CN108009169A - 一种数据处理方法、装置及设备 - Google Patents

Abstract

本发明的实施例提供一种数据处理方法、装置及设备，其中，获取车队中的车辆上报的多项数据形成的数据集；获取所述数据集中至少一项数据在所述数据集中的支持度；根据所述支持度，得到至少一个项目集；获取所述项目集中至少一项数据与其它项数据的关联度；根据所述关联度对所述至少一个项目集中的多项数据进行筛选，得到处理后的数据。本发明的方案可以对车队中车辆上报的信息进行去冗余处理，避免由同一件事引发的多种相同信息的发送，大大提高数据的有效性。

Description

一种数据处理方法、装置及设备

技术领域

本发明涉及车联网技术领域，特别是指一种数据处理方法、装置及设备。

背景技术

随着人们对于汽车需求的改变，车辆从最初的代步工具变为如今集娱乐、办公、社交等综合一体的生活必需品，而人们对于驾乘的要求，也从最初的安全扩展到舒适高效。这一系列的改变就是车联网所带来的汽车生活的转变。最早的车联网服务从telematics(车载信息服务)开始，而其中重要的应用就是导航服务，通过拨打电话至后台，告知需要前往的目的地后，后台人工服务会将查询到的路线及交通状况告知司机，从而尽量避免绕路及迷路情况发生。后来随着技术的不断完善，各种车辆都会内置导航系统，通过已经预装的离线地图信息及GPS信息，为用户提供导航服务，更加便捷的操作使得人们快速掌握出行的路线及路况信息，提高行车效率。除此之外，利用各种外设导航设备进行车辆导航也是目前人们常用的一种方式，这种导航系统通常利用蜂窝通信实时更新道路路况信息，准确率较高，是目前较为普遍的车辆导航方式。

现有技术，通常是将地图信息预制在车辆中，车辆再通过GPS信息更新自己在地图中的定位。通常此类信息仅仅作为导航使用，无法为用户提供更多驾驶辅助信息。并且通常要前往4S店或用专门的软件进行地图更新，导致地图信息不准确，出现导航路线与实际不符情况。而现有技术的另外一种则是通过专用的外设导航设备，此类应用可以通过网络更新路况信息，但无法做到实时信息共享，而且由于该导航实际是通过大量地采集移动终端的GPS数据从而给出路况拥堵情况预测，所以无法判断具体的交通环境及交通事件，不能给予用户准确合理的驾驶意见。

