CN111176860A - 一种实现轨迹分析的方法、系统、计算机存储介质及终端 - Google Patents
一种实现轨迹分析的方法、系统、计算机存储介质及终端 Download PDFInfo
- Publication number
- CN111176860A CN111176860A CN201911288801.1A CN201911288801A CN111176860A CN 111176860 A CN111176860 A CN 111176860A CN 201911288801 A CN201911288801 A CN 201911288801A CN 111176860 A CN111176860 A CN 111176860A
- Authority
- CN
- China
- Prior art keywords
- data
- controlled
- activity
- track
- middleware
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000004458 analytical method Methods 0.000 title claims abstract description 33
- 230000000694 effects Effects 0.000 claims abstract description 58
- 238000012545 processing Methods 0.000 claims abstract description 31
- 238000004422 calculation algorithm Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 13
- 238000003032 molecular docking Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 239000000126 substance Substances 0.000 claims description 6
- 230000004308 accommodation Effects 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 4
- 101001023021 Homo sapiens LIM domain-binding protein 3 Proteins 0.000 description 6
- 102100035112 LIM domain-binding protein 3 Human genes 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000010191 image analysis Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/54—Interprogram communication
- G06F9/546—Message passing systems or structures, e.g. queues
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Debugging And Monitoring (AREA)
Abstract
一种实现轨迹分析的方法、系统、计算机存储介质及终端，包括：通过预设的消息队列中间件，获取待管控成员的活动轨迹相关数据；将获取的轨迹相关数据，通过分布式流数据流引擎与待管控成员的属性数据进行比对，以获得待管控成员的活动轨迹数据。本发明实施例通过中间件和分布式流数据流引擎进行活动轨迹的获取，提升了活动轨迹相关数据的处理效率，节省了执法人员获取待管控成员活动轨迹的时间。
Description
技术领域
本文涉及但不限于大数据技术，尤指一种实现轨迹分析的方法、系统、计算机存储介质及终端。
背景技术
随着科技日新月异的发展，交通工具变得日行万里，及时确定包括在逃的犯罪分子、犯罪嫌疑人等待管控成员的活动轨迹变得愈加困难。
目前，执法人员主要采用离线计算方法处理活动轨迹相关数据，运算速度慢且操作磁盘时容易发生输入输出(IO)阻塞，严重时会发生数据服务器宕机的情况，极大的影响了确定待管控成员活动轨迹的效率；随着数据量的不断增长，离线计算方法时效性越来越差，如何快速高效的实现海量活动轨迹相关数据的处理，成为一个有待解决的问题。
发明内容
以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
本发明实施例提供一种实现轨迹分析的方法、系统、计算机存储介质及终端，能够提升活动轨迹相关数据的处理效率。
本发明实施例提供了一种实现轨迹分析的方法，包括：
通过预设的消息队列中间件，获取待管控成员的活动轨迹相关数据；
将获取的轨迹相关数据，通过分布式流数据流引擎与待管控成员的属性数据进行比对，以获得待管控成员的活动轨迹数据。
