CN105788271A - 通过轨迹匹配识别目标移动对象的方法和装置 - Google Patents

通过轨迹匹配识别目标移动对象的方法和装置 Download PDF

Info

Publication number
CN105788271A
CN105788271A CN201610324736.3A CN201610324736A CN105788271A CN 105788271 A CN105788271 A CN 105788271A CN 201610324736 A CN201610324736 A CN 201610324736A CN 105788271 A CN105788271 A CN 105788271A
Authority
CN
China
Prior art keywords
reference trajectory
mobile object
doubtful
list
point
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
Application number
CN201610324736.3A
Other languages
English (en)
Other versions
CN105788271B (zh
Inventor
鄢小征
吴顺平
周成祖
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xiamen Meiya Pico Information Co Ltd
Original Assignee
Xiamen Meiya Pico Information Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xiamen Meiya Pico Information Co Ltd filed Critical Xiamen Meiya Pico Information Co Ltd
Priority to CN201610324736.3A priority Critical patent/CN105788271B/zh
Publication of CN105788271A publication Critical patent/CN105788271A/zh
Application granted granted Critical
Publication of CN105788271B publication Critical patent/CN105788271B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G08G1/0125—Traffic data processing
    • 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
    • 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
    • G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
    • G08G1/127—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams to a central station ; Indicators in a central station
    • G08G1/13—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams to a central station ; Indicators in a central station the indicator being in the form of a map
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请提供了一种通过轨迹匹配识别目标移动对象的方法和装置，所述方法包括：获取已知移动对象在给定时间段内的匹配基准轨迹点列表以及该已知移动对象在各匹配基准轨迹点的时间信息；遍历上述匹配基准轨迹点列表中的各匹配基准轨迹点，获取每个匹配基准轨迹点自己的疑似移动对象列表；统计上述疑似移动对象列表中各疑似移动对象的匹配数，将匹配数最大的疑似移动对象作为目标移动对象；其中，所述已知移动对象为车辆或移动终端；所述疑似移动对象为车辆或移动终端。本申请通过上述手段，能够从混合多种移动对象的海量数据中快速完成轨迹相似匹配，找到目标移动对象。

