一种定位方法、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，尤其涉及一种定位方法、装置、电子设备及存储介质。


背景技术：

2.目前，除了一些正规的生猪处理企业，还存在一些不正规的生猪处理点(可以称为异常的预设行为发生地)。为了消除这些异常的预设行为发生地，需要先查找出这些异常的预设行为发生地，才能采用有效手段关闭这些异常的预设行为发生地。从而有效减少异常的预设行为发生地的数量。
3.然而，由于异常的预设行为发生地往往都是非常隐蔽的，很难查找。目前仍存在无法自动查找出异常的预设行为发生地的问题。


技术实现要素：

4.本技术提供一种定位方法、装置、电子设备及存储介质，可以自动定位出异常的预设行为发生地所在的区域。
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定位方法，该方法包括：先获取待分析的车辆轨迹数据；再确定待分析的车辆轨迹数据中的待分析采集点；然后，针对任一待分析采集点，根据待分析采集点的位置、以及现有的预设行为发生地的位置，判断待分析采集点是否异常；最后，基于异常的待分析采集点，对异常的预设行为发生地进行定位。
7.其中，待分析采集点包括第一采集点和/或第二采集点。一个第一采集点表征一个行驶轨迹的往返临界点。一个第二采集点表征一个行驶轨迹中车辆从运输有目标对象到无运输目标对象的变化中、或者车辆从无运输目标对象到运输有目标对象的变化中的目标采集点。目标采集点包括运输有目标对象的采集点和/或无运输目标对象的采集点。
8.可以理解的是，本技术实施例提供的方法，先获取待分析的车辆轨迹数据；再确定待分析中的车辆轨迹数据中的待分析采集点。该待分析采集点可以包括第一采集点和/或第二采集点。一个第一采集点表征一个行驶轨迹的往返临界点，一个行驶轨迹的往返临界点的周边可能存在异常的预设行为发生地。一个第二采集点表征一个行驶轨迹中车辆运输的目标对象发生变化中的目标采集点。由于一个第二采集点上出现的车辆运输的目标对象发生变化，则可知车辆可能在该第二采集点的附近装卸目标对象，也就是说，该第二采集点的周边也可能存在异常的预设行为发生地。因此，可以继续针对任一个待分析采集点(即任一个第一采集点或任一个第二采集点)，根据该待分析采集点的位置、以及现有的预设行为发生地的位置，判断该待分析采集点是否异常。
9.其中，该待分析采集点的位置与现有的预设行为发生地的位置的远近，可以反映出该待分析采集点周边是否有未知的异常的预设行为发生地。例如，该待分析采集点与现有的正常的预设行为发生地较远，待分析的车辆还前往该待分析采集点，则该待分析采集
点周边存在异常的预设行为发生地的可能性很高。又例如，该待分析采集点与现有的异常的预设行为发生地较近，待分析的车辆还前往该待分析采集点，则表示与该待分析采集点较近的异常的预设行为发生地仍旧处于工作状态的可能性很高，即该待分析采集点的周边存在异常的预设行为发生地的可能性很高。因此，根据该待分析采集点与现有的预设行为发生地的距离，可以确定出该待分析采集点的周边是否存在异常的预设行为发生地。
10.进而，根据周边存在异常的预设行为发生地的待分析采集点的位置，可以确定存在异常的预设行为发生地的区域。这样就实现了自动定位出异常的预设行为发生地所在的区域。
11.在一种可能的实现方式中，上述针对任一待分析采集点，根据待分析采集点的位置、以及现有的预设行为发生地的位置，判断待分析采集点是否异常，包括：根据待分析采集点的位置和现有的预设行为发生地中至少一个正常的预设行为发生地的位置，确定第一距离；根据第一采集点的位置和现有的预设行为发生地中至少一个异常的预设行为发生地的位置，确定第二距离；若满足第一距离大于第一距离阈值和第二距离小于第一距离阈值中的至少一项，则确定待分析采集点异常。
12.其中，第一距离是待分析采集点和至少一个正常的预设行为发生地中的距离最近的一个正常的预设行为发生地之间的距离。第二距离是待分析采集点和至少一个异常的预设行为发生地中的距离最近的一个异常的预设行为发生地之间的距离。
13.在这种设计方式中，一个待分析采集点与最近的现有正常的预设行为发生地的距离(即第一距离)大于第一距离阈值，表示该待分析采集点与最近的现有正常的预设行为发生地的距离较远。而该待分析采集点与最近的现有正常的预设行为发生地的距离较远的情况下，如果该待分析采集点上出现可能运输目标对象的车辆，则可以确定该待分析采集点周边存在异常的预设行为发生地的可能性很高。因此，电子设备可以确定该待分析采集点异常，以将该待分析采集点，用于定位异常的预设行为发生地。
14.其次，一个待分析采集点与最近的现有异常的预设行为发生地的距离(即第二距离)小于第一距离阈值，表示该待分析采集点与最近的现有异常的预设行为发生地的距离较近。而该待分析采集点与最近的现有异常的预设行为发生地的距离较远的情况下，如果该待分析采集点上出现可能运输目标对象的车辆，则可以确定与该待分析采集点较近的现有异常的预设行为发生地仍旧处于工作状态的可能性很高，即该待分析采集点周边存在异常的预设行为发生地的可能性很高。因此，电子设备可以确定该待分析采集点异常，以将该待分析采集点，用于定位异常的预设行为发生地。