在一种示例性实施例中，所述消息队列中间件包括：
具有对接多源异构数据源功能的中间件；
其中，所述具有对接多源异构数据源功能的中间件包括：Kafka消息队列中间件。
在一种示例性实施例中，所述分布式流数据流引擎包括：
Flink计算引擎。
在一种示例性实施例中，对获取的轨迹相关数据与加载的属性数据进行比对之前，所述方法还包括：
通过预设的画像分析算法进行以下一项或任意组合的处理：
对所述属性数据进行画像分析；
对所述属性数据进行补全处理；
对所述待管控成员进行活跃度评估；
对所述待管控成员进行风险度评估。
在一种示例性实施例中，所述画像分析算法包括：
极端梯度提升(XGBoost)算法。
在一种示例性实施例中，所述确定待管控成员的活动轨迹数据之后，所述方法还包括：
将确定的所述活动轨迹数据存储于与所述属性数据相同的存储区域；
其中，所述活动轨迹数据包括以下一项或任意组合的数据：乘车数据、住宿数据、及上网数据。
在一种示例性实施例中，所述确定待管控成员的活动轨迹数据之后，所述方法还包括：
通过Websocket异步多线程进行所述活动轨迹数据的推送。
另一方面，本发明实施例还提供一种实现轨迹分析的系统，包括：消息队列中间件和分布式流数据流引擎；其中，
消息队列中间件用于：获取待管控成员的活动轨迹相关数据；
分布式流数据流引擎用于：将获取的轨迹相关数据与待管控成员的属性数据进行比对，以获得待管控成员的活动轨迹数据。
再一方面，本发明实施例还提供一种计算机存储介质，所述计算机存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现上述实现轨迹分析的方法。
还一方面，本发明实施例还提供一种终端，包括：存储器和处理器，所述存储中保存有计算机程序；其中，
处理器被配置为执行存储器中的计算机程序；
所述计算机程序被所述处理器执行时实现如上述实现轨迹分析的方法。
与相关技术相比，本申请技术方案包括：通过预设的消息队列中间件，获取待管控成员的活动轨迹相关数据；将获取的轨迹相关数据，通过分布式流数据流引擎与待管控成员的属性数据进行比对，以获得待管控成员的活动轨迹数据。本发明实施例通过中间件和分布式流数据流引擎进行活动轨迹的获取，提升了活动轨迹相关数据的处理效率，节省了执法人员获取待管控成员活动轨迹的时间。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明技术方案的进一步理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本发明的技术方案，并不构成对本发明技术方案的限制。
图1为本发明实施例实现轨迹分析的方法的流程图；
图2为本发明实施例实现轨迹分析的系统的结构框图；
图3为本发明应用示例系统结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下文中将结合附图对本发明的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。
在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1为本发明实施例实现轨迹分析的方法的流程图，如图1所示，包括：
步骤101、通过预设的消息队列中间件，获取待管控成员的活动轨迹相关数据；
在一种示例性实施例中，所述消息队列中间件包括：
具有对接多源异构数据源功能的中间件；
其中，所述具有对接多源异构数据源功能的中间件包括：Kafka消息队列中间件。Kafka是一种高吞吐量的分布式发布订阅消息系统，可以通过Hadoop的并行加载机制来统一线上和离线的消息处理，通过集群来获取实时数据。
在一种示例性实施例中，多源异构数据源可以包括以下一种或任意组合的数据源：Oracle、Mysql(一个关系型数据库管理系统)及分布式文件系统HDFS等。
步骤102、将获取的轨迹相关数据，通过分布式流数据流引擎与待管控成员的属性数据进行比对，以获得待管控成员的活动轨迹数据。
在一种示例性实施例中，本发明实施例可以通过分布式流数据流引擎从预设的存储区域加载待管控成员的属性数据。属性数据可以包括参照相关技术存储在远程字典服务(Redis)中的数据。
在一种示例性实施例中，所述分布式流数据流引擎包括：
Flink计算引擎。
Flink是开源流处理框架，是分布式流数据流引擎；Flink以数据并行和流水线方式执行任意流数据程序，流水线运行时系统可以执行批处理和流处理程序；此外，Flink的运行时本身也支持迭代算法的执行。
在一种示例性实施例中，属性数据可以包括：身份证号码、姓名、户籍等数据。
在一种示例性实施例中，对获取的轨迹相关数据与加载的属性数据进行比对之前，本发明实施例方法还包括：
通过预设的画像分析算法进行以下一项或任意组合的处理：
对所述属性数据进行画像分析；
对所述属性数据进行补全处理；
对所述待管控成员进行活跃度评估；
对所述待管控成员进行风险度评估。
在一种示例性实施例中，画像分析算法可以包括相关技术中本领域技术人员公知的相关算法；