Description

通过轨迹匹配识别目标移动对象的方法和装置
技术领域
本申请涉及移动对象识别技术领域，特别地，涉及一种通过轨迹匹配识别目标移动对象的方法和装置。
背景技术
随着移动互联网的高速发展，高清摄像头的快速普及、物联网络的逐步建设、智能终端设备的广泛应用，各种移动设备的海量轨迹数据在大量形成，一些特殊的业务场景需要根据一个已知移动对象的轨迹，找到跟它轨迹相似的其他未知移动对象。例如，公开号为CN103456175A的中国专利文献中，公开了一种基于车辆号牌识别和网格化监控的伴随车实时检测方法，通过在网格化的卡口站点上布设监控系统，对监控系统获取的车辆信息进行伴随车实时检测，实现寻找并定位嫌疑车辆的目的。
但是，当移动对象不仅包括车辆，还包括各种移动终端时，由于不同类型移动对象的轨迹有不同的特征，现有技术无法从混合多种移动对象的海量数据中快速完成轨迹相似匹配，并找到目标移动对象。
发明内容
本申请提供一种通过轨迹匹配识别目标移动对象的方法和装置，用于解决现有技术无法从混合多种移动对象的海量数据中快速完成轨迹相似匹配并找到目标移动对象的问题。
本申请公开的一种通过轨迹匹配识别目标移动对象的方法，包括：获取已知移动对象在给定时间段内的匹配基准轨迹点列表以及该已知移动对象在各匹配基准轨迹点的时间信息；遍历上述匹配基准轨迹点列表中的各匹配基准轨迹点，获取每个匹配基准轨迹点自己的疑似移动对象列表；统计上述疑似移动对象列表中各疑似移动对象的匹配数，将匹配数最大的疑似移动对象作为目标移动对象；其中，所述已知移动对象为车辆或移动终端；所述疑似移动对象为车辆或移动终端。
优选的，获取每个匹配基准轨迹点自己的疑似移动对象列表，具体包括：在移动对象轨迹数据库中查找包含有与所述匹配基准轨迹点时间的偏差在预设时间偏差范围内的轨迹点的移动对象，形成由上述满足条件的移动对象组成的疑似移动对象列表。
优选的，在所述统计上述疑似移动对象列表中各疑似移动对象的匹配数步骤之前，所述方法还包括：从所述疑似移动对象列表中删除包含有轨迹点与匹配基准轨迹点之间的距离超过在预设时间偏差内疑似移动对象或已知移动对象能够移动的最长距离的疑似移动对象。
优选的，从所述疑似移动对象列表中删除包含有轨迹点与匹配基准轨迹点之间的距离超过了在预设时间偏差内疑似移动对象或已知移动对象能够移动的最长距离的疑似移动对象，具体包括：比较所述匹配基准轨迹点与各疑似移动对象的轨迹点时间，为每个疑似移动对象建立小于预设时间偏差的所述疑似移动对象的轨迹点与匹配基准轨迹点之间的对应关系；针对每个疑似移动对象，逐个判断上述具有对应关系的疑似移动对象的轨迹点与匹配基准轨迹点之间的距离是否超过在预设时间偏差内疑似移动对象或已知移动对象能够移动的最长距离，若是，则将该疑似移动对象从所述疑似移动对象列表中删除。
优选的，所述方法还包括：将已知移动对象与目标移动对象的轨迹在同一张地图上混合展现。
优选的，将两次经过同一个采集点且时间差大于预设时间间隔的匹配基准轨迹点作为两个匹配基准轨迹点；和/或，在获取已知移动对象在给定时间段内的匹配基准轨迹点列表以及该已知移动对象在各匹配基准轨迹点的时间信息的步骤之后，所述方法还包括：将以每个匹配基准轨迹点为圆心、以预设搜索距离为半径的圆范围内的其他采集点作为扩充的匹配基准轨迹点，添加到匹配基准轨迹点列表。
本申请公开的一种通过轨迹匹配识别目标移动对象的装置，包括：匹配基准列表获取模块，用于获取已知移动对象在给定时间段内的匹配基准轨迹点列表以及该已知移动对象在各匹配基准轨迹点的时间信息；匹配对象列表生成模块，用于遍历上述匹配基准轨迹点列表中的各匹配基准轨迹点，获取每个匹配基准轨迹点自己的疑似移动对象列表；匹配对象统计模块，统计上述疑似移动对象列表中各疑似移动对象的匹配数，将匹配数最大的疑似移动对象作为目标移动对象；其中，所述已知移动对象为车辆或移动终端；所述疑似移动对象为车辆或移动终端。
优选的，所述匹配对象列表生成模块具体以与所述匹配基准轨迹点时间的偏差在预设时间偏差范围内为条件，从移动对象轨迹数据库中筛选移动对象，形成疑似移动对象列表；所述装置还包括：不合理对象删出模块，用于从所述疑似移动对象列表中删除包含有轨迹点与匹配基准轨迹点之间的距离超过在预设时间偏差内疑似移动对象或已知移动对象能够移动的最长距离的疑似移动对象。
优选的，所述装置还包括：混合轨迹展现模块，用于将已知移动对象与目标移动对象的轨迹在同一张地图上混合展现。
优选的，所述装置还包括：第一基准列表扩充模块，用于将两次经过同一个采集点且时间差大于预设时间间隔的匹配基准轨迹点作为两个匹配基准轨迹点；和/或，第二基准列表扩充模块，用于将以每个匹配基准轨迹点列表中的匹配基准轨迹点为圆心、以预设搜索距离为半径的圆范围内的其他采集点作为扩充的匹配基准轨迹点，添加到匹配基准轨迹点列表。
与现有技术相比，本申请具有以下优点：
本申请优选实施例通过上述手段，能够从混合多种移动对象的海量数据中快速完成轨迹相似匹配，找到目标移动对象，特别是对于在移动互联网的高速发展，高清摄像头的快速普及、物联网络的逐步建设、智能终端设备的广泛应用的今天、以及将来，在一些特殊的业务场景中，本申请方案能够满足其特定的应用需求。
附图说明
