两个地理坐标所对应的时间点不超过设定间隔t的作为同一类。
[0075] 假设同一车牌的车所有的行车点的集合D= {屯义，…，dn}，每个c^i= 1，2,…，n，包含三个属性：时间，横坐标，纵坐标。
[0076] 对这些行车点的数据信息按照前述方式进行分类和时间排序后，进行初次聚类， 将前后两条信息的时间差不超过设定的间隔t的归为一类，得到DpD2，…，Dm。
[0077] 前述的间隔t，可根据实际情况进行设定，诸如，在一些例子中，可以选取为30分 钟。当然，在另一些例子中，根据过车数据的数据量以及不同地区、季节的实际情况，可选择 更大或者更小的值。
[0078] 轨迹聚类模块，采用基于密度可达的聚类算法，对时间分类即前述初次聚类后的 数据使用密度可达聚类算法进行聚类，得到同一车牌车辆的轨迹聚类结果。
[0079] 基于密度可达的聚类算法，其核心思想是用一个点的e领域内的邻居点数衡量 该点所在空间的密度。将所有直接密度可达的点聚为一类。我们在进行车辆行驶的轨迹的 聚类时，汽车的行车轨迹一般都是线型集合，对于核心点没有要求，因此我们可以简化原来 的密度聚类算法，不需要找到每个核心点，只需要将密度相连的点划到一个类中即可，这样 能将同一轨迹的点具为一类。
[0080] 结合图2a_2c所示的直接密度可达、密度可达、密度相连的图形示意，基于密度可 达的聚类算法具有下述定义和特征：
[0081] 定义1 :核心点：若一个点的e领域内包含其余点的数目超过我们给定的某个阈 值，则称该点为核心点。
[0082]定义2:直接密度可达：如果点p是核心点，点q在点p的e领域内，则称点p直 接密度可达点q，即dist(d,q)彡e，dist(d,q)为点d，q的欧式距离。
[0083] 定义3 :密度可达：如果存在序列Pi,p2，…，pn，其中pfp，pn=q，并且对于任意 1彡i<n，Pi直接密度可达pi+1，那么，p密度可达q。
[0084] 定义4 :密度相连：如果〇密度可达p，且〇密度可达q，则p和q密度相连。
[0085] 假设集合D= {屯，d2,…，dn}中包含带分类的所有点屯，i= 1，2, ?'n。给定e 则密度聚类算法的基本原理如下所述：
[0086] STEP1 :取集合D中的第一个点屯，找到屯的所有直接密度可达点，将这些点与d: 划分为同一类，记为集合Di= 七..为屯的直接密度可达点。
[0087] STEP2 :找到Di中其余点的直接密度可达点，若这些点中存在不属于Di的点则将其 加入集合〇1中。
[0088] STEP3 :不断重复STEP2,直到没有新的点加入集合Di中。
[0089] STEP4 :找到集合D中不属于集合D1的第一个点屯，找到屯的所有直接密度可达 点，将这些点与屯划为同一类，记为集合A= ，??'〇<，???〇屯的直接密度可 达点。
[0090] STEP5 :找到D2中其余点的直接密度可达点，若这些点中存在不属于Di的点则将其 加入集合〇1中。
[0091]STEP6:不断重复STEP5,直到没有新的点加入集合D2
[0092] STEP7 :找到集合D中不属于DpD2的第一个点，重复STEP4,STEP5,STEP6,直到集 合D中的点全部分类结束。
[0093] 本例中，轨迹聚类模炔基本上包括两个部分来实现整个轨迹聚类过程：
[0094] 首先，整体聚类：
[0095] STEP1 :对于前述按照时间进行分类后的结果，记为，…，Dm，即如前述的初次 聚类模块的归类结果；
[0096] STEP2 :将每个类Dpi= 1，2,. . .，m进行轨迹聚类，采用密度聚类算法，得到分类 结果：Dn，Di2，…，Dik，i= 1，2,…，m;
[0097] 然后，再对于每个Dpi= 1，2,…，m进行密度聚类：
[0098] STEP1 :对集合Di中的每个元素，取横坐标，纵坐标两个属性，获得每两个元素之间 的欧式距离s
[0099] STEP2 :找到Di*第一个未被分类的点，记为di」，初始j= 1 ;
[0100] STEP3:找到Di中到点dij的距离不大于距离阈值e的点，即直接密度可达点，这 些点与t一起归为一类，记为DiJ;
[0101] STEP4:找到Du中其余点的直接密度可达点，若这些点属于Du则不做处理；否则， 将这些点加入Du中；
[0102] STEP5:j=j+1 ;转STEP2,直到Du中的点不再变化。
[0103] 前述的距离阈值e，在具体实现可根据实际情况进行选取，诸如l〇〇〇m，2000m，甚 至更多或者更少的取值。这些取值可根据聚类的包括但不限于地区、季节等情况加以考虑 而选取。这些不同的距离阈值选取，将对聚类的结果产生影响，但不会影响本公开的轨迹聚 类模块以及车辆套牌识别方法的实现。
[0104] 归一化处理模块，适于对前述过车数据中的某一个车牌的车辆的所有行车点的地 理坐标和对应时间点分别做归一化处理。这个归一化处理，可以采用现有技术中公知的方 式来实现。下面将描述一个这样的例子。
[0105] 对某一个车牌的车辆的所有行车点的地理坐标和对应时间点分别按照时间先后 顺序排序，得到一表达矩阵：
[0107]其中，每一组（tn，xn，yn)表示某时刻tn时该车牌车辆对应行车点的关联属性， Xn，yn分别表示在某时刻tn该车辆所在行车点的经度和炜度；
[0108]再对前述表达矩阵做归一化处理，得到另一矩阵：
[0110]其中：
[0114]赋值计算模块，适于将某一车牌的车辆在某一时刻出现在某个具体地理位置所拥 有的值。对每个车辆，如前述公开的，本例中定义了其三个属性：时间t，精度X，炜度y。每 个车辆每次出现的值为f(t,X，y)。
[0115]由于前述步骤中前述三个属性进行了归一化处理，因此某一车牌的车辆在某一时 刻出现在某个具体地理位置所拥有的值可表达为：
[0118]当然，在另一些实施例中，前述赋值运算还可以采用其他算式来实现。这样的算式 根据本发明的教导是可以从现有技术中得到启发或者直接选取到的。
[0119]某一个车牌的车辆的所有&组成该具有该车牌的车辆的原始带噪音信号。
[0120] 滤波与噪音点获取模块，适于对前述赋值计算模块所计算得到的某一车牌的车辆 在某一时刻出现在某个具体地理位置所拥有的值进行滤波处理并获取噪音点。
[0121] 优选地，滤波采用现有技术中成熟的数字滤波算法实现。诸如小波滤波，在此不再 赘述。
[0122] 获取噪音点。原始信号经过滤波处理后，得到新的数据，此时通过新数据与原数据 的差值，来找到原数据的噪音点，我们认为进过滤波处理后，若某时刻的新数据与原数据的 差值过大，则该时刻原数据为噪音数据。但过大的定义却无法准确定义，而我们的套牌车判 别不是只借助与噪音数据，所以我们只需保证能找到噪音数据即可，因此在本例子中，将前 述滤波处理后所得的作为结果输出的新数据Z中，大于Z的平均值对应的点判别为噪音点， 即波动较大的点，获得这些噪音点对应的车牌在某时刻的行车点关联属性。
[0123]套牌识别模块，适于响应于前述噪音点对应行车点的时间点-地理坐标与所述轨 迹聚类结果的比对结果，判别出某车牌的套牌风险。
[0124] 本公开所涉及的套牌识别，基本上基于车辆行为特征及其体现的行车轨迹来实现 的。正常车辆在工作日一般具有正常的行车轨迹，因此聚类时一般可以聚为固定类。此外， 将正常车辆出现的时间和地点坐标进行相应的计算求解后，得到的值按时间顺序排序后基 本是连续的，不会出现噪音点。因此采用数字滤波对相同车牌的计算值进行滤波，将产生噪 音的段与聚类结果进行对比。基于分类结果的轨迹和滤波结果来进行套牌的识别和判断。
[0125] 本例中，套牌识别模炔基于下述一种或多种组合的条件/规则来进行车辆套牌识 别：
[0126] 1)响应于噪音点所对应某一车牌的车辆行车点的地理坐标属于聚类结果中的一 个类，则判别该车牌无套牌风险；
[0127] 2)响应于噪音点所对应某一车牌的车辆行车点的地理坐标属于聚类结果中的两 个类，且该两个类的时间点相差超过设定间隔t，则判别该车牌无套牌风险；
[0128] 3)响应于噪音点所对应某一车牌的车辆行车点的地理坐标属于聚类结果中的两 个类，且该两个类的时间点相差在设定间隔t以下，则判别该车牌存在套牌风险；
[0129] 4)响应于噪音点所对应某一车牌的车辆行车点的地理坐标属于聚类结果中的至 少三个类，则判别该车牌存在套牌风险。
[0130] 应当理解，这里所提及的设定间隔t，即前述初次聚类模块中所使用的设定间隔 t，作为进行判断的一个条件，在本实施例的实现过程中可以选取适当的阈值，诸如半小时， 即30分钟作为判断依据。这样的一个半小时的阈值选取，既满足数据处理的复杂性，又基 于车辆行为特征及其所体现的行车轨迹规律，对于整个车辆套牌的判别与识别是有利的。
[0131] 当然，在另外的例子中，前述的设定间隔t，也可以选取更加长或者短的间隔，诸如 25分钟、20分钟，又或者40分钟、45分钟等，当然并不以这些为限制。
[0132] 图3是说明根据本发明某些实施例的基于车辆行为分析的车辆套牌识别方法的 示意，结合图1所示，图3描述了一种在计算机系统上实现的基于车辆行为分析的车辆套牌 识别过程200,这里使用的过程200可以是渐进的，或者是处于任何适当速率的，其实现过 程并不一定是限定在特定的时间限度内完成的。该过程一旦被激活，过程进度可以由计算 机系统100 (图1)自动控制的。虽然以下公开所描述的过程200包括以特定步骤出现的多 个操作，但是应当理解清楚，这些过程可以包括更多或者更少的操作，这些操作可以顺序执 行或者并行执行（例如使用并行处理器或者多线程环境）。
[0133] 接收在设定日期周期T范围内的过车数据（201)。
[0134] 计算机系统100通过其外部接口 105或者通讯装置104,接收外部的过车数据，这 些