CN109635857A - 人车轨迹监测分析方法、装置、设备及存储介质 - Google Patents
人车轨迹监测分析方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN109635857A CN109635857A CN201811447787.0A CN201811447787A CN109635857A CN 109635857 A CN109635857 A CN 109635857A CN 201811447787 A CN201811447787 A CN 201811447787A CN 109635857 A CN109635857 A CN 109635857A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- data
- mobile terminal
- track
- monitoring 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Abstract
本发明提供一种人车轨迹监测分析方法、装置、设备及存储介质,通过获取待分析的车辆在预定时间段内的车辆轨迹,然后查找与车辆轨迹相匹配的移动终端轨迹,获取与移动终端轨迹对应的移动终端,从而确定移动终端位于车辆中。本发明的方法可实现车辆与移动终端的匹配,进而能够根据移动终端识别车内人员的身份,提高车辆与人员匹配效率,具有较高的准确性,可以为社会管理、治安调查等工作提供有力的分析支持。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种人车轨迹监测分析方法、装置、设备及存储介质。
背景技术
监控摄像、移动电信设备、无线热点等设施,在城市道路交通网络中,时刻捕捉着最新的人流与车流信息。基于这些信息,可以推断出人员与乘用车辆的匹配状态,进而为社会管理、治安调查等工作提供有力的分析支持。
现有技术中对于人员与乘用车辆的匹配通常采用摄像头采集车辆图像,进而对图像中的车辆识别车辆信息,对图像中驾驶员进行人脸识别,通常采用人工操作或者半人工统计加计算机汇总的方式较耗费人力物力,工作过程耗时较长,缺乏灵活性与响应性,并且识别难度较大,精度不高。
发明内容
本发明提供一种人车轨迹监测分析方法、装置、设备及存储介质,以实现车辆与移动终端的匹配,进而能够根据移动终端识别车内人员的身份,提高车辆与人员匹配效率,具有较高的准确性,可以为社会管理、治安调查等工作提供有力的分析支持。
本发明的第一方面是提供一种人车轨迹监测分析方法,包括:
获取待分析的车辆在预定时间段内的车辆轨迹;
查找与所述车辆轨迹相匹配的移动终端轨迹;
获取与所述移动终端轨迹对应的移动终端,确定所述移动终端位于所述车辆中。
本发明的第二方面是提供一种人车轨迹监测分析装置,包括:
车辆轨迹获取模块,用于获取待分析的车辆在预定时间段内的车辆轨迹;
移动终端查找模块,用于查找与所述车辆轨迹相匹配的移动终端轨迹;获取与所述移动终端轨迹对应的移动终端,确定所述移动终端位于所述车辆中。
本发明的第三方面是提供一种人车轨迹监测分析设备,包括:
存储器;
处理器;以及
计算机程序;
其中,所述计算机程序存储在所述存储器中,并被配置为由所述处理器执行以实现如第一方面所述的方法。
本发明的第四方面是提供一种计算机可读存储介质,其上存储有计算机程序;
所述计算机程序被处理器执行时实现如第一方面所述的方法。
本发明提供的人车轨迹监测分析方法、装置、设备及存储介质,通过获取待分析的车辆在预定时间段内的车辆轨迹,然后查找与车辆轨迹相匹配的移动终端轨迹,获取与移动终端轨迹对应的移动终端,从而确定移动终端位于车辆中。本发明的方法可实现车辆与移动终端的匹配,进而能够根据移动终端识别车内人员的身份,提高车辆与人员匹配效率,具有较高的准确性,可以为社会管理、治安调查等工作提供有力的分析支持。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的应用场景的示意图;
图2为本发明实施例提供的人车轨迹监测分析方法流程图;
图3为本发明实施例提供的系统架构图;
图4为本发明另一实施例提供的人车轨迹监测分析方法流程图;为本发明实施例提供的…的结构图;
图5为本发明实施例提供的人车轨迹监测分析装置的结构图;
