CN113282677A - 一种基于大数据的智慧交通数据处理方法、装置及系统 - Google Patents
一种基于大数据的智慧交通数据处理方法、装置及系统 Download PDFInfo
- Publication number
- CN113282677A CN113282677A CN202011428085.5A CN202011428085A CN113282677A CN 113282677 A CN113282677 A CN 113282677A CN 202011428085 A CN202011428085 A CN 202011428085A CN 113282677 A CN113282677 A CN 113282677A
- Authority
- CN
- China
- Prior art keywords
- queue
- data
- traffic
- relevancy
- traffic monitoring
- 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.)
- Withdrawn
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 9
- 238000012544 monitoring process Methods 0.000 claims abstract description 147
- 238000011156 evaluation Methods 0.000 claims abstract description 48
- 238000012545 processing Methods 0.000 claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000013527 convolutional neural network Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 abstract description 13
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- 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
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
-
- 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
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- 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
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供的基于大数据的智慧交通数据处理方法、装置及系统,在比对两份交通监控数据中的第一交通监控评价指标与第二交通监控评价指标是否为相同指标的过程中,获取的是两份交通监控数据的数据特征队列之后数据特征队列中队列元素的交通数据相关度得到相关度分布列表,从而比对过程中并不是将两份交通监控数据拆分成独立的清单进行比对而是融合两份交通监控数据的特征进行比对,得到相关度分布列表后,通过调整相关度分布列表得到目标特征队列,以及通过预设识别线程对目标特征队列进行处理得到交通数据比对结果,能够确保交通数据比对结果的准确性和全面性,从多个维度确保对交通监控数据的精准比对,进而准确确定出交通监控数据的一致性。
Description
技术领域
本发明涉及大数据和智慧交通技术领域,具体而言,涉及一种基于大数据的智慧交通数据处理方法、装置及系统。
背景技术
智慧交通的发展能够有效减少交通事故的发生。然而,在实际应用过程中,在对不同的交通监控数据进行分析时,难以从多个维度确保对交通监控数据的精准比对,这样便难以确定出交通监控数据的一致性。
发明内容
为了改善上述问题,本发明提供了一种基于大数据的智慧交通数据处理方法、装置及系统。
本发明实施例提供了一种基于大数据的智慧交通数据处理方法,包括:
在获取到第一交通监控数据与第二交通监控数据之后,获取所述第一交通监控数据的第一数据特征队列和所述第二交通监控数据的第二数据特征队列,其中,所述第一交通监控数据中包括第一交通监控评价指标,所述第二交通监控数据中包括第二交通监控评价指标;
获取所述第一数据特征队列中的每一个队列元素与所述第二数据特征队列中的每一个队列元素,得到队列元素队列;确定所述队列元素队列中的任意两个队列元素之间的交通数据相关度,得到相关度分布列表;将所述相关度分布列表中的小于预设相关度的交通数据相关度调整为预设相关度,得到目标特征队列;
对所述目标特征队列进行处理,得到交通数据比对结果,其中,所述交通数据比对结果用于指示所述第一交通监控评价指标与所述第二交通监控评价指标为相同指标或者为不同指标。
优选地,所述确定所述队列元素队列中的任意两个队列元素之间的交通数据相关度,得到相关度分布列表,包括:
将所述队列元素队列中的每一个队列元素确定为当前队列元素,执行以下步骤,直到遍历所述队列元素队列:计算所述当前队列元素与所述队列元素队列中的每一个队列元素的交通数据相关度,将计算得到的多个所述交通数据相关度确定为所述相关度分布列表中的一个相关度集。
优选地,确定两个所述队列元素之间的交通数据相关度包括:计算两个所述队列元素的多维特征聚类指标,得到计算结果;将所述计算结果确定为两个所述队列元素之间的所述交通数据相关度。
优选地,所述将所述相关度分布列表中的小于预设相关度的交通数据相关度调整为预设相关度,得到目标特征队列,包括:
将所述相关度分布列表中的每一个交通数据相关度确定为当前相关度,执行以下步骤,直到遍历所述相关度分布列表:获取所述当前相关度;在所述当前相关度小于所述预设相关度的情况下,将所述当前相关度调整为所述预设相关度;在遍历完成后,将调整后的所述相关度分布列表确定为所述目标特征队列。
优选地,所述对所述目标特征队列进行处理,得到交通数据比对结果,包括:
将所述目标特征队列转换为结构化队列;
将所述目标特征队列、所述结构化队列、所述第一数据特征队列与所述第二数据特征队列输入到预设卷积神经网络模型中,得到所述第一交通监控数据与所述第二交通监控数据的比对列表;
使用预设识别线程识别所述比对列表,得到所述交通数据比对结果。
本发明实施例还提供了一种基于大数据的智慧交通数据处理装置,包括:
数据获取模块,用于在获取到第一交通监控数据与第二交通监控数据之后,获取所述第一交通监控数据的第一数据特征队列和所述第二交通监控数据的第二数据特征队列,其中,所述第一交通监控数据中包括第一交通监控评价指标,所述第二交通监控数据中包括第二交通监控评价指标;
队列调整模块,用于获取所述第一数据特征队列中的每一个队列元素与所述第二数据特征队列中的每一个队列元素,得到队列元素队列;确定所述队列元素队列中的任意两个队列元素之间的交通数据相关度,得到相关度分布列表;将所述相关度分布列表中的小于预设相关度的交通数据相关度调整为预设相关度,得到目标特征队列;
数据比对模块,用于对所述目标特征队列进行处理,得到交通数据比对结果,其中,所述交通数据比对结果用于指示所述第一交通监控评价指标与所述第二交通监控评价指标为相同指标或者为不同指标。
优选地,所述队列调整模块,用于:
将所述队列元素队列中的每一个队列元素确定为当前队列元素,执行以下步骤,直到遍历所述队列元素队列:计算所述当前队列元素与所述队列元素队列中的每一个队列元素的交通数据相关度,将计算得到的多个所述交通数据相关度确定为所述相关度分布列表中的一个相关度集。
优选地,所述队列调整模块,用于:
将所述相关度分布列表中的每一个交通数据相关度确定为当前相关度,执行以下步骤,直到遍历所述相关度分布列表:获取所述当前相关度;在所述当前相关度小于所述预设相关度的情况下,将所述当前相关度调整为所述预设相关度;在遍历完成后,将调整后的所述相关度分布列表确定为所述目标特征队列。
优选地,所述数据比对模块,用于:
将所述目标特征队列转换为结构化队列;
将所述目标特征队列、所述结构化队列、所述第一数据特征队列与所述第二数据特征队列输入到预设卷积神经网络模型中,得到所述第一交通监控数据与所述第二交通监控数据的比对列表;
使用预设识别线程识别所述比对列表,得到所述交通数据比对结果。
本发明实施例还提供了一种基于大数据的智慧交通数据处理系统,包括互相通信的服务器和交通数据终端;其中,所述服务器用于:
在获取到所述交通数据终端上传的第一交通监控数据与第二交通监控数据之后,获取所述第一交通监控数据的第一数据特征队列和所述第二交通监控数据的第二数据特征队列,其中,所述第一交通监控数据中包括第一交通监控评价指标,所述第二交通监控数据中包括第二交通监控评价指标;
获取所述第一数据特征队列中的每一个队列元素与所述第二数据特征队列中的每一个队列元素,得到队列元素队列;确定所述队列元素队列中的任意两个队列元素之间的交通数据相关度,得到相关度分布列表;将所述相关度分布列表中的小于预设相关度的交通数据相关度调整为预设相关度,得到目标特征队列;
对所述目标特征队列进行处理,得到交通数据比对结果,其中,所述交通数据比对结果用于指示所述第一交通监控评价指标与所述第二交通监控评价指标为相同指标或者为不同指标。
通过应用上述方法、装置及系统,采用了在获取到第一交通监控数据与第二交通监控数据之后,获取上述第一交通监控数据的第一数据特征队列和上述第二交通监控数据的第二数据特征队列,其中,上述第一交通监控数据中包括第一交通监控评价指标,上述第二交通监控数据中包括第二交通监控评价指标;获取第一数据特征队列中的每一个队列元素与第二数据特征队列中的每一个队列元素,得到队列元素队列;确定所述队列元素队列中的任意两个队列元素之间的交通数据相关度,得到相关度分布列表;将上述相关度分布列表中的小于预设相关度的交通数据相关度调整为预设相关度,得到目标特征队列;对上述目标特征队列进行处理,得到交通数据比对结果,其中,上述交通数据比对结果用于指示上述第一交通监控评价指标与上述第二交通监控评价指标为相同指标或者为不同指标的方法。
由于在上述方法中,在比对两份交通监控数据中的第一交通监控评价指标与第二交通监控评价指标是否为相同指标的过程中,获取的是两份交通监控数据的数据特征队列之后,数据特征队列中队列元素的交通数据相关度,得到相关度分布列表,从而比对过程中并不是将两份交通监控数据拆分成独立的清单进行比对,而是融合两份交通监控数据的特征进行比对,得到相关度分布列表后,通过调整相关度分布列表得到目标特征队列,以及通过预设识别线程对目标特征队列进行处理,得到交通数据比对结果,从而实现了提高交通数据比对结果的准确性和全面性的效果,能够从多个维度确保对交通监控数据的精准比对,进而准确确定出交通监控数据的一致性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例所提供的一种基于大数据的智慧交通数据处理方法的流程图。
图2为本发明实施例所提供的一种基于大数据的智慧交通数据处理装置的功能模块框图。
图3为本发明实施例所提供的一种基于大数据的智慧交通数据处理系统的框架示意图。
图4为本发明实施例所提供的一种服务器的硬件结构示意图。
具体实施方式
为了更好的理解上述技术方案,下面通过附图以及具体实施例对本发明技术方案做详细的说明,应当理解本发明实施例以及实施例中的具体特征是对本发明技术方案的详细的说明,而不是对本发明技术方案的限定,在不冲突的情况下,本发明实施例以及实施例中的技术特征可以相互组合。
请参阅图1,示出了一种基于大数据的智慧交通数据处理方法,包括以下步骤S11-步骤S13所描述的内容。
步骤S11,在获取到第一交通监控数据与第二交通监控数据之后,获取所述第一交通监控数据的第一数据特征队列和所述第二交通监控数据的第二数据特征队列,其中,所述第一交通监控数据中包括第一交通监控评价指标,所述第二交通监控数据中包括第二交通监控评价指标。
步骤S12,获取所述第一数据特征队列中的每一个队列元素与所述第二数据特征队列中的每一个队列元素,得到队列元素队列;确定所述队列元素队列中的任意两个队列元素之间的交通数据相关度,得到相关度分布列表;将所述相关度分布列表中的小于预设相关度的交通数据相关度调整为预设相关度,得到目标特征队列。
步骤S13,对所述目标特征队列进行处理,得到交通数据比对结果,其中,所述交通数据比对结果用于指示所述第一交通监控评价指标与所述第二交通监控评价指标为相同指标或者为不同指标。
基于上述步骤S11-步骤S13,在比对两份交通监控数据中的第一交通监控评价指标与第二交通监控评价指标是否为相同指标的过程中,获取的是两份交通监控数据的数据特征队列之后数据特征队列中队列元素的交通数据相关度,得到相关度分布列表,从而比对过程中并不是将两份交通监控数据拆分成独立的清单进行比对而是融合两份交通监控数据的特征进行比对,得到相关度分布列表后,通过调整相关度分布列表得到目标特征队列,以及通过预设识别线程对目标特征队列进行处理,得到交通数据比对结果,从而实现了提高交通数据比对结果的准确性和全面性的效果,能够从多个维度确保对交通监控数据的精准比对,进而准确确定出交通监控数据的一致性。