图1为本申请通过轨迹匹配识别目标移动对象的方法第一实施例的流程图；
图2为本申请通过轨迹匹配识别目标移动对象的方法第二实施例的流程图；
图3为本申请通过轨迹匹配识别目标移动对象的方法具体实施例中多对象轨迹混合展示示意图；
图4为本申请通过轨迹匹配识别目标移动对象的装置一实施例的结构示意图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。
在本申请的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。“多个”的含义是两个或两个以上，除非另有明确具体的限定。术语“包括”、“包含”及类似术语应该被理解为是开放性的术语，即“包括/包含但不限于”。术语“基于”是“至少部分地基于”。术语“一实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”。其他术语的相关定义将在下文描述中给出。
参照图1，示出了本申请通过轨迹匹配识别目标移动对象的方法第一实施例的流程，能够通过一个已知移动对象，找出给定时间段内跟这个移动对象轨迹相似的其他移动对象集合；本申请方案中的移动对象可以是车辆、各种移动终端；不同类型的移动对象可以混合计算，如果已知的移动对象是移动终端，找出的目标移动对象可以是其他移动终端，或车辆；如果已知的移动对象是车辆，找出的目标移动对象可以是其他车辆，或移动终端；本优选方法实施例包括以下步骤：
步骤S101：获取已知移动对象在给定时间段内的匹配基准轨迹点列表以及该已知移动对象在各匹配基准轨迹点的时间信息；
在进一步的优选实施例中，为了增加后续疑似移动对象的搜索范围，找到吻合度更高的目标移动对象，还可以通过如下方式之一或组合增加采集点：
方式一：将两次经过同一个采集点且时间差大于预设时间间隔（如1小时）的匹配基准轨迹点作为两个匹配基准轨迹点；
方式二：将以每个匹配基准轨迹点为圆心、以预设搜索距离为半径的圆所限定的范围内其他采集点作为扩充的匹配基准轨迹点，添加到匹配基准轨迹点列表。
步骤S103：遍历上述匹配基准轨迹点列表中的各匹配基准轨迹点，获取每个匹配基准轨迹点自己的疑似移动对象列表；
具体实施时，可以采用如下方式获取每个匹配基准轨迹点自己的疑似移动对象列表：
在移动对象轨迹数据库中查找包含有与所述匹配基准轨迹点时间的偏差在预设时间偏差范围内的轨迹点的移动对象，形成由上述满足条件的移动对象组成的疑似移动对象列表。
步骤S105：统计上述疑似移动对象列表中各疑似移动对象的匹配数，将匹配数最大的疑似移动对象作为目标移动对象；
其中，所述已知移动对象为车辆或移动终端；所述疑似移动对象为车辆或移动终端。
参照图2，示出了本申请通过轨迹匹配识别目标移动对象的方法第二实施例的流程，与上述第一方法实施例的区别在于，本优选实施例还可以对计算过程中涉及的轨迹数据进行时空分析，以进一步缩小目标范围，并提供校验结果的展示方法。具体的，在步骤S105之前，还包括：
步骤S104：从所述疑似移动对象列表中删除包含有轨迹点与对应匹配基准轨迹点之间的距离超过在预设时间偏差内疑似移动对象或已知移动对象能够移动的最长距离的疑似移动对象。
例如，假设已知移动对象M0在第1个采集点（或匹配基准轨迹点）L[0]的进入时间是8：40、离开时间是8：45，当预设时间偏差是2分钟时，为L[0]查找疑似匹配者（或疑似移动对象）的判断条件为8：38～8：47。
具体实施时，步骤S104具体可以包括：
步骤S104-1：比较所述匹配基准轨迹点与各疑似移动对象的轨迹点时间，为每个疑似移动对象建立小于预设时间偏差的所述疑似移动对象的轨迹点与匹配基准轨迹点之间的对应关系；
步骤S104-2：针对每个疑似移动对象，逐个判断上述具有对应关系的疑似移动对象的轨迹点与匹配基准轨迹点之间的距离是否超过在预设时间偏差内疑似移动对象或已知移动对象能够移动的最长距离，若是，则将该疑似移动对象从所述疑似移动对象列表中删除。
在另一优选实施例中，为了确认匹配结果（即目标移动对象）与已知移动对象轨迹的吻合度，方便人工辅助研判，步骤S105之后还可以包括：
步骤S106：将已知移动对象与目标移动对象的轨迹在同一张地图上混合展现。
下面，结合具体实例描述本申请利用轨迹匹配的方式识别目标移动对象的方法。在本具体实例中，假定已知移动对象为M0，在给定时间段内（T1～T2）M0的移动轨迹中包括L[0]、L[1]、L[2]等3个轨迹点（匹配基准轨迹点），本申请识别与M0的轨迹吻合或相似的其他移动对象的方法具体包括：
步骤S201：根据M0、T1、T2，获得M0经过的采集点列表L，L以各采集点ID加上停留时间区分，同时允许附加其他限定条件，包括：
条件一：两次经过时间间隔S（以1小时为例说明）；M0两次出现在一个采集点上的时间间隔超过1小时，在L列表中算两个。
条件二：搜索半径R（单位米）；以L中每个采集点为中心、半径R范围内的其他采集点也加入L，作为下一步搜索范围；
步骤S202：遍历列表L，找到每个采集点各自的疑似匹配者列表。
需要考虑的条件包括：时间偏差，比如M0在L[1]的进入时间是9：00、离开时间是9：05，如果预设时间偏差是2分钟，那么为L[1]查找疑似匹配者的时候，在L[1]停留时间为8：58～9：07的都计算在内。其中：
