CN106097708B - 一种跟车确定方法及装置 - Google Patents
一种跟车确定方法及装置 Download PDFInfo
- Publication number
- CN106097708B CN106097708B CN201610396665.8A CN201610396665A CN106097708B CN 106097708 B CN106097708 B CN 106097708B CN 201610396665 A CN201610396665 A CN 201610396665A CN 106097708 B CN106097708 B CN 106097708B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- bayonet
- follow
- time
- bus
- 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
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
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种跟车确定方法及装置,所述方法包括:获取跟车分析的起始时间与结束时间之间的时间范围内的所有过车数据;根据所述过车数据确定各车辆在所述时间范围内经过的卡口,以及经过各卡口的时间;对于任一车辆,根据最小跟车次数确定该车辆在所述时间范围内经过的卡口集合包括的子集;若存在包括相同子集的第一目标车辆和第二目标车辆,且所述第一目标车辆和第二目标车辆经过所述相同子集中同一元素对应的卡口的时间差均小于等于预设时间差阈值,则确定所述第一目标车辆和所述第二目标车辆形成跟车。应用本发明实施例可以提高跟车确定效率。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种跟车确定方法及装置。
背景技术
随着交通行业蓬勃发展,每时每分产生的过车数据越来越多。传统的数据分析策略,在大数据情况下,已经越来越不能满足人们实时性和准确性的要求了。例如,在大数据量(一亿以上)的情况下,若需要分析全部的过车数据,确定哪些存在跟车嫌疑,按照传统的从关系型数据库中读取数据、分析、输出结果的实现方式的效率将会很低。其中,跟车是指两辆车先后经过相同的若干个卡口,且经过相同卡口的时间差小于预设时间差。
因此,如何提高跟车确定的效率成为一个亟待解决的技术问题。
发明内容
本发明提供一种跟车确定方法及装置,以提高跟车确定的效率。
根据本发明的第一方面,提供一种跟车确定方法,包括:
获取跟车分析的起始时间与结束时间之间的时间范围内的所有过车数据;
根据所述过车数据确定各车辆在所述时间范围内经过的卡口,以及经过各卡口的时间;
对于任一车辆,根据最小跟车次数确定该车辆在所述时间范围内经过的卡口集合包括的子集;其中,各子集的元素为车辆在所述时间范围内经过的卡口,各子集中元素的数量等于所述最小跟车次数,同一车辆在不同时间经过的相同卡口属于不同元素;
判断是否存在包括相同子集的第一目标车辆和第二目标车辆;
若存在包括相同子集的第一目标车辆和第二目标车辆,则判断所述第一目标车辆和第二目标车辆经过所述相同子集中同一元素对应的卡口的时间差是否均小于等于预设时间差阈值;
若所述第一目标车辆和第二目标车辆经过所述相同子集中同一元素对应的卡口的时间差均小于等于预设时间差阈值,则确定所述第一目标车辆和所述第二目标车辆形成跟车。
根据本发明的第二方面,提供一种跟车确定装置,包括:
获取单元,用于获取跟车分析的起始时间与结束时间之间的时间范围内的所有过车数据;
第一确定单元,用于根据所述过车数据确定各车辆在所述时间范围内经过的卡口,以及经过各卡口的时间;
第二确定单元,用于对于任一车辆,根据最小跟车次数确定该车辆在所述时间范围内经过的卡口集合包括的子集;其中,各子集的元素为车辆在所述时间范围内经过的卡口,各子集中元素的数量等于所述最小跟车次数,同一车辆在不同时间经过的相同卡口属于不同元素;
判断单元,用于判断是否存在包括相同子集的第一目标车辆和第二目标车辆;
所述判断单元,还用于若存在包括相同子集的第一目标车辆和第二目标车辆,则判断所述第一目标车辆和第二目标车辆经过所述相同子集中同一元素对应的卡口的时间差是否均小于等于预设时间差阈值;
第三确定单元,用于若所述第一目标车辆和第二目标车辆经过所述相同子集中同一元素对应的卡口的时间差均小于等于预设时间差阈值,则确定所述第一目标车辆和所述第二目标车辆形成跟车。
应用本发明公开的技术方案,通过收集各车辆在跟车分析的起始时间与结束时间之间的时间范围内经过的卡口,以及经过各卡口的时间,并根据最小跟车次数确定各车辆在该时间范围内经过的卡口集合包括的子集,进而通过判断是否存在包括相同子集的第一目标车辆和第二目标车辆,以及包括相同子集的第一目标车辆和第二目标车辆经过相同子集中同一元素对应的卡口的时间差是否均小于预设时间差阈值的方式确定是否存在跟车,与传统跟车确定方案相比,减少了需要分析的数据量,降低了分析复杂度,提高了跟车确定效率。
附图说明
图1是本发明实施例提供的一种跟车确定方法的流程示意图;
图2是本发明实施例提供的一种跟车确定装置的结构示意图;
图3是本发明实施例提供的另一种跟车确定装置的结构示意图;
图4是本发明实施例提供的另一种跟车确定装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明实施例中的技术方案,并使本发明实施例的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明实施例中技术方案作进一步详细的说明。
请参见图1,图1为本发明实施例提供的一种跟车确定方法的流程示意图,如图1所示,该跟车确定方法可以包括:
步骤101、获取跟车分析的起始时间与结束时间之间的时间范围内的所有过车数据。
本发明实施例中,上述方法可以应用于智能交通系统,如智能交通系统的后台服务器,为便于描述,以下以上述方法的执行主体为服务器为例进行说明。
本发明实施例中,服务器可以根据用户输入的跟车分析的起始时间与结束时间(如2016-5-10-9:00:00~2016-5-10-10:00:00),从数据库中获取跟车分析的起始时间与结束时间之间的时间范围内的所有过车数据。
本发明实施例中,为了提高服务器获取过车数据的效率,数据库中的过车数据可以采用Hbase(一种分布式的、面向列的开源数据库)存储方式,相应地,服务器可以根据跟车分析的起始时间与结束时间查询HBase格式的车牌索引表中timestamp(时间戳)字段,筛选出对应的时间在跟车分析的起始时间与结束时间之间的时间范围内的车牌信息,并从卡口索引表中筛选出对应的卡口信息。
其中,将过车数据以HBase存储方式进行存储的具体实现可以参见现有相关实现中的相关描述,本发明实施例在此不做赘述。
步骤102、根据获取到的过车数据确定各车辆在该时间范围内经过的卡口,以及经过各卡口的时间。
本发明实施例中,服务器获取到跟车分析的起始时间与结束时间之间的时间范围内的所有过车数据之后,可以根据该过车数据确定各车辆在该时间范围内经过的卡口,以及经过各卡口的时间。
例如,车辆p1在该时间范围内经过卡口t1、t3、t3、t4…tn(总共经过了n次卡口),经过各卡口的时间分别为time11、time12…time1n;车辆p2在该时间范围内经过卡口t1、t3、t3、t5、t6…tm(总共经过了m次卡口),经过各卡口的时间分别为time21、time22…time2m。
步骤103、对于任一车辆,根据最小跟车次数确定该车辆在该时间范围内经过的卡口集合包括的子集;其中,各子集的元素为车辆在该时间范围内经过卡口,各子集中元素的数据等于最小跟车次数,同一车辆在不同时间经过的相同卡口属于不同元素。
本发明实施例中,服务器根据获取到的过车数据确定了各车辆在该时间范围内经过的卡口,以及经过各卡口的时间之后,对于任一车辆(获取了过车数据的车辆),服务器可以根据最小跟车次数确定该车辆在该时间范围内经过的卡口集合包括的元素数量等于该最小跟车次数的子集。
其中,最小跟车次数可以由用户直接配置在服务器中,或由用户在需要进行跟车分析时实时输入到服务器中,最小跟车次数用于判断不同的车辆之间是否存在跟车嫌疑,其具体数值可以根据具体应用场景确定,如10次、15次、20次等。
例如,假设车辆p1在该时间范围内依次经过了卡口t1、t2、t3…t6(共经过了6次卡口),最小跟车数为5,则车辆p1在该时间范围内经过的卡口集合包括的子集可以包括:{t1,t2,t3,t4,t5}、{t1,t2,t3,t4,t6}、{t1,t2,t3,t5,t6}、{t1,t2,t4,t5,t6}、{t1,t3,t4,t5、t6}和{t2,t3,t4,t5,t6}。
作为一种可选的实施方式,在本发明实施例中,根据获取到的过车数据确定各车辆在该时间范围内经过的卡口,以及经过各卡口的时间之后,还可以包括:
将在该时间范围内经过卡口的次数大于等于最小跟车次数的车辆确定为目标车辆;
相应地,对于任一车辆,根据最小跟车次数确定该车辆在该时间范围内经过的卡口集合包括的子集,可以包括:
对于任一目标车辆,根据最小跟车次数确定该目标车辆在该时间范围内经过的卡口集合包括的子集。
在该实施方式中,考虑到只有在跟车分析的起始时间与结束时间之间的时间范围内经过卡口的次数大于等于最小跟车次数的车辆,才可能会形成跟车,因而,服务器根据获取到的过车数据确定各车辆在该时间范围内经过的卡口以及经过各卡口的时间之后,服务器可以根据各车辆在该时间范围内经过卡口的次数进行一次数据筛除,将在该时间范围内经过卡口的次数小于最小跟车次数的车辆的数据删除,并将在该时间范围内经过卡口的次数大于等于最小跟车次数的车辆确定为目标车辆,以减少需要处理的数据量,提高跟车确定效率。
对于任一目标车辆,服务器可以根据最小跟车次数确定该车辆在该时间范围内经过的卡口集合包括的子集。
步骤104、判断是否存在包括相同子集的第一目标车辆和第二目标车辆。若是,转至步骤105;否则,结束当前流程。
本发明实施例中,第一目标车辆和第二目标车辆并不特指某固定的车辆,而是可以指代任意包括相同子集的车辆。
本发明实施例中,服务器确定了各车辆在该时间范围内经过的卡口集合包括的子集之后,可以分别比较各车辆包括的子集,判断是否存在两车辆包括相同的子集,例如,车辆p1和车辆p2均包括子集{t1,t3,t4,t5},则可以认为车辆p1和车辆p2包括相同子集。
作为一种可选的实施方式,在本发明实施例中,判断是否存在相同子集的第一目标车辆和第二目标车辆,可以包括以下步骤:
11)、按照经过卡口的时间顺序对各车辆的子集中包括的元素进行排序;
12)、若存在不同车辆的子集中包括的元素相同,且各元素的顺序一致,则确定存在包括相同子集的第一目标车辆和第二目标车辆。
在该实施方式中,考虑到若两车辆形成跟车,不仅该两车辆需要经过若干个相同数量的卡口,且该两车辆经过这些相同数量的卡口的时间顺序也应该相同。因此,服务器确定各车辆在上述时间范围内经过的卡口集合包括的子集之后,可以按照经过卡口的时间顺序对各车辆的子集中包括的元素进行排序,如按照经过卡口的时间从先到后的顺序对各车辆的子集中包括的元素进行排序。
举例来说,假设车辆p1包括子集{t1,t2,t3和t4},其中,车辆p1经过该子集中各卡口的时间先后顺序为先经过卡口t1,再经过卡口t3,然后经过卡口t2,最后经过卡口t4,则按照经过卡口的时间顺序对该子集中包括的元素进行排序的结果为{t1,t3,t2和t4}。
在该实施方式中,服务器按照经过卡口的时间顺序对各车辆的子集中包括的元素进行排序之后,可以比较各车辆的排序后的子集,判断是否存在不同车辆的子集中包括的元素相同,且各元素的顺序一致;若存在,则确定存在包括相同子集的第一目标车辆和第二目标车辆;否则,确定不存在包括相同子集的第一目标车辆和第二目标车辆。
即在该实施方式中,相同子集不仅需要包括相同的元素,且各元素的顺序也需要一致。
举例来说,假设车辆p1包括子集(排序后){t1,t3,t2,t4},车辆p2包括子集(排序后){t1,t2,t3,t4},则虽然车辆p1和车辆p2的这两个子集都包括元素t1、t2、t3和t4,但由于t2和t3的顺序不一致(即车辆p1先经过卡口t3,后经过卡口t2;车辆p2先经过卡口t2,后经过卡口t3),该两个子集仍然为不同子集。
应该认识到,上述步骤11)~步骤12)所描述的判断是否存在相同子集的第一目标车辆和第二目标车辆的具体实现仅仅是本发明实施例提供的技术方案中判断是否存在相同子集的第一目标车辆和第二目标车辆的一种具体示例,而并不是对本发明保护范围的限定,即在本发明实施例中,也可以通过其它方式判断是否存在相同子集的第一目标车辆和第二目标车辆。
例如,判断是否存在不同车辆的子集中包括的元素相同,若存在不同车辆的子集包括的元素相同,则确定存在包括相同子集的第一目标车辆和第二目标车辆,即不需要按照经过卡口的时间顺序对各车辆的子集中包括的元素进行排序,只要两个不同车辆的子集中包括的元素相同,就认为该两个车辆存在相同子集。
举例来说,假设车辆p1包括子集{t1,t2,t3,t4},车辆p2也包括子集{t1,t2,t3,t4},则无论车辆p1和车辆p2通过该子集中各卡口的时间顺序是否一致,均认为车辆p1和车辆p2包括的这两个子集相同。
本发明实施例中,当服务器确定不存在包括相同子集的第一目标车辆和第二目标车辆时,服务器可以认为不存在跟车;或者服务器可以根据其它策略进一步判断是否存在跟车。
步骤105、判断第一目标车辆和第二目标车辆经过相同子集中同一元素对应的卡口的时间差是否均小于等于预设时间差阈值。若是,转至步骤106;否则,结束当前流程。
本发明实施例中,考虑到只有在车辆经过相同卡口的时间间隔较小的情况下,才有可能属于跟车,因此,可以设置一个时间差阈值,该时间差阈值用于确定经过相同卡口的两车辆是否存在跟车嫌疑,当两车辆经过若干个相同的卡口,且经过该若干个相同的卡口的时间差均小于该时间差阈值时,可以认为该两车辆形成跟车。
其中,该时间差阈值可以由用户直接配置在服务器中,或由用户在需要进行跟车分析时实时输入到服务器中,其具体数值可以根据具体应用场景确定,如5秒、10秒等。
相应地,在本发明实施例中,当服务器确定存在包括相同子集的第一目标车辆和第二目标车辆之后,服务器可以进一步判断该第一目标车辆和第二目标车辆经过该相同子集中同一元素对应的卡口的时间差是否均小于预设时间差阈值。
作为一种可选的实施方式,在本发明实施例中,判断第一目标车辆和第二目标车辆经过该相同子集中同一元素对应的卡口的时间差是否均小于等于预设时间差阈值,可以包括以下步骤:
21)、按照经过卡口的时间顺序,依次判断第一目标车辆和第二目标车辆经过相同子集中各相同元素对应的卡口的时间差是否小于等于预设时间差阈值;
22)、若第一目标车辆和第二目标车辆经过相同子集中各相同元素对应的卡口的时间差均小于等于预设时间差阈值,则确定第一目标车辆和第二目标车辆经过该相同子集中同一元素对应的卡口的时间差均小于等于预设时间差阈值。
在该实施方式中,服务器确定存在包括相同子集的第一目标车辆和第二目标车辆之后,对于第一目标车辆和第二目标车辆包括的相同子集,服务器可以按照经过卡口的时间顺序,依次判断第一目标车辆和第二目标车辆经过该相同子集中同一元素对应的卡口的时间差是否均小于等于预设时间差阈值。
例如,假设车辆p1和车辆p2包括相同的子集{t1,t2,t3,t4},且车辆p1和车辆p2经过各卡口的时间顺序一致,则服务器可以先确定第一目标车辆和第二目标车辆经过卡口t1的时间差,并判断该时间差是否小于等于预设时间差阈值;若是,则继续确定第一目标车辆和第二目标车辆经过卡口t2的时间差,并判断该时间差是否小于等于预设时间差阈值,直至第一目标车辆和第二目标车辆经过各相同元素对应的卡口的时间差均完成判断,或者第一目标车辆和第二目标车辆经过某相同元素对应的卡口的时间差大于预设时间差阈值。
在该实施方式中,当第一目标车辆和第二目标车辆经过相同子集中各相同元素对应的卡口的时间差均小于等于预设时间差阈值时,则可以确定第一目标车辆和第二目标车辆经过相同子集中同一元素对应的卡口的时间差均小于等于预设时间差阈值;否则,确定第一目标车辆和第二目标车辆经过相同子集中至少一个相同元素对应的卡口的时间差大于预设时间差阈值。
应该认识到,上述步骤21)~步骤22)所描述的判断第一目标车辆和第二目标车辆经过该相同子集中同一元素对应的卡口的时间差是否均小于等于预设时间差阈值的具体实现仅仅是本发明实施例提供的技术方案中判断第一目标车辆和第二目标车辆经过该相同子集中同一元素对应的卡口的时间差是否均小于等于预设时间差阈值的一种具体示例,而并不是对本发明保护范围的限定,即在本发明实施例中,也可以通过其它方式判断第一目标车辆和第二目标车辆经过该相同子集中同一元素对应的卡口的时间差是否均小于等于预设时间差阈值。
例如,随机选取(即不按照经过卡口的时间顺序)相同子集中的元素,判断第一目标车辆和第二目标车辆经过该元素对应的卡口的时间差是否小于等于预设时间差阈值;或者,可以启动多个线程,以并行的方式同时判断第一目标车辆和第二目标车辆经过相同子集中的相同元素对应的卡口的时间差是否小于等于预设时间差阈值。
本发明实施例中,当服务器确定第一目标车辆和第二目标车辆经过相同子集中至少一个相同元素对应的卡口的时间差大于预设时间差阈值时,服务器可以认为第一目标车辆和第二目标车辆不形成跟车;或者服务器可以根据其它策略进一步判断第一目标车辆和第二目标车辆是否形成跟车。
值得说明的是,在本发明实施例中,第一目标车辆和第二目标车辆经过相同的卡口可以包括第一目标车辆先经过卡口,第二目标车辆后经过同一卡口的情况,确定第一目标车辆和第二目标车辆经过同一卡口的时间卡时可以将其中较大时间减去较小的时间。
步骤106、确定第一目标车辆和第二目标车辆形成跟车。
本发明实施例中,当服务器确定第一目标车辆和第二目标车辆包括相同子集,且第一目标车辆和第二目标车辆经过该相同子集中同一元素对应的卡口的时间差均小于等于预设时间差阈值时,服务器可以认为第一目标车辆和第二目标车辆形成跟车,并进行相应处理,如进行告警等。
值得说明的是,在本发明实施例中,服务器进行确定各车辆在上述时间范围内经过的卡口集合包括的子集、比较各车辆是否包括相同子集,以及计算包括相同子集的第一目标车辆和第二目标车辆经过相同子集中同一元素对应的卡口的时间差等计算时,可以选用Spark(一种开源集群计算环境)计算框架中的RDD(Resilient Distributed Datasets,弹性分布式数据集)实现。
可见,在图1所示的方法流程中,通过收集各车辆在跟车分析的起始时间与结束时间之间的时间范围内经过的卡口,以及经过各卡口的时间,并根据最小跟车次数确定各车辆在该时间范围内经过的卡口集合包括的子集,进而通过判断是否存在包括相同子集的第一目标车辆和第二目标车辆,以及包括相同子集的第一目标车辆和第二目标车辆经过相同子集中同一元素对应的卡口的时间差是否均小于预设时间差阈值的方式确定是否存在跟车,与传统跟车确定方案相比,减少了需要分析的数据量,降低了分析复杂度,提高了跟车确定效率。
为了使本领域技术人员更好地理解本发明实施例提供的技术方案,下面集合具体的应用场景对本发明实施例提供的技术方案进行说明。
在该实施例中,假设跟车分析的起始时间为T1,结束时间为T2,车辆p1在T1~T2时间段内经过的卡口为t1,t3,t3,t4和t5(车辆p1在T1~T2时间段内两次经过卡口t3,经过的时间不同,需要作为两个元素处理),经过各卡口的时间分别为time11,time12,time13,time14和time15;车辆p2在T1~T2时间段内经过卡口为t1,t3,t3,t5和t6(车辆p2在T1~T2时间段内两次经过卡口t3,经过的时间不同,需要作为两个元素处理),经过各卡口的时间分别为time21,time22,time23,time24和time25;最小跟车次数为4次,预设时间差阈值为T。
在该实施例,对于车辆p1,在T1~T2时间段内经过的卡口集合包括的子集可以包括{t1,t3,t3,t4}、{t1,t3,t3,t5}、{t1,t3,t4,t5}(车辆p1经过该子集中的卡口t3的时间为time12)、{t1,t3,t4,t5}(车辆p1经过该子集中的卡口t3的时间为time13)、{t3,t3,t4,t5}。
对于车辆p2,在T1~T2时间段内经过的卡口集合包括的子集可以包括{t1,t3,t3,t5}、{t1,t3,t3,t6}、{t1,t3,t5,t6}(车辆p2经过该子集中的卡口t3的时间为time22)、{t1,t3,t5,t6}(车辆p2经过该子集中的卡口t3的时间为time23)、{t3,t3,t5,t6}。
服务器通过比较车辆p1和车辆p2的子集,可以发现车辆p1的子集{t1,t3,t3,t5}与车辆p2的子集{t1,t3,t3,t5}相同,则服务器可以依次计算车辆p1经过卡口t1和车辆p2经过卡口t1的时间差,即|time11-time21|,并判断|time11-time21|是否小于等于T。
若|time11-time21|>T,则服务器可以认为车辆p1和车辆p2不形成跟车;若|time11-time21|≤T,则服务器计算车辆p1第一次经过卡口t3和车辆p2第一次经过卡口t3的时间差,即|time12-time22|,并判断|time12-time22|是否小于等于T。
若|time12-time22|>T,则服务器可以认为车辆p1和车辆p2不形成跟车;若|time12-time22|≤T,则服务器计算车辆p1第二次经过卡口t3和车辆p2第二次经过卡口t3的时间差,即|time13-time23|,并判断|time13-time23|是否小于等于T。
若|time13-time23|>T,则服务器可以认为车辆p1和车辆p2不形成跟车;若|time13-time23|≤T,则服务器计算车辆p1经过卡口t5和车辆p2经过卡口t5的时间差,即|time15-time24|,并判断|time15-time24|是否小于等于T。
若|time15-time24|>T,则服务器可以认为车辆p1和车辆p2不形成跟车;若|time15-time24|≤T,则服务器可以认为车辆p1和车辆p2形成跟车。
最小跟车次数可以由用户直接配置在服务器中,或由用户在需要进行跟车分析时实时输入到服务器中,最小跟车次数用于判断不同的车辆之间是否存在跟车嫌疑,其具体数据可以根据具体应用场景确定,如10次、15次、20次等。
通过以上描述可以看出,在本发明实施例提供的技术方案中,通过收集各车辆在跟车分析的起始时间与结束时间之间的时间范围内经过的卡口,以及经过各卡口的时间,并根据最小跟车次数确定各车辆在该时间范围内经过的卡口集合包括的子集,进而通过判断是否存在包括相同子集的第一目标车辆和第二目标车辆,以及包括相同子集的第一目标车辆和第二目标车辆经过相同子集中同一元素对应的卡口的时间差是否均小于预设时间差阈值的方式确定是否存在跟车,与传统跟车确定方案相比,减少了需要分析的数据量,降低了分析复杂度,提高了跟车确定效率。
请参见图2,为本发明实施例提供的一种跟车确定装置的结构示意图,其中,该跟车确定装置可以应用于上述方法实施例中的服务器,如图2所示,该跟车确定装置可以包括:
获取单元210,用于获取跟车分析的起始时间与结束时间之间的时间范围内的所有过车数据;
第一确定单元220,用于根据所述过车数据确定各车辆在所述时间范围内经过的卡口,以及经过各卡口的时间;
第二确定单元230,用于对于任一车辆,根据最小跟车次数确定该车辆在所述时间范围内经过的卡口集合包括的子集;其中,各子集的元素为车辆在所述时间范围内经过的卡口,各子集中元素的数量等于所述最小跟车次数,同一车辆在不同时间经过的相同卡口属于不同元素;
判断单元240,用于判断是否存在包括相同子集的第一目标车辆和第二目标车辆;
所述判断单元240,还用于若存在包括相同子集的第一目标车辆和第二目标车辆,则判断所述第一目标车辆和第二目标车辆经过所述相同子集中同一元素对应的卡口的时间差是否均小于等于预设时间差阈值;
第三确定单元250,用于若所述第一目标车辆和第二目标车辆经过所述相同子集中同一元素对应的卡口的时间差均小于等于预设时间差阈值,则确定所述第一目标车辆和所述第二目标车辆形成跟车。
在可选实施例中,所述第一确定单元220,还可以用于将在所述时间范围内经过卡口的次数大于等于所述最小跟车次数的车辆确定为目标车辆;
所述第二确定单元230,可以具体用于对于任一目标车辆,根据最小跟车次数确定该目标车辆在所述时间范围内经过的卡口集合包括的子集。
请一并参阅图3,为本发明实施例提供的另一种跟车确定装置的结构示意图,在图2所示实施例的基础上,图3所示的跟车确定装置中,所述判断单元240可以包括:
排序子单元241,用于按照经过卡口的时间顺序对各车辆的子集中包括的元素进行排序;
确定子单元242,用于若存在不同车辆的子集中包括的元素相同,且各元素的顺序一致,则确定存在包括相同子集的第一目标车辆和第二目标车辆。
请一并参阅图4,为本发明实施例提供的另一种跟车确定装置的结构示意图,在图3所示实施例的基础上,图4所示的跟车确定装置中,所述判断单元240还可以包括:
判断子单元243,用于按照经过卡口的时间顺序,依次判断所述第一目标车辆和第二目标车辆经过相同子集中各相同元素对应的卡口的时间差是否小于等于预设时间差阈值;
相应地,所述确定子单元242,还用于若所述第一目标车辆和第二目标车辆经过相同子集中各相同元素对应的卡口的时间差均小于等于预设时间差阈值,则确定所述第一目标车辆和第二目标车辆经过所述相同子集中同一元素对应的卡口的时间差均小于等于预设时间差阈值。
在可选实施例中,所述第三确定单元250,还可以用于若不存在包括相同子集的第一目标车辆和第二目标车辆,则确定不存在跟车;或/和,若第一目标车辆和第二目标车辆经过所述相同子集中至少一个相同元素对应的卡口的时间差大于预设时间差阈值,则确定第一目标车辆和第二目标车辆不形成跟车。
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发明方案的目的。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。
由上述实施例可见,通过收集各车辆在跟车分析的起始时间与结束时间之间的时间范围内经过的卡口,以及经过各卡口的时间,并根据最小跟车次数确定各车辆在该时间范围内经过的卡口集合包括的子集,进而通过判断是否存在包括相同子集的第一目标车辆和第二目标车辆,以及包括相同子集的第一目标车辆和第二目标车辆经过相同子集中同一元素对应的卡口的时间差是否均小于预设时间差阈值的方式确定是否存在跟车,与传统跟车确定方案相比,减少了需要分析的数据量,降低了分析复杂度,提高了跟车确定效率。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (10)
1.一种跟车确定方法,其特征在于,包括:
获取跟车分析的起始时间与结束时间之间的时间范围内的所有过车数据;
根据所述过车数据确定各车辆在所述时间范围内经过的卡口,以及经过各卡口的时间;
对于任一车辆,根据最小跟车次数确定该车辆在所述时间范围内经过的卡口集合包括的子集;其中,各子集的元素为车辆在所述时间范围内经过的卡口,各子集中元素的数量等于所述最小跟车次数,同一车辆在不同时间经过的相同卡口属于不同元素;
判断是否存在包括相同子集的第一目标车辆和第二目标车辆;
若存在包括相同子集的第一目标车辆和第二目标车辆,则判断所述第一目标车辆和第二目标车辆经过所述相同子集中同一元素对应的卡口的时间差是否均小于等于预设时间差阈值;
若所述第一目标车辆和第二目标车辆经过所述相同子集中同一元素对应的卡口的时间差均小于等于预设时间差阈值,则确定所述第一目标车辆和所述第二目标车辆形成跟车。
2.根据权利要求1所述的方法,其特征在于,所述根据所述过车数据确定各车辆在所述时间范围内经过的卡口,以及经过各卡口的时间之后,还包括:
将在所述时间范围内经过卡口的次数大于等于所述最小跟车次数的车辆确定为目标车辆;
所述对于任一车辆,根据最小跟车次数确定该车辆在所述时间范围内经过的卡口集合包括的子集,包括:
对于任一目标车辆,根据最小跟车次数确定该目标车辆在所述时间范围内经过的卡口集合包括的子集。
3.根据权利要求1所述的方法,其特征在于,所述判断是否存在相同子集的第一目标车辆和第二目标车辆,包括:
按照经过卡口的时间顺序对各车辆的子集中包括的元素进行排序;
若存在不同车辆的子集中包括的元素相同,且各元素的顺序一致,则确定存在包括相同子集的第一目标车辆和第二目标车辆。
4.根据权利要求3所述的方法,其特征在于,所述判断所述第一目标车辆和第二目标车辆经过所述相同子集中同一元素对应的卡口的时间差是否均小于等于预设时间差阈值,包括:
按照经过卡口的时间顺序,依次判断所述第一目标车辆和第二目标车辆经过相同子集中各相同元素对应的卡口的时间差是否小于等于预设时间差阈值;
若所述第一目标车辆和第二目标车辆经过相同子集中各相同元素对应的卡口的时间差均小于等于预设时间差阈值,则确定所述第一目标车辆和第二目标车辆经过所述相同子集中同一元素对应的卡口的时间差均小于等于预设时间差阈值。
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:
若不存在包括相同子集的第一目标车辆和第二目标车辆,则确定不存在跟车;或/和,
若第一目标车辆和第二目标车辆经过所述相同子集中至少一个相同元素对应的卡口的时间差大于预设时间差阈值,则确定第一目标车辆和第二目标车辆不形成跟车。
6.一种跟车确定装置,其特征在于,包括:
获取单元,用于获取跟车分析的起始时间与结束时间之间的时间范围内的所有过车数据;
第一确定单元,用于根据所述过车数据确定各车辆在所述时间范围内经过的卡口,以及经过各卡口的时间;
第二确定单元,用于对于任一车辆,根据最小跟车次数确定该车辆在所述时间范围内经过的卡口集合包括的子集;其中,各子集的元素为车辆在所述时间范围内经过的卡口,各子集中元素的数量等于所述最小跟车次数,同一车辆在不同时间经过的相同卡口属于不同元素;
判断单元,用于判断是否存在包括相同子集的第一目标车辆和第二目标车辆;
所述判断单元,还用于若存在包括相同子集的第一目标车辆和第二目标车辆,则判断所述第一目标车辆和第二目标车辆经过所述相同子集中同一元素对应的卡口的时间差是否均小于等于预设时间差阈值;
第三确定单元,用于若所述第一目标车辆和第二目标车辆经过所述相同子集中同一元素对应的卡口的时间差均小于等于预设时间差阈值,则确定所述第一目标车辆和所述第二目标车辆形成跟车。
7.根据权利要求6所述的装置,其特征在于,
所述第一确定单元,还用于将在所述时间范围内经过卡口的次数大于等于所述最小跟车次数的车辆确定为目标车辆;
所述第二确定单元,具体用于对于任一目标车辆,根据最小跟车次数确定该目标车辆在所述时间范围内经过的卡口集合包括的子集。
8.根据权利要求6所述的装置,其特征在于,所述判断单元包括:
排序子单元,用于按照经过卡口的时间顺序对各车辆的子集中包括的元素进行排序;
确定子单元,用于若存在不同车辆的子集中包括的元素相同,且各元素的顺序一致,则确定存在包括相同子集的第一目标车辆和第二目标车辆。
9.根据权利要求8所述的装置,其特征在于,所述判断单元还包括:
判断子单元,用于按照经过卡口的时间顺序,依次判断所述第一目标车辆和第二目标车辆经过相同子集中各相同元素对应的卡口的时间差是否小于等于预设时间差阈值;
所述确定子单元,还用于若所述第一目标车辆和第二目标车辆经过相同子集中各相同元素对应的卡口的时间差均小于等于预设时间差阈值,则确定所述第一目标车辆和第二目标车辆经过所述相同子集中同一元素对应的卡口的时间差均小于等于预设时间差阈值。
10.根据权利要求6所述的装置,其特征在于,
所述第三确定单元,还用于若不存在包括相同子集的第一目标车辆和第二目标车辆,则确定不存在跟车;或/和,若第一目标车辆和第二目标车辆经过所述相同子集中至少一个相同元素对应的卡口的时间差大于预设时间差阈值,则确定第一目标车辆和第二目标车辆不形成跟车。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610396665.8A CN106097708B (zh) | 2016-06-06 | 2016-06-06 | 一种跟车确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610396665.8A CN106097708B (zh) | 2016-06-06 | 2016-06-06 | 一种跟车确定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106097708A CN106097708A (zh) | 2016-11-09 |
CN106097708B true CN106097708B (zh) | 2019-06-11 |
Family
ID=57448368
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610396665.8A Active CN106097708B (zh) | 2016-06-06 | 2016-06-06 | 一种跟车确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106097708B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106897354B (zh) * | 2016-12-30 | 2021-03-09 | 浙江宇视科技有限公司 | 一种数据跟随关系分析方法以及分析服务器 |
CN106909612B (zh) * | 2017-01-11 | 2020-12-29 | 浙江宇视科技有限公司 | 一种跟随行为数据的处理方法和装置 |
CN108932839B (zh) * | 2018-06-19 | 2020-08-04 | 浙江大华技术股份有限公司 | 一种同行车辆判断方法及装置 |
CN111367958B (zh) * | 2019-11-19 | 2024-03-08 | 杭州海康威视系统技术有限公司 | 一种数据分析方法、装置、电子设备及存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN102194132A (zh) * | 2011-04-07 | 2011-09-21 | 国通道路交通管理工程技术研究中心有限公司 | 一种伴随车检测识别系统及其方法 |
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 |
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 |
CN103871248A (zh) * | 2014-03-18 | 2014-06-18 | 浙江宇视科技有限公司 | 一种基于轨迹碰撞的嫌疑车尾随车辆分析方法及装置 |
CN104199903A (zh) * | 2014-08-27 | 2014-12-10 | 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 |
CN104462236A (zh) * | 2014-11-14 | 2015-03-25 | 浪潮(北京)电子信息产业有限公司 | 一种基于大数据的伴随车辆识别方法和装置 |
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 |
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 |
CN104834725A (zh) * | 2015-05-12 | 2015-08-12 | 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 |
CN105448092A (zh) * | 2015-12-23 | 2016-03-30 | 浙江宇视科技有限公司 | 一种关联车辆的分析方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130129503A (ko) * | 2012-05-21 | 2013-11-29 | 주식회사 케이티 | 차량 추적 시스템 및 방법 |
-
2016
- 2016-06-06 CN CN201610396665.8A patent/CN106097708B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN102194132A (zh) * | 2011-04-07 | 2011-09-21 | 国通道路交通管理工程技术研究中心有限公司 | 一种伴随车检测识别系统及其方法 |
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 |
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 |
CN103871248A (zh) * | 2014-03-18 | 2014-06-18 | 浙江宇视科技有限公司 | 一种基于轨迹碰撞的嫌疑车尾随车辆分析方法及装置 |
CN104199903A (zh) * | 2014-08-27 | 2014-12-10 | 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 |
CN104462236A (zh) * | 2014-11-14 | 2015-03-25 | 浪潮(北京)电子信息产业有限公司 | 一种基于大数据的伴随车辆识别方法和装置 |
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 |
CN104834725A (zh) * | 2015-05-12 | 2015-08-12 | 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 |
CN105448092A (zh) * | 2015-12-23 | 2016-03-30 | 浙江宇视科技有限公司 | 一种关联车辆的分析方法及装置 |
Non-Patent Citations (3)
Title |
---|
伴随车检测技术应用研究;赵新勇 等;《交通运输系统工程与信息》;20120630;第12卷(第3期);第36-40页 |
基于关联规则挖掘的伴随车辆发现算法;方艾芬 等;《计算机应用与软件》;20120229;第29卷(第2期);第94-96页 |
时空大数据的伴随车高效挖掘算法研究;方炜 等;《工业控制计算机》;20160331;第29卷(第3期);第18-20页 |
Also Published As
Publication number | Publication date |
---|---|
CN106097708A (zh) | 2016-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106097708B (zh) | 一种跟车确定方法及装置 | |
CN105913656B (zh) | 基于分布式统计频繁过车的方法及系统 | |
CN104516904B (zh) | 一种关键知识点推荐方法及其系统 | |
CN105788264B (zh) | 基于Hbase的卡口数据区域碰撞分析的方法及系统 | |
CN107204114A (zh) | 一种车辆异常行为的识别方法及装置 | |
CN107862270A (zh) | 人脸分类器训练方法、人脸检测方法及装置、电子设备 | |
CN104200114B (zh) | 流式细胞仪数据快速分析方法 | |
CN111967910A (zh) | 一种用户客群分类方法和装置 | |
CN110991486A (zh) | 多人协作图像标注质量控制的方法和装置 | |
CN105426375B (zh) | 一种关系网络的计算方法及装置 | |
CN108446824A (zh) | 一种驾驶行为的风险评估方法、装置、设备及存储介质 | |
CN107085972B (zh) | 一种停车场车位数的计算方法和装置 | |
CN107610471A (zh) | 车辆套牌检测方法及系统 | |
CN107657516A (zh) | 生成凭证的方法及财务服务器 | |
CN107645709A (zh) | 一种确定人员信息的方法及装置 | |
CN108363783B (zh) | Mac地址与身份信息的绑定方法及装置 | |
CN105261221B (zh) | 卡口最小过车时间差确定方法、套牌分析方法及相关装置 | |
CN107180275A (zh) | 一种标准化营业额预估方法与系统 | |
CN105912636A (zh) | 一种基于Map/Reduce的ETL数据处理方法和装置 | |
CN106251260A (zh) | 一种考生志愿填报模拟系统及方法 | |
CN102591929B (zh) | 一种图书馆数据处理系统及其数据处理方法 | |
CN106203296A (zh) | 一种属性辅助的视频动作识别方法 | |
DE102014113817A1 (de) | Vorrichtung und Verfahren zur Erkennung eines Objekts in Einem Bild | |
CN107862863A (zh) | 一种交通数据质量提升的方法及装置 | |
McNamara et al. | Predicting high impact academic papers using citation network features |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | 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 |