一种车辆行为分析方法及装置与流程

本发明涉及数据挖掘领域，特别涉及一种车辆行为分析方法及装置。

背景技术：

当今时代，车辆越来越成为人们的代步工具。道路上的监控设备所收集的大量的车辆信息(如：过车记录等)，一般仅是用来查找违规车辆，未关注该各监控设备所收集的大量的车辆信息中的隐含信息。如：根据监控设备所收集的大量的车辆信息，确定车辆的车辆轨迹，等等。

由于当今时代车辆越来越成为人们的代步工具，进一步分析车辆的车辆轨迹，可以进一步的确定车辆的行为信息，更进一步的确定驾驶员的某些相关信息，如人员的兴趣爱好、行为习惯等信息。

那么，如何针对道路上的监控设备所收集的大量的车辆信息，对车辆进行行为分析成为亟待解决的问题。

技术实现要素：

本发明实施例公开了一种车辆行为分析方法及装置，以实现根据车辆的车辆轨迹，得到对应车辆的行为信息。具体方案如下：

一方面，本发明实施例提供了一种车辆行为分析方法，所述方法包括：

获得待分析车辆在第一预定时间内的车辆轨迹，其中，所述车辆轨迹包括所述待分析车辆所经过的卡口的卡口标识；

依据预设的主题模型，对该待分析车辆的车辆轨迹进行分类；

对每一类车辆轨迹，根据每条车辆轨迹所包含的卡口标识对应的卡口信息，确定所述待分析车辆在所述第一预定时间内的行为信息。

可选的，所述获得待分析车辆在第一预定时间内的车辆轨迹，包括：

获得所述待分析车辆在第一预定时间内的经过卡口的第一过车记录数据；

根据预设的轨迹划分规则以及所述第一过车记录数据，确定所述待分析车辆的车辆轨迹。

可选的，所述依据预设的主题模型，对该待分析车辆的车辆轨迹进行分类，包括：

将该待分析车辆的车辆轨迹输入所述主题模型；

获得所述主题模型输出的每条车辆轨迹对应的主题；

将主题相同的车辆轨迹划分为一类。

可选的，所述主题模型为隐含狄利克雷分布lda模型；所述lda模型包括样本卡口的样本卡口标识、主题和样本车辆轨迹三层结构；

所述方法还包括建立主题模型的过程，所述过程包括：

获得每个样本卡口在第二预定时间内的每个样本车辆的样本过车记录数据，其中，所述样本过车记录数据包括样本车辆的样本标识信息；

从所述样本过车记录数据中，确定每个样本车辆的样本标识信息对应的样本过车记录数据；

根据预设的轨迹划分规则以及对应同一个样本标识信息的样本过车记录数据，确定所对应的样本车辆的样本车辆轨迹，所述样本车辆轨迹包括车辆所经过的样本卡口的样本卡口标识；

进行lda学习，获得每个样本卡口标识与主题的对应关系，以及样本卡口标识的主题与样本车辆轨迹的主题间的转换关系；

所述获得所述主题模型输出的每条车辆轨迹对应的主题，包括：

所述主题模型针对输入的每条车辆轨迹的卡口标识，根据每个样本卡口标识与主题的对应关系确定卡口标识对应的主题，并根据样本卡口标识的主题与样本车辆轨迹的主题间的转换关系确定每条车辆轨迹的主题，输出所确定的每条车辆轨迹的主题；

获得所输出的每条车辆轨迹的主题。

可选的，所述第一过车记录数据包括所述待分析车辆经过对应卡口的第一过车时间；

所述根据预设的轨迹划分规则以及所述第一过车记录数据，确定所述待分析车辆的车辆轨迹，包括：

按照所对应的第一过车时间先后顺序，排序所述第一过车记录数据；

依据每个第一过车记录数据所对应的第一过车时间，确定每两个相邻的第一过车记录数据的第一时间差；

当所述第一时间差超过预设的第一轨迹划分时间阈值时，将所对应的两个相邻的第一过车记录数据确定为第一轨迹划分界限，其中，第一过车时间在前的第一过车记录数据对应的卡口的卡口标识为前一个车辆轨迹终点标识，第一过车时间在后的第一过车记录数据对应的卡口的卡口标识为后一个车辆轨迹起点标识；

根据所述第一轨迹划分界限以及所述第一过车记录数据，确定所述待分析车辆的车辆轨迹。

可选的，所述样本过车记录数据还包括所对应样本车辆经过对应卡口的第二过车时间；

所述根据预设的轨迹划分规则以及对应同一个样本标识信息的样本过车记录数据，确定所对应的样本车辆的样本车辆轨迹，包括：

按照所对应的第二过车时间先后顺序，排序所述样本过车记录数据；

依据每个样本过车记录数据所对应的第二过车时间，确定每两个相邻的样本过车记录数据的第二时间差；

当所述第二时间差超过预设的第二轨迹划分时间阈值时，将所对应的两个相邻的样本过车记录数据作为第二轨迹划分界限，其中，第二过车时间在前的过车记录数据对应的卡口的卡口标识为前一个车辆轨迹终点标识，第二过车时间在后的过车记录数据对应的卡口的卡口标识为后一个车辆轨迹起点标识；

根据所述第二轨迹划分界限以及所述样本过车记录数据，确定所对应的样本车辆的车辆轨迹。

可选的，所述卡口信息包括：各卡口标识对应的卡口的经纬度信息、各卡口标识对应的卡口预定范围内的建筑信息或各卡口标识对应的卡口所处的环境信息；

所述对每一类车辆轨迹，根据每条车辆轨迹所包含的卡口标识对应的卡口信息，确定所述待分析车辆在所述第一预定时间内的行为信息，包括：

根据每条车辆轨迹所包含的卡口标识对应的经纬度信息确定每一类车辆轨迹对应的地域主题；

根据所确定的每一类车辆轨迹对应的地域主题，确定所述待分析车辆在所述第一预定时间内对应的地域主题；或，

根据每条车辆轨迹所包含的卡口标识对应的卡口预定范围内的建筑信息确定每一类车辆轨迹对应的建筑主题；

根据所确定的每一类车辆轨迹对应的建筑主题，确定所述待分析车辆在所述第一预定时间内对应的建筑主题；或，

根据每条车辆轨迹所包含的卡口标识对应的卡口所处的环境信息，确定每一类车辆轨迹对应的环境主题；

根据所确定的每一类车辆轨迹对应的环境主题，确定所述待分析车辆在所述第一预定时间内对应的环境主题。

另一方面，本发明实施例提供了一种车辆行为分析装置，所述装置包括：

获得模块，用于获得待分析车辆在第一预定时间内的车辆轨迹，其中，所述车辆轨迹包括所述待分析车辆所经过的卡口的卡口标识；

分类模块，用于依据预设的主题模型，对该待分析车辆的车辆轨迹进行分类；

确定模块，用于对每一类车辆轨迹，根据每条车辆轨迹所包含的卡口标识对应的卡口信息，确定所述待分析车辆在所述第一预定时间内的行为信息。

可选的，所述获得模块包括第一获得单元和第一确定单元；

所述第一获得单元，用于获得所述待分析车辆在第一预定时间内的经过卡口的第一过车记录数据，其中，所述第一过车记录数据包括对应车辆的标识信息；

所述第一确定单元，用于根据预设的轨迹划分规则以及所述第一过车记录数据，确定所述待分析车辆的车辆轨迹。

可选的，所述分类模块包括输入单元、第二获得单元和划分单元；

所述输入单元，用于将该待分析车辆的车辆轨迹输入所述主题模型；

所述第二获得单元，用于获得所述主题模型输出的每条车辆轨迹对应的主题；

所述划分单元，用于将主题相同的车辆轨迹划分为一类。

可选的，所述主题模型为隐含狄利克雷分布lda模型；所述lda模型包括样本卡口的样本卡口标识、主题和样本车辆轨迹三层结构；

所述装置还包括用于建立主题模型的主题模型建立模块，所述主题模型建立模块包括第三获得单元、第二确定单元、第三确定单元和第四获得单元；

所述第三获得单元，用于获得每个样本卡口在第二预定时间内的每个样本车辆的样本过车记录数据，其中，所述样本过车记录数据包括样本车辆的样本标识信息；

所述第二确定单元，用于从所述样本过车记录数据中，确定每个样本车辆的样本标识信息对应的样本过车记录数据；

所述第三确定单元，用于根据预设的轨迹划分规则以及对应同一个样本标识信息的样本过车记录数据，确定所对应的样本车辆的样本车辆轨迹，所述样本车辆轨迹包括车辆所经过的样本卡口的样本卡口标识；

所述第四获得单元，用于进行lda学习，获得每个样本卡口标识与主题的对应关系，以及样本卡口标识的主题与样本车辆轨迹的主题间的转换关系；

所述第二获得单元，具体用于所述主题模型针对输入的每条车辆轨迹的卡口标识，根据每个样本卡口标识与主题的对应关系确定卡口标识对应的主题，并根据样本卡口标识的主题与样本车辆轨迹的主题间的转换关系确定每条车辆轨迹的主题，输出所确定的每条车辆轨迹的主题；

获得所输出的每条车辆轨迹的主题。

可选的，所述第一过车记录数据包括所述待分析车辆经过对应卡口的第一过车时间；

所述第一确定单元包括第一排序子模块、第一确定子模块、第二确定子模块和第三确定子模块；

所述第一排序子模块，用于按照所对应的第一过车时间先后顺序，排序所述第一过车记录数据；

所述第一确定子模块，用于依据每个第一过车记录数据所对应的第一过车时间，确定每两个相邻的第一过车记录数据的第一时间差；

所述第二确定子模块，用于当所述第一时间差超过预设的第一轨迹划分时间阈值时，将所对应的两个相邻的第一过车记录数据确定为第一轨迹划分界限，其中，第一过车时间在前的第一过车记录数据对应的卡口的卡口标识为前一个车辆轨迹终点标识，第一过车时间在后的第一过车记录数据对应的卡口的卡口标识为后一个车辆轨迹起点标识；

所述第三确定子模块，用于根据所述第一轨迹划分界限以及所述第一过车记录数据，确定所述待分析车辆的车辆轨迹。

可选的，所述样本过车记录数据还包括所对应样本车辆经过对应卡口的第二过车时间；

所述第三确定单元包括第二排序子模块、第四确定子模块、第五确定子模块和第六确定子模块；

所述第二排序子模块，用于按照所对应的第二过车时间先后顺序，排序所述样本过车记录数据；

所述第四确定子模块，用于依据每个样本过车记录数据所对应的第二过车时间，确定每两个相邻的样本过车记录数据的第二时间差；

所述第五确定子模块，用于当所述第二时间差超过预设的第二轨迹划分时间阈值时，将所对应的两个相邻的样本过车记录数据作为第二轨迹划分界限，其中，第二过车时间在前的过车记录数据对应的卡口的卡口标识为前一个车辆轨迹终点标识，第二过车时间在后的过车记录数据对应的卡口的卡口标识为后一个车辆轨迹起点标识；

所述第六确定子模块，用于根据所述第二轨迹划分界限以及所述样本过车记录数据，确定所对应的样本车辆的车辆轨迹。

可选的，所述卡口信息包括：各卡口标识对应的卡口的经纬度信息、各卡口标识对应的卡口预定范围内的建筑信息或各卡口标识对应的卡口所处的环境信息；

所述确定模块，具体用于根据每条车辆轨迹所包含的卡口标识对应的经纬度信息确定每一类车辆轨迹对应的地域主题；

根据所确定的每一类车辆轨迹对应的地域主题，确定所述待分析车辆在所述第一预定时间内对应的地域主题；或，

根据每条车辆轨迹所包含的卡口标识对应的卡口预定范围内的建筑信息确定每一类车辆轨迹对应的建筑主题；

根据所确定的每一类车辆轨迹对应的建筑主题，确定所述待分析车辆在所述第一预定时间内对应的建筑主题；或，

根据每条车辆轨迹所包含的卡口标识对应的卡口所处的环境信息，确定每一类车辆轨迹对应的环境主题；

根据所确定的每一类车辆轨迹对应的环境主题，确定所述待分析车辆在所述第一预定时间内对应的环境主题。

在本方案中，获得待分析车辆在第一预定时间内的车辆轨迹，其中，该车辆轨迹包括所述待分析车辆所经过的卡口的卡口标识；依据预设的主题模型，对该待分析车辆的车辆轨迹进行分类；对每一类车辆轨迹，根据每条车辆轨迹所包含的卡口标识对应的卡口信息，确定待分析车辆在第一预定时间内的行为信息。可见，根据预设的主题模型，确定待分析车辆在第一预定时间内的车辆轨迹的内在联系，进一步地，根据车辆轨迹的内在联系，确定待分析车辆在第一预定时间内的行为信息。后续的可以根据该行为信息对该待分析车辆进行跟踪，可以提高对该待分析车辆的跟踪的准确率。当然，实施本发明的任一产品或方法必不一定需要同时达到以上所述的所有优点。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例所提供的一种车辆行为分析方法的流程示意图；

图2a为本发明实施例中车辆轨迹划分的流程示例图；

图2b为本发明实施例中车辆轨迹划分的示例图；

图3为本发明实施例中主题模型建立的一种流程示意图；

图4为本发明实施例所提供的一种车辆行为分析装置的结构示意图；

图5为本发明实施例中主题模型建立模块的结构示意图；

图6为本发明实施例中车辆轨迹划分模块的结构示例图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供了一种车辆行为分析方法及装置，以实现根据车辆的车辆轨迹，得到对应车辆的行为信息。

下面首先对本发明实施例所提供的一种车辆行为分析方法进行介绍。

如图1所示，本发明实施例提供了一种车辆行为分析方法，可以包括如下步骤：

s101：获得待分析车辆在第一预定时间内的车辆轨迹，其中，所述车辆轨迹包括所述待分析车辆所经过的卡口的卡口标识；

可以理解的是，该待分析车辆的每条车辆轨迹中可以至少包括两个卡口的卡口标识，并且该第一预定时间可以为半年或一年等等，本发明实施例并不对该第一预定时间进行限定。其中，确定车辆轨迹的方式多种多样，如根据对应车辆的定位信息等确定车辆轨迹。

在一种具体实现方式中，可以根据该待分析车辆所经过卡口的时间顺序以及所经过卡口的卡口标识，确定该待分析车辆的车辆轨迹，所述获得待分析车辆在第一预定时间内的车辆轨迹(s101)，可以包括：

获得待分析车辆在第一预定时间内的经过卡口的第一过车记录数据；

根据预设的轨迹划分规则以及所述第一过车记录数据，确定所述待分析车辆的车辆轨迹。

需要说明的是，每个卡口处均存在相应的视频监控设备或扫描设备，通过该视频监控设备或扫描设备可以记录每辆经过对应卡口的车辆的过车记录数据，其中，该过车记录数据中包含可以区分不同车辆的标识信息。其中，获得该第一过车记录数据可以采用现有技术，在此不做赘述。

在一种具体实现方式中，所述第一过车记录数据包括所述待分析车辆经过对应卡口的第一过车时间；

如图2a所示，所述根据预设的轨迹划分规则以及所述第一过车记录数据，确定所述待分析车辆的车辆轨迹，可以包括：

s201：按照所对应的第一过车时间先后顺序，排序所述第一过车记录数据；

s202：依据每个第一过车记录数据所对应的第一过车时间，确定每两个相邻的第一过车记录数据的第一时间差；

s203：当所述第一时间差超过预设的第一轨迹划分时间阈值时，将所对应的两个相邻的第一过车记录数据确定为第一轨迹划分界限，其中，第一过车时间在前的第一过车记录数据对应的卡口的卡口标识为前一个车辆轨迹终点标识，第一过车时间在后的第一过车记录数据对应的卡口的卡口标识为后一个车辆轨迹起点标识；

s204：根据所述第一轨迹划分界限以及所述第一过车记录数据，确定所述待分析车辆的车辆轨迹。

其中，每个卡口对应的视频监控设备所记录的车辆的过车记录数据中，除了包括有对应车辆的标识信息，还可以包括有对应车辆的过车时间，具体的，该第一过车记录数据中包括待分析车辆经过对应卡口的第一过车时间。

通过该第一过车时间，可以确定该待分析车辆经过每个卡口的先后顺序，进而可以确定待分析车辆的车辆轨迹。可以理解的是，根据待分析车辆经过每个卡口的第一过车记录数据，进行车辆轨迹的划分，可以依据待分析车辆在某一个地方的停留时间确定。一般情况下，如果车辆一直处于行驶状态，其经过每两个卡口的时间间隔一般为几分钟到几十分钟左右。换言之，当车辆经过两个卡口的时间间隔相对较大(如超过两个小时)时，可以确定该车辆在该两个卡口之间做了停留，车辆经过两个卡口的时间间隔越大，可以表明该车辆在该两个卡口之间的停留时间越长。此时，可以将该对应的两个卡口作为第一轨迹划分界限，第一过车时间在前的第一过车记录数据对应的卡口的卡口标识为前一个车辆轨迹终点标识，第一过车时间在后的第一过车记录数据对应的卡口的卡口标识为后一个车辆轨迹起点标识。

举例而言，如图2b所示，为本发明实施例所提供的车辆轨迹划分的示例图；图2b中所示坐标为一天的时间刻度，在该坐标上标记有待分析车辆a一天中所经过卡口的第一过车记录数据，其中，第一过车记录数据中记录有对应卡口的卡口标识以及该待分析车辆a的标识信息，具体包括：a-6时19分-卡口1的卡口标识，具体表示为待分析车辆a6时19分(第一过车时间)经过卡口1，a-7时1分-卡口2的卡口标识，具体表示为待分析车辆a7时1分(第一过车时间)经过卡口2，a-7时50分-卡口3的卡口标识，具体表示为待分析车辆a7时50分(第一过车时间)经过卡口3，a-11时50分-卡口4的卡口标识，具体表示为待分析车辆a11时50分(第一过车时间)经过卡口4，a-12时40分-卡口5的卡口标识，具体表示为待分析车辆a12时40分(第一过车时间)经过卡口5，a-13时28分-卡口6的卡口标识，具体表示为待分析车辆a13时28分(第一过车时间)经过卡口6，a-17时20分-卡口3的卡口标识，具体表示为待分析车辆a17时20分(第一过车时间)经过卡口3，a-17时58分-卡口2的卡口标识，具体表示为待分析车辆a17时58分(第一过车时间)经过卡口2以及a-18时52分-卡口1的卡口标识，具体表示为待分析车辆a18时52分(第一过车时间)经过卡口1；其中，预设的第一轨迹划分时间阈值为2小时。

分别计算待分析车辆a经过每两个对应第一过车时间相邻的卡口之间的第一时间差。将每一计算出的第一时间差与第一轨迹划分时间阈值(2小时)进行对比。其中，可以确定经过卡口3和经过卡口4之间的第一时间差超过第一轨迹划分时间阈值(2小时)，为(7时50分-11时50分)4小时；经过卡口6和经过卡口3之间的第一时间差超过第一轨迹划分时间阈值(2小时)，为(17时20分-13时28分)3小时52分；分别将上述所对应的两个相邻的第一过车记录数据确定为第一轨迹划分界限。

具体的，根据上述第一过车记录数据，可以划分为三条车辆轨迹分别为1-2-3；4-5-6；3-2-1。

s102：依据预设的主题模型，对该待分析车辆的车辆轨迹进行分类；

可以理解的是，该主题模型中已通过训练大量的卡口的卡口标识及其对应的种类以及包括卡口标识的车辆轨迹及其对应的种类进行了学习，根据该主题模型学习到的训练结果，可以对该待分析车辆的车辆轨迹进行分类。其中，该主题模型可以采用现有技术的lda(latentdirichletallocation，隐含狄利克雷分布)模型。

在一种具体实现方式中，所述依据预设的主题模型，对该待分析车辆的车辆轨迹进行分类，可以包括：

将该待分析车辆的车辆轨迹输入所述主题模型；

获得所述主题模型输出的每条车辆轨迹对应的主题；

将主题相同的车辆轨迹划分为一类。

需要说明的是，该主题模型可以根据预先学习到的训练结果，继续训练输入的该待分析车辆的车辆轨迹，训练出每条车辆轨迹对应的主题，并将对应主题相同的车辆轨迹划分为一类，其中，依据现有的主题模型技术，每条车辆轨迹可以同时属于不同类主题中，其所在某一类主题的概率可能会不同或相同。即每条车辆轨迹可能对应一类或多类主题。该主题模型用于基于输入信息的隐含关联，确定输入信息属于某一主题的概率，如输入信息为车辆轨迹时，车辆轨迹中包含卡口标识，该卡口标识即为车辆轨迹间的隐含关联。进一步的，根据输入信息属于某一主题的概率，对该输入信息进行聚类或分类。

s103：对每一类车辆轨迹，根据每条车辆轨迹所包含的卡口标识对应的卡口信息，确定所述待分析车辆在所述第一预定时间内的行为信息。

其中，对于该待分析车辆来说，其在第一预定时间内所对应的车辆轨迹会存在多条。根据每一类车辆轨迹，确定该待分析车辆对应的主题。其中，可以理解的是，该待分析车辆所对应的车辆轨迹可能分属于不同类的主题，所对应车辆轨迹属于某一主题的概率越大或者某一主题的车辆轨迹占得该待分析车辆所有的车辆轨迹的比例越大，该待分析车辆分属于该某一主题的概率越大。由于每一车辆轨迹均有至少两个卡口的卡口标识组成的，根据每条车辆轨迹所包含的卡口标识对应的卡口信息，可以为每一类主题限定具体的含义，进一步的，可以继续确定待分析车辆在第一预定时间内的行为信息。可以理解的是，该行为信息可以包括该待分析车辆在第一预定时间内出现在某一类场所的概率大小；或者出现在某一区域的概率大小。

进一步的，所获得的待分析车辆对应的车辆轨迹越多，所确定出的待分析车辆的行为信息越精确。

在一种具体实现方式中，所述卡口信息可以包括：各卡口标识对应的卡口的经纬度信息、各卡口标识对应的卡口预定范围内的建筑信息或各卡口标识对应的卡口所处的环境信息；

所述对每一类车辆轨迹，根据每条车辆轨迹所包含的卡口标识对应的卡口信息，确定所述待分析车辆在所述第一预定时间内的行为信息(s103)，包括：

根据每条车辆轨迹所包含的卡口标识对应的经纬度信息确定每一类车辆轨迹对应的地域主题；

根据所确定的每一类车辆轨迹对应的地域主题，确定所述待分析车辆在所述第一预定时间内对应的地域主题；或，

根据每条车辆轨迹所包含的卡口标识对应的卡口预定范围内的建筑信息确定每一类车辆轨迹对应的建筑主题；

根据所确定的每一类车辆轨迹对应的建筑主题，确定所述待分析车辆在所述第一预定时间内对应的建筑主题；或，

根据每条车辆轨迹所包含的卡口标识对应的卡口所处的环境信息，确定每一类车辆轨迹对应的环境主题；

根据所确定的每一类车辆轨迹对应的环境主题，确定所述待分析车辆在所述第一预定时间内对应的环境主题。

可以采用现有技术，根据卡口标识对应的卡口信息，可以确定卡口标识对应主题的具体含义，可以理解的，当该卡口标识对应的卡口信息变化时，该卡口标识对应主题的具体含义也会变化，如卡口信息为卡口标识对应的卡口的经纬度信息时，主题模型所输出的主题类型对应为地域主题，该地域主题可以包括国家类别或省份类别等等，进一步的，分析该待分析车辆的行为信息，该行为信息可以为该待分析车辆经常活动地域范围，或者出现在某一活动地域范围的概率大小。如卡口信息为卡口标识对应的卡口预定范围内的建筑信息时，主题模型所输出的主题类型对应为建筑主题，该建筑主题可以包括古风建筑主题和现代建筑主题等，进一步的，分析该待分析车辆对应(人员)的兴趣爱好、活动地点范围等。如卡口信息为卡口标识对应的卡口所处的环境信息时，主题模型所输出的主题类型可以对应为娱乐、餐饮、运动和社交等主题，进一步，分析该待分析车辆对应的行为信息，该行为信息可以包括该带分析车辆出现在某一类场所(如：娱乐、餐饮、运动和社交)的概率或活动范围等。

可以理解的是，后续的可以根据该待分析车辆的行为信息，可以提高对该待分析车辆的跟踪的准确率。如：确定出待分析车辆对应的主题为娱乐时，可以表明该待分析车辆会更频繁的出现在娱乐主题相关的某些卡口处；在娱乐场所跟踪到该待分析车辆的概率会较大。另外的，在确定该待分析车辆频繁出现在某一卡口时，可以很大概率的推测出该待分析车辆进行的某种主题活动。

应用本发明实施例，获得待分析车辆在第一预定时间内的车辆轨迹，其中，该车辆轨迹包括所述待分析车辆所经过的卡口的卡口标识；依据预设的主题模型，对该待分析车辆的车辆轨迹进行分类；对每一类车辆轨迹，根据每条车辆轨迹所包含的卡口标识对应的卡口信息，确定待分析车辆在第一预定时间内的行为信息。可见，根据预设的主题模型，确定待分析车辆在第一预定时间内的车辆轨迹的内在联系，进一步地，根据车辆轨迹的内在联系，确定待分析车辆在第一预定时间内的行为信息。后续的可以根据该行为信息对该待分析车辆进行跟踪，可以提高对该待分析车辆的跟踪的准确率。

在一种具体实现方式中，所述主题模型为隐含狄利克雷分布lda模型；所述lda模型包括样本卡口的样本卡口标识、主题和样本车辆轨迹三层结构；

如图3所示，本发明实施例所提供的一种车辆行为分析方法还包括建立主题模型的过程，所述过程可以包括：

s301：获得每个样本卡口在第二预定时间内的每个样本车辆的样本过车记录数据，其中，所述样本过车记录数据包括样本车辆的样本标识信息；

s302：从所述样本过车记录数据中，确定每个样本车辆的样本标识信息对应的样本过车记录数据；

s303：根据预设的轨迹划分规则以及对应同一个样本标识信息的样本过车记录数据，确定所对应的样本车辆的样本车辆轨迹，该样本车辆轨迹包括车辆所经过的样本卡口的样本卡口标识；

s304：进行lda学习，获得每个样本卡口标识与主题的对应关系，以及样本卡口标识的主题与样本车辆轨迹的主题间的转换关系；

所述获得所述主题模型输出的每条车辆轨迹对应的主题，包括：

所述主题模型针对输入的每条车辆轨迹的卡口标识，根据每个样本卡口标识与主题的对应关系确定卡口标识对应的主题，并根据样本卡口标识的主题与样本车辆轨迹的主题间的转换关系确定每条车辆轨迹的主题，输出所确定的每条车辆轨迹的主题；

获得所输出的每条车辆轨迹的主题。

该lda模型中包括样本卡口的样本卡口标识、主题和样本车辆轨迹三层结构，其中的对应关系可以表示为样本卡口标识-主题、主题-样本车辆轨迹以及样本卡口标识-样本车辆轨迹，可以理解的是，每条样本车辆轨迹均为至少两个样本卡口标识组成，通过样本卡口标识对应的主题可以确定样本车辆轨迹对应的主题。

获得在第二预定时间内的每个样本车辆的样本过车记录数据，并且根据预设的轨迹划分规则以及每个样本车辆的样本过车记录数据，确定出每个样本车辆对应的样本车辆轨迹后，对样本车辆轨迹进行lda学习，即开始训练该样本车辆轨迹。其中，可以理解的是，样本卡口标识-样本车辆轨迹的对应关系是确定的，即卡口标识属于某一样本车辆轨迹的概率，并且，某一样本车辆轨迹存在某一卡口标识的概率是确定的。可以预先设置预定数量个主题，如主题1、主题2……主题n-1、主题n。与现有技术相同，lda模型首先随机为样本卡口标识-主题以及主题-样本车辆轨迹进行赋值，并不断重复该赋值的过程。直到样本卡口标识-主题以及主题-样本车辆轨迹对应的数值收敛到某一结果后，不再变化，输出样本卡口标识-主题以及主题-样本车辆轨迹对应的收敛结果。该输出的收敛结果即为每个样本卡口标识与主题的对应关系，以及样本卡口标识的主题与样本车辆轨迹的主题间的转换关系，获得上述信息，该主题模型建立完成。

进一步的，在对待分析车辆的车辆轨迹进行训练时，根据上述输出的每个样本卡口标识与主题的对应关系，以及样本卡口标识的主题与样本车辆轨迹的主题间的转换关系，确定待分析车辆对应的每条车辆轨迹的主题。

其中，所述第二预定时间可以与第一预定时间相同，或不同，或可以有重合部分。

在一种具体实现方式中，所述样本过车记录数据还包括所对应车辆经过对应卡口的第二过车时间；

所述根据预设的轨迹划分规则以及对应同一个样本标识信息的样本过车记录数据，确定所对应的样本车辆的样本车辆轨迹，包括：

按照所对应的第二过车时间先后顺序，排序所述样本过车记录数据；

依据每个样本过车记录数据所对应的第二过车时间，确定每两个相邻的样本过车记录数据的第二时间差；

当所述第二时间差超过预设的第二轨迹划分时间阈值时，将所对应的两个相邻的样本过车记录数据作为第二轨迹划分界限，其中，第二过车时间在前的过车记录数据对应的卡口的卡口标识为前一个车辆轨迹终点标识，第二过车时间在后的过车记录数据对应的卡口的卡口标识为后一个车辆轨迹起点标识；

根据所述第二轨迹划分界限以及所述样本过车记录数据，确定所对应的车辆的车辆轨迹。

可以理解的是，针对样本车辆的车辆轨迹的划分与待分析车辆的车辆轨迹的划分相同，在此不做赘述。其中，所获得样本过车记录数据中包含对应样本车辆的标识信息。以避免在划分轨迹时出现差错。

本发明实施例中应用lda模型对待分析车辆进行行为分析，lda模型自动根据学习到的训练结果，对待分析车辆对应的车辆轨迹进行训练，确定车辆轨迹对应的主题，根据车辆轨迹中所包含的卡口标识对应的卡口信息，限定主题具体含义，进一步的，确定待分析车辆的行为信息，无需投入大量人力构建主题库，有效的节约了人员时间。并且，应用lda模型对待分析车辆进行行为分析，避免了人为因素的干扰，提高了对车辆的行为分析的准确度。

相应于上述方法实施例，如图4所示，本发明实施例还提供了一种车辆行为分析装置，所述装置可以包括：

获得模块410，用于获得待分析车辆在第一预定时间内的车辆轨迹，其中，所述车辆轨迹包括所述待分析车辆所经过的卡口的卡口标识；

分类模块420，用于依据预设的主题模型，对该待分析车辆的车辆轨迹进行分类；

确定模块430，用于对每一类车辆轨迹，根据每条车辆轨迹所包含的卡口标识对应的卡口信息，确定所述待分析车辆在所述第一预定时间内的行为信息。

应用本发明实施例，获得待分析车辆在第一预定时间内的车辆轨迹，其中，该车辆轨迹包括所述待分析车辆所经过的卡口的卡口标识；依据预设的主题模型，对该待分析车辆的车辆轨迹进行分类；对每一类车辆轨迹，根据每条车辆轨迹所包含的卡口标识对应的卡口信息，确定待分析车辆在第一预定时间内的行为信息。可见，根据预设的主题模型，确定待分析车辆在第一预定时间内的车辆轨迹的内在联系，进一步地，根据车辆轨迹的内在联系，确定待分析车辆在第一预定时间内的行为信息。后续的可以根据该行为信息对该待分析车辆进行跟踪，可以提高对该待分析车辆的跟踪的准确率。

在一种具体实现方式中，所述获得模块410包括第一获得单元和第一确定单元；

所述第一获得单元，用于获得所述待分析车辆在第一预定时间内的经过卡口的第一过车记录数据；

所述第一确定单元，用于根据预设的轨迹划分规则以及所述第一过车记录数据，确定所述待分析车辆的车辆轨迹。

在一种具体实现方式中，所述分类模块420包括输入单元、第二获得单元和划分单元；

所述输入单元，用于将该待分析车辆的车辆轨迹输入所述主题模型；

所述第二获得单元，用于获得所述主题模型输出的每条车辆轨迹对应的主题；

所述划分单元，用于将主题相同的车辆轨迹划分为一类。

在一种具体实现方式中，所述主题模型为隐含狄利克雷分布lda模型；所述lda模型包括样本卡口的样本卡口标识、主题和样本车辆轨迹三层结构；

如图5所示，本发明实施例所提供的一种车辆行为分析装置还可以包括用于建立主题模型的主题模型建立模块，所述主题模型建立模块包括第三获得单元510、第二确定单元520、第三确定单元530和第四获得单元540；

所述第三获得单元510，用于获得每个样本卡口在第二预定时间内的每个样本车辆的样本过车记录数据，其中，所述样本过车记录数据包括样本车辆的样本标识信息；

所述第二确定单元520，用于从所述样本过车记录数据中，确定每个样本车辆的样本标识信息对应的样本过车记录数据；

所述第三确定单元530，用于根据预设的轨迹划分规则以及对应同一个样本标识信息的样本过车记录数据，确定所对应的样本车辆的样本车辆轨迹，所述样本车辆轨迹包括车辆所经过的样本卡口的样本卡口标识；

所述第四获得单元540，用于进行lda学习，获得每个样本卡口标识与主题的对应关系，以及样本卡口标识的主题与样本车辆轨迹的主题间的转换关系；

所述第二获得单元，具体用于所述主题模型针对输入的每条车辆轨迹的卡口标识，根据每个样本卡口标识与主题的对应关系确定卡口标识对应的主题，并根据样本卡口标识的主题与样本车辆轨迹的主题间的转换关系确定每条车辆轨迹的主题，输出所确定的每条车辆轨迹的主题；获得所输出的每条车辆轨迹的主题。

在一种具体实现方式中，所述第一过车记录数据包括所述待分析车辆经过对应卡口的第一过车时间；

如图6所示，所述第一确定单元包括第一排序子模块610、第一确定子模块620、第二确定子模块630和第三确定子模块640；

所述第一排序子模块610，用于按照所对应的第一过车时间先后顺序，排序所述第一过车记录数据；

所述第一确定子模块620，用于依据每个第一过车记录数据所对应的第一过车时间，确定每两个相邻的第一过车记录数据的第一时间差；

所述第二确定子模块630，用于当所述第一时间差超过预设的第一轨迹划分时间阈值时，将所对应的两个相邻的第一过车记录数据确定为第一轨迹划分界限，其中，第一过车时间在前的第一过车记录数据对应的卡口的卡口标识为前一个车辆轨迹终点标识，第一过车时间在后的第一过车记录数据对应的卡口的卡口标识为后一个车辆轨迹起点标识；

所述第三确定子模块640，用于根据所述第一轨迹划分界限以及所述第一过车记录数据，确定所述待分析车辆的车辆轨迹。

在一种具体实现方式中，所述样本过车记录数据还包括所对应样本车辆经过对应卡口的第二过车时间；

所述第三确定单元包括第二排序子模块、第四确定子模块、第五确定子模块和第六确定子模块；

所述第二排序子模块，用于按照所对应的第二过车时间先后顺序，排序所述样本过车记录数据；

所述第四确定子模块，用于依据每个样本过车记录数据所对应的第二过车时间，确定每两个相邻的样本过车记录数据的第二时间差；

所述第五确定子模块，用于当所述第二时间差超过预设的第二轨迹划分时间阈值时，将所对应的两个相邻的样本过车记录数据作为第二轨迹划分界限，其中，第二过车时间在前的过车记录数据对应的卡口的卡口标识为前一个车辆轨迹终点标识，第二过车时间在后的过车记录数据对应的卡口的卡口标识为后一个车辆轨迹起点标识；

所述第六确定子模块，用于根据所述第二轨迹划分界限以及所述样本过车记录数据，确定所对应的样本车辆的车辆轨迹。

在一种具体实现方式中，所述卡口信息包括：各卡口标识对应的卡口的经纬度信息、各卡口标识对应的卡口预定范围内的建筑信息或各卡口标识对应的卡口所处的环境信息；

所述确定模块430，具体用于根据每条车辆轨迹所包含的卡口标识对应的经纬度信息确定每一类车辆轨迹对应的地域主题；根据所确定的每一类车辆轨迹对应的地域主题，确定所述待分析车辆在所述第一预定时间内对应的地域主题；或，根据每条车辆轨迹所包含的卡口标识对应的卡口预定范围内的建筑信息确定每一类车辆轨迹对应的建筑主题；根据所确定的每一类车辆轨迹对应的建筑主题，确定所述待分析车辆在所述第一预定时间内对应的建筑主题；或，根据每条车辆轨迹所包含的卡口标识对应的卡口所处的环境信息，确定每一类车辆轨迹对应的环境主题；根据所确定的每一类车辆轨迹对应的环境主题，确定所述待分析车辆在所述第一预定时间内对应的环境主题。

对于系统/装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本领域普通技术人员可以理解实现上述方法实施方式中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于计算机可读取存储介质中，这里所称得的存储介质，如：rom/ram、磁碟、光盘等。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。