CN117493820A - 一种数据要素处理方法和装置 - Google Patents
一种数据要素处理方法和装置 Download PDFInfo
- Publication number
- CN117493820A CN117493820A CN202410006517.5A CN202410006517A CN117493820A CN 117493820 A CN117493820 A CN 117493820A CN 202410006517 A CN202410006517 A CN 202410006517A CN 117493820 A CN117493820 A CN 117493820A
- Authority
- CN
- China
- Prior art keywords
- data
- road
- target
- condition information
- road condition
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 19
- 238000010276 construction Methods 0.000 claims description 46
- 238000012423 maintenance Methods 0.000 claims description 44
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012544 monitoring process Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种数据要素处理方法和装置，属于数据处理技术领域，所述方法包括：获取多个目标用户上传的目标道路的初始用户路况信息，通过对目标用户历史时段内上传的历史路况信息与历史实际路况信息之间的相似度值进行分析，进而根据相似度值对不同目标用户上报的初始用户路况信息中的不同类型的目标要素数据按照不同预设条件赋予权重，可以综合考虑到各个目标用户上传的不同上报频率的各目标要素数据。本发明的一种数据要素处理方法，使得最终得到的目标道路的实际路况信息对应的目标要素数据更加全面和准确。
Description
技术领域
本发明涉及数据处理技术领域，尤其涉及一种数据要素处理方法和装置。
背景技术
随着电子地图技术的迅速发展，人们对于电子地图导航的场景信息需求越来越高，电子地图场景中的各类要素数据还可以包括道路中的路况数据等。电子地图通过对各类要素数据进行展示，可以方便用户或终端可以了解当前的行驶状态以及路况信息。当前，可以获取不同用户实时上报的路况信息，进而可以确定道路中的要素数据，来作为更新电子地图以及提供导航服务的可靠依据。
然而，对于某条道路中的拥堵点位置，用户在上报操作中由于不熟悉上报服务的使用，容易选错实际拥堵点位置，或者因为驾驶过程产生的负面情绪将一般拥堵程度的位置标记为严重拥堵，使得上报的数据存在夸张与不准确的问题，导致上报数据的可利用性较差。相关技术中，通过将上报频率高的数据要素赋予较高的置信度来进行电子地图的更新，忽视了用户上报频率低但是准确的要素数据，无法从不同用户上报的不同数据中获取丰富而又准确的要素数据。
发明内容
本发明提供一种数据要素处理方法和装置，用以解决现有技术中无法对上报频率低的要素数据进行有效利用的缺陷，实现得到更加全面和准确的要素数据的效果。
本发明提供一种数据要素处理方法，包括：
获取多个目标用户上传的目标道路的初始用户路况信息；所述初始用户路况信息包括至少一个类型的目标要素数据，所述目标要素数据的类型包括道路拥堵程度数据、车辆平均速度数据、事故地点数据、施工地点数据、道路开闭数据以及道路维护数据；
基于各目标用户分别对应的相似度值，按照第一预设条件分别向各目标用户对应的道路拥堵程度数据、车辆平均速度数据、事故地点数据以及施工地点数据分配权重，并按照第二预设条件分别向各目标用户对应的道路开闭数据以及道路维护数据分配权重；各目标用户分别对应的相似度值是历史时段内各目标用户上传的历史路况信息分别与所述历史时段内的历史实际路况信息之间的相似度值；
根据分配的权重对各类型的多个目标要素数据进行加权分析，得到所述目标道路的目标用户路况信息；
对参考路况信息和所述目标用户路况信息中的目标要素数据进行分析，得到所述目标道路的实际路况信息对应的目标要素数据；所述参考路况信息是基于路况监测设备采集的路况数据以及路政单位上传的路况数据确定的
根据本发明提供的一种数据要素处理方法，在所述历史时段内所述目标用户上传一个历史路况信息的情况下，所述目标用户对应的相似度值通过以下方式确定：
确定所述目标用户在所述历史时段内上传的历史路况信息中目标要素数据类型与所述历史实际路况信息中目标要素数据类型的并集；
确定所述目标用户在所述历史时段内上传的历史路况信息中目标要素数据与所述历史实际路况信息中相同类型的目标要素数据匹配的目标要素数据类型的匹配集合；
将所述匹配集合中目标要素数据类型的数量与并集中目标要素数据类型的数量的比值确定为所述目标用户对应的相似度值。
根据本发明提供的一种数据要素处理方法，所述确定所述目标用户在所述历史时段内上传的历史路况信息中目标要素数据与所述历史实际路况信息中相同类型的目标要素数据匹配，包括：
确定所述目标用户在所述历史时段内上传的历史路况信息中道路拥堵程度数据、车辆平均速度数据、事故地点数据或施工地点数据与所述历史实际路况信息中相同类型的目标要素数据之间的相似度满足相似度条件；
或者，确定所述目标用户在所述历史时段内上传的历史路况信息中道路开闭数据或道路维护数据与所述历史实际路况信息中相同类型的目标要素数据相同。
根据本发明提供的一种数据要素处理方法，所按照第一预设条件分别向各目标用户对应的道路拥堵程度数据、车辆平均速度数据、事故地点数据以及施工地点数据分配权重，包括：
对各目标用户对应的道路拥堵程度数据、车辆平均速度数据、事故地点数据以及施工地点数据中每一类型的目标要素数据的目标用户数量进行统计；
基于每一类型的目标要素数据的用户数量，并按照每一类型的目标要素数据对应的目标用户的相似度值之间的相对大小，得到道路拥堵程度数据、车辆平均速度数据、事故地点数据以及施工地点数据对应的权重分配的所述第一预设条件；
按照所述第一预设条件分别向各目标用户对应的道路拥堵程度数据、车辆平均速度数据、事故地点数据以及施工地点数据分配权重。
根据本发明提供的一种数据要素处理方法，所述第二预设条件为将包括道路开闭数据的各目标用户中对应的相似度值最大的目标用户的道路开闭数据的权重设置为1，将包括道路维护数据的各目标用户中对应的相似度值最大的目标用户的道路维护数据的权重设置为1，并将剩余的目标用户的道路开闭数据和道路维护数据的权重均设置为0。
根据本发明提供的一种数据要素处理方法，在所述历史时段内所述目标用户上传多个历史路况信息的情况下，所述目标用户对应的相似度值通过以下方式确定：
分别确定所述目标用户上传的多个历史路况信息分别对应的相似度值；
将多个历史路况信息分别对应的相似度值求取平均值，得到所述目标用户对应的相似度值。
根据本发明提供的一种数据要素处理方法，所述获取多个目标用户上传的目标道路的初始用户路况信息，包括：
在预设时间段内接收到多个目标用户上传的目标道路的路况信息的数量大于数量阈值的情况下，确定各目标用户上传的目标道路的路况信息的时间顺序；
基于所述时间顺序，将各目标用户上传的目标道路的最新的路况信息确定为所述初始用户路况信息。
本发明还提供一种数据要素处理装置，包括：
获取模块，用于获取多个目标用户上传的目标道路的初始用户路况信息；所述初始用户路况信息包括至少一个类型的目标要素数据，所述目标要素数据的类型包括道路拥堵程度数据、车辆平均速度数据、事故地点数据、施工地点数据、道路开闭数据以及道路维护数据；
第一处理模块，用于基于各目标用户分别对应的相似度值，按照第一预设条件分别向各目标用户对应的道路拥堵程度数据、车辆平均速度数据、事故地点数据以及施工地点数据分配权重，并按照第二预设条件分别向各目标用户对应的道路开闭数据以及道路维护数据分配权重；各目标用户分别对应的相似度值是历史时段内各目标用户上传的历史路况信息分别与所述历史时段内的历史实际路况信息之间的相似度值；
第二处理模块，用于根据分配的权重对各类型的多个目标要素数据进行加权分析，得到所述目标道路的目标用户路况信息；
第三处理模块，用于对参考路况信息和所述目标用户路况信息中的目标要素数据进行分析，得到所述目标道路的实际路况信息对应的目标要素数据；所述参考路况信息是基于路况监测设备采集的路况数据以及路政单位上传的路况数据确定的。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述数据要素处理方法。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述数据要素处理方法。
本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述数据要素处理方法。
本发明提供的一种数据要素处理方法和装置，通过对目标用户历史时段内上传的历史路况信息与历史实际路况信息之间的相似度值进行分析，进而根据相似度值对不同目标用户上报的初始用户路况信息中的不同类型的目标要素数据按照不同预设条件赋予权重，可以综合考虑到各个目标用户上传的不同上报频率的各目标要素数据，使得最终得到的目标道路的实际路况信息对应的目标要素数据更加全面和准确。
附图说明
为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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，还可以根据这些附图获得其他的附图。
图1是本发明提供的一种数据要素处理方法的流程示意图之一；
图2是本发明提供的一种数据要素处理方法的流程示意图之二；
图3是本发明提供的一种数据要素处理装置的结构示意图；
图4是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例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作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。
下面结合图1-图4描述本发明的一种数据要素处理方法和装置。
如图1所示，本发明实施例的一种数据要素处理方法主要包括步骤110、步骤120、步骤130以及步骤140。
步骤110，获取多个目标用户上传的目标道路的初始用户路况信息。
可以理解的是，目标用户可以是电子地图的使用用户，或者其他可以上传路况信息的人员，此处不作限制。
所述初始用户路况信息包括至少一个类型的目标要素数据，所述目标要素数据的类型包括道路拥堵程度数据、车辆平均速度数据、事故地点数据、施工地点数据、道路开闭数据以及道路维护数据。
需要说明的是，道路拥堵程度数据可以是根据道路拥堵程度划分得到的等级数据，可以由用户进行上报。例如，可以将完全空旷几乎无车状态的道路划分为五级，将有零星车辆的状态的道路划分为四级，将有一定数量但不拥堵的状态的道路划分为三级，将有一定数量但轻微拥堵的状态的道路划分为二级，而将有一定数量但严重拥堵的状态的道路划分为一级。
车辆平均速度数据可以是目标用户的车辆行驶在目标道路上的平均速度数据，可以根据车辆或者用户终端获取的速度数据来进行上报。
事故地点数据可以是目标道路中发生事故地点的经纬度坐标数据，可以根据用户在电子地图上的标注信息来进行获取。施工地点数据可以是目标道路中发生施工位置的经纬度坐标数据，可以根据用户在电子地图上的标注信息来进行获取。
道路开闭数据用于表示道路的开闭状态，即目标道路处于开通使用状态或者关闭停止使用状态。道路维护数据用于表示道路是否存在维护路段的状态，即目标道路处于维护状态或者不处于维护状态。
步骤120，基于各目标用户分别对应的相似度值，按照第一预设条件分别向各目标用户对应的道路拥堵程度数据、车辆平均速度数据、事故地点数据以及施工地点数据分配权重，并按照第二预设条件分别向各目标用户对应的道路开闭数据以及道路维护数据分配权重。
可以理解的是，各目标用户上传的初始用户路况信息中要素数据的准确性难以保证，为了得到更加准确的道路的要素数据，可以对各目标用户进行分析，进而为各目标用户上传的路况信息的准确度的判断提供依据。
在此种情况下，可以对各目标用户的相似度值进行确定。各目标用户分别对应的相似度值是历史时段内各目标用户上传的历史路况信息分别与所述历史时段内的历史实际路况信息之间的相似度值。
在本实施方式中，可以根据各目标用户在过去上传的历史路况信息相对于历史实际路况信息的相似度值来衡量各目标用户在过去所上传的数据的准确程度，进而为当次路况信息的分析提供依据。
在一些实施例中，如图2所示，在所述历史时段内所述目标用户上传一个历史路况信息的情况下，所述目标用户对应的相似度值主要通过步骤210、步骤220以及步骤230确定。
步骤210，确定所述目标用户在所述历史时段内上传的历史路况信息中目标要素数据类型与所述历史实际路况信息中目标要素数据类型的并集。
需要说明的是，所述目标用户在所述历史时段内上传的历史路况信息中目标要素数据类型也可以包括道路拥堵程度数据、车辆平均速度数据、事故地点数据、施工地点数据、道路开闭数据以及道路维护数据中的至少一种。
步骤220，确定所述目标用户在所述历史时段内上传的历史路况信息中目标要素数据与所述历史实际路况信息中相同类型的目标要素数据匹配的目标要素数据类型的匹配集合。
步骤230，将所述匹配集合中目标要素数据类型的数量与所述并集中目标要素数据类型的数量的比值确定为所述目标用户对应的相似度值。
例如，目标用户A在历史时段内上传的某次初始用户路况信息包括道路拥堵程度数据、车辆平均速度数据、施工地点数据以及道路开闭数据这四种类型的目标要素数据，而历史实际路况信息中包括道路拥堵程度数据、车辆平均速度数据、事故地点数据、施工地点数据、道路开闭数据以及道路维护数据这六种类型的目标要素数据。则目标要素数据类型的并集就包括道路拥堵程度数据、车辆平均速度数据、事故地点数据、施工地点数据、道路开闭数据以及道路维护数据这六种类型的目标要素数据。
在此种情况下，若目标用户A在历史时段内上传的路拥堵程度数据、车辆平均速度数据以及道路开闭数据这三种类型的目标要素数据与历史实际路况信息中对应的这三种要素数据均匹配，换言之，目标用户A在历史时段内上传的路拥堵程度数据、车辆平均速度数据以及道路开闭数据这三种类型的目标要素数据是准确的，则确定所述目标用户在所述历史时段内上传的历史路况信息中目标要素数据与所述历史实际路况信息中相同类型的目标要素数据匹配的目标要素数据类型的匹配集合，匹配集合包括路拥堵程度数据、车辆平均速度数据以及道路开闭数据这三种类型的目标要素数据。
在此基础上，将所述匹配集合中目标要素数据类型的数量与所述并集中目标要素数据类型的数量的比值确定为所述目标用户对应的相似度值，目标用户A的相似度值为3/6，即目标用户A的相似度值为0.5。
在本实施方式中，由于上传的历史路况信息存在多个维度的目标要素数据，可以充分考虑各个目标用户每次上传的历史路况信息与所述历史时段内的历史实际路况信息之间的差异性以及相似性，能够更加准确地衡量目标用户上传的历史路况信息的准确性，进而为准确地采纳各目标用户上传的初始用户路况信息提供依据。
需要说明的是，道路拥堵程度数据、车辆平均速度数据、事故地点数据以及施工地点数据属于可以量化程度的数据，而道路开闭数据以及道路维护数据属于不可以量化程度的数据。因此在判断这两类数据是否互相匹配时可以采用不同的方式。
在一些实施例中，所述确定所述目标用户在所述历史时段内上传的历史路况信息中目标要素数据与所述历史实际路况信息中相同类型的目标要素数据匹配，包括：确定所述目标用户在所述历史时段内上传的历史路况信息中道路拥堵程度数据、车辆平均速度数据、事故地点数据或施工地点数据与所述历史实际路况信息中相同类型的目标要素数据之间的相似度满足相似度条件。
对于道路拥堵程度数据，可以判断道路拥堵程度数据中的等级是否相同，在相同的情况下，确定二者目标要素数据之间的相似度满足相似度条件。
对于车辆平均速度数据，可以判断二者的差值是否小于一定的阈值，在差值小于阈值的情况下确定二者目标要素数据之间的相似度满足相似度条件。
对于事故地点数据或施工地点数据，可以选取目标道路中的一个位置为参考位置，分别计算目标用户历史时段内上传的地点数据对应的位置距离参考位置的距离，以及历史实际路况信息对应的位置距离参考位置的距离之间的差值，并在差值小于阈值的情况下确定二者目标要素数据之间的相似度满足相似度条件。
在另一些实施例中，所述确定所述目标用户在所述历史时段内上传的历史路况信息中目标要素数据与所述历史实际路况信息中相同类型的目标要素数据匹配，包括：确定所述目标用户在所述历史时段内上传的历史路况信息中道路开闭数据或道路维护数据与所述历史实际路况信息中相同类型的目标要素数据相同。
在目标道路处于相同的状态的情况下，确定所述目标用户在所述历史时段内上传的历史路况信息中道路开闭数据或道路维护数据与所述历史实际路况信息中相同类型的目标要素数据相同。
在本实施方式中，可以针对不同类型的目标要素数据来进行不同方式的匹配判定，可以提高数据处理的准确性。
类似地，在分析这两类数据时也可以采用不同的条件来设置权重。即按照第一预设条件分别向各目标用户对应的道路拥堵程度数据、车辆平均速度数据、事故地点数据以及施工地点数据分配权重，并按照第二预设条件分别向各目标用户对应的道路开闭数据以及道路维护数据分配权重，实现针对不用类型的数据来设置权重和加权计算，可以使得数据分析过程更加严谨与准确，进而得到准确的目标要素数据。
步骤130，根据分配的权重对各类型的多个目标要素数据进行加权分析，得到所述目标道路的目标用户路况信息。
可以理解的是，在根据第一预设条件以及第二预设条件分别得到各个目标用户对应的权重后，可以对各类型的多个目标要素数据进行加权分析，进而得到所述目标道路的目标用户路况信息。
步骤140，对参考路况信息和所述目标用户路况信息中的目标要素数据进行分析，得到所述目标道路的实际路况信息对应的目标要素数据。
需要说明的是，所述参考路况信息是基于路况监测设备采集的路况数据以及路政单位上传的路况数据确定的。
路政单位上传的路况数据具有一定的权威性，因此路政单位上传的路况数据上传的路况数据具有较高的准确性。而路况监测设备采集的路况数据只能对车速以及车流量等数据进行采集，因此只对道路拥堵程度数据以及车辆平均速度数据等类型的目标要素数据具有参考价值。
在一些实施例中，可以根据各目标用户上传的目标道路的初始用户路况信息对应的时间以及路政单位上传的路况数据对应的时间进行排序，在路政单位上传的路况数据对应的时间更新的情况下，根据路政单位上传的路况数据来对目标用户路况信息中的目标要素数据进行分析和修正，同时可以根据路况监测设备采集的路况数据来对目标用户路况信息中的道路拥堵程度数据和车辆平均速度数据这两类目标要素数据来进行分析修正，进而得到更加准确的目标道路的实际路况信息对应的目标要素数据。
根据本发明实施例提供的一种数据要素处理方法，通过对目标用户历史时段内上传的历史路况信息与历史实际路况信息之间的相似度值进行分析，进而根据相似度值对不同目标用户上报的初始用户路况信息中的不同类型的目标要素数据按照不同预设条件赋予权重，可以综合考虑到各个目标用户上传的不同上报频率的各目标要素数据，使得最终得到的目标道路的实际路况信息对应的目标要素数据更加全面和准确。
在一些实施例中，所按照第一预设条件分别向各目标用户对应的道路拥堵程度数据、车辆平均速度数据、事故地点数据以及施工地点数据分配权重包括以下过程。
可以先对各目标用户对应的道路拥堵程度数据、车辆平均速度数据、事故地点数据以及施工地点数据中每一类型的目标要素数据的目标用户数量进行统计。在此基础上，再基于每一类型的目标要素数据的用户数量，并按照每一类型的目标要素数据对应的目标用户的相似度值之间的相对大小，得到道路拥堵程度数据、车辆平均速度数据、事故地点数据以及施工地点数据对应的权重分配的所述第一预设条件。
例如上传了道路拥堵程度数据的目标用户有5个，这五个目标用户的相似度值分别是0.5、1、0.5、0.67和0，则分别根据这五个相似度值的相对大小来进行归一化并分配权重，对应的五个权重分别是0.19、0.37、0.19、0.25和0。
进一步地，按照所述第一预设条件分别向各目标用户对应的道路拥堵程度数据、车辆平均速度数据、事故地点数据以及施工地点数据分配权重。
需要说明的是，所述第二预设条件为将包括道路开闭数据的各目标用户中对应的相似度值最大的目标用户的道路开闭数据的权重设置为1，将包括道路维护数据的各目标用户中对应的相似度值最大的目标用户的道路维护数据的权重设置为1，并将剩余的目标用户的道路开闭数据和道路维护数据的权重均设置为0。
在本实施方式中，直接将相似度值最大的目标用户上传的数据作为最准确的数据，即将包括道路开闭数据的各目标用户中对应的相似度值最大的目标用户的道路开闭数据以及道路维护数据的权重设置为1，其他用户的道路开闭数据以及道路维护数据不具有参考价值，因此对应的权重为0，可以保证目标要素数据的相对准确性。
在一些实施例中，在所述历史时段内所述目标用户上传多个历史路况信息的情况下，所述目标用户对应的相似度值通过以下方式确定。
需要说明的是，在历史时段内目标用户多次上传历史路况信息时，可以分别确定所述目标用户上传的多个历史路况信息分别对应的相似度值，即针对目标用户每次上传历史路况信息均分析一次目标用户的相似度值，进而再将多个历史路况信息分别对应的相似度值求取平均值，得到所述目标用户对应的相似度值。
在本实施方式中，针对目标用户每次上传历史路况信息均分析一次目标用户的相似度值时，可以采用上述实施例中的方式，此处不作限制，进而可以对目标用户在历史时段的多次上传行为进行综合分析，得到目标用户更为准确的相似度值。
在一些实施例中，所述获取多个目标用户上传的目标道路的初始用户路况信息，包括在预设时间段内接收到多个目标用户上传的目标道路的路况信息的数量大于数量阈值的情况下，确定各目标用户上传的目标道路的路况信息的时间顺序。
在此基础上，再基于所述时间顺序，将各目标用户上传的目标道路的最新的路况信息确定为所述初始用户路况信息。
可以理解的是，在一些实施例中，针对目标道路，如果当前时段内各目标用户上传的初始用户路况信息过多，需要对这些上传的初始用户路况信息进行筛选，进而剔除掉一些不够准确的、冗余的数据。
在此种情况下，在预设时间段内接收到多个目标用户上传的目标道路的路况信息的数量大于数量阈值的情况下，针对每一个目标用户，可以确定每个目标用户上传的目标道路的路况信息的时间顺序，并基于所述时间顺序，将各目标用户上传的目标道路的最新的路况信息确定为所述初始用户路况信息。
换言之，在各目标用户上传的初始用户路况信息有多个情况下，将旧上传的初始用户路况信息剔除掉，可以使得所分析的数据均为最新的数据，进而提高分析结果的准确性，同时也保证了数据处理的效率。
下面对本发明提供的一种数据要素处理装置进行描述，下文描述的一种数据要素处理装置与上文描述的一种数据要素处理方法可相互对应参照。
如图3所示，本发明实施例提供的一种数据要素处理装置主要包括获取模块310、第一处理模块320、第二处理模块330以及第三处理模块340。
获取模块310用于获取多个目标用户上传的目标道路的初始用户路况信息；所述初始用户路况信息包括至少一个类型的目标要素数据，所述目标要素数据的类型包括道路拥堵程度数据、车辆平均速度数据、事故地点数据、施工地点数据、道路开闭数据以及道路维护数据；
第一处理模块320用于基于各目标用户分别对应的相似度值，按照第一预设条件分别向各目标用户对应的道路拥堵程度数据、车辆平均速度数据、事故地点数据以及施工地点数据分配权重，并按照第二预设条件分别向各目标用户对应的道路开闭数据以及道路维护数据分配权重；各目标用户分别对应的相似度值是历史时段内各目标用户上传的历史路况信息分别与所述历史时段内的历史实际路况信息之间的相似度值；
第二处理模块330用于根据分配的权重对各类型的多个目标要素数据进行加权分析，得到所述目标道路的目标用户路况信息；
第三处理模块340用于对参考路况信息和所述目标用户路况信息中的目标要素数据进行分析，得到所述目标道路的实际路况信息对应的目标要素数据；所述参考路况信息是基于路况监测设备采集的路况数据以及路政单位上传的路况数据确定的。
根据本发明实施例提供的一种数据要素处理装置，通过对目标用户历史时段内上传的历史路况信息与历史实际路况信息之间的相似度值进行分析，进而根据相似度值对不同目标用户上报的初始用户路况信息中的不同类型的目标要素数据按照不同预设条件赋予权重，可以综合考虑到各个目标用户上传的不同上报频率的各目标要素数据，使得最终得到的目标道路的实际路况信息对应的目标要素数据更加全面和准确。
在一些实施例中，在所述历史时段内所述目标用户上传一个历史路况信息的情况下，第一处理模块320还用于确定所述目标用户在所述历史时段内上传的历史路况信息中目标要素数据类型与所述历史实际路况信息中目标要素数据类型的并集；确定所述目标用户在所述历史时段内上传的历史路况信息中目标要素数据与所述历史实际路况信息中相同类型的目标要素数据匹配的目标要素数据类型的匹配集合；将所述匹配集合中目标要素数据类型的数量与所述并集中目标要素数据类型的数量的比值确定为所述目标用户对应的相似度值。
在一些实施例中，第一处理模块320还用于确定所述目标用户在所述历史时段内上传的历史路况信息中道路拥堵程度数据、车辆平均速度数据、事故地点数据或施工地点数据与所述历史实际路况信息中相同类型的目标要素数据之间的相似度满足相似度条件；或者，确定所述目标用户在所述历史时段内上传的历史路况信息中道路开闭数据或道路维护数据与所述历史实际路况信息中相同类型的目标要素数据相同。
在一些实施例中，第一处理模块320还用于对各目标用户对应的道路拥堵程度数据、车辆平均速度数据、事故地点数据以及施工地点数据中每一类型的目标要素数据的目标用户数量进行统计；基于每一类型的目标要素数据的用户数量，并按照每一类型的目标要素数据对应的目标用户的相似度值之间的相对大小，得到道路拥堵程度数据、车辆平均速度数据、事故地点数据以及施工地点数据对应的权重分配的所述第一预设条件；按照所述第一预设条件分别向各目标用户对应的道路拥堵程度数据、车辆平均速度数据、事故地点数据以及施工地点数据分配权重。
在一些实施例中，所述第二预设条件为将包括道路开闭数据的各目标用户中对应的相似度值最大的目标用户的道路开闭数据的权重设置为1，将包括道路维护数据的各目标用户中对应的相似度值最大的目标用户的道路维护数据的权重设置为1，并将剩余的目标用户的道路开闭数据和道路维护数据的权重均设置为0。
在一些实施例中，在所述历史时段内所述目标用户上传多个历史路况信息的情况下，第一处理模块320还用于分别确定所述目标用户上传的多个历史路况信息分别对应的相似度值；将多个历史路况信息分别对应的相似度值求取平均值，得到所述目标用户对应的相似度值。
获取模块310还用于在预设时间段内接收到多个目标用户上传的目标道路的路况信息的数量大于数量阈值的情况下，确定各目标用户上传的目标道路的路况信息的时间顺序；基于所述时间顺序，将各目标用户上传的目标道路的最新的路况信息确定为所述初始用户路况信息。
图4示例了一种电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器（processor）410、通信接口（Communications Interface）420、存储器（memory）430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令，以执行数据要素处理方法，该方法包括：获取多个目标用户上传的目标道路的初始用户路况信息；所述初始用户路况信息包括至少一个类型的目标要素数据，所述目标要素数据的类型包括道路拥堵程度数据、车辆平均速度数据、事故地点数据、施工地点数据、道路开闭数据以及道路维护数据；基于各目标用户分别对应的相似度值，按照第一预设条件分别向各目标用户对应的道路拥堵程度数据、车辆平均速度数据、事故地点数据以及施工地点数据分配权重，并按照第二预设条件分别向各目标用户对应的道路开闭数据以及道路维护数据分配权重；各目标用户分别对应的相似度值是历史时段内各目标用户上传的历史路况信息分别与所述历史时段内的历史实际路况信息之间的相似度值；根据分配的权重对各类型的多个目标要素数据进行加权分析，得到所述目标道路的目标用户路况信息；对参考路况信息和所述目标用户路况信息中的目标要素数据进行分析，得到所述目标道路的实际路况信息对应的目标要素数据；所述参考路况信息是基于路况监测设备采集的路况数据以及路政单位上传的路况数据确定的。
此外，上述的存储器430中的逻辑指令可以通过软件功能单元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，服务器，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。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的数据要素处理方法，该方法包括：获取多个目标用户上传的目标道路的初始用户路况信息；所述初始用户路况信息包括至少一个类型的目标要素数据，所述目标要素数据的类型包括道路拥堵程度数据、车辆平均速度数据、事故地点数据、施工地点数据、道路开闭数据以及道路维护数据；基于各目标用户分别对应的相似度值，按照第一预设条件分别向各目标用户对应的道路拥堵程度数据、车辆平均速度数据、事故地点数据以及施工地点数据分配权重，并按照第二预设条件分别向各目标用户对应的道路开闭数据以及道路维护数据分配权重；各目标用户分别对应的相似度值是历史时段内各目标用户上传的历史路况信息分别与所述历史时段内的历史实际路况信息之间的相似度值；根据分配的权重对各类型的多个目标要素数据进行加权分析，得到所述目标道路的目标用户路况信息；对参考路况信息和所述目标用户路况信息中的目标要素数据进行分析，得到所述目标道路的实际路况信息对应的目标要素数据；所述参考路况信息是基于路况监测设备采集的路况数据以及路政单位上传的路况数据确定的。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的数据要素处理方法，该方法包括：获取多个目标用户上传的目标道路的初始用户路况信息；所述初始用户路况信息包括至少一个类型的目标要素数据，所述目标要素数据的类型包括道路拥堵程度数据、车辆平均速度数据、事故地点数据、施工地点数据、道路开闭数据以及道路维护数据；基于各目标用户分别对应的相似度值，按照第一预设条件分别向各目标用户对应的道路拥堵程度数据、车辆平均速度数据、事故地点数据以及施工地点数据分配权重，并按照第二预设条件分别向各目标用户对应的道路开闭数据以及道路维护数据分配权重；各目标用户分别对应的相似度值是历史时段内各目标用户上传的历史路况信息分别与所述历史时段内的历史实际路况信息之间的相似度值；根据分配的权重对各类型的多个目标要素数据进行加权分析，得到所述目标道路的目标用户路况信息；对参考路况信息和所述目标用户路况信息中的目标要素数据进行分析，得到所述目标道路的实际路况信息对应的目标要素数据；所述参考路况信息是基于路况监测设备采集的路况数据以及路政单位上传的路况数据确定的。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，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，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种数据要素处理方法，其特征在于，包括：
获取多个目标用户上传的目标道路的初始用户路况信息；所述初始用户路况信息包括至少一个类型的目标要素数据，所述目标要素数据的类型包括道路拥堵程度数据、车辆平均速度数据、事故地点数据、施工地点数据、道路开闭数据以及道路维护数据；
基于各目标用户分别对应的相似度值，按照第一预设条件分别向各目标用户对应的道路拥堵程度数据、车辆平均速度数据、事故地点数据以及施工地点数据分配权重，并按照第二预设条件分别向各目标用户对应的道路开闭数据以及道路维护数据分配权重；各目标用户分别对应的相似度值是历史时段内各目标用户上传的历史路况信息分别与所述历史时段内的历史实际路况信息之间的相似度值；
根据分配的权重对各类型的多个目标要素数据进行加权分析，得到所述目标道路的目标用户路况信息；
对参考路况信息和所述目标用户路况信息中的目标要素数据进行分析，得到所述目标道路的实际路况信息对应的目标要素数据；所述参考路况信息是基于路况监测设备采集的路况数据以及路政单位上传的路况数据确定的。
2.根据权利要求1所述的数据要素处理方法，其特征在于，在所述历史时段内所述目标用户上传一个历史路况信息的情况下，所述目标用户对应的相似度值通过以下方式确定：
确定所述目标用户在所述历史时段内上传的历史路况信息中目标要素数据类型与所述历史实际路况信息中目标要素数据类型的并集；
确定所述目标用户在所述历史时段内上传的历史路况信息中目标要素数据与所述历史实际路况信息中相同类型的目标要素数据匹配的目标要素数据类型的匹配集合；
将所述匹配集合中目标要素数据类型的数量与并集中目标要素数据类型的数量的比值确定为所述目标用户对应的相似度值。
3.根据权利要求2所述的数据要素处理方法，其特征在于，所述确定所述目标用户在所述历史时段内上传的历史路况信息中目标要素数据与所述历史实际路况信息中相同类型的目标要素数据匹配，包括：
确定所述目标用户在所述历史时段内上传的历史路况信息中道路拥堵程度数据、车辆平均速度数据、事故地点数据或施工地点数据与所述历史实际路况信息中相同类型的目标要素数据之间的相似度满足相似度条件；
或者，确定所述目标用户在所述历史时段内上传的历史路况信息中道路开闭数据或道路维护数据与所述历史实际路况信息中相同类型的目标要素数据相同。
4.根据权利要求2所述的数据要素处理方法，其特征在于，所按照第一预设条件分别向各目标用户对应的道路拥堵程度数据、车辆平均速度数据、事故地点数据以及施工地点数据分配权重，包括：
对各目标用户对应的道路拥堵程度数据、车辆平均速度数据、事故地点数据以及施工地点数据中每一类型的目标要素数据的目标用户数量进行统计；
基于每一类型的目标要素数据的用户数量，并按照每一类型的目标要素数据对应的目标用户的相似度值之间的相对大小，得到道路拥堵程度数据、车辆平均速度数据、事故地点数据以及施工地点数据对应的权重分配的所述第一预设条件；
按照所述第一预设条件分别向各目标用户对应的道路拥堵程度数据、车辆平均速度数据、事故地点数据以及施工地点数据分配权重。
5.根据权利要求2所述的数据要素处理方法，其特征在于，所述第二预设条件为将包括道路开闭数据的各目标用户中对应的相似度值最大的目标用户的道路开闭数据的权重设置为1，将包括道路维护数据的各目标用户中对应的相似度值最大的目标用户的道路维护数据的权重设置为1，并将剩余的目标用户的道路开闭数据和道路维护数据的权重均设置为0。
6.根据权利要求2所述的数据要素处理方法，其特征在于，在所述历史时段内所述目标用户上传多个历史路况信息的情况下，所述目标用户对应的相似度值通过以下方式确定：
分别确定所述目标用户上传的多个历史路况信息分别对应的相似度值；
将多个历史路况信息分别对应的相似度值求取平均值，得到所述目标用户对应的相似度值。
7.根据权利要求1所述的数据要素处理方法，其特征在于，所述获取多个目标用户上传的目标道路的初始用户路况信息，包括：
在预设时间段内接收到多个目标用户上传的目标道路的路况信息的数量大于数量阈值的情况下，确定各目标用户上传的目标道路的路况信息的时间顺序；
基于所述时间顺序，将各目标用户上传的目标道路的最新的路况信息确定为所述初始用户路况信息。
8.一种数据要素处理装置，其特征在于，包括：
获取模块，用于获取多个目标用户上传的目标道路的初始用户路况信息；所述初始用户路况信息包括至少一个类型的目标要素数据，所述目标要素数据的类型包括道路拥堵程度数据、车辆平均速度数据、事故地点数据、施工地点数据、道路开闭数据以及道路维护数据；
第一处理模块，用于基于各目标用户分别对应的相似度值，按照第一预设条件分别向各目标用户对应的道路拥堵程度数据、车辆平均速度数据、事故地点数据以及施工地点数据分配权重，并按照第二预设条件分别向各目标用户对应的道路开闭数据以及道路维护数据分配权重；各目标用户分别对应的相似度值是历史时段内各目标用户上传的历史路况信息分别与所述历史时段内的历史实际路况信息之间的相似度值；
第二处理模块，用于根据分配的权重对各类型的多个目标要素数据进行加权分析，得到所述目标道路的目标用户路况信息；
第三处理模块，用于对参考路况信息和所述目标用户路况信息中的目标要素数据进行分析，得到所述目标道路的实际路况信息对应的目标要素数据；所述参考路况信息是基于路况监测设备采集的路况数据以及路政单位上传的路况数据确定的。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述数据要素处理方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述数据要素处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410006517.5A CN117493820B (zh) | 2024-01-03 | 2024-01-03 | 一种数据要素处理方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410006517.5A CN117493820B (zh) | 2024-01-03 | 2024-01-03 | 一种数据要素处理方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117493820A true CN117493820A (zh) | 2024-02-02 |
| CN117493820B CN117493820B (zh) | 2024-04-02 |
Family
ID=89674824
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410006517.5A Active CN117493820B (zh) | 2024-01-03 | 2024-01-03 | 一种数据要素处理方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117493820B (zh) |
Citations (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020120396A1 (en) * | 2001-02-27 | 2002-08-29 | International Business Machines Corporation | Apparatus, system, method and computer program product for determining an optimum route based on historical information |
| CN104121918A (zh) * | 2013-04-25 | 2014-10-29 | 北京搜狗信息服务有限公司 | 一种实时路径规划的方法和系统 |
| CN104318767A (zh) * | 2014-10-22 | 2015-01-28 | 北京建筑大学 | 一种基于公交gps轨迹数据的路况信息生成方法 |
| CN108240817A (zh) * | 2016-12-27 | 2018-07-03 | 上海擎感智能科技有限公司 | 电子导航方法及装置 |
| CN108492564A (zh) * | 2018-04-18 | 2018-09-04 | 山东省交通规划设计院 | 基于路网匹配测量高速公路车辆行驶速度的方法及系统 |
| CN108871340A (zh) * | 2018-06-29 | 2018-11-23 | 合肥信亚达智能科技有限公司 | 一种基于实时路况信息优化导盲方法及系统 |
| CN110782659A (zh) * | 2019-09-09 | 2020-02-11 | 腾讯科技（深圳）有限公司 | 路况确定方法、装置、服务器及存储介质 |
| CN110827561A (zh) * | 2019-09-11 | 2020-02-21 | 中国地质大学（北京） | 一种基于车辆的道路路况信息预报系统及方法 |
| CN111429744A (zh) * | 2020-04-01 | 2020-07-17 | 中煤航测遥感集团有限公司 | 一种路况信息融合分析的方法、装置及存储介质 |
| US20200410371A1 (en) * | 2019-06-28 | 2020-12-31 | Baidu Online Network Technology (Beijing) Co., Ltd. | Data analysis method and device |
| CN112542043A (zh) * | 2020-12-01 | 2021-03-23 | 江苏欣网视讯软件技术有限公司 | 基于手机信令以及大数据分析识别公交线网覆盖盲区的方法与系统 |
| CN112560609A (zh) * | 2020-12-03 | 2021-03-26 | 北京百度网讯科技有限公司 | 路况预估方法、建立路况预估模型的方法及对应装置 |
| CN113470356A (zh) * | 2021-06-28 | 2021-10-01 | 青岛海信网络科技股份有限公司 | 电子设备及区域路况预测方法 |
| CN114218288A (zh) * | 2021-11-09 | 2022-03-22 | 北京中交兴路车联网科技有限公司 | 一种行车路线推荐方法、装置、存储介质及终端 |
| CN114234995A (zh) * | 2021-12-21 | 2022-03-25 | 浙江数智交院科技股份有限公司 | 一种导航方法、装置、电子设备及存储介质 |
| CN114353819A (zh) * | 2022-01-04 | 2022-04-15 | 腾讯科技（深圳）有限公司 | 车辆的导航方法、装置、设备、存储介质及程序产品 |
| US20220363131A1 (en) * | 2019-11-18 | 2022-11-17 | Volkswagen Aktiengesellschaft | Method for Operating an Operating System in a Vehicle and Operating System for a Vehicle |
| CN115440045A (zh) * | 2021-08-19 | 2022-12-06 | 佛山市城市规划设计研究院 | 一种提高交通导航实时准确性的方法 |
| CN115440023A (zh) * | 2021-06-04 | 2022-12-06 | 华为技术有限公司 | 交通违规行为的判定方法和装置 |
| CN115620506A (zh) * | 2021-07-15 | 2023-01-17 | 博泰车联网科技(上海)股份有限公司 | 路况信息推送方法、装置、服务器及介质 |
| US20230091252A1 (en) * | 2021-11-29 | 2023-03-23 | Beijing Baidu Netcom Science Technology Co., Ltd. | Method for processing high-definition map data, electronic device and medium |
| CN116238517A (zh) * | 2023-03-22 | 2023-06-09 | 滴图(北京)科技有限公司 | 呈现路况的方法和装置 |
| CN116564079A (zh) * | 2023-04-23 | 2023-08-08 | 赵冰心 | 路段交通拥堵识别方法、装置、设备及可读存储介质 |
| CN116562741A (zh) * | 2023-04-17 | 2023-08-08 | 成都普惠道智慧能源科技有限公司 | 一种lng仓储运输方法、物联网系统、装置及存储介质 |
| CN116704765A (zh) * | 2023-06-13 | 2023-09-05 | 北京世纪高通科技有限公司 | 路况预测方法、装置及可读存储介质 |
-
2024
- 2024-01-03 CN CN202410006517.5A patent/CN117493820B/zh active Active
Patent Citations (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020120396A1 (en) * | 2001-02-27 | 2002-08-29 | International Business Machines Corporation | Apparatus, system, method and computer program product for determining an optimum route based on historical information |
| CN104121918A (zh) * | 2013-04-25 | 2014-10-29 | 北京搜狗信息服务有限公司 | 一种实时路径规划的方法和系统 |
| CN104318767A (zh) * | 2014-10-22 | 2015-01-28 | 北京建筑大学 | 一种基于公交gps轨迹数据的路况信息生成方法 |
| CN108240817A (zh) * | 2016-12-27 | 2018-07-03 | 上海擎感智能科技有限公司 | 电子导航方法及装置 |
| CN108492564A (zh) * | 2018-04-18 | 2018-09-04 | 山东省交通规划设计院 | 基于路网匹配测量高速公路车辆行驶速度的方法及系统 |
| CN108871340A (zh) * | 2018-06-29 | 2018-11-23 | 合肥信亚达智能科技有限公司 | 一种基于实时路况信息优化导盲方法及系统 |
| US20200410371A1 (en) * | 2019-06-28 | 2020-12-31 | Baidu Online Network Technology (Beijing) Co., Ltd. | Data analysis method and device |
| CN110782659A (zh) * | 2019-09-09 | 2020-02-11 | 腾讯科技（深圳）有限公司 | 路况确定方法、装置、服务器及存储介质 |
| CN110827561A (zh) * | 2019-09-11 | 2020-02-21 | 中国地质大学（北京） | 一种基于车辆的道路路况信息预报系统及方法 |
| US20220363131A1 (en) * | 2019-11-18 | 2022-11-17 | Volkswagen Aktiengesellschaft | Method for Operating an Operating System in a Vehicle and Operating System for a Vehicle |
| CN111429744A (zh) * | 2020-04-01 | 2020-07-17 | 中煤航测遥感集团有限公司 | 一种路况信息融合分析的方法、装置及存储介质 |
| CN112542043A (zh) * | 2020-12-01 | 2021-03-23 | 江苏欣网视讯软件技术有限公司 | 基于手机信令以及大数据分析识别公交线网覆盖盲区的方法与系统 |
| CN112560609A (zh) * | 2020-12-03 | 2021-03-26 | 北京百度网讯科技有限公司 | 路况预估方法、建立路况预估模型的方法及对应装置 |
| CN115440023A (zh) * | 2021-06-04 | 2022-12-06 | 华为技术有限公司 | 交通违规行为的判定方法和装置 |
| CN113470356A (zh) * | 2021-06-28 | 2021-10-01 | 青岛海信网络科技股份有限公司 | 电子设备及区域路况预测方法 |
| CN115620506A (zh) * | 2021-07-15 | 2023-01-17 | 博泰车联网科技(上海)股份有限公司 | 路况信息推送方法、装置、服务器及介质 |
| CN115440045A (zh) * | 2021-08-19 | 2022-12-06 | 佛山市城市规划设计研究院 | 一种提高交通导航实时准确性的方法 |
| CN114218288A (zh) * | 2021-11-09 | 2022-03-22 | 北京中交兴路车联网科技有限公司 | 一种行车路线推荐方法、装置、存储介质及终端 |
| US20230091252A1 (en) * | 2021-11-29 | 2023-03-23 | Beijing Baidu Netcom Science Technology Co., Ltd. | Method for processing high-definition map data, electronic device and medium |
| CN114234995A (zh) * | 2021-12-21 | 2022-03-25 | 浙江数智交院科技股份有限公司 | 一种导航方法、装置、电子设备及存储介质 |
| CN114353819A (zh) * | 2022-01-04 | 2022-04-15 | 腾讯科技（深圳）有限公司 | 车辆的导航方法、装置、设备、存储介质及程序产品 |
| CN116238517A (zh) * | 2023-03-22 | 2023-06-09 | 滴图(北京)科技有限公司 | 呈现路况的方法和装置 |
| CN116562741A (zh) * | 2023-04-17 | 2023-08-08 | 成都普惠道智慧能源科技有限公司 | 一种lng仓储运输方法、物联网系统、装置及存储介质 |
| CN116564079A (zh) * | 2023-04-23 | 2023-08-08 | 赵冰心 | 路段交通拥堵识别方法、装置、设备及可读存储介质 |
| CN116704765A (zh) * | 2023-06-13 | 2023-09-05 | 北京世纪高通科技有限公司 | 路况预测方法、装置及可读存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 刘欲立: "基于互联网地图语言的实时路况信息服务项目探析", 中国交通信息化, 15 May 2017 (2017-05-15) * |
| 邱卫云: "城际道路交通动态数据分析与系统设计", 公路交通科技(应用技术版), 15 September 2013 (2013-09-15) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117493820B (zh) | 2024-04-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111860561B (zh) | 网约车的异常停留行为识别方法、装置、设备及存储介质 | |
| CN109670970B (zh) | 一种驾驶行为评分方法、装置及计算机可读存储介质 | |
| CN106649709B (zh) | 一种基于数据挖掘的车辆停留行为模式预测与评估方法 | |
| CN109523819B (zh) | 一种基于公交到离站的乘客ic卡数据与站点匹配方法 | |
| CN109886724B (zh) | 一种鲁棒性的居民出行轨迹识别方法 | |
| CN109996245B (zh) | 通信资源投放评估方法、装置、电子设备及存储介质 | |
| CN113645182B (zh) | 一种基于二次特征筛选的拒绝服务攻击随机森林检测方法 | |
| CN106919957A (zh) | 处理数据的方法及装置 | |
| JP2019114039A (ja) | 異常検出装置 | |
| CN108538054B (zh) | 一种基于手机信令数据获取交通路况信息的方法及系统 | |
| CN116701130A (zh) | 基于指标画像的动态基线优化方法、装置及电子设备 | |
| CN111723835A (zh) | 车辆移动轨迹区分方法、装置和电子设备 | |
| CN112598199A (zh) | 一种基于决策树算法的监测预警方法 | |
| CN113269042A (zh) | 基于行驶车辆违章识别的智能交通管理方法及系统 | |
| CN113283548B (zh) | 一种车辆安全评分方法、装置、设备和存储介质 | |
| CN114879070A (zh) | 一种电池状态评估方法及相关设备 | |
| CN106033643A (zh) | 一种数据处理方法及装置 | |
| CN113822487A (zh) | 运营车辆的风险预警方法、装置、存储介质及计算机设备 | |
| CN117493820B (zh) | 一种数据要素处理方法和装置 | |
| CN109448379A (zh) | 一种社交媒体数据偶发性交通事件的识别及定位方法 | |
| CN111325255B (zh) | 特定人群圈定方法、装置、电子设备及存储介质 | |
| CN110060370B (zh) | 车辆急加速急减速次数等效统计方法 | |
| CN114066288B (zh) | 一种基于智慧数据中心的营运道路应急检测方法及系统 | |
| CN112398706B (zh) | 数据评估标准确定方法、装置及存储介质、电子设备 | |
| CN113658426A (zh) | 一种车辆事故识别方法及装置 |
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 |