一种异常轨迹的识别方法、装置、电子设备及存储介质与流程

1.本技术涉及信息处理技术领域，尤其涉及一种异常轨迹的识别方法、装置、电子设备及存储介质。


背景技术：

2.目前，网约车每完成一个订单，可以向网约车平台上报行驶轨迹和乘客的上下车位置等出行数据。然后，网约车平台可以根据该行驶轨迹确定行驶里程，再根据该行驶里程计算出该订单的行驶费用。其中，一些网约车为了增加行驶费用，会篡改出行数据的行驶轨迹。该网约车再上报假的行驶轨迹。网约车平台根据假的行驶里程确定出的行驶里程也和真实的行驶里程不符，从而根据该行驶里程计算出的行驶费用就超出了真实的行驶费用。
3.相关方案针对每个出行数据，获取该出行数据对应的推荐行驶路径；再比较网约车上报的行驶轨迹和该推荐行驶路径是否一致，以确定该行驶轨迹是否异常。然而，在一些情况下，例如，路况不佳，乘客指定路线等情况，网约车真实的行驶轨迹和推荐行驶路径本身就存在偏差。那么，利用推荐行驶路径就无法准确判断网约车的行驶轨迹是否异常。


技术实现要素：

4.本技术提供一种异常轨迹的识别方法、装置、电子设备及存储介质，可以准确识别异常行驶轨迹。
5.为实现上述技术目的，本技术采用如下技术方案：
6.第一方面，本技术实施例提供了一种异常轨迹的识别方法，该方法包括：先获取车辆的出行数据，获取车辆在一个采集时长内的目标行驶距离；然后，针对多个轨迹点中每个轨迹点，根据多个轨迹点的采集位置，确定多个轨迹点中除轨迹点之外的其他轨迹点与轨迹点之间的距离；最后，根据距离和目标行驶距离，确定行驶轨迹是否异常。
7.其中，该出行数据包括：行驶轨迹中多个轨迹点的采集位置和采集时间。
8.可以理解的是，通常异常的行驶轨迹可能包括一段重复出现的轨迹。针对这段重复出现的轨迹中的每个轨迹点，在间隔一段时长后能够再次采集到与该轨迹点的采集位置相近的轨迹点。因此，本技术实施例中可以针对车辆的行驶轨迹中每个轨迹点，确定该轨迹点与除该轨迹点之外的多个其他轨迹点之间的距离。电子设备可以再根据确定出的距离、以及目标行驶距离，确定这多个其他轨迹点中是否存在与每个轨迹点的采集位置相近、且与该轨迹点的采集时间间隔多个采集时长的其他轨迹点(可以称为该轨迹点对应的目标其他轨迹点)。若存在该轨迹点对应的目标其他轨迹点，说明该行驶轨迹很有可能包括重复出现的轨迹。而且，该轨迹点对应的目标其他轨迹点越多，说明重复出现的轨迹的越长，即该行驶轨迹异常的可能性越高。因此，电子设备可以根据多个轨迹点中每个轨迹点对应的目标其他轨迹点的个数是否较多，准确确定出该行驶轨迹是否异常。
9.其次，采用本技术实施例提供的方法，无需使用推荐行驶路径，仅根据出行数据就能够确定出行数据中的行驶轨迹是否异常。该方法的实现要求更简单。
10.在一种可能的实现方式中，上述根据距离和目标行驶距离，确定行驶轨迹是否异常，包括：针对每个轨迹点，统计第一个数；第一个数是距离小于或等于目标行驶距离的其他轨迹点的个数；若第一个数大于预设数目，确定轨迹点是异常轨迹点；根据异常轨迹点，确定行驶轨迹是否异常。
11.在该设计方式中，基于上述分析出的“若每个轨迹点对应的多个其他轨迹点中，与该轨迹点的采集位置相近、且与该轨迹点的采集时间间隔多个采集时长的其他轨迹点越多，说明行驶轨迹中重复出现的轨迹的越长，即该行驶轨迹异常的可能性越高”的思想，描述了电子设备根据距离和目标行驶距离，确定异常轨迹点；再根据异常轨迹点确定行驶轨迹是否异常的一种具体实现方式。
12.另一种可能的实现方式中，上述根据异常轨迹点，确定行驶轨迹是否异常，包括：统计第二个数；第二个数是多个轨迹点中的异常轨迹点的个数；根据第二个数，确定行驶轨迹是否异常。
13.在该设计方式中，描述了电子设备可以根据异常轨迹点的个数确定行驶轨迹是否异常，例如，电子设备可以根据第二个数是否超过一定阈值确定行驶轨迹是否异常；又例如，电子设备可以根据第二个数和多个轨迹点的总个数，确定行驶轨迹是否异常。
14.另一种可能的实现方式中，上述统计第一个数，包括：若距离小于或等于目标行驶距离的其他轨迹点包括多个第一轨迹点，且多个第一轨迹点的采集时间连续，则统计多个第一轨迹点的个数为1。