发明内容

本发明提供了一种数据处理方法、装置及设备。可以对车队中车辆上报的信息进行去冗余处理，避免由同一件事引发的多种相同信息的发送，大大提高数据的有效性。

为解决上述技术问题，本发明的实施例提供如下方案：

一种数据处理方法，包括：

获取车队中的车辆上报的多项数据形成的数据集；

获取所述数据集中至少一项数据在所述数据集中的支持度；

根据所述支持度，得到至少一个项目集；

获取所述项目集中至少一项数据与其它项数据的关联度；

根据所述关联度对所述至少一个项目集中的多项数据进行筛选，得到处理后的数据。

其中，获取车队中的车辆上报的多项数据形成的数据集的步骤包括：

获取车队中的车辆在第一周期内上报的多项数据；

将所述多项数据按照第二周期进行分类，得到多个数据子集；

将所述多个数据子集组合成所述数据集；其中，所述第二周期小于所述第一周期。

其中，获取车队中的车辆上报的多项数据形成的数据集后还包括：

将所述数据集中的重复数据以及每个车辆自身状态信息删除，得到初步筛选后的数据集。

其中，获取所述数据集中至少一项数据在所述数据集中的支持度的步骤包括：

根据公式：A/B，获取所述数据集中至少一项数据在所述数据集中的支持度；

其中，A为一项数据或者任意N项数据在所述多个数据子集出现的次数，N为大于1的整数；B为数据子集的个数。

其中，根据所述支持度，得到至少一个项目集的步骤包括：

根据任意一项数据以及该项数据在所述数据集中的支持度，得到第一项目集；

根据任意两项数据以及该两项数据在所述数据集中的支持度，得到第二项目集；

根据任意M项数据以及该M项数据在所述数据集中的支持度，得到第M项目集，其中，M为大于或者等于2的整数，且小于或者等于所述数据集中数据项的最大个数。

其中，数据处理方法还包括：将每个项目集中的数据项的支持度小于一预设支持度阈值的数据项从项目集删除，得到处理后的至少一个项目集。

其中，获取所述项目集中至少一项数据与其它项数据的关联度的步骤包括：

根据公式：X->Y关联度＝count1/count2；

其中，X、Y为数据项，count1为该(X∪Y)数据项的支持度，count2为X数据项的支持度。

其中，根据所述关联度对所述至少一个项目集中的多项数据进行筛选，得到处理后的数据的步骤包括：

将每个项目集中的多项数据的关联度小于一预设关联度阈值的数据项删除，得到处理后的数据。

其中，数据处理方法还包括：将所述处理后的数据上报给基站，并通过所述基站发送给远端车队，由远端车队中的车辆根据所述处理后的数据，形成地图。

本发明的实施例还提供一种数据处理装置，包括：

第一获取模块，用于获取车队中的车辆上报的多项数据形成的数据集；

第二获取模块，用于获取所述数据集中至少一项数据在所述数据集中的支持度；

第一处理模块，用于根据所述支持度，得到至少一个项目集；

第三获取模块，用于获取所述项目集中至少一项数据与其它项数据的关联度；

第二处理模块，用于根据所述关联度对所述至少一个项目集中的多项数据进行筛选，得到处理后的数据。

其中，第一获取模块具体用于：获取车队中的车辆在第一周期内上报的多项数据；将所述多项数据按照第二周期进行分类，得到多个数据子集；将所述多个数据子集组合成所述数据集；其中，所述第二周期小于所述第一周期。

其中，数据处理装置还包括：第一筛选模块，用于将所述数据集中的重复数据以及每个车辆自身状态信息删除，得到初步筛选后的数据集。

其中，第二获取模块具体用于：

根据公式：A/B，获取所述数据集中至少一项数据在所述数据集中的支持度；

其中，A为一项数据或者任意N项数据在所述多个数据子集出现的次数，N为大于1的整数；B为数据子集的个数。

其中，第一处理模块具体用于：

根据任意一项数据以及该项数据在所述数据集中的支持度，得到第一项目集；

根据任意两项数据以及该两项数据在所述数据集中的支持度，得到第二项目集；

根据任意M项数据以及该M项数据在所述数据集中的支持度，得到第M项目集，其中，M为大于或者等于2的整数，且小于或者等于所述数据集中数据项的最大个数。

其中，数据处理装置还包括：第二筛选模块，用于将每个项目集中的数据项的支持度小于一预设支持度阈值的数据项从项目集删除，得到处理后的至少一个项目集。

其中，第三获取模块具体用于：

根据公式：X->Y关联度＝count1/count2；

其中，X、Y为数据项，count1为该(X∪Y)数据项的支持度，count2为X数据项的支持度。

其中，第二处理模块具体用于：

将每个项目集中的多项数据的关联度小于一预设关联度阈值的数据项删除，得到处理后的数据。

其中，数据处理装置还包括：发送模块，用于将所述处理后的数据上报给基站，并通过所述基站发送给远端车队，由远端车队中的车辆根据所述处理后的数据，形成地图。

本发明的实施例还提供一种车载设备，包括如上所述数据处理装置。

本发明的上述方案至少包括以下有益效果：

本发明的上述方案，通过获取车队中的车辆上报的多项数据形成的数据集；

获取所述数据集中至少一项数据在所述数据集中的支持度；根据所述支持度，得到至少一个项目集；获取所述项目集中至少一项数据与其它项数据的关联度；根据所述关联度对所述至少一个项目集中的多项数据进行筛选，得到处理后的数据。可以对车队中车辆上报的信息进行去冗余处理，避免由同一件事引发的多种相同信息的发送，大大提高数据的有效性。

附图说明

图1为本发明的车队协同通信系统示意图；

图2为本发明的数据处理方法流程示意图；

图3为本发明的实施例中不同车辆组建车队的具体流程图；

图4为本发明的实施例中车队建立完成之后，车队内信息及车队间信息获取流程图；

图5为本发明的数据处理方法的一具体实施例流程图；

图6为本发明的实施例中，车辆构建高精度行车地图的流程示意图；

图7为本发明的数据处理装置模块框图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

随着车联网的不断发展，用户对于车辆的行车安全及效率有了更高的需求。本发明的实施例提出了一种数据处理方法，通过两种通信技术的融合，为具有同一行车策略的车队用户及时更新周边及远端路况及交通信息，形成高精度行车地图，提高行车安全性及效率。

两种通信技术分别为：

1)车辆短程通信技术DSRC，来自802.11家族，继承性很强，分布式的自组织网络，网络结构十分多变；采用载波侦听，干扰避免机制(CSMA/CA)，信道接入较为简单，时延低，能够很好地支持车与车间直接通信；

2)蜂窝通信技术LTE(4G)，网络覆盖范围广，带宽资源分配灵活，可靠性高可以有效的支持车辆同基站及路测设施通信(V2I)。

将两种通信技术合理地结合，构建协同通信系统，从而保证车辆信息获取的及时性及准确性。具体的方案示意图如图1。

车队1所在椭圆区域和车队2所在椭圆区域是两个互不在视距内的独立车辆群体(统称为车队)，车队1和车队2内部均通过DSRC技术进行车与车信息传播(V2V)，每个车队内均有一个“管理员”进行车队管理，同时负责将车队信息上报给基站(V2I)，并从基站获取远端的路况及交通信息广播给车队内成员。所有车辆将两种信息进行融合，从而构建高精度行车地图。

根据信息的不断更新完成行车地图的更新，并采取相对应的行车策略。

需要说明的是，车队的管理不是由人为掌控，而是由车辆通过综合信息分析来完成，即车队“管理员”实际为具有控制功能的车辆本身，也可认为是车头。

如图2所示，本发明的实施例提供一种数据处理方法，包括：

步骤21，获取车队中的车辆上报的多项数据形成的数据集；

步骤22，获取所述数据集中至少一项数据在所述数据集中的支持度；

步骤23，根据所述支持度，得到至少一个项目集；

步骤24，获取所述项目集中至少一项数据与其它项数据的关联度；

步骤25，根据所述关联度对所述至少一个项目集中的多项数据进行筛选，得到处理后的数据。

本发明的该实施例，通过上述步骤可以对车队中车辆上报的信息进行去冗余处理，避免由同一件事引发的多种相同信息的发送，大大提高数据的有效性。

该实施例中，如图3所示，不同车辆组建车队的具体方案包括如下步骤：

S101、所有车辆通过DSRC(专用短程通信技术)周期性广播车辆状态信息(车辆ID、位置、速度、加速度、行进方向等)。

车辆发送状态信息，同时也能接收到周边车辆的信息包(V2V通信)，使得每辆车能够了解到周边车辆的分布情况，为车队“管理员”的确定提供参考信息。

S102、其中一辆车被选为车队“管理员”，并向周边车辆发送“建圈”邀请信息(车队ID，本车ID，车队建议行驶车速，车队行进方向，车队容量)。

车队“管理员”确定后，该车辆会根据之前收到的周边车辆信息对车队进行一个大致的评估，生成车队ID号，车队行驶速度范围，行进方向及最大容量，并将该信息连同本车ID广播给周边车辆进行确认。

收到确认后，车队“管理员”会根据实际车队成员情况，建立车队成员信息表，并负责增补后续加入及退出的车辆，所有希望加入车队的车辆都需要经过身份验证及车队“管理员”的许可后，才能成为车队成员。车队成员信息表每更新一次，由车队“管理员”向周边车队成员广播一次，做到车队信息实时同步。