可选地,步骤S12中,所述确定所述队列元素队列中的任意两个队列元素之间的交通数据相关度,得到相关度分布列表,包括:
将所述队列元素队列中的每一个队列元素确定为当前队列元素,执行以下步骤,直到遍历所述队列元素队列:计算所述当前队列元素与所述队列元素队列中的每一个队列元素的交通数据相关度,将计算得到的多个所述交通数据相关度确定为所述相关度分布列表中的一个相关度集。
进一步地,确定两个所述队列元素之间的交通数据相关度包括:计算两个所述队列元素的多维特征聚类指标,得到计算结果;将所述计算结果确定为两个所述队列元素之间的所述交通数据相关度。
可选地,步骤S12中,所述将所述相关度分布列表中的小于预设相关度的交通数据相关度调整为预设相关度,得到目标特征队列,包括:
将所述相关度分布列表中的每一个交通数据相关度确定为当前相关度,执行以下步骤,直到遍历所述相关度分布列表:获取所述当前相关度;在所述当前相关度小于所述预设相关度的情况下,将所述当前相关度调整为所述预设相关度;在遍历完成后,将调整后的所述相关度分布列表确定为所述目标特征队列。
可选地,步骤S13中,所述对所述目标特征队列进行处理,得到交通数据比对结果,包括:
将所述目标特征队列转换为结构化队列;
将所述目标特征队列、所述结构化队列、所述第一数据特征队列与所述第二数据特征队列输入到预设卷积神经网络模型中,得到所述第一交通监控数据与所述第二交通监控数据的比对列表;
使用预设识别线程识别所述比对列表,得到所述交通数据比对结果。
请结合参阅图2,示出了一种基于大数据的智慧交通数据处理装置200,包括:
数据获取模块210,用于在获取到第一交通监控数据与第二交通监控数据之后,获取所述第一交通监控数据的第一数据特征队列和所述第二交通监控数据的第二数据特征队列,其中,所述第一交通监控数据中包括第一交通监控评价指标,所述第二交通监控数据中包括第二交通监控评价指标;
队列调整模块220,用于获取所述第一数据特征队列中的每一个队列元素与所述第二数据特征队列中的每一个队列元素,得到队列元素队列;确定所述队列元素队列中的任意两个队列元素之间的交通数据相关度,得到相关度分布列表;将所述相关度分布列表中的小于预设相关度的交通数据相关度调整为预设相关度,得到目标特征队列;
数据比对模块230,用于对所述目标特征队列进行处理,得到交通数据比对结果,其中,所述交通数据比对结果用于指示所述第一交通监控评价指标与所述第二交通监控评价指标为相同指标或者为不同指标。
可选地,所述队列调整模块220,用于:
将所述队列元素队列中的每一个队列元素确定为当前队列元素,执行以下步骤,直到遍历所述队列元素队列:计算所述当前队列元素与所述队列元素队列中的每一个队列元素的交通数据相关度,将计算得到的多个所述交通数据相关度确定为所述相关度分布列表中的一个相关度集。
可选地,所述队列调整模块220,用于:
将所述相关度分布列表中的每一个交通数据相关度确定为当前相关度,执行以下步骤,直到遍历所述相关度分布列表:获取所述当前相关度;在所述当前相关度小于所述预设相关度的情况下,将所述当前相关度调整为所述预设相关度;在遍历完成后,将调整后的所述相关度分布列表确定为所述目标特征队列。
可选地,所述数据比对模块230,用于:
将所述目标特征队列转换为结构化队列;
将所述目标特征队列、所述结构化队列、所述第一数据特征队列与所述第二数据特征队列输入到预设卷积神经网络模型中,得到所述第一交通监控数据与所述第二交通监控数据的比对列表;
使用预设识别线程识别所述比对列表,得到所述交通数据比对结果。
请结合参阅图3,示出了一种基于大数据的智慧交通数据处理系统100,包括互相通信的服务器110和交通数据终端120;其中,所述服务器110用于:
在获取到所述交通数据终端上传的第一交通监控数据与第二交通监控数据之后,获取所述第一交通监控数据的第一数据特征队列和所述第二交通监控数据的第二数据特征队列,其中,所述第一交通监控数据中包括第一交通监控评价指标,所述第二交通监控数据中包括第二交通监控评价指标;
