CN112185156B - 一种基于定位数据分析的车辆廉情识别方法 - Google Patents
一种基于定位数据分析的车辆廉情识别方法 Download PDFInfo
- Publication number
- CN112185156B CN112185156B CN202011085445.6A CN202011085445A CN112185156B CN 112185156 B CN112185156 B CN 112185156B CN 202011085445 A CN202011085445 A CN 202011085445A CN 112185156 B CN112185156 B CN 112185156B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- data
- parking
- positioning
- time
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
-
- 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
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
-
- 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
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- 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
- H04W4/025—Services making use of location information using location based information parameters
- H04W4/027—Services making use of location information using location based information parameters using movement velocity, acceleration information
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及数据分析技术领域,具体公开了一种多维度分析公车使用廉情、基于定位数据分析的车辆廉情识别方法,包括车辆活动状态分析模型的构建:设置模型的基础参数;从车辆GPS系统中抽取原始定位数据,建立坐标模型,并清除离散点数据;按时间顺序逐次比对坐标模型中相邻两点的坐标数据,将符合停车状态判断条件的坐标数据记为停车状态点,并作为停车集合数据加入停车集合中;车辆使用行为分析模型的构建:记录特定时间段内停车集合数据的数量,车辆在所属辖区外停留超过指定时间的数据;车辆从指定地点开往非指定地点停留超时,再开往另一个指定地点的数据;车辆在娱乐场所停留超时的数据;车辆跨区行驶的数据;生成车辆使用行为分析图表。
Description
技术领域
本发明涉及数据分析技术领域,特别是涉及一种基于定位数据分析的车辆廉情识别方法。
背景技术
公务车(Official cars)是指国家政府机关和事业单位为了执行国家公务而专门配备的车辆,包括军车、警车、消防车、救护车、抢险救灾车等以及其他用于执行公务的车辆,严格监督公务车的使用,使公务车为人民服务,避免公车私用问题是目前廉政建设的重要内容。目前,在对公车使用情况的监督体系中,主要采用与加油站的加油信息进行对比,例如,基于GPS轨迹拟合+坐标匹配智能分析技术的公车管理廉情预警方法及系统构建的方法,其侧重对公车加油相关问题的分析,未能对其他场所附近的使用情况进行分析建模,同时也缺少对车辆使用行为的分析,车辆分析内容较为片面,核查问题维度单一,降低了廉情监督结果的可靠性。
发明内容
基于此,有必要针对分析内容片面的技术问题,提供一种多维度分析公车使用廉情、基于定位数据分析的车辆廉情识别方法。
一种基于定位数据分析的车辆廉情识别方法,包括车辆活动状态分析模型的构建以及车辆使用行为分析模型的构建,其中
车辆活动状态分析模型的构建包括以下步骤:
步骤S11:设置模型的基础参数,包括计算的时间范围、用于判定停车状态的最大距离、用于判定停车状态的最高速度、用于判定停车状态的最小停车时间以及用于判定停车集合的最大距离;
步骤S12:根据所述计算的时间范围参数从车辆GPS系统中抽取原始定位数据,建立坐标模型,并清除离散点数据;
步骤S13:按时间顺序逐次比对所述坐标模型中相邻两点的坐标数据,将符合停车状态判断条件的坐标数据记为停车状态点,并作为停车集合数据加入停车集合中;