S103、周边收到信息的车辆，对比邀请信息中的信息判断自己是否符合该车队加入条件。

通常情况下，行驶方向相同，且速度相近的车辆才能组成一个车队。这样便于车队的管理，同时也保证车队内共享信息的有效性。

符合车队加入条件且同意加入车队的车辆收到邀请信息后执行步骤S104。

不符合车队条件或不同意加入车队的车辆收到邀请信息后执行步骤S105。

S104、加入车队，向“管理员”发送确认信息，并调整行驶策略。

同意加入车队的车辆，向“管理员”发送确认信息，并根据车队信息适当调整行车策略。

S105、忽略该信息，继续保持自己的驾驶策略。

行驶情况不符合车队条件或不同意加入车队的车辆忽略收到的邀请信息，保持自身的行车策略，同时尽量避让开车队区域，以免造成信息干扰，对车队行驶和管理造成不便。

本发明的一具体实施例中，步骤21可以具体包括：

步骤211，获取车队中的车辆在第一周期内上报的多项数据；

步骤212，将所述多项数据按照第二周期进行分类，得到多个数据子集；

步骤213，将所述多个数据子集组合成所述数据集；其中，所述第二周期小于所述第一周期。

其中，步骤21后还可以进一步包括：

步骤214，将所述数据集中的重复数据以及每个车辆自身状态信息删除，得到初步筛选后的数据集。

其中，步骤22具体可以是：根据公式：A/B，获取所述数据集中至少一项数据在所述数据集中的支持度；

其中，A为一项数据或者任意N项数据在所述多个数据子集出现的次数，N为大于1的整数；B为数据子集的个数。

其中，步骤23具体可以包括：

步骤231，根据任意一项数据以及该项数据在所述数据集中的支持度，得到第一项目集；

步骤232，根据任意两项数据以及该两项数据在所述数据集中的支持度，得到第二项目集；

步骤233，根据任意M项数据以及该M项数据在所述数据集中的支持度，得到第M项目集，其中，M为大于或者等于2的整数，且小于或者等于所述数据集中数据项的最大个数。

其中，数据处理方法还包括：

步骤234，将每个项目集中的数据项的支持度小于一预设支持度阈值的数据项从项目集删除，得到处理后的至少一个项目集。

其中，步骤24具体可以是：根据公式：X->Y关联度＝count1/count2；

其中，X、Y为数据项，count1为该(X∪Y)数据项的支持度，count2为X数据项的支持度。

其中，步骤25具体可以包括：将每个项目集中的多项数据的关联度小于一预设关联度阈值的数据项删除，得到处理后的数据。

其中，数据处理方法还包括：将所述处理后的数据上报给基站，并通过所述基站发送给远端车队，由远端车队中的车辆根据所述处理后的数据，形成地图。

如图4所示，车队建立完成之后，车队内信息及车队间信息获取步骤如下：

S201、车辆通过自身传感器采集周边路况信息，并广播给车队内其他成员。

车队成员通过单车传感器(高清摄像头、毫米波雷达、激光雷达等)采集信息，获取近距离交通及路况情况，并在车队内进行广播分享。

这就使得原本没有安装这些传感器或传感器灵敏度不高的用户也能够获取到高精度及高质量的信息。

S202、车队“管理员”收到车队成员周期性上报的周边路况信息，并进行打包汇总，通过LTE网络上报给路边基站(V2I通信)。

S203、路边基站收到各个车队上报的路况信息，进行信息整合后，广播给远端的车队。

S204、远端车队的管理员收到基站下发的信息后，广播给车队内所有成员车辆。

车队“管理员”对车队成员上报的信息有两类处理方式：

1)将车队内成员上报的信息不作处理，统一打包上报路边单元，该方式不需要“管理员”的车载终端具有更多的数据计算能力。该方式不减少数据量对基站的影响，但是会减少信令开销，对网络也是一种优化。

2)随着车载终端的不断发展和更新，车队“管理员”也可以将车队内的信息进行筛选过滤，去除冗余的信息后，上报基站。

该方式对车队“管理员”的车载终端有一定的数据分析处理能力需求。本专利将会更倾向与第二种方式，因为随着车载设备的精度增强，以及用户需求的增加，车辆上报的信息会更加丰富，在这种情况下，所有车辆信息的上传数据会对基站负载造成很大压力，同时服务器端需要提供足够的空间进行存储，运算能力也需要增强，在时延要求苛刻的车联网应用场景中，该运算量会对设备提出很高要求，造成成本增加。所以车队“管理员”对数据进行初步筛选，去除冗余信息，减少信令开销的同时，减少无效信息对网络资源的占用，提升车联网系统的整体效率。

下面结合具体流程图说明上述方法的具体实现过程：

本发明的该方法中，采取Apriori算法对车队内的上报信息进行数据冗余处理。一是对于同一属性的信息，进行重复信息删除，二是对于不同属性的信息，进行关联性判断，对于关联性强的属性进行剪枝。

对于数据的关联性判断，通常需要两个数据的支持，即支持度(support)和置信度(confidence)，当给定一个事务集合T，T中所有满足支持度和置信度分别高于一个用户指定的最小支持度(表示成minsup)和最小置信度(表示成minconf)的关联规则均符合要求，该规则下的项目间有较强额关联性。在这里，还有另外两个概念需要阐述，频繁项目集,即，支持度高于minsup的项集。可信关联规则，即，置信度大于minconf的规则。

