CN109831744A - 一种异常轨迹识别方法、装置及存储设备 - Google Patents
一种异常轨迹识别方法、装置及存储设备 Download PDFInfo
- Publication number
- CN109831744A CN109831744A CN201711179028.6A CN201711179028A CN109831744A CN 109831744 A CN109831744 A CN 109831744A CN 201711179028 A CN201711179028 A CN 201711179028A CN 109831744 A CN109831744 A CN 109831744A
- Authority
- CN
- China
- Prior art keywords
- location point
- information
- track
- road
- abnormal
- 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
Abstract
本发明实施例公开了异常轨迹识别方法、装置及存储设备,应用于信息处理技术领域。在本实施例的方法中,后台服务器获取到一个客户端的轨迹信息后,根据轨迹信息中多个位置点的信息计算一个客户端的轨迹信息所表示轨迹的异常指标值,如果该异常指标值超出第二预置范围,则确定一个客户端的轨迹信息所表示的轨迹为异常轨迹。这样在异常轨迹的识别过程中,可以直接根据一个客户端的轨迹信息确定该轨迹信息所表示的轨迹是否为异常轨迹,而不用依赖其它客户端的轨迹信息也能识别出异常轨迹。
Description
技术领域
本发明涉及信息处理技术领域,特别涉及一种异常轨迹识别方法、装置及存储设备。
背景技术
在实时交通领域中,通常地图客户端在开启后,都会向后台服务器上报地图客户端的轨迹信息,这样后台服务器会根据各个地图客户端上报的轨迹信息计算实时交通信息,比如某个路段是否拥堵等信息。在这个过程中,后台服务器需要先识别出各个地图客户端的轨迹信息所表示的轨迹中的异常轨迹,然后将各个地图客户端的轨迹信息中异常轨迹对应的轨迹信息去除,再根据剩余的轨迹信息计算实时交通信息。
这样如何进行异常轨迹的识别,及异常轨迹识别的准确率高低,直接关系到实时交通信息服务质量的好坏。现有的一种异常轨迹识别过程具体包括:根据多个地图客户端的轨迹信息得到多个地图客户端的平均速度,然后求取中位数或者众数,将过高的或者过低的速度对应的地图客户端上报的轨迹信息所表示轨迹确定为异常轨迹。但是这种方案需要正常行驶的地图客户端的车辆用户的数量占绝对优势,在现实情况下,特别是车流低峰期,往往是不满足的。
发明内容
本发明实施例提供一种异常轨迹识别方法、装置及存储设备,实现了根据客户端的轨迹信息确定该轨迹信息所表示的轨迹是否为异常轨迹。
本发明实施例第一方面提供一种异常轨迹识别方法,包括:
获取一个客户端的轨迹信息,所述轨迹信息中包括:多个位置点的信息;
如果所述多个位置点在同一道路的第一预置范围内,根据所述多个位置点的信息及预置的异常指标值的函数计算式,计算所述一个客户端的轨迹信息所表示轨迹的异常指标值;
如果所述异常指标值超出第二预置范围,则确定所述一个客户端的轨迹信息所表示的轨迹为异常轨迹。
本发明实施例第二方面提供一种异常轨迹识别装置,包括:
轨迹获取单元,用于获取一个客户端的轨迹信息,所述轨迹信息中包括:多个位置点的信息;
第一计算单元,用于如果所述多个位置点在同一道路的第一预置范围内,根据所述多个位置点的信息及预置的异常指标值的函数计算式,计算所述一个客户端的轨迹信息所表示轨迹的异常指标值;
第一异常确定单元,用于如果所述异常指标值超出第二预置范围,则确定所述一个客户端的轨迹信息所表示的轨迹为异常轨迹。
本发明实施例第三方面提供一种存储设备,所述存储设备储存多条指令,所述指令适于由处理器加载并执行如本发明实施例第一方面所述的数据显示方法。
本发明实施例第四方面提供一种终端设备,包括处理器和存储设备,所述处理器,用于实现各个指令;
所述存储设备用于储存多条指令,所述指令用于由处理器加载并执行如本发明实施例第一方面所述的数据显示方法。
可见,在本实施例的方法中,后台服务器获取到一个客户端的轨迹信息后,根据一个客户端的轨迹信息中多个位置点的信息计算一个客户端的轨迹信息所表示轨迹的异常指标值,如果该异常指标值超出第二预置范围,则确定一个客户端的轨迹信息所表示的轨迹为异常轨迹。这样在异常轨迹的识别过程中,可以直接根据一个客户端的轨迹信息确定该轨迹信息所表示的轨迹是否为异常轨迹,而不用依赖其它客户端的轨迹信息也能识别出异常轨迹。
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是本发明实施例提供的一种异常轨迹识别方法所应用于的场景的示意图;
图2是本发明一个实施例提供的一种异常轨迹识别方法的流程图;
图3a是本发明一个实施例中正常轨迹的示意图;
图3b是本发明一个实施例中异常轨迹的示意图;
图4是本发明另一个实施例提供的一种异常轨迹识别方法的流程图;
图5是本发明另一个实施例提供的一种异常轨迹识别方法的流程图;
图6是本发明实施例提供的一种异常轨迹识别装置的结构示意图;
图7是本发明实施例提供的另一种异常轨迹识别装置的结构示意图;
图8是本发明实施例提供的一种服务器的结构示意图。
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作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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排它的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例提供一种异常轨迹识别方法,主要可以应用于如图1所示的场景中,在该场景中包括多个(图1中以n个为例说明)客户端,及后台服务器,其中,任一客户端在开启后,会将当前客户端的轨迹信息实时地上报给后台服务器,而后台服务器可以按照如下方法进行异常轨迹的识别:
后台服务器获取一个客户端的轨迹信息,轨迹信息中包括:多个位置点的信息;如果多个位置点在同一道路的第一预置范围内,根据多个位置点的信息及预置的异常指标值的函数计算式,计算一个客户端的轨迹信息所表示轨迹的异常指标值;如果异常指标值超出第二预置范围,则确定一个客户端的轨迹信息所表示的轨迹为异常轨迹。
需要说明的是,本实施例中的客户端可以为地图客户端,或线路规划客户端等,且一般是车辆用户的客户端。另外,本实施例的方法还可以应用于其它场景中,比如需要分析客户端的轨迹数据的场景下,都可以用本实施例的方法进行异常轨迹识别。
这样在异常轨迹的识别过程中,可以直接根据一个客户端的轨迹信息确定该轨迹信息所表示的轨迹是否为异常轨迹,而不用依赖其它客户端的轨迹信息也能识别出异常轨迹。
本发明的一个实施例提供一种异常轨迹识别方法,主要是上述场景中的后台服务器所执行的方法,流程图如图2所示,包括:
步骤101,获取一个客户端的轨迹信息,轨迹信息中包括:多个位置点的信息。
可以理解,客户端在开启后,会实时地将轨迹信息上报给后台服务器,在一个时刻采集并上报一个位置点的信息,而一个位置点的信息可以包括但不限于如下基础属性:该位置点的地理位置信息,比如经度和纬度;该位置点所在的道路信息,比如道路标识等信息;该位置点在所在道路中的位置信息,比如该位置点距所在道路起始位置的距离等信息;及客户端经过该位置点的速度,角度和时间等。
其中,客户端一般为地图客户端,且为车辆用户的客户端。具体地,如果用户操作客户端,使得客户端显示用户类型选择界面,在该选择界面上包括:自驾车选择信息,公交车选择信息,及个人选择信息等;当用户选择自驾车选择信息或公交车选择信息,上报给后台服务器,则后台服务器确定该客户端为车辆用户的客户端;当用户当用户选择个人选择信息上报给后台服务器,则后台服务器确定该客户端为个人用户的客户端。
本实施例中,后台服务器可以按照一定的周期发起本实施例的流程,这样后台服务器在执行本步骤时,获取的一个客户端的轨迹信息中就包括多个位置点的信息。
例如,客户端在时刻t1采集并上报位置点m1的信息M1,在时刻t2上报位置点m2的信息M2,……,在时刻tn采集并上报位置点mn的信息Mn,这样,在时刻t1到tn的时间段内,后台服务器获取的客户端的轨迹信息可以包括上述多个位置点的信息,即M1,M2,……,Mn。
步骤102,如果多个位置点在同一道路的第一预置范围内,根据多个位置点的信息及预置的异常指标值的函数计算式,计算上述步骤101获取的一个客户端的轨迹信息所表示轨迹的异常指标值。
需要说明的是,后台服务器在执行了步骤101后,需要先根据各个位置点的信息确定这多个位置点是否是在同一道路中,如果各个位置点所在的道路信息都包括同一道路的标识信息,则多个位置点在同一道路中。进一步地,如果多个位置点的道路信息指示这多个位置点在同一道路中的某一路段,该路段的长度小于或等于预置长度,则说明多个位置点在同一道路的第一预置范围内,后台服务器会执行步骤102到104。
其中,一个道路可以由多个路段组成,每个路段的长度小于或等于预置长度,且预置长度可以根据实际道路情况来设置,比如可以是一个红绿灯路口到下一个红绿灯路口之间的距离等,可以是10米或50米等。
例如,位置点m1所在的道路信息中包括道路标识a及该位置点m1距道路a的起始位置的距离l1,位置点m2所在的道路信息中包括道路标识a及该位置点m1距道路a的起始位置的距离l2,…..,位置点mn所在的道路信息中包括道路标识a及该位置点mn距道路a的起始位置的距离ln。可知,位置点m1到mn在同一道路a中,且根据上述各个位置点距道路a的起始位置的距离l1,l2,……,ln,确定位置点m1到mn在同一路段a1中,该路段a1的长度小于预置长度L。
具体地,后台服务器在执行本步骤时,可以根据多个位置点的信息计算上述多个位置点中相邻位置点的叉积绝对值之和,和/或多个位置点的有效位移;然后再根据多个位置点的有效位移和/或叉积绝对值之和及预置的异常指标值的函数计算式,计算异常指标值。
其中,上述多个位置点中,某两个相邻位置点向量的叉积绝对值可以表示两个相邻位置点向量所组成的三角形面积,具体可以根据这两个相邻位置点的地理位置信息得到。而相邻位置点的叉积绝对值之和可以表示上述多个位置点中,每两个相邻位置点向量所组成的三角形面积之和。
多个位置点的有效位移是指在同一道路上的最大行驶距离的位置点与最小行驶距离的位置点之间的距离,具体地,可以将最大行驶距离的位置点距所在道路起始位置的距离,与最小行驶距离的位置点距所在道路起始位置的距离之差作为有效位移。
这里预置的异常指标值的函数计算式可以是根据上述多个位置点的有效位移和/或多个位置点中相邻位置点的叉积绝对值之和,得到异常指标值的任意函数计算式,在一个具体的实施例中,可以包括但不限于如下几种方式:
(1)异常指标值(Indicator)为相邻位置点向量的叉积绝对值之和,与多个位置点的有效位移的平方的商值,参见如下公式1所示:
其中,ai→i+1表示多个位置点中第i个位置点到第i+1个位置点组成的向量,即相邻位置点向量,具体地,可以根据第i个位置点和第i+1个位置点的地理位置信息得到;
range(seg_offset)表示多个位置点的有效位移,即多个位置点中,在同一道路上的最大行驶距离的位置点与最小行驶距离的位置点之间的距离,具体地,可以将最大行驶距离的位置点距所在道路起始位置的距离,与最小行驶距离的位置点距所在道路起始位置的距离之差作为有效位移。
上述公式1中相邻位置点向量的叉积绝对值可以表示两个相邻位置点向量所组成的三角形面积,正常轨迹中各个位置点在道路中基本上是按照各个位置点对应的采集时刻的顺序,有序地排列在一个方向,其中某一位置点对应的采集时刻是指客户端采集该位置点的信息的时刻,即使是堵车的时候,这些位置点也不会无序地漂移,在这种情况下,计算相邻位置点向量的叉积绝对值之和得到的三角形面积就非常小。而异常轨迹中各个位置点在道路中的排列是无序的,计算相邻位置点向量的叉积绝对值之和得到的三角形面积就会偏大。
异常轨迹还有一个特点,就是各个位置点的有效位移偏短,这样,当异常指标值越大,表示轨迹信息所表示的轨迹越混乱;异常指标值越小,表示轨迹信息所表示的轨迹越规则。
(2)异常指标值为相邻位置点向量的叉积绝对值之和,与上述多个位置点的有效时间的商值。
这多个位置点的有效时间是指客户端经过这多个位置点所用的时间,可以将客户端经过这多个位置点时的最早时间到最晚时间之间的时间间隔作为多个位置点的有效时间。
