CN106846538B - 过车记录处理方法和装置 - Google Patents
过车记录处理方法和装置 Download PDFInfo
- Publication number
- CN106846538B CN106846538B CN201510889455.8A CN201510889455A CN106846538B CN 106846538 B CN106846538 B CN 106846538B CN 201510889455 A CN201510889455 A CN 201510889455A CN 106846538 B CN106846538 B CN 106846538B
- Authority
- CN
- China
- Prior art keywords
- record
- vehicle
- bayonet
- pretreatment
- clustering processing
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0841—Registering performance data
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0841—Registering performance data
- G07C5/085—Registering performance data using electronic data carriers
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种过车记录处理方法和装置。该过车记录处理方法包括:获取预设目标对象在第一预设时间段内的多个过车记录,其中,过车记录包括预设目标对象每次经过的卡口的卡口号和经过卡口时的过车时间;根据多个过车记录,获取预设目标对象的多条行车轨迹;对行车轨迹进行落脚点预处理,得到预处理结果;从预处理结果中获取满足第一预设条件的预处理记录;对预处理记录进行聚类处理,得到聚类处理结果;输出聚类处理结果。通过本发明,提高了车辆落脚点分析的准确性。
Description
技术领域
本发明涉及数据处理领域,具体而言,涉及一种过车记录处理方法和装置。
背景技术
为了了解车辆在指定时间段内出现的位置情况,对车辆进行落脚点分析,也即,对车辆停车以后长时间没有离开的位置情况进行分析。目前,在进行落脚点分析时,用户输入要分析的时间范围和具体的时间段,比如,一天的出行时间段和回程时间段,因为车辆的具体时间段可以随意设定,增加了预处理的难度。在大量数据的记录中,用户实时进行落脚点分析,处理的数据是指定车辆在具体时间段内所有卡口的过车记录,需要处理的数据量较大,耗费时间长。另一方面,此种方法统计指定车辆在时间范围的具体时间段内所经过的所有卡口以及卡口对应的过车次数,如果指定的具体时间段并非车辆常规出行的时间段,那么最终统计的结果只是对途径的卡口进行统计,输出的结果是按过车次数降序排列的孤立的卡口的集合,虽然可以反映出经常经过的卡口,但是会遗漏很多常规落脚点,不能很好地展示出车辆落脚点的区域,因此,此种方法得出的结果不准确,达不到落脚点分析的目的。
针对相关技术中车辆落脚点分析不准确的问题,目前尚未提出有效的解决方案。
发明内容
本发明的主要目的在于提供一种过车记录处理方法和装置,以解决车辆落脚点分析不准确问题。
为了实现上述目的,根据本发明的一个方面,提供了一种过车记录处理方法,该方法包括:获取预设目标对象在第一预设时间段内的多个过车记录,其中,过车记录包括预设目标对象每次经过的卡口的卡口号和经过卡口时的过车时间;根据多个过车记录,获取预设目标对象的多条行车轨迹;对行车轨迹进行落脚点预处理,得到预处理结果;从预处理结果中获取满足第一预设条件的预处理记录;对预处理记录进行聚类处理,得到聚类处理结果;以及输出聚类处理结果。
进一步地,获取预设目标对象在第一预设时间段内的多个过车记录包括:对多个过车记录按照过车时间进行排序;获取相邻过车记录的时间差;根据相邻过车记录的时间差对多个过车记录进行划分,得到划分轨迹,其中,将多个过车记录划分为第一类过车记录和第二类过车记录,第一类过车记录为多个过车记录中提取时间差超过第二预设时间的相邻过车记录,第二类过车记录为多个过车记录中提取时间差不超过第二预设时间的相邻过车记录,第一类过车记录中前一条过车记录为上一条划分轨迹的终点,第一类过车记录中后一条过车记录为下一条划分轨迹的起点,划分轨迹包括第二类过车记录。
进一步地,对行车轨迹进行落脚点预处理,得到预处理结果包括:获取行车轨迹中每条划分轨迹的起点和终点;统计起点或终点在第一预设时间段内出现的次数,其中,起点或终点在第一预设时间段内出现的次数为起点或终点对应的卡口的过车次数;以及获取起点或终点对应的卡口的卡口号和过车次数,得到预处理结果。
进一步地,在从预处理结果中获取满足第一预设条件的预处理记录之后,该方法还包括:将预处理记录按照相同卡口号进行分组,得到多个组的预处理记录,其中,相同卡口号的预处理记录划分为一个组,多个卡口号分别对应于多个组的预处理记录;分别对多个组的预处理记录对应的过车次数进行求和,得到分别对应于每个组的总过车次数;以及分别建立多个卡口号和对应于每个组的总过车次数的映射关系。
进一步地,对预处理记录进行聚类处理包括根据映射关系对多个卡口号和对应于每个组的总过车次数进行聚类处理,该方法包括:获取多个组的卡口的经纬度信息;以及根据多个组的卡口的经纬度信息对多个卡口号和对应于每个组的总过车次数进行聚类处理,得到多个种类的聚类处理结果。
进一步地,在对预处理记录进行聚类处理,得到多个种类的聚类处理结果之后,该方法还包括:计算多个种类的聚类结果中每一类聚类结果在多个种类的聚类结果中的权重,输出聚类处理结果包括:将多个种类的聚类处理结果结合权重在不同的区域展示。
为了实现上述目的,根据本发明的另一方面,提供了一种过车记录处理装置,该装置包括:第一获取单元,用于获取预设目标对象在第一预设时间段内的多个过车记录,其中,过车记录包括预设目标对象每次经过的卡口的卡口号和经过卡口时的过车时间;第二获取单元,用于根据多个过车记录,获取预设目标对象的多条行车轨迹;预处理单元,用于对行车轨迹进行落脚点预处理,得到预处理结果;第三获取单元,用于从预处理结果中获取满足第一预设条件的预处理记录;聚类处理单元,用于对预处理记录进行聚类处理,得到多类聚类处理结果;以及输出单元,用于输出聚类处理结果。
进一步地,该装置的第一获取单元包括:排序模块,用于对多个过车记录按照过车时间进行排序;第一获取模块,用于根据相邻过车记录的时间差对多个过车记录进行划分获取相邻过车记录的时间差;划分模块,用于对多个过车记录进行划分,得到划分轨迹,其中,将多个过车记录划分为第一类过车记录和第二类过车记录,其中,第一类过车记录为多个过车记录中提取时间差超过第二预设时间的相邻过车记录,第二类过车记录为多个过车记录中提取时间差不超过第二预设时间的相邻过车记录,第一类过车记录中前一条过车记录为上一条划分轨迹的终点,第一类过车记录中后一条过车记录为下一条划分轨迹的起点,划分轨迹包括第二类过车记录。
进一步地,该装置的预处理单元包括:第二获取模块,用于获取行车轨迹中每条划分轨迹的起点和终点;统计模块,用于统计起点或终点在第一预设时间段内出现的次数,其中,次数为起点或终点对应的卡口的过车次数;以及第三获取模块,用于获取起点或终点对应的卡口的卡口号和过车次数,得到预处理结果。
