CN110189520A - 路线确定方法和路线确定装置 - Google Patents

路线确定方法和路线确定装置 Download PDF

Info

Publication number
CN110189520A
CN110189520A CN201910482167.9A CN201910482167A CN110189520A CN 110189520 A CN110189520 A CN 110189520A CN 201910482167 A CN201910482167 A CN 201910482167A CN 110189520 A CN110189520 A CN 110189520A
Authority
CN
China
Prior art keywords
road
indicate
suspect
impedance factor
route
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
Application number
CN201910482167.9A
Other languages
English (en)
Other versions
CN110189520B (zh
Inventor
沈贝伦
李冰
孙云
王鸿儒
江易
付平
郑辉
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.)
Hangzhou Zhongao Technology Co Ltd
Original Assignee
Hangzhou Zhongao 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 Hangzhou Zhongao Technology Co Ltd filed Critical Hangzhou Zhongao Technology Co Ltd
Priority to CN201910482167.9A priority Critical patent/CN110189520B/zh
Publication of CN110189520A publication Critical patent/CN110189520A/zh
Application granted granted Critical
Publication of CN110189520B publication Critical patent/CN110189520B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/096805—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/0969—Systems involving transmission of navigation instructions to the vehicle having a display in the form of a map

Abstract

本发明实施例提供的路线确定方法和路线确定装置，涉及路线确定技术领域。所述路线确定方法用于对犯罪嫌疑人的逃逸路线进行确定，该方法包括：根据犯罪嫌疑人对应的案件信息确定至少一个目的地，并根据案件信息对应的地理信息绘制一路网，其中，该路网包括至少一条道路；根据所述至少一个目的地和所述路网生成至少一条逃逸路线；根据所述至少一条逃逸路线中每条道路的阻抗系数和犯罪嫌疑人对该条道路的熟悉程度，在所述至少一条逃逸路线中确定至少一条目标逃逸路线。通过上述方法，可以提高追捕犯罪嫌疑人的效率。

