CN108121791A - 一种交通大数据路径可搜索系统 - Google Patents

Abstract

本发明涉及大数据和智慧交通领域，通过对交通大数据的整理，得出路径，在路径的基础上通过特征标识和链式存储的方法，构建路径的可索引系统，提供一种路径可计算的算法和系统。本发明定义路径的构成，给出了路径名称和路径的搜索方法。通过将交通大数据的整理形成路径表示，在路径基础上实现交通信息的可搜索和计算，为智慧交通提供可计算的方法和系统。

Description

一种交通大数据路径可搜索系统

技术领域

本发明涉及大数据和智慧交通领域，主要针对交通大数据中人、车和物品的活动路径进行分析计算，从而为交通信息的查询，城市交通信息的统计分析，出行路径和站点的规划提供科学的依据。本发明定义了路径，给出了特征标识计算和链式存储方法，并提供了地名和路径的两种搜索方法：前缀最大匹配和中间最大匹配算法，在此基础上实现交通大数据路径可搜索系统。

背景技术

智慧城市是一种全新的城市形态：绿色、低碳、环保，更适合于人们的居住生活。

智慧交通是智慧城市必备的功能。智慧交通是基于现代电子信息技术面向交通运行的服务系统，它的主要功能是交通信息的收集、处理、发布、交换、分析和利用，为交通参与者提供多样性的服务。交通是城市的血脉，智慧交通有助于提高城市血脉的顺畅。如果说道路相当人的血脉一样，那么互联网、移动通信和物联网技术就相当于人的神经系统；智慧交通就是管理人、交通工具、物品活动路径的大脑，海量的信息汇集于智慧交通系统，系统经过运算、整理，为交通出行提供优化的方案。

智慧交通的关键是人的出行、商品运输的智能化，社会各功能设施的布局，公交布局的智能规划，围绕于交通信息大数据的融合与采集，为智慧交通提供决策的依据和方法，给交通出行提供便捷的服务。

出行路径主要是指人、物品和交通工具的活动路径。人的活动在城市交通中主要是依靠交通工具来实现的，路径的搜索主要是指人、物品和交通工具的路径搜索。

以交通工具和人运行的一段路径为基本信息单元，采用链式存储的技术，形成交通信息树，基于信息树实现信息的查找；围绕人出行的基本路径，展开分析，优化人的出行路径，优化包含道路、公交规划、热点商圈等的规划。

人和交通工具的移动通过什么方式来记录？又通过什么方式来查找？路径的搜索问题是个NP问题，实现出行路径的可搜索对于智慧交通有着很强的现实和社会意义。

怎样采集路径是我们要解决的问题之一？

怎么样存储路径，提供路径的搜索服务是我们要解决的另一个问题？

利用交通大数据路径可搜索系统，优化我们的交通，为智慧城市的发展服务是我们最终的目的。

本发明通过对交通出行的数据记录清洗整理，计算结果表示为本发明定义的路径表示，实现在路径基础之上交通信息可计算分析，从而为交通信息的查询，城市交通信息的分析，出行路径和站点的规划提供科学的依据。

发明内容

本发明主要解决基于人、交通工具和货物出行路径的可搜索。本发明采用的路径的定义：依次相联系的地点的文字串，地点之间有分隔符号；多路径之间有分隔符号。以地名或者站点名称构建的路线；地名或者站点名称为路径的节点。本发明提到的地名、站点名称和路径节点统一称为地名。hash即消息摘要散列算法。

路径由地名组成的具有顺序关联的集合。

实现路径的可搜索主要解决的问题：实现地名和路径的标识算法，结合信息存储实现地名和路径的搜索。

假定地名由n个词汇组成，表示为S＝{s_i|i＝0，...，n-1}，则地名标识计算为W_i＝hash(W_i-1+s_i)，其中W₀＝hash(s₀)，i＝0，...，n-1，hash为消息摘要算法。

假定路径R_n＝{r_i|i＝0，...，n-1}，则路径标识计算为R_i＝hash(R_i-1+r_i)，其中R₀＝hash(r₀)， i＝0，...，n-1，hash为消息摘要算法。

综上所述。编码技术采用统一的算法：W_i＝hash(W_i1+s_i)，其中W₀＝hash(s₀)；i＝0，...，n-1。

信息存储单元U为：{W_i，s_i，W_i-1}，当i＝0时，{W₀，s₀}或者{W₀，s₀，0}。

存储集合为存储单元U的集合。

地名由n个词汇组成S＝{s_i|i＝0，...，n-1}，地名按词汇序列采用增量hash，形成节点名称单一词汇的标识W_i＝hash(W_i-1+s_i)，其中W₀＝hash(s₀)；i＝0，...，n-1。存储集合为：{W_i，s_i，W_i1}，当 i＝0时，{W₀，s₀}或者{W₀，s₀，0}。

利用数据库为地名和路径建立表，三个字段：标识，词汇和前标识。

地名查询。给定查询条件查找最佳匹配的地名。

路径查询。根据地名，查询该节点关联的活动路径。

多路径查询。以换乘为路径分割的方式，或者其它分割方式，确定多路径的路径分割，然后进行查询。

基于路径的统计分析算法。通过数据整理，得到的记录导入到本系统，在此系统上展开统计分析，主要包括：起点地名的交通情况分析；终点地名的交通情况分析；路过的地名交通情况分析。

本发明主要解决了交通数据中有关路径的可计算问题，通过对交通大数据的整理分析，实现了人、交通工具和货物出行路径的可计算。

具体实施

本发明主要围绕交通大数据来展开，解决交通大数据中有关路径的可计算问题。具体来说，通过对交通大数据的整理，实现出行路径提取，在出行路径的基础上，通过特定的标识计算，结合链式存储等技术实现路径的可搜索。本发明所涉及的路径搜索问题主要指的是：基于人、交通工具和物品的交通活动路径的可搜索，和一般的最优路径的搜索问题完全不同，是在已经发生的交通出行的基础上搜索。

本发明定义的路径：由节点(站点或者地名)构成的从起点到终点的道路形式。多路径的定义是由多条路径组成，包括起始节点、中间节点、终止节点和换乘节点(前路径终止节点同时为后一路径起始节点)组成。

本发明主要提供两类的基本功能：地名的查询，路径的搜索和计算。采用的技术思路一致，均采用增量散列的计算实现，通过前后节点的链式存储来满足信息的上下文关联查询。

本发明关键的技术是增量散列和链式存储的技术。通过增量散列实现信息上下文标识的可计算，实现多维信息的查询转变为一维信息查询，实现信息的先计算后查询。

采用增量散列技术生成标识，定义如下：序列S为{s_i|i＝0，...，n-1}，节点s_i的标识W_i计算如下：W_i＝hash(W_i-1+s_i)，其中W₀＝hash(s₀)，i＝0，...，n-1。

链式存储技术，存储单元U为：{W_i，s_i，W_i-1，F}，当i＝0时，{W₀，s₀，0，0}，对应解释为：{标识，节点，前标识，节点类型}。对于地名而言，节点类型F有三类：起始节点、中间节点和终止节点，分别对应0，1，2，起始结点的前标识为0。对于路径而言，节点类型F有四类：起始节点、中间节点、换乘节点和终止节点，分别对应0，1，2，3，起始结点的前标识为0。

检索技术。主要提供两大类型的基本检索技术：地名的检索，路径的检索。

地名的存储形式和索引方案。参照链式存储单元的定义，针对该单元选择建立数据表，数据表包括四个字段：{标识，节点，前标识，节点类型}，分别在标识、节点和前标识三个字段建立索引。

路径存储形式和索引方案。参照链式存储单元的定义，针对该单元选择建立数据表，数据表包括四个字段：{标识，节点，前标识，节点类型}，分别在标识、节点和前标识三个字段建立索引。

上述方式一致。索引的解决方法基本相同，数据表中的信息表示形式为{W₀，s₀，0，F}对应 {标识，节点，前标识，节点类型}。

信息的查找方法如下：主要分为最大前缀匹配算法和中间最大匹配算法两类。

地名和路径搜索最大前缀匹配算法相同。数据表中的信息表示形式为{标识，节点，前标识，节点类型}，信息的查找方法如下：

查找序列S＝{s_i|i＝0，...，n-1}，具体计算如下：

节点s_i的标识N_i计算如下：N_i＝hash(N_i-1+s_i)，其中N₀＝hash(s0)；i＝0，...，n-1。

先查找N_n-1，结果不为空则找到，否则查找序列N_n-2，递归直到找到或者直到N₀为止。

如果找到结果，则结果对应查询的标识。

找到节点的标识后，下一步在该节点的后续节点中，查找有终止节点标识的节点。递归的方法查找，以该节点为前置节点的节点是否有终止节点标识，有则找到；否者递归直到找到，结束查询。

中间最大匹配算法，先根据地名或者路径序列中的首个节点，在节点序列中查找。查找的序列S＝{s_i|i＝0，...，n-1}，先在节点中查找s₀，得到该节点的标识结果集。如果结果集为空，则说明没有匹配的结果。

