CN108615359B - 一种车辆落脚点分析方法和装置 - Google Patents

一种车辆落脚点分析方法和装置 Download PDF

Info

Publication number
CN108615359B
CN108615359B CN201810421463.3A CN201810421463A CN108615359B CN 108615359 B CN108615359 B CN 108615359B CN 201810421463 A CN201810421463 A CN 201810421463A CN 108615359 B CN108615359 B CN 108615359B
Authority
CN
China
Prior art keywords
vehicle
passing
gates
group
analyzed
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
Application number
CN201810421463.3A
Other languages
English (en)
Other versions
CN108615359A (zh
Inventor
高军
于波
董超
王可鑫
段文良
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.)
Shandong Heetian Information Technology Co ltd
Original Assignee
Shandong Heetian Information Technology 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 Shandong Heetian Information Technology Co ltd filed Critical Shandong Heetian Information Technology Co ltd
Priority to CN201810421463.3A priority Critical patent/CN108615359B/zh
Publication of CN108615359A publication Critical patent/CN108615359A/zh
Application granted granted Critical
Publication of CN108615359B publication Critical patent/CN108615359B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G06Q50/265—Personal security, identity or safety
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Computer Security & Cryptography (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Burglar Alarm Systems (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种车辆落脚点分析方法和装置，获取一段时间内所有车辆通过城市所有卡口的通行数据，根据所有车辆通行数据，将城市所有卡口进行两两分组，对分组后的卡口数据进行去重处理，得到多组不同的卡口数据，计算每组卡口间的特征，采用聚类算法进行分类建模，得到每组卡口对应的通行数据分类模型，基于通行数据分类模型，将待分析的车辆在指定时间段内通过城市所有卡口的通行数据分为若干行程，统计出该待分析的车辆所有行程的开始点、结束点以及开始点和结束点出现次数，将出现次数最多的卡口作为待分析的车辆落脚点。本发明通过对车辆落脚点进行分析，进而取得犯罪分子落脚点，为公安办案及案情研判提供依据。

Description

一种车辆落脚点分析方法和装置
技术领域
本发明涉及一种车辆落脚点分析方法和装置。
背景技术
随着社会经济的发展，交通的便利，车辆也走进了千家万户，越来越多的家庭都购买了车辆作为出行工具。与此同时，伴随而来的，是犯罪分子犯事后，开车逃匿的行为也日渐增多，因此，对车辆落脚点分析，也成为公安办案一种必要依据。
使用车辆作为出行方式时，经常出现走走停停的现象，有时候只是短暂停留，有时候是长时间逗留，日复一日，因此，对车辆落脚点进行分析，并不容易。
综上所述，如何通过对大量车辆出行数据的积累和分析，最后获取车辆落脚点，尚缺乏有效的解决方案。
发明内容
为了克服上述现有技术的不足，本发明提供了一种车辆落脚点分析方法和装置，通过对车辆落脚点进行分析，进而取得犯罪分子落脚点，为公安办案及案情研判提供依据。
本发明所采用的技术方案是：
一种车辆落脚点分析方法，该方法包括以下步骤：
获取一段时间内所有车辆通过城市所有卡口的通行数据；
根据所有车辆通行数据，将城市所有卡口进行两两分组；
对分组后的卡口数据进行去重处理，得到多组不同的卡口数据；
计算每组卡口间的特征，采用聚类算法进行分类建模，得到每组卡口对应的通行数据分类模型；
基于通行数据分类模型，将待分析的车辆在指定时间段内通过城市所有卡口的通行数据分为若干行程；
统计出该待分析的车辆所有行程的开始点、结束点以及开始点和结束点出现次数，将出现次数最多的卡口作为待分析的车辆落脚点。
进一步的，所述通行数据包括卡口识别号、车辆识别码和通行时间。
进一步的，所述将城市所有卡口进行两两分组的步骤包括：
根据所有车辆通行数据，将在指定时间T内连续通过的两个卡口划分为一组。
进一步的，所述对分组后的卡口数据进行去重处理的步骤包括：
基于各组内卡口的识别号与次序，将与一分组内两个卡口识别号且次序相同的其他组删除，得到多组不同的卡口数据。
进一步的，所述每组卡口间的特征的计算方法为：
计算车辆在指定时间段内依次通过每组内两个卡口间的时长，并结合车辆在指定时间段内通过每组内两个卡口间的时间是否为节假及通行时间段形成每组卡口间的特征。
进一步的，所述将待分析的车辆在指定时间段内通过城市所有卡口的通行数据分为若干行程的步骤包括：
将待分析的车辆在指定时间段内通过一组卡口间的时长、通信时间是否是节假日和通行时间段三个要素整合后代入到该组卡口所对应的通行数据分类模型中，获得分类结果；
如果获得分类结果是正常通行，则视为车辆通过这两个卡口的通行数据为同一个行程内的；如果获得分类结果是异常通行，则将第一个卡口视为上一个行程的结束点，将第二个卡口视为下一个行程的开始点；依次循环，直至将待分析的车辆在指定时间段内所有通行数据分为若干行程。
进一步的，还包括：
对待分析的车辆的所有行程进行相似度分析，获得该待分析的车辆活动路线。
一种车辆落脚点分析装置，该装置包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如上所述的车辆落脚点分析方法。
与现有技术相比，本发明的有益效果是：
本发明通过对犯罪嫌疑人的车辆落脚点、经常活动路线进行分析，进而取得犯罪分子落脚点，从而合理的发现可能发生的事件，维护社会治安，为刑侦案件的侦破提供了保障。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
图1是本发明实施例公开的车辆落脚点分析方法流程图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
正如背景技术所介绍的，为了通过对大量车辆出行数据的积累和分析，最后获取车辆落脚点的目的，本申请提出了一种车辆落脚点分析方法和装置，通过车辆落脚点进行分析，进而取得犯罪分子落脚点，为公安办案及案情研判提供依据。
本申请的一种典型的实施方式中，提供了一种车辆落脚点分析方法，该方法包括以下步骤：
获取一段时间内所有车辆通过城市所有卡口的通行数据；
根据所有车辆通行数据，将城市所有卡口进行两两分组；
对分组后的卡口数据进行去重处理，得到多组不同的卡口数据；
计算每组卡口间的特征，采用聚类算法进行分类建模，得到每组卡口对应的通行数据分类模型；
基于通行数据分类模型，将待分析的车辆在指定时间段内通过城市所有卡口的通行数据分为若干行程；
统计出该待分析的车辆所有行程的开始点、结束点以及开始点和结束点出现次数，将出现次数最多的卡口作为待分析的车辆落脚点。
本发明实施例提出的车辆落脚点分析方法，通过对犯罪嫌疑人的车辆落脚点、经常活动路线进行分析，进而取得犯罪分子落脚点，从而合理的发现可能发生的事件，维护社会治安，为刑侦案件的侦破提供了保障。
为了本领域的技术人员更好地了解本发明，下面列举一个更为详细的实施例，如图1所示，本发明实施例提供了一种车辆落脚点分析方法，该方法包括以下步骤：
步骤一：获取该城市所有车辆在N天通行城市所有卡口的数据，其中，数据包括：卡口识别号、车辆识别码和通行时间，卡口识别号可以是卡口唯一编号、卡口位置等，车辆识别码可以为车牌号、车架号等。
步骤二：将城市所有卡口进行两两分组。
根据车辆通行数据，将在指定时间T(如设定为60分钟，用来避免不相干的卡口归为一组)内能连续通过的卡口归为一组。例如：车辆A在某次出行过程中，依次通过了K1，K2，K3，K4四个卡口，且从K1到K2、从K2到K3、从K3到K4的通行时间均差不超过60分钟，则将卡口分为四组：(K1,K2)、(K2，K3)，(K3,K4)。
步骤三：按照步骤二中的方法，根据该城市所有车辆在N天(可以设置7天或30天，保证这些天内车辆能覆盖到所有卡口即可)内的通行数据将该城市所有卡口进行两两分组。
步骤四：将所有分组后的卡口数据进行去重处理，每个分组只保留一份，保证唯一性。
在每组内卡口是有次序的，例如(K1，K2)，(K2，K1)是两个不同的分组。
步骤五：取出一组卡口，计算车辆A在指定时间段内(如1个月，保证最后特征数量大于1000即可，越多越好)依次通过该组两个卡口间时间差t1，同时结合通行时间是否为节假日及通行时间段(将一天24小时为分为24个时间段)设定为该组卡口间的一个特征。如果车辆A有3次通过该组卡口，则分别都将通行时长计算出来，记为t2，t3，同时结合通信时间是否节假日及通行时间段，形成该组卡口间的第二、第三个特征。
步骤六：按照步骤五的方法，计算其他车辆依次通过该组两个卡口间的时长t4，t5……tn,最后结合通行时间是否属于节假日及通行时间段形成该组卡口间的第四、第五……第n个特征。
步骤七：按照步骤五和步骤六的方法，将每组卡口间的特征都计算出来，选择的时长要保证最后得到的特征数大于1000。
步骤八：取出一组卡口特征，使用聚类算法进行分类建模，设定分为2类：即正常通行和异常通行，从而得到该组卡口对应的通行数据分类模型；并按照此方法计算出所有分组对应的通行数据分类模型。
步骤九：将需要分析的车辆通过城市所有卡口的数据分成若干个行程。
将该车辆通过一组内两卡口间的时长、通行时间是否为节假日和通行时间段三个要素整合后代入到该组卡口所对应的通行数据分类模型中，如果获得分类结果是正常通行，则视为该车辆通过该组这两个卡口为同一个行程内的；如果获得分类结果是异常通行，则将第一个卡口视为上一个行程的结束点，将第二个卡口视为下一个行程的开始点。按此方法将该车辆在指定时间段内(根据分析需要设定时间段)通过所有分组卡口的通行数据分为若干行程。
步骤十：对该车辆所有行程的开始点和结束点做统计。
统计出所有行程的开始点、结束点以及开始点和结束点的出现次数，并进行排序。出现的次数越多，说明为该车辆落脚点的可能性越大，即该嫌疑人落脚在该卡口附近的可能性越大。
步骤十一：可以对同一车辆的行程做相似度分析，从而获取该犯罪嫌疑人的经常活动路线。在分析犯罪嫌疑人落脚点时，还可以对该犯罪嫌疑人的车辆指定时间行程与犯罪嫌疑人之前的行程做相似度研判，以确定犯罪嫌疑人落脚点。
在本实施例中，采用现有的方法对同一车辆的行程做相似度分析，从而获取该犯罪嫌疑人的经常活动路线。
本发明实施例提出的车辆落脚点分析方法，通过对犯罪嫌疑人的车辆落脚点、经常活动路线进行分析，进而取得犯罪分子落脚点，从而合理的发现可能发生的事件，维护社会治安，为刑侦案件的侦破提供了保障。
本申请的另一目的是提供一种计算装置。
一种车辆落脚点分析装置，用于实现车辆落脚点分析，该装置包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现以下步骤，包括：
获取一段时间内所有车辆通过城市所有卡口的通行数据；
根据所有车辆通行数据，将城市所有卡口进行两两分组；
对分组后的卡口数据进行去重处理，得到多组不同的卡口数据；
计算每组卡口间的特征，采用聚类算法进行分类建模，得到每组卡口对应的通行数据分类模型；
基于通行数据分类模型，将待分析的车辆在指定时间段内通过城市所有卡口的通行数据分为若干行程；
统计出该待分析的车辆所有行程的开始点、结束点以及开始点和结束点出现次数，将出现次数最多的卡口作为待分析的车辆落脚点。
本领域技术人员应该明白，上述本发明的各步骤可以用通用的计算机装置来实现，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本发明不限制于任何特定的硬件和软件的结合。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (6)

1.一种车辆落脚点分析方法，其特征是，包括以下步骤：
获取一段时间内所有车辆通过城市所有卡口的通行数据；
根据所有车辆通行数据，将城市所有卡口进行两两分组；
所述将城市所有卡口进行两两分组的步骤包括：
根据所有车辆通行数据，将在指定时间T内连续通过的两个卡口划分为一组；
对分组后的卡口数据进行去重处理，得到多组不同的卡口数据；
计算每组卡口间的特征，采用聚类算法进行分类建模，得到每组卡口对应的通行数据分类模型；
所述每组卡口间的特征的计算方法为：
计算所有车辆在指定时间段内依次通过每组内两个卡口间的时长，并结合车辆在指定时间段内通过每组内两个卡口间的时间是否为节假及通行时间段形成每组卡口间的特征；
基于通行数据分类模型，将待分析的车辆在指定时间段内通过城市所有卡口的通行数据分为若干行程；
所述将待分析的车辆在指定时间段内通过城市所有卡口的通行数据分为若干行程的步骤包括：
将待分析的车辆在指定时间段内通过一组卡口间的时长、通行时间是否是节假日和通行时间段三个要素整合后代入到该组卡口所对应的通行数据分类模型中，获得分类结果；
统计出该待分析的车辆所有行程的开始点、结束点以及开始点和结束点出现次数，将出现次数最多的卡口作为待分析的车辆落脚点。
2.根据权利要求1所述的车辆落脚点分析方法，其特征是，所述通行数据包括卡口识别号、车辆识别码和通行时间。
3.根据权利要求1所述的车辆落脚点分析方法，其特征是，所述对分组后的卡口数据进行去重处理的步骤包括：
基于各组内卡口的识别号与次序，将与一分组内两个卡口识别号且次序相同的其他组删除，得到多组不同的卡口数据。
4.根据权利要求1所述的车辆落脚点分析方法，其特征是，所述将待分析的车辆在指定时间段内通过城市所有卡口的通行数据分为若干行程的步骤还包括：
如果获得分类结果是正常通行，则视为车辆通过这两个卡口的通行数据为同一个行程内的；如果获得分类结果是异常通行，则将第一个卡口视为上一个行程的结束点，将第二个卡口视为下一个行程的开始点；依次循环，直至将待分析的车辆在指定时间段内所有通行数据分为若干行程。
5.根据权利要求1所述的车辆落脚点分析方法，其特征是，还包括：
对待分析的车辆的所有行程进行相似度分析，获得该待分析的车辆活动路线。
6.一种车辆落脚点分析装置，其特征是，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-5任一项所述的车辆落脚点分析方法。
CN201810421463.3A 2018-05-04 2018-05-04 一种车辆落脚点分析方法和装置 Active CN108615359B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810421463.3A CN108615359B (zh) 2018-05-04 2018-05-04 一种车辆落脚点分析方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810421463.3A CN108615359B (zh) 2018-05-04 2018-05-04 一种车辆落脚点分析方法和装置

Publications (2)

Publication Number Publication Date
CN108615359A CN108615359A (zh) 2018-10-02
CN108615359B true CN108615359B (zh) 2020-05-08

Family

ID=63661792

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810421463.3A Active CN108615359B (zh) 2018-05-04 2018-05-04 一种车辆落脚点分析方法和装置

Country Status (1)

Country Link
CN (1) CN108615359B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109471907B (zh) * 2018-11-15 2022-04-29 刘长山 一种基于卡口数据的行车规律分析系统和方法
CN109741227B (zh) * 2019-01-07 2020-12-08 巩志远 一种基于最近邻算法预测人房一致性处理方法及系统
CN111667697B (zh) * 2019-03-06 2022-11-08 北京京东尚科信息技术有限公司 异常车辆识别方法和装置、计算机可读存储介质
CN111985452B (zh) * 2020-09-04 2024-01-02 山东合天智汇信息技术有限公司 一种人员活动轨迹及落脚点的自动生成方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN106846538A (zh) * 2015-12-04 2017-06-13 杭州海康威视数字技术股份有限公司 过车记录处理方法和装置
CN107862862A (zh) * 2016-09-22 2018-03-30 杭州海康威视数字技术股份有限公司 一种车辆行为分析方法及装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7382277B2 (en) * 2003-02-12 2008-06-03 Edward D. Ioli Trust System for tracking suspicious vehicular activity
JP2012048645A (ja) * 2010-08-30 2012-03-08 Sanyo Electric Co Ltd 車載情報通信装置、路側情報通信装置並びに通信システム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN106846538A (zh) * 2015-12-04 2017-06-13 杭州海康威视数字技术股份有限公司 过车记录处理方法和装置
CN107862862A (zh) * 2016-09-22 2018-03-30 杭州海康威视数字技术股份有限公司 一种车辆行为分析方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"公安领域高清视频管理信息系统的设计与实现";何震旻;《万方数据》;20140917;全文 *

Also Published As

Publication number Publication date
CN108615359A (zh) 2018-10-02

Similar Documents

Publication Publication Date Title
CN108615359B (zh) 一种车辆落脚点分析方法和装置
CN107038478B (zh) 路况预测方法及装置、计算机设备与可读介质
CN107948166B (zh) 基于深度学习的流量异常检测方法及装置
Chirigati et al. Data polygamy: The many-many relationships among urban spatio-temporal data sets
US10810870B2 (en) Method of processing passage record and device
CN109214345B (zh) 基于相似度比对查找换牌车辆的行驶轨迹的方法
CN112446025A (zh) 联邦学习防御方法、装置、电子设备及存储介质
CN105448092A (zh) 一种关联车辆的分析方法及装置
CN107749164B (zh) 一种车辆聚集分析方法及装置
CN110598999B (zh) 基于个体数据的交通出行分析方法、系统及存储介质
CN110674360B (zh) 一种用于数据的溯源方法和系统
CN111105628A (zh) 一种停车场画像构建方法和装置
CN112749653A (zh) 行人检测方法、装置、电子设备及存储介质
CN113257017A (zh) 一种交叉口信号配时方案的估算方法、装置和终端
CN111291216B (zh) 一种基于人脸结构化数据的落脚点分析方法和系统
Mesabbah et al. Presenting a hybrid processing mining framework for automated simulation model generation
CN111815973A (zh) 信号交叉口分析方法及相关设备
CN111160797A (zh) 风控模型的构建方法、装置、存储介质及终端
CN111369790B (zh) 过车记录校正方法、装置、设备及存储介质
CN111325255A (zh) 特定人群圈定方法、装置、电子设备及存储介质
CN109471907B (zh) 一种基于卡口数据的行车规律分析系统和方法
CN113160565B (zh) 一种套牌车辆的识别方法、装置、存储介质及终端
CN115829237A (zh) 交通运输工具调动方法、装置、设备、介质及产品
CN113470079A (zh) 一种落脚区域的输出方法、装置及电子设备
CN110968690B (zh) 词语的聚类划分方法和装置、设备以及存储介质

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