CN107122480A - 一种基于交通违法数据的云分析方法及系统 - Google Patents

Abstract

本发明提供了一种基于交通违法数据的云分析方法及系统，该方法包括：获取至少一条交通违法数据；确定每条所述交通违法数据包括的至少一个特征参数；根据各条所述交通违法数据分别对应的至少一个特征参数，对所述至少一条交通违法数据进行分析处理。本方案能提高数据处理效率。

Description

一种基于交通违法数据的云分析方法及系统

技术领域

本发明涉及计算机技术领域，特别涉及一种基于交通违法数据的云分析方法及系统。

背景技术

随着大数据技术的高速发展，文字、图片、音频、视频等数据急速增长，数据已成为重要的生产因素，然而数据往往是以分散的、不成体系的形式存在，因此如何有效处理数据显得十分重要。

目前，主要采用人工方式对数据进行处理，即是工作人员将采集到的每一条数据进行汇总和分类之后，再根据分类结果，对数据进行相应处理。例如，采集到的数据为交通违法数据时，将交通违法数据根据地点或时间进行分来，然后根据违法地点或者违法时间分别对数据进行处理。

由于数据种类繁多，数量巨大，采用人工方式对数据进行处理，导致数据的处理效率较低。

发明内容

本发明实施例提供了一种基于交通违法数据的云分析方法及系统，能提高数据处理效率。

第一方面，本发明实施例提供了一种基于交通违法数据的云分析方法，包括：

获取至少一条交通违法数据；

确定每条所述交通违法数据包括的至少一个特征参数；

根据各条所述交通违法数据分别对应的至少一个特征参数，对所述至少一条交通违法数据进行分析处理。

优选地，

所述根据各条所述交通违法数据分别对应的至少一个特征参数，对所述至少一条交通违法数据进行分析处理，包括：

构建至少一个分析算法分别对应的至少一个数据模型；

根据各条所述交通违法数据分别对应的至少一个特征参数，确定与所述特征参数对应的至少一个数据模型；

利用确定出的所述数据模型，对所述至少一条交通违法数据进行分析处理。

优选地，

所述特征参数包括：违法地点、违法时间和违法行为；

所述分析算法包括：统计分析算法；

所述根据各条所述交通违法数据分别对应的至少一个特征参数，确定与所述特征参数对应的至少一个数据模型；

根据所述违法地点、所述违法时间和所述违法行为，确定与所述统计分析算法相对应的数据统计分析模型；

所述利用确定出的所述数据模型，对所述至少一条交通违法数据进行分析处理，包括：

利用确定出的所述数据统计分析模型，确定交通违法的高发地段；

优选地，

利用确定出的所述数据统计分析模型，确定交通违法的高发时间；

优选地，

利用确定出的所述数据统计分析模型，确定高发违法行为。

优选地，

在所述获取至少一条交通违法数据之后，进一步包括：

判断每条所述交通违法数据的格式是否符合预设的标准数据格式，如果是，则根据所述标准数据格式，确定所述交通违法数据包括的至少一个特征参数；否则，将所述交通违法数据的格式转换为所述标准数据格式，执行所述根据所述标准数据格式，确定所述交通违法数据包括的至少一个特征参数。

优选地，

在所述根据各条所述交通违法数据分别对应的至少一个特征参数，对所述至少一条交通违法数据进行分析处理之后，进一步包括：

根据分析处理结果，生成数据图表，并输出所述数据图表。

第二方面，本发明实施例提供了一种基于交通违法数据的云分析系统，包括：获取模块、确定模块和分析处理模块；其中，

所述获取模块，用于获取至少一条交通违法数据；

所述确定模块，用于确定所述获取模块获取到的每条所述交通违法数据包括的至少一个特征参数；

所述分析处理模块，用于根据所述确定模块确定出的各条所述交通违法数据分别对应的至少一个特征参数，对所述至少一条交通违法数据进行分析处理。

优选地，

所述分析处理模块包括：构建子模块、数据模型确定子模块和数据处理子模块；其中，

所述构建子模块，用于构建至少一个分析算法分别对应的至少一个数据模型；

所述数据模型确定子模块，用于根据所述确定模块确定出的各条所述交通违法数据分别对应的至少一个特征参数，从所述构建子模块中确定与所述特征参数对应的至少一个数据模型；

所述数据处理子模块，用于利用所述数据模型确定子模块确定出的数据模型，对所述至少一条交通违法数据进行分析处理。

优选地，

所述特征参数包括：违法地点、违法时间和违法行为；

所述分析算法包括：统计分析算法；

所述数据模型确定子模块，用于根据所述违法地点、所述违法时间和所述违法行为，确定与所述统计分析算法相对应的数据统计分析模型；

所述数据处理子模块，用于利用确定出的所述数据统计分析模型，确定交通违法的高发地段；和/或，利用确定出的所述数据统计分析模型，确定交通违法的高发时间；和/或，利用确定出的所述数据统计分析模型，确定高发违法行为。