经过L[0]的疑似移动对象包括：M1，M2，M3，M4
经过L[1]的疑似移动对象包括：M1，M2，M3
经过L[2]的疑似移动对象包括：M1，M5
步骤S203：统计各疑似移动对象的匹配情况，并按匹配数倒序排列，结果如表一所示。
表一、各疑似移动对象匹配情况表
疑似移动对象编号 匹配数
M1 3
M2 24 -->
M3 2
M4 1
M5 1
表一中匹配数越大的移动对象，表示其轨迹与M0的相似度越高。
步骤S204：缩小目标范围。
根据上述方法得到的初步匹配结果数量可能很多，而且大部分都不是完全吻合，为了进一步缩小范围可能采用以下方法进行排除。
对匹配基准轨迹点（已知移动对象M0经过的轨迹）与匹配结果轨迹点（目标移动对象M1～M5经过的轨迹）进行比较，在时间偏差内，如果出现不合理的位置移动速度（比如车辆在2分钟范围内移动距离超过6公里），即可排除该匹配者，进而缩小目标范围。
具体步骤分为：
步骤S204-1：根据移动对象M0得到的集合与所有匹配结果集合进行时间比较，得到在合理时间偏差（假设预设时间偏差为2分钟）内的n个有对应关系的对象，形成对应关系集合C1、C2、C3……Cn。
步骤S204-2：对集合C1内的映射点P1(M0的轨迹点)与点P2（M1～M5的轨迹点）进行比较，若被比较两点间的距离超过了两点时间差内可能移动的最长距离，则说明当前两点不符合现实情况，当前匹配者被排除，继续与下一匹配结果进行比较。反之继续比较集合C2内的点，直到Cn。
匹配基准轨迹点与匹配结果轨迹点在偏差时间和偏差距离内同时出现的地点称为匹配地点。匹配地点越多，说明吻合度越高，对人工研判有重大参考价值。
步骤S204-5：匹配结果的校验。
为了确认匹配结果跟已知对象轨迹的吻合度，多个对象的轨迹可以混合在一起综合展示，以方便辅助人工研判。
以图3所示的展现结果为例，假设轨迹21是移动终端的移动轨迹（已知移动对象），轨迹22是车辆的移动轨迹（目标移动对象，通过本申请方案匹配找到），圆圈23表示满足匹配条件的移动终端的匹配基准轨迹点和目标移动对象的轨迹点。通过混合展示两种移动对象的轨迹，可直观的展示轨迹相似度。
对于前述的各方法实施例，为了描述简单，故将其都表述为一系列的动作组合，但是本领域的技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为根据本申请，某些步骤可以采用其他顺序或同时执行；其次，本领域技术人员也应该知悉，上述方法实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
参照图4，示出了本申请通过轨迹匹配识别目标移动对象的装置一实施例的结构示意图，在本优选实施例中，已知移动对象可以为车辆，也可以是移动终端；移动对象轨迹数据库中保存的数据混合有车辆和各种移动终端的轨迹。本优选实施例装置包括：
匹配基准列表获取模块31，用于获取已知移动对象在给定时间段内的匹配基准轨迹点列表以及该已知移动对象在各匹配基准轨迹点的时间信息。
匹配对象列表生成模块32，用于遍历上述匹配基准轨迹点列表中的各匹配基准轨迹点，获取每个匹配基准轨迹点自己的疑似移动对象列表。
在具体实施时，匹配对象列表生成模块32具体可以采用与所述匹配基准轨迹点时间的偏差在预设时间偏差范围内为条件，从移动对象轨迹数据库中筛选移动对象，形成疑似移动对象列表。
匹配对象统计模块33，统计上述疑似移动对象列表中各疑似移动对象的匹配数，将匹配数最大的疑似移动对象作为目标移动对象。
在另一优选实施例中，所述装置还可以包括不合理对象删出模块34、混合轨迹展现模块35、第一基准列表扩充模块36、和/或第二基准列表扩充模块37，其中：
不合理对象删出模块34，用于从所述疑似移动对象列表中删除包含有轨迹点与对应匹配基准轨迹点之间的距离超过在预设时间偏差内疑似移动对象或已知移动对象能够移动的最长距离的疑似移动对象。
具体实施时，上述不合理对象删出模块34可以包括：
轨迹点对应关系建立子模块，用于比较匹配基准轨迹点与各疑似移动对象的轨迹点时间，为每个疑似移动对象建立小于预设时间偏差的所述疑似移动对象的轨迹点与匹配基准轨迹点之间的对应关系；
不合理移动对象删除子模块，用于针对每个疑似移动对象，逐个判断上述具有对应关系的疑似移动对象的轨迹点与匹配基准轨迹点之间的距离是否超过在预设时间偏差内疑似移动对象或已知移动对象能够移动的最长距离（即出现不合理位置移动速度的情况），若是，则将该疑似移动对象从所述疑似移动对象列表中删除。
混合轨迹展现模块35，用于将已知移动对象与目标移动对象的轨迹在同一张地图上混合展现。
第一基准列表扩充模块36，用于将两次经过同一个采集点且时间差大于预设时间间隔的匹配基准轨迹点作为两个匹配基准轨迹点。
第二基准列表扩充模块37，用于将以每个匹配基准轨迹点列表中的匹配基准轨迹点为圆心、以预设搜索距离为半径的圆范围内其他采集点作为扩充的匹配基准轨迹点，添加到匹配基准轨迹点列表。
