[發明專利]一種基于卡口數據的車輛行為相似度計算方法

有效

• 申請號: 201811070256.4
• 申請日: 2018-09-13
• 公開（公告）號: CN109242024B
• 公開（公告）日: 2021-09-14
• 發明（設計）人: 張祖平;趙婧;龍哲
• 申請（專利權）人: 中南大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 長沙七源專利代理事務所(普通合伙) 43214
• 代理人: 鄭雋;吳婷

本發明提供一種基于卡口數據的車輛行為相似度計算方法，首先收集移動對象通過各卡口的數據信息并建立數據庫，然后在數據庫中檢索A、B車輛的卡口數據以形成兩車的原始軌跡，對原始軌跡進行清洗和切割進而得到關于A、B車輛子軌跡的集合，然后根據LCSS算法對兩個集合中的子軌跡進行兩兩比對，通過計算得到任意兩條子軌跡間的最長公共子序列以及兩車經過最長公共子序列中相鄰卡口的時間差，得到兩條子軌跡間的相似度，最后利用所有相似度數據進行多軌跡相似度計算，所得結果視為兩車間的行為相似度。本發明在計算中引入了時間影響因子，所得結果更加精確且適用范圍更廣，同時還將軌跡相似度結果用于對車輛行為相似程度的判斷。

技術領域

本發明涉及移動對象的數據處理與分析技術領域，具體地，涉及一種基于卡口數據的車輛行為相似度計算方法。

背景技術

近年來，由于大數據監測系統的不斷發展完善以及實際應用需求的逐年增加，針對移動對象軌跡數據的分析工作引起了越來越多的關注。軌跡數據實質上就是大量的軌跡點，而每一個軌跡點至少包括以下信息：對象、位置和時間；如果把同一對象在連續時間內的所有空間位置收集起來并標明，即可得到一條時空軌跡。

目前，國內各大城市已建成了比較健全的信息化基礎設施，為軌跡數據的收集和利用提供了海量數據資源和信息平臺。隨著各種各樣軌跡數據的公開，眾多學者開始將目光轉向從軌跡數據中發掘有價值的信息，其中軌跡相似度的研究已經成為熱點之一，其研究成果主要應用于軌跡聚類、路徑模型、異常軌跡檢測等方面，在道路交通監控和配合警方打擊犯罪方面取得了很好的成效。

在現有技術中，最常用的軌跡相似度計算方法包括歐式距離算法、Hausdorff距離算法、最長公共子序列算法、動態時間規整算法等。由于數據采集點均設置于卡口，位置特殊，因此通常采用最長公共子序列算法，但由于該算法中僅僅引入了空間容忍度(即經過卡口間的位置距離)而未考慮時間容忍度，因此存在缺陷：對于經過相同卡口但所用時間相差較大的不同軌跡，計算得到的多個相似度有可能高度近似，因而難以對分析結果起到實際作用。基于上述缺陷，現有的軌跡相似度計算方法結果可靠性差、適用范圍小，更不用說在此基礎上進一步延伸應用在對不同車輛行為相似度的分析判斷上。

發明內容

本發明的目的在于提供一種使用方便、可靠性高、適用范圍廣的車輛行為相似度計算方法，以解決背景技術中提出的問題。

為實現上述目的，本發明提供了一種基于卡口數據的車輛行為相似度計算方法，包括如下步驟：

步驟1)：通過設置在各個卡口的數據采集裝置獲得移動對象通過卡口時的數據信息，對上述數據信息進行整合保存以形成數據庫。

利用治安卡口、電子警察等應用系統對通過的車輛進行監控和拍照，產生了大量的車輛通行記錄，這些記錄涵蓋了車牌號碼、通行時間、號牌顏色、卡口代碼、車輛類型、行駛方向等車輛信息，保留HPHM、JGSJ、KKDM等字段作為表示移動對象位置的必要位置信息以形成數據庫，其中HPHM表示車牌號碼，KKDM表示每個監控卡口設備的唯一標識符，JGSJ指某個移動對象經過某卡口的時間信息。

步驟2)：根據A車輛的HPHM信息對數據庫進行查詢，得到若干個關于A車輛的卡口數據信息即軌跡點，將這些軌跡點按照時間順序進行排序得到A車輛的原始軌跡。

步驟3)：對A車輛的原始軌跡進行清洗，對于在一定時間T內連續出現的相同卡口數據，過濾掉多余的重復數據。

由于車輛在行進過程中不可避免地會出現堵塞排隊、等待交通信號燈等意外情況，進而導致車輛長期停留在卡口的數據采集范圍內，因此在一段時間內會出現多個連續且重復的卡口數據，即車輛的位置信息不隨時間的變化而發生變化，此時需要將多余的卡口數據過濾掉以避免干擾。

步驟4)：將清洗后的軌跡分割成多段子軌跡，形成關于A車輛的n段子軌跡的集合。