进一步地,该装置还包括:分组单元,用于在从所述预处理结果中获取满足第一预设条件的预处理记录之后,将预处理记录按照相同卡口号进行分组,得到多个组的预处理记录,其中,相同卡口号的预处理记录划分为一个组,多个卡口号分别对应于多个组的预处理记录;求和单元,用于分别对多个组的预处理记录对应的过车次数进行求和,得到分别对应于每个组的总过车次数;以及建立单元,用于分别建立多个卡口号和对应于每个组的总过车次数的映射关系。
进一步地,该装置的聚类处理单元用于根据映射关系对多个卡口号和对应于每个组的总过车次数进行聚类处理,聚类处理单元包括:第四获取模块,用于获取多个组的卡口的经纬度信息;以及聚类处理模块,用于根据多个组的卡口的经纬度信息对多个卡口号和对应于每个组的总过车次数进行聚类处理,得到多个种类的聚类处理结果。
进一步地,该装置还包括:计算单元,用于在对所述预处理记录进行聚类处理,得到所述多个种类的聚类处理结果之后,计算所述多个种类的聚类结果中每一类聚类结果在所述多个种类的聚类结果中的权重,其中,该装置的输出单元用于将多个种类的聚类处理结果结合权重在不同的区域展示。
通过本发明,获取预设目标对象在第一预设时间段内的多个过车记录,其中,过车记录包括预设目标对象每次经过的卡口的卡口号和经过卡口时的过车时间;根据多个过车记录,获取预设目标对象的多条行车轨迹,对行车轨迹进行落脚点预处理,得到预处理结果,然后从预处理结果中获取满足第一预设条件的预处理记录,再对预处理记录进行聚类处理,得到聚类处理结果,最后输出聚类处理结果。解决了落脚点分析不准确的问题,进而提高了落脚点分析的准确性。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明第一实施例的过车记录处理方法的流程图;
图2是根据本发明第二实施例的过车记录处理方法的流程图;
图3是根据本发明实施例的行车轨迹分析的示意图;
图4是根据本发明第三实施例的过车记录处理方法的流程图;
图5是根据本发明实施例的按照卡口统计落脚点的示意图;
图6是根据本发明第一实施例的过车记录处理装置的示意图;
图7是根据本发明第二实施例的过车记录处理装置的示意图;
图8是根据本发明第三实施例的过车记录处理装置的示意图;
图9是根据本发明第四实施例的过车记录处理装置的示意图;
图10是根据本发明第五实施例的过车记录处理装置的示意图;以及
图11是根据本发明第六实施例的过车记录处理装置的示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请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申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,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,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
首先,对本实施例涉及的技术术语作如下解释:
落脚点分析:当卡口点覆盖率达到一定程度后,可根据嫌疑车辆在卡口系统中出现的行车轨迹,分析指定时间段内车辆出现位置,分析嫌疑车辆的落脚点。
聚类:将数据集中在某些方面相似的数据成员进行分类组织的过程,聚类就是一种发现这种内在结构的技术,聚类技术经常被称为无监督学习。
K均值聚类算法:(K-means)K-means算法是硬聚类算法,是典型的基于原型的目标函数聚类方法的代表,它是以数据点到原型的某种距离作为优化的目标函数,利用函数求极值的方法得到迭代运算的调整规则。K-means算法以欧式距离作为相似度测度,它是求对应某一初始聚类中心向量V最优分类,使得评价指标J最小。算法采用误差平方和准则函数作为聚类准则函数。
行车轨迹:一条轨迹指一个车牌在一段时间内的过车记录按时间排序的有序集合,相邻两条过车记录时差超过预设时间就被划分成两条轨迹。
本发明实施例提供了一种过车记录处理方法。
图1是根据本发明第一实施例的过车记录处理方法的流程图。如图1所示,该过车记录处理方法包括以下步骤:
步骤S102,获取预设目标对象在第一预设时间段内的多个过车记录。
预设目标对象在停车以后,比如,指定车牌的车辆在停车以后,对指定时间段内车辆所停留的位置情况进行分析。可选地,在卡口系统中通过指定时间段内车辆对卡口的覆盖率,也即,车辆在指定时间段内经过卡口的行车轨迹,来分析车辆停留的位置情况。
预设目标对象在不同的时间段经过不同的卡口有不同的过车记录,其中,过车记录包括预设目标对象每次经过的卡口的卡口号和经过卡口时的过车时间。在获取行车轨迹之前,获取预设目标对象在第一预设时间段内的多个过车记录,其中,过车记录包括预设目标对象每次经过的卡口的卡口号和经过卡口时的过车时间。比如,预设目标对象在第一预设时间为6时~12时的时间段内,过车记录为6时过卡口1,7时过卡口2,9时过卡口3,10时过卡口4,12时过卡口5。
在获取预设目标对象在第一预设时间段内的多个过车记录之后,对多个过车记录按照预设目标对象的过车时间进行排序,然后通过预设目标对象的过车时间获取相邻过车记录的时间差。
举例而言,预设目标对象6时过卡口1,7时过卡口2,卡口1与卡口2的时间差为1小时,7时过卡口2,9时过卡口3,卡口2与卡口3的时间差为2小时,9时过卡口3,10时过卡口4,卡口3与卡口4的时间差为1小时,10时过卡口4,12时过卡口5,卡口4与卡口5的时间差为2小时。
通过预设目标对象的过车时间获取相邻过车记录的时间差之后,对多个过车记录进行划分,得到划分轨迹。优选地,可以通过第二预设时间对多个过车记录进行划分,其中,将多个过车记录划分为第一类过车记录和第二类过车记录,第一类过车记录为多个过车记录中提取时间差超过第二预设时间的相邻过车记录,第二类过车记录为多个过车记录中提取时间差不超过第二预设时间的相邻过车记录,第一类过车记录中前一条过车记录为上一条划分轨迹的终点,第一类过车记录中后一条过车记录为下一条划分轨迹的起点,划分轨迹包括第二类过车记录。第一条过车记录为第一条划分轨迹的起点,最后一条过车记录为最后一条划分轨迹的终点。
举例而言,第二预设时间为1.5小时,预设目标对象6时过卡口1与7时过卡口2为第二类过车记录,7时过卡口2与9时过卡口3为第一类过车记录,9时过卡口3与10时过卡口4为第二类过车记录,10时过卡口4与12时过卡口5为第一类过车记录。则6时过卡口1、7时过卡口2为一条划分轨迹,9时过卡口3、10时过卡口4、12时过卡口5为另一条划分轨迹。
步骤S104,根据多个过车记录,获取预设目标对象的多条行车轨迹。
在获取预设目标对象在第一预设时间段内的多个过车记录之后,根据多个过车记录获取预设目标对象的多条行车轨迹,也即,获取一个车牌在一段时间内的过车记录按时间排序的有序集合,当相邻两条过车记录时差超过预设时间时就被划分成两条轨迹。
步骤S106,对行车轨迹进行落脚点预处理,得到预处理结果。
落脚点为预设目标对象停车以后在第二预设时间内没有离开的位置,在获取预设对象的行车轨迹之后,对行车轨迹进行落脚点预处理。获取行车轨迹中每条划分轨迹的起点和终点,统计每条划分轨迹的起点或终点在第一预设时间段内出现的次数,也即,在第一预设时间内统计每条划分轨迹的起点或终点对应的卡口的过车次数,最后,获取每条划分轨迹的起点或终点对应的卡口的卡口号和过车次数,得到预处理结果。
举例而言,在第一预设时间为6时~12时的时间段内,6时过卡口1、7时过卡口2的划分轨迹的起点为6时过卡口1,终点为7时过卡口2。9时过卡口3、10时过卡口4、12时过卡口5的划分轨迹的起点为9时过卡口3,终点为12时过卡口5。获取每条划分轨迹的起点或终点对应的卡口的卡口号和过车次数,得到的预处理结果为6时过卡口1,其过车次数为1次,7时过卡口2,其过车次数为1次,9时过卡口3,其过车次数为1次,12时过卡口5,其过车次数为1次。
步骤S108,从预处理结果中获取满足第一预设条件的预处理记录。
可以获取多个预设目标对象在多个预设时间段内的行车轨迹,获取多个预设时间段内的预处理结果,比如,获取预设目标对象在2015年1月1日~2015年6月30日中的行车轨迹,获取预设目标对象在2015年1月1日~2015年6月30日中的多个预处理结果。在从预处理结果中获取满足第一预设条件的预处理记录之后,可选地,第一预设条件可以为车牌号和起止日期。首先在多个预处理结果中,将预处理记录按照相同卡口号进行分组,相同卡口号为一个组,从而得到由不同卡口号组成的多个组,多个组分别保存与卡口号对应的预处理记录,然后分别对多个组的预处理记录对应的过车次数进行求和,得到分别对应于每个组的总过车次数,最后分别建立多个卡口号和对应于每个组的总过车次数的映射关系,获得每个卡口号和卡口号对应的总过车次数组成的集合。
举例而言,2015年1月1日~2015年1月3日的行车轨迹分别为:6时过卡口1,其过车次数为1次,7时过卡口2,其过车次数为1次,9时过卡口3,其过车次数为1次,12时过卡口5,其过车次数为1次;6时过卡口1,其过车次数为2次,7时过卡口2,其过车次数为1次,9时过卡口3,其过车次数为3次,12时过卡口5,其过车次数为2次;6时过卡口1,其过车次数为2次,7时过卡口2,其过车次数为1次,9时过卡口3,其过车次数为3次,12时过卡口5,其过车次数为2次。则卡口1、卡口2、卡口3、卡口4、卡口5分别对应5个组,第一组总过车次数为卡口1的所有过车次数之和,为1+2+2=5次,第二组总过车次数为卡口2的所有过车次数之和,为1+1+1=3次,第三组总过车次数为卡口3的所有过车次数之和,为1+3+3=7次,第四组总过车次数为卡口5的所有过车次数之和1+2+2=5次,可以得到卡口1对应5次,卡口2对应3次,卡口3对应7次,卡口5对应5次的映射关系,每个卡口号和卡口号对应的过车次数以及卡口为其组成集合的元素。
步骤S110,对预处理记录进行聚类处理,得到聚类处理结果。
从预处理结果中获取满足第一预设条件的预处理记录,可以获得每个卡口号和卡口号对应的总过车次数组成的集合,集合中的各个元素之间,在某些方面有相似的数据成员,比如,各个卡口号和卡口号对应的过车次数以及卡口组成的元素之间关于位置信息的相似,将其进行分类组织,可以通过聚类处理发现相似结构将其进行分类组织。优选地,采用K均值聚类算法来实现对预处理记录的聚类处理,降低了预处理后的数据计算量。
对预处理记录进行聚类处理包括根据映射关系对多个卡口号和对应于每个组的总过车次数进行聚类处理,首先获取多个组的卡口的经纬度信息,根据多个组的卡口的经纬度信息对多个卡口号和对应于每个组的总过车次数进行聚类处理,得到多个种类的聚类处理结果,比如,多个种类的聚类结果按位置的远近来划分,位置在一定程度上相近的卡口组成一个类,这个类对应于一个区域。
步骤S112,输出聚类处理结果。
在对预处理记录进行聚类处理,得到多个种类的聚类处理结果之后,计算多个种类的聚类结果中每一类聚类结果在多个种类的聚类结果中的权重,其中,输出聚类处理结果包括:将多个种类的聚类处理结果结合权重在不同的区域展示,以分析每一类聚类处理结果在整体聚类结果中的性能,提高了实时分析性能。
可选地,在地图上展示聚类处理结果,一个聚类的卡口对应的集合作为一个区域,并根据各类权重以不同颜色在地图上展示,颜色由浅到深,可以代表权重由小到大的变化。
该实施例采用获取预设目标对象在第一预设时间段内的多个过车记录,然后根据多个过车记录,获取预设目标对象的多条行车轨迹,对行车轨迹进行落脚点预处理,得到预处理结果,再从预处理结果中获取满足第一预设条件的预处理记录,对预处理记录进行聚类处理,得到聚类处理结果,最后输出聚类处理结果,降低了预处理后的数据计算量,从而更快地得出落脚点分析结果,提高了车辆落脚点分析的准确性,进一步地提升了车辆落脚点的实时分析性能。
图2是根据本发明第二实施例的过车记录处理方法的流程图,需要说明的是,过车记录处理方法包括对行车轨迹的分析。如图2所示,该过车记录处理方法包括以下步骤:
步骤S202,对多个预设目标对象分组。
获取多个预设目标对象在第一预设时间段内的多个过车记录,按照多个预设目标对象的车牌进行分组,对其进行分布式并行计算,也即,多个预设目标对象可以同时进行行车轨迹的分析。获取同一车牌的所有过车记录,包括预设目标对象每次经过的卡口的卡口号和经过卡口时的过车时间。
步骤S204,按照过车时间对同一车牌的所有过车记录进行排序。
过车记录包括预设目标对象每次经过的卡口的卡口号和经过卡口时的过车时间,对预设目标对象的多个过车记录按照过车时间进行排序,比如,按照顺时针顺序对过车记录进行排序。
步骤S206,对过车记录进行划分,得到划分轨迹。
按照过车时间对同一车牌的所有过车记录进行排序之后,采用轨迹思路,也即,轨迹的起止点对应于落脚点最近卡口的过车记录,按预设目标对象的车牌分析出卡口号与过车次数的映射关系,得到它的轨迹集合。可以通过第二预设时间对多个过车记录进行划分,其中,将多个过车记录划分为第一类过车记录和第二类过车记录,第一类过车记录为多个过车记录中提取时间差超过第二预设时间的相邻过车记录,第二类过车记录为多个过车记录中提取时间差不超过第二预设时间的相邻过车记录,第一类过车记录中前一条过车记录为上一条划分轨迹的终点,第一类过车记录中后一条过车记录为下一条划分轨迹的起点,划分轨迹包括第二类过车记录。第一条过车记录为第一条划分轨迹的起点,最后一条过车记录为最后一条划分轨迹的终点。
通过对过车记录进行划分来分析预设目标对象的行车轨迹,图3是根据本发明实施例的行车轨迹分析的示意图,如图3所示,对牌号为浙A8888的车辆的行车轨迹进行分析。第一预设时间设为以12时0分开始的24小时时间段,第二预设时间设为T=2h,其中坐标轴表示一天的时间刻度,坐标轴上方为预设目标对象经过卡口时的时间。牌号为浙A8888的车辆在24小时内经过卡口1,卡口2,卡口3,卡口4,卡口5。计算浙A8888在相邻过车记录的时间差,如果时间差超过时间T=2h,则相邻过车记录中前一条过车记录算作上一条划分轨迹的终点,相邻过车记录中下一条过车记录算作下一条划分轨迹的起点,如此获得此车牌所有的轨迹。浙A8888的车辆6时19分过卡口1,7时1分过卡口2,以此类推,定义的划分轨迹的时间间隔为2时,则最终所在天的划分轨迹有3条,分别为卡口1、卡口2与卡口3组成的轨迹,卡口4、卡口5与卡口6组成的轨迹,卡口3、卡口2与卡口1组成的轨迹。
步骤S208,取出同一车牌每条划分轨迹的起点和终点。
取出同一车牌每条划分轨迹的起点和终点,读取卡口号和过车记录的时间,按天和卡口号统计每条行车轨迹的起点或终点的总共出现次数,也即,每条行车轨迹的起点或终点的总过车次数,统计的结果为[车牌:浙A8888,日期:20150101,[{卡口:1,次数:2},{卡口:3,次数:2},{卡口:4,次数:1},{卡口:6,次数:1}]],实现了对落脚点的预处理。
