CN111586586A - 一种追踪方法和系统 - Google Patents
一种追踪方法和系统 Download PDFInfo
- Publication number
- CN111586586A CN111586586A CN202010407159.0A CN202010407159A CN111586586A CN 111586586 A CN111586586 A CN 111586586A CN 202010407159 A CN202010407159 A CN 202010407159A CN 111586586 A CN111586586 A CN 111586586A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- time
- mobile terminal
- data
- space
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/42—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for mass transport vehicles, e.g. buses, trains or aircraft
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/90—Services for handling of emergency or hazardous situations, e.g. earthquake and tsunami warning systems [ETWS]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Emergency Management (AREA)
- Environmental & Geological Engineering (AREA)
- Public Health (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供的追踪方法和系统,通过获取多个移动终端的时空数据以及多个交通工具的时空数据;对交通工具的时空数据以及移动终端的时空数据进行轨迹碰撞,得到交通工具搭载的移动终端、交通工具的伴随交通工具,无需人工梳理,提高了追踪的效率。
Description
技术领域
本发明涉及大数据应用领域,具体涉及一种追踪方法和系统。
背景技术
在社会治理行业,尤其是出现公共卫生事件时,防疫形势严峻,基层工作人员需要采集、填报各种表格数据,再由疾控人员人工分析和查找数据,进行流行病学调查,以便于追踪密切接触者、进行传染源溯源等,由于原始数据需要工作人员采集或者群众自行申报,而且数据分析处理也是人工进行,故效率低,而且主观性大,具有延后、漏报、误报等缺点。而在安防领域也同样存在类似问题,虽然可以利用遍布城市各处的摄像头来获取嫌疑人、嫌疑交通工具的图像信息,但仍然需要人工来分析数据才能得到嫌疑人、嫌疑交通工具的轨迹、同伙人数等。因此,对目标人群或交通工具的查找、追踪的效率还有待提高。
发明内容
本申请提供一种追踪方法和系统,以提高追踪的效率。
根据第一方面,本发明提供一种用于人车追踪的方法,包括如下步骤:
获取多个移动终端的时空数据以及多个交通工具的时空数据;所述移动终端的时空数据包括移动终端的标识、不同时间对应的地理位置;所述交通工具的时空数据包括交通工具的标识、不同时间对应的地理位置;
对所述交通工具的时空数据以及所述移动终端的时空数据进行轨迹碰撞,得到交通工具搭载的移动终端,和/或交通工具的伴随交通工具。
所述的方法中,对所述交通工具的时空数据以及所述移动终端的时空数据进行轨迹碰撞,还得到:曾位于同一目标地理位置的交通工具和移动终端的去向。
所述的方法中,所述对所述交通工具的时空数据以及所述移动终端的时空数据进行轨迹碰撞,得到交通工具搭载的移动终端,和/或交通工具的伴随交通工具,包括:
接收追踪目标交通工具的指令,查找出所述目标交通工具的时空数据;
将所述目标交通工具的时空数据与各个移动终端的时空数据进行轨迹碰撞,得到目标交通工具搭载的移动终端,和/或目标交通工具的伴随交通工具。
所述的方法中,所述对所述交通工具的时空数据以及所述移动终端的时空数据进行轨迹碰撞,得到交通工具搭载的移动终端,和/或交通工具的伴随交通工具包括:
将各个交通工具、移动终端时空数据中的地理位置按时间顺序排序,将连续的、预设个数时间节点上地理位置相同的交通工具确定为伴随关系,将连续的、预设个数时间节点上地理位置相同的交通工具和移动终端确定为搭载关系。
所述的方法中,所述对所述交通工具的时空数据以及所述移动终端的时空数据进行轨迹碰撞包括:
时间预处理:建立时间轴,时间轴上相邻的时间点均间隔预设时间,将所述交通工具和移动终端的时空数据的时间分别以所述时间轴对应的时间点表示;
位置预处理:对地理位置进行网格化分割,将所述交通工具和移动终端的时空数据的地理位置分别以对应的网格表示;
对时间预处理、位置预处理之后的交通工具和移动终端的时空数据进行轨迹碰撞。
根据第二方面,本发明提供一种用于人车追踪的系统,包括:
数据采集模块,用于获取多个移动终端的时空数据以及多个交通工具的时空数据;所述移动终端的时空数据包括移动终端的标识、不同时间对应的地理位置;所述交通工具的时空数据包括交通工具的标识、不同时间对应的地理位置;
轨迹碰撞模块,用于对所述交通工具的时空数据以及所述移动终端的时空数据进行轨迹碰撞,得到交通工具搭载的移动终端,和/或交通工具的伴随交通工具。
所述的系统中,所述轨迹碰撞模块对所述交通工具的时空数据以及所述移动终端的时空数据进行轨迹碰撞,还得到:曾位于同一目标地理位置的交通工具和移动终端的去向。
所述的系统中,还包括用于接收用户的输入的输入模块,所述轨迹碰撞模块对所述交通工具的时空数据以及所述移动终端的时空数据进行轨迹碰撞,得到交通工具搭载的移动终端,和/或交通工具的伴随交通工具,包括:
在输入模块接收到追踪目标交通工具的指令后,查找出所述目标交通工具的时空数据;
将所述目标交通工具的时空数据与各个移动终端的时空数据进行轨迹碰撞,得到目标交通工具搭载的移动终端,和/或目标交通工具的伴随交通工具。
所述的系统中,所述轨迹碰撞模块对所述交通工具的时空数据以及所述移动终端的时空数据进行轨迹碰撞,得到交通工具搭载的移动终端,和/或交通工具的伴随交通工具包括:
将各个交通工具、移动终端时空数据中的地理位置按时间顺序排序,将连续的、预设个数时间节点上地理位置相同的交通工具确定为伴随关系,将连续的、预设个数时间节点上地理位置相同的交通工具和移动终端确定为搭载关系。
根据第三方面,本发明提供一种计算机可读存储介质,包括程序,所述程序能够被处理器执行以实现如上所述的方法。
依据上述实施例的追踪方法和系统,利用交通工具和移动终端时空数据中的时间、时间对应的地理位置进行轨迹碰撞,从而得到交通工具与移动终端的搭载关系,交通工具与交通工具的伴随关系,无需人工梳理,提高了追踪的效率。
附图说明
图1为本发明提供的追踪方法一实施例的流程图;
图2为图1中步骤2一实施例的流程图;
图3为图2中步骤23一实施例的流程图;
图4为本发明提供的追踪方法中,轨迹碰撞一实施例的示意图;
图5为本发明提供的追踪系统的结构框图;
图6为本发明提供的追踪方法一实施例的过程示意图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。
本发明旨在解决目标人员的追踪问题,藉由大数据得到车和人的时空数据,通过轨迹碰撞得到人与人、人与车、车与车之间的关系,极大的方便了对目标人员的追踪,效率高。以下通过几个实施例具体说明。
如图1所示,本发明提供的用于人车追踪的方法,包括如下步骤:
步骤1、获取多个移动终端的时空数据以及多个交通工具的时空数据。移动终端的时空数据包括移动终端的标识、不同时间对应的地理位置。移动终端可以是手机、平板电脑、智能穿戴式设备(例如智能手表、智能手环等)等,这些移动终端能进行无线通信,如使用SIM卡打电话、发短信,使用SIM卡或WIFI接入互联网等。移动终端的标识用于唯一标识移动终端,可以是国际移动用户识别码(英语简称:IMSI,全称:International MobileSubscriber Identity),也可以是SIM卡对应的手机号码。本实施例中,移动终端的时空数据(如imsi,timestamp,geo)由运营商提供。运营商是指提供网络服务的供应商,例如中国联通、中国电信、中国移动、中国广电等。时空数据中,地理位置可以是用经纬度表示的地理坐标(geo),例如,用户使用移动终端上网、拨打电话或发短信等,其与附近的基站进行了通信,基站即可定位到移动终端的位置并记录对应的时间(时间戳,timestamp)。当然,定位的方式有很多,如基站定位、惯导定位、室内无线定位等,故除了运营商,移动终端的时空数据还可以从其他渠道获取,本发明不限定。本实施例中,以从运营商处实时获取移动终端的时空数据为例进行说明,时空数据中通常包含多个地理位置及其对应的时间。
交通工具的时空数据包括交通工具的标识、不同时间对应的地理位置。交通工具可以是车辆、飞机、轨道交通(火车、地铁、高铁等)、轮船等,对应的,交通工具的标识可以是车牌号,班车车次,航班号,火车/地铁/高铁班次,船舶识别号等。交通工具的地理位置以及对应的时间,可以从交通系统中获取,例如,车辆通过各个交通卡口(十字路口、高速路口、龙门架、停车场等)时,抓拍机会对车辆进行拍照并识别出车牌号,拍照的时间以及抓拍机的地理位置也就是车辆的地理位置以及经过该地理位置的时间;故可以从各个交通卡口的抓拍机获取时空数据。ETC系统同样会采集车辆的时空数据,故可以从ETC系统获取。各类出售汽车票、飞机票、船票、火车票等的售票系统同样有汽车、飞机、轮船、火车等的时空数据,故可以从售票系统获取。本实施例以车辆为例进行说明,其标识为车牌号,时空数据中通常包含多个地理位置及其对应的时间。
