CN111123298B - 基于机器学习算法的gps终端与ic卡终端匹配方法和装置 - Google Patents

基于机器学习算法的gps终端与ic卡终端匹配方法和装置 Download PDF

Info

Publication number
CN111123298B
CN111123298B CN201911252737.1A CN201911252737A CN111123298B CN 111123298 B CN111123298 B CN 111123298B CN 201911252737 A CN201911252737 A CN 201911252737A CN 111123298 B CN111123298 B CN 111123298B
Authority
CN
China
Prior art keywords
card
gps
card swiping
equipment
similarity
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
Application number
CN201911252737.1A
Other languages
English (en)
Other versions
CN111123298A (zh
Inventor
蔡明�
王波
林翰
冉雪峰
张慧怡
李宛瞳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Municipal Design and Research Institute Co Ltd
Original Assignee
Shenzhen Municipal Design and Research Institute Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Municipal Design and Research Institute Co Ltd filed Critical Shenzhen Municipal Design and Research Institute Co Ltd
Priority to CN201911252737.1A priority Critical patent/CN111123298B/zh
Publication of CN111123298A publication Critical patent/CN111123298A/zh
Application granted granted Critical
Publication of CN111123298B publication Critical patent/CN111123298B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/35—Constructional details or hardware or software details of the signal processing chain
    • G01S19/37—Hardware or software details of the signal processing chain
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07F—COIN-FREED OR LIKE APPARATUS
    • G07F7/00—Mechanisms actuated by objects other than coins to free or to actuate vending, hiring, coin or paper currency dispensing or refunding apparatus
    • G07F7/08—Mechanisms actuated by objects other than coins to free or to actuate vending, hiring, coin or paper currency dispensing or refunding apparatus by coded identity card or credit card or other personal identification means

Abstract

本发明公开了基于机器学习算法的GPS终端与IC卡终端匹配方法和装置，其中该匹配方法包括：读取GPS设备到站时间戳数据表、IC卡刷卡数据表、公交线路与GPS设备对应关系表的数据；对IC卡刷卡数据表进行预处理；对IC卡刷卡数据表的数据进行清洗；对IC卡刷卡设备时间序列与GPS时间序列的相似度进行评估；根据序列相似度的计算结果，对GPS设备和IC卡设备进行匹配。

Description

基于机器学习算法的GPS终端与IC卡终端匹配方法和装置
技术领域
本发明涉及GPS终端与IC卡终端匹配技术领域，尤其涉及一种基于机器学习算法的GPS终端与IC卡终端匹配方法。
背景技术
近年来，IC卡刷卡设备在城市公交上得到了广泛的应用。IC卡刷卡设备的广泛使用，使得IC卡刷卡数据成为低成本获取客流数据的新途径。然而，公交车的IC卡设备由第三方公司安装，没有与公交车的对应关系表，这给站点客流的获取造成了很大的困难。
鉴于GPS设备和IC卡设备上各有一个时钟，理论上来讲，只要得到这两个时钟的对应关系，就能够推导出IC卡设备与公交车的对应关系。但由于时钟运行过程中，不可避免的会与真实时间产生偏差。并且IC卡设备的时点记录是由乘客刷卡产生，GPS设备的时点记录是公交车进站产生，有些站点没有乘客上下车，那就会出现某个站点就只有GPS设备的时点记录，没有IC卡设备的时点记录的情况；大部分站点上车乘客数量不止一个，IC卡设备在这个站点会有多条时点记录，而GPS设备仅有一条时点记录。此外，同一条线路的多辆公交进入同一站点的时间间隔有时会很短。因此，仅仅按照“时点+阈值”对GPS设备和IC卡设备进行匹配，准确度较低。
如何解决上述问题是本领域亟待解决的问题。
发明内容
本发明提供了一种基于机器学习算法的GPS终端与IC卡终端匹配方法，旨在解决上述问题。
根据本申请实施例的第一方面，提供了一种基于机器学习算法的GPS终端与IC卡终端匹配方法，包括：读取GPS设备到站时间戳数据表、IC卡刷卡数据表、公交线路与GPS设备对应关系表的数据；
对IC卡刷卡数据表进行预处理；
对IC卡刷卡数据表的数据进行清洗；
对IC卡刷卡设备时间序列与GPS时间序列的相似度进行评估；
根据序列相似度的计算结果，对GPS设备和IC卡设备进行匹配。
根据本申请实施例的第二方面，提供了一种GPS终端与IC卡终端的匹配装置，包括：
数据读取单元，用于读取GPS设备到站时间戳数据表、IC卡刷卡数据表、公交线路与GPS设备对应关系表的数据；
预处理单元，用于对IC卡刷卡数据表进行预处理；
数据清洗单元，用于对IC卡刷卡数据表的数据进行清洗；
评估单元，用于对IC卡刷卡设备时间序列与GPS时间序列的相似度进行评估；
匹配单元，用于根据序列相似度的计算结果，对GPS设备和IC卡设备进行匹配。
本申请实施例提供的技术方案可以包括以下有益效果：本申请设计了一种基于机器学习算法的GPS终端与IC卡终端匹配方法和匹配装置，通过本方法匹配的准确度明显提高；通过匹配好的IC卡刷卡设备数据可获取并分析站点客流数据，从而为城市公交的运营调度、行车组织以及公交线网规划提供数据基础。
附图说明
为了更清楚地说明本发明实施例技术方案，下面将对实施例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是本发明实施例的匹配方法的示意流程图；
图2是本发明实施例对IC卡刷卡数据表的数据进行清洗的流程示意图；
图3是本发明实施例的通过DTW相似度评估的流程示意图；
图4是本发明实施例的匹配装置的示意性框图。
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他实施例，都属于本发明保护的范围。
附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
本发明公开了一种基于机器学习算法的GPS终端与IC卡终端匹配方法和装置。其中该基于机器学习算法的GPS终端与IC卡终端匹配方法用于终端或服务器中，能够将GPS终端与IC卡终端进行匹配。
下面结合附图，对本申请的一些实施例作详细说明，在不冲突的情况下，下述的实施例及实施例的特征可以相互结合。
请参阅图1，图1是本申请的实施例提供的一种基于机器学习算法的GPS终端与IC卡终端匹配方法的示意流程图。其该匹配方法包括步骤S101至步骤S105。
S101、读取GPS设备到站时间戳数据表、IC卡刷卡数据表、公交线路与GPS设备对应关系表的数据。
具体地，读取的数据如下。
表1 GPS设备到站时间戳数据表示意
LINEID NUMB DIRECT STATIONINDEX TIMESTAMP
662312 B23218 1 4 8:55:49AM
662312 B23218 1 5 9:00:28AM
662312 B23218 1 6 9:04:48AM
662312 B23218 1 7 9:08:24AM
662312 B23218 1 8 9:11:04AM
662312 B23218 1 11 9:15:37AM
662312 B23218 1 12 9:18:12AM
662312 B23218 1 13 9:20:41AM
表2 IC卡刷卡数据表示意
TCARDNO TIMESTAMP TPOSID TSTATID
4230724337 20180306060609 11401647 3101
2773105448 20180306060616 11401647 3101
2321628152 20180306062113 11401647 3101
1239556817 20180306070516 11401647 3101
2784684097 20180306070734 11401647 3101
2218647320 20180306183609 11402330 3101
2806688049 20180306184619 11402330 3101
3788056104 20180306185457 11402330 3101
1527475601 20180306184951 11402330 3101
3759329169 20180306194728 11402330 3101
S102、对IC卡刷卡数据表进行预处理。具体地，IC卡刷卡数据表包括TIMESTAMP字段，对IC卡刷卡数据表进行预处理包括：根据所述TIMESTAMP字段增加SECONDS字段。如下表3所示。
表3预处理后的IC卡刷卡数据表示意
TCARDNO TIMESTAMP TPOSID TSTATID SECOND
1042184216 20180306073908 11401451 3101 1520290000
4093915741 20180306073910 11401451 3101 1520293150
4231369240 20180306073911 11401451 3101 1520293151
2180301609 20180306073912 11401451 3101 1520293152
4277663809 20180306073916 11401451 3101 1520293156
3159477753 20180306073921 11401451 3101 1520293161
2440737617 20180306073925 11401451 3101 1520293165
1968712472 20180306073957 11401451 3101 1520293197
623539217 20180306074057 11401451 3101 1520293257
S103、对IC卡刷卡数据表的数据进行清洗。
请参照图2所示，具体地，对IC卡刷卡数据表的数据进行清洗，包括步骤S1031-S1034。
S1031、输入一条线路的刷卡数据，根据IC卡设备号进行分箱。
S1032、对同一个IC卡设备的刷卡数据，使用DBSCAN算法进行聚类，以获得不同站点的刷卡数据。
其中，对于数据清洗中的DBSCAN算法而言，主要有两个参数需要调整：eps和min_samples。eps参数的意思是∈邻域中两个样本之间的最大距离，min_samples参数的意思是核心对象∈邻域中的最小样本数量。算法的伪码如下所示：
Figure BDA0002309470870000051
S1033、将同一站点的刷卡数据按时间点先后排序，取第一条记录做为IC卡设备在该站点的进站时间戳。
S1034、将该设备经过的所有站点的进站时间戳按照时间升序排序，得到该IC卡设备的进站时间序列。具体地，可以利用Python编程处理后得到的某一线路某一IC卡设备的时间序列，如表4所示。表4中的cluster字段表示该刷卡记录的分类编号。
表4某一线路某一IC卡设备号的时间序列示意
SECOND cluster TPOSID
1520290000 0 11401451
1520293197 1 11401451
1520293257 2 11401451
1520293276 3 11401451
1520293319 4 11401451
1520293355 5 11401451
1520293375 6 11401451
1520293386 7 11401451
1520293484 8 11401451
S104、对IC卡刷卡设备时间序列与GPS时间序列的相似度进行评估。
其中，利用DTW(动态时间规整)相似度评估函数对某一线路某GPS设备的进站时间序列与该线路所有IC卡设备的刷卡时间序列的相似度进行计算。选取的待匹配GPS设备进站时间序列如表5所示，相似度函数计算结果如表6所示。表6的RESULT字段表示相似度函数的计算结果。
表5待匹配的GPS时间序列示意
NUMB SECOND
B22527 1520290000
B22527 1520291193
B22527 1520292083
B22527 1520292118
B22527 1520293084
B22527 1520293123
B22527 1520293156
B22527 1520293233
表6相似度函数计算结果示意
TPOSID RESULT
11401729 646262
11402370 345982
11401736 402296
11401737 707124
11401739 1879290
11401749 331956
11402391 57675
11402660 274926
请参照图3所示，假设有两个时间序列，GPS设备时间序列为Q＝{q1,q2,…,qn}，长度为n；IC卡设备序列为C＝{c1,c2,…,cm}，长度m；DTW计算Q与C的相似度过程包括步骤S1041-S1043。
S1041、构建大小为n×m的矩阵D，矩阵元素dij＝dist(qi,cj)＝|qi-cj|，其中dist表示距离计算函数。
S1042、在矩阵D中搜索从d11到dnm的最短路径。
S1043、将矩阵D中从d11到dnm的最短路径作为Q和C序列的相似度，路径越短，两个序列的相似度越高。也就是两个序列的数值越小，越相似。
S105、根据序列相似度的计算结果，对GPS设备和IC卡设备进行匹配。
根据S104相似度函数计算的结果，选取相似度函数计算结果最小值对应的IC设备号作为该GPS设备号的匹配结果。本申请相对于“时点+阈值”的匹配方案，本发明的匹配准确度有明显提高。利用本发明匹配好的IC卡刷卡设备数据可获取并分析站点客流数据，从而为城市公交的运营调度、行车组织以及公交线网规划提供数据基础。
请参照图4所示，图4为本申请的实施例提供的一种GPS终端与IC卡终端的匹配装置的示意性框图，该匹配装置200用于执行前述的基于机器学习算法的GPS终端与IC卡终端匹配方法。其中该匹配装置可以配置于服务器或终端中。
如图2所示，该匹配装置200包括：数据读取单元201、预处理单元202、数据清洗单元203、评估单元204和匹配单元205。
数据读取单元201、用于读取GPS设备到站时间戳数据表、IC卡刷卡数据表、公交线路与GPS设备对应关系表的数据。
预处理单元、用于对IC卡刷卡数据表进行预处理。
数据清洗单元、用于对IC卡刷卡数据表的数据进行清洗。
评估单元、用于对IC卡刷卡设备时间序列与GPS时间序列的相似度进行评估。
匹配单元、用于根据序列相似度的计算结果，对GPS设备和IC卡设备进行匹配。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (5)

