CN112035452A - 基于大数据的网联车用户出游分析方法 - Google Patents

基于大数据的网联车用户出游分析方法 Download PDF

Info

Publication number
CN112035452A
CN112035452A CN202010870472.8A CN202010870472A CN112035452A CN 112035452 A CN112035452 A CN 112035452A CN 202010870472 A CN202010870472 A CN 202010870472A CN 112035452 A CN112035452 A CN 112035452A
Authority
CN
China
Prior art keywords
data
user
vehicle
track
scenic spot
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
Application number
CN202010870472.8A
Other languages
English (en)
Other versions
CN112035452B (zh
Inventor
韦鹏
蔡春茂
谢磊
周金文
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.)
Chongqing Changan Automobile Co Ltd
Original Assignee
Chongqing Changan Automobile 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 Chongqing Changan Automobile Co Ltd filed Critical Chongqing Changan Automobile Co Ltd
Priority to CN202010870472.8A priority Critical patent/CN112035452B/zh
Publication of CN112035452A publication Critical patent/CN112035452A/zh
Application granted granted Critical
Publication of CN112035452B publication Critical patent/CN112035452B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10—File systems; File servers
    • G06F16/18—File system types
    • G06F16/182—Distributed file systems
    • 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
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • 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
    • G06F16/24—Querying
    • G06F16/248—Presentation of query results
    • 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
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
    • 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
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • 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
    • G06Q50/14—Travel agencies
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/20—Analytics; Diagnosis
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
    • H04L67/025—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP] for remote control or remote monitoring of applications
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/52—Network services specially adapted for the location of the user terminal
    • 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
    • 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]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2209/00—Indexing scheme relating to G06F9/00
    • G06F2209/54—Indexing scheme relating to G06F9/54
    • G06F2209/548—Queue
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Accounting & Taxation (AREA)
  • Software Systems (AREA)
  • Finance (AREA)
  • Computing Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Computational Linguistics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Probability & Statistics with Applications (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Biomedical Technology (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Toxicology (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Remote Sensing (AREA)
  • Medical Informatics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于大数据的网联车用户出游分析方法，包括：对车辆用户行驶轨迹信号进行采集、传输、分析和存储，根据分析需求，利用spark离线大数据分析引擎对这段时间的用户轨迹数据进行分析，得出每个车辆用户出游景区情况并写入Hive大数据仓库，以用户、景区为基本维度进行统计分析，将结果以报表或者图表的形式展示出来。本发明通过应用大数据计算平台和分布式数据分析方法对海量的车辆用户行驶轨迹进行分析，能够对车辆用户节假日出行情况有个整体和真实的了解。

