CN108765018B - 基于人车关联的自适应广告推送方法及系统 - Google Patents

Abstract

本发明提供的一种基于人车关联的自适应广告推送方法，包括如下步骤：S1.建立车辆和用户之间的人车关联数据库以及用户数据库；S2.通过设置在路网中的RFID读写器采集车辆的实时通信数据，找出与车辆匹配用户信息，并根据用户在用户数据库中查找当前用户具体信息；S3.根据设置在路网中的RFID读写器预测出当前用户车辆的行驶轨迹，并确定出广告投放时间，并根据用户的具体信息在广告投放时间内投放广告，其中，广告投放时间包括广告开始时间和广告结束时间；通过上述方法，能够根据车辆以及车辆用户的行车数据、兴趣爱好向用户进行针对性的推送广告，从而提高用户对广告的接受率以及广告效用，而且能够为商家节约广告成本以及在同等成本下达到更高的收益。

Description

基于人车关联的自适应广告推送方法及系统

技术领域

本发明涉及一种广告推送方法，尤其涉及一种基于人车关联的自适应广告推送方法及系统。

背景技术

随着商业的发展，商家越来越重视广告对于商家效益的影响，在传统的广告推送，一般通过广播、电视、公交车站牌等方式进行推送，逐渐地，由于路网的迅速发展以及汽车的普及，对于路网旁边，包括城市道路以及高速公路等均存在广告，一般采用静态的方式，即通过显示屏或者广告牌展示静态的广告而不影响驾驶人的驾驶，但是，现有的广告推送方式存在如下弊端：现有的广告方式针对性差，而是广而告之的方式，在商家所能承受的经济条件下全方位投放广告，但是，这些广告被重视的程度极低，大多数人都不会关注广告的内容，从而使得商家的效益达不到其预期，而且还给商家带来严重的经济负担，即大范围投放广告所形成的广告费。

因此，为解决上述技术问题，亟需提出一种全新的广告推送方法。

发明内容

有鉴于此，本发明的目的是提供一种基于人车关联的自适应广告推送方法，能够根据车辆以及车辆用户的行车数据、兴趣爱好向用户进行针对性的推送广告，从而提高用户对广告的接受率以及广告效用，而且能够为商家节约广告成本以及在同等成本下达到更高的收益。

本发明提供的一种基于人车关联的自适应广告推送方法，包括如下步骤：

S1.建立车辆和用户之间的人车关联数据库以及用户数据库；

S2.通过设置在路网中的RFID读写器采集车辆的实时通行数据，找出与车辆匹配用户信息，并根据用户在用户数据库中查找当前用户具体信息；

S3.根据设置在路网中的RFID读写器预测出当前用户车辆的行驶轨迹，并确定出广告投放时间，并根据用户的具体信息在广告投放时间内投放广告，其中，广告投放时间包括广告开始时间和广告结束时间。

进一步，步骤S1中，根据如下方法建立人车关联数据库：

S101.通过布置在路网采集点的RFID读写器读取车辆电子车牌数据，作为车辆在路网的通行数据，并根据通行数据提取出当前车辆的RFID轨迹；

S102.通过GPS终端获取用户的GPS轨迹数据，并从GPS轨迹数据中提取出用户乘坐小汽车的GPS轨迹；

S103.将车辆的RFID轨迹与用户乘坐小汽车的GPS轨迹进行匹配实现人车关联，并将关联信息存储形成人车关联数据库。

进一步，步骤S1中，通过如下方法确定车辆的RFID轨迹：确定车辆的行程链路Link：

通过路网采集点的RFID读写器获取车辆的通行数据，该通行数据包括车辆档案号CarID、车辆属性信息EPC、采集点位置信息IP以及车辆通过采集点的时间信息Time；

根据通行数据确定出形成链路Link：Link＝{CarId,[p₁,p₂...,p_i]}，其中，p₁,p₂,…,p_i表示链路中的i个RFID采集节点；

且p_i＝{{longitude_i,latitude_i},t_i}，longitude_i为i采集节点的经度，latitude_i为i采集节点的纬度，ti为车辆通过第i个节点的时间；

建立行程链路中起讫点

的路径集合

如：

则

具有唯一可达路径，否则，表示路径集合中

选出行程时间最短路径

以及距离最短路径

确定出车辆行程链路Link的完整路径集合R_Link：

进一步，通过如下方法确定链路中的起讫点：

设定采集点连续采集时间间隔阈值α；

将车辆连续通过RFID采集点的时间间隔T_i与时间间隔阈值α进行比较，若T_i>α，则车辆的行程链路划分为两条，且该采集点为前一条链路的讫点并为后一条链路的起点，如T_i≤α则车辆的行程链路为1条。

进一步，根据如下方法提取GPS轨迹：

通过GPS终端获取GPS数据，其中，GPS数据包括手机号CallNumber、GPS终端的位置信息以及GPS数据的采集时间time；

建立用户的GPS轨迹序列：Course＝{g₁,g₂...,g_q...,g_k}，其中，g_q表示第q个GPS的记录点，q＝1,2，…，k；

判断GPS轨迹序列中各记录点是否为停留区S{g_e,g_e+1...,g_e+b}：

其中，ε为停留区域的距离阈值，τ为停留区域的时间阈值；

判断相邻GPS记录点之间的时间间隔是否大于时间间隔阈值β；

如GPS轨迹序列中存在停留区或者相邻GPS记录点之间的时间间大于时间间隔阈值β，则将GPS轨迹进行划分。

进一步，根据如下方法实现人车关联：

将车辆的RFID轨迹与车主的GPS轨迹向匹配：

确定匹配置信度

判断车辆的行程链路中节点p_l与GPS轨迹序列中的记录点g_o是否重合，重合判断公式如下：

其中，d(g_o,p_l)为GPS采集点g_o与RFID采集点p_l之间的距离，T(g_o,p_l)为GPS采集点g_o与RFID采集点p_l之间的时间差值，μ为GPS采集点与RFID采集点之间的距离阈值，σ为GPS采集点和RFID采集点采集时间间隔阈值；

当GPS采集点g_o与RFID采集点p_l之间的距离满足重合判断公式，则GPS采集点g_o与RFID采集点p_l之间重合；

重合节点越多，匹配置信度越高，将每辆车与每一位GPS用户的匹配置信度按照从高到低进行排序，寻找出与各车牌号有关联的GPS用户，计算匹配度指标I，其中，I＝y/Y，其中，y为1天内RFID采集点和GPS记录点重合的次数，Y为行车轨迹点；

判断匹配度指标是否达到设定阈值，将达到设定阈值的匹配度指标按照从大到小进行排序；

计算人车关联程度r：

其中，I_z为用户与当前车牌号在第z日的匹配度，D为总天数；

当用户与当前车牌号的关联程度按照从大到小进行排序，并得出最终驾驶人与车辆关联：

将与同一车牌号车辆的人车关联程度做差值比较，如差值大于设定阈值，则以当天人车关联程度r高的驾驶人与该车辆关联；

如差值小于设定阈值，则以历史人车关联程度为依据，选出历史记录中人车关联程度高的驾驶人与该车进行人车关联；

将人车关联的数据存入到数据库中。

进一步，还包括异常数据剔除步骤：

建立GPS轨迹的检测标准

其中，v_max为用户的最大移动速度，

为记录点g_n和g_n+1间的欧氏距离；

剔除

大于v_max的记录点。

进一步，根据如下方法确定出广告的开始时间：

通过路网中的RFID读写器获取车辆通行数据，该通行数据包括车牌信息、通过当前RFID采集点的过车时间t_RFID以及地理位置信息，

获取当前车辆历史的通行数据，并且获取当前车辆本次出行已经通过的RFID采集点的地理位置信息并预测出当前车辆的本次出行的行车轨迹L＝{l₁,...,l_n}；

计算当前车辆的平均车速

其中，t_RFID1和t_RFID2为当前车辆通过相邻两个RFID采集点的时间点；l为相邻两个RFID采集点之间的路段长度；

预测当前车辆通过下一相邻采集点的T_RFID时间段内的速度

其中，λ为加权系数，取值范围为0.4-0.8；

为通过下一相邻采集点的历史车速的平均值；

为车辆通过最近RFID采集点时的平均车速；

计算广告投放的开始时间T_start：T_start＝T_RFID+t₁；

其中，S₀为驾驶员能够初识广告的距离，M为T_RFID时刻车辆与即将途径的广告牌之间的距离。

进一步，根据如下方法确定广告结束时间：

在驾驶员阅读的广告情形下，满足驾驶员的纵向视野时车辆至广告牌的最小距离S_y：S_y＝(H_y-h_y)cotα-L_y；

在驾驶员阅读的广告情形下，满足驾驶员的横向视野时车辆至广告牌的最小距离S_x：S_x＝(H_x-h_x)cotβ-L_y；

其中，a——为驾驶员看清广告的最大纵向视角，与速度相关；

β——为驾驶员看清广告的最大侧向视角；广告在车辆左侧，β为左侧视角；若广告在车辆右侧，β为右侧视角；

H_y——为广告牌至地面的距离，单位为m；

h_x——为驾驶员眼睛至地面距离，单位为m；

H_x——为广告牌至车辆的横向距离，单位为m；

h_x——为驾驶员至车右侧的距离，单位为m；

L_y——为驾驶员至车头的距离，单位为m；

驾驶员能够看清广告的最小距离为S:S＝max(S_y,S_x)；

广告投放结束时间为T_end:

相应地，本发明还提供了应用权利要求1-9任一权利要求的人车关联的广告自适应推送系统，其特征在于：包括RFID读写器、设置于车辆的电子标签、人车关联数据库、用户信息数据库、GPS终端、广告推送服务器以及广告终端；

所述RFID读写器用于读取车辆的电子标签中的信息，并向人车关联数据库发送车辆的通行信息；其中，通行信息包括通行数据包括车辆档案号CarID、车辆属性信息EPC、采集点位置信息IP以及车辆通过采集点的时间信息Time；

所述GPS终端，用于获取用户的GPS轨迹信息并发送至人车关联数据库；

人车关联数据库，用于根据通信信息以及GPS轨迹信息进行人车关联并形成人车关联数据；

用户信息数据库，其中，用户信息数据库中记录有用户的具体信息；

广告推送服务器，广告推送服务器分别与GPS终端、人车关联数据库以及用户信息数据库通信连接，用于获取RFID采集的实时通信信息、人车关联数据以及用户具体信息，并确定出广告投放开始时间和广告投放结束时间；

广告终端，用于接收广告推送服务器发出的广告并展现。

本发明的有益效果：通过本发明，能够根据车辆以及车辆用户的行车数据、兴趣爱好向用户进行针对性的推送广告，从而提高用户对广告的接受率以及广告效用，而且能够为商家节约广告成本以及在同等成本下达到更高的收益。

附图说明：

图1为本发明的流程图。

图2为本发明的系统结构示意图。

具体实施方式

以下进一步对本发明做出详细说明：

本发明提供的一种基于人车关联的自适应广告推送方法，包括如下步骤：

S1.建立车辆和用户之间的人车关联数据库以及用户数据库；

S2.通过设置在路网中的RFID读写器采集车辆的实时通行数据，找出与车辆匹配用户信息，并根据用户在用户数据库中查找当前用户具体信息；

S3.根据设置在路网中的RFID读写器预测出当前用户车辆的行驶轨迹，并确定出广告投放时间，并根据用户的具体信息在广告投放时间内投放广告，其中，广告投放时间包括广告开始时间和广告结束时间；通过上述方法，能够根据车辆以及车辆用户的行车数据、兴趣爱好向用户进行针对性的推送广告，从而提高用户对广告的接受率以及广告效用，而且能够为商家节约广告成本以及在同等成本下达到更高的收益。

其中，当人车关联数据库建立之后，RFID读写器实时采集车辆信息，然后根据人车关联数据库就能够找到对应的驾驶员，即广告的潜在投放目标，根据驾驶员的信息，就能够在用户具体信息数据库中找到用户的具体信息，即用户的自身画像信息：比如用户的偏好、用户自身身份信息；其中，用户自身身份信息包括：职业、性格、收入、年龄、车龄、驾龄、身高、近视程度等信息，而且，还能够用户的常规信息：经常出行地、频繁轨迹、车速、驾驶时长等信息，因此，根据用户上述信息等就能够确定出用户可能感兴趣的广告进行投放，从而就能够提高广告投放的效率。

本实施例中，步骤S1中，根据如下方法建立人车关联数据库：

S101.通过布置在路网采集点的RFID读写器读取车辆电子车牌数据，作为车辆在路网的通行数据，并根据通行数据提取出当前车辆的RFID轨迹；

S102.通过GPS终端获取用户的GPS轨迹数据，并从GPS轨迹数据中提取出用户乘坐小汽车的GPS轨迹；

S103.将车辆的RFID轨迹与用户乘坐小汽车的GPS轨迹进行匹配实现人车关联，并将关联信息存储形成人车关联数据库。

其中，步骤S1中，通过如下方法确定车辆的RFID轨迹：确定车辆的行程链路Link：

通过路网采集点的RFID读写器获取车辆的通行数据，该通行数据包括车辆档案号CarID、车辆属性信息EPC、采集点位置信息IP以及车辆通过采集点的时间信息Time；

根据通行数据确定出形成链路Link：Link＝{CarId,[p₁,p₂...,p_i]}，其中，p₁,p₂,…,p_i表示链路中的i个RFID采集节点；

且p_i＝{{longitude_i,latitude_i},t_i}，longitude_i为i采集节点的经度，latitude_i为i采集节点的纬度，ti为车辆通过第i个节点的时间；

建立行程链路中起讫点

的路径集合

如：

则

具有唯一可达路径，否则，表示路径集合中

选出行程时间最短路径

以及距离最短路径

确定出车辆行程链路Link的完整路径集合R_Link：

通过上述方法，能够准确地确定出相应的路径个数，从而为后续的人车关联提供精确保障，其中，行程时间最短路径

以及距离最短路径

为优选的人车关联路径，包含在路径集合R_Link中，在后续的GPS路径和RFID路径中，优选采用行程时间最短或者距离最短路径进行对比匹配。

本实施例中，通过如下方法确定链路中的起讫点：

设定采集点连续采集时间间隔阈值α；

将车辆连续通过RFID采集点的时间间隔T_i与时间间隔阈值α进行比较，若T_i>α，则车辆的行程链路划分为两条，且该采集点为前一条链路的讫点并为后一条链路的起点，如T_i≤α则车辆的行程链路为1条，通过上述方法，能够准确的确定出相应的起讫点，从而确定出链路数，而且通过行程链路的划分以及GPS停留区域的确定结合，能够将RFID路径和GPS路径进行准确对比，从而保证最终人车关联的准确性。

本实施例中，根据如下方法提取GPS轨迹：

通过GPS终端获取GPS数据，其中，GPS数据包括手机号CallNumber、GPS终端的位置信息以及GPS数据的采集时间time；

建立用户的GPS轨迹序列：Course＝{g₁,g₂...,g_q...,g_k}，其中，g_q表示第q个GPS的记录点，q＝1,2，…，k；

判断GPS轨迹序列中各记录点是否为停留区S{g_e,g_e+1...,g_e+b}：

其中，ε为停留区域的距离阈值，τ为停留区域的时间阈值；

判断相邻GPS记录点之间的时间间隔是否大于时间间隔阈值β；

如GPS轨迹序列中存在停留区或者相邻GPS记录点之间的时间间大于时间间隔阈值β，则将GPS轨迹进行划分；通过上述方法，能够准确确定出驾驶人自身的轨迹，从而为人车管理提供保障，为了是得GPS轨迹进一步准确，还包括异常数据剔除步骤：

建立GPS轨迹的检测标准

其中，v_max为用户的最大移动速度，

为记录点g_n和g_n+1间的欧氏距离；

剔除

大于v_max的记录点。

为了准确的进行人车关联，还需要识别出用户的出行方式，具体地：采集用户出行参数：速度、加速度、出行距离、出行时长、常在车道、偏移道路距离、换道次数、出行时间以及GPS间隙时长；

根据用户出行参数确定出采用小汽车出行的用户，具体确定过程如下：

根据道路偏移距离、GPS间隙时长就能够区分出轨道交通、公交车或者其他出行方式，其中，轨道交通与道路的偏移距离较大，GPS间隙时长较大，并且GPS间隙不规律性(由于轨道交通在地下行驶时GPS信号差，表现出GPS间隙不规律性)；公交车的偏移距离小，但是GPS间隙时长规律(由于每个站点的停靠规律性)，从而识别出公交车；在其他出行方式中，包括步行、自行车、摩托车、小汽车以及火车；根据出行距离较短，而且速度最小的特征，可以筛选出步行以及自行车出行，而摩托车虽然加速度较大，但是其出行距离也表现出出行时间短，相对速度小等特征，而出租车的表现为出行距离、出行时长较大，但是车道变换频繁；而货车出行表现在常在夜间出行、常在车道为右侧车道，加速度较小且出行时间长；而小汽车出行的特征为在非高峰期速度较大、加速较大且主要在左侧车道，车道变换次数少，通过上述各种方式的出行特征，即可筛选出小汽车出行的用户，基于上述特征，基于K2算法以及贝叶斯学习网络即可自动筛选出来，其中，K2算法以及贝叶斯学习网络属于现有技术，在此不加以赘述。

本实施例中，根据如下方法实现人车关联：

将车辆的RFID轨迹与车主的GPS轨迹向匹配：

确定匹配置信度

判断车辆的行程链路中节点p_l与GPS轨迹序列中的记录点g_o是否重合，重合判断公式如下：

其中，d(g_o,p_l)为GPS采集点g_o与RFID采集点p_l之间的距离，T(g_o,p_l)为GPS采集点g_o与RFID采集点p_l之间的时间差值，μ为GPS采集点与RFID采集点之间的距离阈值，σ为GPS采集点和RFID采集点采集时间间隔阈值；

当GPS采集点g_o与RFID采集点p_l之间的距离满足重合判断公式，则GPS采集点g_o与RFID采集点p_l之间重合；

重合节点越多，匹配置信度越高，将每辆车与每一位GPS用户的匹配置信度按照从高到低进行排序，寻找出与各车牌号有关联的GPS用户，计算匹配度指标I，其中，I＝y/Y，其中，y为1天内RFID采集点和GPS记录点重合的次数，Y为行车轨迹点；

判断匹配度指标是否达到设定阈值，将达到设定阈值的匹配度指标按照从大到小进行排序；

计算人车关联程度r：

其中，I_z为用户与当前车牌号在第z日的匹配度，D为总天数；

当用户与当前车牌号的关联程度按照从大到小进行排序，并得出最终驾驶人与车辆关联：

将与同一车牌号车辆的人车关联程度做差值比较，如差值大于设定阈值，则以当天人车关联程度r高的驾驶人与该车辆关联；

如差值小于设定阈值，则以历史人车关联程度为依据，选出历史记录中人车关联程度高的驾驶人与该车进行人车关联；其中，关联程度差值的阈值根据实际的城市环境等因素确定，比如：阈值设定为10％；在某一日A用户与车牌号123456的车辆之间的关联程度为95％，而在该日内B用户与车牌号123456的车辆的关联程度为70％，那么A用户和B用户之间的关联程度差值大于10％，则可以确定A用户与车牌号为123456的车辆关联，该车辆的驾驶行为为A用户做出；如在某一日A用户和B用户的关联程度分别为95％和90％，这并不能确定哪个用户与车牌号为123456的车辆的关联，只能表明A用户和B用户的经过的RFID采集点以及GPS轨迹相似，此时，则参考历史数据：如果在历史数据中A用户的关联程度高于B用户与用于与车牌号为123456的车辆的关联程度，那么此时仍然将A用户作为当日与车牌号123456的车辆的关联用户；如果在历史数据中A用户的关联程度低于B用户与用于与车牌号为123456的车辆的关联程度，虽然当日A用户关联程度高，但是仍然将B用户与目标车辆进行关联；

将人车关联的数据存入到数据库中。

本实施例中，根据如下方法确定出广告的开始时间：

通过路网中的RFID读写器获取车辆通行数据，该通行数据包括车牌信息、通过当前RFID采集点的过车时间t_RFID以及地理位置信息，

获取当前车辆历史的通行数据，并且获取当前车辆本次出行已经通过的RFID采集点的地理位置信息并预测出当前车辆的本次出行的行车轨迹L＝{l₁,...,l_n}，其中，通过车辆的本次出行已经经历的路径以及驾驶员的历史出行记录预测出驾驶员本次出行剩余的路径：比如：本次出行时，车辆已经经历了ABC三个采集点，那么所有经过ABC三个采集点的路径总共有N条，此次出行的时期为星期一，也就是工作日，那么该车辆在历史数据中通过了ABC三个采集点的路径有n条，n小于N；那么此时就可以确定出当前车辆即将经历的可能路径为n条，那么，继续获取采集点的数据，比如此时车辆经过了E采集点，那么能够同时经过ABCE这四个采集点的路径则为n′条，且n′小于n，在这n′条可能的路径中，根据驾驶员的同期的历史出行记录筛选处几条最为可能的路径同时进行广告投放，如果广告商对于某些重要的驾驶员(比如曾经在广告商具有较大消费额度)，采用在n条可能路径中均进行广告投放；

计算当前车辆的平均车速

其中，t_RFID1和t_RFID2为当前车辆通过相邻两个RFID采集点的时间点；l为相邻两个RFID采集点之间的路段长度；

预测当前车辆通过下一相邻采集点的T_RFID时间段内的速度

其中，λ为加权系数，取值范围为0.4-0.8，根据实际交通状况以及历史经验进行确定；

为通过下一相邻采集点的历史车速的平均值，比如：车辆通过B和C两个相邻采集点，下一相邻采集点就为C和D；

为车辆通过最近RFID采集点时的平均车速；

计算广告投放的开始时间T_start：T_start＝T_RFID+t₁；

其中，S₀为驾驶员能够初识广告的距离，M为T_RFID时刻车辆与即将途径的广告牌之间的距离。

根据如下方法确定广告结束时间：

在驾驶员阅读的广告情形下，满足驾驶员的纵向视野时车辆至广告牌的最小距离S_y：S_y＝(H_y-h_y)cotα-L_y；

在驾驶员阅读的广告情形下，满足驾驶员的横向视野时车辆至广告牌的最小距离S_x：S_x＝(H_x-h_x)cotβ-L_y；

其中，α——为驾驶员看清广告的最大纵向视角，与速度相关；

β——为驾驶员看清广告的最大侧向视角；广告在车辆左侧，β为左侧视角；若广告在车辆右侧，β为右侧视角；

H_y——为广告牌至地面的距离，单位为m；

h_x——为驾驶员眼睛至地面距离，单位为m；

H_x——为广告牌至车辆的横向距离，单位为m；

h_x——为驾驶员至车右侧的距离，单位为m；

L_y——为驾驶员至车头的距离，单位为m；

驾驶员能够看清广告的最小距离为S:S＝max(S_y,S_x)；

广告投放结束时间为T_end:

通过上述方法，能够准确地确定广告投放推送的准确时间，从而避免资源的浪费。

相应地，本发明还提供了一种人车关联的广告自适应推送系统，包括RFID读写器、设置于车辆的电子标签、人车关联数据库、用户信息数据库、GPS终端、广告推送服务器以及广告终端；

所述RFID读写器用于读取车辆的电子标签中的信息，并向人车关联数据库发送车辆的通行信息；其中，通行信息包括通行数据包括车辆档案号CarID、车辆属性信息EPC、采集点位置信息IP以及车辆通过采集点的时间信息Time；

所述GPS终端，用于获取用户的GPS轨迹信息并发送至人车关联数据库；

人车关联数据库，用于根据通信信息以及GPS轨迹信息进行人车关联并形成人车关联数据；

用户信息数据库，其中，用户信息数据库中记录有用户的具体信息；

广告推送服务器，广告推送服务器分别与GPS终端、人车关联数据库以及用户信息数据库通信连接，用于获取RFID采集的实时通信信息、人车关联数据以及用户具体信息，并确定出广告投放开始时间和广告投放结束时间；

广告终端，用于接收广告推送服务器发出的广告并展现。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修该或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (7)

1.一种基于人车关联的广告自适应推送方法，其特征在于：包括如下步骤：

S1.建立车辆和用户之间的人车关联数据库以及用户数据库；

S2.通过设置在路网中的RFID读写器采集车辆的实时通行数据，找出与车辆匹配用户信息，并根据用户在用户数据库中查找当前用户具体信息；

S3.根据设置在路网中的RFID读写器预测出当前用户车辆的行驶轨迹，并确定出广告投放时间，并根据用户的具体信息在广告投放时间内投放广告，其中，广告投放时间包括广告开始时间和广告结束时间；

步骤S1中，根据如下方法建立人车关联数据库：

S101.通过布置在路网采集点的RFID读写器读取车辆电子车牌数据，作为车辆在路网的通行数据，并根据通行数据提取出当前车辆的RFID轨迹；

S102.通过GPS终端获取用户的GPS轨迹数据，并从GPS轨迹数据中提取出用户乘坐小汽车的GPS轨迹；

S103.将车辆的RFID轨迹与用户乘坐小汽车的GPS轨迹进行匹配实现人车关联，并将关联信息存储形成人车关联数据库；

步骤S1中，通过如下方法确定车辆的RFID轨迹：确定车辆的行程链路Link：

通过路网采集点的RFID读写器获取车辆的通行数据，该通行数据包括车辆档案号CarID、车辆属性信息EPC、采集点位置信息IP以及车辆通过采集点的时间信息Time；

根据通行数据确定出形成链路Link：Link＝{CarId,[p₁,p₂...,p_i]}，其中，p₁,p₂,…,p_i表示链路中的i个RFID采集节点；

且p_i＝{{longitude_i,latitude_i},t_i}，longitude_i为i采集节点的经度，latitude_i为i采集节点的纬度，ti为车辆通过第i个节点的时间；

建立行程链路中起讫点

的路径集合

如：

则

具有唯一可达路径，否则，表示路径集合中

选出行程时间最短路径

以及距离最短路径

确定出车辆行程链路Link的完整路径集合R_Link：

2.根据权利要求1所述基于人车关联的广告自适应推送方法，其特征在于：通过如下方法确定链路中的起讫点：

设定采集点连续采集时间间隔阈值α；

将车辆连续通过RFID采集点的时间间隔T_i与时间间隔阈值α进行比较，若T_i>α，则车辆的行程链路划分为两条，且该采集点为前一条链路的讫点并为后一条链路的起点，如T_i≤α则车辆的行程链路为1条。

3.根据权利要求1所述基于人车关联的广告自适应推送方法，其特征在于：根据如下方法提取GPS轨迹：

通过GPS终端获取GPS数据，其中，GPS数据包括手机号CallNumber、GPS终端的位置信息以及GPS数据的采集时间time；

建立用户的GPS轨迹序列：Course＝{g₁,g₂...,g_q...,g_k}，其中，g_q表示第q个GPS的记录点，q＝1,2，…，k；

判断GPS轨迹序列中各记录点是否为停留区S{g_e,g_e+1...,g_e+b}：

其中，ε为停留区域的距离阈值，τ为停留区域的时间阈值；

判断相邻GPS记录点之间的时间间隔是否大于时间间隔阈值β；

如GPS轨迹序列中存在停留区或者相邻GPS记录点之间的时间间隔 大于时间间隔阈值β，则将GPS轨迹进行划分。

4.根据权利要求3所述基于人车关联的广告自适应推送方法，其特征在于：根据如下方法实现人车关联：

将车辆的RFID轨迹与车主的GPS轨迹向匹配：

确定匹配置信度

判断车辆的行程链路中节点p_l与GPS轨迹序列中的记录点g_o是否重合，重合判断公式如下：

其中，d(g_o,p_l)为GPS采集点g_o与RFID采集点p_l之间的距离，T(g_o,p_l)为GPS采集点g_o与RFID采集点p_l之间的时间差值，μ为GPS采集点与RFID采集点之间的距离阈值，σ为GPS采集点和RFID采集点采集时间间隔阈值；

当GPS采集点g_o与RFID采集点p_l之间的距离满足重合判断公式，则GPS 采集点g_o与RFID采集点p_l之间重合；

重合节点越多，匹配置信度越高，将每辆车与每一位GPS用户的匹配置信度按照从高到低进行排序，寻找出与各车牌号有关联的GPS用户，计算匹配度指标I，其中，I＝y/Y，其中，y为1天内RFID采集点和GPS记录点重合的次数，Y为行车轨迹点；

判断匹配度指标是否达到设定阈值，将达到设定阈值的匹配度指标按照从大到小进行排序；

计算人车关联程度r：

其中，I_z为用户与当前车牌号在第z日的匹配度，D为总天数；

当用户与当前车牌号的关联程度按照从大到小进行排序，并得出最终驾驶人与车辆关联：

将与同一车牌号车辆的人车关联程度做差值比较，如差值大于设定阈值，则以当天人车关联程度r高的驾驶人与该车辆关联；

如差值小于设定阈值，则以历史人车关联程度为依据，选出历史记录中人车关联程度高的驾驶人与该车进行人车关联；

将人车关联的数据存入到数据库中。

5.根据权利要求3所述基于人车关联的广告自适应推送方法，其特征在于：还包括异常数据剔除步骤：

建立GPS轨迹的检测标准

其中，v_max为用户的最大移动速度，

为记录点g_n和g_n+1间的欧氏距离；

剔除

大于v_max的记录点。

6.根据权利要求1所述基于人车关联的广告自适应推送方法，其特征在于：根据如下方法确定出广告的开始时间：

通过路网中的RFID读写器获取车辆通行数据，该通行数据包括车牌信息、通过当前RFID采集点的过车时间t_RFID以及地理位置信息，

获取当前车辆历史的通行数据，并且获取当前车辆本次出行已经通过的RFID采集点的地理位置信息并预测出当前车辆的本次出行的行车轨迹L＝{l₁,...,l_n}；

计算当前车辆的平均车速

其中，t_RFID1和t_RFID2为当前车辆通过相邻两个RFID采集点的时间点；l为相邻两个RFID采集点之间的路段长度；

预测当前车辆通过下一相邻采集点的T_RFID时间段内的速度

其中，λ为加权系数，取值范围为0.4-0.8；

为通过下一相邻采集点的历史车速的平均值；

为车辆通过最近RFID采集点时的平均车速；

计算广告投放的开始时间T_start：T_start＝T_RFID+t₁；

其中，S₀为驾驶员能够初识广告的距离，M为T_RFID时刻车辆与即将途径的广告牌之间的距离。

7.根据权利要求6所述基于人车关联的广告自适应推送方法，其特征在于：根据如下方法确定广告结束时间：

在驾驶员阅读的广告情形下，满足驾驶员的纵向视野时车辆至广告牌的最小距离S_y：S_y＝(H_y-h_y)cotα-L_y；

在驾驶员阅读的广告情形下，满足驾驶员的横向视野时车辆至广告牌的最小距离S_x：S_x＝(H_x-h_x)cotβ-L_y；

其中，a——为驾驶员看清广告的最大纵向视角，与速度相关；

β——为驾驶员看清广告的最大侧向视角；广告在车辆左侧，β为左侧视角；若广告在车辆右侧，β为右侧视角；

H_y——为广告牌至地面的距离，单位为m；

h_x——为驾驶员眼睛至地面距离，单位为m；

H_x——为广告牌至车辆的横向距离，单位为m；

h_x——为驾驶员至车右侧的距离，单位为m；

L_y——为驾驶员至车头的距离，单位为m；

驾驶员能够看清广告的最小距离为S:S＝max(S_y,S_x)；

广告投放结束时间为T_end:

Images