在一种示例性实施例中，所述画像分析算法包括：极端梯度提升(XGBoost)算法。
在一种示例性实施例中，所述确定待管控成员的活动轨迹数据之后，本发明实施例方法还包括：
将确定的所述活动轨迹数据存储于与所述属性数据相同的存储区域；
其中，所述活动轨迹数据包括以下一项或任意组合的数据：乘车数据、住宿数据、及上网数据；
在一种示例性实施例中，所述确定待管控成员的活动轨迹数据之后，本发明实施例方法还包括：
通过Websocket异步多线程进行所述活动轨迹数据的推送。
Websocket是相关技术中一种在单个传输控制协议(TCP)连接上进行全双工通信的协议，本发明实施例通过Websocket异步多线程可以将活动轨迹数据推送到第三方应用，可以支持数千台终端的实时推送。
与相关技术相比，本申请技术方案包括：通过预设的消息队列中间件，获取待管控成员的活动轨迹相关数据；将获取的轨迹相关数据，通过分布式流数据流引擎与待管控成员的属性数据进行比对，以获得待管控成员的活动轨迹数据。本发明实施例通过中间件和分布式流数据流引擎进行活动轨迹的获取，提升了活动轨迹相关数据的处理效率，节省了执法人员获取待管控成员活动轨迹的时间。
图2为本发明实施例实现轨迹分析的系统的结构框图，包括：消息队列中间件和分布式流数据流引擎；其中，
消息队列中间件用于：获取待管控成员的活动轨迹相关数据；
在一种示例性实施例中，所述消息队列中间件包括：
具有对接多源异构数据源功能的中间件；
其中，所述具有对接多源异构数据源功能的中间件包括：Kafka消息队列中间件。Kafka是一种高吞吐量的分布式发布订阅消息系统，可以通过Hadoop的并行加载机制来统一线上和离线的消息处理，通过集群来获取实时数据。
在一种示例性实施例中，多源异构数据源可以包括以下一种或任意组合的数据源：Oracle、Mysql(一个关系型数据库管理系统)及分布式文件系统HDFS等。
分布式流数据流引擎用于：将获取的轨迹相关数据与待管控成员的属性数据进行比对，以获得待管控成员的活动轨迹数据。
在一种示例性实施例中，本发明实施例可以通过分布式流数据流引擎从预设的存储区域加载待管控成员的属性数据。属性数据可以包括参照相关技术存储在远程字典服务(Redis)中的数据。
在一种示例性实施例中，所述分布式流数据流引擎包括：
Flink计算引擎。
Flink是开源流处理框架，是分布式流数据流引擎；Flink以数据并行和流水线方式执行任意流数据程序，流水线运行时系统可以执行批处理和流处理程序；此外，Flink的运行时本身也支持迭代算法的执行。
在一种示例性实施例中，属性数据可以包括：身份证号码、姓名、户籍等数据。
在一种示例性实施例中，本发明实施例系统还包括：画像单元，用于：
通过预设的画像分析算法进行以下一项或任意组合的处理：
对所述属性数据进行画像分析；
对所述属性数据进行补全处理；
对所述待管控成员进行活跃度评估；
对所述待管控成员进行风险度评估。
在一种示例性实施例中，画像分析算法可以包括相关技术中本领域技术人员公知的相关算法；
在一种示例性实施例中，所述画像分析算法包括：极端梯度提升(XGBoost)算法。
在一种示例性实施例中，本发明实施例系统还包括存储单元，用于：
将确定的所述活动轨迹数据存储于与所述属性数据相同的存储区域；
其中，所述活动轨迹数据包括以下一项或任意组合的数据：乘车数据、住宿数据、及上网数据；
在一种示例性实施例中，本发明实施例系统还包括推送单元，用于：
通过Websocket异步多线程进行所述活动轨迹数据的推送。
Websocket是相关技术中一种在单个传输控制协议(TCP)连接上进行全双工通信的协议，本发明实施例通过Websocket异步多线程可以将活动轨迹数据推送到第三方应用，可以支持数千台终端的实时推送。
与相关技术相比，本申请技术方案包括：通过预设的消息队列中间件，获取待管控成员的活动轨迹相关数据；将获取的轨迹相关数据，通过分布式流数据流引擎与待管控成员的属性数据进行比对，以获得待管控成员的活动轨迹数据。本发明实施例通过中间件和分布式流数据流引擎进行活动轨迹的获取，提升了活动轨迹相关数据的处理效率，节省了执法人员获取待管控成员活动轨迹的时间。
本发明实施例还提供一种计算机存储介质，所述计算机存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现上述实现轨迹分析的方法。
本发明实施例还提供一种终端，包括：存储器和处理器，所述存储中保存有计算机程序；其中，
处理器被配置为执行存储器中的计算机程序；
所述计算机程序被所述处理器执行时实现如上述实现轨迹分析的方法。
以下通过应用示例对本发明实施例方法进行简要说明，应用示例仅用于陈述本发明实施例，并不用于限定本发明的保护范围。
应用示例
本应用示例以项目中数据源为Oracle为例；图3为本发明应用示例系统结构示意图，如图3所示，系统包括：与数据源对接的Kafka消息队列中间件、与Kafka消息队列中间件输出端连接的Flink计算引擎、Flink计算引擎与Redis库通信，Redis库与存储待管控成员的属性数据的Mysql建立同步连接；基于上述系统结构，以下就系统工作过程进行简要说明：