Description

基于大数据的网联车用户出游分析方法
技术领域
本发明属于大数据离线分析技术领域，具体涉及一种基于大数据的网联车用户出游分析方法。
背景技术
随着物联网的兴起和通信技术的发展成熟，万物互联成为了时代发展的必然需要。对于汽车领域而言，搭载了车联网服务功能的网联汽车越来越普及，汽车厂商能够通过车身上的传感器收集表征车辆信息的各种信号，然后对车辆进行大数据分析。对于节假日车辆用户出游而言，通过对海量的车辆行驶轨迹进行分析，能够从宏观上了解汽车用户在节假日的具体出行情况，进而针对具体车辆用户进行旅游景区推荐，景区针对出行用户设定优惠措施具有重要意义。
目前各大整车厂商对于车辆用户节假日出行情况分析大多停留在小样本分析阶段(通过对用户轨迹数据进行样本采样)，无法从宏观的层面掌握大量用户的节假日出行情况，得出来的分析结果往往是片面的，不能够真实地反映出用户整体的出行情况。
因此，有必要开发一种新的基于大数据的网联车用户出游分析方法。
发明内容
本发明提供一种基于大数据的网联车用户出游分析方法，能较真实反映出用户整体的出行情况。
本发明所述的基于大数据的网联车用户出游分析方法，包括：
车辆数据采集：车辆在行驶过程中，将包含有车辆行驶轨迹数据的车况信号由TBOX按照一定的频率采集后通过网关上传到KAFKA消息队列，不同的数据类别对应KAFKA不同的主题；
云端数据存储：采用Flink实时数据处理引擎对接包含有车辆行驶轨迹数据的车况信号的KAFKA消息队列，并对KAFKA消息队列里面的车况信号数据实时解析，筛选出车辆行驶轨迹数据，并按照当前时间信息，将该条车辆行驶轨迹数据写入按照时间目录分区的HDFS文件系统；通过对车辆行驶轨迹数据的实时解析，并将车辆行驶轨迹数据存入对应日期分区文件；
车辆行驶轨迹数据预处理：将每个车辆用户每一次出行轨迹信息作为一条轨迹数据存放在HDFS文件系统，对每次出行轨迹的轨迹点进行采样，采样阈值根据当前轨迹行驶时间track_time，轨迹点个数track_number，行驶里程run_total_odometer这三个指标来确定；将少于采样样本的轨迹保留当前轨迹点数量，将大于采样样本的轨迹点按相同步长进行采样；
匹配景区数据：首先获取景区数据，将获取到的景区数据进行标准化处理，然后将标准化后的景区数据存储到hive表中；在景区数据匹配过程中，将景区数据中的景区名字、省份、城市和经纬度信息作为广播变量分发到spark各个executor节点，循环遍历每个用户的每个轨迹点和景区列表中的经纬度信息做逐个比较，如果轨迹点之间的距离在预设距离范围以内，则认为用户到过景区；并将满足去过景区条件数据的时间点映射成以天为单位的日期，然后通过聚合用户ID和日期对旅游数据进行去重过滤，确保用户每天去过一次景区；最后将用户、景区、省份、日期数据存入HIVE仓，作为用户出游的基础数据，以供应用根据需求进行多维度统计分析；
用户出游分析：提供以用户和景区两个为中心来进行分析，并将分析结果数据用图标展示出来，以供阅览者查阅。
进一步，所述车辆行驶轨迹数据包括车辆当前时间点所在位置经纬度信息、当前时间信息和车架号编码。
进一步，每个车辆用户每一次出行轨迹信息由点火和熄火信号确定。
进一步，在车辆行驶轨迹数据预处理时，还保留正式节假日前一天和后一天的轨迹数据，用于出游分析时计算用户出游的起始时间和结束时间。
进一步，景区匹配数据仅匹配正式节假日车辆产生的轨迹数据。
进一步，用户出游分析时，以用户为中心，从用户年龄、星座、性别和驾驶里程来进行分析，以得到不同年龄、星座、性别的用户最喜欢的景点、最喜欢的城市、是否喜欢长途旅行以及出游天数的数据；
以景区为中心，从景区到访人数和景区类型来进行分析，以得到本次节假日出游topN景点，不同景区类型受欢迎程度的数据，最后将这些结果数据用合适的图标展示出来供阅览者查阅。
本发明具有以下优点：本发明通过应用大数据计算平台和分布式数据分析方法对海量的车辆用户行驶轨迹进行分析，能够对车辆用户节假日出行情况有个整体和真实的了解。
附图说明
图1为本实施例中用户出游大数据分析计算框架图；
图2为本实施例中用户出游大数据分析具体流程图。
具体实施方式
下面结合附图对本发明作进一步说明。
如图1和图2所示，本实施例中，一种基于大数据的网联车用户出游分析方法，主要介绍如何应用spark大数据分析引擎，并行计算每个车辆用户每天出游情况，完成基于用户或者景区的出游情况分析。具体包括以下步骤：
（1）车辆数据采集：车辆在行驶过程中，车辆行驶轨迹数据存在于CAN总线上，根据一定的频率通过TBOX采集后由网关上传到KAFKA消息队列，不同的数据类别对应KAFKA不同的主题（即Topic，参见图1，如Topic-car condition，Topic-dtc fault，Topic-others）。
（2）云端数据存储：采用Flink实时数据处理引擎对接包含车辆行驶轨迹数据的车况信号KAFKA消息队列，并对KAFKA消息队列里面的车况信号数据实时解析，筛选出车辆行驶轨迹数据（包括车辆当前时间点所在位置经纬度信息、当前时间信息和车架号编码），按照当前时间信息，将该条车辆轨迹信息数据写入按照时间目录分区的HDFS文件系统。通过对用户轨迹数据的实时解析，并将车辆行驶轨迹数据存入对应日期分区文件后，完成了车辆行驶轨迹数据的采集存储流程。
（3）车辆轨迹数据预处理：将每个车辆用户每一次出行轨迹信息（由点火，熄火信号确定）作为一条轨迹数据存放在HDFS文件系统，由于每次出行轨迹的轨迹点个数不统一，首先需要对轨迹点进行采样；采样阈值需要从海量轨迹数据中进行确定，通常需要根据当前轨迹行驶时间track_time，轨迹点个数track_number，行驶里程run_total_odometer这三个指标来确定。本实施例中，通过建立run_total_odometer、track_time与track_number的逻辑数量关系确定一个采样阈值。少于采样样本的轨迹保留当前轨迹点数量，大于采样样本的轨迹点按相同步长进行采样。考虑到部分用户在节假日为了避免交通拥堵会提前开始出游计划或延后结束出游计划，所以本实施例在数据预处理时，会将正式节假日前一天和后一天的轨迹数据进行保留，保留的数据主要是用到出游分析时计算用户出游的起始时间和结束时间。
（4）匹配景区数据：首先是准备景区数据，可以通过爬虫等方式获取到我国现有星级景区的数据，将获取到的数据进行标准化处理，然后将标准化后的数据存储到hive表中。在景区数据匹配过程中，将这些常用景区数据（包括景区名字、省份、城市和经纬度信息）作为广播变量分发到spark各个executor节点，循环遍历每个用户的每个轨迹点和景区列表中的经纬度信息做逐个比较，如果轨迹点之间的距离在预设距离（比如：1KM）范围以内，则认为用户到过景区。其中，Distance(A,B)=arccos((sin北纬A×sin北纬B)＋(cos北纬A×cos北纬B×cosAB两地经度差))×地球平均半径 (R)， 其中地球平均半径为6371.004 km，D的单位为km。将满足去过景区条件数据的时间点映射成以天为单位的日期，例如用户A在2020-05-01 08:12:56去过景区B，则该用户A去过景区B的日期为2020-05-01，然后通过聚合用户ID和日期对旅游数据进行去重过滤，确保用户每天去过一次景区。这里需要注意的是，景区匹配数据只匹配正式节假日车辆产生的轨迹数据。最后将用户，景区，省份，日期数据存入HIVE仓库。作为用户出游的基础数据，供应用根据需求进行多维度统计分析。
（5）用户出游分析：出游分析阶段可以选择用户和景区两个中心来进行分析。以用户为中心，可以从用户年龄、星座、性别、驾驶里程等维度来进行分析，从而得到不同年龄、星座、性别的用户最喜欢的景点、最喜欢的城市、是否喜欢长途旅行、出游天数等数据。以景区为中心，可以从景区到访人数、景区类型等维度来进行分析，从而得到本次节假日出游topN景点，不同景区类型受欢迎程度等数据。最后将这些结果数据用合适的图标展示出来供阅览者查阅。

