CN103531023B - 一种数据处理方法及装置 - Google Patents

Abstract

本发明实施例提供一种数据处理方法及装置，涉及数据处理领域，能够快速提供最佳乘车区域，节约用户时间。该方法包括：从接收到的待分析区域预设时间段内的浮动车辆数据记录中筛选出浮动车辆的停靠点数据；将待分析区域划分为多个大小相同的网格；根据预设时间段内的每个子时间段内的浮动车辆的停靠点数据，计算待分析区域中每个网格的第一浮动车辆停靠点密度；将每个预设时间周期的同一子时间段内的同一网格的第一浮动车辆停靠点密度进行叠加，得到一个预设时间周期的不同子时间段对应的每个网格的第二浮动车辆停靠点密度；对不同子时间段对应的每个网格的第二浮动车辆停靠点密度进行区域筛选，得到不同子时间段的最佳乘车区域。

Description

一种数据处理方法及装置

技术领域

本发明涉及数据处理领域，尤其涉及一种数据处理方法及装置。

背景技术

现今，随着人们生活节奏的加快，如何节约时间成本称为人们首要关注的问题。因此，当一个急于打车的人，若是能够知道距离自己最近的便于打车的位置，那么他将会在尽可能短的时间内乘车，从而减少了等车时间，节约了自身的时间成本。因此，如何科学的给出尽可能合理的乘车位置则是本发明所要解决的技术问题。

发明内容

本发明的实施例提供一种数据处理方法及装置，能够快速提供最佳乘车区域，节约用户时间。

为达到上述目的，本发明的实施例采用如下技术方案：

第一方面，提供一种数据处理方法，包括：

接收待分析区域预设时间段内的浮动车辆数据记录；

从所述浮动车辆数据记录中筛选出所述浮动车辆的停靠点数据；其中所述预设时间段是由至少一个预设时间周期组成，而每个预设时间周期被划分为多个时间长度相同的子时间段；

将所述待分析区域划分为多个大小相同的网格；

根据所述预设时间段内的每个子时间段内的所述浮动车辆的停靠点数据，计算所述每个子时间段内的所述待分析区域中每个网格的第一浮动车辆停靠点密度；

将每个预设时间周期的同一子时间段内的同一网格的第一浮动车辆停靠点密度进行叠加，得到一个预设时间周期的不同子时间段对应的所述每个网格的第二浮动车辆停靠点密度；

对所述不同子时间段对应的每个网格的第二浮动车辆停靠点密度进行区域筛选，得到所述不同子时间段的最佳乘车区域。

在第一种可能的实现方式中，根据第一方面，所述根据所述预设时间段内的每个子时间段内的所述浮动车辆的停靠点数据，计算所述每个子时间段内的所述待分析区域中每个网格的第一浮动车辆停靠点密度包括：

选取所述待分析区域中的任一网格，并从所述任意网格中选择一个中心点；

获取每个子时间段内落在所述任一网格的第一预定区域内的每个浮动车辆的停靠点数据；其中所述任一网格的第一预定区域为以所述任一网格的中心点为圆心及以预设阈值为半径的区域；

获取所述预设时间段内的每个子时间段内落入所述任一网格的第一预定区域中的浮动车辆停靠点数；

根据所述任一网格的第一预定区域面积及所述预设时间段内的每个子时间段内落入所述任一网格的第一预定区域中的浮动车辆停靠点数，得到所述每个子时间段内所述任一网格的第一浮动车辆停靠点密度；

继续计算所述每个子时间段内所述待分析区域中剩余网格的第一浮动车辆停靠点密度。

在第二种可能的实现方式中，根据第一方面，所述根据所述预设时间段内的每个子时间段内的所述浮动车辆的停靠点数据，计算所述每个子时间段内的所述待分析区域中每个网格的第一浮动车辆停靠点密度包括：

选取所述待分析区域中的任一网格，并从所述任意网格中获取一个中心点及所述中心点的坐标；

获取每个子时间段内落在所述任一网格的第二预定区域内的每个浮动车辆的停靠点数据；其中所述任一网格的第二预定区域为以所述任一网格的中心点为圆心及以预设阈值为半径的区域；

根据每个子时间段内落在所述任一网格的第二预定区域内的每个浮动车辆的停靠点数据、所述任一网格的中心点的坐标及密度公式计算所述每个子时间段内所述任一网格的中心点的第一浮动车辆的停靠点密度；

继续计算所述每个子时间段内所述待分析区域内剩余网格的中心点的第一浮动车辆的停靠点密度；其中所述网格的中心点的第一浮动车辆的停靠点密度即所述网格的第一浮动车辆的停靠点密度；

其中，所述密度公式为： $P(x,y)=\frac{1}{{\mathrm{\δ}}_r(x,y)}{\mathrm{\Σ}}_{i=1}^n\frac{1}{r^2}\×K(\frac{x-x_i}{r},\frac{y-y_i}{r});$ 所述δ_r(x,y)为消除边际效应的函数；所述为概率密度函数；所述待分析区域A内的浮动车辆停靠点的集合E为：{（x₁，y₁），(x₂，y₂），……，（x_n，y_n）}；所述P(x,y)为网格中心点（x，y）处的点密度；所述r为以（x，y）为圆心的圆的半径；所述n网格的第二预定区域内的浮动车辆停靠点数目。