该实施例采用对多个预设目标对象分组,按照过车时间对同一车牌的所有过车记录进行排序,然后对过车记录进行划分,得到划分轨迹,再取出同一车牌每条划分轨迹的起点和终点,对落脚点进行预处理,实现了行车轨迹的分析和落脚点的预处理。
图4是根据本发明第三实施例的过车记录处理方法的流程图,需要说明的是,过车记录处理方法包括对落脚点的分析。如图4所示,该过车记录处理方法包括以下步骤:
步骤S302,提取预处理记录。
在对预设目标的行车轨迹进行分析和对预设目标对象的落脚点进行预处理之后,用户分析在第一预设时间段内预设目标对象的落脚点。设定第一预设条件为起止日期和车牌号,利用分布式计算引擎根据第一预设条件对多个预设目标对象的落脚点同时进行分析。在第一预设时间范围内,从预处理结果中找到符合第一预设条件的所有日期的预处理记录。
步骤S304,按照卡口号对预处理记录进行分组。
图5是根据本发明实施例的按照卡口统计落脚点的示意图,如图5所示,预设目标对象为车牌号浙A8888的车辆,将第一预设时间为2015年1月1日~2015年6月31日的预处理记录中相同卡口号的预处理记录划分为一个组,得到多个组的预处理记录,比如,划分组的结果为1~n组,1~n组分别对应于相应的卡口号,n个卡口号分别对应于1~n组的预处理记录。按照卡口号分组之后,分别对同一卡口在2015年1月1日~2015年6月31日内的所有过车次数求和,得到分别对应于每个组的总过车次数,比如,卡口1为260次,卡口3为240次,卡口4为50次,卡口6为30次,卡口n为1次,最后分别建立多个卡口号和对应于每个组的总过车次数的映射关系,可以得出[卡口号,过车总次数]的集合。
步骤S306,对分组的预处理记录进行聚类处理。
对分组的预处理记录进行聚类处理包括根据映射关系对多个卡口号和对应于每个组的总过车次数进行聚类处理,结合多个组的卡口的经纬度信息,根据多个组的卡口的经纬度信息对多个卡口号和对应于每个组的总过车次数进行聚类处理,优选地,使用K均值聚类算法,聚成N类,从而得到多个种类的聚类处理结果,每类是步骤S304中卡口和过车总次数集合的子集,比如,多个种类的聚类结果按位置的远近来划分,位置在一定程度上相近的卡口组成一个类,这个类对应于一个区域。同时,计算多个种类的聚类结果中每一类聚类结果在多个种类的聚类结果中的权重,获得具体种类的聚类结果在所有落脚点中的权重。
步骤S308,展示聚类处理结果。
在地图上展示聚类处理结果,一个种类的聚类的[卡口号,过车总次数]的集合作为一个区域,将多个种类的聚类处理结果结合权重在不同的区域展示,并根据各类权重以不同颜色在地图上展示,颜色由浅到深,可以代表权重由小到大的变化。
该实施例采用提取预处理记录,然后按照卡口号对预处理记录进行分组,再对分组的预处理记录进行聚类处理,最后展示聚类处理结果,降低了预处理后的数据计算量,更快地得出落脚点分析结果,实现了对落脚点的分析,从而提高了车辆落脚点分析的准确性,进一步地提升了车辆落脚点的实时分析性能。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本发明实施例还提供了一种过车记录处理装置,需要说明的是,本发明实施例的过车记录处理装置可以用于执行本发明实施例的过车记录处理方法。
图6是根据本发明第一实施例的过车记录处理装置的示意图。如图6所示,该装置包括:第一获取单元10,第二获取单元20,预处理单元30,第三获取单元40,聚类处理单元50和输出单元60。
第一获取单元10,用于获取预设目标对象在第一预设时间段内的多个过车记录,其中,过车记录包括预设目标对象每次经过的卡口的卡口号和经过卡口时的过车时间。
第二获取单元20,用于根据多个过车记录,获取预设目标对象的多条行车轨迹。在第一获取单元10获取预设目标对象在第一预设时间段内的多个过车记录之后,第二获取单元20根据多个过车记录获取预设目标对象的多条行车轨迹,也即,获取一个车牌在一段时间内的过车记录按时间排序的有序集合,当相邻两条过车记录时差超过预设时间时就被划分成两条轨迹。
预处理单元30,用于对行车轨迹进行落脚点预处理,得到预处理结果。落脚点为预设目标对象停车以后在第二预设时间内没有离开的位置,在获取预设对象的行车轨迹之后,预处理单元30对行车轨迹进行落脚点预处理。获取行车轨迹中每条划分轨迹的起点和终点,统计每条划分轨迹的起点或终点在第一预设时间段内出现的次数,也即,在第一预设时间内统计每条划分轨迹的起点或终点对应的卡口的过车次数,最后,获取每条划分轨迹的起点或终点对应的卡口的卡口号和过车次数,得到预处理结果。
第三获取单元40,用于从预处理结果中获取满足第一预设条件的预处理记录。可以获取多个预设目标对象在多个预设时间段内的行车轨迹,获取多个预设时间段内的预处理结果。首先在多个预处理结果中,将预处理记录按照相同卡口号进行分组,相同卡口号为一个组,从而得到由不同卡口号组成的多个组,多个组分别保存与卡口号对应的预处理记录,然后分别对多个组的预处理记录对应的过车次数进行求和,得到分别对应于每个组的总过车次数,最后分别建立多个卡口号和对应于每个组的总过车次数的映射关系,从而通过第三获取单元40获取满足第一预设条件的预处理记录。
聚类处理单元50,用于对预处理记录进行聚类处理,得到多类聚类结果。第三获取单元40从预处理结果中获取满足第一预设条件的预处理记录,获得每个卡口号和卡口号对应的过车总次数组成的集合,集合中的各个元素之间,在某些方面有相似的数据成员,比如,各个卡口号和卡口号对应的过车次数以及卡口组成的元素之间关于位置信息的相似,将其进行分类组织,聚类处理单元50通过聚类处理发现相似结构将其进行分类组织。优选地,聚类处理单元50采用K均值聚类算法来实现对预处理记录的聚类处理。
对预处理记录进行聚类处理包括根据映射关系对多个卡口号和对应于每个组的总过车次数进行聚类处理,首先获取多个组的卡口的经纬度信息,根据多个组的卡口的经纬度信息对多个卡口号和对应于每个组的总过车次数进行聚类处理,得到多个种类的聚类处理结果,比如,多个种类的聚类结果按位置的远近来划分,位置在一定程度上相近的卡口组成一个类,这个类对应于一个区域。
输出单元60,用于输出聚类结果。在聚类处理单元50在对预处理记录进行聚类处理,得到多个种类的聚类处理结果之后,计算多个种类的聚类结果中每一类聚类结果在多个种类的聚类结果中的权重,输出单元60将多个种类的聚类处理结果结合权重在不同的区域展示。
图7是根据本发明第二实施例的过车记录处理装置的示意图。在本发明的一个实施例中,第一获取单元10包括:排序模块101,第一获取模块102和划分模块103。如图7所示,该装置包括:第一获取单元10,预处理单元30,第二获取单元20,第三获取单元40,聚类处理单元50和输出单元60,其中,第一获取单元10包括排序模块101,第一获取模块102和划分模块103。
该实施例中的第一获取单元10,预处理单元30,第二获取单元20,第三获取单元40,聚类处理单元50和输出单元60的作用与本发明第二实施例的过车记录处理装置中的相同。
排序模块101,用于对多个过车记录按照过车时间进行排序。在获取预设目标对象在第一预设时间段内的多个过车记录之后,排序模块101对多个过车记录按照预设目标对象的过车时间进行排序。
第一获取模块102,用于获取相邻过车记录的时间差。具体而言,第一获取模块102通过预设目标对象的过车时间获取相邻过车记录的时间差。
