一种车辆行驶轨迹处理方法及相关装置制造方法及图纸

本申请实施例提供一种车辆行驶轨迹处理方法及相关装置，通过获取到目标车辆当前所在的目标路径后，根据该目标路径和目标车辆的历史行程数据来确定目标车辆从该目标路径行驶到与该目标路径相连接的各连通路径的行驶概率。进一步的，获取各连通路径当前路况的实时拥堵率，基于每一连通路径对应的行驶概率和实时拥堵率确定预测结果。该预测结果即表示目标车辆从该目标路径行驶到各连通路径的概率。上述流程采用多维度特征进行预测，在确定各连通路径的行驶概率后，通过加入各连通路径的实时拥堵率来获取更符合车辆行驶路线的预测结果，用以对车辆的行驶轨迹进行预测，提高对车辆的稽查效率，降低布控管理成本。

【技术实现步骤摘要】
一种车辆行驶轨迹处理方法及相关装置
本专利技术涉及交通监管
，特别涉及一种车辆行驶轨迹处理方法及相关装置。
技术介绍
随着上路车辆数目的逐年上升，交通违法情况和交通警情事件也随之增加。在交通管理过程中，通过大数据分析车辆的时序数据能够对如套牌车、事故车等稽查车辆进行识别。对稽查车辆进行布控时，多由车辆调度中心或车辆稽查管理人员采取路口联动管制措施对稽查车辆进行布控。这种布控方式缺少对待稽查车辆出现的时间和地点的预判，造成人力资源的浪费和布控管理成本的增多。基于此，如何准确预测出车辆的行驶轨迹显得尤为重要。
技术实现思路
本申请实施例提供一种车辆行驶轨迹处理方法及相关装置，用以对车辆的行驶轨迹进行预测，提高对车辆的稽查效率，降低布控管理成本。第一方面，本申请实施例提供了一种车辆行驶轨迹处理方法，所述方法包括：获取目标车辆当前所在的目标路径；将所述目标路径输入轨迹预测模型，得到与所述目标路径相连接的各连通路径的行驶概率；针对每一连通路径，获取所述连通路径的实时拥堵率并根据所述实时拥堵率和所述行驶概率确定所述连通路径的预测结果；其中，所述预测结果表示所述目标车辆从所述目标车辆行驶到所述连通路径的概率。在一些可能的实施例中，所述连通路径的行驶概率是通过以下方式确定的：从样本数据集中获取包含所述目标路径的样本数据的第一样本数量，并从所述样本数据集中获取包含所述目标路径和所述连通路径的样本数据的第二样本数量；其中，所述样本数据集是用于对原始模型进行训练得到所述轨迹预测模型过程中使用的样本数据集；将所述第二样本数量与所述第一样本数量的比值作为所述连通路径的行驶概率。在一些可能的实施例中，所述获取所述连通路径的实时拥堵率并根据所述实时拥堵率和所述行驶概率确定所述连通路径的预测结果，包括：对所述实时拥堵率和所述行驶概率加权求和，得到所述预测结果；或，确定所述实时拥堵率对应的非拥堵率，将所述非拥堵率与所述行驶概率的乘积作为所述预测结果。在一些可能的实施例中，所述轨迹预测模型是基于样本数据集对原始模型进行训练得到的；所述样本数据集是通过以下方式确定的：获取所述目标车辆的历史行程数据集，所述历史行程数据集是所述目标车辆的多条历史行驶路线的集合，所述历史行程数据包括采集到所述目标车辆图像的采集点和采集时间；针对每一历史行程数据，将所述历史行程数据中每相邻两个采集点构成相邻采集点对，并基于所述相邻采集点对中各采集点的采集时间确定所述相邻采集点对的时间间隔；根据所述时间间隔从所述历史行程数据集中筛选出所述样本数据。在一些可能的实施例中，所述相邻采集点对表示一段路径，所述根据所述时间间隔从所述历史行程数据集中筛选出所述样本数据，包括：基于所述历史行程数据中包含的各相邻采集点对，将所述历史行程数据划分为多段相连接的路径数据；若所述相邻采集点对的时间间隔大于时间阈值，则确定所述相邻采集点对表示的路径数据为无效数据，并将所述无效数据从所述历史行程数据中剔除；针对剔除所述无效数据后的所述历史行程数据，将相连接的路径数据作为一条所述样本数据。在一些可能的实施例中，将所述历史行程数据中每相邻两个采集点构成相邻采集点对之前，所述方法还包括：基于所述采集点的位置信息和采集时间确定所述目标车辆在每相邻两个采集点间的行驶速度；根据所述行驶速度确定所述历史行程数据中的异常采集点，并将所述异常采集点剔除。在一些可能的实施例中，所述获取所述连通路径的实时拥堵率并根据所述实时拥堵率和所述行驶概率确定所述连通路径的预测结果之后，所述方法还包括：响应于训练指示，获取用户选取的参考路径；基于所述参考路径和所述预测结果确定损失信息，采用所述损失信息调整所述轨迹预测模型的模型参数。第二方面，本申请实施例提供了一种车辆行驶轨迹处理装置，所述装置包括：目标路径获取模块，被配置为执行获取目标车辆当前所在的目标路径；行驶概率确定模块，被配置为执行将所述目标路径输入轨迹预测模型，得到与所述目标路径相连接的各连通路径的行驶概率；预测结果输出模块，被配置为执行针对每一连通路径，获取所述连通路径的实时拥堵率并根据所述实时拥堵率和所述行驶概率确定所述连通路径的预测结果；其中，所述预测结果表示所述目标车辆从所述目标车辆行驶到所述连通路径的概率。在一些可能的实施例中，所述连通路径的行驶概率是通过以下方式确定的：从样本数据集中获取包含所述目标路径的样本数据的第一样本数量，并从所述样本数据集中获取包含所述目标路径和所述连通路径的样本数据的第二样本数量；其中，所述样本数据集是用于对原始模型进行训练得到所述轨迹预测模型过程中使用的样本数据集；将所述第二样本数量与所述第一样本数量的比值作为所述连通路径的行驶概率。在一些可能的实施例中，执行所述获取所述连通路径的实时拥堵率并根据所述实时拥堵率和所述行驶概率确定所述连通路径的预测结果，所述预测结果输出模块被配置为：对所述实时拥堵率和所述行驶概率加权求和，得到所述预测结果；或，确定所述实时拥堵率对应的非拥堵率，将所述非拥堵率与所述行驶概率的乘积作为所述预测结果。在一些可能的实施例中，所述轨迹预测模型是基于样本数据集对原始模型进行训练得到的；所述行驶概率确定模块还包括样本数据获取单元，所述样本数据获取单元用于获取所述样本数据集，所述样本数据获取单元被配置为：获取所述目标车辆的历史行程数据集，所述历史行程数据集是所述目标车辆的多条历史行驶路线的集合，所述历史行程数据包括采集到所述目标车辆图像的采集点和采集时间；针对每一历史行程数据，将所述历史行程数据中每相邻两个采集点构成相邻采集点对，并基于所述相邻采集点对中各采集点的采集时间确定所述相邻采集点对的时间间隔；根据所述时间间隔从所述历史行程数据集中筛选出所述样本数据。在一些可能的实施例中，所述相邻采集点对表示一段路径，执行所述根据所述时间间隔从所述历史行程数据集中筛选出所述样本数据，所述样本数据获取单元被配置为：基于所述历史行程数据中包含的各相邻采集点对，将所述历史行程数据划分为多段相连接的路径数据；若所述相邻采集点对的时间间隔大于时间阈值，则确定所述相邻采集点对表示的路径数据为无效数据，并将所述无效数据从所述历史行程数据中剔除；针对剔除所述无效数据后的所述历史行程数据，将相连接的路径数据作为一条所述样本数据。在一些可能的实施例中，执行将所述历史行程数据中每相邻两个采集点构成相邻采集点对之前，所述样本数据获取单元还被配置为：基于所述采集点的位置信息和采集时间确定所述目标车辆在每相邻两个采集点间的行驶速度；根据所述行驶速度确定所述历史行程数据中的异常采集点，并将所述异常采集点剔除。在一些可能的实施例中，所述装置还包括：模型训练模块，被配置为执行响应于训练指示本文档来自技高网...

【技术保护点】
1.一种车辆行驶轨迹处理方法，其特征在于，所述方法包括：/n获取目标车辆当前所在的目标路径；/n将所述目标路径输入轨迹预测模型，得到与所述目标路径相连接的各连通路径的行驶概率；/n针对每一连通路径，获取所述连通路径的实时拥堵率并根据所述实时拥堵率和所述行驶概率确定所述连通路径的预测结果；其中，所述预测结果表示所述目标车辆从所述目标车辆行驶到所述连通路径的概率。/n

【技术特征摘要】
1.一种车辆行驶轨迹处理方法，其特征在于，所述方法包括：
获取目标车辆当前所在的目标路径；
将所述目标路径输入轨迹预测模型，得到与所述目标路径相连接的各连通路径的行驶概率；
针对每一连通路径，获取所述连通路径的实时拥堵率并根据所述实时拥堵率和所述行驶概率确定所述连通路径的预测结果；其中，所述预测结果表示所述目标车辆从所述目标车辆行驶到所述连通路径的概率。


2.根据权利要求1所述的方法，其特征在于，所述连通路径的行驶概率是通过以下方式确定的：
从样本数据集中获取包含所述目标路径的样本数据的第一样本数量，并从所述样本数据集中获取包含所述目标路径和所述连通路径的样本数据的第二样本数量；其中，所述样本数据集是用于对原始模型进行训练得到所述轨迹预测模型过程中使用的样本数据集；
将所述第二样本数量与所述第一样本数量的比值作为所述连通路径的行驶概率。


3.根据权利要求1所述的方法，其特征在于，所述获取所述连通路径的实时拥堵率并根据所述实时拥堵率和所述行驶概率确定所述连通路径的预测结果，包括：
对所述实时拥堵率和所述行驶概率加权求和，得到所述预测结果；或，
确定所述实时拥堵率对应的非拥堵率，将所述非拥堵率与所述行驶概率的乘积作为所述预测结果。


4.根据权利要求1～3任一所述的方法，其特征在于，所述轨迹预测模型是基于样本数据集对原始模型进行训练得到的；
所述样本数据集是通过以下方式确定的：
获取所述目标车辆的历史行程数据集，所述历史行程数据集是所述目标车辆的多条历史行驶路线的集合，所述历史行程数据包括采集到所述目标车辆图像的采集点和采集时间；
针对每一历史行程数据，将所述历史行程数据中每相邻两个采集点构成相邻采集点对，并基于所述相邻采集点对中各采集点的采集时间确定所述相邻采集点对的时间间隔；
根据所述时间间隔从所述历史行程数据集中筛选出所述样本数据。


5.根据权利要求4所述的方法，其特征在于，所述相邻采集点对表示一段路径，所述根据所述时间间隔从所述历史行程数据集中筛选出所述样本数据，包括：
基于所述历史行程数据中包含的各相邻采集点对，将所述历史行程数据划分为多段相连接的路径数据；
若所述相邻采集点对的时间间隔大于时间阈值，则确定所述相邻采集点对表示的路径数据为无效数据，并将所述无效数据从所述历史行程数据中剔除；
针对剔除所述无效数据后的所述历史行程数据，将相连接的路径数据作为一条所述样本数据。


6.根据权利要求4所述的方法，其特征在于，将所述历史行程数据中每相邻两个采集点构成相邻采集点对之前，所述方法还包括：
基于所述采集点的位置信息和采集时间确定所述目标车辆在每相邻两个采集点间的行驶速度；
根据所述行驶速度确定所述历史行程数据中的异常采集点，并将所述异常采集点剔除。


7.根据权利要求1～3任一所述的方法，其特征在于，所述获取所述连通路径的实时拥堵率并根据所述实时拥堵率和所述行驶概率确定所述连通路径的预测结果之后，所述方法还包括：
响应于训练指示，获取用户选取的参考路径；
基于所述参考路径和所述预测结果确定损失信息，采用所述损失信息调整所述轨迹预测模型的模型参数。


8.一种车辆行驶轨迹处理装置，其特征在于，所述装置包括：
目标路径获取模块，被配置为执行获取目标车辆当前所在的目标路径；
行驶概率确定模块，被配置为执行将所述目标路径输入轨迹预测模型，得到与所述目标路径相连接的各连通路径的行驶概率；
预测结果输出模块，被配置为执行针对每一连通路径...

【专利技术属性】
技术研发人员：史勇，操涛涛，王龙，刘伟棠，陈立力，周明伟，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：浙江;33