例如,客户端分别经过多个位置点m1,m2,……,mn的时间为t1,t2,……,tn,如果t1为最早时间,tn为最晚时间,则有效时间为t1到tn之间的时间间隔。
(3)异常指标值为多个位置点的有效位移与所述多个位置点的有效时间的商值。
步骤103,判断上述步骤102计算的异常指标值是否超出第二预置范围,如果超出,则执行步骤104;如果未超出,则一个客户端的轨迹信息所表示的轨迹非异常轨迹。
具体地,在一种情况下,如果异常指标值为相邻位置点向量的叉积绝对值之和,与所述多个位置点的有效位移的平方的商值,则当异常指标值大于阈值(比如0.2),则确定异常指标值超出第二预置范围,上述轨迹信息所表示的轨迹为异常轨迹。
例如图3a所示,9个位置点按照9个位置点对应的采集时刻的顺序有序地排列在道路a上,其中,位置点1到9对应的采集时刻依次增加;位置点1为在道路a上最小行驶距离的点,位置点9为在道路a上最大行驶距离的点,位置点1与位置点9之间的距离(如图3a中虚线所示)为多个位置点的有效位移;而位置点2与位置点3之间向量(如图3a中实线箭头所示)为相邻位置点向量。在这种情况下,后台服务器计算得到的异常指标值较小,该轨迹为正常轨迹。
例如图3b所示,位置点1到10对应的采集时刻依次增加,但是,10个位置点在道路a上的排列是无序的,这样后台服务器计算得到的相邻位置点向量的叉积绝对值之和的值较大,而有效位移较小,使得最终得到的异常指标值较大,该轨迹为异常轨迹。
在另一种情况下,如果异常指标值为相邻位置点向量的叉积绝对值之和,与所述多个位置点的有效时间的商值,则如果异常指标值越大,说明上述的这多个位置点越无序,当异常指标值大于一个阈值,则确定异常指标值超出第二预置范围,说明上述轨迹信息所表示的轨迹异常。
在其它情况下,如果异常指标值为所述多个位置点的有效位移与所述多个位置点的有效时间的商值,则如果异常指标值越小,说明客户端经过这多个位置点的速度越小,当异常指标值小于一个阈值,则确定异常指标值超出第二预置范围,则上述轨迹信息所表示的轨迹异常。
步骤104,确定上述步骤101获取的一个客户端的轨迹信息所表示的轨迹为异常轨迹,可能是在相应的时间段内,上述客户端的车辆用户携带该客户端在相应路段发生异常停留。
其中,相应的时间段可以是根据上述轨迹信息中各个位置点的采集时刻来确定,比如各个位置点的采集时刻是从t1到tn,这里相应的时间段则为t1到tn的时间段;相应路段可以根据上述轨迹信息中各个位置点所在的道路信息来确定。
进一步地,如果确定上述一个客户端的轨迹信息所表示的轨迹为异常轨迹,则后台服务器会将该轨迹信息去除,根据其它非异常轨迹的轨迹信息计算实时交通信息。
可见,在本实施例的方法中,后台服务器获取到一个客户端的轨迹信息后,根据轨迹信息中多个位置点的信息计算一个客户端的轨迹信息所表示轨迹的异常指标值,如果该异常指标值超出第二预置范围,则确定一个客户端的轨迹信息所表示的轨迹为异常轨迹。这样在异常轨迹的识别过程中,可以直接根据一个客户端的轨迹信息确定该轨迹信息所表示的轨迹是否为异常轨迹,而不用依赖其它客户端的轨迹信息也能识别出异常轨迹。
进一步地,后台服务器还可以通过其它方法获取道路信息,比如获取各个道路上安装的监控摄像头等设备采集到的各个道路的道路信息,比如,通过各个道路的车辆的数量等。由于这些道路信息比较可靠,后台服务器可以将这些道路信息,结合通过上述步骤101到104确定的上述轨迹信息对应轨迹是否为异常轨迹的结果信息,判断上述步骤101获取的轨迹信息是否可靠,进一步地确定是否需要去除这些轨迹信息。
具体地,如果通过上述步骤101到104确定上述一个客户端的轨迹信息对应的轨迹非异常轨迹,说明在相应的时间段内,上述一个客户端在相应路段有发生异常停留。但是后台服务器获取的可靠的道路信息为:在相应时间段内没有车辆经过该路段,则说明通过上述步骤101到104计算的结果有误,可能是上述步骤101获取的轨迹信息不可靠,需要去除。
本发明的另一个实施例提供一种异常轨迹识别方法,主要可以应用于如图1所示的场景,本实施例中的方法是该场景中的后台服务器所执行的方法,流程图如图4所示,包括:
步骤201,获取一个客户端的轨迹信息,轨迹信息中包括:多个位置点的信息。
可以理解,客户端在开启后,会实时地将轨迹信息上报给后台服务器,在一个时刻采集并上报一个位置点的信息,而一个位置点的信息可以包括但不限于如下基础属性:该位置点的地理位置信息,比如经度和纬度;该位置点所在的道路信息;该位置点在所在道路中的位置信息,比如该位置点距所在道路起始位置的距离等信息;及客户端经过该位置点的速度,角度和时间等。
其中,客户端一般为地图客户端,且为车辆用户的客户端。具体地,如果用户操作客户端,使得客户端显示用户类型选择界面,在该选择界面上包括:自驾车选择信息,公交车选择信息,及个人选择信息等;当用户选择自驾车选择信息或公交车选择信息,上报给后台服务器,则后台服务器确定该客户端为车辆用户的客户端;当用户当用户选择个人选择信息上报给后台服务器,则后台服务器确定该客户端为个人用户的客户端。
本实施例中,后台服务器可以按照一定的周期发起本实施例的流程,这样后台服务器在执行本步骤时,获取的一个客户端的轨迹信息中就包括多个位置点的信息。
步骤202,如果多个位置点不在同一道路,或者,多个位置点不在同一道路的第一预置范围内,按照各个位置点所在的道路信息及所在道路中的位置信息,将多个位置点的信息划分为多个轨迹分片的信息,每个轨迹分片的信息中包括多个位置点中至少一个位置点的信息。
需要说明的是,后台服务器在执行了步骤201后,需要先根据各个位置点的信息确定这多个位置点是否是在同一道路中,如果各个位置点所在的道路信息都包括不同道路的标识信息,则多个位置点不在同一道路中,则后台服务器会执行步骤202到205;如果多个位置点在同一道路中,进一步地,如果多个位置点的道路信息指示这多个位置点所在同一道路中的某一路段,而该路段的长度大于预置长度(比如10米或50米),即多个位置点在不在同一道路的第一预置范围内,则后台服务器也会执行步骤202到205。
后台服务器在划分多个位置点的信息时,可以按照各个位置点的信息中各个位置点所在的道路信息,将属于同一道路的至少一个位置点划分到同一个轨迹分片中,则将这至少一个位置点的信息划分为对应轨迹分片的信息,且每个轨迹分片中的至少一个位置点在同一道路的第一预置范围内。具体地,各个位置点所在的道路信息中包括道路标识,则如果某一位置点所在的道路信息和另一位置点所在的道路信息中都包括第一道路标识,可以将某一位置点的信息和另一位置点的信息划分到同一轨迹分片的信息中。
例如,在多个位置点中,位置点m1,m2,……,mi分别所在的道路信息中都包括了道路a的标识信息,位置点mi+1,mi+2,……,mn分别所在的道路信息中都包括了道路b的标识信息,则将位置点m1,m2,……,mi划分到轨迹分片1,将位置点mi+1,mi+2,……,mn划分到轨迹分片2。
进一步地,如果这多个位置点在同一道路中,后台服务器可以按照各个位置点的信息中各个位置点在所在道路中的位置信息,将属于同一路段的至少一个位置点划分到同一个轨迹分片中,则将这至少一个位置点的信息划分为对应轨迹分片的信息。具体地,各个位置点所在的道路信息中包括各个位置点距所在道路起始位置的距离,则如果根据某一位置点距所在道路起始位置的距离,和另一位置点距所在道路起始位置的距离,确定某一位置点和另一位置点属于同一路段,可以将某一位置点的信息和另一位置点的信息划分到同一轨迹分片的信息中。其中,如果在道路1中路段1的范围是距道路1起始位置的距离为0到L的范围,则可以将距道路1起始位置的距离为0到L对应的位置点都可以划分到路段1的轨迹分片中。
例如,多个位置点m1,m2,……,mn分别在所在道路中的位置信息包括:各个位置点距所在道路a的起始位置的距离l,则根据各个位置点距所在道路a的起始位置的距离l,确定位置点m1,m2,……,mi在道路a的路段1,位置点mi+1,mi+2,……,mn在道路a的路段2,则将位置点m1,m2,……,mi划分到轨迹分片1,将位置点mi+1,mi+2,……,mn划分到轨迹分片2。其中,路段1和路段2的长度可以分别为上述预置长度L。
步骤203,根据多个轨迹分片的信息分别计算各个轨迹分片中至少一个位置点中相邻位置点的叉积绝对值之和,和/或至少一个位置点的有效位移;并根据各个轨迹分片中至少一个位置点的有效位移和/或叉积绝对值之和,及预置的异常指标值的函数计算式计算相应轨迹分片的异常指标值,得到多个异常指标值。其中,预置的异常指标值的函数计算式可以有多种形式,具体见上述的3中形式,在此不进行赘述。
后台服务器在根据任一轨迹分片的信息及预置的异常指标值的函数计算式计算对应的异常指标值的方法与上述步骤102中的计算方法类似,不同的是,本步骤中,后台服务器是根据一个轨迹分片中至少一个位置点的信息进行的计算。
步骤204,分别判断上述步骤203计算的多个异常指标值是否超出第二预置范围,如果某一个异常指标值超出第二预置范围,则执行步骤205;如果任何一个异常指标值都未超出第二预置范围,则上述一个客户端的轨迹信息所表示的轨迹非异常轨迹,即为正常轨迹。
步骤205,确定某一个异常指标值对应的轨迹分片所表示的轨迹为异常轨迹,可能是上述客户端的车辆用户携带该客户端在对应路段发生异常停留。
进一步地,如果确定上述某一个异常指标值对应的轨迹分片所表示的轨迹为异常轨迹,则后台服务器会将该轨迹分片的信息去除,根据其它非异常轨迹的轨迹信息计算实时交通信息。
可见,在本实施例的方法中,后台服务器获取到一个客户端的轨迹信息后,会先按照一个客户端的轨迹信息中各个位置点所在的道路信息,将多个位置点的信息划分为多个轨迹分片的信息,然后在针对一个客户端的每一个轨迹分片的信息,计算轨迹分片对应的异常指标值,及根据对应的异常指标值确定一个客户端的轨迹分片所表示的轨迹是否为异常轨迹。
这样在异常轨迹的识别过程中,可以直接根据一个客户端的轨迹信息确定该轨迹信息所表示的轨迹是否为异常轨迹,而不用依赖其它客户端的轨迹信息也能识别出异常轨迹;且可以将一个客户端的轨迹信息分为多个轨迹分片的信息,分别确定每个轨迹分片所表示的轨迹是否异常,使得对异常轨迹的识别更为具体和明确。
以下以一个具体的应用实例来说明本发明实施例的异常轨迹识别方法,具体可以应用于如图1所示的场景,在本实施例中,客户端具体为地图客户端,后台服务器为地图服务器。参考如图5所示,本实施例的地图服务器可以如下方法进行异常轨迹的识别:
步骤300,一个地图客户端按照一定的时间间隔获取各个位置点的信息。
任一个位置点的信息可以包括但不限于如下基础属性:该位置点的经度和纬度;该位置点所在的道路标识;该位置点距所在道路起始位置的距离等信息;及地图客户端经过该位置点的速度,角度和时间等。
其中,在地图客户端中会包括全球定位系统(Global Positioning System,GPS)模块,地图客户端在获取某一位置点的信息时,可以通过GPS模块获取该位置点的经度和纬度,及地图客户端经过该位置点的时间。然后,地图客户端会根据地图服务器发送给地图客户端的地图数据,确定获取的经度和纬度在地图中的位置,比如在地图中的坐标信息等,进而得到该位置点所在道路的道路标识,及该位置点距所在道路起始位置的距离等。
需要说明的是,地图客户端一般为车辆用户的地图客户端。具体地,如果用户操作地图客户端,使得地图客户端显示用户类型选择界面,在该选择界面上包括:自驾车选择信息,公交车选择信息,及个人选择信息等;当用户选择自驾车选择信息或公交车选择信息,上报给后台服务器,则后台服务器确定该地图客户端为车辆用户的地图客户端;当用户选择个人选择信息上报给后台服务器,则后台服务器确定该地图客户端为个人用户的地图客户端。
步骤301,一个地图客户端向地图服务器上报轨迹信息,轨迹信息中包括:多个位置点的信息。
步骤302,当地图服务器接收一个地图客户端上报的轨迹信息,按照多个位置点所在的道路信息,及多个位置点在所在道路中的位置信息,将多个位置点的信息划分为多个轨迹分片的信息,每个轨迹分片的信息中包括同一道路的同一路段中的至少一个位置点的信息。其中,每个路段的长度不大于预置长度。
步骤303,针对一个地图客户端的任何一个轨迹分片的信息,计算该轨迹分片所表示的轨迹中至少一个位置点的相邻位置点向量的叉积绝对值之和,与至少一个位置点的有效位移的平方的商值,将该商值作为该轨迹分分片所表示轨迹的异常指标值。
其中,相邻位置点向量可以通过轨迹分片的信息中,这至少一个位置点的地理位置信息得到;有效位移可以是这至少一个位置点中最大行驶距离的位置点距所在道路起始位置的距离,与最小行驶距离的位置点距所在道路起始位置的距离之差。
