CN104715608A - 基于HBase的全天候全域出租车聚集实时监测方法 - Google Patents

Abstract

本发明为基于HBase的全天候全域出租车聚集实时监测方法，公开了一种车辆聚集监测方法。本发明首先将监测区域划分成网格，使用历史GPS数据计算出每个网格出租车数的最大值。然后，实时扫描GPS数据，按时刻截取一段时间的数据进行分析，循环扫描每一个网格，如果某个网格连续n个时刻都大于历史最大值，则观察这n个时刻的车数是否呈递增趋势，如果是则继续计算本时刻是否有一定数量的车和上一时刻相同，成立则说明该网格发生车辆聚集，否则扫描下一个网格。本发明利用出租车GPS数据实时监测每个区域，通过海量的历史出租车GPS和实时数据、HBase数据库、Spark计算框架、数据挖掘方法和最小二乘法构建出了一套快速、准确而有效的实时聚集监测方法。

Description

基于HBase的全天候全域出租车聚集实时监测方法

技术领域

本发明属于海量数据挖掘技术领域，是一种基于海量数据挖掘算法的车辆聚集监测方法。

背景技术

出租车是改革开放的产物, 出租车行业则是一个特殊行业，城市出租车是一个提供公共服务并且直接关系公共利益的行业，在城市道路运输中占有十分重要的地位。近年来重庆 、广东等地接二连三地发生出租车集体罢运罢工事件, 主要诉求或原因在于份钱高、黑车多、加气难、罚款多、运价低、经营权争议、公司化剥削、行政垄断等。罢运罢工不仅影响城市居民生活出行, 同时也产生了巨额的直接经济损失。因此，如果能及时发现出租车罢工，对方便人们出行和减少经济损失具有重要意义。

发明内容

本发明针对现有技术的不足，提供了一种车辆聚集监测方法。

本发明中如果某一块监测区域中的出租车连续一段时间出现在该区域并且出租车数一直大于该区域的历史最大车数，将认为发生了车辆聚集行为。

本发明的主要目标和内容即是，从出租车GPS数据中实时发现车辆聚集的区域。

本发明技术方案的主要构思是：首先，将监测区域划分成网格，使用历史GPS数据计算出每个网格出租车数的最大值。然后，实时扫描GPS数据，按时刻截取一段时间的数据进行分析，循环扫描每一个网格，如果某个网格连续n个时刻都大于历史最大值，则观察这n个时刻的车数是否呈递增趋势，如果是，则继续计算本时刻是否有一定数量的车和上一时刻相同，成立，则说明该网格发生车辆聚集，否则扫描下一个网格。

本发明方法包含以下步骤：

步骤（1）.出租车上传GPS信息至HBase数据库，GPS信息包括上传时间（SCSJ）、经度（JD）、纬度（WD）和车牌号码（CPHM）信息并且按SCSJ排序。

步骤（2）.GPS信息数据预处理，具体是：                                                、或者车牌号码不符合出租车命名规则的GPS信息从HBase数据库删除，A表示起始经度，B表示终止经度，C表示起始纬度，D表示终止纬度。

步骤（3）.根据网格聚类算法，将省（市）按经纬度划分，将区域划分成一个个网格（i=1,2…k），的精度为度。

步骤（4）.第一步：以天为单位，选取某个时间段的GPS信息（这个时间段没有发生车辆聚集）；第二步：采用Spark技术，从选取的GPS信息中按天计算出每个每隔5分钟的车数；第三步：选取每个在5分钟间隔内的最大值作为车辆聚集的历史最大值。

步骤（5）.向前分钟，向后扫描分钟的数据（包含这分钟的数据），将数据对应到，扫描每个和周围相邻的8个，记为（j=1,2…N），等所有扫描完后，重复本步骤，具体是；

5-1.记录时刻中的车数，如果被认为是车辆聚集区域且的到共n个时刻的车数都小于，则该区域解除报警，否则继续在地图上标红该区域，输出聚集详情；如果没有被认为是车辆聚集区域，计算的到共n个时刻的车数是否都大于，如果都大于则转5-2，否则扫描。

5-2.用最小二乘法拟合的到共n个时刻的车数，如果直线斜率大于,则转步骤5-3，否则扫描。

5-3.如果时刻中的CPHM有和时刻相同，则认为区域发生车辆聚集，对区域启动报警程序，即在地图上标红该区域，输出聚集详情，否则扫描。

本发明具有的有益效果：本发明利用出租车GPS数据实时监测每个区域，通过海量的历史出租车GPS和实时数据、HBase数据库、Spark计算框架、数据挖掘方法和最小二乘法构建出了一套快速、准确而有效的实时聚集监测方法。

本发明为交通管理部门解决出租车罢运提供了可靠的依据，为居民生活出行提供方便。如果本发明在智能交通领域广泛应用，对解决出租车罢运将起到良好的效果。

附图说明

图1为扫描数据的时间轴，向前时间，向后扫描时间的数据；

图2为按网格划分区域，扫描一个网格的同时扫描周围相邻的8个网格；

图3在地图上按网格划分区域；

图4某个网格在不同时刻的最大车数；

图5用最小二乘法拟合某网格连续5个时刻的车数。

具体实施方式

以下结合附图对本发明作进一步说明。

本发明方法主要涉及三个关键技术：

1、时间无缝：向前时间，向后扫描时间的数据（包含时间），如图1所示。

2、空间无缝：将监测区域划分为网格，横坐标是经度，纵坐标是纬度，如图2所示；监测1个网格的同时监测它周围相邻的8个网格，如果这九个网格的出租车数连续n个时刻都大于历史最大值，n个时刻的车数还呈递增趋势且都是同一批出租车，则认为该区域发生车辆聚集。

3、HBase数据库结合Spark计算框架：有别于关系型数据库，HBase数据库和Spark计算框架在面向海量数据分析处理中的优势在本发明中对计算效率起到重要作用，保证了监测的实时性。

本实施例的具体步骤如下：

步骤（1）.出租车上传GPS信息至HBase数据库，GPS信息包括上传时间（SCSJ）、经度（JD）、纬度（WD）和车牌号码（CPHM）信息并且按SCSJ排序。

步骤（2）.GPS信息数据预处理，具体是：、或者车牌号码不符合出租车命名规则的GPS信息从HBase数据库删除，A表示起始经度，B表示终止经度，C表示起始纬度，D表示终止纬度。

步骤（3）.根据网格聚类算法，将省（市）按经纬度划分，将区域划分成一个个网格（i=1,2…k），的精度为度，如图3所示。

步骤（4）.第一步：以天为单位，选取某个时间段的GPS信息（这个时间段没有发生车辆聚集）；第二步：从选取的GPS信息中按天计算出每个每隔5分钟的车数；第三步：选取每个在5分钟间隔内的最大值作为车辆聚集的历史最大值，如图4所示。

步骤（5）.向前分钟，向后扫描分钟的数据（包含这分钟的数据），将数据对应到，扫描每个和周围相邻的8个，记为（j=1,2…N），等所有扫描完后，重复本步骤，具体是；

5-1.记录时刻中的车数，如果被认为是车辆聚集区域且的到共n个时刻的车数都小于，则该区域解除报警，否则继续在地图上标红该区域，输出聚集详情；如果没有被认为是车辆聚集区域，计算的到共n个时刻的车数是否都大于，如果都大于则转5-2，否则扫描。

5-2.用最小二乘法拟合的到共n个时刻的车数，如果直线斜率大于,则转步骤5-3，否则扫描。

5-3.如果时刻中的CPHM有和时刻相同，则认为区域发生车辆聚集，对区域启动报警程序，即在地图上标红该区域，输出聚集详情，否则扫描。

Claims (1)

1.基于HBase的全天候全域出租车聚集实时监测方法，其特征在于该方法的具体步骤是：

步骤（1）.出租车上传GPS信息至HBase数据库，所述GPS信息包括上传时间、经度、纬度和车牌号码信息并且按上传时间排序；

步骤（2）.GPS信息数据预处理，具体是：                                               、或者车牌号码不符合出租车命名规则的GPS信息从HBase数据库删除，A表示起始经度，B表示终止经度，C表示起始纬度，D表示终止纬度；

步骤（3）.根据网格聚类算法，将省、市按经纬度划分，将区域划分成一个个网格，i=1,2…k，的精度为度；

步骤（4）.第一步：以天为单位，选取某个时间段的GPS信息；第二步：从选取的GPS信息中按天计算出每个网格每隔5分钟的车数；第三步：选取每个网格在5分钟间隔内的最大值作为车辆聚集的历史最大值；

步骤（5）.向前分钟，向后扫描分钟的数据，将数据对应到网格，扫描每个网格和周围相邻的8个网格，记为，j=1,2…N，等所有网格扫描完后，重复本步骤，具体是：

5-1.记录时刻中的车数，如果被认为是车辆聚集区域且的到共n个时刻的车数都小于，则该区域解除报警，否则继续在地图上标红该区域，输出聚集详情；如果没有被认为是车辆聚集区域，计算的到共n个时刻的车数是否都大于，如果都大于则转5-2，否则扫描；

5-2.用最小二乘法拟合的到共n个时刻的车数，如果直线斜率大于,则转步骤5-3，否则扫描；

5-3.如果时刻中的CPHM有和时刻相同，则认为区域发生车辆聚集，对区域启动报警程序，即在地图上标红该区域，输出聚集详情，否则扫描。