划分模块103,用于对多个过车记录进行划分,得到划分轨迹。通过第一获取模块102预设目标对象的过车时间获取相邻过车记录的时间差之后,划分模块103对多个过车记录进行划分,得到划分轨迹。优选地,可以通过第二预设时间对多个过车记录进行划分,其中,将多个过车记录划分为第一类过车记录和第二类过车记录,第一类过车记录为多个过车记录中提取时间差超过第二预设时间的相邻过车记录,第二类过车记录为多个过车记录中提取时间差不超过第二预设时间的相邻过车记录,第一类过车记录中前一条过车记录为上一条划分轨迹的终点,第一类过车记录中后一条过车记录为下一条划分轨迹的起点,划分轨迹包括第二类过车记录。第一条过车记录为第一条划分轨迹的起点,最后一条过车记录为最后一条划分轨迹的终点。
图8是根据本发明第三实施例的过车记录处理装置的示意图,在本发明的一个实施例中,预处理单元30包括:第二获取模块301,统计模块302和第三获取模块303。如图8所示,该装置包括:第一获取单元10,第二获取单元20,预处理单元30,第三获取单元40,聚类处理单元50和输出单元60,其中,第一获取单元10包括排序模块101,第一获取模块102和划分模块103,预处理单元30包括:第二获取模块301,统计模块302和第三获取模块303。
该实施例中的第一获取单元10,第二获取单元20,预处理单元30,第三获取单元40,聚类处理单元50,输出单元60,排序模块101,第一获取模块102和划分模块103的作用与本发明第二实施例的过车记录处理装置中的相同。
第二获取模块301,用于获取行车轨迹中每条划分轨迹的起点和终点。落脚点为预设目标对象停车以后在第二预设时间内没有离开的位置,在获取预设对象的行车轨迹之后,对行车轨迹进行落脚点预处理。第二获取模块301获取行车轨迹中每条划分轨迹的起点和终点。
统计模块302,用于统计起点或终点在第一预设时间段内出现的次数,其中,次数为起点或终点对应的卡口的过车次数。统计模块302统计每条划分轨迹的起点或终点在第一预设时间段内出现的次数,也即,在第一预设时间内统计每条划分轨迹的起点或终点对应的卡口的过车次数。
第三获取模块303,用于获取起点或终点对应的卡口的卡口号和过车次数,得到预处理结果。通过第三获取模块303获取每条划分轨迹的起点或终点对应的卡口的卡口号和过车次数来得到预处理结果。
图9是根据本发明第四实施例的过车记录处理装置的示意图,在本发明的一个实施例中,该装置还包括:分组单元70,求和单元80和建立单元90。如图9所示,该装置包括:第一获取单元10,预处理单元30,第三获取单元40,聚类处理单元50和输出单元60,其中,第三获取单元40还包括:分组单元70,求和单元80和建立单元90。
该实施例中的第一获取单元10,预处理单元30,第三获取单元40,聚类处理单元50和输出单元60的作用与本发明第一实施例的过车记录处理装置中的相同。
分组单元70,用于在从所述预处理结果中获取满足第一预设条件的预处理记录之后,将预处理记录按相同卡口号进行分组,得到多个组的预处理记录,其中,相同卡口号的预处理记录划分为一个组,多个卡口号分别对应于多个组的预处理记录。具体而言,在多个预处理结果中,分组单元70将预处理记录按照相同卡口号进行分组,相同卡口号为一个组,从而得到由不同卡口号组成的多个组,多个组分别保存与卡口号对应的预处理记录。
求和单元80,用于分别对多个组的预处理记录对应的过车次数进行求和,得到分别对应于多个组的总过车次数。
建立单元90,用于分别建立多个卡口号和对应于多个组的总过车次数的映射关系。建立单元90分别建立多个卡口号和对应于每个组的总过车次数的映射关系,获得每个卡口号和卡口号对应的总过车次数组成的集合。
第一获取单元10还用于获取预设目标对象在多个预设时间段内的行车轨迹,预处理单元30还用于对行车轨迹进行落脚点预处理,得到多个预设时间段内的预处理结果。
图10是根据本发明第五实施例的过车记录处理装置的示意图,在本发明的一个实施例中,聚类处理单元50包括:第四获取模块501和聚类处理模块502。如图10所示,该装置包括:第一获取单元10,预处理单元30,第三获取单元40,聚类处理单元50,输出单元60,分组单元70,求和单元80和建立单元90。其中,聚类处理单元50还包括第四获取模块501和聚类处理模块502。
该实施例中的第一获取单元10,预处理单元30,第三获取单元40,聚类处理单元50,输出单元60,分组单元70,求和单元80和建立单元90的作用与本发明第四实施例的过车记录处理装置中的相同。
聚类处理单元50还用于根据映射关系对多个卡口号和对应于多个组的总过车次数进行聚类处理。
第四获取模块501,用于获取多个组的卡口的经纬度信息。
聚类处理模块502,用于根据多个组的卡口的经纬度信息对多个卡口号和对应于多个组的总过车次数进行聚类处理,得到多个种类的聚类结果。优选地,使用K均值聚类算法,聚成N类,从而得到多个种类的聚类处理结果,比如,多个种类的聚类结果按位置的远近来划分,位置在一定程度上相近的卡口组成一个类,这个类对应于一个区域。
图11是根据本发明第六实施例的过车记录处理装置的示意图,在本发明的一个实施例中,聚类处理单元50包括计算模块503。如图11所示,该装置包括:第一获取单元10,预处理单元30,第三获取单元40,聚类处理单元50,输出单元60,分组单元70,求和单元80和建立单元90,该装置还包括计算单元100。其中,聚类处理单元50还包括第四获取模块501和聚类处理模块502。
该实施例中的第一获取单元10,预处理单元30,第三获取单元40,聚类处理单元50,输出单元60,分组单元70,求和单元80,建立单元90,第四获取模块501和聚类处理模块502的作用与本发明第五实施例的过车记录处理装置中的相同。
计算单元100,用于用于在对所述预处理记录进行聚类处理,得到所述多个种类的聚类处理结果之后,计算多个种类的聚类结果中每一类聚类结果在多个种类的聚类结果中的权重。计算模块503计算多个种类的聚类结果中每一类聚类结果在多个种类的聚类结果中的权重,获得具体种类的聚类结果在所有落脚点中的权重。
输出单元60还用于将多个种类的聚类结果按照权重在不同的区域展示。可选地,输出单元60在地图上展示聚类处理结果,一个聚类的卡口对应的集合作为一个区域,并根据各类权重以不同颜色在地图上展示,颜色由浅到深,可以代表权重由小到大的变化。
该过车记录处理装置的实施例通过第一获取单元10获取预设目标对象在第一预设时间段内的多个过车记录,然后通过第二获取单元20根据多个过车记录,获取预设目标对象的多条行车轨迹,通过预处理单元30对行车轨迹进行落脚点预处理,得到预处理结果,再通过第三获取单元40从预处理结果中获取满足第一预设条件的预处理记录,最后通过聚类处理单元50对预处理记录进行聚类处理,得到多类聚类结果,最后通过输出单元60输出聚类结果,降低了预处理后的数据计算量,更快地得出落脚点分析结果,提高了车辆落脚点分析的准确性,进一步地提高了车辆落脚点的实时分析性能。
本发明实施例采用行车轨迹的思路确定落脚点,不需要用户指定具体出行和回程时间段,因为如果指定的出行和回程时间段并非预设目标对象常规出行时间段,那么最终统计的结果只是对途径的卡口进行统计,会遗漏很多落脚点。采用行车轨迹的方式,获取行车轨迹中每条划分轨迹的起点和终点,统计起点或终点在第一预设时间段内出现的次数,并不需要分析指定车牌在时间段内所有过车记录,降低了预处理的难度,并且这种方式适合分布式的预处理,不同车牌可以并行处理,在真正落脚点分析时,只需要对预处理后的数据进行简单地计算,极大降低了计算量,更快地得出分析结果,提高了落脚点的实时分析性能。采用行车轨迹的思路确定落脚点,使用K均值聚类算法对按卡口统计的落脚点数据进行聚类处理,根据K均值聚类算法聚类出的分类是一组组的位置相近的多个卡口组成的区域,而不是最经常出现的卡口,并且给出了落脚点在各个区域的权重,对落脚点的判断更加准确,同时提高了落脚点的分析性能,使用户体验更高。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种过车记录处理方法,其特征在于,包括:
获取预设目标对象在第一预设时间段内的多个过车记录,其中,所述过车记录包括所述预设目标对象每次经过的卡口的卡口号和经过卡口时的过车时间;
根据所述多个过车记录,获取所述预设目标对象的多条行车轨迹;
对所述行车轨迹进行落脚点预处理,得到预处理结果;
从所述预处理结果中获取满足第一预设条件的预处理记录;
对所述预处理记录进行聚类处理,得到聚类处理结果;以及
输出所述聚类处理结果;
其中,所述获取预设目标对象在第一预设时间段内的多个过车记录,包括:对所述多个过车记录按照过车时间进行排序;获取相邻过车记录的时间差;根据所述相邻过车记录的时间差对所述多个过车记录进行划分,得到划分轨迹,其中,将所述多个过车记录划分为第一类过车记录和第二类过车记录,其中,所述第一类过车记录为所述多个过车记录中提取时间差超过第二预设时间的相邻过车记录,所述第二类过车记录为所述多个过车记录中提取时间差不超过所述第二预设时间的相邻过车记录,所述第一类过车记录中前一条过车记录为上一条划分轨迹的终点,所述第一类过车记录中后一条过车记录为下一条划分轨迹的起点,所述划分轨迹包括第二类过车记录。
2.根据权利要求1所述的方法,其特征在于,对所述行车轨迹进行落脚点预处理,得到预处理结果包括:
获取所述行车轨迹中每条划分轨迹的起点和终点;
统计所述起点或所述终点在所述第一预设时间段内出现的次数,其中,所述次数为所述起点或所述终点对应的卡口的过车次数;以及
获取所述起点或所述终点对应的卡口的卡口号和过车次数,得到所述预处理结果。
3.根据权利要求1所述的方法,其特征在于,在从所述预处理结果中获取满足第一预设条件的预处理记录之后,所述方法还包括:
将所述预处理记录按照相同卡口号进行分组,得到多个组的预处理记录,其中,相同卡口号的预处理记录划分为一个组,多个卡口号分别对应于所述多个组的预处理记录;
分别对所述多个组的预处理记录对应的过车次数进行求和,得到分别对应于每个组的总过车次数;以及
分别建立所述多个卡口号和对应于所述每个组的总过车次数的映射关系。
4.根据权利要求3所述的方法,其特征在于,对所述预处理记录进行聚类处理,包括根据所述映射关系对所述多个卡口号和对应于所述每个组的总过车次数进行聚类处理,所述方法包括:
获取所述多个组的卡口的经纬度信息;以及
根据所述多个组的卡口的经纬度信息对所述多个卡口号和对应于所述每个组的总过车次数进行聚类处理,得到多个种类的聚类处理结果。
5.根据权利要求4所述的方法,其特征在于,
在对所述预处理记录进行聚类处理,得到所述多个种类的聚类处理结果之后,所述方法还包括:
计算所述多个种类的聚类结果中每一类聚类结果在所述多个种类的聚类结果中的权重,
输出所述聚类处理结果包括:将所述多个种类的聚类处理结果结合权重在不同的区域展示。
6.一种过车记录处理装置,其特征在于,包括:
第一获取单元,音乐获取预设目标对象在第一预设时间段内的多个过车记录,其中,所述过车记录包括所述预设目标对象每次经过的卡口的卡口号和经过卡口时的过车时间;
第二获取单元,用于根据所述多个过车记录,获取所述预设目标对象的多条行车轨迹;
预处理单元,用于对所述行车轨迹进行落脚点预处理,得到预处理结果;
第三获取单元,用于从所述预处理结果中获取满足第一预设条件的预处理记录;
聚类处理单元,用于对所述预处理记录进行聚类处理,得到多类聚类处理结果;以及
输出单元,用于输出所述聚类处理结果;
其中,所述第一获取单元包括:排序模块,用于对所述多个过车记录按照过车时间进行排序;第一获取模块,用于获取相邻过车记录的时间差;划分模块,用于根据所述相邻过车记录的时间差对所述多个过车记录进行划分对所述多个过车记录进行划分,得到划分轨迹,其中,将所述多个过车记录划分为第一类过车记录和第二类过车记录,其中,所述第一类过车记录为所述多个过车记录中提取时间差超过第二预设时间的相邻过车记录,所述第二类过车记录为所述多个过车记录中提取时间差不超过所述第二预设时间的相邻过车记录,所述第一类过车记录中前一条过车记录为上一条划分轨迹的终点,所述第一类过车记录中后一条过车记录为下一条划分轨迹的起点,所述划分轨迹包括第二类过车记录。
7.根据权利要求6所述的装置,其特征在于,所述预处理单元包括:
第二获取模块,用于获取所述行车轨迹中每条划分轨迹的起点和终点;
统计模块,用于统计所述起点或所述终点在所述第一预设时间段内出现的次数,其中,所述次数为所述起点或所述终点对应的卡口的过车次数;以及
第三获取模块,用于获取所述起点或所述终点对应的卡口的卡口号和过车次数,得到所述预处理结果。
8.根据权利要求6所述的装置,其特征在于,所述装置还包括:
分组单元,用于在从所述预处理结果中获取满足第一预设条件的预处理记录之后,将所述预处理记录按照相同卡口号进行分组,得到多个组的预处理记录,其中,相同卡口号的预处理记录划分为一个组,多个卡口号分别对应于所述多个组的预处理记录;
求和单元,用于分别对所述多个组的预处理记录对应的过车次数进行求和,得到分别对应于每个组的总过车次数;以及
建立单元,用于分别建立所述多个卡口号和对应于所述每个组的总过车次数的映射关系。
9.根据权利要求8所述的装置,其特征在于,所述聚类处理单元用于根据所述映射关系对所述多个卡口号和对应于所述每个组的总过车次数进行聚类处理,所述聚类处理单元包括:
第四获取模块,用于获取所述多个组的卡口的经纬度信息;以及
聚类处理模块,用于根据所述多个组的卡口的经纬度信息对所述多个卡口号和对应于所述每个组的总过车次数进行聚类处理,得到多个种类的聚类处理结果。
10.根据权利要求9所述的装置,其特征在于,所述装置还包括:
计算单元,用于在对所述预处理记录进行聚类处理,得到所述多个种类的聚类处理结果之后,计算所述多个种类的聚类结果中每一类聚类结果在所述多个种类的聚类结果中的权重,
其中,所述输出单元用于将所述多个种类的聚类处理结果结合权重在不同的区域展示。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510889455.8A CN106846538B (zh) | 2015-12-04 | 2015-12-04 | 过车记录处理方法和装置 |
US15/780,754 US10810870B2 (en) | 2015-12-04 | 2016-08-25 | Method of processing passage record and device |
EP16869729.0A EP3385919B1 (en) | 2015-12-04 | 2016-08-25 | Method of processing passage record and device |