图6为本发明实施例提供的人车轨迹监测分析设备的结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供的人车轨迹监测分析方法,可以适用于图1所示的通信系统。如图1所示,所述通信系统中包括设置在道路侧的道路监测点11、12以及服务器10,道路监测点11、12分别与所述服务器10通信连接,并将采集的数据发送给服务器10,道路监测点具体可包括第一采集设备和第二采集设备,其中第一采集设备用于采集车辆的相关数据,可包括车辆标识(如车牌号)、行驶方向等,同时也可记录采集时间,例如第一采集设备可以为摄像头,通过采集车辆图像,从而从图像中识别出车牌号及行驶方向;第二采集装置用于采集移动终端的相关数据,可包括移动终端标识、运动方向,同时也可记录采集时间,例如第二采集设备可以为Mac(Media Access Control,媒体访问控制)地址嗅探设备,可捕捉到各车辆中人员随身携带的移动终端(如手机等)的Mac地址,从而可以以Mac地址为移动终端标识,也可获取到移动终端的运动方向。本发明依据道路监测点采集的数据获取车辆轨迹和移动终端轨迹,通过对车辆轨迹和移动终端轨迹进行匹配,从而确定车辆和移动终端的对应关系,从而判定车辆中的人员为移动终端的所有者,从而可以对车辆及人员进行追踪,进而为社会管理、治安调查等工作提供有力的分析支持。需要说明的是,本发明中假定车辆人员均携带的是自己的移动终端,并且经过实名认证,其移动终端标识与实名认证信息相互对应。下面结合具体的实施例对区块链网络的组建过程进行详细的描述。
图2为本发明实施例提供的人车轨迹监测分析方法流程图。本实施例提供了一种人车轨迹监测分析方法,该方法具体步骤如下:
S101、获取待分析的车辆在预定时间段内的车辆轨迹。
在本实施例中,首先可以获取待分析的车辆在预定时间段内的车辆轨迹,其中,可以通过设置在道路不同位置的监测点处的摄像头采集车辆的数据,车辆在预定时间段内依次经过不同的道路监测点,根据经过的道路监测点的位置可以获得该车辆在预定时间段内的车辆轨迹。当然对于车联网(Internet of Vehicles)中的车辆,其车辆轨迹也可由车辆自行上传,或者由GPS(Global Positioning System,全球定位系统)对车辆进行实时定位,从而获得车辆在预定时间段内的车辆轨迹。当然获取车辆轨迹的方法并不仅限于上述所列,其他获取方法亦可。
S102、查找与所述车辆轨迹相匹配的移动终端轨迹。
在本实施例中,根据车辆轨迹查找与车辆轨迹相匹配的移动终端轨迹,具体的,可首先获取在预定时间段内经过与车辆轨迹相同的道路监测点的移动终端轨迹,然后从各移动终端轨迹中查找与车辆轨迹匹配程度最高的移动终端轨迹,例如经过同一道路监测点的时间均较为接近,则匹配程度较高。其中可通过设置在道路不同位置的监测点处的Mac地址嗅探设备对移动终端进行捕捉,移动终端在预定时间段内依次经过不同的道路监测点,根据经过的道路监测点的位置可以获得移动终端的在预定时间段内的移动轨迹。当然,也可通过GPS对移动终端进行实时定位,或者通过其他方法获取移动终端轨迹亦可。
S103、获取与所述移动终端轨迹对应的移动终端,确定所述移动终端位于所述车辆中。
在本实施例中,当查找到与车辆轨迹相匹配的移动终端轨迹后,则可获取移动终端的相关信息,例如Mac地址、或者用户号码等,确定该移动终端在所述预定时间段内位于车辆中,也即移动终端的所有者即为车辆中的人员。进一步的,在获取与所述移动终端轨迹对应的移动终端后,还可根据所述移动终端获取移动终端的用户信息,例如可以从网警数据获取用户信息,或者从电信运营商获取用户信息,其中用户信息例如姓名、性别、身份证号码等等。
需要说明的是,本实施例的方法不仅可以用于在车辆已知的情况下确定车辆中的移动终端,进而识别车内人员,也可在人员的移动终端已知的情况下查找车辆,例如应用到对逃犯所乘坐的车辆进行识别、或者对丢失的移动终端进行追回等,也即可以先锚定移动终端轨迹,然后搜索与移动终端轨迹相匹配的车辆轨迹。
本实施例提供的人车轨迹监测分析方法,通过获取待分析的车辆在预定时间段内的车辆轨迹,然后查找与车辆轨迹相匹配的移动终端轨迹,获取与移动终端轨迹对应的移动终端,从而确定移动终端位于车辆中。本实施例提供的方法可实现车辆与移动终端的匹配,进而能够根据移动终端识别车内人员的身份,提高车辆与人员匹配效率,具有较高的准确性,可以为社会管理、治安调查等工作提供有力的分析支持。
在上述实施例的基础上,所述人车轨迹监测分析方法在S101获取待分析的车辆在预定时间段内的车辆轨迹之前,还可包括:
获取各道路监测点设置的第一采集设备采集的位于所述监测点的监测区域内的车辆的第一数据,所述第一数据包括监测点标识、采集时间、车辆标识、以及行驶方向;
获取所述各道路的监测点设置的第二采集设备采集的经过所述监测点的监测区域的移动终端的第二数据,所述第二数据包括监测点标识、采集时间、移动终端标识、以及运动方向。
在本实施例中,在道路设置道路监测点,在道路监测点设置第一采集设备和第二采集设备,其中第一采集设备和第二采集设备可以集成在一起,也可分别为两个设备,此外一个道路监测点处可布置多个设备共同完成采集。第一采集设备可以为摄像头,通过每间隔预定时间采集监测范围内的图像,并记录采集时间,然后对图像进行识别,获取车辆标识(如车牌号、车辆型号、颜色等等),还可通过识别车头、车尾方向从而获得运动方向,然后将监测点标识、采集时间、车辆标识、以及行驶方向打包为一条数据,也即第一数据。同样的,第二采集设备可以为Mac地址嗅探设备,捕捉监测范围内的移动终端的Mac地址,并识别移动终端的运动方向,同时记录采集时间,然后将监测点标识、采集时间、移动终端标识、以及运动方向打包为一条数据,也即第二数据。
