一种基于有向图的管控车辆拦截点设置方法及装置制造方法及图纸

一种基于有向图的管控车辆拦截点设置方法及装置，通过对交通路网进行有向图提取，当管控车辆经过管控卡点时，系统实时报警，基于报警卡点位置对应的有向图顶点挖掘管控车辆可选逃跑线路，并转化为有向图的边或边的集合；挖掘管控车辆归属地信息、历史行车习惯等，同时，结合逃跑线路上的实时路况等生成有向图边上的权重值，对有向图进行权重值的排序，按照权重值从大到小的顺序依次进行智能推荐，并就近调度周边警力进行设卡拦截，该拦截点推荐准确性高和可操作性强，实现难度和研发成本均较低，同时，方法灵活性高，有效弥补传统管控车辆拦截依靠人工经验，拦截动作滞后等问题。

【技术实现步骤摘要】
一种基于有向图的管控车辆拦截点设置方法及装置
本专利技术涉及智能交通以及车辆侦查领域，具体涉及基于有向图的管控车辆拦截点设置方法及装置。
技术介绍
随着经济的飞速发展，城市规模不断扩大，人口数量、机动车保有量持续增长，交通案事件频发，特别是各种涉车违法犯罪行为，给交通管控工作带来了巨大考验。如何高效地进行交通管控、如何提高在复杂交通环境下及时精准地对车辆进行监控、管制，对管控车辆拦截已成为目前亟待解决的问题。目前，各地交通管理部门大力建设路面视频监控系统、智能卡口系统、闯红灯抓拍系统、视频车流量检测系统等，同时，车辆视频实时结构化分析、车辆图片二次识别、大数据挖掘分析等技术的快速发展，为管控车辆管控提供了基础数据和技术支撑，大量的管控系统应运而生。然而，传统的管控系统或者方法往往存在以下问题：数据来源单一，有能综合多维度数据进行统合分析挖掘；信息孤岛，数据不能有效共享；拦截点设置依靠线下人工经验判断；没有把道路交通当作一个有机的、整体的模型来进行分析。
技术实现思路
鉴于现有技术中存在的技术缺陷和技术弊端，本专利技术实施例提供克服上述问题或者至少部分地解决上述问题的一种基于有向图的管控车辆拦截点设置方法及装置，具体方案如下：一种基于有向图的管控车辆拦截点设置方法，其特征在于，所述方法包括：步骤1，对交通路网进行有向图提取，得到交通路网有向图以及对应的有向边集合；步骤2，针对管控车辆进行管控，当管控车辆经过管控卡点时，系统实时报警；步骤3，以报警的管控卡点位置对应的有向图顶点为源点，基于管控车辆所有可选逃跑线路，在有向图中查找出与所有可选逃跑线路对应的所有有向边，作为有向边子集；步骤4，基于所述管控车辆的大数据信息以及实时道路交通信息，计算所述有向边子集中的各有向边的权重值，并基于各有向边的权重值得到带权有向图；步骤5，对带权有向图的各有向边按照权重值的大小从大到小进行排序，并按照有向边的排序顺序依次推荐设卡拦截点。进一步地，步骤1具体为：对交通路网进行有向图提取，以交通路网中的管控卡点作为有向图的顶点，以两管控卡点之间的道路作为有向图边，以道路的方向作为边的箭头方向，从而得到有向图以及有向图的有向边集合。进一步地，在有向图中查找出与所有可选逃跑线路对应的所有有向边，作为有向边子集具体为：基于报警的管控卡点位置，查找该报警的管控卡点在有向图中对应的顶点，从所述有向边集合中找出以该顶点为源点的所有有向边，作为有向边子集。进一步地，步骤4中，所述管控车辆的大数据信息包括管控车辆的归属地信息以及历史行车习惯信息，基于所述管控车辆的大数据信息以及实时道路交通信息，计算所述有向边子集中的各有向边的权重值具体包括：步骤4.11，基于管控车辆的归属地信息，将与归属地方向拟合的有向边子集中的有向边按照拟合度大小增加相应的权重值；步骤4.12，基于管控车辆的历史行车习惯信息，挖掘管控车辆在过去一段时间T内的历史行车轨迹，将与所述历史行车轨迹对应的有向边子集中的有向边上按照经过次数增加相应的权重值；步骤4.13，基于实时道路交通信息，获取线路交通拥堵指数，按照线路交通拥堵指数在对应的有向边子集中的有向边上增加相应的权重值；步骤4.14，对有向边子集中每个有向边上基于步骤4.11、步骤4.12和步骤4.13得到的权重值进行叠加，得到有向边子集中的各有向边的权重值。进一步地，所述方法还包括，运用Dijkstra算法原理，求有向图中各顶点到其余顶点的最大权重路径，具体包括：步骤4.21，令带权有向图为G＝<V,E>，其中，V表示顶点，E表示有向边，令S为已确定了最大权重值顶点的集合，令V-S为剩余未确定最大权重值顶点的集合，令报警的管控卡点对应的顶点V0为源点，则初始S＝{V0}，用数组Distance表示源点V0到其余顶点的有向边权重值，用数组pre[i]表示最大权重路径序列上顶点i的前一个顶点，初始时，pre[i]都是源点的下标；步骤4.22，从当前Distance[i]找出权重值最大的一个有向边，记录其下标v＝i，得到源点V0到顶点的最大权重路径以及最大权重路径对应的顶点Vv，把Vv加入S；步骤4.23，更新源点到剩余顶点的最大权重路径长度，具体为：以上一步的顶点Vv为中间点，若Distance[v]+weight(v,i)<Distance[i]，则修改值：pre[i]＝v；Distance[i]＝Distance[v]+weight(v,i)，其中，weight(v,i)表示V到i之间的权重路径值；重复步骤4.22和4.23，直至源点到所有顶点的最大权重路径都已找到，从而得到带权有向图。作为本专利技术的第二方面，提供一种基于有向图的管控车辆拦截点设置装置，所述装置包括有向图提取模块、报警模块、筛选模块、带权模块以及推荐模块；所述有向图提取模块，用于对交通路网进行有向图提取，得到交通路网有向图以及对应的有向边集合；所述报警模块，用于针对管控车辆进行管控，当管控车辆经过管控卡点时，系统实时报警；所述筛选模块，用于以报警的管控卡点位置对应的有向图顶点为源点，基于管控车辆所有可选逃跑线路，在有向图中查找出与所有可选逃跑线路对应的所有有向边，作为有向边子集；所述带权模块，用于基于所述管控车辆的大数据信息以及实时道路交通信息，计算所述有向边子集中的各有向边的权重值，并基于各有向边的权重值得到带权有向图；所述推荐模块，用于对带权有向图的各有向边按照权重值的大小从大到小进行排序，并按照有向边的排序顺序依次推荐设卡拦截点。进一步地，所述有向图提取模块具体用于：对交通路网进行有向图提取，以交通路网中的管控卡点作为有向图的顶点，以两管控卡点之间的道路作为有向图边，以道路的方向作为边的箭头方向，从而得到有向图以及有向图的有向边集合。进一步地，在有向图中查找出与所有可选逃跑线路对应的所有有向边，作为有向边子集具体为：基于报警的管控卡点位置，查找该报警的管控卡点在有向图中对应的顶点，从所述有向边集合中找出以该顶点为源点的所有有向边，作为有向边子集。进一步地，所述管控车辆的大数据信息包括管控车辆的归属地信息以及历史行车习惯信息，基于所述管控车辆的大数据信息以及实时道路交通信息，计算所述有向边子集中的各有向边的权重值具体包括：加权指标1：基于管控车辆的归属地信息，将与归属地方向拟合的有向边子集中的有向边按照拟合度大小增加相应的权重值；加权指标2：基于管控车辆的历史行车习惯信息，挖掘管控车辆在过去一段时间T内的历史行车轨迹，将与所述历史行车轨迹对应的有向边子集中的有向边上按照经过次数增加相应的权重值；加权指标3：基于实时道路交通信息，获取线路交通拥堵指数，按照线路交通拥堵指数在对应的有向边子集中的有向边上增加相应的权重值；对有向边子集中每个有向边上基于加权指标1-3得到的权重值进行叠加，得到有向边子集中的各有向边的权重值。本文档来自技高网...

【技术保护点】
1.一种基于有向图的管控车辆拦截点设置方法，其特征在于，所述方法包括：/n步骤1，对交通路网进行有向图提取，得到交通路网有向图以及对应的有向边集合；/n步骤2，针对管控车辆进行管控，当管控车辆经过管控卡点时，系统实时报警；/n步骤3，以报警的管控卡点位置对应的有向图顶点为源点，基于管控车辆所有可选逃跑线路，在有向图中查找出与所有可选逃跑线路对应的所有有向边，作为有向边子集；/n步骤4，基于所述管控车辆的大数据信息以及实时道路交通信息，计算所述有向边子集中的各有向边的权重值，并基于各有向边的权重值得到带权有向图；/n步骤5，对带权有向图的各有向边按照权重值的大小从大到小进行排序，并按照有向边的排序顺序依次推荐设卡拦截点。/n

【技术特征摘要】
1.一种基于有向图的管控车辆拦截点设置方法，其特征在于，所述方法包括：
步骤1，对交通路网进行有向图提取，得到交通路网有向图以及对应的有向边集合；
步骤2，针对管控车辆进行管控，当管控车辆经过管控卡点时，系统实时报警；
步骤3，以报警的管控卡点位置对应的有向图顶点为源点，基于管控车辆所有可选逃跑线路，在有向图中查找出与所有可选逃跑线路对应的所有有向边，作为有向边子集；
步骤4，基于所述管控车辆的大数据信息以及实时道路交通信息，计算所述有向边子集中的各有向边的权重值，并基于各有向边的权重值得到带权有向图；
步骤5，对带权有向图的各有向边按照权重值的大小从大到小进行排序，并按照有向边的排序顺序依次推荐设卡拦截点。


2.根据权利要求1所述的基于有向图的管控车辆拦截点设置方法，其特征在于，步骤1具体为：对交通路网进行有向图提取，以交通路网中的管控卡点作为有向图的顶点，以两卡点之间的道路作为有向图边，以道路的方向作为边的箭头方向，从而得到有向图以及有向图的有向边集合。


3.根据权利要求1所述的基于有向图的管控车辆拦截点设置方法，其特征在于，在有向图中查找出与所有可选逃跑线路对应的所有有向边，作为有向边子集具体为：
基于报警的管控卡点位置，查找该报警的管控卡点在有向图中对应的顶点，从所述有向边集合中找出以该顶点为源点的所有有向边，作为有向边子集。


4.根据权利要求1所述的基于有向图的管控车辆拦截点设置方法，其特征在于，步骤4中，所述管控车辆的大数据信息包括管控车辆的归属地信息以及历史行车习惯信息，基于所述管控车辆的大数据信息以及实时道路交通信息，计算所述有向边子集中的各有向边的权重值具体包括：
步骤4.11，基于管控车辆的归属地信息，将与归属地方向拟合的有向边子集中的有向边按照拟合度大小增加相应的权重值；
步骤4.12，基于管控车辆的历史行车习惯信息，挖掘管控车辆在过去一段时间T内的历史行车轨迹，将与所述历史行车轨迹对应的有向边子集中的有向边上按照经过次数增加相应的权重值；
步骤4.13，基于实时道路交通信息，获取线路交通拥堵指数，按照线路交通拥堵指数在对应的有向边子集中的有向边上增加相应的权重值；
步骤4.14，对有向边子集中每个有向边上基于步骤4.11、步骤4.12和步骤4.13得到的权重值进行叠加，得到有向边子集中的各有向边的权重值。


5.根据权利要求1所述的基于有向图的管控车辆拦截点设置方法，其特征在于，所述方法还包括，运用Dijkstra算法原理，求有向图中各顶点到其余顶点的最大权重路径，具体包括：
步骤4.21，令带权有向图为G＝<V,E>，其中，V表示顶点，E表示有向边，令S为已确定了最大权重值顶点的集合，令V-S为剩余未确定最大权重值顶点的集合，令报警的管控卡点对应的顶点V0为源点，则初始S＝{V0}，用数组Distance表示源点V0到其余顶点的有向边权重值，用数组pre[i]表示最大权重路径序列上顶点i的前一个顶点，初始时，pre[i]都是源点的下标；
步骤4.22，从当前Distance[i]找出权重值最大的一个有向边，记录其下标v＝i，得到源点V0到顶点的最大权重路径以及最大权重路径对应的顶点Vv，把Vv加入S；
步骤4.23，更新源点到剩余顶点的最大权重路径长度，具体为：以上一步的顶点Vv为中间点，若Distance[v]+weight(v,i)<Distance[i]，则修改值：pre[i]＝v；Distance[i]＝Distance[v]+weight(v,i)，其中，weight(v,i)表示V到i之间的权重路径值；
重复步骤4.22和4.23，直至源点到所有顶点的最大权重路径都已找到。


6.一种基于有向...

【专利技术属性】
技术研发人员：罗超，王凡，吴珂，尹飞，
申请(专利权)人：武汉烽火众智数字技术有限责任公司，
类型：发明
国别省市：湖北;42