CN115982306B - 一种目标对象的逆行行为识别方法、装置 - Google Patents
一种目标对象的逆行行为识别方法、装置 Download PDFInfo
- Publication number
- CN115982306B CN115982306B CN202310264220.4A CN202310264220A CN115982306B CN 115982306 B CN115982306 B CN 115982306B CN 202310264220 A CN202310264220 A CN 202310264220A CN 115982306 B CN115982306 B CN 115982306B
- Authority
- CN
- China
- Prior art keywords
- data
- target object
- target area
- geographic
- target
- 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
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Traffic Control Systems (AREA)
Abstract
本申请公开一种目标对象的逆行行为识别方法、装置、电子设备和计算机存储介质,所述方法包括:获取目标对象在目标区域的移动轨迹数据;根据所述移动轨迹数据以及所述目标区域的地理形态数据,获取所述目标对象的移动轨迹变化量数据;获取所述目标区域的规定移动方向数据;基于所述规定移动方向数据与所述移动轨迹变化量数据确定所述目标对象的逆行行为识别结果。所述目标对象的逆行行为识别方法,能够有效的识别目标对象的逆行行为,保障了交通安全。
Description
技术领域
本申请涉及计算机技术领域,具体涉及一种目标对象的逆行行为识别方法、装置、电子设备和计算机存储介质。
背景技术
目前,随着快递或者外卖行业的蓬勃发展,参与即时配送服务的配送员的数量越来越多,如何保证配送员在配送过程中的安全是即时配送平台越来越关注的问题。其中,逆向行驶行为是诱发交通事故的重要因素,是即时配送服务的配送员在履约过程中较为普遍的危险驾驶行为,对交通参与者的人生安全埋下重要隐患。
因此,为了尽可能减少配送员逆行频次,规范配送员驾驶行为,降低交通事故发生概率,如何识别配送员的逆行行为,保障配送员以及交通参与者的人生安全是目前亟需解决的问题。
发明内容
本申请实施例提供一种目标对象的逆行行为识别方法,能够有效的识别目标对象的逆行行为,保障了交通安全。
本申请实施例提供一种目标对象的逆行行为识别方法,包括:获取目标对象在目标区域的移动轨迹数据;根据所述移动轨迹数据以及所述目标区域的地理形态数据,获取所述目标对象的移动轨迹变化量数据;获取所述目标区域的规定移动方向数据;基于所述规定移动方向数据与所述移动轨迹变化量数据确定所述目标对象的逆行行为识别结果。
可选的,按照下述至少一种方式获取目标对象在目标区域的移动轨迹数据:
通过目标对象的移动设备获取所述移动轨迹数据;或者,通过预先设置在所述目标区域的识别设备获取所述移动轨迹数据;或者,通过目标对象的可穿戴设备获取所述移动轨迹数据;或者,通过目标对象的配送设备获取所述移动轨迹数据;或者,通过目标对象的交通工具获取所述移动轨迹数据。
可选的,所述移动轨迹数据包括移动轨迹点数据序列;所述移动轨迹变化量数据包括移动轨迹点变化量序列。
可选的,所述根据所述移动轨迹数据以及所述目标区域的地理形态数据,获取所述目标对象的移动轨迹变化量数据,包括:获取移动轨迹点数据序列中所述地理形态数据维度下的后序轨迹点数据与前序轨迹点数据之间的点位数据差值;根据所述轨迹点数据差值,获取移动轨迹点变化量序列。
可选的,所述基于所述规定移动方向数据与所述移动轨迹变化量数据确定所述目标对象的逆行行为识别结果,包括:将所述规定移动方向数据与所述移动轨迹变化量数据输入到逆行行为识别模型中,获得所述目标对象的逆行行为识别结果。
可选的,如果所述目标区域的地理形态数据表示所述目标区域为直线道路区域,则所述移动轨迹数据包括地理经度数据或地理纬度数据,所述移动轨迹变化量数据包括地理经度变化量数据或地理纬度变化量数据。
可选的,如果所述目标区域的地理形态数据表示所述目标区域为标定的南北向直线道路区域,则所述移动轨迹变化量数据为地理纬度变化量数据;
或者,如果所述目标区域的地理形态数据表示所述目标区域为标定的东西向直线道路区域,则所述移动轨迹变化量数据为地理经度变化量数据。
可选的,所述标定的南北向直线道路区域包括地理维度下的南北向直线道路区域和/或地理维度下非南北向、但与地理维度下的南北向直线道路区域之间的夹角不超过第一预定角度的直线道路区域;
或者,所述标定的东西向直线道路区域包括地理维度下的东西向直线道路区域和/或地理维度下非东西向、但与地理维度下的东西向直线道路区域之间的夹角不超过第二预定角度的直线道路区域。
可选的,当所述目标区域位于地球的北半球区域、所述目标区域的地理形态数据表示所述目标区域为标定的南北向直线道路区域、所述目标区域的规定移动方向数据表示所述目标区域的规定移动方向为由南向北时,如果所述目标对象的地理纬度变化量数据中超过第一预设数量的地理纬度变化量数据为负值,则判定所述目标对象存在逆行行为;
或者,当所述目标区域位于地球的北半球区域、所述目标区域的地理形态数据表示所述目标区域为标定的南北向直线道路区域、,所述目标区域的规定移动方向数据表示所述目标区域的规定移动方向为由北向南时,如果所述目标对象的地理纬度变化量数据中超过第二预设数量的地理纬度变化量数据为正值,则判定所述目标对象存在逆行行为;
或者,当所述目标区域位于地球的南半球区域、所述目标区域的地理形态数据表示所述目标区域为标定的南北向直线道路区域、所述目标区域的规定移动方向数据表示所述目标区域的规定移动方向为由南向北时,如果所述目标对象的地理纬度变化量数据中超过第三预设数量的地理纬度变化量数据为正值,则判定所述目标对象存在逆行行为;
或者,当所述目标区域位于地球的南半球区域、所述目标区域的地理形态数据表示所述目标区域为标定的南北向直线道路区域、所述目标区域的规定移动方向数据表示所述目标区域的规定移动方向为由北向南时,如果所述目标对象的地理纬度变化量数据中超过第四预设数量的地理纬度变化量数据为负值,则判定所述目标对象存在逆行行为;
或者,当所述目标区域位于地球的东半球区域、所述目标区域的地理形态数据表示所述目标区域为标定的东西向直线道路区域、所述目标区域的规定移动方向数据表示所述目标区域的规定移动方向为由西向东时,如果所述目标对象的地理经度变化量数据中超过第五预设数量的地理经度变化量数据为负值,则判定所述目标对象存在逆行行为;
或者,当所述目标区域位于地球的东半球区域、所述目标区域的地理形态数据表示所述目标区域为标定的东西向直线道路区域、所述目标区域的规定移动方向数据表示所述目标区域的规定移动方向为由东向西时,如果所述目标对象的地理经度变化量数据中超过第六预设数量的地理经度变化量数据为正值,则判定所述目标对象存在逆行行为;
或者,当所述目标区域位于地球的西半球区域、所述目标区域的地理形态数据表示所述目标区域为标定的东西向直线道路区域、所述目标区域的规定移动方向数据表示所述目标区域的规定移动方向为由西向东时,如果所述目标对象的地理经度变化量数据中超过第七预设数量的地理经度变化量数据为正值,则判定所述目标对象存在逆行行为;
或者,当所述目标区域位于地球的西半球区域、所述目标区域的地理形态数据表示所述目标区域为标定的东西向直线道路区域、所述目标区域的规定移动方向数据表示所述目标区域的规定移动方向为由东向西时,如果所述目标对象的地理经度变化量数据中超过第八预设数量的地理经度变化量数据为负值,则判定所述目标对象存在逆行行为。
可选的,如果所述目标区域的地理形态数据表示所述目标区域为曲线道路区域,则所述移动轨迹数据为移动轨迹点的方向角数据,所述移动轨迹变化量数据为移动轨迹点的方向角变化量数据。
可选的,如果所述目标区域的地理形态数据表示所述目标区域为顺时针曲线道路区域、所述目标区域的规定移动方向数据表示所述目标区域的规定移动方向为顺时针方向时,如果所述目标对象的移动轨迹点的方向角变化量数据中超过第九预设数量的方向角变化量数据为正值,则判定所述目标对象存在逆行行为;
或者,如果所述目标区域的地理形态数据表示所述目标区域为逆时针曲线道路区域、所述目标区域的规定移动方向数据表示所述目标区域的规定移动方向为逆时针方向时,如果所述目标对象的移动轨迹点的方向角变化量数据中超过第十预设数量的方向角变化量数据为负值,则判定所述目标对象存在逆行行为。
可选的,所述方法应用于服务端,所述方法还包括:如果所述目标对象的逆行行为识别结果表示所述目标对象已发生逆行行为,则向目标对象对应的客户端发送所述目标对象已发生逆行行为的识别结果;
或者,所述方法应用于所述目标对象对应的客户端,所述方法还包括:展示所述目标对象已发生逆行行为的识别结果。
可选的,还包括:如果所述目标对象的逆行行为识别结果表示所述目标对象已发生逆行行为,则向所述目标对象发送用于询问目标对象是否逆行的询问信息;获取表示所述目标对象未发生逆行行为的证明信息;根据所述证明信息校准所述目标对象的逆行行为识别结果。
可选的,所述目标区域为在电子地图上圈选的围栏区域,所述移动轨迹数据为所述目标对象的移动轨迹点落入围栏区域内的移动轨迹点数据。
可选的,当一条道路具有不少于一个地理形态时,对所述道路设置不少于一个目标区域,每个目标区域具有唯一的地理形态。
可选的,还包括:按照下述方式训练所述逆行行为识别模型:获取历史识别对象的样本数据,所述样本数据包括所述历史识别对象的历史移动轨迹变化量数据、所述目标区域的规定移动方向数据、所述历史识别对象的识别结果标签,所述识别结果标签包括所述历史识别对象存在逆行行为的识别标签或不存在逆行行为的识别标签;基于所述样本数据,对初始逆行行为识别模型进行训练,得到所述逆行行为识别模型。
可选的,所述逆行行为识别模型包括:第一序列特征提取层、第二序列特征提取层和识别输出层;所述将所述规定移动方向数据与所述移动轨迹变化量数据输入到逆行行为识别模型中,获取所述目标对象的逆行行为识别结果,包括:将所述移动轨迹变化量数据输入到所述第一序列特征提取层,得到所述第一序列特征提取层输出的移动轨迹变化量序列特征;将所述规定移动方向数据输入到所述第二序列特征提取层,得到所述第二序列特征提取层输出的移动方向序列特征;将所述移动轨迹变化量序列特征和所述移动方向序列特征输入到所述识别输出层,得到所述识别输出层输出的所述目标对象对应的逆行行为识别结果。
可选的,所述第一序列特征提取层和所述第二序列特征提取层包括池化层,所述第一序列特征提取层和所述第二序列特征提取层使用最大池化作为池化层;所述识别输出层包括残差层。
可选的,还包括:获取第一辅助识别结果,所述第一辅助识别结果是识别所述目标对象是否存在逆行行为的第一辅助结果;
所述将所述规定移动方向数据与所述移动轨迹变化量数据输入到逆行行为识别模型中,获取所述目标对象的逆行行为识别结果,包括:将所述规定移动方向数据与所述移动轨迹变化量数据输入到逆行行为识别模型中,获取模型识别结果;根据所述模型识别结果与所述第一辅助识别结果,获取所述目标对象的逆行行为识别结果。
可选的,所述获取第一辅助识别结果,包括:获取所述目标对象从初始位置到目的地位置的历史移动时长数据;获取所述目标对象从初始位置到目的地位置的当前移动时长数据;根据所述历史移动时长数据以及所述当前移动时长数据,获取第一辅助识别结果。
可选的,所述根据所述历史移动时长数据以及所述当前移动时长数据,获取第一辅助识别结果,包括:若所述当前移动时长数据与所述历史移动时长数据的差值大于预设阈值,则判定所述目标对象存在逆行行为。
可选的,所述当前移动时长数据通过如下方式获取:获取所述目标对象的移动特征;将所述移动特征输入到移动时长预测模型中,获取所述当前移动时长数据。
可选的,还包括:获取第二辅助识别结果,所述第二辅助识别结果是识别所述目标对象是否存在逆行行为的第二辅助结果;
所述将所述规定移动方向数据与所述移动轨迹变化量数据输入到逆行行为识别模型中,获取所述目标对象的逆行行为识别结果,包括:
将所述规定移动方向数据与所述移动轨迹变化量数据输入到逆行行为识别模型中,获取模型识别结果;根据所述模型识别结果与所述第二辅助识别结果,获取所述目标对象的逆行行为识别结果。
可选的,所述目标区域的地理形态数据为曲线形态数据,所述获取第二辅助识别结果,包括:获取所述目标对象的在目标区域的移动过程中的倾斜角度数据;根据所述倾斜角度数据判断所述目标对象的移动方向;判断所述移动方向与道路预定的方向是否一致;若不一致,则判定所述目标对象存在逆行行为。
可选的,所述目标对象的倾斜角度数据,包括:所述目标对象的交通工具的倾斜角度数据;或者,所述目标对象的可穿戴设备的倾斜角度数据;或者,所述目标对象的配送设备的倾斜角度数据。
可选的,所述方法还包括:若所述目标对象的逆行行为识别结果为是,判断所述目标对象是否存在误逆行行为。
可选的,所述目标区域包括以下至少一种:单行道以及双行道;所述判断所述目标对象是否存在误逆行行为,包括:判断所述目标对象在单行道上是否存在误逆行行为;或者,判断所述目标对象在双行道上是否存在误逆行行为。
可选的,所述判断所述目标对象在双行道上是否存在误逆行行为,包括:
获取所述目标对象在双行道上的第一阶段移动特征、第二阶段移动特征和第三阶段移动特征;根据所述第一阶段移动特征、所述第二阶段移动特征和所述第三阶段移动特征,判断所述目标对象在双行道上是否存在误逆行行为。
可选的,所述根据所述第一阶段移动特征、所述第二阶段移动特征和所述第三阶段移动特征,判断所述目标对象在双行道上是否存在误逆行行为,包括:
若所述第一阶段移动特征表示所述目标对象的移动方向与目的地位置匹配但所述目标对象的移动方向与道路预定的方向不一致,所述第二阶段移动特征表示所述目标对象的移动方向与目的地位置不匹配但所述目标对象的移动方向与道路预定的方向一致,所述第三阶段移动特征为所述目标对象的移动方向与目的地位置匹配且所述目标对象的移动方向与道路预定的方向一致,则判定所述目标对象在双行道第一阶段上存在误逆行行为。
可选的,所述判断所述目标对象在单行道上是否存在误逆行行为,包括:获取所述目标对象的当前移动轨迹变化量数据以及所述目标对象的历史移动轨迹变化量数据;若所述目标对象的当前移动轨迹变化量数据小于所述目标对象的历史移动轨迹变化量数据,则判定所述目标对象在单行道上存在误逆行行为。
本申请实施例同时提供一种目标对象的逆行行为识别装置,包括:移动轨迹数据获取单元,用于获取目标对象在目标区域的移动轨迹数据;移动轨迹变化量数据获取单元,用于根据所述移动轨迹数据以及所述目标区域的地理形态数据,获取所述目标对象的移动轨迹变化量数据;规定移动方向数据获取单元,用于获取所述目标区域的规定移动方向数据;逆行行为识别结果确定单元,用于基于所述规定移动方向数据与所述移动轨迹变化量数据确定所述目标对象的逆行行为识别结果。
本申请实施例同时提供一种电子设备,所述电子设备包括处理器和存储器;所述存储器中存储有计算机程序,所述处理器运行所述计算机程序后,执行上述方法。
本申请实施例同时提供一种计算机存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序被处理器运行后,执行上述方法。
与现有技术相比,本申请实施例具有以下优点:
本申请实施例提供一种目标对象的逆行行为识别方法,包括:获取目标对象在目标区域的移动轨迹数据;根据所述移动轨迹数据以及所述目标区域的地理形态数据,获取所述目标对象的移动轨迹变化量数据;获取所述目标区域的规定移动方向数据;基于所述规定移动方向数据与所述移动轨迹变化量数据确定所述目标对象的逆行行为识别结果。
本申请实施例所述目标对象的逆行行为识别方法,能够根据目标对象在目标区域的移动轨迹数据以及目标区域的地理形态数据,获取目标对象的移动轨迹变化量数据,然后通过将规定移动方向数据与移动轨迹变化量数据输入到逆行行为识别模型中,最终获取目标对象的逆行行为识别结果。因此,本申请实施例所述目标对象的逆行行为识别方法,能够有效的识别目标对象的逆行行为,保障了交通安全。
附图说明
图1是本申请第一实施例提供的一种目标对象的逆行行为识别方法的应用场景示意图。
图2是本申请第一实施例提供的一种目标对象的逆行行为识别方法的流程图。
图3是本申请第一实施例提供的目标对象在双行道上存在误逆行行为的示意图。
图4是本申请第二实施例提供的一种目标对象的逆行行为识别装置的示意图。
图5是本申请第三实施例提供的一种电子设备示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本申请内涵的情况下做类似推广,因此本申请不受下面公开的具体实施的限制。
首先,为了使本领域的技术人员更好的理解本申请方案,下面基于本申请提供的一种目标对象的逆行行为识别方法,对其实施例的具体应用场景进行详细描述。如图1所示,其为本申请第一实施例提供的一种目标对象的逆行行为识别方法的应用场景示意图。
在介绍本申请实施例所述目标对象的逆行行为识别方法之前,首先对所述目标对象的逆行行为识别方法的背景技术进行简单的介绍。目前,随着快递或者外卖行业的蓬勃发展,参与即时配送服务的配送员的数量越来越多,如何保证配送员在配送过程中的安全是即时配送平台越来越关注的问题。其中,逆向行驶行为是诱发交通事故的重要因素,是即时配送服务的配送员在履约过程中较为普遍的危险驾驶行为,对交通参与者的人生安全埋下重要隐患。因此,为了尽可能减少配送员逆行频次,规范配送员驾驶行为,降低交通事故发生概率,如何识别配送员的逆行行为,保障配送员以及交通参与者的人生安全是目前亟需解决的问题。
现有大部分逆向行驶的识别方案主要是基于对道路拍摄的视频流进行分析处理,对视频的帧画面做目标识别并依据帧序列来判定目标的行进方向。然而,这类方案主要有两类局限,首先基于视频流做目标识别及分析的对象通常为车辆,而对于目标更小的对象,特别是本申请实施例涉及场景下的配送员(行人)及其载具(非机动车)的识别具有一定局限性,不能保证精准识别在车流中的行人和非机动车的逆行行为;此外,道路视频流数据的地理空间覆盖范围具有一定局限性,无法做到在每一个需要覆盖识别能力的道路都已经在前期部署了视频采集设备。
基于上述逆向行驶的识别方案存在的问题,本申请实施例提出了一种目标对象的逆行行为识别方法,所述方法主要基于配送员的轨迹定位数据作为识别特征,只要配送员的定位数据采集正常则能够对任意配送员在任意指定道路范围内实现逆行行为的识别。接下来对本申请第一实施例提供的一种目标对象的逆行行为识别方法过程进行详细介绍。
其中,本申请实施例中所述目标对象包括外卖、快递等即时配送服务的配送员,也可以是行人,还可以包括配送员的载具,比如机动车以及非机动车等,在此不做具体限定,本申请实施例中以目标对象为配送员为例进行说明。
在获取目标对象在目标区域的移动轨迹数据之前,需要获取目标对象所处的目标区域,因此,首先需要划定目标道路及其范围作为配送员逆行行为识别区域,即,所述目标区域为针对目标对象进行逆行行为识别的区域。获取目标区域后,进一步还需要根据目标区域的地理形态数据对目标区域内的道路路段行进方向进行标定。这里需要说明的是,所述目标区域为在电子地图上圈选的围栏区域,对应的,移动轨迹数据为目标对象的移动轨迹点落入围栏区域内的移动轨迹点数据,并且,当一条道路具有不少于一个地理形态时,对道路设置不少于一个目标区域,每个目标区域具有唯一的地理形态。本申请实施例中,所述目标区域的地理形态数据至少包括表示所述目标区域为直线道路区域和表示所述目标区域为曲线道路区域。进一步的,对直线道路区域以及曲线道路区域进行方向标定,其中,所述直线道路区域包括标定的南北向直线道路区域、标定的东西向直线道路区域,其中,所述标定的南北向直线道路区域包括标定的由南向北直线道路区域、标定的由北向南直线道路区域,所述标定的东西向直线道路区域包括标定的东向西直线道路区域、标定的西向东直线道路区域。所述曲线道路区域包括顺时针曲线道路区域和逆时针曲线道路区域。
然后,获取目标对象在目标区域的移动轨迹数据,根据移动轨迹数据以及目标区域的地理形态数据,获取目标对象的移动轨迹变化量数据。其中,所述移动轨迹数据包括移动轨迹点数据序列,所述移动轨迹变化量数据包括移动轨迹点变化量序列。
这里需要说明的是,所述目标区域的地理形态数据不同,获取目标对象的移动轨迹变化量数据的方式也不同,具体为:如果所述目标区域的地理形态数据表示所述目标区域为标定的南北向直线道路区域,则所述移动轨迹变化量数据为地理纬度变化量数据;如果所述目标区域的地理形态数据表示所述目标区域为标定的东西向直线道路区域,则所述移动轨迹变化量数据为地理经度变化量数据;如果所述目标区域的地理形态数据为曲线道路区域,则所述移动轨迹数据为移动轨迹点的方向角数据,所述移动轨迹变化量数据为移动轨迹点的方向角变化量数据。
在获取目标对象的移动轨迹变化量数据之后,还需要获取目标区域的规定移动方向数据,所述规定移动方向数据是指目标区域内规定的道路行进方向,即道路预定的方向,具体也可以分为直线路线的移动方向数据以及曲线路线的移动方向数据。所述直线路线的移动方向数据包括:西向东方向、东向西方向、南向北方向、北向南方向;所述曲线路线的移动方向数据包括:顺时针方向、逆时针方向。
最后,基于所述规定移动方向数据与所述移动轨迹变化量数据确定所述目标对象的逆行行为识别结果,具体为:将所述规定移动方向数据与所述移动轨迹变化量数据输入到逆行行为识别模型中,获取所述目标对象的逆行行为识别结果。逆行行为识别模型采用深度神经网络模型,对于直线道路区域,模型输入为目标对象的地理经度和/或纬度变化量数据,其中,对于标定的南北向直线道路区域,模型输入为目标对象的地理纬度变化量数据,对于标定的东西向直线道路区域,模型输入为目标对象的地理经度变化量数据;对于曲线道路区域,模型输入为目标对象的移动轨迹点的方向角变化量数据。最终,根据规定移动方向数据与移动轨迹变化量数据获取目标对象的逆行行为识别结果。
比如,对于直线道路区域,以东半球为例,当标定的东西向直线道路区域为由西向东道路区域、所述目标区域的规定移动方向为由西向东时,正常行驶时目标对象的地理经度变化量数据应该为正值,如果配送员发生逆行时,配送员的移动轨迹点的经度坐标随时间有明显的减小趋势,其地理经度变化量数据则为负值,将配送员的移动轨迹变化量数据以及规定移动方向数据输入逆行行为识别模型中,逆行识别模型会输出配送员存在逆行行为的识别结果。
以北半球为例,赤道位置的纬度为0°,从赤道开始,由南向北纬度坐标逐渐变大,当标定的南北向直线道路区域为由南向北道路区域、所述目标区域的规定移动方向为由南向北时,配送员正常行驶时,配送员的移动轨迹点的纬度坐标随时间有明显的增加趋势,其地理纬度变化量应该为正值,但是如果配送员存在逆行行为,配送员的纬度坐标随时间有明显的减小趋势,其地理纬度变化量数据则为负值,将配送员的地理纬度变化量数据以及规定移动方向数据输入逆行行为识别模型中,逆行识别模型会输出配送员存在逆行行为的识别结果。
对于曲线道路区域,如果所述曲线道路区域为顺时针曲线道路区域,正常情况下所述目标对象的移动轨迹点的方向角度随时间有明显的减少的趋势,其变化量通常为负值,如果配送员发生逆行,则配送员的移动轨迹点的方向角度随时间会有明显的增加的趋势,其变化量通常为正值,将配送员的移动轨迹点的方向角变化量数据以及规定移动方向数据输入逆行行为识别模型中,逆行识别模型会输出配送员存在逆行行为的识别结果。
以上便是对目标对象的逆行行为识别方法的全过程分析,包括:获取目标对象在目标区域的移动轨迹数据;根据所述移动轨迹数据以及所述目标区域的地理形态数据,获取所述目标对象的移动轨迹变化量数据;获取所述目标区域的规定移动方向数据;基于所述规定移动方向数据与所述移动轨迹变化量数据确定所述目标对象的逆行行为识别结果。
本申请实施例所述目标对象的逆行行为识别方法,能够根据目标对象在目标区域的移动轨迹数据以及目标区域的地理形态数据,获取目标对象的移动轨迹变化量数据,然后通过将规定移动方向数据与移动轨迹变化量数据输入到逆行行为识别模型中,最终获取目标对象的逆行行为识别结果。因此,本申请实施例所述目标对象的逆行行为识别方法,能够有效的识别目标对象的逆行行为,保障了交通安全。
以下通过多个实施例和附图对本申请进行详细说明。
第一实施例
本申请第一实施例提供一种目标对象的逆行行为识别方法,以下结合图2对该目标对象的逆行行为识别方法进行详细说明。
步骤S201:获取目标对象在目标区域的移动轨迹数据;
本步骤用于获取目标对象在目标区域的移动轨迹数据,在获取目标对象在目标区域的移动轨迹数据之前,需要确定目标对象所处的目标区域。本申请实施例中,所述目标区域为在电子地图上圈选的围栏区域,所述移动轨迹数据为所述目标对象的移动轨迹点落入围栏区域内的移动轨迹点数据。当一条道路具有不少于一个地理形态时,对所述道路设置不少于一个目标区域,每个目标区域具有唯一的地理形态。
这里需要说明的是,在判断配送员是否存在逆行行为之前,需要首先划定目标道路及其范围作为配送员逆行行为识别区域,并在可视化地图上圈选道路各方向路段的AOI(area of interest,兴趣区域)多边形围栏,同时根据道路朝向及端点经纬度坐标计算路段长度。所述目标区域包括道路,比如车道、人行道等,当目标对象的载具是车辆时,所述目标区域可以是车道。当目标对象为行人,采用步行的方式移动时,所述目标区域也可以是具有方向规定的行人道路。所述目标区域也可以是室内的具有方向性的道路。所述目标对象包括外卖、快递等即时配送服务的配送员,也可以是行人,还可以包括配送员的载具,包括机动车以及非机动车等,比如车辆、电动车等。
所述移动轨迹数据包括移动轨迹点数据序列,本申请实施例中目标对象在目标区域的移动轨迹数据可以是指配送员在目标区域内的移动轨迹点累积预设时长的轨迹时空序列信息。具体实施时,所述移动轨迹点数据可以通过GPS(Global Positioning System,全球定位系统)获取。
本申请实施例中,按照下述至少一种方式获取目标对象在目标区域的移动轨迹数据:通过目标对象的移动设备获取所述移动轨迹数据;或者,通过预先设置在所述目标区域的识别设备获取所述移动轨迹数据;或者,通过目标对象的可穿戴设备获取所述移动轨迹数据;或者,通过目标对象的配送设备获取所述移动轨迹数据;或者,通过目标对象的交通工具获取所述移动轨迹数据。
具体实施时,目标对象在目标区域的移动轨迹数据获取方式可以有多种,一种方式是通过目标对象的移动设备获取所述移动轨迹数据,比如通过配送员的手机客户端采集目标区域内配送员的移动点位数据序列。一种方式是通过预先设置在所述目标区域的识别设备获取所述移动轨迹数据,比如,预先在目标区域内按照预设的方式安装多个摄像设备,当配送员经过时获取配送员的移动点位数据,获取预设时长内配送员的移动点位数据系列,作为目标对象的移动轨迹数据。一种方式是通过目标对象的可穿戴设备获取所述移动轨迹数据,比如,可穿戴设备可以是配送员佩戴的智能头盔,通过配送员佩戴的智能头盔获取所述移动轨迹数据。一种方式是通过目标对象的配送设备获取所述移动轨迹数据,配送设备可以是配送员的外卖箱等。还有一种方式是通过目标对象的交通工具获取所述移动轨迹数据,交通工具可以是配送员的载具,比如电动车、摩托车等。当然也可以是其他获取移动轨迹数据的方式,都在本申请实施例的保护范围内,在此不再详述。
步骤S202:根据所述移动轨迹数据以及所述目标区域的地理形态数据,获取所述目标对象的移动轨迹变化量数据;
本步骤用于获取所述目标对象的移动轨迹变化量数据,其中,所述目标区域的地理形态数据包括直线道路区域和曲线道路区域。这里需要说明的是,所述直线道路区域和所述曲线道路区域不是配送员的行驶路线特征,是道路客观存在的方向特征,比如天安门广场前面东西方向上的东长安街与西长安街。当然,具体实施时,所述地理形态数据也可以是室内标注的按照预设要求方向行进的路线特征,比如博物馆内规定的入口行进方向与出口行进方向。
本申请实施例中,所述根据所述移动轨迹数据以及所述目标区域的地理形态数据,获取所述目标对象的移动轨迹变化量数据,包括:获取移动轨迹点数据序列中所述地理形态数据维度下的后序轨迹点数据与前序轨迹点数据之间的轨迹点数据差值;根据所述轨迹点数据差值,获取移动轨迹点变化量序列。其中,所述移动轨迹数据包括移动轨迹点数据序列,对应的,所述移动轨迹变化量数据包括移动轨迹点数据变化量序列。因此,所述移动轨迹变化量数据是根据移动轨迹点数据序列中所述地理形态数据维度下的后序轨迹点数据与前序轨迹点数据之间的轨迹点数据差值获取的。
本申请实施例中,所述目标区域的地理形态数据包括直线道路区域和曲线道路区域,如果所述目标区域的地理形态数据表示所述目标区域为直线道路区域,则所述移动轨迹数据包括地理经度数据或地理纬度数据,所述移动轨迹变化量数据包括地理经度变化量数据或地理纬度变化量数据。如果所述目标区域的地理形态数据表示所述目标区域为曲线道路区域,则所述移动轨迹数据为移动轨迹点的方向角数据,所述移动轨迹变化量数据为移动轨迹点的方向角变化量数据。
具体实施时,如果所述目标区域的地理形态数据表示所述目标区域为标定的南北向直线道路区域,则所述移动轨迹变化量数据为地理纬度变化量数据;或者,如果所述目标区域的地理形态数据表示所述目标区域为标定的东西向直线道路区域,则所述移动轨迹变化量数据为地理经度变化量数据。
所述标定的南北向直线道路区域包括地理维度下的南北向直线道路区域和/或地理维度下非南北向、但与地理维度下的南北向直线道路区域之间的夹角不超过第一预定角度的直线道路区域;或者,所述标定的东西向直线道路区域包括地理维度下的东西向直线道路区域和/或地理维度下非东西向、但与地理维度下的东西向直线道路区域之间的夹角不超过第二预定角度的直线道路区域。
这里需要说明的是,所述标定的南北向直线道路区域不仅包括地理维度下的南北向直线道路区域,还包括地理维度下非南北向、但与地理维度下的南北向直线道路区域之间的夹角不超过第一预定角度的直线道路区域,比如,针对标定的南北向直线道路区域,可以是指地理上客观存在的南北向直线道路区域,也可以是与南北向直线道路区域的夹角不超过第一预定角度的直线道路区域,此时第一预定角度为45°。同理,所述标定的东西向直线道路区域,不仅包括地理维度下的东西向直线道路区域,还包括地理维度下非东西向、但与地理维度下的东西向直线道路区域之间的夹角不超过第二预定角度的直线道路区域,比如,针对标定的东西向直线道路区域,可以是指地理上客观存在的东西向直线道路区域,也可以是与东西向直线道路区域的夹角不超过第二预定角度的直线道路区域,此时第二预定角度为45°。
步骤S203:获取所述目标区域的规定移动方向数据;
本步骤用于获取所述目标区域的规定移动方向数据。在获取目标对象的移动轨迹变化量数据之后,还需要获取目标区域的规定移动方向数据,所述规定移动方向数据是指目标区域内规定的道路行进方向,也就是道路预定的方向,具体也可以分为直线路线的移动方向数据以及曲线路线的移动方向数据。所述直线路线的移动方向数据包括:西向东方向、东向西方向、南向北方向、北向南方向;所述曲线路线的移动方向数据包括:顺时针方向、逆时针方向。
这里需要说明的是,目标区域内的道路在选取和标定时,可以是具有单一移动行驶方向的道路,比如单行道,也可以是具有多个移动行驶方向的道路,比如双行道。当目标区域内的道路为双行道时,在具体实施时,可以选取双行道中具体的车道,然后对具体车道对应的移动行驶方向进行标定。比如,当目标区域内道路为双向两车道时,可以选取右侧车道,然后对右侧车道的行进方向进行标定。
步骤S204:基于所述规定移动方向数据与所述移动轨迹变化量数据确定所述目标对象的逆行行为识别结果。
本步骤用于根据所述规定移动方向数据与所述移动轨迹变化量数据,获取所述目标对象的逆行行为识别结果,具体是:将所述规定移动方向数据与所述移动轨迹变化量数据输入到逆行行为识别模型中进行逆行行为识别,最终获取目标对象的逆行行为识别结果。这里需要说明的是,在基于所述规定移动方向数据与所述移动轨迹变化量数据确定所述目标对象的逆行行为识别结果时,基于逆行行为识别模型获取目标对象的逆行行为识别结果只是一种实施方式,还可以通过其他方式获取目标对象的逆行行为识别结果。逆行行为识别模型采用深度神经网络模型,在直线道路区域维度下,对于标定的南北向直线道路区域,模型输入为目标对象的地理纬度变化量数据,对于标定的东西向直线道路区域,模型输入为目标对象的地理经度变化量数据;在曲线道路区域维度下,模型输入为目标对象的移动轨迹点的方向角变化量数据。最终,根据规定移动方向数据与移动轨迹变化量数据获取目标对象的逆行行为识别结果。
具体实施时,当所述目标区域位于地球的北半球区域、所述目标区域的地理形态数据表示所述目标区域为标定的南北向直线道路区域、所述目标区域的规定移动方向数据表示所述目标区域的规定移动方向为由南向北时,如果所述目标对象的地理纬度变化量数据中超过第一预设数量的地理纬度变化量数据为负值,则判定所述目标对象存在逆行行为;或者,当所述目标区域位于地球的北半球区域、所述目标区域的地理形态数据表示所述目标区域为标定的南北向直线道路区域、,所述目标区域的规定移动方向数据表示所述目标区域的规定移动方向为由北向南时,如果所述目标对象的地理纬度变化量数据中超过第二预设数量的地理纬度变化量数据为正值,则判定所述目标对象存在逆行行为;或者,当所述目标区域位于地球的南半球区域、所述目标区域的地理形态数据表示所述目标区域为标定的南北向直线道路区域、所述目标区域的规定移动方向数据表示所述目标区域的规定移动方向为由南向北时,如果所述目标对象的地理纬度变化量数据中超过第三预设数量的地理纬度变化量数据为正值,则判定所述目标对象存在逆行行为;或者,当所述目标区域位于地球的南半球区域、所述目标区域的地理形态数据表示所述目标区域为标定的南北向直线道路区域、所述目标区域的规定移动方向数据表示所述目标区域的规定移动方向为由北向南时,如果所述目标对象的地理纬度变化量数据中超过第四预设数量的地理纬度变化量数据为负值,则判定所述目标对象存在逆行行为;或者,当所述目标区域位于地球的东半球区域、所述目标区域的地理形态数据表示所述目标区域为标定的东西向直线道路区域、所述目标区域的规定移动方向数据表示所述目标区域的规定移动方向为由西向东时,如果所述目标对象的地理经度变化量数据中超过第五预设数量的地理经度变化量数据为负值,则判定所述目标对象存在逆行行为;或者,当所述目标区域位于地球的东半球区域、所述目标区域的地理形态数据表示所述目标区域为标定的东西向直线道路区域、所述目标区域的规定移动方向数据表示所述目标区域的规定移动方向为由东向西时,如果所述目标对象的地理经度变化量数据中超过第六预设数量的地理经度变化量数据为正值,则判定所述目标对象存在逆行行为;或者,当所述目标区域位于地球的西半球区域、所述目标区域的地理形态数据表示所述目标区域为标定的东西向直线道路区域、所述目标区域的规定移动方向数据表示所述目标区域的规定移动方向为由西向东时,如果所述目标对象的地理经度变化量数据中超过第七预设数量的地理经度变化量数据为正值,则判定所述目标对象存在逆行行为;或者,当所述目标区域位于地球的西半球区域、所述目标区域的地理形态数据表示所述目标区域为标定的东西向直线道路区域、所述目标区域的规定移动方向数据表示所述目标区域的规定移动方向为由东向西时,如果所述目标对象的地理经度变化量数据中超过第八预设数量的地理经度变化量数据为负值,则判定所述目标对象存在逆行行为。
下面举例说明获取目标对象的逆行行为识别结果的过程,比如,对于直线道路区域,以东半球为例,本初子午线经度为0°,从本初子午线开始,由西向东经度坐标逐渐变大。因此,在直线道路区域维度下针对标定的东西向直线道路区域为由西向东道路区域,所述目标区域的规定移动方向为由西向东,所述目标对象的移动轨迹点的经度坐标随着时间的变化逐渐增大,正常行驶时目标对象的地理经度变化量数据应该为正值,如果配送员发生逆行时,配送员的移动轨迹点的经度坐标随时间有明显的减小趋势,其地理经度变化量数据则为负值,如果地理经度变化量数据中超过第五预设数量的地理经度变化量数据为负值,将配送员的地理经度变化量数据为负值的结果以及规定移动方向数据输入逆行行为识别模型中,逆行识别模型会输出配送员存在逆行行为的识别结果。同理,针对标定的东西向直线道路区域为由东向西道路区域,所述目标区域的规定移动方向为由东向西,所述目标对象的移动轨迹点的经度坐标随着时间的变化逐渐减小,正常行驶时目标对象的地理经度变化量数据应该为负值,如果配送员发生逆行时,配送员的移动轨迹点的经度坐标随时间有明显的增大趋势,其地理经度变化量数据则为正值,如果所述目标对象的地理经度变化量数据中超过第六预设数量的地理经度变化量数据为正值,将配送员的地理经度变化量数据为正值的结果以及规定移动方向数据输入逆行行为识别模型中,逆行识别模型会输出配送员存在逆行行为的识别结果。
以西半球为例,由东向西经度坐标逐渐变大,针对标定的东西向直线道路区域为由西向东道路区域,所述目标区域的规定移动方向为由西向东,所述目标对象的移动轨迹点的经度坐标随着时间的变化逐渐减小,正常行驶时目标对象的地理经度变化量数据应该为负值,如果配送员发生逆行时,配送员的移动轨迹点的经度坐标随时间有明显的增大趋势,其地理经度变化量数据则为正值,如果所述目标对象的地理经度变化量数据中超过第七预设数量的地理经度变化量数据为正值,将配送员的地理经度变化量数据为正值的结果以及规定移动方向数据输入逆行行为识别模型中,逆行识别模型会输出配送员存在逆行行为的识别结果。同理,针对标定的东西向直线道路区域为由东向西道路区域,所述目标区域的规定移动方向为由东向西,所述目标对象的移动轨迹点的经度坐标随着时间的变化逐渐增大,正常行驶时目标对象的地理经度变化量数据应该为正值,如果配送员发生逆行时,配送员的移动轨迹点的经度坐标随时间有明显的减小趋势,其地理经度变化量数据则为负值,如果所述目标对象的地理经度变化量数据中超过第八预设数量的地理经度变化量数据为负值,将配送员的地理经度变化量数据为负值的结果以及规定移动方向数据输入逆行行为识别模型中,逆行识别模型会输出配送员存在逆行行为的识别结果。
以北半球为例,赤道位置的纬度为0°,从赤道开始,由南向北纬度坐标逐渐变大,对于标定的南北向直线道路区域为由南向北道路区域,所述目标区域的规定移动方向为由南向北,配送员正常行驶时,配送员的移动轨迹点的纬度坐标随时间有明显的增加趋势,其地理纬度变化量应该为正值,但是如果配送员存在逆行行为,配送员的移动轨迹点的纬度坐标随时间有明显的减小趋势,其地理纬度变化量数据则为负值,如果所述目标对象的地理经度变化量数据中超过第一预设数量的地理纬度变化量数据为负值,将配送员的移动轨迹点的地理纬度变化量数据为负值的结果以及规定移动方向数据输入逆行行为识别模型中,逆行识别模型会输出配送员存在逆行行为的识别结果。同理,对于标定的南北向直线道路区域为由北向南道路区域,所述目标区域的规定移动方向为由北向南,配送员正常行驶时,配送员的移动轨迹点的纬度坐标随时间有明显的减小趋势,其地理纬度变化量应该为负值,但是如果配送员存在逆行行为,配送员的移动轨迹点的纬度坐标随时间有明显的增大趋势,其地理纬度变化量数据则为正值,如果所述目标对象的地理经度变化量数据中超过第二预设数量的地理纬度变化量数据为正值,将配送员轨迹点的地理纬度变化量数据为正值的结果以及规定移动方向数据输入逆行行为识别模型中,逆行识别模型会输出配送员存在逆行行为的识别结果。
以南半球为例,从赤道开始,由北向南纬度坐标逐渐变大,针对标定的南北向直线道路区域为由南向北道路区域,所述目标区域的规定移动方向为由南向北,所述目标对象的移动轨迹点的纬度坐标随着时间的变化逐渐减小,配送员正常行驶时,配送员的移动轨迹点的纬度坐标随时间有明显的减小趋势,其地理纬度变化量应该为负值,但是如果配送员存在逆行行为,配送员的移动轨迹点的纬度坐标随时间有明显的增大趋势,其地理纬度变化量数据则为正值,如果所述目标对象的地理纬度变化量数据中超过第三预设数量的地理纬度变化量数据为正值,将配送员轨迹点的地理纬度变化量数据为正值的结果以及规定移动方向数据输入逆行行为识别模型中,逆行识别模型会输出配送员存在逆行行为的识别结果。同理,标定的南北向直线道路区域为由北向南道路区域,所述目标区域的规定移动方向为由北向南,所述目标对象的移动轨迹点的纬度坐标随着时间的变化逐渐增加,配送员正常行驶时,配送员的移动轨迹点的纬度坐标随时间有明显的增加趋势,其地理纬度变化量应该为正值,但是如果配送员存在逆行行为,配送员的移动轨迹点的纬度坐标随时间有明显的减小趋势,其地理纬度变化量数据则为负值,如果所述目标对象的地理纬度变化量数据中超过第四预设数量的地理纬度变化量数据为负值,将配送员的移动轨迹点的地理纬度变化量数据为负值的结果以及规定移动方向数据输入逆行行为识别模型中,逆行识别模型会输出配送员存在逆行行为的识别结果。
对于曲线道路区域,如果所述曲线道路区域为顺时针道路区域,正常情况下所述目标对象的移动轨迹点的方向角度随时间有明显的减少的趋势,其变化量通常为负值,如果配送员发生逆行,则配送员的移动轨迹点的方向角度随时间会有明显的增加的趋势,其变化量通常为正值,如果所述目标对象的移动轨迹点的方向角变化量数据中超过第九预设数量的方向角变化量数据为正值,将配送员的移动轨迹点的方向角变化量数据为正值的结果以及规定移动方向数据输入逆行行为识别模型中,逆行识别模型会输出配送员存在逆行行为的识别结果;如果所述曲线道路区域为逆时针道路区域,正常情况下所述目标对象的移动轨迹点的方向角度随时间有明显的增大的趋势,其变化量通常为正值,如果配送员发生逆行,则配送员的移动轨迹点的方向角度随时间会有明显的减小的趋势,其变化量通常为负值,如果所述目标对象的移动轨迹点的方向角变化量数据中超过第十预设数量的方向角变化量数据为负值,将配送员的移动轨迹点的方向角变化量数据为负值的结果以及规定移动方向数据输入逆行行为识别模型中,逆行识别模型会输出配送员存在逆行行为的识别结果。
这里需要说明的是,基于目标对象的移动轨迹点的经纬度差值序列和方向角差值序列进行模型识别时,在特征构建时,基于经度/纬度变化量时序特征具体可以是计算在识别AOI范围内移动的目标对象的相邻轨迹点经度/纬度的差值构建时序特征,其中差值在特征输入时乘1000做特征放大;基于方向角度变化量时序特征具体可以是计算在识别AOI范围内移动的目标对象的相邻轨迹点方向角度的差值构建时序特征。
作为一个实施例,可以按照下述方式计算方向角:
其中, lon1 、lon2表示目标对象的移动轨迹点的经度坐标,lat1、lat2表示目标对象的移动轨迹点的纬度坐标,latitude表示纬度,简称lat,longitude表示经度,简称lon,a1表示目标对象第二移动轨迹点相对于第一移动轨迹点的方向角度,所述目标对象第一轨迹点的经纬度坐标为(lon1,lat1),所述目标对象第二轨迹点的经纬度坐标为(lon2,lat2)。所述方向角通过所述目标对象的移动轨迹点的经纬度坐标获得,其他相邻移动轨迹点的方向角度计算方法同上,按照同样的方式计算出a2,a2表示目标对象第三移动轨迹点相对于第二移动轨迹点的方向角度,之后便可以获取轨迹方向角度上的相邻变化量,即方向角变化量数据△a,则△a= a2- a1。这里需要说明的是,在很小范围的路段上经纬度在距离上的分度是近似不变的。
上述过程为根据所述规定移动方向数据与所述移动轨迹变化量数据,获取所述目标对象的逆行行为识别结果的过程,接下来简单介绍下逆行行为识别模型的训练过程以及工作过程。
本申请实施例中,按照下述方式训练所述逆行行为识别模型:首先,获取历史识别对象的样本数据,所述样本数据包括所述历史识别对象的历史移动轨迹变化量数据、所述目标区域的规定移动方向数据、所述历史识别对象的识别结果标签,所述识别结果标签包括所述历史识别对象存在逆行行为的识别标签或不存在逆行行为的识别标签;然后,基于所述样本数据,对初始逆行行为识别模型进行训练,得到所述逆行行为识别模型。
具体实施时,所述逆行行为识别模型可以是一种深度神经网络模型,用于对所述移动轨迹变化量数据和所述规定移动方向数据进行分析,获取逆行行为识别结果。所述逆行行为识别模型包括:第一序列特征提取层、第二序列特征提取层和识别输出层;所述将所述规定移动方向数据与所述移动轨迹变化量数据输入到逆行行为识别模型中,获取所述目标对象的逆行行为识别结果,包括:将所述移动轨迹变化量数据输入到所述第一序列特征提取层,得到所述第一序列特征提取层输出的移动轨迹变化量序列特征;将所述规定移动方向数据输入到所述第二序列特征提取层,得到所述第二序列特征提取层输出的移动方向序列特征;将所述移动轨迹变化量序列特征和所述规定移动方向序列特征输入到所述识别输出层,得到所述识别输出层输出的所述目标对象对应的逆行行为识别结果。
这里需要说明的是,所述第一序列特征提取层用于提取所述移动轨迹变化量数据得到移动轨迹变化量序列特征;所述第二序列特征提取层用于提取所述移动方向数据得到移动方向序列特征;所述识别输出层用于基于所述移动轨迹变化量序列特征和所述移动方向序列特征,识别逆行行为识别结果。具体的,所述第一序列特征提取层和所述第二序列特征提取层可以是RNN(Recurrent Neural Networks,循环神经网络)模型。所述第一序列特征提取层和所述第二序列特征提取层包括池化层,所述第一序列特征提取层和所述第二序列特征提取层使用最大池化作为池化层;所述识别输出层包括残差层。所述逆行行为识别模型首先使用GRU结构的循环神经网络(RNN)编码学习输入的序列特征;然后经过最大池化层(Max Pooling)保留编码后特征中信号最强的部分,剔除冗余信息;最后通过残差层(Residual Layer)并作前向传播(Feed Forward),以及使用均方差根误差(RMSE,RootMean Square Error)作为反向传播训练的损失函数;最终通过Sigmoid激活函数的二分类器(Binary Classification)输出判定输入的序列是否属于逆行行为,其中输出数值越接近1则说明为逆行的可能性越大,越接近0则说明非逆行的可能性越大。
本申请实施例中,所述逆行行为识别模型的识别过程如下:若所述目标区域的规定移动方向数据为西向东方向,判断所述目标对象的地理经度变化量数据是否为负值,若是,则判定所述目标对象存在逆行行为;或者,若所述目标区域的规定移动方向数据为东向西方向,判断所述目标对象的地理经度变化量数据是否为正值,若是,则判定所述目标对象存在逆行行为;或者,若所述目标区域的规定移动方向数据为南向北方向,判断所述目标对象的地理纬度变化量数据是否为负值,若是,则判定所述目标对象存在逆行行为;或者,若所述目标区域的规定移动方向数据为北向南方向,判断所述目标对象的地理纬度变化量数据是否为正值,若是,则判定所述目标对象存在逆行行为。
所述逆行行为识别模型的识别过程还包括:若所述目标区域的规定移动方向数据为顺时针方向,判断所述目标对象的移动轨迹方向角变化量数据是否为正值,若是,则判定所述目标对象存在逆行行为;或者,若所述目标区域的规定移动方向数据为逆时针方向,判断所述目标对象的移动轨迹方向角变化量数据是否为负值,若是,则判定所述目标对象存在逆行行为。
本申请实施例中,所述方法应用于服务端,所述方法还包括:如果所述目标对象的逆行行为识别结果表示所述目标对象已发生逆行行为,则向目标对象对应的客户端发送所述目标对象已发生逆行行为的识别结果;或者,所述方法应用于所述目标对象对应的客户端,所述方法还包括:展示所述目标对象已发生逆行行为的识别结果。
这里需要说明的是,所述目标对象的逆行行为识别方法既可以应用服务端,也可以应用于客户端。所述方法应用于服务端时,所述方法还包括:如果所述目标对象的逆行行为识别结果表示所述目标对象已发生逆行行为,则向目标对象对应的客户端发送所述目标对象已发生逆行行为的识别结果;或者,所述方法应用于所述目标对象对应的客户端时,所述方法还包括:在客户端展示所述目标对象已发生逆行行为的识别结果。
本申请实施例中,所述方法还包括:如果所述目标对象的逆行行为识别结果表示所述目标对象已发生逆行行为,则向所述目标对象发送用于询问目标对象是否逆行的询问信息;获取表示所述目标对象未发生逆行行为的证明信息;根据所述证明信息校准所述目标对象的逆行行为识别结果。
这里需要说明的是,考虑到模型输出结果可能存在误差,因此,如果逆行行为识别模型输出的识别结果表示目标对象已发生逆行行为时,可以询问目标对象是否发生逆行,如果目标对象返回的询问结果与所述目标对象的逆行行为识别结果一致,证明目标对象确实存在逆行行为,则将当前逆行行为识别结果作为目标对象的逆行行为识别结果;如果目标对象返回的询问结果与所述目标对象的逆行行为识别结果不一致,此时需要获取表示所述目标对象未发生逆行行为的证明信息来证明目标对象没有逆行,然后根据证明信息校准所述目标对象的逆行行为识别结果。具体实施时,所述证明信息可以从目标对象的行车记录仪获取,也可以从能够证明目标对象不存在逆行的证据中获取,比如配送员的运单执行状态。
本申请实施例中,所述方法还包括:获取第一辅助识别结果,所述第一辅助识别结果是识别所述目标对象是否存在逆行行为的第一辅助结果;所述将所述规定移动方向数据与所述移动轨迹变化量数据输入到逆行行为识别模型中,获取所述目标对象的逆行行为识别结果,包括:将所述规定移动方向数据与所述移动轨迹变化量数据输入到逆行行为识别模型中,获取模型识别结果;根据所述模型识别结果与所述第一辅助识别结果,获取所述目标对象的逆行行为识别结果。
具体实施时,所述获取第一辅助识别结果,包括:获取所述目标对象从初始位置到目的地位置的历史移动时长数据;获取所述目标对象从初始位置到目的地位置的当前移动时长数据;根据所述历史移动时长数据以及所述当前移动时长数据,获取第一辅助识别结果。具体的,所述根据所述历史移动时长数据以及所述当前移动时长数据,获取第一辅助识别结果,包括:若所述当前移动时长数据与所述历史移动时长数据的差值大于预设阈值,则判定所述目标对象存在逆行行为。
这里需要说明的是,上述辅助识别过程主要是结合配送员的历史配送信息对配送员是否存在逆行行为进行辅助判断,从历史配送信息中获取配送员从地点A到地点B的正常行驶时间,如果配送员的当前行驶时间明显小于历史的正常时间,证明配送员为了节省时间,可能存在逆行行为。本申请实施例中,所述当前移动时长数据通过如下方式获取:获取所述目标对象的移动特征;将所述移动特征输入到移动时长预测模型中,获取所述当前移动时长数据。其中,所述移动特征具体可以是配送员的移动速度等,通过将配送员的移动速度输入到移动时长预测模型,即可获取当前移动时长。进一步的,如果当前移动时长数据与历史移动时长数据的差值大于预设阈值,则可以判定目标对象存在逆行行为。比如,配送员从地点A到地点B的正常行驶时间是15分钟,然而获取的当前移动时长是8分钟,则证明配送员可能存在逆行行为。具体实施时,可以将此结果作为辅助结果,然后再结合逆行行为识别模型的识别结果,最终确定配送员是否存在逆行行为。
本申请实施例中,所述方法还包括:获取第二辅助识别结果,所述第二辅助识别结果是识别所述目标对象是否存在逆行行为的第二辅助结果;所述将所述规定移动方向数据与所述移动轨迹变化量数据输入到逆行行为识别模型中,获取所述目标对象的逆行行为识别结果,包括:将所述规定移动方向数据与所述移动轨迹变化量数据输入到逆行行为识别模型中,获取模型识别结果;根据所述模型识别结果与所述第二辅助识别结果,获取所述目标对象的逆行行为识别结果。
具体实施时,所述目标区域的地理形态数据为曲线形态数据,所述获取第二辅助识别结果,包括:获取所述目标对象的在目标区域的移动过程中的倾斜角度数据;根据所述倾斜角度数据判断所述目标对象的移动方向;判断所述移动方向与道路预定的方向是否一致;若不一致,则判定所述目标对象存在逆行行为。
这里需要说明的是,当地理形态数据为曲线形态数据时,配送员在行驶时通常会存在一定的倾斜角度,比如,当道路预定的方向为顺时针时,配送员顺时针行驶时通常会向右偏移一定角度,如果配送员的倾斜角度数据显示向左偏移,则证明配送员可能存在逆行行为。因此,在具体实施时,如果配送员的倾斜角度数据为向右偏移,则可以判断目标对象的移动方向为顺时针,此时如果道路预定的方向也是顺时针,则配送员不存在逆行行为,如果道路预定的方向是逆时针,则配送员存在逆行行为。其中,所述目标对象的倾斜角度数据,包括:所述目标对象的交通工具的倾斜角度数据;或者,所述目标对象的可穿戴设备的倾斜角度数据;或者,所述目标对象的配送设备的倾斜角度数据。具体实施时,所述倾斜角度数据可以通过安装在交通工具、可穿戴设备、配送设备上的传感器进行获取。所述交通工具可以是配送员的载具,比如电动车、摩托车等,所述可穿戴设备可以是配送员佩戴的智能头盔等,所述配送设备可以是外卖箱等。
需要说明的是,本申请实施例中,根据模型识别结果与第一辅助识别结果、根据模型识别结果与第二辅助识别结果获取所述目标对象的逆行行为识别结果时,可以按照预设的权重对所述模型识别结果以及所述第一辅助识别结果、所述第二辅助识别结果进行加权,将加权后获取的结果作为所述目标对象的逆行行为识别结果。
本申请实施例中,所述方法还包括:若所述目标对象的逆行行为识别结果为是,判断所述目标对象是否存在误逆行行为。所述目标区域包括以下至少一种:单行道以及双行道;所述判断所述目标对象是否存在误逆行行为,包括:判断所述目标对象在单行道上是否存在误逆行行为;或者,判断所述目标对象在双行道上是否存在误逆行行为。
本申请实施例中,所述判断所述目标对象在双行道上是否存在误逆行行为,包括:获取所述目标对象在双行道上的第一阶段移动特征、第二阶段移动特征和第三阶段移动特征;根据所述第一阶段移动特征、所述第二阶段移动特征和所述第三阶段移动特征,判断所述目标对象在双行道上是否存在误逆行行为。
具体实施时,所述根据所述第一阶段移动特征、所述第二阶段移动特征和所述第三阶段移动特征,判断所述目标对象在双行道上是否存在误逆行行为,包括:若所述第一阶段移动特征表示所述目标对象的移动方向与目的地位置匹配但所述目标对象的移动方向与道路预定的方向不一致,所述第二阶段移动特征表示所述目标对象的移动方向与目的地位置不匹配但所述目标对象的移动方向与道路预定的方向一致,所述第三阶段移动特征为所述目标对象的移动方向与目的地位置匹配且所述目标对象的移动方向与道路预定的方向一致,则判定所述目标对象在双行道第一阶段上存在误逆行行为。
这里需要说明的是,配送员在具体的移动过程中,由于对道路不熟悉,可能存在误逆行行为,请参考图3,图3是本申请第一实施例提供的目标对象在双行道上存在误逆行行为的示意图。配送员存在误逆行行为的具体表现为:第一阶段配送员的行驶方向与目的地方向一致,但是与道路预定方向不一致,存在逆行行为;第二阶段配送员意识到逆行后,立马掉头行驶,此时配送员的行驶方向与目的地方向不一致,但是与道路预定方向一致;第三阶段配送员按照规定路线穿过道路朝目的地前进,此时配送员的行驶方向与目的地方向一致,与道路预定方向也一致,实现正常行驶且不存在逆行行为。因此,如果配送员存在上述移动特征,则可以判定目标对象在双行道第一阶段上存在误逆行行为。
本申请实施例中,对于单行道,所述判断所述目标对象在单行道上是否存在误逆行行为,包括:获取所述目标对象的当前移动轨迹变化量数据以及所述目标对象的历史移动轨迹变化量数据;若所述目标对象的当前移动轨迹变化量数据小于所述目标对象的历史移动轨迹变化量数据,则判定所述目标对象在单行道上存在误逆行行为。
本申请实施例提供一种目标对象的逆行行为识别方法的全过程分析,包括:获取目标对象在目标区域的移动轨迹数据;根据所述移动轨迹数据以及所述目标区域的地理形态数据,获取所述目标对象的移动轨迹变化量数据;获取所述目标区域的规定移动方向数据;基于所述规定移动方向数据与所述移动轨迹变化量数据确定所述目标对象的逆行行为识别结果。
本申请实施例所述目标对象的逆行行为识别方法,能够根据目标对象在目标区域的移动轨迹数据以及目标区域的地理形态数据,获取目标对象的移动轨迹变化量数据,然后通过将规定移动方向数据与移动轨迹变化量数据输入到逆行行为识别模型中,最终获取目标对象的逆行行为识别结果。因此,本申请实施例所述目标对象的逆行行为识别方法,能够有效的识别目标对象的逆行行为,保障了交通安全。
第二实施例
在上述第一实施例中,提供了一种目标对象的逆行行为识别方法,与之相对应的,本申请第二实施例提供了一种目标对象的逆行行为识别装置。由于装置实施例基本相似于方法第一实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
请参照图4,为本申请第二实施例提供的一种目标对象的逆行行为识别装置的示意图。该目标对象的逆行行为识别装置400包括:移动轨迹数据获取单元401,用于获取目标对象在目标区域的移动轨迹数据;移动轨迹变化量数据获取单元402,用于根据所述移动轨迹数据以及所述目标区域的地理形态数据,获取所述目标对象的移动轨迹变化量数据;规定移动方向数据获取单元403,用于获取所述目标区域的移动方向数据;逆行行为识别结果确定单元404,用于基于所述规定移动方向数据与所述移动轨迹变化量数据确定所述目标对象的逆行行为识别结果。
第三实施例
与本申请上述方法实施例相对应的,本申请第三实施例还提供一种电子设备。如图5所示,图5为本申请第三实施例中提供的一种电子设备的示意图。该电子设备,包括:至少一个处理器501,至少一个通信接口502,至少一个存储器503和至少一个通信总线504;可选的,通信接口502可以为通信模块的接口,如GSM模块的接口;处理器501可能是处理器CPU,或者是特定集成电路ASIC(Application Specific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。存储器503可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。其中,存储器503存储有程序,处理器501调用存储器503所存储的程序,以执行本申请上述实施例中提供的方法。
第四实施例
与本申请上述方法相对应的,本申请第四实施例还提供一种计算机存储介质。所述计算机存储介质存储有计算机程序,该计算机程序被处理器运行,以执行本申请上述实施例中提供的方法。
本申请虽然以较佳实施例公开如上,但其并不是用来限定本申请,任何本领域技术人员在不脱离本申请的精神和范围内,都可以做出可能的变动和修改,因此本申请的保护范围应当以本申请权利要求所界定的范围为准。
在一个典型的配置中,计算设备包括一个或多个处理器 (CPU)、 输入/输出接口、网络接口和内存。内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM) 和/或非易失性内存等形式,如只读存储器 (ROM) 或闪存(flash RAM)。内存是计算机可读介质的示例。
1、计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、 程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存 (PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器 (DRAM)、 其他类型的随机存取存储器 (RAM)、只读存储器(ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器 (CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括非暂存电脑可读媒体 (transitory media),如调制的数据信号和载波。
2、本领域技术人员应明白,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。
需要说明的是,本申请实施例中可能会涉及到对用户数据的使用,在实际应用中,可以在符合所在国的适用法律法规要求的情况下(例如,用户明确同意,对用户切实通知,等),在适用法律法规允许的范围内在本文描述的方案中使用用户特定的个人数据。
Claims (14)
1.一种目标对象的逆行行为识别方法,其特征在于,包括:
获取目标对象在目标区域的移动轨迹数据,所述移动轨迹数据包括移动轨迹点数据序列;
根据所述移动轨迹数据以及所述目标区域的地理形态数据,获取所述目标对象的移动轨迹变化量数据,所述移动轨迹变化量数据包括移动轨迹点变化量序列,所述移动轨迹点变化量序列为移动轨迹点数据序列中地理形态数据维度下的后序轨迹点数据与前序轨迹点数据之间的轨迹点数据差值;
获取所述目标区域的规定移动方向数据;
基于所述规定移动方向数据与所述移动轨迹变化量数据确定所述目标对象的逆行行为识别结果,包括:将所述规定移动方向数据与所述移动轨迹变化量数据输入到逆行行为识别模型中,获得所述目标对象的逆行行为识别结果;
所述方法还包括:按照下述方式训练所述逆行行为识别模型:获取历史识别对象的样本数据,所述样本数据包括所述历史识别对象的历史移动轨迹变化量数据、所述目标区域的规定移动方向数据、所述历史识别对象的识别结果标签,所述识别结果标签包括所述历史识别对象存在逆行行为的识别标签或不存在逆行行为的识别标签;基于所述样本数据,对初始逆行行为识别模型进行训练,得到所述逆行行为识别模型;
所述逆行行为识别模型包括:第一序列特征提取层、第二序列特征提取层和识别输出层;所述将所述规定移动方向数据与所述移动轨迹变化量数据输入到逆行行为识别模型中,获取所述目标对象的逆行行为识别结果,包括:将所述移动轨迹变化量数据输入到所述第一序列特征提取层,得到所述第一序列特征提取层输出的移动轨迹变化量序列特征;将所述规定移动方向数据输入到所述第二序列特征提取层,得到所述第二序列特征提取层输出的移动方向序列特征;将所述移动轨迹变化量序列特征和所述移动方向序列特征输入到所述识别输出层,得到所述识别输出层输出的所述目标对象对应的逆行行为识别结果。
2.根据权利要求1所述的目标对象的逆行行为识别方法,其特征在于,按照下述至少一种方式获取目标对象在目标区域的移动轨迹数据:
通过目标对象的移动设备获取所述移动轨迹数据;
或者,通过预先设置在所述目标区域的识别设备获取所述移动轨迹数据;
或者,通过目标对象的可穿戴设备获取所述移动轨迹数据;
或者,通过目标对象的配送设备获取所述移动轨迹数据;
或者,通过目标对象的交通工具获取所述移动轨迹数据。
3.根据权利要求1所述的目标对象的逆行行为识别方法,其特征在于,如果所述目标区域的地理形态数据表示所述目标区域为直线道路区域,则所述移动轨迹数据包括地理经度数据或地理纬度数据,所述移动轨迹变化量数据包括地理经度变化量数据或地理纬度变化量数据。
4.根据权利要求3所述的目标对象的逆行行为识别方法,其特征在于,如果所述目标区域的地理形态数据表示所述目标区域为标定的南北向直线道路区域,则所述移动轨迹变化量数据为地理纬度变化量数据;
或者,如果所述目标区域的地理形态数据表示所述目标区域为标定的东西向直线道路区域,则所述移动轨迹变化量数据为地理经度变化量数据。
5.根据权利要求4所述的目标对象的逆行行为识别方法,其特征在于,所述标定的南北向直线道路区域包括地理维度下的南北向直线道路区域和/或地理维度下非南北向、但与地理维度下的南北向直线道路区域之间的夹角不超过第一预定角度的直线道路区域;
或者,所述标定的东西向直线道路区域包括地理维度下的东西向直线道路区域和/或地理维度下非东西向、但与地理维度下的东西向直线道路区域之间的夹角不超过第二预定角度的直线道路区域。
6.根据权利要求5所述的目标对象的逆行行为识别方法,其特征在于,当所述目标区域位于地球的北半球区域、所述目标区域的地理形态数据表示所述目标区域为标定的南北向直线道路区域、所述目标区域的规定移动方向数据表示所述目标区域的规定移动方向为由南向北时,如果所述目标对象的地理纬度变化量数据中超过第一预设数量的地理纬度变化量数据为负值,则判定所述目标对象存在逆行行为;
或者,当所述目标区域位于地球的北半球区域、所述目标区域的地理形态数据表示所述目标区域为标定的南北向直线道路区域、所述目标区域的规定移动方向数据表示所述目标区域的规定移动方向为由北向南时,如果所述目标对象的地理纬度变化量数据中超过第二预设数量的地理纬度变化量数据为正值,则判定所述目标对象存在逆行行为;
或者,当所述目标区域位于地球的南半球区域、所述目标区域的地理形态数据表示所述目标区域为标定的南北向直线道路区域、所述目标区域的规定移动方向数据表示所述目标区域的规定移动方向为由南向北时,如果所述目标对象的地理纬度变化量数据中超过第三预设数量的地理纬度变化量数据为正值,则判定所述目标对象存在逆行行为;
或者,当所述目标区域位于地球的南半球区域、所述目标区域的地理形态数据表示所述目标区域为标定的南北向直线道路区域、所述目标区域的规定移动方向数据表示所述目标区域的规定移动方向为由北向南时,如果所述目标对象的地理纬度变化量数据中超过第四预设数量的地理纬度变化量数据为负值,则判定所述目标对象存在逆行行为;
或者,当所述目标区域位于地球的东半球区域、所述目标区域的地理形态数据表示所述目标区域为标定的东西向直线道路区域、所述目标区域的规定移动方向数据表示所述目标区域的规定移动方向为由西向东时,如果所述目标对象的地理经度变化量数据中超过第五预设数量的地理经度变化量数据为负值,则判定所述目标对象存在逆行行为;
或者,当所述目标区域位于地球的东半球区域、所述目标区域的地理形态数据表示所述目标区域为标定的东西向直线道路区域、所述目标区域的规定移动方向数据表示所述目标区域的规定移动方向为由东向西时,如果所述目标对象的地理经度变化量数据中超过第六预设数量的地理经度变化量数据为正值,则判定所述目标对象存在逆行行为;
或者,当所述目标区域位于地球的西半球区域、所述目标区域的地理形态数据表示所述目标区域为标定的东西向直线道路区域、所述目标区域的规定移动方向数据表示所述目标区域的规定移动方向为由西向东时,如果所述目标对象的地理经度变化量数据中超过第七预设数量的地理经度变化量数据为正值,则判定所述目标对象存在逆行行为;
或者,当所述目标区域位于地球的西半球区域、所述目标区域的地理形态数据表示所述目标区域为标定的东西向直线道路区域、所述目标区域的规定移动方向数据表示所述目标区域的规定移动方向为由东向西时,如果所述目标对象的地理经度变化量数据中超过第八预设数量的地理经度变化量数据为负值,则判定所述目标对象存在逆行行为。
7.根据权利要求1所述的目标对象的逆行行为识别方法,其特征在于,如果所述目标区域的地理形态数据表示所述目标区域为曲线道路区域,则所述移动轨迹数据为移动轨迹点的方向角数据,所述移动轨迹变化量数据为移动轨迹点的方向角变化量数据。
8.根据权利要求7所述的目标对象的逆行行为识别方法,其特征在于,如果所述目标区域的地理形态数据表示所述目标区域为顺时针曲线道路区域、所述目标区域的规定移动方向数据表示所述目标区域的规定移动方向为顺时针方向时,如果所述目标对象的移动轨迹点的方向角变化量数据中超过第九预设数量的方向角变化量数据为正值,则判定所述目标对象存在逆行行为;
或者,如果所述目标区域的地理形态数据表示所述目标区域为逆时针曲线道路区域、所述目标区域的规定移动方向数据表示所述目标区域的规定移动方向为逆时针方向时,如果所述目标对象的移动轨迹点的方向角变化量数据中超过第十预设数量的方向角变化量数据为负值,则判定所述目标对象存在逆行行为。
9.根据权利要求1所述的目标对象的逆行行为识别方法,其特征在于,所述方法应用于服务端,所述方法还包括:
如果所述目标对象的逆行行为识别结果表示所述目标对象已发生逆行行为,则向目标对象对应的客户端发送所述目标对象已发生逆行行为的识别结果;
或者,所述方法应用于所述目标对象对应的客户端,所述方法还包括:
展示所述目标对象已发生逆行行为的识别结果。
10.根据权利要求1所述的目标对象的逆行行为识别方法,其特征在于,所述目标区域为在电子地图上圈选的围栏区域,所述移动轨迹数据为所述目标对象的移动轨迹点落入围栏区域内的移动轨迹点数据。
11.根据权利要求10所述的目标对象的逆行行为识别方法,其特征在于,当一条道路具有不少于一个地理形态时,对所述道路设置不少于一个目标区域,每个目标区域具有唯一的地理形态。
12.一种目标对象的逆行行为识别装置,其特征在于,包括:
移动轨迹数据获取单元,用于获取目标对象在目标区域的移动轨迹数据,所述移动轨迹数据包括移动轨迹点数据序列;
移动轨迹变化量数据获取单元,用于根据所述移动轨迹数据以及所述目标区域的地理形态数据,获取所述目标对象的移动轨迹变化量数据,所述移动轨迹变化量数据包括移动轨迹点变化量序列,所述移动轨迹点变化量序列为移动轨迹点数据序列中地理形态数据维度下的后序轨迹点数据与前序轨迹点数据之间的轨迹点数据差值;
规定移动方向数据获取单元,用于获取所述目标区域的规定移动方向数据;
逆行行为识别结果确定单元,用于基于所述规定移动方向数据与所述移动轨迹变化量数据确定所述目标对象的逆行行为识别结果,包括:将所述规定移动方向数据与所述移动轨迹变化量数据输入到逆行行为识别模型中,获得所述目标对象的逆行行为识别结果;
所述装置还包括:逆行行为识别模型训练单元,用于获取历史识别对象的样本数据,所述样本数据包括所述历史识别对象的历史移动轨迹变化量数据、所述目标区域的规定移动方向数据、所述历史识别对象的识别结果标签,所述识别结果标签包括所述历史识别对象存在逆行行为的识别标签或不存在逆行行为的识别标签;基于所述样本数据,对初始逆行行为识别模型进行训练,得到所述逆行行为识别模型;
所述逆行行为识别模型包括:第一序列特征提取层、第二序列特征提取层和识别输出层;所述将所述规定移动方向数据与所述移动轨迹变化量数据输入到逆行行为识别模型中,获取所述目标对象的逆行行为识别结果,包括:将所述移动轨迹变化量数据输入到所述第一序列特征提取层,得到所述第一序列特征提取层输出的移动轨迹变化量序列特征;将所述规定移动方向数据输入到所述第二序列特征提取层,得到所述第二序列特征提取层输出的移动方向序列特征;将所述移动轨迹变化量序列特征和所述移动方向序列特征输入到所述识别输出层,得到所述识别输出层输出的所述目标对象对应的逆行行为识别结果。
13.一种电子设备,其特征在于,所述电子设备包括处理器和存储器;
所述存储器中存储有计算机程序,所述处理器运行所述计算机程序后,执行权利要求1-11任意一项所述的方法。
14.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机程序,所述计算机程序被处理器运行后,执行权利要求1-11任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310264220.4A CN115982306B (zh) | 2023-03-13 | 2023-03-13 | 一种目标对象的逆行行为识别方法、装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310264220.4A CN115982306B (zh) | 2023-03-13 | 2023-03-13 | 一种目标对象的逆行行为识别方法、装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115982306A CN115982306A (zh) | 2023-04-18 |
CN115982306B true CN115982306B (zh) | 2023-08-18 |
Family
ID=85972560
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310264220.4A Active CN115982306B (zh) | 2023-03-13 | 2023-03-13 | 一种目标对象的逆行行为识别方法、装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115982306B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109633727A (zh) * | 2018-12-29 | 2019-04-16 | 西南交通大学 | 一种基于轨迹偏角的共享单车逆行行为识别方法 |
CN111611901A (zh) * | 2020-05-15 | 2020-09-01 | 北京百度网讯科技有限公司 | 车辆逆行检测方法、装置、设备以及存储介质 |
CN113011367A (zh) * | 2021-03-31 | 2021-06-22 | 广州大学 | 一种基于目标轨迹的异常行为分析方法 |
WO2021134169A1 (zh) * | 2019-12-30 | 2021-07-08 | 华为技术有限公司 | 一种轨迹预测方法及相关设备 |
CN114360261A (zh) * | 2021-12-30 | 2022-04-15 | 北京软通智慧科技有限公司 | 车辆逆行的识别方法、装置、大数据分析平台和介质 |
CN115388907A (zh) * | 2021-05-24 | 2022-11-25 | 高德软件有限公司 | 检测方法、提示方法及设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022170235A (ja) * | 2021-04-28 | 2022-11-10 | 株式会社ミツトヨ | 異常判定装置、異常判定方法、プログラム及び異常判定システム |
-
2023
- 2023-03-13 CN CN202310264220.4A patent/CN115982306B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109633727A (zh) * | 2018-12-29 | 2019-04-16 | 西南交通大学 | 一种基于轨迹偏角的共享单车逆行行为识别方法 |
WO2021134169A1 (zh) * | 2019-12-30 | 2021-07-08 | 华为技术有限公司 | 一种轨迹预测方法及相关设备 |
CN111611901A (zh) * | 2020-05-15 | 2020-09-01 | 北京百度网讯科技有限公司 | 车辆逆行检测方法、装置、设备以及存储介质 |
CN113011367A (zh) * | 2021-03-31 | 2021-06-22 | 广州大学 | 一种基于目标轨迹的异常行为分析方法 |
CN115388907A (zh) * | 2021-05-24 | 2022-11-25 | 高德软件有限公司 | 检测方法、提示方法及设备 |
CN114360261A (zh) * | 2021-12-30 | 2022-04-15 | 北京软通智慧科技有限公司 | 车辆逆行的识别方法、装置、大数据分析平台和介质 |
Non-Patent Citations (1)
Title |
---|
Vehicle anomalous trajectory detection algorithm based on road network partition;Zhao, Xujun et al.;APPLIED INTELLIGENCE;第8820-8838页 * |
Also Published As
Publication number | Publication date |
---|---|
CN115982306A (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3673407B1 (en) | Automatic occlusion detection in road network data | |
EP3227873B1 (en) | Method and apparatus for providing point of interest information | |
US10223816B2 (en) | Method and apparatus for generating map geometry based on a received image and probe data | |
US20190188602A1 (en) | Method, apparatus, and system for providing a location-aware evaluation of a machine learning model | |
WO2021082464A1 (zh) | 预测车辆的目的地的方法和装置 | |
US20200090503A1 (en) | Method, apparatus, and system for real-time detection of road closures | |
US20200111349A1 (en) | Method, apparatus, and system for automatic verification of road closure reports | |
CN113950611B (zh) | 用于预测道路属性的方法和数据处理系统 | |
CN111862605B (zh) | 路况检测方法、装置、电子设备及可读存储介质 | |
US10515293B2 (en) | Method, apparatus, and system for providing skip areas for machine learning | |
US11651689B2 (en) | Method, apparatus, and computer program product for identifying street parking based on aerial imagery | |
US20200273328A1 (en) | Method, apparatus, and system for combinining discontinuous road closures detected in a road network | |
US20160061620A1 (en) | Systems and methods for electronic display of various conditions along a navigation route | |
CN113899355A (zh) | 地图更新方法、装置、云端服务器和共享骑行设备 | |
JP2024020616A (ja) | ナビゲーション中に難しい操縦についての追加の命令を提供すること | |
US20200035097A1 (en) | Parking lot information management system, parking lot guidance system, parking lot information management program, and parking lot guidance program | |
Cui et al. | Establishing multisource data-integration framework for transportation data analytics | |
Hardjono et al. | Virtual Detection Zone in smart phone, with CCTV, and Twitter as part of an Integrated ITS | |
EP4273501A1 (en) | Method, apparatus, and computer program product for map data generation from probe data imagery | |
CN110793531B (zh) | 道路匹配的方法、装置以及可读存储介质 | |
CN115982306B (zh) | 一种目标对象的逆行行为识别方法、装置 | |
JP2021026354A (ja) | 情報提供システム、情報提供装置、情報提供方法及びプログラム | |
US20230206753A1 (en) | Method, apparatus, and system for traffic prediction based on road segment travel time reliability | |
CN116348935A (zh) | 用于预测未来超速的方法、电子装置及系统 | |
CN106781470B (zh) | 城市道路的运行速度的处理方法及装置 |
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 |