[发明专利]一种通过轨迹关联度识别车辆驾驶者的系统和方法

权利要求书

1.一种通过轨迹关联度识别车辆驾驶者的系统，其特征在于，该系统包括时序轨迹采集模块、数据清洗模块和轨迹关联度计算模块，

时序轨迹采集模块，用于采集包括车辆行驶轨迹与驾驶人员行为轨迹的时序轨迹数据，并且形成轨迹数据库，

数据清洗模块，用于对包括车辆信息和驾驶人员信息的数据进行处理和整合，对采集到的轨迹数据进行分类及匹配后，结合时间和空间维度进行轨迹还原，按照业务需求确定划分维度区间，分别形成以车辆轨迹场景和驾驶人员行为轨迹、时间、空间为三要素的三维共振图，

轨迹关联度计算模块，根据确定的维度区间，将车辆轨迹与驾驶人员行为轨迹进行对比，根据业务需求设定共振阈值，超过该阈值的群体为轨迹吻合度高群体，从中确定车辆当时的驾驶人员。

2.根据权利要求1所述的识别车辆驾驶者的系统，其特征在于，在数据清洗模块中，车辆信息包括从道路监控设备以及监控平台抽取并整合车辆数据，车辆数据包含到车牌号、过车时间、设备点位地址、设备点位编号、进口道方向及车道编号，驾驶人员信息包括通过移动端采集的驾驶人员的日常活动数据，包括网吧数据、旅店数据、Wi-Fi移动端数据，以确定驾驶人员的日常行为轨迹。

3.根据权利要求2所述的识别车辆驾驶者的系统，其特征在于，轨迹关联度计算模块的计算步骤包括：

步骤S1，确定轨迹、时间、空间的三维共振图，基于点与多边形的叠加，面积加权，最大化保留以及修正的面域加权等，进行空间尺度的转换。利用聚类分析技术，将小粒度的空间单元或对象进行合并为较大的空间单元，并采用统计值对簇的特征进行特征描述；

步骤S2，选择共振区域确定共振群体，根据确定的三维共振图，筛选出共振的群体，利用时空序列聚类分析依据空间单元在空间域上的邻接性与时间域上的相似性，将时空序列划分为不同的簇，并使得在满足空间邻接性的条件下，簇内的相似性尽可能大，而簇间的相似性尽可能小，由此确定出满足条件的共振群体。

4.根据权利要求3所述的识别车辆驾驶者的系统，其特征在于，步骤S1中进行的空间尺度的转换，包括：

将当前小尺度时空序列由大尺度下反映整体特征的数据与当前小尺度中反映局部特征的数据构成表达式为：

j＝1，2，...，m

对应的时间序列在小尺度下的偏差序列表达式为：

对时空序列数据进行聚类分析，获取反映当前尺度趋势部分的大尺度数据，然后将当前尺度的趋势部分剔除掉，剩余的为当前尺度数据中反映偏差部分。

5.一种通过轨迹关联度识别车辆驾驶者的方法，其特征在于，该方法包括：

利用时序轨迹采集工具，采集的时序轨迹数据形成轨迹数据库，时序轨迹数据包括车辆行驶轨迹与驾驶人员行为轨迹；

从时序轨迹数据中抽取车牌号、过车时间、设备点位地址、设备点位编号、进口道方向及车道编号形成车辆信息，通过移动端采集驾驶人员的包括网吧数据、酒店数据、停车场数据、Wi-Fi探针数据，形成驾驶人员日常行为轨迹信息，将采集到的轨迹信息进行相关的分类及匹配后，结合时间和空间维度进行轨迹还原，按照业务需求确定划分维度区间，分别形成以车辆轨迹场景和驾驶人员行为轨迹、时间、空间为三要素的三维共振图；

根据确定的维度区间，将车辆轨迹与驾驶人员行为轨迹进行对比，根据业务需求设定共振阈值，超过该阈值的群体为轨迹吻合度高群体，以此确定车辆当时驾驶人员，具体过程为：

步骤S1，确定轨迹、时间、空间的三维共振图，基于点与多边形的叠加，面积加权，最大化保留以及修正的面域加权等，进行空间尺度的转换，利用聚类分析技术，将小粒度的空间单元或对象进行合并为较大的空间单元，并采用统计值对簇的特征进行特征描述；

步骤S2，选择共振区域确定共振群体，根据步骤S1确定的三维共振图，筛选出共振的群体，利用时空序列聚类分析依据空间单元在空间域上的邻接性与时间域上的相似性，将时空序列划分为不同的簇，并使得在满足空间邻接性的条件下，簇内的相似性尽可能大，而簇间的相似性尽可能小，由此确定出满足条件的共振群体。