优选地，

所述确定模块，进一步用于判断每条所述交通违法数据的格式是否符合预设的标准数据格式，如果是，则根据所述标准数据格式，确定所述交通违法数据包括的至少一个特征参数；否则，将所述交通违法数据的格式转换为所述标准数据格式，执行所述根据所述标准数据格式，确定所述交通违法数据包括的至少一个特征参数。

优选地，

该云分析系统进一步包括：输出模块；其中，

所述输出模块，用于根据所述分析处理模块的分析处理结果，生成数据图表，并输出所述数据图表。

本发明实施例提供了一种基于交通违法数据的云分析方法及云分析系统，通过确定获取到的交通违法数据包括的特征参数，并可根据确定出的特征参数直接对交通违法数据进行分析处理，从而无须再采用人工方式对数据进行逐条处理，从而提高了数据处理效率。

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是本发明一个实施例提供的一种基于交通违法数据的云分析方法的流程图；

图2是本发明另一个实施例提供的一种基于交通违法数据的云分析方法的流程图；

图3是本发明一个实施例提供的一种基于交通违法数据的云分析系统的结构示意图；

图4是本发明另一个实施例提供的一种基于交通违法数据的云分析系统的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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的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。

如图1所示，本发明实施例提供了一种基于交通违法数据的云分析方法，该方法可以包括以下步骤：

步骤101，获取至少一条交通违法数据；

步骤102，确定每条所述交通违法数据包括的至少一个特征参数；

步骤103，根据各条所述交通违法数据分别对应的至少一个特征参数，对所述至少一条交通违法数据进行分析处理。

上述实施例中，通过确定获取到的交通违法数据包括的特征参数，并可根据确定出的特征参数直接对交通违法数据进行分析处理，从而无须再采用人工方式对数据进行逐条处理，从而提高了数据处理效率。

本发明一个实施例中，步骤103的具体实施方式，可以包括：

构建至少一个分析算法分别对应的至少一个数据模型；

根据各条所述交通违法数据分别对应的至少一个特征参数，确定与所述特征参数对应的至少一个数据模型；

利用确定出的所述数据模型，对所述至少一条交通违法数据进行分析处理。

在这里，可以构建多个分析算法对应的数据模型，例如，根据统计分析算法构建的统计分析模型、根据K-means算法构建的特征聚类分析模型和位置聚类分析模型，以及根据Apriori算法和FP-growth算法构建的数据关联分析模型等，可根据交通违法数据中包括的违法地点、违法时间和违法行为等选择相应的数据模型，对交通违法数据进行分析处理。

具体地，本发明一个实施例中，所述特征参数包括：违法地点、违法时间和违法行为；

所述分析算法包括：统计分析算法；

所述根据各条所述交通违法数据分别对应的至少一个特征参数，确定与所述特征参数对应的至少一个数据模型；

根据所述违法地点、所述违法时间和所述违法行为，确定与所述统计分析算法相对应的数据统计分析模型；

所述利用确定出的所述数据模型，对所述至少一条交通违法数据进行分析处理，包括：

利用确定出的所述数据统计分析模型，确定交通违法的高发地段；

利用确定出的所述数据统计分析模型，确定交通违法的高发时间；

利用确定出的所述数据统计分析模型，确定高发违法行为。

在这里，可根据数据统计分析模型，确定出交通违法的高发地段、高发时间和高发违法行为，并且在统计过程中，可调节数据统计分析模型的相关统计参数，通过参数调节获得最优统计结果。通过数据统计分析模型确定出交通违法的高发地段、高发时间和高发违法行为，有利于各个交警部门按需查看，采取相关措施减少违法行为的发生率。

为了进一步提高数据处理效率，本发明一个实施例中，在步骤101之后，可以进一步包括：

判断每条所述交通违法数据的格式是否符合预设的标准数据格式，如果是，则根据所述标准数据格式，确定所述交通违法数据包括的至少一个特征参数；否则，将所述交通违法数据的格式转换为所述标准数据格式，执行所述根据所述标准数据格式，确定所述交通违法数据包括的至少一个特征参数。

上述实施例中，在获取到交通违法数据之后，首先将交通违法数据的格式转换为标准数据格式，然后可直接按照标准数据格式，确定交通违法数据的特征参数。这使得可根据统一的数据格式，对交通违法数据进行处理，而无须从不同数据格式中查找特征参数，便于特征参数的确定，从而进一步提高了数据数量效率。

为了便于用户查看，本发明一个实施例中，在步骤103之后，可以进一步包括：

根据分析处理结果，生成数据图表，并输出所述数据图表。

在这里，将分析处理结果以数据图表的形式进行输出，便于各个交通部门传阅查看，从而提高用户体验。

如图2所示，本发明一个实施例提供了一种基于交通违法数据的云分析方法，该方法可以包括以下步骤：

步骤201，构建至少一个分析算法分别对应的至少一个数据模型。

例如，可根据统计分析算法构建的统计分析模型、根据K-means算法构建的特征聚类分析模型和位置聚类分析模型，以及根据Apriori算法和FP-growth算法构建的数据关联分析模型

步骤202，获取至少一条交通违法数据。

步骤203，判断每条所述交通违法数据的格式是否符合预设的标准数据格式，如果是，则执行步骤205；否则执行步骤204。

步骤204，将所述交通违法数据的格式转换为所述标准数据格式。

步骤205，根据所述标准数据格式，确定所述交通违法数据包括的至少一个特征参数。

步骤203至步骤205中，在获取到交通违法数据之后，首先将不是标准数据格式的交通违法数据的格式转换为标准数据格式，然后可直接按照标准数据格式，确定交通违法数据的特征参数。这使得可根据统一的数据格式，对交通违法数据进行处理，而无须从不同数据格式中查找特征参数，便于特征参数的确定，从而进一步提高了数据数量效率。

步骤206，根据各条所述交通违法数据分别对应的至少一个特征参数，确定与所述特征参数对应的至少一个数据模型。

例如，特征参数包括：违法地点、违法时间和违法行为，确定出的数据模型为统计分析模型。

步骤207，利用确定出的所述数据模型，确定交通违法的高发地段、交通违法的高发时间和高发违法行为。

在这里，通过数据统计分析模型确定出交通违法的高发地段、高发时间和高发违法行为，有利于各个交警部门按需查看，采取相关措施减少违法行为的发生率。

步骤208，根据分析处理结果，生成数据图表，并输出所述数据图表。

在这里，将分析处理结果以数据图表的形式进行输出，便于各个交通部门传阅查看，从而提高用户体验。

上述实施例中，通过确定获取到的交通违法数据包括的特征参数，并可根据确定出的特征参数直接对交通违法数据进行分析处理，从而无须再采用人工方式对数据进行逐条处理，从而提高了数据处理效率。

如图3所示，本发明实施例提供了一种基于交通违法数据的云分析系统，包括：获取模块301、确定模块302和分析处理模块303；其中，

所述获取模块301，用于获取至少一条交通违法数据；

所述确定模块302，用于确定所述获取模块301获取到的每条所述交通违法数据包括的至少一个特征参数；

所述分析处理模块303，用于根据所述确定模块302确定出的各条所述交通违法数据分别对应的至少一个特征参数，对所述至少一条交通违法数据进行分析处理。

上述实施例中，通过确定获取到的交通违法数据包括的特征参数，并可根据确定出的特征参数直接对交通违法数据进行分析处理，从而无须再采用人工方式对数据进行逐条处理，从而提高了数据处理效率。

如图4所示，本发明一个实施例中，所述分析处理模块303包括：构建子模块401、数据模型确定子模块402和数据处理子模块403；其中，

所述构建子模块401，用于构建至少一个分析算法分别对应的至少一个数据模型；

所述数据模型确定子模块402，用于根据所述确定模块302确定出的各条所述交通违法数据分别对应的至少一个特征参数，从所述构建子模块401中确定与所述特征参数对应的至少一个数据模型；

