基于稀疏道路卡口監(jiān)控和智能出租車的肇事逃逸車輛軌跡恢復(fù)系統(tǒng).pdf

1、恢復(fù)肇事逃逸車輛的軌跡對于警方破案、交通事故責(zé)任認(rèn)定等具有重要的作用。然而因為城市道路交通卡口的分布的稀疏性以及肇事逃逸車輛會故意地繞行躲避交通卡口攝像頭，精確地追蹤肇事車輛是一項極具挑戰(zhàn)性的工作。截止目前，還沒有一個系統(tǒng)地解決肇事逃逸車輛軌跡恢復(fù)問題的方法?，F(xiàn)有的一些軌跡恢復(fù)系統(tǒng)使用簡單的算法進(jìn)行軌跡恢復(fù)，其效果非常不理想。而相似的研究主要聚焦于從低頻GPS點恢復(fù)完整軌跡，這些研究基于歷史數(shù)據(jù)對車輛軌跡進(jìn)行軌跡恢復(fù)，不適用于故意繞行躲

2、避監(jiān)控的肇事逃逸車輛，也沒有考慮同時結(jié)合卡口監(jiān)控以及出租車行車記錄儀數(shù)據(jù)進(jìn)行軌跡恢復(fù)。
　　基于上述的分析，本文提出了一套系統(tǒng)地解決肇事逃逸車輛軌跡恢復(fù)問題的解決方案。本文首先建立路網(wǎng)通行時間的概率模型，即使用對數(shù)正態(tài)分布對每個路段的通行時間的概率分布進(jìn)行建模，然后本文使用斜對數(shù)正態(tài)分布來近似地對路段通行時間分布疊加，近似地得到一段路徑的通行時間的概率密度分布。在軌跡恢復(fù)算法部分，本文首先使用無監(jiān)督和有監(jiān)督學(xué)習(xí)兩種方式分析最優(yōu)的查

3、詢策略，即基于卡口監(jiān)控以及路網(wǎng)交通模式分析肇事逃逸車輛在某個查詢點出現(xiàn)的概率。然后提出了兩種肇事逃逸車輛軌跡恢復(fù)算法RVTR以及IRVTRLQ，前者使用貪心算法的思想對每個查詢點的出租車行車記錄儀視頻按概率降序進(jìn)行查詢，后者對RVTR算法基礎(chǔ)上進(jìn)行改進(jìn)，根據(jù)用戶需求僅對效用值高的查詢點按照降序查詢。當(dāng)查詢成功時，算法以查詢點為中點，將軌跡分為兩條子軌跡并遞歸地執(zhí)行相應(yīng)的算法;當(dāng)查詢失敗時，算法選擇概率稍小的下一個查詢點進(jìn)行查詢，直到肇事

4、逃逸車輛軌跡被唯一地確定或者沒有合適的出租車可以查詢。
　　最后，本文通過駕車在蘇州工業(yè)園區(qū)進(jìn)行道路測試以模擬肇事逃逸車輛行為的方式進(jìn)行試驗仿真。本文將本文提出的RVTR算法以及IRVTRLQ算法和SDD、MDT、IST以及MLR算法進(jìn)行對比。實驗結(jié)果表明:對于RVTR算法，其準(zhǔn)確率相比較四種對比算法準(zhǔn)確率提升了126.21％、118.86％，107.83％，142.44％，而其每個路段的平均查詢次數(shù)僅為0.7;而針對RVTR進(jìn)行