一种伴随车辆识别方法、装置、设备及存储介质与流程
本发明涉及智能交通技术领域，尤其涉及一种伴随车辆识别方法、装置、设备以及存储介质。
背景技术：
伴随车辆是指在一定时间内与追踪车辆以一定概率存在伴随关系的车辆。这种车辆具有相互掩护和团伙作案的重大嫌疑，及早监测和识别伴随车辆，能有效降低道路安全系统中的危险因素，对预防和减少道路有关的治安和刑事案件，也具有十分重要的意义。
技术实现要素：
有鉴于此，本发明提供了一种伴随车辆识别方法、装置、设备以及存储介质，能够根据多个卡口的车辆数据识别经过的车辆中的伴随车辆。
为解决上述技术问题，本发明采用以下技术方案：
第一方面，本发明提供了一种伴随车辆识别方法，该方法包括：
获取多个节点的车辆数据；
根据预设的切片规则对所述车辆数据进行切片得到多个片段数据；
根据所述多个片段数据计算不同车辆间的置信度和支持度；
根据所述置信度和支持度识别伴随车辆。
第二方面，本发明提供了一种伴随车辆识别装置，该装置包括：
数据获取模块，用于获取多个节点的车辆数据；
数据切片模块，用于根据预设的切片规则对所述车辆数据进行切片得到多个片段数据；
运算模块，用于根据所述多个片段数据计算不同车辆间的置信度和支持度；
伴随车辆识别模块，用于根据所述置信度和支持度识别伴随车辆。
第三方面，本发明提供了一种设备，包括存储器和处理器，所述存储器上存储有可在处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的伴随车辆识别方法。
第四方面，本发明提供了一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被执行时实现如第一方面所述的伴随车辆识别方法。
本发明提供的伴随车辆识别方法对车辆数据按需求进行切片得到片段数据，根据片段数据得到车辆间的支持度和置信度，基于支持度和置信度识别伴随车辆，无需形成车辆的完整轨迹，受车牌信息缺失影响程度低，基于片段数据的计算方式算法消耗资源少，能够根据不同需求按照切片规则对车辆数据切片进而识别伴随车辆，应用范围广。
附图说明
为了更清楚地说明本申请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的介绍，显而易见的，下面描述中的附图仅仅是本申请的部分实施例，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，还可以根据提供的附图获得其他的附图。
图1是本发明实施例一提供的一种伴随车辆识别方法的流程图；
图2是本发明实施例一提供的一种车辆数据切片示意图；
图3是本发明实施例二提供的一种伴随车辆识别装置结构示意图；
图4是本发明实施例三提供的一种设备的结构示意图。
具体实施方式
下面结合本申请实施例中的附图，对本申请实施中的技术方案进行清楚、完整的描述。可以理解的是，此处所描述的具体实施例仅仅是本申请一部分实施例，而不是全部的实施例，仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中使用的术语只是为了描述具体的实施方式的目的，不是旨在于限制本发明。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
此外，术语“第一”、“第二”等可在本文中用于描述各种方向、动作、步骤或元件等，但这些方向、动作、步骤或元件不受这些术语限制。这些术语仅用于将第一个方向、动作、步骤或元件与另一个方向、动作、步骤或元件区分。举例来说，在不脱离本发明的范围的情况下，可以将第一速度差值为第二速度差值，且类似地，可将第二速度差值称为第一速度差值。第一速度差值和第二速度差值两者都是速度差值，但其不是同一速度差值。术语“第一”、“第二”等而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。需要说明的是，当部被称为“固定于”另一个部，它可以直接在另一个部上也可以存在居中的部。当一个部被认为是“连接”到另一个部，它可以是直接连接到另一个部或者可能同时存在居中部。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述，只是为了说明的目的，并不表示是唯一的实施方式。
在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时处理可以被终止，但是还可以具有未包括在附图中的附加步骤。处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
参见图1，本实施例提供了一种伴随车辆识别方法，可以应用于设置于各种道路的车辆智能监控系统，该方法包括以下步骤：
s110、获取多个节点的车辆数据。
本实施例中，车辆智能监控系统会采集多个节点的车辆数据，具体的也就是记录多个节点的车辆经过情况，本实施例中所指的节点可以是道路交叉点、收费站、违章拍照点等位置，也可以是根据实际情况特地选择的位置，车辆经过节点时会被记录车牌信息、经过时间以及经过的该节点。示例性的，某车辆智能监控系统中，车辆数据格式为(t，v，k)，所述车辆数据中包括时间信息t、车牌信息v和节点编号k，所述时间信息t用于记录车辆经过节点的时间，所述车牌信息v用于识别不同车辆，所述节点编号k用于区分不同节点。车辆智能监控系统在工作时会实时记录各个节点的车辆数据。
s120、根据预设的切片规则对所述车辆数据进行切片得到多个片段数据。
基于步骤s110中获取的车辆数据需要对其进行伴随分析挖掘出其中的伴随车辆。考虑到现有的伴随分析过程多采用的轨迹分析对车牌信息依赖性强，在缺失部分车牌的情况下会因轨迹不完整导致分析结果偏差较大，本实施例中提供了一种利用支持度和置信度进行伴随车辆识别的方法。为了能够计算相应的支持度和置信度，需要能够统计车辆在各个卡口的经过情况，直接基于车辆数据计算数据运算量较大，本实施例中采用预设的切片规则对车辆数据进行切片得到多个片段数据，减轻运算压力，片段数据中反映了车辆经过各个卡口的情况。
可以理解的是，一般情况下经过同一节点的时间在一定时间间隔内的车辆是伴随车辆的可能要更大，即经过同一节点的时间间隔越久是伴随车辆的可能性要更低。本实施例中所述预设的切片规则为预设时间间隔阈值，所述片段数据表示预设时间间隔内通过某一节点的车辆统计情况，即决定一个片段数据内容的是其时间范围和节点编号，预设时间间隔阈值可以根据实际需求自行设置，例如3分钟、15分钟、30分钟等。
在一些实施例中，预设的切片规则还可以包括预设节点间隔阈值(一般为距离也可以是编号或其他)，可以理解的，在刻意规避的情况下，伴随车辆可能通过选择较近的节点实现共同经过较少节点到达相同的目的地或行经相似的路径，这样会导致伴随车辆的识别不准确，因此可以将距离在一定范围内的节点视为一个节点，当然这样对伴随车辆识别精度有一定影响因此需要根据实际情况自行设置。
s130、根据所述多个片段数据计算不同车辆间的置信度和支持度。
根据步骤s120得到的片段数据统计车辆经过卡口的情况进而可以计算车辆两两间的置信度和支持度，计算过程包括置信度的计算和支持度的计算，具体包括：
根据不同车辆对应的片段数据的数量结合下式计算不同车辆间的支持度：
根据不同车辆对应的片段数据的数量结合下式计算不同车辆间的置信度：
示例性的，以图2为例介绍置信度和支持度计算过程，图2车辆数据切片示意图中记录的是时间7:00至时间7:15这段时间的车辆数据，k1-k5表示5个卡口或路口，v1-v10表示车辆数据中记录到的十辆不同车辆，预设时间间隔为3min，以判断v1和v2是否为伴随车辆为例，根据图2可知有v1和v2共同出现的片段数据个数σ(v1∪v2)为3，有v1出现的片段数据个数σ(v1)为3，有v2出现的片段数据个数σ(v2)为4，则
s140、根据所述置信度和支持度识别伴随车辆。
根据车辆数据进行相关运算得到置信度和支持度后需要对两两车辆间的置信度和支持度进行判断，以识别其中的伴随车辆，支持度和置信度越大的两辆车辆是伴随车辆的可能性越大，本实施例中预设了支持度阈值和置信度阈值，以根据预设的置信度阈值、支持度阈值以及所述的置信度和支持度识别所述车辆数据中的伴随车辆。
在一些实施例中，根据预设的置信度阈值、支持度阈值以及所述的置信度和支持度识别所述车辆数据中的伴随车辆可以有不同的方式，具体的，包括：
判断任意一组车辆间的置信度是否大于所述置信度阈值；
判断任意一组车辆间的支持度是否大于所述支持度阈值；
当一组车辆间的置信度大于所述置信度阈值且支持度大于所述支持度阈值时判断所述一组车辆为伴随车辆。
由步骤s130可知，对于任意两辆车辆而言，其置信度是有两种计算结果的，即对于车辆j和车辆k，有conf(vj→vk)和conf(vk→vj)，因此，判断任意一组车辆间的置信度是否大于所述置信度阈值可以有多种情况，示例性的，所述一组车辆包括第一车辆和第二车辆则，所述判断任意两车辆间的置信度是否大于所述置信度阈值包括：判断所述第一车辆相对于所述第二车辆的置信度是否大于所述置信度阈值；和/或判断所述第二车辆相对于所述第一车辆的置信度是否大于所述置信度阈值。即可以选择由一组车辆得到的两个置信度中的一个和预设的置信度阈值比较，也可以使用由一组车辆得到的两个置信度都和预设的置信度阈值比较，具体可以自行设置。
根据置信度比较结果和支持度比较结果可以找出置信度大于置信度阈值且支持度大于支持度阈值的车辆组合，每个车辆组合就是一组伴随车辆。
本实施例提供的伴随车辆识别方法对车辆数据按需求进行切片得到片段数据，根据片段数据得到车辆间的支持度和置信度，基于支持度和置信度识别伴随车辆，无需形成车辆的完整轨迹，受车牌信息缺失影响程度低，基于片段数据的计算方式算法消耗资源少，能够根据不同需求按照切片规则对车辆数据切片进而识别伴随车辆，应用范围广。
实施例二
如图3所示，本实施例提供了一种伴随车辆识别装置200，包括：
数据获取模块210，用于获取多个节点的车辆数据。
本实施例中，车辆智能监控系统会采集多个节点的车辆数据，具体的也就是记录多个节点的车辆经过情况，本实施例中所指的节点可以是道路交叉点、收费站、违章拍照点等位置，也可以是根据实际情况特地选择的位置，车辆经过节点时会被记录车牌信息、经过时间以及经过的该节点。示例性的，某车辆智能监控系统中，车辆数据格式为(t，v，k)，所述车辆数据中包括时间信息t、车牌信息v和节点编号k，所述时间信息t用于记录车辆经过节点的时间，所述车牌信息v用于识别不同车辆，所述节点编号k用于区分不同节点。车辆智能监控系统在工作时会实时记录各个节点的车辆数据。
数据切片模块220，用于根据预设的切片规则对所述车辆数据进行切片得到多个片段数据。
基于数据获取模块210中获取的车辆数据需要对其进行伴随分析挖掘出其中的伴随车辆。考虑到现有的伴随分析过程多采用的轨迹分析对车牌信息依赖性强，在缺失部分车牌的情况下会因轨迹不完整导致分析结果偏差较大，本实施例中提供了一种利用支持度和置信度进行伴随车辆识别的方法。为了能够计算相应的支持度和置信度，需要能够统计车辆在各个卡口的经过情况，直接基于车辆数据计算数据运算量较大，本实施例中采用预设的切片规则对车辆数据进行切片得到多个片段数据，减轻运算压力，片段数据中反映了车辆经过各个卡口的情况。
可以理解的是，一般情况下经过同一节点的时间在一定时间间隔内的车辆是伴随车辆的可能要更大，即经过同一节点的时间间隔越久是伴随车辆的可能性要更低。本实施例中所述预设的切片规则为预设时间间隔阈值，所述片段数据表示预设时间间隔内通过某一节点的车辆统计情况，即决定一个片段数据内容的是其时间范围和节点编号，预设时间间隔阈值可以根据实际需求自行设置，例如3分钟、15分钟、30分钟等。
在一些实施例中，预设的切片规则还可以包括预设节点间隔阈值(一般为距离也可以是编号或其他)，可以理解的，在刻意规避的情况下，伴随车辆可能通过选择较近的节点实现共同经过较少节点到达相同的目的地或行经相似的路径，这样会导致伴随车辆的识别不准确，因此可以将距离在一定范围内的节点视为一个节点，当然这样对伴随车辆识别精度有一定影响因此需要根据实际情况自行设置。
运算模块230，用于根据所述多个片段数据计算不同车辆间的置信度和支持度。
根据数据切片模块220得到的片段数据统计车辆经过卡口的情况进而可以计算车辆两两间的置信度和支持度，计算过程包括置信度的计算和支持度的计算，具体包括：
支持度计算单元，用于根据不同车辆对应的片段数据的数量结合下式计算不同车辆间的支持度：
置信度计算单元，用于根据不同车辆对应的片段数据的数量结合下式计算不同车辆间的置信度：
示例性的，以图2为例介绍置信度和支持度计算过程，图2中记录的是时间7:00至时间7:15这段时间的车辆数据，k1-k5表示5个卡口，v1-v10表示车辆数据中记录到的十辆不同车辆，预设时间间隔为3min，以判断v1和v2是否为伴随车辆为例，根据图2可知有v1和v2共同出现的片段数据个数σ(v1∪v2)为3，有v1出现的片段数据个数σ(v1)为3，有v2出现的片段数据个数σ(v2)为4，则
伴随车辆识别模块240，用于根据所述置信度和支持度识别伴随车辆。
根据车辆数据进行相关运算得到置信度和支持度后需要对两两车辆间的置信度和支持度进行判断，以识别其中的伴随车辆，支持度和置信度越大的两辆车辆是伴随车辆的可能性越大，本实施例中预设了支持度阈值和置信度阈值，以根据预设的置信度阈值、支持度阈值以及所述的置信度和支持度识别所述车辆数据中的伴随车辆。
在一些实施例中，根据预设的置信度阈值、支持度阈值以及所述的置信度和支持度识别所述车辆数据中的伴随车辆可以有不同的方式，具体的，包括：
置信度判断单元，用于判断任意一组车辆间的置信度是否大于所述置信度阈值。
支持度判断单元，用于判断任意一组车辆间的支持度是否大于所述支持度阈值。
识别单元，用于当一组车辆间的置信度大于所述置信度阈值且支持度大于所述支持度阈值时判断所述一组车辆为伴随车辆。
由运算模块230可知，对于任意两辆车辆而言，其置信度是有两种计算结果的，即对于车辆j和车辆k，有conf(vj→vk)和conf(vk→vj)，因此，判断任意一组车辆间的置信度是否大于所述置信度阈值可以有多种情况，示例性的，所述一组车辆包括第一车辆和第二车辆则，所述判断任意两车辆间的置信度是否大于所述置信度阈值包括：判断所述第一车辆相对于所述第二车辆的置信度是否大于所述置信度阈值；和/或判断所述第二车辆相对于所述第一车辆的置信度是否大于所述置信度阈值。即可以选择由一组车辆得到的两个置信度中的一个和预设的置信度阈值比较，也可以使用由一组车辆得到的两个置信度都和预设的置信度阈值比较，具体可以自行设置。
根据置信度比较结果和支持度比较结果可以找出置信度大于置信度阈值且支持度大于支持度阈值的车辆组合，每个车辆组合就是一组伴随车辆。
本实施例提供的伴随车辆识别装置对车辆数据按需求进行切片得到片段数据，根据片段数据得到车辆间的支持度和置信度，基于支持度和置信度识别伴随车辆，无需形成车辆的完整轨迹，受车牌信息缺失影响程度低，基于片段数据的计算方式算法消耗资源少，能够根据不同需求按照切片规则对车辆数据切片进而识别伴随车辆，应用范围广。
实施例三
图4为本发明实施例三提供的一种设备300的结构示意图，如图4所示，该种设备包括存储器310、处理器320，设备中处理器320的数量可以是一个或多个，图4中以一个处理器320为例；设备中的存储器310、处理器320可以通过总线或其他方式连接，图4中以通过总线连接为例。
存储器310作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的伴随车辆识别方法对应的程序指令/模块(例如，伴随车辆识别装置中的数据获取模块210、数据切片模块220、运算模块230、伴随车辆识别模块240)。处理器320通过运行存储在存储器310中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的伴随车辆识别方法。
其中，所述处理器320用于运行存储在存储器310中的计算机可执行程序，以实现如下步骤：步骤s110、获取多个节点的车辆数据；步骤s120、根据预设的切片规则对所述车辆数据进行切片得到多个片段数据；步骤s130、根据所述多个片段数据计算不同车辆间的置信度和支持度；s140、根据所述置信度和支持度识别伴随车辆。
当然,本发明实施例所提供的一种设备,该设备不限于如上所述的方法操作,还可以执行本发明实施例任意实施例所提供的伴随车辆识别方法中的相关操作。
存储器310可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器310可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器310可进一步包括相对于处理器320远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本实施例提供了一种设备，能够实现本发明任一实施例提供的伴随车辆识别方法，在伴随车辆识别过程中，受车牌信息缺失影响程度低，基于片段数据的计算方式算法消耗资源少，能够根据不同需求按照切片规则对车辆数据切片进而识别伴随车辆，应用范围广。
实施例四
本发明实施例四还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种伴随车辆识别方法，该伴随车辆识别方法包括：
获取多个节点的车辆数据；
根据预设的切片规则对所述车辆数据进行切片得到多个片段数据；
根据所述多个片段数据计算不同车辆间的置信度和支持度；
根据所述置信度和支持度识别伴随车辆。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的伴随车辆识别方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。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可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(read-onlymemory,rom)、随机存取存储器(randomaccessmemory,ram)、闪存(flash)、硬盘或光盘等，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，设备，或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是，上述伴随车辆识别装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
- 还没有人留言评论。精彩留言会获得点赞！