CN111949699A - 一种基于多重验证的轨迹碰撞方法及系统 - Google Patents

一种基于多重验证的轨迹碰撞方法及系统 Download PDF

Info

Publication number
CN111949699A
CN111949699A CN201910398777.0A CN201910398777A CN111949699A CN 111949699 A CN111949699 A CN 111949699A CN 201910398777 A CN201910398777 A CN 201910398777A CN 111949699 A CN111949699 A CN 111949699A
Authority
CN
China
Prior art keywords
track
trajectory
collision
time
flow data
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
CN201910398777.0A
Other languages
English (en)
Inventor
刘若鹏
栾琳
季春霖
张莎莎
易友文
周志涛
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.)
Xi'an Guangqi Intelligent Technology Co ltd
Original Assignee
Xi'an Guangqi Future Technology Research Institute
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 Xi'an Guangqi Future Technology Research Institute filed Critical Xi'an Guangqi Future Technology Research Institute
Priority to CN201910398777.0A priority Critical patent/CN111949699A/zh
Publication of CN111949699A publication Critical patent/CN111949699A/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
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • 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
    • G06F16/23—Updating
    • 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
    • G06F16/2477—Temporal data queries
    • 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
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Probability & Statistics with Applications (AREA)
  • Fuzzy Systems (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Tourism & Hospitality (AREA)
  • Mathematical Physics (AREA)
  • Remote Sensing (AREA)
  • Economics (AREA)
  • Signal Processing (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提供了一种基于多重验证的轨迹碰撞方法及系统，其中，方法包括：获取第一轨迹流数据，第一轨迹流数据为待查找轨迹流数据与待匹配的轨迹流数据进行前一次轨迹碰撞的结果；对待匹配的轨迹流数据以第一时间切片粒度进行时间切片；判断指定时间片内是否有待匹配的轨迹流数据；更新第一轨迹流数据的匹配次数；输出预设验证次数后的轨迹碰撞结果。对不同轨迹进行距离、区域、相似度分析，结合在时间、空间等多个维度的多重数据验证，得到最为可靠的碰撞结果。解决了基于一维验证轨迹碰撞结果不可靠，对进一步的分析会造成误导的问题，采用多重验证的轨迹碰撞方法，提高了轨迹碰撞的准确性，有效的预防、解决潜在的危害公共安全事件的发生。

Description

一种基于多重验证的轨迹碰撞方法及系统
【技术领域】
本发明涉及轨迹碰撞技术领域，尤其涉及一种基于多重验证的轨迹碰撞方法及系统。
【背景技术】
一般情况下，轨迹碰撞是基于一维验证的，由于系统间的差异性，轨迹的数据密集度和分布有所差异，单纯以一维方式验证，得到的碰撞结果不可靠，对进一步的分析会造成误导。
以视频轨迹和wifi轨迹碰撞为例，一般的做法是直接比较两个轨迹的相似度，或者将轨迹按照一定的时间粒度切片，在时间单位内按照距离的远近进行排序，找出该时间单位内较为相近的匹配信息，将所有时间单位的匹配信息累加，找出排名靠前的即为与之相匹配的一组轨迹。但是由于视频和wifi是两个不同的系统，其检测时间不完全同步，且带有wifi功能的电子设备也具有差异性，其发包周期有所不同，导致有的设备发包频率高，有的发包频率低。因此若以此为最终的碰撞结果，其可靠性不准确，对进一步的分析会造成误导。
【发明内容】
本发明所要解决的技术问题是提供一种基于多重验证的轨迹碰撞方法及系统，能够解决基于一维验证轨迹碰撞结果不可靠，对进一步的分析会造成误导的问题，通过采用多重验证的轨迹碰撞方法，提高了轨迹碰撞的准确性，有效的预防、解决潜在的危害公共安全事件的发生。
为解决上述技术问题，一方面，本发明一实施例提供了一种基于多重验证的轨迹碰撞方法，包括步骤：获取第一轨迹流数据，所述第一轨迹流数据为待查找轨迹流数据与待匹配的轨迹流数据进行前一次轨迹碰撞的结果；对待匹配的轨迹流数据以第一时间切片粒度进行时间切片；判断指定时间片内是否有待匹配的轨迹流数据；更新第一轨迹流数据的匹配次数；输出预设验证次数后的轨迹碰撞结果。
优选地，获取第一轨迹流数据，所述第一轨迹流数据为待查找轨迹流数据与待匹配的轨迹流数据进行前一次轨迹碰撞的结果包括：对待匹配的轨迹流数据以第二时间切片粒度进行时间切片；判断指定时间片内是否有待匹配的轨迹流数据；如果有，则筛选出指定时间片内满足条件的匹配信息；更新匹配信息的匹配次数；输出轨迹碰撞结果。
优选地，对待匹配的轨迹流数据以第一时间切片粒度进行时间切片之前还包括：输入待匹配的第一轨迹流数据。
优选地，对待匹配的轨迹流数据以第二时间切片粒度进行时间切片之前还包括：输入待匹配的第二轨迹流数据。
优选地，所述第一轨迹流数据、第二轨迹流数据相同。
优选地，所述第二时间切片粒度与所述第一时间切片粒度相同。
优选地，所述第二时间切片粒度与所述第一时间切片粒度不同。
优选地，更新第一轨迹流数据的匹配次数包括：对于指定时间片内不包含的匹配信息，其匹配次数相应减少；包含在内的匹配信息，匹配次数保持不变。
优选地，更新匹配信息的匹配次数包括：如果指定时间片内待匹配的轨迹流数据与待查找的轨迹流数据匹配成功，则在原有指定时间片内待匹配的轨迹流数据与待查找的轨迹流数据匹配次数相应增加。
另一方面，本发明一实施例提供了一种基于多重验证的轨迹碰撞系统，包括：定位设备，所述系统执行上述的方法。
优选地，所述定位设备包括WiFi探针设备、POE模块、服务器，所述WiFi探针设备用于探测设备MAC；所述POE模块用于给所述WiFi探针设备供电的同时将数据回传至所述服务器。
优选地，所述服务器包括数据库服务器和定位服务器，所述数据库服务器用于存储探测到的设备MAC信息，所述定位服务器用于对所述数据库服务器存储的数据进行定位计算，存储MAC信息对应的位置信息。
与现有技术相比，上述技术方案具有以下优点：通过对不同轨迹进行距离、区域、相似度分析，结合在时间、空间等多个维度的多重数据验证，得到最为可靠的碰撞结果。解决了基于一维验证轨迹碰撞结果不可靠，对进一步的分析会造成误导的问题，通过采用多重验证的轨迹碰撞方法，提高了轨迹碰撞的准确性，有效的预防、解决潜在的危害公共安全事件的发生。可普遍适用于不同属性之间的轨迹碰撞，也可用于相同属性之间的轨迹碰撞，应用场景包含室内、室外等各种无线场景，应用领域可扩展至语音识别、人脸识别、大数据分析等等。
【附图说明】
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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它的附图。
图1是现有技术中哈希的匹配原理图。
图2是现有技术中DTW的匹配原理图。
图3是本发明一种基于多重验证的轨迹碰撞方法流程图。
图4是图3中获取前一次轨迹碰撞中得到轨迹碰撞结果的方法流程图。