Claims (6)

1.一种基于大数据的网联车用户出游分析方法，其特征在于，包括：
车辆数据采集：车辆在行驶过程中，将包含有车辆行驶轨迹数据的车况信号由TBOX按照一定的频率采集后通过网关上传到KAFKA消息队列，不同的数据类别对应KAFKA不同的主题；
云端数据存储：采用Flink实时数据处理引擎对接包含有车辆行驶轨迹数据的车况信号的KAFKA消息队列，并对KAFKA消息队列里面的车况信号数据实时解析，筛选出车辆行驶轨迹数据，并按照当前时间信息，将该条车辆行驶轨迹数据写入按照时间目录分区的HDFS文件系统；通过对车辆行驶轨迹数据的实时解析，并将车辆行驶轨迹数据存入对应日期分区文件；
车辆行驶轨迹数据预处理：将每个车辆用户每一次出行轨迹信息作为一条轨迹数据存放在HDFS文件系统，对每次出行轨迹的轨迹点进行采样，采样阈值根据当前轨迹行驶时间track_time，轨迹点个数track_number，行驶里程run_total_odometer这三个指标来确定；将少于采样样本的轨迹保留当前轨迹点数量，将大于采样样本的轨迹点按相同步长进行采样；
匹配景区数据：首先获取景区数据，将获取到的景区数据进行标准化处理，然后将标准化后的景区数据存储到hive表中；在景区数据匹配过程中，将景区数据中的景区名字、省份、城市和经纬度信息作为广播变量分发到spark各个executor节点，循环遍历每个用户的每个轨迹点和景区列表中的经纬度信息做逐个比较，如果轨迹点之间的距离在预设距离范围以内，则认为用户到过景区；并将满足去过景区条件数据的时间点映射成以天为单位的日期，然后通过聚合用户ID和日期对旅游数据进行去重过滤，确保用户每天去过一次景区；最后将用户、景区、省份、日期数据存入HIVE仓，作为用户出游的基础数据，以供应用根据需求进行多维度统计分析；
用户出游分析：提供以用户和景区两个为中心来进行分析，并将分析结果数据用图标展示出来，以供阅览者查阅。
2.根据权利要求1所述的基于大数据的网联车用户出游分析方法，其特征在于：所述车辆行驶轨迹数据包括车辆当前时间点所在位置经纬度信息、当前时间信息和车架号编码。
3.根据权利要求1或2所述的基于大数据的网联车用户出游分析方法，其特征在于：每个车辆用户每一次出行轨迹信息由点火和熄火信号确定。
4.根据权利要求3所述的基于大数据的网联车用户出游分析方法，其特征在于：在车辆行驶轨迹数据预处理时，还保留正式节假日前一天和后一天的轨迹数据，用于出游分析时计算用户出游的起始时间和结束时间。
5.根据权利要求1或2或4所述的基于大数据的网联车用户出游分析方法，其特征在于：景区匹配数据仅匹配正式节假日车辆产生的轨迹数据。
6.根据权利要求5所述的基于大数据的网联车用户出游分析方法，其特征在于：用户出游分析时，以用户为中心，从用户年龄、星座、性别和驾驶里程来进行分析，以得到不同年龄、星座、性别的用户最喜欢的景点、最喜欢的城市、是否喜欢长途旅行以及出游天数的数据；
以景区为中心，从景区到访人数和景区类型来进行分析，以得到本次节假日出游topN景点，不同景区类型受欢迎程度的数据，最后将这些结果数据用合适的图标展示出来供阅览者查阅。
CN202010870472.8A 2020-08-26 2020-08-26 基于大数据的网联车用户出游分析方法 Active CN112035452B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010870472.8A CN112035452B (zh) 2020-08-26 2020-08-26 基于大数据的网联车用户出游分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010870472.8A CN112035452B (zh) 2020-08-26 2020-08-26 基于大数据的网联车用户出游分析方法

Publications (2)

Publication Number Publication Date
CN112035452A true CN112035452A (zh) 2020-12-04
CN112035452B CN112035452B (zh) 2022-09-06

Family

ID=73581545

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010870472.8A Active CN112035452B (zh) 2020-08-26 2020-08-26 基于大数据的网联车用户出游分析方法

Country Status (1)

Country Link
CN (1) CN112035452B (zh)

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012039004A1 (ja) * 2010-09-22 2012-03-29 三菱電機株式会社 運転支援装置
US20120306663A1 (en) * 2011-06-01 2012-12-06 GM Global Technology Operations LLC Fast Collision Detection Technique for Connected Autonomous and Manual Vehicles
CN103093385A (zh) * 2012-12-18 2013-05-08 泰安市泰山风景名胜区管理委员会 基于三维gis系统的景区综合管理系统
CN104835085A (zh) * 2015-05-12 2015-08-12 成都中科大旗软件有限公司 旅游运行监管及安全应急管理联动指挥平台系统
CN105679018A (zh) * 2016-01-28 2016-06-15 福建航天星联信息科技有限公司 一种基于车辆行驶轨迹对车辆进行跟踪的系统
CN107797555A (zh) * 2017-10-30 2018-03-13 奇瑞汽车股份有限公司 一种游览车自动驾驶控制方法及装置
CN108170793A (zh) * 2017-12-27 2018-06-15 厦门市美亚柏科信息股份有限公司 基于车辆语义轨迹数据的停留点分析方法及其系统
US20180196439A1 (en) * 2015-11-04 2018-07-12 Zoox, Inc. Adaptive autonomous vehicle planner logic
CN108287841A (zh) * 2017-01-09 2018-07-17 北京四维图新科技股份有限公司 景点数据采集和更新方法及系统、游客终端设备及助导游设备
CN108549976A (zh) * 2018-03-28 2018-09-18 四川亨通网智科技有限公司 智慧旅游大数据分析方法
CN109697214A (zh) * 2018-11-30 2019-04-30 武汉烽火众智数字技术有限责任公司 一种旅游数据分析系统及方法
CN109981445A (zh) * 2019-03-05 2019-07-05 上海博泰悦臻网络技术服务有限公司 车机消息统一配置推送方法、服务端、车机端及客户端
US20190291699A1 (en) * 2018-03-26 2019-09-26 Honda Motor Co., Ltd. Vehicle purification device, vehicle purification method, and storage medium
CN110807717A (zh) * 2019-09-23 2020-02-18 重庆特斯联智慧科技股份有限公司 一种基于边缘计算的智慧旅游方法及云平台系统
CN111131348A (zh) * 2018-10-31 2020-05-08 顺丰科技有限公司 一种车联网系统及其运行方法

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012039004A1 (ja) * 2010-09-22 2012-03-29 三菱電機株式会社 運転支援装置
US20120306663A1 (en) * 2011-06-01 2012-12-06 GM Global Technology Operations LLC Fast Collision Detection Technique for Connected Autonomous and Manual Vehicles
CN103093385A (zh) * 2012-12-18 2013-05-08 泰安市泰山风景名胜区管理委员会 基于三维gis系统的景区综合管理系统
CN104835085A (zh) * 2015-05-12 2015-08-12 成都中科大旗软件有限公司 旅游运行监管及安全应急管理联动指挥平台系统
US20180196439A1 (en) * 2015-11-04 2018-07-12 Zoox, Inc. Adaptive autonomous vehicle planner logic
CN105679018A (zh) * 2016-01-28 2016-06-15 福建航天星联信息科技有限公司 一种基于车辆行驶轨迹对车辆进行跟踪的系统
CN108287841A (zh) * 2017-01-09 2018-07-17 北京四维图新科技股份有限公司 景点数据采集和更新方法及系统、游客终端设备及助导游设备
CN107797555A (zh) * 2017-10-30 2018-03-13 奇瑞汽车股份有限公司 一种游览车自动驾驶控制方法及装置
CN108170793A (zh) * 2017-12-27 2018-06-15 厦门市美亚柏科信息股份有限公司 基于车辆语义轨迹数据的停留点分析方法及其系统
US20190291699A1 (en) * 2018-03-26 2019-09-26 Honda Motor Co., Ltd. Vehicle purification device, vehicle purification method, and storage medium
CN108549976A (zh) * 2018-03-28 2018-09-18 四川亨通网智科技有限公司 智慧旅游大数据分析方法
CN111131348A (zh) * 2018-10-31 2020-05-08 顺丰科技有限公司 一种车联网系统及其运行方法
CN109697214A (zh) * 2018-11-30 2019-04-30 武汉烽火众智数字技术有限责任公司 一种旅游数据分析系统及方法
CN109981445A (zh) * 2019-03-05 2019-07-05 上海博泰悦臻网络技术服务有限公司 车机消息统一配置推送方法、服务端、车机端及客户端
CN110807717A (zh) * 2019-09-23 2020-02-18 重庆特斯联智慧科技股份有限公司 一种基于边缘计算的智慧旅游方法及云平台系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
杨文军等: "基于车辆轨迹OD数据分析乘客出行特征的研究", 《测绘与空间地理信息》 *
陈鸿斌: "基于多源轨迹数据的旧城区过境交通需求分析——以厦门市鹭江道为例", 《交通与港航》 *

Also Published As

Publication number Publication date
CN112035452B (zh) 2022-09-06

Similar Documents

Publication Publication Date Title
Tong et al. A framework for developing driving cycles with on‐road driving data
CN109754594B (zh) 一种路况信息获取方法及其设备、存储介质、终端
CN109697854B (zh) 多维度的城市道路交通状态评估方法
DE60222821T2 (de) Server zur Fernfehlersuche in Fahrzeugen und dergleichen
CN111806239A (zh) 电动车辆续航里程测量方法、电子设备及存储介质
CN109270565B (zh) 一种车载gps大数据的处理装置
WO2017190595A1 (zh) 一种交通工具数据处理方法、装置和终端设备
CN108803559B (zh) 车辆故障分析方法、装置和系统
CN110243384B (zh) 实际行驶排放试验路线的确定方法、装置、设备和介质
CN110969861B (zh) 一种车辆识别方法、装置、设备及计算机存储介质
EP2560146A1 (de) System und Verfahren zum Visualisieren von Kfz-Diagnose- und Geopositionsdaten
CN111429744A (zh) 一种路况信息融合分析的方法、装置及存储介质
CN110458214A (zh) 驾驶员更换识别方法和装置
Farzaneh et al. Texas-specific drive cycles and idle emissions rates for using with EPA’s MOVES model-final report
CN112035452B (zh) 基于大数据的网联车用户出游分析方法
WO2020058234A1 (fr) Dispositif de prédiction de trajet le plus probable d'un véhicule
CN108257406B (zh) 终端、服务器和驾驶数据分享方法
CN111444286B (zh) 一种基于轨迹数据的远距离交通节点关联性挖掘方法
CN117400948A (zh) 一种汽车能耗预测方法、装置、电子设备及存储介质
US10373405B2 (en) Vehicle generated data
CN116340768B (zh) 一种智能化道路积尘负荷监测方法及监测装置
CN112039956A (zh) 一种基于驾驶数据的车险数据监控处理系统及方法
CN113362488B (zh) Obd监测数据处理系统
CN112466004B (zh) 车辆使用信息获取方法、装置、设备及存储介质
DE102017217202A1 (de) Persönlicher intelligenter Tankassistent

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