需要说明的是，上述装置实施例属于优选实施例，所涉及的单元和模块并不一定是本申请所必须的。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于本申请的装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上对本申请所提供的一种通过轨迹匹配识别目标移动对象的方法和装置，进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种通过轨迹匹配识别目标移动对象的方法，其特征在于，包括：
获取已知移动对象在给定时间段内的匹配基准轨迹点列表以及该已知移动对象在各匹配基准轨迹点的时间信息；
遍历上述匹配基准轨迹点列表中的各匹配基准轨迹点，获取每个匹配基准轨迹点自己的疑似移动对象列表；
统计上述疑似移动对象列表中各疑似移动对象的匹配数，将匹配数最大的疑似移动对象作为目标移动对象；
其中，所述已知移动对象为车辆或移动终端；所述疑似移动对象为车辆或移动终端。
2.根据权利要求1所述的方法，其特征在于，获取每个匹配基准轨迹点自己的疑似移动对象列表，具体包括：
在移动对象轨迹数据库中查找包含有与所述匹配基准轨迹点时间的偏差在预设时间偏差范围内的轨迹点的移动对象，形成由上述满足条件的移动对象组成的疑似移动对象列表。
3.根据权利要求2所述的方法，其特征在于，在所述统计上述疑似移动对象列表中各疑似移动对象的匹配数步骤之前，所述方法还包括：
从所述疑似移动对象列表中删除包含有轨迹点与匹配基准轨迹点之间的距离超过在预设时间偏差内疑似移动对象或已知移动对象能够移动的最长距离的疑似移动对象。
4.根据权利要求3所述的方法，其特征在于，从所述疑似移动对象列表中删除包含有轨迹点与匹配基准轨迹点之间的距离超过了在预设时间偏差内疑似移动对象或已知移动对象能够移动的最长距离的疑似移动对象，具体包括：
比较所述匹配基准轨迹点与各疑似移动对象的轨迹点时间，为每个疑似移动对象建立小于预设时间偏差的所述疑似移动对象的轨迹点与匹配基准轨迹点之间的对应关系；
针对每个疑似移动对象，逐个判断上述具有对应关系的疑似移动对象的轨迹点与匹配基准轨迹点之间的距离是否超过在预设时间偏差内疑似移动对象或已知移动对象能够移动的最长距离，若是，则将该疑似移动对象从所述疑似移动对象列表中删除。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：将已知移动对象与目标移动对象的轨迹在同一张地图上混合展现。
6.根据权利要求1所述的方法，其特征在于：
将两次经过同一个采集点且时间差大于预设时间间隔的匹配基准轨迹点作为两个匹配基准轨迹点；
和/或，
在获取已知移动对象在给定时间段内的匹配基准轨迹点列表以及该已知移动对象在各匹配基准轨迹点的时间信息的步骤之后，所述方法还包括：将以每个匹配基准轨迹点为圆心、以预设搜索距离为半径的圆范围内的其他采集点作为扩充的匹配基准轨迹点，添加到匹配基准轨迹点列表。
7.一种通过轨迹匹配识别目标移动对象的装置，其特征在于，包括：
匹配基准列表获取模块，用于获取已知移动对象在给定时间段内的匹配基准轨迹点列表以及该已知移动对象在各匹配基准轨迹点的时间信息；
匹配对象列表生成模块，用于遍历上述匹配基准轨迹点列表中的各匹配基准轨迹点，获取每个匹配基准轨迹点自己的疑似移动对象列表；
匹配对象统计模块，统计上述疑似移动对象列表中各疑似移动对象的匹配数，将匹配数最大的疑似移动对象作为目标移动对象；
其中，所述已知移动对象为车辆或移动终端；所述疑似移动对象为车辆或移动终端。
8.根据权利要求7所述的装置，其特征在于：
所述匹配对象列表生成模块具体以与所述匹配基准轨迹点时间的偏差在预设时间偏差范围内为条件，从移动对象轨迹数据库中筛选移动对象，形成疑似移动对象列表；
所述装置还包括：不合理对象删出模块，用于从所述疑似移动对象列表中删除包含有轨迹点与匹配基准轨迹点之间的距离超过在预设时间偏差内疑似移动对象或已知移动对象能够移动的最长距离的疑似移动对象。
9.根据权利要求7所述的装置，其特征在于，所述装置还包括：混合轨迹展现模块，用于将已知移动对象与目标移动对象的轨迹在同一张地图上混合展现。
10.根据权利要求7所述的装置，其特征在于，所述装置还包括：
第一基准列表扩充模块，用于将两次经过同一个采集点且时间差大于预设时间间隔的匹配基准轨迹点作为两个匹配基准轨迹点；
和/或，
第二基准列表扩充模块，用于将以每个匹配基准轨迹点列表中的匹配基准轨迹点为圆心、以预设搜索距离为半径的圆范围内的其他采集点作为扩充的匹配基准轨迹点，添加到匹配基准轨迹点列表。
CN201610324736.3A 2016-05-17 2016-05-17 通过轨迹匹配识别目标移动对象的方法和装置 Active CN105788271B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610324736.3A CN105788271B (zh) 2016-05-17 2016-05-17 通过轨迹匹配识别目标移动对象的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610324736.3A CN105788271B (zh) 2016-05-17 2016-05-17 通过轨迹匹配识别目标移动对象的方法和装置