车辆使用行为分析模型的构建包括以下步骤:
步骤S21:记录特定时间段内所述停车集合数据的数量;记录车辆在所属辖区外停留超过指定时间的数据;记录车辆从指定地点开往非指定地点停留超时,再开往另一个指定地点的数据;记录车辆在娱乐场所停留超时的数据;记录车辆跨区行驶的数据;
步骤S22:根据所述步骤S21中的各数据生成车辆使用行为分析图表。
在其中一个实施例中,停车集合包括同一车辆在一段连续时间内的多个GPS坐标。
在其中一个实施例中,所述步骤S13中用于判断车辆处于停车状态的条件包括:所述坐标模型中相邻时间的两坐标数据的距离小于判定停车状态的最大距离或
所述坐标模型中相邻时间的两坐标数据的速度小于用于判定停车状态的最高速度或
当前车辆定位与前一停车集合中所有位置的距离均小于用于判定停车集合的最大距离。
在其中一个实施例中,还包括步骤S14:在车辆未满足步骤S13的停车状态判断条件时,若当前车辆定位与前一停车集合的开始定位的距离及与结束定位的距离分别小于100m,且与结束定位时间差小于3分钟时,则将当前车辆定位合并至前一停车集合,然后重复步骤S13。
在其中一个实施例中,还包括步骤S15:在不满足步骤S14的合并条件时,将当前车辆定位与前一停车集合的开始定位及与结束定位分别进行对比:
若当前车辆定位与前一停车集合的结束定位的时间间隔大于用于判定停车状态的最小停车时间或
当前车辆定位与前一停车集合的开始定位的距离以及当前车辆定位与结束定位的距离均小于用于判定停车集合的最大距离,将车辆的当前定位数据作为停车集合数据加入前一停车集合中,然后重复步骤S13。
在其中一个实施例中,还包括步骤S16:在不满足步骤S15的条件时,将当前车辆定位与前一停车集合的开始定位及与结束定位分别进行对比:
当前车辆定位与前一停车集合的结束定位的时间间隔大于用于判定停车状态的最小停车时间与浮动调参值的和,且当前车辆定位与前一停车集合的开始定位的距离以及当前车辆定位与结束定位的距离均小于500m时,则认定是停车后定位关闭,开车后定位开启,并将车辆的当前定位数据作为停车集合数据加入前一停车集合中,然后重复步骤S13。
在其中一个实施例中,还包括步骤S17:在不满足步骤S16的条件时,认定车辆处于运动状态,记录前一停车集合数据,然后重复步骤S13。
在其中一个实施例中,所述步骤S21中的特定时间段内所述停车集合数据的数量是指单月内车辆在节假日、下班时间使用次数大于上班时间使用次数预定倍数的数据,以及单月内车辆在节假日指定时间以后使用次数大于一定次数次的数据,其中,使用次数判断标准为产生停车集合数据的记为一次使用记录。
在其中一个实施例中,所述步骤S21中的车辆跨区行驶的数据包括车辆在非工作时间内行驶跨区的数据以及车辆在工作日预定时间段行驶跨区的数据。
实施本发明的基于定位数据分析的车辆廉情识别方法,通过建立车辆活动状态分析模型及车辆使用行为分析模型,可以帮助纪检监察人员从车辆的活动状态以及车辆在不同时段及区域使用情况两方面来分析车辆使用的廉情问题,丰富了数据获取及分析的渠道,提升了分析结果的可靠性;通过将本方法应用到数据分析系统中,工作人员无需核查每辆车的行驶记录以及对比车辆停留地点等,即可以在海量数据中核查廉情风险,提升了核查效率并降低了数据核查成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,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,还可以根据提供的附图获得其他的附图:
图1为本发明的一个实施例中车辆廉情识别方法的实施流程图;
图2为本发明的一个实施例中依据车辆使用行为分析模型生成的车辆使用行为分析图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似改进,因此本发明不受下面公开的具体实施例的限制。
请参阅图1,本发明提供了一种多维度分析公车使用廉情、基于定位数据分析的车辆廉情识别方法,该方法使用具有定位信息无线按发送功能的车辆以及可无线接收车辆定位信息的后台,包括车辆活动状态分析模型的构建以及车辆使用行为分析模型的构建。
车辆活动状态分析模型用于对车辆原始坐标数据进行纠偏、分析,识别车辆是行驶还是停止以及对应状态的持续时间。车辆活动状态分析模型的构建包括以下步骤:
步骤S11:设置模型的基础参数,包括计算的时间范围、用于判定停车状态的最大距离、用于判定停车状态的最高速度、用于判定停车状态的最小停车时间以及用于判定停车集合的最大距离。