系统使用Kafka消息队列中间件进行数据源对接，使用Kafka消息队列中间件需要安装Kafka Connect组件，包括：修改Kafka和Oracle的配置文件，包括：修改标题(topic)名字、数据库名字(db.name)名字、数据库数据端口(db.port)、数据库用户名(db.user)、数据库密码(db.user.password)、数据库捕获的表名(table.whitelist)；完成配置文件修改后，启动Kafka的connector服务，Kafka接收Oracle增量数据。Kafka消息队列中间件，能无缝对接各种多源异构数据源(包括Oracle和Mysql等)，能实时获取海量增量数据。Kafka以时间复杂度为O(1)的方式提供消息持久化能力，即使对太字节(TB)级以上数据也能保证常数时间的访问性能，具有极高的吞吐率，即使在非常廉价的机器上也能做到单机支持每秒100K条消息的传输。
本应用示例系统在进行实时处理前，自动同步Mysql库中待管控成员的属性数据到Redis库中，Flink计算引擎将Redis库中待管控成员的属性数据加载到当前程序内存中，Flink的流(Streaming)处理引擎并发读取Kafka中topoic的Oracle活动轨迹相关数据。将获取到的海量活动轨迹相关数据和内存中的待管控成员的属性数据进行实时碰撞。比对结果通过算法修正存入Redis中。Flink计算引擎：它能提供毫秒(ms)级的处理能力，可以提供异步快照机制，保证所有数据真正处理一次，支持高吞吐、低延迟、及实现高性能的流处理。
本应用示例利用画像分析算法对待管控成员的属性数据进行画像分析，对属性数据中丢失参数进行校正，自动补全属性数据；例如补全属性数据中的身份证号码、姓名、户籍地等信息。此外，利用画像分析算法可以对待管控成员在一段时间内活动范围，评估待管控成员活跃度和危险度，活跃度和危险度可以以标签进行标识；如、标签记录被管控成员威胁度90分、活跃度80分。
本应用示例画像分析算法可以选用XGBoost，XGBoost是提升树模型算法的一种，主要原理是将许多弱分类器集成在一起形成一个强分类器；具有如下优点：目标函数优化利用了损失函数关于待求函数的二阶导数；支持并行化，训练速度快；支持设置样本权重；采取了更多策略防止过拟合；添加了对稀疏数据的处理。
本应用示例系统对比后获得的待管控成员的活动轨迹数据可以包括：乘车、住宿、上网等轨迹信息，活动轨迹数据可以存储在Redis库中，Redis库具有的读写性能避免了使用传统关系型数据库的读写瓶颈。此外，Redis库支持多种样式的数据结构方便进行信息存储。为了加强包含活动轨迹的预警信息推送的可靠性和时效性，本应用示例使用Redis的消息发布(publish)/订阅(subscribe)模式和Websocket异步多线程两种方式将预警消息推送第三方应用，支持数千台终端实时推送。此外，本应用示例系统支持提供可靠的第三方接口供任意应用(app)和网页(web)程序调用，以此可以增强系统的可靠性和可扩展性，提升预警信息的传递效率。
“本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器，如数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。”
Claims (10)
1.一种实现轨迹分析的方法，包括：
通过预设的消息队列中间件，获取待管控成员的活动轨迹相关数据；
将获取的轨迹相关数据，通过分布式流数据流引擎与待管控成员的属性数据进行比对，以获得待管控成员的活动轨迹数据。
2.根据权利要求1所述的方法，其特征在于，所述消息队列中间件包括：
具有对接多源异构数据源功能的中间件；
其中，所述具有对接多源异构数据源功能的中间件包括：Kafka消息队列中间件。
3.根据权利要求1所述的方法，其特征在于，所述分布式流数据流引擎包括：
Flink计算引擎。
4.根据权利要求1～3任一项所述的方法，其特征在于，对获取的轨迹相关数据与加载的属性数据进行比对之前，所述方法还包括：
通过预设的画像分析算法进行以下一项或任意组合的处理：
对所述属性数据进行画像分析；
对所述属性数据进行补全处理；
对所述待管控成员进行活跃度评估；
对所述待管控成员进行风险度评估。
5.根据权利要求4所述的方法，其特征在于，所述画像分析算法包括：
极端梯度提升XGBoost算法。
6.根据权利要求1～3任一项所述的方法，其特征在于，所述确定待管控成员的活动轨迹数据之后，所述方法还包括：
将确定的所述活动轨迹数据存储于与所述属性数据相同的存储区域；
其中，所述活动轨迹数据包括以下一项或任意组合的数据：乘车数据、住宿数据、及上网数据。
7.根据权利要求1～3任一项所述的方法，其特征在于，所述确定待管控成员的活动轨迹数据之后，所述方法还包括：
通过Websocket异步多线程进行所述活动轨迹数据的推送。
8.一种实现轨迹分析的系统，包括：消息队列中间件和分布式流数据流引擎；其中，
消息队列中间件用于：获取待管控成员的活动轨迹相关数据；
分布式流数据流引擎用于：将获取的轨迹相关数据与待管控成员的属性数据进行比对，以获得待管控成员的活动轨迹数据。
9.一种计算机存储介质，所述计算机存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1～7中任一项所述的实现轨迹分析的方法。
10.一种终端，包括：存储器和处理器，所述存储中保存有计算机程序；其中，
处理器被配置为执行存储器中的计算机程序；
所述计算机程序被所述处理器执行时实现如执行权利要求1～7中任一项所述的实现轨迹分析的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911288801.1A CN111176860A (zh) | 2019-12-12 | 2019-12-12 | 一种实现轨迹分析的方法、系统、计算机存储介质及终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911288801.1A CN111176860A (zh) | 2019-12-12 | 2019-12-12 | 一种实现轨迹分析的方法、系统、计算机存储介质及终端 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111176860A true CN111176860A (zh) | 2020-05-19 |
Family
ID=70657221
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911288801.1A Pending CN111176860A (zh) | 2019-12-12 | 2019-12-12 | 一种实现轨迹分析的方法、系统、计算机存储介质及终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111176860A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115002679A (zh) * | 2022-07-18 | 2022-09-02 | 北京航天泰坦科技股份有限公司 | 轨迹纠偏处理方法和装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104253749A (zh) * | 2014-09-18 | 2014-12-31 | 华南理工大学 | 一种基于软件定义网络架构的用户端分布式路径计算方法 |
| US20160327397A1 (en) * | 2015-05-07 | 2016-11-10 | Truemotion, Inc. | Motion detection system for transportation mode analysis |
| CN109657879A (zh) * | 2019-01-07 | 2019-04-19 | 平安科技（深圳）有限公司 | 预测路线获取方法、装置、计算机设备及存储介质 |
| CN109858682A (zh) * | 2019-01-07 | 2019-06-07 | 平安科技（深圳）有限公司 | 消失路线预测方法、装置、计算机设备及存储介质 |
| CN110147471A (zh) * | 2019-04-04 | 2019-08-20 | 平安科技（深圳）有限公司 | 基于视频的轨迹跟踪方法、装置、计算机设备及存储介质 |
-
2019
- 2019-12-12 CN CN201911288801.1A patent/CN111176860A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104253749A (zh) * | 2014-09-18 | 2014-12-31 | 华南理工大学 | 一种基于软件定义网络架构的用户端分布式路径计算方法 |
| US20160327397A1 (en) * | 2015-05-07 | 2016-11-10 | Truemotion, Inc. | Motion detection system for transportation mode analysis |
| CN109657879A (zh) * | 2019-01-07 | 2019-04-19 | 平安科技（深圳）有限公司 | 预测路线获取方法、装置、计算机设备及存储介质 |
| CN109858682A (zh) * | 2019-01-07 | 2019-06-07 | 平安科技（深圳）有限公司 | 消失路线预测方法、装置、计算机设备及存储介质 |
| CN110147471A (zh) * | 2019-04-04 | 2019-08-20 | 平安科技（深圳）有限公司 | 基于视频的轨迹跟踪方法、装置、计算机设备及存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115002679A (zh) * | 2022-07-18 | 2022-09-02 | 北京航天泰坦科技股份有限公司 | 轨迹纠偏处理方法和装置 |
| CN115002679B (zh) * | 2022-07-18 | 2022-11-15 | 北京航天泰坦科技股份有限公司 | 轨迹纠偏处理方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110750592B (zh) | 数据同步的方法、装置和终端设备 | |
| CN105955807B (zh) | 一种任务处理系统及方法 | |
| US11314451B2 (en) | Method and apparatus for storing data | |
| CN110908837B (zh) | 应用程序异常处理方法、装置、电子设备及存储介质 | |
| CN109981715B (zh) | 一种会话管理的方法及装置 | |
| US20170085653A1 (en) | Method, device and system for message distribution | |
| US20160313715A1 (en) | Method, Device and Computer Program Product for Programming a Plurality of Control Units | |
| WO2023082681A1 (zh) | 基于批流一体的数据处理方法、装置、计算机设备和介质 | |
| CN106648839B (zh) | 数据处理的方法和装置 | |
| CN107085613A (zh) | 入库文件的过滤方法和装置 | |
| CN113806301A (zh) | 数据同步方法、装置、服务器及存储介质 | |
| CN110955390B (zh) | 数据处理方法、装置、电子设备和存储介质 | |
| CN111177237B (zh) | 一种数据处理系统、方法及装置 | |
| US11250080B2 (en) | Method, apparatus, storage medium and electronic device for establishing question and answer system | |
| CN111176860A (zh) | 一种实现轨迹分析的方法、系统、计算机存储介质及终端 | |
| US10387887B2 (en) | Bloom filter driven data synchronization | |
| WO2023124361A1 (zh) | 芯片、加速卡、电子设备和数据处理方法 | |
| CN110019045B (zh) | 日志落地方法及装置 | |
| US10536390B1 (en) | Requesting embedded hypermedia resources in data interchange format documents | |
| CN104125100A (zh) | 一种通信网管中dashboard实时监控的方法 | |
| CN114564286A (zh) | 一种规则引擎告警方法及规则引擎告警系统 | |
| Sagaama et al. | Automatic parameter tuning for big data pipelines with deep reinforcement learning | |
| CN114356512A (zh) | 一种数据处理方法、设备以及计算机可读存储介质 | |
| CN112214669A (zh) | 家装材料甲醛释放数据处理方法、装置及监控服务器 | |
| CN111459819A (zh) | 软件测试方法及装置、电子设备、计算机可读介质 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20210918 Address after: 100124 room 650, 6th floor, building 11, Huashan Garden Cultural Media Industrial Park, 1376 folk culture street, Gaobeidian village, Gaobeidian Township, Chaoyang District, Beijing Applicant after: Beijing Zhizhi Heshu Technology Co.,Ltd. Address before: 100084 a1002, 10th floor, building 1, yard 1, Zhongguancun East Road, Haidian District, Beijing Applicant before: MININGLAMP SOFTWARE SYSTEMS Co.,Ltd. |