[发明专利]一种车辆轨迹预测分析方法

摘要

本发明公开了一种车辆轨迹预测分析方法，该方法包括以下步骤：获取摄像机的原始视频，提取车牌号信息并记录实时时间；通过获取目标车辆在查询时间段内出现的位置点集合，计算任意相邻位置点的平均时间间隔，获取相邻位置点的最优子路径，连接最优子路径输出预测轨迹。本发明融合了监控视频、车牌号信息、时间信息、城市拓扑等多模数据，能够有效地通过不完整的、离散的数据合理地预测出车辆的轨迹；该方法的视频内容分析通过各个智能摄像机执行，服务器压力得到减轻，处理速度快；摄像机仅需将提取的车牌号信息发送给服务器，网络开销很小，传输速度快。

主权项

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，其特征在于：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；获得了p_i至p_i+1的一系列子路径sp_k之后，计算每条子路径sp_k所消耗的时间sc_k，计算排序值r_k＝|sc_k‑T_i,j|，当r_k＝r_i最小时，此时sp_i为p_i至p_i+1的最优子路径；S4：将所有最优子路径sp_i按顺序连接，得到位置点集合P在查询时间段内的最优路径，即输出的预测轨迹SP＝{sp₀,sp₁,……,sp_n‑1}。