[发明专利]基于高清卡口数据的通勤车辆识别方法、装置和存储介质

说明书

本发明公开了一种基于高清卡口数据的通勤车辆识别方法、装置和存储介质，其中的方法包括获取第一车辆的n日卡口序列集合，进行频繁序列挖掘获得频繁卡口子序列集合及其相对长度的最大值，获取M辆车的频繁卡口子序列的相对长度的最大值集合，采用层次聚类的合并算法获得通勤车的频繁卡口子序列的相对长度的最大值阈值，根据最大值阈值确定M辆车中的各车辆是否为通勤车等步骤。由于交通部门等单位容易取得或大量掌握城市的卡口数据，应用本发明可以根据卡口数据低成本、高效率、高可靠性地识别出通勤车辆，能够作为交通部门进行交通管理、办案部门进行案件调查、基建部门进行道路建设研究等的数据基础。本发明广泛应用于交通信息化技术领域。

技术领域

本发明涉及交通信息化技术领域，尤其是一种基于高清卡口数据的通勤车辆识别方法、装置和存储介质。

背景技术

道路上行驶的车辆有其相对固定的出行属性，例如市民个人拥有的车辆主要用于通勤，其具有相对固定的行驶路径，营运车辆则主要用于在道路载客或载货，其行驶路径不固定。识别出车辆的出行属性，能够作为交通部门进行交通管理、办案部门进行案件调查、基建部门进行道路建设研究等的数据基础。现有技术主要是根据车辆在交通部门的登记信息等资料确定其出行属性，这种方法准确性低，一些现有技术通过对个别车辆的跟踪调查确定其出行属性，但是难以推广到对一个城市甚至更大范围的多数车辆的识别。

发明内容

针对上述至少一个技术问题，本发明的目的在于提供一种基于高清卡口数据的通勤车辆识别方法、装置和存储介质。

一方面，本发明实施例包括一种基于高清卡口数据的通勤车辆识别方法，包括：

S1.获取第一车辆在n日内的所有卡口数据；

S2.根据所述第一车辆的n日内的所有卡口数据，确定第一车辆的n日卡口序列集合；

S3.对所述第一车辆的n日卡口序列集合进行频繁序列挖掘，获得第一车辆的频繁卡口子序列集合；

S4.确定所述第一车辆的频繁卡口子序列集合中的频繁卡口子序列的相对长度的最大值；

S5.确定第二车辆、第三车辆...第M车辆的所述频繁卡口子序列集合中的频繁卡口子序列的相对长度的最大值，形成M辆车的频繁卡口子序列的相对长度的最大值集合；

S6.采用层次聚类的合并算法对M辆车的频繁卡口子序列的相对长度的最大值集合进行聚类，得出通勤车的频繁卡口子序列的相对长度的最大值阈值；

S7.根据所述通勤车的频繁卡口子序列的相对长度的最大值阈值，确定第一车辆、第二车辆...和第M车辆是否为通勤车。

进一步地，所述卡口数据包括：

第一车辆的第i个卡口数据d_i(a_i,t_i)包含经过的卡口a_i和卡口拍摄时间t_i；

卡口a_i从属于卡口集合A，t_i的单位为年月日时分秒。

进一步地，所述步骤S2，具体包括：

S21.将第一车辆n日内的所有卡口数据按照卡口拍摄时间的年月日划分为n个数据集合，即同一日内的卡口数据形成一个单独的数据集合，一共得到n个日数据集合；

S22.将日数据集合的所有数据按照卡口拍摄时间的早晚排列，提取每条数据中的卡口信息，形成第一车辆的单日卡口序列s＝s₁s₂…，s₁s₂…∈A；

S23.将n日的所述单日卡口序列形成n日卡口序列集合D_n＝{s¹,s²,…sⁿ}。