技术领域
[0001] 本申请涉及智能交通技术领域，尤其涉及一种车队识别方法及终端设备。
相关背景技术
[0002] 随着城市内基建项目逐渐增多，工地上的大货车、大卡车等大型车辆需要频繁进入城区运输建筑材料。为了用最少的成本尽快把货物运输完毕，运输公司通常会选择超载运输。同时，为了避免被交警发现超载运输，运输公司的车队通常会选择夜间出行。由于目前主要是依靠交警在道路上设置卡点进行检查，因此超载运输车队夜间出行前，会利用一辆小型车提前观察路线，这样使得超载运输车队很难被拦截。
[0003] 另外，车辆超载运输还会使得车辆质量增加、惯性加大、制动距离加长，进而使得轮胎负荷过重、变形，容易引发车辆爆胎、突然偏驶、制动失灵、翻车等事故，车辆夜间出行往往更容易出现闯红灯、超速现象，因此需要一种可以准确识别超载运输车队的方法，避免上述问题的发生。
具体实施方式
[0078] 为了使本领域普通人员更好地理解本申请的技术方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。
[0079] 需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应所述理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
[0080] 以下，对本申请实施例中的部分用语进行解释说明，以便于本领域技术人员理解。
[0081] (1)本申请实施例中术语“多次”是指两次或两次以上，其它量词与之类似。
[0082] (2)“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
[0083] (3)服务器，是为终端设备服务的，服务的内容诸如通过第一筛选条件得到目标车辆；服务器是与终端设备上安装的应用程序相对应的，与终端设备上的应用程序配合运行。
[0084] (4)终端设备，既可以指软件类的APP(Application，应用程序)，也可以指客户端。它具有可视的显示界面，能与用户进行交互；是与服务器相对应，为客户提供本地服务。针对软件类的应用程序，除了一些只在本地运行的应用程序之外，一般安装在普通的客户终端上，需要与服务器互相配合运行。
[0085] (5)趟路车，是指超载运输车队出发之前，为超载运输车队提前勘查运输路线周边是否存在警力的车辆，下述目标车辆即为趟路车。
[0086] 随着城市内基建项目逐渐增多，工地上的大货车、大卡车等大型车辆需要频繁进入城区运输建筑材料。为了用最少的成本尽快把货物运输完毕，运输公司通常会选择超载运输。同时，为了避免被交警发现超载运输，运输公司的车队通常会选择夜间出行。由于目前主要是依靠交警在道路上设置卡点进行检查，因此超载运输车队夜间出行前，会利用一辆小型车提前观察路线，这样使得超载运输车队很难被拦截。
[0087] 另外，车辆超载运输还会使得车辆质量增加、惯性加大、制动距离加长，进而使得轮胎负荷过重、变形，容易引发车辆爆胎、突然偏驶、制动失灵、翻车等事故，车辆夜间出行往往更容易出现闯红灯、超速现象，因此需要一种可以准确识别超载运输车队的方法，避免上述问题的发生。
[0088] 为此本申请提供一种车队识别方法及终端设备，通过不同筛选条件对采集到的车辆数据信息进行车辆筛选，得到目标车辆、目标车辆的至少一个伴随车辆以及每个伴随车辆的伴随车队，进而利用创建目标车辆与伴随车队的关联关系，实现对超载运输车队的准确识别。
[0089] 在介绍完本申请实施例的设计思想之后，下面对本申请实施例的技术方案能够适用的应用场景做一些简单介绍，需要说明的是，以下介绍的应用场景仅用于说明本申请实施例而非限定。在具体实施时，可以根据实际需要灵活地应用本申请实施例提供的技术方案。
[0090] 参考图1，其为本申请实施例提供的一种车队识别系统的应用场景示意图。该应用场景包括：多个终端设备101(包括终端设备101‑1、终端设备101‑2、……终端设备101‑n)、服务器102和摄像头103。其中，终端设备101、服务器102和摄像头103之间通过无线或有线网络连接，终端设备101包括但不限于桌面计算机、移动电话、移动电脑、平板电脑、媒体播放器、智能可穿戴设备、智能电视等电子设备。服务器102可以是一台服务器、若干台服务器组成的服务器集群或云计算中心。服务器102可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。
[0091] 以终端设备101‑1、服务器102和摄像头103之间的交互为例进行说明，首先，摄像头103将采集到的待统计天数内的车辆数据信息发送给服务器102，在服务器102中，根据获取到的待统计天数内的车辆数据信息得到车辆数据信息集合。然后服务器102根据多个筛选条件对车辆数据信息集合进行筛选，得到目标车辆、目标车辆的至少一个伴随车辆、每个伴随车辆的伴随车队。最后服务器102创建目标车辆与伴随车队的关联关系，并将目标车辆与伴随车队的关联关系发送给终端设备101‑1，通过终端设备101‑1展示给警员，以使警员可以准确掌握超载运输车队的运输情况，解决超载运输车队的超载问题。
[0092] 这里，也可以在终端设备101‑1中对目标车辆、目标车辆的至少一个伴随车辆、每个伴随车辆的伴随车队进行筛选，还可以部分在终端设备101‑1，部分在服务器102中对目标车辆、目标车辆的至少一个伴随车辆、每个伴随车辆的伴随车队进行筛选，在此本申请并不限定对目标车辆、目标车辆的至少一个伴随车辆、每个伴随车辆的伴随车队进行筛选的具体方式。
[0093] 当然，本申请实施例提供的方法并不限用于图1所示的应用场景中，还可以用于其它可能的应用场景，本申请实施例并不进行限制。对于图1所示的应用场景的各个设备所能实现的功能将在后续的方法实施例中一并进行描述，在此先不过多赘述。
[0094] 为进一步说明本申请实施例提供的技术方案，下面结合附图以及具体实施方式对此进行详细的说明。虽然本申请实施例提供了如下述实施例或附图所示的方法操作步骤，但基于常规或者无需创造性的劳动在所述方法中可以包括更多或者更少的操作步骤。在逻辑上不存在必要因果关系的步骤中，这些步骤的执行顺序不限于本申请实施例提供的执行顺序。
[0095] 下面结合图1所示的应用场景，分别从目标车辆的确定、目标车辆的至少一个伴随车辆的确定、伴随车队的确定、创建目标车辆与伴随车队的关联关系四部分对本申请实施例提供的技术方案进行说明。
[0096] 一、目标车辆的确定
[0097] 由上述图1中车队识别系统的相关描述可知，首先需要获取待统计天数内采集的车辆数据信息，得到车辆数据信息集合，然后根据筛选条件对车辆数据信息集合筛选，得到目标车辆。例如，如表1所示，可以通过驾照违章六合一服务平台和过车系统两部分采集车辆数据信息，其中车辆数据信息至少包括车辆号码牌种类、车辆号码牌号码、车辆大小类型、车辆数据信息采集时间、车辆数据信息采集位置等。
[0098] 表1
[0099]
[0100] 由于超载运输车队出发之前，提前观察路线的趟路车通常为小型车，因此在对目标车辆(也即趟路车)进行筛选过程中，第一筛选条件可以包括：车辆大小类型。例如，筛选的大型车辆类型可以包括：轻型多用途货车、轻型封闭式货车、轻型栏板货车、轻型厢式货车；筛选的小型车辆类型可以包括：微型轿车、小型轿车、小型面包车、小型普通客车、小型越野客车、小型专用客车。
[0101] 为了减少车辆号码牌信息错拍的影响，还可以在不同行驶路径上预先设置不同的点位，并定义车辆一天途经至少5个点位，认定车辆具有出行行为。这里，5个点位仅是举例说明，本申请并不限定途经点数的具体数据。为了躲避交警查处，超载运输多发生在交警执勤力量较弱的夜间，因此目标车辆具有夜间出行的特征。因此第一筛选条件还可以包括：待统计天数内车辆出行天数。这里，车辆出行天数至少为1天。
[0102] 接下来介绍下如何确定待统计天数内车辆出行天数：假设第一时间段为当天上午时间段，第二时间段为当天下午至晚上时间段，第三时间段为当天晚上至凌晨时间段。在待统计天数内，针对每天第一时间段和第二时间段，或者每天第三时间段内，检测到车辆出行轨迹，确定车辆出行天数。这里，车辆出行轨迹可以至少经过预设的5个点位。
[0103] 示例性的，第一时间段可以是当天上午6点‑11点时间段，第二时间段可以是当天下午16点‑晚上22点时间段，第三时间段可以是当天晚上22点‑凌晨6点时间段。还可以将车辆每天第一时间段和第二时间段内出行定义为早出晚归型车辆，将车辆每天第三时间段出行定义为夜间高频出行车辆。
[0104] 并且，早出晚归型车辆的出行天数至少需要满足第一预设出行天数，夜间高频出行车辆的出行天数至少需要满足第二预设出行天数。例如，早出晚归型车辆的出行天数至少需要满足4天，夜间高频出行车辆的出行天数至少需要满足2天。这里，第一预设出行天数和第二预设出行天数可以相同，也可以不同，在此仅是举例说明。
[0105] 由于趟路车为了确保超载运输车队行驶路线上没有警力，经常在某些路段多次往返“绕圈”观察。而货物运输的起始点和终止点短期内是固定的，且货运车队大多是从郊区将货物运输到城区，因此多数选择连接郊区和城区、路况条件相对较好的干道行驶。趟路车提前在任务路线上行驶，若发现交警，则提前通知后边车队绕路或者停止运输，从整个运输路线上看，趟路车和伴随车队的轨迹相似度较高。因此，第一筛选条件还可以包括：车辆出行轨迹长度、车辆单次出行是否存在往返轨迹、车辆多次出行轨迹相似度。
[0106] 可选的，假设平均出行点位数可以表示出行轨迹长度，那么将待统计天数内车辆途经总点位数与车辆出行天数的商，定义为车辆出行轨迹长度。这里，车辆出行轨迹长度至少需要满足轨迹出行临界出行点位数。
[0107] 通过以下方式一和/或方式二确定车辆单次出行是否存在往返轨迹：
[0108] 方式一，车辆单次出行经过同一点位的次数大于第一预设阈值；
[0109] 方式二，车辆单次出行经过同一点位的次数与车辆单次出行途经总点位数的商大于第二预设阈值。
[0110] 假设第A次出行和第B次出行为车辆多次出行中任意两次出行，针对车辆第A次出行和第B次出行，轨迹相似度通过以下方式确定：
[0111] 根据第A次出行轨迹序列和第B次出行轨迹序列，确定最长公共子序列长度，然后根据最长公共子序列长度、第A次出行途经总点位数和第B次出行途经总点位数，计算得到出行轨迹相似度。
[0112] 示例性的，假设X表示车辆第A次出行轨迹序列1，Y表示车辆第B次出行轨迹序列2，M表示车辆第A次出行轨迹序列长度，N表示车辆第B次出行轨迹序列长度，且轨迹序列长度采用途经点位数表示，那么M＝size(X)，N＝size(Y)。若采用dp[i][j](i＝1～M，j＝1～N)定义存储公共序列长度的数组，那么按照以下公式一进行迭代求解公共序列长度，得到X和Y的最长公共子序列长度：
[0113]
[0114] 因此，X和Y的最长公共子序列长度为max_len＝dp[M][N]，继续按照下述公式二计算X和Y的轨迹相似度D：
[0115]
[0116] 在根据上述第一筛选条件对车辆数据信息集合进行多次筛选，得到目标车辆后，为了进一步验证目标车辆的准确性，还需要结合目标车辆后面是否存在大型车队跟随行驶。
[0117] 这里，还可以根据第一筛选条件建立目标车辆的特征识别模型，通过对特征识别模型的训练，得到目标车辆。
[0118] 二、目标车辆的至少一个伴随车辆的确定
[0119] 伴随车辆是指在一定时间内与目标车辆轨迹相同的车辆。在确定目标车辆后，基于采集的车辆数据信息，提取目标车辆Vi的号码牌种类typei、号码牌号码vi、车辆数据信息采集时间tin和车辆数据信息采集位置sin(例如，用＜ti1,si1＞,...,＜tin,sin＞表示不同点位上采集车辆经过的时间和位置，n表示点位数)。另外，还需要提取目标车辆途经每个点位后一定时间内的大型车辆Vj的号码牌种类typej、号码牌号码vj、车辆数据信息采集时间tjm和车辆数据信息采集位置sjm(例如，用＜tj1,sj1＞,...,＜tjm,sjm＞表示不同点位上采集车辆经过的时间和位置，m表示点位数)。也即第二筛选条件至少包括：车辆大小类型，且车辆大小类型为大型车。
[0120] 示例性的，假设目标车辆途经某一点位后的30分钟内，若有大型车经过该点位，则认为目标车辆和大型车存在伴随关系，将目标车辆和该大型车定义为一个点伴随车辆组。例如，目标车辆Vi途经任意点位k时，轨迹为＜tik,sik＞，若存在大型车辆Vj满足tik＜tjk＜tik+30min，则认为目标车辆Vi和大型车辆Vj为一个点伴随车辆组。因此，第二筛选条件还可以包括：目标车辆的点伴随车辆组中的车辆。
[0121] 如图2所示，目标车辆a经过点位S1的30分钟内，还有大型车b1、b2、b3、b4、b5经过，那么认为目标车辆a分别与大型车b1、b2、b3、b4、b5均为一个点伴随车辆组。
[0122] 同样的，目标车辆a经过点位S2的30分钟内，还有大型车b2、b3、b4、b6经过，目标车辆a经过点位S3的30分钟内，还有大型车b2、b3、b5、b7经过，目标车辆a经过点位S4的30分钟内，还有大型车b2、b3、b8、b9经过，目标车辆a经过点位S5的30分钟内，还有大型车b2、b3、b8、b10经过，目标车辆a经过点位Sn的30分钟内，还有大型车b2、b3经过。
[0123] 由于目标车辆和伴随车辆还需要轨迹相似，因此，第二筛选条件还可以包括：车辆与目标车辆的单次出行轨迹相似度。将车辆、目标车辆单次出行途经相同的点位数与目标车辆单次出行途经总点位数的商，定义为车辆与目标车辆的单次出行轨迹相似度。其中车辆与目标车辆的单次出行轨迹相似度大于第三预设阈值，车辆、目标车辆单次出行途经相同的点位数大于第四预设阈值。例如，第三预设阈值为0.2，第四预设阈值为5，在此仅是举例说明。
[0124] 示例性的，继续按照图2示例进行介绍，如图3所示，假设目标车辆a途经点位数用Times表示，大型车b1的伴随次数用Times_1表示，那么大型车b1与目标车辆a的轨迹相似度用Times_1/Times表示。同样的，可以得到大型车b2、b3、…、b10各自与目标车辆a的轨迹相似度。
[0125] 由于大型车与目标车辆的单次出行轨迹存在时空偶然性，因此第二筛选条件还可以包括：待统计天数内，符合车辆与目标车辆的单次出行轨迹相似度的天数大于第五预设天数。
[0126] 三、伴随车队的确定
[0127] 在确定目标车辆的每个伴随车辆后，继续根据每个伴随车辆进行筛选，得到每个伴随车辆的伴随车队。如图4所示，第三筛选条件至少包括：预设时长内经过伴随车辆相同点位、相同方向的大型车辆。例如，车辆2和车辆3均为车辆1经过点位2的5分钟以内的大型车辆，且行驶方向均与车辆1相同。
[0128] 由于伴随车辆与伴随车队中的车辆还需要轨迹相似，因此，第三筛选条件还可以包括：与伴随车辆单次出行轨迹相同的车辆。若伴随车辆单次出行途经点位数为n，车辆与伴随车辆共同途经点位数为m，且m＞n/2，则将该车辆定义为与伴随车辆单次出行轨迹相同。
[0129] 为了进一步保证确定的车辆准确度，第三筛选条件还可以包括：与伴随车辆单次出行轨迹相同天数大于预设阈值天数。
[0130] 图5示出了伴随车辆1、…、伴随车辆n各自存在的一周时间内的跟随车辆，例如，车辆1一周内跟随伴随车辆1的天数为1天，车辆2一周内跟随伴随车辆1的天数为3天，车辆m一周内跟随伴随车辆1的天数为5天。同样的，车辆1’一周内跟随伴随车辆n的天数为4天，车辆2’一周内跟随伴随车辆n的天数为1天，车辆m’一周内跟随伴随车辆n的天数为1天。
[0131] 若一周内跟随伴随车辆的天数至少为2天、伴随车队至少3辆车，则如图6所示，伴随车辆1的跟随车辆包括车辆2、车辆m，伴随车辆n的跟随车辆包括车辆1，由于伴随车辆n的跟随车辆只有1辆车，因此伴随车辆1、车辆2、车辆m组成伴随车队。
[0132] 四、创建目标车辆与伴随车队的关联关系
[0133] 在确定目标车辆、目标车辆的至少一个伴随车辆以及每个伴随车辆的伴随车队后，通过获取目标车辆、每个伴随车辆的伴随车队的车牌号码，基于目标车辆、每个伴随车辆的伴随车队的车牌号码，创建目标车辆与伴随车队的关联关系。如图7所示，目标车辆a1的伴随车辆为b1，伴随车辆b1组成的伴随车队为b1、b2、b3，那么通过车辆的车牌号码创建关联关系为a1‑b1、b2、b3。同样的，可以得到关联关系：a2‑c1、c2、c3、c4，关联关系：a3‑d1、d2、d3、d4、d5，关联关系：an‑n1、n2、n3、…、nn。
[0134] 示例性的，图8示出了根据A市B区2022年3月1日至4月1日的车辆数据信息筛选得到的7辆车可能为目标车辆，其中每辆车对应的置信度越高，该车辆为目标车辆的可能性越大。例如，7辆车中有4辆置信度较大车辆、2辆置信度一般车辆、1辆置信度较小车辆。图9示出了置信度较大车辆5的过车记录，图10示出了置信度较大车辆5行驶轨迹，其中，车辆5从起始点开始行驶，按照起始点‑a点‑b点‑c点‑终止点‑d点‑c点‑终止点路线进行行驶。图11示出了置信度较大车辆5及伴随车队的过车抓拍图像。经实际确认后，准确率为57％。
[0135] 因此，本申请无需增加硬件设备的安装，通过采集到的车辆数据信息和对多个筛选条件的定义，可以准确确定目标车辆、目标车辆的至少一个伴随车辆、每个伴随车辆的伴随车队，进而通过创建目标车辆与伴随车队的关联关系，实现对超载运输车队的准确识别，达到超载运输车队的实时预警，以便现场警员快速布控查处超载运输车队。还可以通过分析超载运输车队的始发地和目的地，辅助交警针对性的对相关运输公司进行安全教育。
[0136] 参考图12，本申请实施例提供一种车队识别方法，包括以下步骤：
[0137] S1201，获取待统计天数内采集的车辆数据信息，得到车辆数据信息集合；
[0138] S1202，根据第一筛选条件对车辆数据信息集合筛选，得到目标车辆；其中第一筛选条件至少包括：车辆大小类型、车辆单次出行是否存在往返轨迹以及车辆多次出行轨迹相似度；
[0139] S1203，根据第二筛选条件对车辆数据信息集合筛选，得到目标车辆的至少一个伴随车辆；第二筛选条件至少包括：车辆与目标车辆的单次出行轨迹相似度；
[0140] S1204，根据第三筛选条件对车辆数据信息集合筛选，得到每个伴随车辆的伴随车队；第三筛选条件至少包括：与对应的伴随车辆单次出行轨迹相同的车辆；
[0141] S1205，根据每个伴随车辆的伴随车队，创建目标车辆与伴随车队的关联关系。
[0142] 参考图13，本申请实施例提供一种车队识别方法，包括以下步骤：
[0143] S1301，通过采集的车辆数据信息，确定目标车辆的特征；
[0144] S1302，通过第一筛选条件确定目标车辆；
[0145] S1303，根据目标车辆以及第二筛选条件进行数据提取；
[0146] S1304，根据第二筛选条件，判断车辆是否为目标车辆的点伴随车辆；
[0147] 若是，则执行步骤S1305，若否，则执行步骤S13010；
[0148] S1305，根据第二筛选条件，判断车辆是否为目标车辆的单轨迹伴随车辆；
[0149] 若是，则执行步骤S1306，若否，则执行步骤S13010；
[0150] S1306，根据第二筛选条件，判断车辆是否为目标车辆的伴随车辆；
[0151] 若是，则执行步骤S1307，若否，则执行步骤S13010；
[0152] S1307，根据第三筛选条件，确定每个伴随车辆的伴随车队；
[0153] S1308，创建目标车辆与伴随车队的关联关系；
[0154] S1309，对伴随车队经过目标点位和伴随车队运输事件进行分析；
[0155] S13010，结束。
[0156] 这里，每个步骤的具体执行过程可参考上述描述，在此不再赘述。
[0157] 参考图14，本申请实施例提供了一种车队识别装置，装置1400包括：
[0158] 获取模块1401，用于获取待统计天数内采集的车辆数据信息，得到车辆数据信息集合；
[0159] 第一筛选模块1402，用于根据第一筛选条件对车辆数据信息集合筛选，得到目标车辆；其中第一筛选条件至少包括：车辆大小类型、车辆单次出行是否存在往返轨迹以及车辆多次出行轨迹相似度；
[0160] 第二筛选模块1403，用于根据第二筛选条件对车辆数据信息集合筛选，得到目标车辆的至少一个伴随车辆；第二筛选条件至少包括：车辆与目标车辆的单次出行轨迹相似度；
[0161] 第三筛选模块1404，用于根据第三筛选条件对车辆数据信息集合筛选，得到每个伴随车辆的伴随车队；第三筛选条件至少包括：与对应的伴随车辆单次出行轨迹相同的车辆；
[0162] 创建关联关系模块1405，用于根据每个伴随车辆的伴随车队，创建目标车辆与伴随车队的关联关系。
[0163] 一种可能的设计中，第一筛选条件还包括：待统计天数内车辆出行天数，待统计天数内车辆出行天数通过以下方式确定：
[0164] 在待统计天数内，针对每天第一时间段和第二时间段，或者每天第三时间段内，检测到车辆出行轨迹，得到车辆出行天数；其中，第一时间段为当天上午时间段，第二时间段为当天下午至晚上时间段，第三时间段为当天晚上至凌晨时间段。
[0165] 一种可能的设计中，第一筛选条件还包括：车辆出行轨迹长度，车辆出行轨迹长度通过以下方式确定：
[0166] 待统计天数内车辆途经总点位数与车辆出行天数的商，得到车辆出行轨迹长度；其中，多个点位为预先在不同行驶路径上设置的。
[0167] 一种可能的设计中，第一筛选条件中车辆单次出行是否存在往返轨迹通过以下方式一和/或方式二确定：
[0168] 方式一，车辆单次出行经过同一点位的次数大于第一预设阈值；
[0169] 方式二，车辆单次出行经过同一点位的次数与车辆单次出行途经总点位数的商大于第二预设阈值；其中，点位为预先在不同行驶路径上设置的。
[0170] 一种可能的设计中，第一筛选条件中车辆多次出行轨迹相似度通过以下方式确定：
[0171] 针对车辆第A次出行和第B次出行，轨迹相似度通过以下方式确定，第A次出行和第B次出行为多次出行中任意两次出行：
[0172] 根据第A次出行轨迹序列和第B次出行轨迹序列，确定最长公共子序列长度；
[0173] 根据最长公共子序列长度、第A次出行途经总点位数和第B次出行途经总点位数，计算得到出行轨迹相似度；其中，点位为预先在不同行驶路径上设置的。
[0174] 一种可能的设计中，第二筛选条件中车辆与目标车辆的单次出行轨迹相似度通过以下方式确定：
[0175] 车辆、目标车辆单次出行途经相同的点位数与目标车辆单次出行途经总点位数的商，为车辆与目标车辆的单次出行轨迹相似度；其中车辆与目标车辆的单次出行轨迹相似度大于第三预设阈值；车辆、目标车辆单次出行途经相同的点位数大于第四预设阈值。
[0176] 一种可能的设计中，第二筛选条件还包括：
[0177] 待统计天数内，符合车辆与目标车辆的单次出行轨迹相似度的天数大于第五预设天数。
[0178] 一种可能的设计中，第二筛选条件还包括：车辆在目标车辆出现在第一点位后的第六预设时长内出现；第一点位为车辆与目标车辆途经的相同点位。
[0179] 一种可能的设计中，根据每个伴随车辆的伴随车队，创建目标车辆与伴随车队的关联关系，包括：
[0180] 获取目标车辆、每个伴随车辆的伴随车队的车牌号码；
[0181] 基于目标车辆、每个伴随车辆的伴随车队的车牌号码，创建目标车辆与伴随车队的关联关系。
[0182] 在介绍了本申请示例性实施方式的车队识别方法及相关装置之后，接下来，介绍根据本申请的另一示例性实施方式的终端设备。
[0183] 所属技术领域的技术人员能够理解，本申请的各个方面可以实现为系统、方法或程序产品。因此，本申请的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
[0184] 在一些可能的实施方式中，根据本申请的终端设备可以至少包括至少一个处理器、以及至少一个存储器。其中，存储器存储有程序代码，当程序代码被处理器执行时，使得处理器执行本说明书上述描述的根据本申请各种示例性实施方式的车队识别方法中的步骤。例如，处理器可以执行如车队识别方法中的步骤。
[0185] 下面参照图15来描述根据本申请的这种实施方式的终端设备150。图15显示的终端设备150仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
[0186] 如图15所示，终端设备150以通用终端设备的形式表现。终端设备150的组件可以包括但不限于：上述至少一个处理器151、上述至少一个存储器152、连接不同系统组件(包括存储器152和处理器151)的总线153。
[0187] 总线153表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器、外围总线、处理器或者使用多种总线结构中的任意总线结构的局域总线。
[0188] 存储器152可以包括易失性存储器形式的可读介质，例如随机存取存储器(RAM)1521和/或高速缓存存储器1522，还可以进一步包括只读存储器(ROM)1523。
[0189] 存储器152还可以包括具有一组(至少一个)程序模块1524的程序/实用工具1525，这样的程序模块1524包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
[0190] 终端设备150也可以与一个或多个外部设备154(例如键盘、指向设备等)通信，还可与一个或者多个使得用户能与终端设备150交互的设备通信，和/或与使得该终端设备150能与一个或多个其它终端设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口155进行。并且，终端设备150还可以通过网络适配器156与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器156通过总线153与用于终端设备150的其它模块通信。应当理解，尽管图中未示出，可以结合终端设备150使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
[0191] 在示例性实施例中，还提供了一种包括指令的计算机可读存储介质，例如包括指令的存储器152，上述指令可由处理器151执行以完成上述方法。可选地，计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD‑ROM、磁带、软盘和光数据存储设备等。
[0192] 在示例性实施例中，还提供一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器151执行时实现如本申请提供的车队识别方法的任一方法。
[0193] 在示例性实施例中，本申请提供的一种车队识别方法的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在计算机设备上运行时，程序代码用于使计算机设备执行本说明书上述描述的根据本申请各种示例性实施方式的一种车队识别方法中的步骤。
[0194] 程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD‑ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
[0195] 本申请的实施方式的用于文本相似度确定的程序产品可以采用便携式紧凑盘只读存储器(CD‑ROM)并包括程序代码，并可以在终端设备上运行。然而，本申请的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
[0196] 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，其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
[0197] 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、有线、光缆、RF等等，或者上述的任意合适的组合。
[0198] 可以以一种或多种程序设计语言的任意组合来编写用于执行本申请操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户终端设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户终端设备上部分在远程终端设备上执行、或者完全在远程终端设备或服务端上执行。在涉及远程终端设备的情形中，远程终端设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户终端设备，或者，可以连接到外部终端设备(例如利用因特网服务提供商来通过因特网连接)。
[0199] 应当注意，尽管在上文详细描述中提及了装置的若干单元或子单元，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之，上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。
[0200] 此外，尽管在附图中以特定顺序描述了本申请方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
[0201] 本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD‑ROM、光学存储器等)上实施的计算机程序产品的形式。
[0202] 本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程终端设备的处理器以产生一个机器，使得通过计算机或其他可编程终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0203] 这些计算机程序指令也可存储在能引导计算机或其他可编程终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0204] 这些计算机程序指令也可装载到计算机或其他可编程终端设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0205] 尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
[0206] 显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
