具有针对性，从而提高分析准确性。因此本发明可以降低干扰数据量，提高关联车辆分析的效率及准确性，避免漏判、误判。

基于相同的构思，本发明还提供一种关联车辆的分析装置，该装置可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，本发明的关联车辆的分析装置作为一个逻辑意义上的装置，是通过其所在设备的CPU将存储器中对应的计算机程序指令读取后运行而成。

请参考图2及图3，是本发明一种示例性实施方式中的一种关联车辆的分析装置300，该装置基本运行环境包括CPU，存储器以及其他硬件，从逻辑层面上来看，该装置300包括：

记录获取单元301，用于获取目标车辆在待分析时间段中的过车记录；

卡口确定单元302，用于根据所述过车记录及预设的卡口平均过车时间表确定目标车辆的行驶路线及该行驶路线中的结束卡口；

关联计算单元303，用于确定在预设时间范围内经过所述结束卡口的车辆为关联车辆；根据目标车辆经过行驶路线中每个卡口的过车时间，计算所述行驶路线中关联车辆的关联嫌疑积分；

积分统计单元304，用于在目标车辆在所述待分析时间段中存在至少两条行驶路线时，统计关联车辆的总关联嫌疑积分，并根据统计结果确定目标关联车辆。

可选的，所述卡口确定单元302，具体用于计算所述目标车辆的行驶路线中相邻两个卡口过车记录的时间差，当所述时间差与卡口平均过车时间表中对应两个卡口间的平均过车时间的差值超过预设阈值时，确定所述相邻两个卡口中过车记录在前的卡口为该行驶路线中的结束卡口。

可选的，所述关联计算单元303，包括车辆确定子单元3031，用于在结束卡口属于区域卡口集合时，获取在预设时间范围内经过所述区域卡口集合中任一卡口的车辆为关联车辆。

可选的，所述装置300还包括卡口分析单元305，用于根据历史过车记录提取目标车辆的居住场所及工作场所对应的卡口；

所述卡口确定单元302，还用于排除结束卡口为目标车辆的居住场所及工作场所对应卡口的行驶路线。

可选的，所述关联计算单元303，包括积分计算子单元3032，用于根据目标车辆经过行驶路线中每个卡口的过车时间，计算每个卡口中关联车辆的过车时间与所述目标车辆的过车时间的时间差；根据所述时间差按照所述行驶路线倒序计算并叠加所述关联车辆在所述行驶路线中每个卡口的关联嫌疑积分，得到所述关联车辆在所述行驶路线中对应的关联嫌疑积分。

由此可见，本发明可以获取目标车辆在待分析时间段中的过车记录，根据过车记录及预设的卡口平均过车时间表确定目标车辆的行驶路线及该行驶路线中的结束卡口，并确定在预设时间范围内经过所述结束卡口的车辆为关联车辆；再根据目标车辆经过行驶路线中每个卡口的过车时间，计算行驶路线中关联车辆的关联嫌疑积分，最后通过统计关联车辆的总关联嫌疑积分来确定目标关联车辆。从而可以降低干扰数据量，提高关联车辆分析的效率及准确性，避免漏判、误判。

上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。

对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

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 (10)

1.一种关联车辆的分析方法，其特征在于，所述方法包括：

获取目标车辆在待分析时间段中的过车记录；

根据所述过车记录及预设的卡口平均过车时间表确定目标车辆的行驶路线及该行驶路线中的结束卡口；

确定在预设时间范围内经过所述结束卡口的车辆为关联车辆；根据目标车辆经过行驶路线中每个卡口的过车时间与每个卡口中关联车辆的过车时间，计算所述行驶路线中关联车辆的关联嫌疑积分；

当目标车辆在所述待分析时间段中存在至少两条行驶路线时，统计关联车辆的总关联嫌疑积分，并根据统计结果确定目标关联车辆。

2.根据权利要求1所述的方法，其特征在于，所述根据所述过车记录及预设的卡口平均过车时间表确定目标车辆的行驶路线及该行驶路线中的结束卡口，包括：

计算所述目标车辆的行驶路线中相邻两个卡口过车记录的时间差，当所述时间差与卡口平均过车时间表中对应两个卡口间的平均过车时间的差值超过预设阈值时，确定所述相邻两个卡口中过车记录在前的卡口为该行驶路线中的结束卡口。

3.根据权利要求1所述的方法，其特征在于，所述确定在预设时间范围内经过所述结束卡口的车辆为关联车辆，包括：

当结束卡口属于区域卡口集合时，获取在预设时间范围内经过所述区域卡口集合中任一卡口的车辆为关联车辆。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据历史过车记录提取目标车辆的居住场所及工作场所对应的卡口；

所述根据所述过车记录及预设的卡口平均过车时间表确定目标车辆的行驶路线及该行驶路线中的结束卡口，包括：

排除结束卡口为目标车辆的居住场所及工作场所对应卡口的行驶路线。

5.根据权利要求1所述的方法，其特征在于，所述根据目标车辆经过行驶路线中每个卡口的过车时间与每个卡口中关联车辆的过车时间，计算所述行驶路线中关联车辆的关联嫌疑积分，包括：

根据目标车辆经过行驶路线中每个卡口的过车时间，计算每个卡口中关联车辆的过车时间与所述目标车辆的过车时间的时间差；根据所述时间差按照所述行驶路线倒序计算并叠加所述关联车辆在所述行驶路线中每个卡口的关联嫌疑积分，得到所述关联车辆在所述行驶路线中对应的关联嫌疑积分。

6.一种关联车辆的分析装置，其特征在于，所述装置包括：

记录获取单元，用于获取目标车辆在待分析时间段中的过车记录；

卡口确定单元，用于根据所述过车记录及预设的卡口平均过车时间表确定目标车辆的行驶路线及该行驶路线中的结束卡口；

关联计算单元，用于确定在预设时间范围内经过所述结束卡口的车辆为关联车辆；根据目标车辆经过行驶路线中每个卡口的过车时间与每个卡口中关联车辆的过车时间，计算所述行驶路线中关联车辆的关联嫌疑积分；

积分统计单元，用于在目标车辆在所述待分析时间段中存在至少两条行驶路线时，统计关联车辆的总关联嫌疑积分，并根据统计结果确定目标关联车辆。

7.根据权利要求6所述的装置，其特征在于，

所述卡口确定单元，具体用于计算所述目标车辆的行驶路线中相邻两个卡口过车记录的时间差，当所述时间差与卡口平均过车时间表中对应两个卡口间的平均过车时间的差值超过预设阈值时，确定所述相邻两个卡口中过车记录在前的卡口为该行驶路线中的结束卡口。

8.根据权利要求6所述的装置，其特征在于，所述关联计算单元，包括车辆确定子单元，用于在结束卡口属于区域卡口集合时，获取在预设时间范围内经过所述区域卡口集合中任一卡口的车辆为关联车辆。

9.根据权利要求6所述的装置，其特征在于，

所述装置还包括卡口分析单元，用于根据历史过车记录提取目标车辆的居住场所及工作场所对应的卡口；

所述卡口确定单元，还用于排除结束卡口为目标车辆的居住场所及工作场所对应卡口的行驶路线。

10.根据权利要求6所述的装置，其特征在于，所述关联计算单元，包括积分计算子单元，用于根据目标车辆经过行驶路线中每个卡口的过车时间，计算每个卡口中关联车辆的过车时间与所述目标车辆的过车时间的时间差；根据所述时间差按照所述行驶路线倒序计算并叠加所述关联车辆在所述行驶路线中每个卡口的关联嫌疑积分，得到所述关联车辆在所述行驶路线中对应的关联嫌疑积分。