CN115497261B - 车辆非正常移动报警方法、设备、存储介质及装置 - Google Patents
车辆非正常移动报警方法、设备、存储介质及装置 Download PDFInfo
- Publication number
- CN115497261B CN115497261B CN202211019938.9A CN202211019938A CN115497261B CN 115497261 B CN115497261 B CN 115497261B CN 202211019938 A CN202211019938 A CN 202211019938A CN 115497261 B CN115497261 B CN 115497261B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- track
- abnormal
- moving
- data set
- 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
- 238000000034 method Methods 0.000 title claims abstract description 57
- 208000012661 Dyskinesia Diseases 0.000 title claims abstract description 52
- 230000002159 abnormal effect Effects 0.000 claims abstract description 53
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 42
- 238000012423 maintenance Methods 0.000 claims description 15
- 238000003708 edge detection Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000012795 verification Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 230000006399 behavior Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000007621 cluster analysis Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
Abstract
本发明公开了一种车辆非正常移动报警方法、设备、存储介质及装置,本发明通过获取车辆的姿态信息,并根据姿态信息生成多特征数据集合;基于轨迹聚类算法和多特征数据集合判断车辆是否处于异常挪动状态;在识别出车辆处于异常挪动状态时,根据多特征数据集合生成警报信息;根据警报信息生成核查控制指令,并基于核查控制指令接收车辆发送的定位信息,以通知管理人员进行核查。由于本发明通过轨迹聚类算法和多特征数据集合判断车辆的异常挪动状态,本发明相对于现有技术通过划分停放区域限制车辆的停放区域,但上述方法并不能有效限制私自占用的行为,本发明实现了精准获取车辆异常挪动状态,有效避免了用户私自占用的问题,提升了车辆的共享率。
Description
技术领域
本发明涉及数据处理领域,尤其涉及一种车辆非正常移动报警方法、设备、存储介质及装置。
背景技术
目前,随着共享车辆在城市中的普及,越来越多的人通过使用共享车辆来实现低碳出行,但是在用户使用过程中会伴随一些私自占用的问题,因此为了避免由于个人的私人占用导致共享车辆的使用效率低,现有技术中是通过划分停放区域限制车辆的停放区域,但上述方法并不能有效限制私自占用的行为,因此不能有效解决用户私自占用问题。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种车辆非正常移动报警方法、设备、存储介质及装置,旨在解决现有技术中不能有效解决用户私自占用共享车辆的技术问题。
为实现上述目的,本发明提供一种车辆非正常移动报警方法,所述车辆非正常移动报警方法包括以下步骤:
获取车辆的姿态信息,并根据所述姿态信息生成多特征数据集合;
基于轨迹聚类算法和所述多特征数据集合判断所述车辆是否处于异常挪动状态;
在识别出车辆处于异常挪动状态时,根据所述多特征数据集合生成警报信息;
根据所述警报信息生成核查控制指令,并基于所述核查控制指令接收车辆发送的定位信息,以通知管理人员进行核查。
可选地,所述多特征数据集合包括时间、移动速度、坐标以及移动方向对应的数据集合,所述基于轨迹聚类算法和所述多特征数据集合判断所述车辆是否处于异常挪动状态的步骤,包括:
基于轨迹聚类算法对所述时间、移动速度、坐标以及移动方向对应的数据集合进行时间轨迹和空间轨迹的聚类分析,获得时间轨迹聚类结果和空间轨迹聚类结果;
根据所述时间轨迹聚类结果、所述空间轨迹聚类结果以及预设时空聚类数据集进行相似性对比,获得相似性对比结果;
根据所述相似性对比结果和预设相似度判断所述车辆是否处于异常挪动状态。
可选地,所述基于轨迹聚类算法对所述时间、移动速度、坐标以及移动方向对应的数据集合进行时间轨迹和空间轨迹的聚类分析,获得时间轨迹聚类结果和空间轨迹聚类结果的步骤,包括:
基于边缘检测算法和MDL原则遍历所述车辆的历史移动轨迹,提取各历史移动轨迹中的轨迹特征点;
根据所述轨迹特征点和对各历史轨迹进行轨迹划分,获得子轨迹;
基于轨迹聚类算法对所述子轨迹对应的时间、移动速度、坐标以及移动方向的数据集合进行时间轨迹和空间轨迹的聚类分析,获得时间轨迹聚类结果和空间轨迹聚类结果。
可选地,所述基于边缘检测算法和MDL原则遍历所述车辆的历史移动轨迹,提取各历史移动轨迹中的轨迹特征点的步骤,包括:
基于边缘检测算法对所述车辆的历史移动轨迹中相邻坐标点的轨迹进行筛选,获得目标坐标点;
基于MDL原则对所述目标坐标点对应的移动轨迹进行特征点提取,获得轨迹特征点。
可选地,所述在识别出车辆处于异常挪动状态时,根据所述多特征数据集合生成警报信息的步骤,包括:
在所述相似性对比结果低于预设相似度时,判定所述车辆处于异常挪动状态;
根据所述车辆对应的坐标以及移动方向的数据集合确定所述车辆在最近时间点的移动方向和移动轨迹;
根据所述移动方向、所述移动轨迹和所述车辆对应的序列号生成警报信息。
可选地,所述基于核查控制指令接收车辆发送的定位信息,以通知管理人员进行核查的步骤,包括:
基于所述车辆序列号确定待核查车辆,并根据待核查车辆的定位信息确定所述待核查车辆的管辖区域;
根据所述管辖区域确定管理人员,并根据所述定位信息通知管理人员进行核查。
可选地,所述根据所述管辖区域确定管理人员,并根据所述定位信息通知管理人员进行核查的步骤之后,还包括:
接收管理人员反馈的核查结果;
根据所述核查结果确定车辆维修信息,并将所述维修信息发送至维修管理平台。
此外,为实现上述目的,本发明还提出一种车辆非正常移动报警设备,所述车辆非正常移动报警设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的车辆非正常移动报警程序,所述车辆非正常移动报警程序配置为实现如上文所述的车辆非正常移动报警的步骤。
此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有车辆非正常移动报警程序,所述车辆非正常移动报警程序被处理器执行时实现如上文所述的车辆非正常移动报警方法的步骤。
此外,为实现上述目的,本发明还提出一种车辆非正常移动报警装置,所述车辆非正常移动报警装置包括:
数据获取模块,用于获取车辆的姿态信息,并根据所述姿态信息生成多特征数据集合;
动态判断模块,用于基于轨迹聚类算法和所述多特征数据集合判断所述车辆是否处于异常挪动状态;
告警控制模块,用于在识别出车辆处于异常挪动状态时,根据所述多特征数据集合生成警报信息;
所述告警模块,还用于根据所述警报信息生成核查控制指令,并基于所述核查控制指令接收车辆发送的定位信息,以通知管理人员进行核查。
本发明通过获取车辆的姿态信息,并根据姿态信息生成多特征数据集合;基于轨迹聚类算法和多特征数据集合判断车辆是否处于异常挪动状态;在识别出车辆处于异常挪动状态时,根据多特征数据集合生成警报信息;根据警报信息生成核查控制指令,并基于核查控制指令接收车辆发送的定位信息,以通知管理人员进行核查。由于本发明通过轨迹聚类算法和多特征数据集合判断车辆的异常挪动状态,本发明相对于现有技术通过划分停放区域限制车辆的停放区域,但上述方法并不能有效限制私自占用的行为,本发明实现了精准获取车辆异常挪动状态,有效避免了用户私自占用的问题,提升了车辆的共享率。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的车辆非正常移动报警设备的结构示意图;
图2为本发明车辆非正常移动报警方法第一实施例的流程示意图;
图3为本发明车辆非正常移动报警方法第二实施例的流程示意图;
图4为本发明车辆非正常移动报警方法第三实施例的流程示意图;
图5为本发明车辆非正常移动报警装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的车辆非正常移动报警设备结构示意图。
如图1所示,该车辆非正常移动报警设备可以包括:处理器1001,例如中央处理器(Central Processing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display),可选用户接口1003还可以包括标准的有线接口、无线接口,对于用户接口1003的有线接口在本发明中可为USB接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity,Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(Random Access Memory,RAM),也可以是稳定的存储器(Non-volatileMemory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对车辆非正常移动报警设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,认定为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及车辆非正常移动报警程序。
在图1所示的车辆非正常移动报警设备中,网络接口1004主要用于连接后台服务器,与所述后台服务器进行数据通信;用户接口1003主要用于连接用户设备;所述车辆非正常移动报警设备通过处理器1001调用存储器1005中存储的车辆非正常移动报警程序,并执行本发明实施例提供的车辆非正常移动报警方法。
基于上述硬件结构,提出本发明车辆非正常移动报警方法的实施例。
参照图2,图2为本发明车辆非正常移动报警方法第一实施例的流程示意图,提出本发明车辆非正常移动报警方法第一实施例。
在本实施例中,所述车辆非正常移动报警方法包括以下步骤:
步骤S10:获取车辆的姿态信息,并根据所述姿态信息生成多特征数据集合。
需说明的是,本实施例的执行主体可以是包含车辆监控管理系统的设备,所述设备可以是与监控管理平台连接的设备,所述设备可以是计算机、手机、平板等,本实施例对此不加以限定。车辆可以是具有共享功能的单车、电动车。所述姿态信息可以是通过车辆车身安装的姿态传感器采集的信号生成的信息,所述信息包括车辆偏移方向以及偏移角度等信息,其中偏移角度可以是侧倾角和俯仰角对应的角度。
应理解的是,多特征数据集合可以是基于姿态信息中的偏移方向以及偏移角度和定位系统采集的车辆移动速度、坐标生成的特征的数据集合,其中所述集合中包括多个类型的子集合。
步骤S20:基于轨迹聚类算法和所述多特征数据集合判断所述车辆是否处于异常挪动状态。
需说明的是,轨迹聚类算法可以是预先设置的用于对车辆移动过程中对时间和轨迹进行聚类分析的算法,其中,所述轨迹聚类算法结合了对时间的聚类分析,可以精准把握每一时间段内的轨迹,从而提升后期对车辆移动轨迹的精准确定。
可理解的是,异常挪动状态不限于对车辆的移动状态进行异常判断,还可以对车辆停放状态进行异常判断。
具体实现中,通过预先设置的轨迹聚类算法对车辆对应的多特征数据集合中包含的时间特征和轨迹特征进行聚类分析,根据分析结果判断车辆是否处于异常挪动状态。
步骤S30:在识别出车辆处于异常挪动状态时,根据所述多特征数据集合生成警报信息。
需说明的是,在识别出车辆处于异常挪动状态时,根据多特征数据集合中包含的时间特征和坐标特征对应的数据生成警报信息,所述警报信息可以用于确定异常挪动的车辆的位置以及挪动或停放时间,管理人员可以根据警报信息核查异常车辆。
具体实现中,在识别出车辆处于异常挪动状态时,根据多特征数据集合中的时间数据和空间数据(如:坐标、移动方向)等数据生成警报信息。
步骤S40:根据所述警报信息生成核查控制指令,并基于所述核查控制指令接收车辆发送的定位信息,以通知管理人员进行核查。
需说明的是,核查控制指令是指管理设备在识别出车辆的异常时,根据时间特征和坐标特征对应的数据生成警报信息,并根据异常车辆对应的序列号生成车辆核查指令,并实时跟踪车辆的定位,以使根据定位信息就近分配管理人员进行核查。
本实施例通过获取车辆的姿态信息,并根据姿态信息生成多特征数据集合;基于轨迹聚类算法和多特征数据集合判断车辆是否处于异常挪动状态;在识别出车辆处于异常挪动状态时,根据多特征数据集合生成警报信息;根据警报信息生成核查控制指令,并基于核查控制指令接收车辆发送的定位信息,以通知管理人员进行核查。由于本实施例通过轨迹聚类算法和多特征数据集合判断车辆的异常挪动状态,本实施例相对于现有技术通过划分停放区域限制车辆的停放区域,但上述方法并不能有效限制私自占用的行为,本实施例实现了精准获取车辆异常挪动状态,有效避免了用户私自占用的问题,提升了车辆的共享率。
参照图3,图3为本发明车辆非正常移动报警方法第二实施例的流程示意图,基于上述图2所示的第一实施例,提出本发明车辆非正常移动报警方法的第二实施例。
在本实施例中,所述多特征数据集合包括时间、移动速度、坐标以及移动方向对应的数据集合,所述步骤S20,包括:
步骤S201:基于轨迹聚类算法对所述时间、移动速度、坐标以及移动方向对应的数据集合进行时间轨迹和空间轨迹的聚类分析,获得时间轨迹聚类结果和空间轨迹聚类结果。
需说明的是,多特征数据集合包括但不限于时间、移动速度、坐标以及移动方向对应的数据集合,在对车辆移动轨迹进行聚类分析过程中,通过对时间特征和空间特征将数据集合进行划分,以获得时间和空间的数据集合,其中,时间集合包括各个时刻点。所述空间数据集合包括各个时刻点对应的车辆移动距离、坐标以及移动方向等数据。
可理解的是,时间轨迹聚类结果可以是各个时间段或各个时间点对应的轨迹信息,所述轨迹信息包括各个时间段或各个时间点对应的车辆的移动轨迹,所述移动轨迹可以由多个坐标点确定。
应理解的是,空间轨迹聚类结果可以是针对各个时间段或各个时间点对应的移动速度、坐标点以及移动方向的数据集合。
具体实现中,为了避免仅根据坐标定位划分轨迹的局限性,通过添加时间特征可以提升轨迹划分的准确性。
进一步地,所述步骤S201包括:基于边缘检测算法和MDL原则遍历所述车辆的历史移动轨迹,提取各历史移动轨迹中的轨迹特征点;根据所述轨迹特征点和对各历史轨迹进行轨迹划分,获得子轨迹;基于轨迹聚类算法对所述子轨迹对应的时间、移动速度、坐标以及移动方向的数据集合进行时间轨迹和空间轨迹的聚类分析,获得时间轨迹聚类结果和空间轨迹聚类结果。
需说明的是,边缘检测算法是用于对车辆历史轨迹进行冗余坐标点进行筛选的算法,以降低对轨迹识别的资源浪费。通过边缘检测算法将轨迹线条中相邻预设间隔的坐标进行筛选掉,从而得到新的轨迹线条。
可理解的是,MDL原则是用于对边缘检测后输出的新的轨迹线条中的特征点进行提取的算法。最小描述长度(Minimum Description Length,MDL)是用于对车辆整体移动轨迹进行子轨迹段划分,然后使用基于聚类方法对划分后的子轨迹段进行聚类,以提升计算效率。
进一步地,所述基于边缘检测算法和MDL原则遍历所述车辆的历史移动轨迹,提取各历史移动轨迹中的轨迹特征点的步骤,包括:基于边缘检测算法对所述车辆的历史移动轨迹中相邻坐标点的轨迹进行筛选,获得目标坐标点;基于MDL原则对所述目标坐标点对应的移动轨迹进行特征点提取,获得轨迹特征点。
需说明的是,基于MDL原则对所述目标坐标点对应的移动轨迹进行特征点提取,获得轨迹特征点,即通过轨迹特征点对轨迹进行划分,获得各个子轨迹。
步骤S202:根据所述时间轨迹聚类结果、所述空间轨迹聚类结果以及预设时空聚类数据集进行相似性对比,获得相似性对比结果。
需说明的是,预设时空聚类数据集包括时间轨迹聚类数据集和空间轨迹聚类数据集,所述时间轨迹聚类数据集是通过样本集训练得到的车辆在正常使用中的各个时间段内的轨迹信息。所述空间轨迹聚类数据集是指通过样本集训练得到的车辆在正常使用中在相同移动轨迹中的各种时间段车辆移动速度、坐标以及移动方向等数据。
可理解的是,相似性对比结果包括第一对比结果和第二对比结果,其中第一对比结果是指时间轨迹聚类结果和预设时间轨迹聚类数据集进行对比获得的结果。第二对比结果是指空间轨迹聚类结果和预设空间轨迹聚类数据集进行对比获得的结果。
步骤S203:根据所述相似性对比结果和预设相似度判断所述车辆是否处于异常挪动状态。
需说明的是,预设相似度是预先设置的用于判断车辆是否处于正常状态的相似度,例如:预设相似度设置于90%。当第一相似度结果和第二相似度结果均低于90%时,判定车辆处于异常挪动状态。
在本实施例中,步骤S30包括:
步骤S301:在所述相似性对比结果低于预设相似度时,判定所述车辆处于异常挪动状态。
需说明的是,在所述相似性对比结果不低于预设相似度时,判定所述车辆处于非异常挪动状态。
步骤S302:根据所述车辆对应的坐标以及移动方向的数据集合确定所述车辆在最近时间点的移动方向和移动轨迹。
需说明的是,为了确定车辆的所在区域,可以通过获取车辆在最近时间点的移动方向和移动轨迹判断车辆所处区域。
具体实现中,若车辆的定位装置被毁坏可以通过最近时间点的移动方向和移动轨迹预判车辆所在区域,以便于后期搜寻。
步骤S303:根据所述移动方向、所述移动轨迹和所述车辆对应的序列号生成警报信息。
需说明的是,通过车辆对应的序列号可以确定待核查车辆,并根据待核查车辆的移动方向和移动轨迹生成警报信息,所述警报信息可以是任意形式的信息。
本实施例通过获取车辆的姿态信息,并根据姿态信息生成多特征数据集合;基于轨迹聚类算法对所述时间、移动速度、坐标以及移动方向对应的数据集合进行时间轨迹和空间轨迹的聚类分析,获得时间轨迹聚类结果和空间轨迹聚类结果;根据所述时间轨迹聚类结果、所述空间轨迹聚类结果以及预设时空聚类数据集进行相似性对比,获得相似性对比结果;根据所述相似性对比结果和预设相似度判断所述车辆是否处于异常挪动状态;在识别出车辆处于异常挪动状态时,根据多特征数据集合生成警报信息;根据警报信息生成核查控制指令,并基于核查控制指令接收车辆发送的定位信息,以通知管理人员进行核查。由于本实施例通过轨迹聚类算法和多特征数据集合判断车辆的异常挪动状态,本实施例相对于现有技术通过划分停放区域限制车辆的停放区域,但上述方法并不能有效限制私自占用的行为,本实施例实现了精准获取车辆异常挪动状态,有效避免了用户私自占用的问题,提升了车辆的共享率。
参照图4,图4为本发明车辆非正常移动报警方法第三实施例的流程示意图,基于上述图2所示的第一实施例,提出本发明车辆非正常移动报警方法的第三实施例。
在本实施例中,所述步骤S40包括:
步骤S401:基于所述车辆序列号确定待核查车辆,并根据待核查车辆的定位信息确定所述待核查车辆的管辖区域。
需说明的是,在不同区域有不同的管理人员,为了提升车辆的管理效率,可以通过车辆的定位信息确定车辆所在管辖区域,从而便于提醒该区域的管理人员进行核查。
步骤S402:根据所述管辖区域确定管理人员,并根据所述定位信息通知管理人员进行核查。
进一步地,所述步骤S402之后,还包括:接收管理人员反馈的核查结果;根据所述核查结果确定车辆维修信息,并将所述维修信息发送至维修管理平台。
需说明的是,核查结果可以是管理人员通过检查车辆问题反馈的车辆部件故障检测结果,根据故障检测结果确定车辆维修信息,并将所述维修信息发送至维修管理平台,从而能够避免损坏车辆,影响用户体验感。
本实施例通过获取车辆的姿态信息,并根据姿态信息生成多特征数据集合;基于轨迹聚类算法和多特征数据集合判断车辆是否处于异常挪动状态;在识别出车辆处于异常挪动状态时,根据多特征数据集合生成警报信息;根据警报信息生成核查控制指令,并基于所述车辆序列号确定待核查车辆,并根据待核查车辆的定位信息确定所述待核查车辆的管辖区域;根据所述管辖区域确定管理人员,并根据所述定位信息通知管理人员进行核查。由于本实施例通过轨迹聚类算法和多特征数据集合判断车辆的异常挪动状态,本实施例相对于现有技术通过划分停放区域限制车辆的停放区域,但上述方法并不能有效限制私自占用的行为,本实施例实现了精准获取车辆异常挪动状态,有效避免了用户私自占用的问题,提升了车辆的共享率。
此外,为实现上述目的,本发明还提出一种车辆非正常移动报警设备,所述车辆非正常移动报警设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的车辆非正常移动报警程序,所述车辆非正常移动报警程序配置为实现如上文所述的车辆非正常移动报警的步骤。
此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有车辆非正常移动报警程序,所述车辆非正常移动报警程序被处理器执行时实现如上文所述的车辆非正常移动报警方法的步骤。
参照图5,图5为本发明车辆非正常移动报警装置第一实施例的结构框图。
如图5所示,本发明实施例提出的车辆非正常移动报警装置包括:
数据获取模块10,用于获取车辆的姿态信息,并根据所述姿态信息生成多特征数据集合;
动态判断模块20,用于基于轨迹聚类算法和所述多特征数据集合判断所述车辆是否处于异常挪动状态;
告警控制模块30,用于在识别出车辆处于异常挪动状态时,根据所述多特征数据集合生成警报信息;
所述告警模块30,还用于根据所述警报信息生成核查控制指令,并基于所述核查控制指令接收车辆发送的定位信息,以通知管理人员进行核查。
本实施例通过获取车辆的姿态信息,并根据姿态信息生成多特征数据集合;基于轨迹聚类算法和多特征数据集合判断车辆是否处于异常挪动状态;在识别出车辆处于异常挪动状态时,根据多特征数据集合生成警报信息;根据警报信息生成核查控制指令,并基于核查控制指令接收车辆发送的定位信息,以通知管理人员进行核查。由于本实施例通过轨迹聚类算法和多特征数据集合判断车辆的异常挪动状态,本实施例相对于现有技术通过划分停放区域限制车辆的停放区域,但上述方法并不能有效限制私自占用的行为,本实施例实现了精准获取车辆异常挪动状态,有效避免了用户私自占用的问题,提升了车辆的共享率。
进一步地,所述动态判断模块20还用于基于轨迹聚类算法对所述时间、移动速度、坐标以及移动方向对应的数据集合进行时间轨迹和空间轨迹的聚类分析,获得时间轨迹聚类结果和空间轨迹聚类结果;根据所述时间轨迹聚类结果、所述空间轨迹聚类结果以及预设时空聚类数据集进行相似性对比,获得相似性对比结果;根据所述相似性对比结果和预设相似度判断所述车辆是否处于异常挪动状态。
进一步地,所述动态判断模块20还用于基于边缘检测算法和MDL原则遍历所述车辆的历史移动轨迹,提取各历史移动轨迹中的轨迹特征点;根据所述轨迹特征点和对各历史轨迹进行轨迹划分,获得子轨迹;基于轨迹聚类算法对所述子轨迹对应的时间、移动速度、坐标以及移动方向的数据集合进行时间轨迹和空间轨迹的聚类分析,获得时间轨迹聚类结果和空间轨迹聚类结果。
进一步地,所述动态判断模块20还用于基于边缘检测算法对所述车辆的历史移动轨迹中相邻坐标点的轨迹进行筛选,获得目标坐标点;基于MDL原则对所述目标坐标点对应的移动轨迹进行特征点提取,获得轨迹特征点。
进一步地,所述告警控制模块30还用于在所述相似性对比结果低于预设相似度时,判定所述车辆处于异常挪动状态;根据所述车辆对应的坐标以及移动方向的数据集合确定所述车辆在最近时间点的移动方向和移动轨迹;根据所述移动方向、所述移动轨迹和所述车辆对应的序列号生成警报信息。
进一步地,所述告警控制模块30还用于基于所述车辆序列号确定待核查车辆,并根据待核查车辆的定位信息确定所述待核查车辆的管辖区域;根据所述管辖区域确定管理人员,并根据所述定位信息通知管理人员进行核查。
进一步地,所述告警控制模块30还用于接收管理人员反馈的核查结果;根据所述核查结果确定车辆维修信息,并将所述维修信息发送至维修管理平台。
应当理解的是,以上仅为举例说明,对本发明的技术方案并不构成任何限定,在具体应用中,本领域的技术人员可以根据需要进行设置,本发明对此不做限制。
需要说明的是,以上所描述的工作流程仅仅是示意性的,并不对本发明的保护范围构成限定,在实际应用中,本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的,此处不做限制。
另外,未在本实施例中详尽描述的技术细节,可参见本发明任意实施例所提供的车辆非正常移动报警方法,此处不再赘述。
需要说明的是,在本文中,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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。词语第一、第二、以及第三等的使用不表示任何顺序,可将这些词语解释为名称。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。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,该计算机软件产品存储在一个存储介质(如只读存储器镜像(Read Only Memory image,ROM)/随机存取存储器(Random AccessMemory,RAM)、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (6)
1.一种车辆非正常移动报警方法,其特征在于,所述车辆非正常移动报警方法包括:
获取车辆的姿态信息,并根据所述姿态信息生成多特征数据集合,所述多特征数据集合包括时间、移动速度、坐标以及移动方向对应的数据集合;
基于边缘检测算法对所述车辆的历史移动轨迹中相邻坐标点的轨迹进行筛选,获得目标坐标点;
基于MDL原则对所述目标坐标点对应的移动轨迹进行特征点提取,获得轨迹特征点;
根据所述轨迹特征点和对各历史轨迹进行轨迹划分,获得子轨迹;
基于轨迹聚类算法对所述子轨迹对应的时间、移动速度、坐标以及移动方向的数据集合进行时间轨迹和空间轨迹的聚类分析,获得时间轨迹聚类结果和空间轨迹聚类结果;
根据所述时间轨迹聚类结果、所述空间轨迹聚类结果以及预设时空聚类数据集进行相似性对比,获得相似性对比结果;
根据所述相似性对比结果和预设相似度判断所述车辆是否处于异常挪动状态;
在所述相似性对比结果低于预设相似度时,判定所述车辆处于异常挪动状态;
根据所述车辆对应的坐标以及移动方向的数据集合确定所述车辆在最近时间点的移动方向和移动轨迹;
根据所述移动方向、所述移动轨迹和所述车辆对应的序列号生成警报信息;
根据所述警报信息生成核查控制指令,并基于所述核查控制指令接收车辆发送的定位信息,以通知管理人员进行核查。
2.如权利要求1所述的车辆非正常移动报警方法,其特征在于,所述基于核查控制指令接收车辆发送的定位信息,以通知管理人员进行核查的步骤,包括:
基于所述车辆序列号确定待核查车辆,并根据待核查车辆的定位信息确定所述待核查车辆的管辖区域;
根据所述管辖区域确定管理人员,并根据所述定位信息通知管理人员进行核查。
3.如权利要求2所述的车辆非正常移动报警方法,其特征在于,所述根据所述管辖区域确定管理人员,并根据所述定位信息通知管理人员进行核查的步骤之后,还包括:
接收管理人员反馈的核查结果;
根据所述核查结果确定车辆维修信息,并将所述维修信息发送至维修管理平台。
4.一种车辆非正常移动报警设备,其特征在于,所述车辆非正常移动报警设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的车辆非正常移动报警程序,所述车辆非正常移动报警程序被所述处理器执行时实现如权利要求1至3中任一项所述的车辆非正常移动报警方法的步骤。
5.一种存储介质,其特征在于,所述存储介质上存储有车辆非正常移动报警程序,所述车辆非正常移动报警程序被处理器执行时实现如权利要求1至3中任一项所述的车辆非正常移动报警方法的步骤。
6.一种车辆非正常移动报警装置,其特征在于,所述车辆非正常移动报警装置包括:
数据获取模块,用于获取车辆的姿态信息,并根据所述姿态信息生成多特征数据集合,所述多特征数据集合包括时间、移动速度、坐标以及移动方向对应的数据集合;
动态判断模块,用于基于边缘检测算法对所述车辆的历史移动轨迹中相邻坐标点的轨迹进行筛选,获得目标坐标点;基于MDL原则对所述目标坐标点对应的移动轨迹进行特征点提取,获得轨迹特征点;根据所述轨迹特征点和对各历史轨迹进行轨迹划分,获得子轨迹;基于轨迹聚类算法对所述子轨迹对应的时间、移动速度、坐标以及移动方向的数据集合进行时间轨迹和空间轨迹的聚类分析,获得时间轨迹聚类结果和空间轨迹聚类结果;根据所述时间轨迹聚类结果、所述空间轨迹聚类结果以及预设时空聚类数据集进行相似性对比,获得相似性对比结果;根据所述相似性对比结果和预设相似度判断所述车辆是否处于异常挪动状态;
告警控制模块,用于在所述相似性对比结果低于预设相似度时,判定所述车辆处于异常挪动状态;根据所述车辆对应的坐标以及移动方向的数据集合确定所述车辆在最近时间点的移动方向和移动轨迹;根据所述移动方向、所述移动轨迹和所述车辆对应的序列号生成警报信息;
所述告警控制模块,还用于根据所述警报信息生成核查控制指令,并基于所述核查控制指令接收车辆发送的定位信息,以通知管理人员进行核查。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211019938.9A CN115497261B (zh) | 2022-08-24 | 2022-08-24 | 车辆非正常移动报警方法、设备、存储介质及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211019938.9A CN115497261B (zh) | 2022-08-24 | 2022-08-24 | 车辆非正常移动报警方法、设备、存储介质及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115497261A CN115497261A (zh) | 2022-12-20 |
CN115497261B true CN115497261B (zh) | 2024-02-20 |
Family
ID=84467008
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211019938.9A Active CN115497261B (zh) | 2022-08-24 | 2022-08-24 | 车辆非正常移动报警方法、设备、存储介质及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115497261B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103235933A (zh) * | 2013-04-15 | 2013-08-07 | 东南大学 | 一种基于隐马尔科夫模型的车辆异常行为检测方法 |
CN103605362A (zh) * | 2013-09-11 | 2014-02-26 | 天津工业大学 | 基于车辆轨迹多特征的运动模式学习及异常检测方法 |
CN111824291A (zh) * | 2020-07-03 | 2020-10-27 | 上海钧正网络科技有限公司 | 车辆异常挪动管理方法及系统、车辆管理系统 |
WO2021169165A1 (zh) * | 2020-02-28 | 2021-09-02 | 平安国际智慧城市科技股份有限公司 | 基于轨迹监测的共享车辆监控方法、装置和计算机设备 |
CN114612514A (zh) * | 2022-03-14 | 2022-06-10 | 西安邮电大学 | 多特征多分辨率轨迹异常检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170113747A1 (en) * | 2015-10-22 | 2017-04-27 | Sang Woo Kim | Anti-theft device for bicycles |
-
2022
- 2022-08-24 CN CN202211019938.9A patent/CN115497261B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103235933A (zh) * | 2013-04-15 | 2013-08-07 | 东南大学 | 一种基于隐马尔科夫模型的车辆异常行为检测方法 |
CN103605362A (zh) * | 2013-09-11 | 2014-02-26 | 天津工业大学 | 基于车辆轨迹多特征的运动模式学习及异常检测方法 |
WO2021169165A1 (zh) * | 2020-02-28 | 2021-09-02 | 平安国际智慧城市科技股份有限公司 | 基于轨迹监测的共享车辆监控方法、装置和计算机设备 |
CN111824291A (zh) * | 2020-07-03 | 2020-10-27 | 上海钧正网络科技有限公司 | 车辆异常挪动管理方法及系统、车辆管理系统 |
CN114612514A (zh) * | 2022-03-14 | 2022-06-10 | 西安邮电大学 | 多特征多分辨率轨迹异常检测方法 |
Non-Patent Citations (2)
Title |
---|
基于多特征信息融合的目标轨迹聚类方法;张培尼;穆志纯;;河南理工大学学报(自然科学版)(第02期) * |
基于时空模式的轨迹数据聚类算法;石陆魁;张延茹;张欣;;计算机应用(第03期);摘要和引言 * |
Also Published As
Publication number | Publication date |
---|---|
CN115497261A (zh) | 2022-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109345829B (zh) | 无人车的监控方法、装置、设备及存储介质 | |
Kluger et al. | Identification of safety-critical events using kinematic vehicle data and the discrete fourier transform | |
CN113470374B (zh) | 车辆超速监测方法、装置、计算机设备及存储介质 | |
CN111325437A (zh) | 异常行驶行为的识别方法、装置以及电子设备 | |
CN115273039B (zh) | 一种基于摄像头的小障碍物探测方法 | |
CN113514849A (zh) | 一种车辆参数检测方法、系统及存储介质 | |
CN111091215A (zh) | 车辆识别方法、装置、计算机设备和存储介质 | |
CN114509076B (zh) | 移动轨迹数据处理方法、装置、设备及存储介质 | |
CN113538963A (zh) | 用于输出信息的方法、装置、设备以及存储介质 | |
CN114360261B (zh) | 车辆逆行的识别方法、装置、大数据分析平台和介质 | |
CN115830837A (zh) | 一种引导用户停车的方法及系统 | |
CN114419601A (zh) | 障碍物信息确定方法、装置、电子设备以及存储介质 | |
CN115497261B (zh) | 车辆非正常移动报警方法、设备、存储介质及装置 | |
CN111540194B (zh) | 车辆监测数据处理方法、装置、计算机设备和存储介质 | |
CN110555352A (zh) | 一种兴趣点识别方法、装置、服务器和存储介质 | |
CN116047499B (zh) | 一种目标施工车辆的输电线路高精度实时防护系统和方法 | |
CN111862474A (zh) | 共享车辆处理方法、装置、设备及计算机可读存储介质 | |
CN109270566B (zh) | 导航方法、导航效果测试方法、装置、设备和介质 | |
CN115757628A (zh) | 车辆碰撞检测方法、装置、设备及介质 | |
CN114235441A (zh) | 无人车实时碰撞检测方法及相关装置 | |
CN114895274A (zh) | 一种护栏识别方法 | |
CN115704688A (zh) | 高精地图数据相对位置精度评估方法、系统、介质及终端 | |
Xu et al. | Novel fast safety assessment method for the buffer section of maintenance work zone | |
CN114548284A (zh) | 一种货运车辆事故判断系统、方法、设备及介质 | |
CN114093155A (zh) | 交通事故责任溯源方法、装置、计算机设备和存储介质 |
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 |