CN110517503A - 基于大数据的僵尸车分析预警方法及装置 - Google Patents
基于大数据的僵尸车分析预警方法及装置 Download PDFInfo
- Publication number
- CN110517503A CN110517503A CN201910802660.4A CN201910802660A CN110517503A CN 110517503 A CN110517503 A CN 110517503A CN 201910802660 A CN201910802660 A CN 201910802660A CN 110517503 A CN110517503 A CN 110517503A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- archives
- corpse
- time
- early warning
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Time Recorders, Dirve Recorders, Access Control (AREA)
Abstract
本发明提供了一种基于大数据的僵尸车分析预警方法及装置，包括以下步骤：实时获取各卡口抓拍车辆的结构化数据，建立车辆档案，所述车辆档案中包含各抓拍车辆的车辆识别特征、最后一次抓拍时间以及抓拍卡口，当车辆再次被抓拍时，实时更新其档案；定时周期性遍历车辆档案，判断各车辆的最后一次抓拍时间是否在N天以前，若是，则判定为僵尸车，根据其档案产生预警信息，并将僵尸车信息从车辆档案中删除；接收预警信息并持久化存储，供用户查询以及向用户展示相应的预警信息。本发明能够使僵尸车整治变被动为主动，自动预警，相关部门执法人员可及时排除相关隐患。
Description
技术领域
本发明涉及大数据分析、数据挖掘领域，尤其涉及一种基于大数据的僵尸车分析预警方法及装置。
背景技术
随着社会的发展，人民生活水平的不断提高，机动车保有量的不断增加，城市出现的“僵尸车”长期停放、无人维护，不仅长期占据道路、停车位等公共资源、影响城市形象，同时还有自燃自爆等安全隐患。城市范围广、道路多，搜查“僵尸车”如同大海捞针，没有明确的范围，需要耗费大量人力、物力。
大数据通常用来形容数据量非常大，这些数据在关系型数据库用于分析时会花费过多时间和金钱。大数据分析相比于传统的数据仓库应用，具有高吞吐量、高并发、高可用等特性，能在有效时间内处理海量数据。
发明内容
本发明的目的在于提供一种基于大数据的僵尸车分析预警方法及装置，可以对僵尸车进行分析预警，获取到车牌号码、落脚卡口等信息，明确目标和范围，极大地提高搜查效率。
本发明是这样实现的：
一方面，本发明提供一种基于大数据的僵尸车分析预警方法，包括以下步骤：
实时获取各卡口抓拍车辆的结构化数据，建立车辆档案，所述车辆档案中包含各抓拍车辆的车辆识别特征、最后一次抓拍时间以及抓拍卡口，当车辆再次被抓拍时，实时更新其档案；
定时周期性遍历车辆档案，判断各车辆的最后一次抓拍时间是否在N天以前，若是，则判定为僵尸车，根据其档案产生预警信息，并将僵尸车信息从车辆档案中删除；
接收预警信息并持久化存储，供用户查询以及向用户展示相应的预警信息。
进一步地，所述车辆识别特征包含车牌号码、车牌颜色，以车牌号码、车牌颜色组合作为每一条车辆档案的主键。
进一步地，当获取到车辆被出城卡口抓拍，则从车辆档案中删除该车辆信息。
进一步地，所述车辆档案存储在分布式缓存中。
进一步地，所述分布式缓存使用Redis或者Memcache存储结构。
另一方面，本发明还提供一种基于大数据的僵尸车分析预警装置，包括：
车辆档案模块，用于实时获取各卡口抓拍车辆的结构化数据，建立车辆档案，所述车辆档案中包含各抓拍车辆的车辆识别特征、最后一次抓拍时间以及抓拍卡口，当车辆再次被抓拍时，实时更新其档案；
定时分析模块，用于定时周期性遍历车辆档案，判断各车辆的最后一次抓拍时间是否在N天以前，若是，则判定为僵尸车，根据其档案产生预警信息，并将僵尸车信息从车辆档案中删除；
预警模块，用于接收预警信息并持久化存储，供用户查询以及向用户展示相应的预警信息。
进一步地，所述车辆识别特征包含车牌号码、车牌颜色，以车牌号码、车牌颜色组合作为每一条车辆档案的主键。
进一步地，当获取到车辆被出城卡口抓拍，则从车辆档案中删除该车辆信息。
进一步地，所述车辆档案存储在分布式缓存中。
进一步地，所述分布式缓存使用Redis或者Memcache存储结构。
与现有技术相比，本发明具有以下有益效果：
本发明提供的这种基于大数据的僵尸车分析预警方法及装置，通过实时获取各卡口抓拍车辆的结构化数据，建立车辆档案，定时周期性遍历车辆档案，判定僵尸车，根据其档案产生预警信息，能够使僵尸车整治变被动为主动，自动预警，相关部门执法人员可及时排除相关隐患；根据预警信息中的车辆信息，能够提供僵尸车的关键线索，如车牌号码、落脚卡口等信息，明确目标和范围，极大地提高搜查效率；本发明基于大数据分布式计算、存储框架，能够对海量车辆数据进行分析处理及存储，同时还能保证高可用，比传统应用系统更加高效、稳定。
附图说明
图1为本发明实施例提供的一种基于大数据的僵尸车分析预警方法流程图；
图2为本发明实施例提供的一种基于大数据的僵尸车分析预警装置结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
如图1所示，本发明实施例提供一种基于大数据的僵尸车分析预警方法，主要用于城市范围内的僵尸车分析预警，该方法包括以下步骤：
S1、实时获取各卡口抓拍车辆的结构化数据，建立车辆档案，所述车辆档案中包含各抓拍车辆的车辆识别特征、最后一次抓拍时间以及抓拍卡口，当车辆再次被抓拍时，实时更新其档案；
S2、定时周期性遍历车辆档案，判断各车辆的最后一次抓拍时间是否在N天以前，若是，则判定为僵尸车，根据其档案产生预警信息，并将僵尸车信息从车辆档案中删除；
S3、接收预警信息并持久化存储，供用户查询以及向用户展示相应的预警信息。
本发明实施例提供的这种基于大数据的僵尸车分析预警方法，通过实时获取各卡口抓拍车辆的结构化数据，建立车辆档案，定时周期性遍历车辆档案，判定僵尸车，根据其档案产生预警信息，能够使僵尸车整治变被动为主动，自动预警，相关部门执法人员可及时排除相关隐患；根据预警信息中的车辆信息，能够提供僵尸车的关键线索，如车牌号码、落脚卡口等信息，明确目标和范围，极大地提高搜查效率；本发明基于大数据分布式计算、存储框架，能够对海量车辆数据进行分析处理及存储，同时还能保证高可用，比传统应用系统更加高效、稳定。
下面对上述步骤进行详细描述。
所述步骤S1中，所述车辆识别特征包含车牌号码、车牌颜色，所述车辆档案中，以车牌号码、车牌颜色组合作为每一条车辆档案的主键，存储抓拍时间、卡口等信息，当车辆再次被抓拍时，则实时更新其档案，档案中的抓拍时间、卡口即为车辆的最后出现时间、落脚卡口。
由于存在旅游、探亲、路过等临时出入本地的情况，为避免误报干扰，需要过滤排除，删除其车辆档案，作为本实施例的优选，当获取到车辆被出城卡口抓拍，则从车辆档案中删除该车辆信息，排除出城车辆。
进一步优选地，所述车辆档案存储在分布式缓存中，所述分布式缓存优选使用Redis或者Memcache存储结构。
所述步骤S2中，使用定时任务对车辆档案进行周期性遍历分析。假设车辆抓拍时间为T1，当前时间为Tnow，僵尸车判定规则为N天未出现，当(Tnow-T1)>＝N时，此车辆为僵尸车，根据其档案产生预警信息。预警信息包含车牌号码、车牌颜色、抓拍时间、卡口等信息，其中车牌号码与车牌颜色可以通过车管所相关系统查找到车主信息，如联系方式、地址等，便于进一步与车主沟通确认，车辆是否遗弃(僵尸车)。如车主失踪、换号等情况下无法联系时，可在落脚卡口周边进行搜查；当(Tnow-T1)<N时，此车辆不是僵尸车。继续分析下一辆车，直至车辆档案全部分析完毕。当步骤S2中判定某车辆为僵尸车时，根据车牌号码、车牌颜色组合成的主键，将其从车辆档案中删除掉，在下一次遍历分析时，防止重复报警，同时还有利于提高分析效率。
所述步骤S3中，接收步骤S2产生的预警信息并持久化存储，向用户提供可视化、界面友好的预警信息查询、展示功能，当接收到用户的查询指令时，向用户展示相应的预警信息，也可以通过系统消息、短信的方式主动向用户发送预警信息。
基于同一发明构思，本发明实施例还提供一种基于大数据的僵尸车分析预警装置，由于该装置解决技术问题的原理与上述方法是类似的，因此该装置的实施可以参照上述方法的实施，重复之处不再赘述。
如图2所示，该装置包括：
车辆档案模块11，用于实时获取各卡口抓拍车辆的结构化数据，建立车辆档案，所述车辆档案中包含各抓拍车辆的车辆识别特征、最后一次抓拍时间以及抓拍卡口，当车辆再次被抓拍时，实时更新其档案；
定时分析模块12，用于定时周期性遍历车辆档案，判断各车辆的最后一次抓拍时间是否在N天以前，若是，则判定为僵尸车，根据其档案产生预警信息，并将僵尸车信息从车辆档案中删除；
预警模块13，用于接收预警信息并持久化存储，供用户查询以及向用户展示相应的预警信息。
在一个实施例中，所述车辆识别特征包含车牌号码、车牌颜色，以车牌号码、车牌颜色组合作为每一条车辆档案的主键。
在一个实施例中，当获取到车辆被出城卡口抓拍，则从车辆档案中删除该车辆信息。
在一个实施例中，所述车辆档案存储在分布式缓存中。
在一个实施例中，所述分布式缓存使用Redis或者Memcache存储结构。
下面通过一个具体的例子对上述方法及装置进行说明。
本具体实施例中，设置N＝300天，出城卡口为X1，X2，X3......XN，定时分析模块每天23:30:00开始分析，其中N可以根据实际情况适当调大或调小，出城卡口根据当地实际情况配置，定时分析模块的执行时间也可以灵活配置。
车辆档案模块实时获取车辆结构化数据，在分布式缓存中建立非出城的车辆档案：
实时获取车牌号码、车牌颜色、抓拍时间、卡口等结构化信息，假设蓝色车牌“鄂Z11111”在2018-05-12 11:53:05经过D1卡口，D1不属于出城卡口，在分布式缓存中对其建立档案，此时车辆档案列表如下：
假设蓝色车牌“鄂Z11111”在2018-05-12 12:00:10经过Y2卡口，Y2不属于出城卡口，在分布式缓存中更新其档案，此时车辆档案列表如下：
| 主键 | 抓拍时间 | 卡口 | …… |
| 鄂Z11111_蓝 | 2018-05-12 12:00:10 | Y2 |
假设蓝色车牌“鄂Z22222”在2018-05-12 12:00:15经过B3卡口，B3不属于出城卡口，在分布式缓存中对其建立档案，此时车辆档案列表如下：
| 主键 | 抓拍时间 | 卡口 | …… |
| 鄂Z11111_蓝 | 2018-05-12 12:00:10 | Y2 | |
| 鄂Z22222_蓝 | 2018-05-12 12:00:15 | B3 |
假设蓝色车牌“鄂Z33333”在2018-05-12 12:00:13经过X3卡口，X3属于出城卡口，需要过滤排除，不建立车辆档案，此时车辆档案列表如下：
| 主键 | 抓拍时间 | 卡口 | …… |
| 鄂Z11111_蓝 | 2018-05-12 12:00:10 | Y2 | |
| 鄂Z22222_蓝 | 2018-05-12 12:00:15 | B3 |
假设蓝色车牌“鄂Z22222”在2018-05-12 12:05:38经过X2卡口，X2属于出城卡口，在分布式缓存中删除其建立档案，此时车辆档案列表如下：
| 主键 | 抓拍时间 | 卡口 | …… |
| 鄂Z11111_蓝 | 2018-05-12 12:00:10 | Y2 |
一段时间后车辆档案列表信息如下：
定时分析模块周期性遍历分布式缓存中的车辆档案列表，如果抓拍时间在300(N)天以前，判定为僵尸车，产生预警：
假设当前时间为2019-06-12 23:30:00，定时分析模块调度执行，“鄂Z11111_蓝“的抓拍时间为”2018-05-12 12:00:10“，计算天数差值(”2019-06-12”–“2018-05-12”)＝396，396>300，“鄂Z11111_蓝“为僵尸车，将其车牌号码、车牌颜色、抓拍时间、卡口等信息推送给预警模块，同时从车辆档案列表中删除“鄂Z11111_蓝”这条记录，防止重复预警以及提高下次分析效率；“鄂X33333_蓝”的天数差值(”2019-06-12”–“2018-09-15”)＝270，270<300，不是僵尸车；“鄂W12345_蓝”的天数差值(”2019-06-12”–“2019-06-12”)＝0，0<300，不是僵尸车；依次计算分析其余车辆档案信息，直至列表遍历完毕。
预警模块接收定时分析模块产生的预警信息并持久化存储，向用户提供可视化、界面友好的预警信息查询、展示功能：
预警模块以系统消息、短信等方式通知用户，用户点击查看详细信息，发现蓝色车牌“鄂Z11111”在Y2卡口经过后，已经有396天没有再出现了。此时已无法联系上该车主，后来在Y2卡口附近的路边找到该车，车辆破败不堪，已经报废遗弃，最终将此僵尸车处理掉，避免道路占用，提升了城市形象。
本领域普通技术人员可以理解实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取存储器(RAM，RandomAccessMemory)、磁盘或光盘等。
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、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于大数据的僵尸车分析预警方法，其特征在于，包括以下步骤：
实时获取各卡口抓拍车辆的结构化数据，建立车辆档案，所述车辆档案中包含各抓拍车辆的车辆识别特征、最后一次抓拍时间以及抓拍卡口，当车辆再次被抓拍时，实时更新其档案；
定时周期性遍历车辆档案，判断各车辆的最后一次抓拍时间是否在N天以前，若是，则判定为僵尸车，根据其档案产生预警信息，并将僵尸车信息从车辆档案中删除；
接收预警信息并持久化存储，供用户查询以及向用户展示相应的预警信息。
2.如权利要求1所述的基于大数据的僵尸车分析预警方法，其特征在于：所述车辆识别特征包含车牌号码、车牌颜色，以车牌号码、车牌颜色组合作为每一条车辆档案的主键。
3.如权利要求1所述的基于大数据的僵尸车分析预警方法，其特征在于：当获取到车辆被出城卡口抓拍，则从车辆档案中删除该车辆信息。
4.如权利要求1所述的基于大数据的僵尸车分析预警方法，其特征在于：所述车辆档案存储在分布式缓存中。
5.如权利要求4所述的基于大数据的僵尸车分析预警方法，其特征在于：所述分布式缓存使用Redis或者Memcache存储结构。
6.一种基于大数据的僵尸车分析预警装置，其特征在于，包括：
车辆档案模块，用于实时获取各卡口抓拍车辆的结构化数据，建立车辆档案，所述车辆档案中包含各抓拍车辆的车辆识别特征、最后一次抓拍时间以及抓拍卡口，当车辆再次被抓拍时，实时更新其档案；
定时分析模块，用于定时周期性遍历车辆档案，判断各车辆的最后一次抓拍时间是否在N天以前，若是，则判定为僵尸车，根据其档案产生预警信息，并将僵尸车信息从车辆档案中删除；
预警模块，用于接收预警信息并持久化存储，供用户查询以及向用户展示相应的预警信息。
7.如权利要求6所述的基于大数据的僵尸车分析预警装置，其特征在于：所述车辆识别特征包含车牌号码、车牌颜色，以车牌号码、车牌颜色组合作为每一条车辆档案的主键。
8.如权利要求6所述的基于大数据的僵尸车分析预警装置，其特征在于：当获取到车辆被出城卡口抓拍，则从车辆档案中删除该车辆信息。
9.如权利要求6所述的基于大数据的僵尸车分析预警装置，其特征在于：所述车辆档案存储在分布式缓存中。
10.如权利要求9所述的基于大数据的僵尸车分析预警装置，其特征在于：所述分布式缓存使用Redis或者Memcache存储结构。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910802660.4A CN110517503A (zh) | 2019-08-28 | 2019-08-28 | 基于大数据的僵尸车分析预警方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910802660.4A CN110517503A (zh) | 2019-08-28 | 2019-08-28 | 基于大数据的僵尸车分析预警方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110517503A true CN110517503A (zh) | 2019-11-29 |
Family
ID=68627568
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910802660.4A Pending CN110517503A (zh) | 2019-08-28 | 2019-08-28 | 基于大数据的僵尸车分析预警方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110517503A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111369691A (zh) * | 2020-02-25 | 2020-07-03 | 西安艾润物联网技术服务有限责任公司 | 停车场的控制方法、终端设备及存储介质 |
| CN111461024A (zh) * | 2020-04-02 | 2020-07-28 | 福建工程学院 | 基于智能车载终端的僵尸车识别方法 |
| CN112347200A (zh) * | 2020-11-24 | 2021-02-09 | 武汉烽火众智数字技术有限责任公司 | 一种基于大数据的车辆同行分析方法 |
| CN113096438A (zh) * | 2021-04-01 | 2021-07-09 | 深圳市顺易通信息科技有限公司 | 一种车辆识别方法、装置及相关设备 |
| CN116416795A (zh) * | 2023-04-06 | 2023-07-11 | 广东云钜网络科技有限公司 | 基于交通大数据的僵尸车监察方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090228885A1 (en) * | 2008-03-07 | 2009-09-10 | Novell, Inc. | System and method for using workflows with information cards |
| CN107248317A (zh) * | 2017-07-27 | 2017-10-13 | 武汉市艾派智能科技有限公司 | 一种基于车牌识别系统的停车场空余车位数预测方法 |
| CN107977421A (zh) * | 2017-11-24 | 2018-05-01 | 泰华智慧产业集团股份有限公司 | 基于大数据进行套牌车分析的方法及装置 |
| CN109376178A (zh) * | 2018-08-17 | 2019-02-22 | 中国电子科技集团公司电子科学研究院 | 时空大数据轨迹分析平台、方法、服务器及存储介质 |
-
2019
- 2019-08-28 CN CN201910802660.4A patent/CN110517503A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090228885A1 (en) * | 2008-03-07 | 2009-09-10 | Novell, Inc. | System and method for using workflows with information cards |
| CN107248317A (zh) * | 2017-07-27 | 2017-10-13 | 武汉市艾派智能科技有限公司 | 一种基于车牌识别系统的停车场空余车位数预测方法 |
| CN107977421A (zh) * | 2017-11-24 | 2018-05-01 | 泰华智慧产业集团股份有限公司 | 基于大数据进行套牌车分析的方法及装置 |
| CN109376178A (zh) * | 2018-08-17 | 2019-02-22 | 中国电子科技集团公司电子科学研究院 | 时空大数据轨迹分析平台、方法、服务器及存储介质 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111369691A (zh) * | 2020-02-25 | 2020-07-03 | 西安艾润物联网技术服务有限责任公司 | 停车场的控制方法、终端设备及存储介质 |
| CN111461024A (zh) * | 2020-04-02 | 2020-07-28 | 福建工程学院 | 基于智能车载终端的僵尸车识别方法 |
| CN111461024B (zh) * | 2020-04-02 | 2023-08-25 | 福建工程学院 | 基于智能车载终端的僵尸车识别方法 |
| CN112347200A (zh) * | 2020-11-24 | 2021-02-09 | 武汉烽火众智数字技术有限责任公司 | 一种基于大数据的车辆同行分析方法 |
| CN113096438A (zh) * | 2021-04-01 | 2021-07-09 | 深圳市顺易通信息科技有限公司 | 一种车辆识别方法、装置及相关设备 |
| CN113096438B (zh) * | 2021-04-01 | 2022-11-11 | 深圳市顺易通信息科技有限公司 | 一种车辆识别方法、装置及相关设备 |
| CN116416795A (zh) * | 2023-04-06 | 2023-07-11 | 广东云钜网络科技有限公司 | 基于交通大数据的僵尸车监察方法及系统 |
| CN116416795B (zh) * | 2023-04-06 | 2023-11-10 | 广东云钜网络科技有限公司 | 基于交通大数据的僵尸车监察方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110517503A (zh) | 基于大数据的僵尸车分析预警方法及装置 | |
| Wheeler et al. | Replicating group-based trajectory models of crime at micro-places in Albany, NY | |
| US9542620B1 (en) | Locating persons of interest based on license plate recognition information | |
| US9031948B1 (en) | Vehicle prediction and association tool based on license plate recognition | |
| CN110334111B (zh) | 一种多维轨迹分析方法及装置 | |
| Hirschfield et al. | Mapping and analysing crime data: Lessons from research and practice | |
| US20140254879A1 (en) | Location Classification Based on License Plate Recognition Information | |
| TWI747341B (zh) | 檔案應用方法及裝置、儲存媒體 | |
| CN103246876A (zh) | 基于图像特征比对的车辆套牌识别方法 | |
| CN104199903A (zh) | 一种基于路径关联的车辆数据查询系统及方法 | |
| CN103294775A (zh) | 基于地理时空约束的警务云图像识别车辆管控系统 | |
| CN109118766A (zh) | 一种基于交通卡口的同行车辆判别方法及装置 | |
| CN108091140A (zh) | 一种确定套牌车辆的方法和装置 | |
| CN110177255B (zh) | 一种基于案件调度的视频信息发布方法及系统 | |
| Singh et al. | An overview of geospatial methods used in unintentional injury epidemiology | |
| CN111767432B (zh) | 共现对象的查找方法和装置 | |
| CN109086829A (zh) | 一种社会人口治理的方法及装置 | |
| CN111062562A (zh) | 一种社区网格服务联动处置控制方法及系统 | |
| CN109523791B (zh) | 一种滞留车辆的预警分析方法及装置 | |
| CN109918468A (zh) | 基于墨卡托投影的物联网设备位置数据区域筛选方法 | |
| CN112637548B (zh) | 一种基于摄像机的信息关联预警方法及装置 | |
| CN112257546B (zh) | 一种事件预警方法、装置、电子设备及存储介质 | |
| CN112528901A (zh) | 一种基于大数据的车辆聚集告警方法及系统 | |
| Brown et al. | Ranging behaviours across ecological and anthropogenic disturbance gradients: a pan-African perspective of giraffe (Giraffa spp.) space use | |
| CN102722521A (zh) | 监控数据比对的方法及系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191129 |
|
| RJ01 | Rejection of invention patent application after publication |