步骤2、对交通工具的时空数据以及所述移动终端的时空数据进行轨迹碰撞,得到交通工具搭载的移动终端,和/或交通工具的伴随交通工具。可以接收追踪目标交通工具的指令,查找出目标交通工具的时空数据;将目标交通工具的时空数据与各个移动终端的时空数据进行轨迹碰撞,得到并显示目标交通工具搭载的移动终端,和/或目标交通工具的伴随交通工具。例如,用户输入车辆的车牌号,即可得到该车辆的搭载的人员的手机号,和/或该车辆的伴随车辆。也可以接收追踪目标移动终端的指令,查找出目标移动终端的时空数据;将目标移动终端的时空数据与各个交通工具的时空数据进行轨迹碰撞,得到并显示目标移动终端搭乘的交通工具,和/或目标移动终端的伴随移动终端。例如,用户输入想要追踪的人的手机号,即可得到该手机号的搭乘的车辆,和/或该手机号同行的其他手机号等。当然,也可以不限定特定的交通工具或移动终端,而是对所有的交通工具和移动终端进行轨迹碰撞,构建其从属关联关系,可以形成车辆或移动终端的包含轨迹及成员的画像(关联),本实施例以此种方式为例进行说明。
具体的,如图2所示,步骤2包括:
步骤21、对时空数据中的时间进行预处理:建立时间轴,时间轴上相邻的时间点均间隔预设时间,将交通工具和移动终端的时空数据的时间分别对应到时间轴上的时间点,以时间轴对应的时间点来表示时空数据的时间。预设时间可根据需要进行设置,其可以是秒级,以5秒为例,时间轴表示为:ti=t(i-1)+5。ti为i时间点的时间,t(i-1)为与i相邻且在i之前的时间点(i-1时间点)的时间。本实施例的对齐方式为向下对齐,即,一移动终端处于A位置对应的时间处于t(i-1)与ti之间,则将A位置对应的时间处理成t(i-1),当然也可以采用向上对齐的方式进行预处理,本发明不做限定。如此,可减少运营商提供的移动终端位置以及时间的随机延迟性误差。各个时空数据通过上述预处理,实现了在时间上的对齐,便于后续处理。
步骤22、对时空数据中的位置进行预处理:对地理位置进行网格化分割,将所述交通工具和移动终端的时空数据的地理位置分别对应到网格中,以对应的网格表示时空数据的地理位置。经度每0.001度相距100米,纬度每0.001度约111米,可以以0.0001-0.01度(经纬度)中的一个对地理坐标进行划分,得到矩阵排布的网格,为了精度考量,还可以将网格及其相邻的8个网格看成是同一个网格。网格的距离g,也就是网格的长和宽,可根据轨迹碰撞的精度要求以及距离范围来确定,网格通常是方格,例如做省际市级间车辆与乘员的碰撞则可以设置0.01度约1平方公里的方格,而在市区及摄像头行人抓拍的精确定位则设置为0.0001度约10米长宽即100平方米的方格。简化计算方式为两点geo1与geo2的经纬度距离小于(2g)^2即4g^2。
对时间和位置进行预处理后,时空数据中,可以统一成移动终端标识/交通工具标识+升序排列的时间以及各个时间对应的地理位置,形如:Car_a:[(A,t),(B,t+1),(C,t+2),…],Dev_x:[(A,t),(B,t+1),(C,t+2),…]。Car_a、Dev_x分别是移动终端和交通工具的标识,A、B、C、…分别是t、(t+1)、(t+2)、…对应的位置。
步骤23、对时间预处理、位置预处理之后的交通工具和移动终端的时空数据进行轨迹碰撞,得到交通工具搭载的移动终端,和/或交通工具的伴随交通工具。由于移动终端的imsi已知,故可通过运营商获取到对应的手机号码,甚至于在获取移动终端的时空数据时,直接获取其手机号码。具体的,将各个交通工具、移动终端时空数据中的地理位置按时间顺序排序,将连续的、预设个数时间节点上地理位置相同的交通工具确定为伴随关系,将连续的、预设个数时间节点上地理位置相同的交通工具和移动终端确定为搭载关系。
因为预处理后的时空数据格式统一,可以采用支持做聚合分析的软件系统,如spark及mpp等OLAP框架,后者可以采用apache doris或greenplum等;通过将对齐的时间点及位置点做聚合,通过将车辆及移动终端的标识做聚合,然后将聚合结果做关联去重及阈值的判断得到存在伴随关系的车辆与移动终端的关系,从而间接获取到车辆与人的关系。如,取得待分析的一段时间内的时空数据,经聚合得到每个车辆与移动终端的时空信息序列,形如:
Car_a:[(A,t),(B,t+1),(C,t+1),…]
Dev_x:[(A,t),(B,t+1),(C,t+1),…]
通过这样的时间空间序列,在分析开始阶段不能确定其伴随关系,但可以排除某些情况的伴随关系,例如排除那些此时空点的时间有数据但空间不同,或空间有数据但时间不同的记录,从而进行细粒度的划分,数据处理更高效。
具体的,如图3所示,步骤23进一步包括:
步骤231、将同一时间点同一网格中的交通工具和移动终端分成同一原始组,标注同一个id并形成树根,即用一id唯一标识原始组。例如,如果是对历史数据进行处理,则从所有的移动终端的时空数据以及所有交通工具的时空数据中找出同一时间点同一网格的交通工具和移动终端,并将其分成同一原始组。如果是实时处理,则从当前实时获取的移动终端和交通工具的时空数据中找出同一网格的移动终端和交通工具,并将其分成同一原始组。本实施例中,如图4所示,假设t0时间节点共有车辆和移动终端的时空数据100组,即车辆和移动终端加起来的数量是100,其均位于同一网格,可以看出均位于同一位置。