步骤304,判断步骤303计算的异常指标值是否大于阈值,如果大于,则执行步骤305和306;如果不大于,则该轨迹分片所表示的轨迹是正常轨迹,并执行步骤306。
步骤305,确定该轨迹分片所表示的轨迹为异常轨迹,则去除该轨迹分片的信息。
步骤306,判断是否正对上述步骤303划分的所有轨迹分片的信息都处理完,即都执行了上述步骤303到304的步骤,如果是,则结束流程,如果不是,则针对另一个轨迹分片的信息,返回执行上述步骤303。
本发明实施例还提供一种异常轨迹识别装置,比如上述的后台服务器,其结构示意图如图6所示,具体可以包括:
轨迹获取单元10,用于获取一个客户端的轨迹信息,所述轨迹信息中包括:多个位置点的信息。
一个位置点的信息可以包括但不限于如下基础属性:该位置点的地理位置信息,比如经度和纬度;该位置点所在的道路信息;该位置点在所在道路中的位置信息,比如该位置点距所在道路起始位置的距离等信息;及客户端经过该位置点的速度,角度和时间等。
第一计算单元11,用于如果多个位置点在同一道路的第一预置范围内,根据所述轨迹获取单元10获取的多个位置点的信息及预置的异常指标值的函数计算式,计算所述一个客户端的轨迹信息所表示轨迹的异常指标值。
具体地,第一计算单元11会先计算所述多个位置点中相邻位置点的叉积绝对值之和,和/或所述多个位置点的有效位移;并根据所述多个位置点的有效位移和/或所述叉积绝对值之和,及异常指标值的函数计算式计算异常指标值。
其中,所述位置点距所在道路起始位置的距离,则所述多个位置点的有效位移为所述多个位置点中最大行驶距离的位置点距所在道路起始位置的距离,与多个位置点中最小行驶距离的位置点距所在道路起始位置的距离之差。
第一异常确定单元12,用于如果所述第一计算单元11计算的异常指标值超出第二预置范围,则确定所述一个客户端的轨迹信息所表示的轨迹为异常轨迹。
第一异常确定单元12,具体用于如果所述预置的异常指标值的函数计算式包括:异常指标值为相邻位置点向量的叉积绝对值之和,与所述多个位置点的有效位移的平方的商值,则所述异常指标值大于某一阈值,确定所述轨迹信息所表示的轨迹为异常轨迹;如果所述预置的异常指标值的函数计算式包括:异常指标值为相邻位置点向量的叉积绝对值之和,与所述多个位置点的有效时间的商值,则所述异常指标值大于另一阈值,确定所述轨迹信息所表示的轨迹为异常轨迹;如果所述预置的异常指标值的函数计算式包括:异常指标值为所述多个位置点的有效位移与所述多个位置点的有效时间的商值,则所述异常指标值小于另一阈值,确定所述轨迹信息所表示的轨迹为异常轨迹。
可见,在本实施例的装置中,当轨迹获取单元10获取到一个客户端的轨迹信息后,第一计算单元11根据轨迹信息中多个位置点的信息计算一个客户端的轨迹信息所表示轨迹的异常指标值,如果该异常指标值超出第二预置范围,则第一异常确定单元12确定一个客户端的轨迹信息所表示的轨迹为异常轨迹。这样在异常轨迹的识别过程中,可以直接根据一个客户端的轨迹信息确定该轨迹信息所表示的轨迹是否为异常轨迹,而不用依赖其它客户端的轨迹信息也能识别出异常轨迹。
参考图7所示,在一个具体的实施例中,异常轨迹识别装置除了可以包括如图6所示的结构外,还可以包括:划分单元13,第二计算单元14和第二异常确定单元15,其中:
划分单元13,用于如果所述多个位置点中任一位置点的信息包括所述位置点所在的道路信息,及所述位置点在所在道路中的位置信息,且如果所述多个位置点不在同一道路,或者,所述多个位置点不在同一道路的第一预置范围内,按照各个位置点所在的道路信息及各个位置点在所在道路中的位置信息,将所述轨迹获取单元10获取的多个位置点的信息划分为多个轨迹分片的信息,每个轨迹分片的信息中包括所述多个位置点中至少一个位置点的信息。
如果各个位置点所在的道路信息包括道路标识,各个位置点在所在道路中的位置信息包括各个位置点距所在道路起始位置的距离;则所述划分单元13,具体用于如果某一位置点所在的道路信息和另一位置点所在的道路信息中都包括第一道路标识;且如果根据所述某一位置点距所在道路起始位置的距离,和另一位置点距所在道路起始位置的距离,确定所述某一位置点和另一位置点属于同一路段,将所述某一位置点的信息和另一位置点的信息划分到同一轨迹分片的信息中。
第二计算单元14,用于根据所述划分单元13划分的多个轨迹分片的信息分别计算各个轨迹分片中至少一个位置点中相邻位置点的叉积绝对值之和,和/或所述至少一个位置点的有效位移;并根据所述各个轨迹分片中至少一个位置点的有效位移和/或叉积绝对值之和,及预置的异常指标值的函数计算式计算相应轨迹分片的异常指标值,得到多个异常指标值;
第二异常确定单元15,用于如果第二计算单元14计算的某一个异常指标值超出第二预置范围,则确定所述某一异常指标值对应的轨迹分片所表示的轨迹为异常轨迹。如果第二计算单元14计算的任一异常指标值都未超出第二预置范围,则确定上述一个客户端的轨迹信息所表示的轨迹非异常轨迹。
这样,通过划分单元13,第二计算单元14和第二异常确定单元15,可以将一个客户端的轨迹信息分为多个轨迹分片的信息,分别确定每个轨迹分片所表示的轨迹是否异常,使得对异常轨迹的识别更为具体和明确。
本发明实施例还提供一种服务器,其结构示意图如图8所示,该服务器可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上中央处理器(centralprocessing units,CPU)20(例如,一个或一个以上处理器)和存储器21,一个或一个以上存储应用程序221或数据222的存储介质22(例如一个或一个以上海量存储设备)。其中,存储器21和存储介质22可以是短暂存储或持久存储。存储在存储介质22的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对服务器中的一系列指令操作。更进一步地,中央处理器20可以设置为与存储介质22通信,在服务器上执行存储介质22中的一系列指令操作。
具体地,在存储介质22中储存的应用程序221包括异常轨迹识别的应用程序,且该程序可以包括上述异常轨迹识别装置中的轨迹获取单元10,第一计算单元11,第一异常确定单元12,划分单元13,第二计算单元14及第二异常确定单元15,在此不进行赘述。更进一步地,中央处理器20可以设置为与存储介质22通信,在服务器上执行存储介质22中储存的异常轨迹识别的应用程序对应的一系列操作。