进一步的,在获取第一数据和第二数据后,还可包括:
根据所述车辆标识和所述监测点标识,融合同一监测点处采集的同一车辆的第一数据,得到车辆行驶数据并存储到存储设备中,所述车辆行驶数据包括:监测点标识、车辆标识、经过监测点的时间、进入监测区域时的行驶方向、以及离开检测范围时的行驶方向;
根据所述移动终端标识和所述监测点标识,融合同一监测点处采集的同一移动终端的第二数据,得到移动终端运动数据并存储到存储设备中,所述移动终端运动数据包括:监测点标识、移动终端标识、经过监测点的时间、进入监测区域时的运动方向、以及离开检测范围时的运动方向。
在本实施例中,由第一采集设备和第二采集设备产生的原始数据(第一数据和第二数据)往往比较简单,可能存在冗余重复、质量损失等特点,更重要的是,原始数据并不会自然关联上下文,例如一个道路监测点部署多个摄像头时可能采集到多个第一数据,并且如果车辆在监测范围内时经历了多个采集周期,则采集到的数据量更大。因此本实施例中对原始数据也即第一数据和第二数据进行预处理,以去除第一数据和第二数据中的冗余数据,本实施例中可通过数据合并减少数据的冗余重复,从而减小数据量。具体的,本实施例对数据进行语义扩展,也即增加进入监测区域方向和离开监测区域方向,并统一时间,以进入监测区域的时间、或者离开监测区域的时间、或者取中间时间作为经过监测点的时间。例如对于道路监测点A,对于经过其监测范围的车辆标识为B的车辆采集到多个第一数据,仅仅取其中采集时间最靠前的第一数据作为车辆进入监测区域时刻的第一数据,取其中的行驶方向作为进入监测区域时的行驶方向,去其中的采集时间作为经过监测点的时间;取采集时间最靠后的第一数据作为车辆离开监测区域时刻的第一数据,将两个第一数据进行合并,取其中的行驶方向作为离开检测范围时的行驶方向,从而得到车辆行驶数据,其中包括:监测点标识、车辆标识、经过监测点的时间、进入监测区域时的行驶方向、以及离开检测范围时的行驶方向。需要说明的是,对于位于路口的道路监测点,通过进入监测区域时的行驶方向、以及离开检测范围时的行驶方向能够反映出车辆转弯时的轨迹,而对于未发生转向的车辆,进入监测区域时的行驶方向、以及离开检测范围时的行驶方向可以相同。对于合并第二数据获取移动终端运动数据原理相同,此处不再赘述。通过数据的合并,每一道路监测点对于同一车辆的数据可以减少到一条,对于同一移动终端的数据也可以减少到一条,并且通过增加数据维度能够记录同样多的信息,保证数据的完整性,减少数据的冗余重复,提升数据分析精准度,局部计算环节缩小数据加载扫描范围。具体示例如下,对于第一数据,道路监测点M1处布置有三个第一采集设备ID1、ID2和ID3,其采集到的第一数据如表1所示。
表1
车牌号码 | 行驶方向 | 时间 | 设备标识 |
S032V0 | 1 | T1 | M1-ID1 |
S470V5 | 4 | T2 | M1-ID2 |
S032V0 | 2 | T3 | M1-ID2 |
S470V5 | 3 | T4 | M1-ID3 |
经过预处理进行数据合并后,得到如表2所示的数据。
表2
车牌号码 | 入方向 | 出方向 | 时间 | 监测点标识 |
S032V0 | D1 | D2 | T1 | M1 |
S470V5 | D4 | D3 | T2 | M1 |
需要说明的是,本实施例中对于数据采集、数据预处理以及存储可采用如图3所示的系统架构,数据采集节点(Agent)部署在道路监测点,数据采集节点获取到第一数据和第二数据后,发送给消息中间件,进行消息缓存,然后消息中间件会将数据统一发送到数据预处理节点,在数据预处理节点中会对采集到的数据进行预处理,完成数据合并,经过处理的数据会变得格式规整,更加适合进行数据分析,之后处理好的数据会存储到分布式的存储节点,后续的实时分析与查询服务都是从分布式的存储节点中读取数据进行处理分析。
在上述实施例的基础上,如图4所示,S101所述的获取待分析的车辆在预定时间段内的车辆轨迹,包括:
S201、根据所述车辆的车辆标识从所述存储设备中查找所述车辆在所述预定时间段内的各车辆行驶数据,按经过监测点的时间进行排序,从而获得所述车辆在预定时间段内的车辆轨迹。
通过在存储节点根据车辆标识和预定时间段进行查找,从而查找到车辆在所述预定时间段内的各车辆行驶数据,然后按经过监测点的时间进行排序,从而得到车辆轨迹,例如对于车辆C1,在预定时间段T1到T4范围内的车辆轨迹为T_C=<(M2,T1,D1,D3),(M3,T2,D2,D5),(M5,T3,D1,D2),(M8,T4,D3,D0)>,其中M代表道路监测点标识,T为时间,D代表方向,上述轨迹的数据由于仅针对车辆C1,所以省略了车辆标识,也即在预定时间段T1到T4范围内车辆C1依次经过了M2、M3、M5、M8四个道路监测点。