Description

路线确定方法和路线确定装置
技术领域
本发明涉及路线确定技术领域，具体而言，涉及一种路线确定方法和路线确定装置。
背景技术
警方在搜捕犯罪嫌疑人时需要推测犯罪嫌疑人的逃逸路线。但是，经发明人研究发现，在现有技术中，凭借警察的经验，通过案发时的路况天气等因素得到可能的路线的方法容易出现错误，可能错过追捕犯罪嫌疑人的最佳时间，从而存在着追捕犯罪嫌疑人的效率低的问题。
发明内容
有鉴于此，本发明的目的在于提供一种路线确定方法和路线确定装置，以改善现有技术中存在的问题。
为实现上述目的，本发明实施例采用如下技术方案：
一种路线确定方法，用于对犯罪嫌疑人的逃逸路线进行确定，该方法包括：
根据犯罪嫌疑人对应的案件信息确定至少一个目的地，并根据案件信息对应的地理信息绘制一路网，其中，该路网包括至少一条道路；
根据所述至少一个目的地和所述路网生成至少一条逃逸路线；
根据所述至少一条逃逸路线中每条道路的阻抗系数和犯罪嫌疑人对该条道路的熟悉程度，在所述至少一条逃逸路线中确定至少一条目标逃逸路线。
在本发明实施例较佳的选择中，该方法还包括计算每条道路的阻抗系数的步骤，该步骤包括：
针对每一条道路，计算该条道路上各种交通方式的阻抗系数；
针对每一条道路，根据嫌疑人的出行偏好和该条道路上各种交通方式的阻抗系数计算得到该条道路的阻抗系数。
在本发明实施例较佳的选择中，所述交通方式的阻抗系数包括车辆的阻抗系数，所述计算该条道路上各种交通方式的阻抗系数的步骤，包括：
获取该条道路的车辆路况信息，其中，所述车辆路况信息包括车辆数量、道路长度、信号灯信息、车道数量、车祸信息及施工信息；
根据所述车辆路况信息和第一公式计算车辆的阻抗系数。
在本发明实施例较佳的选择中，所述第一公式包括：
其中，Fc表示车辆的阻抗系数，tout表示使用自驾车的平均离开时间，N表示车辆数量，α表示车祸拥堵系数，S表示车祸信息，β表示施工拥堵系数，P表示施工信息，E表示该条道路的限速，C表示该条道路的车道数量，L表示该条道路的长度，γ表示车辆的选择，表示使用公交车的平均离开时间，n表示预设范围内的公交车站点数，li表示到达站点i的距离，Numi表示站点i中的公交车线路数量，tj表示公交车j的发车间隔时间。
在本发明实施例较佳的选择中，所述交通方式的阻抗系数包括自行车的阻抗系数，所述计算该条道路上各种交通方式的阻抗系数的步骤，包括：
获取该条道路的自行车路况信息，其中，所述自行车路况信息包括自行车通过该条道路的平均时间和与该条道路连接的大型道路、中等道路及小型道路数量；
根据所述自行车路况信息和第二公式计算自行车的阻抗系数。
在本发明实施例较佳的选择中，所述第二公式包括：
其中，Fz表示自行车的阻抗系数，tout表示自行车从该条道路通过的平均时间，nl表示与该条道路相连的大型道路的数量，nm表示与该条道路连接的中等道路的数量，ns表示与该条道路连接的小型道路的数量，ε表示犯罪嫌疑人是否拥有自行车，nbike表示预设范围内空闲公共自行车的数量。
在本发明实施例较佳的选择中，所述交通方式的阻抗系数包括步行的阻抗系数，所述计算该条道路上各种交通方式的阻抗系数的步骤，包括：
获取该条道路的步行路况信息，其中，所述步行路况信息包括步行通过该条道路的平均时间和与该条道路连接的大型道路、中等道路及小型道路数量；
根据所述步行路况信息和第三公式计算步行的阻抗系数。
在本发明实施例较佳的选择中，所述第三公式包括：
其中，Fw表示步行的阻抗系数，tout表示步行通过该条道路的平均时间，nl表示与该条道路相连的大型道路的数量，nm表示与该条道路连接的中等道路的数量，ns表示与该条道路连接的小型道路的数量。
在本发明实施例较佳的选择中，该方法还包括计算犯罪嫌疑人对每条道路的熟悉程度的步骤，该步骤包括：
根据所述案件信息得到犯罪嫌疑人的历史活动轨迹；
根据所述历史活动轨迹计算犯罪嫌疑人对每条道路的熟悉程度。
本发明实施例还提供了一种路线确定装置，用于对犯罪嫌疑人的逃逸路线进行确定，该装置包括：
路网绘制模块，用于根据犯罪嫌疑人对应的案件信息确定至少一个目的地，并根据案件信息对应的地理信息绘制一路网，其中，该路网包括至少一条道路；
逃逸路线生成模块，用于根据所述至少一个目的地和所述路网生成至少一条逃逸路线；
目标逃逸路线确定模块，用于根据所述至少一条逃逸路线中每条道路的阻抗系数和犯罪嫌疑人对该条道路的熟悉程度，在所述至少一条逃逸路线中确定至少一条目标逃逸路线。
