[发明专利]同行车辆的判断方法、装置、设备及计算机可读介质

说明书

本发明提出一种同行车辆的判断方法、装置、设备和计算机可读介质，所述方法包括：将各车辆的轨迹进行向量化处理，以获得各车辆的轨迹向量；采用局部敏感哈希方式对各车辆的轨迹向量进行降维处理；根据降维处理后的轨迹向量，计算目标车辆与候选车辆的轨迹相似度，以获取所述目标车辆的同行车辆。本发明实施例将车辆轨迹进行向量化处理，然后再将利用局部敏感哈希算法进行降维，可以大幅提高了同行车辆挖掘的深度及有效性。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种同行车辆的判断方法及装置、设备和计算机可读介质。

背景技术

在公共安全领域，车辆已经作为作案的主要交通工具。因此，公共机关在各个城市中设置道路卡口和电子警察，以对作案的车辆进行排查。然而，公安机关在利用大数据分析破案时遇到不少的挑战。

其中针对团体作案来说，找到同行车辆成为破案关键点。在每个城市的道路卡口每天都会经过数以万计的车辆，而城市中的卡口和电子警察数量也成百上千，因此如何快速获取筛查同行车辆成为一个急需解决的技术问题。

发明内容

本发明实施例提供一种同行车辆的判断方法、装置、设备及计算机可读介质，以解决或缓解现有技术中的一个或多个技术问题。

第一方面，本发明实施例提供了一种同行车辆的判断方法，包括：

将各车辆的轨迹进行向量化处理，以获得各车辆的轨迹向量；

采用局部敏感哈希方式对各车辆的轨迹向量进行降维处理；

根据降维处理后的轨迹向量，计算目标车辆与候选车辆的轨迹相似度，以获取所述目标车辆的同行车辆。

结合第一方面，本发明实施例在第一方面的第一种实施方式中，所述将各车辆的轨迹进行向量化处理，以获得各车辆的轨迹向量，包括：

将一个车辆的轨迹表示成一个向量：v＝(t1,t2,t3,…,tn)；其中，v为车辆轨迹向量，t为通过卡口的秒数，n表示卡口数量，未经过的卡口对应的t的取值为设定数。

结合第一方面，本发明实施例在第一方面的第二种实施方式中，所采用局部敏感哈希方式对各车辆的轨迹向量进行降维处理，包括：

选定概率分布函数；

根据所述概率分布函数初始化k个哈希函数，k为任意正整数；

根据k个哈希函数对每个车辆的轨迹向量进行计算，获得k个哈希值；

根据获得的k个哈希值计算主哈希值H₁和分组哈希值H₂；

将获得的主哈希值H₁存储在一哈希表中，每个哈希表中根据分组哈希值H₂进行分组，在每个分组中存储对应的k个哈希值。

结合第一方面的第二种实施方式，本发明实施例在第一方面的第三种实施方式中，所述根据所述概率分布函数初始化k个哈希函数，k为任意正整数，包括：

初始化参数向量a，则第i个向量a表示为：a_i＝(a_i1,…,a_id)，d表示城市卡口的数量；

初始化分桶个数r，T表示城市车辆规模；

在[0,r]的中取随机数b_i，则第i个哈希函数表示为：v为车辆轨迹向量。

结合第一方面的第三种实施方式，本发明实施例在第一方面的第四种实施方式中，所述根据获得的k个哈希值计算主哈希值H₁和分组哈希值H₂，