进一步的,S102所述查找与所述车辆轨迹相匹配的移动终端轨迹,可以包括:
S202、从所述存储设备中查找预定时间段内与所述车辆轨迹中各车辆行驶数据具有相同监测点标识的移动终端运动数据,根据移动终端标识以及经过监测点的时间获取至少一个移动终端轨迹;
S203、获取所述移动终端轨迹与所述移动终端轨迹的相关度,以相关度最高的所述移动终端轨迹作为与所述车辆轨迹相匹配的移动终端轨迹。
在本实施例中,从存储节点查找在预定时间段内与车辆经过相同的道路监测点的移动终端运动数据,具体的,可以预定时间段进行查询获取第一数据集,以经过相同道路监测点(经过道路监测点的先后顺序相同)获取第二数据集,求第一数据集和第二数据集的交集,从而得到所需的移动终端运动数据,进而移动终端标识以及经过监测点的时间获取至少一个移动终端轨迹。例如对于移动终端x,在T1到T4范围内移动终端轨迹可以如下:T_P=<(M2,T1,D1,D3),(M3,T2,D2,D5),(M5,T3,D1,D2),(M8,T4,D3,D0)>,当然需要说明的是,及时是移动终端和车辆轨迹匹配,经过监测点的时间、进入方向、以及离开方向也可能存在一定的误差,只要误差在允许的范围内即可。
进一步的,S203所述获取所述移动终端轨迹与所述移动终端轨迹的相关度,可以包括:
S2031、依次获取所述车辆轨迹及所述移动终端轨迹中对应的车辆行驶数据和移动终端运动数据;
S2032、获取对应的车辆行驶数据和移动终端运动数据的相关度,并对各相关度求和,从而得到所述移动终端轨迹与所述移动终端轨迹的相关度。
其中,S2031所述获取对应的车辆行驶数据和移动终端运动数据的相关度,具体包括:
根据如下公式获取车辆行驶数据和移动终端运动数据的相关度:
其中,
其中,Rank为相关度,M1为车辆行驶数据中的监测点标识,T1为车辆行驶数据中的经过监测点的时间,Dx1为车辆行驶数据中的进入监测区域时的行驶方向,Dy1为车辆行驶数据中的离开检测范围时的行驶方向,M2为移动终端运动数据中的监测点标识,T2移动终端运动数据中的经过监测点的时间,Dx2移动终端运动数据中的进入监测区域时的运动方向,Dy2移动终端运动数据中的离开检测范围时的运动方向。
需要说明的是,相关度rank的值是一个不小于0的实数值。若道路监测点标识不一致,则相关度为0;否则,相关度取决于时间偏差与出入方向的匹配度。
本实施例提供的人车轨迹监测分析方法,通过获取待分析的车辆在预定时间段内的车辆轨迹,然后查找与车辆轨迹相匹配的移动终端轨迹,获取与移动终端轨迹对应的移动终端,从而确定移动终端位于车辆中。本实施例提供的方法可实现车辆与移动终端的匹配,进而能够根据移动终端识别车内人员的身份,提高车辆与人员匹配效率,具有较高的准确性,可以为社会管理、治安调查等工作提供有力的分析支持。此外,本实施例的方法,实时收集全量数据,保证基础数据的完整性与实时性;能够实现即席数据查询,可以随时查询分析得到数据结果;并且全过程可由计算机自动化程序完成,保证分析速度、以及数据与计算的准确性;具备完备的数据管理设施,能够保证数据资产的有效积累与沉淀;对于轨迹建模维度更丰富,提升了数据分析的准确性。
图5为本发明实施例提供的人车轨迹监测分析装置的结构图。本实施例提供的人车轨迹监测分析装置可以执行人车轨迹监测分析方法实施例提供的处理流程,如图5所示,所述人车轨迹监测分析装置30包括车辆轨迹获取模块31以及移动终端查找模块32。
其中,车辆轨迹获取模块31,用于获取待分析的车辆在预定时间段内的车辆轨迹;
移动终端查找模块32,用于查找与所述车辆轨迹相匹配的移动终端轨迹;获取与所述移动终端轨迹对应的移动终端,确定所述移动终端位于所述车辆中。
进一步的,所述装置30还可包括用户信息获取模块33,用于根据所述移动终端获取移动终端的用户信息。
进一步的,所述装置30还可包括采集模块34,用于:
在获取待分析的车辆在预定时间段内的车辆轨迹之前,获取各道路监测点设置的第一采集设备采集的位于所述监测点的监测区域内的车辆的第一数据,所述第一数据包括监测点标识、采集时间、车辆标识、以及行驶方向;
获取所述各道路的监测点设置的第二采集设备采集的经过所述监测点的监测区域的移动终端的第二数据,所述第二数据包括监测点标识、采集时间、移动终端标识、以及运动方向。
进一步的,所述装置30还可包括预处理模块35,用于:
对所述第一数据和所述第二数据进行预处理,以去除所述第一数据和所述第二数据中的冗余数据。
进一步的,预处理模块35具体用于:
根据所述车辆标识和所述监测点标识,融合同一监测点处采集的同一车辆的第一数据,得到车辆行驶数据并存储到存储设备中,所述车辆行驶数据包括:监测点标识、车辆标识、经过监测点的时间、进入监测区域时的行驶方向、以及离开检测范围时的行驶方向;