所述数据处理子模块403，用于利用所述数据模型确定子模块402确定出的数据模型，对所述至少一条交通违法数据进行分析处理。

在这里，可以构建多个分析算法对应的数据模型，例如，根据统计分析算法构建的统计分析模型、根据K-means算法构建的特征聚类分析模型和位置聚类分析模型，以及根据Apriori算法和FP-growth算法构建的数据关联分析模型等，可根据交通违法数据中包括的违法地点、违法时间和违法行为等选择相应的数据模型，对交通违法数据进行分析处理。

具体地，本发明一个实施例中，所述特征参数包括：违法地点、违法时间和违法行为；

所述分析算法包括：统计分析算法；

所述数据模型确定子模块402，用于根据所述违法地点、所述违法时间和所述违法行为，确定与所述统计分析算法相对应的数据统计分析模型；

所述数据处理子模块403，用于利用确定出的所述数据统计分析模型，确定交通违法的高发地段；和/或，利用确定出的所述数据统计分析模型，确定交通违法的高发时间；和/或，利用确定出的所述数据统计分析模型，确定高发违法行为。

在这里，可根据数据统计分析模型，确定出交通违法的高发地段、高发时间和高发违法行为，并且在统计过程中，可调节数据统计分析模型的相关统计参数，通过参数调节获得最优统计结果。通过数据统计分析模型确定出交通违法的高发地段、高发时间和高发违法行为，有利于各个交警部门按需查看，采取相关措施减少违法行为的发生率。

为了进一步提高数据处理效率，本发明一个实施例中，所述确定模块302，进一步用于判断每条所述交通违法数据的格式是否符合预设的标准数据格式，如果是，则根据所述标准数据格式，确定所述交通违法数据包括的至少一个特征参数；否则，将所述交通违法数据的格式转换为所述标准数据格式，执行所述根据所述标准数据格式，确定所述交通违法数据包括的至少一个特征参数。

上述实施例中，在获取到交通违法数据之后，首先将交通违法数据的格式转换为标准数据格式，然后可直接按照标准数据格式，确定交通违法数据的特征参数。这使得可根据统一的数据格式，对交通违法数据进行处理，而无须从不同数据格式中查找特征参数，便于特征参数的确定，从而进一步提高了数据数量效率。

为了便于用户查看，本发明一个实施例中，该云分析系统进一步包括：输出模块；其中，

所述输出模块，用于根据所述分析处理模块的分析处理结果，生成数据图表，并输出所述数据图表。

在这里，将分析处理结果以数据图表的形式进行输出，便于各个交通部门传阅查看，从而提高用户体验。

上述装置内的各模块之间的信息交互、执行过程等内容，由于与本发明方法实施例基于同一构思，具体内容可参见本发明方法实施例中的叙述，此处不再赘述。

本发明还提供了一种可读介质，包括执行指令，当存储控制器的处理器执行所述执行指令时，所述存储控制器执行本发明上述任一实施例提供的方法。

另外，本发明还提供了一种存储控制器，包括：处理器、存储器和总线；所述存储器用于存储执行指令，所述处理器与所述存储器通过所述总线连接，当所述存储控制器运行时，所述处理器执行所述存储器存储的所述执行指令，以使所述存储控制器执行本发明上述任一实施例提供的方法。

综上所述，本发明的各个实施例至少具有如下有益效果：

1、在本发明实施例中，通过确定获取到的交通违法数据包括的特征参数，并可根据确定出的特征参数直接对交通违法数据进行分析处理，从而无须再采用人工方式对数据进行逐条处理，从而提高了数据处理效率。

2、在本发明实施例中，通过数据统计分析模型确定出交通违法的高发地段、高发时间和高发违法行为，有利于各个交警部门按需查看，采取相关措施减少违法行为的发生率。

3、在本发明实施例中，在获取到交通违法数据之后，首先将交通违法数据的格式转换为标准数据格式，然后可直接按照标准数据格式，确定交通违法数据的特征参数。这使得可根据统一的数据格式，对交通违法数据进行处理，而无须从不同数据格式中查找特征参数，便于特征参数的确定，从而进一步提高了数据数量效率。

4、在本发明实施例中，将分析处理结果以数据图表的形式进行输出，便于各个交通部门传阅查看，从而提高用户体验。

需要说明的是，在本文中，诸如第一和第二之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个······”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同因素。

本领域普通技术人员可以理解：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在计算机可读取的存储介质中，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：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质中。

最后需要说明的是：以上所述仅为本发明的较佳实施例，仅用于说明本发明的技术方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (10)