PCT/CN2016/096676 WO2017092418A1 (zh) | 2015-12-04 | 2016-08-25 | 过车记录处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510889455.8A CN106846538B (zh) | 2015-12-04 | 2015-12-04 | 过车记录处理方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106846538A CN106846538A (zh) | 2017-06-13 |
CN106846538B true CN106846538B (zh) | 2019-12-03 |
Family
ID=58796163
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510889455.8A Active CN106846538B (zh) | 2015-12-04 | 2015-12-04 | 过车记录处理方法和装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10810870B2 (zh) |
EP (1) | EP3385919B1 (zh) |
CN (1) | CN106846538B (zh) |
WO (1) | WO2017092418A1 (zh) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110226186B (zh) * | 2016-12-26 | 2023-08-04 | 宝马股份公司 | 表示地图元素的方法和装置以及定位的方法和装置 |
CN109766902B (zh) * | 2017-11-09 | 2021-03-09 | 杭州海康威视系统技术有限公司 | 对同区域的车辆聚类的方法、装置和设备 |
CN108182558A (zh) * | 2017-12-04 | 2018-06-19 | 北京中交兴路信息科技有限公司 | 一种基于统计特征的运距计算方法及装置 |
CN108615359B (zh) * | 2018-05-04 | 2020-05-08 | 山东合天智汇信息技术有限公司 | 一种车辆落脚点分析方法和装置 |
CN112313703B (zh) * | 2018-06-15 | 2024-05-28 | 宝马股份公司 | 点云的增量分割 |
CN108875835B (zh) * | 2018-06-26 | 2021-06-22 | 北京旷视科技有限公司 | 对象落脚点确定方法、装置、电子设备和计算机可读介质 |
CN109471907B (zh) * | 2018-11-15 | 2022-04-29 | 刘长山 | 一种基于卡口数据的行车规律分析系统和方法 |
CN109741227B (zh) * | 2019-01-07 | 2020-12-08 | 巩志远 | 一种基于最近邻算法预测人房一致性处理方法及系统 |
CN109932702B (zh) * | 2019-04-03 | 2021-07-30 | 森思泰克河北科技有限公司 | 道闸控制方法及道闸雷达 |
CN110838232A (zh) * | 2019-09-27 | 2020-02-25 | 浙江工业大学 | 基于过车电警数据的单一车辆od获取方法 |
CN111369791B (zh) * | 2019-10-18 | 2021-04-27 | 杭州海康威视系统技术有限公司 | 落脚点确定方法、装置、电子设备及存储介质 |
CN113449217A (zh) * | 2020-03-27 | 2021-09-28 | 斑马智行网络(香港)有限公司 | 迁移轨迹、热力图生成及网点确定的方法、设备 |
CN111540202B (zh) * | 2020-04-23 | 2021-07-30 | 杭州海康威视系统技术有限公司 | 一种相似卡口确定方法、装置、电子设备及可读存储介质 |
CN112181986A (zh) * | 2020-10-10 | 2021-01-05 | 武汉中科通达高新技术股份有限公司 | 一种基于Flink框架的数据分析方法及装置 |
CN112201047B (zh) * | 2020-10-10 | 2022-02-18 | 武汉中科通达高新技术股份有限公司 | 一种基于Flink框架的嫌疑车辆落脚点分析方法及装置 |
CN112257589B (zh) * | 2020-10-22 | 2024-03-05 | 大连交通大学 | 一种异常停留车辆的检测方法 |
CN112733047B (zh) * | 2020-11-05 | 2022-10-28 | 浙江大华技术股份有限公司 | 车辆落脚点生成方法、装置、设备及计算机存储介质 |
CN112885101B (zh) * | 2021-03-30 | 2022-06-14 | 浙江大华技术股份有限公司 | 确定异常设备的方法、装置、存储介质及电子装置 |
CN113779171A (zh) * | 2021-09-26 | 2021-12-10 | 浙江大华技术股份有限公司 | 对象落脚点的确定方法、装置、存储介质及电子装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101226687A (zh) * | 2008-01-31 | 2008-07-23 | 浙江工业大学 | 一种城市交通中的典型行驶路线分析方法 |
CN101930668A (zh) * | 2009-04-29 | 2010-12-29 | 上海电器科学研究所(集团)有限公司 | 车牌识别的道路交通od信息采集系统及其处理方法 |
CN102044163A (zh) * | 2011-01-18 | 2011-05-04 | 北京世纪高通科技有限公司 | 一种提供路况信息的方法、装置及系统 |
CN104318327A (zh) * | 2014-10-17 | 2015-01-28 | 北京邮电大学 | 一种车辆轨迹预测分析方法 |
CN104318766A (zh) * | 2014-10-22 | 2015-01-28 | 北京建筑大学 | 一种公交gps轨迹数据的路网匹配方法 |
CN104541131A (zh) * | 2012-08-10 | 2015-04-22 | 歌乐株式会社 | 路线计算系统、导航装置和路线计算方法 |
CN104952248A (zh) * | 2015-06-08 | 2015-09-30 | 浙江大学 | 一种基于欧氏空间的车辆汇聚预测方法 |
CN104966129A (zh) * | 2015-06-08 | 2015-10-07 | 浙江大学 | 一种车辆运行轨迹的分离方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003042770A (ja) | 2001-07-31 | 2003-02-13 | Kopisu:Kk | 送迎バス位置情報配信システム |
CN102629297B (zh) * | 2012-03-06 | 2016-01-06 | 北京建筑工程学院 | 一种基于行程识别的出行者活动规律分析方法 |