1.一种基于机器学习算法的GPS终端与IC卡终端匹配方法，其特征在于，包括：
读取GPS设备到站时间戳数据表、IC卡刷卡数据表、公交线路与GPS设备对应关系表的数据；
对IC卡刷卡数据表进行预处理；
对IC卡刷卡数据表的数据进行清洗；
对IC卡刷卡设备时间序列与GPS时间序列的相似度进行评估；
根据序列相似度的计算结果，对GPS设备和IC卡设备进行匹配；
所述IC卡刷卡数据表包括TIMESTAMP字段，所述对IC卡刷卡数据表进行预处理包括：根据所述TIMESTAMP字段增加SECONDS字段；
所述对IC卡刷卡数据表的数据进行清洗，包括：
输入一条线路的刷卡数据，根据IC卡设备号进行分箱；
对同一个IC卡设备的刷卡数据，使用DBSCAN算法进行聚类，以获得不同站点的刷卡数据；
将同一站点的刷卡数据按时间点先后排序，取第一条记录做为该站点的进站时间戳；
将该设备经过的所有站点的进站时间戳按照时间升序排序，得到该IC卡设备的进站时间序列。
2.根据权利要求1所述的基于机器学习算法的GPS终端与IC卡终端匹配方法，其特征在于，所述对IC卡刷卡设备时间序列与GPS时间序列的相似度进行评估包括：
利用DTW相似度评估函数来计算某一GPS设备时间序列与所有IC卡设备时间序列的相似度。
3.根据权利要求2所述的基于机器学习算法的GPS终端与IC卡终端匹配方法，其特征在于，所述GPS设备时间序列为Q＝{q1，q2，…，qn}，长度为n；所述IC卡设备序列为C＝{c1，c2，…，cm}，长度m；利用DTW相似度评估函数进行相似度评估的过程包括：
构建大小为n×m的矩阵D，矩阵元素dij＝dist(qi，cj)＝|qi-cj|，其中dist表示距离计算函数；
在矩阵D中搜索从d11到dnm的最短路径；
将矩阵D中从d11到dnm的最短路径作为Q和C序列的相似度，路径越短，两个序列的相似度越高。
4.根据权利要求3所述的基于机器学习算法的GPS终端与IC卡终端匹配方法，其特征在于，所述根据序列相似度的计算结果，对GPS设备和IC卡设备进行匹配包括：
对于每个GPS时间序列，选择与其相似度最大的IC卡序列作为匹配结果。
5.一种GPS终端与IC卡终端的匹配装置，其特征在于，包括：
数据读取单元，用于读取GPS设备到站时间戳数据表、IC卡刷卡数据表、公交线路与GPS设备对应关系表的数据；
预处理单元，用于对IC卡刷卡数据表进行预处理；
数据清洗单元，用于对IC卡刷卡数据表的数据进行清洗；
评估单元，用于对IC卡刷卡设备时间序列与GPS时间序列的相似度进行评估；
匹配单元，用于根据序列相似度的计算结果，对GPS设备和IC卡设备进行匹配；
所述IC卡刷卡数据表包括TIMESTAMP字段，所述对IC卡刷卡数据表进行预处理包括：根据所述TIMESTAMP字段增加SECONDS字段；
所述对IC卡刷卡数据表的数据进行清洗，包括：
输入一条线路的刷卡数据，根据IC卡设备号进行分箱；
对同一个IC卡设备的刷卡数据，使用DBSCAN算法进行聚类，以获得不同站点的刷卡数据；
将同一站点的刷卡数据按时间点先后排序，取第一条记录做为该站点的进站时间戳；
将该设备经过的所有站点的进站时间戳按照时间升序排序，得到该IC卡设备的进站时间序列。
CN201911252737.1A 2019-12-09 2019-12-09 基于机器学习算法的gps终端与ic卡终端匹配方法和装置 Active CN111123298B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911252737.1A CN111123298B (zh) 2019-12-09 2019-12-09 基于机器学习算法的gps终端与ic卡终端匹配方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911252737.1A CN111123298B (zh) 2019-12-09 2019-12-09 基于机器学习算法的gps终端与ic卡终端匹配方法和装置

Publications (2)

Publication Number Publication Date
CN111123298A CN111123298A (zh) 2020-05-08
CN111123298B true CN111123298B (zh) 2022-05-10

Family

ID=70498051

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911252737.1A Active CN111123298B (zh) 2019-12-09 2019-12-09 基于机器学习算法的gps终端与ic卡终端匹配方法和装置

Country Status (1)

Country Link
CN (1) CN111123298B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104113824A (zh) * 2013-04-18 2014-10-22 联发科技股份有限公司 时序测量方法和相关设备
CN106357889A (zh) * 2016-08-22 2017-01-25 杭州字节信息技术有限公司 基于安卓系统的北斗卫星通信与导航智能架构及其应用

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6599147B1 (en) * 1999-05-11 2003-07-29 Socket Communications, Inc. High-density removable expansion module having I/O and second-level-removable expansion memory
US6369753B1 (en) * 2000-08-22 2002-04-09 Motorola, Inc. Host-independent monolithic integrated circuit for RF downconversion and digital signal processing of GPS signals
JP2005056035A (ja) * 2003-08-01 2005-03-03 Dainippon Printing Co Ltd 特定エリアの利用者管理システム
JP2010100239A (ja) * 2008-10-27 2010-05-06 Sumitomo Metal Logistics Service Co Ltd 貨物ターミナル駅等の構内における軌道車両動静管理システム
US9544741B2 (en) * 2013-01-18 2017-01-10 Panasonic Intellectual Property Management Co., Ltd. Terminal
CN103280100B (zh) * 2013-05-31 2015-07-01 西安建筑科技大学 融合智能调度数据的公交ic卡乘客换乘站点判断方法
CN104809344B (zh) * 2015-04-23 2017-11-07 中山大学 一种基于ic卡数据的公交站点区间客流估计方法
CN105185105B (zh) * 2015-06-26 2017-05-03 东南大学 基于车辆gps和公交ic卡数据的公交换乘识别方法
CN105574951A (zh) * 2015-12-15 2016-05-11 重庆梅安森科技股份有限公司 一种基于物联网构架的设备安全巡查系统
CN106448233B (zh) * 2016-08-19 2017-12-05 大连理工大学 基于大数据的公交线路时刻表协同优化方法
CN108376184A (zh) * 2018-01-05 2018-08-07 深圳市市政设计研究院有限公司 一种桥梁健康监控的方法及系统
CN108288321A (zh) * 2018-01-24 2018-07-17 哈尔滨工业大学 基于ic卡数据与车辆gps信息的公交站点上下客流量确定方法
CN109523819B (zh) * 2018-11-20 2021-04-06 湖南智慧畅行交通科技有限公司 一种基于公交到离站的乘客ic卡数据与站点匹配方法
CN110264710A (zh) * 2019-05-21 2019-09-20 天津大学 基于ic卡刷卡和公交gps数据的公交客流推断方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104113824A (zh) * 2013-04-18 2014-10-22 联发科技股份有限公司 时序测量方法和相关设备
CN106357889A (zh) * 2016-08-22 2017-01-25 杭州字节信息技术有限公司 基于安卓系统的北斗卫星通信与导航智能架构及其应用

Also Published As

Publication number Publication date
CN111123298A (zh) 2020-05-08

Similar Documents

Publication Publication Date Title
Biagioni et al. Easytracker: automatic transit tracking, mapping, and arrival time prediction using smartphones
CN108566618B (zh) 获取用户驻留规律的方法、装置、设备及存储介质
CN110276977B (zh) 一种公交站点匹配方法、装置、设备及可读存储介质
CN106997466A (zh) 用于检测道路的方法和装置
CN105261362A (zh) 一种通话语音监测方法及系统
CN105335496A (zh) 基于余弦相似度文本挖掘算法的客服重复来电处理方法
CN101454826A (zh) 语音识别词典/语言模型制作系统、方法、程序，以及语音识别系统
CN111260102A (zh) 一种用户满意度预测方法、装置、电子设备及存储介质
CN112527994A (zh) 情绪分析方法、装置、设备及可读存储介质
CN111414719B (zh) 地铁站周边特征提取、交通需求估计方法及装置
CN109727594B (zh) 语音处理方法及装置
CN111123298B (zh) 基于机器学习算法的gps终端与ic卡终端匹配方法和装置
Cho et al. Big data pre-processing methods with vehicle driving data using MapReduce techniques
CN108021713B (zh) 一种文档聚类的方法和装置
CN105869631B (zh) 语音预测的方法和装置
CN109284495B (zh) 一种对文本进行无表格线切表的方法及装置
CN111427996A (zh) 一种人机交互文本中抽取日期时间的方法和装置
CN110782128A (zh) 一种用户职业标签生成方法、装置和电子设备
CN110910905A (zh) 静音点检测方法及装置、存储介质、电子设备
CN115759085A (zh) 基于提示模型的信息预测方法、装置、电子设备及介质
CN115563522A (zh) 交通数据的聚类方法、装置、设备及介质
CN109919811B (zh) 基于大数据的保险代理人培养方案生成方法及相关设备
CN110968690B (zh) 词语的聚类划分方法和装置、设备以及存储介质
CN113221990A (zh) 信息录入方法、装置及相关设备
JP6496952B2 (ja) データ処理装置、データ処理システム、データ処理方法及びプログラム

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