CN106982416B - 确定车辆归属地的方法和装置 - Google Patents
确定车辆归属地的方法和装置 Download PDFInfo
- Publication number
- CN106982416B CN106982416B CN201710180087.9A CN201710180087A CN106982416B CN 106982416 B CN106982416 B CN 106982416B CN 201710180087 A CN201710180087 A CN 201710180087A CN 106982416 B CN106982416 B CN 106982416B
- Authority
- CN
- China
- Prior art keywords
- resident
- vehicle
- point
- dwell point
- candidate region
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种确定车辆归属地的方法,所述方法包括以下步骤:获取待监测车辆的历史GPS轨迹数据;根据所述历史GPS轨迹数据确定待监测车辆的驻留点和对应的驻留信息;对各个驻留点按照预设距离阈值进行聚类,以获取n个聚类中心,将聚类中心为圆心且半径为预设距离阈值的各区域作为候选区域;根据所述驻留点对应的驻留信息从候选区域中选取待监测车辆的归属地。本发明还公开了一种确定车辆归属地的装置。本发明基于车辆的历史GPS轨迹数据计算车辆的归属地,能够快速有效地确定待检测车辆的归属地,从而能够替代通过人工不定期地统计和检查来确定车辆的归属地,提高了工作效率。
Description
技术领域
本发明涉及智能交通领域,尤其涉及一种确定车辆归属地的方法及装置。
背景技术
作为巨大交互网络之一的车联网可以通过GPS等装置对车辆完成自身环境和状态信息的采集;随着车联网的发展,越来越多的车联网技术被开发和应用。
现今汽车已成为人们主要出行的交通工具之一,并且越来越多的家庭拥有私家车。通过确定车辆的归属地信息,能够获取指定区域车辆的保有量。但是,确定车辆的归属地信息的方法往往是通过人工不定期地统计和检查来实现,人工统计的工作内容比较繁琐复杂,并且相关工作人员需要耗费很多人力和时间。
目前还没有看到基于GPS轨迹确定车辆归属地的技术及应用。
发明内容
本发明的主要目的在于提供了一种利用互联网和计算机技术有效地确定车辆归属地的方法及装置,旨在解决上述所提到的问题。
为实现上述目的,本发明提供了一种确定车辆归属地的方法,所述方法包括:
获取待监测车辆的历史GPS轨迹数据;
根据所述历史GPS轨迹数据确定所述待监测车辆的驻留点和对应的驻留信息;
对各个驻留点按照预设距离阈值进行聚类,以获取n个聚类中心,将聚类中心为圆心且半径为预设距离阈值的各区域作为候选区域,所述n为不小于1的整数;
根据所述驻留点对应的驻留信息从所述候选区域中选取所述待监测车辆的归属地。
上述中,所述驻留信息包括驻留点纬度;
相应地,所述对各个驻留点按照预设距离阈值进行聚类,以获取n个聚类中心,具体包括:
对所述已确定的驻留点按照所述驻留点纬度进行排序,以获取排序后的驻留点集P;
按照排序结果依次遍历所述驻留点集P,对遍历到的驻留点按照预设距离阈值进行聚合,以获取对应的聚合区域;
计算所述聚合区域内驻留点的重要程度值,并对所述聚合区域内的驻留点的重要程度值由大到小进行排序,将重要程度值最大的驻留点作为该聚合区域的聚类中心。
优选地,通过下式计算所述聚合区域内驻留点的重要程度值:
其中,Pi表示所述驻留点集P中第i个的驻留点,importance(Pi)表示聚合区域内驻留点Pi的重要程度值,nearCount(Pi)表示驻留点Pi的邻居点的个数,所述邻居点为与驻留点Pi的距离小于预设距离阈值的其他驻留点,sum(dist)表示驻留点Pi与各个邻居点的距离之和,rangDist表示所述预设距离阈值的最大值。
上述中,所述驻留信息还包括驻留次数、驻留时长和夜间停留时长;
相应地,所述根据所述驻留点对应的驻留信息从所述候选区域中选取所述待监测车辆的归属地,具体包括:
在各候选区域内,分别对与驻留点对应的驻留次数、驻留时长和夜间停留时长进行累加,以获取各候选区域内对应的驻留总次数、驻留总时长和夜间总停留时长;
在各候选区域内分别对所述驻留总次数、驻留总时长和夜间总停留时长进行归一化处理;
根据归一化处理后的结果计算出所述车辆在各候选区域内的总权重值,从所述n个候选区域中选择总权重值最大的候选区域,以作为所述车辆的归属地。
优选地,通过下式计算所述车辆在各候选区域内的总权重值:
weight=totalCount+totalDuration+2*totalNightDuration
其中,weight表示所述车辆在各候选区域内的总权重值,totalCount表示在各候选区域内对所述驻留总次数进行归一化处理后的结果;totalDuration表示在各候选区域内对所述驻留总时长进行归一化处理后的结果;totalNightDuration表示在各候选区域内对所述夜间停留总时长进行归一化处理后的结果。
