CN109657018A - 一种分布式车辆行驶数据查询方法及终端设备 - Google Patents
一种分布式车辆行驶数据查询方法及终端设备 Download PDFInfo
- Publication number
- CN109657018A CN109657018A CN201811344902.1A CN201811344902A CN109657018A CN 109657018 A CN109657018 A CN 109657018A CN 201811344902 A CN201811344902 A CN 201811344902A CN 109657018 A CN109657018 A CN 109657018A
- Authority
- CN
- China
- Prior art keywords
- data
- running data
- child servers
- running
- data group
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000012216 screening Methods 0.000 claims abstract description 14
- 238000007906 compression Methods 0.000 claims description 81
- 230000006835 compression Effects 0.000 claims description 81
- 230000005540 biological transmission Effects 0.000 claims description 28
- 239000006185 dispersion Substances 0.000 claims description 22
- 238000012544 monitoring process Methods 0.000 claims description 22
- 238000013500 data storage Methods 0.000 claims description 13
- 230000006837 decompression Effects 0.000 claims description 11
- 238000003032 molecular docking Methods 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 7
- 230000006870 function Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 7
- 241001269238 Data Species 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000007873 sieving Methods 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种分布式车辆行驶数据查询方法及终端设备,适用于数据处理技术领域,该方法包括:总服务器将接收到的车辆信息发送至多个子服务器;子服务器根据车辆信息对本地存储的交通数据进行筛选,得到第一行驶数据;子服务器对第一行驶数据按照时间先后进行排序,查找出排序后的第一行驶数据中拍摄时间间隔大于预设间隔阈值的间隔点,并将排序后的第一行驶数据划分为多个行驶数据组;子服务器将多个行驶数据组发送至总服务器;总服务器对接收到的多个行驶数据组按照时间先后进行排序拼接,得到的第二行驶数据作为查询结果。本发明实施例减小了每次数据筛选查询的数据量,提升了查询的速度,使得对车辆行驶数据的查询效率得到了极大地提高。得到所述第二行驶数据。
Description
技术领域
本发明属于数据处理技术领域,尤其涉及分布式车辆行驶数据查询方法及终端设备。
背景技术
由于城市交通数据的数据量非常大,当需要从中查询出某一车辆的行驶数据(行驶数据是指车辆何时在何地行驶的数据,即卡口拍摄到车辆的时间以及卡口的地址)时,需要对大数据量的交通数据进行车辆行驶数据的筛选排序。现有技术都是直接将城市的交通数据集中存储在一台服务器中,再在需要时由服务器对交通数据进行筛选排序,以查询得到所需车辆的行驶数据,由于交通数据的数据量非常大,且直接筛选出的行驶数据时域离散存在的,因此现有技术需要耗费大量的时间进行数据筛选和时序排序,使得现有技术对车辆行驶数据的查询效率较低。
发明内容
有鉴于此,本发明实施例提供了一种分布式车辆行驶数据查询方法及终端设备,以解决现有技术中对车辆行驶数据查询效率较低的问题。
本发明实施例的第一方面提供了一种分布式车辆行驶数据查询方法,包括:
总服务器将接收到的车辆信息发送至多个子服务器;
所述子服务器根据所述车辆信息对本地存储的交通数据进行筛选,得到对应的第一行驶数据;
所述子服务器对所述第一行驶数据按照时间先后进行排序,查找出排序后的所述第一行驶数据中相邻数据的拍摄时间间隔大于预设间隔阈值的间隔点,并按照所述间隔点将排序后的所述第一行驶数据划分为多个行驶数据组;
所述子服务器将所述多个行驶数据组发送至所述总服务器;
所述总服务器对接收到的所述多个行驶数据组按照时间先后进行排序拼接,并将拼接后得到的第二行驶数据作为查询结果。
本发明实施例的第二方面提供了一种分布式车辆行驶数据查询系统,包括:
总服务器以及多个子服务器;
所述总服务器用于将接收到的车辆信息发送至所述多个子服务器;
所述子服务器用于根据所述车辆信息对本地存储的交通数据进行筛选,得到对应的第一行驶数据;
所述子服务器还用于对所述第一行驶数据按照时间先后进行排序,查找出排序后的所述第一行驶数据中相邻数据的拍摄时间间隔大于预设间隔阈值的间隔点,并按照所述间隔点将排序后的所述第一行驶数据划分为多个行驶数据组;
所述子服务器还用于将所述多个行驶数据组发送至所述总服务器;
所述总服务器还用于对接收到的所述多个行驶数据组按照时间先后进行排序拼接,并将拼接后得到的第二行驶数据作为查询结果。
本发明实施例与现有技术相比存在的有益效果是:通过将交通数据分布式存储,由子服务器分别进行各自本地存储的交通数据的筛选和排序工作,并对排序后的形式数据进行分组发送至总服务器,再由总服务器对接收到的各个子服务器排序分组好的行驶数据组进行组间排序拼接,从而使得本发明实施例减小了每次数据筛选查询的数据量,提升了查询的速度,且由于预先进行了排序分组,从而使得总服务器只需要对已经排好序的行驶数据组进行排序,极大地减小了所需排序的数据量,使得对车辆行驶数据的查询效率得到了极大地提高。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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,下面描述中的附图仅仅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性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的分布式车辆行驶数据查询方法的实现流程示意图;
图2是本发明实施例二提供的分布式车辆行驶数据查询方法的实现流程示意图;
图3是本发明实施例三提供的分布式车辆行驶数据查询方法的实现流程示意图;
图4是本发明实施例四提供的分布式车辆行驶数据查询方法的实现流程示意图;
图5是本发明实施例五提供的分布式车辆行驶数据查询方法的实现流程示意图;
图6是本发明实施例六提供的分布式车辆行驶数据查询系统的结构框图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、系统、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
图1示出了本发明实施例一提供的分布式车辆行驶数据查询方法的实现流程图,详述如下:
S101,总服务器将接收到的车辆信息发送至多个子服务器。
其中,车辆信息是指可以唯一与车辆关联的信息,如车辆的车牌号或者车架号等,优选地,可使用车牌号作为车辆信息来进行车辆的行驶数据查询。车辆信息由用户手动输入至总服务器,或者由用户通过其他终端设备输入并传输至总服务器得到。
S102,子服务器根据车辆信息对本地存储的交通数据进行筛选,得到对应的第一行驶数据。
子服务器在接收到车辆信息后,根据车辆信息来对本地存储的交通数据进行筛选,以确定出其中与车辆信息对应的车辆的行驶数据。其中,考虑到实际情况中,即使是将交通数据分布式存储在了多个子服务器中,每个子服务器所存储的交通数据的数据量也非常大,因此为了提高子服务器对行驶数据的筛选速度,这里可以使用一些大数据筛选/搜索/查找算法来进行处理,包括但不限于如基于布隆过滤器的查找算法,或参考本发明实施例三中的查找方法来进行筛选。
S103,子服务器对第一行驶数据按照时间先后进行排序,查找出排序后的第一行驶数据中相邻数据的拍摄时间间隔大于预设间隔阈值的间隔点,并按照间隔点将排序后的第一行驶数据划分为多个行驶数据组。
考虑到实际情况中交通数据都是以每日获取到的数据为单位进行数据文件存储的,因此在根据车辆信息筛选得到的第一行驶数据是时域离散的数据,需要进行时间排序后才能得到时域连续可读的行驶数据。实际情况中,对第一行驶数据的排序工作,既可以由总服务器直接统一完成,也可以由各个子服务器先对自身筛选出的第一行驶数据进行排序,再由总服务器汇总排序完成,但考虑到实际情况中,筛选出的行驶数据的数据量比较大,直接由总服务器统一处理完成的话,所需耗费的时间较长效率较低,因此为了实现对行驶数据的高效查询,本发明实施例中采用的是各个子服务器先分别进行排序,再由总服务器汇总排序的方式来进行第一行驶数据的排序处理。同时,为了进一步地提高总服务器的排序效率,本发明实施例在对第一行驶数据进行排序的同时,还会将其按照排序生成时域连续的行驶数据组,从而使得总服务器只需对各个子服务器发送的行驶数据组进行组间时序排序即可,而无需对组内的行驶数据进行时域排序处理,极大地减小了排序的工作量,提高了排序效率。
另一方面,考虑到实际情况中,存储车辆在一段时间内的行驶数据可能会交叉存储在不同的子服务器中,从而导致单个子服务器中的行驶数据时间间隔较大,无法时域连续的情况,例如假设设置每个子服务器负责存储一个地区的交通数据,车辆上午在A地区向B地区行驶,中午到达B地区,又于下午返回A地区,此时即使对在A地区对应的子服务器中筛选得到的第一行驶数据进行排序,也必然存在有时间间隔差较大的情况,即必定存在时域不连续的间隔点,而在本发明实施例中为了实现对行驶数据的排序,采用的是子服务器先生成行驶数据组,由总服务对行驶数据组进行组间排序的形式进行行驶数据的最终排序,因此若子服务器直接将这些时域不连续的行驶数据也组合至同一个行驶数据组,必将导致大量的行驶数据组存在时间重叠交叉的情况,如上述实例中A地区和B地区若都仅生成一个行驶数据组,那两个行驶数据组之间必然存在时间重叠交叉的情况,此时又需要总服务重新对这些时间重叠交叉的行驶数据组进行重组排序,这将会极大地增加总服务器的工作负荷,降低处理的效率,因此为了进一步地提高对行驶数据的排序查询效率,本发明实施例每个子服务器在进行自身筛选出的第一行驶数据的排序组合时,会根据排序后行驶数据中存在的时域离散的间隔点来进行行驶数据组的划分。其中,具体的预设间隔阈值可由技术人员根据实际需求进行设定,优选地可设置为1小时。
S104,子服务器将多个行驶数据组发送至总服务器。
在完成对行驶数据组的划分生成之后,各个子服务器再将其生成的行驶数据组分别发送至总服务器,即总服务器会接收到各个子服务器分别发送的行驶数据组,且每个子服务器发送的行驶数据组的具体组数,由其对应的第一行驶数据的实际情况决定。
S105,总服务器对接收到的多个行驶数据组按照时间先后进行排序拼接,并将拼接后得到的第二行驶数据作为查询结果。
在接收到各个子服务器发送的行驶数据组之后,总服务负责完成对这些行驶数据组的时域排序拼接,以实现对最终行驶数据的时域排序。其中,由于每个行驶数据组内部的行驶数据都是经过排序+间隔点分割的,从而保证了每个行驶数据组内部的行驶数据都是时域连续的,因此在进行这些行驶数据组排序时,只需要根据组头和组尾的行驶数据的拍摄时间进行排序即可,从而极大地减小了总服务器对数据排序的工作量,使得排序所需的时间大大减小。在完成排序之后,再根据排序顺序将这些行驶数据组进行拼接,得到最终的时域连续的第二行驶数据,即可完成对用户所需车辆的行驶数据的查询,得到对应的查询结果。
本发明实施例通过将交通数据分布式存储,由子服务器分别进行各自本地存储的交通数据的筛选和排序工作,并对排序后的形式数据进行分组发送至总服务器,再由总服务器对接收到的各个子服务器排序分组好的行驶数据组进行组间排序拼接,从而使得本发明实施例减小了每次数据筛选查询的数据量,提升了查询的速度,且由于预先进行了排序分组,从而使得总服务器只需要对已经排好序的行驶数据组进行排序,极大地减小了所需排序的数据量,使得对车辆行驶数据的查询效率得到了极大地提高。
作为本发明实施例二,考虑到实际情况中交通数据的数据量极其庞大,即使分布式存储在多个子服务器中,每个子服务器所需存储的交通数据的数据量依然很庞大,而在对这些大数据量的交通数据进行行驶数据查询提取的时候,所需耗费的工作量也是极其庞大的,因此为了尽可能地提升所有子服务器的处理总效率,需要尽可能地将每个车辆对应的行驶数据集中存储,以减小子服务器所需查询的交通数据的数据量。为了实现对每个车辆行驶数据的集中存储,在本发明实施例一之前,如图2所示,本发明实施例二包括:
S201,总服务器将其对应的交通数据监控区域划分为多个监控子区域。
考虑到实际情况中用户的车辆行驶行为是具有地域规律性的,如若用户a生活在A地区,那用户的车辆一般主要会在A地区行驶。因此,为实现对用户车辆行驶数据的集中存储,本发明实施例中会根据用户实际车辆行驶行为的规律性来对总服务器负责监控的区域进行划分,例如根据地域的行政区域划分规则来进行地域划分,如将深圳市根据行政区域划分规则划分为福田区、南山区以及龙岗区等监控子区域。
S202,总服务器建立多个子服务器与多个监控子区域的唯一对应关系。
S203,子服务器本地存储与其唯一对应的监控子区域的交通数据。
在完成对总服务器负责的监控区域的划分后,本发明实施例会为每一个监控子区域唯一关联设置一个子服务器,并由该子服务器唯一存储对应的一个监控子区域的交通数据,
作为本发明实施例一中对第一行驶数据筛选的一种具体实现方法,为了对大数据量的交通数据的筛选,本发明实施例将车牌号选用为进行查询的车辆信息,且会预先根据车牌号中每个车牌字符位置的不同,建立起每个车牌字符位置分别对应的字符索引,如车牌号命名规则为:省份+地区代码+5位数字/字母(或者数字字母混合),即每个车牌号包含7个车牌字符,且每个位置的车牌字符对应的可能值不尽相同,此时本发明实施例预先会根据每个位置的车牌字符可能值,将交通数据中的行驶数据进行归类,即对于省份可以预先归类为31个(台湾省、香港特别行政区、澳门特别行政区的车牌命名规则与大陆不相同,这里暂不考虑),再将交通数据中的行驶数据根据车牌省份的不同划分为31类,并在字符索引中记录每一类所包含的行驶数据以及对应的数据存储地址。在建立起字符索引之后本发明实施例再根据实际车辆信息中每个位置的车牌字符,来分别进行索引查询,并确定出最终的交集地址,如图3所示,本发明实施例三,包括:
S301,子服务器提取出车辆信息中车牌号包含的多个车牌字符。
S302,子服务器基于车牌字符在车牌号中的位置,查找出与多个车牌字符一一对应的多个预设字符索引,其中,每个预设字符索引中记录有车牌号中一个位置的车牌字符对应的行驶数据存储地址集,且每个预设字符索引与车牌号中车牌字符的位置唯一对应。
由于每个预设字符索引中都记录有一个位置的车牌字符所有可能值的分类,以及每个分类下各个行驶数据的数据存储地址,因此通过对每个车牌字符的分别查询,可以得到车牌号每个位置的车牌字符一一对应的行驶数据存储地址集,如假设车牌号为省份+地区代码+5位数字/字母(或者数字字母混合)构成的7位车牌字符,此时根据预设字符索引可以查询出对应的7个行驶数据存储地址集。
S303,子服务器根据多个预设字符索引查询出多个车牌字符分别对应的多个行驶数据存储地址集,并基于多个行驶数据存储地址集的交集地址进行数据读取,得到第一行驶数据。
在确定出与每个位置的车牌字符一一对应的额行驶数据存储地址集之后,直接对其取交集,即可实现对第一行驶数据的地址筛选,再根据地址进行数据读取即可。
作为上述本发明实施例中子服务器与总服务器进行数据传输的一种具体实现方式,考虑到行驶数据组的所包含的数据量可能较大,且由于不同行驶数据组所生成的数据文件不同,从而使得子服务器所需传输的数据量较大且文件数量可能较大,使得网络传输时间开销极大,查询的时间变长效率降低。为了缩减传输时间,在本发明实施例中,会根据获取到的行驶数据组的数据量多少以及数据离散程度,来选取适宜压缩算法,并会基于选取的压缩算法来进行行驶数据组的压缩传输,如图4所示,本发明实施例四,包括:
S401,子服务器计算多个行驶数据组的总数据量以及离散度,并获取与总服务器的数据传输速度,离散度为多个行驶数据组中包含的数据组数与总数据量之商。
其中,将每个行驶数据组所包含的行驶数据的数据量相加,即可得到对应的总数据量,将总的数据组数除以计算出的总数据量,即可得到对应的离散度。
S402,子服务器基于离散度查找出预设的多种压缩算法分别对应的压缩率,并基于压缩率以及总数据量,计算出每种压缩算法分别对应的压缩后数据量。
由于压缩算法在不同的文件离散度下,其对数据的压缩率会产生相应的变化,对有些压缩算法而言,相同数据量的情况下,离散程度越高的数据压缩算法对应的压缩率越小,有些则相反,如SBH算法在高离散率时,压缩率较高,但WAH算法在低离散率时,压缩率较低。因此,为了选取出合适的压缩算法,以减小所需传输的压缩文件的文件大小,本发明实施例中会预设多种不同的压缩算法,并设置好每个压缩算法压缩率与离散程度的对应关系,再根据实际计算出的多个行驶数据组的离散程度查询出每个压缩算法实际对应的压缩率。其中,每个压缩算法压缩率与离散程度的对应关系,既可以由技术人员实际测试得到,也可以通过查询算法相关资料得到。
在确定出每个压缩算法对应的压缩率之后,再根据多个行驶数据组的总数据量即可计算出每个压缩算法分别对应的压缩后数据量。
S403,子服务器根据压缩后数据量以及数据传输速度计算出每种压缩算法分别对应的数据传输时间,并根据总数据量和数据组数,计算出每种压缩算法分别对应的压缩时间和解压时间。
其中,数据传输速度既可以由技术人员预先设置,也可以根据总服务器与子服务器之间的带宽进行估算,或者根据历史的传输速度进行估算。由于压缩算法对不同大小以及不同数量的数据进行处理时,所需的压缩解压时间有所不同,因此为了实现对压缩解压时间的预估,本发明实施例中会预先设置好不同总数据量及数据组数与压缩算法的压缩解压时间的关系,如可以根据实际测试来确定出对应的关系曲线,再进行查询,即可确定出每种压缩算法分别对应的压缩时间和解压时间。
S404,子服务器筛选出数据传输时间、压缩时间以及解压时间之和最小的压缩算法,基于该压缩算法对多个行驶数据组进行压缩,并将压缩后的多个行驶数据组发送至总服务器。
由于压缩后网络传输时间变成了压缩时间+压缩数据传输时间+解压时间,因此这里需要预估每个压缩算法,在当前传输速度以及离散程度的情况下所需耗费的三个时间和。为了保证传输的高效快速,本发明实施例会选取三个时间和最小的压缩算法来进行行驶数据组的压缩、传输及解压。
作为上述本发明实施例中总服务器对多个行驶数据组进行排序的一种具体实现方法,当每个子服务器负责记录不同的地区的交通数据时,考虑到实际情况中车辆可能会在较短的时间内行驶于两个不同的地区中,如在两个地区的边界进行来回行驶,此时即使根据间隔点将排序后的第一行驶数据划分为多个行驶数据组,还是会出现两个地区的行驶数据组存在时间重叠的情况,如假设车辆11点左右在A地区和B地区边界来回行驶,延迟得到的行驶数据组中,车辆上午10:00-11:02在A地区行驶,在10:58-12:00在B地区行驶,因此两个地区对应的行驶数据组就出现了时间重叠的情况,而时间重叠的行驶数据组是无法直接进行排序和拼接的,因此为了实现对接收到的行驶数据组的准确排序拼接,如图5所示,本发明实施例五,包括:
S501,总服务器按照时间先后对多个行驶数据组进行排序,并检测其中是否存在时间重叠的行驶数据组。
通过时间先后的排序,可以实现对时间重叠的行驶数据组的快速查找,其中,若一个行驶数据组组尾的行驶数据的拍摄时间,先于另一个行驶数据组组头的行驶数据的拍摄时间,说明两者存在时间重叠。
S502,若多个行驶数据组中存在时间重叠的行驶数据组,对时间重叠的行驶数据组内包含的行驶数据按照时间先后进行排序组合,得到组合后的行驶数据组。
对时间重叠的行驶数据组,本发明实施例中会将其拆分合并,即会将时间重叠的行驶数据组中的行驶数据重新进行排序,并合并为一个新的行驶数据组,如上述实例中车辆上午10:00-11:02在A地区行驶,在10:58-12:00在B地区行驶,此时会将对应的两个行驶数据组进行重新排序合并,得到对应的车辆在10:00-12:00的行驶数据组。
S503,基于组合后的行驶数据组对多个行驶数据组进行更新,并按照时间先后对更新后的多个行驶数据组进行排序拼接,得到第二行驶数据。
在得到合并后的行驶数据组之后,再将其与其他无时间重叠的行驶数据组进行排序拼接,即可得到一个时域连续的第二行驶数据的查询结果。
在本发明实施例中,通过将交通数据分布式存储,由子服务器分别进行各自本地存储的交通数据的筛选和排序工作,并对排序后的形式数据进行分组发送至总服务器,再由总服务器对接收到的各个子服务器排序分组好的行驶数据组进行组间排序拼接,从而使得本发明实施例减小了每次数据筛选查询的数据量,提升了查询的速度,且由于预先进行了排序分组,从而使得总服务器只需要对已经排好序的行驶数据组进行排序,极大地减小了所需排序的数据量,使得对车辆行驶数据的查询效率得到了极大地提高。同时通过预先对总服务器的监控区域进行基于行政区域的划分,并由每个子服务器唯一存储一个监控子区域的交通数据,从而使得每个车辆的行驶数据极可能地集中了起来,极大地提高了子服务器对车辆行驶数据查询的总效率,通过预先建立索引等方式来进行车牌号的查询,极大地提升了对大数据量的行驶数据的查询提取速度,再基于所需传输的多个行驶数据组的总数据量以及离散程度情况来进行压缩算法的选取和数据的压缩传输,从而保证了数据传输的高效,使得本发明实施例可以从多方面来提升对整个行驶数据查询的效率,使得对车辆行驶数据的查询效率得到了极大地提高。
对应于上文实施例的方法,图6示出了本发明实施例提供的分布式车辆行驶数据查询系统的结构框图,为了便于说明,仅示出了与本发明实施例相关的部分。图6示例的分布式车辆行驶数据查询系统可以是前述实施例一提供的分布式车辆行驶数据查询方法的执行主体。
参照图6,该分布式车辆行驶数据查询系统包括:总服务器61以及多个子服务器62。
所述总服务器61用于将接收到的车辆信息发送至所述多个子服务器62。
所述子服务器62用于根据所述车辆信息对本地存储的交通数据进行筛选,得到对应的第一行驶数据。
所述子服务器62还用于对所述第一行驶数据按照时间先后进行排序,查找出排序后的所述第一行驶数据中相邻数据的拍摄时间间隔大于预设间隔阈值的间隔点,并按照所述间隔点将排序后的所述第一行驶数据划分为多个行驶数据组。
所述子服务器62还用于将所述多个行驶数据组发送至所述总服务器61。
所述总服务器61还用于对接收到的所述多个行驶数据组按照时间先后进行排序拼接,并将拼接后得到的第二行驶数据作为查询结果。
进一步地,该分布式车辆行驶数据查询系统,还包括:
所述总服务器61还用于将其对应的交通数据监控区域划分为多个监控子区域。
所述总服务器61还用于建立所述多个子服务器62与所述多个监控子区域的唯一对应关系。
所述子服务器62还用于本地存储与其唯一对应的所述监控子区域的交通数据。
进一步地,所述子服务器62,还用于:
所述子服务器62提取出所述车辆信息中车牌号包含的多个车牌字符。
所述子服务器62基于所述车牌字符在所述车牌号中的位置,查找出与所述多个车牌字符一一对应的多个预设字符索引,其中,每个预设字符索引中记录有车牌号中一个位置的车牌字符对应的行驶数据存储地址集,且每个预设字符索引与车牌号中车牌字符的位置唯一对应。
所述子服务器62根据所述多个预设字符索引查询出所述多个车牌字符分别对应的多个行驶数据存储地址集,并基于所述多个行驶数据存储地址集的交集地址进行数据读取,得到所述第一行驶数据。
进一步地,所述子服务器62,还用于:
所述子服务器62计算所述多个行驶数据组的总数据量以及离散度,并获取与所述总服务器61的数据传输速度,所述离散度为所述多个行驶数据组中包含的数据组数与所述总数据量之商。
所述子服务器62基于所述离散度查找出预设的多种压缩算法分别对应的压缩率,并基于所述压缩率以及所述总数据量,计算出每种所述压缩算法分别对应的压缩后数据量。
所述子服务器62根据所述压缩后数据量以及所述数据传输速度计算出每种所述压缩算法分别对应的数据传输时间,并根据所述总数据量和数据组数,计算出每种所述压缩算法分别对应的压缩时间和解压时间。
所述子服务器62筛选出所述数据传输时间、所述压缩时间以及所述解压时间之和最小的所述压缩算法,基于该压缩算法对所述多个行驶数据组进行压缩,并将压缩后的所述多个行驶数据组发送至所述总服务器61。
进一步地,所述总服务器61,还用于:
所述总服务器61按照时间先后对所述多个行驶数据组进行排序,并检测其中是否存在时间重叠的行驶数据组。
若所述多个行驶数据组中存在时间重叠的行驶数据组,对所述时间重叠的行驶数据组内包含的行驶数据按照时间先后进行排序组合,得到组合后的行驶数据组。
基于所述组合后的行驶数据组对所述多个行驶数据组进行更新,并按照时间先后对更新后的所述多个行驶数据组进行排序拼接,得到所述第二行驶数据。
本发明实施例提供的分布式车辆行驶数据查询系统中各服务器实现各自功能的过程,具体可参考前述图1所示实施例一的描述,此处不再赘述。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
还应理解的是,虽然术语“第一”、“第二”等在文本中在一些本发明实施例中用来描述各种元素,但是这些元素不应该受到这些术语的限制。这些术语只是用来将一个元素与另一元素区分开。例如,第一表格可以被命名为第二表格,并且类似地,第二表格可以被命名为第一表格,而不背离各种所描述的实施例的范围。第一表格和第二表格都是表格,但是它们不是同一表格。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使对应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种分布式车辆行驶数据查询方法,其特征在于,包括:
总服务器将接收到的车辆信息发送至多个子服务器;
所述子服务器根据所述车辆信息对本地存储的交通数据进行筛选,得到对应的第一行驶数据;
所述子服务器对所述第一行驶数据按照时间先后进行排序,查找出排序后的所述第一行驶数据中相邻数据的拍摄时间间隔大于预设间隔阈值的间隔点,并按照所述间隔点将排序后的所述第一行驶数据划分为多个行驶数据组;
所述子服务器将所述多个行驶数据组发送至所述总服务器;
所述总服务器对接收到的所述多个行驶数据组按照时间先后进行排序拼接,并将拼接后得到的第二行驶数据作为查询结果。
2.如权利要求1所述的分布式车辆行驶数据查询方法,其特征在于,在所述总服务器将接收到的车辆信息发送至多个子服务器之前,还包括:
所述总服务器将其对应的交通数据监控区域划分为多个监控子区域;
所述总服务器建立所述多个子服务器与所述多个监控子区域的唯一对应关系;
所述子服务器本地存储与其唯一对应的所述监控子区域的交通数据。
3.如权利要求1所述的分布式车辆行驶数据查询方法,其特征在于,所述子服务器根据所述车辆信息对本地存储的交通数据进行筛选,得到对应的第一行驶数据,包括:
所述子服务器提取出所述车辆信息中车牌号包含的多个车牌字符;
所述子服务器基于所述车牌字符在所述车牌号中的位置,查找出与所述多个车牌字符一一对应的多个预设字符索引,其中,每个预设字符索引中记录有车牌号中一个位置的车牌字符对应的行驶数据存储地址集,且每个预设字符索引与车牌号中车牌字符的位置唯一对应;
所述子服务器根据所述多个预设字符索引查询出所述多个车牌字符分别对应的多个行驶数据存储地址集,并基于所述多个行驶数据存储地址集的交集地址进行数据读取,得到所述第一行驶数据。
4.如权利要求1所述的分布式车辆行驶数据查询方法,其特征在于,所述子服务器将所述多个行驶数据组发送至所述总服务器,包括:
所述子服务器计算所述多个行驶数据组的总数据量以及离散度,并获取与所述总服务器的数据传输速度,所述离散度为所述多个行驶数据组中包含的数据组数与所述总数据量之商;
所述子服务器基于所述离散度查找出预设的多种压缩算法分别对应的压缩率,并基于所述压缩率以及所述总数据量,计算出每种所述压缩算法分别对应的压缩后数据量;
所述子服务器根据所述压缩后数据量以及所述数据传输速度计算出每种所述压缩算法分别对应的数据传输时间,并根据所述总数据量和数据组数,计算出每种所述压缩算法分别对应的压缩时间和解压时间;
所述子服务器筛选出所述数据传输时间、所述压缩时间以及所述解压时间之和最小的所述压缩算法,基于该压缩算法对所述多个行驶数据组进行压缩,并将压缩后的所述多个行驶数据组发送至所述总服务器。
5.如权利要求1所述的分布式车辆行驶数据查询方法,其特征在于,所述总服务器对接收到的所述多个行驶数据组按照时间先后进行排序拼接,并将拼接后得到的第二行驶数据作为查询结果,包括:
所述总服务器按照时间先后对所述多个行驶数据组进行排序,并检测其中是否存在时间重叠的行驶数据组;
若所述多个行驶数据组中存在时间重叠的行驶数据组,对所述时间重叠的行驶数据组内包含的行驶数据按照时间先后进行排序组合,得到组合后的行驶数据组;
基于所述组合后的行驶数据组对所述多个行驶数据组进行更新,并按照时间先后对更新后的所述多个行驶数据组进行排序拼接,得到所述第二行驶数据。
6.一种分布式车辆行驶数据查询系统,其特征在于,包括:总服务器以及多个子服务器;
所述总服务器用于将接收到的车辆信息发送至所述多个子服务器;
所述子服务器用于根据所述车辆信息对本地存储的交通数据进行筛选,得到对应的第一行驶数据;
所述子服务器还用于对所述第一行驶数据按照时间先后进行排序,查找出排序后的所述第一行驶数据中相邻数据的拍摄时间间隔大于预设间隔阈值的间隔点,并按照所述间隔点将排序后的所述第一行驶数据划分为多个行驶数据组;
所述子服务器还用于将所述多个行驶数据组发送至所述总服务器;
所述总服务器还用于对接收到的所述多个行驶数据组按照时间先后进行排序拼接,并将拼接后得到的第二行驶数据作为查询结果。
7.如权利要求6所述的分布式车辆行驶数据查询系统,其特征在于,还包括:
所述总服务器还用于将其对应的交通数据监控区域划分为多个监控子区域;
所述总服务器还用于建立所述多个子服务器与所述多个监控子区域的唯一对应关系;
所述子服务器还用于本地存储与其唯一对应的所述监控子区域的交通数据。
8.如权利要求6所述的分布式车辆行驶数据查询系统,其特征在于,所述子服务器用于根据所述车辆信息对本地存储的交通数据进行筛选,得到对应的第一行驶数据,包括:
所述子服务器提取出所述车辆信息中车牌号包含的多个车牌字符;
所述子服务器基于所述车牌字符在所述车牌号中的位置,查找出与所述多个车牌字符一一对应的多个预设字符索引,其中,每个预设字符索引中记录有车牌号中一个位置的车牌字符对应的行驶数据存储地址集,且每个预设字符索引与车牌号中车牌字符的位置唯一对应;
所述子服务器根据所述多个预设字符索引查询出所述多个车牌字符分别对应的多个行驶数据存储地址集,并基于所述多个行驶数据存储地址集的交集地址进行数据读取,得到所述第一行驶数据。
9.如权利要求6所述的分布式车辆行驶数据查询系统,其特征在于,所述子服务器将所述多个行驶数据组发送至所述总服务器,包括:
所述子服务器计算所述多个行驶数据组的总数据量以及离散度,并获取与所述总服务器的数据传输速度,所述离散度为所述多个行驶数据组中包含的数据组数与所述总数据量之商;
所述子服务器基于所述离散度查找出预设的多种压缩算法分别对应的压缩率,并基于所述压缩率以及所述总数据量,计算出每种所述压缩算法分别对应的压缩后数据量;
所述子服务器根据所述压缩后数据量以及所述数据传输速度计算出每种所述压缩算法分别对应的数据传输时间,并根据所述总数据量和数据组数,计算出每种所述压缩算法分别对应的压缩时间和解压时间;
所述子服务器筛选出所述数据传输时间、所述压缩时间以及所述解压时间之和最小的所述压缩算法,基于该压缩算法对所述多个行驶数据组进行压缩,并将压缩后的所述多个行驶数据组发送至所述总服务器。
10.如权利要求6所述的分布式车辆行驶数据查询系统,其特征在于,所述总服务器对接收到的所述多个行驶数据组按照时间先后进行排序拼接,并将拼接后得到的第二行驶数据作为查询结果,包括:
所述总服务器按照时间先后对所述多个行驶数据组进行排序,并检测其中是否存在时间重叠的行驶数据组;
若所述多个行驶数据组中存在时间重叠的行驶数据组,对所述时间重叠的行驶数据组内包含的行驶数据按照时间先后进行排序组合,得到组合后的行驶数据组;
基于所述组合后的行驶数据组对所述多个行驶数据组进行更新,并按照时间先后对更新后的所述多个行驶数据组进行排序拼接,得到所述第二行驶数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811344902.1A CN109657018B (zh) | 2018-11-13 | 2018-11-13 | 一种分布式车辆行驶数据查询方法及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811344902.1A CN109657018B (zh) | 2018-11-13 | 2018-11-13 | 一种分布式车辆行驶数据查询方法及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109657018A true CN109657018A (zh) | 2019-04-19 |
CN109657018B CN109657018B (zh) | 2024-05-07 |
Family
ID=66110876
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811344902.1A Active CN109657018B (zh) | 2018-11-13 | 2018-11-13 | 一种分布式车辆行驶数据查询方法及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109657018B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115659154A (zh) * | 2022-12-13 | 2023-01-31 | 广汽埃安新能源汽车股份有限公司 | 数据发送方法、装置、服务器和计算机可读介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100472080B1 (ko) * | 2004-11-12 | 2005-03-14 | 건아정보기술 주식회사 | 차량 속도감지 시스템를 이용한 교통정보 수집시스템 및방법 |
CN102521406A (zh) * | 2011-12-26 | 2012-06-27 | 中国科学院计算技术研究所 | 海量结构化数据复杂查询任务的分布式查询方法和系统 |
CN103530084A (zh) * | 2013-09-26 | 2014-01-22 | 北京奇虎科技有限公司 | 一种数据并行排序方法和系统 |
CN106326358A (zh) * | 2016-08-10 | 2017-01-11 | 东方网力科技股份有限公司 | 一种基于大数据的车辆通行信息的查询方法及装置 |
US20170153870A1 (en) * | 2014-06-17 | 2017-06-01 | Maluuba Inc. | Server and method for ranking data sources |
CN107066511A (zh) * | 2017-01-20 | 2017-08-18 | 龚杰 | 一种分布式时间序列地理信息服务系统及方法 |
CN108108473A (zh) * | 2018-01-02 | 2018-06-01 | 联想(北京)有限公司 | 数据查询方法以及服务器 |
CN108491541A (zh) * | 2018-04-03 | 2018-09-04 | 哈工大大数据(哈尔滨)智能科技有限公司 | 一种应用于分布式的多维数据库联合查询方法及系统 |
-
2018
- 2018-11-13 CN CN201811344902.1A patent/CN109657018B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100472080B1 (ko) * | 2004-11-12 | 2005-03-14 | 건아정보기술 주식회사 | 차량 속도감지 시스템를 이용한 교통정보 수집시스템 및방법 |
CN102521406A (zh) * | 2011-12-26 | 2012-06-27 | 中国科学院计算技术研究所 | 海量结构化数据复杂查询任务的分布式查询方法和系统 |
CN103530084A (zh) * | 2013-09-26 | 2014-01-22 | 北京奇虎科技有限公司 | 一种数据并行排序方法和系统 |
US20170153870A1 (en) * | 2014-06-17 | 2017-06-01 | Maluuba Inc. | Server and method for ranking data sources |
CN106326358A (zh) * | 2016-08-10 | 2017-01-11 | 东方网力科技股份有限公司 | 一种基于大数据的车辆通行信息的查询方法及装置 |
CN107066511A (zh) * | 2017-01-20 | 2017-08-18 | 龚杰 | 一种分布式时间序列地理信息服务系统及方法 |
CN108108473A (zh) * | 2018-01-02 | 2018-06-01 | 联想(北京)有限公司 | 数据查询方法以及服务器 |
CN108491541A (zh) * | 2018-04-03 | 2018-09-04 | 哈工大大数据(哈尔滨)智能科技有限公司 | 一种应用于分布式的多维数据库联合查询方法及系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115659154A (zh) * | 2022-12-13 | 2023-01-31 | 广汽埃安新能源汽车股份有限公司 | 数据发送方法、装置、服务器和计算机可读介质 |
CN115659154B (zh) * | 2022-12-13 | 2023-06-27 | 广汽埃安新能源汽车股份有限公司 | 数据发送方法、装置、服务器和计算机可读介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109657018B (zh) | 2024-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103971515B (zh) | 一种计程车拼车方法、系统及服务器 | |
CN102902752B (zh) | 一种日志监控方法及系统 | |
CN104332046A (zh) | 一种计程车拼车方法、系统及服务器 | |
CN107195175A (zh) | 一种订单分配方法及系统 | |
CN105224658A (zh) | 一种大数据的实时查询方法和系统 | |
CN103853838B (zh) | 一种数据处理方法和装置 | |
CN109087030A (zh) | 实现c2c通用移动众包的方法、通用移动众包服务器及系统 | |
CN103279505B (zh) | 一种基于语义的海量数据处理方法 | |
CN101917482A (zh) | 一种信息推送方法及信息推送服务器 | |
Gomes et al. | An infrastructure model for smart cities based on big data | |
CN104933473A (zh) | 基于变邻域搜索蚁群算法的城市智能交通调度方法 | |
CN109657018A (zh) | 一种分布式车辆行驶数据查询方法及终端设备 | |
CN109408781A (zh) | 一种基于行政区划的寄递地址编码方法 | |
CN1996426B (zh) | 交通信息显示方法和装置 | |
CN110489614A (zh) | 一种app推荐方法、装置及设备 | |
CN107316094A (zh) | 一种通勤线路挖掘方法及装置 | |
CN108574718A (zh) | 一种云主机创建方法及装置 | |
CN104639359A (zh) | 信息的处理方法与装置 | |
CN102523236A (zh) | 一种动态连接建立方法和设备 | |
CN104202407A (zh) | 一种视频文件同步方法及装置 | |
CN104125146A (zh) | 一种业务处理方法及装置 | |
CN107391728B (zh) | 数据挖掘方法以及数据挖掘装置 | |
CN111461779B (zh) | 地图信息处理的方法、装置、可读存储介质和电子设备 | |
CN108255979A (zh) | 一种数据汇总方法、数据汇总平台及系统 | |
CN105824968B (zh) | 一种清理文件夹的方法、装置及移动终端 |
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 |