如果有，假定结果集合R为{r_j|j＝0，...，k-1}，把结果集合中r_j作为初始标识，和序列S中的s_i(i＝1，...，n-1)作为增量hash计算。

新的序列M如下{r_j，s₁，s₂，...，s_n-1}，序列的值m_i＝s_i，m₀＝r_j；对应M，j＝0，...，k-1；i＝1，...，n-1。不同的j对应不同的增量散列值，具体计算如下：W_i＝hash(W_i-1+m₁)，其中W₀＝r_j，j＝0，...，k-1；计算m_n-1的标识码作为查询的标识。

如果查询的结果不为空，则找到，否则计算{r_j.s₁，s₂，...，s_n-2}的标识，查找该标识，递归直到找到为止。

找到节点标识后，下一步在该节点的后续节点中，查找有终止节点标识的节点。递归的方法查找，以该节点为前置节点的节点是否有终止节点标识，有则找到；否者递归直到找到，结束查询。

以上实现了查询条件的最大化匹配，找到标识后，系统就可以针对该标识实现计算。

系统的主要存储包括：地名标识链式存储表；路径标识链式存储表；路径标识对应的交通信息的存储表。

交通大数据路径可搜索系统主要实现地名的可搜索，地名相关路径的可搜索，解决交通数据中的路径可计算问题。

有了上述的存储和索引的设计，大量的交通数据导入整理后，路径的可搜索和计算系统就具备了相应的功能。

基于地名、路径的统计算法，主要计算经过某地名或者某段路径，满足其它查询条件的所有路径。参考中间最大匹配算法。先根据地名或者路径序列中的首个节点，在节点序列中查找。查找的序列S＝{s_i|i＝0，...，n-1}，先在节点中查找s₀，得到该节点的标识结果集。如果结果集为空，则说明没有匹配的结果。

如果有，假定结果集合R为{r_j|j＝0，...，k-1}，把结果集合中r_j作为初始标识，和序列S中的s_i(i＝1，...，n-1)作为增量hash计算。

新的序列M如下{r_j.s₁，s₂，...，s_n-1}，序列的值m_i＝s_i，m₀＝r_j；对应M，j＝0，...，k-1；i＝1，...，n-1。不同的j对应不同的增量散列值，具体计算如下：W_i＝hash(W_i-1+m_i)，其中W₀＝r_j，j＝0，...，k-1；计算m_n-1的标识码作为查询的标识。

如果查询的结果不为空，则找到，否则计算{r_j，s₁，s₂，...，s_n-2}的标识，查找该标识，递归直到找到为止。

找到节点标识后，下一步在该节点的后续节点中，查找有终止节点标识的节点。递归的方法查找，查找所有以该节点为前置节点的节点并有终止节点路径标识。

同样，找到节点标识后，下一步在该节点的前置节点中，查找有起始节点标识的节点。递归的方法查找，查找所有以该节点的前置节点的节点并有起始节点标识路径。

以上实现了基于地点和路径的统计算法。

给定地点的交通信息分析系统。主要分析和计算包括：给定时间段(或者不设置时间段)的，给定地点出行分析，分析出行的习惯，出行交通所需的时间。采用地点统计算法实现。

给定出行主体的交通信息分析系统。通过出行关联的路径分析，主要包括：主体的特征分析，例如：人出行的分析，得出居住地、工作地和其它地点的；出行时间推断人的职业习惯等。通过人的出行标识(假定交通卡ID)在路径标识和交通信息关系表中查找，查询人的出行习惯，出发地，目的地分析，时间段分析等。

公共交通的路径分析。分析交通线路关联站点的人出行情况，评估站点的设置。通过路径标识和交通信息关系表，查找相关路径，结合其它条件统计。

公共交通换乘分析。通过路径中的换乘节点，统计换乘的人、时间。通过路径标识表找到换乘节点，查找相关路径，结合其它条件统计。

站点和线路的综合分析。通过地点和线路来分析站点和线路布局的效率和合理性。

常规出行路径的查询。给定出行的地名后，在现有的路径中查找，选择线路。

一种交通大数据中路径可搜索系统，主要为交通信息的大数据计算提供了实现的方法和手段，在此基础上可以实现有关交通分析系统。

Claims (8)

1.一种交通大数据路径可搜索系统，其特征在于：

路径可搜索系统，路径计算分析系统。

2.根据权利1所述路径的可搜索，具体特征在于：

地名和路径的搜索算法，相关的算法由增量散列结合链式存储实现。相应的搜索算法包括前缀最大匹配算法和中间序列最大匹配算法。

3.根据权利2描述的地名和路径增量散列方法，其特征如下：

定义如下，序列S＝{s_i|i＝0，...，n-1}，节点s_i的标识W_i，计算如下：W_i＝hash(W_i-1+s_i)，其中W₀＝hash(s₀)；i＝0，...，n-1。

4.根据权利2描述的地名和路径链式存储方法，其特征如下：

链式存储技术，存储单元U为：{W_i，s_i，W_i-1，F}，当i＝0时，{W₀，s₀，0，0}，对应解释为：{标识，节点，前标识，节点类型}。

5.根据权力1，路径可搜索系统主要特征包括：

存储特征在于：地名标识链式存储表；路径标识链式存储表；路径标识对应的交通信息的存储表。

地名和路径的存储形式和索引方案。参照权力4描述的链式存储单元的定义，建立数据表，数据表包括四个字段：{标识，节点，前标识，节点类型}。

6.根据权利2描述的方法，地名和路径搜索最大前缀匹配算法，其特征如下：

地名和路径搜索最大前缀匹配算法相同。按照权力4，数据表中的信息表示形式为{标识，节点，前标识，节点类型}，查找序列S＝{s_i|i＝0，...，n-1}，具体计算如下：

节点s_i的标识N_i计算如下：N_i＝hash(N_i-1+s_i)，其中N₀＝hash(s₀)；i＝0，...，n-1。

先查找N_n-1，结果不为空则找到，否则查找序列N_n-2，递归直到找到或者直到N₀为止。

如果找到结果，则结果对应查询的标识。

找到节点的标识后，下一步在该节点的后续节点中查找有终止节点标识的节点。递归的方法查找，以该节点为前置节点的节点是否有终止节点标识，有则找到；否者递归直到找到，结束查询。

7.根据权利2描述的方法，地名和路径的中间最大匹配搜索算法，其特征如下：

地名和路径的中间最大匹配搜索算法相同，先根据序列首个节点查找该节点对应的标识，然后增量散列计算标识，继续查找。具体特征如下：

参照权力4，数据表形式为：{标识，节点，前标识，节点类型}，查找方法特征如下：

先根据地名或者路径序列中的首个节点，在节点序列中查找。查找的序列S为{s_i|i＝0，...，n-1}，先在节点中查找s₀，得到该节点的标识结果集。如果结果集为空，则说明没有匹配的结果。

如果有，假定结果集合R为{r_j|j＝0，...，k-1}，把结果集合中r_j作为初始标识，和序列S中的s_i(i＝1，...，n-1)作为增量hash计算。

新的序列M如下{r_j，s₁，s₂，...，s_n-1}，序列的值m_i＝s_i，i＝1，...，n-1；m₀＝r_j，j＝0，...，k-1。不同的j对应不同的增量散列值，具体计算如下：W_i＝hash(W_i-1+m_i)，其中W₀＝r_j，j＝0，...，k-1；计算m_n-1的标识码作为查询的标识。

如果查询的结果不为空，则找到，否则计算{r_j，s₁，s₂，...，s_n-2}的标识，查找该标识，递归直到找到为止。

找到节点的标识后，下一步在该节点的后续节点中，查找有终止节点标识的节点。递归的方法查找，以该节点为前置节点的节点是否有终止节点标识，有则找到；否者递归直到找到，结束查询。

8.根据权利1路径计算分析系统，通过路径标识方法查找路径，根据该标识关联的信息实现交通路径、地点和目标个体的查询，统计分析等计算。具体特征在于：

给定地名或者路径的查询统计。先根据地名或者路径序列中的首个节点，在节点序列中查找。查找的序列S＝{s_i|i＝0，...，n-1}，先在节点中查找s₀，得到该节点的标识结果集。如果结果集为空，则说明没有匹配的结果。

如果有，假定结果集合R为{r_j|j＝0，...，k-1}，把结果集合中r_j作为初始标识，和序列S＝{s_i|i＝1，...，n-1}中的s_i作增量hash计算。

新的序列M如下{r_j，s₁，s₂，...，s_n-1}，序列的值m_i＝s_i，i＝1，...，n-1；m₀＝r_j，j＝0，...，k-1。不同的j对应不同的增量散列值，具体计算如下：W_i＝hash(W_i-1+m_i)，其中W₀＝r_j，j＝0，...，k-1；计算m_n-1的标识码作为查询的标识。

对不同的j而言，如果查询的结果不为空，则找到，否则计算{r_j，s₁，s₂，...，s_n-2}的标识，查找该标识，递归直到找到为止。

找到节点的标识后，下一步在该节点的后续节点中，查找所有有终止节点标识的节点。

同上，在该节点的前置节点中查找有起始节点的节点，递归找到所用的作为路径起始点的集合。