15.另一种可能的实现方式中，上述基于异常的待分析采集点，对异常的预设行为发生地进行定位，包括：获取目标车辆信息，并根据目标车辆信息以及异常的待分析采集点采集的图像，判断异常的待分析采集点上是否出现符合目标车辆信息的第一车辆；其中，目标车辆信息表征具有运输目标对象的可能性的车辆的信息；若异常的待分析采集点上出现第一车辆，则至少根据异常的待分析采集点上出现的第一车辆的轨迹数据，统计第一特征；第一特征包括异常的待分析采集点上出现的第一车辆的出行特征，和异常的待分析采集点上出现的第一车辆的车辆特征中的至少一项；根据第一特征，对异常的预设行为发生地进行定位。
16.另一种可能的实现方式中，上述至少根据异常的待分析采集点上出现的第一车辆
的轨迹数据，统计第一特征，包括：从异常的待分析采集点上出现的第一车辆的轨迹数据中，获取第一轨迹数据；第一轨迹数据包括异常的待分析采集点；至少根据获取的第一轨迹数据，统计车辆总数、车辆类型总数、车辆往返频次的总数、以及第三距离中的至少一项。
17.其中，第三距离表征车辆所属人员的居住地址与异常的待分析采集点之间的距离；车辆总数、车辆类型总数和车辆往返频次的总数属于出行特征；第三距离属于车辆特征。
18.另一种可能的实现方式中，上述根据第一特征，对异常的预设行为发生地进行定位，包括：根据第一特征，判断异常的待分析采集点的周边是否存在异常的预设行为发生地；在异常的待分析采集点的周边存在异常的预设行为发生地的情况下，针对异常的待分析采集点上出现的第一车辆，获取与至少一个车辆所属人员对应的至少一个第四距离；若任一个第四距离小于或等于第二距离阈值，则确定任一个第四距离对应的车辆所属人员的居住地址是异常的预设行为发生地；若至少一个第四距离均大于第二距离阈值，则根据异常的待分析采集点的位置，确定异常的预设行为发生地。
19.其中，每个第四距离是其对应的车辆所属人员的居住地址与异常的待分析采集点之间的距离。
20.另一种可能的实现方式中，该方法还包括：确定待分析采集点对应的相邻采集点，并确定相邻采集点为待分析采集点；相邻采集点和其对应的待分析采集点之间的距离小于第三距离阈值。
21.在该设计方式中，由于一些用于异常的预设行为中的车辆为了避免暴露异常的预设行为发生地，其在运输目标对象的过程中不会行驶至异常的预设行为发生地，而是行驶至与异常的预设行为发生地有一定距离的安全位置，再采用其他方式在安全位置与异常的预设行为发生地之间运输目标对象。因此，电子设备在确定出待分析采集点之后，可以再获取与待分析采集点相邻的采集点，用于更新待分析采集点。从而，可以发现出更多异常的待分析采集点，减少对异常的待分析采集点的遗漏。
22.第二方面，本技术提供一种定位装置。该定位装置包括：用于执行第一方面及其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定位方法。
24.第四方面，本技术提供一种芯片系统，该芯片系统应用于定位装置；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；接口电路用于从定位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定位方法。
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定位方法。
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定位方法。
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1为本技术实施例提供的一种定位方法所涉及的实施环境示意图一；
30.图2为本技术实施例提供的一种定位方法所涉及的实施环境示意图二；
31.图3为本技术实施例提供的一种定位方法所涉及的实施环境示意图三；
32.图4为本技术实施例提供的一种定位方法的流程图一；
33.图5为本技术实施例提供的一个车辆行驶轨迹对应的第一采集点的示意图；
34.图6a为本技术实施例提供的一个第一采集点与现有的预设行为发生地之间的距离示意图一；
35.图6b为本技术实施例提供的一个第一采集点与现有的预设行为发生地之间的距离示意图二；
36.图7为本技术实施例提供的一种定位方法的流程图二；
37.图8为本技术实施例提供的确定存在异常的预设行为发生地的区域的示意图；
38.图9为本技术实施例提供的一种定位装置的结构示意图；
39.图10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
40.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。
41.针对无法自动定位出异常的预设行为发生地所在区域的问题，本技术实施例提供一种定位方法，可以先获取待分析的车辆轨迹数据；再确定待分析中的车辆轨迹数据中的待分析采集点。该待分析采集点可以包括第一采集点和/或第二采集点。一个第一采集点表征一个行驶轨迹的往返临界点，一个行驶轨迹的往返临界点的周边可能存在异常的预设行为发生地。一个第二采集点表征一个行驶轨迹中车辆运输的目标对象发生变化中的目标采集点，该目标采集点的周边也可能存在异常的预设行为发生地。因此，可以继续针对任一个待分析采集点(即任一个第一采集点或任一个第二采集点)，根据该待分析采集点的位置、以及现有的预设行为发生地的位置，判断该待分析采集点是否异常。
42.其中，该待分析采集点的位置与现有的预设行为发生地的位置的远近，可以反映出该待分析采集点周边是否有未知的异常的预设行为发生地。例如，该待分析采集点与现有的正常的预设行为发生地较远，待分析的车辆还前往该待分析采集点，则该待分析采集点周边存在异常的预设行为发生地的可能性很高。又例如，该待分析采集点与现有的异常的预设行为发生地较近，待分析的车辆还前往该待分析采集点，则表示与该待分析采集点