根据所述移动终端标识和所述监测点标识,融合同一监测点处采集的同一移动终端的第二数据,得到移动终端运动数据并存储到存储设备中,所述移动终端运动数据包括:监测点标识、移动终端标识、经过监测点的时间、进入监测区域时的运动方向、以及离开检测范围时的运动方向。
进一步的,所述车辆轨迹获取模块31用于:
根据所述车辆的车辆标识从所述存储设备中查找所述车辆在所述预定时间段内的各车辆行驶数据,按经过监测点的时间进行排序,从而获得所述车辆在预定时间段内的车辆轨迹。
进一步的,所述移动终端查找模块32用于:
从所述存储设备中查找预定时间段内与所述车辆轨迹中各车辆行驶数据具有相同监测点标识的移动终端运动数据,根据移动终端标识以及经过监测点的时间获取至少一个移动终端轨迹;
获取所述移动终端轨迹与所述移动终端轨迹的相关度,以相关度最高的所述移动终端轨迹作为与所述车辆轨迹相匹配的移动终端轨迹。
进一步的,所述移动终端查找模块32具体用于:
依次获取所述车辆轨迹及所述移动终端轨迹中对应的车辆行驶数据和移动终端运动数据;
获取对应的车辆行驶数据和移动终端运动数据的相关度,并对各相关度求和,从而得到所述移动终端轨迹与所述移动终端轨迹的相关度。
进一步的,所述移动终端查找模块32具体用于:
根据如下公式获取车辆行驶数据和移动终端运动数据的相关度:
其中,
其中,Rank为相关度,M1为车辆行驶数据中的监测点标识,T1为车辆行驶数据中的经过监测点的时间,Dx1为车辆行驶数据中的进入监测区域时的行驶方向,Dy1为车辆行驶数据中的离开检测范围时的行驶方向,M2为移动终端运动数据中的监测点标识,T2移动终端运动数据中的经过监测点的时间,Dx2移动终端运动数据中的进入监测区域时的运动方向,Dy2移动终端运动数据中的离开检测范围时的运动方向。
本实施例提供的人车轨迹监测分析装置可以具体用于执行上述图2和图4所提供的方法实施例,具体功能此处不再赘述。
本实施例提供的人车轨迹监测分析装置,通过获取待分析的车辆在预定时间段内的车辆轨迹,然后查找与车辆轨迹相匹配的移动终端轨迹,获取与移动终端轨迹对应的移动终端,从而确定移动终端位于车辆中。本实施例可实现车辆与移动终端的匹配,进而能够根据移动终端识别车内人员的身份,提高车辆与人员匹配效率,具有较高的准确性,可以为社会管理、治安调查等工作提供有力的分析支持。
图6为本发明实施例提供的人车轨迹监测分析设备的结构示意图。本发明实施例提供的人车轨迹监测分析设备可以执行人车轨迹监测分析方法实施例提供的处理流程,如图5所示,人车轨迹监测分析设备50包括存储器51、处理器52、计算机程序和通讯接口53;其中,计算机程序存储在存储器51中,并被配置为由处理器52执行以上实施例所述的人车轨迹监测分析方法。
图6所示实施例的人车轨迹监测分析设备可用于执行上述方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
另外,本实施例还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行以实现上述实施例所述的人车轨迹监测分析方法。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
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单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。上述描述的装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种人车轨迹监测分析方法,其特征在于,包括:
获取待分析的车辆在预定时间段内的车辆轨迹;
查找与所述车辆轨迹相匹配的移动终端轨迹;
获取与所述移动终端轨迹对应的移动终端,确定所述移动终端位于所述车辆中。
2.根据权利要求1所述的方法,其特征在于,所述获取待分析的车辆在预定时间段内的车辆轨迹之前,还包括:
获取各道路监测点设置的第一采集设备采集的位于所述监测点的监测区域内的车辆的第一数据,所述第一数据包括监测点标识、采集时间、车辆标识、以及行驶方向;
获取所述各道路的监测点设置的第二采集设备采集的经过所述监测点的监测区域的移动终端的第二数据,所述第二数据包括监测点标识、采集时间、移动终端标识、以及运动方向。
3.根据权利要求2所述的方法,其特征在于,获取所述第一数据和所述第二数据后,还包括:
对所述第一数据和所述第二数据进行预处理,以去除所述第一数据和所述第二数据中的冗余数据。
4.根据权利要求3所述的方法,其特征在于,所述对所述第一数据和所述第二数据进行预处理包括:
根据所述车辆标识和所述监测点标识,融合同一监测点处采集的同一车辆的第一数据,得到车辆行驶数据并存储到存储设备中,所述车辆行驶数据包括:监测点标识、车辆标识、经过监测点的时间、进入监测区域时的行驶方向、以及离开检测范围时的行驶方向;
