[发明专利]车辆轨迹真实性校验方法、装置及电子设备

说明书

本发明提供了一种车辆轨迹真实性校验方法、装置及电子设备，包括：获取待验证车辆的轨迹点序列、车辆运输特征信息和运单主体对象信息；基于轨迹点序列确定的一致性指数进行一致性验证；如果一致性验证通过，则基于轨迹点序列确定轨迹特征信息；将轨迹特征信息、车辆运输特征信息、运单主体对象信息和一致性指数构建的特征向量输入到预先训练好的真实性校验模型中，得到车辆轨迹真实性概率；其中，真实性校验模型是基于深度学习模型训练得到的；根据车辆轨迹真实性概率确定待验证车辆的轨迹真实性。本发明显著提升了车辆轨迹真实性的校验效率。

技术领域

本发明涉及网络货运监管技术领域，尤其是涉及一种车辆轨迹真实性校验方法、装置及电子设备。

背景技术

随着物流行业的发展，网络货运平台也日益普及。但是，受到各种利益的驱动，司机或者货主可能会通过制造假的货运订单来牟取利益。因此，需要对车辆轨迹的真实性进行判断，实现对货运订单的监管。目前，通常是通过GPS定位等手段对车辆的行驶轨迹进行监控，然后将车辆的实际行驶轨迹与计划的行驶轨迹进行比较来校验车辆轨迹的真实性，但是，这种方式所消耗的时间长，且误差大，从而导致校验效率比较低。

发明内容

有鉴于此，本发明的目的在于提供一种车辆轨迹真实性校验方法、装置及电子设备，以显著提升了车辆轨迹真实性的校验效率。

为了实现上述目的，本发明实施例采用的技术方案如下：

第一方面，本发明实施例提供了一种车辆轨迹真实性校验方法，包括：获取待验证车辆的轨迹点序列、车辆运输特征信息和运单主体对象信息；基于轨迹点序列确定的一致性指数进行一致性验证；如果一致性验证通过，则基于轨迹点序列确定轨迹特征信息；将轨迹特征信息、车辆运输特征信息、运单主体对象信息和一致性指数构建的特征向量输入到预先训练好的真实性校验模型中，得到车辆轨迹真实性概率；其中，真实性校验模型是基于深度学习模型训练得到的；根据车辆轨迹真实性概率确定待验证车辆的轨迹真实性。

在一种实施方式中，基于轨迹点序列确定的一致性指数进行一致性验证，包括：基于轨迹点序列确定一致性指数；其中，一致性指数包括：时间一致性指数、空间一致性指数和序列一致性指数；如果时间一致性指数大于第一指数阈值，和/或空间一致性指数大于第一指数阈值，和/或序列一致性指数大于第二指数阈值，则确定一致性验证不通过。

在一种实施方式中，基于轨迹点序列确定一致性指数，包括：对于轨迹点序列中的每个轨迹点，计算轨迹点的前向时间间隔，如果前向时间间隔大于第一时间阈值或前向时间间隔小于第二时间阈值，则将轨迹点确定为时间跳点，并将轨迹点序列中时间跳点的数量确定为时间一致性指数；对于轨迹点序列中的每个轨迹点，计算轨迹点与前一轨迹点之间的第一距离、轨迹点与下一轨迹点之间的第二距离以及前一轨迹点和下一轨迹点之间的第三距离；如果第一距离和第二距离大于距离阈值，且第三距离小于距离阈值，则将轨迹点确定为空间跳点，并将轨迹点序列中空间跳点的数量确定为空间一致性指数；将时间一致性指数和空间一致性指数的和确定为序列一致性指数。

在一种实施方式中，基于轨迹点序列确定轨迹特征信息，包括：获取轨迹点序列中每个轨迹点的前向时间间隔，并基于前向时间间隔去除不符合预设条件的轨迹点；其中，预设条件为前向时间间隔大于第一时间阈值或前向时间间隔小于第二时间阈值；对于符合预设条件的轨迹点序列，将轨迹点序列中的轨迹点按照轨迹点的速度进行排序，并基于排序后的轨迹点序列计算95%分位速度和平均速度；对于符合预设条件的轨迹点序列，计算每个轨迹点的加速度或减速度，并基于加速度计算最大加速度和平均加速度，以及基于减速度计算最大减速度和平均减速度；基于加速度确定每百公里加速度大于第一值的次数、每百公里加速度大于第二值的次数、每百公里加速度大于第三值的次数以及每百公里加速度大于第四值的次数；基于减速度确定每百公里减速度大于第一值的次数、每百公里减速度大于第二值的次数、每百公里减速度大于第三值的次数以及每百公里减速度大于第四值的次数；对于符合预设条件的轨迹点序列，基于轨迹点的方向角计算最大过弯角速度和平均过弯角速度。