US9224293B2 (en) * | 2013-03-16 | 2015-12-29 | Donald Warren Taylor | Apparatus and system for monitoring and managing traffic flow |
CN103325245B (zh) * | 2013-06-25 | 2015-01-07 | 中国科学院信息工程研究所 | 一种黑名单车辆的时空行驶轨迹预测方法 |
JP6293458B2 (ja) | 2013-11-15 | 2018-03-14 | 株式会社日立製作所 | プローブ情報管理装置、プローブ情報管理システムおよびプローブ情報管理方法 |
CN104715612B (zh) | 2013-12-12 | 2019-02-12 | 南京中兴力维软件有限公司 | 基于行车轨迹匹配实现的嫌疑车辆跟踪方法及装置 |
CN104750800A (zh) * | 2014-11-13 | 2015-07-01 | 安徽四创电子股份有限公司 | 一种基于出行时间特征的机动车聚类方法 |
CN104933870B (zh) * | 2015-05-21 | 2017-04-12 | 中兴软创科技股份有限公司 | 基于车辆行为分析的车辆套牌识别方法与装置 |
CN104952273B (zh) * | 2015-07-17 | 2019-03-12 | 东方网力科技股份有限公司 | 针对车辆行为的告警方法、装置及系统 |
JP6768557B2 (ja) * | 2017-02-27 | 2020-10-14 | パナソニックi−PROセンシングソリューションズ株式会社 | 監視カメラシステム及び監視方法 |
-
2015
- 2015-12-04 CN CN201510889455.8A patent/CN106846538B/zh active Active
-
2016
- 2016-08-25 WO PCT/CN2016/096676 patent/WO2017092418A1/zh active Application Filing
- 2016-08-25 EP EP16869729.0A patent/EP3385919B1/en active Active
- 2016-08-25 US US15/780,754 patent/US10810870B2/en active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101226687A (zh) * | 2008-01-31 | 2008-07-23 | 浙江工业大学 | 一种城市交通中的典型行驶路线分析方法 |
CN101930668A (zh) * | 2009-04-29 | 2010-12-29 | 上海电器科学研究所(集团)有限公司 | 车牌识别的道路交通od信息采集系统及其处理方法 |
CN102044163A (zh) * | 2011-01-18 | 2011-05-04 | 北京世纪高通科技有限公司 | 一种提供路况信息的方法、装置及系统 |
CN104541131A (zh) * | 2012-08-10 | 2015-04-22 | 歌乐株式会社 | 路线计算系统、导航装置和路线计算方法 |
CN104318327A (zh) * | 2014-10-17 | 2015-01-28 | 北京邮电大学 | 一种车辆轨迹预测分析方法 |
CN104318766A (zh) * | 2014-10-22 | 2015-01-28 | 北京建筑大学 | 一种公交gps轨迹数据的路网匹配方法 |
CN104952248A (zh) * | 2015-06-08 | 2015-09-30 | 浙江大学 | 一种基于欧氏空间的车辆汇聚预测方法 |
CN104966129A (zh) * | 2015-06-08 | 2015-10-07 | 浙江大学 | 一种车辆运行轨迹的分离方法 |
Also Published As
Publication number | Publication date |
---|---|
EP3385919B1 (en) | 2024-03-27 |
EP3385919A4 (en) | 2019-10-09 |
US10810870B2 (en) | 2020-10-20 |
US20180357891A1 (en) | 2018-12-13 |
WO2017092418A1 (zh) | 2017-06-08 |
CN106846538A (zh) | 2017-06-13 |
EP3385919A1 (en) | 2018-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106846538B (zh) | 过车记录处理方法和装置 | |
CN108961747B (zh) | 一种不完备卡口数据条件下的城市道路交通状态信息提取方法 | |
CN103632168B (zh) | 一种机器学习中的分类器集成方法 | |
CN107766929B (zh) | 模型分析方法及装置 | |
CN107766883A (zh) | 一种基于加权决策树的优化随机森林分类方法及系统 | |
CN107529651A (zh) | 一种基于深度学习的城市交通客流预测方法和设备 | |
CN107274066B (zh) | 一种基于lrfmd模型的共享交通客户价值分析方法 | |
CN105118048A (zh) | 翻拍证件图片的识别方法及装置 | |
CN101178703B (zh) | 基于网络分割的故障诊断谱聚类方法 | |
CN103731916B (zh) | 一种基于无线网络的用户位置预测系统和方法 | |
CN108777004B (zh) | 高速公路客运车辆跨省匹配方法及装置 | |
CN103336771B (zh) | 基于滑动窗口的数据相似检测方法 | |
CN106843941B (zh) | 信息处理方法、装置和计算机设备 | |
CN105654196A (zh) | 一种基于电力大数据的自适应负荷预测选择方法 | |
CN104217002A (zh) | 一种基于高质量数据获取的路况信息填补方法 | |
CN114596700B (zh) | 一种基于门架数据的高速公路路段实时流量估计方法 | |
CN105374209A (zh) | 一种城市区域路网运行状态特征信息提取方法 | |
CN106898142A (zh) | 一种考虑路段相关性的路径行程时间可靠度计算方法 | |
CN111105628A (zh) | 一种停车场画像构建方法和装置 | |
CN106055689A (zh) | 一种基于时序相关性的空间聚类方法 | |
CN106202388B (zh) | 一种用户等级自动划分方法及系统 | |
CN113688558A (zh) | 一种基于大数据库样本的汽车行驶工况构建方法及系统 | |
CN108512712A (zh) | 一种业务及网络质量数据的可视化处理方法及装置 | |
CN107861957A (zh) | 一种数据分析方法及装置 | |
CN116681176B (zh) | 一种基于聚类和异构图神经网络的交通流预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |