S13查询得到的平均过车时间小很多，则很有可能存在套牌。此时，退出 轨迹生成流程。又例如，如果排序后的连续的两条过车记录对应的卡口相同，且两条过车记 录的时间差很小，比如小于1分钟，则很有可能是卡口对一次过车多拍造成的，则退出轨迹 生成流程。
[0070] 在运用本发明实施例的流程生成车辆在多天的若干轨迹后，需要对送些轨迹进行 聚合W提取主干轨迹。下面的实施例给出轨迹聚合的方法。
[0071] 一、如果两条轨迹包括的卡口数量不大于预设值，则逐一进行匹配，当每个卡口都 相同时，判定该两条轨迹为同一轨迹，进行聚合。
[0072] 比如说，对于经过卡口数小于或者等于3个的两条轨迹，按过车时间先后顺序，进 行逐一匹配。如果完全相同，则认为两轨迹是同一轨迹，进行聚合。举个例子，轨迹1;经过 卡口 121，时间8:05 ;卡口 122,时间8:14 ;卡口 123,时间8:21。轨迹2 :经过卡口 121，时间 7:43 ;卡口 122,时间7:53 ;卡口 123,时间7:59。轨迹1和轨迹2按照时间先后顺序逐一匹 配的时候，完全相同，所W送两条轨迹是同一轨迹。轨迹的聚合可W包括执行W下操作：统 计对应轨迹行驶的总次数，行驶总时间，经常行驶的时间点信息等。比如，轨迹1和轨迹2 被判定为相同轨迹时，该相同轨迹的行驶次数为2次，行驶总时间为送两次行驶时间之和， 经常行驶的时间点可W分析两条轨迹经过卡口的时间得出行驶的时间点信息。
[0073] 二、针对同一车辆的两条轨迹进行聚合时，如果两条轨迹包括的卡口数量大于预 设值，则当两条轨迹的起始m个卡口、结束n个卡口相同，判定该两条轨迹为同一轨迹，进行 聚合。m和n可W是相同的数值。
[0074] 该聚合机制在判断是否相同轨迹时，对于经过卡口数目较多的轨迹，主要考虑轨 迹的起始卡口、结束卡口，不考虑中间卡口。因为车辆在实际行驶过程中，只要起始位置、结 束位置是相同的，且一直处于行驶状态，送样即使中间路线稍有变化，实际也是可W当成相 同轨迹。
[00巧]比如说，对于轨迹经过卡口数大于3个的情况，只判断两条轨迹的起始3个卡口、 结束3个卡口按过车时间先后顺序，是否完全相同。如果完全相同，则认为是同一轨迹。举 个例子，车辆浙A12345的两条轨迹分别为；轨迹1依次经过卡口 121、122、123、124、125 ;轨 迹2依次经过卡口 258、257、256、255、254;由于轨迹1的起始3个卡口121、122、123和轨迹 2的起始3个卡口 258、257、256不相同，轨迹1的结束3个卡口 123、124、125和轨迹2的结 束3个卡口 256、255、254不相同，所W送两条轨迹属于不同的轨迹，不能进行聚合。再举一 个例子，轨迹 1 经过卡口 121、122、123、124、125、126、127、128、129、130、131、132 ;轨迹 2 经 过卡口 121、122、123、211、212、213、214、130、131、132 ;由于两条轨迹的起始3个卡口、结束 3个卡口按过车时间先后顺序是完全相同，所W送两条轨迹被判定为相同的轨迹，可W进行 聚合。
[0076] H、针对同一车辆的两条轨迹进行聚合时，如果两条轨迹包括的卡口数量大于预 设值，贝U当两条轨迹的起始m个卡口中有ml个卡口相同，结束n个卡口中有nl个卡口相 同，判定该两条轨迹为相似轨迹，进行聚合；并且送两条相似轨迹作为该车辆下一待聚合轨 迹的参考轨迹，其中ml小于m，nl小于n。
[0077] 该轨迹聚合机制称为相似轨迹的自学习与近似匹配机制。考虑到轨迹的起始m个 卡口、结束n个卡口，也存在卡口识别错误、漏识别等各种干扰情况，因此增加了相似轨迹 的自学习与近似匹配机制。比如说，对于经过卡口数大于3个的两条轨迹，如果两条轨迹的 起始3个卡口、结束3个卡口，按过车时间先后顺序，有2个相同、1个不同，则认为是相似 轨迹，进行聚合。并且增加相似轨迹的自学习机制：可W在相似轨迹列表中列出送些轨迹。 后续在进行轨迹聚合判断时，对学习记录的所有相似轨迹，逐条进行匹配。只要其中有一条 相似轨迹与待聚合的轨迹匹配，则认为是相似轨迹，进行聚合，并且学习到最终轨迹的相似 轨迹列表中。举例说明如下：
[007引 比如；轨迹A的起始3个卡口编码是1、2、3,结束3个卡口编码是4、5、6 ;轨迹B的 起始3个卡口编码是7、2、3,结束3个卡口编码是4、5、8。轨迹B与轨迹A匹配时，由于前3 个卡口的卡口编码为2、3的卡口与A匹配，后3个卡口的卡口编码为4、5的卡口与A匹配， 因此轨迹B会被当成A的相似轨迹，将B的统计数据累加到A的同时，B被学习到相似轨迹 列表中。
[0079] 在后续对轨迹C(C的起始3个卡口编码是7、2、9,结束3个卡口编码是10、5、8)与 轨迹A进行匹配时，由于轨迹C与A中记录的相似轨迹B的起始3个卡口的卡口编码为7、 2的匹配、后3个卡口的卡口编码为5、8的匹配，因此也会被当成相似轨迹，在将C的统计数 据累加到A的同时，C被学习到最终轨迹A的相似轨迹列表中。
[0080] W此类推，通过基于相似轨迹列表的自学习与近似匹配机制，大量的轨迹实现了 聚合。由于轨迹的聚合率大大提高，有效减少了车牌识别错误、识别遗漏等干扰因素对相同 轨迹匹配的影响。
[0081] 四、针对同一车辆的两条轨迹进行聚合时，如果两条轨迹包括的卡口数量大于预 设值，且该两条轨迹的首卡口所记录的过车时间属于同一时间区段，则如果两条轨迹的起 始m个卡口中有m2个卡口相同，结束n个卡口中有n2个卡口相同，判定该两条轨迹为相似 轨迹，进行聚合，并且送两条相似轨迹作为该车辆下一待聚合轨迹的参考轨迹，其中m2小 于m,n2小于n。
[0082] 该聚合机制基于时间相关性来加强相似轨迹的聚合。一些按照固定时间规律行驶 的车辆，在多天的行驶过程中，车辆轨迹在相同时间段内，往往按照相同的轨迹行驶，具有 明显的时间相关性特点。比如；正常上下班的私家车，早晨7:00到9:00,从居住点开车到 公司上班；下午17:00到19:00,从公司返回居住点。因此，在考虑对轨迹的起始、结束卡口 点进行精确、近似匹配的同时，本聚合机制还考虑到了轨迹的时间相关性特点。一个例子如 下：
[0083] 首先可W将卡口过车时间，划分为如下时间区段：
[0084] 早晨；6:00-9:00
[0085] 上午；9:00-12:00
[0086] 中午；12:00-14:00
[0087] 下午；14:00-17:00
[0088] 下班；17:00-19:00
[0089] 半夜；19:00-23:00
[0090] 深夜或者凌晨；23:00-6:00
[0091] 在进行轨迹匹配时，进行如下处理：
[0092] 提取两条轨迹的起始第一条卡口过车记录的时间点，判断两个时间点所属的时间 区段。如果时间区段相同，在判断相同、相似轨迹时，采用如下特殊的匹配策略：
[0093] 对于经过卡口数大于3个的两条轨迹，如果下列规则只要满足其一，则认为该两 条轨迹是相似轨迹：
[0094] 两条轨迹的起始3个卡口中有2个卡口相同，且结束3个卡口中有1个相同；
[0095] 两条轨迹的起始3个卡口中有1个卡口相同，且结束3个卡口中有2个相同。
[0096] 类似地，可W将送相似轨迹作为该车辆下一待聚合轨迹的参考轨迹。
[0097] 五、在进行卡口聚合时，将距离小于预设值的两个卡口判定为相同卡口。
[0098] 比如说按照卡口的空间GI^S坐标，将空间位置接近的卡口当成相同卡口。
[009引 比如；卡口编码为1、2的2个卡口，卡口间的空间距离在100米W内，送样在进行 临时轨迹与最终轨迹的卡口匹配时，可W将1、2当成相同卡口，从而有效提高车辆轨迹的 聚合度。
[0100] 本实施例的车辆轨迹聚合方法，在对同一车辆多天的多条车辆行驶轨迹进行聚合 时，克服了严格按照逐个卡口点进行精确匹配的模式将造成较大概率出现轨迹不匹配，最 终造成轨迹的聚合率过低的问题。经过实践检验，本实施例的车辆轨迹聚合方法能有效提 取出车辆的主干轨迹。
[0101] 本发明实施例还提供一种车辆轨迹的生成装置，该装置应用于车辆轨迹生成服务 器。请参图2,该装置包括；过车记录获取模块、卡口间过车时间差计算模块、卡口间平均过 车时间查询模块、行车终止判断模块和轨迹生成模块。
[0102] 该过车记录获取模块，用于从数据库中查询起止时间段该车辆的卡口过车记录， 并按照时间先后顺序对所述记录进行排序。
[0103] 该卡口间过车时间差计算模块，用于计算当前过车记录和其下一条过车记录的时 间差。
[0104] 该卡口间平均过车时间查询模块，用于查询当前过