Publications (2)

Publication Number Publication Date
CN105788271A true CN105788271A (zh) 2016-07-20
CN105788271B CN105788271B (zh) 2019-03-12

Family

ID=56378914

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610324736.3A Active CN105788271B (zh) 2016-05-17 2016-05-17 通过轨迹匹配识别目标移动对象的方法和装置

Country Status (1)

Country Link
CN (1) CN105788271B (zh)

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107783995A (zh) * 2016-08-26 2018-03-09 杭州海康威视数字技术股份有限公司 一种目标对象检索方法及装置
CN107998656A (zh) * 2017-11-22 2018-05-08 福建天晴数码有限公司 一种编排方法及终端
CN108710139A (zh) * 2018-03-30 2018-10-26 浦甲鑫 一种基于gps实时位置大数据的信息处理方法、装置及其系统
CN108732604A (zh) * 2018-04-09 2018-11-02 深圳市成为信息技术有限公司 一种防止驾驶培训中作弊的方法
CN108924759A (zh) * 2017-04-06 2018-11-30 阿里巴巴集团控股有限公司 识别移动发生器的方法、装置及系统
CN109816699A (zh) * 2019-01-30 2019-05-28 华通科技有限公司 一种基于背景抑制帧间差分法的云台角度计算方法
WO2019111168A1 (en) * 2017-12-07 2019-06-13 International Business Machines Corporation Location calibration based on movement path and map objects
CN110139221A (zh) * 2019-05-09 2019-08-16 特斯联（北京）科技有限公司 一种基于手机信号微卡口的人口集群动态监测方法与系统
CN110134126A (zh) * 2019-05-15 2019-08-16 百度在线网络技术（北京）有限公司 轨迹匹配方法、装置、设备和介质
CN111078923A (zh) * 2019-12-18 2020-04-28 北京中交兴路车联网科技有限公司 查找违法嫌疑车辆的方法、装置及存储介质
CN111291141A (zh) * 2018-12-07 2020-06-16 阿里巴巴集团控股有限公司 一种轨迹相似度确定方法及装置
CN111651664A (zh) * 2020-04-24 2020-09-11 北京中交兴路车联网科技有限公司 一种基于事故位置点的事故车辆定位方法、装置、存储介质及终端
CN112100308A (zh) * 2020-11-02 2020-12-18 中科星图股份有限公司 一种北斗时空轨迹的相似性查询方法
CN112927498A (zh) * 2021-01-20 2021-06-08 蔡家斌 一种基于智慧交通监控的数据分析方法及装置
CN113096434A (zh) * 2020-12-18 2021-07-09 中国银联股份有限公司 用于管理停车位的方法、计算机系统和计算机可读介质
CN113537030A (zh) * 2021-07-10 2021-10-22 广州珠江住房租赁发展投资有限公司 一种适用于社区及施工现场内的人员监控方法及系统
CN114842665A (zh) * 2021-02-02 2022-08-02 中国银联股份有限公司 用于智能管理停车位的方法、计算机系统和可读介质
CN117557789A (zh) * 2024-01-12 2024-02-13 国研软件股份有限公司 一种海上目标的智能化检测方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050058323A1 (en) * 2003-09-12 2005-03-17 Tomas Brodsky System and method for counting cars at night
US20060220922A1 (en) * 2001-09-11 2006-10-05 Zonar Compliance Systems, Llc System and method to associate geographical position data collected from a vehicle with a specific route
JP2009009443A (ja) * 2007-06-29 2009-01-15 Mitsubishi Research Institute Inc マップマッチング装置、マップマッチング方法及びそのプログラム
CN101866545A (zh) * 2010-05-11 2010-10-20 中国科学院软件研究所 移动对象路网匹配轨迹的采集方法
CN103237201A (zh) * 2013-04-28 2013-08-07 江苏物联网研究发展中心 一种基于社会化标注的案件视频研判方法
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
CN103714553A (zh) * 2012-10-09 2014-04-09 杭州海康威视数字技术股份有限公司 一种多目标跟踪方法和装置
CN104660987A (zh) * 2015-01-27 2015-05-27 武汉烽火众智数字技术有限责任公司 一种目标运动轨迹分析的方法和监控系统
CN104715612A (zh) * 2013-12-12 2015-06-17 南京中兴力维软件有限公司 基于行车轨迹匹配实现的嫌疑车辆跟踪方法及装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060220922A1 (en) * 2001-09-11 2006-10-05 Zonar Compliance Systems, Llc System and method to associate geographical position data collected from a vehicle with a specific route
US20050058323A1 (en) * 2003-09-12 2005-03-17 Tomas Brodsky System and method for counting cars at night
JP2009009443A (ja) * 2007-06-29 2009-01-15 Mitsubishi Research Institute Inc マップマッチング装置、マップマッチング方法及びそのプログラム
CN101866545A (zh) * 2010-05-11 2010-10-20 中国科学院软件研究所 移动对象路网匹配轨迹的采集方法
CN103714553A (zh) * 2012-10-09 2014-04-09 杭州海康威视数字技术股份有限公司 一种多目标跟踪方法和装置
CN103237201A (zh) * 2013-04-28 2013-08-07 江苏物联网研究发展中心 一种基于社会化标注的案件视频研判方法
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
CN104715612A (zh) * 2013-12-12 2015-06-17 南京中兴力维软件有限公司 基于行车轨迹匹配实现的嫌疑车辆跟踪方法及装置
CN104660987A (zh) * 2015-01-27 2015-05-27 武汉烽火众智数字技术有限责任公司 一种目标运动轨迹分析的方法和监控系统

