CN116011694A - 车辆行驶路线异常的识别方法、存储介质及装置 - Google Patents

Abstract

本发明公开了一种车辆行驶路线异常的识别方法、存储介质及装置，涉及道路交通技术领域。该方法包括：将车辆在待分析时间段内的轨迹点按照时间戳的顺序排序并进行空间索引，确定空间索引编码；按照顺序遍历所有轨迹点，依次判断每个轨迹点的空间索引编码是否已经被记录在历史列表中；如已经被记录在历史列表中，则判断车辆是否发生回退；当车辆发生回退时，判断车辆的回退是否异常。本发明实现了对车辆行驶路线异常的识别，本方法单纯依靠车辆轨迹本身的几何特点去识别违反直觉和常规的轨迹，不依赖路网信息和导航线路信息，具有识别过程简单高效的优点。

Description

车辆行驶路线异常的识别方法、存储介质及装置

技术领域

本发明涉及道路交通技术领域，尤其涉及车辆行驶路线异常的识别方法、存储介质及装置。

背景技术

对于货运车辆而言，走错路是常见的问题，特别是长途货运车辆，行驶线路往往不固定，司机所接的订单不一定是自己熟悉的线路，可能会出现绕远、掉头重走等情况。最常见的例子是错过高速路出口而在下个出口掉头返回，这就导致网络货运平台这样的承运方成本增加，运费核算不够精确。

而目前，行驶路线异常的识别通常是通过路网信息和导航线路信息进行识别，识别过程繁琐，效率低下。

发明内容

本发明所要解决的是行驶路线异常的识别过程繁琐且效率低下的问题，为了解决上述技术问题，本发明提供了车辆行驶路线异常的识别方法、存储介质及装置。

第一个方面，提供了一种车辆行驶路线异常的识别方法，包括：

获取预设时间段内的车辆轨迹数据，记录每个轨迹点的时间戳和该点距离起点的轨迹长度；

将所有所述轨迹点按照时间戳的顺序排序；

对排序后的所有所述轨迹点进行空间索引，确定每个所述轨迹点的空间索引编码；

建立用于存储已遍历过的轨迹点的时间戳、轨迹长度和空间索引编码的历史列表，按照顺序遍历所有所述轨迹点，依次判断每个所述轨迹点的空间索引编码是否已经被记录在所述历史列表中；

当第i个轨迹点的空间索引编码未被记录在所述历史列表中时，在所述历史列表中记录所述第i个轨迹点的时间戳、轨迹长度和空间索引编码；

当第i个轨迹点的空间索引编码已经被记录在所述历史列表中时，根据所述第i个轨迹点的时间戳和/或轨迹长度，以及所述历史列表中记录的对应的时间戳和/或轨迹长度，以及预设的参考值计算第一指标，根据所述第一指标判断车辆是否发生回退；

当车辆发生回退时，根据所述第i个轨迹点的轨迹长度、所述历史列表中记录的对应的轨迹长度以及所述车辆轨迹数据的轨迹总长度计算第二指标，根据所述第二指标判断车辆的回退是否异常；

其中，所述第i个轨迹点为所述车辆轨迹数据中的任意一个轨迹点。

在第一个方面的一种可能实现中，获取预设时间段内的车辆轨迹数据，记录每个轨迹点的时间戳和该点距离起点的轨迹长度，具体包括：

获取预设时间段内的车辆轨迹数据，所述车辆轨迹数据包括：每个轨迹点的时间戳和经纬度坐标；

通过每个轨迹点的经纬度坐标、起点的经纬度坐标和地球半径计算得到每个轨迹点与起点之间的球面距离，将所述球面距离作为每个轨迹点到起点的轨迹长度。

在第一个方面的一种可能实现中，对排序后的所有所述轨迹点进行空间索引，确定每个所述轨迹点的空间索引编码，具体包括：

根据需判断的车辆行驶路线的异常类型确定空间索引的等级，根据确定的空间索引的等级对排序后的所有所述轨迹点进行空间索引，确定每个所述轨迹点的空间索引编码。

在第一个方面的一种可能实现中，根据车辆行驶路线的异常类型确定空间索引的等级，具体包括：

当需判断的车辆行驶路线的异常是否为绕远时，确定空间索引的等级为第一等级；

当需判断的车辆行驶路线的异常是否为原路掉头返回时，确定空间索引的等级为第二等级；

其中，所述第一等级的精度小于所述第二等级。

在第一个方面的一种可能实现中，根据以下公式计算所述第一指标：

K1 = (Lc-Lo)/width

其中，K1为第一指标，Lc为第i个轨迹点的轨迹长度、Lo为历史列表中记录的轨迹长度，width为预设参考宽度。

在第一个方面的一种可能实现中，根据所述第一指标判断车辆是否发生回退，具体包括：

当K1≥P1时，车辆发生回退；

当K1＜P1时，车辆未发生回退；

其中，P1为第一预设阈值。

在第一个方面的一种可能实现中，根据以下公式计算所述第二指标：

K2 = (Lc-Lo)/S

其中，K2为第二指标，Lc为第i个轨迹点的轨迹长度、Lo为历史列表中记录的轨迹长度，S为车辆轨迹数据的轨迹总长度。

在第一个方面的一种可能实现中，根据所述第二指标判断车辆的回退是否异常，具体包括：

当K2＜P2时，车辆的回退异常；

当K2≥P2时，车辆的回退正常；

其中，P2为第二预设阈值。

第二个方面，提供了一种存储介质，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行如上述任意方案所述的车辆行驶路线异常的识别方法。

第三个方面，提供了一种车辆行驶路线异常的识别装置，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序，实现如上述任意方案所述的车辆行驶路线异常的识别方法。

通过空间索引对车辆的轨迹进行划分，通过每个轨迹点的空间索引编码判断车辆是否被记录过，根据记录的信息和当前轨迹点的信息判断车辆是否发生了回退，并判断车辆的回退是否异常，实现了对车辆行驶路线异常的识别，本方法单纯依靠车辆轨迹本身的几何特点去识别违反直觉和常规的轨迹，不依赖路网信息和导航线路信息，具有识别过程简单高效的优点。

本发明附加的方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明实践了解到。

附图说明

图1为本发明识别方法的实施例提供的流程示意图；

图2为车辆错误转弯之后掉头返回示意图；

图3为车辆错过高速出口之后绕远示意图；

图4为本发明识别方法的实施例提供的曲率比较示意图；

图5为本发明识别方法的实施例提供的不同方式和不同等级的空间索引对比示意图；

图6为本发明识别方法的实施例提供的车辆的轨迹点重复落入同一网格的正常情况和异常情况对比示意图；

图7为本发明识别方法的实施例提供的绕远识别结果和掉头识别结果对比示意图。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实施例只用于解释本发明，并非用于限定本发明的范围。

如图1所示，为本发明识别方法的实施例提供的流程示意图，该车辆行驶路线异常的识别方法包括：

S1，获取预设时间段内的车辆轨迹数据，记录每个轨迹点的时间戳和该点距离起点的轨迹长度；

需要说明的是，预设时间段可以根据实际需求设置，例如，可以选择一个完整的运输订单，将订单的开始时间到结束时间作为预设时间段，从而对整个订单的路线进行监控与识别，也可以选择订单中的一部分设置预设时间段，从而对订单中的部分路线进行监控与识别。

车辆轨迹数据指的是由多个轨迹点的行驶信息组成的数据集合，行驶信息可以包括当前轨迹点的时间戳、经度、纬度和车辆在当前轨迹点的速度等信息。

需要说明的是，轨迹长度指的是当前轨迹点到起点之间的距离，可以由当前轨迹点的经度和纬度结合地球的球面距离进行近似计算得到；还可以通过与车载信息管理系统联网，获取车辆的里程信息，根据车辆的里程信息确定轨迹长度。

S2，将所有轨迹点按照时间戳的顺序排序；

S3，对排序后的所有轨迹点进行空间索引，确定每个轨迹点的空间索引编码；

需要说明的是，本领域技术人员可以根据实际需求选择索引方式，例如，可以采用H3或S2等不同的索引方式。H3的索引样式为六边形网格，S2的索引样式为四边形网格。索引有等级划分，同样的索引方式中等级越高，网格越小，索引的精度也越高。

S4，建立用于存储已遍历过的轨迹点的时间戳、轨迹长度和空间索引编码的历史列表，按照顺序遍历所有轨迹点，依次判断每个轨迹点的空间索引编码是否已经被记录在历史列表中；

S51，当第i个轨迹点的空间索引编码未被记录在历史列表中时，在历史列表中记录第i个轨迹点的时间戳、轨迹长度和空间索引编码；

应理解，如果某个轨迹点的空间索引编码未被记录在历史列表中，表明该轨迹点并非重复进入同一个空间索引网格，那么可以认为轨迹不存在异常。

S52，当第i个轨迹点的空间索引编码已经被记录在历史列表中时，根据第i个轨迹点的时间戳和/或轨迹长度，以及历史列表中记录的对应的时间戳和/或轨迹长度，以及预设的参考值计算第一指标，根据第一指标判断车辆是否发生回退；

应理解，如果某个轨迹点的空间索引编码被记录在历史列表中，说明轨迹回到了之前所在的空间索引网格，可能出现异常。

需要说明的是，参考值可以根据选择的参数确定，例如，假设选择时间戳计算第一指标，那么参考值可以是时间间隔，假设选择轨迹长度计算第一指标，那么参考值可以是宽度，假设选择时间戳和轨迹长度结合计算第一指标，那么参考值可以是结合了时间间隔和宽度的值。

下面分别给出这三种情况的示例。

例如，假设选择时间戳计算第一指标，那么可以根据以下公式计算第一指标：

K1= (Tc-To)/time

其中，K1为第一指标，Tc为第i个轨迹点的时间戳、To为历史列表中记录的第i个轨迹点的空间索引编码对应的时间戳，time为预设时间间隔。

例如，假设选择轨迹长度计算第一指标，那么可以根据以下公式计算第一指标：

K1= (Lc-Lo)/width

其中，K1为第一指标，Lc为第i个轨迹点的轨迹长度、Lo为历史列表中记录的第i个轨迹点的空间索引编码对应的轨迹长度，width为预设参考宽度。

例如，假设选择轨迹长度和时间戳计算第一指标，那么可以根据以下公式计算第一指标：

K1a= (Tc-To)/time

K1b= (Lc-Lo)/width

K1=f（K1a，K1b）

其中，K1为第一指标，K1a 为轨迹长度的判断指标，K1b为时间戳的判断指标，Tc为第i个轨迹点的时间戳、To为历史列表中记录的第i个轨迹点的空间索引编码对应的时间戳，time为预设时间间隔，Lc为第i个轨迹点的轨迹长度、Lo为历史列表中记录的第i个轨迹点的空间索引编码对应的轨迹长度，width为预设参考宽度，f表示预设的函数关系，可以根据实际需求选择设置，例如，可以为简单的相加、相乘、相除等，也可以为其他复杂运算，不再一一赘述。

需要说明的是，可以设置一个第一预设阈值，当第一指标大于或等于第一预设阈值时，表明车辆是从远距离之外驶入当前网格，即轨迹发生回退，可能属于异常情景。当第一指标小于第一预设阈值时，表明车辆在附近停留或者尚未驶出该网格，属于正常情景。

例如，当K1≥P1时，车辆发生回退；

当K1＜P1时，车辆未发生回退；

其中，P1为第一预设阈值。

应理解，当K1≥P1时，表明车辆是从远距离之外驶入当前网格，即轨迹发生回退，可能属于异常情景。当K1＜P1时，表明车辆在附近停留或者尚未驶出该网格，属于正常情景。

可选地，也可以同时判断K1a和K1b是否满足条件，从而判断车辆是否发生回退，即同时满足：

K1a≥P1且K1b≥P1时，车辆发生回退，否则车辆未发生回退。

S6，当车辆发生回退时，根据第i个轨迹点的轨迹长度、历史列表中记录的对应的轨迹长度以及车辆轨迹数据的轨迹总长度计算第二指标，根据第二指标判断车辆的回退是否异常；

例如，第一种计算第二指标的方法，可以计算第i个轨迹点的轨迹长度与历史列表中记录的对应的轨迹长度的差值，然后将差值与轨迹总长度作比，得到第二指标。

又例如，第二种计算第二指标的方法，还可以计算第i个轨迹点的轨迹长度与历史列表中记录的对应的轨迹长度的差值，然后将轨迹总长度与差值作比，得到第二指标。

得到第二指标后，就可以与阈值进行比较，从而判断车辆的回退是否异常。

例如，以使用第一种计算第二指标的方法计算第二指标为例，可以设置一个第二预设阈值，那么当第二指标小于第二预设阈值时，表明轨迹回退是整条轨迹中的局部情形，即轨迹属于异常轨迹。当第二指标大于或等于第二预设阈值时，则判定轨迹正常。

其中，第i个轨迹点为车辆轨迹数据中的任意一个轨迹点。

需要说明的是，本发明还可以用于对轨迹的曲率进行近似比较，如图4所示，为曲率比较示意图，图4中示例1和示例2表明，在索引等级相同的情形下，轨迹距离越长，轨迹转弯处曲率越大，那么通过判断轨迹长度的大小，就能够实现判断轨迹的曲率。

图4中示例1和示例3表明，在轨迹长度相同的情形下，索引级别越高，轨迹转弯处的曲率越大，俺么可以通过对相同的轨迹长度使用不同的索引级别进行空间索引，判断轨迹的曲率。

本实施例通过空间索引对车辆的轨迹进行划分，通过每个轨迹点的空间索引编码判断车辆是否被记录过，根据记录的信息和当前轨迹点的信息判断车辆是否发生了回退，并判断车辆的回退是否异常，实现了对车辆行驶路线异常的识别，本方法单纯依靠车辆轨迹本身的几何特点去识别违反直觉和常规的轨迹，不依赖路网信息和导航线路信息，具有识别过程简单高效的优点。

可选地，在一些可能的实施方式中，获取预设时间段内的车辆轨迹数据，记录每个轨迹点的时间戳和该点距离起点的轨迹长度，具体包括：

获取预设时间段内的车辆轨迹数据，车辆轨迹数据包括：每个轨迹点的时间戳和经纬度坐标；

通过每个轨迹点的经纬度坐标、起点的经纬度坐标和地球半径计算得到每个轨迹点与起点之间的球面距离，将球面距离作为每个轨迹点到起点的轨迹长度。

可选地，完整的轨迹长度可由轨迹中相邻两个点之间的球面距离拼接得到。

行驶线路的异常识别无需关注精确线路，因此通过球面距离对轨迹长度进行近似计算，能够提高行驶线路异常的识别效率。

可选地，在一些可能的实施方式中，对排序后的所有轨迹点进行空间索引，确定每个轨迹点的空间索引编码，具体包括：

根据需判断的车辆行驶路线的异常类型确定空间索引的等级，根据确定的空间索引的等级对排序后的所有轨迹点进行空间索引，确定每个轨迹点的空间索引编码。

应理解，空间索引的等级越高，索引精度越高。可以使用较低等级的空间索引可以找出绕远的轨迹，使用较高等级的空间索引可以找出掉头的轨迹。

可选地，在一些可能的实施方式中，根据车辆行驶路线的异常类型确定空间索引的等级，具体包括：

当需判断的车辆行驶路线的异常是否为绕远时，确定空间索引的等级为第一等级；

当需判断的车辆行驶路线的异常是否为原路掉头返回时，确定空间索引的等级为第二等级；

其中，第一等级的精度小于第二等级。

例如，如图5所示，提供了不同方式和不同等级的空间索引对比示意图，H3的索引样式为六边形网格，S2的索引样式为四边形网格。索引有等级划分，同样的索引方式中等级越高，网格越小，索引的精度也越高。

需要说明的是，空间索引的等级越高，索引精度越高。使用较低等级的空间索引可以找出绕远的轨迹，使用较高等级的空间索引可以找出掉头的轨迹。

例如，如图2所示，为车辆错误转弯之后掉头返回示意图，图3为车辆错过高速出口之后绕远示意图。

基于此，调整空间索引的等级，可以重复检测不同的异常类型，低等级的索引用来识别绕远路的情形，高等级的索引用来识别原路掉头返回的情形。例如本实施例中采用7级的H3索引识别绕远，采用9级的H3索引识别掉头返回，结果如图7所示，实现了高效准确的异常识别。

可选地，在一些可能的实施方式中， 根据以下公式计算第一指标：

K1 = (Lc-Lo)/width

其中，K1为第一指标，Lc为第i个轨迹点的轨迹长度、Lo为历史列表中记录的轨迹长度，width为预设参考宽度。

应理解，width的值可以根据实际需求设置，例如可以取索引网格宽度的2倍。

可选地，在一些可能的实施方式中，根据第一指标判断车辆是否发生回退，具体包括：

当K1≥P1时，车辆发生回退；

当K1＜P1时，车辆未发生回退；

其中，P1为第一预设阈值。

需要说明的是，当K1≥P1时，表明车辆是从远距离之外驶入当前网格，即轨迹发生回退，可能属于异常情景。当K1＜P1时，表明车辆在附近停留或者尚未驶出该网格，属于正常情景，如图6所示，表明了这两种情况的差异。

对可能存在异常的情形，也就是K1≥P1的情形，需要继续判断该情形是轨迹的局部状态还是轨迹的整体状态。有些运输线路可能本身是一个环状，比如从仓库出发，给多个客户配送货物之后再返回仓库。这种情况下走一个环路不能算作绕远，应该把这种情况排除在外，可以继续计算第二指标。

可选地，在一些可能的实施方式中，根据以下公式计算第二指标：

K2 = (Lc-Lo)/S

其中，K2为第二指标，Lc为第i个轨迹点的轨迹长度、Lo为历史列表中记录的轨迹长度，S为车辆轨迹数据的轨迹总长度。

可选地，在一些可能的实施方式中，根据第二指标判断车辆的回退是否异常，具体包括：

当K2＜P2时，车辆的回退异常；

当K2≥P2时，车辆的回退正常；

其中，P2为第二预设阈值。

当K2＜P2时，表明轨迹回退是整条轨迹中的局部情形，即轨迹属于异常轨迹。当K2≥P2时，则判定轨迹正常。

需要说明的是，P1和P2用以调整判断精度，可以根据实际需求设置。

本发明还提供一种存储介质，存储介质中存储有指令，当计算机读取指令时，使计算机执行如上述任意实施方式公开的车辆行驶路线异常的识别方法。

本发明还提供一种车辆行驶路线异常的识别装置，包括：

存储器，用于存储计算机程序；

处理器，用于执行计算机程序，实现如上述任意实施方式公开的车辆行驶路线异常的识别方法。

应理解，上述实施方式为与在先方法实施方式对应的产品实施方式，关于产品实施方式的说明可以参考在先方法实施方式的说明，在此不再赘述。

应理解，在不违背本发明构思的前提下，本领域技术人员可以将上述实施方式进行任意组合，均在本发明的保护范围内。

读者应理解，在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

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，可以通过其它的方式实现。例如，以上所描述的方法实施例仅仅是示意性的，例如，步骤的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个步骤可以结合或者可以集成到另一个步骤，或一些特征可以忽略，或不执行。

上述方法如果以软件功能单元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，或者该技术方案的全部或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-OnlyMemory）、随机存取存储器（RAM，RandomAccessMemory）、磁碟或者光盘等各种可以存储程序代码的介质。

以上，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，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种车辆行驶路线异常的识别方法，其特征在于，包括：

获取预设时间段内的车辆轨迹数据，记录每个轨迹点的时间戳和该点距离起点的轨迹长度；

将所有所述轨迹点按照时间戳的顺序排序；

对排序后的所有所述轨迹点进行空间索引，确定每个所述轨迹点的空间索引编码；

建立用于存储已遍历过的轨迹点的时间戳、轨迹长度和空间索引编码的历史列表，按照顺序遍历所有所述轨迹点，依次判断每个所述轨迹点的空间索引编码是否已经被记录在所述历史列表中；

当第i个轨迹点的空间索引编码未被记录在所述历史列表中时，在所述历史列表中记录所述第i个轨迹点的时间戳、轨迹长度和空间索引编码；

当第i个轨迹点的空间索引编码已经被记录在所述历史列表中时，根据所述第i个轨迹点的时间戳和/或轨迹长度，以及所述历史列表中记录的对应的时间戳和/或轨迹长度，以及预设的参考值计算第一指标，根据所述第一指标判断车辆是否发生回退；

当车辆发生回退时，根据所述第i个轨迹点的轨迹长度、所述历史列表中记录的对应的轨迹长度以及所述车辆轨迹数据的轨迹总长度计算第二指标，根据所述第二指标判断车辆的回退是否异常；

其中，所述第i个轨迹点为所述车辆轨迹数据中的任意一个轨迹点。

2.根据权利要求1所述的车辆行驶路线异常的识别方法，其特征在于， 获取预设时间段内的车辆轨迹数据，记录每个轨迹点的时间戳和该点距离起点的轨迹长度，具体包括：

获取预设时间段内的车辆轨迹数据，所述车辆轨迹数据包括：每个轨迹点的时间戳和经纬度坐标；

通过每个轨迹点的经纬度坐标、起点的经纬度坐标和地球半径计算得到每个轨迹点与起点之间的球面距离，将所述球面距离作为每个轨迹点到起点的轨迹长度。

3.根据权利要求1所述的车辆行驶路线异常的识别方法，其特征在于， 对排序后的所有所述轨迹点进行空间索引，确定每个所述轨迹点的空间索引编码，具体包括：

根据需判断的车辆行驶路线的异常类型确定空间索引的等级，根据确定的空间索引的等级对排序后的所有所述轨迹点进行空间索引，确定每个所述轨迹点的空间索引编码。

4.根据权利要求3所述的车辆行驶路线异常的识别方法，其特征在于， 根据车辆行驶路线的异常类型确定空间索引的等级，具体包括：

当需判断的车辆行驶路线的异常是否为绕远时，确定空间索引的等级为第一等级；

当需判断的车辆行驶路线的异常是否为原路掉头返回时，确定空间索引的等级为第二等级；

其中，所述第一等级的精度小于所述第二等级。

5.根据权利要求1所述的车辆行驶路线异常的识别方法，其特征在于， 根据以下公式计算所述第一指标：

K1 = (Lc-Lo)/width

其中，K1为第一指标，Lc为第i个轨迹点的轨迹长度、Lo为历史列表中记录的轨迹长度，width为预设参考宽度。

6.根据权利要求5所述的车辆行驶路线异常的识别方法，其特征在于， 根据所述第一指标判断车辆是否发生回退，具体包括：

当K1≥P1时，车辆发生回退；

当K1＜P1时，车辆未发生回退；

其中，P1为第一预设阈值。

7.根据权利要求1所述的车辆行驶路线异常的识别方法，其特征在于， 根据以下公式计算所述第二指标：

K2 = (Lc-Lo)/S

其中，K2为第二指标，Lc为第i个轨迹点的轨迹长度、Lo为历史列表中记录的轨迹长度，S为车辆轨迹数据的轨迹总长度。

8.根据权利要求7所述的车辆行驶路线异常的识别方法，其特征在于，根据所述第二指标判断车辆的回退是否异常，具体包括：

当K2＜P2时，车辆的回退异常；

当K2≥P2时，车辆的回退正常；

其中，P2为第二预设阈值。

9.一种存储介质，其特征在于，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行如权利要求1至8中任一项所述的车辆行驶路线异常的识别方法。

10.一种车辆行驶路线异常的识别装置，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序，实现如权利要求1至8中任一项所述的车辆行驶路线异常的识别方法。

Images