具体的,计算的时间范围是指计算车辆活动状态的开始时间和结束时间。用于判定停车状态的最大距离是指判定车辆运动状态的距离基准值,即坐标模型中2个连续时间定位数据的距离小于该值时,判断该段时间为停车状态,否则为运动状态。同样的,用于判定停车状态的最高速度是指判定车辆运动状态的速度基准值,即坐标模型中2个连续时间定位数据的速度小于该值时,判断该段时间为停车状态,否则为运动状态;用于判定停车状态的最小停车时间是指判定车辆运动状态的时间基准值,即坐标模型中车辆处于停止状态的时长大于该值时,才标记为停车状态,否则算作运动状态。用于判定停车集合的最大距离是指车辆集合基准值,车辆停车集合的首个和末尾定位距离小于该值,才标记为停车状态,否则算作运动状态。需要说明的是,本实施例中的停车集合包括同一车辆在一段连续时间内的多个GPS坐标,车辆停车集合的首个和末尾定位距离即该停车集合中按照时间顺序首尾两个定位的距离。
需要说明的是,在模型基础参数设置的同时,还需要对车辆可以出入的位置区域、指定场所、非指定场所以及时间区域进行定义,如设定包括节假日及上下班时间的非工作时间段,以便于在后续数据分析过程中,明确在何种条件下超出了车辆使用的权限和范围。
步骤S12:根据计算的时间范围参数从车辆GPS系统中抽取原始定位数据,建立坐标模型,并清除离散点数据。
需要说明的是,本实施例的原始定位数据是由汽车在行驶过程中实时定位并存储在车辆GPS系统中的位置数据,车辆GPS系统即为前文的可无线接收车辆定位信息的后台。在数据分析前,由该车辆GPS系统调用预定时间范围内的时间及与时间对应的位置参数,即可得到车辆在不同时间下的位置数据,由于车辆的GPS数据与实际场景中的具体场所对应,因此,通过分析车辆在相应场所出入或停留的情况,即可分析车辆的行驶状况。此外,在GPS数据获取后,需要排查实际生产时,部分场所因经营问题搬迁或改建,导致GPS位置数据与实际场所不符的情况,以保证位置分析的可靠性。
离散点数据的清除主要是为了消除因定位系统偏差造成的不合理数据,以提升用于定位分析数据的可靠性。
步骤S13:按时间顺序逐次比对坐标模型中相邻两点的坐标数据,将符合停车状态判断条件的坐标数据记为停车状态点,并作为停车集合数据加入停车集合中,随后继续按时间顺序比对坐标模型中的下一组相邻数据,重复该步骤S13直到完成所有数据的比对。
具体的,按时间顺序逐次比对坐标模型中相邻两点的坐标数据,并判断当前坐标数据是否符合停车状态判断条件,若符合,则将当前坐标数据加入停车集合中,若不符合,则进入后续流程中进行判断。步骤S13中用于判断车辆处于停车状态的条件包括:坐标模型中相邻时间的两坐标数据的距离小于判定停车状态的最大距离;或坐标模型中相邻时间的两坐标数据的速度小于用于判定停车状态的最高速度;或当前车辆定位与前一停车集合中所有位置的距离均小于用于判定停车集合的最大距离,可以理解为,上述三个条件只要满足一个,即判定车辆处于停车状态,随后将处于停车状态的该坐标数据加入到停车集合中,以利于后续数据统计作业的进行。其中,当前车辆定位与前一停车集合中所有位置的距离均小于用于判定停车集合的最大距离是指:当前车辆定位逐次与相邻的前一时间段的多个位置进行比较,在当前车辆定位与停车集合中所有位置的距离均小于用于判定停车集合的最大距离时,即判定车辆处于停车状态。
一实施例中,还包括步骤S14:在车辆未满足步骤S13的停车状态判断条件时,判断当前车辆定位与前一停车集合的开始定位的距离及与结束定位的距离是否分别小于100m,且与结束定位的时间差小于3分钟,若当前车辆定位与前一停车集合的开始定位的距离及与结束定位的距离分别小于100m,且与结束定位的时间差小于3分钟,则将当前车辆定位合并至前一停车集合,然后重复步骤S13。即步骤S14用于对不满足步骤S13停车状态判断条件的车辆定位数据进一步进行分析,通过当前车辆定位与前一停车集合的开始定位及结束定位的位置关系以及与结束定位的时间差来判断车辆停车状态,并将符合条件的车辆定位数据加入停车集合中。
一实施例中,还包括步骤S15:在不满足步骤S14的合并条件时,将当前车辆定位与前一停车集合的开始定位及与结束定位分别进行对比:判断当前车辆定位与前一停车集合的结束定位的时间间隔是否大于用于判定停车状态的最小停车时间;或当前车辆定位与前一停车集合的开始定位的距离和当前车辆定位与结束定位的距离是否均小于用于判定停车集合的最大距离。若当前车辆定位与前一停车集合的结束定位的时间间隔大于用于判定停车状态的最小停车时间;或当前车辆定位与前一停车集合的开始定位的距离以及当前车辆定位与结束定位的距离均小于用于判定停车集合的最大距离,将车辆的当前定位数据作为停车集合数据加入前一停车集合中,然后重复步骤S13。进一步的,还包括步骤S16:在不满足步骤S15的条件时,将当前车辆定位与前一停车集合的开始定位及与结束定位分别进行对比:判断当前车辆定位与前一停车集合的结束定位的时间间隔是否大于用于判定停车状态的最小停车时间与浮动调参值的和,且当前车辆定位与前一停车集合的开始定位的距离以及当前车辆定位与结束定位的距离是否均小于500m。若当前车辆定位与前一停车集合的结束定位的时间间隔大于用于判定停车状态的最小停车时间与浮动调参值的和,且当前车辆定位与前一停车集合的开始定位的距离以及当前车辆定位与结束定位的距离均小于500m时,则认定是停车后定位关闭,开车后定位开启,并将车辆的当前定位数据作为停车集合数据加入前一停车集合中,然后重复步骤S13。一实施例中,浮动调参值介于10分钟至30分钟之间,在具体分析时,该浮动调参值在车辆类型变化时改变,以使得分析结果更贴合车辆使用实际,从而提升分析结果的可靠性。
此外,还包括步骤S17:在不满足步骤S16的条件时,认定车辆处于运动状态,记录前一停车集合数据,然后重复步骤S13。即,在当前车辆定位数据均不满足上述任一停车状态判断条件时,排除当前车辆定位数据,仍然沿用前一个停车集合的数据,并在坐标模型内选取下一组数据进行比对。
需要说明的是,本发明的车辆活动状态分析模型的建立主要用于形成车辆停车集合,经数据比对分析后,该车辆停车集合中每新增一个停车集合数据,即表示车辆使用一次,以便于为后续车辆使用情况分析提供依据。
车辆使用行为分析模型通过车辆上下班使用次数分析对比、停留地点对比、跨区使用情况对比等全方面分析车辆日常使用行为。车辆使用行为分析模型的构建包括以下步骤:
步骤S21:记录特定时间段内停车集合数据的数量;记录车辆在所属辖区外停留超过指定时间的数据;记录车辆从指定地点开往非指定地点停留超时,再开往另一个指定地点的数据;记录车辆在娱乐场所停留超时的数据;记录车辆跨区行驶的数据。
具体的,步骤S21中的特定时间段内停车集合数据的数量是指单月内车辆在节假日、下班时间使用次数大于上班时间使用次数预定倍数的数据,,如4倍以及单月内车辆在节假日指定时间,如下午8点以后使用次数大于一定次数次的数据,其中,使用次数判断标准为产生停车集合数据的记为一次使用记录。用于判断车辆在所属辖区外停留的指定时间依据企事业单位或政务机关的相关管理条例确定。车辆从指定地点开往非指定地点停留超时,再开往另一个指定地点是指:车辆从维修点或报备点等指定地点前往如饭店及酒店一类的非指定地点,随后再度前往另一个被管理体系中可允许前往的指定地点的数据。步骤S21中的娱乐场所是指五星级酒店、高尔夫球场以及景点等场所。需要说明的是,在记录车辆出入上述娱乐场所时,需要排除有明确所属辖区的车辆在其所属辖区的娱乐场所停留情况。
一实施例中,步骤S21中的车辆跨区行驶的数据包括车辆在非工作时间内行驶跨区的数据,如跨4个区及以上以及车辆在工作日预定时间段,如晚上7点到早上6点和节假日晚上5点到早上9点行驶跨4个区及以上的数据。需要说明的是,车辆在停留上述场所的数据以及车辆跨区行驶的数据均由车辆活动状态分析模型结合车辆的GPS数据得到。
步骤S22:根据步骤S21中的各数据生成车辆使用行为分析图表。
请参阅图2,图2示出了依据车辆使用行为分析模型生成的车辆使用行为分析图,由该图中可以看到车辆出入的区域以及出入场所的时间和频次以及非工作日时使用车辆的情况等信息,如此,纪检监察人员可依据形成的图表进行预警查办,以督促车辆管理部门及时修订管理细则,从而完善车辆管理制度。
实施本发明的基于定位数据分析的车辆廉情识别方法,通过建立车辆活动状态分析模型及车辆使用行为分析模型,可以帮助纪检监察人员从车辆的活动状态以及车辆在不同时段及区域使用情况两方面来分析车辆使用的廉情问题,丰富了数据获取及分析的渠道,提升了分析结果的可靠性;通过将本方法应用到数据分析系统中,工作人员无需核查每辆车的行驶记录以及对比车辆停留地点等,即可以在海量数据中核查廉情风险,提升了核查效率并降低了数据核查成本。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (6)
1.一种基于定位数据分析的车辆廉情识别方法,其特征在于,包括车辆活动状态分析模型的构建以及车辆使用行为分析模型的构建,其中,
车辆活动状态分析模型的构建包括以下步骤:
步骤S11:设置模型的基础参数,包括计算的时间范围、用于判定停车状态的最大距离、用于判定停车状态的最高速度、用于判定停车状态的最小停车时间以及用于判定停车集合的最大距离;
步骤S12:根据所述计算的时间范围参数从车辆GPS系统中抽取原始定位数据,建立坐标模型,并清除离散点数据;
步骤S13:按时间顺序逐次比对所述坐标模型中相邻两点的坐标数据,将符合停车状态判断条件的坐标数据记为停车状态点,并作为停车集合数据加入停车集合中;
步骤S14:在车辆未满足步骤S13的停车状态判断条件时,若当前车辆定位与前一停车集合的开始定位的距离及与结束定位的距离分别小于100m,且与结束定位的时间差小于3分钟时,则将当前车辆定位合并至前一停车集合,然后重复步骤S13;
步骤S15:在不满足步骤S14的合并条件时,将当前车辆定位与前一停车集合的开始定位及与结束定位分别进行对比:
若当前车辆定位与前一停车集合的结束定位的时间间隔大于用于判定停车状态的最小停车时间或
当前车辆定位与前一停车集合的开始定位的距离以及当前车辆定位与结束定位的距离均小于用于判定停车集合的最大距离,将车辆的当前定位数据作为停车集合数据加入前一停车集合中,然后重复步骤S13;
步骤S16:在不满足步骤S15的条件时,将当前车辆定位与前一停车集合的开始定位及与结束定位分别进行对比:
当前车辆定位与前一停车集合的结束定位的时间间隔大于用于判定停车状态的最小停车时间与浮动调参值的和,且当前车辆定位与前一停车集合的开始定位的距离以及当前车辆定位与结束定位的距离均小于500m时,则认定是停车后定位关闭,开车后定位开启,并将车辆的当前定位数据作为停车集合数据加入前一停车集合中,然后重复步骤S13;
车辆使用行为分析模型的构建包括以下步骤:
步骤S21:记录特定时间段内所述停车集合数据的数量;记录车辆在所属辖区外停留超过指定时间的数据;记录车辆从指定地点开往非指定地点停留超时,再开往另一个指定地点的数据;记录车辆在娱乐场所停留超时的数据;记录车辆跨区行驶的数据;
步骤S22:根据所述步骤S21中的各数据生成车辆使用行为分析图表。
2.根据权利要求1所述的车辆廉情识别方法,其特征在于,停车集合包括同一车辆在一段连续时间内的多个GPS坐标。
3.根据权利要求2所述的车辆廉情识别方法,其特征在于,所述步骤S13中用于判断车辆处于停车状态的条件包括:所述坐标模型中相邻时间的两坐标数据的距离小于判定停车状态的最大距离或
所述坐标模型中相邻时间的两坐标数据的速度小于用于判定停车状态的最高速度或
当前车辆定位与前一停车集合中所有位置的距离均小于用于判定停车集合的最大距离。
4.根据权利要求3所述的车辆廉情识别方法,其特征在于,还包括步骤S17:在不满足步骤S16的条件时,认定车辆处于运动状态,记录前一停车集合数据,然后重复步骤S13。
5.根据权利要求2所述的车辆廉情识别方法,其特征在于,所述步骤S21中的特定时间段内所述停车集合数据的数量是指单月内车辆在节假日、下班时间使用次数大于上班时间使用次数预定倍数的数据,以及单月内车辆在节假日指定时间以后使用次数大于一定次数次的数据,其中,使用次数判断标准为产生停车集合数据的记为一次使用记录。
6.根据权利要求2所述的车辆廉情识别方法,其特征在于,所述步骤S21中的车辆跨区行驶的数据包括车辆在非工作时间内行驶跨区的数据以及车辆在工作日预定时间段行驶跨区的数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011085445.6A CN112185156B (zh) | 2020-10-12 | 2020-10-12 | 一种基于定位数据分析的车辆廉情识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011085445.6A CN112185156B (zh) | 2020-10-12 | 2020-10-12 | 一种基于定位数据分析的车辆廉情识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112185156A CN112185156A (zh) | 2021-01-05 |
CN112185156B true CN112185156B (zh) | 2021-07-30 |
Family
ID=73949299
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011085445.6A Active CN112185156B (zh) | 2020-10-12 | 2020-10-12 | 一种基于定位数据分析的车辆廉情识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112185156B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112633251A (zh) * | 2021-01-07 | 2021-04-09 | 南方电网深圳数字电网研究院有限公司 | 基于文本识别的目标单据获取方法、装置及存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10555130B1 (en) * | 2019-04-09 | 2020-02-04 | Sprint Communications Company L.P. | Pre-processing of mobile communication device geolocations according to travel mode in traffic analysis |
CN110070706A (zh) * | 2019-04-28 | 2019-07-30 | 西安艾润物联网技术服务有限责任公司 | 公务车监控方法、装置及系统 |
CN110675041A (zh) * | 2019-09-16 | 2020-01-10 | 广州如约数据科技有限公司 | 一种公务用车管理系统 |
CN110990507B (zh) * | 2019-11-25 | 2023-11-21 | 河北工业大学 | 一种公务车辆智能化监控监管云平台系统 |
CN111667691A (zh) * | 2020-05-28 | 2020-09-15 | 杭州三一谦成科技有限公司 | 一种基于大数据公务车辆调控规划系统及方法 |
-
2020
- 2020-10-12 CN CN202011085445.6A patent/CN112185156B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112185156A (zh) | 2021-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107798876B (zh) | 基于事件的道路交通异常拥堵判断方法 | |
CN105225476B (zh) | 一种车辆轨迹的生成、聚合方法和装置 | |
CN106022296B (zh) | 一种基于车辆热点区域的概率聚合的套牌车检测方法 | |
CN106971552B (zh) | 套牌现象检测方法和系统 | |
CN107067730B (zh) | 基于卡口设备的网约车人车不一致监测方法 | |
CN112581642B (zh) | 一种基于高速公路门架计费数据的偷逃费车辆稽查方法 | |
CN103236166A (zh) | 一种使用卫星定位技术进行车辆违章行为辨识的方法 | |
CN109544966B (zh) | 特种车辆路线偏移分析方法及系统 | |
CN108230724B (zh) | 一种基于极大概率估计的城市公交系统车载报站缺失数据修补方法 | |
CN101398973B (zh) | 一种使用gps技术进行汽车稽查的方法及装置 | |
CN113961605A (zh) | 一种基于5g的智慧园区智能安防监测管理系统 | |
CN112185156B (zh) | 一种基于定位数据分析的车辆廉情识别方法 | |
CN112991130A (zh) | 基于人工智能的城市治理事件处理方法及装置 | |
CN112016520A (zh) | 基于ai的交通违法凭证生成方法、装置、终端及存储介质 | |
CN114841712B (zh) | 网约车巡游违规运营状态的确定方法和装置及电子设备 | |
CN109661692A (zh) | 交通事件预测方法、装置及终端设备 | |
CN113487877A (zh) | 一种道路车辆违规停车监控方法 | |
CN110379162B (zh) | 车辆违章监测方法、装置、设备及计算机可读存储介质 | |
CN114419924A (zh) | 一种基于智慧城市的ai应用控制管理系统 | |
CN114049663A (zh) | 一种基于人脸识别的工地人员健康信息系统的管理方法 | |
Moosavi et al. | Simulation-based sensitivity analysis for evaluating factors affecting bus service reliability: A big and smart data implementation | |
CN109035480B (zh) | 一种报表数据生成方法 | |
CN111341002A (zh) | 基于蓝牙功能的刷脸认证方法及装置 | |
CN115660622B (zh) | 一种应用于差旅的数据处理方法及系统 | |
Aladdini | EMS response time models: A case study and analysis for the region of Waterloo |
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 |