CN112991749B - 车辆违章识别方法与装置、介质及电子设备 - Google Patents
车辆违章识别方法与装置、介质及电子设备 Download PDFInfo
- Publication number
- CN112991749B CN112991749B CN202110522950.0A CN202110522950A CN112991749B CN 112991749 B CN112991749 B CN 112991749B CN 202110522950 A CN202110522950 A CN 202110522950A CN 112991749 B CN112991749 B CN 112991749B
- Authority
- CN
- China
- Prior art keywords
- path
- track
- vehicle
- type
- tracks
- 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.)
- Active
Links
Images
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
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
Abstract
本公开涉及地图、导航、自动驾驶、智能交通等技术领域，提供了一种车辆违章识别方法与装置、介质及电子设备。该方法包括：获取目标区域所对应的路径二元组，其中，路径二元组包括第一路径和第二路径所组成的路径对，第一路径和第二路径位于目标区域内，且第一路径与第二路径之间不存在共同节点；获取至少一个目标轨迹，从目标轨迹中确定出经过第一路径和第二路径的过程中的中间轨迹；将匹配度不大于预设值的目标轨迹确定为第一类轨迹，以及将匹配度大于预设值的目标轨迹确定为第二类轨迹；根据第一类轨迹的数目与第二类轨迹的数目，识别车辆在第一路径与第二路径处的违章信息。
Description
技术领域
本公开涉及地图、导航、自动驾驶、智能交通等技术领域，具体而言，涉及一种车辆违章识别方法与装置、介质及电子设备。
背景技术
在如导航路线规划、智能交通等场景中，需要获取特定地点的违章信息。通常，可以通过分析目标路段的车辆行驶行为而获取目标路段处车辆的违章信息。
一种相关技术中，是通过摄像装置等获取关于目标路段的车辆的行驶行为图像，并对获取的行驶行为图像进行分析识别，从而确定目标路径处车辆的违章信息。
然而，相关技术中提供的车辆违章信息的确定方式的识别准确度有待提高，且相关技术所消耗的计算资源量也较大。
需要说明的是，上述背景技术部分公开的信息仅用于加强对本公开的背景的理解。
发明内容
本公开的目的在于提供一种车辆违章识别方法与装置，以及实现上述方法的计算机可读存储介质和电子设备，提高交通违章的识别准确度，同时有利于提高计算资源的利用率。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
根据本公开的一个方面，提供一种车辆违章识别方法，包括：获取目标区域所对应的路径二元组，其中，上述路径二元组包括第一路径和第二路径所组成的路径对，上述第一路径和第二路径位于上述目标区域内，且上述第一路径与上述第二路径之间不存在共同节点；获取至少一个目标轨迹，从上述目标轨迹中确定出经过上述第一路径和上述第二路径的过程中的中间轨迹，其中，上述目标轨迹所对应的目标路径包含上述第一路径和上述第二路径；计算上述中间轨迹与预设路径组中的至少一条预设路径之间的匹配度；将上述匹配度不大于预设值的目标轨迹确定为第一类轨迹，以及将上述匹配度大于上述预设值的目标轨迹确定为第二类轨迹；根据上述第一类轨迹的数目与上述第二类轨迹的数目，识别车辆在上述第一路径和上述第二路径处的违章信息。
根据本公开的一个方面，提供了一种车辆违章识别装置，包括：二元组获取模块、轨迹获取模块、匹配度计算模块、轨迹分类模块以及违章识别模块。
其中，二元组获取模块，被配置为：获取目标区域所对应的路径二元组，其中，上述路径二元组包括第一路径和第二路径所组成的路径对，上述第一路径和第二路径位于上述目标区域内，且上述第一路径与上述第二路径之间不存在共同节点；轨迹获取模块，被配置为：获取至少一个目标轨迹，从上述目标轨迹中确定出经过上述第一路径和上述第二路径的过程中的中间轨迹，其中，上述目标轨迹所对应的目标路径包含上述第一路径和上述第二路径；匹配度计算模块，被配置为：计算上述中间轨迹与预设路径组中的至少一条预设路径之间的匹配度；轨迹分类模块，被配置为：将上述匹配度不大于预设值的目标轨迹确定为第一类轨迹，以及将上述匹配度大于上述预设值的目标轨迹确定为第二类轨迹；违章识别模块，被配置为：根据上述第一类轨迹的数目与上述第二类轨迹的数目，识别车辆在上述第一路径和上述第二路径处的违章信息。
在本公开的一些实施例中，基于前述方案，上述轨迹获取模块，包括：目标轨迹获取单元。
其中，上述目标轨迹获取单元，被配置为：获取上述目标区域对应的车辆轨迹，得到每条车辆轨迹分别对应的定位数据集合；基于上述定位数据集合，计算每条车辆轨迹与上述第一路径的第一匹配度，以及每条车辆轨迹与上述第二路径的第二匹配度；筛选出上述第一匹配度和上述第二匹配度均大于第一预设值的车辆轨迹作为上述目标轨迹。
在本公开的一些实施例中，基于前述方案，上述目标轨迹获取单元，被具体配置为：获取上述第一路径对应的节点数据；根据上述车辆轨迹对应的定位数据集合和上述第一路径对应的节点数据，确定上述车辆轨迹与上述第一路径之间最小距离和夹角；根据上述最小距离和上述夹角确定上述车辆轨迹与上述第一路径之间的第一匹配度；
或者，上述目标轨迹获取单元，被具体配置为：获取上述第二路径对应的节点数据；根据上述车辆轨迹对应的定位数据集合和上述第二路径对应的节点数据，确定上述车辆轨迹与上述第二路径之间最小距离和夹角；根据上述最小距离和上述夹角确定上述车辆轨迹与上述第二路径之间的第二匹配度。
在本公开的一些实施例中，基于前述方案，上述轨迹获取模块，包括：中间轨迹获取单元。
其中，上述中间轨迹获取单元，被配置为：将上述目标轨迹的定位数据集合所对应的节点集合中与上述第一路径的终点之间的匹配度最大的节点，作为上述中间轨迹的起点，以及，将上述目标轨迹的定位数据集合所对应的节点集合中与上述第二路径的起点之间的匹配度最大的节点，作为上述中间轨迹的终点。
在本公开的一些实施例中，基于前述方案，上述匹配度计算模块，被配置为：获取上述预设路径对应的节点数据；根据上述中间轨迹对应的定位数据集合和上述节点数据，确定上述中间轨迹与上述预设路径之间最小距离和夹角；根据上述最小距离和上述夹角确定上述中间轨迹与上述预设路径之间的匹配度。
在本公开的一些实施例中，基于前述方案，上述违章识别模块，被具体配置为：在上述第一类轨迹的数目与上述第二类轨迹的数目的比值大于第三预设值的情况下，确定车辆在上述第一路径与上述第二路径处发生违章的概率较大，其中上述第三预设值大于1；在上述第一类轨迹的数目与上述第二类轨迹的数目的比值不大于第四预设值的情况下，确定车辆在上述第一路径与上述第二路径处发生违章的概率较小，其中上述第四预设值小于1。
在本公开的一些实施例中，基于前述方案，上述违章识别模块，包括：轨迹距离确定单元、筛选单元和违章信息确定单元。
其中，上述轨迹距离确定单元被配置为：计算每条上述第二类轨迹经由上述第一路径的起点至上述第二路径的终点之间对应的轨迹距离，并将每条上述第二类轨迹对应的轨迹距离按照数值大小进行排序，得到最小轨迹距离；上述筛选单元被配置为：在上述第二类轨迹中筛选出上述轨迹距离与上述最小轨迹距离之差不大于第五预设值的第三类轨迹；上述违章信息确定单元被配置为：根据上述第一类轨迹的数目、上述第三类轨迹的数目以及上述最小轨迹距离，识别车辆在上述第一路径和上述第二路径处的违章信息。
在本公开的一些实施例中，基于前述方案，上述违章识别模块还包括：停驻时长确定单元。
其中，上述停驻时长确定单元被配置为：计算每条上述第二类轨迹经由上述第一路径的起点至上述第二路径的终点之间对应的最大停驻时长，得到每条上述第二类轨迹对应的上述最大停驻时长；上述筛选单元还被配置为：在上述第二类轨迹中筛选出上述最大停驻时长不大于第六预设值的第四类轨迹；上述违章信息确定单元还被配置为：根据上述第一类轨迹的数目与上述第四类轨迹的数目，识别车辆在上述第一路径和上述第二路径处的违章信息。
在本公开的一些实施例中，基于前述方案，上述违章识别模块，被具体配置为：根据上述第一类轨迹的数目和上述第二类轨迹的数目确定轨迹连通率；以及，根据上述轨迹连通率识别车辆在上述第一路径和上述第二路径处的违章信息。
在本公开的一些实施例中，基于前述方案，上述装置还包括：路况信息确定模块。
其中，上述路况信息确定模块，被配置为：根据车辆在上述第一路径和上述第二路径处的违章信息，推测上述第一路径和上述第二路径是否存在设计不合理的情况。
在本公开的一些实施例中，基于前述方案，上述违章识别模块，被具体配置为：计算每条上述第二类轨迹经由上述第一路径的起点至上述第二路径的终点之间对应的轨迹距离，并将每条上述第二类轨迹对应的轨迹距离按照数值大小进行排序，得到最小轨迹距离；
计算每条上述第二类轨迹经由上述第一路径的起点至上述第二路径的终点之间对应的最大停驻时长，并根据得到的每条上述第二类轨迹对应的上述最大停驻时长计算最大停驻时长平均值；
根据上述最小轨迹距离和上述最大停驻时长平均值确定车辆经过上述第一路径和上述第二路径的成本；
根据上述成本识别车辆在上述第一路径和上述第二路径处的违章信息。
在本公开的一些实施例中，基于前述方案，上述装置还包括：策略生成模块。
其中，上述策略生成模块，被配置为：根据所述违章信息确定第一调整策略，根据关于所述第一路径和所述第二路径的推测信息确定第二调整策略。
根据本公开的一个方面，提供了一种计算机可读存储介质，其上存储有计算机程序，上述计算机程序被处理器执行时实现上述第一方面所述的车辆违章识别方法。
根据本公开的一个方面，提供一种电子设备，包括：一个或多个处理器；以及存储器，用于存储一个或多个程序；当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器实现上述第一方面所述的车辆违章识别方法。
根据本公开的一个方面，提供一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。电子设备的处理器从计算机可读存储介质中读取该计算机指令，处理器执行该计算机指令，使得该电子设备执行上述各个实施例中提供的车辆违章识别方法。
由上述技术方案可知，本公开示例性实施例中的车辆违章识别方法、车辆违章识别装置、计算机可读存储介质及电子设备至少具备以下优点和积极效果：
本公开的一些实施例所提供的技术方案，能够根据目标区域的历史轨迹数据识别车辆在该区域内相关路段处的违章信息。具体地，首先获取目标区域所对应的路径二元组，其中，路径二元组的道路特征为：包括第一路径和第二路径所组成的路径对，第一路径和第二路径位于上述目标区域内，且第一路径与第二路径之间不存在共同节点；然后，获取至少一个轨迹所对应的路径包含第一路径和第二路径的目标轨迹，并在目标轨迹中确定出经过第一路径和第二路径的过程中的中间轨迹。进一步地，根据中间轨迹与预设路径组中的至少一条路径之间匹配度对上述目标轨迹进行分类：具体将匹配度大于预设值的目标轨迹作为第一类轨迹，以及将匹配度不大于述预设值的目标轨迹作为第二类轨迹。最终根据上述两类轨迹的数目来识别车辆在第一路径与第二路径处的违章信息，进而可以确定车辆在上述目标区域内每个路径二元组对应路径的违章信息。
可见，本技术方案采用车辆在第一路径和第二路径处的历史轨迹数据以及道路特征数据来识别车辆在第一路径和第二路径处的违章信息，从而确定车辆在相关路段的违章行为发生概率的高低。本技术方案基于非图像的数据处理过程实现车辆违章识别，相较于相关技术中通过图像处理的方式识别车辆违章信息的方案，本方案消耗的计算资源量较小，有利于提升计算资源的利用率。同时本方案可以避免图像采集过程、图像处理过程均可能导致图像失真问题，有利于提高交通违章的识别准确度。
本公开应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示意性示出了可以应用本公开实施例的技术方案的示例性系统架构的示意图。
图2示意性示出了根据本公开一示例性实施例中车辆违章识别方法的流程示意图。
图3示意性示出了根据本公开一示例性实施例中路径与轨迹的示意图。
图4示意性示出本公开一示例性实施例中目标轨迹获取方法的流程示意图。
图5示意性示出本公开一示例性一实施例中匹配度计算方法的示意图。
图6示意性示出了根据本公开另一示例性实施例中车辆违章识别方法的流程示意图。
图7示意性示出了根据本公开再一示例性实施例中车辆违章识别方法的流程示意图。
图8示意性示出本公开一示例性实施例中车辆违章识别装置的结构示意图。
图9示意性示出本公开示例性实施例中电子设备的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
相关技术中，通过采集目标路段处的图像以及进一步地图像处理来分析识别出该路段处车辆的违章信息。示例性的，通过摄像装置等获取关于车辆行驶行为的图像，并进行以下图像处理：对图像背景进行动态更新以及滤波处理之后，通过背景差分处理确定运动目标，获得前景图像；对前景图像进行二值化处理，并基于对二值化处理后的图像判断在设定的检测区内是否有车辆；确定设定的检测区内有车辆的情况下，计算这里的质心位置以根据质心位置确定车辆是否违章。
然而，相较于非图像的数据处理过程，相关技术进行图像处理所消耗的计算资源量较大。同时，图像采集过程和图像处理过程均可能导致图像失真，从而导致识别准确度降低。
针对相关技术中存在的技术问题，本技术方案提供一种车辆违章识别方法、装置、介质及电子设备。首先，图1示出了可以应用本公开实施例的技术方案的示例性系统架构的示意图。
如图1所示，系统架构100可以包括终端110、网络120、服务器130。其中，终端110和服务器130通过网络120连接。
终端110可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表、车载设备等，但并不局限于此。网络120可以是能够在终端110和服务器130之间提供通信链路的各种连接类型的通信介质，例如可以是有线通信链路、无线通信链路或者光纤电缆等等，本申请在此不做限制。服务器130可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。其中，本方案中对服务器130和终端110的数量不限制。
具体地，一方面，可以通过终端110来获取用于反映路径特征的地图数据，并将获取到的地图数据发送至服务器130。则服务器130可以根据接收到的地图数据来确定两路径之间是否存在公共节点，进而确定目标区域内所包含的路径二元组，例如，目标区域内的第一路径和第二路径之间不存在共同节点，则可以将第一路径和第二路径所组成的路径对确定为目标路径二元组。
另一方面，还可以通过终端110来获取用于反映车辆140行驶轨迹的定位数据，并将获取到的定位数据发送至服务器130。示例性的，可以通过导航软件获取用户驾驶轨迹，具有数据量大且获取成本低的优点。本方案基于大量的历史车辆轨迹数据确定，具有较高的识别准确度。
其中，上述车辆140包括各种类型的机动车（如汽车、挂车、无轨电车、农用运输车、摩托车、机动三轮车等）和非机动车（如自行车、货运人力车、畜力车等）。进而，服务器130可以根据接收到的定位数据来获取轨迹所对应的路径包含上述第一路径和上述第二路径的至少一条目标轨迹，并在目标轨迹中确定出经过目标路径二元组中第一路径和第二路径的过程中的中间轨迹。
进一步地，服务器130根据上述中间轨迹与预设路径组中的预设路径之间匹配度对上述目标轨迹进行分类，得到匹配度大于预设值的第一类轨迹和匹配度不大于预设值的第二类轨迹。然后。通过服务器130根据第一类轨迹的数目与第二类轨迹的数目，识别车辆在路径二元组中第一路径与第二路径处的违章信息。示例性的违章行为包括违规掉头、违规转弯、逆行和经过禁行道路等。
接下来介绍本技术方案提供的车辆违章识别方法。本公开实施例中的车辆违章识别方法也可以应用于终端，本公开对此不做特殊限定。本公开实施例主要以车辆违章识别方法应用于服务器130来举例说明。
其中，图2示出本公开一示例性实施例中车辆违章识别方法的流程示意图。参考图2，该实施例提供的车辆违章识别方法，包括：
步骤S210，获取目标区域所对应的路径二元组，其中，所述路径二元组包括第一路径和第二路径所组成的路径对，所述第一路径和第二路径位于所述目标区域内，且所述第一路径与所述第二路径之间不存在共同节点；
步骤S220，获取至少一个目标轨迹，从所述目标轨迹中确定出经过所述第一路径和所述第二路径的过程中的中间轨迹，其中，所述目标轨迹所对应的目标路径包含所述第一路径和所述第二路径；
步骤S230，计算所述中间轨迹与预设路径组中的至少一条预设路径之间的匹配度；
步骤S240，将所述匹配度不大于预设值的目标轨迹确定为第一类轨迹，以及将所述匹配度大于所述预设值的目标轨迹确定为第二类轨迹；以及，
步骤S250，根据所述第一类轨迹的数目与所述第二类轨迹的数目，识别车辆在所述第一路径和所述第二路径处的违章信息。
图2所示实施例所提供的技术方案，本技术方案采用车辆在第一路径和第二路径处的历史轨迹数据以及道路特征数据来识别车辆在第一路径和第二路径处的车辆违章信息，从而确定车辆在相关路段违章行为发生概率的高低。本技术方案基于非图像的数据处理过程实现车辆违章识别，相较于相关技术中通过图像处理的方式识别车辆违章信息的方案，本方案消耗的计算资源量较小，有利于提升计算资源的利用率。同时本方案可以避免图像采集过程、图像处理过程均可能导致图像失真问题，有利于提高交通违章的识别准确度。
以下实施例对图2所示实施例的各个步骤的具体实施方式进行详细阐述：
在示例性的实施例中，上述“目标区域”可以是指待识别路况的任何一块区域，通过本方案能够确定该区域内的交通违章高发地带。例如，若需考察S市XXX区内路况情况，并需要确定该区内的交通违章高发地带，则可以将包含多条道路的S市XXX区作为上述“目标区域”。进一步地，通过以下实施例，可以识别上述“目标区域”内任意一个“路径二元组”处的路况信息，进而可以推断该区域内的道路交通情况，如确定交通违章高发地带。
在示例性的实施例中，图3示意性示出了根据本公开一示例性实施例中路径与轨迹的示意图。参考图3，示例性的，该图所示出的区域可以作为上述“目标区域”。其中包括预设置路径组中的预设路径包括：路径A、路径B、路径C、路径D、路径E、路径F和路径G。其中，预设路径组可以表示现实中当前处于正常运营状态的路径。同时，图3还示出了车辆轨迹M和车辆轨迹N。具体的，车辆轨迹M与预设置路径组中任一条预设路径（如，路径A、路径B、路径C、路径D以及路径E）相匹配（轨迹与路径的匹配相关的实施例将在下文中介绍），则轨迹M所对应的路径包括路径A、路径B、路径C、路径D以及路径E，也可以表示产生轨迹M的车辆行驶路线包含的路径依次为路径A、路径B、路径C、路径D以及路径E，这种情况下表明车辆轨迹M所对应的路径具有连通性。车辆轨迹N与预设路径组中的预设路径A、路径E相匹配。需要说明的是，轨迹N中包含一段轨迹并与预设置路径组中的预设路径不相匹配，这种情况下表明车辆轨迹N中的路径不具有连通性。
需要说明的是，图3示出的路径可以是地图所示的路径，每条路径由有序定位点（如，全球定位系统GPS点）数据排列形成并可以体现在地图中。其中，这些定位数据点可记作节点，且相连通的两路径在相交处有公共节点。进而，在步骤S210中，可以确定目标区域内不包含公共节点的路径对，进而来确定目标区域内所包含的路径二元组。
示例性的，参考图3，路径G与路径C之间存在公共节点a，则路径G与路径C不可作为上述“路径二元组”；路径F与路径C之间存在公共节点b，则路径F与路径C不可作为上述“路径二元组”；路径D与路径C之间存在公共节点a，则路径D与路径C不可作为上述“路径二元组”；路径B与路径C之间存在公共节点b，则路径B与路径C不可作为上述“路径二元组”。
又示例性的，参考图3，路径G与路径E之间不存在公共节点，则路径G与路径E可作为上述“路径二元组”；路径F与路径A之间不存在公共节点，则路径F与路径A可作为上述“路径二元组”；路径D与路径B之间不存在公共节点，则路径D与路径B可作为上述“路径二元组”；路径A与路径E之间不存在公共节点，则路径A与路径E可作为上述“路径二元组”。
需要说明的是，确定上述“路径二元组”不限于上述方式，还可以是本领域内可实现的其他方式，在此不作限定。
在示例性的实施例中，在确定目标区域内所包含的路径二元组之后，对于任一路径二元组（记作“目标路径二元组”），且该目标路径二元组为第一路径和第二路径所组成的路径对。执行步骤S220：获取轨迹所对应的路径包含目标路径二元组中的第一路径和第二路径的至少一条轨迹（记作“目标轨迹”）。也就是在车辆实际的行驶过程中经过该路径二元组中的两条路径的情况下形成的轨迹。
示例性的，图4示意性示出本公开一示例性实施例中目标轨迹获取方法的流程示意图。该实施例提供的目标轨迹获取方法，包括步骤S410-步骤S430。
在步骤S410中，获取所述目标区域对应的车辆轨迹，得到每条车辆轨迹分别对应的定位数据集合。
在示例性的实施例中，通过车辆的GPS数据确定车辆的轨迹，由于一条车辆轨迹为一组有序的GPS数据。因此此处记作“定位数据集合”。本实施例中，可以获取近一周内产生在上述目标区域内车辆轨迹。
本技术方案中，基于车辆轨迹数据以及路径的地图数据来识别路况，相较于相关技术中通过获取图像并处理图像的方式识别路况，本技术方案的路况识别成本较低。
在步骤S420中，基于所述定位数据集合，计算每条车辆轨迹与所述第一路径的第一匹配度，以及每条车辆轨迹与所述第二路径的第二匹配度。
在示例性的实施例中，以上述第一匹配度的确定为例进行介绍：
参考图5，其中包括上述第一路径L1和上述第二路径L2以及车辆轨迹X。
示例性的计算车辆轨迹X与路径L1之间的匹配度过程如下：首先获取上述第一路径对应的节点数据。如，第一路径对应的一系列有序的GPS数据。则本实施例中获取路径L1对应的一系列有序的GPS数据。然后，根据车辆轨迹X对应的定位数据集合和第一路径L1对应的节点数据，确定该车辆轨迹X与第一路径L1之间最小距离d’和夹角α。进一步地，根据上述最小距离d’和上述夹角α确定车辆轨迹X与第一路径L1之间的匹配度。
示例性的，可以通过加权计算的方式计算匹配度f：
f= w1*d’+w2*cos(α)
其中，轨迹与路径之间的匹配度值反映轨迹与路径之间的重合度，匹配度越大说明车辆轨迹与该路径重合度越大，也就是说，车辆在当前路径上行驶的可能性越大。w1和w2分别为归一化权重，也是根据实际需求而设定的数值在此不作限定。
示例性的，可以得到车辆轨迹X与第一路径L1之间的匹配度f1：f1= w1*p+w2*cos(α)。
同理，获取第二路径L2对应的节点数据，根据车辆轨迹X对应的定位数据集合和第二路径L2对应的节点数据，确定车辆轨迹X与第二路径L2之间最小距离q和夹角β，进一步地，根据最小距离q和夹角β确定车辆轨迹X与第二路径之间L2的第二匹配度f2：f2= w1*q+w2*cos(β)。
在步骤S430中，筛选出所述第一匹配度和所述第二匹配度均大于第一预设值的车辆轨迹作为所述目标轨迹。
进一步地，在上述目标区域内的所有车辆轨迹中，筛选出上述第一匹配度和上述第二匹配度均大于第一预设值的轨迹作为“目标轨迹”。也就是说，目标轨迹为与目标路径二元组中两条路径的重合度均比较大。其中，上述第一预设值为根据实际需求而设定的数值在此不作限定。
示例性的，参考图3，对于由路径A和路径E组成的目标路径二元组，车辆轨迹M与路径A之间的第一匹配度以及与路径E之间的第二匹配度均大于上述第一预设值，车辆轨迹N与路径A之间的第一匹配度以及与路径E之间的第二匹配度也均大于上述第一预设值，则可以根据上述匹配度计算的方式筛选出车辆轨迹M和车辆轨迹N作为目标轨迹。本实施例示例性地示出上述两条目标轨迹，实际情况中目标轨迹的数量不限于此。
继续参考图2，在获取包含目标路径二元组中的路径的至少一条目标轨迹之后，还执行步骤S220中，在所述目标轨迹中确定出经过所述第一路径和所述第二路径的过程中的中间轨迹。
在示例性的实施例中，参考图3，在目标路径二元组包括路径A和路径E的情况下，“目标轨迹中经过路径A和路径E的过程中的‘中间轨迹’”是指车辆轨迹M在经过路径A与路径E之间的轨迹部分。参考该图3，可以看出车辆轨迹M在经过路径A与路径E之间的“中间轨迹”为经过路径B、路径C和路径D的轨迹。同理，对于车辆轨迹N，在经过所述路径A与路径E的过程中，处于节点d至节点c之间的轨迹。
示例性的，参考图6的步骤S610-步骤S630，示出了确定中间轨迹以及中间轨迹对应的定位数据集合的实施例。
在步骤S610中，在所述目标轨迹的方向为由第一路经至第二路径的情况下，获取每条目标轨迹分别对应的定位数据集合。在步骤S620中，将所述目标轨迹的定位数据集合所对应的节点集合中与所述第一路径的终点之间的匹配度最大的节点，作为所述中间轨迹的起点，以及将所述目标轨迹的定位数据集合所对应的节点集合中与所述第二路径的起点之间的匹配度最大的节点，作为所述中间轨迹的终点。以及，在步骤S630中，在所述定位数据集合中获取所述第一节点与所述第二节点之间的定位数据，得到所述中间轨迹对应的定位数据集合。
示例性的，参考图3，目标路径二元组包括路径A（第一路径）和路径E（第二路径），且目标轨迹（如图示出的车辆轨迹M和车辆轨迹N）的方向为由路径A（第一路径）至路径E（第二路径），先获取每条目标轨迹分别对应的定位数据集合。然后，在对于车辆轨迹M对应的定位数据集合（同一定位数据集合）中确定与路径A的节点d（第一路径的终点）之间的匹配度最大的第一节点，得到车辆轨迹M的中间轨迹的起点。在对于车辆轨迹M对应的定位数据集合（同一定位数据集合）中确定与路径E的节点c（第二路径的起点）之间的匹配度最大的第二节点，得到车辆轨迹M的中间轨迹的终点。从而得到车辆轨迹M的中间轨迹对应的定位数据集合。同理，还可以确定车辆轨迹N的中间轨迹对应的定位数据集合。
进一步地，执行步骤S230：计算上述中间轨迹与预设路径组中的至少一条预设路径之间匹配度。以及步骤S240，将上述目标轨迹进行分类。
示例性的，继续参考图6，在步骤S640中，计算所述中间轨迹与所述预设路径组中的至少一条预设路径之间的第三匹配度。
本实施例中，通过计算中间轨迹与预设路径组中的匹配度（记作“第三匹配度”）来衡量车辆在经过上述目标路径二元组中路径的过程中是否按照预设路径行驶。例如，车辆在经过上述目标路径二元组中的第一路径和第二路径的过程中是否出现“抄近路”而行驶在非预设路径上的情况。进一步地，若上述第三匹配度大于预设值说明按照预设路径组中的路径行驶，车辆轨迹具备连通性（如图3中的车辆轨迹M）；反之，若上述第三匹配度不大于预设值说明没有按照预设路径行驶，车辆轨迹不具备连通性（如图3中的车辆轨迹N，在经过路径二元组（路径A，路径E）的过程中，轨迹经过的路径不连通）。
示例性的，中间轨迹与预设路径组中路径之间的匹配度（记作“第三匹配度”）的计算方法包括：获取预设路径对应的节点数据，根据中间轨迹对应的定位数据集合和预设路径对应的节点数据，确定中间轨迹与预设路径之间最小距离和夹角，以及，根据上述最小距离和上述夹角确定中间轨迹与预设路径之间的上述第三匹配度。
关于上述步骤的具体实施方式可以参考步骤S420的具体实施方式，在此不再赘述。
在步骤S650中，将所述第三匹配度不大于第二预设值的目标轨迹确定为第一类轨迹，以及将所述第三匹配度大于所述第二预设值的目标轨迹确定为第二类轨迹。
本实施例中，根据上述第三匹配度大于上述目标区域内的所有目标轨迹进行分类，具体的，将上述第三匹配度不大于第二预设值的轨迹记作“第一类轨迹”，即第一类轨迹中路径不具备连通性。将上述第三匹配度不大于第二预设值的轨迹记作“第二类轨迹”，即第二类轨迹中路径具备连通性。
因此，“第二类轨迹”与预设路径组中路径的重合度均比较大，如图3中车辆轨迹M的中间轨迹与路径B、路径C和路径D的重合度较大，可以认为车辆按照预设路径组中的路径B、路径C和路径D进行行驶，车辆轨迹中路径具有连通性。“第一类轨迹”与预设路径组中路径的重合度均比较小，如图3中车辆轨迹N的中间轨迹与预设路径组中的各路径的重合度较小，可以认为车辆未按照预设路径行驶，车辆轨迹中路径不具有连通性。其中，上述第二预设值为根据实际需求而设定的数值在此不作限定。
从而，本技术方案可以根据车辆轨迹所包含的路径的连通性来统计任一路径二元组处，车辆是否按照预设路径组中的预设路径行驶。
以下实施例中将介绍步骤S250中根据第一类轨迹的数目与第二类轨迹的数目，识别车辆在所述第一路径和所述第二路径处的违章信息的具体实施方式。
在示例性的实施例中，参考图6中的步骤S661和步骤S662，示出步骤S250的第一种具体实施方式：
在步骤S661中，在所述第一类轨迹的数目与所述第二类轨迹的数目的比值大于第三预设值的情况下，确定车辆在所述第一路径与所述第二路径处发生违章的概率较大，其中所述第三预设值大于1。以及，在步骤S662中，在所述第一类轨迹的数目与所述第二类轨迹的数目的比值不大于第四预设值的情况下，确定车辆在所述第一路径与所述第二路径处发生违章的概率较小，其中所述第四预设值小于1。
也就是说，本实施例提供的方案仅根据第一类轨迹的数目n_1与第二类轨迹的数目n_2的比值便可以快捷地识别车辆在第一路径与第二路径处的违章信息。当n_1远大于n_2时，说明车辆轨迹中路径连通性较差的概率较高，即历史上出现较多数量的车辆没有按照预设路径组中的路径行驶，从而识别车辆在第一路径与第二路径处有较大的可能性会发生违章（例如，发生违章的概率大于50%）。反之，当n_1远小于n_2时，说明车辆轨迹中路径连通性较好的概率较高，即历史上大部分车辆能够按照预设路径组中的路径行驶，从而识别车辆在第一路径与第二路径处有较小的可能性会发生违章（例如，发生违章的概率小于50%）。本方案基于大量历史轨迹数据确定，能够获取较高的识别准确度。
在示例性的实施例中，本方案还可以根据车辆在第一路径和第二路径处的违章信息推测第一路径和第二路径是否存在设计不合理的情况。
鉴于违规驾驶是驾驶者尽力避免出现的事情，则若出现较多数量的车辆没有按照预设路径组中的预设路径行驶，可以推断该路径二元组处的路径设计存在不合理的情况。反之，若大部分车辆能够按照预设路径组中的预设路径行驶，可以推断该路径二元组处的路径设计较为合理。
其中，本技术方案中，“路径存在设计不合理的情况”是指路径设计不能满足普通驾驶者的驾驶需要，如出现迂回之路/存在不必要的绕路或存在小于90度的转弯角度等路况。反之，上述“路径设计合理”是指路径设计满足普通驾驶者的驾驶需要，如不出现迂回之路/不存在不必要的绕路或不存在小于90度的转弯角度等路况。
示例性的，在步骤S661中识别车辆在第一路径与第二路径处有较大的可能性会发生违章的情况下，进一步地可以推测出该目标路径二元组中第一路径和第二路径不存在设计不合理的情况。在步骤S662中识别车辆在第一路径与第二路径处有较小的可能性会发生违章的情况下，进一步地可以推测出该目标路径二元组中第一路径和第二路径的设计是合理的。
其中，步骤S661和步骤S662示出的关于步骤S250的第一种具体实施方式，提供了一种简单易行的识别车辆在目标路径二元组中第一路径和第二路径处发生违章可能性的方案。以下提供的实施例中，为了进一步提升违章概率的识别准确度，将对经过目标路径二元组的轨迹中具备连通性的“第二类轨迹”进行筛选，并依据筛选后的轨迹数目确定车辆违章可能性以及进一步地进行路径设计合理性的识别。
在示例性的实施例中，参考图6中的步骤S671-步骤S673，示出步骤S250的第二种具体实施方式：
在步骤S671中，计算每条所述第二类轨迹经由所述第一路径的起点至所述第二路径的终点之间对应的轨迹距离，并将每条所述第二类轨迹对应的轨迹距离按照数值大小进行排序，得到最小轨迹距离。
在示例性的实施例中，示例性的，参考图3，在目标路径二元组包括路径A（第一路径）和路径E（第二路径）、目标轨迹（如图示出的车辆轨迹M和车辆轨迹N）的方向为由路径A（第一路径）至路径E（第二路径）的情况下，假如车辆轨迹M为第二类轨迹，则先计算车辆轨迹M在路径A的节点f（第一路径的起点）至路径E的节点e（第二路径的终点）之间对应的轨迹距离。
示例性的，轨迹距离可以通过起点和终点之间车辆所行驶的路径长度确定。参考图3，上述车辆轨迹M在路径A的节点f至路径E的节点e的轨迹距离为：路径A的长度+路径B的长度+路径C的长度+路径D的长度+路径E的长度。
同前所述，计算所有经过上述目标路径二元组的目标轨迹中第二类轨迹对应的上述轨迹距离，并将每条所述第二类轨迹对应的轨迹距离按照数值大小进行排序，并获取最小轨迹距离。假如，经过由路径A和路径E组成的目标路径二元组的第二类轨迹中，图3中车辆轨迹M轨迹距离最小，则得到由路径A和路径E组成的目标路径二元组对应的最小轨迹距离为：路径A的长度+路径B的长度+路径C的长度+路径D的长度+路径E的长度。
进一步地，在步骤S672中，在所述第二类轨迹中筛选出所述轨迹距离与所述最小轨迹距离之差不大于第五预设值的第三类轨迹。其中，上述第五预设值是根据实际需要设置的正数，在此不作限定。示例性的，第五预设值取值为2000米，d_user_i表示第i个第二类轨迹对应的上述轨迹距离，d表示上述最小轨迹距离，则将d_user_i - d< 2000米的第二类轨迹确定为上述第三类轨迹。
由于经过目标路径二元组时绕路距离过远的情况通常不是以退出该目标路径二元组的道路为行驶目标方向的，因此，本方案中根据车辆经过上述目标路径二元组所对应的上述轨迹距离对上述第二类轨迹进行筛选，得到上述第三类轨迹。
在步骤S673中，根据所述第一类轨迹的数目、所述第三类轨迹的数目以及最小轨迹距离，识别车辆在所述第一路径和所述第二路径处的违章信息。
在示例性的实施例中，可以根据以下公式确定车辆的轨迹连通率p1：
p1 = min[1，（1 – n_1/(n_1 + n_31)） * （d/3000）]
其中，n_1表示第一类轨迹的数目，n_31表示第三类轨迹的数目，d表示上述最小轨迹距离。由于上述第一类轨迹的数目n_1、第三类轨迹的数目n_31（以及后续第四类轨迹的数目n_32、第五类轨迹的数目n_33）均为已经发生的历史数据，因此本方案为根据已有的历史轨迹数据计算上述轨迹连通率，进而识别车辆在所述第一路径和所述第二路径处的违章信息。示例性的，可以通过将（1-p1）作为违章概率值提供给相关车辆。
本实施例中，还可以进一步地根据车辆在所述第一路径和所述第二路径处的违章信息推测所述第一路径和所述第二路径是否存在设计不合理的情况。
具体的，当上述上述轨迹连通率p1大于预设值的时候，说明车辆轨迹中路径连通性较好的概率较高，即历史上大部分车辆能够按照预设路径组中的路径行驶，从而识别车辆在第一路径与第二路径处有较大的可能性会发生违章（例如，发生违章的概率大于50%）。示例性的，进一步地可以推测出目标路径二元组中第一路径和第二路径存在设计不合理的情况。反之，当上述轨迹连通率p1不大于预设值的时候，说明车辆轨迹中路径连通性较差的概率较高，即历史上出现较多数量的车辆没有按照预设路径组中的路径行驶，从而识别车辆在第一路径与第二路径处有较小的可能性会发生违章（例如，发生违章的概率小于50%）。示例性的，进一步地可以推测出目标路径二元组中第一路径和第二路径的设计是合理的。
在示例性的实施例中，参考图6中的步骤S681-步骤S683，示出步骤S250的第三种具体实施方式：
在步骤S681中，计算每条所述第二类轨迹经由所述第一路径的起点至所述第二路径的终点之间对应的最大停驻时长，得到每条所述第二类轨迹对应的所述最大停驻时长。
在示例性的实施例中，示例性的，参考图3，在目标路径二元组包括路径A（第一路径）和路径E（第二路径）、目标轨迹（如图示出的车辆轨迹M和车辆轨迹N）的方向为由路径A（第一路径）至路径E（第二路径）的情况下，假如车辆轨迹M为第二类轨迹，则先计算车辆轨迹M在路径A的节点f（第一路径的起点）至路径E的节点e（第二路径的终点）之间对应的最大停驻时长。
示例性的，最大停驻时长是指：轨迹停留在某点范围10米（示例性的）内的时间，可以通过车辆上报的GPS点中位置没有变化的最长时间段来确定。
同前所述，计算所有经过上述目标路径二元组的目标轨迹中每个第二类轨迹分别对应的最大停驻时长，第i个第二类轨迹对应的最大停驻时长可以表示为t_i。
在步骤S682中，在所述第二类轨迹中筛选出最大停驻时长不大于第六预设值的第四类轨迹。
其中，上述第六预设值是根据实际需要设置的正数，在此不作限定。示例性的，第六预设值取值为600秒，则将t_i < 600秒的第二类轨迹确定为上述第四类轨迹。
由于经过目标路径二元组时停驻时长过长的情况通常不是以退出该目标路径二元组的道路为行驶目标方向的，需将这车辆轨迹进行筛除，以提升车辆违章概率的识别准确度。因此，本方案中根据车辆经过上述目标路径二元组所对应的上述最长停驻时长对上述第二类轨迹进行筛选，得到上述第四类轨迹。
在步骤S683中，根据所述第二类轨迹的数目与所述第四类轨迹的数目，识别车辆在所述第一路径和所述第二路径处的违章信息。
在示例性的实施例中，可以根据以下公式确定车辆的轨迹连通率p2：
p2 = min[1，（1 – n_1/(n_1 + n_32)）]
其中，n_1表示第一类轨迹的数目，n_32表示第四类轨迹的数目。
具体的，当上述轨迹连通率p2大于预设值的时候，说明车辆轨迹中路径连通性较好的概率较高，即历史上大部分车辆能够按照预设路径组中的路径行驶，从而识别车辆在第一路径与第二路径处有较大的可能性会发生违章（例如，发生违章的概率大于50%）。示例性的，可以通过将（1-p2）作为违章概率值提供给相关车辆。
示例性的，进一步地可以推测出目标路径二元组的第一路径和第二路径存在设计不合理的情况。反之，当上述上述轨迹连通率p2不大于预设值的时候，说明车辆轨迹中路径连通性较差的概率较高，即历史上出现较多数量的车辆没有按照预设路径组中的路径行驶，从而识别车辆在第一路径与第二路径处有较小的可能性会发生违章（例如，发生违章的概率小于50%）。示例性的，进一步地可以推测出目标路径二元组的第一路径和第二路径的设计是合理的。
在示例性的实施例中，参考图6中的步骤S671、步骤S681以及步骤S691-步骤S692，示出步骤S250的第四种具体实施方式：
其中，同前所述，通过步骤S671能够在满足道路连通性的所有第二类轨迹中，获取经由上述目标路径二元组所需的最小轨迹距离d。通过步骤S681能够在满足道路连通性的每条第二类轨迹中，获取经由上述目标路径二元组每条第二类轨迹分别产生的最大停驻时长t_i。
进而，在步骤S691中，在所述第二类轨迹中筛选出所述轨迹距离与所述最小轨迹距离之差不大于第七预设值、且停驻时长不大于第八预设值的第五类轨迹。
其中，上述第七预设值和第八预设值均是根据实际需要设置的正数，在此不作限定。示例性的，第七预设值取值为2000米，d_user_i表示第i个第二类轨迹对应的上述轨迹距离，第八预设值取值为600秒，则将d_user_i - d < 2000米且t_i < 600秒的第二类轨迹确定为上述第五类轨迹。
由于经过目标路径二元组时绕路距离过远且停驻时长过长的情况通常不是以退出该目标路径二元组的道路为行驶目标方向的，因此，本方案中根据车辆经过上述目标路径二元组所对应的上述轨迹距离以及最大停驻时长对上述第二类轨迹进行筛选，得到上述第五类轨迹。
在步骤S692中，根据所述第二类轨迹的数目、所述第五类轨迹的数目以及最小轨迹距离，识别车辆在所述第一路径和所述第二路径处的违章信息。
在示例性的实施例中，可以根据以下公式确定车辆的轨迹连通率p3：
p3 = min[1，（1 – n_1/(n_1 + n_33)） * （d/3000）]
其中，n_1表示第一类轨迹的数目，n_33表示第五类轨迹的数目，d表示上述最小轨迹距离。
具体的，当上述轨迹连通率p3大于预设值的时候，说明车辆轨迹中路径连通性较好的概率较高，即历史上大部分车辆能够按照预设路径组中的路径行驶，从而识别车辆在第一路径与第二路径处有较大的可能性会发生违章（例如，发生违章的概率大于50%）。示例性的，可以通过将（1-p3）作为违章概率值提供给相关车辆。
示例性的，进一步地可以推测出目标路径二元组中第一路径和第二路径存在设计不合理的情况。反之，当上述轨迹连通率p3不大于预设值的时候，说明车辆轨迹中路径连通性较差的概率较高，即历史上出现较多数量的车辆没有按照预设路径组中的路径行驶，从而识别车辆在第一路径与第二路径处有较小的可能性会发生违章（例如，发生违章的概率小于50%）。示例性的，进一步地可以推测出目标路径二元组中第一路径和第二路径的设计是合理的。
在识别车辆在第一路径和第二路径处的违章信息的另一种实施例中，鉴于车辆所经过的路径二元组对应的最小轨迹距离越大，可以说明车辆要经过该路径二元组的距离成本越大；同时，车辆经过路径二元组的最大停驻时长越大，也可以说明车辆要经过该路径二元组的时间成本越大。示例性的，参考图7示出的方法，其中步骤S210-步骤S240、步骤S671以及步骤S681的具体实施方式不再赘述。
图7还包括，步骤S710：根据得到的每条所述第二类轨迹对应的所述最大停驻时长计算最大停驻时长平均值，并根据所述最小轨迹距离和所述最大停驻时长平均值确定车辆经过所述第一路径和所述第二路径的成本。以及，步骤S720：根据所述成本识别车辆在所述第一路径和所述第二路径处的违章信息。
具体地，可以通过加权计算的方式的方式计算成本Q：
Q=w3*d+w4*t
其中，w3和w4分别为归一化权重，也是根据实际需求而设定的数值在此不作限定。具体地，当在计算成本Q时仅考虑车辆所经过的目标路径二元组对应的最小轨迹距离时，则w4取值为零；另外，当在计算成本Q时仅考虑车辆经过目标路径二元组的过程中的最大停驻时长时，则w3取值为零。
鉴于车辆经过目标路径二元组的成本Q可以在一定程度上反映当前车辆经过目标路径二元组的消耗，则可以根据上述成本Q识别车辆在第一路径与第二路径处的违章概率。具体的，上述成本Q越大，说明车辆若合规经过目标路径二元组的所需的代价较大，则车辆在该路径二元组处的违章概率越大；反之，上述成本Q越小，说明车辆若合规经过目标路径二元组的所需的代价较小，则车辆在该路径二元组处的违章概率越小。
在图7所示实施例中，还可以进一步地执行步骤S730：根据车辆在所述第一路径和所述第二路径处的违章信息推测所述第一路径和所述第二路径是否存在设计不合理的情况。具体的，在车辆在第一路径与第二路径处有较大的可能性会发生违章的情况下，可以推测出目标路径二元组中第一路径和第二路径存在设计不合理的情况。在车辆在第一路径与第二路径处有较小的可能性会发生违章的情况下，可以推测出目标路径二元组中第一路径和第二路径的设计是合理的。
示例性的，在步骤S740中“根据所述违章信息确定第一调整策略”的一种具体实施方式可以是：根据该实施例中确定车辆未来违规概率，能够有效调度交警在车辆违规概率较大的路径二元组处进行执勤，以保证相关路径二元组处的车辆行驶安全。
在步骤S740中“根据所述违章信息确定第一调整策略”的另一种具体实施方式可以是：在确定车辆违章概率较大（如违章概率大于第九预设值）时，对相关车辆进行及时警告（如提醒司机前方为事故多发地段等导航信息等），还可以及时对相关路段进行调整。
通过上述实施例，能够有效识别上述第一路径和第二路径（即，目标路径二元组处）是否存在设计不合理的情况。示例性的，在步骤S740中“根据关于所述第一路径和所述第二路径的推测信息确定第二调整策略”的一种具体实施方式可以是：当确定目标路径二元组处存在设计不合理的情况时，可以及时对路径进行调整。例如，调整第一路径或第二路径的路线方向等，还可以在对路径进行调整之前向需经过该路径二元组的车辆发出相关警告，以减少将来要通过相关路段的车辆违章概率。
本技术方案基于非图像的数据处理过程实现车辆违章识别，相较于相关技术中通过图像处理的方式识别车辆违章信息的方案，本方案消耗的计算资源量较小，有利于提升计算资源的利用率。同时本方案可以避免图像采集过程、图像处理过程均可能导致图像失真问题，有利于提高交通违章的识别准确度。另外，相较于相关技术，本技术方案无需布置摄像装置便可以实现车辆违章识别，从而还具有便捷程度高、成本较低的优点。
本领域技术人员可以理解实现上述实施方式的全部或部分步骤被实现为由处理器，（包括GPU/CPU）执行的计算机程序。在该计算机程序被GPU/CPU执行时，执行本公开提供的上述方法所限定的上述功能。所述的程序可以存储于一种计算机可读存储介质中，该存储介质可以是只读存储器，磁盘或光盘等。
此外，需要注意的是，上述附图仅是根据本公开示例性实施方式的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
以下通过图8介绍本公开的车辆违章识别装置实施例，可以用于执行本公开上述的车辆违章识别方法。
图8示出本公开示例性实施例中车辆违章识别装置的结构示意图。如图8所示，上述车辆违章识别装置800包括：二元组获取模块801、轨迹获取模块802、匹配度计算模块803、轨迹分类模块804以及违章识别模块805。
其中，二元组获取模块801，被配置为：获取目标区域所对应的路径二元组，其中，上述路径二元组包括第一路径和第二路径所组成的路径对，上述第一路径和第二路径位于上述目标区域内，且上述第一路径与上述第二路径之间不存在共同节点；轨迹获取模块802，被配置为：获取至少一个目标轨迹，从上述目标轨迹中确定出经过上述第一路径和上述第二路径的过程中的中间轨迹，其中，上述目标轨迹所对应的目标路径包含上述第一路径和上述第二路径；匹配度计算模块803，被配置为：计算上述中间轨迹与预设路径组中的至少一条预设路径之间的匹配度；轨迹分类模块804，被配置为：将上述匹配度不大于预设值的目标轨迹确定为第一类轨迹，以及将上述匹配度大于上述预设值的目标轨迹确定为第二类轨迹；违章识别模块805，被配置为：根据上述第一类轨迹的数目与上述第二类轨迹的数目，识别车辆在上述第一路径和上述第二路径处的违章信息。
在本公开的一些实施例中，基于前述方案，上述轨迹获取模块802，包括：目标轨迹获取单元8021。
其中，上述目标轨迹获取单元8021，被配置为：获取上述目标区域对应的车辆轨迹，得到每条车辆轨迹分别对应的定位数据集合；基于上述定位数据集合，计算每条车辆轨迹与上述第一路径的第一匹配度，以及每条车辆轨迹与上述第二路径的第二匹配度；筛选出上述第一匹配度和上述第二匹配度均大于第一预设值的车辆轨迹作为上述目标轨迹。
在本公开的一些实施例中，基于前述方案，上述目标轨迹获取单元8021，被具体配置为：获取上述第一路径对应的节点数据；根据上述车辆轨迹对应的定位数据集合和上述第一路径对应的节点数据，确定上述车辆轨迹与上述第一路径之间最小距离和夹角；根据上述最小距离和上述夹角确定上述车辆轨迹与上述第一路径之间的第一匹配度；
或者，上述目标轨迹获取单元8021，被具体配置为：获取上述第二路径对应的节点数据；根据上述车辆轨迹对应的定位数据集合和上述第二路径对应的节点数据，确定上述车辆轨迹与上述第二路径之间最小距离和夹角；根据上述最小距离和上述夹角确定上述车辆轨迹与上述第二路径之间的第二匹配度。
在本公开的一些实施例中，基于前述方案，上述轨迹获取模块802，包括：中间轨迹获取单元8022。
其中，上述中间轨迹获取单元8022，被配置为：将上述目标轨迹的定位数据集合所对应的节点集合中与上述第一路径的终点之间的匹配度最大的节点，作为上述中间轨迹的起点，以及，将上述目标轨迹的定位数据集合所对应的节点集合中与上述第二路径的起点之间的匹配度最大的节点，作为上述中间轨迹的终点。
在本公开的一些实施例中，基于前述方案，上述匹配度计算模块803，被配置为：获取上述预设路径对应的节点数据；根据上述中间轨迹对应的定位数据集合和上述节点数据，确定上述中间轨迹与上述预设路径之间最小距离和夹角；根据上述最小距离和上述夹角确定上述中间轨迹与上述预设路径之间的匹配度。
在本公开的一些实施例中，基于前述方案，上述违章识别模块805，被具体配置为：在上述第一类轨迹的数目与上述第二类轨迹的数目的比值大于第三预设值的情况下，确定车辆在上述第一路径与上述第二路径处发生违章的概率较大，其中上述第三预设值大于1；在上述第一类轨迹的数目与上述第二类轨迹的数目的比值不大于第四预设值的情况下，确定车辆在上述第一路径与上述第二路径处发生违章的概率较小，其中上述第四预设值小于1。
在本公开的一些实施例中，基于前述方案，上述违章识别模块805，包括：轨迹距离确定单元8051、筛选单元8052和违章信息确定单元8053。
其中，上述轨迹距离确定单元8051被配置为：计算每条上述第二类轨迹经由上述第一路径的起点至上述第二路径的终点之间对应的轨迹距离，并将每条上述第二类轨迹对应的轨迹距离按照数值大小进行排序，得到最小轨迹距离；上述筛选单元8052被配置为：在上述第二类轨迹中筛选出上述轨迹距离与上述最小轨迹距离之差不大于第五预设值的第三类轨迹；上述违章信息确定单元8053被配置为：根据上述第一类轨迹的数目、上述第三类轨迹的数目以及上述最小轨迹距离，识别车辆在上述第一路径和上述第二路径处的违章信息。
在本公开的一些实施例中，基于前述方案，上述违章识别模块805还包括：停驻时长确定单元8054。
其中，上述停驻时长确定单元8054被配置为：计算每条上述第二类轨迹经由上述第一路径的起点至上述第二路径的终点之间对应的最大停驻时长，得到每条上述第二类轨迹对应的上述最大停驻时长；上述筛选单元8052还被配置为：在上述第二类轨迹中筛选出上述最大停驻时长不大于第六预设值的第四类轨迹；上述违章信息确定单元8053还被配置为：根据上述第一类轨迹的数目与上述第四类轨迹的数目，识别车辆在上述第一路径和上述第二路径处的违章信息。
在本公开的一些实施例中，基于前述方案，上述违章识别模块805，被具体配置为：根据上述第一类轨迹的数目和上述第二类轨迹的数目确定轨迹连通率；以及，根据上述轨迹连通率识别车辆在上述第一路径和上述第二路径处的违章信息。
在本公开的一些实施例中，基于前述方案，上述装置还包括：路况信息确定模块806。
其中，上述路况信息确定模块806，被配置为：根据车辆在上述第一路径和上述第二路径处的违章信息，推测上述第一路径和上述第二路径是否存在设计不合理的情况。
在本公开的一些实施例中，基于前述方案，上述违章识别模块805，还包括：成本计算单元8055。
其中，在上述轨迹距离确定单元8051执行：计算每条上述第二类轨迹经由上述第一路径的起点至上述第二路径的终点之间对应的轨迹距离，并将每条上述第二类轨迹对应的轨迹距离按照数值大小进行排序，得到最小轨迹距离；以及在上述停驻时长确定单元8054执行：计算每条上述第二类轨迹经由上述第一路径的起点至上述第二路径的终点之间对应的最大停驻时长之后，上述成本计算单元8055被配置为：根据得到的每条上述第二类轨迹对应的上述最大停驻时长计算最大停驻时长平均值；以及，根据上述最小轨迹距离和上述最大停驻时长平均值确定车辆经过上述第一路径和上述第二路径的成本；上述违章信息确定单元8053还被配置为：根据上述成本识别车辆在上述第一路径和上述第二路径处的违章信息。
在本公开的一些实施例中，基于前述方案，上述装置还包括：策略生成模块807。
其中，上述策略生成模块807，被配置为：根据上述违章信息确定第一调整策略，根据关于上述第一路径和上述第二路径的推测信息确定第二调整策略。
上述车辆违章识别装置中各单元的具体细节已经在车辆违章识别方法中进行了详细的描述，因此此处不再赘述。
图9示意性示出本公开示例性实施例中电子设备的结构示意图。
需要说明的是，图9示出的电子设备的计算机系统900仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图9所示，计算机系统900包括处理器901，其中处理器901又具体可以包括：图像处理单元（Graphics Processing Unit，简称：GPU）和中央处理单元（Central ProcessingUnit，简称：CPU），其可以根据存储在只读存储器（Read-Only Memory，简称：ROM）902中的程序或者从存储部分908加载到随机访问存储器（Random Access Memory，简称：RAM）903中的程序而执行各种适当的动作和处理。在RAM 903中，还存储有系统操作所需的各种程序和数据。处理器901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出（Input /Output，简称：I/O）接口905也连接至总线904。
以下部件连接至I/O接口905：包括键盘、鼠标等的输入部分906；包括诸如阴极射线管（Cathode Ray Tube，简称：CRT）、液晶显示器（Liquid Crystal Display，简称：LCD）等以及扬声器等的输出部分907；包括硬盘等的存储部分908；以及包括诸如局域网（LocalArea Network，简称：LAN）卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至I/O接口905。可拆卸介质911，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器910上，以便于从其上读出的计算机程序根据需要被安装入存储部分908。
特别地，根据本公开的实施例，下文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分909从网络上被下载和安装，和/或从可拆卸介质911被安装。在该计算机程序被处理器901执行时，执行本申请的系统中限定的各种功能。
需要说明的是，本公开实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（Erasable Programmable Read Only Memory，EPROM）、闪存、光纤、便携式紧凑磁盘只读存储器（Compact Disc Read-Only Memory，CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、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、或代码的一部分，上述模块、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，两个接连地表示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，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操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。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备执行时，使得该电子设备实现上述实施例中所述的方法。
例如，所述的电子设备可以实现如图2中所示的：步骤S210，获取目标区域所对应的路径二元组，其中，所述路径二元组包括第一路径和第二路径所组成的路径对，所述第一路径和第二路径位于所述目标区域内，且所述第一路径与所述第二路径之间不存在共同节点；步骤S220获取至少一个目标轨迹，从所述目标轨迹中确定出经过所述第一路径和所述第二路径的过程中的中间轨迹，其中，所述目标轨迹所对应的目标路径包含所述第一路径和所述第二路径；步骤S230计算所述中间轨迹与预设路径组中的至少一条预设路径之间的匹配度；步骤S240将所述匹配度不大于预设值的目标轨迹确定为第一类轨迹，以及将所述匹配度大于所述预设值的目标轨迹确定为第二类轨迹；以及，步骤S250，根据所述第一类轨迹的数目与所述第二类轨迹的数目，识别车辆在所述第一路径和所述第二路径处的违章信息。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质（可以是CD-ROM，U盘，移动硬盘等）中或网络上，包括若干指令以使得一台计算设备（可以是个人计算机、服务器、触控终端、或者网络设备等）执行根据本公开实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例以及附图仅被视为示例性的，本公开的真正范围和精神由前面的权利要求指出。
Claims (15)
1.一种车辆违章识别方法，其特征在于，所述方法包括：
获取目标区域所对应的路径二元组，其中，所述路径二元组包括第一路径和第二路径所组成的路径对，所述第一路径和所述第二路径位于所述目标区域内，且所述第一路径与所述第二路径之间不存在共同节点；
获取至少一个目标轨迹，从所述目标轨迹中确定出经过所述第一路径和所述第二路径的过程中的中间轨迹，其中，所述目标轨迹所对应的目标路径包含所述第一路径和所述第二路径；
计算所述中间轨迹与预设路径组中的至少一条预设路径之间的匹配度；
将匹配度不大于预设值的目标轨迹确定为第一类轨迹，以及将匹配度大于所述预设值的目标轨迹确定为第二类轨迹；
根据所述第一类轨迹的数目与所述第二类轨迹的数目，识别车辆在所述第一路径与所述第二路径处的违章信息。
2.根据权利要求1所述的方法，其特征在于，所述获取至少一个目标轨迹，包括：
获取所述目标区域对应的车辆轨迹，得到每条车辆轨迹分别对应的定位数据集合；
基于所述定位数据集合，计算每条车辆轨迹与所述第一路径的第一匹配度，以及每条车辆轨迹与所述第二路径的第二匹配度；
筛选出所述第一匹配度和所述第二匹配度均大于第一预设值的车辆轨迹作为所述目标轨迹。
3.根据权利要求2所述的方法，其特征在于，所述基于所述定位数据集合，计算每条车辆轨迹与所述第一路径的第一匹配度，包括：
获取所述第一路径对应的节点数据；
根据所述车辆轨迹对应的定位数据集合和所述第一路径对应的节点数据，确定所述车辆轨迹与所述第一路径之间最小距离和夹角；
根据所述最小距离和所述夹角确定所述车辆轨迹与所述第一路径之间的所述第一匹配度；
或者，所述基于所述定位数据集合，计算每条车辆轨迹与所述第二路径的第二匹配度，包括：
获取所述第二路径对应的节点数据；
根据所述车辆轨迹对应的定位数据集合和所述第二路径对应的节点数据，确定所述车辆轨迹与所述第二路径之间最小距离和夹角；
根据所述最小距离和所述夹角确定所述车辆轨迹与所述第二路径之间的所述第二匹配度。
4.根据权利要求1所述的方法，其特征在于，所述从所述目标轨迹中确定出经过所述第一路径和所述第二路径的过程中的中间轨迹，包括：
将所述目标轨迹的定位数据集合所对应的节点集合中与所述第一路径的终点之间的匹配度最大的节点，作为所述中间轨迹的起点，以及，将所述目标轨迹的定位数据集合所对应的节点集合中与所述第二路径的起点之间的匹配度最大的节点，作为所述中间轨迹的终点。
5.根据权利要求1所述的方法，其特征在于，所述计算所述中间轨迹与预设路径组中的至少一条预设路径之间的匹配度，包括：
获取所述预设路径对应的节点数据；
根据所述中间轨迹对应的定位数据集合和所述预设路径对应的节点数据，确定所述中间轨迹与所述预设路径之间最小距离和夹角；
根据所述最小距离和所述夹角确定所述中间轨迹与所述预设路径之间的匹配度。
6.根据权利要求1至5中任意一项所述的方法，其特征在于，根据所述第一类轨迹的数目与所述第二类轨迹的数目，识别车辆在所述第一路径和所述第二路径处的违章信息，包括：
在所述第一类轨迹的数目与所述第二类轨迹的数目的比值大于第三预设值的情况下，确定车辆在所述第一路径与所述第二路径处发生违章的概率较大，其中所述第三预设值大于1；
在所述第一类轨迹的数目与所述第二类轨迹的数目的比值不大于第四预设值的情况下，确定车辆在所述第一路径与所述第二路径处发生违章的概率较小，其中所述第四预设值小于1。
7.根据权利要求1至5中任意一项所述的方法，其特征在于，根据所述第一类轨迹的数目与所述第二类轨迹的数目，识别车辆在所述第一路径和所述第二路径处的违章信息，包括：
计算每条所述第二类轨迹经由所述第一路径的起点至所述第二路径的终点之间对应的轨迹距离，并将每条所述第二类轨迹对应的轨迹距离按照数值大小进行排序，得到最小轨迹距离；
在所述第二类轨迹中筛选出所述轨迹距离与所述最小轨迹距离之差不大于第五预设值的第三类轨迹；
根据所述第一类轨迹的数目、所述第三类轨迹的数目以及所述最小轨迹距离，识别车辆在所述第一路径和所述第二路径处的违章信息。
8.根据权利要求1至5中任意一项所述的方法，其特征在于，根据所述第一类轨迹的数目与所述第二类轨迹的数目，识别车辆在所述第一路径和所述第二路径处的违章信息，包括：
计算每条所述第二类轨迹经由所述第一路径的起点至所述第二路径的终点之间对应的最大停驻时长，得到每条所述第二类轨迹对应的所述最大停驻时长；
在所述第二类轨迹中筛选出所述最大停驻时长不大于第六预设值的第四类轨迹；
根据所述第一类轨迹的数目与所述第四类轨迹的数目，识别车辆在所述第一路径和所述第二路径处的违章信息。
9.根据权利要求1所述的方法，其特征在于，根据所述第一类轨迹的数目与所述第二类轨迹的数目，识别车辆在所述第一路径和所述第二路径处的违章信息，包括：
根据所述第一类轨迹的数目和所述第二类轨迹的数目确定轨迹连通率；
根据所述轨迹连通率识别车辆在所述第一路径和所述第二路径处的违章信息。
10.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据车辆在所述第一路径和所述第二路径处的违章信息，推测所述第一路径和所述第二路径是否存在设计不合理的情况。
11.根据权利要求1所述的方法，其特征在于，根据所述第一类轨迹的数目与所述第二类轨迹的数目，识别车辆在所述第一路径和所述第二路径处的违章信息，包括：
计算每条所述第二类轨迹经由所述第一路径的起点至所述第二路径的终点之间对应的轨迹距离，并将每条所述第二类轨迹对应的轨迹距离按照数值大小进行排序，得到最小轨迹距离；
计算每条所述第二类轨迹经由所述第一路径的起点至所述第二路径的终点之间对应的最大停驻时长，并根据得到的每条所述第二类轨迹对应的所述最大停驻时长计算最大停驻时长平均值；
根据所述最小轨迹距离和所述最大停驻时长平均值确定车辆经过所述第一路径和所述第二路径的成本；
根据所述成本识别车辆在所述第一路径和所述第二路径处的违章信息。
12.根据权利要求10所述的方法，其特征在于，所述方法还包括：
根据所述违章信息确定第一调整策略，根据关于所述第一路径和所述第二路径的推测信息确定第二调整策略。
13.一种车辆违章识别装置，其特征在于，所述装置包括：
二元组获取模块，被配置为：获取目标区域所对应的路径二元组，其中，所述路径二元组包括第一路径和第二路径所组成的路径对，所述第一路径和第二路径位于所述目标区域内，且所述第一路径与所述第二路径之间不存在共同节点；
轨迹获取模块，被配置为：获取至少一个目标轨迹，从所述目标轨迹中确定出经过所述第一路径和所述第二路径的过程中的中间轨迹，其中，所述目标轨迹所对应的目标路径包含所述第一路径和所述第二路径；
匹配度计算模块，被配置为：计算所述中间轨迹与预设路径组中的至少一条预设路径之间的匹配度；
轨迹分类模块，被配置为：将所述匹配度不大于预设值的目标轨迹确定为第一类轨迹，以及将所述匹配度大于所述预设值的目标轨迹确定为第二类轨迹；
违章识别模块，被配置为：根据所述第一类轨迹的数目与所述第二类轨迹的数目，识别车辆在所述第一路径和所述第二路径处的违章信息。
14.一种计算机可读存储介质，其特征在于，其上存储有计算机程序；
所述计算机程序被处理器执行时实现如权利要求1至12中任意一项所述的车辆违章识别方法。
15.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1至12中任意一项所述的车辆违章识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110522950.0A CN112991749B (zh) | 2021-05-13 | 2021-05-13 | 车辆违章识别方法与装置、介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110522950.0A CN112991749B (zh) | 2021-05-13 | 2021-05-13 | 车辆违章识别方法与装置、介质及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112991749A CN112991749A (zh) | 2021-06-18 |
| CN112991749B true CN112991749B (zh) | 2021-07-20 |
Family
ID=76337697
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110522950.0A Active CN112991749B (zh) | 2021-05-13 | 2021-05-13 | 车辆违章识别方法与装置、介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112991749B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108242145A (zh) * | 2016-12-26 | 2018-07-03 | 高德软件有限公司 | 异常轨迹点检测方法和装置 |
| CN108974008A (zh) * | 2018-08-06 | 2018-12-11 | 北京车和家信息技术有限公司 | 路线确定方法、系统、车载空调的控制方法及车辆 |
| CN110264718A (zh) * | 2019-06-26 | 2019-09-20 | 威视安网络设备科技无锡有限公司 | 一种非机动车的违章识别方法、装置及系统 |
| CN110459059A (zh) * | 2019-08-14 | 2019-11-15 | 深圳市天彦通信股份有限公司 | 交通违规确认方法和相关装置 |
| CN110609881A (zh) * | 2019-08-28 | 2019-12-24 | 中山大学 | 车辆轨迹偏离检测方法、系统和存储介质 |
| CN110728842A (zh) * | 2019-10-23 | 2020-01-24 | 江苏智通交通科技有限公司 | 基于路口车辆合理行驶范围的异常行驶预警方法 |
| CN111199647A (zh) * | 2018-11-16 | 2020-05-26 | 中电科新型智慧城市研究院有限公司 | 一种道路车辆连续变道和违规掉头的监控视频检测方法 |
| CN111259767A (zh) * | 2020-01-13 | 2020-06-09 | 厦门大学 | 基于交通数据及街景数据的交通违法行为识别方法和系统 |
| CN111694902A (zh) * | 2019-03-11 | 2020-09-22 | 阿里巴巴集团控股有限公司 | 差异路径识别方法、装置、电子设备及计算机存储介质 |
| CN111814459A (zh) * | 2020-04-10 | 2020-10-23 | 北京嘀嘀无限科技发展有限公司 | 交通规则数据的处理方法、装置、存储介质及电子设备 |
| CN111951144A (zh) * | 2020-08-26 | 2020-11-17 | 腾讯科技（深圳）有限公司 | 一种违章路段的确定方法、设备及计算机可读存储介质 |
| CN112017447A (zh) * | 2020-08-20 | 2020-12-01 | 北京赛博星通科技有限公司 | 一种基于gps位置信息判定车辆逆行违规的方法及系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| MX2012011993A (es) * | 2010-04-15 | 2013-04-03 | Milan Zlojutro | Sistema de identificacion y monitoreo de vehiculo. |
| US11394638B2 (en) * | 2017-12-21 | 2022-07-19 | Telefonaktiebolaget Lm Ericsson (Publ) | Method and apparatus for forwarding network traffic on maximally disjoint paths |
-
2021
- 2021-05-13 CN CN202110522950.0A patent/CN112991749B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108242145A (zh) * | 2016-12-26 | 2018-07-03 | 高德软件有限公司 | 异常轨迹点检测方法和装置 |
| CN108974008A (zh) * | 2018-08-06 | 2018-12-11 | 北京车和家信息技术有限公司 | 路线确定方法、系统、车载空调的控制方法及车辆 |
| CN111199647A (zh) * | 2018-11-16 | 2020-05-26 | 中电科新型智慧城市研究院有限公司 | 一种道路车辆连续变道和违规掉头的监控视频检测方法 |
| CN111694902A (zh) * | 2019-03-11 | 2020-09-22 | 阿里巴巴集团控股有限公司 | 差异路径识别方法、装置、电子设备及计算机存储介质 |
| CN110264718A (zh) * | 2019-06-26 | 2019-09-20 | 威视安网络设备科技无锡有限公司 | 一种非机动车的违章识别方法、装置及系统 |
| CN110459059A (zh) * | 2019-08-14 | 2019-11-15 | 深圳市天彦通信股份有限公司 | 交通违规确认方法和相关装置 |
| CN110609881A (zh) * | 2019-08-28 | 2019-12-24 | 中山大学 | 车辆轨迹偏离检测方法、系统和存储介质 |
| CN110728842A (zh) * | 2019-10-23 | 2020-01-24 | 江苏智通交通科技有限公司 | 基于路口车辆合理行驶范围的异常行驶预警方法 |
| CN111259767A (zh) * | 2020-01-13 | 2020-06-09 | 厦门大学 | 基于交通数据及街景数据的交通违法行为识别方法和系统 |
| CN111814459A (zh) * | 2020-04-10 | 2020-10-23 | 北京嘀嘀无限科技发展有限公司 | 交通规则数据的处理方法、装置、存储介质及电子设备 |
| CN112017447A (zh) * | 2020-08-20 | 2020-12-01 | 北京赛博星通科技有限公司 | 一种基于gps位置信息判定车辆逆行违规的方法及系统 |
| CN111951144A (zh) * | 2020-08-26 | 2020-11-17 | 腾讯科技（深圳）有限公司 | 一种违章路段的确定方法、设备及计算机可读存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 基于云计算的车辆轨迹分析系统;吴雨欣;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20190915;C034-274 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112991749A (zh) | 2021-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112700072B (zh) | 交通状况预测方法、电子设备和存储介质 | |
| CN108022450B (zh) | 一种基于蜂窝网络的辅助驾驶方法及交通控制单元 | |
| US10460394B2 (en) | Autonomous or partially autonomous motor vehicles with automated risk-controlled systems and corresponding method thereof | |
| WO2022121247A1 (zh) | 汽车协同决策方法、装置、电子设备及计算机存储介质 | |
| Sander et al. | The potential of clustering methods to define intersection test scenarios: Assessing real-life performance of AEB | |
| CN107389085B (zh) | 一种道路通行属性的确定方法、装置、计算机及存储介质 | |
| CN112382098B (zh) | 交通拥堵检测方法、装置、电子设备及存储介质 | |
| CN112885145B (zh) | 路口风险预警的方法和装置 | |
| CN112514425B (zh) | 数据传输方法、车端设备和网络侧设备 | |
| CN112885112B (zh) | 车辆行驶检测的方法、车辆行驶预警的方法和装置 | |
| CN112673406A (zh) | 一种辨识车辆列队中异常车辆参数的方法和终端设备 | |
| CN112629524A (zh) | 出行路径推荐管理方法、装置和电子设备 | |
| Zhang et al. | Assessing the impacts of signal coordination on the crash risks of various driving cohorts | |
| CN111739291B (zh) | 道路路况计算中的干扰识别方法及装置 | |
| CN112991749B (zh) | 车辆违章识别方法与装置、介质及电子设备 | |
| CN109934496B (zh) | 区域间通行影响确定方法、装置、设备和介质 | |
| CN111696347B (zh) | 一种自动化分析交通事件信息的方法和装置 | |
| CN111739288A (zh) | 基于人工智能的车辆驾驶风险分析方法及相关装置 | |
| CN111572538A (zh) | 车辆碰撞预警阈值确定方法、装置 | |
| CN116386316A (zh) | 交通风险的预测方法和装置、电子设备及存储介质 | |
| CN114495505B (zh) | 拥堵路段通过时长的预测方法、装置、介质及服务器 | |
| CN115440061A (zh) | 一种信号灯控制方法及装置 | |
| Geisler et al. | A data stream-based evaluation framework for traffic information systems | |
| CN114627643A (zh) | 一种高速公路事故风险预测方法、装置、设备及介质 | |
| US20220101443A1 (en) | Accident index calculation apparatus, information providing apparatus, content selection apparatus, insurance premium setting apparatus, accident index calculation method, and program |
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 | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40046808 Country of ref document: HK |