获取所述第一数据特征队列中的每一个队列元素与所述第二数据特征队列中的每一个队列元素,得到队列元素队列;确定所述队列元素队列中的任意两个队列元素之间的交通数据相关度,得到相关度分布列表;将所述相关度分布列表中的小于预设相关度的交通数据相关度调整为预设相关度,得到目标特征队列;
对所述目标特征队列进行处理,得到交通数据比对结果,其中,所述交通数据比对结果用于指示所述第一交通监控评价指标与所述第二交通监控评价指标为相同指标或者为不同指标。
请结合参阅图4,提供了服务器110的硬件结构图。
图4示出了本发明实施例所提供的一种服务器110的方框示意图。本发明实施例中的服务器110可以为具有数据存储、传输、处理功能的服务端,如图4所示,服务器110包括:存储器111、处理器112、网络模块113和基于大数据的智慧交通数据处理装置200。
存储器111、处理器112和网络模块113之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件互相之间可以通过一条或多条通讯总线或信号线实现电性连接。存储器111中存储有基于大数据的智慧交通数据处理装置200,所述基于大数据的智慧交通数据处理装置200包括至少一个可以软件或固件(firmware)的形式储存于所述存储器111中的软件功能模块,所述处理器112通过运行存储在存储器111内的软件程序以及模块,例如本发明实施例中的基于大数据的智慧交通数据处理装置200,从而执行各种功能应用以及数据处理,即实现本发明实施例中的基于大数据的智慧交通数据处理方法。
其中,所述存储器111可以是,但不限于,随机存取存储器(Random AccessMemory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(ProgrammableRead-Only Memory,PROM),可擦除只读存储器(Erasable Programmable Read-OnlyMemory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-OnlyMemory,EEPROM)等。其中,存储器111用于存储程序,所述处理器112在接收到执行指令后,执行所述程序。
所述处理器112可能是一种集成电路芯片,具有数据的处理能力。上述的处理器112可以是通用处理器,包括中央处理器 (Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等。可以实现或者执行本发明实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
网络模块113用于通过网络建立服务器110与其他通信终端设备之间的通信连接,实现网络信号及数据的收发操作。上述网络信号可包括无线信号或者有线信号。
可以理解,图4所示的结构仅为示意,服务器110还可包括比图4中所示更多或者更少的组件,或者具有与图4所示不同的配置。图4中所示的各组件可以采用硬件、软件或其组合实现。
本发明实施例还提供一种计算机可读存储介质,所述可读存储介质包括计算机程序。所述计算机程序运行时控制所述可读存储介质所在服务器110执行下面的基于大数据的智慧交通数据处理方法。
综上,通过应用上述方法、装置及系统,在比对两份交通监控数据中的第一交通监控评价指标与第二交通监控评价指标是否为相同指标的过程中,获取的是两份交通监控数据的数据特征队列之后数据特征队列中队列元素的交通数据相关度,得到相关度分布列表,从而比对过程中并不是将两份交通监控数据拆分成独立的清单进行比对而是融合两份交通监控数据的特征进行比对,得到相关度分布列表后,通过调整相关度分布列表得到目标特征队列,以及通过预设识别线程对目标特征队列进行处理,得到交通数据比对结果,从而实现了提高交通数据比对结果的准确性和全面性的效果,能够从多个维度确保对交通监控数据的精准比对,进而准确确定出交通监控数据的一致性。
在本发明实施例所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,电子设备10,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种基于大数据的智慧交通数据处理方法,其特征在于,包括:
在获取到第一交通监控数据与第二交通监控数据之后,获取所述第一交通监控数据的第一数据特征队列和所述第二交通监控数据的第二数据特征队列,其中,所述第一交通监控数据中包括第一交通监控评价指标,所述第二交通监控数据中包括第二交通监控评价指标;