较近的异常的预设行为发生地仍旧处于工作状态的可能性很高，即该待分析采集点的周边存在异常的预设行为发生地的可能性很高。因此，根据该待分析采集点与现有的预设行为发生地的距离，可以确定出该待分析采集点的周边是否存在异常的预设行为发生地。
43.其次，本技术实施例，还可以结合多个采集点采集的图像、待分析的车辆信息、车辆登记信息、居住人员信息等，分析该待分析采集点上出现的车辆的类型、同一个车辆的往返频次、车辆所属人员的居住地址等等，更准确地确定该待分析采集点周边是否存在异常的预设行为发生地。进而，根据周边存在异常的预设行为发生地的待分析采集点的位置，可以确定存在异常的预设行为发生地的区域。这样就实现了自动定位出异常的预设行为发生地所在的区域。
44.其中，待分析的车辆信息可以是指与预设人员关联的车辆的信息(例如车辆类型、车牌号等)。该预设人员为与预设行为相关的人员，例如，与预设行为相关的从业人员，该从业人员的关系圈内的人员(如，该从业人员的家属或朋友)。与预设行为相关的从业人员可以包括：执行预设行为的人员、运输目标对象的人员、以及交换目标对象的人员。目标对象是指预设行为的处理对象，例如，猪。
45.其中，车辆登记信息可以包括车辆信息和车辆所属人员的身份信息。居住人员信息可以包括人员的身份信息和人员的居住地址。
46.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。
47.请参考图1，其示出本技术实施例提供的一种定位方法所涉及的实施环境示意图。如图1所示，该实施环境可以包括：服务器100、终端110、以及设置在多个采集点的图像采集模块120。其中，多个采集点可以包括：道路卡口、车速监测点等等。
48.服务器100可以获取每个采集点上的图像采集模块120采集的图像。服务器100可以根据多个采集点采集的图像，获取待分析的车辆轨迹数据。其中，待分析的车辆轨迹数据可以包括多个车辆中的每个车辆的一个或多个轨迹数据。每个轨迹数据表征的一个行驶轨迹由多个采集点的位置组成。该行驶轨迹是指车辆从一个起点，到达一个目的地后，再回到该起点的轨迹。该目的地是该行驶轨迹的往返临界点。
49.服务器100还可以获取现有的预设行为发生地的位置、待分析的车辆信息、车辆登记信息、居住人员信息等。
50.具体地，如图2所示，终端110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预设行为等。然后，终端110响应于该第一操作，可以从服务器100获取目标区域内的多个采集点采集的图像、目标区域内的与预设行为关联的人员所使用的车辆信息(可以称为待分析的车辆信息)、车辆登记信息、目标区域内的居住人员信息等。终端110再根据该图像、该待分析的车辆信息、该车辆登记信息、该居住人员信息等，确定存在异常的预设行为发生地的区域。然后，终端110可以发出存在异常的预设行为发生地的区域。例如，终端110可以通过显示屏显示存在异常的预设行为发生地的预设行为发生地的区域。
51.或者，如图3所示，终端110响应于该第一操作，可以向服务器100发送目标区域和预设行为等。服务器100可以获取目标区域内的至少一个采集点采集的图像、目标区域内的与预设行为关联的人员所使用的车辆信息、车辆登记信息、目标区域内的居住人员信息等。然后，服务器100根据该图像、该待分析的车辆信息、该车辆登记信息、该居住人员信息等，确定存在异常的预设行为发生地的区域。服务器100再向终端110发送存在异常的预设行为
发生地的区域。终端110可以发出存在异常的预设行为发生地的区域。
52.示例性的，本技术实施例中的终端110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110的具体形态不作特殊限制。
53.需要说明的是，本技术实施例提供的定位方法可以应用于上述服务器100，也可以应用于上述终端110，还可以应用于上述服务器100和终端110。该服务器100和该终端110可以统称为电子设备。本技术实施例提供的定位方法的执行主体还可以为定位装置。该定位装置可以为电子设备；或者，该装置可以为该电子设备安装的提供异常的预设行为发生地的定位功能的应用程序(application，app)；或者，该装置可以为该电子设备中的中央处理器(central processing unit，cpu)；又或者，该装置可以为该电子设备中的用于执行定位方法的控制模块。
54.下面以电子设备为例，对本技术实施例提供的定位方法进行详细说明。
55.具体地，请参考图4，为本技术实施例提供的一种定位方法的流程图。如图4所示，该方法可以包括步骤401-404。
56.步骤401、电子设备获取待分析的车辆轨迹数据。
57.电子设备可以针对一些存在用于异常的预设行为的可能性的车辆，获取待分析的车辆轨迹数据。
58.在一种实现方式中，由于待分析的车辆信息所指示的车辆是与预设行为相关的人员使用的车辆，则可知，待分析的车辆信息所指示的车辆存在用于异常的预设行为的可能性。因此，电子设备可以针对待分析的车辆信息所指示的车辆，利用多个采集点采集的图像，获取该车辆的轨迹数据。具体地，步骤401可以包括s11-s12。
59.s11、电子设备获取多个采集点采集的图像、以及待分析的车辆信息；待分析的车辆信息是指与预设人员关联的车辆的信息。
