[发明专利]识别车辆的营运行为的方法、装置及计算设备

权利要求书

1.一种识别车辆的营运行为的方法，其特征在于，所述方法应用于一个地理区域，所述地理区域内分布有多个监控设备和多个兴趣点POI，所述方法包括：

获取目标时间内的所述多个监控设备记录的过车数据，根据所述过车数据确定目标车辆的轨迹信息，所述目标车辆的轨迹信息记录了所述目标车辆经过的多个分区，一个分区为所述地理区域中的一部分；

确定所述目标车辆经过的所述多个分区中的每个分区的POI信息，所述POI信息记录了所述目标车辆经过的所述每个分区的POI的分布情况；

根据所述目标车辆的轨迹信息和所述POI信息，获得所述目标车辆的行车轨迹特征；

根据所述目标车辆的行车轨迹特征和分类模型，确定所述目标车辆为具有营运行为的车辆。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述过车数据，确定所述目标车辆的出行特征；

所述根据所述目标车辆的行车轨迹特征和分类模型，确定所述目标车辆为具有营运行为的车辆，具体包括：

输入所述目标车辆的行车轨迹特征和所述目标车辆的出行特征至所述分类模型，根据所述分类模型的输出结果，确定所述目标车辆为具有营运行为的车辆。

3.根据权利要求2所述的方法，其特征在于，所述分类模型包括第一输入子模型、第二输入子模型和全连接子模型；

所述输入所述目标车辆的行车轨迹特征和所述目标车辆的出行特征至所述分类模型，根据所述分类模型的输出结果确定所述目标车辆为具有营运行为的车辆，具体包括：

输入所述目标车辆的行车轨迹特征至所述第一输入子模型，输出第一输出结果；

输入所述目标车辆的出行特征至所述第二输入子模型，输出第二输出结果；

将所述第一输出结果和所述第二输出结果进行拼接，得到拼接后的特征；

将所述拼接后的特征输入至所述全连接子模型，根据所述全连接子模型的输出结果，确定所述目标车辆为具有营运行为的车辆。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述根据所述过车数据确定目标车辆的轨迹信息，具体包括：

根据所述过车数据，确定所述目标车辆经过的多个目标监控设备的标识和所述目标车辆经过所述多个目标监控设备的时间点；

根据所述目标车辆经过的所述多个目标监控设备的标识和所述目标车辆经过所述多个目标监控设备的时间点，确定所述目标车辆的轨迹信息。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述方法还包括：

获取所述地理区域内的车辆营运资质信息，根据所述车辆营运资质信息确定所述目标车辆为非法营运车辆。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述地理区域中的每个分区中包括至少一个监控设备，所述确定所述目标车辆经过的所述多个分区中的每个分区的POI信息之前，所述方法还包括：

对所述地理区域内的所有POI进行聚类，获得多个POI类型；

统计所述地理区域中的多个分区中的POI的分布情况。

7.根据权利要求1-6任一项所述的方法，其特征在于，所述根据所述目标车辆的轨迹信息和所述POI信息，获得所述目标车辆的行车轨迹特征，具体包括：

根据所述目标车辆的轨迹信息中的监控设备的标识和所述POI信息中的监控设备的标识，将相同监控设备的标识对应的所述轨迹信息中的时间点与所述POI信息中POI的分布情况相关联，得到所述目标车辆的轨迹信息中的每个时间点对应的POI的分布情况；

将所述每个时间点对应的POI的分布情况，按照时间的先后顺序进行排列，获得所述目标车辆的行车轨迹特征。

8.根据权利要求1-7任一项所述的方法，其特征在于，所述分类模型采用深度学习模型，在输入所述目标车辆的行车轨迹特征至所述分类模型之前，所述方法还包括：

确定初始分类模型；

根据已知的具有营运行为的车辆和不具有营运行为的车辆的行车轨迹特征对所述初始分类模型进行训练，获得所述分类模型。