技术领域
[0001] 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
[0002] 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。
[0003] 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
[0004] 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。
[0005] 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：
[0006] 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；
[0007] 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；
[0008] 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。
[0009] 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：
[0010] 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。
[0011] 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：
[0013] 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；
[0014] 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；
[0015] 根据获得的k个哈希值计算主哈希值H1和分组哈希值H2；
[0016] 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。
[0017] 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：
[0018] 初始化参数向量a，则第i个向量a表示为：ai＝(ai1,…,aid)，d表示城市卡口的数量；
[0019] 初始化分桶个数r， T表示城市车辆规模；
[0020] 在[0,r]的中取随机数bi，则第i个哈希函数表示为： v为车辆轨迹向量。
[0021] 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，
[0022] 所述主哈希值H1的计算公式为： ti表示轨迹向量v的每个维度的值，其中C为设定的素数；
[0023] 所述分组哈希值H2的计算公式为： 其中C为设定的素数。
[0024] 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五种实施方式中，所述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，包括：
[0025] 获取目标车辆对应的轨迹向量x；
[0026] 计算出轨迹向量x对应的k个哈希值；
[0027] 根据k个哈希值计算出主哈希值H1x，并查询到对应的哈希列表；
[0028] 根据k个哈希值计算出分组哈希值H2x，并获取当前分组内的所有候选车辆的轨迹向量的哈希值；
[0029] 计算目标车辆的k维哈希值与候选车辆的k维哈希值的相似度。
[0030] 第二方面，本发明实施例还提供了一种同行车辆的判断装置，包括：
[0031] 向量化模
块，用于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；
[0032] 降维模块，用于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；
[0033] 同行车辆获取模块，用于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。
[0034] 结合第二方面，本发明实施例在第二方面的第一种实施方式中，所述向量化模块具体用于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。
[0035] 结合第二方面，本发明实施例在第二方面的第二种实施方式中，所述降维模块包括：
[0037] 初始化子模块，用于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；
[0038] 第一计算子模块，用于根据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；
[0039] 第二计算子模块，用于根据获得的k个哈希值计算主哈希值H1和分组哈希值H2；
[0040] 存储子模块，用于将获得的主哈希值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。
[0041] 结合第二方面的第二种实施方式，本发明实施例在第二方面的第三种实施方式中，所述初始化子模块包括：
[0042] 第一初始化单元，用于初始化参数向量a，则第i个向量a表示为：ai＝(ai1,…,aid)，d表示城市卡口的数量；
[0043] 第二初始化单元，用于初始化分桶个数r， T表示城市车辆规模；
[0044] 第三初始化单元，用于在[0,r]的中取随机数bi，则第i个哈希函数表示为：v为车辆轨迹向量。
[0045] 结合第二方面的第三种实施方式，本发明实施例在第二方面的第四种实施方式中 ，所 述 第二 计算 子 模块 中 ，所 述 主哈 希 值H 1的 计 算 公式 为 ：ti表示轨迹向量v的每个维度的值，其中C为设定的素数；
[0046] 所述分组哈希值H2的计算公式为： 其中C为设定的素数。
[0047] 结合第二方面的第二种实施方式，本发明实施例在第二方面的第五种实施方式中，所述同行车辆获取模块包括：
[0048] 向量获取子模块，用于获取目标车辆对应的轨迹向量x；
[0049] 哈希值计算子模块，用于计算出轨迹向量x对应的k个哈希值；
[0050] 主哈希计算子模块，用于根据k个哈希值计算出主哈希值H1x，并查询到对应的哈希列表；
[0051] 分组哈希计算子模块，用于根据k个哈希值计算出分组哈希值H2x，并获取当前分组内的所有候选车辆的轨迹向量的哈希值；
[0052] 相似度计算子模块，用于计算目标车辆的k维哈希值与候选车辆的k维哈希值的相似度。
[0053] 第三方面，在一个可能的设计中，同行车辆的判断装置的结构中包括处理器和
存储器，所述存储器用于存储支持同行车辆的判断装置执行上述第一方面中同行车辆的判断方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。所述同行车辆的判断装置还可以包括通信
接口，用于同行车辆的判断装置与其他设备或通信网络通信。
[0054] 第四方面，本发明实施例提供了一种计算机可读介质，用于存储同行车辆的判断装置所用的计算机
软件指令，其包括用于执行上述第一方面的同行车辆的判断方法所涉及的程序。
[0055] 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。
[0056] 另外，本发明实施例采用了先做分类，再两两对比计算的方式，从而可以大幅的降低了计算量。
[0057] 上述概述仅仅是为了
说明书的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参考
附图和以下的详细描述，本发明进一步的方面、实施方式和特征将会是容易明白的。
附图说明
[0058] 在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本发明公开的一些实施方式，而不应将其视为是对本发明范围的限制。
[0059] 图1为本发明实施例的同行车辆的判断方法的
流程图；
[0060] 图2为本发明实施例的步骤S200的具体步骤流程图；
[0061] 图3为本发明实施例的步骤S220的具体步骤流程图；
[0062] 图4为本发明实施例的步骤S300的具体步骤流程图；
[0063] 图5为本发明另一实施例的同行车辆的判断装置的连接
框图；
[0064] 图6为本发明另一实施例的降维模块的内部框图；
[0065] 图7为本发明另一实施例的初始化子模块的内部框图；
[0066] 图8为本发明另一实施例的同行车辆获取模块的内部框图；
[0067] 图9为本发明另一实施例的同行车辆的判断设备框图。
具体实施方式
[0068] 在下文中，仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样，在不脱离本发明的精神或范围的情况下，可通过各种不同方式
修改所描述的实施例。因此，附图和描述被认为本质上是示例性的而非限制性的。本发明实施例主要提供了一种通同行车辆的判断的方法及装置，下面分别通过以下实施例进行技术方案的展开描述。
[0069] 本发明提供了一种同行车辆的判断方法和装置，以下详细介绍本发明实施例的同行车辆的判断方法和装置的具体处理流程和原理。
[0070] 如图1所示，其为本发明实施例的同行车辆的判断方法的流程图。本发明实施例的同行车辆的判断方法可以包括以下步骤：
[0071] S100：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。
[0072] 在一种实施方式中，所述步骤S100在对车辆的轨迹进行向量化处理时，可以采用的方式为：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。
[0073] 例如，当前区域有100个卡口，则车辆的轨迹向量为100维。然后以车辆经过首次经过卡口的时间秒数进行取值。在一种实施方式中，可以以零点开始计数，以经过卡口的时间点与零点之间的秒数作为数值，比如目标车辆是1:00经过卡口，则其对应的取值为3600秒。对于没有经过的卡口的取值，可以以32位的最大数，即2^32-1，作为没有经过的卡口的取值。然后，依次记录该车辆经过的卡口的时间点对应的秒数。最后，转化为对应的100维向量，即v＝(t1,t2,t3,…,t100)。
[0074] S200：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。
[0075] 比如，如图2所示，在一种实施方式中，所述步骤S200可以包括：
[0076] S210：选定概率分布函数。
[0077] 例如，选择的概率分布函数可以为：
[0078] S220：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。
[0079] 在本步骤中，将车辆的轨迹向量v进行计算，获取k个哈希值。其中，k为任意设定的正整数。如图3所示，在一种实施方式中，所述步骤S220可以包括：
[0080] S221：初始化参数向量a，则第i个向量a表示为：ai＝(ai1,…,aid)，d表示城市卡口的数量。其中向量ai中的每一个数值aid都是在系统初始化时候根据所述概率分布函数独立同分布的。
[0081] S222：初始化分桶个数r， T表示城市车辆规模。
[0082] S223：在[0,r]的中取随机数bi，则第i个哈希函数表示为： v为车辆轨迹向量。
[0083] S230：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。
[0084] 对于每一个车辆的轨迹向量v，经过上述步骤计算后，可以获得k个哈希值，h1～hk，也即将向量v转化为k维的哈希值。
[0085] S240：根据获得的k个哈希值计算主哈希值H1和分组哈希值H2。
[0086] 在 一 种 实 施 方 式 中 ，所 述 主 哈 希 值 H 1 的 计 算 公 式 为 ：ti表示轨迹向量v的每个维度的值，其中C为设定的素数，
例如C可以去大素数，2^32-5。
[0087] 所述分组哈希值H2的计算公式为： 其中C为设定的素数。
[0088] S250：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。
[0089] 将所有车辆根据H1值分组存储在哈希表中，每个主哈希值H1维护一个列表，列表中的每一个元素按照H2值进行分组。其中，组内存储数据格式可以为：(车辆Id,h1,…,hk)，即包括所有H1值和H2值都相同的车辆标识(Id)集合及其k个哈希值。
[0090] S300：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。
[0091] 当需要判断目标车辆是否存在同行车辆时，可以根据目标车辆的轨迹向量与其他候选车辆的轨迹向量相似度计算。如图4所示，在一种实施方式中，所述步骤S300中可以包括：
[0092] S310：获取目标车辆对应的轨迹向量x。
[0093] 例如，当前目标车辆的轨迹向量为：x＝(x1,x2,…,xk)。
[0094] S320：计算出轨迹向量x对应的k个哈希值。
[0095] 针对每一个哈希函数分别计算对应的哈希值：
[0096] S330：根据k个哈希值计算出主哈希值H1x，并查询到对应的哈希列表。
[0097] 进一步的计算主哈希值H1x，即： 在计算出主哈希值H1x后，可以获得对应存储的哈希列表。
[0098] S340：根据k个哈希值计算出分组哈希值H2x，并获取当前分组内的所有候选车辆的轨迹向量的哈希值。
[0099] 然后，继续计算分组哈希H2x，即 在获得分组哈希H2x后，可以获取查询到该分组哈希对应的车辆集合，以这些车辆集合作为候选车辆进行后续判断。
[0100] S350：计算目标车辆的k维哈希值与候选车辆的k维哈希值的相似度。
[0101] 最后，将该集合中候选车辆的k维哈希值向量与要查询的目标车辆做相似度计算，具体计算公式可以为：
[0102]
[0103] 其中，A表示目标车辆，B表示候选车辆；Ai表示目标车辆的第i个哈希值，Bi表示候选车辆的第i个哈希值。n表示目标车辆和候选车辆的哈希值的个数。
[0104] 针对每个候选车辆分别计算出相似度后，可以按照相似度由高到低进行排列展示，然后根据划定的
阈值，判断是否为同行车辆。比如，设定的阈值可以为80％，也即如果达到80％相似度的车辆，可以判断为同行车辆。
[0105] 本发明实施例将车辆轨迹进行向量化处理，然后再利用局部敏感
哈希算法进行降维，大幅提高了同行车辆挖掘的深度及有效性。
[0106] 另外，本发明实施例采用了先做分类再两两对比计算的方式，从而大幅的降低了计算量。
[0107] 如图5所示，在另一种实施例中，本发明实施例还提供了一种同行车辆的判断装置，包括：
[0108] 向量化模块100，用于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。
[0109] 在一种实施方式中，所述向量化模块具体用于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。
[0110] 降维模块200，用于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。
[0111] 如图6所示，在一种实施方式中，所述降维模块200包括：
[0112] 选定子模块210，用于选定概率分布函数。
[0113] 初始化子模块220，用于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。
[0114] 如图7所示，在一种实施方式中，所述初始化子模块220包括：
[0115] 第一初始化单元221，用于初始化参数向量a，则第i个向量a表示为：ai＝(ai1,…,aid)，d表示城市卡口的数量；
[0116] 第二初始化单元222，用于初始化分桶个数r， T表示城市车辆规模；
[0117] 第三初始化单元223，用于在[0,r]的中取随机数bi，则第i个哈希函数表示为：v为车辆轨迹向量。
[0118] 在一种实施方式中，所述第二计算子模块中，所述主哈希值H1的计算公式为：ti表示轨迹向量v的每个维度的值，其中C为设定的
素数；
[0119] 所述分组哈希值H2的计算公式为： 其中C为设定的素数。
[0120] 第一计算子模块230，用于根据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。
[0121] 第二计算子模块240，用于根据获得的k个哈希值计算主哈希值H1和分组哈希值H2。
[0122] 存储子模块250，用于将获得的主哈希值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。
[0123] 同行车辆获取模块300，用于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。
[0124] 如图8所示，在一种实施方式中，所述同行车辆获取模块300包括：
[0125] 向量获取子模块310，用于获取目标车辆对应的轨迹向量x。
[0126] 哈希值计算子模块320，用于计算出轨迹向量x对应的k个哈希值。
[0127] 主哈希计算子模块330，用于根据k个哈希值计算出主哈希值H1x，并查询到对应的哈希列表。
[0128] 分组哈希计算子模块340，用于根据k个哈希值计算出分组哈希值H2x，并获取当前分组内的所有候选车辆的轨迹向量的哈希值。
[0129] 相似度计算子模块350，用于计算目标车辆的k维哈希值与候选车辆的k维哈希值的相似度。
[0130] 本实施例的功能模块与上述实施例同行车辆的判断方法的原理类似，故不再赘述。
[0131] 在另一个实施例中，本发明还提供一种同行车辆的判断设备，如图9所示，该设备包括：存储器510和处理器520，存储器510内存储有可在处理器520上运行的
计算机程序。所述处理器520执行所述计算机程序时实现上述实施例中的同行车辆的判断方法。所述存储器510和处理器520的数量可以为一个或多个。
[0132] 该设备还包括：
[0133]
通信接口530，用于与外界设备进行通信，进行数据交互传输。
[0134] 存储器510可能包含高速RAM存储器，也可能还包括
非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
[0135] 如果存储器510、处理器520和通信接口530独立实现，则存储器510、处理器520和通信接口530可以通过总线相互连接并完成相互间的通信。所述总线可以是工业标准体系结构(ISA，Industry Standard Architecture)总线、外部设备互连(PCI，Peripheral Component)总线或扩展工业标准体系结构(EISA，Extended Industry Standard Component)总线等。所述总线可以分为
地址总线、
数据总线、控制总线等。为便于表示，图9中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
[0136] 可选的，在具体实现上，如果存储器510、处理器520及通信接口530集成在一块芯片上，则存储器510、处理器520及通信接口530可以通过
内部接口完成相互间的通信。
[0137] 在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0138] 此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
[0139] 流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、
片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
[0140] 在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定
序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
[0141] 本发明实施例所述的计算机可读介质可以是计算机可读
信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质的更具体的示例至少(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，
随机存取存储器(RAM)，
只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式只读存储器(CDROM)。另外，计算机可读存储介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
[0142] 在本发明实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、
光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于指令执行系统、输入法或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、射频(Radio Frequency，RF)等等，或者上述的任意合适的组合。
[0143] 应当理解，本发明的各部分可以用
硬件、软件、
固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的
逻辑门电路的离散
逻辑电路，具有合适的组合
逻辑门电路的
专用集成电路，可编程门阵列(PGA)，
现场可编程门阵列(FPGA)等。
[0144] 本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
[0145] 此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读存储介质中。所述存储介质可以是只读存储器，磁盘或光盘等。
[0146] 以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉
本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到其各种变化或替换，这些都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述
权利要求的保护范围为准。