步骤232、在下一个预设的时间节点,例如在间隔预设的第一时间之后,判断原始组中交通工具和移动终端的时空数据的位置是否不同,即,是否属于不同的网格,若不同,则将原始组按网格的不同分成对应的子组,也就是对于位置不同的分裂为不同的分支,对于缺失位置数据的暂不处理。上述分裂中一旦在某节点分裂不能合并。对于前一个时间节点缺失位置的数据,在当前时间节点若位置数据存在,则与该层数据进行合并(位置相同)或独成一支(位置不同)。如图4所示,圈中p+数字表示位置,相同的标志表示位置相同或小于指定阈值。处在t0时间节点同一位置的车和人(移动终端),在t1时间节点分离到了两个位置p11与p12。也就是树根根据位置的不同而分支到了p11与p12。之后重复本步骤,直到所有的交通工具和移动终端都位于不同的子组,也就是所有的交通工具和移动终端都分开了。当然,有的实施例中,也可以在时间节点的数量达到预设个数时停止本步骤。
图4中,在t1的p11位置,t2的p22位置,t3的p33位置均因后一时间节点的位置差异而产生了分支。在t2时刻虽然有两个子组均在p22处,但不能将其合并。类似的还有t3的p31,t5的p53等。在t4的p46处有至少一个时空数据没有t4时间对应的位置数据,暂时忽略,不做分裂,允许后面有数据时补到对应分支中。
步骤233、查找出在连续的、预设个数时间节点位置均相同的实体,从而确定实体之间的相互关系,即实体之间具有伴随或搭载关系,交通工具和移动终端都是实体,也就是交通工具之间为伴随关系,交通工具与移动终端之间为搭载关系,移动终端与移动终端之间为伴随关系。例如,预设个数为3,则t3时间节点的子组有3个,则每个子组中的车辆相互伴随,每个子组中的移动终端相互伴随,通常经过多个时间节点以后,子组中只会有一个车辆,因此能得到车辆与移动终端的搭载关系。基于同样的原理,遍历各个位置(网格),即可完成所有时空数据的碰撞。
由于图4中各个交通工具和移动终端都在t0时间节点位于同一位置,因此,对交通工具的时空数据以及所述移动终端的时空数据进行轨迹碰撞,还能得到曾位于同一地理位置的交通工具和移动终端的去向。
如图6所示,上述步骤完成了采集数据并碰撞的流程,之后可对碰撞结果进行应用。例如,可以通过显示器显示各个交通工具搭载的移动终端,显示各个交通工具的伴随交通工具。还可以将各个交通工具与移动终端之间的关系进行存储,例如存储到其自身的时空数据中,形成数据库;接收用户查询目标移动终端的指令(如,用户输入的手机号即可作为指令),在数据库中找出目标移动终端的时空数据、搭乘的交通工具、搭乘的交通工具搭载的其他移动终端(即同行人员),将找出的这些数据输出或显示出来,极大的方便了用户对目标移动终端的追踪。以疫情防控为例,采用上述方法查找到目标移动终端(感染者)搭乘的交通工具、搭乘的交通工具搭载的移动终端(密切接触者)后,可通过运营商网络向目标交通工具搭载的移动终端发送信息,以告知密切接触者风险。又例如,接收用户查询一时间点目标位置的指令,该时间点的目标位置(例如高速服务区)出现过感染者,通过上述方法,查找出该时间点的目标位置出现的交通工具和移动终端的去向,即,不仅能查找出感染者的密切接触者,还能查找出与感染者一同在高速服务区的其他车辆和人的去向,追踪高效。同样的,也可以接收用户查询目标交通工具的指令(如,用户输入的车牌号即可作为指令),在数据库中找出目标交通工具的时空数据、搭载的移动终端、伴随的交通工具等,将找出的这些数据输出或显示出来。
综上所述,本发明提供的方法,基于车辆与人(手机)的通行关系,可以通过运营商数据,ETC及卡口数据,火车运营数据等,根据同时出现地点的序列算出其搭乘及同乘关系。利用得到的搭乘及同乘关系可以对途经重点地区的车辆及人员,自动识别与发现并进行通知告知,就疫情防控而言,可减少对全凭个人上报数据的依赖性。上述方法实时性好,可以在事件发生时即能查询乘客联系方式及根据手机号查询搭乘的车辆。
基于上述实施例提供的对车和人的追踪方法,本发明还提供一种追踪系统,可实现上述方法,具体的,如图5所示,所述系统包括:数据采集模块31,轨迹碰撞模块32和数据应用模块33。数据应用模块33可以包括输入模块和输出模块。输入模块用于接收用户的输入,例如,可以是鼠标、键盘和/或触控屏等。输出模块用于输出可视化信息,例如,可以是显示器等。
数据采集模块31,用于获取多个移动终端的时空数据以及多个交通工具的时空数据;所述移动终端的时空数据包括移动终端的标识、不同时间对应的地理位置;所述交通工具的时空数据包括交通工具的标识、不同时间对应的地理位置。
轨迹碰撞模块32,用于对所述交通工具的时空数据以及所述移动终端的时空数据进行轨迹碰撞,得到交通工具搭载的移动终端,和/或交通工具的伴随交通工具。可以是输入模块接收追踪目标交通工具的指令,之后,轨迹碰撞模块32查找出目标交通工具的时空数据;将目标交通工具的时空数据与各个移动终端的时空数据进行轨迹碰撞,得到并通过显示器显示目标交通工具搭载的移动终端,和/或目标交通工具的伴随交通工具。例如,用户输入车辆的车牌号,即可得到该车辆的搭载的人员的手机号,和/或该车辆的伴随车辆。也可以是输入模块接收追踪目标移动终端的指令,之后,轨迹碰撞模块32查找出目标移动终端的时空数据;将目标移动终端的时空数据与各个交通工具的时空数据进行轨迹碰撞,得到并显示目标移动终端搭乘的交通工具,和/或目标移动终端的伴随移动终端。例如,用户输入想要追踪的人的手机号,即可得到该手机号的搭乘的车辆,和/或该手机号同行的其他手机号等。当然,也可以不限定特定的交通工具或移动终端,而是轨迹碰撞模块32对所有的交通工具和移动终端进行轨迹碰撞,构建其从属关联关系,可以形成车辆或移动终端的包含轨迹及成员的画像(关联),本实施例以此种方式为例进行说明。
