CN112579658B - 一种多进程分析车辆昼伏夜出的方法 - Google Patents

一种多进程分析车辆昼伏夜出的方法 Download PDF

Info

Publication number
CN112579658B
CN112579658B CN201910923357.XA CN201910923357A CN112579658B CN 112579658 B CN112579658 B CN 112579658B CN 201910923357 A CN201910923357 A CN 201910923357A CN 112579658 B CN112579658 B CN 112579658B
Authority
CN
China
Prior art keywords
vehicle
daytime
data
mileage
night
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
CN201910923357.XA
Other languages
English (en)
Other versions
CN112579658A (zh
Inventor
刘杰
易明
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 Seg Chesheng Communication Navigation Co ltd
Original Assignee
Shenzhen Saige Chesheng Zhilian Technology 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 Saige Chesheng Zhilian Technology Co ltd filed Critical Shenzhen Saige Chesheng Zhilian Technology Co ltd
Priority to CN201910923357.XA priority Critical patent/CN112579658B/zh
Publication of CN112579658A publication Critical patent/CN112579658A/zh
Application granted granted Critical
Publication of CN112579658B publication Critical patent/CN112579658B/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
    • G06F16/24—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
    • G06F16/242—Query formulation
    • G06F16/2433—Query languages
    • 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
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Engineering & Computer Science (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Computational Linguistics (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Fuzzy Systems (AREA)
  • Navigation (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

一种多进程分析车辆昼伏夜出的方法，其特征在于，如图1所示，包括以下步骤S1、获取与存储数据；S2、对数据进行预处理：在步骤S1得到的GPS数据中，选取卫星定位数据，并按照上报时间从小到大排序；S3、判断车辆昼伏：根据步骤S2排列好的数据获取从早上六点到下午六点间白天的数据，根据白天上报的GPS数据的数量、经纬度及车辆行进里程的结合、速度和里程的结合判断车辆是否存在昼伏现象，若存在则进行步骤S4，若不存在继续对下一辆车进行判断；本发明在相对现有技术仅仅取速度和相邻时刻里程对车辆昼伏夜出进行判断，增加了行驶里程和行驶时长，以提高整个车辆昼伏夜出判断的准确性。

Description

一种多进程分析车辆昼伏夜出的方法
技术领域
本发明涉及大数据分析与智能交通控制技术领域，具体地说，属于一种多进程分析车辆昼伏夜出的方法。
背景技术
现有技术对昼伏夜出的定义比较片面，只要上报的GPS数据中速度或是相邻两个时刻的里程差大于某个阈值，则认为车辆有运动的痕迹。由于GPS数据存在误报的情况，这样可能会对昼伏的车辆误判，同样仅仅通过夜晚存在运动痕迹来判断夜出，也会存在误差，现有技术的采用单进程进行分析，运行效率低下。
发明内容
本发明的目的是提供一种多进程分析车辆昼伏夜出的方法，要解决现有技术效率低下的技术问题；并解决现有技术车辆昼伏夜出出现误差的问题。
本发明解决其技术问题所采用的技术方案是：
一种多进程分析车辆昼伏夜出的方法，其特征在于，包括以下步骤
S1、获取与存储数据：首先通过SQL语句从Mysql获取满足条件的所有有线终端，利用Python多进程技术，将所有有限终端分成n份，通过多核CPU并行执行，根据终端和时间戳组成的行健Rowkey以获取Hbase中每个有线终端前一天早上六点到当前日期早上六点的GPS数据，通过Pandas模块将返回数据类型JSON转换为便于分析的DataFrame，所述GPS数据包含GPS时间、速度、定位状态和里程。
S2、对数据进行预处理：在步骤S1得到的GPS数据中，选取卫星定位数据，并按照上报时间从小到大排序；
S3、判断车辆昼伏：根据步骤S2排列好的数据获取从早上六点到下午六点间白天的数据，根据白天上报的GPS数据的数量、经纬度及车辆行进里程的结合、速度和里程的结合判断车辆是否存在昼伏现象，若存在则进行步骤S4，若不存在继续对下一辆车进行判断；
S4、判断车辆夜出：根据步骤S2排列好的数据获取前一天下午六点至当前日期早上六点间夜晚的数据，根据车辆行使里程与时间间隔的结合、速度和时间间隔的结合判定车辆存在夜出，根据S3和S4结合判断车辆是否存在昼伏夜出现象，若存在则判断车辆出现昼伏夜出警情，若不存在继续对下一辆车进行判断。
进一步优选地，所述步骤S3中根据白天上报的GPS数据的数量判断车辆是否存在昼伏现象具体为当上报的数据为空时则判断车辆出现了昼伏现象。
进一步地，所述步骤S3中根据经纬度及车辆行进里程的结合判断车辆是否存在昼伏夜出现象具体为，通过经纬度计算车辆行进里程，白天的里程差在1000米范围内，车辆可能是静止状态，则判断车辆出现了昼伏现象。
进一步地，所述步骤S3中根据速度和里程的结合判断车辆是否存在昼伏现象具体为，若速度小于10km/h而且相邻两个时刻的里程差小于10米，则判断车辆出现了昼伏现象。
此外，所述步骤S4中根据车辆行使里程与时间间隔的结合判定车辆存在夜出，具体为，当车辆速度大于10km/h，且第一次运动到最后一次运动的持续时间大于一个小时则满足夜出条件。
更加优选地，所述步骤S4中根据车辆行使里程与时间间隔的结合判定车辆存在夜出，具体为，当相邻时刻里程差大于10米车辆速度大于10km/h，且第一次运动到最后一次运动的持续时间大于一个小时则满足夜出条件。
实施本发明可以达到以下有益效果：
本发明在相对现有技术仅仅取速度和相邻时刻里程对车辆昼伏夜出进行判断，增加了行驶里程和行驶时长，以提高整个车辆昼伏夜出判断的准确性；通过采用利用多进程技术提高数据处理的准确性能，通过对昼伏夜出逻辑的优化以及利用多进程执行代码，多个Python进程有各自独立的GIL锁，互不影响，所以多进程可以利用多核并行来提高执行效率，程序的准确性和运行效率均提升了50％以上。
附图说明
图1为本发明一种多进程分析车辆昼伏夜出的方法的工作流程图；
图2为本发明车辆静止图示；
图3为本发明涉及的车辆运行的轨迹图示。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。显然，所描述的实施例仅仅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。
一种多进程分析车辆昼伏夜出的方法，其特征在于，如图1所示，包括以下步骤
S1、获取与存储数据：首先通过SQL语句从Mysql获取满足条件的所有有线终端，利用多进程技术，将所有有限终端分成n份，通过多核CPU并行执行，以获取Hbase中每个有线终端前一天早上六点到当前日期早上六点的GPS数据，存储到DataFrame，所述GPS数据包含GPS时间、速度、定位状态和里程；
具体地，为了提高数据处理效率，Python提供了多线程和多进程，由于Python解释器设计时有一个GIL(Global Interpreter Lock)全局锁，一个线程在执行之前，必须先获得GIL锁，而此时其他线程只能等待GIL锁的释放，因此导致了多线程只能交替执行而无法利用多核并行执行，而多个Python进程有各自独立的GIL锁，互不影响，所以多进程可以利用多核并行来提高执行效率。Python中提供了multiprocessing模块来创建子进程，为了避免手动创建大量子进程以及考虑到非阻塞模式，我们采用进程池的方式来批量创建和管理多进程。其中，进程池使用multiprocessing.Pool实现。
首先通过SQL语句从Mysql中获取满足条件的所有有线终端集合，将该集合均等分成n份，创建一个大小为n的进程池(默认小于服务器CPU核数)，为每个子进程分配一个子集合，通过多核CPU并行执行，遍历子集合中每个有线终端，根据终端和时间戳组成的行健Rowkey去Hbase查询前一天早上六点到当前日期早上六点之间所需字段的GPS数据，返回数据类型为JSON，通过Pandas模块将JSON转换为DataFrame便于数据分析，所述GPS数据字段包含GPS时间、速度、定位状态和里程，其中GPS时间为终端上报数据时的北京时间，速度为此时车辆的瞬时速度，定位状态包括未定位、卫星定位和基站定位，里程指的是车辆运行总里程。由于我们需要通过卫星定位下的速度、行驶里程和持续时长来判断车辆运行状态，从而判定是否存在昼伏夜出现象，所以选取以上字段进行分析。
S2、对数据进行预处理：在步骤S1得到的GPS数据中，选取卫星定位数据，并按照上报时间从小到大排序；
S3、判断车辆昼伏：根据步骤S2排列好的数据获取从早上六点到下午六点间白天的数据，根据白天上报的GPS数据的数量、经纬度及车辆行进里程的结合、速度和里程的结合判断车辆是否存在昼伏现象，若存在则进行步骤S4，若不存在继续对下一辆车进行判断；
其中，根据白天上报的GPS数据的数量判断车辆是否存在昼伏现象具体为当上报的数据为空时则判断车辆出现了昼伏现象；
根据经纬度及车辆行进里程的结合判断车辆是否存在昼伏夜出现象具体为，通过经纬度计算车辆行进里程，白天的里程差在1000米范围内，车辆可能是静止状态，则判断车辆出现了昼伏现象；
根据速度和里程的结合判断车辆是否存在昼伏现象具体为，若速度小于10km/h而且相邻两个时刻的里程差小于10米，则判断车辆出现了昼伏现象。
S4、判断车辆夜出：根据步骤S2排列好的数据获取前一天下午六点至当前日期早上六点间夜晚的数据，根据车辆行使里程与时间间隔的结合、速度和时间间隔的结合判定车辆存在夜出，根据S3和S4结合判断车辆是否存在昼伏夜出现象，若存在则判断车辆出现昼伏夜出警情，若不存在继续对下一辆车进行判断。
其中：根据车辆行使里程与时间间隔的结合判定车辆存在夜出，具体为，当车辆速度大于10km/h，且第一次运动到最后一次运动的持续时间大于一个小时则满足夜出条件；根据车辆行使里程与时间间隔的结合判定车辆存在夜出，具体为，当相邻时刻里程差大于10米车辆速度大于10km/h，且第一次运动到最后一次运动的持续时间大于一个小时则满足夜出条件。
本发明具体步骤如下：
步骤一：本专利方法采用Python实现，首先通过SQL语句获取满足条件的所有有线终端。利用多进程技术，将所有终端数分成n份，利用多核CPU并行执行。获取Hbase中每个有线终端前一天早上六点到当前日期早上六点的GPS数据，存储到DataFrame，其中包含的字段有GPS时间、速度、定位状态和里程。首先对获取的数据进行预处理，数据按照上报时间从小到大排序，由于上报的数据包含非定位、卫星定位和基站定位的数据，由于非定位数据无意义，基站定位数据可能不太准，因此只取卫星定位的数据，由于终端上报的误差，可能出现里程为负和零的值，因此删除里程为零的行，对出现的负数取绝对值。
步骤二：数据预处理之后，获取过去一天早上六点到下午六点间的数据，判断是否存在昼伏的现象。如果白天上报的数据为空，我们也判定该车存在昼伏的现象。如果白天上报了GPS数据，由于每时刻上报的经纬度都不一样，而里程根据经纬度计算，因此认为白天的里程差在1000米范围内，可能是静止状态。我们还需要通过速度和相邻两个时刻的里程差进行判断。如果速度小于10km/h而且相邻两个时刻的里程差小于10米，则认为该车辆存在昼伏的现象。如图2，是白天上报的144条GPS数据形成的轨迹，可以看出车辆基本处于静止状态。
步骤三：如果判断出车辆存在昼伏的现象，接下来判断是否存在夜出的现象。否则，继续遍历下一辆车。同样选取夜晚时间段，即前一天下午六点至当前日期早上六点。由于有一些时间和行驶里程较短的运动可能会对夜出的判定产生误差，比如挪车。所以设定，夜间行驶里程大于10公里，则满足夜出的条件。同时，筛选出有运动痕迹的数据，即速度大于10km/h或者相邻时刻里程差大于10米，计算第一次运动到最后一次运动的持续时间，大于一个小时则满足夜出条件。因此，如果车辆已满足昼伏现象，同时满足行驶里程大于10公里和持续时间超过一小时，则判定该车存在昼伏夜出的现象。如图3，是夜晚时间段186条GPS数据构成的轨迹，可以明显看出车辆运行的轨迹。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (3)

1.一种多进程分析车辆昼伏夜出的方法，其特征在于，包括以下步骤：
S1、获取与存储数据：首先通过SQL语句从Mysql获取满足条件的所有有线终端，利用Python多进程技术，将所有有限终端分成n份，创建一个大小为n的进程池，为每个子进程分配一个子集合，通过多核CPU并行执行，遍历子集合中每个有线终端，根据终端和时间戳组成的行键Rowkey以获取Hbase中每个有线终端前一天早上六点到当前日期早上六点的GPS数据，返回数据的数据类型为JSON，通过Pandas模块将返回数据的类型由JSON转换为便于分析的DataFrame，所述GPS数据包含GPS时间、速度、定位状态和里程，其中，采用进程池的方式来批量创建和管理多进程，所述进程池使用multiprocessing.Pool实现，每个Python进程设置各自独立的GIL锁；
S2、对数据进行预处理：在步骤S1得到的GPS数据中，选取卫星定位数据，并按照上报时间从小到大排序；
S3、判断车辆昼伏：根据步骤S2排列好的数据获取从早上六点到下午六点间白天的数据，根据白天上报的GPS数据的数量、经纬度及车辆行进里程的结合、速度和里程的结合判断车辆是否存在昼伏现象，若存在则进行步骤S4，若不存在继续对下一辆车进行判断；所述步骤S3中根据经纬度及车辆行进里程的结合判断车辆是否存在昼伏夜出现象具体为，通过经纬度计算车辆行进里程，白天的里程差在1000米范围内，则判断车辆出现了昼伏现象；所述步骤S3中根据速度和里程的结合判断车辆是否存在昼伏现象具体为，若速度小于10km/h而且相邻两个时刻的里程差小于10米，则判断车辆出现了昼伏现象；
S4、判断车辆夜出：根据步骤S2排列好的数据获取前一天下午六点至当前日期早上六点间夜晚的数据，根据车辆行使里程与时间间隔的结合、速度和时间间隔的结合判定车辆存在夜出，根据S3和S4结合判断车辆是否存在昼伏夜出现象，若存在则判断车辆出现昼伏夜出警情，若不存在继续对下一辆车进行判断；所述步骤S4中根据车辆行使里程与时间间隔的结合判定车辆存在夜出，具体为，当车辆速度大于10km/h，且第一次运动到最后一次运动的持续时间大于一个小时则满足夜出条件。
2.如权利要求1所述的一种多进程分析车辆昼伏夜出的方法，其特征在于，所述步骤S3中根据白天上报的GPS数据的数量判断车辆是否存在昼伏现象具体为当上报的数据为空时则判断车辆出现了昼伏现象。
3.如权利要求1~2任意一项所述的一种多进程分析车辆昼伏夜出的方法，其特征在于，所述步骤S4中根据车辆速度与时间间隔的结合判定车辆存在夜出，具体为，当相邻时刻里程差大于10米，车辆速度大于10km/h，且第一次运动到最后一次运动的持续时间大于一个小时则满足夜出条件。
CN201910923357.XA 2019-09-27 2019-09-27 一种多进程分析车辆昼伏夜出的方法 Active CN112579658B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910923357.XA CN112579658B (zh) 2019-09-27 2019-09-27 一种多进程分析车辆昼伏夜出的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910923357.XA CN112579658B (zh) 2019-09-27 2019-09-27 一种多进程分析车辆昼伏夜出的方法

Publications (2)

Publication Number Publication Date
CN112579658A CN112579658A (zh) 2021-03-30
CN112579658B true CN112579658B (zh) 2023-04-18

Family

ID=75109799

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910923357.XA Active CN112579658B (zh) 2019-09-27 2019-09-27 一种多进程分析车辆昼伏夜出的方法

Country Status (1)

Country Link
CN (1) CN112579658B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103927794A (zh) * 2014-05-06 2014-07-16 航天科技控股集团股份有限公司 汽车行驶记录仪行车记录快速存储及检索系统与方法
CN106203739A (zh) * 2016-07-29 2016-12-07 广东工业大学 一种多配送中心物流运输调度的方法及系统
CN108459996A (zh) * 2017-02-22 2018-08-28 深圳市赛格车圣智联科技有限公司 一种基于有监督学习的用户行程挖掘方法和装置
CN109035768A (zh) * 2018-07-25 2018-12-18 北京交通大学 一种出租车绕路行为的识别方法
CN109743298A (zh) * 2018-12-19 2019-05-10 安徽典典科技发展有限责任公司 一种统一数据发布组件的控制系统及控制方法

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8698896B2 (en) * 2012-08-06 2014-04-15 Cloudparc, Inc. Controlling vehicle use of parking spaces and parking violations within the parking spaces using multiple cameras
US10614073B2 (en) * 2014-06-26 2020-04-07 Financialsharp, Inc. System and method for using data incident based modeling and prediction
US10346433B2 (en) * 2015-03-18 2019-07-09 Oath Inc. Techniques for modeling aggregation records
US10296627B2 (en) * 2015-08-18 2019-05-21 Fiserv, Inc. Generating integrated data records by correlating source data records from disparate data sources
US10592870B2 (en) * 2016-07-01 2020-03-17 International Business Machines Corporation System and method to analyze and detect anomalies in vehicle service procedures
CN106352888A (zh) * 2016-10-31 2017-01-25 四川长虹电器股份有限公司 一种通过gps定位的里程计算方法
CN108093275B (zh) * 2016-11-22 2020-09-25 北京国双科技有限公司 一种数据处理方法及装置
CN108460685A (zh) * 2017-02-22 2018-08-28 深圳市赛格车圣智联科技有限公司 用于挖掘车险风险因子之间的关联规则的方法和装置
CN107862019B (zh) * 2017-10-31 2021-01-01 泰华智慧产业集团股份有限公司 一种基于大数据分析昼伏夜出车辆的方法及装置
CN107967323B (zh) * 2017-11-24 2020-08-04 泰华智慧产业集团股份有限公司 基于大数据进行异常出行车辆分析的方法及系统
CN108255603A (zh) * 2017-12-04 2018-07-06 广州供电局有限公司 文本数据分析优化方法、系统、存储介质和计算机设备
CN108681613A (zh) * 2018-07-13 2018-10-19 北京酷车易美网络科技有限公司 一种车辆历史车况解读装置
CN109657081B (zh) * 2018-09-29 2022-09-13 中国科学院上海高等研究院 高光谱卫星遥感数据的分布式处理方法、系统及介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103927794A (zh) * 2014-05-06 2014-07-16 航天科技控股集团股份有限公司 汽车行驶记录仪行车记录快速存储及检索系统与方法
CN106203739A (zh) * 2016-07-29 2016-12-07 广东工业大学 一种多配送中心物流运输调度的方法及系统
CN108459996A (zh) * 2017-02-22 2018-08-28 深圳市赛格车圣智联科技有限公司 一种基于有监督学习的用户行程挖掘方法和装置
CN109035768A (zh) * 2018-07-25 2018-12-18 北京交通大学 一种出租车绕路行为的识别方法
CN109743298A (zh) * 2018-12-19 2019-05-10 安徽典典科技发展有限责任公司 一种统一数据发布组件的控制系统及控制方法

Also Published As

Publication number Publication date
CN112579658A (zh) 2021-03-30

Similar Documents

Publication Publication Date Title
Zhao et al. Traffic speed prediction under non-recurrent congestion: Based on LSTM method and BeiDou navigation satellite system data
GB2582532A (en) Method for detecting traffic anomaly of urban road based on peak hour traffic flow rate
CN110188093A (zh) 一种基于大数据平台针对ais信息源的数据挖掘系统
CN103136393B (zh) 一种基于网格划分的区域覆盖率计算方法
CN110196962B (zh) 一种基于核密度估计的飞机速度异常识别方法
CN111159157A (zh) 一种企业报表数据的指标化处理方法及装置
CN111127891B (zh) 一种基于浮动车轨迹大数据的路网核查方法
CN112132364B (zh) 一种受云层影响的光伏电站功率预测方法、介质及设备
CN104778821A (zh) 一种交通设备自动报警系统及方法
CN112579658B (zh) 一种多进程分析车辆昼伏夜出的方法
CN107229742A (zh) 一种基于遥感大数据确定城市易涝点的方法
CN109934379A (zh) 空气污染物浓度的预测方法、装置及电子设备
CN106781497A (zh) 基于临近点位分析的在线车辆行驶状态检测方法和系统
CN107818106B (zh) 一种大数据离线计算数据质量校验方法和装置
CN112881611B (zh) 一种污染源溯源方法
CN112329972A (zh) 一种基于水环境容量的离子型稀土矿山开采预测方法及系统
CN110457133A (zh) 一种操作系统资源异常的处理方法及系统
Huang et al. Discovering road segment-based outliers in urban traffic network
CN114185865A (zh) 一种基于分布式存储的大规模基站数据存储与解析的方法及系统
Wang et al. Long term causality analyses of industrial pollutants and meteorological factors on PM2. 5 concentrations in Zhejiang Province
CN102798370B (zh) 雷达网指定高度层作用范围的面积测量方法
Florian et al. Probabilistic Petri Nets Model for Assessing Temporal Variations of the Number of Bikes in Bike-Sharing Stations
CN215931984U (zh) 带区块链和定位功能的分表计电装置
CN113077081B (zh) 交通污染排放量预测方法
CN103292858A (zh) 一种准确有效测量汽车油箱油料方法及其装置

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
TR01 Transfer of patent right

Effective date of registration: 20230808

Address after: No. 66, 8th Floor, Rongying Building, Technology Entrepreneurship Center, No. 8 Yuma Road, Nan'an District, Chongqing, 400060 (within the expansion zone of the Economic and Technological Development Zone)

Patentee after: Chongqing SEG Chesheng Communication Navigation Co.,Ltd.

Address before: 518000 4th floor, manufacturing center, No.1 Saige Navigation Science Park, Baolong Industrial City, Longgang District, Shenzhen City, Guangdong Province

Patentee before: SHENZHEN SAIGE CHESHENG ZHILIAN TECHNOLOGY Co.,Ltd.

TR01 Transfer of patent right