在第三种可能的实现方式中，根据第一方面，所述对所述不同子时间段对应的每个网格的第二浮动车辆停靠点密度进行区域筛选，得到所述不同子时间段的最佳乘车区域包括：

获取所述不同子时间段对应的每个网格的第二浮动车辆停靠点密度；

选取任一子时间段，并将所述任一子时间段对应的所述每个网格的第二浮动车辆停靠点密度与预设密度阈值进行比对；

根据所述任一子时间段的比对结果，挑选出所述任一子时间段内大于所述预设密度阈值的第二浮动车辆停靠点密度，并将挑选出的第二浮动车辆停靠点密度对应网格所对应的区域作为所述任一子时间段内的最佳乘车区域，直到所有子时间段的最佳乘车区域均被获取为止。

第二方面，提供一种数据处理装置，包括：

接收单元，用于接收待分析区域预设时间段内的浮动车辆数据记录；

筛选单元，用于从所述接收单元接收的所述浮动车辆数据记录中筛选出所述浮动车辆的停靠点数据；其中所述预设时间段是由至少一个预设时间周期组成，而每个预设时间周期被划分为多个时间长度相同的子时间段；

网格划分单元，用于将所述待分析区域划分为多个大小相同的网格；

密度获取单元，用于根据所述筛选单元筛选出的所述预设时间段内的每个子时间段内的所述浮动车辆的停靠点数据，计算所述每个子时间段内的所述待分析区域中每个网格的第一浮动车辆停靠点密度；

密度叠加单元，用于将所述密度获取单元所获取的每个预设时间周期的同一子时间段内的同一网格的第一浮动车辆停靠点密度进行叠加，得到一个预设时间周期的不同子时间段对应的所述每个网格的第二浮动车辆停靠点密度；

区域筛选单元，用于对所述密度叠加单元所获取的所述不同子时间段对应的每个网格的第二浮动车辆停靠点密度进行区域筛选，得到所述不同子时间段的最佳乘车区域。

在第一种可能的实现方式中，根据第二方面，所述密度获取单元具体用于：选取所述待分析区域中的任一网格，并从所述任意网格中选择一个中心点；获取每个子时间段内落在所述任一网格的第一预定区域内的每个浮动车辆的停靠点数据；其中所述任一网格的第一预定区域为以所述任一网格的中心点为圆心及以预设阈值为半径的区域；获取所述预设时间段内的每个子时间段内落入所述任一网格的第一预定区域中的浮动车辆停靠点数；根据所述任一网格的第一预定区域面积及所述预设时间段内的每个子时间段内落入所述任一网格的第一预定区域中的浮动车辆停靠点数，得到所述每个子时间段内所述任一网格的第一浮动车辆停靠点密度；继续计算所述每个子时间段内所述待分析区域中剩余网格的第一浮动车辆停靠点密度。

在第二种可能的实现方式中，根据第二方面，所述密度获取单元具体用于：选取所述待分析区域中的任一网格，并从所述任意网格中获取一个中心点及所述中心点的坐标；获取每个子时间段内落在所述任一网格的第二预定区域内的每个浮动车辆的停靠点数据；其中所述任一网格的第二预定区域为以所述任一网格的中心点为圆心及以预设阈值为半径的区域；根据每个子时间段内落在所述任一网格的第二预定区域内的每个浮动车辆的停靠点数据、所述任一网格的中心点的坐标及密度公式计算所述每个子时间段内所述任一网格的中心点的第一浮动车辆的停靠点密度；继续计算所述每个子时间段内所述待分析区域内剩余网格的中心点的第一浮动车辆的停靠点密度；其中所述网格的中心点的第一浮动车辆的停靠点密度即所述网格的第一浮动车辆的停靠点密度；

其中，所述密度公式为： $P(x,y)=\frac{1}{{\mathrm{\δ}}_r(x,y)}{\mathrm{\Σ}}_{i=1}^n\frac{1}{r^2}\×K(\frac{x-x_i}{r},\frac{y-y_i}{r});$ 所述δ_r(x,y)为消除边际效应的函数；所述为概率密度函数；所述待分析区域A内的浮动车辆停靠点的集合E为：{（x₁，y₁），(x₂，y₂），……，（x_n，y_n）}；所述P(x,y)为网格中心点（x，y）处的点密度；所述r为以（x，y）为圆心的圆的半径；所述n网格的第二预定区域内的浮动车辆停靠点数目。

在第三种可能的实现方式中，根据第二方面，所述区域筛选单元包括：

密度获取模块，用于获取所述密度获取单元所获取的所述不同子时间段对应的每个网格的第二浮动车辆停靠点密度；

对比模块，用于选取任一子时间段，并将所述密度获取模块获取的所述任一子时间段对应的所述每个网格的第二浮动车辆停靠点密度与预设密度阈值进行比对；

区域筛选模块，用于根据所述对比模块得到的所述任一子时间段的比对结果，挑选出所述任一子时间段内大于所述预设密度阈值的第二浮动车辆停靠点密度，并将挑选出的第二浮动车辆停靠点密度对应网格所对应的区域作为所述任一子时间段内的最佳乘车区域，直到所有子时间段的最佳乘车区域均被获取为止。

本发明的实施例提供的数据处理方法及装置，通过对待分析区域预设时间段内的浮动车辆数据记录的预处理，筛选出预设时间内浮动车辆的停靠点数据，并将待分析区域划分为多个大小相同的网格，从而根据预设时间段内的每个子时间段内的浮动车辆的停靠点数据，计算出待分析区域中每个网格的第一浮动车辆停靠点密度，而后将同一子时间段内不同周期的同一网格的第一浮动车辆停靠点密度进行叠加增强，从而获取到一个预设时间周期的不同子时间段内每个网格的第二浮动车辆停靠点密度，然后对其进行筛选，从而得到不同子时间段的最佳乘车区域，进而节约了用户时间。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种数据处理方法流程示意图；

图2为本发明实施例提供的另一种数据处理方法流程示意图；

图3为本发明实施例提供的一种数据处理装置结构示意图；

图4为本发明实施例提供的另一种数据处理装置结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的实施例提供了一种数据处理方法，如图1所示，该数据处理方法具体包括：

101、数据处理装置接收待分析区域预设时间段内的浮动车辆数据记录。

其中，上述的浮动车辆数据是通过一种新型的交通信息监测技术，即FCD（FloatingCarData，浮动车辆数据技术）获取的，上述的FCD技术的核心是利用具有GPS（GlobalPositioningSystem，全球定位系统）定位功能的浮动车辆（主要是城市出租车和私家车，而本发明则主要针对的是出租车）来采集该浮动车辆的位置信息和时间信息，计算浮动车辆所在位置点的速度，并把这些速度信息与电子地图进行对应，直观描述道路的交通流速度状况。具体的，在利用FCD技术对浮动车辆的数据进行采集时，浮动车辆可以是实时上传数据，也可以在预定时间周期上传数据。

102、数据处理装置浮动车辆数据记录中筛选出浮动车辆的停靠点数据。

其中，上述的预设时间段是由至少一个预设时间周期组成，而每个预设时间周期被划分为多个时间长度相同的子时间段。

具体的，由于上述的浮动车辆数据记录中所记录的浮动车辆数据是浮动车辆整个前行过程中所有的行车记录，因此，若要获取乘车最佳区域，首先需要从上述的浮动车辆数据记录中挑选出重车转空车的浮动车辆载客状态转换停靠点，和空车转重车的浮动车辆载客状态转换停靠点，也就是上述的浮动车辆数据记录中浮动车辆在持续重车（空车）载客状态转换为空车（重车）载客状态的第一的停靠点。然后，分别将这两种不同载客状态转换停靠点存放在两个不同的数据文件中，以便后续使用。

此外，由于步骤101通过FCD技术所采集的浮动车辆数据是整个浮动车辆前行过程中所有的数据信息，因此，上述的浮动车辆数据中会存在某些浮动车辆的载客状态在很短的时间间隔内不断交替的变化的数据（如，空车和重车的载客状态在不断的交替，而且每种状态持续时间不长），这些数据会干扰后续的分析过程，所以在实现上述步骤102之前，数据处理装置首先需要将这些无效数据进行过滤。

103、数据处理装置将待分析区域划分为多个大小相同的网格。

104、数据处理装置根据预设时间段内的每个子时间段内的浮动车辆的停靠点数据，计算该每个子时间段内的待分析区域中每个网格的第一浮动车辆停靠点密度。

105、数据处理装置将每个预设时间周期的同一子时间段内的同一网格的第一浮动车辆停靠点密度进行叠加，得到一个预设时间周期的不同子时间段对应的所述每个网格的第二浮动车辆停靠点密度。

具体的，为了提高分析结果的正确率，这里将计算出的每个预设时间周期的同一子时间段（如，当以天为预设时间周期时，每个周七天中的相同时间段）的每个网格的第一浮动车辆停靠点密度值进行叠加加强，从而使得该待分析区域中每个网格中浮动车辆停靠点的密度大小分辨率更大，进而更易于得到正确率较高的最优乘车区域。

106、数据处理装置对不同子时间段对应的每个网格的第二浮动车辆停靠点密度进行区域筛选，得到不同子时间段的最佳乘车区域。

本发明的实施例提供的数据处理方法，通过对待分析区域预设时间段内的浮动车辆数据记录的预处理，筛选出预设时间内浮动车辆的停靠点数据，并将待分析区域划分为多个大小相同的网格，从而根据预设时间段内的每个子时间段内的浮动车辆的停靠点数据，计算出待分析区域中每个网格的第一浮动车辆停靠点密度，而后将同一子时间段内不同周期的同一网格的第一浮动车辆停靠点密度进行叠加增强，从而获取到一个预设时间周期的不同子时间段内每个网格的第二浮动车辆停靠点密度，然后对其进行筛选，从而得到不同子时间段的最佳乘车区域，进而节约了用户时间。

本发明的实施例提供了一种数据处理方法，如图2所示，该数据处理方法具体包括：

201、数据处理装置接收待分析区域预设时间段内的浮动车辆数据记录。

其中，上述的浮动车辆数据是通过一种新型的交通信息监测技术，即FCD获取的，上述的FCD技术的核心是利用具有GSP定位功能的浮动车辆（主要是城市出租车和私家车，而本发明则主要针对的是出租车）来采集该浮动车辆的位置信息和时间信息，计算浮动车辆所在位置点的速度，并把这些速度信息与电子地图进行对应，直观描述道路的交通流速度状况。具体的，在利用FCD技术对浮动车辆的数据进行采集时，浮动车辆可以是实时上传数据，也可以在预定时间周期上传数据。

202、数据处理装置浮动车辆数据记录中筛选出浮动车辆的停靠点数据。

其中，上述的预设时间段是由至少一个预设时间周期组成，而每个预设时间周期被划分为多个时间长度相同的子时间段。具体的，上述的预设时间段中的预设时间周期可以以一天、一周或一月为周期，而在设置子时间段时，考虑到实际应用场景，可以将一天划分为多个不同子时间段，这里的子时间段的时间长度可以按照实际需求进行设置。因此，上述的不同子时间段的时间长度可以相同，也可以不相同。

具体的，由于上述的浮动车辆数据记录中所记录的浮动车辆数据是浮动车辆整个前行过程中所有的行车记录，因此，若要获取乘车最佳区域，首先需要从上述的浮动车辆数据记录中挑选出重车转空车的浮动车辆载客状态转换停靠点，和空车转重车的浮动车辆载客状态转换停靠点，也就是上述的浮动车辆数据记录中浮动车辆在持续重车（空车）载客状态转换为空车（重车）载客状态的第一的停靠点。然后，分别将这两种不同载客状态转换停靠点存放在两个不同的数据文件中，以便后续使用。

需要说明的是，由于浮动车辆停靠点包括重车转空车的浮动车辆载客状态转换停靠点和空车转重车的浮动车辆载客状态转换停靠点，因此，数据处理装置可以只根据重车转空车的浮动车辆载客状态转换停靠点数据来获取待分析区域中最佳乘车区域，也可以只根据空车转重车的浮动车辆载客状态转换停靠点数据根据实际需要（如用户只想获取重车转空车的浮动车辆载客状态转换停靠点来获取待分析区域中最佳乘车区域，当然还可以同时根据所有的浮动车辆停靠点的数据来获取待分析区域中最佳乘车区域，这里不做具体限制。

此外，由于步骤201通过FCD技术所采集的浮动车辆数据是整个浮动车辆前行过程中所有的数据信息，因此，上述的浮动车辆数据中会存在某些浮动车辆的载客状态在很短的时间间隔内不断交替的变化的数据（如，空车和重车的载客状态在不断的交替，而且每种状态持续时间不长），这些数据会干扰后续的分析过程，所以在实现上述步骤202之前，数据处理装置首先需要将这些无效数据进行过滤。

203、数据处理装置将待分析区域划分为多个大小相同的网格。

204、数据处理装置根据预设时间段内的每个子时间段内的浮动车辆的停靠点数据，计算该每个子时间段内该待分析区域中每个网格的第一浮动车辆停靠点密度。

可选的，步骤204具体包括以下步骤：

204a1、数据处理装置选取待分析区域中的任一网格，并从任意网格中选择一个中心点。

其中，上述的中心点可以是网格的中心对称点，也可以是数据处理装置从落入该网格的所有浮动车辆的停靠点中任意选取的一个浮动车辆的停靠点。

204a2、数据处理装置获取每个子时间段内落在任一网格的第一预定区域内的每个浮动车辆的停靠点数据。

其中，上述的任一网格的第一预定区域为以任一网格的中心点为圆心及以预设阈值为半径的区域。

204a3、数据处理装置获取预设时间段内的每个子时间段内落入任一网格的第一预定区域中的浮动车辆停靠点数。

204a4、数据处理装置根据任一网格的第一预定区域面积及预设时间段内的每个子时间段内落入任一网格的第一预定区域中的浮动车辆停靠点数，得到每个子时间段内任一网格的第一浮动车辆停靠点密度。

204a5、数据处理装置继续计算每个子时间段内待分析区域中剩余网格的第一浮动车辆停靠点密度。

具体的，数据处理装置根据预设时间段内的每个子时间段内的浮动车辆的停靠点数据，通过下述的公式1计算每个子时间段内的待分析区域中每个网格的第一浮动车辆停靠点密度。

$P_i=\frac{M_i}{N_i}$ 公式1

其中，上述的P_i为第i个网格的第一浮动车辆停靠点密度；上述的M_i为落入第i个网格第一预定区域内的浮动车辆停靠点数；上述的N_i为所述第i个网格第一预定区域的区域面积。

需要说明的是，本发明中的第一浮动车辆停靠点密度计算过程，可以如上述的步骤204a1至204a5所述的以网格为基准，计算出每个网格在每个子时间段内的第一浮动车辆停靠点密度，也可以以一个子时间段内基准，计算出每个子时间段内该待分析区域内每个网格的第一浮动车辆停靠点密度，这里并不做限定。

可选的，步骤204具体还可以包括如下步骤：

204b1、数据处理装置选取待分析区域中的任一网格，并从任意网格中获取一个中心点及所述中心点的坐标。

其中，上述的中心点可以是网格的中心对称点，也可以是数据处理装置从落入该网格的所有浮动车辆的停靠点中任意选取的一个浮动车辆的停靠点。

204b2、数据处理装置获取每个子时间段内落在任一网格的第二预定区域内的每个浮动车辆的停靠点数据。

其中上述的任一网格的第二预定区域为以任一网格的中心点为圆心及以预设阈值为半径的区域。

204b3、数据处理装置根据每个子时间段内落在任一网格的第二预定区域内的每个浮动车辆的停靠点数据、任一网格的中心点的坐标及密度公式计算每个子时间段内任一网格的中心点的第一浮动车辆的停靠点密度。

204b4、数据处理装置继续计算每个子时间段内待分析区域内剩余网格的中心点的第一浮动车辆的停靠点密度。

其中，上述网格的中心点的第一浮动车辆的停靠点密度即网格的第一浮动车辆的停靠点密度。

其中，上述的密度公式为：

$P(x,y)=\frac{1}{{\mathrm{\δ}}_r(x,y)}{\mathrm{\Σ}}_{i=1}^n\frac{1}{r^2}\×K(\frac{x-x_i}{r},\frac{y-y_i}{r})$ 公式2

上述的公式2中的消除边际效应的函数δ_r(x,y)的公式为：

${\mathrm{\δ}}_r(x,y)=\∫\underset{A}{\∫}\frac{1}{r^2}\×K(\frac{x-x_i}{r},\frac{y-y_i}{r}){\mathrm{dx}}_i{y}_i$ 公式3

上述公式2中的概率密度函数的公式为：

$K(\frac{x-x_i}{r},\frac{y-y_i}{r})=\left(\begin{array}{c}\frac{3}{\mathrm{\&pi;}}(1-(\frac{x-{x_i}^2}{r}+\frac{y-{y_i}^2}{r}{)}^2),h<=r\\ o,h>r\end{array}\right)$ 公式4

其中，上述的公式2与、公式3及公式4中的待分析区域A内的浮动车辆停靠点的集合E为：{（x₁，y₁），(x₂，y₂），……，（x_n，y_n）}；上述的P(x,y)为网格中心点（x，y）处的点密度；上述的r为以（x，y）为圆心的圆的半径；上述的n为网格的第二预定区域内的浮动车辆停靠点数目；上述公式4中的h为网格中心点（x，y）到浮动车辆停靠点（x_i，y_i）之间的距离。其中上述的密度参数K可以通过下述的公式4得到。

需要说明的是，本发明中的第一浮动车辆停靠点密度计算过程，可以如上述的步骤205b1至205b4所述的以网格为基准，计算出每个网格在每个子时间段内的第一浮动车辆停靠点密度，也可以以一个子时间段内基准，计算出每个子时间段内该待分析区域内每个网格的第一浮动车辆停靠点密度，这里并不做限定。

205、数据处理装置将每个预设时间周期的同一子时间段内的同一网格的第一浮动车辆停靠点密度进行叠加，得到一个预设时间周期的不同子时间段对应的每个网格的第二浮动车辆停靠点密度。

具体的，为了提高分析结果的正确率，这里将计算出的每个预设时间周期的同一子时间段（如，当以天为预设时间周期时，每个周七天中的相同时间段）的每个网格的第一浮动车辆停靠点密度值进行叠加加强，从而使得该待分析区域中每个网格中浮动车辆停靠点的密度大小分辨率更大，进而更易于得到正确率较高的最优乘车区域。

此外，在获取到每个子时间段内该待分析区域中每个网格的第一浮动车辆停靠点密度后，可以根据计算出的每个子时间段内的每个网格的第一浮动车辆停靠点密度，为每个子时间段生成一张浮动车辆停靠点密度分析图。当然，在将密度值叠加后得到一个预设时间周期的不同子时间段对应的每个网格的第二浮动车辆停靠点密度后，数据处理装置还会根据不同子时间段对应的每个网格的第二浮动车辆停靠点密度，为每个子时间段生成一张浮动车辆停靠点密度分析图，从而可以使得用户可以直观的了解到该待分析区域各个区域的浮动车辆停靠点的密度。具体的，以某个子时间段为例，数据处理装置将该子时间段内的每个网格的第一浮动车辆停靠点密度对应在电子地图的相应位置，然后将每个网格的第一浮动车辆停靠点密度进行等高线处理，即将具有相同的第一浮动车辆停靠点密度的网格连接起来，同时利用不同颜色来标识电子地图中各个网格的浮动车辆停靠点密度的不同，最后将该浮动车辆停靠点密度分析图输出，以便用户使用。

206、数据处理装置对不同子时间段对应的每个网格的第二浮动车辆停靠点密度进行区域筛选，得到不同子时间段的最佳乘车区域。

可选的，步骤206具体包括如下步骤：

206a、数据处理装置获取不同子时间段对应的每个网格的第二浮动车辆停靠点密度。

206b、数据处理装置选取任一子时间段，并将任一子时间段对应的每个网格的第二浮动车辆停靠点密度与预设密度阈值进行比对。

206c、数据处理装置根据任一子时间段的比对结果，挑选出任一子时间段内大于预设密度阈值的第二浮动车辆停靠点密度，并将挑选出的第二浮动车辆停靠点密度对应网格所对应的区域作为任一子时间段内的最佳乘车区域，直到所有子时间段的最佳乘车区域均被获取为止。

需要说明的是，数据处理装置在获取不同子时间段内该待分析区域的最佳乘车区域时，可以依次对每个子时间段对应的每个网格的第二浮动车辆停靠点密度进行比对，也可以并行同时对每个子时间段对应的每个网格的第二浮动车辆停靠点密度进行比对，这里不做具体限制。

本发明的实施例提供的数据处理方法，通过对待分析区域预设时间段内的浮动车辆数据记录的预处理，筛选出预设时间内浮动车辆的停靠点数据，并将待分析区域划分为多个大小相同的网格，从而根据预设时间段内的每个子时间段内的浮动车辆的停靠点数据，计算出待分析区域中每个网格的第一浮动车辆停靠点密度，而后将同一子时间段内不同周期的同一网格的第一浮动车辆停靠点密度进行叠加增强，从而获取到一个预设时间周期的不同子时间段内每个网格的第二浮动车辆停靠点密度，然后对其进行筛选，从而得到不同子时间段的最佳乘车区域，进而节约了用户时间。

本发明的实施例提供一种数据处理装置，如图3所示，该数据处理装置用于实现上述的数据出方法，该数据处理装置3包括：接收单元31、筛选单元32、网格划分单元33、密度获取单元34、密度叠加单元35和区域筛选单元36，其中：

接收单元31，用于接收待分析区域预设时间段内的浮动车辆数据记录。

筛选单元32，用于从接收单元31接收的浮动车辆数据记录中筛选出浮动车辆的停靠点数据。

其中该预设时间段是由至少一个预设时间周期组成，而每个预设时间周期被划分为多个时间长度相同的子时间段。

网格划分单元33，用于将待分析区域划分为多个大小相同的网格。

密度获取单元34，用于根据筛选单元32筛选出的预设时间段内的每个子时间段内的浮动车辆的停靠点数据，计算每个子时间段内的待分析区域中每个网格的第一浮动车辆停靠点密度。

密度叠加单元35，用于将密度获取单元34所获取的每个预设时间周期的同一子时间段内的同一网格的第一浮动车辆停靠点密度进行叠加，得到一个预设时间周期的不同子时间段对应的每个网格的第二浮动车辆停靠点密度。

区域筛选单元36，用于对密度叠加单元35所获取的不同子时间段对应的每个网格的第二浮动车辆停靠点密度进行区域筛选，得到不同子时间段的最佳乘车区域。

本发明的实施例提供的数据处理装置，通过对待分析区域预设时间段内的浮动车辆数据记录的预处理，筛选出预设时间内浮动车辆的停靠点数据，并将待分析区域划分为多个大小相同的网格，从而根据预设时间段内的每个子时间段内的浮动车辆的停靠点数据，计算出待分析区域中每个网格的第一浮动车辆停靠点密度，而后将同一子时间段内不同周期的同一网格的第一浮动车辆停靠点密度进行叠加增强，从而获取到一个预设时间周期的不同子时间段内每个网格的第二浮动车辆停靠点密度，然后对其进行筛选，从而得到不同子时间段的最佳乘车区域，进而节约了用户时间。

可选的，该密度获取单元34具体用于：选取待分析区域中的任一网格，并从任意网格中选择一个中心点；获取每个子时间段内落在任一网格的第一预定区域内的每个浮动车辆的停靠点数据；其中上述的任一网格的第一预定区域为以任一网格的中心点为圆心及以预设阈值为半径的区域；获取预设时间段内的每个子时间段内落入任一网格的第一预定区域中的浮动车辆停靠点数；根据任一网格的第一预定区域面积及预设时间段内的每个子时间段内落入任一网格的第一预定区域中的浮动车辆停靠点数，得到每个子时间段内任一网格的第一浮动车辆停靠点密度；继续计算每个子时间段内待分析区域中剩余网格的第一浮动车辆停靠点密度。

可选的，该密度获取单元34具体用于：选取待分析区域中的任一网格，并从任意网格中获取一个中心点及中心点的坐标；获取每个子时间段内落在任一网格的第二预定区域内的每个浮动车辆的停靠点数据；其中上述的任一网格的第二预定区域为以任一网格的中心点为圆心及以预设阈值为半径的区域；根据每个子时间段内落在任一网格的第二预定区域内的每个浮动车辆的停靠点数据、任一网格的中心点的坐标及密度公式计算每个子时间段内任一网格的中心点的第一浮动车辆的停靠点密度；继续计算每个子时间段内待分析区域内剩余网格的中心点的第一浮动车辆的停靠点密度；其中网格的中心点的第一浮动车辆的停靠点密度即网格的第一浮动车辆的停靠点密度。

其中，上述的密度公式为： $P(x,y)=\frac{1}{{\mathrm{\&delta;}}_r(x,y)}{\mathrm{\&Sigma;}}_{i=1}^n\frac{1}{r^2}\&times;K(\frac{x-x_i}{r},\frac{y-y_i}{r});$ 上述的δ_r(x,y)为消除边际效应的函数；上述的为概率密度函数；上述的待分析区域A内的浮动车辆停靠点的集合E为：{（x₁，y₁），(x₂，y₂），……，（x_n，y_n）}；上述的P(x,y)为网格中心点（x，y）处的点密度；上述的r为以（x，y）为圆心的圆的半径；上述的n网格的第二预定区域内的浮动车辆停靠点数目。

可选的，如图4所示，该区域筛选单元36包括：密度获取模块361、对比模块362和区域筛选模块363，其中：

密度获取模块361，用于获取密度获取单元34所获取的不同子时间段对应的每个网格的第二浮动车辆停靠点密度。

对比模块362，用于选取任一子时间段，并将密度获取模块361获取的任一子时间段对应的每个网格的第二浮动车辆停靠点密度与预设密度阈值进行比对。

区域筛选模块363，用于根据对比模块362得到的任一子时间段的比对结果，挑选出任一子时间段内大于预设密度阈值的第二浮动车辆停靠点密度，并将挑选出的第二浮动车辆停靠点密度对应网格所对应的区域作为任一子时间段内的最佳乘车区域，直到所有子时间段的最佳乘车区域均被获取为止。

本发明的实施例提供的数据处理装置，通过对待分析区域预设时间段内的浮动车辆数据记录的预处理，筛选出预设时间内浮动车辆的停靠点数据，并将待分析区域划分为多个大小相同的网格，从而根据预设时间段内的每个子时间段内的浮动车辆的停靠点数据，计算出待分析区域中每个网格的第一浮动车辆停靠点密度，而后将同一子时间段内不同周期的同一网格的第一浮动车辆停靠点密度进行叠加增强，从而获取到一个预设时间周期的不同子时间段内每个网格的第二浮动车辆停靠点密度，然后对其进行筛选，从而得到不同子时间段的最佳乘车区域，进而节约了用户时间。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

另外，在本发明各个实施例中的设备和系统中，各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理包括，也可以两个或两个以上单元集成在一个单元中。且上述的各单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：U盘、移动硬盘、只读存储器（ReadOnlyMemory，简称ROM）、随机存取存储器（RandomAccessMemory，简称RAM）、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (4)

1.一种数据处理方法，其特征在于，包括：

接收待分析区域预设时间段内的浮动车辆数据记录；

从所述浮动车辆数据记录中筛选出所述浮动车辆的停靠点数据；其中所述预设时间段是由至少一个预设时间周期组成，而每个预设时间周期被划分为多个时间长度相同的子时间段；

将所述待分析区域划分为多个大小相同的网格；

根据所述预设时间段内的每个子时间段内的所述浮动车辆的停靠点数据，计算所述每个子时间段内的所述待分析区域中每个网格的第一浮动车辆停靠点密度；

将每个预设时间周期的同一子时间段内的同一网格的第一浮动车辆停靠点密度进行叠加，得到一个预设时间周期的不同子时间段对应的所述每个网格的第二浮动车辆停靠点密度；

对所述不同子时间段对应的每个网格的第二浮动车辆停靠点密度进行区域筛选，得到所述不同子时间段的最佳乘车区域；

其中，所述根据所述预设时间段内的每个子时间段内的所述浮动车辆的停靠点数据，计算所述每个子时间段内的所述待分析区域中每个网格的第一浮动车辆停靠点密度具体包括：

选取所述待分析区域中的任一网格，并从所述任一网格中获取一个中心点及所述中心点的坐标；

获取每个子时间段内落在所述任一网格的第二预定区域内的每个浮动车辆的停靠点数据；其中所述任一网格的第二预定区域为以所述任一网格的中心点为圆心及以预设阈值为半径的区域；

根据每个子时间段内落在所述任一网格的第二预定区域内的每个浮动车辆的停靠点数据、所述任一网格的中心点的坐标及密度公式计算所述每个子时间段内所述任一网格的中心点的第一浮动车辆的停靠点密度；

继续计算所述每个子时间段内所述待分析区域内剩余网格的中心点的第一浮动车辆的停靠点密度；其中所述网格的中心点的第一浮动车辆的停靠点密度即所述网格的第一浮动车辆的停靠点密度；

其中，所述密度公式为： $P(x,y)=\frac{1}{{\mathrm{\&delta;}}_r(x,y)}{\mathrm{\&Sigma;}}_{i=1}^n\frac{1}{r^2}\&times;K(\frac{x-x_i}{r},\frac{y-y}{r});$ 所述δ_r(x,y)为消除边际效应的函数；所述为概率密度函数；所述待分析区域内的浮动车辆停靠点的集合E为：{(x₁，y₁)，(x₂，y₂)，……，(x_n，y_n)}；所述P(x,y)为网格中心点(x，y)处的点密度；所述r为以(x，y)为圆心的圆的半径；所述n为所述网格的第二预定区域内的浮动车辆停靠点数目。

2.根据权利要求1所述的方法，其特征在于，所述对所述不同子时间段对应的每个网格的第二浮动车辆停靠点密度进行区域筛选，得到所述不同子时间段的最佳乘车区域包括：

获取所述不同子时间段对应的每个网格的第二浮动车辆停靠点密度；

选取任一子时间段，并将所述任一子时间段对应的所述每个网格的第二浮动车辆停靠点密度与预设密度阈值进行比对；

根据所述任一子时间段的比对结果，挑选出所述任一子时间段内大于所述预设密度阈值的第二浮动车辆停靠点密度，并将挑选出的第二浮动车辆停靠点密度对应网格所对应的区域作为所述任一子时间段内的最佳乘车区域，直到所有子时间段的最佳乘车区域均被获取为止。

3.一种数据处理装置，其特征在于，包括：

接收单元，用于接收待分析区域预设时间段内的浮动车辆数据记录；

筛选单元，用于从所述接收单元接收的所述浮动车辆数据记录中筛选出所述浮动车辆的停靠点数据；其中所述预设时间段是由至少一个预设时间周期组成，而每个预设时间周期被划分为多个时间长度相同的子时间段；

网格划分单元，用于将所述待分析区域划分为多个大小相同的网格；

密度获取单元，用于根据所述筛选单元筛选出的所述预设时间段内的每个子时间段内的所述浮动车辆的停靠点数据，计算所述每个子时间段内的所述待分析区域中每个网格的第一浮动车辆停靠点密度；

密度叠加单元，用于将所述密度获取单元所获取的每个预设时间周期的同一子时间段内的同一网格的第一浮动车辆停靠点密度进行叠加，得到一个预设时间周期的不同子时间段对应的所述每个网格的第二浮动车辆停靠点密度；

区域筛选单元，用于对所述密度叠加单元所获取的所述不同子时间段对应的每个网格的第二浮动车辆停靠点密度进行区域筛选，得到所述不同子时间段的最佳乘车区域；

其中，所述密度获取单元具体用于：选取所述待分析区域中的任一网格，并从所述任一网格中获取一个中心点及所述中心点的坐标；获取每个子时间段内落在所述任一网格的第二预定区域内的每个浮动车辆的停靠点数据；其中所述任一网格的第二预定区域为以所述任一网格的中心点为圆心及以预设阈值为半径的区域；根据每个子时间段内落在所述任一网格的第二预定区域内的每个浮动车辆的停靠点数据、所述任一网格的中心点的坐标及密度公式计算所述每个子时间段内所述任一网格的中心点的第一浮动车辆的停靠点密度；继续计算所述每个子时间段内所述待分析区域内剩余网格的中心点的第一浮动车辆的停靠点密度；其中所述网格的中心点的第一浮动车辆的停靠点密度即所述网格的第一浮动车辆的停靠点密度；

其中，所述密度公式为： $P(x,y)=\frac{1}{{\mathrm{\&delta;}}_r(x,y)}{\mathrm{\&Sigma;}}_{i=1}^n\frac{1}{r^2}\&times;K(\frac{x-x_i}{r},\frac{y-y_i}{r});$ 所述δ_r(x,y)为消除边际效应的函数；所述为概率密度函数；所述待分析区域内的浮动车辆停靠点的集合E为：{(x₁，y₁)，(x₂，y₂)，……，(x_n，y_n)}；所述P(x,y)为网格中心点(x，y)处的点密度；所述r为以(x，y)为圆心的圆的半径；所述n为所述网格的第二预定区域内的浮动车辆停靠点数目。

4.根据权利要求3所述的装置，其特征在于，所述区域筛选单元包括：

密度获取模块，用于获取所述密度获取单元所获取的所述不同子时间段对应的每个网格的第二浮动车辆停靠点密度；

对比模块，用于选取任一子时间段，并将所述密度获取模块获取的所述任一子时间段对应的所述每个网格的第二浮动车辆停靠点密度与预设密度阈值进行比对；

区域筛选模块，用于根据所述对比模块得到的所述任一子时间段的比对结果，挑选出所述任一子时间段内大于所述预设密度阈值的第二浮动车辆停靠点密度，并将挑选出的第二浮动车辆停靠点密度对应网格所对应的区域作为所述任一子时间段内的最佳乘车区域，直到所有子时间段的最佳乘车区域均被获取为止。