15.可以理解的是，车辆在行驶过程中可能由于等红灯、堵车等原因，行驶速度减慢或行驶速度降为0，则可能出现以下第一种情况：车辆在一个轨迹点上停留一会儿，车辆连续行驶过的3个以上的轨迹点中每两个相邻的轨迹点之间的距离都小于目标行驶距离。若一个轨迹点符合上述第一种情况，则该轨迹点不仅和其2个相邻点之间的距离小于目标行驶距离，还和该轨迹点的相邻点的相邻点之间的距离也小于目标行驶距离。这样就会导致该轨迹点的第一个数增加多个。其次，还存在第二种情况，即目标行驶距离设置的过小，也可能导致采集时间连续的3个及以上的轨迹点之间的距离都小于目标行驶距离。这样也会导致一个轨迹点的第一个数增加多个。
16.综上所述，由于上述行驶过程中正常的第一种情况、以及人为引起的第二种情况，都可能导致第一个数增加多个。而第一个数增加多个后，可能就超过预设数目，导致该轨迹点就被错误地确认为异常轨迹点。因此，电子设备在统计每个轨迹点的第一个数的时候，需要排除第一种情况和第二种情况所导致的第一个数的增加。
17.具体地，距离小于或等于目标行驶距离的、采集时间连续的多个第一轨迹点很有可能是由于第一种情况或第二种情况导致的。因此，电子设备针对该多个第一轨迹点，统计多个第一轨迹点的个数为1(即在第一个数中记1)。这样就可以避免第一种情况和第二种情况所导致的第一个数增加多个。
18.另一种可能的实现方式中，针对多个轨迹点中每个轨迹点，该轨迹点与其相邻点之间的距离小于或等于目标行驶距离；相邻点是指多个轨迹点中采集时间与该轨迹点的采集时间相邻的轨迹点；预设数目大于2。
19.可以理解的是，目标行驶距离可以指车辆在一个采集时长内正常行驶的距离，则每个轨迹点与其相邻点之间的距离不大于(即小于或等于)该目标行驶距离。而一个轨迹点
对应2个相邻点，也就是说，真实的行驶轨迹中每个轨迹点和其对应的2个相邻点之间的距离都不大于该目标行驶距离。那么，如果一个行驶轨迹中的一个轨迹点和2个以上的其他轨迹点之间的距离都不大于该目标行驶距离，则可以确定该轨迹点可能存在异常。因此，可以设置该预设数目大于2。
20.另一种可能的实现方式中，该出行数据还包括驾驶员信息。该方法还包括：在确定行驶轨迹异常的情况下，根据驾驶员信息，统计驾驶员信息所指示的驾驶员在预设时长内的异常行驶轨迹的个数；然后，若异常行驶轨迹的个数大于或等于预设次数，发出提示信息。该提示信息表征驾驶员信息指示的驾驶员的行驶轨迹异常。
21.可以理解的是，为了排除一个驾驶员出现一次或几次异常行驶轨迹是偶然发生的，可以设置一个预设时长内发生异常行驶轨迹的预设次数。如果一个驾驶员在一个预设时长内发生异常行驶轨迹的次数超出预设次数，可以确认该驾驶员有意篡改行驶轨迹，则电子设备可以发出提示信息。
22.第二方面，本技术提供一种异常轨迹的识别装置。该异常轨迹的识别装置包括用于执行第一方面或第一方面中任一种可能的设计方式所述的方法的各个模块。
23.第三方面，本技术提供一种电子设备，该电子设备包括存储器和处理器。上述存储器和处理器耦合。该存储器用于存储计算机程序代码，该计算机程序代码包括计算机指令。当处理器执行该计算机指令时，使得电子设备执行如第一方面及其任一种可能的设计方式所述的异常轨迹的识别方法。
24.第四方面，本技术提供一种芯片系统，该芯片系统应用于异常轨迹的识别装置；芯片系统包括一个或多个接口电路，以及一个或多个处理器。接口电路和处理器通过线路互联；接口电路用于从异常轨迹的识别装置的存储器接收信号，并向处理器发送信号，信号包括存储器中存储的计算机指令。当处理器执行计算机指令时，使得电子设备执行如第一方面及其任一种可能的设计方式所述的异常轨迹的识别方法。
25.第五方面，本技术提供一种计算机可读存储介质，该计算机可读存储介质存储有计算机指令，当所述计算机指令在电子设备上运行时，使得电子设备执行如第一方面及其任一种可能的设计方式所述的异常轨迹的识别方法。
26.第六方面，本技术提供一种计算机程序产品，该计算机程序产品包括计算机指令，当计算机指令在电子设备上运行时，使得电子设备执行如第一方面及其任一种可能的设计方式所述的异常轨迹的识别方法。
