CN115841765A - 车辆位置盲区监控方法、装置、电子设备及可读存储介质 - Google Patents
车辆位置盲区监控方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN115841765A CN115841765A CN202310148326.8A CN202310148326A CN115841765A CN 115841765 A CN115841765 A CN 115841765A CN 202310148326 A CN202310148326 A CN 202310148326A CN 115841765 A CN115841765 A CN 115841765A
- Authority
- CN
- China
- Prior art keywords
- track
- running
- vehicle
- driving
- time
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012216 screening Methods 0.000 claims abstract description 11
- 238000012806 monitoring device Methods 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims description 41
- 238000004590 computer program Methods 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 238000007621 cluster analysis Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明实施例公开了一种车辆位置盲区监控方法、装置、电子设备及可读存储介质，包括：获取待监控车辆的丢失信号时间、第一速度以及第一位置，其中，第一速度为待监控车辆在丢失信号时间前预设时段内的平均速度，第一位置为待监控车辆在丢失信号时间所处的位置；在预设行驶轨迹分类集中筛选待定行驶轨迹类别；根据待定行驶轨迹类别确定目标行驶轨迹类别；根据当前时间、丢失信号时间以及第一速度计算待监控车辆的预测行驶距离；根据第一位置、预测行驶距离以及目标行驶轨迹类别，确定待监控车辆的当前位置。本发明无需添加新的摄像设备，就可以实现对处于定位盲区的两客一危车辆的精准定位，为车辆实时监控管理提供了有力支撑。
Description
技术领域
本发明涉及交通运输安全质量监管技术领域，尤其涉及一种车辆位置盲区监控方法、装置、电子设备及可读存储介质。
背景技术
“两客一危”类型车辆是交通运输安全质量监管的重点监管领域。
通过在“两客一危”类型车辆上安装北斗和GPS设备，可以实现对重点营运车辆的动态管理，可以有效遏制驾驶员出现超速行驶和疲劳驾驶等违法行为，在预防和减少道路交通事故方面发挥了积极的作用。
但由于通信信号不稳定、监控设备损坏、驾驶员人为关闭监控设备等原因，导致对“两客一危”车辆的监控管理方案存在监控盲区。
为有效解决“两客一危”车辆存在监控盲区的问题，亟需一种新型的“两客一危”车辆位置盲区监控方案，为“两客一危”重点营运车辆的实时监控管理提供有力支撑。
发明内容
为了解决上述技术问题，本申请实施例提供了一种车辆位置盲区监控方法、装置、电子设备及可读存储介质，具体方案如下：
第一方面，本申请实施例提供了一种车辆位置盲区监控方法，包括：
获取待监控车辆的丢失信号时间、第一速度以及第一位置，其中，所述第一速度为所述待监控车辆在丢失信号时间前预设时段内的平均速度，所述第一位置为所述待监控车辆在所述丢失信号时间所处的位置；
在预设行驶轨迹分类集中筛选待定行驶轨迹类别，其中，所述待定行驶轨迹类别为与所述第一位置之间距离小于预设距离阈值的行驶轨迹类别；
根据所述待定行驶轨迹类别确定目标行驶轨迹类别；
根据当前时间、所述丢失信号时间以及所述第一速度计算所述待监控车辆的预测行驶距离；
根据所述第一位置、所述预测行驶距离以及所述目标行驶轨迹类别，确定所述待监控车辆的当前位置。
根据本申请实施例的一种具体实施方式，构建所述预设行驶轨迹分类集的步骤，包括：
获取待监控车辆在预设时间周期内的监控明细数据，其中，所述监控明细数据包括车牌号、GPS采集时间、经度、纬度以及实时行驶速度；
根据所述GPS采集时间以及所述实时行驶速度划分连续的可用行驶轨迹，以得到行驶轨迹集合；
分别计算所述行驶轨迹集合中任意两个可用行驶轨迹之间的相似度，以得到行驶轨迹相似度矩阵；
基于预设密度聚类算法对所述行驶轨迹相似度矩阵进行聚类分析，以得到n个第一行驶轨迹类别，其中，n为正整数；
根据所述n个第一行驶轨迹类别构建所述预设行驶轨迹分类集。
根据本申请实施例的一种具体实施方式，所述“根据所述n个第一行驶轨迹类别构建所述预设行驶轨迹分类集”，包括：
获取每一所述第一行驶轨迹类别中各可用行驶轨迹的起止位置坐标；
计算各可用行驶轨迹起止位置坐标相连直线的斜率以及每一所述第一行驶轨迹类别中任意两个可用行驶轨迹的起止位置坐标相连直线的夹角
值；
根据所述夹角
值判断所述第一行驶轨迹类别中任意两个可用行驶轨迹的行驶方向是否相同，将具有相同行驶方向的行驶轨迹划分为一类，将具有不同行驶方向的行驶轨迹划分为另一类，以得到m个第二行驶轨迹类别，其中，m为正整数，n小于或等于m；
基于m个第二行驶轨迹类别构建所述预设行驶轨迹分类集。
根据本申请实施例的一种具体实施方式，所述“根据所述夹角
值判断所述第一行驶轨迹类别中任意两个可用行驶轨迹的行驶方向是否相同”，包括：
若所述夹角
值大于0，则判定所述两个可用行驶轨迹的行驶方向相同；
若所述夹角
值小于或等于0，则判定所述两个可用行驶轨迹的行驶方向不同。
根据本申请实施例的一种具体实施方式，所述“根据所述GPS采集时间以及所述实时行驶速度划分连续的可用行驶轨迹，以得到行驶轨迹集合”，包括：
根据所述GPS采集时间以及所述实时行驶速度确定在预设时间周期内的全部轨迹计算标志分段，其中，每一轨迹计算标志分段的速度均为0；
根据预设行驶轨迹划分规则依次判断连续的两个轨迹计算标志分段之间的行驶轨迹是否为可用行驶轨迹；
综合全部可用行驶轨迹，得到所述行驶轨迹集合。
根据本申请实施例的一种具体实施方式，每一轨迹计算标志分段包括开始时间点和结束时间点，所述“根据预设行驶轨迹划分规则依次判断连续的两个轨迹计算标志分段之间的行驶轨迹是否为可用行驶轨迹”，包括：
根据当前轨迹计算标志分段的结束时间点以及下一轨迹计算标志分段的开始时间点计算得到一段行驶轨迹的行驶时长；
若所述行驶轨迹的行驶时长小于预设时长阈值，则将所述行驶轨迹划分为不可用行驶轨迹；
若所述行驶轨迹的行驶时长大于或等于预设时长阈值，则将所述行驶轨迹划分为可用行驶轨迹。
根据本申请实施例的一种具体实施方式，所述待定行驶轨迹类别包括至少1个行驶轨迹类别，所述“根据所述待定行驶轨迹类别确定目标行驶轨迹类别”，包括：
若所述待定行驶轨迹类别为1个行驶轨迹类别，则将所述行驶轨迹类别确定为所述目标行驶轨迹类别；
若所述待定行驶轨迹类别大于1个行驶轨迹类别，则获取所述待监控车辆在丢失信号时间前预设时段内的可用行驶轨迹，并计算所述可用行驶轨迹与各行驶轨迹类别的行驶轨迹之间的夹角
值；
将夹角
值大于0且夹角
值最小的轨迹类别，确定为所述目标行驶轨迹类别。
第二方面，本申请实施例提供了一种车辆位置盲区监控装置，包括：
获取模块，用于获取待监控车辆的丢失信号时间、第一速度以及第一位置，其中，所述第一速度为所述待监控车辆在丢失信号时间前预设时段内的平均速度，所述第一位置为所述待监控车辆在所述丢失信号时间所处的位置；
筛选模块，用于在预设行驶轨迹分类集中筛选待定行驶轨迹类别，其中，所述待定行驶轨迹类别为与所述第一位置之间距离小于预设距离阈值的行驶轨迹类别；
方向确定模块，用于根据所述待定行驶轨迹类别确定目标行驶轨迹类别；
距离计算模块，用于根据当前时间、所述丢失信号时间以及所述第一速度计算所述待监控车辆的预测行驶距离；
位置确定模块，用于根据所述第一位置、所述预测行驶距离以及所述目标行驶轨迹类别，确定所述待监控车辆的当前位置。
第三方面，本申请实施例提供了一种电子设备，所述电子设备包括处理器和存储器，所述存储器存储有计算机程序，所述计算机程序在所述处理器上运行时执行第一方面及第一方面任一实施方式所述的车辆位置盲区监控方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序在处理器上运行时执行第一方面及第一方面任一实施方式所述的车辆位置盲区监控方法。
本发明实施例公开了一种车辆位置盲区监控方法、装置、电子设备及可读存储介质，包括：获取待监控车辆的丢失信号时间、第一速度以及第一位置，其中，第一速度为待监控车辆在丢失信号时间前预设时段内的平均速度，第一位置为待监控车辆在丢失信号时间所处的位置；在预设行驶轨迹分类集中筛选待定行驶轨迹类别；根据待定行驶轨迹类别确定目标行驶轨迹类别；根据当前时间、丢失信号时间以及第一速度计算待监控车辆的预测行驶距离；根据第一位置、预测行驶距离以及目标行驶轨迹类别，确定待监控车辆的当前位置。本发明无需添加新的摄像设备，就可以实现对处于定位盲区的两客一危车辆的精准定位，为车辆实时监控管理提供了有力支撑。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对本发明保护范围的限定。在各个附图中，类似的构成部分采用类似的编号。
图1示出了本申请实施例提供的一种车辆位置盲区监控方法的方法流程示意图；
图2示出了本申请实施例提供的一种车辆位置盲区监控装置的装置模块示意图。
具体实施方式
下面将结合本发明实施例中附图，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。
通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的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。
在下文中，可在本发明的各种实施例中使用的术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合，并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。
此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
除非另有限定，否则在这里使用的所有术语(包括技术术语和科学术语)具有与本发明的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义，除非在本发明的各种实施例中被清楚地限定。
参考图1，为本申请实施例提供的一种车辆位置盲区监控方法的方法流程示意图，本申请实施例提供的车辆位置盲区监控方法，可以用于监控具有固定行驶路线的车辆，例如“两客一危”类型车辆。
具体的，“两客一危”类型车辆包括旅游包车、三类以上班线客车以及危险品运输车等车辆。
如图1所示，所述车辆位置盲区监控方法包括：
步骤S101，获取待监控车辆的丢失信号时间、第一速度以及第一位置，其中，所述第一速度为所述待监控车辆在丢失信号时间前预设时段内的平均速度，所述第一位置为所述待监控车辆在所述丢失信号时间所处的位置；
具体地，所述待监控车辆可以为“两客一危”类型车辆，也可以为具有固定行驶路线的营运车辆。在具体实施例中，所述待监控车辆上搭载有北斗定位系统或全球定位系统（Global Positioning System，简称GPS）。在定位信号稳定的区域，可以通过北斗定位系统或全球定位系统精确定位所述待监控车辆的实时行驶位置。
具体地，对于每一辆待监控车辆，均通过北斗定位系统或全球定位系统实时监控其行驶数据，并将所述行驶数据存储在预设行驶记录数据库中，以便于对车辆行驶记录进行应用分析。
在本实施例中，当待监控车辆处于定位信号不稳定区域，无法通过定位系统获取待监控车辆的实时行驶位置时，可以确定当前待监控车辆处于车辆位置监控的盲区，此时，利用本实施例提出的车辆位置盲区监控方法对所述待监控车辆进行实时定位。
本实施例可以在所述预设行驶记录数据库中获取当前待监控车辆的历史行驶数据，并根据历史行驶数据确定所述待监控车辆的丢失信号时间。具体的，所述丢失信号时间为一个时刻，待监控车辆无法通过定位系统获取其定位信号的开始时刻。
在确定所述丢失信号时间后，根据丢失信号时间的定位数据，可以确定所述第一位置。
获取位于所述丢失信号时间之前的预设时段，可以得到待监控车辆连续的行驶数据，根据预设时段内待监控车辆的行驶距离，可以得到所述第一速度。具体的，所述第一速度=预设时段内待监控车辆的行驶距离/预设时段。所述预设时段的具体时长可以根据实际应用场景进行自适应设置，此处不作限定。
根据本申请实施例的一种具体实施方式，构建所述预设行驶轨迹分类集的步骤，包括：
获取待监控车辆在预设时间周期内的监控明细数据，其中，所述监控明细数据包括车牌号、GPS采集时间、经度、纬度以及实时行驶速度；
根据所述GPS采集时间以及所述实时行驶速度划分连续的可用行驶轨迹，以得到行驶轨迹集合；
分别计算所述行驶轨迹集合中任意两个可用行驶轨迹之间的相似度，以得到行驶轨迹相似度矩阵；
基于预设密度聚类算法对所述行驶轨迹相似度矩阵进行聚类分析，以得到n个第一行驶轨迹类别，其中，n为正整数；
根据所述n个第一行驶轨迹类别构建所述预设行驶轨迹分类集。
在具体实施例中，所述监控明细数据为存储在预设行驶记录数据库中的车辆行驶数据，包括车牌号、GPS采集时间、经纬度以及实时行驶速度等。
在具体实施例中，需要采集任一待监控车辆的实时位置时，可以通过待监控车辆的车牌号，在所述预设行驶记录数据库中检索相应的监控明细数据。
在一种实施例中，采集待监控车辆在2015年10月15日至10月21日的监控明细数据可以如表1所示：
表1
具体地，在获取待监控车辆的监控明细数据后，可以按照GPS采集时间的升序顺序对各数据进行排列，并为一组监控明细数据进行标号，得到具有顺序ID的监控明细数据表。
所述监控明细数据表可以如表2所示：
表2
根据本申请实施例的一种具体实施方式，所述“根据所述GPS采集时间以及所述实时行驶速度划分连续的可用行驶轨迹，以得到行驶轨迹集合”，包括：
根据所述GPS采集时间以及所述实时行驶速度确定在预设时间周期内的全部轨迹计算标志分段，其中，每一轨迹计算标志分段的速度均为0；
根据预设行驶轨迹划分规则依次判断连续的两个轨迹计算标志分段之间的行驶轨迹是否为可用行驶轨迹；
综合全部可用行驶轨迹，得到所述行驶轨迹集合。
具体地，从预设行驶记录数据库中获取的监控明细数据中可能存在并不连续的行驶轨迹，因此，本实施例还通过划分时间段的方式，对车辆行驶轨迹进行是否可用的判断。
具体的，从所述监控明细数据中获取轨迹计算标志分段数据，其中，所述计算标志分段数据为速度为0的一组行驶数据。
所述计算标志分段数据可以如表3所示：
表3
如表3所示，为每一计算标志分段数据进行标号处理，可以得到相应的ZeroID。
在具体实施例中，可以通过计算顺序ID与ZeroID之间差值JG，来获取相应的计算标志分段，每一计算标志分段中的数据具有相同的差值JG。
计算差值后的所述计算标志分段数据可以如表4所示：
表4
具体的，可以将差值JG为0的多组数据划分为一个轨迹计算标志分段，将JG为14的多组数据划分为一个轨迹计算标志分段。
具体的，划分为轨迹计算标志分段的数据可以如表5所示：
表5
具体地，对于每一组轨迹计算标志分段，均具有起始记录编号和结束记录标号，其中，起始记录编号对应的GPS采集时间为所述轨迹计算标志分段的开始时间点，结束记录编号对应的GPS采集时间为所述轨迹计算标志分段的结束时间点。
具体的，每一轨迹计算标志分段包括开始时间点和结束时间点。
所述“根据预设行驶轨迹划分规则依次判断连续的两个轨迹计算标志分段之间的行驶轨迹是否为可用行驶轨迹”，包括：
根据当前轨迹计算标志分段的结束时间点以及下一轨迹计算标志分段的开始时间点计算得到一段行驶轨迹的行驶时长；
若所述行驶轨迹的行驶时长小于预设时长阈值，则将所述行驶轨迹划分为不可用行驶轨迹；
若所述行驶轨迹的行驶时长大于或等于预设时长阈值，则将所述行驶轨迹划分为可用行驶轨迹。
具体的，所述可用行驶轨迹为符合车辆驾驶规律特征的行驶轨迹，在本实施例中，可以通过两段轨迹计算标志分段之间的车辆行驶数据，得到相应的车辆行驶时长和停车时长，通过所述车辆行驶时长和所述停车时长可以对车辆行驶轨迹进行有效筛选。
具体的，可以根据当前轨迹计算标志分段的结束时间点
和下一轨迹计算标志分段的开始时间点
，计算得到一段行驶轨迹的行驶时长
。
具体的，所述行驶时长的计算公式为
。
如果行驶时长
小于预设时长阈值
，则说明所述行驶轨迹的距离很短，连续两段轨迹计算标志分段之间的行驶数据属于不连续驾驶数据，将此部分行驶轨迹划分为不可用行驶轨迹，并作舍弃处理。
如果行驶时长
大于或等于预设时长阈值
，则说明当前行驶轨迹属于可用行驶轨迹。
在本实施例中，当行驶时长
大于或等于预设时长阈值
，可以进一步计算待监控车辆的停车时长
。根据下一轨迹计算标志分段的开始时间点
和结束时间点
，计算停车时长
。
具体的，所述停车时长
的计算公式为
。
若停车时长
小于预设停车时间阈值
，说明当前行驶轨迹和下一行驶轨迹为连续的行驶路径，将当前行驶轨迹和下一行驶轨迹进行合并，以得到所述可用行驶轨迹。具体的，下一行驶轨迹为下一轨迹计算标志分段和下下一轨迹计算标志分段之间的行驶轨迹。
若停车时长
大于或等于预设停车时间阈值
，说明当前行驶轨迹和下一行驶估计为不连续的行驶路径，将当前行驶轨迹作为单独的可用行驶轨迹，并入所述行驶轨迹集合。
重复进行可用行驶轨迹的划分步骤，可以得到各行驶轨迹的定位数据。
所述行驶轨迹的定位数据如表6所示：
表6
具体地，在得到所述行驶轨迹集合后，可以通过HausdorffDistanse算法分别计算所述行驶轨迹集合中任意两个可用行驶轨迹之间的相似度，以形成行驶轨迹相似度矩阵。
举例来说，计算任意两个可用行驶轨迹之间的相似度的步骤包括：
步骤1，将可用行驶轨迹转化为由轨迹点组成的轨迹点集合
，其中，
。任意两个可用行驶轨迹的轨迹点集合分别为
。
步骤2，计算两个可用行驶轨迹的HausdorffDistanse，其中，HausdorffDistanse的计算公式为：
，
其中，
或者
为轨迹点集合
之间的距离范式。
步骤3，在得到任意两个可用行驶轨迹的HausdorffDistanse后，行驶行驶轨迹间的相似度矩阵，所述相似度矩阵内容包括行驶轨迹
、行驶轨迹
以及
。
本实施例中的相似度计算方法可以根据实际应用场景选择相应的算法进行计算，此处不作具体限定。
所述行驶轨迹相似度矩阵可以如表7所示：
表7
本实施例基于DBSCAN密度聚类算法以及各行驶轨迹之间的相似度，对行驶轨迹集合中的可用行驶轨迹进行聚类，得到如表8所示的行驶轨迹聚类结果。
表8
具体地，表8中第一排表示聚类类别1的行驶轨迹包括行驶轨迹5、行驶轨迹44和行驶轨迹47。
本实施例通过对n个行驶轨迹进行聚类分析，可以得到相应的第一行驶轨迹类别。
综合各第一行驶轨迹类别可以构建预设行驶轨迹分类集，以为当前待监控车辆匹配相应的行驶轨迹类别。
根据本申请实施例的一种具体实施方式，所述“根据所述n个第一行驶轨迹类别构建所述预设行驶轨迹分类集”，包括：
获取每一所述第一行驶轨迹类别中各可用行驶轨迹的起止位置坐标；
计算各可用行驶轨迹起止位置坐标相连直线的斜率以及每一所述第一行驶轨迹类别中任意两个可用行驶轨迹的起止位置坐标相连直线的夹角
值；
根据所述夹角
值判断所述第一行驶轨迹类别中任意两个可用行驶轨迹的行驶方向是否相同，将具有相同行驶方向的行驶轨迹划分为一类，将具有不同行驶方向的行驶轨迹划分为另一类，以得到m个第二行驶轨迹类别，其中，m为正整数，n小于或等于m；
基于m个第二行驶轨迹类别构建所述预设行驶轨迹分类集。
具体的，在DBSCAN算法聚类的基础上，还可以计算同一第一行驶轨迹类别中各行驶轨迹的行驶方向夹角，根据夹角对同一方向的行驶轨迹进行进一步聚类。
具体的，所述起止位置坐标包括起点位置坐标
和终点位置坐标
。获取第一行驶轨迹类别中每一条行驶轨迹的起点位置坐标
和终点位置坐标
后，可以提取每一条行驶轨迹的首尾连接直线，用于进行后续的行驶方向夹角计算。
在本实施例中，计算每一条行驶轨迹首尾连接直线的斜率K，若两条行驶轨迹首尾连接直线的斜率相等，则说明两条行驶轨迹之间的方向相同或正好相反。
具体地，所述斜率K的计算公式为
。
夹角
值的计算公式为
，其中，
为行驶轨迹A首尾连接直线的斜率，
为行驶轨迹B首尾连接直线的斜率。
计算每第一行驶轨迹类别中两两行驶轨迹首尾连接直线的夹角
值，可以得到如表9所示的聚类分析数据表。
表9
根据本申请实施例的一种具体实施方式，所述“根据所述夹角
值判断所述第一行驶轨迹类别中任意两个可用行驶轨迹的行驶方向是否相同”，包括：
若所述夹角
值大于0，则判定所述两个可用行驶轨迹的行驶方向相同；
若所述夹角
值小于或等于0，则判定所述两个可用行驶轨迹的行驶方向不同。
在本实施例中，进一步将具有相同行驶方向的行驶轨迹聚为一类，将具有不同行驶方向的行驶轨迹聚为另一类，可以得到如表10所示的聚类分析结果。
表10
在具体实施例中，第二行驶轨迹类别的数量大于第一行驶轨迹类别的数量。
步骤S102，在预设行驶轨迹分类集中筛选待定行驶轨迹类别，其中，所述待定行驶轨迹类别为与所述第一位置之间距离小于预设距离阈值的行驶轨迹类别；
具体地，可以根据待监控车辆在丢失信号时间的第一位置以及车辆行驶方向，在所述预设行驶轨迹分类集中检索所述待监控车辆所属的行驶轨迹类别。
具体的，通过计算待监控车辆与每一类行驶轨迹类别之间的最短距离d，可以得到相应的最短距离集合D，其中最短距离d为第一位置的位置点与行驶轨迹类别的轨迹线之间的直线最短距离。
具体的，所述最短距离集合D可以如表11所示：
表11
在具体实施例中，所述预设距离阈值可以根据实际应用场景进行设置，此处不作具体限定。
在一种实施例中，若所述预设距离阈值为20m，则从表11中筛选出的待定行驶轨迹类别为类别2和类别10。
步骤S103，根据所述待定行驶轨迹类别确定目标行驶轨迹类别；
具体地，所述待定行驶轨迹类别包括至少1个行驶轨迹类别，所述“根据所述待定行驶轨迹类别确定目标行驶轨迹类别”，包括：
若所述待定行驶轨迹类别为1个行驶轨迹类别，则将所述行驶轨迹类别确定为所述目标行驶轨迹类别；
若所述待定行驶轨迹类别大于1个行驶轨迹类别，则获取所述待监控车辆在丢失信号时间前预设时段内的可用行驶轨迹，并计算所述可用行驶轨迹与各行驶轨迹类别的行驶轨迹之间的夹角
值；
将夹角
值大于0且夹角
值最小的轨迹类别，确定为所述目标行驶轨迹类别。
在具体实施例中，若待定行驶轨迹类别仅包括1个行驶轨迹类别，则说明所述待监控车辆的形式方向符合所述行驶轨迹类别，无需进行进一步预测。
若待定行驶轨迹类别包括至少两个行驶轨迹类别，则需要进一步判断当前行驶轨迹属于哪个类别，判断方法为提取车辆丢失信号时间前预设时间段的连续行驶轨迹
，将连续行驶轨迹
的首尾相连成直线，计算该直线与所述至少两个行驶轨迹类别中任意一条行驶轨迹首尾相连直线的夹角
值，并选取
且
值最小的轨迹类别作为当前行驶轨迹的行驶轨迹类别。
举例来说，若待定行驶轨迹类别为表11中的类别2和类别10，计算夹角
值的计算结果可以如表12所示：
表12
其中，类别2位当前行驶轨迹的行驶轨迹类别。
步骤S104，根据当前时间、所述丢失信号时间以及所述第一速度计算所述待监控车辆的预测行驶距离；
具体地，所述第一速度为
，丢失信号时间为
，当前时间为
，根据所述当前时间和所述丢失信号时间可以计算得到待监控车辆的丢失定位信号的时间间隔
。
所述待监控车辆的预测行驶距离
。
步骤S105，根据所述第一位置、所述预测行驶距离以及所述目标行驶轨迹类别，确定所述待监控车辆的当前位置。
具体地，在获取车辆丢失定位信号时间的位置、预测行驶距离以及待监控车辆的行驶方向符合的行驶轨迹后，即可以确定待监控车辆当前所处的实时位置。
综上所述，本实施例提供了一种车辆位置盲区监控方法，在不额外增加监控设备的条件下，可以有效解决由于通信信号不稳定、监控设备损坏、驾驶员人为关闭监控设备等原因导致的“两客一危”类型车辆的监控盲区问题，为“两客一危”重点营运车辆实时监控管理提供有力支撑。另外，本实施例提出的可用车辆轨迹筛选方案，能够有效排除不连续行驶路径的车辆行驶轨迹，从而提供一种更加精确的车辆定位方案，有效提升了车辆定位的准确度，为驾驶人员的安全性提供充分保障。
参考图2，为本申请实施例提供的一种车辆位置盲区监控装置200的装置模块示意图，本申请实施例提供的车辆位置盲区监控装置200，如图2所示，包括：
获取模块201，用于获取待监控车辆的丢失信号时间、第一速度以及第一位置，其中，所述第一速度为所述待监控车辆在丢失信号时间前预设时段内的平均速度，所述第一位置为所述待监控车辆在所述丢失信号时间所处的位置；
筛选模块202，用于在预设行驶轨迹分类集中筛选待定行驶轨迹类别，其中，所述待定行驶轨迹类别为与所述第一位置之间距离小于预设距离阈值的行驶轨迹类别；
方向确定模块203，用于根据所述待定行驶轨迹类别确定目标行驶轨迹类别；
距离计算模块204，用于根据当前时间、所述丢失信号时间以及所述第一速度计算所述待监控车辆的预测行驶距离；
位置确定模块205，用于根据所述第一位置、所述预测行驶距离以及所述目标行驶轨迹类别，确定所述待监控车辆的当前位置。
另外，本申请实施例还提供了一种电子设备，所述电子设备包括处理器和存储器，所述存储器存储有计算机程序，所述计算机程序在所述处理器上运行时执行前述实施例中的车辆位置盲区监控方法。
本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序在处理器上运行时执行前述实施例中的车辆位置盲区监控方法。
另外，上述实施例中提到的车辆位置盲区监控装置、电子设备及计算机可读存储介质的具体实施过程，可以参见上述方法实施例的具体实施过程，在此不再一一赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和结构图显示了根据本发明的多个实施例的装置、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，所述模块、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，在作为替换的实现方式中，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，两个连续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，结构图和/或流程图中的每个方框、以及结构图和/或流程图中的方框的组合，可以用执行规定的功能或动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。
另外，在本发明各个实施例中的各功能模块或单元可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或更多个模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案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中，包括若干指令用以使得一台计算机设备（可以是智能手机、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所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种车辆位置盲区监控方法，其特征在于，包括：
获取待监控车辆的丢失信号时间、第一速度以及第一位置，其中，所述第一速度为所述待监控车辆在丢失信号时间前预设时段内的平均速度，所述第一位置为所述待监控车辆在所述丢失信号时间所处的位置；
在预设行驶轨迹分类集中筛选待定行驶轨迹类别，其中，所述待定行驶轨迹类别为与所述第一位置之间距离小于预设距离阈值的行驶轨迹类别；
根据所述待定行驶轨迹类别确定目标行驶轨迹类别；
根据当前时间、所述丢失信号时间以及所述第一速度计算所述待监控车辆的预测行驶距离；
根据所述第一位置、所述预测行驶距离以及所述目标行驶轨迹类别，确定所述待监控车辆的当前位置。
2.根据权利要求1所述的方法，其特征在于，构建所述预设行驶轨迹分类集的步骤，包括：
获取待监控车辆在预设时间周期内的监控明细数据，其中，所述监控明细数据包括车牌号、GPS采集时间、经度、纬度以及实时行驶速度；
根据所述GPS采集时间以及所述实时行驶速度划分连续的可用行驶轨迹，以得到行驶轨迹集合；
分别计算所述行驶轨迹集合中任意两个可用行驶轨迹之间的相似度，以得到行驶轨迹相似度矩阵；
基于预设密度聚类算法对所述行驶轨迹相似度矩阵进行聚类分析，以得到n个第一行驶轨迹类别，其中，n为正整数；
根据所述n个第一行驶轨迹类别构建所述预设行驶轨迹分类集。
3.根据权利要求2所述的方法，其特征在于，所述“根据所述n个第一行驶轨迹类别构建所述预设行驶轨迹分类集”，包括：
获取每一所述第一行驶轨迹类别中各可用行驶轨迹的起止位置坐标；
计算各可用行驶轨迹起止位置坐标相连直线的斜率以及每一所述第一行驶轨迹类别中任意两个可用行驶轨迹的起止位置坐标相连直线的夹角
值；
根据所述夹角
值判断所述第一行驶轨迹类别中任意两个可用行驶轨迹的行驶方向是否相同，将具有相同行驶方向的行驶轨迹划分为一类，将具有不同行驶方向的行驶轨迹划分为另一类，以得到m个第二行驶轨迹类别，其中，m为正整数，n小于或等于m；
基于m个第二行驶轨迹类别构建所述预设行驶轨迹分类集。
4.根据权利要求3所述的方法，其特征在于，所述“根据所述夹角
值判断所述第一行驶轨迹类别中任意两个可用行驶轨迹的行驶方向是否相同”，包括：
若所述夹角
值大于0，则判定所述两个可用行驶轨迹的行驶方向相同；
若所述夹角
值小于或等于0，则判定所述两个可用行驶轨迹的行驶方向不同。
5.根据权利要求2所述的方法，其特征在于，所述“根据所述GPS采集时间以及所述实时行驶速度划分连续的可用行驶轨迹，以得到行驶轨迹集合”，包括：
根据所述GPS采集时间以及所述实时行驶速度确定在预设时间周期内的全部轨迹计算标志分段，其中，每一轨迹计算标志分段的速度均为0；
根据预设行驶轨迹划分规则依次判断连续的两个轨迹计算标志分段之间的行驶轨迹是否为可用行驶轨迹；
综合全部可用行驶轨迹，得到所述行驶轨迹集合。
6.根据权利要求5所述的方法，其特征在于，每一轨迹计算标志分段包括开始时间点和结束时间点，所述“根据预设行驶轨迹划分规则依次判断连续的两个轨迹计算标志分段之间的行驶轨迹是否为可用行驶轨迹”，包括：
根据当前轨迹计算标志分段的结束时间点以及下一轨迹计算标志分段的开始时间点计算得到一段行驶轨迹的行驶时长；
若所述行驶轨迹的行驶时长小于预设时长阈值，则将所述行驶轨迹划分为不可用行驶轨迹；
若所述行驶轨迹的行驶时长大于或等于预设时长阈值，则将所述行驶轨迹划分为可用行驶轨迹。
7.根据权利要求1所述的方法，其特征在于，所述待定行驶轨迹类别包括至少1个行驶轨迹类别，所述“根据所述待定行驶轨迹类别确定目标行驶轨迹类别”，包括：
若所述待定行驶轨迹类别为1个行驶轨迹类别，则将所述行驶轨迹类别确定为所述目标行驶轨迹类别；
若所述待定行驶轨迹类别大于1个行驶轨迹类别，则获取所述待监控车辆在丢失信号时间前预设时段内的可用行驶轨迹，并计算所述可用行驶轨迹与各行驶轨迹类别的行驶轨迹之间的夹角
值；
将夹角
值大于0且夹角
值最小的轨迹类别，确定为所述目标行驶轨迹类别。
8.一种车辆位置盲区监控装置，其特征在于，包括：
获取模块，用于获取待监控车辆的丢失信号时间、第一速度以及第一位置，其中，所述第一速度为所述待监控车辆在丢失信号时间前预设时段内的平均速度，所述第一位置为所述待监控车辆在所述丢失信号时间所处的位置；
筛选模块，用于在预设行驶轨迹分类集中筛选待定行驶轨迹类别，其中，所述待定行驶轨迹类别为与所述第一位置之间距离小于预设距离阈值的行驶轨迹类别；
方向确定模块，用于根据所述待定行驶轨迹类别确定目标行驶轨迹类别；
距离计算模块，用于根据当前时间、所述丢失信号时间以及所述第一速度计算所述待监控车辆的预测行驶距离；
位置确定模块，用于根据所述第一位置、所述预测行驶距离以及所述目标行驶轨迹类别，确定所述待监控车辆的当前位置。
9.一种电子设备，其特征在于，所述电子设备包括处理器和存储器，所述存储器存储有计算机程序，所述计算机程序在所述处理器上运行时执行权利要求1至7任一项所述的车辆位置盲区监控方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，所述计算机程序在处理器上运行时执行权利要求1至7中任一项所述的车辆位置盲区监控方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310148326.8A CN115841765B (zh) | 2023-02-22 | 2023-02-22 | 车辆位置盲区监控方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310148326.8A CN115841765B (zh) | 2023-02-22 | 2023-02-22 | 车辆位置盲区监控方法、装置、电子设备及可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115841765A true CN115841765A (zh) | 2023-03-24 |
| CN115841765B CN115841765B (zh) | 2023-07-21 |
Family
ID=85580059
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310148326.8A Active CN115841765B (zh) | 2023-02-22 | 2023-02-22 | 车辆位置盲区监控方法、装置、电子设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115841765B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117830974A (zh) * | 2024-03-04 | 2024-04-05 | 天津所托瑞安汽车科技有限公司 | 一种基于车轮的车速确定方法、装置、设备及存储介质 |
| CN118678299A (zh) * | 2024-08-01 | 2024-09-20 | 比亚迪股份有限公司 | 一种通信方法、电子设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106610294A (zh) * | 2015-10-27 | 2017-05-03 | 高德信息技术有限公司 | 定位方法及装置 |
| CN109714709A (zh) * | 2019-02-25 | 2019-05-03 | 北京化工大学 | 一种基于历史信息的失联车辆位置预测方法和系统 |
| CN111016908A (zh) * | 2019-12-19 | 2020-04-17 | 东软集团股份有限公司 | 车辆行驶位置确定方法、装置、存储介质及电子设备 |
| AU2020103488A4 (en) * | 2020-11-17 | 2021-01-28 | Chang'an University | Method and device for evaluating driving behaviour of truck based on gps trajectory data |
| CN112561960A (zh) * | 2020-12-10 | 2021-03-26 | 中国科学院深圳先进技术研究院 | 一种基于轨迹相似性度量学习的多目标跟踪重定位方法 |
| CN115099308A (zh) * | 2022-05-30 | 2022-09-23 | 南京邮电大学 | 一种基于分段轨迹聚类的车辆下一个位置预测方法 |
-
2023
- 2023-02-22 CN CN202310148326.8A patent/CN115841765B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106610294A (zh) * | 2015-10-27 | 2017-05-03 | 高德信息技术有限公司 | 定位方法及装置 |
| CN109714709A (zh) * | 2019-02-25 | 2019-05-03 | 北京化工大学 | 一种基于历史信息的失联车辆位置预测方法和系统 |
| CN111016908A (zh) * | 2019-12-19 | 2020-04-17 | 东软集团股份有限公司 | 车辆行驶位置确定方法、装置、存储介质及电子设备 |
| AU2020103488A4 (en) * | 2020-11-17 | 2021-01-28 | Chang'an University | Method and device for evaluating driving behaviour of truck based on gps trajectory data |
| CN112561960A (zh) * | 2020-12-10 | 2021-03-26 | 中国科学院深圳先进技术研究院 | 一种基于轨迹相似性度量学习的多目标跟踪重定位方法 |
| CN115099308A (zh) * | 2022-05-30 | 2022-09-23 | 南京邮电大学 | 一种基于分段轨迹聚类的车辆下一个位置预测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 王娜: "基于历史轨迹集的轨迹预测与目标预警系统" * |
| 高悦尔 等: "基于"两客一危"数据的高速公路服务区路段车辆行驶模式研究" * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117830974A (zh) * | 2024-03-04 | 2024-04-05 | 天津所托瑞安汽车科技有限公司 | 一种基于车轮的车速确定方法、装置、设备及存储介质 |
| CN117830974B (zh) * | 2024-03-04 | 2024-05-07 | 天津所托瑞安汽车科技有限公司 | 一种基于车轮的车速确定方法、装置、设备及存储介质 |
| CN118678299A (zh) * | 2024-08-01 | 2024-09-20 | 比亚迪股份有限公司 | 一种通信方法、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115841765B (zh) | 2023-07-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115841765A (zh) | 车辆位置盲区监控方法、装置、电子设备及可读存储介质 | |
| US20240046653A1 (en) | Identifying suspicious entities using autonomous vehicles | |
| CN108074396A (zh) | 安全行驶评价方法及系统 | |
| KR20200098696A (ko) | 주차 구역 식별을 위한 제어 장치 및 방법 | |
| CN109493606B (zh) | 一种高速公路上违停车辆的识别方法及系统 | |
| CN114936332B (zh) | 一种风电场水域船舶交通流分析的方法、装置和存储介质 | |
| CN112700201A (zh) | 货源推荐方法、电子设备和存储介质 | |
| CN110428621A (zh) | 一种基于轨迹数据的浮动车危险驾驶行为监测与预警方法 | |
| CN111105622A (zh) | 违规停车纠正方法、装置以及存储介质 | |
| CN107452207B (zh) | 浮动车数据源评价方法、装置及系统 | |
| CN111144485A (zh) | 基于xgboost分类算法的车辆事故判断方法和系统 | |
| CN111183463B (zh) | 用于处理机动车中的数据以发送至后端的方法、设备和具有指令的计算机可读的存储介质 | |
| US20210158128A1 (en) | Method and device for determining trajectories of mobile elements | |
| CN114509068B (zh) | 一种多层道路上的车辆的位置判断方法及装置 | |
| CN115774804A (zh) | 船舶的异常识别方法、系统和可读存储介质 | |
| Wu et al. | Clustering of several typical behavioral characteristics of commercial vehicle drivers based on GPS data mining: Case study of highways in China | |
| CN115935056A (zh) | 车辆虚假轨迹的识别方法、装置、设备及存储介质 | |
| CN111613056A (zh) | 一种交通异常事件检测方法及装置 | |
| CN111488417A (zh) | 信息处理方法、系统、装置、设备及计算机存储介质 | |
| CN112633812B (zh) | 货运车辆的轨迹分段方法、装置、设备及存储介质 | |
| CN112622921B (zh) | 一种检测司机异常驾驶行为的方法、装置及电子设备 | |
| CN110728309B (zh) | 一种基于铁路信号与北斗定位的行车轨迹聚类方法 | |
| 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 | |
| CN111599165A (zh) | 一种基于多源大数据的电动车盗抢实时告警方法及系统 | |
| CN113033713B (zh) | 事故片段的识别方法、装置、设备及可读存储介质 |
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 |