具体的,轨迹碰撞模块32对时空数据中的时间进行预处理:建立时间轴,时间轴上相邻的时间点均间隔预设时间,将交通工具和移动终端的时空数据的时间分别对应到时间轴上的时间点,以时间轴对应的时间点来表示时空数据的时间。各个时空数据通过上述预处理,实现了在时间上的对齐,便于后续处理。
轨迹碰撞模块32对时空数据中的位置进行预处理:对地理位置进行网格化分割,将所述交通工具和移动终端的时空数据的地理位置分别对应到网格中,以对应的网格表示时空数据的地理位置。
对时间和位置进行预处理后,时空数据中,可以统一成移动终端标识/交通工具标识+升序排列的时间以及各个时间对应的地理位置,形如:Car_a:[(A,t),(B,t+1),(C,t+2),…],Dev_x:[(A,t),(B,t+1),(C,t+2),…]。Car_a、Dev_x分别是移动终端和交通工具的标识,A、B、C、…分别是t、(t+1)、(t+2)、…对应的位置。
轨迹碰撞模块32对时间预处理、位置预处理之后的交通工具和移动终端的时空数据进行轨迹碰撞,得到交通工具搭载的移动终端,和/或交通工具的伴随交通工具。由于移动终端的imsi已知,故可通过运营商获取到对应的手机号码,甚至于在获取移动终端的时空数据时,直接获取其手机号码。具体的,将各个交通工具、移动终端时空数据中的地理位置按时间顺序排序,将连续的、预设个数时间节点上地理位置相同的交通工具确定为伴随关系,将连续的、预设个数时间节点上地理位置相同的交通工具和移动终端确定为搭载关系。
本实施例中,轨迹碰撞模块32将同一时间点同一网格中的交通工具和移动终端分成同一原始组,标注同一个id并形成树根,即用一id唯一标识原始组。例如,如果是对历史数据进行处理,则从所有的移动终端的时空数据以及所有交通工具的时空数据中找出同一时间点同一网格的交通工具和移动终端,并将其分成同一原始组。如果是实时处理,则从当前实时获取的移动终端和交通工具的时空数据中找出同一网格的移动终端和交通工具,并将其分成同一原始组。
轨迹碰撞模块32在下一个预设的时间节点,例如在间隔预设的第一时间之后,判断原始组中交通工具和移动终端的时空数据的位置是否不同,即,是否属于不同的网格,若不同,则将原始组按网格的不同分成对应的子组,也就是对于位置不同的分裂为不同的分支,对于缺失位置数据的暂不处理。上述分裂中一旦在某节点分裂不能合并。对于前一个时间节点缺失位置的数据,在当前时间节点若位置数据存在,则与该层数据进行合并(位置相同)或独成一支(位置不同)。之后,在下一个预设的时间节点,例如在间隔预设的第二时间之后,判断原始组中交通工具和移动终端的时空数据的位置是否不同,即,是否属于不同的网格,若不同,则将原始组按网格的不同分成对应的子组,即,不断的重复分组,直到所有的交通工具和移动终端都位于不同的子组,也就是所有的交通工具和移动终端都分开了。当然,有的实施例中,也可以在时间节点的数量达到预设个数时停止分组。
轨迹碰撞模块32查找出在连续的、预设个数时间节点位置均相同的实体,从而确定实体之间的相互关系,即实体之间具有伴随或搭载关系,交通工具和移动终端都是实体,也就是交通工具之间为伴随关系,交通工具与移动终端之间为搭载关系,移动终端与移动终端之间为伴随关系。基于同样的原理,遍历各个位置(网格),即可完成所有时空数据的碰撞。
由于图4中各个交通工具和移动终端都在t0时间节点位于同一位置,因此,对交通工具的时空数据以及所述移动终端的时空数据进行轨迹碰撞,还能得到曾位于同一地理位置的交通工具和移动终端的去向。
如图6所示,上述步骤完成了采集数据并碰撞的流程,之后可对碰撞结果进行应用。所述系统还包括数据应用模块33,数据应用模块33可以通过显示器显示各个交通工具搭载的移动终端,显示各个交通工具的伴随交通工具。数据应用模块33还可以将各个交通工具与移动终端之间的关系进行存储,例如存储到其自身的时空数据中,形成数据库。数据应用模块33接收用户查询目标移动终端的指令,在数据库中找出目标移动终端的时空数据、搭乘的交通工具、搭乘的交通工具搭载的其他移动终端(即同行人员),将找出的这些数据输出或显示出来,极大的方便了用户对目标移动终端的追踪。以疫情防控为例,采用上述系统查找到目标移动终端(感染者)搭乘的交通工具、搭乘的交通工具搭载的移动终端(密切接触者)后,可通过运营商网络向目标交通工具搭载的移动终端发送信息,以告知密切接触者风险。又例如,数据应用模块33接收用户查询一时间点目标位置的指令,该时间点的目标位置(例如高速服务区)出现过感染者,通过上述系统,查找出该时间点的目标位置出现的交通工具和移动终端的去向,即,不仅能查找出感染者的密切接触者,还能查找出与感染者一同在高速服务区的其他车辆和人的去向,追踪高效。同样的,数据应用模块33也可以接收用户查询目标交通工具的指令,在数据库中找出目标交通工具的时空数据、搭载的移动终端、伴随的交通工具等,将找出的这些数据输出或显示出来。
以上应用了具体个例对本发明进行阐述,只是用于帮助理解本发明,并不用以限制本发明。对于本发明所属技术领域的技术人员,依据本发明的思想,还可以做出若干简单推演、变形或替换。
Claims (10)
1.一种追踪方法,其特征在于,包括如下步骤:
获取多个移动终端的时空数据以及多个交通工具的时空数据;所述移动终端的时空数据包括移动终端的标识、不同时间对应的地理位置;所述交通工具的时空数据包括交通工具的标识、不同时间对应的地理位置;
对所述交通工具的时空数据以及所述移动终端的时空数据进行轨迹碰撞,得到交通工具搭载的移动终端,和/或交通工具的伴随交通工具。
2.如权利要求1所述的方法,其特征在于,对所述交通工具的时空数据以及所述移动终端的时空数据进行轨迹碰撞,还得到:曾位于同一目标地理位置的交通工具和移动终端的去向。
3.如权利要求1所述的方法,其特征在于,所述对所述交通工具的时空数据以及所述移动终端的时空数据进行轨迹碰撞,得到交通工具搭载的移动终端,和/或交通工具的伴随交通工具,包括:
接收追踪目标交通工具的指令,查找出所述目标交通工具的时空数据;
将所述目标交通工具的时空数据与各个移动终端的时空数据进行轨迹碰撞,得到目标交通工具搭载的移动终端,和/或目标交通工具的伴随交通工具。
4.如权利要求1所述的方法,其特征在于,所述对所述交通工具的时空数据以及所述移动终端的时空数据进行轨迹碰撞,得到交通工具搭载的移动终端,和/或交通工具的伴随交通工具包括:
将各个交通工具、移动终端时空数据中的地理位置按时间顺序排序,将连续的、预设个数时间节点上地理位置相同的交通工具确定为伴随关系,将连续的、预设个数时间节点上地理位置相同的交通工具和移动终端确定为搭载关系。
5.如权利要求1所述的方法,其特征在于,所述对所述交通工具的时空数据以及所述移动终端的时空数据进行轨迹碰撞包括:
时间预处理:建立时间轴,时间轴上相邻的时间点均间隔预设时间,将所述交通工具和移动终端的时空数据的时间分别以所述时间轴对应的时间点表示;
位置预处理:对地理位置进行网格化分割,将所述交通工具和移动终端的时空数据的地理位置分别以对应的网格表示;
对时间预处理、位置预处理之后的交通工具和移动终端的时空数据进行轨迹碰撞。
6.一种追踪系统,其特征在于,包括:
数据采集模块,用于获取多个移动终端的时空数据以及多个交通工具的时空数据;所述移动终端的时空数据包括移动终端的标识、不同时间对应的地理位置;所述交通工具的时空数据包括交通工具的标识、不同时间对应的地理位置;
轨迹碰撞模块,用于对所述交通工具的时空数据以及所述移动终端的时空数据进行轨迹碰撞,得到交通工具搭载的移动终端,和/或交通工具的伴随交通工具。
7.如权利要求6所述的系统,其特征在于,所述轨迹碰撞模块对所述交通工具的时空数据以及所述移动终端的时空数据进行轨迹碰撞,还得到:曾位于同一目标地理位置的交通工具和移动终端的去向。
8.如权利要求6所述的系统,其特征在于,还包括用于接收用户的输入的输入模块,所述轨迹碰撞模块对所述交通工具的时空数据以及所述移动终端的时空数据进行轨迹碰撞,得到交通工具搭载的移动终端,和/或交通工具的伴随交通工具,包括:
在输入模块接收到追踪目标交通工具的指令后,查找出所述目标交通工具的时空数据;
将所述目标交通工具的时空数据与各个移动终端的时空数据进行轨迹碰撞,得到目标交通工具搭载的移动终端,和/或目标交通工具的伴随交通工具。
9.如权利要求6所述的系统,其特征在于,所述轨迹碰撞模块对所述交通工具的时空数据以及所述移动终端的时空数据进行轨迹碰撞,得到交通工具搭载的移动终端,和/或交通工具的伴随交通工具包括:
将各个交通工具、移动终端时空数据中的地理位置按时间顺序排序,将连续的、预设个数时间节点上地理位置相同的交通工具确定为伴随关系,将连续的、预设个数时间节点上地理位置相同的交通工具和移动终端确定为搭载关系。
10.一种计算机可读存储介质,其特征在于,包括程序,所述程序能够被处理器执行以实现如权利要求1-5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010407159.0A CN111586586B (zh) | 2020-05-14 | 2020-05-14 | 一种追踪方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010407159.0A CN111586586B (zh) | 2020-05-14 | 2020-05-14 | 一种追踪方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111586586A true CN111586586A (zh) | 2020-08-25 |
CN111586586B CN111586586B (zh) | 2022-05-20 |
Family
ID=72110927
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010407159.0A Active CN111586586B (zh) | 2020-05-14 | 2020-05-14 | 一种追踪方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111586586B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112419366A (zh) * | 2020-11-30 | 2021-02-26 | 深圳力维智联技术有限公司 | 车辆的追踪方法、系统及计算机可读存储介质 |
CN112883416A (zh) * | 2021-01-31 | 2021-06-01 | 淮航 | 行程追踪数据隐私保护方法和装置 |
CN113934803A (zh) * | 2021-08-30 | 2022-01-14 | 中国人民解放军91977部队 | 一种基于时空剖分的船只伴随模式挖掘方法 |
CN114067560A (zh) * | 2021-09-30 | 2022-02-18 | 交通运输部公路科学研究所 | 高速公路疫情防控无感式人员检测及车辆轨迹追踪系统 |
CN115098490A (zh) * | 2022-08-26 | 2022-09-23 | 山东高速信息集团有限公司 | 一种检测监控重点区域车辆的方法系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100079336A1 (en) * | 2008-09-30 | 2010-04-01 | Sense Networks, Inc. | Comparing Spatial-Temporal Trails In Location Analytics |
CN101715001A (zh) * | 2009-10-21 | 2010-05-26 | 南京邮电大学 | 一种控制网格任务执行的方法 |
CN106383868A (zh) * | 2016-09-05 | 2017-02-08 | 电子科技大学 | 一种基于道路网络的时空轨迹聚类方法 |
CN107967493A (zh) * | 2017-12-18 | 2018-04-27 | 广州汇智通信技术有限公司 | 一种人车伴随的判定方法、系统及相关装置 |
CN109828967A (zh) * | 2018-12-03 | 2019-05-31 | 深圳市北斗智能科技有限公司 | 一种伴随关系获取方法、系统、设备、存储介质 |
CN110909009A (zh) * | 2019-11-20 | 2020-03-24 | 厦门市美亚柏科信息股份有限公司 | 基于话单的轨迹伴随行为分析方法、终端设备及存储介质 |
CN110933662A (zh) * | 2019-12-18 | 2020-03-27 | 厦门市美亚柏科信息股份有限公司 | 一种基于数据挖掘的时空伴随关系分析方法和系统 |
CN110944296A (zh) * | 2019-11-27 | 2020-03-31 | 智慧足迹数据科技有限公司 | 运动轨迹的伴随确定方法、装置和服务器 |
CN110944290A (zh) * | 2019-12-02 | 2020-03-31 | 北京明略软件系统有限公司 | 一种伴随关系的分析方法及装置 |
CN110991525A (zh) * | 2019-11-29 | 2020-04-10 | 西安交通大学 | 基于运营商轨迹数据的伴随模式匹配方法 |
CN111008323A (zh) * | 2019-11-29 | 2020-04-14 | 北京明略软件系统有限公司 | 一种身份标识的伴随关系确定方法及装置 |
-
2020
- 2020-05-14 CN CN202010407159.0A patent/CN111586586B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100079336A1 (en) * | 2008-09-30 | 2010-04-01 | Sense Networks, Inc. | Comparing Spatial-Temporal Trails In Location Analytics |
CN101715001A (zh) * | 2009-10-21 | 2010-05-26 | 南京邮电大学 | 一种控制网格任务执行的方法 |
CN106383868A (zh) * | 2016-09-05 | 2017-02-08 | 电子科技大学 | 一种基于道路网络的时空轨迹聚类方法 |
CN107967493A (zh) * | 2017-12-18 | 2018-04-27 | 广州汇智通信技术有限公司 | 一种人车伴随的判定方法、系统及相关装置 |
CN109828967A (zh) * | 2018-12-03 | 2019-05-31 | 深圳市北斗智能科技有限公司 | 一种伴随关系获取方法、系统、设备、存储介质 |
CN110909009A (zh) * | 2019-11-20 | 2020-03-24 | 厦门市美亚柏科信息股份有限公司 | 基于话单的轨迹伴随行为分析方法、终端设备及存储介质 |
CN110944296A (zh) * | 2019-11-27 | 2020-03-31 | 智慧足迹数据科技有限公司 | 运动轨迹的伴随确定方法、装置和服务器 |
CN110991525A (zh) * | 2019-11-29 | 2020-04-10 | 西安交通大学 | 基于运营商轨迹数据的伴随模式匹配方法 |
CN111008323A (zh) * | 2019-11-29 | 2020-04-14 | 北京明略软件系统有限公司 | 一种身份标识的伴随关系确定方法及装置 |
CN110944290A (zh) * | 2019-12-02 | 2020-03-31 | 北京明略软件系统有限公司 | 一种伴随关系的分析方法及装置 |
CN110933662A (zh) * | 2019-12-18 | 2020-03-27 | 厦门市美亚柏科信息股份有限公司 | 一种基于数据挖掘的时空伴随关系分析方法和系统 |
Non-Patent Citations (1)
Title |
---|
李慧娟等: "从线下到线上:移动互联网的时空分区效应研究", 《国际新闻界》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112419366A (zh) * | 2020-11-30 | 2021-02-26 | 深圳力维智联技术有限公司 | 车辆的追踪方法、系统及计算机可读存储介质 |
CN112883416A (zh) * | 2021-01-31 | 2021-06-01 | 淮航 | 行程追踪数据隐私保护方法和装置 |
CN113934803A (zh) * | 2021-08-30 | 2022-01-14 | 中国人民解放军91977部队 | 一种基于时空剖分的船只伴随模式挖掘方法 |
CN114067560A (zh) * | 2021-09-30 | 2022-02-18 | 交通运输部公路科学研究所 | 高速公路疫情防控无感式人员检测及车辆轨迹追踪系统 |
CN115098490A (zh) * | 2022-08-26 | 2022-09-23 | 山东高速信息集团有限公司 | 一种检测监控重点区域车辆的方法系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111586586B (zh) | 2022-05-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111586586B (zh) | 一种追踪方法和系统 | |
CN107040894B (zh) | 一种基于手机信令数据的居民出行od获取方法 | |
US10854076B2 (en) | Method and system for computing parking occupancy | |
CN102724482B (zh) | 基于gps和gis的智能视觉传感网络运动目标接力跟踪系统 | |
ES2234846T3 (es) | Metodo para la identificacion de la ruta de un vehiculo. | |
CN106844624A (zh) | 一种可视化的公交大数据分析系统 | |
CN103593974B (zh) | 一种基于定位信息的公交载客量采集方法 | |
WO2015096400A1 (zh) | 一种利用移动通信数据挖掘进行公交规划的方法 | |
CN103854483A (zh) | 基于gps卫星定位及ecu的车辆动态信息系统 | |
CN111862606A (zh) | 一种基于多源数据的非法营运车辆识别方法 | |
CN109872533A (zh) | 一种基于空间数据的车道级实时交通情报处理方法 | |
CN104902438A (zh) | 一种基于移动通信终端分析客流特征信息的统计方法及其系统 | |
CN110460962B (zh) | 轨道交通用户识别方法和装置 | |
CN109190685A (zh) | 融合空间聚类和基站序列规则的轨道出行特征提取方法 | |
CN104462193A (zh) | 一种基于时空匹配的车辆运动轨迹搜索系统及方法 | |
CN115168529B (zh) | 一种基于手机定位数据的枢纽客流溯源方法 | |
CN112733112B (zh) | 一种用户出行方式的确定方法、装置、电子设备和存储介质 | |
Xing et al. | Traffic volume estimation in multimodal urban networks using cell phone location data | |
CN111414558B (zh) | 导航路线的发送方法、显示方法、装置、服务器及介质 | |
CN205621299U (zh) | 基于视频识别的辅助报站系统及车载终端 | |
CN108447257B (zh) | 一种基于Web的交通数据分析方法及系统 | |
CN112770278B (zh) | 手机信令分析方法、装置、计算机设备及存储介质 | |
CN105761538A (zh) | 基于视频识别的辅助报站方法、系统及车载终端 | |
Gu et al. | Analysis of Changes in Intercity Highway Traffic Travel Patterns under the Impact of COVID‐19 | |
CN106920389B (zh) | 一种基于用户电信行为的交通状况控制方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |