CN110674236A - 基于时空轨迹匹配的移动目标关联方法、装置、设备及存储介质 - Google Patents

基于时空轨迹匹配的移动目标关联方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN110674236A
CN110674236A CN201910900888.7A CN201910900888A CN110674236A CN 110674236 A CN110674236 A CN 110674236A CN 201910900888 A CN201910900888 A CN 201910900888A CN 110674236 A CN110674236 A CN 110674236A
Authority
CN
China
Prior art keywords
vehicle
wireless electronic
electronic equipment
time
track
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.)
Pending
Application number
CN201910900888.7A
Other languages
English (en)
Inventor
万华林
刘军发
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.)
Advanced Institute of Information Technology AIIT of Peking University
Hangzhou Weiming Information Technology Co Ltd
Original Assignee
Advanced Institute of Information Technology AIIT of Peking University
Hangzhou Weiming 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 Advanced Institute of Information Technology AIIT of Peking University, Hangzhou Weiming Information Technology Co Ltd filed Critical Advanced Institute of Information Technology AIIT of Peking University
Priority to CN201910900888.7A priority Critical patent/CN110674236A/zh
Publication of CN110674236A publication Critical patent/CN110674236A/zh
Pending legal-status Critical Current

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
    • G06F16/29—Geographical information databases
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
    • G06F2216/03—Data mining

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Remote Sensing (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及轨迹相似度、大数据分析、平安城市以及物联网等技术领域，尤其涉及一种基于时空轨迹匹配的移动目标关联方法、装置、设备及存储介质；方法包括导入并清洗给定时间段的卡口车牌识别数据和无线电子设备探测数据；提取车辆和无线电子设备每天基于时间顺序的位置集合或活动轨迹：计算车辆和无线电子设备的宿主位置；计算车辆轨迹与无线电子设备轨迹的公共轨迹点；将车辆车牌与电子设备进行关联，并生成数据记录。本发明所公开的基于时空轨迹匹配的移动目标关联方法、装置、设备及存储介质，不增加额外投入，充分利用已有社会大数据资源，在海量车牌时空数据和无线电子设备时空数据中挖掘出所有车牌和所有无线电子设备的可信关联关系。

Description

基于时空轨迹匹配的移动目标关联方法、装置、设备及存储 介质
技术领域
本发明涉及轨迹相似度、大数据分析、平安城市以及物联网等技术领域，尤其涉及一种基于时空轨迹匹配的移动目标关联方法、装置、设备及存储介质。
背景技术
随着移动互联网和物联网技术的发展，无线电子终端设备(如手机、智能音箱、车载WIFI，ETC等)正快速融入人们的生活，成为人们生活中不可缺少的一部分，各无线基站接收到的移动设备广播数据基本可以确定无线电子设备的MAC地址，以及时间、位置。
另一方面，在实际应用中，由于拍摄环境光线、摄像头角度以及车辆行驶度等因素的影响，即使是同一辆车，在不同拍摄图像中所展示出来的车辆特征差异较大，而不同车辆在不同拍摄图像中展示出来的车辆特征可能差异较小。也就是说，耗费大量计算提取车辆结构化特征，却无法准确区分多张拍摄图像中的车辆是否为同一车辆，可能造成车辆重识别结果出错，生成错误车辆移动轨迹等数据。与此同时，交通路口、停车场等视频监控卡口每日产生大量的精确车牌识别数据和时间、地点数据没有得到充分利用。
中国专利CN109635059 A提出一种基于轨迹相似度匹配的人车关联分析方法，该方法包括以下步骤：(1)获取前端卡口设备采集的车辆、手机的时空数据并存入数据库；(2)根据用户设置的查询时间段以及嫌疑车辆或手机的特征值，从数据库中获取该时间段内嫌疑对象的若干轨迹点，按照时间排序构成嫌疑对象轨迹；(3)将查询时间段划分为若干个时间区间，加权计算嫌疑对象在各时间区间的综合位置；(4)计算嫌疑对象轨迹与其他对象轨迹的加权欧式距离；(5)根据设置的关联级别阈值对步骤(4)的计算结果进行过滤，筛选出满足阈值要求的轨迹并按照欧式距离从小到大排列展示。可以帮助公安用户确认嫌疑对象同行车辆以及嫌疑车辆内人员身份。此发明介绍一种关联嫌疑车辆和车辆内嫌疑人的方法，该方法存在如下不足：需要用户提供嫌疑车辆特征和手机MAC地址，仅适用于掌握嫌疑车辆和嫌疑人手机特征情况，实际环境中用户可能对车辆特征或嫌疑人手机特征不熟悉；将时间段作为综合位置计算的权值，导致综合位置的经纬度偏离由卫星定位系统得到的目标真实位置，造成轨迹点与真实位置偏移；车辆和手机特征提取是不可靠的，不能保证每一个采集点都能正确采集到车辆和手机的特征，不能保证它们轨迹点个数相同，影响该相似度计算方法的实用性。
中国专利CN105788271B提出一种通过轨迹匹配识别目标移动对象的方法，包括如下步骤：(1)获取已知移动对象在给定时间段内的匹配基准轨迹点列表以及该已知移动对象在各匹配基准轨迹点的时间信息；(2)遍历上述匹配基准轨迹点列表中的各匹配基准轨迹点，获取每个匹配基准轨迹点自己的疑似移动对象列表；(3)统计上述疑似移动对象列表中各疑似移动对象的匹配数，将匹配数最大的疑似移动目标作为目标移动对象；其中已知移动对象为车辆或移动终端，疑似移动对象为车辆或移动终端。此方法介绍的方法是：通过匹配已知移动目标轨迹和数据库中其他移动对象轨迹、筛选出最大轨迹点匹配数，从而确定疑似移动目标。此方法的不足在于：当时间段较长，匹配基准点及匹配基准点自己的疑似移动目标过多，计算复杂度过高；当匹配轨迹点数量较少时，方法仍会将轨迹匹配数最大的对象当作疑似目标返回给用户，这会增加用户的工作量。没有区分轨迹点的差别，可能会导致停留时间较长的区域匹配轨迹点较多，如果是两个不同的目标同时出现在这个区域，将导致误判。
中国专利CN 108508465 A改进了中国专利CN105788271B将时间段划分为若干区间的做法，认为时间间隔小于5秒、距离不大于15米的两个轨迹点是相同的。将轨迹相似度定义为相同轨迹点数量与其中一个轨迹的总轨迹点数量的比值。方法的不足是对每个轨迹点同等对待，当因某特征漏检而出现相同轨迹点比例较小时，此方法可能错失真正的相似轨迹。
因此，为了解决上述问题，急需发明一种新的基于时空轨迹匹配的移动目标关联方法。
发明内容
本发明的目的在于：提供一种基于时空轨迹匹配的移动目标关联方法、装置、设备及存储介质，在海量车牌时空数据和无线电子设备时空数据中挖掘出所有车牌和所有无线电子设备的可信关联关系以及车辆和无线电子设备的常驻地。
本发明提供了下述方案：
一种基于时空轨迹匹配的移动目标关联方法，包括以下步骤：
导入并清洗给定时间段的卡口车牌识别数据和无线电子设备探测数据；
根据卡口车牌识别数据和无线电子设备探测数据，提取车辆和无线电子设备每天基于时间顺序的位置集合或活动轨迹：
根据提取出的车辆和无线电子设备的位置集合或活动轨迹，分别计算车辆和无线电子设备的宿主位置；
根据提取出的车辆和无线电子设备的位置集合或活动轨迹，计算车辆轨迹与无线电子设备轨迹的公共轨迹点，得到以时间为序的最大相同轨迹点集合；
根据计算得到的最大相同轨迹点集合以及车辆和无线电子设备的宿主位置，将车辆车牌与电子设备进行关联，并生成数据记录。
优选地，导入并清洗给定时间段的卡口车牌识别数据和无线电子设备探测数据的步骤，具体为：
导入卡口车牌识别数据库，格式为：(plate,date,time,loc(longitude,latitude))；
导入无线电子设备探测数据库，格式为：(MAC,date,time,loc(longitude,latitude)))；
其中，卡口车牌识别数据库包括车牌plate，日期date，时间time，地点loc；
无线电子设备探测数据库包括：
WIFI设备：MAC地址，日期date，时间time，地点loc；
蓝牙设备：MAC地址，日期date，时间time，地点loc；
RFID设备：TID，日期date，时间time，地点loc；
loc为通过卫星定位系统得到的经度和纬度数据对，格式为(longitude,latitude)。
优选地，根据卡口车牌识别数据和无线电子设备探测数据，提取车辆和无线电子设备每天基于时间顺序的位置集合或活动轨迹的步骤，具体为：
根据给定时间段和车牌提取该车牌车辆每天轨迹数据，数据格式(plate，home，date，(timestart,locstart)，(time1,loc1)，(time2,loc2)，...，(timeend,locend))；
根据给定时间段和MAC地址提取该MAC每天轨迹数据，数据格式(MAC，home，date，(timestart,locstart)，(time1,loc1)，(time2,loc2)，...，(timeend,locend))；
根据时间段和TID地址提取该TID每天轨迹数据，数据格式(TID，home，date，(timestart,locstart)，(time1,loc1)，(time2,loc2)，...，(timeend,locend))。
优选地，根据提取出的车辆和无线电子设备的位置集合或活动轨迹，分别计算车辆和无线电子设备的宿主位置的步骤，具体为：
顺序从车辆或电子设备轨迹数据库取出一天轨迹；
如果当天轨迹的出发地点locstart与结束地点locend相同，即Distance(locstart,locend)<β(β>0)，则将车辆或无线电子设备在该位置常驻地计算器加1；
如果车辆或电子设备在该位置常驻地计算器数量大于预定义门限，或者从该位置出发最后回到该位置的天数比例大于预定义门限，则locstart和locend为车辆或无线电子设备的宿主位置Home。
优选地，根据提取出的车辆和无线电子设备的位置集合或活动轨迹，计算车辆轨迹与无线电子设备轨迹的公共轨迹点，得到以时间为序的最大相同轨迹点集合的步骤，具体为：
车辆A轨迹为
Figure BDA0002211773590000051
电子设备B轨迹为
Figure BDA0002211773590000052
(1)顺序遍历TA，提取TA中每一个
Figure BDA0002211773590000053
(2)如果TB中存在
Figure BDA0002211773590000054
使得
Figure BDA0002211773590000055
且
Figure BDA0002211773590000056
则与
Figure BDA0002211773590000058
为TA和TB的相同轨迹点，记作
Figure BDA0002211773590000059
k表示第k+1个相同轨迹点；否则j＝j+1，返回步骤(1)；
(3)遍历轨迹TA和轨迹TB，得到以时间为序的最大相同轨迹点集合，
Figure BDA00022117735900000510
(4)计算集合Tmax中元素的个数，记为p(p∈N)；
(5)如果
Figure BDA00022117735900000511
且
Figure BDA00022117735900000512
则p＝p+δ(δ>0)。
优选地，根据计算得到的最大相同轨迹点集合以及车辆和无线电子设备的宿主位置，将车辆车牌与电子设备进行关联，并生成数据记录的步骤，具体为：
如果p>q(q>0，为预定义阈值)，则关联车辆车牌与该电子设备，生成数据记录relate(plate,MAC,date)。
进一步地，本发明还提供了一种基于时空轨迹匹配的移动目标关联装置，包括：
轨迹提取模块，用于根据卡口车牌识别数据和无线电子设备探测数据，提取车辆和无线电子设备每天基于时间顺序的位置集合或活动轨迹；
宿主位置计算模块，用于根据提取出的车辆和无线电子设备的位置集合或活动轨迹，分别计算车辆和无线电子设备的宿主位置；
相同轨迹计算模块，用于根据提取出的车辆和无线电子设备的位置集合或活动轨迹，计算车辆轨迹与无线电子设备轨迹的公共轨迹点，得到以时间为序的最大相同轨迹点集合；
车辆设备关联模块，用于根据计算得到的最大相同轨迹点集合以及车辆和无线电子设备的宿主位置，将车辆车牌与电子设备进行关联，并生成数据记录。
优选地，所述的基于时空轨迹匹配的移动目标关联装置还包括：
数据导入模块，用于导入并清洗给定时间段的卡口车牌识别数据和无线电子设备探测数据。
进一步地，本发明还提供了一种电子设备，包括存储器和处理器；所述存储器用于存储计算机程序；所述处理器执行所述存储器中的计算机程序，以实现所述的基于时空轨迹匹配的移动目标关联方法。
进一步地，本发明还提供了一种计算机可读存储介质，存储有计算机程序，该计算机程序被处理器执行时，用于实现所述的基于时空轨迹匹配的移动目标关联方法。
本发明产生的有益效果：
本发明所公开的基于时空轨迹匹配的移动目标关联方法、装置、设备及存储介质，方法包括导入并清洗给定时间段的卡口车牌识别数据和无线电子设备探测数据；根据卡口车牌识别数据和无线电子设备探测数据，提取车辆和无线电子设备每天基于时间顺序的位置集合或活动轨迹：根据提取出的车辆和无线电子设备的位置集合或活动轨迹，分别计算车辆和无线电子设备的宿主位置；根据提取出的车辆和无线电子设备的位置集合或活动轨迹，计算车辆轨迹与无线电子设备轨迹的公共轨迹点，得到以时间为序的最大相同轨迹点集合；根据计算得到的最大相同轨迹点集合以及车辆和无线电子设备的宿主位置，将车辆车牌与电子设备进行关联，并生成数据记录；不增加额外投入，充分利用已有社会大数据资源，在海量车牌时空数据和无线电子设备时空数据中挖掘出所有车牌和所有无线电子设备的可信关联关系，关联关系可用于套牌车辆、遮挡车牌车辆、车辆重识别、目标人车搜寻等应用场景；同时，在海量车牌时空数据和无线电子设备时空数据中挖掘出车辆和无线电子设备的常驻地，有助于增强车辆和电子设备关联的可信度。
附图说明
图1为本发明的基于时空轨迹匹配的移动目标关联方法的流程框图。
图2为本发明的基于时空轨迹匹配的移动目标关联装置的结构框图。
图3为本发明的电子设备的结构框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整地传达给本领域的技术人员。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非被特定定义，否则不会用理想化或过于正式的含义来解释。
参见图1所示，一种基于时空轨迹匹配的移动目标关联方法，包括以下步骤：
导入并清洗给定时间段的卡口车牌识别数据和无线电子设备探测数据；
根据卡口车牌识别数据和无线电子设备探测数据，提取车辆和无线电子设备每天基于时间顺序的位置集合或活动轨迹：
根据提取出的车辆和无线电子设备的位置集合或活动轨迹，分别计算车辆和无线电子设备的宿主位置；
根据提取出的车辆和无线电子设备的位置集合或活动轨迹，计算车辆轨迹与无线电子设备轨迹的公共轨迹点，得到以时间为序的最大相同轨迹点集合；
根据计算得到的最大相同轨迹点集合以及车辆和无线电子设备的宿主位置，将车辆车牌与电子设备进行关联，并生成数据记录。
导入并清洗给定时间段的卡口车牌识别数据和无线电子设备探测数据的步骤，具体为：
导入卡口车牌识别数据库：(plate,date,time,loc(longitude,latitude))；
导入无线电子设备探测数据库：(MAC,date,time,loc(longitude,latitude)))；
其中，卡口车牌识别数据库包括车牌plate，日期date，时间time，地点loc，...；
无线电子设备探测数据库包括：
WIFI设备：MAC地址，日期date，时间time，地点loc，...；
蓝牙设备：MAC地址，日期date，时间time，地点loc，...；
RFID设备：TID，日期date，时间time，地点loc，...；
loc为通过卫星定位系统得到的经度和纬度数据对(longitude,latitude)；卫星定位系统，不限于GPS定位系统和北斗定位系统。
当两个特征的采集时间差值|time1-time2|<α(α>0)时，可认为time1和time2时间相同；
当两个特征的采集地点距离distance(loc1,loc2)<β(β>0)时，可认为loc1和loc2地点相同。
根据卡口车牌识别数据和无线电子设备探测数据，提取车辆和无线电子设备每天基于时间顺序的位置集合或活动轨迹的步骤，具体为：
根据给定时间段和车牌提取该车牌车辆每天轨迹数据，数据格式(plate，home，date，(timestart,locstart)，(time1,loc1)，(time2,loc2)，...，(timeend,locend))；
根据给定时间段和MAC地址提取该MAC每天轨迹数据，数据格式(MAC，home，date，(timestart,locstart)，(time1,loc1)，(time2,loc2)，...，(timeend,locend))；
根据时间段和TID地址提取该TID每天轨迹数据，数据格式(TID，home，date，(timestart,locstart)，(time1,loc1)，(time2,loc2)，...，(timeend,locend))。
根据提取出的车辆和无线电子设备的位置集合或活动轨迹，分别计算车辆和无线电子设备的宿主位置的步骤，具体为：
顺序从车辆或电子设备轨迹数据库取出一天轨迹；
如果当天轨迹的出发地点locstart与结束地点locend相同，即Distance(locstart,locend)<β(β>0)，则将车辆或无线电子设备在该位置常驻地计算器加1；
如果车辆或电子设备在该位置常驻地计算器数量大于预定义门限，或者从该位置出发最后回到该位置的天数比例大于预定义门限，则locstart和locend为车辆或无线电子设备的宿主位置Home。
具体实施时，包括如下步骤：
对每天轨迹记录：如果轨迹出发地点locstart与结束地点locend之间的距离Distance(locstart,locend)<50米(参考十字路口对角线距离)，那么这两个轨迹点位置相同；天数
Figure BDA00022117735900001011
如果
Figure BDA00022117735900001012
那么locstart和locend为车辆或无线电子设备的宿主位置，home＝locstart；
更新车辆或电子设备特征home；
根据提取出的车辆和无线电子设备的位置集合或活动轨迹，计算车辆轨迹与无线电子设备轨迹的公共轨迹点，得到以时间为序的最大相同轨迹点集合的步骤，具体为：
车辆A轨迹为
Figure BDA0002211773590000101
电子设备B轨迹为
Figure BDA0002211773590000102
(1)顺序遍历TA，提取TA中每一个
Figure BDA0002211773590000103
(2)如果TB中存在
Figure BDA0002211773590000104
使得
Figure BDA0002211773590000105
且
Figure BDA0002211773590000106
则
Figure BDA0002211773590000107
与为TA和TB的相同轨迹点，记作
Figure BDA0002211773590000109
k表示第k+1个相同轨迹点；否则j＝j+1，返回步骤(1)；
(3)遍历轨迹TA和轨迹TB，得到以时间为序的最大相同轨迹点集合，
(4)计算集合Tmax中元素的个数，记为p(p∈N)；
(5)如果
Figure BDA0002211773590000111
且
Figure BDA0002211773590000112
则p＝p+δ(δ>0)。
根据计算得到的最大相同轨迹点集合以及车辆和无线电子设备的宿主位置，将车辆车牌与电子设备进行关联，并生成数据记录的步骤，具体为：
如果p>q(q>0，为预定义阈值)，则关联车辆车牌与该电子设备，生成数据记录relate(plate,MAC,date)。一个车牌可以关联多个电子设备，一个电子设备也可以关联多个车牌。同样地，可以挖掘出无线电子设备之间的关联关系，还可以通过人脸识别数据库挖掘出人与无线电子设备之间的关联关系。
参见图2所示，本实施例还提供了一种基于时空轨迹匹配的移动目标关联装置，包括：
轨迹提取模块，用于根据卡口车牌识别数据和无线电子设备探测数据，提取车辆和无线电子设备每天基于时间顺序的位置集合或活动轨迹；
宿主位置计算模块，用于根据提取出的车辆和无线电子设备的位置集合或活动轨迹，分别计算车辆和无线电子设备的宿主位置；
相同轨迹计算模块，用于根据提取出的车辆和无线电子设备的位置集合或活动轨迹，计算车辆轨迹与无线电子设备轨迹的公共轨迹点，得到以时间为序的最大相同轨迹点集合；
车辆设备关联模块，用于根据计算得到的最大相同轨迹点集合以及车辆和无线电子设备的宿主位置，将车辆车牌与电子设备进行关联，并生成数据记录。
所述的基于时空轨迹匹配的移动目标关联装置还包括：
数据导入模块，用于导入并清洗给定时间段的卡口车牌识别数据和无线电子设备探测数据。
参见图3所示，本实施例还提供了一种电子设备，包括存储器1和处理器2；所述存储器用于存储计算机程序；所述处理器执行所述存储器中的计算机程序，以实现所述的基于时空轨迹匹配的移动目标关联方法。
进一步地，本实施例还提供了一种计算机可读存储介质，存储有计算机程序，该计算机程序被处理器执行时，用于实现所述的基于时空轨迹匹配的移动目标关联方法。
本实施例中所述的基于时空轨迹匹配的移动目标关联方法、装置、设备及存储介质，方法包括导入并清洗给定时间段的卡口车牌识别数据和无线电子设备探测数据；根据卡口车牌识别数据和无线电子设备探测数据，提取车辆和无线电子设备每天基于时间顺序的位置集合或活动轨迹：根据提取出的车辆和无线电子设备的位置集合或活动轨迹，分别计算车辆和无线电子设备的宿主位置；根据提取出的车辆和无线电子设备的位置集合或活动轨迹，计算车辆轨迹与无线电子设备轨迹的公共轨迹点，得到以时间为序的最大相同轨迹点集合；根据计算得到的最大相同轨迹点集合以及车辆和无线电子设备的宿主位置，将车辆车牌与电子设备进行关联，并生成数据记录；不增加额外投入，充分利用已有社会大数据资源，在海量车牌时空数据和无线电子设备时空数据中挖掘出所有车牌和所有无线电子设备的可信关联关系，关联关系可用于套牌车辆、遮挡车牌车辆、车辆重识别、目标人车搜寻等应用场景；同时，在海量车牌时空数据和无线电子设备时空数据中挖掘出车辆和无线电子设备的常驻地，有助于增强车辆和电子设备关联的可信度。
本实施例中所述的基于时空轨迹匹配的移动目标关联方法，将基于视频监控卡口生成的车牌识别数据和无线基站探测得到的设备MAC、TID等数据，生成车辆和电子设备的时空轨迹数据，使用本专利提出的“基于时空轨迹匹配的移动目标关联方法”，挖掘出车辆和无线电子设备、甚至多个无线电子设备之间的关联关系。利用车辆与无线电子设备之间的关联或绑定关系，即使在摄像头没有覆盖的区域，也可以轻松实现车辆重识别或准确的车辆轨迹。
本实施例中所述的基于时空轨迹匹配的移动目标关联方法，无线电子终端设备包括手机、智能音箱、车载WIFI，ETC等，在海量车牌时空数据和无线电子设备时空数据中挖掘出所有车牌和所有无线电子设备的可信关联关系，关联关系可用于套牌车辆、遮挡车牌车辆、车辆重识别、目标人车搜寻等应用场景；以搜寻遮挡车牌车辆为例，根据所述的基于时空轨迹匹配的移动目标关联方法获得车主手机与车辆的关联关系，虽然车牌被遮挡，根据车主手机的时空轨迹既可确定被遮挡的车牌。
对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。
最后应说明的是：以上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精神和范围。

Claims (10)

1.一种基于时空轨迹匹配的移动目标关联方法，其特征在于：包括以下步骤：
导入并清洗给定时间段的卡口车牌识别数据和无线电子设备探测数据；
根据卡口车牌识别数据和无线电子设备探测数据，提取车辆和无线电子设备每天基于时间顺序的位置集合或活动轨迹：
根据提取出的车辆和无线电子设备的位置集合或活动轨迹，分别计算车辆和无线电子设备的宿主位置；
根据提取出的车辆和无线电子设备的位置集合或活动轨迹，计算车辆轨迹与无线电子设备轨迹的公共轨迹点，得到以时间为序的最大相同轨迹点集合；
根据计算得到的最大相同轨迹点集合以及车辆和无线电子设备的宿主位置，将车辆车牌与无线电子设备进行关联，并生成数据记录。之后的用途过程说明书里体现。
2.根据权利要求1所述的基于时空轨迹匹配的移动目标关联方法，其特征在于：导入并清洗给定时间段的卡口车牌识别数据和无线电子设备探测数据的步骤，具体为：
导入卡口车牌识别数据库，格式为：(plate,date,time,loc(longitude,latitude))；
导入无线电子设备探测数据库，格式为：(MAC,date,time,loc(longitude,latitude)))；
其中，卡口车牌识别数据库包括车牌plate，日期date，时间time，地点loc；
无线电子设备探测数据库包括：
WIFI设备：MAC地址，日期date，时间time，地点loc；
蓝牙设备：MAC地址，日期date，时间time，地点loc；
RFID设备：TID，日期date，时间time，地点loc；
loc为通过卫星定位系统得到的经度和纬度数据对，格式为：(longitude,latitude)。
3.根据权利要求2所述的基于时空轨迹匹配的移动目标关联方法，其特征在于：根据卡口车牌识别数据和无线电子设备探测数据，提取车辆和无线电子设备每天基于时间顺序的位置集合或活动轨迹的步骤，具体为：
根据给定时间段和车牌提取该车牌车辆每天轨迹数据，数据格式为：(plate，home，date，(timestart,locstart)，(time1,loc1)，(time2,loc2)，...，(timeend,locend))；
根据给定时间段和MAC地址提取该MAC每天轨迹数据，数据格式为：(MAC，home，date，(timestart,locstart)，(time1,loc1)，(time2,loc2)，...，(timeend,locend))；
根据时间段和TID地址提取该TID每天轨迹数据，数据格式为：(TID，home，date，(timestart,locstart)，(time1,loc1)，(time2,loc2)，...，(timeend,locend))。
4.根据权利要求3所述的基于时空轨迹匹配的移动目标关联方法，其特征在于：
根据提取出的车辆和无线电子设备的位置集合或活动轨迹，分别计算车辆和无线电子设备的宿主位置的步骤，具体为：
顺序从车辆或电子设备轨迹数据库取出一天轨迹；
如果当天轨迹的出发地点locstart与结束地点locend相同，即Distance(locstart,locend)<β(β>0)，则将车辆或无线电子设备在该位置常驻地计算器加1；
如果车辆或电子设备在该位置常驻地计算器数量大于预定义门限，或者从该位置出发最后回到该位置的天数比例大于预定义门限，则locstart和locend为车辆或无线电子设备的宿主位置Home。
5.根据权利要求4所述的基于时空轨迹匹配的移动目标关联方法，其特征在于：根据提取出的车辆和无线电子设备的位置集合或活动轨迹，计算车辆轨迹与无线电子设备轨迹的公共轨迹点，得到以时间为序的最大相同轨迹点集合的步骤，具体为：
车辆A轨迹为
Figure FDA0002211773580000031
电子设备B轨迹为
Figure FDA0002211773580000032
(1)顺序遍历TA，提取TA中每一个
Figure FDA0002211773580000033
(2)如果TB中存在
Figure FDA0002211773580000034
使得
Figure FDA0002211773580000035
且
Figure FDA0002211773580000036
则
Figure FDA0002211773580000037
与
Figure FDA0002211773580000038
为TA和TB的相同轨迹点，记作
Figure FDA0002211773580000039
k表示第k+1个相同轨迹点；否则j＝j+1，返回步骤(1)；
(3)遍历轨迹TA和轨迹TB，得到以时间为序的最大相同轨迹点集合，
(4)计算集合Tmax中元素的个数，记为p(p∈N)；
(5)如果
Figure FDA00022117735800000311
且则p＝p+δ(δ>0)。
6.根据权利要求5所述的基于时空轨迹匹配的移动目标关联方法，其特征在于：
根据计算得到的最大相同轨迹点集合以及车辆和无线电子设备的宿主位置，将车辆车牌与电子设备进行关联，并生成数据记录的步骤，具体为：
如果p>q(q>0，为预定义阈值)，则关联车辆车牌与该电子设备，生成数据记录relate(plate,MAC,date)。
7.一种基于时空轨迹匹配的移动目标关联装置，其特征在于：包括：
轨迹提取模块，用于根据卡口车牌识别数据和无线电子设备探测数据，提取车辆和无线电子设备每天基于时间顺序的位置集合或活动轨迹；
宿主位置计算模块，用于根据提取出的车辆和无线电子设备的位置集合或活动轨迹，分别计算车辆和无线电子设备的宿主位置；
相同轨迹计算模块，用于根据提取出的车辆和无线电子设备的位置集合或活动轨迹，计算车辆轨迹与无线电子设备轨迹的公共轨迹点，得到以时间为序的最大相同轨迹点集合；
车辆设备关联模块，用于根据计算得到的最大相同轨迹点集合以及车辆和无线电子设备的宿主位置，将车辆车牌与电子设备进行关联，并生成数据记录。
8.根据权利要求7所述的基于时空轨迹匹配的移动目标关联装置，其特征在于：还包括：
数据导入模块，用于导入并清洗给定时间段的卡口车牌识别数据和无线电子设备探测数据。
9.一种电子设备，其特征在于：包括存储器和处理器；所述存储器用于存储计算机程序；所述处理器执行所述存储器中的计算机程序，以实现如权利要求1-6中任一所述的基于时空轨迹匹配的移动目标关联方法。
10.一种计算机可读存储介质，其特征在于：存储有计算机程序，该计算机程序被处理器执行时，用于实现如权利要求1-6中任一所述的基于时空轨迹匹配的移动目标关联方法。
CN201910900888.7A 2019-09-23 2019-09-23 基于时空轨迹匹配的移动目标关联方法、装置、设备及存储介质 Pending CN110674236A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910900888.7A CN110674236A (zh) 2019-09-23 2019-09-23 基于时空轨迹匹配的移动目标关联方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910900888.7A CN110674236A (zh) 2019-09-23 2019-09-23 基于时空轨迹匹配的移动目标关联方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN110674236A true CN110674236A (zh) 2020-01-10

Family

ID=69077254

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910900888.7A Pending CN110674236A (zh) 2019-09-23 2019-09-23 基于时空轨迹匹配的移动目标关联方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN110674236A (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111461124A (zh) * 2020-03-02 2020-07-28 浙江省北大信息技术高等研究院 基于大数据的遮挡车牌识别方法、设备及存储介质
CN112148808A (zh) * 2020-09-28 2020-12-29 杭州海康威视系统技术有限公司 关系构建方法、装置和电子设备
CN111552754B (zh) * 2020-04-24 2020-12-29 中国科学院空天信息创新研究院 一种舰船轨迹相似度度量方法及系统
CN112256982A (zh) * 2020-09-15 2021-01-22 中国科学院信息工程研究所 基于稀疏采样时空数据的目标同行关系分析方法及电子装置
CN112581761A (zh) * 2020-12-07 2021-03-30 浙江宇视科技有限公司 5g移动物联网节点的协同分析方法、装置、设备和介质
CN112770252A (zh) * 2020-12-31 2021-05-07 深圳前海中电慧安科技有限公司 基于单点相似度的人车关联方法、装置、设备及存储介质
CN112785223A (zh) * 2021-01-05 2021-05-11 中交智运有限公司 一种基于北斗定位与移动信令的时空轨迹匹配方法及系统
CN113160551A (zh) * 2021-01-12 2021-07-23 北京品恩科技股份有限公司 一种基于交通大数据伴随模型运用方法
CN113327336A (zh) * 2021-06-03 2021-08-31 厦门科拓通讯技术股份有限公司 人车关系的识别方法、装置和电子设备
CN114241765A (zh) * 2021-12-15 2022-03-25 重庆中信科信息技术有限公司 基于时空逻辑的定向车道交通违法分析方法、装置及存储介质
CN114898448A (zh) * 2022-07-13 2022-08-12 南京森根科技股份有限公司 基于相似轨迹的人员关系分类方法与系统
CN115169588A (zh) * 2022-09-06 2022-10-11 深圳前海中电慧安科技有限公司 电像计算时空轨迹车码关联方法、装置、设备及存储介质
CN116887257A (zh) * 2023-08-29 2023-10-13 北京友坤科技有限责任公司 车联网卡的滥用识别方法、装置、电子设备和存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105427586A (zh) * 2015-12-16 2016-03-23 武汉烽火众智数字技术有限责任公司 一种基于多轨迹碰撞的车辆落脚点分析方法
US20160265930A1 (en) * 2015-03-13 2016-09-15 Nissan North America, Inc. Identifying significant locations based on vehicle probe data
CN106778876A (zh) * 2016-12-21 2017-05-31 广州杰赛科技股份有限公司 基于移动用户轨迹相似性的用户分类方法和系统
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
CN108717790A (zh) * 2018-07-06 2018-10-30 广州市交通运输研究所 一种基于卡口车牌识别数据的车辆出行分析方法
CN109656973A (zh) * 2018-11-30 2019-04-19 武汉烽火众智数字技术有限责任公司 一种目标对象关联分析方法及装置
CN110162588A (zh) * 2019-05-29 2019-08-23 浪潮软件集团有限公司 一种多维关联信息的轨迹融合方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160265930A1 (en) * 2015-03-13 2016-09-15 Nissan North America, Inc. Identifying significant locations based on vehicle probe data
CN105427586A (zh) * 2015-12-16 2016-03-23 武汉烽火众智数字技术有限责任公司 一种基于多轨迹碰撞的车辆落脚点分析方法
CN106778876A (zh) * 2016-12-21 2017-05-31 广州杰赛科技股份有限公司 基于移动用户轨迹相似性的用户分类方法和系统
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
CN108717790A (zh) * 2018-07-06 2018-10-30 广州市交通运输研究所 一种基于卡口车牌识别数据的车辆出行分析方法
CN109656973A (zh) * 2018-11-30 2019-04-19 武汉烽火众智数字技术有限责任公司 一种目标对象关联分析方法及装置
CN110162588A (zh) * 2019-05-29 2019-08-23 浪潮软件集团有限公司 一种多维关联信息的轨迹融合方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
都伊林, 华中科技大学出版社 *

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111461124A (zh) * 2020-03-02 2020-07-28 浙江省北大信息技术高等研究院 基于大数据的遮挡车牌识别方法、设备及存储介质
CN111552754B (zh) * 2020-04-24 2020-12-29 中国科学院空天信息创新研究院 一种舰船轨迹相似度度量方法及系统
CN112256982B (zh) * 2020-09-15 2022-08-16 中国科学院信息工程研究所 基于稀疏采样时空数据的目标同行关系分析方法及电子装置
CN112256982A (zh) * 2020-09-15 2021-01-22 中国科学院信息工程研究所 基于稀疏采样时空数据的目标同行关系分析方法及电子装置
CN112148808A (zh) * 2020-09-28 2020-12-29 杭州海康威视系统技术有限公司 关系构建方法、装置和电子设备
CN112148808B (zh) * 2020-09-28 2024-02-27 杭州海康威视系统技术有限公司 关系构建方法、装置和电子设备
CN112581761A (zh) * 2020-12-07 2021-03-30 浙江宇视科技有限公司 5g移动物联网节点的协同分析方法、装置、设备和介质
CN112770252A (zh) * 2020-12-31 2021-05-07 深圳前海中电慧安科技有限公司 基于单点相似度的人车关联方法、装置、设备及存储介质
CN112785223B (zh) * 2021-01-05 2022-06-07 中交智运有限公司 一种基于北斗定位与移动信令的时空轨迹匹配方法及系统
CN112785223A (zh) * 2021-01-05 2021-05-11 中交智运有限公司 一种基于北斗定位与移动信令的时空轨迹匹配方法及系统
CN113160551A (zh) * 2021-01-12 2021-07-23 北京品恩科技股份有限公司 一种基于交通大数据伴随模型运用方法
CN113327336A (zh) * 2021-06-03 2021-08-31 厦门科拓通讯技术股份有限公司 人车关系的识别方法、装置和电子设备
CN113327336B (zh) * 2021-06-03 2023-02-28 厦门科拓通讯技术股份有限公司 人车关系的识别方法、装置和电子设备
CN114241765A (zh) * 2021-12-15 2022-03-25 重庆中信科信息技术有限公司 基于时空逻辑的定向车道交通违法分析方法、装置及存储介质
CN114241765B (zh) * 2021-12-15 2023-01-03 重庆中信科信息技术有限公司 基于时空逻辑的定向车道交通违法分析方法、装置及存储介质
CN114898448A (zh) * 2022-07-13 2022-08-12 南京森根科技股份有限公司 基于相似轨迹的人员关系分类方法与系统
CN115169588A (zh) * 2022-09-06 2022-10-11 深圳前海中电慧安科技有限公司 电像计算时空轨迹车码关联方法、装置、设备及存储介质
CN116887257A (zh) * 2023-08-29 2023-10-13 北京友坤科技有限责任公司 车联网卡的滥用识别方法、装置、电子设备和存储介质
CN116887257B (zh) * 2023-08-29 2023-11-28 北京友坤科技有限责任公司 车联网卡的滥用识别方法、装置、电子设备和存储介质

Similar Documents

Publication Publication Date Title
CN110674236A (zh) 基于时空轨迹匹配的移动目标关联方法、装置、设备及存储介质
CN110505583B (zh) 一种基于卡口数据与信令数据的轨迹匹配方法
CN109828967B (zh) 一种伴随关系获取方法、系统、设备、存储介质
Villanueva et al. Crowdsensing smart city parking monitoring
CN107665289B (zh) 一种运营商数据的处理方法及系统
US20230073717A1 (en) Systems And Methods For Electronic Surveillance
EP4239614A2 (en) Systems and methods for image-based location determination and parking monitoring
CN101430827B (zh) 基于gps的出租车无线视频监控系统及方法
CN104268818A (zh) 一种移动目标应急跟踪及震灾范围确定的系统与方法
US11941716B2 (en) Systems and methods for electronic signature tracking
CN105426862A (zh) 基于rfid、定位技术与视频技术的分析方法及其系统
CN111369797A (zh) 车辆监测方法、电子围栏的构建方法、电子围栏及装置
CN112770265B (zh) 一种行人身份信息获取方法、系统、服务器和存储介质
CN111949701B (zh) 一种基于轨迹相似度的移动对象出行规律分析方法及装置
CN111121797B (zh) 道路筛选方法、装置、服务器及存储介质
CN111078973A (zh) 基于大数据的套牌车识别方法、设备及存储介质
CN111586367A (zh) 空间区域内人员实时定位追踪方法、系统及终端设备
CN112101234A (zh) 一种侦码匹配处理方法和图码联侦系统
CN110956822A (zh) 套牌车识别方法、装置、电子设备和可读存储介质
CN113327103B (zh) 智慧校园疫情在线监测预警方法、系统及存储介质
CN112637548B (zh) 一种基于摄像机的信息关联预警方法及装置
CN110766101A (zh) 确定移动轨迹的方法和装置
CN111461124A (zh) 基于大数据的遮挡车牌识别方法、设备及存储介质
CN112528901A (zh) 一种基于大数据的车辆聚集告警方法及系统
US20230073876A1 (en) Systems And Methods For High Volume Processing Support Of Electronic Signature Tracking

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200110

RJ01 Rejection of invention patent application after publication