60.电子设备可以接收多个采集点上的图像采集模块采集到的图像。电子设备还可以收集待分析的车辆信息。
61.其中，待分析的车辆信息的详情可以参见上述对待分析的车辆信息的具体介绍。
62.其中，待分析的车辆信息可以包括：车牌号、车辆类型、车辆运输对象、车辆所属人员的信息等等。待分析的车辆信息可以是由相关人员预先统计得到的。
63.示例性地，电子设备获取了用户输入的目标区域，则可以获取目标区域内的多个采集点采集的图像、以及目标区域内的待分析的车辆信息。
64.s12、电子设备利用图像和待分析的车辆信息，获取与预设人员关联的车辆的轨迹数据。
65.上述待分析的车辆轨迹数据可以包括与预设人员关联的车辆的轨迹数据。
66.示例性地，电子设备可以针对每个与预设人员关联的车辆，可以根据该车辆的车辆信息，从多个采集点采集的图像中确定包括该车辆的图像。电子设备再根据包括该车辆的图像中的每一组采集时间连续的图像，确定该车辆的一个轨迹数据。
67.其中，每个轨迹数据可以包括多个采集点的位置和车辆在这多个采集点上的出行时间。车辆在每个采集点上的出行时间可以是指该采集点上采集到包括该车辆的图像的采集时间。
68.进一步地，由于用于异常的预设行为的车辆为了避免被发现，在夜间出行的可能
性大于在白天出行的可能性。因此，电子设备还可以通过车辆轨迹数据中的出行时间，选择符合出行条件(如，夜间出行)的车辆的轨迹数据作为待分析的车辆轨迹数据。这样即可以减少待分析的车辆轨迹数据的数据量，还可以保证待分析的车辆轨迹数据中的车辆都是用于异常的预设行为的可能性较大的车辆。
69.具体地，步骤401在s12之后还可以包括s13。
70.s13、电子设备从与预设人员关联的车辆的轨迹数据中，获取符合出行条件的车辆的轨迹数据。
71.其中，待分析的车辆轨迹数据可以包括：符合出行条件的车辆的轨迹数据。
72.其中，出行条件用于表征车辆在夜晚出行。例如可以包括以下至少一项：至少两次在夜晚的第一时段出行、在第一时段中的第二时段出行、夜晚的出行次数大于白天的出行次数、规律性地在夜晚出行。
73.其中，至少两次在夜晚的第一时段出行可以是指同一天内至少两次在夜晚的第一时段出行，或者是指在至少两天内的夜晚的第一时段出行。
74.例如，夜晚的第一时段可以是凌晨零点至凌晨五点。第二时段可以是凌晨三点左右的一段时间。夜晚的出行次数可以是车辆在下午七点到凌晨七点内的出行次数，白天的出行次数可以是车辆在凌晨七点到下午七点内的出行次数。
75.在一些实施例中，电子设备可以根据每个与预设人员关联的车辆的轨迹数据中的出行时间，确定每个与预设人员关联的车辆的轨迹数据符合出行条件。进而，电子设备可以得到所有符合出行条件的车辆的轨迹数据。
76.其中，电子设备可以在每个与预设人员关联的车辆的轨迹数据中的所有出行时间都符合出行条件的情况下，则确定该轨迹数据符合出行条件。或者，电子设备可以在每个与预设人员关联的车辆的轨迹数据中的至少一个出行时间符合该出行条件的情况下，则确定该轨迹数据符合出行条件。
77.在另一种实现方式中，虽然待分析的车辆信息所指示的车辆是与预设行为相关的人员使用的车辆，但是待分析的车辆信息所指示的车辆目前是否还用于预设行为中是不清楚的，目前是否用于异常的预设行为也不清楚。因此，电子设备可以对多个采集点采集的图像进行识别，得到运输目标对象的车辆的信息(可以称为运输目标对象的车辆信息)。通过图像识别出的、运输目标对象的车辆就是目前用于预设行为中的车辆。相较于待分析的车辆信息所表征的车辆，运输目标对象的车辆目前用于异常的预设行为的可能性更大。电子设备可再针对该运输目标对象的车辆，利用多个采集点采集的图像，获取该车辆的轨迹数据。
78.具体地，步骤401可以包括s21-s22。
79.s21、电子设备获取多个采集点采集的图像。
80.s22、电子设备对图像进行识别，得到运输目标对象的车辆的信息(可以称为运输目标对象的车辆信息)。
81.s23、电子设备根据运输目标对象的车辆信息，利用图像，提取运输目标对象的车辆的轨迹数据。
82.其中，待分析的车辆轨迹数据可以包括运输目标对象的车辆的轨迹数据。
83.进一步地，步骤401在s23之后还可以包括s24。
84.s24、电子设备从运输目标对象的车辆的轨迹数据中，获取符合出行条件的车辆的轨迹数据。
85.需要说明的是，s24的具体过程，可以参见上述对s13的详情介绍，本技术实施例这里不予赘述。
86.步骤402、电子设备确定待分析的车辆轨迹数据中的待分析采集点。
87.电子设备可以对待分析的车辆轨迹数据中的每个轨迹数据，确定该轨迹数据所表征的行驶轨迹中的待分析采集点。进而，电子设备可以得到一个或多个待分析采集点。其中，每个行驶轨迹中的待分析采集点可以包括：第一采集点和/或第二采集点。
88.其中，一个第一采集点表征一个行驶轨迹的往返临界点。一个行驶轨迹为待分析的车辆轨迹数据所指示的车辆的行驶轨迹。该行驶轨迹可以参见上述对每个轨迹数据表征的一个行驶轨迹的详情介绍。
89.示例性地，如图5所示，一个车辆的一个行驶轨迹包括：按照时间先后顺序排列的采集点a、采集点b、采集点c、采集点c、采集点b。针对该行驶轨迹，电子设备可以确定该行驶轨迹对应的第一采集点是：采集点c。其中，一个第二采集点表征一个行驶轨迹中车辆从运输有目标对象到无运输目标对象的变化中、或者车辆从无运输目标对象到运输有目标对象的变化中的目标采集点。目标采集点包括运输有目标对象的采集点和/或无运输目标对象的采集点。
90.步骤403、电子设备针对任一个待分析采集点，根据待分析采集点的位置、以及现有的预设行为发生地的位置，判断待分析采集点是否异常。
91.电子设备可以针对任一个待分析采集点(例如，任一个第一采集点，或任一个第二采集点)，判断该第一采集点与现有的预设行为发生地的距离远近，判断该待分析采集点是否异常。如果该待分析采集点异常，则电子设备可以利用该待分析采集点查找异常的预设行为发生地。如果该待分析采集点正常，则不使用该待分析采集点查找异常的预设行为发生地，还可以针对下一个待分析采集点，判断下一个待分析采集点是否异常。
92.在一些实施例中，现有的预设行为发生地的位置可以是预先统计的。该现有的预设行为发生地包括至少一个正常的预设行为发生地、至少一个异常的预设行为发生地中至少之一。其中，该至少一个正常的预设行为发生地和该至少一个异常的预设行为发生地都是现有的。异常的预设行为发生地可以是指不符合预设行为的工作条件的预设行为发生地。
93.进而，电子设备可以根据待分析采集点的位置和至少一个正常的预设行为发生地的位置，确定待分析采集点和至少一个现有正常的预设行为发生地中的距离最近的一个现有正常的预设行为发生地之间的距离(可以称为第一距离)。电子设备还可以根据待分析采集点的位置和至少一个异常的预设行为发生地的位置，确定待分析采集点和至少一个异常的预设行为发生地中的距离最近的一个异常的预设行为发生地之间的距离(可以称为第二距离)。然后，若满足第一距离大于第一距离阈值d
leg
和第二距离小于第一距离阈值d
leg
中的至少一项，则电子设备可以确定待分析采集点异常。
94.其中，第一距离阈值d
leg
可以根据设置有图像采集模块的多个采集点的密集程度、多个采集点的数量确定。
95.例如，在设置有图像采集模块的多个采集点的数量较大、且密集程度较高的情况
下，第一距离阈值d
leg
可以设置的较小。
96.又例如，在设置有图像采集模块的多个采集点的数量较小、且密集程度较低的情况下，第一距离阈值d
leg
可以设置的较大。
97.可以理解的是，设置有图像采集模块的多个采集点的数量较大、且密集程度较高的话，现有的、正常的预设行为发生地有较大的概率与部分采集点的位置较近，现有的、异常的预设行为发生地有较大的概率与部分采集点的位置也较近。因此，用于判断待分析采集点和正常的预设行为发生地之间的距离大小，以及判断待分析采集点和异常的预设行为发生地之间的距离大小的第一距离阈值d
leg
可以设置的较小。
98.需要说明的是，如果现有的预设行为发生地包括正常的预设行为发生地，则电子设备可以确定出第一距离。如果现有的预设行为发生地包括异常的预设行为发生地，则电子设备可以确定出第二距离。
99.示例性地，如图6a所示，一个行驶轨迹对应的待分析采集点是黑色星星表示的采集点。电子设备可以确定该待分析采集点和其最近的一个现有异常的预设行为发生地之间的距离大于第一距离阈值d
leg
，则可确定该待分析采集点正常。
100.或者，如图6b所示，电子设备可以确定该待分析采集点和其最近的一个现有正常的预设行为发生地之间的距离大于第一距离阈值d
leg
，则可确定该待分析采集点异常。
101.示例性地，对于图5所示的车辆的一个行驶轨迹，该行驶轨迹对应的待分析采集点是采集点c。电子设备确定该采集点c和其最近的一个现有正常的预设行为发生地之间的距离dc大于第一距离阈值d
leg
，则可确定该采集点c异常。
102.本技术实施例中，由于一些用于异常的预设行为中的车辆为了避免暴露异常的预设行为发生地，其在运输目标对象的过程中不会行驶至异常的预设行为发生地，而是行驶至与异常的预设行为发生地有一定距离的安全位置，再采用其他方式在安全位置与异常的预设行为发生地之间运输目标对象。因此，电子设备在步骤402之后，可以再获取与步骤402确定出的待分析采集点相邻的采集点，用于更新待分析采集点。然后，电子设备可以针对更新后的待分析采集点，执行步骤403。
103.具体地，电子设备可以确定待分析采集点对应的相邻采集点，并确定相邻采集点为待分析采集点。该相邻采集点和其对应的待分析采集点之间的距离小于第三距离阈值。
104.其中，电子设备可以从设置有图像采集模块的多个采集点中，获取每个待分析采集点对应的相邻采集点。
105.步骤404、电子设备基于异常的待分析采集点，对异常的预设行为发生地进行定位。
106.电子设备可以直接基于异常的待分析采集点的位置，对异常的预设行为发生地进行定位。
107.或者，电子设备针对每个异常的待分析采集点，可以利用待分析的车辆信息、异常的待分析采集点上采集的图像等等，分析异常的待分析采集点上出行的车辆的车辆特征和/或行驶特征等；再根据车辆特征和/或行驶特征，判断该异常的待分析采集点的周边是否存在异常的预设行为发生地。最后，电子设备可以基于周边存在异常的预设行为发生地的待分析采集点，对异常的预设行为发生地进行定位。
108.在一些实施例中，以电子设备继续判断异常的待分析采集点的周边是否存在异常
的预设行为发生地为例，说明步骤404的具体过程。具体地，请参考图7，步骤404可以包括步骤701-703。
109.步骤701、电子设备获取目标车辆信息，并根据目标车辆信息以及异常的待分析采集点采集的图像，判断异常的待分析采集点上是否出现符合目标车辆信息的第一车辆；其中，目标车辆信息表征具有运输目标对象的可能性的车辆的信息。
110.电子设备可以对每个异常的待分析采集点采集的图像进行车辆识别，确定该异常的待分析采集点采集上出现的车辆信息；再判断该异常的待分析采集点采集上出现的车辆信息是否包括目标车辆信息。然后，若该异常的待分析采集点采集上出现的车辆信息包括目标车辆信息，则确定异常的待分析采集点上出现第一车辆。若该异常的待分析采集点采集上出现的车辆信息不包括目标车辆信息，则确定异常的待分析采集点上未出现第一车辆。
111.其中，第一车辆的信息即属于待分析采集点采集上出现的车辆信息，也属于目标车辆信息。目标车辆信息可以包括车辆标识(如，车牌号、车牌类型，车牌颜色)等等。
112.在一些实施例中，待分析的车辆信息可以包括车辆类型和车辆运输对象中的至少一个。进而，电子设备可以针对待分析的车辆信息中的每个车辆信息，若该车辆信息中的车辆类型是目标车辆类型，和/或该车辆信息中的车辆运输对象是目标对象，则确定该车辆信息属于目标车辆信息，以及该车辆信息所表征的车辆属于第一车辆。
113.其中，目标车辆类型可以是指能够运输目标对象的车辆类型。例如，货车(如，中小型货车)、栅栏车(包括正规栅栏车和/或改装栅栏车)等。
114.在另一些实施例中，电子设备可以获取设置有图像采集模块的多个采集点采集的所有图像；再对所有图像识别运输目标对象的车辆，得到目标车辆信息。目标车辆信息是运输目标对象。
115.其中，电子设备可以采用预设识别模型，对每个图像进行车辆和目标对象的识别，得到该图像中的运输目标对象的车辆信息，或者确定该图像不包括运输目标对象的车辆。
116.其中，该预设识别模型可以是电子设备预先利用标记有车辆和目标对象的样板图像，对初始模型进行训练得到的。该初始模型可以是深度学习模型、机器学习模型等等。
117.在另一些实施例中，电子设备可以判断异常的待分析采集点上是否多次出现符合目标车辆信息的第一车辆。若异常的待分析采集点上多次出现符合目标车辆信息的第一车辆，则可以执行步骤702。若异常的待分析采集点上未出现符合目标车辆信息的第一车辆，或者，异常的待分析采集点上出现一次符合目标车辆信息的第一车辆，则电子设备可以不执行步骤702。
118.其中，异常的待分析采集点上多次出现符合目标车辆信息的第一车辆可以包括：符合目标车辆信息的同一个第一车辆多次出现在异常的待分析采集点上，和/或符合目标车辆信息的不同的第一车辆出现在异常的待分析采集点上。
119.步骤702、若异常的待分析采集点上出现第一车辆，则电子设备至少根据异常的待分析采集点上出现的第一车辆的轨迹数据，统计第一特征。
120.其中，第一特征包括异常的待分析采集点上出现的第一车辆的出行特征，和异常的待分析采集点上出现的第一车辆的车辆特征中的至少一项。
121.电子设备可以先从异常的待分析采集点上出现的第一车辆的轨迹数据中，获取第
一轨迹数据；第一轨迹数据包括异常的待分析采集点。然后，电子设备可以至少根据获取的第一轨迹数据，统计车辆总数、车辆类型总数、车辆往返频次的总数、以及第三距离中的至少一项。车辆总数、车辆类型总数和车辆往返频次的总数属于上述出行特征。第三距离属于上述车辆特征。
122.其中，车辆总数可以是指一个异常的待分析采集点上出现的所有第一车辆的数量。车辆类型总数可以是指一个异常的待分析采集点上出现的第一车辆的车辆类型总数。车辆往返频次可以包括一个异常的待分析采集点上出现的所有第一车辆往返该异常的待分析采集点的频次的总和。
123.其中，第三距离表征车辆所属人员的居住地址与异常的待分析采集点之间的距离。例如，电子设备可以针对异常的待分析采集点上出现的每个第一车辆，得到第四距离；该第四距离是该第一车辆的车辆所属人员的居住地址与所述异常的待分析采集点之间的距离。然后，电子设备可以确定得到的所有第四距离中的最大值为第三距离；或者，确定得到的所有第四距离的平均值为第三距离。
124.示例性地，电子设备可以从待分析的车辆信息中，获取异常的待分析采集点上出现的一个第一车辆的车辆所属人员的信息；再根据该车辆所属人员的信息，从居住人员信息中获取该车辆所属人员的居住地址。电子设备再根据该异常的待分析采集点的位置和该车辆所属人员的地址，计算该第一车辆对应的第三距离。其中，待分析的车辆信息和居住人员信息可以是同一个区域内的信息。
125.步骤703、电子设备根据第一特征，对异常的预设行为发生地进行定位。
126.电子设备可以先根据第一特征，判断异常的待分析采集点的周边是否存在异常的预设行为发生地。然后，电子设备可以根据周边存在异常的预设行为发生地的、异常的待分析采集点，对异常的预设行为发生地进行定位。
127.在一些实施例中，电子设备可以设置车辆总数对应的第一阈值、车辆类型总数对应的第二阈值、车辆往返频次的总数对应的第三阈值、以及第三距离对应的第四阈值。然后，电子设备可以根据车辆总数、车辆类型总数、车辆往返频次的总数、以及第三距离中的至少一项及其对应的阈值，判断异常的待分析采集点的周边是否存在异常的预设行为发生地。
128.示例性地，电子设备可以获取用于判断异常的待分析采集点的周边是否存在异常的预设行为发生地的一些阈值和权重，如下表1所示。然后，电子设备可以在车辆总数大于第一阈值的时候，记车辆总数对应的第一参数f1等于1；在车辆总数小于第一阈值的时候，记车辆总数对应的第一参数f1等于0。同理，电子设备在车辆类型总数大于第二阈值的时候，记车辆类型总数对应的第二参数f2等于1；在车辆类型总数小于第二阈值的时候，记车辆类型总数对应的第二参数f2等于0。电子设备在车辆往返频次的总数大于第三阈值的时候，记车辆往返频次的总数对应的第三参数f3等于1；在车辆往返频次的总数小于第三阈值的时候，记车辆往返频次的总数对应的第三参数f3等于0。电子设备在第三距离大于第四阈值的时候，记第三距离对应的第四参数f4等于1；在第三距离小于第四阈值的时候，记第三距离对应的第四参数f4等于0。
129.表1
[0130][0131]
然后，电子设备可以将第一参数f1、第二参数f2、第三参数f3、第四参数f4、第一权重w1、第二权重w2、第三权重w3和第四权重w4、代入置信度计算公式中，得到该异常的待分析采集点的置信度。若该置信度大于第五阈值，则电子设备可以确定该异常的待分析采集点的周边存在异常的预设行为发生地；若该置信度小于第五阈值，则电子设备可以确定该异常的待分析采集点的周边不存在异常的预设行为发生地。其中，置信度计算公式如下式(1)所示。
[0132][0133]
其中，confidence是该异常的待分析采集点的置信度。n是电子设备针对该异常的待分析采集点上出现的运输目标对象的车辆，统计的数据的总个数(例如，电子设备统计出车辆总数、车辆类型总数、车辆往返频次的总数和第三距离，则n＝4)。αi是权重调整系数。αi＝1的时候，表示电子设备统计的第i个数据的权重是固定值。
[0134]
示例性地，电子设备可以将车辆总数、车辆类型总数、车辆往返频次的总数、以及第三距离中的至少一项输入至机器学习模型中，输出判断结果。该判断结果表征异常的待分析采集点符合的周边存在异常的预设行为发生地或不存在异常的预设行为发生地。其中，机器学习模型可以包括：决策树、随机森林等。
[0135]
进一步地，电子设备可以在异常的待分析采集点的周边存在异常的预设行为发生地的情况下，针对异常的待分析采集点上出现的第一车辆，获取与至少一个车辆所属人员对应的至少一个第四距离；其中，每个第四距离是其对应的车辆所属人员的居住地址与异常的待分析采集点之间的距离。若任一个第四距离小于第二距离阈值，则确定该任一个第四距离对应的车辆所属人员的居住地址是异常的预设行为发生地。若至少一个第四距离都大于第二距离阈值，则根据异常的待分析采集点的位置，确定异常的预设行为发生地。
[0136]
示例性地，电子设备针对一个周边存在异常的预设行为发生地的、异常的待分析采集点，可以以该异常的待分析采集点的位置为圆心，以预设长度为半径，确定该异常的待分析采集点对应的一个区域。进而，电子设备可以确定该异常的待分析采集点对应的区域属于异常的预设行为发生地。
[0137]
示例性地，电子设备针对一个异常的待分析采集点，在至少一个第四距离都大于第二距离阈值的时候，可以确定这一个异常的待分析采集点的位置用于确定异常的预设行为发生地。进而，电子设备可以得到用于确定异常的预设行为发生地的、多个异常的待分析
采集点。
[0138]
这种情况下，电子设备可以对这多个异常的待分析采集点进行划分，确定至少一个集合。每个集合中的任意两个异常的待分析采集点之间的距离小于第四距离阈值。然后，电子设备可以针对每个集合，根据该集合中的所有异常的待分析采集点对应的区域，确定一个重合区域(可以称为该集合对应的重合区域)。进而，电子设备可以确定异常的预设行为发生地包括至少一个集合对应的重合区域。
[0139]
其中，电子设备以该集合中的每个采集点的位置为圆心，以预设长度为半径，确定该采集点对应的一个区域。每个集合对应的重合区域可以是指该集合中的所有异常的待分析采集点对应的区域都包含的区域，或者，每个结合对应的重合区域可以包括：该集合中的所有异常的待分析采集点对应的区域都包含的区域。
[0140]
具体地，如图8所示，电子设备确定的一个集合包括异常的待分析采集点d、异常的待分析采集e和异常的待分析采集点f。然后，电子设备可以确定待分析采集点d对应的区域、待分析采集点e对应的区域和待分析采集点f对应的区域都包含的区域是一个重合区域。该重合区域属于存在异常的预设行为发生地的区域。
[0141]
例如，该第四距离阈值可以在3-5公里(km)的范围内取值。
[0142]
例如，假设一个异常的预设行为发生地所在的区域有东南西北四个方向的出入口，并且，这四个方向的出入口都设置有图像采集模块，即这四个方向的出入口都是采集点。如果电子设备确定这四个方向的出入口都是异常的待分析采集点，并且这四个方向的出入口属于一个集合，则电子设备可以根据这四个方向的出入口对应的区域确定一个重合区域，并且，该重合区域很可能就是该异常的预设行为发生地所在的区域。
[0143]
需要说明的是，电子设备直接基于异常的待分析采集点的位置，对异常的预设行为发生地进行定位的具体过程，可以参见上述电子设备针对一个周边存在异常的预设行为发生地的、异常的待分析采集点，确定异常的预设行为发生地的详细介绍，本技术实施例这里不予赘述。
[0144]
需要说明的是，本技术实施例中的“大于”可用于表示“大于”或“大于或等于”。
[0145]
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。
[0146]
本技术实施例还提供一种定位装置。如图9所示，为本技术实施例提供的一种定位装置900的结构示意图。该定位装置900可以包括：数据获取模块901、异常判断模块902和异常定位模块903。
[0147]
其中，数据获取模块901，用于获取待分析的车辆轨迹数据。异常判断模块902，用于：确定待分析的车辆轨迹数据中的待分析采集点；针对任一待分析采集点，根据待分析采集点的位置、以及现有的预设行为发生地的位置，判断待分析采集点是否异常。异常定位模块903，用于基于异常的待分析采集点，对异常的预设行为发生地进行定位。
[0148]
其中，待分析采集点包括第一采集点和/或第二采集点；一个第一采集点表征一个
行驶轨迹的往返临界点。一个第二采集点表征一个行驶轨迹中车辆从运输有目标对象到无运输目标对象的变化中、或者车辆从无运输目标对象到运输有目标对象的变化中的目标采集点；目标采集点包括运输有目标对象的采集点和/或无运输目标对象的采集点。一个行驶轨迹为待分析的车辆轨迹数据所指示的车辆的行驶轨迹。
[0149]
在一种可能的实现方式中，异常判断模块902，具体用于：根据待分析采集点的位置和现有的预设行为发生地中至少一个正常的预设行为发生地的位置，确定第一距离；第一距离是待分析采集点和至少一个正常的预设行为发生地中的距离最近的一个正常的预设行为发生地之间的距离；根据第一采集点的位置和现有的预设行为发生地中至少一个异常的预设行为发生地的位置，确定第二距离；第二距离是待分析采集点和至少一个异常的预设行为发生地中的距离最近的一个异常的预设行为发生地之间的距离；若满足第一距离大于第一距离阈值和第二距离小于第一距离阈值中的至少一项，则确定待分析采集点异常。
[0150]
另一种可能的实现方式中，异常定位模块903，具体用于：获取目标车辆信息，并根据目标车辆信息以及异常的待分析采集点采集的图像，判断异常的待分析采集点上是否出现符合目标车辆信息的第一车辆；其中，目标车辆信息表征具有运输目标对象的可能性的车辆的信息；若异常的待分析采集点上出现第一车辆，则至少根据异常的待分析采集点上出现的第一车辆的轨迹数据，统计第一特征；第一特征包括异常的待分析采集点上出现的第一车辆的出行特征，和异常的待分析采集点上出现的第一车辆的车辆特征中的至少一项；根据第一特征，对异常的预设行为发生地进行定位。
[0151]
另一种可能的实现方式中，异常定位模块903，具体用于：从异常的待分析采集点上出现的第一车辆的轨迹数据中，获取第一轨迹数据；第一轨迹数据包括异常的待分析采集点；至少根据获取的第一轨迹数据，统计车辆总数、车辆类型总数、车辆往返频次的总数、以及第三距离中的至少一项；其中，第三距离表征车辆所属人员的居住地址与异常的待分析采集点之间的距离；车辆总数、车辆类型总数和车辆往返频次的总数属于出行特征；第三距离属于车辆特征。
[0152]
另一种可能的实现方式中，异常定位模块903，具体用于：根据第一特征，判断异常的待分析采集点的周边是否存在异常的预设行为发生地；在异常的待分析采集点的周边存在异常的预设行为发生地的情况下，针对异常的待分析采集点上出现的第一车辆，获取与至少一个车辆所属人员对应的至少一个第四距离；其中，每个第四距离是其对应的车辆所属人员的居住地址与异常的待分析采集点之间的距离；若任一个第四距离小于或等于第二距离阈值，则确定任一个第四距离对应的车辆所属人员的居住地址是异常的预设行为发生地；若至少一个第四距离均大于第二距离阈值，则根据异常的待分析采集点的位置，确定异常的预设行为发生地。
[0153]
另一种可能的实现方式中，异常判断模块902，还用于确定待分析采集点对应的相邻采集点，并确定相邻采集点为待分析采集点；相邻采集点和其对应的待分析采集点之间的距离小于第三距离阈值。
[0154]
当然，本技术实施例提供的定位装置900包括但不限于上述模块。
[0155]
本技术另一实施例还提供一种电子设备。如图10所示，电子设备1000包括存储器1001和处理器1002；存储器1001和处理器1002耦合；存储器1001用于存储计算机程序代码，
计算机程序代码包括计算机指令。其中，当处理器1002执行计算机指令时，使得电子设备1000执行上述方法实施例所示的方法流程中电子设备执行的各个步骤。
[0156]
在实际实现时，数据获取模块901、异常判断模块902和异常定位模块903可以由图10所示的处理器1002调用存储器1001中的计算机程序代码来实现。其具体的执行过程可参考上述定位方法部分的描述，这里不再赘述。
[0157]
本技术另一实施例还提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机指令，当计算机指令在电子设备上运行时，使得电子设备执行上述方法实施例所示的方法流程中电子设备执行的各个步骤。
[0158]
本技术另一实施例还提供一种芯片系统，该芯片系统应用于电子设备。该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。接口电路用于从电子设备的存储器接收信号，并向处理器发送所述信号，所述信号包括所述存储器中存储的计算机指令。当电子设备的处理器执行计算机指令时，电子设备执行上述方法实施例所示的方法流程中电子设备执行的各个步骤。
[0159]
在本技术另一实施例中还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，使得电子设备执行上述方法实施例所示的方法流程中电子设备执行的各个步骤。
[0160]
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件程序实现时，可以全部或部分地以计算机程序产品的形式来实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机执行指令时，全部或部分地产生按照本技术实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital 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。
[0161]
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。