CN112712696A - 确定发生违章停车的路段方法和装置 - Google Patents

Abstract

根据本公开的实施例，提供了一种确定发生违章停车的路段的方法、装置、设备、存储介质和程序产品。在此提出的方法包括：获取与目标行程相关联的违章停车信息；确定可能发生违章停车信息指示的违章停车行为的一组候选路段；确定与一组候选路段相关联的违停特征，违停特征至少指示一组候选路段与目标行程的轨迹信息之间的第一相关性，轨迹信息包括与目标行程相关联的一组位置；以及基于违停特征，从一组候选路段中确定与违章停车行为相关联的目标路段。基于这样的方式，可以准确地根据历史行程中的违章停车行为来准确地确定禁限停路段。

Description

确定发生违章停车的路段方法和装置

技术领域

本公开的实施例总体上涉及智能交通领域，更具体地，涉及确定发生违章停车的路段方法、装置、设备、存储介质和程序产品。

背景技术

随着社会的进步，人们越来越多地利用交通工具出行。在利用交通工具出行的过程中，如何停车已经成为越来越多驾驶者关注的焦点。一些路段可能禁止临时停靠(也称为禁停路段)，一些路段可能禁止长时间停靠(也称为限停路段)，一些路段可能允许长时间停靠。

在驾驶过程中，驾驶者可能难以有效地对这些路段进行区分，因此可能导致违章停车行为的发生。因此，人们期望有效地识别哪些路段是禁限停路段。

发明内容

根据本公开的一些实施例，提供了一种用于确定发生违章停车的路段的方案。

在本公开的第一方面，提供了一种确定发生违章停车的路段的方法。该方法包括：获取与目标行程相关联的违章停车信息；确定可能发生违章停车信息指示的违章停车行为的一组候选路段；确定与一组候选路段相关联的违停特征，违停特征至少指示一组候选路段与目标行程的轨迹信息之间的第一相关性，轨迹信息包括与目标行程相关联的一组位置；以及基于违停特征，从一组候选路段中确定与违章停车行为相关联的目标路段。

在本公开的第二方面，提供了一种用于确定发生违章停车的路段的装置。该装置包括：信息获取模块，被配置为获取与目标行程相关联的违章停车信息；候选路段确定模块，被配置为确定可能发生违章停车信息指示的违章停车行为的一组候选路段；违停特征确定模块，被配置为确定与一组候选路段相关联的违停特征，违停特征至少指示一组候选路段与目标行程的轨迹信息之间的第一相关性，轨迹信息包括与目标行程相关联的一组位置；以及目标路段确定模块，被配置为基于违停特征，从一组候选路段中确定与违章停车行为相关联的目标路段。

在本公开的第三方面，提供了一种电子设备，包括一个或多个处理器以及存储器，其中存储器用于存储计算机可执行指令，计算机可执行指令被一个或多个处理器执行以实现根据本公开的第一方面的方法。

在本公开的第四方面，提供了一种计算机可读存储介质，其上存储有计算机可执行指令，其中计算机可执行指令在被处理器执行时实现根据本公开的第一方面的方法。

在本公开的第五方面，提供了一种计算机程序产品，其包括计算机可执行指令，其中计算机可执行指令在被处理器执行时实现根据本公开的第一方面的方法。

根据本公开的实施例，可以准确地根据历史行程中的违章停车行为来挖掘出违章停车行为是发生在哪个具体路段，从而可以有效地提醒其他驾驶者。

提供发明内容部分是为了以简化的形式来介绍对概念的选择，它们在下文的具体实施方式中将被进一步描述。发明内容部分无意标识本公开的关键特征或必要特征，也无意限制本公开的范围。

附图说明

结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标注表示相同或相似的元素，其中：

图1示出了本公开的实施例能够在其中被实现的示例环境的框图；

图2示出了根据本公开的一些实施例的确定发生违章停车的路段的过程的流程图；

图3示出了根据本公开实施例的确定发生违章停车的路段的示意图；

图4示出了根据本公开的一些实施例的确定发生违章停车的路段的装置的框图；以及

图5示出了其中可以实施本公开的一个或多个实施例的电子设备的框图。

具体实施方式

下面将参照附图更详细地描述本公开的一些示例实施例。虽然附图中显示了本公开的一些实施例，然而应该理解，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使本公开更加透彻和完整，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。

在本文中使用的术语“包括”及其变形表示开放性包括，即“包括但不限于”。除非特别申明，术语“或”表示“和/或”。术语“基于”表示“至少部分地基于”。术语“一个示例实施例”和“一个实施例”表示“至少一个示例实施例”。术语“另一实施例”表示“至少一个另外的实施例”。术语“第一”、“第二”等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。

如上文所讨论的，人们在驾驶交通工具的过程中，驾驶者可能因为没有注意到某些路段是禁限停路段而导致违章停车行为的发生，并会受到交通管理部分的处罚。这样的处罚信息可以用于提醒其他驾驶者在相应的路段停车可能有违章停车的风险。然而，这样的处罚信息规范性不强，一些处罚信息可能包括十分笼统的违章位置描述，例如，“XX东路”，然而该条路段可能仅仅是其中一部分是禁限停路段。另一些情况中，一些处罚信息可能包括十分具体的位置，例如，“XX东路南向北方向100米处”，这样的信息太过具体，可能无法帮助其他驾驶者了解到底那些具体路段是禁限停的。

有鉴于此，本公开的实施例提出了一种确定发生违章停车的路段的方案。在该方案中，首先，获取与目标行程相关联的违章停车信息，并确定可能发生违章停车信息指示的违章停车行为的一组候选路段。随后，确定与一组候选路段相关联的违停特征，其中违停特征至少指示一组候选路段与目标行程的轨迹信息之间的第一相关性。违停特征被进一步用于从一组候选路段中确定与违章停车行为相关联的目标路段。

根据这样的方案，本公开的实施例可以根据与违章信息相对应的行程的轨迹信息，来准确地挖掘出违章停车行为是发生在哪个具体路段。这样的路段信息可以有效地帮助其他驾驶者避免在禁限停路段进行停靠或长时间停靠。

以下将继续参考附图描述本公开的一些示例实施例。

图1示出了本公开的实施例能够在其中被实现的示例环境100的框图。如图1所示，环境100中包括计算设备150，其被配置为获取与目标行程120相关联的违章停车信息110。

在一些实现中，计算设备150可以包括服务器设备，例如，出行平台的服务器、导航平台的服务器或者其他维护有用户的历史行程的服务器设备。

在一个示例中，计算设备150可以是出行平台的服务器，其可以维护在该出行平台提供出行服务的驾驶者的行程信息。或者，该出行平台可以提供交通工具共享服务，例如，共享汽车、共享电动车或共享单车等。相应地，该出行平台也可以维护使用交通工具共享服务的用户的行程信息。

在另一个示例中，计算设备150也可以是导航平台的服务器，其例如可以维护使用该导航平台进行行程导航的用户的行程信息。

在另一些实现中，计算设备150也可以是与用户相关联的终端设备。终端设备的示例可以包括但不限于：装有出行应用的智能终端、装有导航应用的智能终端或具有导航能力的交通工具等。

在一个示例中，计算设备150可以是提供出行服务的驾驶者的手机，其能够记录该驾驶者的行程信息。或者，计算设备150可以经由网络从相关联的服务器获取该驾驶者的行程信息。

在又一个示例中，计算设备150可以是具有导航能力的车辆，其例如可以记录用户利用车载导航的行程。例如，车载导航可以维护用户在过去两周所行驶的历史行程。

在一些实现中，与目标行程120相关联的违章停车信息110可以包括与违章停车行为有关的信息。示例性地，如图1所示，违章停车信息110例如可以包括违章车辆的标识、违章停车行为发生的时间和违章停车行为发生的地点等。

在一些实现中，违章停车信息110可以是基于违章停车处罚所确定的。例如，在获得用户许可的情况下，计算设备150可以获取与用户相关联的交通工具的标识(例如，车牌号、车辆识别号码VIN码等)，并利用该标识来获取相关联的违章停车处罚信息。

在又一示例中，用户也可以主动地上报违章停车处罚信息。例如，用户可以通过拍摄纸质违停罚单图片、上传交通违章查询网站截图、上传交通违章处罚短信等方式来上报违章停车处罚信息。相应地，处罚信息处理设备(例如，计算设备150，或不同的计算设备)可以对用户上报的违章停车处罚信息进行处理，例如通过图像处理、文本识别等适当的方式来提取违章停车信息110。

在一些实现中，如图1所示，目标行程120可以包括轨迹信息130，其可以包括与目标行程120相关联的一组位置135。

在一些实现中，一组位置135可以是由与用户相关联的终端设备在目标行程期120间所周期性地上传的。例如，在出行平台的驾驶员为乘客提供从行程起点到行程终点的过程中，驾驶员所使用的终端设备可以周期性地向服务器上传位置信息，以作为轨迹信息130中包括的一组位置135。在另一示例中，在用户使用共享汽车从行程起点驾驶到行程终点的过程中，用户所使用的终端设备或者共享汽车可以周期性向服务器上传位置信息，以作为轨迹信息130中包括的一组位置135。

在另一些实现中，在目标行程期120间，与用户相关联的终端设备也可以周期性地记录位置信息，并例如在目标行程120结束后将这些位置信息维护在终端设备本地或上传至服务器，以作为轨迹信息130中包括的一组位置135。

在另一些实现中，该组位置135也可以是由其他设备周期性地采集的。例如，路侧设备可以周期性地检测车辆的位置，并将车辆的位置信息上传至服务器。

继续参考图1，如图1所示，计算设备150可以基于违章停车信息110和轨迹信息135来从一组候选路段，例如候选路段140-1至140-5(单独或统一称为候选路段140)中确定发生了违章停车行为的目标路段160。

在一些实现中，候选路段140可以是基于路网信息所确定的。例如，路网数据可以将道路组织为基于预定长度的道路单元(也称为Link)。

在一些实现中，为了提高所确定的禁限停路段的准确性，每个道路单元可以被进一步切分为具有预定长度的候选路段140。例如，每个候选路段140具有比道路单元更短的长度。

关于确定目标路段160的具体过程将在下文结合图2详细描述，在此暂不详叙。

以下将结合图2至图3来详细地描述根据本公开实施例的确定发生违章停车的路段的过程。图2示出了根据本公开的一些实施例的用于确定发生违章停车的路段的过程200的示意图。为便于讨论，参考图1来讨论确定发生违章停车的路段的过程。过程200例如可以在图1所示的计算设备150处被执行。应当理解，过程200还可以包括未示出的框和/或可以省略所示出的框。本公开的范围在此方面不受限制。

如图2所示，在框202，计算设备150获取与目标行程120相关联的违章停车信息110。

在一些实现中，违章停车信息110可以是根据交通违章处理信息所确定的。具体地，计算设备150可以接收由目标用户上传的与交通违章处罚有关的上报信息，并基于上报信息确定违章停车信息110。

以出行平台作为示例，提供出行服务的驾驶者例如可以通过终端设备上的出行应用或者访问相应的网站来上传违章停车处罚信息。示例性地，驾驶者可以在接收到交通管理部门发出的违章停车处罚短消息后，将该短消息的内容或截图通过出行应用进行上传。或者，驾驶者可以访问交通违章查询网站，并将查询到的违章停车处罚信息进行上传。

在一些实现中，驾驶者例如也可以根据违章停车处罚信息人工地确定该处罚信息是与哪个行程相关联，并在上传该违章停车处罚信息时关联到目标行程。例如，驾驶者可以通过出行应用来访问过去预定时间段内的历史行程，并可以选择其中的一个历史行程，并执行违章上报。基于这样的方式，可以构建历史行程与违章停车处罚信息的关联。

应当理解，对于导航场景或者共享车辆场景，用户也可以类似地直接上传违章停车处罚信息，或者与历史行程相关联地上传违章停车处罚信息。

在获取用户上报的交通违章处罚信息后，计算设备150还可以利用适当的方式从交通违章处罚信息中提取违章停车信息110。示例性地，当用户以图片的方式上传交通违章处罚信息时，计算设备150例如可以通过OCR等技术从该图片中提取违章停车信息110。

在一些实现中，计算设备150也可以主动地查询违章停车信息110。具体地，计算设备150可以基于与目标用户相关联的交通工具标识来获取与交通工具标识相对应的违章停车信息110。

示例性地，在获取用户的许可的情况下，计算设备150可以获取与用户相关联的交通工具的标识(例如，车牌号、车辆识别号码VIN码等)，并利用该标识来获取相关联的违章停车处罚信息。例如，计算设备150可以利用该标识到交通违章查询网站或者一些第三方平台所提供的接口来查询与用户相关联的违章停车信息110。

作为示例，如图1所示，违章停车信息110可以包括违章车辆的标识、违章停车行为发生的时间和违章停车行为发生的地点。应当理解，以上具体的信息仅是示例性地，根据需要，可以使用更多或者更少的信息，以作为违章停车信息110。

在一些实现中，如果没有在处罚信息的获取阶段建立目标行程120与违章停车信息110的关联，则行程关联设备(可以是与计算设备150相同或不同的计算设备)可以利用违章停车信息110中的具体信息来关联到对应的目标行程120。

在一些实现中，行程关联设备可以利用违章停车信息110中所包括的车辆标识信息来确定相关联的一组历史行程。以出行应用作为示例，用户例如可以是出行平台的驾驶员，行程关联设备可以获取在过去预定时间段内与车牌号为“京XXXXXX”的车辆有关的出行服务的历史行程，也即该驾驶员在预定时间段内所服务的历史行程。

在又一些实现中，当违章停车信息110是由目标用户上报的，行程关联设备还可以获取用户的标识，并基于该标识来获取该用户的一组历史行程。以导航应用作为示例，行程关联设备可以根据用户的标识来获取该用户在过去预定时间段内使用导航应用的历史行驶。

在一些实现中，在获取目标用户的历史行程后，行程关联设备可以从历史行程中确定与违章停车信息110相对应的目标行程120。

在一些实现中，行程关联设备可以利用违章停车信息110中的违章时间信息来确定目标行程。具体地，行程关联设备可以基于违章停车信息110中的违章时间信息，来从历史行程中确定与违章时间信息匹配的目标行程120，其中违章时间信息指示违章停车行为发生的时间。

以图1作为示例，根据违章停车信息110中违章时间信息指示违章停车行为发生的时间为“12月1日下午2点”，行程关联设备可以从历史行程中筛选得到行程时间与该时间匹配的行程，以作为目标行程120。

在另一些实现中，行程关联设备也可以利用其它适当的信息或信息的组合来确定目标行程120。例如，行程关联设备可以根据违章停车信息110中的位置信息来对历史行程进行筛选，如果途径该位置信息的历史行程仅有一个时，可以将该历史行程直接确定为目标行程120。

以图1作为示例，根据违章停车信息110中违章时间信息指示交通违章发生的位置为“XX东路”，行程关联设备可以确定过去一个月中仅有一个历史行程经过“XX东路”，并将该历史行程确定作为目标行程120。

在一些实现中，计算设备150可以基于所建立的目标行程120与违章停车信息110之间的关联来获取与目标行程120相关联的违章停车信息110。

在框204，计算设备150确定可能发生违章停车信息110指示的违章停车行为的一组候选路段140。

在一些实现中，如上文所讨论的，候选路段140可以是基于路网数据所确定的。示例性地，候选路段140可以是路网数据中的道路单元。

计算设备150例如可以基于违章停车信息110来从路网数据中确定一组候选路段。在一些实现中，计算设备150可以基于违章停车信息110中的违章位置信息来确定候选路段140。

图3示出了根据本公开实施例的确定发生违章停车的路段的示意图300。如图3所示，计算设备150例如可以基于违章位置信息“XX东路”，来从路网数据中获取位置与“XX东路”匹配的路段以作为候选路段140。

在一些实现中，计算设备150也可基于违章停车信息中的违章时间信息来确定候选路段140。以图3作为示例，计算设备150可以从路网数据中获取目标行程在“12月1日下午2点”附近时段所行驶经过的路段，以作为候选路段140。

在一些实现中，计算设备150还可以基于与目标行程相关联的至少一个停靠位置来确定候选路段140。示例性地，目标行程120例如可以包括3个停靠点，即起点位置310-1、中途停靠点位置310-2和终点310-3。相应地，计算设备150可以获取这些停靠点周边预定距离内的路段，以作为候选路段140。

在一些实现中，为了提高所确定的发生违章停车的路段的准确性，候选路段140也可以是道路单元的一部分。具体地，计算设备150可以从路网数据中获取可能发生违章停车行为的一组道路单元。关于可能发生违章停车行为的一组道路单元的确定过程可以参见上文所讨论的过程，在此不再详叙。

附加地，计算设备150可以将该组道路单元切分为多个道路分段，以作为一组候选路段140，其中候选路段140具有比道路单元更短的长度。基于这样的方式，所确定的候选路段140将具有适当的长度，其既不会过长以大概率产生对驾驶者的不必要提醒(例如，一些部分并非禁限停路段)，也不会因为太短，而难以对驾驶者提供足够的帮助。

以图3作为示例，计算设备150例如可以确定一组候选路段140包括候选路段140-1、140-2、140-3、140-4和140-5。

继续参考图2，在框206，计算设备150确定与一组候选路段140相关联的违停特征，其中违停特征至少指示一组候选路段与目标行程的轨迹信息130之间的第一相关性，轨迹信息130包括与目标行程120相关联的一组位置135。

在一些实现中，计算设备150可以从一组位置135中确定与相应候选路段140相对应的位置集。

具体地，计算设备150可以将位置135映射到对应的候选路段140。在一些实现中，计算设备150可以基于候选路段140所对应的位置范围来将位置135映射到对应的候选路段140。在一些实现中，候选路段140例如可以通过其端点的坐标来标识其包括的范围，并响应于位置135的坐标落入该范围内，而将该位置135映射到该候选路段140。

在一些实现中，候选路段140例如也可以表示一个位置区域，其例如可以通过该区域(例如，矩形)的四个端点来标识该位置范围。响应于位置135的坐标落入该位置范围内，计算设备150可以该位置135映射到该候选路段140。

在一些实现中，某些位置135可能因为定位漂移的问题，而未落在候选路段140所标识的位置范围内。在这种情况下，计算设备150例如可以计算该位置135与候选路段140的距离，并基于该距离而将位置135映射到对应的候选路段140。

示例性地，当计算设备150确定位置135到候选路段140的端点的距离均小于预定阈值时，则计算设备150可以将该位置135映射到该候选路段140。

以图3作为示例，起点位置310-1例如可以被映射到候选路段140-1，中途停靠点位置310-2可以被映射到路段140-3，终点位置310-3可以被映射到路段140-5。应当理解，起点位置310-1、中途停靠点位置310-2和终点位置310-3是所采集的位置信息，其不一定完全对应于行程中所指定的特定位置。例如，起点位置310-1可能是在司机点击开始行程后所上报的位置，其可能已经离开上车点一定的距离。基于这样的方式，计算设备150可以确定与每个候选路段140相对应的位置集，也即被映射到每个候选路段140的位置。

附加地，计算设备150可以基于位置集，来确定第一相关性。在一些实现中，该组位置135是被周期性获取地，相应地，第一相关性可以指示位置集中位置的数目(也称为，轨迹点数)。以图3作为示例，候选路段140-1包括的位置的数目例如为2，候选路段140-2包括的位置的数目例如为2，候选路段140-3包括的位置的数目例如为3，候选路段140-4包括的位置的数目例如为6，候选路段140-5包括的位置的数目例如为2。应当理解，在一个候选路段内聚集的位置的数目越多则可以表示车辆在该候选路段发生停留的概率越大。

在一些实现中，第一相关性可以指示与位置集相关联的时间信息，该时间信息例如可以指示车辆通过候选路段的时间。示例性地，计算设备150可以基于位置集中时间最早的位置和时间最晚的位置来确定时间信息。例如，车辆通过候选路段140-1的时间可以被确定为2分钟，而通过候选路段140-3的时间可以被确定为6分钟。应当理解，行驶通过一个候选路段内聚集的时间越长则可以表示车辆在该候选路段发生停留的概率越大。

在一些实现中，违停特征320还可以指示一组候选路段140与违章停车信息110之间的第二相关性。在一些实现中，第二相关性可以指示一组候选路段140与违章停车信息110之间的位置相关性。

示例性地，计算设备150可以确定一组候选路段140基于一组候选路段与违章停车信息中的违章位置信息是否匹配来确定第二相关性。例如，以图3作为示例，候选路段140-3、140-3和140-5可以被确定为与违章位置信息“XX东路”匹配，而候选路段140-1和140-2可以被确定为与违章位置信息“XX东路”不匹配。

在一些实现中，第二相关性可以指示一组候选路段140与违章停车信息110之间的时间相关性。示例性地，计算设备150可以确定与候选路段140所匹配的位置集所对应的位置时间信息，该时间位置信息例如可以指示车辆通过候选路段的时间。

示例性地，计算设备150可以将位置集中最早获取的位置的时间信息和最晚获取的位置的时间信息确定为位置时间信息。例如，候选路段140-1所对应的位置时间信息可以表示为(1:50pm,1:52pm)，以指示在该候选路段140-1最早的时间点为12月1日下午1点50分，最晚的时间点为12月1日下午1点52分。

在一些实现中，计算设备150可以基于位置时间信息与违章停车信息中的违章时间信息的差异来确定第二相关性。示例性地，计算设备150可以计算位置时间信息中的时间点与违章时间信息所对应的时间点的差值，并将该差值确定作为第二相关性。例如，候选路段140-1所对应的第二相关性可以表示为(10,8)，以指示最早的时间点与违章时间信息所对应的违章时间点的差值为10分钟，而最晚的时间点与违章时间点的差值为8分钟。

在一些实现中，违停特征320还指示与一组候选路段140相关联的环境信息，该环境信息与候选路段140的物理环境相关联，其例如可以描述该候选路段140客观上是否可能产生违章停车处罚。例如，环境信息可以包括该候选路段140是否包括违章停车监控、是否包括禁止临时停车/长时间停车的交通指示牌等或该候选路段140是否曾经有过相关联的违章停车罚单等。

继续参考图2，在框208，计算设备150基于违停特征从一组候选路段140中确定与违章停车行为相关联的目标路段160。

在一些实现中，计算设备150可以根据预定的规则来对违停特征320进行判断，以一组候选路段140中确定目标路段160。以违停特征320包括第一相关性作为示例，计算设备150例如可以从一组候选路段140中选择停留时间超过预定阈值的候选路段作为目标路段160。或者，计算设备150可以从一组候选路段140中选择停留时间最长的候选路段作为目标路段160。或者，计算设备150可以从一组候选路段140中选择轨迹点数最多的候选路段作为目标路段160。或者，计算设备150可以从一组候选路段140中选择轨迹点数超过阈值数目的候选路段作为目标路段160。

在一些实现中，在轨迹特征320还包括其他信息，例如第二相关性时，计算设备150可以总和轨迹特征320中所包括的多项信息来确定目标路段160。例如，计算设备150可以从一组候选路段140中确定轨迹点数目超过阈值且时间差异小于阈值的候选路段作为目标路段。

在一些实现中，计算设备150还可以利用机器学习模型来确定目标路段160。具体地，计算设备150可以将违停特征320应用于机器学习模型330以确定目标路段160，其中该机器学习模型是基于以下而被训练的：与历史行程相关联的违章停车信息、历史行程的轨迹信息、和关于与历史行程相关联的一组路段是否发生了违章停车行为的信息。

虽然在图3中，机器学习模型330被示出为神经网络，但是应当理解，该机器学习模型330可以是任何适当的模型，其示例包括但不限于，各类深度神经网络(DNN)、卷积神经网络(CNN)、支持向量机(SVM)、决策树、随机森林模型等等。

应当理解，机器学习模型330可以由任何适当的训练设备(与计算设备150相同或不同的计算设备)来训练。在一些实现中，在机器学习模型330的训练过程中，训练设备可以获取一组历史行程，并基于上文所讨论的方式来基于历史行程确定一组候选路段以及确定候选路段的违停特征。

在一些实现中，训练设备还可以获取与一组候选路段是否产生了违章停车行为的标注信息。这样的标注信息可以通过任何适当的方式获得，例如，人工标注或者自动地标注。本公开不旨在对于标注信息的获得进行任何限制。

在一些实现中，训练设备可以利用基于历史行程所确定的违停特征以及标注信息(也即，模型的真值ground truth)来训练机器学习模型，并获得经训练的机器学习模型330。

在一些实现中，在机器学习模型330不是由计算设备150训练的情况下，计算设备150例如可以通过获取经训练的机器学习模型330的参数来构建机器学习模型330，并用于目标路段160的确定。

在一些实现中，计算设备150例如可以将违停特征320向量化，并输入到经训练的机器学习模型330，并从而可以得到一组候选路段140发生了该违章停车行为的概率。

在一些实现中，计算设备150例如可以将该组候选路段140中概率最大的候选路段确定作为目标路段160。备选地，计算设备150也可以将概率大于阈值的一个或多个候选路段确定作为目标路段160。

如参考上文所讨论的，与候选路段140类似，目标路段160例如也可以通过其端点的坐标信息来进行表示。备选地，计算设备150也可以确定与目标路段160所对应的标识信息。

例如，在图3的示例中，计算设备150可以从一组候选路段140中将候选路段140-4确定作为发生了违章停车行为的目标路段160。

在一些实现中，计算设备150例如可以将该目标路段160标记为禁限停路段，以用于辅助其他驾驶者。

基于上文所讨论的方式，本公开的实施例能够利用目标行程的轨迹信息和与目标行程相关联的违章停车信息来准确地挖掘出违章停车行为是发生在哪个具体路段。通过这样的方式，可以更为有效地支持后续其他处理，例如生成对于驾驶者的提醒或生成对于上下车可能产生违停的提醒等。

在一些实现中，所确定的目标路段160可以进一步帮助出行平台的乘客合理安排行程中的停靠。这样的停靠例如可以包括但不限于，接驾上车时的停靠、行程过程中因为特定需要的临时停靠和到达目的地下车时的停靠。

具体地，计算设备150可以获取乘客指定的目标停靠位置。附加地，响应于确定目标停靠位置与经确定的目标路段160相关，计算设备150可以生成关于目标停靠位置位于禁限停路段的提醒。

例如，如果乘客指定的目标停靠位置落入目标路段160的位置范围内，则计算设备150可以确定该目标停靠位置与目标路段160相关。或者，如果目标停靠位置与目标路段160的距离小于预定阈值，则计算设备150可以确定该目标停靠位置与目标路段160相关。关于单个位置与路段的距离计算可以参见上文关于将位置映射到候选路段的过程，在此不再详叙。

相应地，计算设备150可以生成关于目标停靠位置位于禁限停路段的提醒，以使得与乘客相关联的终端设备通过语音、文本、图像和/或视频的方式来提醒用户停靠点位于违停路段。

在一些实现中，计算设备150还可以为乘客提供至少一个候选停靠位置，其中至少一个候选停靠位置位于禁限停路段的风险小于预定阈值。示例性地，计算设备150可以根据历史行程的停靠点来召回一组候选停靠位置，并且在出行平台内没有关于这样的候选停靠位置的预定范围内的违章停车处罚。通过这样的方式，可以为乘客提供一个或多个更加安全的停靠点。

在一些实现中，根据本公开的实施例所确定的目标路段160还可以用于提醒驾驶者。具体地，计算设备150可以确定当前行程与目标路段160相关联的一组关联用户。例如，计算设备150(例如，导航应用的服务器)可以确定终点设置在目标路段160预定范围内的一组关联用户。

附加地，计算设备150可以向一组关联用户提供在目标路段160处可能产生违章停车行为的提醒。例如，计算设备150可以使得该组关联用户的终端设备通过语音、文本、图像和/或视频的方式来提醒目标路段160属于禁限停路段，如果停车则可能产生违章停车罚单。基于这样的方式，可以更为有效地帮助到驾驶者注意停车的合规性。

图4示出了根据本公开的某些实施例的用于确定发生违章停车的路段的装置400的示意性结构框图。装置400可以被实现为或者被包括在计算设备150或者实施本公开的用于确定发生违章停车的路段的过程的其他设备中。

如图4所示，装置400包括：信息获取模块410，被配置为获取与目标行程相关联的违章停车信息。装置400还包括候选路段确定模块420，被配置为确定可能发生违章停车信息指示的违章停车行为的一组候选路段。装置400还包括违停特征确定模块430，被配置为确定与一组候选路段相关联的违停特征，违停特征至少指示一组候选路段与目标行程的轨迹信息之间的第一相关性，轨迹信息包括与目标行程相关联的一组位置。此外，装置400还包括目标路段确定模块440，被配置为基于违停特征表示，从一组候选路段中确定与违章停车行为相关联的目标路段。

在一些实现中，信息获取模块410包括：信息接收模块，被配置为接收由与目标行程相关联的用户上传的与违章停车处罚有关的信息；以及信息提取模块，被配置为基于所述信息确定与所述目标行程相关联的所述违章停车信息。

在一些实现中，候选路段确定模块420包括：路段筛选模块，被配置为基于以下中的至少一项确定所述一组候选路段：所述违章停车信息中的违章位置信息，所述违章停车信息中的违章时间信息，或与所述目标行程相关联的至少一个停靠位置。

在一些实现中，候选路段确定模块420包括：路网提取模块，被配置为从路网数据中获取可能发生所述违章停车行为的一组道路单元；以及切分模块，被配置为将所述一组道路单元切分为多个道路分段，以作为所述一组候选路段，所述候选路段具有比所述道路单元更短的长度。

在一些实现中，违停特征确定模块430包括：第一确定模块，被配置为通过以下过程来确定所述第一相关性：从所述一组位置中确定与相应候选路段相对应的位置集；以及基于所述位置集，来确定所述第一相关性。

在一些实现中，违停特征还指示所述一组候选路段与所述违章停车信息之间的第二相关性。

在一些实现中，违停特征确定模块430包括：第二确定模块，被配置为通过以下过程来确定所述第二相关性：从所述一组位置中确定与相应候选路段相对应的位置集；确定与所述位置集相关联的位置时间信息；以及基于所述位置时间信息与所述违章停车信息中的违章时间信息的差异，来确定所述第二相关性。

在一些实现中，违停特征确定模块430包括：第三确定模块，被配置为包括通过以下过程来确定所述第二相关性：基于所述一组候选路段与所述违章停车信息中的违章位置信息是否匹配，来确定所述第二相关性。

在一些实现中，所述违停特征还指示与所述一组候选路段相关联的环境信息，所述环境信息与所述候选路段的物理环境相关联。

在一些实现中，所述目标路段确定模块440包括：模型处理模块，被配置为将所述违停特征应用于机器学习模型，以确定所述目标路段，所述机器学习模型是基于以下而被训练的：与历史行程相关联的违章停车信息、所述历史行程的轨迹信息、和关于与所述历史行程相关联的一组路段是否发生了违章停车行为的信息。

在一些实现中，装置400还包括：位置获取模块，被配置为获取乘客指定的目标停靠位置；以及第一提醒模块，被配置为响应于确定所述目标停靠位置与经确定的所述目标路段相关，生成关于所述目标停靠位置位于禁限停路段的提醒。

在一些实现中，装置400还包括：候选提供模块，被配置为为所述乘客提供至少一个候选停靠位置，所述至少一个候选停靠位置位于禁限停路段的风险小于预定阈值。

在一些实现中，装置400还包括：关联用户确定模块，被配置为确定当前行程与所述目标路段相关联的一组关联用户；以及第二提醒模块，被配置为向所述一组关联用户提供在所述目标路段是禁限停路段提醒。

图5示出了示出了其中可以实施本公开的一个或多个实施例的电子设备500的框图。应当理解，图5所示出的电子设备500仅仅是示例性的，而不应当构成对本文所描述的实施例的功能和范围的任何限制。图5所示出的电子设备500可以被包括在或被实现为图1的计算设备150或实施本公开的用于确定发生违章停车的路段的其他设备。

如图5所示，电子设备500是通用计算设备的形式。电子设备500也可以是任何类型的计算设备或服务器。电子设备500的组件可以包括但不限于一个或多个处理器或处理单元510、存储器520、存储设备530、一个或多个通信单元540、一个或多个输入设备550以及一个或多个输出设备560。处理单元510可以是实际或虚拟处理器并且能够根据存储器520中存储的程序来执行各种处理。在多处理器系统中，多个处理单元并行执行计算机可执行指令，以提高电子设备500的并行处理能力。

电子设备500通常包括多个计算机存储介质。这样的介质可以是电子设备500可访问的任何可以获得的介质，包括但不限于易失性和非易失性介质、可拆卸和不可拆卸介质。存储器520可以是易失性存储器(例如寄存器、高速缓存、随机访问存储器(RAM))、非易失性存储器(例如，只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、闪存)或它们的某种组合。存储设备530可以是可拆卸或不可拆卸的介质，并且可以包括机器可读介质，诸如闪存驱动、磁盘或者任何其他介质，其可以能够用于存储信息和/或数据(例如地图数据)并且可以在电子设备500内被访问。

电子设备500可以进一步包括另外的可拆卸/不可拆卸、易失性/非易失性存储介质。尽管未在图5中示出，可以提供用于从可拆卸、非易失性磁盘(例如“软盘”)进行读取或写入的磁盘驱动和用于从可拆卸、非易失性光盘进行读取或写入的光盘驱动。在这些情况中，每个驱动可以由一个或多个数据介质接口被连接至总线(未示出)。存储器520可以包括计算机程序产品525，其具有一个或多个程序模块，这些程序模块被配置为执行本公开的各种实施例的各种方法或动作。

通信单元540实现通过通信介质与其他计算设备进行通信。附加地，电子设备500的组件的功能可以以单个计算集群或多个计算机器来实现，这些计算机器能够通过通信连接进行通信。因此，电子设备500可以使用与一个或多个其他服务器、网络个人计算机(PC)或者另一个网络节点的逻辑连接来在联网环境中进行操作。

输入设备550可以是一个或多个输入设备，例如鼠标、键盘、追踪球等。输出设备560可以是一个或多个输出设备，例如显示器、扬声器、打印机等。电子设备500还可以根据需要通过通信单元540与一个或多个外部设备(未示出)进行通信，外部设备诸如存储设备、显示设备等，与一个或多个使得用户与电子设备500交互的设备进行通信，或者与使得电子设备500与一个或多个其他计算设备通信的任何设备(例如，网卡、调制解调器等)进行通信。这样的通信可以经由输入/输出(I/O)接口(未示出)来执行。

根据本公开的示例性实现方式，提供了一种计算机可读存储介质，其上存储有计算机可执行指令或程序，其中计算机可执行指令或程序被处理器执行以实现上文描述的方法或功能。计算机可读存储介质可以包括非瞬态计算机可读介质。根据本公开的示例性实现方式，还提供了一种计算机程序产品，包括计算机可执行指令或程序，而计算机可执行指令或程序被处理器执行以实现上文描述的方法或功能。该计算机程序产品可以被有形地体现在非瞬态计算机可读介质上。

这里参照根据本公开实现的方法、装置、设备和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可执行指令或程序实现。

这些计算机可执行指令或程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理单元，从而生产出一种机器，使得这些指令在通过计算机或其他可编程数据处理装置的处理单元执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可执行指令或程序存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

可以把计算机可执行指令或程序加载到计算机、其他可编程数据处理装置、或其他设备上，使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其他可编程数据处理装置、或其他设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实现的系统、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、程序段或指令的一部分，模块、程序段或指令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。在有些作为替换的实现中，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。

以上已经描述了本公开的各实现，上述说明是示例性的，并非穷尽性的，并且也不限于所公开的各实现。在不偏离所说明的各实现的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实现的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其他普通技术人员能理解本文公开的各个实现方式。

Claims (17)

1.一种确定发生违章停车的路段的方法，包括：

获取与目标行程相关联的违章停车信息；

确定可能发生所述违章停车信息指示的违章停车行为的一组候选路段；

确定与所述一组候选路段相关联的违停特征，所述违停特征至少指示所述一组候选路段与所述目标行程的轨迹信息之间的第一相关性，所述轨迹信息包括与所述目标行程相关联的一组位置；以及

基于所述违停特征，从所述一组候选路段中确定与所述违章停车行为相关联的目标路段。

2.根据权利要求1所述的方法，其中获取与所述目标行程相关联的所述违章停车信息包括：

接收由与目标行程相关联的用户上传的与违章停车处罚有关的信息；以及

基于所述信息确定与所述目标行程相关联的所述违章停车信息。

3.根据权利要求1所述的方法，其中确定所述一组候选路段包括：

基于以下中的至少一项确定所述一组候选路段：

所述违章停车信息中的违章位置信息，

所述违章停车信息中的违章时间信息，或

与所述目标行程相关联的至少一个停靠位置。

4.根据权利要求1所述的方法，其中确定所述一组候选路段包括：

从路网数据中获取可能发生所述违章停车行为的一组道路单元；以及

将所述一组道路单元切分为多个道路分段，以作为所述一组候选路段，所述候选路段具有比所述道路单元更短的长度。

5.根据权利要求1所述的方法，其中确定所述违停特征包括通过以下过程来确定所述第一相关性：

从所述一组位置中确定与相应候选路段相对应的位置集；以及

基于所述位置集，来确定所述第一相关性。

6.根据权利要求1所述的方法，其中所述违停特征还指示所述一组候选路段与所述违章停车信息之间的第二相关性。

7.根据权利要求6所述的方法，其中确定所述违停特征还包括通过以下过程来确定所述第二相关性：

从所述一组位置中确定与相应候选路段相对应的位置集；

确定与所述位置集相关联的位置时间信息；以及

基于所述位置时间信息与所述违章停车信息中的违章时间信息的差异，来确定所述第二相关性。

8.根据权利要求6所述的方法，其中确定所述违停特征还包括通过以下过程来确定所述第二相关性：

基于所述一组候选路段与所述违章停车信息中的违章位置信息是否匹配，来确定所述第二相关性。

9.根据权利要求1所述的方法，其中所述违停特征还指示与所述一组候选路段相关联的环境信息，所述环境信息与所述候选路段的物理环境相关联。

10.根据权利要求1所述的方法，其中确定所述目标路段包括：

将所述违停特征应用于机器学习模型，以确定所述目标路段，所述机器学习模型是基于以下而被训练的：与历史行程相关联的违章停车信息、所述历史行程的轨迹信息、和关于与所述历史行程相关联的一组路段是否发生了违章停车行为的信息。

11.根据权利要求1所述的方法，还包括：

获取乘客指定的目标停靠位置；以及

响应于确定所述目标停靠位置与经确定的所述目标路段相关，生成关于所述目标停靠位置位于禁限停路段的提醒。

12.根据权利要求11所述的方法，还包括：

为所述乘客提供至少一个候选停靠位置，所述至少一个候选停靠位置位于禁限停路段的风险小于预定阈值。

13.根据权利要求1所述的方法，还包括：

确定当前行程与所述目标路段相关联的一组关联用户；以及

向所述一组关联用户提供在所述目标路段是禁限停路段提醒。

14.一种用于确定发生违章停车的路段的装置，包括：

信息获取模块，被配置为获取与目标行程相关联的违章停车信息；

候选路段确定模块，被配置为确定可能发生所述违章停车信息指示的违章停车行为的一组候选路段；

违停特征确定模块，被配置为确定与所述一组候选路段相关联的违停特征，所述违停特征至少指示所述一组候选路段与所述目标行程的轨迹信息之间的第一相关性，所述轨迹信息包括与所述目标行程相关联的一组位置；以及

目标路段确定模块，被配置为基于所述违停特征表示，从所述一组候选路段中确定与所述违章停车行为相关联的目标路段。

15.一种电子设备，包括：

存储器和处理器；

其中所述存储器用于存储一条或多条计算机指令，其中所述一条或多条计算机指令被所述处理器执行以实现根据权利要求1至13中任一项所述的方法。

16.一种计算机可读存储介质，其上存储有一条或多条计算机指令，其中所述一条或多条计算机指令被处理器执行以实现根据权利要求1至13中任一项所述的方法。

17.一种计算机程序产品，包括计算机可执行指令，其中所述计算机可执行指令在被处理器执行时实现根据权利要求1至13中任一项所述的方法。

Images