[發明專利]一種基于目標行為的碰撞檢測方法

有效

• 申請號: 202010316688.X
• 申請日: 2020-04-21
• 公開（公告）號: CN111506692B
• 公開（公告）日: 2023-05-26
• 發明（設計）人: 秦川翔;葉清明
• 申請（專利權）人: 成都路行通信息技術有限公司
• 主分類號: G06F16/29
• 分類號: G06F16/29;G06F16/2458;G06F16/906;G08G1/16
• 代理公司: 成都九鼎天元知識產權代理有限公司 51214
• 代理人: 封浪

1.一種基于目標行為的碰撞檢測方法，其特征在于，包括以下過程：

構建當前目標行為實體描述，獲取歷史目標行為實體描述集；

在存在歷史目標行為實體描述集時，分別計算當前目標行為實體描述與歷史目標行為實體描述集中各歷史目標行為實體描述的相似性，并獲取相似性靠前的若干歷史目標行為實體描述，提取該若干歷史目標行為實體描述的統計量，并基于當前目標行為實體描述和統計量進行碰撞檢測；

在不存在歷史目標行為實體描述集時，基于當前目標行為實體描述進行碰撞檢測；

其中，當前目標行為實體描述的構建方法包括以下A、B、C的過程：

A．對設備端實時上傳的軌跡數據包中，解析出預定時長/長度的軌跡數據包中預定維度的車輛運動參數，并對各維度的車輛運動參數進行向量化處理；

B．對向量化的解析結果進行第一預處理，分別得到各維度的特征，根據各維度的特征構建出目標行為的特征集；

C．對特征集中各維參數進行第二預處理以構建出目標行為實體描述；

所述歷史目標行為實體描述集的構造方法包括：

a．提取目標的待聚類軌跡數據包；

對每個軌跡數據包分別執行b~d：

b．分別從軌跡數據包的各點位中解析出預定維度的車輛運動參數，并對各維度的車輛運動參數進行向量化處理；

c．對各維度的向量進行第一預處理，分別得到各維度的特征，根據各維度的特征構建出目標行為的特征集；

d．對特征集中各維參數進行第二預處理以構建出目標行為實體描述；

e．根據各目標行為實體描述間的相似性構建相似性矩陣；

f．根據相似性矩陣對目標行為進行聚類；

g．計算每一個目標行為類簇的中心點及相關統計量，將各目標行為類簇的中心點和相關統計量進行關聯存儲；

所述當前和/或歷史目標行為實體描述構建過程中，從軌跡數據包中解析的車輛運動參數包括：

對于用戶種群類的目標而言，從軌跡數據包中解析的車輛運動參數包括速度、加速度三軸和角速度三軸，對應的向量化處理得到速度向量、加速度三軸向量和角速度三軸向量；

對于單個用戶的目標而言，從軌跡數據包中解析的車輛運動參數包括速度、加速度三軸、角速度三軸和報警狀態，對應的向量化處理得到速度向量、加速度三軸向量、角速度三軸向量和報警向量；

所述第一預處理包括：

對于用戶種群類的目標而言，第一預處理的過程包括：

根據速度向量計算非零速度均值和一階差分最小值；

分別對加速度三軸進行修正，基于修正后的加速度三軸，分別計算加速度三軸向量中各向量的一階差分絕對值最大值和一階差分絕對值中位數；

分別計算角速度三軸向量中各向量的一階差分絕對值最大值和一階差分絕對值中位數，計算各角速度三軸向量的一階差分絕對值最大值中的最大值；

對于單個用戶的目標而言，第一預處理的過程包括：

根據速度向量計算非零速度均值和一階差分最小值；

分別對加速度三軸進行修正，基于修正后的加速度三軸，分別計算加速度三軸向量中各向量的一階差分絕對值最大值；

分別計算角速度三軸向量中各向量的一階差分絕對值最大值，計算各角速度三軸向量的一階差分絕對值最大值中的最大值；

對報警向量轉換成亞編碼。

2.如權利要求1所述的基于目標行為的碰撞檢測方法，其特征在于，所述第二預處理包括：

對于用戶種群類的目標而言，第二預處理的過程包括：

分別對非零速度均值、加速度三軸向量中各向量的一階差分絕對值中位數、各角速度三軸向量的一階差分絕對值中位數分箱后的亞編碼，基于非零速度均值和速度向量一階差分最小值構造第二均值，和分別對各角速度三軸向量的一階差分絕對值最大值中的最大值、加速度三軸向量中各向量的一階差分絕對值最大值基于對應閾值的均值處理；

對于單個用戶的目標而言，第二預處理的過程包括：

分別對速度向量的非零速度均值、加速度三軸向量中各向量的一階差分絕對值最大值和各角速度三軸向量的一階差分絕對值最大值中的最大值基于對應閾值的均值處理，以及基于非零速度均值和速度向量一階差分最小值構造第二均值。