本发明实施例提供的路线确定方法和路线确定装置，可以根据犯罪嫌疑人对应的案件信息确定至少一个目的地，以生成至少一条逃逸路线，并根据所述至少一条逃逸路线中每条道路的阻抗系数和犯罪嫌疑人对该条道路的熟悉程度，确定至少一条目标逃逸路线，以提高追捕犯罪嫌疑人的效率。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
图1为本发明实施例提供的电子设备的结构方框图。
图2为本发明实施例提供的路线确定方法的流程示意图。
图3为本发明实施例提供的路线确定方法的另一流程示意图。
图4为图3中的步骤S141的流程示意图。
图5为图3中的步骤S141的另一流程示意图。
图6为图3中的步骤S141的另一流程示意图。
图7为本发明实施例提供的路线确定方法的另一流程示意图。
图8为本发明实施例提供的路线确定装置的结构方框图。
图标：10-电子设备；12-存储器；14-处理器；100-路线确定装置；110-路网绘制模块；120-逃逸路线生成模块；130-目标逃逸路线确定模块；。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例只是本发明的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。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。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为只是或暗示相对重要性。
在本发明的描述中，除非另有明确的规定和限定，术语“设置”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
如图1所示，本发明实施例提供了一种电子设备10，包括存储器12、处理器14及路线确定装置100，其中，该路线确定装置100包括一个或多个存储于所述存储器12中并由所述处理器14执行的软件功能模块。
可选地，所述电子设备10的具体形式不受限制，可以根据实际应用进行设置。在本实施例中，提供一种可行的示例，所述电子设备10可以为计算机。
其中，所述存储器12和处理器14之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述路线确定装置100包括至少一个可以软件或固件(firmware)的形式存储于所述存储器12中的软件功能模块。所述处理器14用于执行所述存储器12中存储的可执行的计算机程序，例如，所述路线确定装置100所包括的软件功能模块及计算机程序等，以实现路线确定方法。
其中，所述存储器12可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。其中，存储器12用于存储程序，所述处理器14在接收到执行指令后，执行所述程序。
所述处理器14可能是一种集成电路芯片，具有信号的处理能力。上述的处理器14可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可以理解，图1所示的结构仅为示意，所述电子设备10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
结合图2，本发明实施例提供了一种可应用于电子设备10的路线确定方法。其中，所述方法有关的流程所定义的方法步骤可以由所述处理器14实现。下面将对图2所示的具体流程进行详细阐述。
步骤S110，根据犯罪嫌疑人对应的案件信息确定至少一个目的地，并根据案件信息对应的地理信息绘制一路网，其中，该路网包括至少一条道路。
详细地，所述案件信息可以包括，但不限于案发地点、案件性质、案发时间、嫌疑人的金融交易类数据、犯罪记录、教育背景、历史行为轨迹、亲友关系、滞留信息(常住地)及工作历史。
可选地，确定犯罪嫌疑人逃逸目的地的方式不受限制，可以根据实际应用需求进行设置。例如，在本实施例中，可以是根据所述案件信息、历史案件信息及目的地计算公式计算犯罪嫌疑人逃逸目的地的概率。
其中，所述历史案件信息可以包括该案件发生时刻之前的所有案件信息，所述目的地计算公式可以包括：
详细地，Px表示犯罪嫌疑人前往逃逸目的地x的概率，nx表示历史案件中与逃逸目的地x对应的躲藏地点数量，N表示与该案件对应的历史案件中犯罪嫌疑人躲藏地点的总数，λ表示系数，n表示该逃逸目的地预设范围内熟人数量，表示犯罪嫌疑人与第i个人的历史交互次数，表示犯罪嫌疑人与第i个人在预设时长内的交互次数。