服务器还可以包括一个或一个以上电源23,一个或一个以上有线或无线网络接口24,一个或一个以上输入输出接口25,和/或,一个或一个以上操作系统223,例如WindowsServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
上述方法实施例中所述的由后台服务器所执行的步骤可以基于该图8所示的服务器的结构。
本发明实施例还提供一种存储设备,所述存储设备储存多条指令,所述指令适于由处理器加载并执行如上述后台服务器所执行的异常轨迹识别方法。
本发明实施例还提供一种服务器,包括处理器和存储设备,所述处理器,用于实现各个指令;
所述存储设备用于储存多条指令,所述指令用于由处理器加载并执行如上述后台服务器所执行的异常轨迹识别方法。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(ROM)、随机存取存储器RAM)、磁盘或光盘等。
以上对本发明实施例所提供的异常轨迹识别方法、装置及存储设备进行了详细介绍,本文中应用了具体个例对本发明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发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,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发明的限制。
Claims (14)
1.一种异常轨迹识别方法,其特征在于,包括:
获取一个客户端的轨迹信息,所述轨迹信息中包括:多个位置点的信息;
如果所述多个位置点在同一道路的第一预置范围内,根据所述多个位置点的信息及预置的异常指标值的函数计算式,计算所述一个客户端的轨迹信息所表示轨迹的异常指标值;
如果所述异常指标值超出第二预置范围,则确定所述一个客户端的轨迹信息所表示的轨迹为异常轨迹。
2.如权利要求1所述的方法,其特征在于,所述多个位置点中任一位置点的信息包括:所述位置点距所在道路起始位置的距离;则所述根据所述多个位置点的信息及预置的异常指标值的函数计算式,计算所述一个客户端的轨迹信息所表示轨迹的异常指标值,具体包括:
计算所述多个位置点中相邻位置点的叉积绝对值之和,和/或所述多个位置点的有效位移;其中,所述多个位置点的有效位移为所述多个位置点中最大行驶距离的位置点距所在道路起始位置的距离,与多个位置点中最小行驶距离的位置点距所在道路起始位置的距离之差;
根据所述多个位置点的有效位移和/或所述叉积绝对值之和,及所述的异常指标值的函数计算式,计算所述一个客户端的轨迹信息所表示轨迹的异常指标值。
3.如权利要求1所述的方法,其特征在于,所述预置的异常指标值的函数计算式具体为:异常指标值为相邻位置点向量的叉积绝对值之和,与所述多个位置点的有效位移的平方的商值;
所述如果所述异常指标值超出第二预置范围,则确定所述轨迹信息所表示的轨迹为异常轨迹,具体包括:如果所述异常指标值大于某一阈值,确定所述轨迹信息所表示的轨迹为异常轨迹。
4.如权利要求1所述的方法,其特征在于,所述预置的异常指标值的函数计算式具体为:异常指标值为相邻位置点向量的叉积绝对值之和,与所述多个位置点的有效时间的商值;
则所述如果所述异常指标值超出第二预置范围,则确定所述轨迹信息所表示的轨迹为异常轨迹,具体包括:如果所述异常指标值大于另一阈值,确定所述轨迹信息所表示的轨迹为异常轨迹。
5.如权利要求1所述的方法,其特征在于,所述预置的异常指标值的函数计算式具体为:异常指标值为所述多个位置点的有效位移与所述多个位置点的有效时间的商值;
则所述如果所述异常指标值超出第二预置范围,则确定所述轨迹信息所表示的轨迹为异常轨迹,具体包括:如果所述异常指标值小于另一阈值,确定所述轨迹信息所表示的轨迹为异常轨迹。
6.如权利要求1至5任一项所述的方法,其特征在于,所述多个位置点中任一位置点的信息包括所述位置点所在的道路信息,及所述位置点在所在道路中的位置信息;
所述方法还包括:
如果所述多个位置点不在同一道路,或者,所述多个位置点不在同一道路的第一预置范围内,按照各个位置点所在的道路信息及各个位置点在所在道路中的位置信息,将所述多个位置点的信息划分为多个轨迹分片的信息,每个轨迹分片的信息中包括所述多个位置点中至少一个位置点的信息;
根据所述多个轨迹分片的信息分别计算各个轨迹分片中至少一个位置点中相邻位置点的叉积绝对值之和,和/或所述至少一个位置点的有效位移;
根据所述各个轨迹分片中至少一个位置点的有效位移和/或叉积绝对值之和,及预置的异常指标值的函数计算式计算相应轨迹分片的异常指标值,得到多个异常指标值;
如果某一个异常指标值超出第二预置范围,则确定所述某一异常指标值对应的轨迹分片所表示的轨迹为异常轨迹。
7.如权利要求6所述的方法,其特征在于,各个位置点所在的道路信息包括道路标识,各个位置点在所在道路中的位置信息包括各个位置点距所在道路起始位置的距离;
则所述按照各个位置点所在的道路信息及各个位置点在所在道路中的位置信息,将所述多个位置点的信息划分为多个轨迹分片的信息,具体包括:
如果某一位置点所在的道路信息和另一位置点所在的道路信息中都包括第一道路标识;且如果根据所述某一位置点距所在道路起始位置的距离,和另一位置点距所在道路起始位置的距离,确定所述某一位置点和另一位置点属于同一路段,将所述某一位置点的信息和另一位置点的信息划分到同一轨迹分片的信息中。
8.一种异常轨迹识别装置,其特征在于,包括:
轨迹获取单元,用于获取一个客户端的轨迹信息,所述轨迹信息中包括:多个位置点的信息;
第一计算单元,用于如果所述多个位置点在同一道路的第一预置范围内,根据所述多个位置点的信息及预置的异常指标值的函数计算式,计算所述一个客户端的轨迹信息所表示轨迹的异常指标值;
第一异常确定单元,用于如果所述异常指标值超出第二预置范围,则确定所述一个客户端的轨迹信息所表示的轨迹为异常轨迹。
9.如权利要求8所述的装置,其特征在于,所述预置的异常指标值的函数计算式包括:
异常指标值为相邻位置点向量的叉积绝对值之和,与所述多个位置点的有效位移的平方的商值;或,
异常指标值为相邻位置点向量的叉积绝对值之和,与所述多个位置点的有效时间的商值;或,
异常指标值为所述多个位置点的有效位移与所述多个位置点的有效时间的商值。
10.如权利要求8所述的装置,其特征在于,
所述多个位置点中任一位置点的信息包括:所述位置点距所在道路起始位置的距离,则所述多个位置点的有效位移为所述多个位置点中最大行驶距离的位置点距所在道路起始位置的距离,与多个位置点中最小行驶距离的位置点距所在道路起始位置的距离之差。
11.如权利要求8至10任一项所述的装置,其特征在于,所述多个位置点中任一位置点的信息包括所述位置点所在的道路信息,及所述位置点在所在道路中的位置信息;
所述装置还包括:
划分单元,用于如果所述多个位置点不在同一道路,或者,所述多个位置点不在同一道路的第一预置范围内,按照各个位置点所在的道路信息及各个位置点在所在道路中的位置信息,将所述多个位置点的信息划分为多个轨迹分片的信息,每个轨迹分片的信息中包括所述多个位置点中至少一个位置点的信息;
第二计算单元,用于根据所述多个轨迹分片的信息分别计算各个轨迹分片中至少一个位置点中相邻位置点的叉积绝对值之和,和/或所述至少一个位置点的有效位移;并根据所述各个轨迹分片中至少一个位置点的有效位移和/或叉积绝对值之和,及预置的异常指标值的函数计算式计算对应轨迹分片的异常指标值,得到多个异常指标值;
第二异常确定单元,用于如果某一个异常指标值超出第二预置范围,则确定所述某一异常指标值对应的轨迹分片所表示的轨迹为异常轨迹。
12.如权利要求11所述的装置,其特征在于,
各个位置点所在的道路信息包括道路标识,各个位置点在所在道路中的位置信息包括各个位置点距所在道路起始位置的距离;
则所述划分单元,具体用于如果某一位置点所在的道路信息和另一位置点所在的道路信息中都包括第一道路标识;且如果根据所述某一位置点距所在道路起始位置的距离,和另一位置点距所在道路起始位置的距离,确定所述某一位置点和另一位置点属于同一路段,将所述某一位置点的信息和另一位置点的信息划分到同一轨迹分片的信息中。
13.一种存储设备,其特征在于,所述存储设备储存多条指令,所述指令适于由处理器加载并执行如权利要求1至7任一项所述的异常轨迹识别方法。
14.一种服务器,其特征在于,包括处理器和存储设备,所述处理器,用于实现各个指令;
所述存储设备用于储存多条指令,所述指令用于由处理器加载并执行如权利要求1至7任一项所述的异常轨迹识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711179028.6A CN109831744B (zh) | 2017-11-23 | 2017-11-23 | 一种异常轨迹识别方法、装置及存储设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711179028.6A CN109831744B (zh) | 2017-11-23 | 2017-11-23 | 一种异常轨迹识别方法、装置及存储设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109831744A true CN109831744A (zh) | 2019-05-31 |
CN109831744B CN109831744B (zh) | 2021-05-07 |
Family
ID=66858237
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711179028.6A Active CN109831744B (zh) | 2017-11-23 | 2017-11-23 | 一种异常轨迹识别方法、装置及存储设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109831744B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110473405A (zh) * | 2019-09-25 | 2019-11-19 | 拉扎斯网络科技(上海)有限公司 | 行驶状态检测方法、装置、可读存储介质和电子设备 |
WO2021104325A1 (zh) * | 2019-11-25 | 2021-06-03 | 北京嘀嘀无限科技发展有限公司 | 一种偏航识别的方法和系统 |
CN113465616A (zh) * | 2021-06-28 | 2021-10-01 | 湖北亿咖通科技有限公司 | 轨迹异常点检测方法和装置、电子设备、计算机程序产品及计算机可读存储介质 |
CN115480275A (zh) * | 2022-09-15 | 2022-12-16 | 中华人民共和国广东海事局 | 运动状态获取方法、装置以及计算机设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103035123A (zh) * | 2012-12-25 | 2013-04-10 | 中国科学院深圳先进技术研究院 | 一种交通轨迹数据中异常数据获取方法及系统 |
CN104504099A (zh) * | 2014-12-29 | 2015-04-08 | 北京交通大学 | 基于位置轨迹的交通出行状态切分方法 |
US20150206436A1 (en) * | 2014-01-21 | 2015-07-23 | Speedgauge, Inc. | Identification of driver abnormalities in a traffic flow |
CN106564503A (zh) * | 2016-11-08 | 2017-04-19 | 交通运输部公路科学研究所 | 产生异常驾驶行为的行为信息确定方法及装置 |
CN107204114A (zh) * | 2016-03-18 | 2017-09-26 | 中兴通讯股份有限公司 | 一种车辆异常行为的识别方法及装置 |
CN107316459A (zh) * | 2017-07-21 | 2017-11-03 | 武汉依迅北斗空间技术有限公司 | 一种车辆轨迹异常检测方法及系统 |
-
2017
- 2017-11-23 CN CN201711179028.6A patent/CN109831744B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103035123A (zh) * | 2012-12-25 | 2013-04-10 | 中国科学院深圳先进技术研究院 | 一种交通轨迹数据中异常数据获取方法及系统 |
US20150206436A1 (en) * | 2014-01-21 | 2015-07-23 | Speedgauge, Inc. | Identification of driver abnormalities in a traffic flow |
CN104504099A (zh) * | 2014-12-29 | 2015-04-08 | 北京交通大学 | 基于位置轨迹的交通出行状态切分方法 |
CN107204114A (zh) * | 2016-03-18 | 2017-09-26 | 中兴通讯股份有限公司 | 一种车辆异常行为的识别方法及装置 |
CN106564503A (zh) * | 2016-11-08 | 2017-04-19 | 交通运输部公路科学研究所 | 产生异常驾驶行为的行为信息确定方法及装置 |
CN107316459A (zh) * | 2017-07-21 | 2017-11-03 | 武汉依迅北斗空间技术有限公司 | 一种车辆轨迹异常检测方法及系统 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110473405A (zh) * | 2019-09-25 | 2019-11-19 | 拉扎斯网络科技(上海)有限公司 | 行驶状态检测方法、装置、可读存储介质和电子设备 |
CN110473405B (zh) * | 2019-09-25 | 2020-10-23 | 拉扎斯网络科技(上海)有限公司 | 行驶状态检测方法、装置、可读存储介质和电子设备 |
WO2021104325A1 (zh) * | 2019-11-25 | 2021-06-03 | 北京嘀嘀无限科技发展有限公司 | 一种偏航识别的方法和系统 |
CN113465616A (zh) * | 2021-06-28 | 2021-10-01 | 湖北亿咖通科技有限公司 | 轨迹异常点检测方法和装置、电子设备、计算机程序产品及计算机可读存储介质 |
CN115480275A (zh) * | 2022-09-15 | 2022-12-16 | 中华人民共和国广东海事局 | 运动状态获取方法、装置以及计算机设备和存储介质 |
CN115480275B (zh) * | 2022-09-15 | 2023-08-08 | 中华人民共和国广东海事局 | 运动状态获取方法、装置以及计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109831744B (zh) | 2021-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107657637B (zh) | 一种农机作业面积获取方法 | |
CN109831744A (zh) | 一种异常轨迹识别方法、装置及存储设备 | |
CN107228677B (zh) | 偏航识别方法和装置 | |
KR20150124396A (ko) | 크라우드소싱을 이용한 위치 결정, 매핑 및 데이터 관리 시스템 및 방법 | |
CN109766777A (zh) | 异常轨迹的检测方法、装置、存储介质及电子设备 | |
CN111666971A (zh) | 基于位置定位的事件识别方法、装置、设备及存储介质 | |
US11798408B2 (en) | Green wave speed determination method, electronic device and storage medium | |
CN113807270A (zh) | 道路拥堵检测方法、装置及电子设备 | |
CN111737377B (zh) | 一种漂移轨迹的识别方法、装置及计算设备、存储介质 | |
CN109214258A (zh) | 失驾人员违规驾驶的检测方法及装置 | |
CN109990793A (zh) | 确定车辆偏航的方法、装置及计算机可读存储介质 | |
CN113537584A (zh) | 巡检任务冲突处理方法、装置、电子设备及存储介质 | |
JP2020003997A (ja) | 車載装置および制御方法 | |
CN105898711B (zh) | 一种基于地磁基准线的定位方法及装置 | |
CN113709006B (zh) | 一种流量确定方法、装置、存储介质及电子装置 | |
EP3614363A1 (en) | Dangerous spot calculation program, dangerous spot calculation method, and dangerous spot calculation device | |
CN110933743A (zh) | 一种基于接收信号强度指示rssi的定位方法及装置 | |
CN110197583A (zh) | 一种道路路况的识别方法、装置及存储介质 | |
CN106469346B (zh) | 一种基于区域的风险控制方法和设备 | |
CN113593397B (zh) | 一种历史轨迹数据加载方法、装置及系统 | |
CN110019608B (zh) | 一种信息采集方法、装置和系统及存储设备 | |
EP4266004A1 (en) | User trajectory positioning method, electronic device and computer storage medium | |
CN108256707B (zh) | 保单回访管理方法和装置 | |
CN113657340B (zh) | 轨迹匹配方法及相关装置 | |
CN105894121B (zh) | 一种线路规划方法及系统 |
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 |