Cited By (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107783995A (zh) * 2016-08-26 2018-03-09 杭州海康威视数字技术股份有限公司 一种目标对象检索方法及装置
CN107783995B (zh) * 2016-08-26 2020-09-04 杭州海康威视数字技术股份有限公司 一种目标对象检索方法及装置
CN108924759A (zh) * 2017-04-06 2018-11-30 阿里巴巴集团控股有限公司 识别移动发生器的方法、装置及系统
CN108924759B (zh) * 2017-04-06 2021-03-09 阿里巴巴集团控股有限公司 识别移动发生器的方法、装置及系统
CN107998656B (zh) * 2017-11-22 2020-12-22 福建天晴数码有限公司 一种编排方法及终端
CN107998656A (zh) * 2017-11-22 2018-05-08 福建天晴数码有限公司 一种编排方法及终端
GB2583295A (en) * 2017-12-07 2020-10-21 Ibm Location calibration based on movement path and map objects
WO2019111168A1 (en) * 2017-12-07 2019-06-13 International Business Machines Corporation Location calibration based on movement path and map objects
US20210116251A1 (en) * 2017-12-07 2021-04-22 International Business Machines Corporation Location calibration based on movement path and map objects
US11898852B2 (en) * 2017-12-07 2024-02-13 International Business Machines Corporation Location calibration based on movement path and map objects
US10921133B2 (en) 2017-12-07 2021-02-16 International Business Machines Corporation Location calibration based on movement path and map objects
GB2583295B (en) * 2017-12-07 2022-04-06 Ibm Location calibration based on movement path and map objects
CN108710139A (zh) * 2018-03-30 2018-10-26 浦甲鑫 一种基于gps实时位置大数据的信息处理方法、装置及其系统
CN108732604A (zh) * 2018-04-09 2018-11-02 深圳市成为信息技术有限公司 一种防止驾驶培训中作弊的方法
CN111291141A (zh) * 2018-12-07 2020-06-16 阿里巴巴集团控股有限公司 一种轨迹相似度确定方法及装置
CN111291141B (zh) * 2018-12-07 2023-06-20 阿里巴巴集团控股有限公司 一种轨迹相似度确定方法及装置
CN109816699A (zh) * 2019-01-30 2019-05-28 华通科技有限公司 一种基于背景抑制帧间差分法的云台角度计算方法
CN109816699B (zh) * 2019-01-30 2021-07-27 国网智能科技股份有限公司 一种基于背景抑制帧间差分法的云台角度计算方法
CN110139221A (zh) * 2019-05-09 2019-08-16 特斯联（北京）科技有限公司 一种基于手机信号微卡口的人口集群动态监测方法与系统
CN110134126A (zh) * 2019-05-15 2019-08-16 百度在线网络技术（北京）有限公司 轨迹匹配方法、装置、设备和介质
CN110134126B (zh) * 2019-05-15 2022-08-23 百度在线网络技术（北京）有限公司 轨迹匹配方法、装置、设备和介质
CN111078923A (zh) * 2019-12-18 2020-04-28 北京中交兴路车联网科技有限公司 查找违法嫌疑车辆的方法、装置及存储介质
CN111078923B (zh) * 2019-12-18 2024-02-27 北京中交兴路车联网科技有限公司 查找违法嫌疑车辆的方法、装置及存储介质
CN111651664A (zh) * 2020-04-24 2020-09-11 北京中交兴路车联网科技有限公司 一种基于事故位置点的事故车辆定位方法、装置、存储介质及终端
CN111651664B (zh) * 2020-04-24 2023-10-24 北京中交兴路车联网科技有限公司 基于事故位置点的事故车辆定位方法、装置、存储介质及电子设备
CN112100308A (zh) * 2020-11-02 2020-12-18 中科星图股份有限公司 一种北斗时空轨迹的相似性查询方法
CN113096434A (zh) * 2020-12-18 2021-07-09 中国银联股份有限公司 用于管理停车位的方法、计算机系统和计算机可读介质
CN112927498B (zh) * 2021-01-20 2022-07-29 广州新流向电子科技有限公司 一种基于智慧交通监控的数据分析方法及装置
CN112927498A (zh) * 2021-01-20 2021-06-08 蔡家斌 一种基于智慧交通监控的数据分析方法及装置
CN114842665A (zh) * 2021-02-02 2022-08-02 中国银联股份有限公司 用于智能管理停车位的方法、计算机系统和可读介质
CN113537030A (zh) * 2021-07-10 2021-10-22 广州珠江住房租赁发展投资有限公司 一种适用于社区及施工现场内的人员监控方法及系统
CN117557789A (zh) * 2024-01-12 2024-02-13 国研软件股份有限公司 一种海上目标的智能化检测方法及系统
CN117557789B (zh) * 2024-01-12 2024-04-09 国研软件股份有限公司 一种海上目标的智能化检测方法及系统

