CN112735169B - 一种车辆路径还原方法、设备及介质 - Google Patents

Abstract

本申请公开了一种车辆路径还原方法、设备及介质，方法包括：通过设置在公路上的抓拍设备，获取车辆对应的结构化特征；通过结构化特征，在抓拍系统已存的数据中，确定车辆经过的各抓拍设备的第一坐标数据；根据第一坐标数据对应的第一时间数据，生成车辆对应的第一路径，第一路径中包括多个节点，每个节点对应一个抓拍设备；通过车辆的车载终端，获取车辆的车辆通行数据；根据车辆通行数据，对第一路径进行修改，生成第二路径。在对车辆的路径进行还原时，不仅通过抓拍设备采集的车辆的结构化特征进行还原，还通过车辆的车载终端所采集到的可信度更高的车辆通行数据对路径进行修改，能进一步的增加最终生成的路径的准确性。

Description

一种车辆路径还原方法、设备及介质

技术领域

本申请涉及路径还原领域，具体涉及一种车辆路径还原方法、设备及介质。

背景技术

随着时代的发展，人们的消费水平也逐渐提高，越来越多的人拥有了自己的车辆。但是在出行过程中，由于各种原因，需要对车辆的行驶路径进行监控还原。

现有技术中，对车辆进行路径还原时，通常在地图上通过相应的节点采集到包含车辆的图像，从而生成车辆的路径。但是在识别车辆发生错误，或者节点设备损坏时，就会导致生成的路径不准确。

发明内容

为了解决上述问题，本申请提出了一种车辆路径还原方法，包括：通过设置在公路上的抓拍设备，获取车辆对应的结构化特征；通过所述结构化特征，在抓拍系统已存的数据中，确定所述车辆经过的各抓拍设备的第一坐标数据；根据所述第一坐标数据对应的第一时间数据，生成所述车辆对应的第一路径，所述第一路径中包括多个节点，每个所述节点对应一个所述抓拍设备；通过所述车辆的车载终端，获取所述车辆的车辆通行数据；根据所述车辆通行数据，对所述第一路径进行修改，生成第二路径。

在一个示例中，通过设置在公路上的抓拍设备，获取车辆对应的结构化特征，包括：通过设置在公路上的抓拍设备，获取车辆对应的抓拍图像；通过预先训练的图像识别模型对所述抓拍图像进行识别，确定所述车辆对应的结构化特征。

在一个示例中，根据所述第一坐标数据对应的第一时间数据，生成所述车辆对应的第一路径，包括：根据所述第一坐标数据，在地图上将对应的位置确定为节点，所述地图与实际环境相关；根据所述地图中的通行路径，以及所述第一坐标数据对应的第一时间数据，将所述节点进行连接，生成所述车辆对应的第一路径。

在一个示例中，所述车辆通行数据包括车辆经过的站点的第二坐标数据以及对应的第二时间数据；根据所述车辆通行数据，对所述第一路径进行修改，生成第二路径，包括：确定存在额外站点，所述额外站点对应的第二坐标数据在所述第一路径外；根据所述额外站点对应的第二时间数据，以及所述第一时间数据，确定所述额外站点的节点类型，所述节点类型包括新加节点、替换节点；根据所述节点类型，将所述额外站点添加至所述第一路径中，并对所述第一路径进行相应的修改，生成第二路径。

在一个示例中，根据所述额外站点对应的第二时间数据，以及所述第一时间数据，确定所述额外站点的节点类型，包括：根据所述第一时间数据，在所述第一路径包含的各所述节点中，确定与所述第二时间数据之间的时间差最小的待确认节点，所述待确认节点包括所述第一时间数据晚于所述第二时间数据的第一节点、所述第一时间数据早于所述第二时间数据的第二节点；确定所述待确认节点与所述额外站点之间的路段，以及所述第一时间数据与所述第二时间数据之间的时间差；根据所述路段的距离、路况信息，以及所述时间差，确定所述额外站点为新加节点还是替换节点。

在一个示例中，根据所述路段的距离、路况信息，以及所述时间差，确定所述额外站点为新加节点还是替换节点，包括：确定所述路段的最高限速；根据所述路段的距离、路况信息、所述最高限速，判断所述车辆能否在所述时间差内通过所述路段；若能，则确定所述额外站点为新加节点；若不能，则确定所述额外站点为替换节点。

在一个示例中，若不能，则确定所述额外站点为替换节点，包括：若不能，则确定通过所述抓拍设备采集的所述车辆对应的抓拍图像；对所述抓拍图像进行人脸识别，以确定所述车辆对应的驾驶人；确定所述驾驶人的超速违章记录；在确定所述路况信息的拥堵等级低于预设等级时，根据所述超速违章记录、所述路况信息，确定所述车辆在所述路段中的期望车速，所述期望车速高于所述最高限速；根据所述期望车速，判断所述车辆能否在所述时间差内通过所述路段；若能，则确定所述额外站点为新加节点；若不能，则确定所述额外站点为替换节点。

在一个示例中，所述公路为高速公路。

另一方面，本申请还提出了一种车辆路径还原设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上述任意一个示例所述的方法。

另一方面，本申请还提出了一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：如上述任意一个示例所述的方法。

通过本申请提出车辆路径还原方法能够带来如下有益效果：

在对车辆的路径进行还原时，不仅通过抓拍设备采集的车辆的结构化特征进行还原，还通过车辆的车载终端所采集到的可信度更高的车辆通行数据对路径进行修改，能进一步的增加最终生成的路径的准确性。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请实施例中车辆路径还原方法的流程示意图；

图2为本申请实施例中车辆路径还原设备的示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

以下结合附图，详细说明本申请各实施例提供的技术方案。

如图1所示，本申请实施例提供一种车辆路径还原方法，包括：

S101、通过设置在公路上的抓拍设备，获取车辆对应的结构化特征。

通常情况下，公路两侧、门架或者收费站门口等位置通常设置有抓拍设备，比如，监控摄像头等。抓拍设备可以对过往的车辆进行抓拍，以采集包含有车辆的图像。为方便描述，将抓拍设备拍摄的包含有车辆的图像称作抓拍图像。

可以预先训练相应的图像识别模型，该图像识别模型用于对抓拍图像进行识别。在采集到抓拍图像后，即可输入到图像识别模型中，图像识别模型对抓拍图像进行识别，输出车辆对应的结构化特征。结构化特征可以包括车辆的车牌号、车牌颜色、车辆颜色、车型、品牌等。抓拍设备可以是具有一定处理能力的边缘设备，在抓拍设备抓拍到车辆的图像后，通过自身存储的图像识别模型对抓拍图像进行处理，得到结构化数据。抓拍设备也可以在采集到抓拍图像后，将其发送至服务器，由服务器通过图像识别模型对抓拍图像进行识别，得到结构化特征。

S102、通过所述结构化特征，在抓拍系统已存的数据中，确定所述车辆经过的各抓拍设备的第一坐标数据。

不管采用何种方法，在得到了车辆的结构化特征后，将其存储至抓拍系统的数据库中。这里的抓拍系统指的是，包含有抓拍设备、服务器、数据库等模块的系统。

当然，在保存车辆的结构化特征时，除了结构化特征以外，还可以将抓拍设备在采集抓拍图像时的时间数据(在此可以将其称作第一时间数据)、坐标数据(在此可以将其称作第一坐标数据)都保存在抓拍系统中。

基于此，在获取了车辆的结构化特征后，即可以该车辆的结构化特征为关键词，在抓拍系统已存的数据中进行搜索，来得到车辆在行驶过程中，所经过的各抓拍设备的第一坐标数据。其中，在进行搜索时，可以通过fastai搜索框架进行亿级数量级搜索，提高搜索效率。

S103、根据所述第一坐标数据对应的第一时间数据，生成所述车辆对应的第一路径，所述第一路径中包括多个节点，每个所述节点对应一个所述抓拍设备。

通常情况下，抓拍系统中预先存储有相应的地图，该地图与实际环境相关，存储有实际的车辆通行路径、抓拍设备等。在确定各抓拍设备的第一坐标数据时，也获取其对应的第一时间数据。然后根据第一坐标数据，在地图上确定各对应的位置，也就是在地图上确定出相应的抓拍设备的位置，在此可以将在地图上的该位置称作节点。接着根据车辆经过每个节点的第一时间数据，在地图上将节点进行连接，并生成相应的路径(在此将其称作第一路径)。当然，在生成第一路径时，要基于地图中的实际环境对应的通行路径来生成。在路口处通常都会设置有抓拍设备，因此两个抓拍设备之间的路径往往只有一条。但是在一些特殊情况下，比如抓拍设备损坏等，导致两个抓拍设备之间存在有多条路径时，则将最短的路径作为车辆行驶的路径。另外需要说明的是，由于在高速公路中，两个抓拍设备之间的路径通常只有一条，因此，本申请实施例中的方法尤其适用于高速公路的场景，可以通过还原得到的车辆路径用作对车辆的收费的凭证。

S104、通过所述车辆的车载终端，获取所述车辆的车辆通行数据。

S105、根据所述车辆通行数据，对所述第一路径进行修改，生成第二路径。

在确定了车辆的第一路径后，由于种种原因，比如抓拍设备的损坏、图像识别模型的识别失误，可能会导致确定出的第一路径中仍存在一些错误路径或者遗漏路径。

基于此，可以通过车辆的车载终端，获取车辆的车辆通行数据。车载终端指的是，能够对车辆的相应动作产生记录的终端，当车辆通过一些站点时，比如收费站、ETC设备、加油站、车库等，车辆若进行了交易行为，比如缴纳高速公路通行费、车辆进行加油、缴纳停车费等，车载终端可以对该交易进行相应的记录，生成车辆通行数据。车辆通行数据中可以包括车辆经过的站点的时间数据(在此称作第二时间数据)、站点的坐标数据(在此称作第二坐标数据)、交易流水等。

由于车辆通行数据中所包含的第二坐标数据和第二时间数据是具有较高可信度的，因此，可以通过车辆通行数据来对第一路径进行修改，将第一路径中的遗漏路径或者错误路径修改后，得到的路径(在此称作第二路径)作为车辆的最终路径。

具体地，在生成第二路径时，首先确定是否存在额外站点。该额外站点指的是，第二坐标数据在第一路径外的站点。若确定存在，则表示车辆实际通过了该额外站点，但是并未在第一路径上体现出来。此时在判断得到该额外站点的节点类型之后，将该额外站点作为节点添加至第一路径中，并对第一路径做相应的修改，最终生成第二路径。

其中，节点类型包括两种，分别是新加节点以及替换节点。新加节点指的是，在生成第一路径时，第一路径中的各节点并未出错，而是遗漏了该额外站点，此时只需要将该额外站点添加至第一路径中即可。替换节点指的是，在生成第一路径时，将该额外站点错误的认作了其他节点，此时需要在第一路径中将第一路径中的相关节点替换为该额外站点。

具体地，在判断额外站点的节点类型时，先确定额外站点的第二时间数据，以及第一路径中各节点的第一时间数据。然后，在第一路径包含的各节点中，确定与第二时间数据之间时间差最小的待确认节点。当然，为了保证更全面的获取第二时间数据前后附近的节点，待确认节点中可以包括两个节点，分别是第一时间数据晚于第二时间数据的各节点中时间差最小的第一节点、第一时间数据早于第二时间数据的各节点中时间差最小的第二节点。

接着，在地图上确定待确认节点与额外站点之间的路段，并确定该路段的距离、在时间差内的路况信息等路段信息。接着根据路段信息以及时间差判断额外站点的节点类型。

具体地，首先确定该路段的最高限速，然后根据路段的距离、路况信息、最高限速等判断车辆能否在该时间差内通过路段。比如，当路况信息优良时，可以根据最高限速以及路段的距离判断是否能在时间差内通过该路段。当路况信息较差时，可以根据该路况信息下的最高速度以及路段的距离判断是否能在时间差内通过该路段。若能通过，则该额外站点大概率为新加节点，若不能，则该额外站点大概率为替换节点。

进一步地，通常只有在图像识别模型识别错误的时候，或者抓拍设备出现异常时，才会使得额外站点为替换节点。因此，替换节点的概率相比于新加节点的概率较小，可以在判断额外站点为替换节点时，更为谨慎一些。并且在抓拍设备判断车速时，只能判断车辆的瞬时车速，无法估算车辆在该路段下的整体车速。

基于此，在根据路段的距离、路况信息、最高限速，判断所述车辆不能在时间差内通过路段后，可以通过抓拍设备采集到的车辆的抓拍图像，来对抓拍图像进行人脸识别，以确定该车辆对应的驾驶人。然后在交警部门等相关的系统中，确定驾驶人的超速违章记录。如果该驾驶人没有超速违章记录，则可以继续维持原有的判断，即该额外站点为替换节点。若是该驾驶人有超速违章记录，则可以在路况信息不拥堵(即对应的拥堵等级低于预设等级)时，考虑到该驾驶人可能会超速行驶，则可以根据超速违章记录、路况信息来确定车辆在路段中的期望车速。比如，路况信息的拥堵等级越低，期望车速越高，当拥堵等级低至指定等级时，期望车速不再提高。并且超速违章记录越多，超速越严重，期望车速也越高。当然，在此最终计算得到的期望车速是高于最高限速的。若是根据期望车速判断车辆能在时间差内通过路段，则可以将该额外站点认作新加节点，否则，该额外站点仍未替换节点。

如图2所示，本申请实施例还提供了一种车辆路径还原设备，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上述任意一个实施例所述的方法。

本申请实施例还提供了一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：如上述任意一个实施例所述的方法。

本申请中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备和介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本申请实施例提供的设备和介质与方法是一一对应的，因此，设备和介质也具有与其对应的方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述设备和介质的有益技术效果。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，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、商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、商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、商品或者设备中还存在另外的相同要素。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (6)

1.一种车辆路径还原方法，其特征在于，包括：

通过设置在公路上的抓拍设备，获取车辆对应的结构化特征；所述结构化特征包括车辆的车牌号、车牌颜色、车辆颜色、车型、品牌；

通过所述结构化特征，在抓拍系统已存的数据中，确定所述车辆经过的各抓拍设备的第一坐标数据；

根据所述第一坐标数据对应的第一时间数据，生成所述车辆对应的第一路径，所述第一路径中包括多个节点，每个所述节点对应一个所述抓拍设备；

通过所述车辆的车载终端，获取所述车辆的车辆通行数据；所述车辆通行数据包括车辆经过的站点的第二坐标数据以及对应的第二时间数据；

确定存在额外站点，所述额外站点对应的第二坐标数据在所述第一路径外；

根据所述第一时间数据，在所述第一路径包含的各所述节点中，确定与所述第二时间数据之间的时间差最小的待确认节点，所述待确认节点包括所述第一时间数据晚于所述第二时间数据的第一节点、所述第一时间数据早于所述第二时间数据的第二节点；

确定所述待确认节点与所述额外站点之间的路段，以及所述第一时间数据与所述第二时间数据之间的时间差；

确定所述路段的最高限速；

根据所述路段的距离、路况信息、所述最高限速，判断所述车辆能否在所述时间差内通过所述路段；

若能，则确定所述额外站点为新加节点；所述新加节点为在生成第一路径时遗漏的额外站点；

若不能，则确定通过所述抓拍设备采集的所述车辆对应的抓拍图像；

对所述抓拍图像进行人脸识别，以确定所述车辆对应的驾驶人；

确定所述驾驶人的超速违章记录；

在确定所述路况信息的拥堵等级低于预设等级时，根据所述超速违章记录、所述路况信息，确定所述车辆在所述路段中的期望车速，所述期望车速高于所述最高限速；

根据所述期望车速，判断所述车辆能否在所述时间差内通过所述路段；

若能，则确定所述额外站点为新加节点；

若不能，则确定所述额外站点为替换节点；所述替换节点为在生成第一路径时，替换所述第一路径中错误的相关节点的额外站点；

根据所述节点类型，将所述额外站点添加至所述第一路径中，并对所述第一路径进行相应的修改，生成第二路径。

2.根据权利要求1所述的方法，其特征在于，通过设置在公路上的抓拍设备，获取车辆对应的结构化特征，包括：

通过设置在公路上的抓拍设备，获取车辆对应的抓拍图像；

通过预先训练的图像识别模型对所述抓拍图像进行识别，确定所述车辆对应的结构化特征。

3.根据权利要求1所述的方法，其特征在于，根据所述第一坐标数据对应的第一时间数据，生成所述车辆对应的第一路径，包括：

根据所述第一坐标数据，在地图上将对应的位置确定为节点，所述地图与实际环境相关；

根据所述地图中的通行路径，以及所述第一坐标数据对应的第一时间数据，将所述节点进行连接，生成所述车辆对应的第一路径。

4.根据权利要求1所述的方法，其特征在于，所述公路为高速公路。

5.一种车辆路径还原设备，其特征在于，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1-4中任意一项权利要求所述的方法。

6.一种非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令设置为：如权利要求1-4中任意一项权利要求所述的方法。

Images