一種基于多軌跡碰撞的車輛落腳點分析方法
【技術領域】
[0001] 本發(fā)明屬于車輛偵查、數(shù)據(jù)挖掘和智能交通領域，尤其涉及基于多軌跡碰撞的車 輛落腳點分析方法。
【背景技術】
[0002] 當前刑事犯罪處于高發(fā)態(tài)勢，犯罪涉及多時空、多區(qū)域。犯罪行為人利用車輛快速 作案，快速逃離等特點作案，給偵查部門帶來了巨大的挑戰(zhàn)。傳統(tǒng)的偵查手段已不能適應當 前高效率、高質(zhì)量打擊刑事犯罪的要求。近年來，偵查機關應利用現(xiàn)代信息技術變革偵查模 式，拓展偵查思維，轉變偵查觀念，創(chuàng)新偵查方法，建設大量涉車視頻，包括治安卡口、治安 監(jiān)控、電子警察、交通監(jiān)控等，在打擊各類涉車違法犯罪活動中發(fā)揮了重要作用。對于涉車 犯罪案件，通過車輛可識別特征對車輛進行追蹤和認定，在此基礎上進行車輛軌跡偵查有 其現(xiàn)實必要性。將綜合運用交通智能卡口及視頻監(jiān)控數(shù)據(jù)查找犯罪嫌疑人軌跡作為打擊刑 事犯罪的核心戰(zhàn)斗力。
[0003] 另外，隨著物聯(lián)網(wǎng)技術及傳感器技術的不斷推廣，各類基于大范圍車輛監(jiān)測數(shù)據(jù) 的智能交通應用快速發(fā)展。車輛的行車軌跡線信息是全面了解車輛駕駛行為的必備信 息。涉案車輛在時空中的移動變化，會表現(xiàn)為一組或多組時空數(shù)據(jù)，且物、時間、空間三者是 一一對應關系。根據(jù)這種對應的關系，犯罪嫌疑人在某特定的時間段（點）只能在某特定 空間區(qū)域（點）。多行車軌跡碰撞是其中的一類重要應用，它利用目標車輛監(jiān)控數(shù)據(jù)挖掘車 輛軌跡間的相似關系，可以為公安民警辦理涉車案件、犯罪嫌疑車輛落腳點分析提供支撐， 具有重要的意義和實際應用價值。
[0004] 現(xiàn)有技術中，在進行車輛落腳點分析時，主要利用治安卡口、電子警察、社會治安 監(jiān)控等監(jiān)控設施進行實時人工監(jiān)控、排查、跟蹤，這種方法效率低下，耗時耗力，需要大量的 人力投入，而且追蹤結果受交通監(jiān)控設備狀態(tài)、操作人員業(yè)務水平、時間，甚至天氣等客觀 因素影響。另外，也有一定程度上解放勞動力的技術手段，比如很多基于實時視頻數(shù)據(jù)、實 時卡口電警數(shù)據(jù)、GPS信號、電子圍欄等數(shù)據(jù)的智能研判系統(tǒng)或者裝置，但這些系統(tǒng)或裝置 開發(fā)成本都比較高、技術難度大、對使用者水平要求高，最重要的是這些系統(tǒng)往往需要實時 數(shù)據(jù)的支撐，然而現(xiàn)實中的很多研判往往是事后研判，如果事后研判對象不再出現(xiàn)就會給 研判造成困境。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明實施例的目的在于提供基于多軌跡碰撞的車輛落腳點分析方法，至少可克 服現(xiàn)有技術的部分缺陷。
[0006] 本發(fā)明實施例涉及的基于多軌跡碰撞的車輛落腳點分析方法，包括：步驟1，提取 目標車輛一個時間周期內(nèi)的所有行車軌跡；
[0007] 步驟2,統(tǒng)計所述目標車輛經(jīng)過所述行車軌跡上的各個軌跡點的次數(shù)，將次數(shù)最大 的Μ個軌跡點連接成線得到虛擬軌跡；
[0008] 步驟3,參考所述虛擬軌跡計算各所述目標軌跡關于各所述軌跡點的加權平均值， 得到加權平均值最大的所述目標軌跡為最優(yōu)軌跡；
[0009] 步驟4,根據(jù)所述軌跡點的加權值和軌跡時間屬性對所述最優(yōu)軌跡上的各軌跡點 時序分析，求出疑似落腳點概率矩陣。
[0010] 作為實施例一涉及的基于多軌跡碰撞的車輛落腳點分析方法，所述步驟1之前包 括：所述目標車輛不明確時，根據(jù)車輛特征、時空范圍限制綜合分析以縮小目標范圍，篩選 獲得所述目標車輛。
[0011] 所述步驟1中對獲取的所述目標軌跡的條數(shù)進行最小值限制，只有在獲取的所述 目標軌跡的條數(shù)大于等于設定的所述最小值時，才進行后續(xù)分析過程，否則延長所述時間 周期，重新獲取所述目標軌跡。
[0012] 所述步驟2中所述虛擬軌跡的軌跡點數(shù)量Μ為一個所述時間周期內(nèi)每天經(jīng)過的軌 跡點數(shù)量的平均值。
[0013] 所述步驟3得到所述最優(yōu)軌跡的過程包括：
[0014] 步驟301，對各個所述軌跡點進行加權分析，得到各個所述目標軌跡的加權平均 值；
[0015] 不包含在所述虛擬路徑中的所述軌跡點的權重按所述虛擬路徑的權重的平均值 計算；
[0016] 步驟302,對所述加權平均值按降序排列，取所述加權平均值最高的所述目標軌跡 作為最優(yōu)軌跡。
[0017] 所述步驟4中，如果所述最優(yōu)軌跡沒有閉合，則根據(jù)所述疑似落腳點概率矩陣和 所述軌跡點的時間屬性得到軌跡的起點或者終點為車輛的最大可能性落腳點；
[0018] 如果所述最優(yōu)軌跡閉合，則計算相鄰兩個所述軌跡點之間的間隔Τ，Τ值最大的兩 個相鄰軌跡點按車輛經(jīng)過時刻排列較早的那個軌跡點為車輛的最大可能性落腳點。
[0019] 本發(fā)明實施例提供的基于多軌跡碰撞的車輛落腳點分析方法的有益效果包括：
[0020] 本發(fā)明實施例提供的一種基于多軌跡碰撞的車輛落腳點分析方法，對目標車輛的 歷史行車軌跡進行分析，得到目標車輛的疑似落腳點概率矩陣，有效解決了涉車犯罪案件 中，通過車輛可識別特征高效的、智能的對車輛軌跡和落腳點進行追蹤和認定的問題。
【附圖說明】
[0021] 為了更清楚地說明本發(fā)明實施例中的技術方案，下面將對實施例或現(xiàn)有技術描述 中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些 實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動性的前提下，還可以根據(jù)這些 附圖獲得其他的附圖。
[0022] 圖1是本發(fā)明提供的基于多軌跡碰撞的車輛落腳點分析方法的實施例的流程圖；
[0023]圖2是本發(fā)明提供的目標車輛的實施例在一個時間周期內(nèi)的行車軌跡圖。
【具體實施方式】
[0024] 為了使本發(fā)明的目的、技術方案及優(yōu)點更加清楚明白，以下結合附圖及實施例，對 本發(fā)明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并 不用于限定本發(fā)明。
[0025] 為了說明本發(fā)明所述的技術方案，下面通過具體實施例來進行說明。
[0026] 本發(fā)明提供的基于多軌跡碰撞的車輛落腳點分析方法，包括以下步驟：
[0027] 步驟1，提取目標車輛一個時間周期內(nèi)的所有行車軌跡。
[0028] 步驟2,統(tǒng)計目標車輛經(jīng)過行車軌跡上的各個軌跡點的次數(shù)，將次數(shù)最大的Μ個軌 跡點連接成線得到虛擬軌跡。Μ為自然數(shù)。
[0029] 步驟3,參考該虛擬軌跡計算各目標軌跡關于各軌跡點的加權平均值，得到加權平 均值最大的目標軌跡為最優(yōu)軌跡。
[0030] 步驟4,根據(jù)軌跡點的加權值和軌跡時間屬性對最優(yōu)軌跡上的各軌跡點時序分 析，求出疑似落腳點概率矩陣。
[0031] 本發(fā)明實施例提供的一種基于多軌跡碰撞的車輛落腳點分析方法，對目標車輛的 歷史行車軌跡進行分析，得到目標車輛的疑似落腳點概率矩陣，有效解決了涉車犯罪案件 中，通過車輛可識別特征高效的、智能的對車輛軌跡和落腳點進行追蹤和認定的問題。
[0032] 實施例一
[0033] 本發(fā)明提供的實施例一為本發(fā)明提供的一種基于多軌跡碰撞的車輛落腳點分析 方法的實施例，如圖1所示為本發(fā)明提供的基于多軌跡碰撞的車輛落腳點分析方法的實 施例的流程圖，由圖1可知，本發(fā)明提供的基于多軌跡碰撞的車輛落腳點分析方法的實施 例中：
[0034] 步驟1之前包括目標車輛不明確時，篩選獲得目標車輛：
[0035] 如果目標車輛明確，即知道目標車牌號碼則直接進行目標軌跡提取。
[0036] 如果目標車輛不明確，比如，某刑事案件現(xiàn)場調(diào)查發(fā)現(xiàn)：只知道目標車輛顏色