Also Published As

Publication number Publication date
CN105788271B (zh) 2019-03-12

Similar Documents

Publication Publication Date Title
CN105788271A (zh) 通过轨迹匹配识别目标移动对象的方法和装置
Ahmad et al. {CarMap}: Fast 3d feature map updates for automobiles
CN106323301B (zh) 一种道路情报的获取方法及装置
Trajcevski et al. The geometry of uncertainty in moving objects databases
Yu et al. Online clustering for trajectory data stream of moving objects
Tork Spatio-temporal clustering methods classification
CN104318781B (zh) 基于rfid技术的行程速度获取方法
CN104270818A (zh) 一种停车场中车辆的无线定位方法
CN105513339A (zh) 一种车辆轨迹分析方法和设备
CN105160871A (zh) 一种高速公路客车临时上下人识别的方法
CN103365886A (zh) 车联网中的空间事件的查询方法和优化查询器
CN105138525A (zh) 交通视频处理装置和方法及检索装置和方法
CN111444294A (zh) 一种轨迹补全方法、装置及电子设备
Huang et al. Modeling herds and their evolvements from trajectory data
Yuan et al. Toward space-time buffering for spatiotemporal proximity analysis of movement data
CN114550449A (zh) 车辆轨迹补全方法、装置、计算机可读介质及电子设备
CN103971519A (zh) 一种利用交通冲突判别事故易发路段的方法及其系统
CN108257406B (zh) 终端、服务器和驾驶数据分享方法
KR102054984B1 (ko) 위치 정보를 이용한 분석용 경로 데이터 생성 방법과, 생성 시스템과, 위치 정보를 이용한 분석용 경로 데이터 생성 서비스를 운영하는 방법 및 운영 시스템
DE112016007440T5 (de) Fahrradverfolgung für Bike-Sharing-System
CN107167149B (zh) 一种街景视图制作方法及系统
US10419885B2 (en) Communication device and method, and computer program product for associating a mobile telephony identifier and a computer network identifier
Moosavi et al. Annotation of car trajectories based on driving patterns
Yadamjav et al. Querying continuous recurrent convoys of interest
Minea et al. Unconventional public transport anonymous data collection employing artificial intelligence

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant