CN105843943A - 车辆常驻地分析方法 - Google Patents
车辆常驻地分析方法 Download PDFInfo
- Publication number
- CN105843943A CN105843943A CN201610216718.3A CN201610216718A CN105843943A CN 105843943 A CN105843943 A CN 105843943A CN 201610216718 A CN201610216718 A CN 201610216718A CN 105843943 A CN105843943 A CN 105843943A
- Authority
- CN
- China
- Prior art keywords
- data
- information
- correction data
- vehicle
- threshold value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明提供了一种车辆常驻地分析方法,通过行车轨迹数据中批量获取车辆的GPS信息数据进行分析,从而确定有效停留,再针对有效停留的GPS信息数据进行分类处理得到驻留点,最后对每个驻留点的停留时间进行累加得到驻留时间,最终经由排序对停留时间较长的驻留点的位置确定为车辆常驻地,从而实现了可靠合理得到车辆可靠常驻地的目的。可适合诸如:汽车租赁的风险控制(以防骗车)、车主画像(如车主经常停留于医院或KTV等商业应用中作为可靠参考数据基础使用,从而结合停留的时段实现分析车主的职业或爱好等客观商业分析、评估使用。
Description
技术领域
本发明涉及一种车辆行车数据处理方法,尤其是指一种车辆常驻地分析方法。
背景技术
私家车是人们出行的重要交通工具之一。汽车的普及导致汽车之间构成的网络——车联网日趋重要,特别是在IOT时代,车联网或将成为仅次于由互联网和手机构成的移动互联网之后的世界第三大互联网物体,因此蕴含着无限机遇。
在车联网系统中,智能汽车的最重要主体,通过车载设备使得汽车智能化,进而实时采集汽车数据,上传至云端,在通过充分利用互联技术上的信息实时交互、大数据分析与高速云计算,才能保证智能汽车真正拥有充分的智能。在车联网生态系统的构建进程中,运营商、芯片商、模组与方案设计商、车厂都在积极进行对应的变革。而车联网发展的过程中产生的海量的驾驶行为数据包括车辆常驻地等在内的状态信息提供了分析可能性,但现有技术中并未能有效的通过数据分析得到客观的车辆常驻地信息,阻碍了后续各种业务参考与使用。
发明内容
本发明所要解决的技术问题是:提供了一种基于车辆GPS历史轨迹信息进行常驻地分析的行车辆常驻地分析方法。
为了解决上述技术问题,本发明采用的技术方案为:提供了一种车辆常驻地分析方法,包括分析处理流程,分析处理流程包括步骤,
A)批量获取车辆对应GPS信息数据;所述GPS信息数据包含定位信息及时间信息;
B)逐条比较相邻时间的GPS信息数据,判断车辆是否处于有效停留,将有效停留的车辆GPS信息数据中的定位信息连同停留时长作为车辆驻留信息存入车辆驻留信息组;所述停留时长根据已停留态下车辆的GPS信息数据中的时间信息计算得到;
C)根据范围误差值对车辆驻留信息组中车辆驻留信息进行归类,得到包含至少一个驻留点的驻留点组;
D)将驻留点组中每个驻留点的停留时长累加,得到累计驻留时长;
E)至少将累计驻留时长最长的停留点的定位信息标记为车辆常驻地。
上述中,所述步骤B具体包括,
B1)将GPS信息数据根据时间信息按时间先后排序;
B2)选择时间最早的一条GPS信息数据作为基准数据;
B3)读取下一个时间的GPS信息数据作为对比数据,而后转到行车态子流程;
行车态子流程
S10)读取下一个时间的GPS信息数据作为对比数据;
S11)分析对比数据中GPS信息数据,得到定位信息、时间信息及时速信息;
S12)判断对比数据的时间信息与基准数据的时间信息差值的时间间隔是否大于时间间隔阈值,是则转到步骤S13;
S13)判断对比数据的定位信息与基准数据的定位信息差值的相距距离是否小于相距阈值,是则转到步骤S14;
S14)将对比数据与基准数据的GPS信息数据记录中时间信息差值记录为停留时长,连同对比数据的GPS信息数据记录中定位信息一并记录为有效停留点;
S15)将对比数据存储为基准数据,而后转到已停留态子流程;
已停留态子流程
S20)读取下一个时间的GPS信息数据作为对比数据;
S21)分析对比数据中GPS信息数据,得到定位信息、时间信息及时速信息;
S22)判断对比数据的定位信息与有效停留点的定位信息相距距离是否小于相距阈值,是则转到步骤S27,否则转到步骤S23;
S23)将有效停留点的定位信息及停留时长作为车辆驻留信息存入车辆驻留信息组;
S24)判断对比数据的时速信息是否小于时速阈值,是则转到步骤S25;
S25)将对比数据存储为基准数据,而后转到行车态子流程;
S27)将对比数据与基准数据的GPS信息数据记录中时间信息差值累加至停留时长,而后转到已停留态子流程。
上述中,所述已停留态子流程中步骤S24中,若否则转到步骤S26;
S26)将对比数据与基准数据的GPS信息数据记录中时间信息差值记录为停留时长,连同对比数据的GPS信息数据记录中定位信息一并标记为疑似停留点,而后转到停留态子流程;
停留态子流程
S30)读取下一个时间的GPS信息数据作为对比数据;
S31)分析对比数据中GPS信息数据,得到定位信息、时间信息及时速信息;
S32)判断对比数据与基准数据是否同时满足时间信息的时间间隔大于时间间隔阈值且定位信息的相距小于相距阈值,是则转到步骤S33;
S33)将对比数据与基准数据的GPS信息数据记录中时间信息差值累加至停留时长,而后转到已停留态子流程。
上述中,所述停留态子流程中步骤S32中,否则转到步骤S35;
S35)判断对比数据的时速信息是否小于时速阈值,否则转到步骤S36,是则转到步骤S37;
S36)将对比数据存储为基准数据,而后转到待停留态子流程;
S37)将对比数据与基准数据的GPS信息数据记录中时间信息差值累加至停留时长;
S38)判断停留时常是否超过留时长阈值,是则转到已停留态子流程,否则转到停留态子流程;
待停留态子流程
S40)读取下一个时间的GPS信息数据作为对比数据;
S41)分析对比数据中GPS信息数据,得到定位信息、时间信息及时速信息;
S42)判断对比数据的时间信息与基准数据的时间信息的时间间隔是否大于时间间隔阈值,是则转到步骤S43;
S43)判断对比数据的定位信息与疑似停留点的定位信息相距距离是否小于相距阈值,是则转到步骤S44;
S44)将对比数据与基准数据的GPS信息数据记录中时间信息差值记录为停留时长,连同对比数据的GPS信息数据记录中定位信息一并记录为有效停留点,而后转到已停留态子流程。
上述中,所述待停留态子流程,步骤S42中,否则转到步骤S45;
S45)判断对比数据的时速信息是否小于时速阈值,否则转到步骤S46,是则转到步骤S47;
S46)将对比数据存储为基准数据,而后转到待停留态子流程;
S47)将对比数据与基准数据的GPS信息数据记录中时间信息差值记录为停留时长,连同对比数据的GPS信息数据记录中定位信息一并标记为疑似停留点,而后转到停留态子流程。
上述中,所述待停留态子流程,步骤S43中,否则转到步骤S49;
S49)判断对比数据的时速信息是否小于时速阈值,是则转到步骤S50,否则转到步骤S51;
S50)将对比数据与基准数据的GPS信息数据记录中时间信息差值记录为停留时长,连同对比数据的GPS信息数据记录中定位信息一并标记为疑似停留点,而后转到停留态子流程;
S51)将对比数据存储为基准数据,而后转到行车态子流程。
上述中,所述行车态子流程,步骤S12中,若否则转到步骤S16;
S16)判断对比数据的时速信息是否小于时速阈值,是则转到步骤S17;否则转到步骤S18;
S17)将对比数据与基准数据的GPS信息数据记录中时间信息差值记录为停留时长,连同对比数据的GPS信息数据记录中定位信息一并标记为疑似停留点,而后转到停留态子流程;
S18)将对比数据存储为基准数据,而后转到行车态子流程;
步骤S13中,若否则转到步骤S19;
S19)将对比数据存储为基准数据,而后转到行车态子流程。
上述中,所述行车态子流程的步骤S11、S12间还包括步骤S112)判断对比数据与基准数据差异是否大于阈值,是则丢弃对比数据,转到行车态子流程,否则转到步骤S12;
所述已停留态子流程的步骤S21、S22间还包括步骤S212)判断对比数据与基准数据差异是否大于阈值,是则丢弃对比数据,转到已停留态子流程,否则转到步骤S22。
上述中,所述停留态子流程的步骤S31、S32之间还包括步骤S312)判断对比数据与基准数据差异是否大于阈值,是则丢弃对比数据,转到停留态子流程,否则转到步骤S32;
所述待停留态子流程的步骤S41、S42之间还包括步骤S412)判断对比数据与基准数据差异是否大于阈值,是则丢弃对比数据,转到待停留态子流程,否则转到步骤S42。
上述中,所述时间间隔阈值为1800-3600s;所述相距阈值为100-1000m;所述时速阈值为0-10km/h。
本发明的有益效果在于:提供了一种车辆常驻地分析方法,能够通过行车轨迹数据中批量获取车辆的GPS信息数据进行分析,从而确定有效停留,再针对有效停留的GPS信息数据进行分类处理得到驻留点,最后对每个驻留点的停留时间进行累加得到驻留时间,最终经由排序对停留时间较长的驻留点的位置确定为车辆常驻地,从而实现了可靠合理得到车辆可靠常驻地的目的。可适合诸如:汽车租赁的风险控制(以防骗车)、车主画像(如车主经常停留于医院或KTV等商业应用中作为可靠参考数据基础使用,从而结合停留的时段实现分析车主的职业或爱好等客观商业分析、评估使用。
附图说明
下面结合附图详述本发明的具体结构
图1为本发明方法的总流程图;
图2为本发明的行车态子流程流程图;
图3为本发明的停留态子流程流程图;
图4为本发明的待停留态子流程流程图;
图5为本发明的已停留态子流程流程图。
具体实施方式
为详细说明本发明的技术内容、构造特征、所实现目的及效果,以下结合实施方式并配合附图详予说明。
如图1所示,本发明涉及一种车辆常驻地分析方法,包括分析处理流程,分析处理流程包括步骤,
A)批量获取车辆对应GPS信息数据;所述GPS信息数据包含定位信息及时间信息;
B)逐条比较相邻时间的GPS信息数据,判断车辆是否处于有效停留,将有效停留的车辆GPS信息数据中的定位信息连同停留时长作为车辆驻留信息存入车辆驻留信息组;所述停留时长根据已停留态下车辆的GPS信息数据中的时间信息计算得到;
C)根据范围误差值对车辆驻留信息组中车辆驻留信息进行归类,得到包含至少一个驻留点的驻留点组;
D)将驻留点组中每个驻留点的停留时长累加,得到累计驻留时长;
E)至少将累计驻留时长最长的停留点的定位信息标记为车辆常驻地。
从上述描述可知,本发明的有益效果在于:提供了一种车辆常驻地分析方法,能够通过行车轨迹数据中批量获取车辆的GPS信息数据进行分析,从而确定有效停留,再针对有效停留的GPS信息数据进行分类处理得到驻留点,最后对每个驻留点的停留时间进行累加得到驻留时间,最终经由排序对停留时间较长的驻留点的位置确定为车辆常驻地,从而实现了可靠合理得到车辆可靠常驻地的目的。可适合诸如:汽车租赁的风险控制(以防骗车)、车主画像(如车主经常停留于医院或KTV等商业应用中作为可靠参考数据基础使用,从而结合停留的时段实现分析车主的职业或爱好等客观商业分析、评估使用。
实施例1
虽然孤立的获取、分析车辆是处于行驶或停止状态非常容易,但由于车辆在行驶、停止状态因素、情况复杂多变,如车载设备GPS信号的获取的连续性会受到实际地形、设备稳定性影响(如停车场、室内往往GPS定位信号不准),因此车辆实际处于的情形非常多,实际车辆行驶过程常见的行驶/停止状态至少包括以下几种可能性:
1、车辆持续以正常速度行驶
2、车辆持续缓行(如堵车、停车场找位等)
3、车辆从静止转为正常速度行驶(如车辆出室内停车场)
4、车辆从缓行加速至正常速度行驶(如红绿灯)
5、车辆从正常速度降为缓行(如红绿灯)
6、车辆从正常行驶转为停止(如车辆驶入室内停车场)
可见车辆实际在行车与停留状态间存在诸多转化方式,因此如何合理、快速的准确判别车辆是否真实发生了实际的停留,是本发明进一步需要解决的技术问题之一。
本实施例给出了的基本从行车态到确认已停留态的判断机制。如下:
上述中,所述步骤B具体包括,
B1)将GPS信息数据根据时间信息按时间先后排序;
B2)选择时间最早的一条GPS信息数据作为基准数据;
B3)读取下一个时间的GPS信息数据作为对比数据,而后转到行车态子流程。
行车态子流程,参见图2:
S10)读取下一个时间的GPS信息数据作为对比数据;
S11)分析对比数据中GPS信息数据,得到定位信息、时间信息及时速信息;
S12)判断对比数据的时间信息与基准数据的时间信息差值的时间间隔是否大于时间间隔阈值,是则转到步骤S13;
在进入行车态子流程后首先判别对比数据与基准数据时间信息的差值对应的时间间隔是否超时可筛选出车辆较长时间后才进出GPS信号障碍地区(如室内停车场)的情形,因为往往此种情况下会产生实际停车行为,因此可快速识别车辆可能产生停留的情况。
S13)判断对比数据的定位信息与基准数据的定位信息差值的相距距离是否小于相距阈值,是则转到步骤S14;
本步骤进一步判断相距距离可筛除诸如定位出错或实际车辆正常使用但设备故障所带来的错误GPS数据。
S14)将对比数据与基准数据的GPS信息数据记录中时间信息差值记录为停留时长,连同对比数据的GPS信息数据记录中定位信息一并记录为有效停留点;
当满足前后GPS信息数据的时间间隔够长且相距距离不远情况下,即可确认车辆前后两次状态发生了变化,即很可能车辆从原先的行驶状态变成了较长时间的停留状态,因此此时可确认车辆发生了一次有效的停留(也可能根据流程不同为确认疑似停留点为有效停留点),因此本步骤将此刻GPS信息数据的定位信息存储,同时停留时长暂定为当下前后时间差。
S15)将对比数据存储为基准数据,而后转到已停留态子流程;
已停留态子流程,参见图3:
S20)读取下一个时间的GPS信息数据作为对比数据;
S21)分析对比数据中GPS信息数据,得到定位信息、时间信息及时速信息;
S22)判断对比数据的定位信息与有效停留点的定位信息相距距离是否小于相距阈值,是则转到步骤S27,否则转到步骤S23;
本步骤通过相距距离的判别,从而可得出车辆是否在结束停留。S23)将有效停留点的定位信息及停留时长作为车辆驻留信息存入车辆驻留信息组;
上述步骤S22骤通过对前后定位信息的相距距离判断,从而分析车辆是否在停留状态上发生了变化,若距离发生变化则很可能意味着车辆发生了移动,即从停留变成了行驶,此时原先存储的有效停留点的定位信息和记录的停留时长则就是一个真实的车辆驻留信息得以保存。
S24)判断对比数据的时速信息是否小于时速阈值,是则转到步骤S25;
本步骤进一步对车速进行判断,以确认车辆实际是否真实开始行驶。
S25)将对比数据存储为基准数据,而后转到行车态子流程;
S27)将对比数据与基准数据的GPS信息数据记录中时间信息差值累加至停留时长,而后转到已停留态子流程。
当与前后定位信息的相距距离并未发生明显变化时,即车辆依然处于停留,此时通过累加统计得到车辆实际的真实停留时长。
对于上述“已停留态子流程”,进入该流程意味着车辆本次停留已符合有效停留的条件(连续停留在本区域的时长已超过门槛值)。由于在先前步骤中不能确定在此的停留时长(如行车态子流程时),所以本流程对后续GPS数据持续分析,每次对有效GPS数据进行分析时,有两种可能:仍在停留地范围,则延长停留时长(更新);否则,则离开停留的范围,意味着本次停留结束,则可确定本次停留的时长。由此,通过判断是否仍在本区域范围(即对比数据的位置与本次停留点的距离是否小于一门槛值)即可统计车辆真实停留下实际的停留时长。需要特别注意的是,在停留时长的判断上,车速并不作为判断因素,只有在车辆移动(距离有效停留点较远,可理解为离开停车场范围)后,才判断车辆是真发生移动还是缓行后变更了停留地点。
实施例2
上述中,所述已停留态子流程中步骤S24中,若否则转到步骤S26;
S26)将对比数据与基准数据的GPS信息数据记录中时间信息差值记录为停留时长,连同对比数据的GPS信息数据记录中定位信息一并标记为疑似停留点,而后转到停留态子流程;
当在已停留态下离开停车场范围后,如出现车速较慢,则对车辆变化后的位置标记为一“新”的疑似停留点,再通过后续停留态子流程来确认是否真产生了停留(即确认是否是个有效停留)。
停留态子流程,参见图4:
S30)读取下一个时间的GPS信息数据作为对比数据;
S31)分析对比数据中GPS信息数据,得到定位信息、时间信息及时速信息;
S32)判断对比数据与基准数据是否同时满足时间信息的时间间隔大于时间间隔阈值且定位信息的相距小于相距阈值,是则转到步骤S33;S33)将对比数据与基准数据的GPS信息数据记录中时间信息差值累加至停留时长,而后转到已停留态子流程。
仅当时间间隔长且距离相距又不大,则意味着车辆并未发生本质的停留点变化,因此此时不改变停留点定位,而只是累计停留时长。
本实施例中的“停留态子流程”,主要用于识别车辆发生的停留为有效停留或无效停留,判断主要通过判断停留时长是否超过门槛值,如时长超过门槛值,则可确认为有效停留,迁入“已停留态”,进入新流程处理;如时长没超过门槛值,则继续留在本状态,不需更新停留时长。在此之前,有个判断,对比数据与基准数据的时间差值(即时间间隔)超过门槛值(该值较大,一般为1小时)且仍在停留地范围,则可确认这就是有效停留(时长超过1小时),也迁入“已停留态”,进入新流程处理。在“停留态”时,如果车又开动起来(车速超过一门槛值),则本次停留也识别为无效停留,迁入“待停留态“,寻找新的停留。
实施例3
上述中,所述停留态子流程中步骤S32中,否则转到步骤S35;
S35)判断对比数据的时速信息是否小于时速阈值,否则转到步骤S36,是则转到步骤S37;
当无法同时不满足S32两个条件时,则车辆可能处于无效停留状态(由于前后数据的位置过远,无法确定具体停留点),此时进一步对时速进行判断,从而剔除车辆实际属于行驶情况下的无效停留状态。
S36)将对比数据存储为基准数据,而后转到待停留态子流程;
S37)将对比数据与基准数据的GPS信息数据记录中时间信息差值累加至停留时长;
S38)判断停留时常是否超过留时长阈值,是则转到已停留态子流程,否则转到停留态子流程。
停留态子流程是对车辆的停留是属于停留还是只是个短暂停留。其具体判别流程如下:
待停留态子流程,参见图5:
S40)读取下一个时间的GPS信息数据作为对比数据;
S41)分析对比数据中GPS信息数据,得到定位信息、时间信息及时速信息;
S42)判断对比数据的时间信息与基准数据的时间信息的时间间隔是否大于时间间隔阈值,是则转到步骤S43;
S43)判断对比数据的定位信息与疑似停留点的定位信息相距距离是否小于相距阈值,是则转到步骤S44;
S44)将对比数据与基准数据的GPS信息数据记录中时间信息差值记录为停留时长,连同对比数据的GPS信息数据记录中定位信息一并记录为有效停留点,而后转到已停留态子流程。
本实施例的流程机制可有效应对相邻的GPS数据时间间隔较长的情况是否真实产生停留的判定。例如:
(1)当车辆设备因素长时间无法正常获取GPS信息数据,则前后上报的两条GPS信息数据的时间信息的间隔很长。
(2)车辆驶入地下停车场,失去GPS信号,停留长时间后驶出(如一夜)方恢复GPS定位上报GPS信息数据。
对于上述(1)(2)情况下,在GPS信息数据中都会提现的相邻的GPS数据时间间隔较长,若直接定义为车辆停留则会导致停留错误的情况,因此本实施例中进一步增加了对GPS数据中的位置信息与记录的疑似停留点的相距进行判别的机制,只有当相距不超过相距阈值下,才表示车辆前后两次定位数据差异不远,车辆处于同一区域,如在停车场范围内的几率大大增加,方才将这次停留标记为一个疑似停留点,且进一步还会迁到“已停留态子流程”进行进一步识别判断,确认是否真实有效停留。若相距超过阈值情况,则认为可能车辆并未真实发生停留,只计入疑似停留点,进一步迁到“停留态子流程”和行车态子流程进行进一步分析。
实施例4
上述中,所述待停留态子流程,步骤S42中,否则转到步骤S45;
S45)判断对比数据的时速信息是否小于时速阈值,否则转到步骤S46,是则转到步骤S47;
S46)将对比数据存储为基准数据,而后转到待停留态子流程;
S47)将对比数据与基准数据的GPS信息数据记录中时间信息差值记录为停留时长,连同对比数据的GPS信息数据记录中定位信息一并标记为疑似停留点,而后转到停留态子流程。
本实施例中,“待停留态”子流程主要目的是寻找停留点。对于前后间隔(即对比数据时间与基础数据时间之差)未超过门槛值的情况,如在S47中,就意味着找到了新的疑似停留点(该点的GPS位置及停留时刻被保存),停留时长为0。
实施例5
上述中,所述待停留态子流程,步骤S43中,否则转到步骤S49;
S49)判断对比数据的时速信息是否小于时速阈值,是则转到步骤S50,否则转到步骤S51;
S50)将对比数据的GPS信息数据记录中定位信息及时间信息记为疑似停留点,而后转到停留态子流程;
本步骤S50和S47一样,刚刚找到一新的停留点(对比数据中的GPS点),而S44不同,该情景为对比数据与基准数据时间间隔长(超过长门槛值,如1小时),而两者的位置在同一区域(如停车场),则可以确定此为有效停留,用基准数据中的GPS位置作为停留点,间隔长度即为当前停留时长,迁到“已停留态”,在“已停留态”会继续延长本次停留的时长,或确定停留结束。
S51)将对比数据存储为基准数据,而后转到行车态子流程。
“待停留态子流程”就是寻找疑似停留点的过程,如找到疑似停留点,就开始计时,在“已停留态”等待识别是否为有效停留。也会出现异常情况,对比数据和基准数据间时间间隔较长(超过长门槛值,如1小时),如两者的位置仍在同一区域(如停车场),则可以确定此为有效停留,用基准数据中的gps位置作为停留点,间隔长度即为当前停留时长,迁到“已停留态”。在“已停留态”会。
实施例6
上述中所述行车态子流程,步骤S12中,若否则转到步骤S16;
S16)判断对比数据的时速信息是否小于时速阈值,是则转到步骤S17;否则转到步骤S18;
S17)将对比数据的GPS信息数据记录中定位信息及时间信息记为疑似停留点,而后转到停留态子流程;
S18)将对比数据存储为基准数据,而后转到行车态子流程;
步骤S13中,若否则转到步骤S19;
S19)将对比数据存储为基准数据,而后转到行车态子流程。
“行车态子流程”与“待停留态子流程”相似,主要是用来寻找疑似停留。不同的是,行车态更多的是分析车行进过程中的数据,车速为正常行车速度(大于时速阀值)时,则不迁态(仍保持在“行车态”),如S18;如发现当前数据(对比数据)的车速为0或较小(小于阀值),则该点被识别为疑似停留点(开始计时停留时长),迁入停留态,如S17。如对比数据和基准数据时间间隔较长。
实施例7
上述中所述行车态子流程的步骤S11、S12间还包括步骤S112)判断对比数据与基准数据差异是否大于阈值,是则丢弃对比数据,转到行车态子流程,否则转到步骤S12;
所述已停留态子流程的步骤S21、S22间还包括步骤S212)判断对比数据与基准数据差异是否大于阈值,是则丢弃对比数据,转到已停留态子流程,否则转到步骤S22。
行车态子流程中需处理可能的出现异常情况:
(1)对比数据为漂移点(即噪声),丢弃该点;
(2)对比数据和基准数据间时间间隔较长(超过长门槛值,如1小时),如两者的位置仍在同一区域(如停车场),则可以确定此为有效停留,用基准数据中的gps位置作为停留点,间隔长度即为当前停留时长,迁到“已停留态”。在“已停留态”会继续分析后续数据,最终确定本次停留的时长。
本实施例中,在行车态子流程和已停留态子流程的执行初始均加入了一个误差判断机制,从而有效的过滤未知的大误差、无意义数据。
实施例8
上述中所述停留态子流程的步骤S31、S32之间还包括步骤S312)判断对比数据与基准数据差异是否大于阈值,是则丢弃对比数据,转到停留态子流程,否则转到步骤S32;
所述待停留态子流程的步骤S41、S42之间还包括步骤S412)判断对比数据与基准数据差异是否大于阈值,是则丢弃对比数据,转到待停留态子流程,否则转到步骤S42。
本实施例中,在行车态子流程和已停留态子流程的执行初始均加入了一个误差判断机制,从而有效的过滤未知的大误差、无意义数据。
实施例9
上述中所述时间间隔阈值为30-60分钟;
所述相距阈值为100-1000m;相距阈值是用来判断车辆是否发生实际移动,同时避免GPS定位漂移等误差的。综合而言,通过申请人大量实验发现,当相距阈值取得比较大。最优500M以上时,可有效过滤因GPS定位误差或其他未知因素带来的偏差过大的无用数据。
所述时速阈值为0-10km/h。申请人结合大量实验发现,综合而言车辆在0-10KM/H的时速下为低速行驶/停留的不确定状态,因此设定这个范围值可针对该时速下车辆的最终状态进行更为准确的判别,从而得出真实有效的停留点信息。
需要说明的是,这涉及到3个阀值可在各流程中共用同一参数,最佳的,
1)时间间隔阈值(即对比数据与基准数据的时间差)阀值,设定为1小时,主要用于识别GPS数据丢失,但仍在同一区域出现的情况,如车驶入地下停车场;
2)相距阈值,设定为500米,主要用于限定为同一区域的范围,如停车场的大小;
3)时速阈值,设定为10公里/小时,用于识别即将停车,用来识别出疑似停车点;
所述停留时长阈值为不少于20分钟。车辆暂时停留的情况最多出现在红绿灯或交通堵塞的情况下,综合大数据反复分析得出,当停留时长阈值设置在20分钟以上,可有效的排除意外停留而判别为停留的情况,从而对车辆的停留状况进行准确判别,得出更为真实有效的停留点信息。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种车辆常驻地分析方法,其特征在于:包括分析处理流程,分析处理流程包括步骤,
A)批量获取车辆对应GPS信息数据;所述GPS信息数据包含定位信息及时间信息;
B)逐条比较相邻时间的GPS信息数据,判断车辆是否处于有效停留,将有效停留的车辆GPS信息数据中的定位信息连同停留时长作为车辆驻留信息存入车辆驻留信息组;所述停留时长根据已停留态下车辆的GPS信息数据中的时间信息计算得到;
C)根据范围误差值对车辆驻留信息组中车辆驻留信息进行归类,得到包含至少一个驻留点的驻留点组;
D)将驻留点组中每个驻留点的停留时长累加,得到累计驻留时长;
E)至少将累计驻留时长最长的停留点的定位信息标记为车辆常驻地。
2.如权利要求1所述的车辆常驻地分析方法,其特征在于:所述步骤B具体包括,
B1)将GPS信息数据根据时间信息按时间先后排序;
B2)选择时间最早的一条GPS信息数据作为基准数据;
B3)读取下一个时间的GPS信息数据作为对比数据,而后转到行车态子流程;
行车态子流程
S10)读取下一个时间的GPS信息数据作为对比数据;
S11)分析对比数据中GPS信息数据,得到定位信息、时间信息及时速信息;
S12)判断对比数据的时间信息与基准数据的时间信息差值的时间间隔是否大于时间间隔阈值,是则转到步骤S13;
S13)判断对比数据的定位信息与基准数据的定位信息差值的相距距离是否小于相距阈值,是则转到步骤S14;
S14)将对比数据与基准数据的GPS信息数据记录中时间信息差值记录为停留时长,连同对比数据的GPS信息数据记录中定位信息一并记录为有效停留点;
S15)将对比数据存储为基准数据,而后转到已停留态子流程;
已停留态子流程
S20)读取下一个时间的GPS信息数据作为对比数据;
S21)分析对比数据中GPS信息数据,得到定位信息、时间信息及时速信息;
S22)判断对比数据的定位信息与有效停留点的定位信息相距距离是否小于相距阈值,是则转到步骤S27,否则转到步骤S23;
S23)将有效停留点的定位信息及停留时长作为车辆驻留信息存入车辆驻留信息组;
S24)判断对比数据的时速信息是否小于时速阈值,是则转到步骤S25;
S25)将对比数据存储为基准数据,而后转到行车态子流程;
S27)将对比数据与基准数据的GPS信息数据记录中时间信息差值累加至停留时长,而后转到已停留态子流程。
3.如权利要求2所述的车辆常驻地分析方法,其特征在于:所述已停留态子流程中步骤S24中,若否则转到步骤S26;
S26)将对比数据与基准数据的GPS信息数据记录中时间信息差值记录为停留时长,连同对比数据的GPS信息数据记录中定位信息一并标记为疑似停留点,而后转到停留态子流程;
停留态子流程
S30)读取下一个时间的GPS信息数据作为对比数据;
S31)分析对比数据中GPS信息数据,得到定位信息、时间信息及时速信息;
S32)判断对比数据与基准数据是否同时满足时间信息的时间间隔大于时间间隔阈值且定位信息的相距小于相距阈值,是则转到步骤S33;
S33)将对比数据与基准数据的GPS信息数据记录中时间信息差值累加至停留时长,而后转到已停留态子流程。
4.如权利要求3所述的车辆常驻地分析方法,其特征在于:所述停留态子流程中步骤S32中,否则转到步骤S35;
S35)判断对比数据的时速信息是否小于时速阈值,否则转到步骤S36,是则转到步骤S37;
S36)将对比数据存储为基准数据,而后转到待停留态子流程;
S37)将对比数据与基准数据的GPS信息数据记录中时间信息差值累加至停留时长;
S38)判断停留时常是否超过留时长阈值,是则转到已停留态子流程,否则转到停留态子流程;
待停留态子流程
S40)读取下一个时间的GPS信息数据作为对比数据;
S41)分析对比数据中GPS信息数据,得到定位信息、时间信息及时速信息;
S42)判断对比数据的时间信息与基准数据的时间信息的时间间隔是否大于时间间隔阈值,是则转到步骤S43;
S43)判断对比数据的定位信息与疑似停留点的定位信息相距距离是否小于相距阈值,是则转到步骤S44;
S44)将对比数据与基准数据的GPS信息数据记录中时间信息差值记录为停留时长,连同对比数据的GPS信息数据记录中定位信息一并记录为有效停留点,而后转到已停留态子流程。
5.如权利要求4所述的车辆常驻地分析方法,其特征在于:所述待停留态子流程,步骤S42中,否则转到步骤S45;
S45)判断对比数据的时速信息是否小于时速阈值,否则转到步骤S46,是则转到步骤S47;
S46)将对比数据存储为基准数据,而后转到待停留态子流程;
S47)将对比数据与基准数据的GPS信息数据记录中时间信息差值记录为停留时长,连同对比数据的GPS信息数据记录中定位信息一并标记为疑似停留点,而后转到停留态子流程。
6.如权利要求4或5所述的车辆常驻地分析方法,其特征在于:所述待停留态子流程,步骤S43中,否则转到步骤S49;
S49)判断对比数据的时速信息是否小于时速阈值,是则转到步骤S50,否则转到步骤S51;
S50)将对比数据与基准数据的GPS信息数据记录中时间信息差值记录为停留时长,连同对比数据的GPS信息数据记录中定位信息一并标记为疑似停留点,而后转到停留态子流程;
S51)将对比数据存储为基准数据,而后转到行车态子流程。
7.如权利要求1所述的车辆常驻地分析方法,其特征在于:所述行车态子流程,步骤S12中,若否则转到步骤S16;
S16)判断对比数据的时速信息是否小于时速阈值,是则转到步骤S17;否则转到步骤S18;
S17)将对比数据与基准数据的GPS信息数据记录中时间信息差值记录为停留时长,连同对比数据的GPS信息数据记录中定位信息一并标记为疑似停留点,而后转到停留态子流程;
S18)将对比数据存储为基准数据,而后转到行车态子流程;
步骤S13中,若否则转到步骤S19;
S19)将对比数据存储为基准数据,而后转到行车态子流程。
8.如权利要求2所述的车辆常驻地分析方法,其特征在于:所述行车态子流程的步骤S11、S12间还包括步骤S112)判断对比数据与基准数据差异是否大于阈值,是则丢弃对比数据,转到行车态子流程,否则转到步骤S12;
所述已停留态子流程的步骤S21、S22间还包括步骤S212)判断对比数据与基准数据差异是否大于阈值,是则丢弃对比数据,转到已停留态子流程,否则转到步骤S22。
9.如权利要求3所述的车辆常驻地分析方法,其特征在于:所述停留态子流程的步骤S31、S32之间还包括步骤S312)判断对比数据与基准数据差异是否大于阈值,是则丢弃对比数据,转到停留态子流程,否则转到步骤S32;
所述待停留态子流程的步骤S41、S42之间还包括步骤S412)判断对比数据与基准数据差异是否大于阈值,是则丢弃对比数据,转到待停留态子流程,否则转到步骤S42。
10.如权利要求4所述的车辆常驻地分析方法,其特征在于:所述时间间隔阈值为1800-3600s;所述相距阈值为100-1000m;所述时速阈值为0-10km/h。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610216718.3A CN105843943B (zh) | 2016-04-08 | 2016-04-08 | 车辆常驻地分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610216718.3A CN105843943B (zh) | 2016-04-08 | 2016-04-08 | 车辆常驻地分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105843943A true CN105843943A (zh) | 2016-08-10 |
CN105843943B CN105843943B (zh) | 2019-03-01 |
Family
ID=56597191
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610216718.3A Active CN105843943B (zh) | 2016-04-08 | 2016-04-08 | 车辆常驻地分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105843943B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106127487A (zh) * | 2016-08-26 | 2016-11-16 | 成都市硕达科技股份有限公司 | 一种防盗刷安全守护系统及其使用方法 |
CN106846795A (zh) * | 2017-01-04 | 2017-06-13 | 百度在线网络技术(北京)有限公司 | 人群密集区域的获取方法及装置 |
CN107066458A (zh) * | 2016-08-26 | 2017-08-18 | 北京车网互联科技有限公司 | 一种基于车联网数据的时空维度用户画像分析方法 |
CN107169870A (zh) * | 2017-05-23 | 2017-09-15 | 上海百林通信网络科技服务股份有限公司 | 一种通过位置信息融合防止车辆保险欺诈的信用甄别方法 |
CN107392656A (zh) * | 2017-07-07 | 2017-11-24 | 芜湖恒天易开软件科技股份有限公司 | 租车行业用户画像的制定和营销效果跟踪方法 |
CN108021625A (zh) * | 2017-11-21 | 2018-05-11 | 深圳广联赛讯有限公司 | 车辆异常聚集地监控方法及系统、计算机可读存储介质 |
CN108876533A (zh) * | 2018-06-14 | 2018-11-23 | 上海博泰悦臻电子设备制造有限公司 | 基于用户行程车辆年检方法、服务端、客户端及网络端 |
CN109783597A (zh) * | 2019-01-29 | 2019-05-21 | 江苏满运软件科技有限公司 | 确定司机固定位置的方法、装置、电子设备、存储介质 |
CN109978075A (zh) * | 2019-04-04 | 2019-07-05 | 江苏满运软件科技有限公司 | 车辆虚假位置信息识别方法、装置、电子设备、存储介质 |
CN110276503A (zh) * | 2018-03-14 | 2019-09-24 | 吉旗物联科技(上海)有限公司 | 一种自动识别冷链车辆任务的方法 |
CN110335082A (zh) * | 2019-07-03 | 2019-10-15 | 深圳广联赛讯有限公司 | 客户车辆的监控方法、装置、系统及计算机存储介质 |
CN110533912A (zh) * | 2019-09-16 | 2019-12-03 | 腾讯科技(深圳)有限公司 | 基于区块链的驾驶行为检测方法及装置 |
CN111145573A (zh) * | 2019-12-27 | 2020-05-12 | 江苏星诺信息技术有限公司 | 基于停车点间距、时长和频次聚合分析车辆常驻点的方法 |
CN111311784A (zh) * | 2020-03-04 | 2020-06-19 | 深圳市物语智联科技有限公司 | 用户画像确定方法、装置、计算机设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102147881A (zh) * | 2010-02-09 | 2011-08-10 | 厦门雅迅网络股份有限公司 | 一种基于手机实现物流配送的方法 |
US20130325323A1 (en) * | 1998-10-22 | 2013-12-05 | American Vehicular Sciences | Vehicle software upgrade techniques |
CN104156489A (zh) * | 2014-08-29 | 2014-11-19 | 北京嘀嘀无限科技发展有限公司 | 基于司机轨迹进行司机常驻点挖掘的方法 |
CN104252527A (zh) * | 2014-09-02 | 2014-12-31 | 百度在线网络技术(北京)有限公司 | 一种确定移动用户的常驻点信息的方法和装置 |
-
2016
- 2016-04-08 CN CN201610216718.3A patent/CN105843943B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130325323A1 (en) * | 1998-10-22 | 2013-12-05 | American Vehicular Sciences | Vehicle software upgrade techniques |
CN102147881A (zh) * | 2010-02-09 | 2011-08-10 | 厦门雅迅网络股份有限公司 | 一种基于手机实现物流配送的方法 |
CN104156489A (zh) * | 2014-08-29 | 2014-11-19 | 北京嘀嘀无限科技发展有限公司 | 基于司机轨迹进行司机常驻点挖掘的方法 |
CN104252527A (zh) * | 2014-09-02 | 2014-12-31 | 百度在线网络技术(北京)有限公司 | 一种确定移动用户的常驻点信息的方法和装置 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106127487A (zh) * | 2016-08-26 | 2016-11-16 | 成都市硕达科技股份有限公司 | 一种防盗刷安全守护系统及其使用方法 |
CN107066458A (zh) * | 2016-08-26 | 2017-08-18 | 北京车网互联科技有限公司 | 一种基于车联网数据的时空维度用户画像分析方法 |
CN106846795A (zh) * | 2017-01-04 | 2017-06-13 | 百度在线网络技术(北京)有限公司 | 人群密集区域的获取方法及装置 |
CN107169870A (zh) * | 2017-05-23 | 2017-09-15 | 上海百林通信网络科技服务股份有限公司 | 一种通过位置信息融合防止车辆保险欺诈的信用甄别方法 |
CN107392656A (zh) * | 2017-07-07 | 2017-11-24 | 芜湖恒天易开软件科技股份有限公司 | 租车行业用户画像的制定和营销效果跟踪方法 |
CN108021625A (zh) * | 2017-11-21 | 2018-05-11 | 深圳广联赛讯有限公司 | 车辆异常聚集地监控方法及系统、计算机可读存储介质 |
CN110276503A (zh) * | 2018-03-14 | 2019-09-24 | 吉旗物联科技(上海)有限公司 | 一种自动识别冷链车辆任务的方法 |
CN110276503B (zh) * | 2018-03-14 | 2023-04-21 | 吉旗物联科技(上海)有限公司 | 一种自动识别冷链车辆任务的方法 |
CN108876533A (zh) * | 2018-06-14 | 2018-11-23 | 上海博泰悦臻电子设备制造有限公司 | 基于用户行程车辆年检方法、服务端、客户端及网络端 |
CN109783597A (zh) * | 2019-01-29 | 2019-05-21 | 江苏满运软件科技有限公司 | 确定司机固定位置的方法、装置、电子设备、存储介质 |
CN109978075A (zh) * | 2019-04-04 | 2019-07-05 | 江苏满运软件科技有限公司 | 车辆虚假位置信息识别方法、装置、电子设备、存储介质 |
CN110335082A (zh) * | 2019-07-03 | 2019-10-15 | 深圳广联赛讯有限公司 | 客户车辆的监控方法、装置、系统及计算机存储介质 |
CN110533912A (zh) * | 2019-09-16 | 2019-12-03 | 腾讯科技(深圳)有限公司 | 基于区块链的驾驶行为检测方法及装置 |
CN111145573A (zh) * | 2019-12-27 | 2020-05-12 | 江苏星诺信息技术有限公司 | 基于停车点间距、时长和频次聚合分析车辆常驻点的方法 |
CN111311784A (zh) * | 2020-03-04 | 2020-06-19 | 深圳市物语智联科技有限公司 | 用户画像确定方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105843943B (zh) | 2019-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105843943A (zh) | 车辆常驻地分析方法 | |
CN102568212B (zh) | 非公交车走公交车道的智能检测系统的控制方法 | |
CN104851295B (zh) | 获取路况信息的方法和系统 | |
CN109993969A (zh) | 一种路况判定信息获取方法、装置及设备 | |
CN110100271A (zh) | 用于使用交通信号数据估计道路交通状况的方法、装置和计算机程序产品 | |
US11482110B2 (en) | Systems and methods for determining actual operating conditions of fleet cars | |
Messelodi et al. | Intelligent extended floating car data collection | |
CN107331200A (zh) | 一种cbd地下车库停车智能引导系统、方法及装置 | |
CN104221065B (zh) | 利用照明网络进行交通管理的系统和方法 | |
CN106197458A (zh) | 一种基于手机信令数据和导航路线数据的手机用户出行方式识别方法 | |
CN107301776A (zh) | 基于视频检测技术的车道路况处理及发布方法 | |
CN108550262A (zh) | 基于毫米波雷达的城市交通感知系统 | |
Vakula et al. | Smart public transport for smart cities | |
CN109727452A (zh) | 基于手机信令数据的出行比例核算方法 | |
CN105844904A (zh) | 一种基于dsrc的异常车辆行为检测及追踪方法 | |
CN102129785A (zh) | 大场景停车场智能管理系统 | |
CN106407277A (zh) | 一种基于车联网数据对车主驻留点聚类后的属性分析方法 | |
CN108460968A (zh) | 一种基于车联网获取交通路况信息的方法及装置 | |
CN105303854A (zh) | 一种出行路线数据的处理方法和装置 | |
CN102496000B (zh) | 一种城市交通事故检测方法 | |
CN106092113A (zh) | 预行驶道路预估系统、方法、导航客户端及服务器 | |
CN109637137A (zh) | 基于车路协同的交通管理系统 | |
CN108154146A (zh) | 一种基于图像识别的车辆追踪方法 | |
US11138418B2 (en) | Systems and methods for tracking persons by utilizing imagery data captured by on-road vehicles | |
EP1395957A2 (de) | Duales mautsystem |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: 518000 1402, building 1, Chongwen Park, Nanshan wisdom Park, 3370 Liuxian Avenue, Fuguang community, Taoyuan Street, Nanshan District, Shenzhen, Guangdong Province Patentee after: Shenzhen Guanglian Saixun Co.,Ltd. Address before: Room 701, unit 3, building C, Kexing Science Park, No. 15, Keyuan Road, high tech park, Nanshan District, Shenzhen City, Guangdong Province Patentee before: SHENZHEN AUTONET Co.,Ltd. |