1.一种基于交通违法数据的云分析方法，其特征在于，包括：

获取至少一条交通违法数据；

确定每条所述交通违法数据包括的至少一个特征参数；

根据各条所述交通违法数据分别对应的至少一个特征参数，对所述至少一条交通违法数据进行分析处理。

2.根据权利要求1所述的方法，其特征在于，

所述根据各条所述交通违法数据分别对应的至少一个特征参数，对所述至少一条交通违法数据进行分析处理，包括：

构建至少一个分析算法分别对应的至少一个数据模型；

根据各条所述交通违法数据分别对应的至少一个特征参数，确定与所述特征参数对应的至少一个数据模型；

利用确定出的所述数据模型，对所述至少一条交通违法数据进行分析处理。

3.根据权利要求2所述的方法，其特征在于，

所述特征参数包括：违法地点、违法时间和违法行为；

所述分析算法包括：统计分析算法；

所述根据各条所述交通违法数据分别对应的至少一个特征参数，确定与所述特征参数对应的至少一个数据模型；

根据所述违法地点、所述违法时间和所述违法行为，确定与所述统计分析算法相对应的数据统计分析模型；

所述利用确定出的所述数据模型，对所述至少一条交通违法数据进行分析处理，包括：

利用确定出的所述数据统计分析模型，确定交通违法的高发地段；

和/或，

利用确定出的所述数据统计分析模型，确定交通违法的高发时间；

和/或，

利用确定出的所述数据统计分析模型，确定高发违法行为。

4.根据权利要求1所述的方法，其特征在于，

在所述获取至少一条交通违法数据之后，进一步包括：

判断每条所述交通违法数据的格式是否符合预设的标准数据格式，如果是，则根据所述标准数据格式，确定所述交通违法数据包括的至少一个特征参数；否则，将所述交通违法数据的格式转换为所述标准数据格式，执行所述根据所述标准数据格式，确定所述交通违法数据包括的至少一个特征参数。

5.根据权利要求1至4中任一所述的方法，其特征在于，

在所述根据各条所述交通违法数据分别对应的至少一个特征参数，对所述至少一条交通违法数据进行分析处理之后，进一步包括：

根据分析处理结果，生成数据图表，并输出所述数据图表。

6.一种基于交通违法数据的云分析系统，其特征在于，包括：获取模块、确定模块和分析处理模块；其中，

所述获取模块，用于获取至少一条交通违法数据；

所述确定模块，用于确定所述获取模块获取到的每条所述交通违法数据包括的至少一个特征参数；

所述分析处理模块，用于根据所述确定模块确定出的各条所述交通违法数据分别对应的至少一个特征参数，对所述至少一条交通违法数据进行分析处理。

7.根据权利要求6所述的云分析系统，其特征在于，

所述分析处理模块包括：构建子模块、数据模型确定子模块和数据处理子模块；其中，

所述构建子模块，用于构建至少一个分析算法分别对应的至少一个数据模型；

所述数据模型确定子模块，用于根据所述确定模块确定出的各条所述交通违法数据分别对应的至少一个特征参数，从所述构建子模块中确定与所述特征参数对应的至少一个数据模型；

所述数据处理子模块，用于利用所述数据模型确定子模块确定出的数据模型，对所述至少一条交通违法数据进行分析处理。

8.根据权利要求7所述的云分析系统，其特征在于，

所述特征参数包括：违法地点、违法时间和违法行为；

所述分析算法包括：统计分析算法；

所述数据模型确定子模块，用于根据所述违法地点、所述违法时间和所述违法行为，确定与所述统计分析算法相对应的数据统计分析模型；

所述数据处理子模块，用于利用确定出的所述数据统计分析模型，确定交通违法的高发地段；和/或，利用确定出的所述数据统计分析模型，确定交通违法的高发时间；和/或，利用确定出的所述数据统计分析模型，确定高发违法行为。

9.根据权利要求6所述的云分析系统，其特征在于，

所述确定模块，进一步用于判断每条所述交通违法数据的格式是否符合预设的标准数据格式，如果是，则根据所述标准数据格式，确定所述交通违法数据包括的至少一个特征参数；否则，将所述交通违法数据的格式转换为所述标准数据格式，执行所述根据所述标准数据格式，确定所述交通违法数据包括的至少一个特征参数。

10.根据权利要求6至9中任一所述的云分析系统，其特征在于，

进一步包括：输出模块；其中，

所述输出模块，用于根据所述分析处理模块的分析处理结果，生成数据图表，并输出所述数据图表。