CN113963541B - 一种基于gps信号数据识别车辆聚集事件的方法及装置 - Google Patents
一种基于gps信号数据识别车辆聚集事件的方法及装置 Download PDFInfo
- Publication number
- CN113963541B CN113963541B CN202111226653.8A CN202111226653A CN113963541B CN 113963541 B CN113963541 B CN 113963541B CN 202111226653 A CN202111226653 A CN 202111226653A CN 113963541 B CN113963541 B CN 113963541B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- target
- aggregation
- signal data
- gps signal
- 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
- G08G1/0133—Traffic data processing for classifying traffic situation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/14—Receivers specially adapted for specific applications
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于GPS信号数据识别车辆聚集事件的方法及装置,应用于待检测车辆,包括:在接收到对各个待检测车辆的聚集识别请求的情况下,获取各个待检测车辆的GPS信号数据;基于GPS信号数据通过同一位置中断聚集算法、同一位置停留聚集算法和同一位置重复出现聚集算法中的至少一种在各个待检测车辆中识别出目标车辆和目标车辆的目标聚集地;获取目标车辆和目标聚集地对应的线下核验数据;基于线下核验数据、目标车辆和目标聚集地判断目标车辆是否发生车辆聚集事件。在确定车辆聚集事件的过程中,采用了多种方法确定目标车辆和目标聚集地并且基于线下核验数据共同确定是否为车辆聚集事件,提高了车辆聚集事件识别的准确性。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种基于GPS信号数据识别车辆聚集事件的方法及装置。
背景技术
目前,汽车金融服务厂商通过GPS数据,识别车辆是否发生聚集或集中性风险,主要是首先通过事前在地图上圈定一些潜在高风险的地点范围,如二手车交易市场、汽车维修集中的区域、借款中介聚集的区域、公检法机关所在地点等。其次,再通过算法判断,一旦进入该区域且长时间在此区域停留的车辆超过一定的阈值,则被认定为车辆聚集。
但是,一旦车辆聚集的地点不在事前圈定的范围,则无法被识别出来。另外,很多潜在高风险区域极具隐蔽性,如大多数用于“二押”的停车场都隐蔽在居民楼地下停车场或者某空旷区域,甚至是城市公园绿地周边,无法从地图显示的地址名称判断其地点是否具有风险性,而事前将其圈定出来。若车辆在这些隐蔽的地点发生了车辆聚集事件,是无法被识别出,从而造成了风险监控预警的盲点。
目前车辆聚集算法主要以车辆在预设电子围栏中的存续时长和数量来判断,车辆是否在围栏中发生了车辆聚集事件,所覆盖的情形有限,导出车辆聚集事件识别不准确,容易造成风险预警的遗漏。
发明内容
有鉴于此,本发明提供了一种基于GPS信号数据识别车辆聚集事件的方法及装置,用于解决目前车辆聚集算法主要以车辆在预设电子围栏中的存续时长和数量来判断,车辆是否在围栏中发生了车辆聚集事件,所覆盖的情形有限,导出车辆聚集事件识别不准确,容易造成风险预警的遗漏的问题,具体方案如下:
一种基于GPS信号数据识别车辆聚集事件的方法,应用于待检测车辆,其中,所述待检测车辆包括:有线设备和无线设备,所述方法包括:
在接收到对各个待检测车辆的聚集识别请求的情况下,获取所述各个待检测车辆的GPS信号数据;
基于所述GPS信号数据通过同一位置中断聚集算法、同一位置停留聚集算法和同一位置重复出现聚集算法中的至少一种在所述各个待检测车辆中识别出目标车辆和所述目标车辆的目标聚集地;
获取所述目标车辆和所述目标聚集地对应的线下核验数据;
基于所述线下核验数据、所述目标车辆和所述目标聚集地判断所述目标车辆是否发生车辆聚集事件。
上述的方法,可选的,基于所述GPS信号数据通过同一位置中断聚集算法在所述各个待检测车辆中识别出目标车辆和所述目标车辆的目标聚集地,包括:
识别所述GPS信号数据,其中,所述GPS信号数据为有线GPS信号数据和无线GPS信号数据中的至少一种;
在所述GPS信号数据为无线GPS信号数据的情况下,基于有线离线聚集算法确定所述目标车辆和所述目标车辆的目标聚集地。
在所述GPS信号数据为有线GPS信号数据的情况下,基于无线设备聚集算法确定所述目标车辆和所述目标车辆的目标聚集地。
上述的方法,可选的,基于有线离线聚集算法确定所述目标车辆和所述目标车辆的目标聚集地,包括:
确定所述各个待检测车辆中的离线车辆;
基于所述GPS信号数据获取所述离线车辆在第一预设时长的GPS定位轨迹,基于所述定位轨迹,计算轨迹点之间的经纬度距离;
基于所述经纬度距离确定目标车辆,基于所述目标车辆的目标定位轨迹确定所述目标车辆的目标聚集地。
上述的方法,可选的,基于无线设备聚集算法确定所述目标车辆和所述目标车辆的目标聚集地,包括:
获取所述各个待检测车辆在第一预设时长的GPS定位轨迹,基于所述定位轨迹,计算所述各个待检测车辆之间的经纬度距离;
基于所述经纬度距离确定目标车辆,基于所述目标车辆的目标定位轨迹确定所述目标车辆的目标聚集地。
上述的方法,可选的,基于所述GPS信号数据通过同一位置停留聚集算法在所述各个待检测车辆中识别出目标车辆和所述目标车辆的目标聚集地,包括:
基于所述GPS信号数据确定各个待检测车辆的当前状态,其中,所述当前状态为行驶状态和停车状态中的一种;
基于所述各个待检测车辆的当前状态和所述GPS信号数据确定满足预设停车时长的各个备选车辆;
基于所述GPS信号数据获取所述各个备选车辆的GPS定位轨迹,基于所述定位轨迹计算所述各个备选车辆的经纬度距离;
基于所述经纬度距离确定目标车辆,基于所述目标车辆的目标定位轨迹确定所述目标车辆的目标聚集地。
上述的方法,可选的,基于所述GPS信号数据通过同一位置重复出现聚集算法在所述各个待检测车辆中识别出目标车辆和所述目标车辆的目标聚集地,包括:
基于所述GPS信号数据获取所述各个待检测车辆的定位轨迹;
判断各个定位轨迹是否命中预设高危围栏,其中,所述预设高危围栏包括风险聚集高危地址;
若是,判断与命中定位轨迹对应的待检测车辆的在第二预设时长内的累计活动时长是否满足预设时间阈值;
若是,将累计活动时长满足预设时间阈值的待检测车辆作为目标车辆,基于所述目标车辆的目标定位轨迹确定所述目标车辆的目标聚集地。
一种基于GPS信号数据识别车辆聚集事件的装置,应用于待检测车辆,其中,所述待检测车辆包括:有线设备和无线设备,所述装置包括:
第一获取模块,用于在接收到对各个待检测车辆的聚集识别请求的情况下,获取所述各个待检测车辆的GPS信号数据;
识别模块,用于基于所述GPS信号数据通过同一位置中断聚集算法、同一位置停留聚集算法和同一位置重复出现聚集算法中的至少一种在所述各个待检测车辆中识别出目标车辆和所述目标车辆的目标聚集地;
第二获取模块,用于获取所述目标车辆和所述目标聚集地对应的线下核验数据;
判断模块,用于基于所述线下核验数据、所述目标车辆和所述目标聚集地判断所述目标车辆是否发生车辆聚集事件。
上述的装置,可选的,所述识别模块包括:
识别单元,用于识别所述GPS信号数据,其中,所述GPS信号数据为有线GPS信号数据和无线GPS信号数据中的至少一种;
第一确定单元,用于在所述GPS信号数据为无线GPS信号数据的情况下,基于有线离线聚集算法确定所述目标车辆和所述目标车辆的目标聚集地。
第二确定单元,用于在所述GPS信号数据为有线GPS信号数据的情况下,基于无线设备聚集算法确定所述目标车辆和所述目标车辆的目标聚集地。
上述的装置,可选的,所述识别模块包括:
第三确定单元,用于基于所述GPS信号数据确定各个待检测车辆的当前状态,其中,所述当前状态为行驶状态和停车状态中的一种;
第四确定单元,用于基于所述各个待检测车辆的当前状态和所述GPS信号数据确定满足预设停车时长的各个备选车辆;
获取和计算单元,用于基于所述GPS信号数据获取所述各个备选车辆的GPS定位轨迹,基于所述定位轨迹计算所述各个备选车辆的经纬度距离;
第五确定单元,用于基于所述经纬度距离确定目标车辆,基于所述目标车辆的目标定位轨迹确定所述目标车辆的目标聚集地。
上述的装置,可选的,所述识别模块包括:
获取单元,用于基于所述GPS信号数据获取所述各个待检测车辆的定位轨迹;
第一判断单元,用于判断各个定位轨迹是否命中预设高危围栏,其中,所述预设高危围栏包括风险聚集高危地址;
第二判断单元,用于若是,判断与命中定位轨迹对应的待检测车辆的在第二预设时长内的累计活动时长是否满足预设时间阈值;
第六确定单元,用于若是,将累计活动时长满足预设时间阈值的待检测车辆作为目标车辆,基于所述目标车辆的目标定位轨迹确定所述目标车辆的目标聚集地。
与现有技术相比,本发明包括以下优点:
本发明公开了一种基于GPS信号数据识别车辆聚集事件的方法及装置,应用于待检测车辆,包括:在接收到对各个待检测车辆的聚集识别请求的情况下,获取各个待检测车辆的GPS信号数据;基于GPS信号数据通过同一位置中断聚集算法、同一位置停留聚集算法和同一位置重复出现聚集算法中的至少一种在各个待检测车辆中识别出目标车辆和所述目标车辆的目标聚集地;获取目标车辆和所述目标聚集地对应的线下核验数据;基于线下核验数据、目标车辆和目标聚集地判断所述目标车辆是否发生车辆聚集事件。上述过程,在确定车辆聚集事件的过程中采用了多种方法确定目标车辆和目标聚集地并且基于线下核验数据共同确定是否为车辆聚集事件,提高了车辆聚集事件识别的准确性。
当然,实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例公开的一种基于GPS信号数据识别车辆聚集事件的方法流程图;
图2为本申请实施例公开的一种基于GPS信号数据识别车辆聚集事件的装置结构框图。
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,都属于本发明保护的范围。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
本发明公开了一种基于GPS信号数据识别车辆聚集事件的方法及装置,应用于对车辆聚集事件的识别过程中,现有技术中,在汽车金融领域,客户由于在购买新车、二手车时会有融资的需求,或拿自有车辆融资的需求,会向汽车金融服务机构提出融资申请。客户通过出让车辆所有权给汽车金融服务机构,来换取需融资的资金,而客户在还款期间,仅拥有车辆使用权。而汽车金融服务机构会在客户办理融资业务过程中,给客户的融资车辆上安装GPS设备,在客户还款期间,通过GPS设备发出的信号数据,来对其车辆资产行为进行有效监控,及时发现并防范融资车辆可能发生的资产折损风险、欺诈风险,如车辆使用中被损毁,车辆被客户非法二次转让,客户骗贷等。
而在利用GPS数据进行车辆风险监控过程中,一方面是针对单一车辆的GPS信号进行轨迹行为监控,对其信号的持续性、行驶行为进行风险识别和预警;另一方面是所有车辆GPS信号及行为特征的共性进行提炼,识别集中性风险,如发现多辆车辆获得融资款项后,集中停在某借款中介公司的周边,极有可能是借款中介批量包装客户及车辆,进行融资服务后,将车辆集中转移或二次抵押,抑或是当地某个从事二次押车的公司,专收已抵押车辆,许多高负债客户在汽车金融服务机构办理完融资和抵押手续后,又会集中把车辆交付给此类公司,进行二次抵押以换取额外的融资款项。而此类客户的行为已对汽车金融公司形成了集中性的资产风险,一旦此类客户逾期将造成批量损失。因此,如何利用GPS数据识别和预警车辆聚集事件的风险,对于汽车金融服务机构的资产风险防控,也非常重要。同时,除了风险预警,汽车金融厂商还可通过利用GPS信号分析出客户车辆行为轨迹的共性特征,对客户行为画像进行提炼并在非风险领域进行应用,如基于地理位置的服务等。
目前,对于车辆聚集事件,主要是通过设置电子围栏的方式,即圈定指定的地点,再通过GPS数据判断车辆是否在指定地点发生聚集,针对自然发生或聚集地点事前未进行圈定,导致车辆聚集时间识别不准确,无法进行有效计算和识别此类客户的集中性风险。基于上述问题,本发明提供了一种基于GPS信号数据识别车辆聚集事件的方法,所述方法应用于待检测车辆,其中,所述待检测车辆包括:有线设备和无线设备,所述方法的执行流程如图1所示,包括步骤:
S101、在接收到对各个待检测车辆的聚集识别请求的情况下,获取所述各个待检测车辆的GPS信号数据;
本发明实施例中,在接收到对各个待检测车辆的聚集识别请求的情况下,获取所述各个待检测车辆的GPS信号数据,其中,所述GPS信号数据包括:有线GPS信号数据和/或无线GPS信号数据,所述优先GPS信号数据基于所述有限设备获取,所述无线GPS信号数据基于所述无线设备获取,优选的,有线设备30秒-5分钟发一次信号,无线设备24小时发一次信号,有线设备能够及时定位车辆位置但容易被信号探测仪找出并恶意拆除,所以同时安装无线设备,以便在有线设备被拆除后,仍然能够找到车辆。
S102、基于所述GPS信号数据通过同一位置中断聚集算法、同一位置停留聚集算法和同一位置重复出现聚集算法中的至少一种在所述各个待检测车辆中识别出目标车辆和所述目标车辆的目标聚集地;
本发明实施例中,可以基于经验或者具体情况在同一位置终端聚集算法、同一位置停留聚集算法和同一位置重复出现聚集算法中选取至少一种用于识别所述各个待检测车辆中目标车辆和目标车辆聚集地。
其中,所述同一位置中断聚集算法中包含两种情况,有线GPS信号中断和无线GPS信号中断,则基于所述GPS信号数据通过同一位置中断聚集算法在所述各个待检测车辆中识别出目标车辆和所述目标车辆的目标聚集地的方法如下:识别所述GPS信号数据,其中,所述GPS信号数据为有线GPS信号数据和无线GPS信号数据中的至少一种;在所述GPS信号数据为无线GPS信号数据的情况下,基于有线离线聚集算法确定所述目标车辆和所述目标车辆的目标聚集地,其中,所述有线离线聚集算法的处理流程如下:
采集GPS信号,判断设备离线状态,有线设备1个小时未接收到信息,则判断为离线,其中,判断离线过程中未接收到信息的时长可以基于经验或者具体情况进行设定,本发明实施例中,不进行具体限定。
对于所有离线状态的有线设备的取前6个月(第一预设时长)1号开始最后一条GPS定位轨迹,按照经纬度排序,顺序计算经纬度距离,取距离在1000米范围内且存在2个及以上的车辆合并为有线聚集事件,其中,所述第一预设时长可以基于经验或者具体情况进行设定,本发明实施例中,不进行具体限定,
进一步的,经纬度距离的计算过程如下:经纬度排序方式,先用经度,从小到大排序,经度顺序固定后,再按照纬度顺序排期,从而得到经纬度距离最近的位置的顺利排列。
对排序后队列,取轨迹经纬度按照球面距离计算方式,计算两个轨迹点经纬度距离,并圈定事件车辆,从排序最小的经纬度开始计算,依次顺序计算经纬度距离,如大于等于1000米,则认为未发生聚集,计算下一个经纬度,如小于1000米,则认为发生了聚集事件,并根据该经纬度地址继续计算下一个经纬度,直至大于1000米,则中断计算,并将计算的小于1000米的所有经纬度涉及车辆圈入同一个事件,跳过圈出的经纬度,继续下一轮计算。
设所有设备经纬度位置排序顺序为Z1、Z2、Z3、Z4、Z5.......Zn,
从Z1开始计算,取Z1和Z2经纬度计算距离,如Z1、Z2大于等于1000米,则未发生聚集;
开始计算Z2,取Z2和Z3计算经纬度距离,如距离小于1000米,则取Z2和Z4计算,如距离小于1000米,则取Z2和Z5计算距离,如距离大于等于1000米,则认定目标车辆Z2、Z3、Z4发生了聚集事件;
跳过Z4,开始计算Z5,取Z5和Z6计算经纬度距离,直至计算至Zn结束。
取上述计算结果中距离在1000米范围内且存在2个及以上的目标车辆,并获取目标车辆的目标定位轨迹,基于所述目标定位轨迹确定所述目标车辆的目标聚集地,并输出唯一ID、计算时间、车牌号、设备号、车辆定位经纬度、定位时间;
进一步的,获取目标车辆的目标定位轨迹,基于所述目标定位轨迹确定所述目标车辆的目标聚集地。
本发明实施例中,基于无线设备聚集算法确定所述目标车辆和所述目标车辆的目标聚集地的处理过程如下:
对于所有无线设备的取前6个月(第一预设时长)1号开始最后一条GPS定位轨迹,按照经纬度排序,顺序计算经纬度距离,取距离在1000米范围内且存在2个及以上的目标车辆,并获取目标车辆的目标定位轨迹,基于所述目标定位轨迹确定所述目标车辆的目标聚集地,并输出唯一ID、计算时间、车牌号、设备号、车辆定位经纬度、定位时间;计算算法如上述有线离线设备计算。其中,所述第一预设时长可以基于经验或者具体情况进行设定,本发明实施例中,不进行具体限定。
本发明实施例中,基于所述GPS信号数据通过同一位置停留聚集算法在所述各个待检测车辆中识别出目标车辆和所述目标车辆的目标聚集地的处理流程包括:
1、判断所述各个待检测车辆停车/行驶状态,根据所述GPS信号数据判断所述各个待检测车辆行驶状态,如速度低于5千米/小时时,认定为停车状态,速度大于等于5千米/小时,则认定为行驶状态,
2、计算停车时长,考虑到因传输情况多变,所述GPS信号数据不一定是顺序发送到,先将30天内车辆轨迹按照定位时间排序,取最早的信号判断停车状态,如果是行驶,则跳出,从下一个开始,重新计算,如果是停车,则记录本次停车开始时间,继续判断下一个信号停车/行驶状态,直到下一个是行驶状态,则取行驶状态GPS定时时间减去本次停车开始时间,如果大于30分钟,则记录1个停车位置点,例如,设某车辆30天内GPS信号定位时间排序顺序为T1、T2、T3、T4、T5.......Tn,
从T1开始计算,如T1是行驶状态,则跳出计算,未发生停车;
开始计算T2,如T2是停车,记录T2为停车开始时间,继续判断T3,如T3是停车状态,则继续判断T4,如T5是行驶,则中断本领计算,使用T5定位时间减去T2定位时间,如两者之差,大于30分钟,则记录该车发生了停车30分钟以上的停车位置点,记录车辆、设备号、停车开始时间、停车结束时间、停车时长、停车经纬度;
跳过T5,开始计算T6,直至计算至Tn结束,找出所有车辆的所有停留30分钟以上的停留位置点。
3、取30天内停留30分钟以上的停车点,按照经纬度排序,顺序计算经纬度距离,取距离在1000米范围内且存在2个及以上的目标车辆,基于所述目标车辆的目标定位轨迹确定所述目标车辆的目标聚集地,并输出事件唯一ID、计算时间、车牌号、设备号、车辆定位经纬度、定位时间。
停留聚集事件的计算,主要是体现了客户车辆长停留位置的聚集,可以较好的提炼出所有客户中经常出入的地点特征,为公司开发基于地理位置的增值服务业务提供精准支持。
例如,通过停留聚集计算出在某城市的客户主要在该城市的若干商圈出入、停留,利用这些位置信息,对周围B端服务性商家进行开发与拓展,可为客户进行精准推送、投放商家服务,从而实现了客户价值和商家价值共赢。
本发明实施例中,基于所述GPS信号数据通过同一位置重复出现聚集算法在所述各个待检测车辆中识别出目标车辆和所述目标车辆的目标聚集地,包括:
本发明实施例中,获取所述各个待检测车辆前6个月1号开始所有范围内的围栏报警,触碰同一个围栏报警的所有有线设备合并为高危围栏聚集;
事先设置预设高危围栏,所述预设高危围栏来源为上述风险聚集发现的高危地点及实地考察的潜在高危位置,采集所述GPS信号数据,实时流式数据处理,判断所述各个待检测车辆轨迹是否命中围栏(取车辆轨迹与围栏轨迹点进行计算,判定车辆在围栏内),命中围栏且3小时(第二预设时长)内在围栏中累计活动2小时(累计活动时长),则判断发生高危围栏报警,将累计活动时长满足预设时间阈值的待检测车辆作为目标车辆,基于所述目标车辆的目标定位轨迹确定所述目标车辆的目标聚集地,如多个目标车辆都在同一个预设高危围栏发生了围栏报警,则输出唯一ID、计算时间、车牌号、设备号、围栏名称、围栏规则、车辆定位经纬度、定位时间,其中,唯一ID使用围栏ID,围栏规则是指围栏计算规则,分为驶入围栏、驶出围栏,高危围栏报警指目标车辆驶入预设高危围栏中。
S103、获取所述目标车辆和所述目标聚集地对应的线下核验数据;
本发明实施例中,根据聚集算法发现有线设备聚集、无线设备聚集事件和同一位置停留聚集,由于属于事先未知的聚集地点,因此需进一步接合实地风险排查的动作,获取对应的线下核验数据,基于所述线下核验数据确定涉事目标车辆是否确有风险,及目标聚集地点是否为高风险区域。
进一步的,针对计算识别出的高危围栏的聚集,虽然高危围栏为事先设置,且围栏位置也属于潜在高风险的区域,但即便目标车辆在此聚集,也无法认定其客户或车辆一定出现风险,也需要结合线下核验数据进行沟通排查,并结合客户还款状态,车辆状态综合判断,是否聚集事件是否确为风险案件。
S104、基于所述线下核验数据、所述目标车辆和所述目标聚集地判断所述目标车辆是否发生车辆聚集事件。
本发明实施例中,基于所述线下核验数据、所述目标车辆和所述目标聚集地判断所述目标车辆是否发生车辆聚集事件,其中,具体的判断过程需要基于具体应用场景和具体情况进行判断。例如,有线设备聚集事件发现某城市出现多台车辆的有线设备先后在某一区域集中离线,从地图看,该区域为当地一个绿地公园。后通过当地人员对客户车辆及该区域进行现场风险排查,发现该公园的一角为当地集中停放二押车的停车场,而在此离线的车辆,均已转手给当地押车融资的民间借贷公司,判定发生车辆聚集事件,事件发生后,一方面开始展开对客户进行还款追踪,启动司法诉讼,最大程度减少我司财产损失;另一方面,是将此离线区域的公园设置为新的高危围栏,对现有预设高危围栏库进行补充,以及时对后续进入此围栏车辆进行风险预警。例如,通过日常监控计算,识别出在某城市出现高危围栏聚集事件,对此案件中的聚集车辆和客户,进行进一步排查,客户还款均未发生逾期,车辆信号正常。经过与客户的进一步沟通和实地走访,了解到由于此高危围栏正好在居民区中,此次聚集的车辆客户大多居住在此,从而被计算出来,判定未发生车辆聚集事件。由此,结合线上与线下的组合,排除了此高危围栏聚集事件的风险。
本发明公开了一种基于GPS信号数据识别车辆聚集事件的方法,应用于待检测车辆,包括:在接收到对各个待检测车辆的聚集识别请求的情况下,获取各个待检测车辆的GPS信号数据;基于GPS信号数据通过同一位置中断聚集算法、同一位置停留聚集算法和同一位置重复出现聚集算法中的至少一种在各个待检测车辆中识别出目标车辆和所述目标车辆的目标聚集地;获取目标车辆和所述目标聚集地对应的线下核验数据;基于线下核验数据、目标车辆和目标聚集地判断所述目标车辆是否发生车辆聚集事件。上述过程,在确定车辆聚集事件的过程中采用了多种方法确定目标车辆和目标聚集地并且基于线下核验数据共同确定是否为车辆聚集事件,提高了车辆聚集事件识别的准确性。
本发明实施例中,通过任意两辆车的定位数据来计算车辆间是否发生了聚集,可最大程度的识别出车辆聚集和聚集地点。同时,在定位数据计算中,结合车辆风险发生的实际场景,对聚集场景进行分类计算,针对聚集算法识别出的目标聚集地和目标车辆,再通过线下的实地勘察与核实,进一步排查目标聚集地和目标车辆是否存发生车辆聚集事件,是否存在批量的欺诈风险、逾期风险,并提前进行风险干预或处置,及时减少公司财产性损失。同时,还可对客户车辆行为位置特征进行集中性提炼,为非风险业务提供客户行为特征支持。
本发明实施例中,所述识别方法中根据任意两辆车的距离来判断车辆聚集,可有效识别出所有发生车辆聚集的地点和对应车辆,相较于实现圈定位置,再计算是否聚集,可有效消除监控盲点。通过任意两辆车的距离来判断车辆聚集计算出的聚集地点,通过线下风险排查与核实,可有效识别出位置极具隐蔽性的风险地点,也是对已知潜在高风险区域进行有效补充;通过对聚集算法的细化分类,包括集中信号中断聚集,车辆集中停留在同一位置的聚集,车辆集中途径的同一位置的聚集等,既可在识别车辆集中性风险预警中应用,也可在通过大批客户轨迹的集中性特征,分析出客户常出入的位置、地点,如某个商圈等,用于非风险业务销售的应用,如向客户集中聚集出入的地点周边商家提供导流服务等。
基于上述的一种基于GPS信号数据识别车辆聚集事件的方法,本发明实施例中还提供了一种基于GPS信号数据识别车辆聚集事件的装置,应用于待检测车辆,其中,所述待检测车辆包括:有线设备和无线设备,所述装置的结构框图如图2所示,包括:
第一获取模块201、识别模块202、第二获取模块203和判断模块204。
其中,
所述第一获取模块201,用于在接收到对各个待检测车辆的聚集识别请求的情况下,获取所述各个待检测车辆的GPS信号数据;
所述识别模块202,用于基于所述GPS信号数据通过同一位置中断聚集算法、同一位置停留聚集算法和同一位置重复出现聚集算法中的至少一种在所述各个待检测车辆中识别出目标车辆和所述目标车辆的目标聚集地;
所述第二获取模块203,用于获取所述目标车辆和所述目标聚集地对应的线下核验数据;
所述判断模块204,用于基于所述线下核验数据、所述目标车辆和所述目标聚集地判断所述目标车辆是否发生车辆聚集事件。
本发明公开了一种基于GPS信号数据识别车辆聚集事件的装置,应用于待检测车辆,包括:在接收到对各个待检测车辆的聚集识别请求的情况下,获取各个待检测车辆的GPS信号数据;基于GPS信号数据通过同一位置中断聚集算法、同一位置停留聚集算法和同一位置重复出现聚集算法中的至少一种在各个待检测车辆中识别出目标车辆和所述目标车辆的目标聚集地;获取目标车辆和所述目标聚集地对应的线下核验数据;基于线下核验数据、目标车辆和目标聚集地判断所述目标车辆是否发生车辆聚集事件。上述过程,在确定车辆聚集事件的过程中采用了多种方法确定目标车辆和目标聚集地并且基于线下核验数据共同确定是否为车辆聚集事件,提高了车辆聚集事件识别的准确性。
本发明实施例中,所述识别模块202包括:
识别单元205、第一确定单元206和第二确定单元207。
其中,
所述识别单元205,用于识别所述GPS信号数据,其中,所述GPS信号数据为有线GPS信号数据和无线GPS信号数据中的至少一种;
所述第一确定单元206,用于在所述GPS信号数据为无线GPS信号数据的情况下,基于有线离线聚集算法确定所述目标车辆和所述目标车辆的目标聚集地。
所述第二确定单元207,用于在所述GPS信号数据为有线GPS信号数据的情况下,基于无线设备聚集算法确定所述目标车辆和所述目标车辆的目标聚集地。
本发明实施例中,所述识别模块202包括:
第三确定单元208、第四确定单元209、获取和计算单元210以及第五确定单元211。
其中,
所述第三确定单元208,用于基于所述GPS信号数据确定各个待检测车辆的当前状态,其中,所述当前状态为行驶状态和停车状态中的一种;
所述第四确定单元209,用于基于所述各个待检测车辆的当前状态和所述GPS信号数据确定满足预设停车时长的各个备选车辆;
所述获取和计算单元210,用于基于所述GPS信号数据获取所述各个备选车辆的GPS定位轨迹,基于所述定位轨迹计算所述各个备选车辆的经纬度距离;
所述第五确定单元211,用于基于所述经纬度距离确定目标车辆,基于所述目标车辆的目标定位轨迹确定所述目标车辆的目标聚集地。
本发明实施例中,所述识别模块202包括:
获取单元212、第一判断单元213、第二判断单元214和第六确定单元215。
其中,
所述获取单元212,用于基于所述GPS信号数据获取所述各个待检测车辆的定位轨迹;
所述第一判断单元213,用于判断各个定位轨迹是否命中预设高危围栏,其中,所述预设高危围栏包括风险聚集高危地址;
所述第二判断单元214,用于若是,判断与命中定位轨迹对应的待检测车辆的在第二预设时长内的累计活动时长是否满足预设时间阈值;
所述第六确定单元215,用于若是,将累计活动时长满足预设时间阈值的待检测车辆作为目标车辆,基于所述目标车辆的目标定位轨迹确定所述目标车辆的目标聚集地。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,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。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物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、物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、物品或者设备中还存在另外的相同要素。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本发明时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
以上对本发明所提供的一种基于GPS信号数据识别车辆聚集事件的方法及装置进行了详细介绍,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 (4)
1.一种基于GPS信号数据识别车辆聚集事件的方法,其特征在于,应用于待检测车辆,其中,所述待检测车辆包括:有线设备和无线设备,所述方法包括:
在接收到对各个待检测车辆的聚集识别请求的情况下,获取所述各个待检测车辆的GPS信号数据;
基于所述GPS信号数据通过同一位置中断聚集算法、同一位置停留聚集算法和同一位置重复出现聚集算法中的至少一种在所述各个待检测车辆中识别出目标车辆和所述目标车辆的目标聚集地;
获取所述目标车辆和所述目标聚集地对应的线下核验数据;
基于所述线下核验数据、所述目标车辆和所述目标聚集地判断所述目标车辆是否发生车辆聚集事件;
基于所述GPS信号数据通过同一位置中断聚集算法在所述各个待检测车辆中识别出目标车辆和所述目标车辆的目标聚集地,包括:
识别所述GPS信号数据,其中,所述GPS信号数据为有线GPS信号数据和无线GPS信号数据中的至少一种;
在所述GPS信号数据为无线GPS信号数据的情况下,基于有线离线聚集算法确定所述目标车辆和所述目标车辆的目标聚集地;
在所述GPS信号数据为有线GPS信号数据的情况下,基于无线设备聚集算法确定所述目标车辆和所述目标车辆的目标聚集地;
基于有线离线聚集算法确定所述目标车辆和所述目标车辆的目标聚集地,包括:
确定所述各个待检测车辆中的离线车辆;
基于所述GPS信号数据获取所述离线车辆在第一预设时长的GPS定位轨迹,基于所述定位轨迹,计算轨迹点之间的经纬度距离;
基于所述经纬度距离确定目标车辆,基于所述目标车辆的目标定位轨迹确定所述目标车辆的目标聚集地;
基于无线设备聚集算法确定所述目标车辆和所述目标车辆的目标聚集地,包括:
获取所述各个待检测车辆在第一预设时长的GPS定位轨迹,基于所述定位轨迹,计算所述各个待检测车辆之间的经纬度距离;
基于所述经纬度距离确定目标车辆,基于所述目标车辆的目标定位轨迹确定所述目标车辆的目标聚集地。
2.根据权利要求1所述的方法,其特征在于,基于所述GPS信号数据通过同一位置停留聚集算法在所述各个待检测车辆中识别出目标车辆和所述目标车辆的目标聚集地,包括:
基于所述GPS信号数据确定各个待检测车辆的当前状态,其中,所述当前状态为行驶状态和停车状态中的一种;
基于所述各个待检测车辆的当前状态和所述GPS信号数据确定满足预设停车时长的各个备选车辆;
基于所述GPS信号数据获取所述各个备选车辆的GPS定位轨迹,基于所述定位轨迹计算所述各个备选车辆的经纬度距离;
基于所述经纬度距离确定目标车辆,基于所述目标车辆的目标定位轨迹确定所述目标车辆的目标聚集地。
3.根据权利要求1所述的方法,其特征在于,基于所述GPS信号数据通过同一位置重复出现聚集算法在所述各个待检测车辆中识别出目标车辆和所述目标车辆的目标聚集地,包括:
基于所述GPS信号数据获取所述各个待检测车辆的定位轨迹;
判断各个定位轨迹是否命中预设高危围栏,其中,所述预设高危围栏包括风险聚集高危地址;
若是,判断与命中定位轨迹对应的待检测车辆的在第二预设时长内的累计活动时长是否满足预设时间阈值;
若是,将累计活动时长满足预设时间阈值的待检测车辆作为目标车辆,基于所述目标车辆的目标定位轨迹确定所述目标车辆的目标聚集地。
4.一种基于GPS信号数据识别车辆聚集事件的装置,其特征在于,应用于待检测车辆,其中,所述待检测车辆包括:有线设备和无线设备,所述装置包括:
第一获取模块,用于在接收到对各个待检测车辆的聚集识别请求的情况下,获取所述各个待检测车辆的GPS信号数据;
识别模块,用于基于所述GPS信号数据通过同一位置中断聚集算法、同一位置停留聚集算法和同一位置重复出现聚集算法中的至少一种在所述各个待检测车辆中识别出目标车辆和所述目标车辆的目标聚集地;
第二获取模块,用于获取所述目标车辆和所述目标聚集地对应的线下核验数据;
判断模块,用于基于所述线下核验数据、所述目标车辆和所述目标聚集地判断所述目标车辆是否发生车辆聚集事件;
所述识别模块包括:
识别单元,用于识别所述GPS信号数据,其中,所述GPS信号数据为有线GPS信号数据和无线GPS信号数据中的至少一种;
第一确定单元,用于在所述GPS信号数据为无线GPS信号数据的情况下,基于有线离线聚集算法确定所述目标车辆和所述目标车辆的目标聚集地;
第二确定单元,用于在所述GPS信号数据为有线GPS信号数据的情况下,基于无线设备聚集算法确定所述目标车辆和所述目标车辆的目标聚集地;
第三确定单元,用于基于所述GPS信号数据确定各个待检测车辆的当前状态,其中,所述当前状态为行驶状态和停车状态中的一种;
第四确定单元,用于基于所述各个待检测车辆的当前状态和所述GPS信号数据确定满足预设停车时长的各个备选车辆;
获取和计算单元,用于基于所述GPS信号数据获取所述各个备选车辆的GPS定位轨迹,基于所述定位轨迹计算所述各个备选车辆的经纬度距离;
第五确定单元,用于基于所述经纬度距离确定目标车辆,基于所述目标车辆的目标定位轨迹确定所述目标车辆的目标聚集地;
还包括:获取单元,用于基于所述GPS信号数据获取所述各个待检测车辆的定位轨迹;
第一判断单元,用于判断各个定位轨迹是否命中预设高危围栏,其中,所述预设高危围栏包括风险聚集高危地址;
第二判断单元,用于若是,判断与命中定位轨迹对应的待检测车辆的在第二预设时长内的累计活动时长是否满足预设时间阈值;
第六确定单元,用于若是,将累计活动时长满足预设时间阈值的待检测车辆作为目标车辆,基于所述目标车辆的目标定位轨迹确定所述目标车辆的目标聚集地。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111226653.8A CN113963541B (zh) | 2021-10-21 | 2021-10-21 | 一种基于gps信号数据识别车辆聚集事件的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111226653.8A CN113963541B (zh) | 2021-10-21 | 2021-10-21 | 一种基于gps信号数据识别车辆聚集事件的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113963541A CN113963541A (zh) | 2022-01-21 |
CN113963541B true CN113963541B (zh) | 2022-08-23 |
Family
ID=79465895
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111226653.8A Active CN113963541B (zh) | 2021-10-21 | 2021-10-21 | 一种基于gps信号数据识别车辆聚集事件的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113963541B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114898226B (zh) * | 2022-05-31 | 2024-03-26 | 北京百度网讯科技有限公司 | 地图数据处理方法、装置、电子设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101799990A (zh) * | 2010-02-08 | 2010-08-11 | 深圳市同洲电子股份有限公司 | 一种车辆非正常聚集的预警方法及系统 |
CN102117532A (zh) * | 2009-12-31 | 2011-07-06 | 厦门雅迅网络股份有限公司 | 一种基于gps系统实现出租车非法聚集预报警的方法 |
CN105336162A (zh) * | 2015-10-26 | 2016-02-17 | 厦门蓝斯通信股份有限公司 | 车辆异常聚集的预警方法及预警系统 |
CN106384326A (zh) * | 2016-09-30 | 2017-02-08 | 青岛智车品信息科技有限公司 | 贷款车辆欺诈聚集的预警系统及方法 |
CN108021625A (zh) * | 2017-11-21 | 2018-05-11 | 深圳广联赛讯有限公司 | 车辆异常聚集地监控方法及系统、计算机可读存储介质 |
CN111770439A (zh) * | 2020-06-24 | 2020-10-13 | 上海万位数字技术有限公司 | 车辆定位方法、设备和系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8626419B2 (en) * | 2012-04-27 | 2014-01-07 | Fleetmatics Irl Limited | System and method for automated identification of frequent stop locations for vehicle fleets |
US10228258B2 (en) * | 2014-12-03 | 2019-03-12 | Strava, Inc. | Determining top venues from aggregated user activity location data |
US9697730B2 (en) * | 2015-01-30 | 2017-07-04 | Nissan North America, Inc. | Spatial clustering of vehicle probe data |
CN109633719A (zh) * | 2018-12-21 | 2019-04-16 | 北京智行者科技有限公司 | 车辆跟随的目标轨迹识别方法 |
CN111539454B (zh) * | 2020-03-30 | 2023-04-18 | 武汉理工大学 | 一种基于元学习的车辆轨迹聚类方法及系统 |
-
2021
- 2021-10-21 CN CN202111226653.8A patent/CN113963541B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102117532A (zh) * | 2009-12-31 | 2011-07-06 | 厦门雅迅网络股份有限公司 | 一种基于gps系统实现出租车非法聚集预报警的方法 |
CN101799990A (zh) * | 2010-02-08 | 2010-08-11 | 深圳市同洲电子股份有限公司 | 一种车辆非正常聚集的预警方法及系统 |
CN105336162A (zh) * | 2015-10-26 | 2016-02-17 | 厦门蓝斯通信股份有限公司 | 车辆异常聚集的预警方法及预警系统 |
CN106384326A (zh) * | 2016-09-30 | 2017-02-08 | 青岛智车品信息科技有限公司 | 贷款车辆欺诈聚集的预警系统及方法 |
CN108021625A (zh) * | 2017-11-21 | 2018-05-11 | 深圳广联赛讯有限公司 | 车辆异常聚集地监控方法及系统、计算机可读存储介质 |
CN111770439A (zh) * | 2020-06-24 | 2020-10-13 | 上海万位数字技术有限公司 | 车辆定位方法、设备和系统 |
Non-Patent Citations (1)
Title |
---|
考虑双向路网的车辆异常聚集监测预警算法;陈洋等;《系统科学与数学》;20210824;第41卷(第11期);第3065-3077页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113963541A (zh) | 2022-01-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108460472B (zh) | 一种汽车在互联网中智能应用管理系统 | |
Khattak et al. | Are incident durations and secondary incidents interdependent? | |
CN114446056B (zh) | 车辆信息码的生成以及车辆通行控制方法、装置及设备 | |
US20130144805A1 (en) | Geospatial data based measurement of risk associated with a vehicular security interest in a vehicular loan portfolio | |
CN112447041B (zh) | 识别车辆的营运行为的方法、装置及计算设备 | |
CN111276007A (zh) | 一种通过摄像头对停车场的汽车定位和导航的方法 | |
CA2805526A1 (en) | Parking enforcement system and method of parking enforcement | |
CN107004353B (zh) | 交通违章管理系统和交通违章管理方法 | |
CN113963541B (zh) | 一种基于gps信号数据识别车辆聚集事件的方法及装置 | |
Johnson et al. | A partial test of the impact of a casino on neighborhood crime | |
CN112671834A (zh) | 停车数据的处理系统 | |
Ashby et al. | Concentrations of railway metal theft and the locations of scrap-metal dealers | |
KR20150092402A (ko) | 영상 메타데이터 태깅 및 무선통신 기반의 스마트 차량용 카메라 기술과 그 장치를 이용한 정보 거래 서비스 제공 시스템 및 방법 | |
US20210019759A1 (en) | Method for reporting incidents involving vehicles | |
Griffiths | Town centre CCTV: An examination of crime reduction in Gillingham, Kent | |
US20200387839A1 (en) | Estimating passenger income level on a ridesharing platform | |
CN108764796B (zh) | 一种基于前装车联网的自动盘库系统 | |
CN112989069B (zh) | 一种基于知识图谱与区块链的交通违章分析方法 | |
CN113327336B (zh) | 人车关系的识别方法、装置和电子设备 | |
Majumder | An Approach to Counting Vehicles from Pre-Recorded Video Using Computer Algorithms | |
JP2020071769A (ja) | 車両通過情報処理システム | |
CN111563403B (zh) | 车辆状态判断方法、装置、电子设备及计算机可读存储介质 | |
CN114387816A (zh) | 基于消费者行为预测分析的商城车流引导系统及方法 | |
CN111861498B (zh) | 出租车的监控方法、装置、设备和存储介质 | |
CN113191609A (zh) | 基于电子围栏的车辆监控方法、装置、设备以及介质 |
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 |