图5是本发明一种基于多重验证的轨迹碰撞方法中使用的key-value存储示意图。
图6是图3中获取本次轨迹碰撞中得到轨迹碰撞结果的方法流程图。
图7是本发明一种基于多重验证的轨迹碰撞优选实施例图。
图8是本发明一种基于多重验证的轨迹碰撞系统结构图。
图9是图8中定位服务器存储示意图。
【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它实施例，都属于本发明保护的范围。
在介绍轨迹碰撞方法之前，先简单介绍下哈希思想、DTW算法、geohash编码、Key-Value存储系统。
图1是现有技术中哈希的匹配原理图。哈希的基本思想是：将原始数据空间中的两个相邻数据点通过相同的映射或投影变换后，这两个数据点在新的数据空间中仍然相邻的概率很大，而不相邻的数据点被映射到同一个桶的概率很小，也就是说，如果我们对原始数据进行一些hash映射后，我们希望原先相邻的两个数据能够被hash到相同的桶内，具有相同的桶号，现有技术中哈希的匹配原理图如附图1所示。
图2是现有技术中DTW的匹配原理图。DTW算法最初主要是应用在语音识别领域，是基于动态规划(DP)的思想，解决了发音长短不一的模板匹配问题，是语音识别中出现较早、较为经典的一种算法，用于孤立词识别，现有技术中DTW的匹配原理图如图2所示。对于同时行进的人，由于位置信息长度不对等，也存在多条轨迹相似度匹配问题。结合DTW的思想，也可用于轨迹相似度的碰撞。可扩展的，DTW是一个基础算法，对其优化方式还包括：fast-DTW,SparseDTW,LB_Keogh,LB_Improved等。
geohash将一个经纬度转换成一个可以排序比较的字符串编码。geohash表示的并不是一个点，而是一个矩形区域。使用者可以发布地址编码，既能表明自己位于某地址附近，又不至于暴露自己的精确坐标，有助于隐私保护，geohash比直接用经纬度的高效很多。本案例就是使用geohash的思想实现数据的哈希映射。
geohash编码默认为12位，前9位对应的精度范围如下。
Figure BDA0002059046130000041
Figure BDA0002059046130000051
目前各种规模的组织开始有了处理大数据的需求，而目前关系型数据库在可缩放方面几乎已经达到极限。一个解决方案是使用键值(Key-Value)存储数据库，这是一种NoSQL(非关系型数据库)模型，其数据按照键值对的形式进行组织、索引和存储。Key-Value存储非常适合不涉及过多数据关系业务关系的业务数据，同时能有效减少读写磁盘的次数，比SQL数据库存储拥有更好的读写性能。
常用的key-value存储系统包括Redis、Hbase、Leveldb、Scalaris、HyperDex等等。
实施例一
图3是本发明一种基于多重验证的轨迹碰撞方法流程图。如图3所示，一种基于多重验证的轨迹碰撞方法，包括步骤：
S1、获取第一轨迹流数据，所述第一轨迹流数据为待查找轨迹流数据与待匹配的轨迹流数据进行前一次轨迹碰撞的结果；
S2、对待匹配的轨迹流数据以第一时间切片粒度进行时间切片；
S3、判断指定时间片内是否有待匹配的轨迹流数据；
S4、更新第一轨迹流数据的匹配次数；
S5、输出预设验证次数后的轨迹碰撞结果。
鉴于一维验证方式得到的碰撞结果不是很可靠，对进一步的分析会造成误导。本专利提出多重验证的轨迹碰撞方法，结合在时间/空间等多个维度的多重数据验证，得到最为可靠的碰撞结果。
本实施例以距离和时间同步两个维度来进行二次验证，具体实施时不限于两次验证，可附加其他方法的多重验证。图4是图3中获取前一次轨迹碰撞中得到轨迹碰撞结果的方法流程图。以视频轨迹和wifi轨迹为例，介绍多重验证的轨迹碰撞方法。第一次碰撞验证流程图如图3所示，包括步骤：
S11、输入待匹配的轨迹流数据
本案例是以人脸查找对应的手机MAC，所以输入的某一用户的视频流数据。在项目实施过程中，可在线实时的进行轨迹碰撞，每次仅输入当前最近一段时间的数据流，进行轨迹碰撞处理。也可进行离线轨迹碰撞，输入历史时间内的待匹配轨迹流数据。
S12、对输入的轨迹流数据进行时间切片
一般情况下，对于两个独立的系统，时间处理很难完全的同步；即使相同的系统，也很难保证在同一时刻对两个不同的用户的检测时间同步，因此轨迹碰撞可以容忍碰撞的轨迹流数据有一定的时间偏差。时间切片，就是在时间维度对轨迹流数据进行分割，确保对比的轨迹位置在可容忍的时间范围内，如果超出时间范围，那么时间维度就无法匹配，没有碰撞的意义。
假设输入的待匹配轨迹流数据时间跨度为1min，时间切片的长度为10s，即可容忍的时间范围为10s，那么1min的数据可以分切割为6个时间片。
需要说明的是：
a.实际系统中，由于检测到的轨迹流数据并非是完整连续的，所以在6个时间片内，并不是所有的时间片内都包含有输入的轨迹流数据。
b.不同项目需求下的时间容忍范围不同，遵循的原则是，如果在时间维度容忍范围宽松，那么在空间维度容忍范围就要严格；反之，如果在时间维度容忍范围严格，那么在空间维度容忍范围就要宽松。
S13、判断该时间片内是否有输入的轨迹流数据
如果有，则进行步骤S14；如果没有，则继续下一时间片的处理，同时进行步骤S13。
S14、筛选出时间片内满足条件的匹配信息
在该时间片内，从所有待查找的轨迹流数据中找出与输入的轨迹流数据最为相近的轨迹信息，得到该时间片内的匹配信息集合。
可以根据距离/区域/相似度等来进行分析。距离，判断两条轨迹是否在距离阈值内为依据，以球面距离、欧式距离为例；区域，以判断两条轨迹是否同属于同一区域为依据；相似度，以判断两条轨迹是否相似为依据。
这里的数据计算/筛查包括多种方法，可以通过直接的计算，也可通过哈希的思想进行数据的快速筛查。下面重点介绍哈希筛查方法，哈希筛查的前提是，轨迹信息以key-value的形式存储，以wifi轨迹为例，以geohash+time为关键字，mac集合为值存储，便于快速查找，存储结果示意图如附图5所示，图5是本发明一种基于多重验证的轨迹碰撞方法中使用的key-value存储示意图。方法如下：
a.计算当前时间片内输入轨迹流的平均坐标，并求其对应的geohash值。
b.与待查找的轨迹流数据进行空间维度的匹配。
当前时间片的范围t0～t1，时间片内输入轨迹流的平均坐标的geohash值，遍历t0～t1的时间范围，结合geohash生成不同时刻的关键字，根据关键字在key-value系统中取出对应的mac集合。即为在该时间片内与待匹配轨迹流数据在时间和空间维度上满足轨迹相似的mac集合。
需要说明的是，待匹配的geohash值的精度需要和key-value存储的geohash精度保持一致；由于geohash表示的是一个矩形区域，而非圆形区域，因此在某一位置并不能完全保证对应的精度。因此可以引入neighbor geohash，扩大区域范围。
S15、更新每个匹配信息的匹配次数
对S14中在时间和空间上匹配出的信息进行匹配次数更新。
以匹配出的mac集合为例，如果匹配出的mac已经存在，则在原有匹配次数相应增加；如果不存在，则匹配次数为1。
S16、判断是否遍历完所有时间片
如果没有遍历完，则进行下一时间片的处理，进行步骤S13，否则进行步骤S17。
S17、输出碰撞结果，并存储。
记录第一次的碰撞结果为res1。
由此得到第一次验证后的碰撞结果及其对应的匹配次数。但是由于视频和wifi是两个不同的系统，其检测时间不完全同步，且带有wifi功能的电子设备也具有差异性，其发包周期有所不同，导致有的设备发包频率高，有的发包频率低。因此若以此为最终的碰撞结果，其可靠性不是很高，对进一步的分析会造成误导。
在第一次验证的基础上，对碰撞结果再进行时间同步的二次验证。图6是图3中获取本次轨迹碰撞中得到轨迹碰撞结果的方法流程图。如图6所示，包括步骤：
S21、输入待匹配的轨迹流数据
这里的轨迹流数据与S11中的数据完全一致，用于二次验证。
S22、获取S17中得到的碰撞结果的轨迹流数据。
读取上述S17中得到的满足筛选条件的匹配信息轨迹。在第一次验证的结果基础上再进一步分析，一是可以提高分析结果的可靠性，二是将目标群逐渐缩小，降低算法的计算量。
S23、对输入的轨迹流数据进行时间切片
这里的时间切片粒度可相同也可不同于上述步骤S12中的时间切片粒度，参考实际系统的应用场景，切片方法同步骤S12。比如步骤S12中的时间切片粒度为10s，S23中的时间切片粒度可以为20s。
S24、判断该时间片内是否有输入的轨迹流数据
如果有，则进行步骤S25；如果没有，则继续下一时间片的处理，同时进行步骤S24。
S25、更新碰撞结果中的匹配次数
判断上述S17得出的碰撞结果res1中，哪些匹配信息在该时间片内。对于该时间片内不包含的匹配信息，其匹配次数相应的相应减少；包含在内的匹配信息，匹配次数保留不处理。
S26、判断是否遍历完所有时间片
如果没有遍历完，则进行下一时间片的处理，进行步骤S24，否则进行步骤S27。
S27、输出多次验证后的碰撞结果res2，并存储。
需要说明的是：
a.该方案可通过并行的方式，实现多个轨迹流数据的同时碰撞。
b.碰撞结果可能包含多个，通过在线经营方式，随着时间的推移，相同属性的轨迹碰撞次数会慢慢凸显。
图7是本发明一种基于多重验证的轨迹碰撞优选实施例图。如图7所示，具体实施时，假设查找与人脸轨迹uid1相匹配的wifi轨迹，第一次的轨迹验证以10s为时间片粒度进行碰撞验证，得到满足条件的匹配信息及对应的次数为：{M1:8，M2:6，M3:6}，由碰撞结果可知，M1最为相近，M2和M3同时排第二。
对其碰撞结果进行第二次的时间同步碰撞验证，以20s为时间片粒度进行碰撞验证，得到不满足时间切片的匹配信息及对应的次数为：{M1:1，M2:3，M3:0}。
综合两次的验证结果，以第一次的结果减去第二次的结果，得到多次验证后轨迹碰撞结果及对应的次数为：{M1:7，M2:3，M3:6}，由此可知M1排名仍为第一，而M3排名却高于M2，其对应的示例图如附图7所示。
由图中示例可知，是因为M2在前半部分数据较多，第一次验证的结果稍靠前；但是由于后半部分一直没有数据，使得第二次验证，不在时间片内的次数增多，降低了整体的碰撞结果次数。而M3由于一直数据并不多，但是其数据一直都在，所以在整体的碰撞结果中其可靠性超越了M2。
在实际应用场景中，这种现象并不罕见，因此通过多重的轨迹验证后，得到的碰撞结果才更为可靠，否则只会对进一步的分析造成误导。
实施例二
图8是本发明一种基于多重验证的轨迹碰撞系统结构图。如图8所示，一种基于多重验证的轨迹碰撞系统，包括：定位设备、服务器，所述系统执行上述的方法。Wi-Fi探针可提供基础的身份识别数据，将采集到的MAC地址数据结合电信企业、公安机关数据相关联，可建立多维度的公共安全监控系统。MAC地址作为智能手机的唯一识别码，可以作为身份信息的识别。结合视频感知部署位置建设，Wi-Fi探针较广的覆盖，可以采集在范围内的MAC地址，同时数据不受限制，MAC地址可以海量的采集。Wi-Fi探针可实现数据的实时传输，监控数据可以实时的回传；身份匹配：MAC地址作为手机的唯一识别码，结合其他数据可实现身份匹配。
Wi-Fi定位系统是将Wi-Fi定位技术应用在人员实时追踪、识别这一场景，通过实时定位技术，及时发现并追踪现场可疑人员。Wi-Fi定位系统包括Wi-Fi探针设备、POE模块、数据库服务器、定位服务器组成，系统结构图如图1所示。
其中Wi-Fi探针设备，用途包括：
(1)内置误导模块发射高连接频率SSID，误导设备连接，增大捕获MAC概率。
(2)全频道扫描，抓取设备MAC不漏包。
(3)加密回传被标记MAC信号强弱，连接时差等信息给位置计算服务器进行位置的精确计算。
POE模块，在给Wi-Fi探针设备供电的同时将数据回传至数据库服务器。
数据库服务器，作为存储MAC地址的数据库，快速比对WiFi探针设备所抓取的MAC，将比对成功数据传输给定位服务器，并对已标记MAC的设备的连接时长，连接时间，位置等信息进行更新入库。
定位服务器，运行定位算法，通过计算实时接收到的信号与指纹数据库数据进行匹配，根据指纹坐标推算出待定位坐标，定位出的结果存储示意图如附图9所示。图9是图8中定位服务器存储示意图。
定位服务器存储格式为，每一行数据表示待定位设备编号ID、待定位设备MAC地址、待定位设备设备名称、待定位设备X坐标、待定位设备Y坐标、报告时间。
由上述说明可知，使用根据本发明的一种基于多重验证的轨迹碰撞方法及系统,通过对不同轨迹进行距离、区域、相似度分析，结合在时间、空间等多个维度的多重数据验证，得到最为可靠的碰撞结果。解决了一般情况下，轨迹碰撞是基于一维验证的，由于系统间的差异性，轨迹的数据密集度和分布有所差异，单纯以一维方式验证，得到的碰撞结果不是很可靠，对进一步的分析会造成误导。采用多重验证的轨迹碰撞方法，提高了轨迹碰撞的准确性，有效的预防、解决潜在的危害公共安全事件的发生。可普遍适用于不同属性之间的轨迹碰撞，如wifi和视频，wifi和蓝牙，wifi和车辆，视频和车辆，视频和蓝牙，车辆和蓝牙等等,也可用于相同属性之间的轨迹碰撞，应用场景包含室内室外各种无线场景，应用领域可扩展至语音识别、人脸识别、大数据分析等等。
以上对本发明实施例进行了详细介绍，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 (12)

1.一种基于多重验证的轨迹碰撞方法，其特征在于，包括：
获取第一轨迹流数据，所述第一轨迹流数据为待查找轨迹流数据与待匹配的轨迹流数据进行前一次轨迹碰撞的结果；
对待匹配的轨迹流数据以第一时间切片粒度进行时间切片；
判断指定时间片内是否有待匹配的轨迹流数据；
更新第一轨迹流数据的匹配次数；
输出预设验证次数后的轨迹碰撞结果。
2.根据权利要求1所述的基于多重验证的轨迹碰撞方法，其特征在于，获取第一轨迹流数据，所述第一轨迹流数据为待查找轨迹流数据与待匹配的轨迹流数据进行前一次轨迹碰撞的结果包括：
对待匹配的轨迹流数据以第二时间切片粒度进行时间切片；
判断指定时间片内是否有待匹配的轨迹流数据；
如果有，则筛选出指定时间片内满足条件的匹配信息；
更新匹配信息的匹配次数；
输出轨迹碰撞结果。
3.根据权利要求2所述的基于多重验证的轨迹碰撞方法，其特征在于，对待匹配的轨迹流数据以第一时间切片粒度进行时间切片之前还包括：输入待匹配的第一轨迹流数据。
4.根据权利要求3所述的基于多重验证的轨迹碰撞方法，其特征在于，对待匹配的轨迹流数据以第二时间切片粒度进行时间切片之前还包括：输入待匹配的第二轨迹流数据。
5.根据权利要求4所述的基于多重验证的轨迹碰撞方法，其特征在于，所述第一轨迹流数据、第二轨迹流数据相同。
6.根据权利要求2所述的基于多重验证的轨迹碰撞方法，其特征在于，所述第二时间切片粒度与所述第一时间切片粒度相同。
7.根据权利要求2所述的基于多重验证的轨迹碰撞方法，其特征在于，所述第二时间切片粒度与所述第一时间切片粒度不同。
8.根据权利要求1所述的基于多重验证的轨迹碰撞方法，其特征在于，更新第一轨迹流数据的匹配次数包括：对于指定时间片内不包含的匹配信息，其匹配次数相应减少；包含在内的匹配信息，匹配次数保持不变。
9.根据权利要求2所述的基于多重验证的轨迹碰撞方法，其特征在于，更新匹配信息的匹配次数包括：如果指定时间片内待匹配的轨迹流数据与待查找的轨迹流数据匹配成功，则在原有指定时间片内待匹配的轨迹流数据与待查找的轨迹流数据匹配次数相应增加。
10.一种基于多重验证的轨迹碰撞系统，其特征在于，包括：定位设备，所述系统执行权利要求1～9任意一项所述的方法。
11.根据权利要求10所述的基于多重验证的轨迹碰撞系统，其特征在于，所述定位设备包括WiFi探针设备、POE模块、服务器，
所述WiFi探针设备用于探测设备MAC；
所述POE模块用于给所述WiFi探针设备供电的同时将数据回传至所述服务器。
12.根据权利要求10所述的基于多重验证的轨迹碰撞系统，其特征在于，所述服务器包括数据库服务器和定位服务器，所述数据库服务器用于存储探测到的设备MAC信息，所述定位服务器用于对所述数据库服务器存储的数据进行定位计算，存储MAC信息对应的位置信息。
CN201910398777.0A 2019-05-14 2019-05-14 一种基于多重验证的轨迹碰撞方法及系统 Pending CN111949699A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910398777.0A CN111949699A (zh) 2019-05-14 2019-05-14 一种基于多重验证的轨迹碰撞方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910398777.0A CN111949699A (zh) 2019-05-14 2019-05-14 一种基于多重验证的轨迹碰撞方法及系统

Publications (1)

Publication Number Publication Date
CN111949699A true CN111949699A (zh) 2020-11-17

Family

ID=73335663

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910398777.0A Pending CN111949699A (zh) 2019-05-14 2019-05-14 一种基于多重验证的轨迹碰撞方法及系统

Country Status (1)

Country Link
CN (1) CN111949699A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114229451A (zh) * 2021-12-30 2022-03-25 宁波智能成型技术创新中心有限公司 一种基于多轴力和力矩的智能抓取防掉落检测调控方法
CN115576714A (zh) * 2022-10-19 2023-01-06 深圳市中兴新云服务有限公司 基于mq框架确保消息队列消费顺序准确性的方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114229451A (zh) * 2021-12-30 2022-03-25 宁波智能成型技术创新中心有限公司 一种基于多轴力和力矩的智能抓取防掉落检测调控方法
CN115576714A (zh) * 2022-10-19 2023-01-06 深圳市中兴新云服务有限公司 基于mq框架确保消息队列消费顺序准确性的方法

Similar Documents

Publication Publication Date Title
US9942711B2 (en) Apparatus and method for determining co-location of services using a device that generates an audio signal
KR101451883B1 (ko) 3단계 절차를 이용한 실내 층 및 위치의 예측
US10757468B2 (en) Systems and methods for performing playout of multiple media recordings based on a matching segment among the recordings
WO2020114131A1 (zh) 同行分析方法及装置
CN108520023A (zh) 一种基于混合聚类算法的雷暴核识别及追踪方法
CN109657107B (zh) 一种基于第三方应用的终端匹配方法和装置
WO2018166291A1 (zh) 一种基于多因素交叉验证的用户签到身份识别方法
CN108271157B (zh) 一种伪基站识别方法及装置
WO2018010693A1 (zh) 识别伪基站信息的方法及装置
CN112770265B (zh) 一种行人身份信息获取方法、系统、服务器和存储介质
CN111949699A (zh) 一种基于多重验证的轨迹碰撞方法及系统
CN110543584B (zh) 一种建立人脸索引的方法、装置、处理服务器及存储介质
CN107071708B (zh) 智能移动终端被动无线信号采集及定位方法
US10079933B2 (en) System and method for user-privacy-aware communication monitoring and analysis
JP2012002645A (ja) 音源位置探査システム
CN111291595A (zh) 一种信息关联性处理方法、装置及系统
Abdullah et al. K-means-Jensen-Shannon divergence for a WLAN indoor positioning system
Balzano et al. Network signal comparison through waves parameters: a local-alignment-based approach
WO2014075218A1 (zh) 一种电子巡更方法、终端和系统
CN113163327B (zh) 一种移动应用中定位数据真伪辨别的方法和系统
CN110069339B (zh) 一种分布式识别跟踪系统
CN111666358A (zh) 一种轨迹碰撞方法及系统
CN110825785A (zh) 一种数据挖掘方法、装置、电子设备及存储介质
CN112347809A (zh) 一种轨迹碰撞方法及系统
CN112650972A (zh) 基于置信度的轨迹碰撞方法、系统、存储介质及处理器

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
TA01 Transfer of patent application right

Effective date of registration: 20221212

Address after: 710000 second floor, building B3, yunhuigu, No. 156, Tiangu 8th Road, software new town, high tech Zone, Xi'an, Shaanxi

Applicant after: Xi'an Guangqi Intelligent Technology Co.,Ltd.

Address before: 710003 2nd floor, B3, yunhuigu, 156 Tiangu 8th Road, software new town, Xi'an City, Shaanxi Province

Applicant before: Xi'an Guangqi Future Technology Research Institute

TA01 Transfer of patent application right