事务集合T表示车队“管理员”在一个周期α内收到的所有车辆信息(车辆信息组成的集合为项目集I)。事务集合中的子集ti则表征更小的时间周期β(γ<β<α,γ为每辆车发送数据占用的时间)内的项目集合。这里说的项目则为每辆车上报的数据信息。

由于需要考虑车辆信息间的关联性，所以这里会对数据先进行重复数据删除，另外车辆自身状态信息(速度、加速度、方向角等)是主观产生，和其他车辆没有必然联系，这里我们也不做考虑。当通过算法筛选出频繁项目集后，计算这些项目的置信度，从而得到最终的关联性较强的数据集，然后对数据集中的数据进行抽取并整合。

如图5所示，该具体流程包括：

步骤S2011，假设γ＝50ms，β＝300ms，α＝1500ms，所以事务集合包含5个子集ti，每个子集最多包含6个项目(所有车辆的发包均被接收到)。每个项目均与车辆有关，假设车队中有A、B、C三辆车(项目集中对应字母均表示对应车辆发送的不同类别信息)，1500ms内的所有事务集(该事务集不包含重复信息及车辆状态信息，已经进行过删除)为：

t1＝{a1，a2，b1，b2，c1}

t2＝{a1，b3，c2}

t3＝{a1，a2，b2，c3}

t4＝{a2，b3}

t5＝{a1，b1，b3}

设定最小支持度minsup＝30％，最小置信度为minconf＝80％。

步骤S2021，根据公式：A/B，获取所述数据集中至少一项数据在所述数据集中的支持度；其中，A为一项数据或者任意N项数据在所述多个数据子集出现的次数，N为大于1的整数；B为数据子集的个数。

根据上述支持度，从而可以得到频繁项目集：

F1：{{a1}：4/5，{a2}：3/5，{b1}：2/5，{b2}：2/5，{b3}：3/5，{c1}：1/5，{c2}：1/5，{c3}：1/5}。

F2：{{a1,a2}:2/5,{a1,b1}:2/5,{a1,b2}:2/5,{a2,b2}:2/5}

F3:{{a1,a2,b2}:2/5}

F4＝Φ

F5＝Φ

有了以上的频繁项目集后，计算关联性：根据公式：X->Y关联度＝count1/count2；

其中，X、Y为数据项，count1为该(X∪Y)数据项的支持度，count2为X数据项的支持度。

则由F2可生成以下候选关联规则：

a1->a2关联度＝(2/5)/(4/5)＝50％

a1->b1关联度＝(2/5)/(4/5)＝50％

a1->b2关联度＝(2/5)/(4/5)＝50％

a2->b2关联度＝(2/5)/(3/5)＝67％

由F3可生成以下候选关联规则：

a1->a2，b2关联度＝(2/5)/(4/5)＝50％

a2->a1，b2关联度＝(2/5)/(3/5)＝67％

b2->a1，a2关联度＝(2/5)/(2/5)＝100％

因此，从以上数据可以看出，b2->a1,a2的关联度高，则可以认为，b2信息和a1，a2信息关联性高，或者进一步认为b2信息和a1，a2信息都是因为同一事件引发，可以删除a1，a2信息，保留b2信息。

所以，最终通过车队“管理员”对数据的整合后，上传的数据从原来的{a1，a2，b1，b2，b3，c1，c2，c3}变为{b1，b2，b3，c1，c2，c3}。

利用Apriori算法对关联性较高的数据进行冗余处理，可以避免由同一事件引发的多车信息重复发送，大大提高数据的有效性。降低对传输网络资源的不必要消耗，提升传输性能，同时减小服务器的运算压力，使得获取的数据更有价值。提升车联网整体系统的可靠性及效率。

S2031、路边基站收到各个车队上报的路况信息，进行信息整合后，广播给远端的车队。

路边基站收到周边车队的信息，进行分析和处理，对信息的影响性进行评估，针对性的下发给需求性较高的远端车队，保证信息的有效性。

S2041、远端车队的“管理员”收到基站下发的信息后，广播给车队内所有成员车辆。

通过车队“管理员”的转播，车队成员可以获取路测基站下发的远距离交通及路况信息，可以预知远端的交通及路况信息，提前进行行驶策略的调整，确保行驶效率的提升。

如图6所示，收到信息后，车辆构建高精度行车地图的步骤如下：

S301、车辆通过DSRC通信收到车队内共享的周边路况及交通信息，通过车队“管理员”的转发收到来自远端的道路及交通信息。

值得说明的是，两种信息均是以周期性获取，但可以以不同的时间间隔获取。由于短距离车队内的共享信息具有更高的时效性，且大多为安全信息，对驾驶安全性有更高的影响，所以收发周期较短，根据3GPP的标准讨论，周期应<100ms。而由车队“管理员”转发的路测基站信息时效性相对较低，而且更多地是影响交通效率，所以周期较长，根据3GPPV2N应用场景的需求，周期大致为1000ms左右。

S302、车辆融合两类信息，进行分析整理，构建和更新高精度行车地图。

车辆将两类信息进行融合，去除重复及无用信息，经过分析整理，构建实时高精度行车地图，并通过不断地信息接收，对以构建的地图进行更新，保证地图的有效性。

S303、车辆根据行车地图，调整行车策略。

车辆根据行车地图上对于周边情况及远端路况和交通信息的提示，调整自己的行车策略。

本发明的实施例，通过车队内V2V及路测设施V2I的信息交互，使得车辆分别获取近距离及远距离的交通及路况信息，构建出准确的行车地图。由于用该方式获取的信息是通过实时通信获取，更精确，更及时，而且通过车队的信息整合和过滤，减少冗余信息传输，不会对网络造成过大压力，提升整体系统的工作效率。车队可以通过该地图，随时更新调整行车方案，保证安全驾驶的同时，更提高整体交通效率。

如图7所示，本发明的实施例还提供一种数据处理装置70，包括：

第一获取模块71，用于获取车队中的车辆上报的多项数据形成的数据集；

第二获取模块72，用于获取所述数据集中至少一项数据在所述数据集中的支持度；

第一处理模块73，用于根据所述支持度，得到至少一个项目集；

第三获取模块74，用于获取所述项目集中至少一项数据与其它项数据的关联度；

第二处理模块75，用于根据所述关联度对所述至少一个项目集中的多项数据进行筛选，得到处理后的数据。

其中，第一获取模块71具体用于：获取车队中的车辆在第一周期内上报的多项数据；将所述多项数据按照第二周期进行分类，得到多个数据子集；将所述多个数据子集组合成所述数据集；其中，所述第二周期小于所述第一周期。

其中，数据处理装置还包括：第一筛选模块，用于将所述数据集中的重复数据以及每个车辆自身状态信息删除，得到初步筛选后的数据集。

其中，第二获取模块72具体用于：

根据公式：A/B，获取所述数据集中至少一项数据在所述数据集中的支持度；

其中，A为一项数据或者任意N项数据在所述多个数据子集出现的次数，N为大于1的整数；B为数据子集的个数。

其中，第一处理模块73具体用于：

根据任意一项数据以及该项数据在所述数据集中的支持度，得到第一项目集；

根据任意两项数据以及该两项数据在所述数据集中的支持度，得到第二项目集；

根据任意M项数据以及该M项数据在所述数据集中的支持度，得到第M项目集，其中，M为大于或者等于2的整数，且小于或者等于所述数据集中数据项的最大个数。

其中，数据处理装置还包括：第二筛选模块，用于将每个项目集中的数据项的支持度小于一预设支持度阈值的数据项从项目集删除，得到处理后的至少一个项目集。

其中，第三获取模块74具体用于：

根据公式：X->Y关联度＝count1/count2；

其中，X、Y为数据项，count1为该(X∪Y)数据项的支持度，count2为X数据项的支持度。

其中，第二处理模块75具体用于：

将每个项目集中的多项数据的关联度小于一预设关联度阈值的数据项删除，得到处理后的数据。

其中，数据处理装置还包括：发送模块，用于将所述处理后的数据上报给基站，并通过所述基站发送给远端车队，由远端车队中的车辆根据所述处理后的数据，形成地图。

其中，车队的组建过程包括：

多个车辆通过专用短程通信技术DSRC周期性广播车辆状态信息；

多个车辆中的一辆车被选为车队管理员；

车队管理员周边收到邀请信息的车辆，根据邀请信息中的信息，判断自己是否符合该车队加入条件；

如果符合，车辆加入车队，向车队管理员发送确认信息，并调整行驶策略。

需要说明的是，该装置是与上述方法一一对应的装置，上述方法实施例中所有实现方式均适用于该装置的实施例中，也能达到相同的技术效果。

本发明的实施例还提供一种车载设备，包括如上所述数据处理装置。该车载设备可以是任意一款可以安装并实现上述通信功能的车载设备。

本发明的上述实施例通过V2X让具有类似行车轨迹的车辆组建临时团体，互相分享信息，构建动态行车地图，不受本车配置的影响，及时获取视线外的情况，准确感知隐藏威胁，不仅提高驾驶安全性，同时通过车辆间及交通系统的协作，提高交通效率。

本发有的上述实施例将现有的两种车联网通信方式结合，有效地利用了两种通信方式的优点，又同时进行缺点的弥补，能够保证在城市交通环境下构建安全、可靠、高效的车联网通信系统，保证用户的行车安全及行车体验。同时，本发明的实施例中的通信技术协同，通过限制车辆通信的权限，以及对部分信息的整合及过滤，减少了对车联网通信网络的压力，提升通信效率。

具体的将车辆通过自身传感器设备采集的周边实时数据信息以及车辆自身状态数据通过DSRC通信同周边有需求的车辆(该类车辆需要通过身份验证并允许加入车队)共享，同时利用蜂窝通信从云端获取远距离的安全及交通信息，为车辆实时构建一个周边+远端的全方位高精度行车地图。该方案将蜂窝通信与DSRC通信有效结合，通过选取车辆节点作为转发者，将车车间信息转发至基站，同时将基站获取的信息分享给周边车队内的车辆。因此，这种通信方式的结合，既保证了信息的全面获取，同时将车辆组成车队进行通信整体管理，减少车辆同基站的通信量，避免冗余信息对于通信资源的占用，同时减少服务器端对于信息的存储及处理压力，提高通信系统的工作效率，在不对基站造成过大负载的情况下，保证有效信息的远距离传输，同时保证安全信息在车车间的共享。

另外，本发明的实施例通过蜂窝通信保证远距离信息的获取，主要用于非安全信息的传递；通过DSRC保证车车间即时信息的获取，主要用于车辆间安全信息的传递。

有效地利用了两种通信方式的优点，同时进行缺点的弥补，DSRC技术是专用的车车短距离通信技术，满足车辆安全信息对于低时延的需求，但传输范围小，通信密集情况下可靠性降低，而蜂窝通信技术具有广覆盖，高可靠的特性，可以保证信息可靠传输至范围较大的区域，但存在时延过长的缺点，不利于车车安全紧急信息的传递。两种通信技术结合，刚好进行优缺互补，能够保证在城市交通环境下构建安全、可靠、高效的车联网通信系统，保证用户的行车安全及行车体验。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (20)

1.一种数据处理方法，其特征在于，包括：

获取车队中的车辆上报的多项数据形成的数据集；

获取所述数据集中至少一项数据在所述数据集中的支持度；

根据所述支持度，得到至少一个项目集；

获取所述项目集中至少一项数据与其它项数据的关联度；

根据所述关联度对所述至少一个项目集中的多项数据进行筛选，得到处理后的数据。

2.根据权利要求1所述的数据处理方法，其特征在于，获取车队中的车辆上报的多项数据形成的数据集的步骤包括：

获取车队中的车辆在第一周期内上报的多项数据；

将所述多项数据按照第二周期进行分类，得到多个数据子集；

将所述多个数据子集组合成所述数据集；其中，所述第二周期小于所述第一周期。

3.根据权利要求1所述的数据处理方法，其特征在于，获取车队中的车辆上报的多项数据形成的数据集后还包括：

将所述数据集中的重复数据以及每个车辆自身状态信息删除，得到初步筛选后的数据集。

4.根据权利要求2所述的数据处理方法，其特征在于，获取所述数据集中至少一项数据在所述数据集中的支持度的步骤包括：

根据公式：A/B，获取所述数据集中至少一项数据在所述数据集中的支持度；

其中，A为一项数据或者任意N项数据在所述多个数据子集出现的次数，N为大于1的整数；B为数据子集的个数。

5.根据权利要求1所述的数据处理方法，其特征在于，根据所述支持度，得到至少一个项目集的步骤包括：

根据任意一项数据以及该项数据在所述数据集中的支持度，得到第一项目集；

根据任意两项数据以及该两项数据在所述数据集中的支持度，得到第二项目集；

根据任意M项数据以及该M项数据在所述数据集中的支持度，得到第M项目集，其中，M为大于或者等于2的整数，且小于或者等于所述数据集中数据项的最大个数。

6.根据权利要求5所述的数据处理方法，其特征在于，还包括：

将每个项目集中的数据项的支持度小于一预设支持度阈值的数据项从项目集删除，得到处理后的至少一个项目集。

7.根据权利要求1或6所述的数据处理方法，其特征在于，获取所述项目集中至少一项数据与其它项数据的关联度的步骤包括：

根据公式：X->Y关联度＝count1/count2；

其中，X、Y为数据项，count1为该(X∪Y)数据项的支持度，count2为X数据项的支持度。

8.根据权利要求1所述的数据处理方法，其特征在于，根据所述关联度对所述至少一个项目集中的多项数据进行筛选，得到处理后的数据的步骤包括：

将每个项目集中的多项数据的关联度小于一预设关联度阈值的数据项删除，得到处理后的数据。

9.根据权利要求1所述的数据处理方法，其特征在于，还包括：

将所述处理后的数据上报给基站，并通过所述基站发送给远端车队，由远端车队中的车辆根据所述处理后的数据，形成地图。

10.根据权利要求1所述的数据处理方法，其特征在于，车队的组建过程包括：

多个车辆通过专用短程通信技术DSRC周期性广播车辆状态信息；

多个车辆中的一辆车被选为车队管理员；

车队管理员周边收到邀请信息的车辆，根据邀请信息中的信息，判断自己是否符合该车队加入条件；

如果符合，车辆加入车队，向车队管理员发送确认信息，并调整行驶策略。

11.一种数据处理装置，其特征在于，包括：

第一获取模块，用于获取车队中的车辆上报的多项数据形成的数据集；

第二获取模块，用于获取所述数据集中至少一项数据在所述数据集中的支持度；

第一处理模块，用于根据所述支持度，得到至少一个项目集；

第三获取模块，用于获取所述项目集中至少一项数据与其它项数据的关联度；

第二处理模块，用于根据所述关联度对所述至少一个项目集中的多项数据进行筛选，得到处理后的数据。

12.根据权利要求11所述的数据处理装置，其特征在于，第一获取模块具体用于：获取车队中的车辆在第一周期内上报的多项数据；将所述多项数据按照第二周期进行分类，得到多个数据子集；将所述多个数据子集组合成所述数据集；其中，所述第二周期小于所述第一周期。

13.根据权利要求11所述的数据处理装置，其特征在于，还包括：

第一筛选模块，用于将所述数据集中的重复数据以及每个车辆自身状态信息删除，得到初步筛选后的数据集。

14.根据权利要求12所述的数据处理装置，其特征在于，第二获取模块具体用于：

根据公式：A/B，获取所述数据集中至少一项数据在所述数据集中的支持度；

其中，A为一项数据或者任意N项数据在所述多个数据子集出现的次数，N为大于1的整数；B为数据子集的个数。

15.根据权利要求11所述的数据处理装置，其特征在于，第一处理模块具体用于：

根据任意一项数据以及该项数据在所述数据集中的支持度，得到第一项目集；

根据任意两项数据以及该两项数据在所述数据集中的支持度，得到第二项目集；

根据任意M项数据以及该M项数据在所述数据集中的支持度，得到第M项目集，其中，M为大于或者等于2的整数，且小于或者等于所述数据集中数据项的最大个数。

16.根据权利要求15所述的数据处理装置，其特征在于，还包括：

第二筛选模块，用于将每个项目集中的数据项的支持度小于一预设支持度阈值的数据项从项目集删除，得到处理后的至少一个项目集。

17.根据权利要求11或16所述的数据处理装置，其特征在于，第三获取模块具体用于：

根据公式：X->Y关联度＝count1/count2；

其中，X、Y为数据项，count1为该(X∪Y)数据项的支持度，count2为X数据项的支持度。

18.根据权利要求11所述的数据处理装置，其特征在于，第二处理模块具体用于：

将每个项目集中的多项数据的关联度小于一预设关联度阈值的数据项删除，得到处理后的数据。

19.根据权利要求11所述的数据处理装置，其特征在于，还包括：

发送模块，用于将所述处理后的数据上报给基站，并通过所述基站发送给远端车队，由远端车队中的车辆根据所述处理后的数据，形成地图。

20.一种车载设备，其特征在于，包括如权利要求11-19任一项所述数据处理装置。