说 明 书 摘 要
本发明提供了一种基于轨迹相似度的移动对象出行规律分析方法。基于前
端交通卡口采集的海量过车数据集，针对重点目标车辆分析其日常活动规律，
进而挖掘目标车辆近期的异常轨迹状态。通过前端车辆卡口抓拍的车辆过车数
据，使用图像识别技术获取车牌、车身颜色等结构化数据，并持久化过车的结
构化数据；对指定车牌的车辆进行查询分析，默认查询目标车辆近半年的活动
轨迹，过滤轨迹信息中少量无效的冗余数据；依次对比目标车辆的每两条轨迹
记录，从车辆结构化数据中抽取抓拍位置、抓拍时间等信息序列，引入时间相
似参数表示目标用户在每天特定时间范围内出现在相同地理位置的比例；结合
时间相似度参数，利用最长公共子序列方法计算不同轨迹之间的相似度；根据
轨迹相似度判定轨迹之间是否具有相似性，将相似度高、频次大的轨迹集合作
为日常出行轨迹，并返回相似度低的轨迹作为异常轨迹。该方法包括以下步骤：
S1，通过前端车辆卡口抓拍的车辆过车数据，使用图像识别技术获取车牌号码、
车身颜色等车辆特征的结构化数据，将过车的结构化数据持久化；S2，对指定
车牌的车辆进行查询，默认查询目标车辆近半年的过车数据，过滤查询的轨迹
信息中少量无效冗余数据；S3，对比目标车辆的每两条轨迹记录，从车辆结构
化数据中抽取抓拍位置、抓拍时间等信息序列，引入时间相似度参数表示目标
车辆在每天特定时间范围内出现在相同卡口位置的比例；S4，结合时间参数，
利用最长公共子序列方法计算不同轨迹之间的相似度；S5，根据轨迹相似度判
定不同轨迹是否具有相似性，将相似度高、频次大的轨迹集合作为日常出行轨
迹，并返回相似度低的轨迹作为异常轨迹。本发明意在解决公安业务中重点人
员、重点车辆的异常轨迹问题，通过对目标车辆近期异常出行的梳理，进而帮
助公安人员更准确、更快速了解目标车辆近期异常行为，为案件提供线索。
100004
2010.2 1
剩余17页未读，继续阅读
评论0