其中，λ的值对应n的值，当n＝0时，λ＝0；当n≠0时，λ＝1。可选地，预设范围的具体设置不受限制，可以根据实际应用需求进行设置。例如，在本实施例中，所述预设范围可以是2公里，所述熟人可以包括犯罪嫌疑人的同事、亲戚及朋友。可选地，预设时长的具体设置不受限制，可以根据实际应用需求进行设置，例如，在本实施例中，所述预设时长可以是2周。
步骤S120，根据所述至少一个目的地和所述路网生成至少一条逃逸路线。
详细地，根据步骤S110确定至少一个目的地并绘制路网，根据所述案件信息中的案发地点及至少一个目的地在所述路网中生成至少一条逃逸路线。
步骤S130，根据所述至少一条逃逸路线中每条道路的阻抗系数和犯罪嫌疑人对该条道路的熟悉程度，在所述至少一条逃逸路线中确定至少一条目标逃逸路线。
详细地，每条逃逸路线包括至少一条道路，所述阻抗系数表示每个人在该条道路上受到的阻碍与通过该条道路进行出行的概率的比值。
通过以上设置，可以提高追捕犯罪嫌疑人的效率。
结合图3，所述方法还可以包括计算每条道路的阻抗系数的步骤，该步骤可以包括步骤S141和步骤S142，具体内容如下所述。
步骤S141，针对每一条道路，计算该条道路上各种交通方式的阻抗系数。
详细地，根据犯罪嫌疑人逃逸选择的交通方式不同，该条道路的阻抗系数也不同，交通方式可以包括车辆、自行车及步行，各种交通方式的阻抗系数可以包括车辆的阻抗系数、自行车的阻抗系数及步行的阻抗系数。
结合图4，步骤S141可以包括步骤S1411和步骤S1412，以计算车辆的阻抗系数。
步骤S1411，获取该条道路的车辆路况信息。
其中，所述车辆路况信息可以包括车辆数量、道路长度、信号灯信息、车道数量、车祸信息及施工信息。
步骤S1412，根据所述车辆路况信息和第一公式计算车辆的阻抗系数。
详细地，所述第一公式可以包括：
其中，Fc表示车辆的阻抗系数，tout表示使用自驾车的平均离开时间，N表示车辆数量，α表示车祸拥堵系数，S表示车祸信息，β表示施工拥堵系数，P表示施工信息，E表示该条道路的限速，C表示该条道路的车道数量，L表示该条道路的长度，γ表示车辆的选择，表示使用公交车的平均离开时间，n表示预设范围内的公交车站点数，li表示到达站点i的距离，Numi表示站点i中的公交车线路数量，tj表示公交车j的发车间隔时间。
详细地，当该条道路发生车祸时，S为1，反之为0；当该条道路有施工时，P为1，反之为0；当犯罪嫌疑人选择的交通工具为公交车时，γ为1反之为0。可选地，预设范围的具体设置不受限制，可以根据实际应用需求进行设置，例如，在本实施例中，所述预设范围可以是2公里。
结合图5，步骤S141可以包括步骤S1413和步骤S1414，以计算自行车的阻抗系数。
步骤S1413，获取该条道路的自行车路况信息。
其中，所述自行车路况信息可以包括自行车通过该条道路的平均时间和与该条道路连接的大型道路、中等道路及小型道路数量。
详细地，小型道路为单车道的道路，中等道路为双车道的道路，大型道路为四车道及以上的道路。
步骤S1414，根据所述自行车路况信息和第二公式计算自行车的阻抗系数。
详细地，所述第二公式可以包括：
其中，Fz表示自行车的阻抗系数，tout表示自行车从该条道路通过的平均时间，nl表示与该条道路相连的大型道路的数量，nm表示与该条道路连接的中等道路的数量，ns表示与该条道路连接的小型道路的数量，ε表示犯罪嫌疑人是否拥有自行车，nbike表示预设范围内空闲公共自行车的数量。
详细地，当犯罪嫌疑人没有自行车时，ε为1，反之为0。可选地，预设范围的具体设置不受限制，可以根据实际应用需求进行设置，例如，在本实施例中，所述预设范围可以是2公里。
结合图6，步骤S141还可以包括步骤S1415和步骤S1416，以计算步行的阻抗系数。
步骤S1415，获取该条道路的步行路况信息。
其中，所述步行路况信息可以包括步行通过该条道路的平均时间和与该条道路连接的大型道路、中等道路及小型道路数量。
步骤S1416，根据所述步行路况信息和第三公式计算步行的阻抗系数。
详细地，所述第三公式可以包括：
其中，Fw表示步行的阻抗系数，tout表示步行通过该条道路的平均时间，nl表示与该条道路相连的大型道路的数量，nm表示与该条道路连接的中等道路的数量，ns表示与该条道路连接的小型道路的数量。
步骤S142，针对每一条道路，根据嫌疑人的出行偏好和该条道路上各种交通方式的阻抗系数计算得到该条道路的阻抗系数。
详细地，可以根据犯罪嫌疑人的历史活动轨迹计算出行偏好，历史活动轨迹可以包括犯罪嫌疑人使用车辆出行的轨迹、使用自行车出行的轨迹及步行的轨迹，车辆出行的轨迹、使用自行车出行的轨迹及步行的轨迹分别与历史活动轨迹的比值即为犯罪嫌疑人使用车辆出行的概率、使用自行车出行的概率及步行的概率。
结合图7，所述方法还可以包括计算犯罪嫌疑人对每条道路的熟悉程度的步骤，该步骤可以包括步骤S151和步骤S152，具体内容如下所述。
步骤S151，根据所述案件信息得到犯罪嫌疑人的历史活动轨迹。
详细地，历史活动轨迹具体指犯罪嫌疑人在案发时间前预设时间内的活动轨迹。可选地，预设时间的具体设置不受限制，可以根据实际应用需求进行设置，例如，在本实施例中，所述预设时间可以为1个月。
步骤S152，根据所述历史活动轨迹计算犯罪嫌疑人对每条道路的熟悉程度。
详细地，可以根据所述历史活动轨迹和熟悉程度计算公式计算犯罪嫌疑人对每条道路的熟悉程度。所述熟悉程度计算公式可以包括：
其中，Fi表示犯罪嫌疑人对道路i的熟悉程度，ni表示道路i的数量，nall表示历史轨迹包括的道路数量。
并且，在确定犯罪嫌疑人逃逸目的地时，要对应案件信息中犯罪嫌疑人的生活背景，所述生活背景包括犯罪嫌疑人的成长环境和兴趣爱好。详细地，如果犯罪嫌疑人的成长环境中含有“野外生存”的经历，例如，在农村、山区长大或者爱好旅行，有野外探险的经验，可以在逃逸目的地中增加树林、山等地点，在生成逃逸路线时要增加草地、荒芜的小路等隐藏逃逸路线。
进一步地，每条逃逸路线包括至少一条道路，可以根据每条道路的阻抗系数及路线阻抗计算公式计算逃逸路线的阻抗。所述路线阻抗计算公式可以包括：
其中，F表示该条逃逸路线的阻抗，N表示该条逃逸路线包括的道路数量，Fi表示犯罪嫌疑人对道路i的熟悉程度，Fi c表示道路i上车辆的阻抗系数，Pc表示犯罪嫌疑人使用车辆出行的概率，Fi z表示道路i上自行车的阻抗系数，Pz表示犯罪嫌疑人使用自行车出行的概率，Fi w表示道路i上步行的阻抗系数，Pw表示犯罪嫌疑人步行的概率，η表示隐藏逃逸路线系数，TA表示犯罪嫌疑人的年龄，Th表示通过隐藏逃逸路线的平均时间，Tr表示犯罪嫌疑人在农村、山区等地点生活的时间，n表示犯罪嫌疑人外出旅行、探险的次数，Tt表示犯罪嫌疑人外出旅行、探险的平均时间。
详细地，当该条逃逸路线为隐藏逃逸路线时，η为1，反之为0。所述逃逸路线的阻抗具体为犯罪嫌疑人在该条逃逸路线上受到的阻碍，可以将所有逃逸路线的阻抗由低到高排列，该顺序就是犯罪嫌疑人的逃逸路线排序，阻抗越低，犯罪嫌疑人选择该条逃逸路线的可能性越大，即确定至少一条目标逃逸路线。
结合图8，本发明实施例还提供了一种可应用于上述电子设备10的路线确定装置100，可以包括路网绘制模块110、逃逸路线生成模块120及目标逃逸路线确定模块130。
所述路网绘制模块110，用于根据犯罪嫌疑人对应的案件信息确定至少一个目的地，并根据案件信息对应的地理信息绘制一路网。在本实施例中，所述路网绘制模块110可以用于执行图2所述的步骤S110，关于所述路网绘制模块110的具体描述可以参照前文对步骤S110的描述。
所述逃逸路线生成模块120，用于根据所述至少一个目的地和所述路网生成至少一条逃逸路线。在本实施例中，所述逃逸路线生成模块120可以用于执行图2所述的步骤120，关于所述逃逸路线生成模块120的具体描述可以参照前文对步骤S120的描述。
所述目标逃逸路线确定模块130，用于根据所述至少一条逃逸路线中每条道路的阻抗系数和犯罪嫌疑人对该条道路的熟悉程度，在所述至少一条逃逸路线中确定至少一条目标逃逸路线。在本实施例中，所述目标逃逸路线确定模块130可以用于执行图3所述的步骤S130，关于所述目标逃逸路线确定模块130的具体描述可以参照前文对步骤S130的描述。
综上所述，本发明实施例提供的路线确定方法和路线确定装置100，可以根据犯罪嫌疑人对应的案件信息确定至少一个目的地，以生成至少一条逃逸路线，并根据所述至少一条逃逸路线中每条道路的阻抗系数和犯罪嫌疑人对该条道路的熟悉程度，确定至少一条目标逃逸路线，以提高追捕犯罪嫌疑人的效率。
在本发明实施例所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品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，电子设备，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种路线确定方法，其特征在于，用于对犯罪嫌疑人的逃逸路线进行确定，该方法包括：
根据犯罪嫌疑人对应的案件信息确定至少一个目的地，并根据案件信息对应的地理信息绘制一路网，其中，该路网包括至少一条道路；
根据所述至少一个目的地和所述路网生成至少一条逃逸路线；
根据所述至少一条逃逸路线中每条道路的阻抗系数和犯罪嫌疑人对该条道路的熟悉程度，在所述至少一条逃逸路线中确定至少一条目标逃逸路线。
2.根据权利要求1所述的路线确定方法，其特征在于，该方法还包括计算每条道路的阻抗系数的步骤，该步骤包括：
针对每一条道路，计算该条道路上各种交通方式的阻抗系数；
针对每一条道路，根据嫌疑人的出行偏好和该条道路上各种交通方式的阻抗系数计算得到该条道路的阻抗系数。
3.根据权利要求2所述的路线确定方法，其特征在于，所述交通方式的阻抗系数包括车辆的阻抗系数，所述计算该条道路上各种交通方式的阻抗系数的步骤，包括：
获取该条道路的车辆路况信息，其中，所述车辆路况信息包括车辆数量、道路长度、信号灯信息、车道数量、车祸信息及施工信息；
根据所述车辆路况信息和第一公式计算车辆的阻抗系数。
4.根据权利要求3所述的路线确定方法，其特征在于，所述第一公式包括：
其中，Fc表示车辆的阻抗系数，tout表示使用自驾车的平均离开时间，N表示车辆数量，α表示车祸拥堵系数，S表示车祸信息，β表示施工拥堵系数，P表示施工信息，E表示该条道路的限速，C表示该条道路的车道数量，L表示该条道路的长度，γ表示车辆的选择，表示使用公交车的平均离开时间，n表示预设范围内的公交车站点数，li表示到达站点i的距离，Numi表示站点i中的公交车线路数量，tj表示公交车j的发车间隔时间。
5.根据权利要求2所述的路线确定方法，其特征在于，所述交通方式的阻抗系数包括自行车的阻抗系数，所述计算该条道路上各种交通方式的阻抗系数的步骤，包括：
获取该条道路的自行车路况信息，其中，所述自行车路况信息包括自行车通过该条道路的平均时间和与该条道路连接的大型道路、中等道路及小型道路数量；
根据所述自行车路况信息和第二公式计算自行车的阻抗系数。
6.根据权利要求5所述的路线确定方法，其特征在于，所述第二公式包括：
其中，Fz表示自行车的阻抗系数，tout表示自行车从该条道路通过的平均时间，nl表示与该条道路相连的大型道路的数量，nm表示与该条道路连接的中等道路的数量，ns表示与该条道路连接的小型道路的数量，ε表示犯罪嫌疑人是否拥有自行车，nbike表示预设范围内空闲公共自行车的数量。
7.根据权利要求2所述的路线确定方法，其特征在于，所述交通方式的阻抗系数包括步行的阻抗系数，所述计算该条道路上各种交通方式的阻抗系数的步骤，包括：
获取该条道路的步行路况信息，其中，所述步行路况信息包括步行通过该条道路的平均时间和与该条道路连接的大型道路、中等道路及小型道路数量；
根据所述步行路况信息和第三公式计算步行的阻抗系数。
8.根据权利要求7所述的路线确定方法，其特征在于，第三公式包括：
其中，Fw表示步行的阻抗系数，tout表示步行通过该条道路的平均时间，nl表示与该条道路相连的大型道路的数量，nm表示与该条道路连接的中等道路的数量，ns表示与该条道路连接的小型道路的数量。
9.根据权利要求1-8任意一项所述的路线确定方法，其特征在于，该方法还包括计算犯罪嫌疑人对每条道路的熟悉程度的步骤，该步骤包括：
根据所述案件信息得到犯罪嫌疑人的历史活动轨迹；
根据所述历史活动轨迹计算犯罪嫌疑人对每条道路的熟悉程度。
10.一种路线确定装置，其特征在于，用于对犯罪嫌疑人的逃逸路线进行确定，该装置包括：
路网绘制模块，用于根据犯罪嫌疑人对应的案件信息确定至少一个目的地，并根据案件信息对应的地理信息绘制一路网，其中，该路网包括至少一条道路；
逃逸路线生成模块，用于根据所述至少一个目的地和所述路网生成至少一条逃逸路线；
目标逃逸路线确定模块，用于根据所述至少一条逃逸路线中每条道路的阻抗系数和犯罪嫌疑人对该条道路的熟悉程度，在所述至少一条逃逸路线中确定至少一条目标逃逸路线。
CN201910482167.9A 2019-06-04 2019-06-04 路线确定方法和路线确定装置 Active CN110189520B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910482167.9A CN110189520B (zh) 2019-06-04 2019-06-04 路线确定方法和路线确定装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910482167.9A CN110189520B (zh) 2019-06-04 2019-06-04 路线确定方法和路线确定装置