根据所述移动终端标识和所述监测点标识,融合同一监测点处采集的同一移动终端的第二数据,得到移动终端运动数据并存储到存储设备中,所述移动终端运动数据包括:监测点标识、移动终端标识、经过监测点的时间、进入监测区域时的运动方向、以及离开检测范围时的运动方向。
5.根据权利要求4所述的方法,其特征在于,所述查找与所述车辆轨迹相匹配的移动终端轨迹,包括:
从所述存储设备中查找预定时间段内与所述车辆轨迹中各车辆行驶数据具有相同监测点标识的移动终端运动数据,根据移动终端标识以及经过监测点的时间获取至少一个移动终端轨迹;
获取所述移动终端轨迹与所述移动终端轨迹的相关度,以相关度最高的所述移动终端轨迹作为与所述车辆轨迹相匹配的移动终端轨迹。
6.根据权利要求5所述的方法,其特征在于,所述获取所述移动终端轨迹与所述移动终端轨迹的相关度,包括:
依次获取所述车辆轨迹及所述移动终端轨迹中对应的车辆行驶数据和移动终端运动数据;
获取对应的车辆行驶数据和移动终端运动数据的相关度,并对各相关度求和,从而得到所述移动终端轨迹与所述移动终端轨迹的相关度。
7.根据权利要求6所述的方法,其特征在于,所述获取对应的车辆行驶数据和移动终端运动数据的相关度,包括:
根据如下公式获取车辆行驶数据和移动终端运动数据的相关度:
其中,
其中,Rank为相关度,M1为车辆行驶数据中的监测点标识,T1为车辆行驶数据中的经过监测点的时间,Dx1为车辆行驶数据中的进入监测区域时的行驶方向,Dy1为车辆行驶数据中的离开检测范围时的行驶方向,M2为移动终端运动数据中的监测点标识,T2移动终端运动数据中的经过监测点的时间,Dx2移动终端运动数据中的进入监测区域时的运动方向,Dy2移动终端运动数据中的离开检测范围时的运动方向。
8.一种人车轨迹监测分析装置,其特征在于,包括:
车辆轨迹获取模块,用于获取待分析的车辆在预定时间段内的车辆轨迹;
移动终端查找模块,用于查找与所述车辆轨迹相匹配的移动终端轨迹;获取与所述移动终端轨迹对应的移动终端,确定所述移动终端位于所述车辆中。
9.一种人车轨迹监测分析设备,其特征在于,包括:
存储器;
处理器;以及
计算机程序;
其中,所述计算机程序存储在所述存储器中,并被配置为由所述处理器执行以实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序;
所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811447787.0A CN109635857B (zh) | 2018-11-29 | 2018-11-29 | 人车轨迹监测分析方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811447787.0A CN109635857B (zh) | 2018-11-29 | 2018-11-29 | 人车轨迹监测分析方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109635857A true CN109635857A (zh) | 2019-04-16 |
CN109635857B CN109635857B (zh) | 2022-01-25 |
Family
ID=66070284
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811447787.0A Active CN109635857B (zh) | 2018-11-29 | 2018-11-29 | 人车轨迹监测分析方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109635857B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110300164A (zh) * | 2019-06-26 | 2019-10-01 | 江苏恒宝智能系统技术有限公司 | 一种车载智能卡终端认证系统 |
CN110705972A (zh) * | 2019-10-15 | 2020-01-17 | 珠海优特物联科技有限公司 | 智能印章的使用管控方法及装置 |
CN111163137A (zh) * | 2019-12-18 | 2020-05-15 | 北京中交兴路信息科技有限公司 | 一种应用程序的用户身份识别方法及装置 |
CN111222587A (zh) * | 2020-04-22 | 2020-06-02 | 南京森根安全技术有限公司 | 基于特征融合的失证人员危险驾驶行为预测方法及系统 |
CN111417088A (zh) * | 2020-03-25 | 2020-07-14 | 商车云(北京)科技有限公司 | 一种车联网数据身份属性认证方法 |
CN111984806A (zh) * | 2020-08-13 | 2020-11-24 | 浙江每日互动网络科技股份有限公司 | 一种确定车辆与终端关联程度的方法、装置和存储介质 |
CN112349105A (zh) * | 2020-09-27 | 2021-02-09 | 北京博研智通科技有限公司 | 一种在途机动车驾驶人身份的确定方法及装置 |
CN113163361A (zh) * | 2021-01-08 | 2021-07-23 | 中国联合网络通信集团有限公司 | 车辆信息处理方法、装置及服务器 |
WO2022166202A1 (zh) * | 2021-02-02 | 2022-08-11 | 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 |
CN115877343A (zh) * | 2023-02-02 | 2023-03-31 | 中电信数字城市科技有限公司 | 基于雷达目标跟踪的人车匹配方法、装置和电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104468787A (zh) * | 2014-12-09 | 2015-03-25 | 浪潮电子信息产业股份有限公司 | 一种基于大数据的人车关联识别方法 |
US20170277716A1 (en) * | 2016-03-23 | 2017-09-28 | Here Global B.V. | Map Updates from a Connected Vehicle Fleet |
CN107563288A (zh) * | 2017-07-31 | 2018-01-09 | 东软集团股份有限公司 | 一种套牌车车辆的识别方法和装置 |
CN107967493A (zh) * | 2017-12-18 | 2018-04-27 | 广州汇智通信技术有限公司 | 一种人车伴随的判定方法、系统及相关装置 |
CN108346289A (zh) * | 2018-02-13 | 2018-07-31 | 重庆交通大学 | 一种高速公路人车关联系统及方法 |
-
2018
- 2018-11-29 CN CN201811447787.0A patent/CN109635857B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104468787A (zh) * | 2014-12-09 | 2015-03-25 | 浪潮电子信息产业股份有限公司 | 一种基于大数据的人车关联识别方法 |
US20170277716A1 (en) * | 2016-03-23 | 2017-09-28 | Here Global B.V. | Map Updates from a Connected Vehicle Fleet |
CN107563288A (zh) * | 2017-07-31 | 2018-01-09 | 东软集团股份有限公司 | 一种套牌车车辆的识别方法和装置 |
CN107967493A (zh) * | 2017-12-18 | 2018-04-27 | 广州汇智通信技术有限公司 | 一种人车伴随的判定方法、系统及相关装置 |
CN108346289A (zh) * | 2018-02-13 | 2018-07-31 | 重庆交通大学 | 一种高速公路人车关联系统及方法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110300164B (zh) * | 2019-06-26 | 2020-06-16 | 江苏恒宝智能系统技术有限公司 | 一种车载智能卡终端认证系统 |
CN110300164A (zh) * | 2019-06-26 | 2019-10-01 | 江苏恒宝智能系统技术有限公司 | 一种车载智能卡终端认证系统 |
CN110705972A (zh) * | 2019-10-15 | 2020-01-17 | 珠海优特物联科技有限公司 | 智能印章的使用管控方法及装置 |
CN111163137A (zh) * | 2019-12-18 | 2020-05-15 | 北京中交兴路信息科技有限公司 | 一种应用程序的用户身份识别方法及装置 |
CN111417088B (zh) * | 2020-03-25 | 2024-03-15 | 商车云(北京)科技有限公司 | 一种车联网数据身份属性认证方法 |
CN111417088A (zh) * | 2020-03-25 | 2020-07-14 | 商车云(北京)科技有限公司 | 一种车联网数据身份属性认证方法 |
CN111222587A (zh) * | 2020-04-22 | 2020-06-02 | 南京森根安全技术有限公司 | 基于特征融合的失证人员危险驾驶行为预测方法及系统 |
CN111984806A (zh) * | 2020-08-13 | 2020-11-24 | 浙江每日互动网络科技股份有限公司 | 一种确定车辆与终端关联程度的方法、装置和存储介质 |
CN112349105B (zh) * | 2020-09-27 | 2022-03-11 | 北京博研智通科技有限公司 | 一种在途机动车驾驶人身份的确定方法及装置 |
CN112349105A (zh) * | 2020-09-27 | 2021-02-09 | 北京博研智通科技有限公司 | 一种在途机动车驾驶人身份的确定方法及装置 |
CN113163361A (zh) * | 2021-01-08 | 2021-07-23 | 中国联合网络通信集团有限公司 | 车辆信息处理方法、装置及服务器 |
WO2022166202A1 (zh) * | 2021-02-02 | 2022-08-11 | 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 |
CN115877343A (zh) * | 2023-02-02 | 2023-03-31 | 中电信数字城市科技有限公司 | 基于雷达目标跟踪的人车匹配方法、装置和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN109635857B (zh) | 2022-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109635857A (zh) | 人车轨迹监测分析方法、装置、设备及存储介质 | |
Liu et al. | Urban traffic prediction from mobility data using deep learning | |
Biagioni et al. | Easytracker: automatic transit tracking, mapping, and arrival time prediction using smartphones | |
CN109615572B (zh) | 基于大数据的人员亲密度分析的方法及系统 | |
CN108734129A (zh) | 手机及车辆定位分析方法及系统 | |
CN109271810A (zh) | 一种基于区块链的考试信息记录系统及考试信息记录方法 | |
CN107862072B (zh) | 基于大数据技术分析车辆入城套牌作案的方法 | |
CN110517500A (zh) | 一种人车关联处理方法及装置 | |
CN108363783B (zh) | Mac地址与身份信息的绑定方法及装置 | |
JP6939362B2 (ja) | 車両捜索システム、車両捜索方法、ならびに、それに用いられる車両およびプログラム | |
CN111798354A (zh) | 一种公共交通的乘车人员信息管理方法及装置 | |
CN107393308A (zh) | 一种识别车牌的方法、装置及停车场管理系统 | |
Matarazzo et al. | Crowdsourcing bridge dynamic monitoring with smartphone vehicle trips | |
CN110798807A (zh) | 用于记录车辆轨迹的方法、装置、计算机设备和介质 | |
CN109782736A (zh) | 车辆数据读取方法、装置、车载设备 | |
CN113938524A (zh) | 基于流量代理的物联网终端敏感信息泄露监测方法及系统 | |
CN110533906B (zh) | 一种路况信息的获取方法及相关装置 | |
Bacon et al. | TIME: An open platform for capturing, processing and delivering transport-related data | |
CN110196440A (zh) | 重合轨迹的识别方法及装置、电子设备、存储介质 | |
Wang et al. | Abnormal trajectory detection based on geospatial consistent modeling | |
CN109410572A (zh) | 一种交通事故全过程还原方法与系统 | |
CN112801156B (zh) | 用于人工智能机器学习的业务大数据采集方法及服务器 | |
CN113378157A (zh) | 一种基于嵌入式软件二次开发的车联网数据采集系统 | |
CN106846086A (zh) | 一种异常信息检测方法及系统 | |
Gless et al. | Ca (r) veat Emptor: Crowdsourcing Data to Challenge the Testimony ofIn-Car Technology, 62 |
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 |