[发明专利]一种车辆轨迹预测分析方法

说明书

技术领域

本发明涉及智能交通监控领域，具体为一种车辆轨迹预测分析方法。

背景技术

城市规模在不断变大，车辆数目不断增多，由此带来的交通问题也越来越严峻。目前，大多数的交通问题都是通过摄像机采集证据的，而且现在的智能摄像机的摄像能力、计算能力都已经达到了一定的水平，因而可以完成许多基本的分析任务，如目标识别、车辆分类、行人检测等等。

虽然智能摄像机能够提供许多珍贵的原始资料，但是目前的监控系统却仅仅提供非常简单的应用或服务，比如回放视频、车辆计数或者某一摄像机的车辆违章。可是硬盘中还存放着大量的有价值的信息，比如地图信息等，可这些非常有价值的信息并没有被利用。

鉴于此，充分利用智能摄像机获取的原始材料进而提供优质、高效的监控服务，在某个时间段内对车辆的轨迹进行合理、准确的预测是有很大意义的，比如，帮助政府或者安全部门寻找嫌疑车辆在过去某段时间内的位置和轨迹。

目前，对于目标的识别和跟踪主要采用两种方法：

1)基于视觉的方法：对单一摄像机下的车辆进行跟踪和分类，主要采用视觉特征匹配和时空关系约束的方法对目标进行跟踪。但是，这种方法仅关注于单个摄像机或少数几个摄像机间的目标跟踪，对于一个城市来说，摄像机的数量非常庞大，视频数据的规模急剧增长，视觉特征的维度急剧增加，所以基于视觉的方法是很难直接分析如此大规模的视觉数据和视觉特征的。

2)基于GPS的方法：通过安装在个人设备或者交通工具上的GPS定位设备进行跟踪，以此获得车辆的轨迹。但是，我们无法强制要求用户安装GPS定位设备或者类似工具，所以，这种方法的应用范围窄，无法得到广泛地推广，不适用于车辆轨迹的预测。

另外，实际应用中，由于车牌号识别错误、网路传输等问题，导致获得的数据很可能是不完整的，而目前的技术又无法通过这些离散的、不完整的数据中确定车辆的轨迹。所以，得到一种能够融合离散信息的车辆轨迹预测方法成为了本领域技术人员一直追求的目标。

发明内容

为解决现有技术中基于视觉、基于GPS的方法不适用于车辆轨迹预测且无法融合离散的、不完整信息的问题，本发明提供了一种车辆轨迹预测分析方法，解决了智能交通中车辆轨迹的预测问题。

为实现上述目的，本发明提供了如下的技术方案：

一种车辆轨迹预测分析方法，获取摄像机的原始视频，提取车牌号信息并记录实时时间，还包括以下步骤：

S1：车牌号、实时时间上传至服务器中，输入目标车牌号Num及查询时间段ΔT后，从服务器中读取一系列的离散的摄像机编号C＝{c₀,c₁,……,c_m-1}，结合摄像机所对应的地图位置，获得目标车辆在查询时间段内先后出现的位置点集合P＝{p₀,p₁……,p_m-1}；

S2：计算任意相邻位置点p_i、p_j的平均时间间隔T_i,_j；

S3：获取集合P中相邻位置点p_i、p_i+1的最优子路径sp_i：

p_i经过地图上的所有邻点p_m向p_i+1遍历，计算p_i、p_m的平均时间间隔T_i,m，判断T_i,m是否大于T_i,j+α，α为门限值，如果成立，则回溯到前驱结点p_i并遍历其它邻点，如果不成立，则将当前结点加入候选路径，如果p_m不是p_i+1，则从p_m继续向下遍历；p_m向p_m+1遍历，计算p_i、p_m+1的平均时间间隔T_i,m+1，判断T_i,m+1是否大于T_i,j+α，如果成立，则回溯到前驱结点p_m并遍历其它邻点；如果不成立，则将当前结点加入候选路径，如果p_m+1不是p_i+1，则继续向下遍历，一直遍历到p_i+1为止；