Publications (2)

Publication Number Publication Date
CN110189520A true CN110189520A (zh) 2019-08-30
CN110189520B CN110189520B (zh) 2021-04-27

Family

ID=67720299

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910482167.9A Active CN110189520B (zh) 2019-06-04 2019-06-04 路线确定方法和路线确定装置

Country Status (1)

Country Link
CN (1) CN110189520B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110990509A (zh) * 2019-11-28 2020-04-10 航天精一(广东)信息科技有限公司 基于PageRank算法的嫌疑人追逃分析方法
CN112750301A (zh) * 2019-10-30 2021-05-04 杭州海康威视系统技术有限公司 目标对象追踪方法、装置、设备及计算机可读存储介质
CN112949979A (zh) * 2021-01-28 2021-06-11 迪爱斯信息技术股份有限公司 一种堵控规划方法及装置、围捕系统
CN113010545A (zh) * 2019-12-20 2021-06-22 浙江宇视科技有限公司 数据搜索方法、装置、服务器、存储介质及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007066153A (ja) * 2005-09-01 2007-03-15 Mycom:Kk 防犯装置
CN102843547A (zh) * 2012-08-01 2012-12-26 安科智慧城市技术（中国）有限公司 一种嫌疑目标智能追踪方法和系统
TWI498527B (zh) * 2014-01-28 2015-09-01 Chunghwa Telecom Co Ltd Submarine Vehicle Surrounding System and Method
CN104933666A (zh) * 2015-07-03 2015-09-23 东南大学 综合交通网络客运交通方式路段阻抗确定方法
JP2016095172A (ja) * 2014-11-12 2016-05-26 富士通株式会社 防犯支援装置、方法、及びプログラム
CN107749170A (zh) * 2017-12-07 2018-03-02 东莞职业技术学院 一种车辆跟踪装置及方法
CN108364461A (zh) * 2018-01-05 2018-08-03 武汉中科通达高新技术股份有限公司 一种车辆行驶轨迹预测方法
CN109448363A (zh) * 2018-09-30 2019-03-08 佳都新太科技股份有限公司 基于轨迹预测的嫌疑车辆智能封控方法、系统及处理终端
CN109656972A (zh) * 2018-11-27 2019-04-19 杭州中奥科技有限公司 区域治安程度的确定方法及装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007066153A (ja) * 2005-09-01 2007-03-15 Mycom:Kk 防犯装置
CN102843547A (zh) * 2012-08-01 2012-12-26 安科智慧城市技术（中国）有限公司 一种嫌疑目标智能追踪方法和系统
TWI498527B (zh) * 2014-01-28 2015-09-01 Chunghwa Telecom Co Ltd Submarine Vehicle Surrounding System and Method
JP2016095172A (ja) * 2014-11-12 2016-05-26 富士通株式会社 防犯支援装置、方法、及びプログラム
CN104933666A (zh) * 2015-07-03 2015-09-23 东南大学 综合交通网络客运交通方式路段阻抗确定方法
CN107749170A (zh) * 2017-12-07 2018-03-02 东莞职业技术学院 一种车辆跟踪装置及方法
CN108364461A (zh) * 2018-01-05 2018-08-03 武汉中科通达高新技术股份有限公司 一种车辆行驶轨迹预测方法
CN109448363A (zh) * 2018-09-30 2019-03-08 佳都新太科技股份有限公司 基于轨迹预测的嫌疑车辆智能封控方法、系统及处理终端
CN109656972A (zh) * 2018-11-27 2019-04-19 杭州中奥科技有限公司 区域治安程度的确定方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李婷玮 等: "基于EmguCV和ArcGIS Engine的车辆定位与追踪系统设计与实现", 《电脑编程技巧与维护》 *
滕法利: "考虑交叉口延误的多用户交通网络设计", 《中国优秀硕士学位论文全文数据库·工程科技Ⅱ辑》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112750301A (zh) * 2019-10-30 2021-05-04 杭州海康威视系统技术有限公司 目标对象追踪方法、装置、设备及计算机可读存储介质
CN110990509A (zh) * 2019-11-28 2020-04-10 航天精一(广东)信息科技有限公司 基于PageRank算法的嫌疑人追逃分析方法
CN110990509B (zh) * 2019-11-28 2023-02-28 航天精一(广东)信息科技有限公司 基于PageRank算法的嫌疑人追逃分析方法
CN113010545A (zh) * 2019-12-20 2021-06-22 浙江宇视科技有限公司 数据搜索方法、装置、服务器、存储介质及系统
CN113010545B (zh) * 2019-12-20 2023-02-28 浙江宇视科技有限公司 数据搜索方法、装置、服务器、存储介质及系统
CN112949979A (zh) * 2021-01-28 2021-06-11 迪爱斯信息技术股份有限公司 一种堵控规划方法及装置、围捕系统
CN112949979B (zh) * 2021-01-28 2024-04-09 迪爱斯信息技术股份有限公司 一种堵控规划方法及装置、围捕系统

Also Published As

Publication number Publication date
CN110189520B (zh) 2021-04-27

Similar Documents

Publication Publication Date Title
CN110189520A (zh) 路线确定方法和路线确定装置
US9109914B2 (en) Energy efficient routing using an impedance factor
CN105046956B (zh) 一种基于转向系数的交通流模拟及预测方法
CN105513337B (zh) 一种客流量的预测方法及装置
CN110494902A (zh) 用于管理地理位置中的交通的系统、设备和方法
Basu et al. How do street attributes affect willingness-to-walk? City-wide pedestrian route choice analysis using big data from Boston and San Francisco
CN101183445A (zh) 一种灾难突发环境下面向城市交通的人员疏散方法
CN204256963U (zh) 一种基于gps的交叉口交通信号灯实时控制装置
CN105513356B (zh) 一种基于轨迹追踪的od矩阵估计方法与系统
CN108765018A (zh) 基于人车关联的自适应广告推送方法及系统
Godefroy et al. Estimating latent cycling trips in Montreal, Canada
CN106097717A (zh) 基于两类浮动车数据融合的信号交叉口平均通行时间估计方法
Gao et al. A data-driven approach to estimate double parking events using machine learning techniques
Fujdiak et al. Advanced optimization method for improving the urban traffic management
Makarova et al. Decision-making on development of cycling infrastructure through safety assessment at design and operation stages
CN105788334A (zh) 一种考虑驾驶者个人偏好的城市路径寻找方法
CN105067001B (zh) 基于出租车经验数据的路径设置方法及系统
Adjei Multi-modal urban transport: integrating non-motorized and bus transport
EP3779363B1 (en) Method and system for vehicle routing based on parking probabilities
Liu et al. Using trajectory data to explore roadway characterization for bikeshare network
Day et al. The ORVal recreation demand model: Extension project
Duan et al. Revealing taxi driver route choice characteristics based on GPS data
Anton et al. Compromise-based approach to road project selection in Madrid metropolitan area
D’Apuzzo et al. A Preliminary Effort to Develop a Framework of Distance Decay Functions for New Urban Active Mobility
Fitch et al. Bicyclist Behavior in San Francisco: A Before-and-After Study of the Impact of Infrastructure Investments

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