此外,为实现上述目的,本发明还提供了一种确定车辆归属地的装置,所述装置包括:
GPS数据接收模块,用于获取待监测车辆的历史GPS轨迹数据;
信息确定模块,用于根据所述历史GPS轨迹数据确定所述待监测车辆的驻留点和对应的驻留信息;
区域划分模块,用于对各个驻留点按照预设距离阈值进行聚类,以获取n个聚类中心,将圆心为聚类中心且半径为预设距离阈值的各区域作为候选区域,所述n为不小于1的整数;
归属地选取模块,用于根据所述驻留点对应的驻留信息从所述候选区域中选取所述待监测车辆的归属地。
上述中,所述驻留信息包括驻留点纬度;
相应地,所述区域划分模块还包括:
排序单元,用于对所述已确定的驻留点按照所述驻留点纬度进行排序,以获取排序后的驻留点集P;
聚类单元,用于按照排序结果依次遍历所述驻留点集P,对遍历到的驻留点按照预设距离阈值进行聚合,以获取对应的聚合区域;
区域中心选取单元,用于计算所述聚合区域内驻留点的重要程度值,并对所述聚合区域内的驻留点的重要程度值由大到小进行排序,将重要程度值最大的驻留点作为该聚合区域的聚类中心。
优选地,所述区域中心选取单元,进一步用于通过下式计算所述聚合区域内驻留点的重要程度值:
其中,Pi表示所述驻留点集P中第i个的驻留点,importance(Pi)表示聚合区域内驻留点Pi的重要程度值,nearCount(Pi)表示驻留点Pi的邻居点的个数,所述邻居点为与驻留点Pi的距离小于预设距离阈值的其他驻留点,sum(dist)表示驻留点Pi与各个邻居点的距离之和,rangDist表示所述预设距离阈值的最大值。
上述中,所述驻留信息还包括驻留次数、驻留时长和夜间停留时长;
相应地,所述归属地选取模块具体包括:
信息统计单元,用于在各候选区域内,分别对与驻留点对应的驻留次数、驻留时长和夜间停留时长进行累加,以获取各候选区域内对应的驻留总次数、驻留总时长和夜间总停留时长;
信息归一单元,用于在各候选区域内分别对所述驻留总次数、驻留总时长和夜间总停留时长进行归一化处理;
权重值比较单元,用于根据归一化处理后的结果计算出所述车辆在各候选区域内的总权重值,从所述n个候选区域中选择总权重值最大的候选区域,以作为所述车辆的归属地。
优选地,所述权重值比较单元,进一步用于通过下式计算所述车辆在各候选区域内的总权重值,
weight=totalCount+totalDuration+2*totalNightDuration
其中,weight表示所述车辆在各候选区域内的总权重值,totalCount表示在各候选区域内对所述驻留总次数进行归一化处理后的结果;totalDuration表示在各候选区域内对所述驻留总时长进行归一化处理后的结果;totalNightDuration表示在各候选区域内对所述夜间停留总时长进行归一化处理后的结果。
本发明通过分析待监测车辆的历史GPS轨迹数据,对车辆的驻留点进行聚类,以获取车辆的归属地候选区域,最后对各候选区域中的驻留信息进行处理和比较,以快速有效地确定待检测车辆的归属地,从而能够替代通过人工不定期地统计和检查来确定车辆的归属地,提高了工作效率,进而能够在第一时间获取指定区域车辆的保有量。
附图说明
图1为本发明确定车辆归属地的方法第一实施例的流程示意图;
图2为本发明确定车辆归属地的方法第二实施例的流程示意图;
图3为本发明确定车辆归属地的方法第三实施例的流程示意图;
图4为本发明确定车辆归属地的方法第四实施例的流程示意图;
图5为本发明确定车辆归属地的装置第一实施例的功能模块示意图;
图6为本发明确定车辆归属地的装置第二实施例的功能模块示意图;
图7为本发明确定车辆归属地的装置第三实施例的功能模块示意图;
图8为本发明确定车辆归属地的装置第四实施例的功能模块示意图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处描述的实施例仅仅用以解释本发明,并不用于限定本发明。
参照图1,本发明第一实施例提供了一种确定车辆归属地的方法,所述方法包括:
S10:获取待监测车辆的历史GPS轨迹数据;
需要说明的是,本实施例的方法的执行主体为车联网系统内的中央处理器。
在具体实现中,车载设备可以连续不断地将GPS轨迹数据上传到车联网服务平台的数据库中,所述中央处理器将数据库中车辆的历史GPS轨迹数据批量读出;其中,所述车辆的历史GPS轨迹数据至少包括车辆的车速、时间和经纬度。
S20:根据所述历史GPS轨迹数据确定所述待监测车辆的驻留点和对应的驻留信息;
可理解的是,中央处理器可通过多种方式对所述GPS轨迹数据(车速、时间和经纬度等信息)进行分析以获取待监测车辆当前的行驶状态,本实施例对此不加以限制。当车速在预设时速阈值内(如0~10km/h),将车辆的当前状态作为停留态;并且当车辆处于停留态的时间达到预设时间(如30分钟),则将本次停留态作为一次有效驻留,并将车辆当前的状态作为驻留态;根据经纬度获取车辆的停留地,并且以所述停留地为圆心,半径为给定值(如500米)的圆形范围作为所述车辆的驻留点;当所述处于驻留态的车辆离开本区域,即认定本次驻留态结束,将所述车辆处于驻留态的这段时间作为驻留时长。
S30:对各个驻留点按照预设距离阈值进行聚类,以获取n个聚类中心,将聚类中心为圆心且半径为预设距离阈值的各区域作为候选区域,所述n为不小于1的整数;