27.本技术中第二方面到第六方面及其各种实现方式的具体描述，可以参考第一方面及其各种实现方式中的详细描述；并且，第二方面到第六方面及其各种实现方式的有益效果，可以参考第一方面及其各种实现方式中的有益效果分析，此处不再赘述。
28.本技术的这些方面或其他方面在以下的描述中会更加简明易懂。
附图说明
29.图1a为本技术实施例提供的一种异常行驶轨迹的示意图一；
30.图1b为本技术实施例提供的一种异常行驶轨迹的示意图二；
31.图1c为本技术实施例提供的一种异常行驶轨迹的示意图三；
32.图2为本技术实施例提供的一种异常轨迹的识别方法所涉及的实施环境示意图
一；
33.图3为本技术实施例提供的一种异常轨迹的识别方法所涉及的实施环境示意图二；
34.图4为本技术实施例提供的一种异常轨迹的识别方法所涉及的实施环境示意图三；
35.图5为本技术实施例提供的一种异常轨迹的识别方法的流程图；
36.图6为本技术实施例提供的一种行驶轨迹的示意图；
37.图7为本技术实施例提供的一种异常轨迹的识别装置的结构示意图；
38.图8为本技术实施例提供的一种电子设备的结构示意图。
具体实施方式
39.以下，术语“第一”、“第二”和“第三”等仅用于描述目的，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”或“第三”等的特征可以明示或者隐含地包括一个或者更多个该特征。
40.目前，网约车的兴起及推广，为用户的出行带来了极大的便利。但是，存在一些网约车会篡改出行数据中的行驶轨迹，以提高根据假的行驶轨迹确定出的行驶里程。从而可以提高根据该行驶里程计算出的行驶费用。为了识别篡改后的假的行驶轨迹(可以称为异常的行驶轨迹)，相关方案借助与该出行数据对应的推荐行驶轨迹，判断上报的行驶轨迹是否异常。但是，在一些情况下，例如，路况不佳，乘客指定路线等，网约车真实的行驶轨迹和推荐行驶路径本身就存在偏差。针对这些情况，利用推荐行驶路径无法准确判断网约车的行驶轨迹是否异常。
41.本技术实施例中，通过对一些异常的行驶轨迹进行分析，可以发现网约车在篡改行驶轨迹的时候，为了保证篡改后的行驶轨迹看起来不易被发现，以及篡改后的行驶轨迹与真实的行驶轨迹之间的差距在一定范围内，通常会将真实的行驶轨迹中的某一段轨迹进行重放。也就是说，异常的行驶轨迹可以包括一段重复的轨迹。
42.其中，重放轨迹的异常的行驶轨迹可以分为多种轨迹类型。该多种轨迹类型可以包括：轨迹突变重放型、轨迹不突变重放型、以及重返出发点型。轨迹突变重放型可以是指：行驶轨迹中的车辆在行驶过程中跳转至一个走过的轨迹点，再从该走过的轨迹点重走之前走过的路径。轨迹不突变重放型可以是指：行驶轨迹中的一段轨迹重复出现多次。重返出发点型可以是指：行驶轨迹不仅包括从起点到终端的轨迹，还包括从终点到起点的轨迹。
43.示例性地，如图1a所示的轨迹突变重放型的行驶轨迹，在该轨迹突变重放型的行驶轨迹中，车辆从起点111出发，经过轨迹点112、轨迹点113、轨迹点114，到达轨迹点115。然后，车辆从轨迹点115行驶回走过的轨迹点112，再从该轨迹点112重走之前走过的路径，经过轨迹点112、轨迹点113、轨迹点114，到达轨迹点115。最后，车辆从轨迹点115行驶到终点116。
44.可以看出，该轨迹突变重放型的行驶轨迹中的一段轨迹(即包括轨迹点112、轨迹点113、轨迹点114和轨迹点115的第一轨迹)重复出现，轨迹点112也重复出现。该轨迹突变重放型的行驶轨迹中第二次出现的该第一轨迹就是网约车虚构的。
45.示例性地，如图1b所示的轨迹不突变重放型的行驶轨迹，在该轨迹不突变重放型
的行驶轨迹中，车辆从起点121出发，经过轨迹点122和轨迹点123，到达终点124。车辆又从终点124调头行驶到轨迹点123，再重新从轨迹点123行驶到轨迹点122。最后，车辆从轨迹点122，经过轨迹点123，到达终点124。
46.可以看出，车辆从轨迹点122行驶至轨迹点123后，又重新返回至轨迹点123，并从轨迹点123行驶至轨迹点122。然后，车辆再从轨迹点122行驶到终点124。该轨迹不突变重放型的行驶轨迹中的一段轨迹(即从轨迹点122到轨迹点123的第二轨迹)重复出现多次，轨迹点122、轨迹点123和终点124也都重复出现。该轨迹不突变重放型的行驶轨迹中第二次、第三次出现的该第二轨迹就是网约车虚构的。
47.示例性地，如图1c所示的重返出发点型的行驶轨迹，在该重返出发点型的行驶轨迹中，车辆从起点131出发，经过轨迹点132和轨迹点133，到达终点134。然后，车辆又从终点134沿着相同的轨迹行驶到起点131。
48.可以看出，车辆到达终端134后，又从终点134沿着相同的轨迹行驶回起点131。该重返出发点型的行驶轨迹中的一段轨迹(即从起点131到终点134的第三轨迹)重复出现，起点131也重复出现。该重返出发点型的行驶轨迹中第二次出行的该第三轨迹就是网约车虚构的。
49.综合上述图1a、图1b和图1c所示的几种异常的行驶轨迹，可以看出，这些异常的行驶轨迹都包括一段重复出现的轨迹。针对这段重复出现的轨迹中的每个轨迹点，在间隔一段时长后能够再次采集到与该轨迹点的采集位置相近的轨迹点。因此，本技术实施例提供一种异常轨迹的行驶方法，可以针对车辆的行驶轨迹中每个轨迹点，确定该轨迹点与除该轨迹点之外的多个其他轨迹点之间的距离；再判断这多个其他轨迹点中是否存在与该轨迹点的采集位置相近、且与该轨迹点的采集时间间隔多个采集时长的其他轨迹点。若存在与该轨迹点的采集位置相近、且与该轨迹点的采集时间间隔多个采集时长的其他轨迹点，说明该行驶轨迹很有可能包括重复出现的轨迹；并且，与该轨迹点的采集位置相近、且与该轨迹点的采集时间间隔多个采集时长的其他轨迹点越多，说明重复出现的轨迹的越长。因此，如果确定出与该轨迹点的采集位置相近、且与该轨迹点的采集时间间隔多个采集时长的其他轨迹点，则可以确定该行驶轨迹异常。
50.下面将结合附图对本技术实施例的实施方式进行详细描述。
51.请参考图2，其示出本技术实施例提供的一种异常轨迹的识别方法所涉及的实施环境示意图。如图2所示，该实施环境可以包括：服务器200、终端210、以及多个用于采集车辆的出行数据的采集设备220。其中，多个采集设备220分别安装在不同的车辆内。
52.示例性地，每个采集设备220可以包括gps模块、计时模块和输入模块(如，触摸屏)。图2中未示出采集模块220中的gps模块、计时模块和输入模块。gps模块用于采集行驶轨迹中多个轨迹点的经纬度、以及乘客的上下车经纬度。计时模块用于记录多个轨迹点的采集时间、以及乘客的上下车时间。输入模块用于采集驾驶员输入的驾驶员信息、车辆信息等。其中，行驶轨迹由多个轨迹点组成，该行驶轨迹中的多个轨迹点的采集位置可以表示出完整的该行驶轨迹。
53.服务器200可以从每个车辆中的采集设备220接收该车辆的出行数据。该出行数据可以包括：乘客的上下车经纬度、上下车时间、行驶轨迹中多个轨迹点的经纬度和采集时间、驾驶员信息、以及车辆信息等。服务器200还可以根据多个轨迹点的经纬度，确定出行驶
里程。
54.具体地，如图3所示，终端210可以接收用户输入的第一操作，该第一操作用于指示目标区域和目标车辆类型(如，网约车，出租车)等。然后，终端210响应于该第一操作，可以从服务器200获取行驶在目标区域内的、属于目标车辆类型的车辆的出行数据。终端210再对该出行数据中的多个轨迹点之间的距离进行判断，以确定该出行数据中的行驶轨迹是否异常。若该行驶轨迹异常，可以发出提示信息，该提示信息用于表征该车辆的行驶轨迹异常。例如，终端210可以通过显示屏显示该提示信息。
55.或者，如图4所示，终端210响应于该第一操作，可以向服务器200发送包括目标信息。该目标信息包括目标区域和目标车辆类型等。服务器200可以获取行驶在目标区域内的、属于目标车辆类型的车辆的出行数据。服务器200再对该出行数据中的多个轨迹点之间的距离进行判断，以确定该出行数据中的行驶轨迹是否异常。若该行驶轨迹异常，可以向终端210发送上述提示信息。终端210可以发出该提示信息。
56.示例性的，本技术实施例中的终端210可以是手机、平板电脑、桌面型、膝上型、笔记本电脑、上网本等，本技术实施例对该终端210的具体形态不作特殊限制。
57.需要说明的是，本技术实施例提供的异常轨迹的识别方法可以应用于上述服务器200，也可以应用于上述终端210，还可以应用于上述服务器200和终端210。该服务器200和该终端210可以统称为电子设备。本技术实施例提供的异常轨迹的识别方法的执行主体还可以为异常轨迹的识别装置。该识别装置可以为电子设备；或者，该识别装置可以为该电子设备安装的提供异常轨迹的识别功能的应用程序(application，app)；或者，该识别装置可以为该电子设备中的中央处理器(central processing unit，cpu)；又或者，该识别装置可以为该电子设备中的用于执行异常轨迹的识别方法的控制模块。
58.下面以电子设备为例，对本技术实施例提供的异常轨迹的识别方法进行详细说明。
59.请参考图5，为本技术实施例提供的一种异常轨迹的识别方法的流程图。如图5所示，该方法可以包括s501-s504。
60.s501、电子设备获取车辆的出行数据；出行数据包括：行驶轨迹中多个轨迹点的采集位置和采集时间。
61.电子设备可以获取任意一个车辆的出行数据，或者获取属于目标车辆类型的车辆的出行数据。该目标车辆类型可以包括：网约车和/或出租车。
62.其中，每个轨迹点的采集位置可以是该轨迹点的经纬度。该出行数据还可以包括：该出行数据对应的订单标识、乘客的上下车位置(如，上下车经纬度)、上下车时间、驾驶员信息、以及车辆信息等等。车辆信息可以是车辆标识，如，车辆编号，车牌号码等。
63.s502、电子设备获取车辆在一个采集时长内的目标行驶距离。
64.电子设备可以根据一个采集时长和该车辆的目标行驶速度，计算该目标行驶距离，并保存该目标行驶距离。或者，电子设备可以直接获得目标行驶距离，例如，该目标行驶距离可以是上述第一操作所指示的。
65.其中，该采集时长可以是指轨迹点的采集周期，即相邻的两个采集时间之间的间隔时长。目标行驶速度可以是该车辆的最高行驶速度、或者是该车辆所在区域的最高限速。
66.示例性地，采集时长t的单位可以是秒(s)，目标行驶速度v的单位可以是公里/小
时(km/h)，则电子设备可以将采集时长t和该车辆的目标行驶速度v，代入如下式(1)所示的距离计算公式，得到该目标行驶距离d。该目标行驶距离d的单位是米(m)。
67.d＝t*v*103/3600(1)
68.例如，采集时长t可以是5s，目标行驶速度v可以是120km/h，则电子设备计算得到目标行驶距离d是167m。
69.本技术实施例中，多个轨迹点中每个轨迹点与其相邻点之间的距离可以小于或等于目标行驶距离。每个轨迹点的相邻点是指多个轨迹点中采集时间与该轨迹点的采集时间相邻的轨迹点。
70.例如，按照采集时间的先后顺序排列的多个轨迹点可以包括：轨迹点p1、轨迹点p2、轨迹点p3、轨迹点p4等等。轨迹点p1对应的相邻点包括轨迹点p2。轨迹点p2对应的相邻点包括轨迹点p1和轨迹点p3。轨迹点p3对应的相邻点包括轨迹点p2和轨迹点p4。
71.在一些实施例中，由于每一天早上时段和下午时段车辆拥堵严重，导致车辆的行驶速度比较慢。因此，目标行驶速度是可变的，不同时间段对应的目标行驶速度不同。在这种情况下，电子设备可以确定车辆的出行数据中乘客的上下车时间所属的目标时间段。然后，电子设备可以从时间段和行驶速度的对应关系中，确定该目标时间段对应的目标行驶速度。
72.其中，若乘客的上车时间属于第一时间段，乘客的下车时间属于第二时间段，则电子设备可以将第一时间段对应的行驶速度和第二时间段对应的行驶速度中最大的行驶速度，作为目标行驶速度。第一时间段和第二时间段是不同的时间段。
73.例如，时间段和行驶速度的对应关系可以包括：7时-9时和17时-19时对应行驶速度v1，19时-24时和0时-7时对应行驶速度v2。行驶速度v1小于行驶速度v2。
74.需要说明的是，不同区域对应的目标行驶速度也可以不同。电子设备根据出行数据中的行驶轨迹所在区域，确定目标行驶速度的具体过程，可以参见上述电子设备根据出行数据中乘客的上下车时间确定目标行驶速度的详细介绍，本技术实施例这里不予赘述。
75.另外，电子设备可以先执行s501再执行s502，或者，先执行s502再执行s501，本技术实施例对s501和s502的先后顺序不作限制。
76.s503、电子设备针对多个轨迹点中每个轨迹点，根据多个轨迹点的采集位置，确定多个轨迹点中除轨迹点之外的其他轨迹点与该轨迹点之间的距离。
77.其中，每个轨迹点对应的其他轨迹点可以有多个，并且，多个其他轨迹点可以包括该轨迹点的相邻点。电子设备可以根据每个轨迹点的采集位置和该轨迹点对应的每个其他轨迹点的采集位置，计算该轨迹点和该其他轨迹点之间的距离。进而，电子设备可以确定出多个轨迹点各自与其对应的其他轨迹点之间的距离。
78.示例性地，如图6所示的一条行驶轨迹，该行驶轨迹中按照采集时间的先后顺序排列的多个轨迹点可以包括：轨迹点p1、轨迹点p2、轨迹点p3、轨迹点p4、轨迹点p5、轨迹点p6、轨迹点p7、轨迹点p8、轨迹点p9、轨迹点p10、轨迹点p11、轨迹点p12、轨迹点p13、轨迹点p14、轨迹点p15、轨迹点p16、轨迹点p17、轨迹点p18、轨迹点p19、轨迹点p20、轨迹点p21、轨迹点p22。其中，轨迹点p1的采集位置是乘客的上车位置，轨迹点p22的采集位置是乘客的下车位置。
79.以图6中的轨迹点p9为例，该轨迹点p9对应的多个其他轨迹点包括：轨迹点p1至轨
迹点p8、以及轨迹点p10至轨迹点p22。电子设备可以计算该轨迹点p9和其对应的每个其他轨迹点之间的距离。
80.在一些实施例中，多个轨迹点的采集位置可以是经纬度，则电子设备可以采用距离计算公式，计算每个轨迹点和其对应的每个其他轨迹点之间的距离。该距离计算公式可以包括半正矢公式(haversine equation)、vincenty公式。
81.例如，一个轨迹点的采集位置可以包括该轨迹点的经度lon1和纬度lat1。该轨迹点对应的一个其他轨迹点的采集位置可以包括该其他轨迹点的经度lon2和纬度lat2。电子设备可以利用半正矢公式，计算该轨迹点和该其他轨迹点之间的距离d
haversine
。其中，半正矢公式如下式(2)所示：
[0082][0083]
其中，r为地球半径，单位为米。arcsin是反正弦函数(arcsin function)。
[0084]
s504、电子设备根据距离和目标行驶距离，确定行驶轨迹是否异常。
[0085]
电子设备可以在确定出多个轨迹点各自与其对应的其他轨迹点之间的距离后，判断每个距离是否大于目标行驶距离；再根据判断结果，确定行驶轨迹是否异常。
[0086]
在一些实施例中，电子设备可以针对每个轨迹点，统计第一个数。第一个数是距离小于或等于目标行驶距离的其他轨迹点的个数。若第一个数大于预设数目，则电子设备可以确定该轨迹点是异常轨迹点。然后，电子设备可以根据异常轨迹点，确定行驶轨迹是否异常。
[0087]
电子设备可以对多个轨迹点中的每个轨迹点，统计第一个数。电子设备再判断每个轨迹点的第一个数是否大于预设数目。若一个轨迹点的第一个数大于预设数目，则电子设备可以确定该轨迹点是异常轨迹点。若一个轨迹点的第一个数不大于预设数目，则电子设备可以确定该轨迹点不是异常轨迹点。
[0088]
其中，目标行驶距离可以指车辆在一个采集时长内正常行驶的距离，则每个轨迹点与其相邻点之间的距离不大于(即小于或等于)该目标行驶距离。而一个轨迹点对应2个相邻点，也就是说，真实的行驶轨迹中每个轨迹点和其对应的2个相邻点之间的距离都不大于该目标行驶距离。那么，如果一个行驶轨迹中的一个轨迹点和2个以上的其他轨迹点之间的距离都不大于该目标行驶距离，则可以确定该轨迹点可能存在异常。因此，可以设置该预设数目大于2。该预设数目可以是上述第一操作所指示的。
[0089]
例如，该预设数目取值为3、4或5等。
[0090]
进一步地，车辆在行驶过程中可能由于等红灯、堵车等原因，行驶速度减慢或行驶速度降为0，则可能出现以下第一种情况：车辆在一个轨迹点上停留一会儿，车辆连续行驶过的3个以上的轨迹点中每两个相邻的轨迹点之间的距离都小于目标行驶距离。若一个轨迹点符合上述第一种情况，则该轨迹点不仅和其2个相邻点之间的距离小于目标行驶距离，还和该轨迹点的相邻点的相邻点之间的距离也小于目标行驶距离。这样就会导致该轨迹点的第一个数增加多个。
[0091]
其次，还存在第二种情况，即目标行驶距离设置的过小，也可能导致采集时间连续的3个及以上的轨迹点之间的距离都小于目标行驶距离。这样也会导致一个轨迹点的第一个数增加多个。
[0092]
综上所述，由于上述行驶过程中正常的第一种情况、以及人为引起的第二种情况，都可能导致第一个数增加多个。而第一个数增加多个后，可能就超过预设数目，导致该轨迹点就被错误地确认为异常轨迹点。因此，电子设备在统计每个轨迹点的第一个数的时候，需要排除第一种情况和第二种情况所导致的第一个数的增加。
[0093]
具体地，若距离小于或等于目标行驶距离的其他轨迹点包括多个第一轨迹点，且多个第一轨迹点的采集时间连续，则电子设备可以统计多个第一轨迹点的个数为1(即将多个第一轨迹点在第一个数中记1)。若距离小于或等于目标行驶距离的其他轨迹点包括多个第二轨迹点，且多个第二轨迹点的采集时间都不连续，则在第一个数中统计多个第二轨迹点的个数。
[0094]
示例性地，以图6所示的多个轨迹点中的轨迹点p9、以及目标行驶距离d1为例，电子设备可以计算得到的轨迹点p9与其对应的其他轨迹点之间的距离可以包括：轨迹点p9与轨迹点p8之间的距离d[8，9]，轨迹点p9与轨迹点p10之间的距离d[9，10]，轨迹点p9与轨迹点p15之间的距离d[9，15]，轨迹点p9与轨迹点p16之间的距离d[9，16]，轨迹点p9与轨迹点p18之间的距离d[9，18]等等。电子设备可以确定d[8，9]、d[9，10]、d[9，15]、d[9，16]和d[9，18]都小于目标行驶距离d1。
[0095]
其中，轨迹点p15和轨迹点p16的采集时间连续，则轨迹点p15和轨迹点p16是多个第一轨迹点，电子设备可以针对轨迹点p15和轨迹点p16，在轨迹点p9的第一个数中记1个。轨迹点p8、轨迹点p10和轨迹点p18都是第二轨迹点，电子设备可以在轨迹点p9的第一个数中统计轨迹点p8、轨迹点p10和轨迹点p18的个数(即3个)。
[0096]
在一些实施例中，电子设备确定多个轨迹点中的每个轨迹点是否是异常轨迹点之后，可以统计第二个数。第二个数是多个轨迹点中的异常轨迹点的个数。然后，电子设备可以根据第二个数，确定行驶轨迹是否异常。
[0097]
例如，电子设备可以判断第二个数是否大于预设数值，以确定行驶轨迹是否异常。若第二个数大于预设数值，则确定行驶轨迹异常。
[0098]
其中，该预设数值可以是上述第一操作所指示的。例如，预设数值取值为2，3或4。
[0099]
又例如，电子设备可以确定第二个数在多个轨迹点的总个数的占比，再根据该占比确定行驶轨迹是否异常。若该占比大于或等于预设比例阈值，则确定行驶轨迹异常。
[0100]
电子设备可以用该第二个数除以该多个轨迹点的总个数，得到该占比。其中，该占比是行驶轨迹中异常轨迹点在多个轨迹点中的占比。该占比可以反映出该行驶轨迹中重复出现的轨迹在该行驶轨迹中的占比。该占比越大，则该行驶轨迹中重复出现的轨迹在该行驶轨迹中的占比也越大。因此可知，该占比较大的话，表征该行驶轨迹异常。
[0101]
其中，预设比例阈值可以设置为20％或30％等等。该预设比例阈值可以是上述第一操作所指示的。
[0102]
可以理解的是，该占比可以表征行驶轨迹中异常轨迹点在多个轨迹点中的占比。该占比可以反映出该行驶轨迹中重复出现的轨迹在该行驶轨迹中的占比。该占比越大，则该行驶轨迹中重复出现的轨迹在该行驶轨迹中的占比也越大。因此可知，该占比较大的话，可以准确确定出该行驶轨迹异常。例如，用于判断该占比的预设比例阈值可以设置为30％。
[0103]
本技术实施例中，电子设备在确定出行数据中的行驶轨迹异常之后，还可以针对该出行数据中的驾驶员，统计其异常行驶轨迹的个数。若其异常行驶轨迹的总个数大于或
等于预设次数，表示该驾驶员出现异常行驶轨迹的次数较多，需要被重点关注。进而，电子设备可以发出提示信息，用于提示重点关注该驾驶员。
[0104]
具体地，该出行数据还包括驾驶员信息。电子设备在在确定行驶轨迹异常的情况下，可以根据驾驶员信息，统计驾驶员信息所指示的驾驶员在预设时长内的异常行驶轨迹的个数。然后，若异常行驶轨迹的个数大于或等于预设次数，电子设备可以发出提示信息。该提示信息表征驾驶员信息指示的驾驶员的行驶轨迹异常。
[0105]
其中，电子设备可以通过显示屏显示该提示信息，或者通过语音播放该提示信息等等。
[0106]
其中，预设次数和预设时长是相关的。预设时长越长，预设次数越大。预设时长和预设次数都可以是上述第一操作所指示的。
[0107]
其中，该提示信息可以包括该驾驶员在预设时长内的行驶轨迹异常的出行数据的具体内容、行驶轨迹异常的出行数据的个数等。
[0108]
可以理解的是，为了排除一个驾驶员出现一次或几次异常行驶轨迹是偶然发生的，可以设置一个预设时长内发生异常行驶轨迹的预设次数。如果一个驾驶员在一个预设时长内发生异常行驶轨迹的次数超出预设次数，可以确认该驾驶员有意篡改行驶轨迹，则电子设备可以发出提示信息。
[0109]
需要说明的是，电子设备除了以驾驶员为维度，统计异常行驶轨迹的个数，还可以以车辆为维度，统计异常行驶轨迹的个数。电子设备以车辆为维度统计异常行驶轨迹的个数的过程，可以参见以驾驶员为维度，统计异常行驶轨迹的个数的具体介绍，本技术实施例这里不予赘述。
[0110]
上述主要从方法的角度对本技术实施例提供的方案进行了介绍。为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术目标应该很容易意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，本技术能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术目标可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
[0111]
本技术实施例还提供一种异常轨迹的识别装置。如图7所示，为本技术实施例提供的一种异常轨迹的识别装置700的结构示意图。该识别装置700可以包括：数据获取模块701、距离确定模块702和异常判断模块703。
[0112]
其中，数据获取模块701，用于获取车辆的出行数据；出行数据包括：行驶轨迹中多个轨迹点的采集位置和采集时间；获取车辆在一个采集时长内的目标行驶距离。距离确定模块702，用于针对多个轨迹点中每个轨迹点，根据多个轨迹点的采集位置，确定多个轨迹点中除轨迹点之外的其他轨迹点与轨迹点之间的距离。异常判断模块703，用于根据距离和目标行驶距离，确定行驶轨迹是否异常。
[0113]
在一种可能的实现方式中，异常判断模块703，具体用于：针对每个轨迹点，统计第一个数；第一个数是距离小于或等于目标行驶距离的其他轨迹点的个数；若第一个数大于预设数目，确定轨迹点是异常轨迹点；统计第二个数；第二个数是多个轨迹点中的异常轨迹点的个数；根据第二个数和多个轨迹点的总个数，确定行驶轨迹是否异常。
[0114]
另一种可能的实现方式中，异常判断模块703，具体用于：若距离小于或等于目标
subscriber line，dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可以用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质(例如，软盘、硬盘、磁带)，光介质(例如，dvd)、或者半导体介质(例如固态硬盘(solid state disk，ssd))等。
[0125]
以上所述，仅为本技术的具体实施方式。熟悉本技术领域的技术人员根据本技术提供的具体实施方式，可想到变化或替换，都应涵盖在本技术的保护范围之内。