CN114495502B - 一种异常驾驶探查区域的确定方法及装置 - Google Patents
一种异常驾驶探查区域的确定方法及装置 Download PDFInfo
- Publication number
- CN114495502B CN114495502B CN202210110596.5A CN202210110596A CN114495502B CN 114495502 B CN114495502 B CN 114495502B CN 202210110596 A CN202210110596 A CN 202210110596A CN 114495502 B CN114495502 B CN 114495502B
- Authority
- CN
- China
- Prior art keywords
- target
- time
- bayonet
- target vehicle
- bayonets
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 143
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000001514 detection method Methods 0.000 claims abstract description 139
- 239000000523 sample Substances 0.000 claims description 19
- 238000000638 solvent extraction Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 description 41
- 238000010586 diagram Methods 0.000 description 15
- 238000004590 computer program Methods 0.000 description 9
- 238000003860 storage Methods 0.000 description 8
- 238000009826 distribution Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000004075 alteration Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
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
-
- 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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例提供的一种异常驾驶探查区域的确定方法及装置,包括:获取目标车辆被检测的检测时间、以及经过各个卡口的关联信息,关联信息包括经过各个卡口的时间和对应卡口的位置;根据关联信息和检测时间,确定与检测时间对应的目标车辆经过相邻目标卡口的时间和相邻目标卡口的位置,相邻目标卡口为各个卡口中与检测时间对应的卡口;根据目标车辆经过相邻目标卡口的时间、相邻目标卡口位置和检测时间,确定异常驾驶探查区域。通过获取目标车辆的检测时间以及经过各个卡口的关联信息,可以较准确的确定目标车辆的检测时间对应的相邻卡口的时间和位置,从而可以提高确定异常驾驶探查区域的准确性。
Description
技术领域
本发明涉及智能交通技术领域,尤其涉及一种异常驾驶探查区域的确定方法及装置。
背景技术
随着经济的不断发展,人们出行的频率不断的增加,道路上汽车的数量快速增长,车辆异常事故的发生概率也随之增加。为了保证人们出行的安全,降低车辆异常事故的发生概率,需要根据异常驾驶探查区域设置检查地点。
目前是通过人工经验确定异常驾驶探查区域的,一般通过人工经验可以确定一些商圈、饭店等聚集性区域为异常驾驶探查区域,但是会忽略一些隐蔽的异常驾驶探查区域,从而导致检查地点设置的不合理,增加道路的安全隐患。
综上,如何实现提高确定异常驾驶探查区域的准确性,是当前亟需解决的技术问题。
发明内容
本发明实施例提供的一种异常驾驶探查区域的确定方法及装置,用以解决现有技术中因忽略一部分异常驾驶探查区域,导致检查地点设置不合理的问题。
第一方面,本发明实施例提供的一种异常驾驶探查区域的确定方法,包括:获取目标车辆被检测的检测时间、以及经过各个卡口的关联信息,所述关联信息包括经过各个卡口的时间和对应卡口的位置;根据所述关联信息和所述检测时间,确定与所述检测时间对应的所述目标车辆经过相邻目标卡口的时间和所述相邻目标卡口的位置,所述相邻目标卡口为所述各个卡口中与所述检测时间对应的卡口;根据所述目标车辆经过相邻目标卡口的时间、所述相邻目标卡口位置和所述检测时间,确定异常驾驶探查区域。
本发明实施例中,通过获取目标车辆的检测时间以及经过各个卡口的关联信息,可以较准确的确定目标车辆的检测时间对应的相邻卡口的时间和位置,从而可以提高确定异常驾驶探查区域的准确性。
可选的,所述获取目标车辆被检测的检测时间、以及经过各个卡口的关联信息,包括:获取目标车辆的标识;根据所述目标车辆的标识,从第一数据库获取所述目标车辆被检测的检测时间;根据所述目标车辆被检测的检测时间,获取所述目标车辆经过所述各个卡口的关联信息。
本发明实施例中,根据目标车辆的标识,可以获取目标车辆被检测的检测时间以及各个卡口的关联信息,可以较准确的确定检测时间对应的相邻卡口的时间和位置,从而实现后续根据相邻卡口的时间和位置确定较准确的异常驾驶探查区域。
可选的,所述根据所述关联信息和所述检测时间,确定与所述检测时间对应的所述目标车辆经过相邻目标卡口的时间和所述相邻目标卡口的位置,包括:将与所述检测时间的差值大于第一时间阈值的所述目标车辆经过的相邻两个卡口的时间,确定为所述目标车辆经过的相邻两个目标卡口的时间;根据所述关联信息,确定所述目标车辆经过的相邻两个目标卡口的位置。
本发明实施例中,根据与检测时间的差值大于第一事件阈值这一条件,可以较准确的确定相邻两个卡口之间的时间和位置,便于后续确定较准确的异常驾驶探查区域。
可选的,所述目标车辆经过的相邻目标卡口的时间包括所述目标车辆经过的第一相邻目标卡口的时间和所述目标车辆经过的第二相邻目标卡口的时间,所述相邻两个目标卡口的位置包括第一目标卡口的位置和第二目标卡口的位置;所述根据所述目标车辆经过相邻目标卡口的时间、所述相邻卡口位置和所述检测时间,确定异常驾驶探查区域,包括:若所述检测时间位于所述目标车辆经过第一目标卡口的时间和所述目标车辆经过第二目标卡口的时间之间,根据所述第一目标卡口的位置和所述第二目标卡口的位置,确定所述第一目标卡口与所述第二目标卡口之间的距离;若所述第一目标卡口与所述第二目标卡口之间的距离不大于距离阈值,则确定所述目标车辆经过所述第一目标卡口的时间与所述目标车辆经过所述第二目标卡口的时间的差值是否大于第二时间阈值;若所述目标车辆经过所述第一目标卡口的时间与所述目标车辆经过第二目标卡口的时间的差值大于所述第二时间阈值,则确定所述第一目标卡口与所述第二目标卡口之间存在所述异常驾驶探查区域。
本发明实施例中,若检测时间对应的相邻两个卡口的时间和位置满足这一条件,则确定相邻卡口之间存在异常驾驶探查区域,便于后续根据相邻卡口的位置确定较准确的异常驾驶探查区域。
可选的,所述根据所述目标车辆经过相邻目标卡口的时间、所述相邻卡口位置和所述检测时间,确定异常驾驶探查区域,包括:若所述第一目标卡口与所述第二目标卡口之间的距离大于所述距离阈值,则确定所述目标车辆经过所述第一目标卡口的时间与所述检测时间的差值是否大于第三时间阈值、以及确定所述目标车辆经过所述第二目标卡口的时间与所述检测时间的差值是否大于所述第三时间阈值;若所述目标车辆经过所述第一目标卡口的时间与所述检测时间的差值大于所述第三时间阈值且所述目标车辆经过所述第二目标卡口的时间与所述检测时间的差值大于所述第三时间阈值,则确定所述第一目标卡口与所述第二目标卡口之间存在所述异常驾驶探查区域。
本发明实施例中,若检测时间对应的相邻两个卡口的时间和位置满足这一条件,则确定相邻两个卡口之间存在异常驾驶探查区域,根据相邻两个卡口的时间和位置,可以较准确的确定异常驾驶探查区域。
可选的,所述根据所述目标车辆经过相邻目标卡口的时间、所述相邻卡口位置和所述检测时间,确定异常驾驶探查区域,包括:若所述目标车辆经过所述第一目标卡口的时间与所述检测时间的差值小于所述第三时间阈值,则确定所述第一目标卡口的周围存在所述异常驾驶探查区域。
本发明实施例中,若第一目标卡口的时间与位置满足这一条件,则确定第一目标卡口周围存在异常驾驶探查区域,后续根据第一目标卡口的时间和位置确定较准确的异常驾驶探查区域。
可选的,所述根据所述目标车辆经过相邻目标卡口的时间、所述相邻卡口位置和所述检测时间,确定异常驾驶探查区域,包括:若所述检测时间位于所述目标车辆经过第一目标卡口的时间和所述目标车辆经过第二目标卡口的时间之间,且所述检测时间与所述目标车辆经过所述第一目标卡口的时间之间的差值大于第四时间阈值,则确定所述第一目标卡口周围存在所述异常驾驶探查区域,其中,所述目标车辆经过第一目标卡口的时间早于所述目标车辆经过第二目标卡口的时间。
本发明实施例中,若第一目标卡口的时间与位置满足这一条件,则确定第一目标卡口周围存在异常驾驶探查区域,便于后续根据第一目标卡口的位置确定较准确的异常驾驶探查区域。
可选的,所述根据所述目标车辆经过相邻目标卡口的时间、所述相邻卡口位置和所述检测时间,确定异常驾驶探查区域,包括:若所述检测时间位于所述第二目标卡口的时间之后且所述目标车辆经过第一目标卡口的时间与所述目标车辆经过第二目标卡口的时间之间的差值大于第五时间阈值,则确定所述第一目标卡口与所述第二目标卡口之间存在所述异常驾驶探查区域,其中,所述目标车辆经过第一目标卡口的时间早于所述目标车辆经过第二目标卡口的时间。
本发明实施例中,若检测时间对应的相邻两个卡口的时间和位置满足这一条件,则相邻卡口之间存在异常驾驶探查区域,便于后续根据相邻卡口的位置确定较准确的异常驾驶探查区域。
可选的,所述根据所述目标车辆经过相邻目标卡口的时间、所述相邻卡口位置和所述检测时间,确定异常驾驶探查区域,包括:将所述第一目标卡口的位置和/或所述第二目标卡口的位置输入划分聚类算法,得到所述异常驾驶探查区域的位置。
本发明实施例中,通过将上述得到的第一目标卡口位置和第二目标卡口的位置输入划分聚类算法中,可以得到较准确的异常驾驶探查区域。
第二方面,一种异常驾驶探查区域的确定装置,包括:获取单元,用于获取目标车辆被检测的检测时间、以及经过各个卡口的关联信息,所述关联信息包括经过各个卡口的时间和对应卡口的位置;处理单元,用于根据所述关联信息和所述检测时间,确定与所述检测时间对应的所述目标车辆经过相邻目标卡口的时间和所述相邻目标卡口的位置,所述相邻目标卡口为所述各个卡口中与所述检测时间对应的卡口;根据所述目标车辆经过相邻目标卡口的时间、所述相邻目标卡口位置和所述检测时间,确定异常驾驶探查区域。
可选的,获取单元还用于获取目标车辆的标识;根据所述目标车辆的标识,从第一数据库获取所述目标车辆被检测的检测时间;根据所述目标车辆被检测的检测时间,获取所述目标车辆经过所述各个卡口的关联信息。
可选的,处理单元还用于将与所述检测时间的差值大于第一时间阈值的所述目标车辆经过的相邻两个卡口的时间,确定为所述目标车辆经过的相邻两个目标卡口的时间;根据所述关联信息,确定所述目标车辆经过的相邻两个目标卡口的位置。
可选的,处理单元还用于若所述检测时间位于所述目标车辆经过第一目标卡口的时间和所述目标车辆经过第二目标卡口的时间之间,根据所述第一目标卡口的位置和所述第二目标卡口的位置,确定所述第一目标卡口与所述第二目标卡口之间的距离;若所述第一目标卡口与所述第二目标卡口之间的距离不大于距离阈值,则确定所述目标车辆经过所述第一目标卡口的时间与所述目标车辆经过所述第二目标卡口的时间的差值是否大于第二时间阈值;若所述目标车辆经过所述第一目标卡口的时间与所述目标车辆经过第二目标卡口的时间的差值大于所述第二时间阈值,则确定所述第一目标卡口与所述第二目标卡口之间存在所述异常驾驶探查区域。
可选的,处理单元还用于若所述第一目标卡口与所述第二目标卡口之间的距离大于所述距离阈值,则确定所述目标车辆经过所述第一目标卡口的时间与所述检测时间的差值是否大于第三时间阈值、以及确定所述目标车辆经过所述第二目标卡口的时间与所述检测时间的差值是否大于所述第三时间阈值;
若所述目标车辆经过所述第一目标卡口的时间与所述检测时间的差值大于所述第三时间阈值且所述目标车辆经过所述第二目标卡口的时间与所述检测时间的差值大于所述第三时间阈值,则确定所述第一目标卡口与所述第二目标卡口之间存在所述异常驾驶探查区域。
可选的,处理单元还用于若所述目标车辆经过所述第一目标卡口的时间与所述检测时间的差值小于所述第三时间阈值,则确定所述第一目标卡口的周围存在所述异常驾驶探查区域。
可选的,处理单元还用于若所述检测时间位于所述目标车辆经过第一目标卡口的时间和所述目标车辆经过第二目标卡口的时间之间,且所述检测时间与所述目标车辆经过所述第一目标卡口的时间之间的差值大于第四时间阈值,则确定所述第一目标卡口周围存在所述异常驾驶探查区域,其中,所述目标车辆经过第一目标卡口的时间早于所述目标车辆经过第二目标卡口的时间。
可选的,处理单元还用于若所述检测时间位于所述第二目标卡口的时间之后且所述目标车辆经过第一目标卡口的时间与所述目标车辆经过第二目标卡口的时间之间的差值大于第五时间阈值,则确定所述第一目标卡口与所述第二目标卡口之间存在所述异常驾驶探查区域,其中,所述目标车辆经过第一目标卡口的时间早于所述目标车辆经过第二目标卡口的时间。
可选的,处理单元还用于将所述第一目标卡口的位置和/或所述第二目标卡口的位置输入划分聚类算法,得到所述异常驾驶探查区域的位置。
第三方面,本发明实施例提供了一种计算设备,包括至少一个处理器以及至少一个存储器,其中,所述存储器存储有计算机程序,当所述程序被所述处理器执行时,使得所述处理器执行上述第一方面任意所述的异常驾驶探查区域的确定方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,所述存储介质存储有程序,当所述程序在计算机上运行时,使得计算机实现执行上述第一方面任意所述的异常驾驶探查区域的确定方法。
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要介绍,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,对于本领域的普通技术人员来讲,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他的附图。
图1为本发明实施例提供的一种可能的应用场景示意图;
图2为本发明实施例提供的一种异常驾驶探查区域的确定方法流程图;
图3为本发明实施例提供的一种路口示意图;
图4为本发明实施例提供的一种路口的示意图;
图5为本发明实施例提供的一种样本的分布图;
图6为本发明实施例提供的一种异常驾驶探查区域的分布图;
图7为本发明实施例提供的一种确定装置的结构示意图;
图8为本发明实施例提供的一种计算设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,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它实施例,都属于本发明保护的范围。
如图1所述,为本发明实施例提供的一种可能的应用场景示意图。该应用场景以某一段道路为例,该道路以包括卡口101、卡口102、检查地点103和两辆车(即车辆104、车辆105)为例。一般情况下,卡口101与卡口102相隔设定距离,卡口上的检测设备用来获取所需检测路段的车辆的车牌号码、过车时间、位置等信息。检查地点103中的工作人员用于对经过的车辆中的驾驶员进行检测,筛选出异常驾驶的驾驶员,从而可以实现预防潜在车辆异常事故。检查地点的设置是根据异常驾驶探查区域确定的,其中异常驾驶探查区域一般是根据人工经验确定的。车辆异常事故可以是醉驾事故、酒驾事故,也可以是其他异常事故,在此不做限定。异常驾驶可以是醉驾、酒驾,也可以是其他异常驾驶,在此不做限定。
在一种可能的情况下,车辆104在行驶的过程中,会经过检查地点103,检查地点103中的工作人员会对车辆104中的驾驶员进行检测,这样的话,工作人员可以通过检测将存在异常驾驶的车辆进行相应的处理,从而可以实现预防潜在车辆异常事故。
在另一种可能的情况下,由于车辆105在行驶的过程中,并不会经过检查地点103,因此检查地点103中的工作人员并不会对车辆105的驾驶员进行检测。这样的话,车辆105由于没有经过检查地点,可能会存在异常驾驶未被工作人员发现的情况。
根据上述两种情况可以得知,根据人工经验确定的异常驾驶探查区域不全面,会导致忽略一些异常驾驶探查区域,从而会降低检查地点的合理性,增加道路的安全隐患。
鉴于此,本发明实施例提供了一种确定异常驾驶探查区域的方法,该方法可以实现较准确的确定异常驾驶探查区域,从而通过异常驾驶探查区域合理的设置检查地点。
如图2所示,为本发明实施例提供的一种异常驾驶探查区域的确定方法流程图。该方法包括以下步骤:
步骤201,获取目标车辆被检测的检测时间、以及经过各个卡口的关联信息。
本发明实施例中,从车辆管理系统中提取目标车辆数据,其中目标车辆数据包括目标车辆的标识、目标车辆被工作人员查处的时间以及目标车辆被工作人员查处的地址。其中,目标驾驶的车辆标识可以是车牌号码,也可以是其他标识,在此不做限定。然后再根据目标车辆的标识从检测仪系统中提取对应车辆的检测时间和检测值,再根据目标车辆的标识和目标车辆的检测时间从过车系统中提取设定时间内目标车辆经过的各个卡口的关联信息,例如,提取目标车辆对应的检测时间的前24小时,后2小时的各个卡口的关联信息。其中设定时间可以是预先设定的,也可以是根据实际情况确定的,在此不做限定。
步骤202,根据关联信息和检测时间,确定与检测时间对应的目标车辆经过相邻目标卡口的时间和相邻目标卡口的位置。
本发明实施例中,由于卡口上的检测设备可能会出现设备老化或者维护不及时等情况,因此可能会导致关联信息中目标车辆的检测时间与目标车辆经过相邻目标卡口的时间的顺序是错误的,从而影响后续根据目标车辆经过相邻目标卡口的时间和检测时间确定异常驾驶探查区域的准确性。如图3所示,为本发明实施例提供的一种路口示意图。举个例子,若车辆C在经过卡口A之后,在检查地点D进行检测并确定车辆C为目标车辆,检查地点的工作人员需要对驾驶员的异常行为做进一步的处理,并不会立即放行车辆C,而是需要工作人员与驾驶员协商处理完之后,车辆C才会继续行驶并经过卡口B。
举个例子,如果车辆C为目标车辆,当车辆C对应的检测时间为22:12,那么由于工作人员需要会对车辆C中的驾驶员做进一步的处理,车辆C在22:12之后的一段时间内是没有经过卡口的关联信息的,但是如表1所示,为车辆C的各个卡口的关联信息表,车辆C在22:14中仍然有经过卡口的关联信息。因此可以判定关联信息中车辆C的检测时间与车辆C经过相邻卡口的时间的顺序是错误的。
表1车辆C的各个卡口的关联信息表
车辆名称 | 车辆经过卡口的时间 | 卡口位置 |
车辆C | 2021/6/18 22:11 | a路与b路路口 |
车辆C | 2021/6/18 22:14 | a路与c路路口 |
车辆C | 2021/6/18 22:14 | d路与c路路口 |
车辆C | 2021/6/18 22:56 | d路与e路路口 |
车辆C | 2021/6/18 22:56 | e路与f路路口 |
在一种可能的情况下,车辆C是经过卡口A之后,在检查地点D进行检测并确定车辆C为目标车辆。若车辆C经过卡口A的时间与车辆C对应的检测时间之间的时间差值不大于第一时间阈值,则说明关联信息中车辆C的检测时间与车辆C经过卡口A的时间的顺序是错误的。其中第一时间阈值可以是预先设定,也可以是根据具体情况确定,在此不做限定。例如,第一时间阈值可以是正常情况下车辆经过卡口A的时间与车辆到达检查地点进行检测的时间的最小时间间隔。
在另一种可能的情况下,当确定车辆C为目标车辆后,检查地点的工作人员会对驾驶员做进一步的处理,并不会立即放行该目标车辆,因此车辆C应该在检测时间之后在检查地点停留一段时间,然后才会经过卡口B。若车辆C对应的检测时间与车辆C经过卡口B的时间之间的时间差值不大于第一时间阈值,则说明关联信息中车辆C的检测时间与车辆C经过卡口B的时间的顺序是错误的。
本发明实施例中,若关联信息中目标车辆的检测时间与目标车辆经过相邻目标卡口的时间的顺序是错误的。则对应调整目标车辆的检测时间与目标车辆经过相邻目标卡口的时间的顺序,从而确定与检测时间对应的目标车辆经过相邻目标卡口的时间。具体来说,令m=1,2,3…,分别计算与/>的值,直到找到m使得或/> 其中/>为车辆对应的检测时间与前一个近邻卡口之间的时间差值,Tw为车辆对应的检测时间,/>为车辆对应的前一个近邻卡口的时间,/>为车辆对应的检测时间与后一个近邻卡口之间的时间差值,/>为车辆对应的后一个近邻卡口的时间。
若满足这一条件,则确定将Tw调整至/>与/>之间,即正确的时间顺序为:/>Tw、/>从而确定/>与/>为检测时间对应的目标车辆经过的两个相邻目标卡口的时间,然后从关联信息中确定对应的卡口位置和/>对应的卡口位置。
若满足这一条件,则确定将Tw调整至/>与/>之间,即正确的时间顺序为:/>Tw、/>从而确定/>与为检测时间对应的目标车辆经过的两个相邻目标卡口的时间,然后从关联信息中确定/>对应的卡口位置和/>对应的卡口位置。
步骤203,根据目标车辆经过相邻目标卡口的时间、相邻目标卡口位置和检测时间,确定异常驾驶探查区域。
本发明实施例中,如图4所示,为本发明实施例提供的一种路口的示意图。举个例子,在关联信息中显示车辆C在晚上18点23经过卡口E,在晚上23点10分经过卡口F,根据关联信息中可以看出车辆C在卡口E和卡口F之间停留了一段时间,但是在检测仪系统中,车辆C在晚上10点13分在检查地点G进行检测并确定为目标车辆。结合检测仪系统的数据和关联信息可以确定车辆C在18点23至23点10分之间的行动轨迹应该是从卡口E行驶至检查地点G,然后再从检查地点G行驶至卡口F。可以理解的是,关联信息中丢失了车辆C经过卡口E至检查地点G之间的至少一个卡口的时间和位置以及车辆C经过检查地点G至卡口F之间的至少一个卡口的时间和位置。
由于目标车辆经过两个相邻目标卡口之间的时间间隔过大,可能会出现丢失目标车辆经过的相邻卡口的关联信息的情况,也可能会出现异常驾驶探查区域在相邻目标卡口附近的情况。为了较准确的确定异常驾驶探查区域,下面介绍判定是否因为目标车辆经过两个相邻目标卡口之间的时间间隔过大而造成丢失目标车辆经过的相邻卡口的关联信息的方法,其中,目标车辆经过的相邻目标卡口的时间包括目标车辆经过的第一相邻目标卡口的时间和目标车辆经过的第二相邻目标卡口的时间,目标车辆经过第一目标卡口的时间早于目标车辆经过第二目标卡口的时间。相邻两个目标卡口的位置包括第一目标卡口的位置和第二目标卡口的位置。
在一种可能的实现方式中,若目标车辆的检测时间位于目标车辆经过第一目标卡口的时间和目标车辆经过第二目标卡口的时间之间,根据第一目标卡口的位置和第二目标卡口的位置,确定第一目标卡口和第二目标卡口之间的距离。若第一目标卡口与第二目标卡口之间的距离不大于距离阈值,且目标车辆经过第一目标卡口的时间与目标车辆经过第二目标卡口的时间的差值大于第二时间阈值,则确定目标车辆经过的相邻卡口的关联信息没有丢失,且第一目标卡口与第二目标卡口之间存在异常驾驶探查区域。举个例子,卡口A与卡口B之间设有检查地点,且车辆C在检查地点被确定为目标车辆,如果卡口A与卡口B之间的距离小于距离阈值,车辆C在卡口A与卡口B之间停留的时间大于第二时间阈值,则表明车辆C在卡口A与卡口B停留了一段时间,从而确定目标车辆经过的相邻卡口的关联信息没有丢失,且卡口A与卡口B之间存在异常驾驶探查区域。
在一种可能的实现方式中,若目标车辆的检测时间位于目标车辆经过第一目标卡口的时间和目标车辆经过第二目标卡口的时间之间,第一目标卡口与第二目标卡口之间的距离大于距离阈值且目标车辆经过第一目标卡口的时间与目标车辆经过第二目标卡口的时间的差值大于第二时间阈值,则从过车系统中获取设定时段内目标车辆的关联信息。其中设定时段可以是预先设定,也可以是根据具体情况下确定的,在此不做限定。举个例子,从过车系统中获取目标车辆前一个月的关联信息,若目标车辆连续一个月在相同时间经过第一目标卡口和第二目标卡口,则确定目标车辆经过的相邻卡口的关联信息没有丢失,且确定第一目标卡口为目标车辆对应的驾驶员的居住地;或第一目标卡口为目标车辆对应的驾驶员的办公地点;或第二目标卡口为目标车辆对应的驾驶员的居住地;或第二目标卡口为目标车辆对应的驾驶员的办公地点。
在一种可能的实现方式中,若目标车辆的检测时间位于目标车辆经过第一目标卡口的时间和目标车辆经过第二目标卡口的时间之间,第一目标卡口与第二目标卡口之间的距离大于距离阈值且目标车辆经过第一目标卡口的时间与检测时间的差值大于第三时间阈值且目标车辆经过第二目标卡口的时间与检测时间的差值大于第三时间阈值,则确定从而确定目标车辆经过的相邻卡口的关联信息没有丢失,且第一目标卡口与第二目标卡口之间存在异常驾驶探查区域。举个例子,卡口A与卡口B之间设有检查地点,且车辆C在检查地点被确定为目标车辆,如果满足卡口A与卡口B之间的距离大于距离阈值、车辆C经过卡口A的时间与检测时间的差值大于第三时间阈值和车辆C经过卡口B的时间与检测时间的差值大于第三时间阈值这三个条件,则表明车辆C在卡口A与卡口B之间停留了一段时间,从而确定卡口A与卡口B之间存在异常驾驶探查区域。
在一种可能的实现方式中,若目标车辆的检测时间位于目标车辆经过第一目标卡口的时间和目标车辆经过第二目标卡口的时间之间,第一目标卡口与第二目标卡口之间的距离大于距离阈值且目标车辆经过第一目标卡口的时间与检测时间的差值小于第三时间阈值,则从而确定目标车辆经过的相邻卡口的关联信息没有丢失,且确定第一目标卡口的周围存在异常驾驶探查区域。举个例子,卡口A与卡口B之间设有检查地点,且车辆C在检查地点被确定为目标车辆,如果满足第一目标卡口与第二目标卡口之间的距离大于距离阈值且目标车辆经过第一目标卡口的时间与检测时间的差值小于第三时间阈值,则表明车辆C在经过卡口A不久后就被检测确定为目标车辆,也就是说,车辆C在卡口A或卡口A之前的某一个区域停留了一段时间,从而确定卡口A周围存在异常驾驶探查区域。
在一种可能的实现方式中,若目标车辆的检测时间不在目标车辆经过第一目标卡口的时间和目标车辆经过第二目标卡口的时间之间,且第一目标卡口与第二目标卡口之间的距离大于距离阈值,则确定目标车辆经过的相邻卡口的关联信息丢失,第一目标卡口与第二目标卡口附近不存在异常驾驶探查区域。
本发明实施例中,上述根据相邻卡口之间停留时间过长的条件来确定异常驾驶探查区域,为了较准确的确定异常驾驶探查区域,下面根据不同的场景确定异常驾驶探查区域,第一种场景为若检测时间位于目标车辆经过第一目标卡口的时间和目标车辆经过第二目标卡口的时间之间,且检测时间与目标车辆经过第一目标卡口的时间之间的差值大于第四时间阈值,则确定第一目标卡口周围存在异常驾驶探查区域。举个例子,卡口A与卡口B之间设有检查地点,且车辆C在检查地点被确定为目标车辆,若车辆C的检测时间与车辆C经过卡口A的时间之间的差值大于第四时间阈值,则表明车辆C在卡口A与检测地点之间停留了一段时间,从而可以确定卡口A的周围存在异常驾驶探查区域。
第二种场景为若检测时间位于第二目标卡口的时间之后且目标车辆经过第一目标卡口的时间与目标车辆经过第二目标卡口的时间之间的差值大于第五时间阈值,则确定第一目标卡口与第二目标卡口之间存在异常驾驶探查区域。举个例子,检查地点设在卡口A与卡口B之后,且车辆C在检查地点被确定为目标车辆,若车辆C经过卡口A的时间与车辆C经过卡口B的时间之间的差值大于第五时间阈值,则表明车辆C在卡口A与卡口B之间停留了一段时间,从而可以确定卡口A与卡口B之间存在异常驾驶探查区域。
本发明实施例中,将存在异常驾驶探查区域的第一目标卡口的位置和/或第二目标卡口的位置进行聚类,得到最终的异常驾驶探查区域。
首先是准备工作:K值选择,聚类结果的质量可以用类的平均直径来衡量,指标类的平均直径为K个类别直径的均值,其中直径定义为类别中距离最远的样本对应的距离。一般地,类别数变小时,该指标增加,类别数变大超过某个值后,该指标会不变,而这个值为最优K值。在实际工作中,指定K值范围,循环进行以下聚类,最终输出最优聚类数K对应的聚类结果。
可以理解的是,将样本集D={x1,x2,…,xn}输入至划分聚类算法中,输出是簇划分C={C1,C2,…,Ck}。其中聚类的簇数K,最大迭代次数N,xn为第一目标卡口的位置和/或第二目标卡口的位置。例如xn可以是第一目标卡口的位置坐标和/或第二目标卡口的位置坐标,可以表示为xn=(ln,wn);
具体来说,步骤一:初始化。令t=0,从数据集D中随机选择k个样本作为初始的k个初始聚类中心:如图5所示,为本发明实施例提供的一种样本的分布图。其中K个样本为存在异常驾驶探查区域的个k卡口位置经纬度坐标。
步骤二:对样本进行聚类。对于类中心计算每个样本xi=(li,wi),i=1,2,…,n到类中心/>的距离/>将每个样本指派给与其最近的中心的类中,即将xi标记为最小dij所应的类别λi中。
更新类Cλi=Cλi∪{xi},更新类中心,各个类样本均值为新的类中心,即对于j=1,2,...,k,对Cj中所有的样本点重新计算新的质心
如果所有的K个质心向量都没有发生变化或者符合停止条件(迭代次数t>N),则转到步骤三;
步骤三:输出簇划分C={C1,C2,…,Ck},即得到异常驾驶探查区域。如图6所示,为本发明实施例提供的一种异常驾驶探查区域的分布图。
可选的,按照异常驾驶探查区域中样本的个数确定异常驾驶探查区域的分布图中的异常驾驶探查区域的颜色,其中异常驾驶探查区域的样本个数越多,异常驾驶探查区域的颜色越深,那么根据该异常驾驶探查区域确定的检查地点所需的工作人员的数量就越多;相反地,异常驾驶探查区域的样本个数越少,异常驾驶探查区域的颜色越浅,那么根据该异常驾驶探查区域确定的检查地点所需的工作人员就越少,从而实现合理性的分配异常驾驶探查区域的工作人员的数量。
可选的,按照异常驾驶探查区域中样本的个数确定异常驾驶探查区域的分布图中的异常驾驶探查区域面积的大小,其中异常驾驶探查区域的样本个数越多,异常驾驶探查区域的面积越大,那么根据该异常驾驶探查区域确定的检查地点所需的工作人员的数量就越多;相反地,异常驾驶探查区域的样本个数越少,异常驾驶探查区域的面积越小,那么根据该异常驾驶探查区域确定的检查地点所述的工作人员就越少,从而实现合理性的分配异常驾驶探查区域的工作人员的数量。
通过上述步骤201至步骤203可以看出,通过校正目标车辆的检测时间与目标车辆经过相邻目标卡口的时间的顺序以及根据相邻卡口之间停留时间,可以确定异常驾驶探查区域附近的卡口位置,从而可以实现根据异常驾驶探查区域附近的卡口位置通过聚类得到较准确的异常驾驶探查区域。
基于上述相同的技术构思,本发明实施例还提供一种确定装置,该装置可执行上述方法实施例中的方法。本发明实施例提供的异常驾驶探查区域的确定结构可参见图7,该装置700包括:获取单元701用于获取目标车辆被检测的检测时间、以及经过各个卡口的关联信息,所述关联信息包括经过各个卡口的时间和对应卡口的位置。处理单元702用于根据所述关联信息和所述检测时间,确定与所述检测时间对应的所述目标车辆经过相邻目标卡口的时间和所述相邻目标卡口的位置,所述相邻目标卡口为所述各个卡口中与所述检测时间对应的卡口;根据所述目标车辆经过相邻目标卡口的时间、所述相邻目标卡口位置和所述检测时间,确定异常驾驶探查区域。
可选的,获取单元701还用于获取目标车辆的标识;根据所述目标车辆的标识,从第一数据库获取所述目标车辆被检测的检测时间;根据所述目标车辆被检测的检测时间,获取所述目标车辆经过所述各个卡口的关联信息。
可选的,处理单元702还用于将与所述检测时间的差值大于第一时间阈值的所述目标车辆经过的相邻两个卡口的时间,确定为所述目标车辆经过的相邻两个目标卡口的时间;根据所述关联信息,确定所述目标车辆经过的相邻两个目标卡口的位置。
可选的,处理单元702还用于若所述检测时间位于所述目标车辆经过第一目标卡口的时间和所述目标车辆经过第二目标卡口的时间之间,根据所述第一目标卡口的位置和所述第二目标卡口的位置,确定所述第一目标卡口与所述第二目标卡口之间的距离;若所述第一目标卡口与所述第二目标卡口之间的距离不大于距离阈值,则确定所述目标车辆经过所述第一目标卡口的时间与所述目标车辆经过所述第二目标卡口的时间的差值是否大于第二时间阈值;若所述目标车辆经过所述第一目标卡口的时间与所述目标车辆经过第二目标卡口的时间的差值大于所述第二时间阈值,则确定所述第一目标卡口与所述第二目标卡口之间存在所述异常驾驶探查区域。
可选的,处理单元702还用于若所述第一目标卡口与所述第二目标卡口之间的距离大于所述距离阈值,则确定所述目标车辆经过所述第一目标卡口的时间与所述检测时间的差值是否大于第三时间阈值、以及确定所述目标车辆经过所述第二目标卡口的时间与所述检测时间的差值是否大于所述第三时间阈值;若所述目标车辆经过所述第一目标卡口的时间与所述检测时间的差值大于所述第三时间阈值且所述目标车辆经过所述第二目标卡口的时间与所述检测时间的差值大于所述第三时间阈值,则确定所述第一目标卡口与所述第二目标卡口之间存在所述异常驾驶探查区域。
可选的,处理单元702还用于若所述目标车辆经过所述第一目标卡口的时间与所述检测时间的差值小于所述第三时间阈值,则确定所述第一目标卡口的周围存在所述异常驾驶探查区域。
可选的,处理单元702还用于若所述检测时间位于所述目标车辆经过第一目标卡口的时间和所述目标车辆经过第二目标卡口的时间之间,且所述检测时间与所述目标车辆经过所述第一目标卡口的时间之间的差值大于第四时间阈值,则确定所述第一目标卡口周围存在所述异常驾驶探查区域,其中,所述目标车辆经过第一目标卡口的时间早于所述目标车辆经过第二目标卡口的时间。
可选的,处理单元702还用于若所述检测时间位于所述第二目标卡口的时间之后且所述目标车辆经过第一目标卡口的时间与所述目标车辆经过第二目标卡口的时间之间的差值大于第五时间阈值,则确定所述第一目标卡口与所述第二目标卡口之间存在所述异常驾驶探查区域,其中,所述目标车辆经过第一目标卡口的时间早于所述目标车辆经过第二目标卡口的时间。
可选的,处理单元702还用于将所述第一目标卡口的位置和/或所述第二目标卡口的位置输入划分聚类算法,得到所述异常驾驶探查区域的位置。
基于相同的技术构思,本申请实施例还提供了一种计算设备,如图8所示,包括至少一个处理器801,以及与至少一个处理器连接的存储器802,本申请实施例中不限定处理器801与存储器802之间的具体连接介质,图8中处理器801和存储器802之间通过总线连接为例。总线可以分为地址总线、数据总线、控制总线等。
在本申请实施例中,存储器802存储有可被至少一个处理器801执行的指令,至少一个处理器801通过执行存储器802存储的指令,可以执行前述的异常驾驶探查区域的确定方法中所包括的步骤。
其中,处理器801是计算设备的控制中心,可以利用各种接口和线路连接计算设备的各个部分,通过运行或执行存储在存储器802内的指令以及调用存储在存储器802内的数据,从而实现数据处理。可选的,处理器801可包括一个或多个处理单元,处理器801可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理下发指令。可以理解的是,上述调制解调处理器也可以不集成到处理器801中。在一些实施例中,处理器801和存储器802可以在同一芯片上实现,在一些实施例中,它们也可以在独立的芯片上分别实现。
处理器801可以是通用处理器,例如中央处理器(CPU)、数字信号处理器、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件,可以实现或者执行本申请实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合异常驾驶探查区域的确定方法实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器802作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。存储器802可以包括至少一种类型的存储介质,例如可以包括闪存、硬盘、多媒体卡、卡型存储器、随机访问存储器(Random AccessMemory,RAM)、静态随机访问存储器(Static Random Access Memory,SRAM)、可编程只读存储器(Programmable Read Only Memory,PROM)、只读存储器(Read Only Memory,ROM)、带电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,EEPROM)、磁性存储器、磁盘、光盘等等。存储器802是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。本申请实施例中的存储器802还可以是电路或者其它任意能够实现存储功能的装置,用于存储程序指令和/或数据。
基于相同的技术构思,本申请实施例还提供了一种计算机可读存储介质,其存储有可由计算设备执行的计算机程序,当所述程序在所述计算设备上运行时,使得所述计算设备执行上述预异常驾驶探查区域的确定方法的步骤。
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。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (9)
1.一种异常驾驶探查区域的确定方法,其特征在于,包括:
获取目标车辆被检测的检测时间、以及经过各个卡口的关联信息,所述关联信息包括经过各个卡口的时间和对应卡口的位置;
将与所述检测时间的差值大于第一时间阈值的所述目标车辆经过的相邻两个卡口的时间,确定为所述目标车辆经过的相邻两个目标卡口的时间;所述相邻目标卡口为所述各个卡口中与所述检测时间对应的卡口;
根据所述关联信息,确定所述目标车辆经过的相邻两个目标卡口的位置;所述目标车辆经过的相邻目标卡口的时间包括目标车辆经过的第一目标卡口的时间和所述目标车辆经过的第二目标卡口的时间,所述相邻两个目标卡口的位置包括第一目标卡口的位置和第二目标卡口的位置;
根据所述第一目标卡口的位置和所述第二目标卡口的位置,确定所述第一目标卡口和所述第二目标卡口之间的距离;
根据所述目标车辆经过所述第一目标卡口的时间和所述目标车辆经过所述第二目标卡口的时间,确定所述目标车辆经过所述第一目标卡口的时间与所述目标车辆经过所述第二目标卡口的时间的差值;
根据所述目标车辆经过所述第一目标卡口的时间与所述目标车辆经过所述第二目标卡口的时间的差值、所述第一目标卡口和所述第二目标卡口之间的距离和所述检测时间,确定所述异常驾驶探查区域。
2.如权利要求1所述的方法,其特征在于,所述获取目标车辆被检测的检测时间、以及经过各个卡口的关联信息,包括:
获取目标车辆的标识;
根据所述目标车辆的标识,从第一数据库获取所述目标车辆被检测的检测时间;
根据所述目标车辆被检测的检测时间,获取所述目标车辆经过所述各个卡口的关联信息。
3.如权利要求1所述的方法,其特征在于,所述根据所述目标车辆经过相邻目标卡口的时间、相邻卡口位置和所述检测时间,确定异常驾驶探查区域,包括:
若所述检测时间位于所述目标车辆经过第一目标卡口的时间和所述目标车辆经过第二目标卡口的时间之间,根据所述第一目标卡口的位置和所述第二目标卡口的位置,确定所述第一目标卡口与所述第二目标卡口之间的距离;
若所述第一目标卡口与所述第二目标卡口之间的距离不大于距离阈值,则确定所述目标车辆经过所述第一目标卡口的时间与所述目标车辆经过所述第二目标卡口的时间的差值是否大于第二时间阈值;
若所述目标车辆经过所述第一目标卡口的时间与所述目标车辆经过第二目标卡口的时间的差值大于所述第二时间阈值,则确定所述第一目标卡口与所述第二目标卡口之间存在所述异常驾驶探查区域。
4.如权利要求3所述的方法,其特征在于,所述根据所述目标车辆经过相邻目标卡口的时间、相邻卡口位置和所述检测时间,确定异常驾驶探查区域,包括:
若所述第一目标卡口与所述第二目标卡口之间的距离大于所述距离阈值,则确定所述目标车辆经过所述第一目标卡口的时间与所述检测时间的差值是否大于第三时间阈值、以及确定所述目标车辆经过所述第二目标卡口的时间与所述检测时间的差值是否大于所述第三时间阈值;
若所述目标车辆经过所述第一目标卡口的时间与所述检测时间的差值大于所述第三时间阈值且所述目标车辆经过所述第二目标卡口的时间与所述检测时间的差值大于所述第三时间阈值,则确定所述第一目标卡口与所述第二目标卡口之间存在所述异常驾驶探查区域。
5.如权利要求4所述的方法,其特征在于,所述根据所述目标车辆经过相邻目标卡口的时间、相邻卡口位置和所述检测时间,确定异常驾驶探查区域,包括:
若所述目标车辆经过所述第一目标卡口的时间与所述检测时间的差值小于所述第三时间阈值,则确定所述第一目标卡口的周围存在所述异常驾驶探查区域。
6.如权利要求1所述的方法,其特征在于,所述根据所述目标车辆经过相邻目标卡口的时间、相邻卡口位置和所述检测时间,确定异常驾驶探查区域,包括:
若所述检测时间位于所述目标车辆经过第一目标卡口的时间和所述目标车辆经过第二目标卡口的时间之间,且所述检测时间与所述目标车辆经过所述第一目标卡口的时间之间的差值大于第四时间阈值,则确定所述第一目标卡口周围存在所述异常驾驶探查区域,其中,所述目标车辆经过第一目标卡口的时间早于所述目标车辆经过第二目标卡口的时间。
7.如权利要求1所述的方法,其特征在于,所述根据所述目标车辆经过相邻目标卡口的时间、相邻卡口位置和所述检测时间,确定异常驾驶探查区域,包括:
若所述检测时间位于所述第二目标卡口的时间之后且所述目标车辆经过第一目标卡口的时间与所述目标车辆经过所述第二目标卡口的时间之间的差值大于第五时间阈值,则确定所述第一目标卡口与所述第二目标卡口之间存在所述异常驾驶探查区域,其中,所述目标车辆经过第一目标卡口的时间早于所述目标车辆经过所述第二目标卡口的时间。
8.如权利要求1至7任一项所述的方法,其特征在于,所述根据所述目标车辆经过相邻目标卡口的时间、相邻卡口位置和所述检测时间,确定异常驾驶探查区域,包括:
将所述第一目标卡口的位置和/或所述第二目标卡口的位置输入划分聚类算法,得到所述异常驾驶探查区域的位置。
9.一种异常驾驶探查区域的确定装置,其特征在于,包括:
获取单元,用于获取目标车辆被检测的检测时间、以及经过各个卡口的关联信息,所述关联信息包括经过各个卡口的时间和对应卡口的位置;
处理单元,用于将与所述检测时间的差值大于第一时间阈值的所述目标车辆经过的相邻两个卡口的时间,确定为所述目标车辆经过的相邻两个目标卡口的时间;所述相邻目标卡口为所述各个卡口中与所述检测时间对应的卡口;根据所述关联信息,确定所述目标车辆经过的相邻两个目标卡口的位置;所述目标车辆经过的相邻目标卡口的时间包括所述目标车辆经过的第一目标卡口的时间和所述目标车辆经过的第二目标卡口的时间,所述相邻两个目标卡口的位置包括第一目标卡口的位置和第二目标卡口的位置;根据所述第一目标卡口的位置和所述第二目标卡口的位置,确定所述第一目标卡口和所述第二目标卡口之间的距离;根据所述目标车辆经过所述第一目标卡口的时间和所述目标车辆经过所述第二目标卡口的时间,确定所述目标车辆经过所述第一目标卡口的时间与所述目标车辆经过所述第二目标卡口的时间的差值;根据所述目标车辆经过所述第一目标卡口的时间与所述目标车辆经过所述第二目标卡口的时间的差值、所述第一目标卡口和所述第二目标卡口之间的距离和所述检测时间,确定所述异常驾驶探查区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210110596.5A CN114495502B (zh) | 2022-01-29 | 2022-01-29 | 一种异常驾驶探查区域的确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210110596.5A CN114495502B (zh) | 2022-01-29 | 2022-01-29 | 一种异常驾驶探查区域的确定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114495502A CN114495502A (zh) | 2022-05-13 |
CN114495502B true CN114495502B (zh) | 2023-11-28 |
Family
ID=81478828
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210110596.5A Active CN114495502B (zh) | 2022-01-29 | 2022-01-29 | 一种异常驾驶探查区域的确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114495502B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103886761A (zh) * | 2014-04-14 | 2014-06-25 | 姜廷顺 | 能够快速发现道路异常停车的智能卡口系统及其运行方法 |
CN105741553A (zh) * | 2016-04-28 | 2016-07-06 | 泰华智慧产业集团股份有限公司 | 基于动态阈值的识别车辆轨迹中停靠路段的方法 |
CN107749164A (zh) * | 2017-11-23 | 2018-03-02 | 浪潮软件集团有限公司 | 一种车辆聚集分析方法及装置 |
CN108242153A (zh) * | 2018-03-12 | 2018-07-03 | 小草数语(北京)科技有限公司 | 异常卡口识别方法及装置 |
CN112381386A (zh) * | 2020-11-12 | 2021-02-19 | 浙江大华技术股份有限公司 | 一种车辆稽查布控方法、装置、电子设备和存储介质 |
CN113593218A (zh) * | 2021-06-28 | 2021-11-02 | 北京百度网讯科技有限公司 | 交通异常事件的检测方法、装置、电子设备及存储介质 |
CN113918563A (zh) * | 2021-09-27 | 2022-01-11 | 浙江大华技术股份有限公司 | 布控信息的确定方法及装置、存储介质、电子装置 |
-
2022
- 2022-01-29 CN CN202210110596.5A patent/CN114495502B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103886761A (zh) * | 2014-04-14 | 2014-06-25 | 姜廷顺 | 能够快速发现道路异常停车的智能卡口系统及其运行方法 |
CN105741553A (zh) * | 2016-04-28 | 2016-07-06 | 泰华智慧产业集团股份有限公司 | 基于动态阈值的识别车辆轨迹中停靠路段的方法 |
CN107749164A (zh) * | 2017-11-23 | 2018-03-02 | 浪潮软件集团有限公司 | 一种车辆聚集分析方法及装置 |
CN108242153A (zh) * | 2018-03-12 | 2018-07-03 | 小草数语(北京)科技有限公司 | 异常卡口识别方法及装置 |
CN112381386A (zh) * | 2020-11-12 | 2021-02-19 | 浙江大华技术股份有限公司 | 一种车辆稽查布控方法、装置、电子设备和存储介质 |
CN113593218A (zh) * | 2021-06-28 | 2021-11-02 | 北京百度网讯科技有限公司 | 交通异常事件的检测方法、装置、电子设备及存储介质 |
CN113918563A (zh) * | 2021-09-27 | 2022-01-11 | 浙江大华技术股份有限公司 | 布控信息的确定方法及装置、存储介质、电子装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114495502A (zh) | 2022-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102800207B (zh) | 交通信号检测系统和方法 | |
CN111554105B (zh) | 一种复杂交通路口的智能流量识别与统计方法 | |
CN107645709B (zh) | 一种确定人员信息的方法及装置 | |
CN110532250B (zh) | 交规数据的处理方法及装置 | |
US11607994B2 (en) | Vehicle, object warning apparatus and method | |
CN109598931A (zh) | 基于交通安全风险的群体划分与差异性分析方法及系统 | |
CN112861567B (zh) | 一种车型分类方法及装置 | |
JP2022502750A (ja) | センサデータ流を分析するための方法及び装置、並びに、車両を誘導するための方法 | |
CN115662148A (zh) | 一种道路异常事件的预警方法、装置、设备及介质 | |
CN113095387B (zh) | 基于联网车载adas的道路风险识别方法 | |
CN114495502B (zh) | 一种异常驾驶探查区域的确定方法及装置 | |
CN113158922A (zh) | 基于yolo神经网络的车流量统计方法、装置及设备 | |
CN115204755B (zh) | 服务区入区率测算方法、装置、电子设备及可读存储介质 | |
CN115440071B (zh) | 一种自动驾驶违规停车检测方法 | |
CN114822044A (zh) | 一种基于隧道的行车安全预警方法及设备 | |
CN114664085A (zh) | 危险路段的提醒方法、装置、电子设备及介质 | |
CN114708728A (zh) | 一种识别交通高峰期的方法、电子设备及存储介质 | |
CN113626656A (zh) | 识别企业和车辆关系类型的方法、装置、设备及存储介质 | |
CN113192340A (zh) | 高速公路施工车辆的识别方法、装置、设备及存储介质 | |
CN110414756B (zh) | 交通工具驾驶系统评估方法、装置、计算机设备 | |
CN111274931A (zh) | 超车行为的审核方法、装置、计算机设备和存储介质 | |
CN113160546A (zh) | 一种危险路段的识别方法及装置 | |
CN114407918B (zh) | 接管场景分析方法、装置、设备及存储介质 | |
CN117272690B (zh) | 自动驾驶车辆危险切入场景提取方法、设备及介质 | |
CN116401111B (zh) | 脑机接口的功能检测方法、装置、电子设备及存储介质 |
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 |