获取所述第一数据特征队列中的每一个队列元素与所述第二数据特征队列中的每一个队列元素,得到队列元素队列;确定所述队列元素队列中的任意两个队列元素之间的交通数据相关度,得到相关度分布列表;将所述相关度分布列表中的小于预设相关度的交通数据相关度调整为预设相关度,得到目标特征队列;
对所述目标特征队列进行处理,得到交通数据比对结果,其中,所述交通数据比对结果用于指示所述第一交通监控评价指标与所述第二交通监控评价指标为相同指标或者为不同指标。
2.根据权利要求1所述的方法,其特征在于,所述确定所述队列元素队列中的任意两个队列元素之间的交通数据相关度,得到相关度分布列表,包括:
将所述队列元素队列中的每一个队列元素确定为当前队列元素,执行以下步骤,直到遍历所述队列元素队列:计算所述当前队列元素与所述队列元素队列中的每一个队列元素的交通数据相关度,将计算得到的多个所述交通数据相关度确定为所述相关度分布列表中的一个相关度集。
3.根据权利要求2所述的方法,其特征在于,确定两个所述队列元素之间的交通数据相关度包括:计算两个所述队列元素的多维特征聚类指标,得到计算结果;将所述计算结果确定为两个所述队列元素之间的所述交通数据相关度。
4.根据权利要求1所述的方法,其特征在于,所述将所述相关度分布列表中的小于预设相关度的交通数据相关度调整为预设相关度,得到目标特征队列,包括:
将所述相关度分布列表中的每一个交通数据相关度确定为当前相关度,执行以下步骤,直到遍历所述相关度分布列表:获取所述当前相关度;在所述当前相关度小于所述预设相关度的情况下,将所述当前相关度调整为所述预设相关度;在遍历完成后,将调整后的所述相关度分布列表确定为所述目标特征队列。
5.根据权利要求1所述的方法,其特征在于,所述对所述目标特征队列进行处理,得到交通数据比对结果,包括:
将所述目标特征队列转换为结构化队列;
将所述目标特征队列、所述结构化队列、所述第一数据特征队列与所述第二数据特征队列输入到预设卷积神经网络模型中,得到所述第一交通监控数据与所述第二交通监控数据的比对列表;
使用预设识别线程识别所述比对列表,得到所述交通数据比对结果。
6.一种基于大数据的智慧交通数据处理装置,其特征在于,包括:
数据获取模块,用于在获取到第一交通监控数据与第二交通监控数据之后,获取所述第一交通监控数据的第一数据特征队列和所述第二交通监控数据的第二数据特征队列,其中,所述第一交通监控数据中包括第一交通监控评价指标,所述第二交通监控数据中包括第二交通监控评价指标;
队列调整模块,用于获取所述第一数据特征队列中的每一个队列元素与所述第二数据特征队列中的每一个队列元素,得到队列元素队列;确定所述队列元素队列中的任意两个队列元素之间的交通数据相关度,得到相关度分布列表;将所述相关度分布列表中的小于预设相关度的交通数据相关度调整为预设相关度,得到目标特征队列;
数据比对模块,用于对所述目标特征队列进行处理,得到交通数据比对结果,其中,所述交通数据比对结果用于指示所述第一交通监控评价指标与所述第二交通监控评价指标为相同指标或者为不同指标。
7.根据权利要求6所述的装置,其特征在于,所述队列调整模块,用于:
将所述队列元素队列中的每一个队列元素确定为当前队列元素,执行以下步骤,直到遍历所述队列元素队列:计算所述当前队列元素与所述队列元素队列中的每一个队列元素的交通数据相关度,将计算得到的多个所述交通数据相关度确定为所述相关度分布列表中的一个相关度集。
8.根据权利要求6所述的装置,其特征在于,所述队列调整模块,用于:
将所述相关度分布列表中的每一个交通数据相关度确定为当前相关度,执行以下步骤,直到遍历所述相关度分布列表:获取所述当前相关度;在所述当前相关度小于所述预设相关度的情况下,将所述当前相关度调整为所述预设相关度;在遍历完成后,将调整后的所述相关度分布列表确定为所述目标特征队列。
9.根据权利要求6所述的装置,其特征在于,所述数据比对模块,用于:
将所述目标特征队列转换为结构化队列;
将所述目标特征队列、所述结构化队列、所述第一数据特征队列与所述第二数据特征队列输入到预设卷积神经网络模型中,得到所述第一交通监控数据与所述第二交通监控数据的比对列表;
使用预设识别线程识别所述比对列表,得到所述交通数据比对结果。
10.一种基于大数据的智慧交通数据处理系统,其特征在于,包括互相通信的服务器和交通数据终端;其中,所述服务器用于:
在获取到所述交通数据终端上传的第一交通监控数据与第二交通监控数据之后,获取所述第一交通监控数据的第一数据特征队列和所述第二交通监控数据的第二数据特征队列,其中,所述第一交通监控数据中包括第一交通监控评价指标,所述第二交通监控数据中包括第二交通监控评价指标;
获取所述第一数据特征队列中的每一个队列元素与所述第二数据特征队列中的每一个队列元素,得到队列元素队列;确定所述队列元素队列中的任意两个队列元素之间的交通数据相关度,得到相关度分布列表;将所述相关度分布列表中的小于预设相关度的交通数据相关度调整为预设相关度,得到目标特征队列;
对所述目标特征队列进行处理,得到交通数据比对结果,其中,所述交通数据比对结果用于指示所述第一交通监控评价指标与所述第二交通监控评价指标为相同指标或者为不同指标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011428085.5A CN113282677A (zh) | 2020-12-09 | 2020-12-09 | 一种基于大数据的智慧交通数据处理方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011428085.5A CN113282677A (zh) | 2020-12-09 | 2020-12-09 | 一种基于大数据的智慧交通数据处理方法、装置及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113282677A true CN113282677A (zh) | 2021-08-20 |
Family
ID=77275352
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011428085.5A Withdrawn CN113282677A (zh) | 2020-12-09 | 2020-12-09 | 一种基于大数据的智慧交通数据处理方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113282677A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160378712A1 (en) * | 2015-06-23 | 2016-12-29 | International Business Machines Corporation | Lock-free processing of stateless protocols over rdma |
CN107862047A (zh) * | 2017-11-08 | 2018-03-30 | 爱财科技有限公司 | 基于多个数据源的自然人数据处理方法和系统 |
CN109558450A (zh) * | 2018-10-30 | 2019-04-02 | 中国汽车技术研究中心有限公司 | 一种基于分布式架构的汽车远程监控方法和装置 |
CN110555150A (zh) * | 2019-09-09 | 2019-12-10 | 江苏满运软件科技有限公司 | 一种数据监控方法、装置、设备和存储介质 |
CN110851546A (zh) * | 2019-09-23 | 2020-02-28 | 京东数字科技控股有限公司 | 一种验证、模型的训练、模型的共享方法、系统及介质 |
CN111178530A (zh) * | 2019-12-09 | 2020-05-19 | 武汉光庭信息技术股份有限公司 | 一种基于数据标注的质检方法和装置 |
CN111488919A (zh) * | 2020-03-24 | 2020-08-04 | 北京迈格威科技有限公司 | 目标识别方法及装置,电子设备以及计算机可读存储介质 |
-
2020
- 2020-12-09 CN CN202011428085.5A patent/CN113282677A/zh not_active Withdrawn
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160378712A1 (en) * | 2015-06-23 | 2016-12-29 | International Business Machines Corporation | Lock-free processing of stateless protocols over rdma |
CN107862047A (zh) * | 2017-11-08 | 2018-03-30 | 爱财科技有限公司 | 基于多个数据源的自然人数据处理方法和系统 |
CN109558450A (zh) * | 2018-10-30 | 2019-04-02 | 中国汽车技术研究中心有限公司 | 一种基于分布式架构的汽车远程监控方法和装置 |
CN110555150A (zh) * | 2019-09-09 | 2019-12-10 | 江苏满运软件科技有限公司 | 一种数据监控方法、装置、设备和存储介质 |
CN110851546A (zh) * | 2019-09-23 | 2020-02-28 | 京东数字科技控股有限公司 | 一种验证、模型的训练、模型的共享方法、系统及介质 |
CN111178530A (zh) * | 2019-12-09 | 2020-05-19 | 武汉光庭信息技术股份有限公司 | 一种基于数据标注的质检方法和装置 |
CN111488919A (zh) * | 2020-03-24 | 2020-08-04 | 北京迈格威科技有限公司 | 目标识别方法及装置,电子设备以及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113408828A (zh) | 基于智能制造的生产线优化方法、装置及服务器 | |
CN114531341A (zh) | 区块链网络参数调整方法、装置及服务器 | |
CN113282677A (zh) | 一种基于大数据的智慧交通数据处理方法、装置及系统 | |
CN112256660B (zh) | 一种铸铁生产安全监测方法、装置及服务器 | |
CN111414395A (zh) | 数据处理方法、系统和计算机设备 | |
CN112116268A (zh) | 一种对施工材料进行处理的方法、装置及系统 | |
CN112540906B (zh) | 基于探针的业务与数据关系智能解析方法及系统 | |
CN115484044A (zh) | 一种数据状态的监控方法及系统 | |
CN113568815A (zh) | 基于大数据的工业制造设备故障诊断方法、装置及电子设备 | |
CN113536360A (zh) | 基于智能制造的信息安全处理方法、装置及电子设备 | |
CN112258056A (zh) | 一种铸铁生产线调整方法、装置及服务器 | |
CN114004536A (zh) | 一种服务质量的度量方法、装置、电子设备及存储介质 | |
CN113190255A (zh) | 一种大数据在线话题服务升级方法、服务器及存储介质 | |
CN113658426A (zh) | 一种车辆事故识别方法及装置 | |
CN110618906B (zh) | 漏测接口检测方法、装置、网络设备及存储介质 | |
CN113902139A (zh) | 一种基于物联网的自助借还机运维管控方法、装置及服务器 | |
CN112116015A (zh) | 基于图像处理的材料分类方法、装置及计算机设备 | |
CN115718680B (zh) | 数据读取方法、系统、计算机及可读存储介质 | |
CN113286148A (zh) | 一种基于大数据和物联网的视频设备优化方法、装置及服务器 | |
CN113283685A (zh) | 一种食品制造流水线管理方法、装置及服务器 | |
CN113569427A (zh) | 一种用于检测智能制造设备的寿命的方法、装置及服务器 | |
CN113159201A (zh) | 基于云边缘计算智能融合信息的方法、装置及云端服务器 | |
CN113284571A (zh) | 一种基于大数据和云计算的医疗平台管理方法、装置及服务器 | |
CN113568958A (zh) | 工业智能设备的智能制造数据处理方法及装置 | |
CN112116269A (zh) | 一种基于多维分析的材料筛选方法、装置及电子设备 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210820 |