可理解的是,在地图上查询待监测车辆的GPS轨迹数据通常以标记点的形式展现,但是如果标记点(此处的标记点理解为驻留点)较多,不仅会大大增加中央处理器的工作时间,使得车联网系统较为卡顿,而且不能顺利地从所述标记点选取代表性的区域作为车辆最终的归属地区域。通过对驻留点聚类,可以减少研究对象的数目,有效减轻了中央处理器的工作压力,而且通过获取聚类中心可以达到利用最小的区域展示出最全面的信息的效果。
S40:根据所述驻留点对应的驻留信息从所述候选区域中选取所述待监测车辆的归属地。
可理解的是,对所述各候选区域中的驻留信息进行处理分析,根据分析结果能够从所述各候选区域中选取一个最具代表性的区域作为待监测车辆的归属地。
本实施例通过分析待监测车辆的历史GPS轨迹数据,对车辆的驻留点进行聚类,以获取车辆的归属地候选区域,最后根据所述驻留点对应的驻留信息快速有效地确定待检测车辆的归属地,从而降低了计算车辆归属地的复杂程度,缩短了工作时间,进而提高了的工作效率。
参照图2,图2为本发明确定车辆归属地的方法的第二实施例的流程示意图,基于上述方法的第一实施例,提出本发明确定车辆归属地的方法的第二实施例。
本实施例中,所述驻留信息包括驻留点纬度,所述步骤S30具体包括:
S301:对所述已确定的驻留点按照所述驻留点纬度进行排序,以获取排序后的驻留点集P;
可理解的是,在大多情况下,两个驻留点的纬度差别越大,则两点之间的距离越远,两个驻留点的纬度差别越小,则两点之间的距离越近;因此,对所述已确定的驻留点按照驻留点纬度进行排序,可以在一定程度上对车辆的驻留点按照由近到远的距离进行排序。
S302:按照排序结果依次遍历所述驻留点集P,对遍历到的驻留点按照预设距离阈值进行聚合,以获取对应的聚合区域;
可理解的是,所述驻留点集P的排序结果为:P={P1,P2,P3,P4,…Pi,…},给定距离d,将与驻留点Pi的距离小于距离d的其他驻留点作为Pi的邻居点。
在具体实现中,初始时无任何聚合点,按照所述排序结果依次快速获取每个驻留点Pi的邻居点:由于两个点的纬度相差一度,则两点之间的距离至少相差111319米,因此所述获取Pi的邻居点,只需分别从Pi左边Pi-1和右边Pi+1两边开始遍历,当所述Pi的邻居点与Pi的纬度之差与111319米的乘积大于d时,则停止遍历;如此循环,直至获取所有驻留点的邻居点完毕。当所述各驻留点聚合到对应的聚合区域内,即实现将所有的驻留点根据区域分组。
S303:计算所述聚合区域内驻留点的重要程度值,并对所述聚合区域内的驻留点的重要程度值由大到小进行排序,将重要程度值最大的驻留点作为该聚合区域的聚类中心。
需要说明的是:在所述步骤S303中,已经属于某个聚合区域内的邻居点不能成为聚类中心,直接跳过。
可以理解的是,所述步骤S303能够确定每个驻留点的区域信息,即获取每个聚类中心的区域信息,并认为该聚类中心所有的驻留点的区域信息和中心的区域信息一致。
在具体实现中,优选地,通过下式计算所述聚合区域内驻留点的重要程度值:
其中,Pi表示所述驻留点集P中第i个的驻留点,importance(Pi)表示聚合区域内驻留点Pi的重要程度值,nearCount(Pi)表示驻留点Pi的邻居点的个数,所述邻居点为与驻留点Pi的距离小于预设距离阈值的其他驻留点,sum(dist)表示驻留点Pi与各个邻居点的距离之和,rangDist表示所述预设距离阈值的最大值。
需要说明的是,计算所述聚合区域内驻留点的重要程度值不限于上述公式;上述公式应理解为该技术环节的最优公式。
本实施例中,对已确定的驻留点按照所述驻留点纬度进行排序,能够有效地为所述聚合驻留点这个步骤制定迭代的顺序,能够进一步减轻聚类算法的复杂程度;同时,通过计算各个聚合区域内的驻留点的重要程度值以选取聚类中心,能够更加清楚地反映每个聚合区域所包含的各原始驻留点的位置信息。
参照图3,图3为本发明确定车辆归属地的方法的第三实施例的流程示意图,基于上述方法的第一实施例或第二实施例,提出本发明确定车辆归属地的方法的第三实施例,图3以基于图1所示的实施例为例。
本实施例中,所述驻留信息还包括驻留次数、驻留时长和夜间停留时长;所述步骤S40具体包括:
S410:在各候选区域内,分别对与驻留点对应的驻留次数、驻留时长和夜间停留时长进行累加,以获取各候选区域内对应的驻留总次数、驻留总时长和夜间总停留时长;
可理解的是,如上述提到,各驻留点聚合到对应的聚合区域内,即实现将所有的驻留点根据区域分组;那么相应地,各驻留点对应的驻留信息也相应的聚合到所述聚合区域内,即得到多个区域的多次驻留信息。
S420:在各候选区域内分别对所述驻留总次数、驻留总时长和夜间总停留时长进行归一化处理;
在具体实现中,通过以下公式分别对所述各候选区域中的驻留总次数(totalCount)、驻留总时长(totalDuration)和夜间总停留时长(totalNightDuration)进行归一化处理:
其中,min(totalCount)为驻留总次数的数据样本的最小值,max(totalCount)为驻留次数的数据样本的最大值;
其中,min(totalDuration)为驻留总时长的数据样本的最小值,max(totalDuration)为驻留总时长的数据样本的最大值;
