CN109859516B - 一种出租汽车异常聚集识别方法及装置 - Google Patents
一种出租汽车异常聚集识别方法及装置 Download PDFInfo
- Publication number
- CN109859516B CN109859516B CN201910187125.2A CN201910187125A CN109859516B CN 109859516 B CN109859516 B CN 109859516B CN 201910187125 A CN201910187125 A CN 201910187125A CN 109859516 B CN109859516 B CN 109859516B
- Authority
- CN
- China
- Prior art keywords
- taxi
- density
- area
- state
- taxies
- 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.)
- Active
Links
Images
Landscapes
- Traffic Control Systems (AREA)
- Devices For Checking Fares Or Tickets At Control Points (AREA)
Abstract
本发明公开了一种出租汽车异常聚集识别方法,其预先将打车区域划分为多个打车子区域,从中识别出多个高密度打车子区域,然后根据高密度打车子区域内出租汽车数量的变化趋势和周边出租汽车的行驶方向来判断该高密度区域聚集当前是正在发生聚集事件或者疏散事件,若为聚集事件,则进一步根据该高密度打车子区域内,以及驶向和驶离该高密度打车子区域的出租汽车的载客状态来判断,该高密度打车子区域内是否正在发生异常聚集事件,从而为相应的监管系统和动力调度系统提供参考和警告,进而作出相应的调制措施,进而避免因异常聚集而导致的交通堵塞或者公共安全事故等。相应地,本发明还提供了一种出去汽车异常聚集识别装置。
Description
技术领域
本发明涉及交通信息技术领域,具有涉及一种出租汽车异常聚集识别方法及装置。
背景技术
巡游出租汽车作为城市中一种必备的交通工具,对于缓解城市交通压力,节约社会资源有着不可代替代的作用。但巡游出租汽车是无固定路线,在未载客的状态,即空车状态下,其行驶过程中一般无法对行驶目的地进行有效预判,这不利于监管部门监管。然而,实际应用中,因监管部门或者动力调度部门需要,需要对出租汽车的聚集或疏散情况进行了解。
传统的方式中,通常通过特定区域内的出租汽车的数量进行判断,且只能在车辆发生聚集之后,使得道路发生拥堵时,才能够发现聚集情况。
发明内容
针对上述存在的技术问题,本发明提供一种出租汽车异常聚集识别方法。
为了解决上述技术问题,本发明采用的技术方案为:
一种出租汽车异常聚集识别方法,其包括步骤:
预先将打车区域划分为多个面积相同的打车子区域,并根据每个打车子区域内的出租汽车数量识别出多个高密度打车子区域;
获取每个高密度打车子区域内出租汽车数量在预设时间段内的变化趋势,并根据所述变化趋势识别出当前正在发生聚集事件的高密度打车子区域;
获取当前正在发生聚集事件的高密度打车子区域内各个出租汽车的载客状态,并根据所述载客状态为空车状态/重车状态对应的出租汽车数量在预设时间段内的变化趋势判断出每种载客状态的出租汽车当前是正在向所述高密度打车子区域聚集或疏散;
若其中任一载客状态的出租汽车当前正在向所述高密度打车子区域进行聚集,而另一载客状态的出租汽车并没有从该高密度打车子区域进行疏散,则判定所述高密度打车子区域当前正在发生异常聚集事件。
其中,识别出当前正在发生聚集事件的高密度打车子区域的步骤,具体包括步骤:
判断所述变化趋势是否为上升趋势,若是则分别获取驶离所述高密度打车子区域的出租汽车数量,以及所述高密度打车子区域周边的打车子区域中驶向所述高密度打车子区域的出租汽车数量;
判断驶向所述高密度打车子区域的出租汽车数量是否大于或等于驶离的出租汽车数量,若是,则判定所述高密度打车子区域当前正在发生聚集事件。
其中,根据所述载客状态为空车状态/重车状态对应的出租汽车数量在预设时间段内的变化趋势判断出每种载客状态的出租汽车当前是正在向所述高密度打车子区域聚集或疏散的步骤,具体包括步骤:
判断当前正在发生聚集事件的高密度打车子区域内处于空车状态/重车状态的出租汽车数量的变化趋势是否呈上升趋势,且驶向所述高密度打车子区域的空车状态/重车状态的出租汽车数量是否大于或等于驶离的空车状态/重车状态的出租汽车数量;
若所述高密度打车子区域的空车状态/重车状态的出租汽车数量的变化趋势呈上升趋势,且驶向所述高密度打车子区域的空车状态/重车状态的出租汽车数量大于或等于驶离的空车状态/重车状态的出租汽车数量,则判定当前处于空车状态/重车状态的出租汽车正在向所述高密度打车子区域进行聚集;
若所述高密度打车子区域的空车状态/重车状态的出租汽车数量的变化趋势不呈上升趋势,且驶向所述高密度打车子区域的空车状态/重车状态的出租汽车数量小于驶离的空车状态/重车状态的出租汽车数量,则判定当前处于空车状态/重车状态的出租汽车正在从所述高密度打车子区域进行疏散。
进一步地,所述出租汽车异常聚集识别方法,还包括步骤:
若所述高密度打车子区域内出租汽车数量的变化趋势不呈上升趋势,且驶向所述高密度打车子区域的出租汽车数量小于驶离所述高密度区域的出租汽车数量,则判定述高密度打车子区域当前正在发生疏散事件。
其中,所述根据每个打车子区域内的出租汽车数量识别出多个高密度区域的步骤,具体包括步骤:
根据各个出租汽车的位置信息计算每个打车子区域内所有出租汽车的数量,并判断每个打车子区域内的出租汽车数量是否达到预设阈值,若出租汽车数量达到预设阈值,则标记所述打车子区域为高密度打车子区域。
基于上述的出租汽车异常聚集识别方法,本发明还提供了一种出租汽车异常聚集识别装置,其包括:
信息获取模块,用于实时获取各个出租汽车的车辆状态,所述车辆状态包括位置信息、行驶方向和载客状态,其中,所述载客状态包括空车状态和重车状态;
中央控制模块,用于预先将打车区域划分为多个面积相同的打车子区域,并根据所述信息获取模块实时获取的各个出租汽车的位置信息识别出多个高密度打车子区域,并获取每个高密度打车子区域内的出租汽车数量在预设时间段内的变化趋势,然后根据所述变化趋势识别出当前正在发生聚集事件的高密度打车子区域,并获取当前正在发生聚集事件的高密度打车子区域内各个出租汽车的载客状态,并根据所述载客状态为空车状态/重车状态对应的出租汽车数量在预设时间段内的变化趋势判断出每种载客状态的出租汽车当前是正在向所述高密度打车子区域聚集或疏散,若其中任一载客状态的出租汽车当前正在向所述高密度打车子区域进行聚集,而另一载客状态的出租汽车并没有从该高密度打车子区域进行疏散,则判定所述高密度打车子区域当前正在发生异常聚集事件。
其中,所述中央控制模块具体用于判断所述变化趋势是否为上升趋势,若是则分别获取驶离所述高密度打车子区域的出租汽车数量,以及所述高密度打车子区域周边的打车子区域中驶向所述高密度打车子区域的出租汽车数量,并判断驶向所述高密度打车子区域的出租汽车数量是否大于或等于驶离的出租汽车数量,若是,则判定所述高密度打车子区域当前正在发生聚集事件。
其中,所述中央控制模块具体用于分别判断当前正在发生聚集事件的高密度打车子区域内处于空车状态/重车状态的出租汽车数量的变化趋势是否呈上升趋势,且驶向所述高密度打车子区域的空车状态/重车状态的出租汽车数量是否大于或等于驶离的空车状态/重车状态的出租汽车数量;若所述高密度打车子区域的空车状态/重车状态的出租汽车数量的变化趋势呈上升趋势,且驶向所述高密度打车子区域的空车状态/重车状态的出租汽车数量大于或等于驶离的空车状态/重车状态的出租汽车数量,则判定当前处于空车状态/重车状态的出租汽车正在向所述高密度打车子区域进行聚集;若所述高密度打车子区域的空车状态/重车状态的出租汽车数量的变化趋势不呈上升趋势,且驶向所述高密度打车子区域的空车状态/重车状态的出租汽车数量小于驶离的空车状态/重车状态的出租汽车数量,则判定当前处于空车状态/重车状态的出租汽车正在从所述高密度打车子区域进行疏散。
进一步地,所述中央控制模块还用于当判断出所述高密度打车子区域内的出租汽车数量的变化趋势不为上升趋势,且周边打车子区域中驶向所述高密度区域的出租汽车的数量小于驶离所述高密度打车子区域的出租汽车数量时,判定所述高密度打车子区域当前正在发生疏散事件。
其中,所述中央控制模块具体用于根据信息获取模块所获取的各个出租汽车的位置信息计算每个打车子区域内所有出租汽车的数量,并判断每个打车子区域内的出租汽车数量是否达到预设阈值,若出租汽车数量达到预设阈值,则标记所述打车子区域为高密度打车子区域。
本发明的有益之处在于:
本发明公开了一种出租汽车异常聚集识别方法及装置,其通过实时获取各个出租汽车的位置信息,并根据位置信息识别出高密度区域,然后根据高密度区域内出租汽车数量的变化趋势和周边出租汽车的行驶方向来判断各个出租汽车当前是正在向该高密度区域聚集还是从该高密度区域进行疏散,若判断出各个出租汽车当前是正在向该高密度区域聚集,那么进一步根据驶向该高密度区域的出租汽车是载客状态来判断,该高密度区域内是否正在发生异常聚集,从而为相应的监管系统和动力调度系统提供参考和警告,进而作出相应的调制措施,进而避免因异常聚集而导致的交通堵塞或者公共安全事故等。
附图说明
图1为本发明的一种出租汽车异常聚集识别方法的一实施例的流程图;
图2为本发明的一种出租汽车异常聚集识别方法的又一实施例的流程图;
图3为本发明的一种出租汽车异常聚集识别装置的一实施例的功能模块图;
图4为本发明的一种出租汽车异常聚集识别方法中将某打车区域划分为多个大子区域的示意图。
具体实施方式
下面结合附图,对本发明作详细的说明。
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
名称释义:
载客状态:本文中的载客状态是指出租汽车是否搭载乘客的状态,若搭载有乘客,则为重车状态,若未搭载乘客,则为空车状态。
打车区域:本文中的打车区域是指经常需要打车的某一城市,如重庆或成都或北京,且每个打车区域内都存在多个出租汽车。当然,该打车区域也可以是某一城市中的某一商圈区域,如南坪万达商圈或观音桥商圈等。
打车子区域:本文中的打车子区域是指按照预设规则将某一打车区域划分为多个面积相同的打车子区域。其中,预设划分规则可以按照一定的距离(如2公里,当然也可根据实际情况来配置该距离)将该打车区域划分为若干个正方形区域,例如按照2公里×2公里(或4公里×4公里等)将重庆市(通常是指市区)划分为多个打车子区域A1、A2···Aj···;或者长方形区域,例如按照3公里×2公里(或3公里×4公里等)将重庆市(通常是指市区)划分为多个打车子区域;或者其它正多边形区域;当然,按照不规则形式进行划分也是可以理解的,但每个子区域的范围或面积相同,且相邻的多个打车子区域之间为接壤的形式。
高密度打车子区域:通常情况下,每个打车子区域内的出租汽车数量是低于一个预设阈值,当该打车子区域内的出租汽车数量达到该预设阈值(例如100辆)时,则说明该打车子区域可能出现了异常情况,因此,将该打车子区域标记为高密度打车子区域,并实时关注该打车子区域内的出租汽车数量的变化趋势,以便于后续判断各个出租汽车是否正在向该高密度打车子区域进行聚集。因此,本文中将出租汽车数量达到预设阈值的打车子区域定义为高密度区域。具体地,本文中的高密度打车区域是指参照热力图算法,将某个城市或某个地区以热力图的形式,按照预设面积(如2公里×2公里)进行划分为多个接壤的打车子区域,参见图4,其中,若某个打车子区域内的出租汽车的数量达到预设阈值时,则该打车子区域即为高密度打车子区域。当然,本文中每个打车子区域内出租汽车的预设阈值可根据每个打车子区域的实际情况设定,例如,对应于商圈的打车子区域的预设阈值可能较高,那么该预设阈值可设定为200辆,而相反,远离市中心的打车子区域的预设阈值可能较低,那么该预设阈值可设定为50辆。
聚集事件:本文中的聚集事件是指高密度打车子区域内的出租汽车数量(包括了空车状态的出租汽车数量和重车状态的出租汽车数量)在不断增加,即数量变化呈上升区域,且其周边打车子区域内的出租汽车中,前往该高密度打车子区域的出租汽车数量大于或等于离开该高密度打车子区域的出租汽车数量,则说明出租汽车正在向该高密度打车子区域内聚集。当然该高密度打车子区域内,或者驶离/驶向该高密度打车子区域的出租汽车可能是搭载有乘客的出租汽车,即处于重车状态的出租汽车,也可能是未搭载乘客的出租汽车,即处于空车状态的出租汽车,当然,也可能既有空车状态的出租汽车,也有处于重车状态的出租汽车。
疏散事件:本文中的疏散事件是指高密度打车子区域的出租汽车的数量变化呈下降区域,且周边打车子区域的出租汽车中,前往该高密度打车子区域的出租汽车数量小于离开该高密度打车子区域的出租汽车数量,则说明出租汽车正在从该高密度打车子区域内进行疏散。
通常情况下,高密度打车子区域发生聚集事件,可能是由于处于空车状态的出租汽车在向该高密度打车子区域聚集,而重车状态的出租汽车从高高密度打车子区域进行疏散,例如当演唱会结束时,空车状态的出租汽车会向演唱会所在的体育馆内聚集,而重车状态的出租汽车会远离该体育馆;也可能是重车状态的出租汽车正在向该高密度打车子区域聚集,而空车状态的出租汽车正在从该高密度打车子区域疏散,例如,当演唱会开始前时,重车状态的出租汽车会载客向该体育馆聚集,而空车状态的出租汽车会从该体育馆进行疏散,这两种情况都是正常的聚集事件。然而当其中任一状态(如处于空车状态)的出租汽车向该高密度打车子区域聚集,而另一种状态(如处于重车状态)的出租汽车却没有从高密度打车子区域进行疏散的情况则将视为异常聚集事件。因此,本发明中在识别出当前正在发生聚集事件的高密度打车子区域后还需要根据该高密度打车子区域中分别处于空车状态和重车状态的出租汽车数量的变化趋势结合驶向和驶离该高密度打车子区域的空车状态/重车状态的出租汽车数量来判断,当空车状态/重车状态的出租汽车正在向高密度打车子区域进行聚集时,另一载客状态的出租汽车是否正在从该高密度打车子区域进行疏散,若未进行疏散,那么则视为异常聚集,具体地,本发明的核心思想是通过预先将某一打车区域划分为多个面积相同的打车子区域,然后根据每个打车子区域内的出租汽车数量识别出高密度打车子区域(具体地,可通过获取每个出租汽车的位置信息和每个打车子区域的坐标或者经纬度等位置信息进行统计得到每个打车子区域内的出租汽车数量,并将出租汽车数量大于预设阈值的打车子区域标记为高密度打车子区域),再根据每个高密度打车子区域内出租汽车数量在预设时间段内的变化趋势以及驶向和驶离该高密度打车子区域出租汽车的数量来识别出当前正在发生聚集事件的高密度打车子区域,然后再根据该子区域内重车状态/空车状态的出租汽车数量变化趋势来识别处于重车状态/空车状态的出租汽车是正在向该高密度打车子区域聚集或疏散,且其中一种状态的出租汽车正在向该高密度打车子区域聚集,而另一种状态的出租汽车却没有疏散,例如两种状态的出租汽车都在向该高密度打车子区域聚集,的情况则判定为异常聚集事件。
当然,本发明中并不是时刻判断每个打车子区域是否正在发生聚集事件/疏散事件/异常聚集事件,而是每间隔一段时间,即周期性地判断各个打车子区域是否发生聚集事件/疏散事件/异常聚集事件,而具体的间隔时间可根据每个打车区域的实际情况设定,例如10分钟或者30分钟,当然,该间隔时间也即为本发明的识别方法的一个计算周期。
实施例一
参见图1,为本发明的一种出租汽车异常聚集识别方法的一实施例的流程图,具体地,本实施例的该出租汽车异常聚集识别方法包括步骤:
S11,实时获取打车区域内各个出租汽车的车辆状态。
本实施例中,该车辆状态包括车辆当前所在的位置信息、载客状态和行驶方向。具体地,该位置信息可通过GPS或者借助车联网系统等方式从车载设备上获取;该载客状态可根据出租汽车的计价器是否开启来区分,即若计价器开启,则表示该出租汽车搭载有乘客,即为重车状态,若计价器未开启,则表示该出租汽车未搭载乘客,即为空车状态。
S12,根据各个出租汽车的位置信息计算每个打车子区域内当前的出租汽车数量,并判断每个打车区域内当前的出租汽车数量是否达到预设阈值,若达到,则执行步骤S13,否则,执行步骤S11。
本实施例中,由于预先将打车区域划分为多个打车子区域,自然也就得知每个打车子区域的位置信息,例如坐标,或者经纬度以及范围区域等,从而当获取到每个出租汽车的位置信息时,则可将出租汽车的位置信息与打车子区域的位置信息进行比较,进而得到每个打车子区域内的出租汽车数量。
当然,在另一具体实施例中,也可根据每个打车子区域的边界线或者与相邻打车子区域的接壤界线,逐一获取每个打车子区域范围内的出租汽车的数量。
S13,将出租汽车数量达到预设阈值的打车子区域标记为高密度打车子区域,执行步骤S14。
本实施例中,通过根据各个出租汽车的位置信息计算每个打车子区域内当前的出租汽车数量,将该出租汽车数量与预设阈值进行比较,即通过各个出租汽车的位置信息识别出所有打车子区域中的高密度打车子区域,当然,该高密度打车子区域可能为一个,也可能为多个。
S14,获取该高密度打车子区域内的出租汽车数量在预设时间段内的变化趋势,以及该高密度打车子区域周边的出租汽车中驶向和驶离该高密度打车子区域的出租汽车数量,执行步骤S15。
S15,判断该高密度打车子区域内出租汽车数量的变化趋势是否呈上升区域,且周边驶向该高密度打车子区域的出租汽车数量是否大于或等于驶离该高密度打车子区域的出租汽车数量,若呈上升区域,且驶向的出租汽车数量大于或等于驶离的出租汽车数量,则执行步骤S16;若不呈上升区域,且驶向的出租汽车数量小于驶离的出租汽车数量,则执行步骤S17。
本实施例中,若判断出高密度打车子区域内的出租汽车数量变化呈上升趋势,但周边驶向该高密度打车子区域的出租汽车数量小于驶离该高密度打车子区域的出租汽车数量的情况,或者,高密度打车子区域内的出租汽车数量变化呈下降趋势,但周边驶向该高密度打车子区域的出租汽车数量大于驶离该高密度打车子区域的出租汽车数量的情况,不视为“正在聚集”,并自动跳回步骤S11。
S16,判定该高密度打车子区域当前正在发生聚集事件,执行步骤S18。
S17,判定该高密度打车子区域当前正在发生疏散事件,执行步骤S11。
本实施例中,当判断识别出高密度打车子区域后,则需要实时获取每个高密度打车子区域内的出租汽车数量,以及其周边出租汽车的行驶方向,从而根据实时获取的该高密度打车子区域内的出租汽车数量得到在预设的一段时间内,即预设时间阈值内,该高密度打车子区域内出租汽车的数量变化区域,以及根据行驶方向得到驶向该高密度打车子区域的出租汽车数量和驶离该高密度打车子区域的出租汽车数量,若该高密度打车子区域内的出租汽车数量的变化趋势呈上升趋势,且驶向该高密度打车子区域的出租汽车数量大于或等于驶离该高密度打车子区域的出租汽车数量,那么说明,周边的出租汽车正在向该高密度打车子区域内聚集,即该高密度打车子区域当前正在发生聚集事件;若数量变化不呈上升区域,且驶离的出租汽车数量大于或等于驶向该高密度打车子区域的出租汽车数量,那么说明,各个出租汽车当前正在从该高密度打车子区域进行疏散,即该高密度打车子区域当前正在发生疏散事件。
在一具体实施例中,可根据实时获取的该高密度区域内的各个出租汽车的位置信息实时计算得到该高密度区域内的实时出租汽车数量,然后根据实时计算得到的实时出租汽车数量变化,得到在预设时间阈值(即每个计算周期,也可根据实际需要设定,如小于一个计算周期),即在一特定时间段内该高密度区域内出租汽车的数量变化趋势。
S18,获取该高密度打车子区域内的出租汽车,以及驶向和驶离该高密度打车子区域的出租汽车的载客状态,分别得到该高密度打车子区域内空车状态的出租汽车数量和重车状态的出租汽车数量,以及驶向和驶离的空车状态和重车状态的出租汽车数量,执行步骤S19。
S19,判断该高密度打车子区域内的处于空车状态的出租汽车数量在预设时间段内的变化趋势是否呈上升趋势,若呈上升趋势,则执行步骤S110;若不呈上升趋势,则执行步骤S11。
本实施例中,当获取到每个出租汽车的载客状态后,即可统计得到各种载客状态下对应出租汽车的数量。
S110,判断驶向该高密度打车子区域的空车状态的出租汽车数量是否大于或等于驶离该高密度打车子区域的空车状态的出租汽车数量,若是,则执行步骤S111,否则,则执行步骤S11。
S111,判定空车状态的出租汽车正在向该高密度打车子区域进行聚集,执行步骤S112.
S112,判断该高密度打车子区域内的处于重车状态的出租汽车数量在预设时间段内的变化趋势是否呈上升趋势,若呈上升趋势,则执行步骤S113;若不呈上升趋势,则执行步骤S11。
S113,判断驶向该高密度打车子区域的重车状态的出租汽车数量是否大于或等于驶离该高密度打车子区域的重车状态的出租汽车数量,若是,则执行步骤S114,否则执行步骤S11。
S114,判定处于重车状态的出租汽车正在向稿高密度打车子区域进行聚集,并判定该高密度打车子区域当前正在发生异常聚集事件。
本实施例中,当判定当前未异常聚集后,还可向相应的部门进行报警或者提醒。
实施例二
本发明还提供了另外一种出租汽车异常聚集识别方法,其包括上述实施例一中的各个步骤,不同的是,参见图2,本实施例中,该步骤S19中判断的是重车状态的出租汽车数量在预设时间段内的变化趋势是否呈上升趋势,而不是空车状态的出租汽车数量在预设时间段内的变化趋势是否呈上升趋势,且当判断出重车状态的出租汽车数量在预设时间段内的变化趋势呈上升趋势时,判断驶向该高密度打车子区域的重车状态的出租汽车数量是否大于或等于驶离该高密度打车子区域的重车状态的出租汽车数量,若是,则判定重车状态的出租汽车正在向该高密度打车子区域进行聚集,并判断该高密度打车子区域内的处于空车状态的出租汽车数量在预设时间段内的变化趋势是否呈上升趋势,若呈上升趋势,则进一步判断驶向该高密度打车子区域的空车状态的出租汽车数量是否大于或等于驶离该高密度打车子区域的空车状态的出租汽车数量,若是,则判定处于空车车状态的出租汽车正在向稿高密度打车子区域进行聚集,并判定该高密度打车子区域当前正在发生异常聚集事件。
实施例三
基于上述实施例一或实施例二中的出租汽车异常聚集识别方法,本发明还提供了一种出租汽车异常聚集识别装置,下面结合附图和实施例进行详细的说明。
参见图3,为本发明的一种出租汽车异常聚集识别装置的一实施例的功能模块图,具体地,本实施例的该出租汽车异常聚集识别装置包括:
信息获取模块,用于实时获取各个出租汽车的车辆状态;本实施例中,该车辆状态包括出租汽车的位置信息、行驶方向和载客状态,其中,载客状态包括空车状态和重车状态;
中央控制模块,用于预先将打车区域划分为多个面积相同的打车子区域,并根据上述信息获取模块实时获取的各个出租汽车的位置信息识别出多个高密度打车子区域,并获取该高密度打车子区域内的出租汽车数量以在预设时间端内的变化趋势,然后根据该变化趋势识别出当前正在发生聚集事件的高密度打车子区域,并根据该高密度打车子区域内重车状态/空车状态的出租汽车数量各自在预设时间段内的变化趋势识别出每种载客状态的出租汽车当前是正在向该高密度打车子区域聚集或疏散,若识别出其中一种状态的出租汽车正在向该高密度打车子区域聚集,而另外一种状态的出租汽车却没有从该高密度打车子区域进行疏散,则判定该高密度打车子区域当前正在发生异常聚集事件。
本实施例中,该信息获取模块可通过GPS系统或者通过车联网系统(包括可与车载设备通信的路侧设备和云端服务器等)来获取各个出租汽车的车辆状态,例如该信息获取模块可与车载设备直接通信,或者与车联网系统中的路侧设备/云端服务器进行通信,从而获取各个出租汽车的位置信息、行驶方向和载客状态,其中载客状态可通过出租汽车上计价器是否开启来判断,若计价器开启,那么该信息获取模块会获取到相应的信号,并将该出租汽车标记为重车状态,相应地,为计价器未开启,那么该信息获取模块也会收到相应的信号,或者不会收到任何计价器相关的信号,然后将该出租汽车标记为空车状态。
本实施例中,该中央控制模块具体用于根据该信息获取模块所实时获取的各个出租汽车的位置信息,并统计得到每个打车子区域内的出租汽车数量,然后判断每个打车子区域内的出租汽车数量是否达到预设阈值,若达到,则将该打车子区域标记为高密度打车子区域,从而识别出高密度打车子区域,否则,不进行任何操作;当识别出高密度打车子区域后,该中央控制模块具体还用于根据上述信息获取模块所实时获取的高密度打车子区域内各个出租汽车的数量计算并判断该高密度打车子区域在预设时间阈值内,即预设的时间端内,出租汽车数量的变化趋势(具体地,可根据该时间段内的各个实时出租汽车数量绘制相应的变化区域曲线,从而得到相应的变化趋势)是否为上升趋势,若是则分别获取驶离该高密度打车子区域的出租汽车数量,以及高密度打车子区域周边的打车子区域中驶向该高密度打车子区域的出租汽车数量,并判断驶向该高密度打车子区域的出租汽车数量是否大于或等于驶离的出租汽车数量,若是,则判定该高密度打车子区域当前正在发生聚集事件。
进一步地,本实施例中,该中央控制模块还用于当判断出该高密度打车子区域内出租汽车的数量变化趋势不为上升,且驶向该高密度打车子区域的出租汽车数量小于驶离该高密度打车子区域的出租汽车数量时,则判定该高密度打车子区域当前正发生疏散事件。
进一步地,本实施例中,该中央控制模块具体用于判断当前正在发生聚集事件的高密度打车子区域内重车状态/空车状态的出租汽车数量的变化趋势是否呈上升趋势,且驶向该高密度打车子区域的重车状态/空车状态的出租汽车数量是否大于或等于驶离的重车状态/空车状态的出租汽车数量,若高密度打车子区域的重车状态/空车状态的出租汽车数量的变化趋势呈上升趋势,且驶向该高密度打车子区域的重车状态/空车状态的出租汽车数量分别大于或等于驶离的重车状态/空车状态的出租汽车数量,则判定当前处于空车状态/重车状态的出租汽车正在向该高密度打车子区域进行聚集;若该高密度打车子区域的重车状态/空车状态的出租汽车数量的变化趋势不呈上升趋势,且驶向该高密度打车子区域的重车状态/空车状态的出租汽车数量小于驶离的重车状态/空车状态的出租汽车数量,则判定当前处于重车状态/空车状态的出租汽车正在从该高密度打车子区域进行疏散。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种出租汽车异常聚集识别方法,其特征在于,包括步骤:
预先将打车区域划分为多个面积相同的打车子区域,并根据每个打车子区域内的出租汽车数量识别出多个高密度打车子区域;
获取每个高密度打车子区域内出租汽车数量在预设时间段内的变化趋势,并根据所述变化趋势识别出当前正在发生聚集事件的高密度打车子区域;
获取当前正在发生聚集事件的高密度打车子区域内各个出租汽车的载客状态,并根据所述载客状态为空车状态/重车状态对应的出租汽车数量在预设时间段内的变化趋势判断出每种载客状态的出租汽车当前是正在向所述高密度打车子区域聚集或疏散;
若其中任一载客状态的出租汽车当前正在向所述高密度打车子区域进行聚集,而另一载客状态的出租汽车并没有从该高密度打车子区域进行疏散,则判定所述高密度打车子区域当前正在发生异常聚集事件;
若所述高密度打车子区域的空车状态/重车状态的出租汽车数量的变化趋势呈上升趋势,且驶向所述高密度打车子区域的空车状态/重车状态的出租汽车数量大于或等于驶离的空车状态/重车状态的出租汽车数量,则判定当前处于空车状态/重车状态的出租汽车正在向所述高密度打车子区域进行聚集;
若所述高密度打车子区域的空车状态/重车状态的出租汽车数量的变化趋势不呈上升趋势,且驶向所述高密度打车子区域的空车状态/重车状态的出租汽车数量小于驶离的空车状态/重车状态的出租汽车数量,则判定当前处于空车状态/重车状态的出租汽车正在从所述高密度打车子区域进行疏散。
2.如权利要求1所述的出租汽车异常聚集识别方法,其特征在于,识别出当前正在发生聚集事件的高密度打车子区域的步骤,具体包括步骤:
判断所述变化趋势是否为上升趋势,若是则分别获取驶离所述高密度打车子区域的出租汽车数量,以及所述高密度打车子区域周边的打车子区域中驶向所述高密度打车子区域的出租汽车数量;
判断驶向所述高密度打车子区域的出租汽车数量是否大于或等于驶离的出租汽车数量,若是,则判定所述高密度打车子区域当前正在发生聚集事件。
3.如权利要求2所述的出租汽车异常聚集识别方法,其特征在于,还包括步骤:
若所述高密度打车子区域内出租汽车数量的变化趋势不呈上升趋势,且驶向所述高密度打车子区域的出租汽车数量小于驶离所述高密度区域的出租汽车数量,则判定述高密度打车子区域当前正在发生疏散事件。
4.如权利要求1所述的出租汽车异常聚集识别方法,其特征在于,所述根据每个打车子区域内的出租汽车数量识别出多个高密度区域的步骤,具体包括步骤:
根据各个出租汽车的位置信息计算每个打车子区域内所有出租汽车的数量,并判断每个打车子区域内的出租汽车数量是否达到预设阈值,若出租汽车数量达到预设阈值,则标记所述打车子区域为高密度打车子区域。
5.一种出租汽车异常聚集识别装置,其特征在于,包括:
信息获取模块,用于实时获取各个出租汽车的车辆状态,所述车辆状态包括位置信息、行驶方向和载客状态,其中,所述载客状态包括空车状态和重车状态;
中央控制模块,用于预先将打车区域划分为多个面积相同的打车子区域,并根据所述信息获取模块实时获取的各个出租汽车的位置信息识别出多个高密度打车子区域,并获取每个高密度打车子区域内的出租汽车数量在预设时间段内的变化趋势,然后根据所述变化趋势识别出当前正在发生聚集事件的高密度打车子区域,并获取当前正在发生聚集事件的高密度打车子区域内各个出租汽车的载客状态,并根据所述载客状态为空车状态/重车状态对应的出租汽车数量在预设时间段内的变化趋势判断出每种载客状态的出租汽车当前是正在向所述高密度打车子区域聚集或疏散,若其中任一载客状态的出租汽车当前正在向所述高密度打车子区域进行聚集,而另一载客状态的出租汽车并没有从该高密度打车子区域进行疏散,则判定所述高密度打车子区域当前正在发生异常聚集事件;
若所述高密度打车子区域的空车状态/重车状态的出租汽车数量的变化趋势呈上升趋势,且驶向所述高密度打车子区域的空车状态/重车状态的出租汽车数量大于或等于驶离的空车状态/重车状态的出租汽车数量,则判定当前处于空车状态/重车状态的出租汽车正在向所述高密度打车子区域进行聚集;
若所述高密度打车子区域的空车状态/重车状态的出租汽车数量的变化趋势不呈上升趋势,且驶向所述高密度打车子区域的空车状态/重车状态的出租汽车数量小于驶离的空车状态/重车状态的出租汽车数量,则判定当前处于空车状态/重车状态的出租汽车正在从所述高密度打车子区域进行疏散。
6.如权利要求5所述的出租汽车异常聚集识别装置,其特征在于,所述中央控制模块具体用于判断所述变化趋势是否为上升趋势,若是则分别获取驶离所述高密度打车子区域的出租汽车数量,以及所述高密度打车子区域周边的打车子区域中驶向所述高密度打车子区域的出租汽车数量,并判断驶向所述高密度打车子区域的出租汽车数量是否大于或等于驶离的出租汽车数量,若是,则判定所述高密度打车子区域当前正在发生聚集事件。
7.如权利要求6所述的出租汽车异常聚集识别装置,其特征在于,所述中央控制模块还用于当判断出所述高密度打车子区域内的出租汽车数量的变化趋势不为上升趋势,且周边打车子区域中驶向所述高密度区域的出租汽车的数量小于驶离所述高密度打车子区域的出租汽车数量时,判定所述高密度打车子区域当前正在发生疏散事件。
8.如权利要求5所述的出租汽车异常聚集识别装置,其特征在于,所述中央控制模块具体用于根据信息获取模块所获取的各个出租汽车的位置信息计算每个打车子区域内所有出租汽车的数量,并判断每个打车子区域内的出租汽车数量是否达到预设阈值,若出租汽车数量达到预设阈值,则标记所述打车子区域为高密度打车子区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910187125.2A CN109859516B (zh) | 2019-03-13 | 2019-03-13 | 一种出租汽车异常聚集识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910187125.2A CN109859516B (zh) | 2019-03-13 | 2019-03-13 | 一种出租汽车异常聚集识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109859516A CN109859516A (zh) | 2019-06-07 |
CN109859516B true CN109859516B (zh) | 2021-06-15 |
Family
ID=66900566
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910187125.2A Active CN109859516B (zh) | 2019-03-13 | 2019-03-13 | 一种出租汽车异常聚集识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109859516B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111540209B (zh) * | 2020-05-12 | 2021-07-27 | 青岛海信网络科技股份有限公司 | 一种车辆聚集监测方法及计算机可读存储介质 |
CN111680718B (zh) * | 2020-05-13 | 2023-08-29 | 深圳云游四海信息科技有限公司 | 检测出租车非法聚集的方法、系统及计算机可读存储介质 |
CN112312317B (zh) * | 2020-10-30 | 2021-08-27 | 智慧足迹数据科技有限公司 | 公共聚集事件识别方法、装置、计算机设备及存储介质 |
CN112528901A (zh) * | 2020-12-17 | 2021-03-19 | 青岛以萨数据技术有限公司 | 一种基于大数据的车辆聚集告警方法及系统 |
CN112785833A (zh) * | 2020-12-30 | 2021-05-11 | 青岛中兴智能交通有限公司 | 一种车流异常聚集的预测方法和装置 |
CN114863670B (zh) * | 2022-01-17 | 2022-12-02 | 深圳市慧视通科技股份有限公司 | 一种预警出租车聚集状况的方法及装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1959759A (zh) * | 2006-11-17 | 2007-05-09 | 上海城市综合交通规划科技咨询有限公司 | 基于浮动车数据的交通分析方法 |
JP2009064072A (ja) * | 2007-09-04 | 2009-03-26 | Navitime Japan Co Ltd | 情報収集・配信システム、情報収集・配信サーバ、ユーザ端末装置、及び情報収集・配信方法 |
CN102117532A (zh) * | 2009-12-31 | 2011-07-06 | 厦门雅迅网络股份有限公司 | 一种基于gps系统实现出租车非法聚集预报警的方法 |
CN103116825A (zh) * | 2013-01-29 | 2013-05-22 | 江苏省邮电规划设计院有限责任公司 | 智慧城市管理系统 |
CN104715608A (zh) * | 2015-03-26 | 2015-06-17 | 杭州电子科技大学 | 基于HBase的全天候全域出租车聚集实时监测方法 |
CN106970945A (zh) * | 2017-02-24 | 2017-07-21 | 河海大学 | 一种出租车数据集的轨迹预处理方法 |
CN107424410A (zh) * | 2017-07-14 | 2017-12-01 | 中南大学 | 一种基于路径旅行时间计算的交通异常检测方法 |
CN108280997A (zh) * | 2018-01-30 | 2018-07-13 | 青岛中兴智能交通有限公司 | 一种车辆异常聚焦的判断方法和装置 |
CN108320256A (zh) * | 2017-12-08 | 2018-07-24 | 中国电子科技集团公司电子科学研究院 | 基于大数据的社会安全事件识别方法、设备及存储介质 |
CN109272175A (zh) * | 2018-11-15 | 2019-01-25 | 山东管理学院 | 一种基于城市流动网络的数据采集系统及方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5221272B2 (ja) * | 2008-10-15 | 2013-06-26 | 矢崎総業株式会社 | 情報収集装置 |
CN105261212B (zh) * | 2015-09-06 | 2018-06-19 | 中山大学 | 一种基于出租车gps数据地图匹配的出行时空分析方法 |
CN107577725A (zh) * | 2017-08-22 | 2018-01-12 | 长安大学 | 一种城市出租车乘客出行特征可视化分析方法 |
CN108021625B (zh) * | 2017-11-21 | 2021-01-19 | 深圳广联赛讯股份有限公司 | 车辆异常聚集地监控方法及系统、计算机可读存储介质 |
-
2019
- 2019-03-13 CN CN201910187125.2A patent/CN109859516B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1959759A (zh) * | 2006-11-17 | 2007-05-09 | 上海城市综合交通规划科技咨询有限公司 | 基于浮动车数据的交通分析方法 |
JP2009064072A (ja) * | 2007-09-04 | 2009-03-26 | Navitime Japan Co Ltd | 情報収集・配信システム、情報収集・配信サーバ、ユーザ端末装置、及び情報収集・配信方法 |
CN102117532A (zh) * | 2009-12-31 | 2011-07-06 | 厦门雅迅网络股份有限公司 | 一种基于gps系统实现出租车非法聚集预报警的方法 |
CN103116825A (zh) * | 2013-01-29 | 2013-05-22 | 江苏省邮电规划设计院有限责任公司 | 智慧城市管理系统 |
CN104715608A (zh) * | 2015-03-26 | 2015-06-17 | 杭州电子科技大学 | 基于HBase的全天候全域出租车聚集实时监测方法 |
CN106970945A (zh) * | 2017-02-24 | 2017-07-21 | 河海大学 | 一种出租车数据集的轨迹预处理方法 |
CN107424410A (zh) * | 2017-07-14 | 2017-12-01 | 中南大学 | 一种基于路径旅行时间计算的交通异常检测方法 |
CN108320256A (zh) * | 2017-12-08 | 2018-07-24 | 中国电子科技集团公司电子科学研究院 | 基于大数据的社会安全事件识别方法、设备及存储介质 |
CN108280997A (zh) * | 2018-01-30 | 2018-07-13 | 青岛中兴智能交通有限公司 | 一种车辆异常聚焦的判断方法和装置 |
CN109272175A (zh) * | 2018-11-15 | 2019-01-25 | 山东管理学院 | 一种基于城市流动网络的数据采集系统及方法 |
Non-Patent Citations (1)
Title |
---|
人工智能技术在城市智能交通方面的应用;刘克松;《科技创新导报》;20180421;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109859516A (zh) | 2019-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109859516B (zh) | 一种出租汽车异常聚集识别方法及装置 | |
CN106097775B (zh) | 一种基于导航的预警方法、终端设备及服务器 | |
CN106781485B (zh) | 道路拥堵识别方法、v2x车载终端以及车联网系统 | |
CN103050013B (zh) | 基于车联网技术的车辆分级限速监控方法及其装置 | |
CN102881057A (zh) | 基于iOBD的车辆管理系统及其车辆管理方法 | |
US11810407B2 (en) | Selecting V2X communications interface | |
JP2015022499A (ja) | 運転特徴判定システム | |
CN112700640B (zh) | 道路状态监测方法、服务器、车载设备及路侧设备 | |
CN111615049B (zh) | 基于车辆位置信息的预警方法、装置、存储介质及终端 | |
CN113470350B (zh) | 一种便道行车调度方法 | |
CN113052405B (zh) | 基于物联网和人工智能的交通拥堵预测与优化方法 | |
CN105632203B (zh) | 一种交通安全预警方法及系统 | |
CN108806331B (zh) | 一种预防高速公路二次交通事故的方法及系统 | |
CN110599791A (zh) | 信息监控方法、装置和设备 | |
CN114220261B (zh) | 车速管控方法、装置、服务器及存储介质 | |
CN110276951B (zh) | 一种基于移动互联网交通拥堵预警方法 | |
CN109859529A (zh) | 一种安全通过高速公路出口的驾驶优化系统及方法 | |
JP2018077691A (ja) | 停止状態車両の発生エリア検出プログラム、停止状態車両の発生エリア検出装置、及び停止状態車両の発生エリア検出方法 | |
CN106767859A (zh) | 一种车辆导航方法 | |
JP6916433B2 (ja) | 道路改良箇所の抽出プログラム、道路改良箇所の抽出装置、及び道路改良箇所の抽出方法 | |
CN111474565A (zh) | 道路运输车辆卫星定位系统终端违规插拔情况的判断方法 | |
CN111698305A (zh) | 用于确定车辆上报事件数据的置信度和/或优先级的方法 | |
JP2018018129A (ja) | 情報提供方法および情報提供装置 | |
CN109979241A (zh) | 一种高速路上的低速车辆预警装置、预警系统和预警方法 | |
JP2005293032A (ja) | 車輌運転状況監視システム及びこのシステム用の車輌運転状況監視プログラム。 |
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 |