CN107832364B - 一种基于时空数据锁定目标对象的方法及装置 - Google Patents
一种基于时空数据锁定目标对象的方法及装置 Download PDFInfo
- Publication number
- CN107832364B CN107832364B CN201711013810.0A CN201711013810A CN107832364B CN 107832364 B CN107832364 B CN 107832364B CN 201711013810 A CN201711013810 A CN 201711013810A CN 107832364 B CN107832364 B CN 107832364B
- Authority
- CN
- China
- Prior art keywords
- data
- target object
- target objects
- case
- spatio
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Abstract
本发明公开了一种基于时空数据锁定目标对象的方法及装置,将获得的时空数据与案件的案发时间范围和案发空间范围进行碰撞分析,将时间信息与案发时间范围有交集,且空间位置信息落在案发空间范围内的时空数据作为具有碰撞关系的时空数据;然后根据设定的噪声标签条件,从具有碰撞关系的时空数据中排除满足所述噪声标签条件的时空数据;最后将剩余的具有碰撞关系的时空数据对应的目标对象按照设定的规则进行排序,根据排序结果,锁定目标对象。本发明的方法及装置通过设定的噪声标签条件,将易混淆的时空数据排除在外,并根据设定的积分规则进行排序锁定目标对象,有效提高了最后锁定的目标对象的可信度。
Description
技术领域
本发明属于大数据分析技术领域,尤其涉及一种基于时空数据锁定目标对象的方法及装置。
背景技术
小型刑事案件是影响民众生活的主要犯罪类型。其原因在于,对命案等严重犯罪的快速打击、成功侦破,固然让民众击节叹赏,然而对于绝大多数人来说,严重犯罪与其生活遥远,而小型案件就在周遭,人们更在乎身边的违法犯罪与落在自己身上的不幸。
同时随着科学技术手段的进步,各种包括空间位置信息、时间信息和目标对象信息的时空数据的获取成为可能,时空数据是具有时间和空间属性的数据,具有时变、空变、动态等特点。例如通过智能交通管理系统获取的过车记录,一般过车记录包括空间位置经纬度信息、时间信息和车牌号码;通过无线接入点获取的手机登录信息,包括手机位置经纬度、进入离开时间信息、MAC地址;以及通过RFID获取的电动车行车记录信息等。
根据时空数据,对于一个对象可以得到其时空轨迹,即该对象多个时空点位按照时间排序形成的一条轨迹。理论上,当某一对象的时空轨迹能碰撞上的案件时空,那么该对象的嫌疑度越高。然而由于源数据的不准确等问题,获得的目标对象结果易被混淆、不准确。
发明内容
本发明的目的是提供一种基于时空数据锁定目标对象的方法及装置,通过挖掘海量不同类型的时空数据,分析不同对象的时空轨迹与案件时空的关联,推选出嫌疑度最高的犯案嫌疑人,提升案件的侦破效率。
为了实现上述目的,本发明技术方案如下:
一种基于时空数据锁定目标对象的方法,所述时空数据包括空间位置信息、时间信息和目标对象信息,所述基于时空数据锁定目标对象的方法,包括:
将获得的时空数据与案件的案发时间范围和案发空间范围进行碰撞分析,将时间信息与案发时间范围有交集,且空间位置信息落在案发空间范围内的时空数据作为具有碰撞关系的时空数据;
根据设定的噪声标签条件,从具有碰撞关系的时空数据中排除满足所述噪声标签条件的时空数据;
将剩余的具有碰撞关系的时空数据对应的目标对象按照设定的规则进行排序,根据排序结果,锁定目标对象。
进一步地,所述设定的噪声标签条件包括:
时空数据的目标对象在连续时间天数内,每天在案发空间范围内的活动范围超过设定第一阈值;
或/和,时空数据的目标对象在设定的连续时间段内,在案发空间范围内的活动范围低于设定第二阈值,且活动范围连续;
或/和,同一目标对象时间相邻的两条时空数据对应的目标对象移动速度超过设定的速度。
本发明的一种实现方式,所述将剩余的具有碰撞关系的时空数据对应的目标对象按照设定的规则进行排序,根据排序结果,锁定目标对象,包括:
记录每个目标对象碰撞上的案件数量,根据碰撞上的案件数量对目标对象降序排列,取前N个目标对象为锁定的目标对象,N为设定的参数。
本发明的另一种实现方式,所述将剩余的具有碰撞关系的时空数据对应的目标对象按照设定的规则进行排序,根据排序结果,锁定目标对象,包括:
根据设定的积分规则,对目标对象进行积分,然后根据积分对目标对象进行降序排列,取前N个目标对象为锁定的目标对象,N为设定的参数。
进一步地,所述设定的积分规则,包括:
根据时空数据目标对象的身份积分;
或/和,根据时空数据目标对象碰撞上的案件数量积分;
或/和,根据时空数据目标对象碰撞上的案件的案发空间范围之间的距离积分;
或/和,根据时空数据目标对象碰撞上的案件的案发时间范围积分。
本发明还提出了一种基于时空数据锁定目标对象的装置,所述时空数据包括空间位置信息、时间信息和目标对象信息,所述基于时空数据锁定目标对象的装置,包括:
碰撞分析模块,用于将获得的时空数据与案件的案发时间范围和案发空间范围进行碰撞分析,将时间信息与案发时间范围有交集,且空间位置信息落在案发空间范围内的时空数据作为具有碰撞关系的时空数据;
噪声过滤模块,用于根据设定的噪声标签条件,从具有碰撞关系的时空数据中排除满足所述噪声标签条件的时空数据;
目标锁定模块,用于将剩余的具有碰撞关系的时空数据对应的目标对象按照设定的规则进行排序,根据排序结果,锁定目标对象。
本发明的一种实现方式,所述目标锁定模块在将剩余的具有碰撞关系的时空数据对应的目标对象按照设定的规则进行排序,根据排序结果,锁定目标对象时,执行如下操作:
记录每个目标对象碰撞上的案件数量,根据碰撞上的案件数量对目标对象降序排列,取前N个目标对象为锁定的目标对象,N为设定的参数。
本发明的另一种实现方式,所述目标锁定模块在将剩余的具有碰撞关系的时空数据对应的目标对象按照设定的规则进行排序,根据排序结果,锁定目标对象时,执行如下操作:
根据设定的积分规则,对目标对象进行积分,然后根据积分对目标对象进行降序排列,取前N个目标对象为锁定的目标对象,N为设定的参数。
本发明提出的一种基于时空数据锁定目标对象的方法及装置,通过分析时空数据与案件时空之间的关联,为公安人员推选可信的高嫌疑人员。通过设定的噪声标签条件,将易混淆的时空数据排除在外,并根据设定的积分规则进行排序锁定目标对象,有效提高了最后锁定的目标对象的可信度。本发明针对的小型案件多表现为一人多案,通过本发明的方法及装置能有效协助公安人员破获该类案件。
附图说明
图1为本发明一种基于时空数据锁定目标对象的方法流程图;
图2为本发明实施例噪声标签判断示意图。
具体实施方式
下面结合附图和实施例对本发明技术方案做进一步详细说明,以下实施例不构成对本发明的限定。
本发明的总体思想是通过时空数据与案发时空进行碰撞,根据碰撞结果,以锁定目标对象(即实施例中的犯罪嫌疑人)。时空数据具有时间和空间属性,其基本字段的一种实施例如下表所示:
表1
以无线通信网络记录(例如WIFI、4G移动通信网)的时空数据为例,在手机对应的位置区变化或位置更新周期到来时,会向无线通信网络发起位置更新,无线通信网络会记录手机进入该位置区的时间和离开的时间,以及该手机的标识(如手机MAC地址等),从而保留了该手机对应的时空数据,包括目标对象(手机MAC地址等)、时间信息(进入时间、离开时间)和空间位置信息(位置区的经纬度)。本实施例以手机对应的时空数据为例进行说明,但不限于采用具体的时空数据的来源,也可以来自于过车记录,以下不再赘述。本实施例对于时空数据对应的目标对象,以下也简称为对象,容易理解的是,手机MAC地址、车牌号码等都能对应到相应的实名的个人,从而为锁定最终的嫌疑人创造了条件。
如图1所示,本实施例一种基于时空数据锁定目标对象的方法,包括:
将获得的时空数据与案件的案发时间范围和案发空间范围进行碰撞分析,将时间信息与案发时间范围有交集,且空间位置信息落在案发空间范围内的时空数据作为具有碰撞关系的时空数据;
根据设定的噪声标签条件,从具有碰撞关系的时空数据中排除满足所述噪声标签条件的时空数据;
将剩余的具有碰撞关系的时空数据对应的目标对象按照设定的规则进行排序,根据排序结果,锁定目标对象。
以下结合具体的时空数据对本发明的方法进行说明:
通常案件的发生都具有案发时间范围以及案发空间范围,案发时间范围可以通过技术手段进行推测,案发空间范围可以根据案发地点来划定一块区域,作为案发空间范围。例如将案发地点扩展为一个圆,圆心为案发地的具体经纬度(例:方圆3000米),得到案发空间范围。
需要说明的是,本实施例案发空间范围可以是多个案件发生地点的周围,例如某小区1号楼、7号楼、15号楼发生了盗窃案,则可以将整个小区划定为案发空间范围。进一步地,案发空间范围还可以扩大到整个行政区,或某个城市。
时空数据可以通过无线通信系统获取,或通过交通管理系统获取,这里不再赘述。时空数据包括空间位置信息、时间信息和目标对象信息。在获得时空数据后,将获得的时空数据与案件的案发时间范围和案发空间范围进行碰撞分析,将时间信息与案发时间范围有交集,且空间位置信息落在案发空间范围内的时空数据作为具有碰撞关系的时空数据。
在进行碰撞分析时,记录每条时空数据与案件的碰撞关系,即每条时空数据对应了哪个案件等。例如对于案件B1-B6,一条时空数据的空间位置信息落在B3的案发空间范围,时间信息与B3、B4、B5的案发时间范围有交集,则认为该条时空数据与案件B3有碰撞关系。从而可以得到该条时空数据对应的目标对象与B3具有碰撞关系。假设多条时空数据对应同一个目标对象,例如同一部手机,且这些时空数据中分别与多个案件 B3、B4、B5有碰撞关系,则表明该目标对象与多个案件有碰撞关系。
容易理解的是,有几类对象的时空数据对目标对象的锁定影响较大,需要将其定义为噪声,例如:
(1)快车司机、出租车司机、快递员、外卖员为代表的快车司机类对象,其对应的时空数据数量较大,经过的空间位置较多,较易与部分案件的案发时间范围以及案发空间范围相符合;
(2)常驻在高案发区域的常驻对象,常驻对象的时空数据集中在该区域,则较易与该地区案件的案发时间范围以及案发空间范围相符合;
(3)时空冲突对象,例如某对象的两个时空数据中空间位置的距离在理论上无法在两个时空数据的时间间隔内到达。
上述几类对象在所有对象中的嫌疑度都易排在前列,甚至高于真正的惯犯,这些时空数据需要被当作噪声排除在外。因此本实施例设置如下噪声标签条件,对满足条件的时空数据打上标签,以便排除:
噪声标签条件1:时空数据的目标对象在连续时间天数内,每天在案发空间范围内的活动范围超过设定第一阈值。对满足噪声标签条件1的目标对象对应的时空数据,打上噪声标签,作为快车司机类对象对应的时空数据排除。
或/和,噪声标签条件2:时空数据的目标对象在设定的连续时间段内,在案发空间范围内的活动范围低于设定第二阈值,且活动范围连续。对满足标签条件2的目标对象对应的时空数据,打上噪声标签,作为常驻对象对应的时空数据排除。
或/和,噪声标签条件3:同一目标对象时间相邻的两条时空数据对应的目标对象的移动速度超过设定的速度。通过计算相邻两条时空数据的距离(根据位置信息计算),将距离除以两条时空数据的间隔时间,得到目标速度,如果其超过汽车的行使速度,例如15m/s,则判断为时空冲突对象。对满足标签条件3的目标对象对应的时空数据,打上噪声标签,作为时空冲突对象对应的时空数据排除。
本技术方案的一个实施例,将案件空间范围(如某小区)按精度200 米栅格化生成n个格子,将一天分为12个时间段,如0-2、2-4…。计算每个对象在每个时间段内经过的格子数。则:
一天内经过的格子总数占比50%以上,且连续5天,则对应的目标对象为快车司机类对象,其对应的时空数据符合噪声标签条件1,打上噪声标签.
在连续的至少2个时间段内,如0-4(即4小时或以上),经过的格子数都小于3,并且所在格子都是相邻的,即两个格子的中心点距离=200m,则对应的目标对象为常驻对象,其对应的时空数据符合噪声标签条件2,打上噪声标签。如图2所示,其中经过圆形黑点的目标对象为常驻对象,而经过三角形、五角星格子的目标对象不能判断为常驻对象。
通过上述设定的噪声标签条件,将快车司机类对象、常驻对象和时空冲突对象对应的时空数据排除,将使得真正的嫌疑犯更加容易被找到。容易理解的是,本实施例仅列举了三种噪声标签条件,或/和表示在应用噪声标签条件时,可以同时应用三个噪声标签条件,也可以仅应用其中的任意一个或两个,本领域技术人员还可以根据实际的情况,设定更多的噪声标签条件,例如连续每天规律经过的对象,作为路过的对象排除。从而可以排除更多的噪声影响,本实施例不一一列举。
对剩下碰撞上案件时空的时空数据进行排序取TOP N,作为锁定的目标对象,即嫌疑最大的N个目标对象,取TOP N的策略有两种:
一种是记录每个目标对象碰撞上的案件数量,根据碰撞上的案件数量对目标对象降序排列,取前N个目标对象为锁定的目标对象,N为设定的参数;
另一种策略是根据设定的积分规则,对目标对象进行积分,然后根据积分对目标对象进行降序排列,取前N个目标对象为锁定的目标对象,N 为设定的参数。
具体地,本实施例针对嫌疑人员的普遍具有跨区作案、持续性作案、外地人员流动作案等作案特点,故产生以下积分规则:
根据时空数据目标对象的身份积分;
或/和,根据时空数据目标对象碰撞上的案件数量积分;
或/和,根据时空数据目标对象碰撞上的案件的案发空间范围之间的距离积分;
或/和,根据时空数据目标对象碰撞上的案件的案发时间范围积分。
例如:
时空数据目标对象关联到前科人员等重点嫌疑人员则计30分。
时空数据目标对象碰撞上的案件之间距离每两公里计5分,上限30 分。例如案件的案发空间范围距离10公里,则计25分。
时空数据目标对象碰撞上的案件1个计1分,若为近期才出现在该区域的对象,则1个计5分。近期出现是指在此时段前未出现过,比如分析的案件是10月1号到10月18号发生在杭州市滨江区的案件,某对象在 10月1号前都未在滨江区出现过,而在10月1号到10月18号间出现在滨江区,则认为该对象是近期出现在滨江区。
对于时空数据目标对象碰撞上出现在的高危时间(如晚上)的案件每个多计5分。
针对上述规则计算总分数,然后降序取TOP N即为嫌疑对象。容易理解的是,上述积分规则并没有穷举所有可能的积分规则,本领域技术人员可以根据实际情况添加相应的积分规则,使得排序后的TOP N目标对象更加接近犯罪嫌疑人。
与上述方法对应地,本技术方案还给出了一种基于时空数据锁定目标对象的装置,其中时空数据包括空间位置信息、时间信息和目标对象信息,该基于时空数据锁定目标对象的装置,包括:
碰撞分析模块,用于将获得的时空数据与案件的案发时间范围和案发空间范围进行碰撞分析,将时间信息与案发时间范围有交集,且空间位置信息落在案发空间范围内的时空数据作为具有碰撞关系的时空数据;
噪声过滤模块,用于根据设定的噪声标签条件,从具有碰撞关系的时空数据中排除满足所述噪声标签条件的时空数据;
目标锁定模块,用于将剩余的具有碰撞关系的时空数据对应的目标对象按照设定的规则进行排序,根据排序结果,锁定目标对象。
本装置的目标锁定模块在将剩余的具有碰撞关系的时空数据对应的目标对象按照设定的规则进行排序,根据排序结果,锁定目标对象时,执行如下操作:
记录每个目标对象碰撞上的案件数量,根据碰撞上的案件数量对目标对象降序排列,取前N个目标对象为锁定的目标对象,N为设定的参数。
或者,本装置的目标锁定模块在将剩余的具有碰撞关系的时空数据对应的目标对象按照设定的规则进行排序,根据排序结果,锁定目标对象时,执行如下操作:
根据设定的积分规则,对目标对象进行积分,然后根据积分对目标对象进行降序排列,取前N个目标对象为锁定的目标对象,N为设定的参数。
对于具体的噪声标签条件和积分规则,在如图1所示的方法中已经详细描述,这里不再赘述。
以上实施例仅用以说明本发明的技术方案而非对其进行限制,在不背离本发明精神及其实质的情况下,熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (8)
1.一种基于时空数据锁定目标对象的方法,所述时空数据包括空间位置信息、时间信息和目标对象信息,其特征在于,所述基于时空数据锁定目标对象的方法,包括:
将获得的时空数据与案件的案发时间范围和案发空间范围进行碰撞分析,将时间信息与案发时间范围有交集,且空间位置信息落在案发空间范围内的时空数据作为具有碰撞关系的时空数据;
根据设定的噪声标签条件,从具有碰撞关系的时空数据中排除满足所述噪声标签条件的时空数据;其中,所述设定的噪声标签条件包括:
时空数据的目标对象在连续时间天数内,每天在案发空间范围内的活动范围超过设定第一阈值;
或/和,时空数据的目标对象在设定的连续时间段内,在案发空间范围内的活动范围低于设定第二阈值,且活动范围连续;
或/和,同一目标对象时间相邻的两条时空数据对应的目标对象移动速度超过设定的速度;
将剩余的具有碰撞关系的时空数据对应的目标对象按照设定的规则进行排序,根据排序结果,锁定目标对象。
2.如权利要求1所述的基于时空数据锁定目标对象的方法,其特征在于,所述将剩余的具有碰撞关系的时空数据对应的目标对象按照设定的规则进行排序,根据排序结果,锁定目标对象,包括:
记录每个目标对象碰撞上的案件数量,根据碰撞上的案件数量对目标对象降序排列,取前N个目标对象为锁定的目标对象,N为设定的参数。
3.如权利要求1所述的基于时空数据锁定目标对象的方法,其特征在于,所述将剩余的具有碰撞关系的时空数据对应的目标对象按照设定的规则进行排序,根据排序结果,锁定目标对象,包括:
根据设定的积分规则,对目标对象进行积分,然后根据积分对目标对象进行降序排列,取前N个目标对象为锁定的目标对象,N为设定的参数。
4.如权利要求3所述的基于时空数据锁定目标对象的方法,其特征在于,所述设定的积分规则,包括:
根据时空数据目标对象的身份积分;
或/和,根据时空数据目标对象碰撞上的案件数量积分;
或/和,根据时空数据目标对象碰撞上的案件的案发空间范围之间的距离积分;
或/和,根据时空数据目标对象碰撞上的案件的案发时间范围积分。
5.一种基于时空数据锁定目标对象的装置,所述时空数据包括空间位置信息、时间信息和目标对象信息,其特征在于,所述基于时空数据锁定目标对象的装置,包括:
碰撞分析模块,用于将获得的时空数据与案件的案发时间范围和案发空间范围进行碰撞分析,将时间信息与案发时间范围有交集,且空间位置信息落在案发空间范围内的时空数据作为具有碰撞关系的时空数据;
噪声过滤模块,用于根据设定的噪声标签条件,从具有碰撞关系的时空数据中排除满足所述噪声标签条件的时空数据;其中,所述设定的噪声标签条件包括:
时空数据的目标对象在连续时间天数内,每天在案发空间范围内的活动范围超过设定第一阈值;
或/和,时空数据的目标对象在设定的连续时间段内,在案发空间范围内的活动范围低于设定第二阈值,且活动范围连续;
或/和,同一目标对象时间相邻的两条时空数据对应的目标对象移动速度超过设定的速度;
目标锁定模块,用于将剩余的具有碰撞关系的时空数据对应的目标对象按照设定的规则进行排序,根据排序结果,锁定目标对象。
6.如权利要求5所述的基于时空数据锁定目标对象的装置,其特征在于,所述目标锁定模块在将剩余的具有碰撞关系的时空数据对应的目标对象按照设定的规则进行排序,根据排序结果,锁定目标对象时,执行如下操作:
记录每个目标对象碰撞上的案件数量,根据碰撞上的案件数量对目标对象降序排列,取前N个目标对象为锁定的目标对象,N为设定的参数。
7.如权利要求5所述的基于时空数据锁定目标对象的装置,其特征在于,所述目标锁定模块在将剩余的具有碰撞关系的时空数据对应的目标对象按照设定的规则进行排序,根据排序结果,锁定目标对象时,执行如下操作:
根据设定的积分规则,对目标对象进行积分,然后根据积分对目标对象进行降序排列,取前N个目标对象为锁定的目标对象,N为设定的参数。
8.如权利要求7所述的基于时空数据锁定目标对象的装置,其特征在于,所述设定的积分规则,包括:
根据时空数据目标对象的身份积分;
或/和,根据时空数据目标对象碰撞上的案件数量积分;
或/和,根据时空数据目标对象碰撞上的案件的案发空间范围之间的距离积分;
或/和,根据时空数据目标对象碰撞上的案件的案发时间范围积分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711013810.0A CN107832364B (zh) | 2017-10-26 | 2017-10-26 | 一种基于时空数据锁定目标对象的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711013810.0A CN107832364B (zh) | 2017-10-26 | 2017-10-26 | 一种基于时空数据锁定目标对象的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107832364A CN107832364A (zh) | 2018-03-23 |
CN107832364B true CN107832364B (zh) | 2021-06-22 |
Family
ID=61649439
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711013810.0A Active CN107832364B (zh) | 2017-10-26 | 2017-10-26 | 一种基于时空数据锁定目标对象的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107832364B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108664600A (zh) * | 2018-05-09 | 2018-10-16 | 山东合天智汇信息技术有限公司 | 一种用于识别特殊场所嫌疑人的方法和装置 |
CN108924238A (zh) * | 2018-07-18 | 2018-11-30 | 成都西加云杉科技有限公司 | 轨迹碰撞分析方法及装置 |
CN109344260A (zh) * | 2018-08-28 | 2019-02-15 | 北京明略软件系统有限公司 | 一种基于时空轨迹的隐性关系挖掘方法、系统和终端 |
CN109615573B (zh) * | 2018-12-05 | 2023-05-05 | 武汉烽火众智数字技术有限责任公司 | 基于大数据的外地人员流窜作案分析方法及系统 |
CN109800279A (zh) * | 2019-01-11 | 2019-05-24 | 武汉虹旭信息技术有限责任公司 | 一种基于时空轨迹快速碰撞的算法 |
CN110334232A (zh) * | 2019-06-28 | 2019-10-15 | 深圳市商汤科技有限公司 | 档案应用方法及装置、存储介质 |
CN113703015B (zh) * | 2020-05-22 | 2024-05-03 | 阿里巴巴集团控股有限公司 | 数据处理方法、装置、设备及介质 |
CN113536083B (zh) * | 2021-05-31 | 2023-11-24 | 中国人民公安大学 | 一种基于案事件时空坐标的目标人轨迹碰撞分析方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102789482A (zh) * | 2012-06-29 | 2012-11-21 | 安科智慧城市技术(中国)有限公司 | 一种利用口供识别嫌疑人的方法、系统及电子设备 |
CN106060778A (zh) * | 2016-06-30 | 2016-10-26 | 北京奇虎科技有限公司 | 目标位置确定方法及装置 |
CN106649668A (zh) * | 2016-12-14 | 2017-05-10 | 华南师范大学 | 一种基于向量模型的海量时空数据检索方法及系统 |
CN106709047A (zh) * | 2017-01-04 | 2017-05-24 | 浙江宇视科技有限公司 | 对象查找方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160189043A1 (en) * | 2014-12-24 | 2016-06-30 | Locator IP, L.P. | Crime forcasting system |
-
2017
- 2017-10-26 CN CN201711013810.0A patent/CN107832364B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102789482A (zh) * | 2012-06-29 | 2012-11-21 | 安科智慧城市技术(中国)有限公司 | 一种利用口供识别嫌疑人的方法、系统及电子设备 |
CN106060778A (zh) * | 2016-06-30 | 2016-10-26 | 北京奇虎科技有限公司 | 目标位置确定方法及装置 |
CN106649668A (zh) * | 2016-12-14 | 2017-05-10 | 华南师范大学 | 一种基于向量模型的海量时空数据检索方法及系统 |
CN106709047A (zh) * | 2017-01-04 | 2017-05-24 | 浙江宇视科技有限公司 | 对象查找方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN107832364A (zh) | 2018-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107832364B (zh) | 一种基于时空数据锁定目标对象的方法及装置 | |
CN106846801B (zh) | 一种基于车辆轨迹的区域徘徊异常行为检测方法 | |
CN105575118B (zh) | 一种失驾人员筛选方法 | |
Li et al. | Hunting or waiting? Discovering passenger-finding strategies from a large-scale real-world taxi dataset | |
CN100583128C (zh) | 基于自然视频的实时智能监控方法 | |
CN106251635A (zh) | 一种套牌嫌疑车牌号的识别方法及系统 | |
CN106022296B (zh) | 一种基于车辆热点区域的概率聚合的套牌车检测方法 | |
CN106875679B (zh) | 识别伴随车辆的方法及装置 | |
CN102194132B (zh) | 一种伴随车检测识别系统及其方法 | |
CN104200669A (zh) | 一种基于Hadoop的套牌车识别方法及系统 | |
CN110674238B (zh) | 一种基于大数据的禁毒情报研判系统 | |
CN103294775A (zh) | 基于地理时空约束的警务云图像识别车辆管控系统 | |
CN107329977B (zh) | 一种基于概率分布的假牌车二次筛选方法 | |
CN105427586A (zh) | 一种基于多轨迹碰撞的车辆落脚点分析方法 | |
CN102289659A (zh) | 伴随车检测方法 | |
CN104750800A (zh) | 一种基于出行时间特征的机动车聚类方法 | |
CN104967819A (zh) | 一种基于mac地址搜集管理的安保预警系统及安全预警方法 | |
CN106297304A (zh) | 一种基于MapReduce面向大规模卡口数据的套牌车识别方法 | |
US20230073717A1 (en) | Systems And Methods For Electronic Surveillance | |
Borges et al. | Feature engineering for crime hotspot detection | |
CN101950484A (zh) | 鉴别车牌真伪的方法 | |
CN112380892B (zh) | 一种图像识别方法、装置、设备及介质 | |
CN110503032B (zh) | 基于监控摄像头轨迹数据的个体重要场所探测方法 | |
Hajela et al. | A multi‐dimensional crime spatial pattern analysis and prediction model based on classification | |
CN104715614A (zh) | 一种嫌疑套牌车捕获方法 |
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 |