其中,min(totalNightDuration)为驻留总时长的数据样本的最小值,max(totalNightDuration)为驻留总时长的数据样本的最大值。
S430:根据归一化处理后的结果计算出所述车辆在各候选区域内的总权重值,从所述n个候选区域中选择总权重值最大的候选区域,以作为所述车辆的归属地。
优选地,通过下式计算所述车辆在各候选区域内的总权重值:
weight=totalCount+totalDuration+2*totalNightDuration
其中,weight表示所述车辆在各候选区域内的总权重值,totalCount表示在各候选区域内对所述驻留总次数进行归一化处理后的结果;totalDuration表示在各候选区域内对所述驻留总时长进行归一化处理后的结果;totalNightDuration表示在各候选区域内对所述夜间停留总时长进行归一化处理后的结果。
需要说明的是,计算所述车辆在各候选区域内的总权重值不限于上述公式;上述公式应理解为该技术环节的最优公式,同时,考虑到夜间停留时长的重要性比驻留总次数和驻留总时长的重要性都要大,所以将所述totalNightDuration乘以2作为指标权重。
本实施例通过分别对驻留信息中的驻留次数、驻留时长和夜间停留时长作归一化处理,将驻留信息的各个数据标准化;在影响车辆归属地的各个数据参数中,由于不同性质的数据,其直接相加并不能正确地反映不同参数的综合结果(例如驻留次数和驻留时长直接相加),将上述参数进行归一化处理之后在进行加权,可以精确地计算出各候选区域内的总权重值;进而通过比较各候选区域内的总权重值能够更加准确有效地判断车辆的归属地。
参照图4,图4为本发明确定车辆归属地的方法的第四实施例的流程示意图,基于上述方法的第一实施例,提出本发明确定车辆归属地的方法的第四实施例。
本实施例中,所述步骤S30之前,所述方法还包括:
S50:对驻留时长小于预设时间的驻留点进行过滤。
可理解的是,假设经常跑滴滴打车或者优步uber的车辆频繁的出现短时间驻留(例如一个小时),当车联网系统内的中央处理器源源不断地将该车辆的驻留点存入后台数据库中时,不仅会使得数据库信息存储量变大,同时这些短时间的驻留信息还会对车辆归属地的计算进行干扰;因此通过对驻留时长比较短驻留点(如小于2个小时的驻留点)进行过滤,可以有效的去处一些冗余信息。
参照图5,本发明第一实施例提供一种确定车辆归属地的装置,所述装置包括:
GPS数据接收模块10,用于获取待监测车辆的历史GPS轨迹数据;
需要说明的是,本实施例的装置部署于车联网系统内的中央处理器上。
在具体实现中,车载设备可以连续不断地将GPS轨迹数据上传到车联网服务平台的数据库中,所述中央处理器将数据库中车辆的历史GPS轨迹数据批量读出;其中,所述车辆的历史GPS轨迹数据至少包括车辆的车速、时间和经纬度。
信息确定模块20,用于根据所述历史GPS轨迹数据确定所述待监测车辆的驻留点和对应的驻留信息;
可理解的是,中央处理器可通过多种方式对所述GPS轨迹数据(车速、时间和经纬度等信息)进行分析以获取待监测车辆当前的行驶状态,本实施例对此不加以限制。当车速在预设时速阈值内(如0~10km/h),将车辆的当前状态作为停留态;并且当车辆处于停留态的时间达到预设时间(如30分钟),则将本次停留态作为一次有效驻留,并将车辆当前的状态作为驻留态;根据经纬度获取车辆的停留地,并且以所述停留地为圆心,半径为给定值(如500米)的圆形范围作为所述车辆的驻留点;当所述处于驻留态的车辆离开本区域,即认定本次驻留态结束,将所述车辆处于驻留态的这段时间作为驻留时长。
区域划分模块30,用于对各个驻留点按照预设距离阈值进行聚类,以获取n个聚类中心,将圆心为聚类中心且半径为预设距离阈值的各区域作为候选区域,所述n为不小于1的整数;
可理解的是,在地图上查询待监测车辆的GPS轨迹数据通常以标记点的形式展现,但是如果标记点(此处的标记点理解为驻留点)较多,不仅会大大增加中央处理器的工作时间,让车联网系统变得比较卡,而且不能顺利地从所述标记点选取代表性的区域作为车辆最终的归属地区域。通过对驻留点聚类,可以减少研究对象的数目,有效减轻了中央处理器的工作压力,而且通过获取聚类中心可以达到利用最小的区域展示出最全面的信息的效果。
归属地选取模块40,用于根据所述驻留点对应的驻留信息从所述候选区域中选取所述待监测车辆的归属地。
可理解的是,可以通过引入计算机算法等相关技术,对所述各候选区域中的驻留信息进行处理分析,根据分析结果从所述各候选区域中选取一个最具代表性的区域作为待监测车辆的归属地。
本实施例通过分析待监测车辆的历史GPS轨迹数据,对车辆的驻留点进行聚类,以获取车辆的归属地候选区域,最后根据所述驻留点对应的驻留信息快速有效地确定待检测车辆的归属地,从而降低了计算车辆归属地的复杂程度,缩短了工作时间,进而提高了的工作效率。
参照图6,图6为本发明确定车辆归属地的装置的第二实施例的功能模块示意图,基于上述图5所示的实施例,提出本发明确定车辆归属地的装置的第二实施例。
本实施例中,所述驻留信息包括驻留点纬度,所述区域划分模块30进一步包括:
排序单元301,用于对所述已确定的驻留点按照所述驻留点纬度进行排序,以获取排序后的驻留点集P;
可理解的是,在大多情况下,两个驻留点的纬度差别越大,则两点之间的距离越远,两个驻留点的纬度差别越小,则两点之间的距离越近;因此,对所述已确定的驻留点按照驻留点纬度进行排序,可以在一定程度上对车辆的驻留点按照由近到远的距离进行排序。
聚类单元302,用于按照排序结果依次遍历所述驻留点集P,对遍历到的驻留点按照预设距离阈值进行聚合,以获取对应的聚合区域;
可理解的是,所述驻留点集P的排序结果为:P={P1,P2,P3,P4,…Pi,…},给定距离d,将与驻留点Pi的距离小于距离d的其他驻留点作为Pi的邻居点。
在具体实现中,初始时无任何聚合点,按照所述排序结果依次快速获取每个驻留点Pi的邻居点:由于两个点的纬度相差一度,则两点之间的距离至少相差111319米,因此所述获取Pi的邻居点,只需分别从Pi左边Pi-1和右边Pi+1两边开始遍历,当所述Pi的邻居点与Pi的纬度之差与111319米的乘积大于d时,则停止遍历;如此循环,直至获取所有驻留点的邻居点完毕。当所述各驻留点聚合到对应的聚合区域内,即实现将所有的驻留点根据区域分组。
区域中心选取单元303,用于计算所述聚合区域内驻留点的重要程度值,并对所述聚合区域内的驻留点的重要程度值由大到小进行排序,将重要程度值最大的驻留点作为该聚合区域的聚类中心。
需要说明的是:在所述区域中心选取单元303中,已经属于某个聚合区域内的邻居点不能成为聚类中心,直接跳过。
可以理解的是,所述区域中心选取单元303能够确定每个驻留点的区域信息,即获取每个聚类中心的区域信息,并认为该聚类中心所有的驻留点的区域信息和中心的区域信息一致。
在具体实现中,所述区域中心选取单元303,进一步用于通过下式计算所述聚合区域内驻留点的重要程度值:
其中,Pi表示所述驻留点集P中第i个的驻留点,importance(Pi)表示聚合区域内驻留点Pi的重要程度值,nearCount(Pi)表示驻留点Pi的邻居点的个数,所述邻居点为与驻留点Pi的距离小于预设距离阈值的其他驻留点,sum(dist)表示驻留点Pi与各个邻居点的距离之和,rangDist表示所述预设距离阈值的最大值。
需要说明的是,计算所述聚合区域内驻留点的重要程度值不限于上述公式;上述公式应理解为该技术环节的最优公式。
本实施例中,对已确定的驻留点按照所述驻留点纬度进行排序,能够有效地为所述聚合驻留点这个步骤制定迭代的顺序,能够进一步减轻聚类算法的复杂程度;同时,通过计算各个聚合区域内的驻留点的重要程度值以选取聚类中心,能够更加清楚地反映每个聚合区域所包含的各原始驻留点的位置信息。
参照图7,图7为本发明确定车辆归属地的装置的第三实施例的功能模块示意图,基于上述图5或图6所示的实施例,提出本发明确定车辆归属地的装置的第三实施例,图7以基于图5所示的实施例为例。
本实施例中,所述驻留信息还包括驻留次数、驻留时长和夜间停留时长;所述归属地选取模块40具体包括:
信息统计单元401,用于在各候选区域内,分别对与驻留点对应的驻留次数、驻留时长和夜间停留时长进行累加,以获取各候选区域内对应的驻留总次数、驻留总时长和夜间总停留时长;
可理解的是,如上述提到,各驻留点聚合到对应的聚合区域内,即实现将所有的驻留点根据区域分组;那么相应地,各驻留点对应的驻留信息也相应的聚合到所述聚合区域内,即得到多个区域的多次驻留信息。
信息归一单元402,用于在各候选区域内分别对所述驻留总次数、驻留总时长和夜间总停留时长进行归一化处理;
在具体实现中,通过以下公式分别对所述各候选区域中的驻留总次数(totalCount)、驻留总时长(totalDuration)和夜间总停留时长(totalNightDuration)进行归一化处理:
其中,min(totalCount)为驻留总次数的数据样本的最小值,max(totalCount)为驻留次数的数据样本的最大值;
其中,min(totalDuration)为驻留总时长的数据样本的最小值,max(totalDuration)为驻留总时长的数据样本的最大值;
其中,min(totalNightDuration)为驻留总时长的数据样本的最小值,max(totalNightDuration)为驻留总时长的数据样本的最大值。
权重值比较单元403,用于根据归一化处理后的结果计算出所述车辆在各候选区域内的总权重值,从所述n个候选区域中选择总权重值最大的候选区域,以作为所述车辆的归属地。
优选地,所述权重值比较单元403,进一步用于通过下式计算所述车辆在各候选区域内的总权重值,
weight=totalCount+totalDuration+2*totalNightDuration
其中,weight表示所述车辆在各候选区域内的总权重值,totalCount表示在各候选区域内对所述驻留总次数进行归一化处理后的结果;totalDuration表示在各候选区域内对所述驻留总时长进行归一化处理后的结果;totalNightDuration表示在各候选区域内对所述夜间停留总时长进行归一化处理后的结果。
需要说明的是,计算所述车辆在各候选区域内的总权重值不限于上述公式;上述公式应理解为该技术环节的最优公式,同时,考虑到夜间停留时长的重要性比驻留总次数和驻留总时长的重要性都要大,所以将所述totalNightDuration乘以2作为指标权重。
本实施例通过分别对驻留信息中的驻留次数、驻留时长和夜间停留时长作归一化处理,将驻留信息的各个数据标准化;在影响车辆归属地的各个数据参数中,由于不同性质的数据,其直接相加并不能正确地反映不同参数的综合结果(例如驻留次数和驻留时长直接相加);将上述参数进行归一化处理之后在进行加权,可以精确地计算出各候选区域内的总权重值;进而通过比较各候选区域内的总权重值能够更加准确有效地判断车辆的归属地。
参照图8,图8为本发明确定车辆归属地的装置的第四实施例的功能模块示意图,基于上述图5的实施例,提出本发明确定车辆归属地的装置的第四实施例。
本实施例中,所述确定车辆归属地的装置还包括过滤模块50,用于对驻留时长小于预设时间的驻留点进行过滤。
可理解的是,假设经常跑滴滴打车或者优步uber的车辆频繁的出现短时间驻留(例如一个小时),当车联网系统内的中央处理器源源不断地将该车辆的驻留点存入后台数据库中时,不仅会使得数据库信息存储量变大,同时这些短时间的驻留信息还会对车辆归属地的计算进行干扰;因此通过对驻留时长比较短驻留点(如小于2个小时的驻留点)进行过滤,可以有效的去处一些冗余信息。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,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。
Claims (6)
1.一种确定车辆归属地的方法,其特征在于,所述方法包括以下步骤:
获取待监测车辆的历史GPS轨迹数据;
根据所述历史GPS轨迹数据确定所述待监测车辆的驻留点和对应的驻留信息;
对各个驻留点按照预设距离阈值进行聚类,以获取n个聚类中心,将聚类中心为圆心且半径为预设距离阈值的各区域作为候选区域,所述n为不小于1的整数;
根据所述驻留点对应的驻留信息从所述候选区域中选取所述待监测车辆的归属地;
其中,所述驻留信息包括驻留点纬度;
相应地,所述对各个驻留点按照预设距离阈值进行聚类,以获取n个聚类中心,具体包括:
对所述已确定的驻留点按照所述驻留点纬度进行排序,以获取排序后的驻留点集P;
按照排序结果依次遍历所述驻留点集P,对遍历到的驻留点按照预设距离阈值进行聚合,以获取对应的聚合区域;
通过以下公式计算所述聚合区域内驻留点的重要程度值,并对所述聚合区域内的驻留点的重要程度值由大到小进行排序,将重要程度值最大的驻留点作为该聚合区域的聚类中心:
其中,Pi表示所述驻留点集P中第i个的驻留点,importance(Pi)表示聚合区域内驻留点Pi的重要程度值,nearCount(Pi)表示驻留点Pi的邻居点的个数,所述邻居点为与驻留点Pi的距离小于预设距离阈值的其他驻留点,sum(dist)表示驻留点Pi与各个邻居点的距离之和,rangDist表示所述预设距离阈值的最大值。
2.如权利要求1所述的方法,其特征在于,所述驻留信息还包括驻留次数、驻留时长和夜间停留时长;
相应地,所述根据所述驻留点对应的驻留信息从所述候选区域中选取所述待监测车辆的归属地,具体包括:
在各候选区域内,分别对与驻留点对应的驻留次数、驻留时长和夜间停留时长进行累加,以获取各候选区域内对应的驻留总次数、驻留总时长和夜间总停留时长;
在各候选区域内分别对所述驻留总次数、驻留总时长和夜间总停留时长进行归一化处理;
根据归一化处理后的结果计算出所述车辆在各候选区域内的总权重值,从所述n个候选区域中选择总权重值最大的候选区域,以作为所述车辆的归属地。
3.如权利要求2所述的方法,其特征在于,通过下式计算所述车辆在各候选区域内的总权重值:
weight=totalCount+totalDuration+2*totalNightDuration
其中,weight表示所述车辆在各候选区域内的总权重值,totalCount表示在各候选区域内对所述驻留总次数进行归一化处理后的结果;totalDuration表示在各候选区域内对所述驻留总时长进行归一化处理后的结果;totalNightDuration表示在各候选区域内对所述夜间停留总时长进行归一化处理后的结果。
4.一种确定车辆归属地的装置,其特征在于,所述装置包括:
GPS数据接收模块,用于获取待监测车辆的历史GPS轨迹数据;
信息确定模块,用于根据所述历史GPS轨迹数据确定所述待监测车辆的驻留点和对应的驻留信息;
区域划分模块,用于对各个驻留点按照预设距离阈值进行聚类,以获取n个聚类中心,将圆心为聚类中心且半径为预设距离阈值的各区域作为候选区域,所述n为不小于1的整数;
归属地选取模块,用于根据所述驻留点对应的驻留信息从所述候选区域中选取所述待监测车辆的归属地;
其中,所述驻留信息包括驻留点纬度;
相应地,所述区域划分模块具体包括:
排序单元,用于对所述已确定的驻留点按照所述驻留点纬度进行排序,以获取排序后的驻留点集P;
聚类单元,用于按照排序结果依次遍历所述驻留点集P,对遍历到的驻留点按照预设距离阈值进行聚合,以获取对应的聚合区域;
区域中心选取单元,用于通过以下公式计算所述聚合区域内驻留点的重要程度值,并对所述聚合区域内的驻留点的重要程度值由大到小进行排序,将重要程度值最大的驻留点作为该聚合区域的聚类中心:
其中,Pi表示所述驻留点集P中第i个的驻留点,importance(Pi)表示聚合区域内驻留点Pi的重要程度值,nearCount(Pi)表示驻留点Pi的邻居点的个数,所述邻居点为与驻留点Pi的距离小于预设距离阈值的其他驻留点,sum(dist)表示驻留点Pi与各个邻居点的距离之和,rangDist表示所述预设距离阈值的最大值。
5.如权利要求4所述的装置,其特征在于,所述驻留信息还包括驻留次数、驻留时长和夜间停留时长;
相应地,所述归属地选取模块具体包括:
信息统计单元,用于在各候选区域内,分别对与驻留点对应的驻留次数、驻留时长和夜间停留时长进行累加,以获取各候选区域内对应的驻留总次数、驻留总时长和夜间总停留时长;
信息归一单元,用于在各候选区域内分别对所述驻留总次数、驻留总时长和夜间总停留时长进行归一化处理;
权重值比较单元,用于根据归一化处理后的结果计算出所述车辆在各候选区域内的总权重值,从所述n个候选区域中选择总权重值最大的候选区域,以作为所述车辆的归属地。
6.如权利要求5所述的装置,其特征在于,所述权重值比较单元,进一步用于通过下式计算所述车辆在各候选区域内的总权重值,
weight=totalCount+totalDuration+2*totalNightDuration
其中,weight表示所述车辆在各候选区域内的总权重值,totalCount表示在各候选区域内对所述驻留总次数进行归一化处理后的结果;totalDuration表示在各候选区域内对所述驻留总时长进行归一化处理后的结果;totalNightDuration表示在各候选区域内对所述夜间停留总时长进行归一化处理后的结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710180087.9A CN106982416B (zh) | 2017-03-21 | 2017-03-21 | 确定车辆归属地的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710180087.9A CN106982416B (zh) | 2017-03-21 | 2017-03-21 | 确定车辆归属地的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106982416A CN106982416A (zh) | 2017-07-25 |
CN106982416B true CN106982416B (zh) | 2019-10-18 |
Family
ID=59338774
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710180087.9A Active CN106982416B (zh) | 2017-03-21 | 2017-03-21 | 确定车辆归属地的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106982416B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108398701B (zh) * | 2017-10-20 | 2020-07-03 | 蔚来汽车有限公司 | 车辆定位方法和装置 |
CN108021625B (zh) * | 2017-11-21 | 2021-01-19 | 深圳广联赛讯股份有限公司 | 车辆异常聚集地监控方法及系统、计算机可读存储介质 |
CN108171971A (zh) * | 2017-12-18 | 2018-06-15 | 武汉烽火众智数字技术有限责任公司 | 基于Spark Streaming的车辆实时监控方法及系统 |
CN109297492A (zh) * | 2018-09-06 | 2019-02-01 | 中国电子科技集团公司电子科学研究院 | 一种移动轨迹驻停点的确定方法及装置 |
CN111353732A (zh) * | 2018-12-21 | 2020-06-30 | 北京中交兴路信息科技有限公司 | 车辆运输模式识别方法、装置、设备和存储介质 |
CN110598131B (zh) * | 2019-08-20 | 2020-12-04 | 北京三快在线科技有限公司 | 确定用户常驻区域的方法、装置、存储介质和电子设备 |
CN110749335B (zh) * | 2019-10-24 | 2021-05-04 | 成都路行通信息技术有限公司 | 一种目标区域内车主家到单位平均里程的计算方法和系统 |
CN112348091A (zh) * | 2020-11-10 | 2021-02-09 | 成都福立盟环保大数据有限公司 | 基于渣土车gps的双聚类的黑工地点位识别算法 |
CN114510826A (zh) * | 2022-01-17 | 2022-05-17 | 中国科学院地理科学与资源研究所 | 车辆排放结构分解方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102629297A (zh) * | 2012-03-06 | 2012-08-08 | 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 |
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 |
CN105847310A (zh) * | 2015-01-13 | 2016-08-10 | 中国移动通信集团江苏有限公司 | 一种确定位置的方法及装置 |
JP2017033404A (ja) * | 2015-08-04 | 2017-02-09 | 日本電信電話株式会社 | 滞在確率密度推定装置、方法、及びプログラム |
-
2017
- 2017-03-21 CN CN201710180087.9A patent/CN106982416B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102629297A (zh) * | 2012-03-06 | 2012-08-08 | 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 |
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 |
CN105847310A (zh) * | 2015-01-13 | 2016-08-10 | 中国移动通信集团江苏有限公司 | 一种确定位置的方法及装置 |
JP2017033404A (ja) * | 2015-08-04 | 2017-02-09 | 日本電信電話株式会社 | 滞在確率密度推定装置、方法、及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
CN106982416A (zh) | 2017-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106982416B (zh) | 确定车辆归属地的方法和装置 | |
CN105491532B (zh) | 一种用于路网运行状态分析的手机信令过滤方法和装置 | |
CN110188797B (zh) | 一种基于贝叶斯优化的智能汽车快速测试方法 | |
CN103325259B (zh) | 一种基于多核并行的违章停车检测方法 | |
CN108446824A (zh) | 一种驾驶行为的风险评估方法、装置、设备及存储介质 | |
CN107861957B (zh) | 一种数据分析方法及装置 | |
CN111191949B (zh) | 网约车辆异常行驶行为识别方法、装置、电子设备 | |
CN104464304A (zh) | 一种基于路网特性的城市道路车辆行驶速度预测方法 | |
CN111144446B (zh) | 一种基于时空网格的司机身份识别方法和系统 | |
CN105930771A (zh) | 一种驾驶行为评分方法及装置 | |
CN110728421B (zh) | 一种基于充电需求大数据的路网充电优化方法 | |
CN108091132A (zh) | 一种交通流量预测方法及装置 | |
CN113792782A (zh) | 运营车辆的轨迹监测方法、装置、存储介质及计算机设备 | |
Bock et al. | A 2-step approach to improve data-driven parking availability predictions | |
CN110322687B (zh) | 确定目标交叉口运行状态信息的方法和装置 | |
CN106779692A (zh) | 一种车载支付方法及装置 | |
CN108538054A (zh) | 一种基于手机信令数据获取交通路况信息的方法及系统 | |
CN105574471A (zh) | 用户行为数据的上传方法、用户行为的识别方法及装置 | |
CN110264725B (zh) | 路段流量的确定方法及装置 | |
CN108932839A (zh) | 一种同行车辆判断方法及装置 | |
CN116811870A (zh) | 能量回收策略的确定方法、装置、设备和存储介质 | |
CN108156616A (zh) | 通信路径管理方法及通信路径管理系统 | |
CN114492169B (zh) | 考虑用户市场响应潜力的电动汽车用户画像方法及系统 | |
CN109978174A (zh) | 信息处理方法、信息处理装置及程序记录介质 | |
CN111932829B (zh) | 一种预防疲劳驾驶设施效用测试方法及系统 |
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 | ||
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. |
|
CP03 | Change of name, title or address |