CN108021625B - 车辆异常聚集地监控方法及***、计算机可读存储介质 - Google Patents
车辆异常聚集地监控方法及***、计算机可读存储介质 Download PDFInfo
- Publication number
- CN108021625B CN108021625B CN201711170017.1A CN201711170017A CN108021625B CN 108021625 B CN108021625 B CN 108021625B CN 201711170017 A CN201711170017 A CN 201711170017A CN 108021625 B CN108021625 B CN 108021625B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- abnormal
- preset
- staying
- information
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 123
- 238000012544 monitoring process Methods 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 76
- 230000002776 aggregation Effects 0.000 claims abstract description 45
- 238000004220 aggregation Methods 0.000 claims abstract description 45
- 238000012545 processing Methods 0.000 claims description 29
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 15
- 230000000007 visual effect Effects 0.000 claims description 12
- 238000009825 accumulation Methods 0.000 claims description 2
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 238000007621 cluster analysis Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 239000002699 waste material Substances 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
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Remote Sensing (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- General Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开一种车辆异常聚集地监控方法,包括:获取符合预设停留条件的停留车辆的GPS数据,并将停留车辆的GPS数据集合记为集合G;根据停留车辆的GPS数据集合G,确定停留车辆的地理位置信息;根据停留车辆的地理位置信息以及预设的聚集度模型,计算生成聚类集合,并判断聚类集合在预设范围内的聚集程度是否大于预设值;当聚类集合的聚集程度大于所述预设值时,确定聚类集合为异常聚类集合;根据异常聚类集合提供的数据信息中的所有车辆的位置信息,确定车辆异常聚集地信息。本发明通过建立异常聚类集合,以获取异常车辆聚集地信息,并发现异常停留车辆。本发明还提供一种车辆异常聚集地监控***和计算机可读存储介质。
Description
技术领域
本发明涉及交通信息技术领域,尤其涉及一种车辆异常聚集地监控方法及监控***、计算机可读存储介质。
背景技术
随着社会的进步和经济的快速发展,车辆的数量迅猛增加。其中,长时间不被使用的车辆称为异常车辆,当异常车辆增多时,容易造成资源的浪费,因此,对于异常车辆的管理和监控变得越来越重要。
目前对于异常车辆的监控方法主要通过专门的车载导航***获取车辆的位置或者通过经验丰富的工作人员获取。这种监控方法不能在短时间内准确地获取异常车辆的聚集地,同时耗时长,成本较高。
发明内容
本发明的主要目的是提供一种车辆异常聚集地监控方法、监控***及其计算机可读存储介质,旨在解决如何根据GPS数据及时获取异常车辆聚集地信息的问题。
为实现上述目的,本发明提出一种车辆异常聚集地监控方法,所述监控方法包括:
根据车辆的车载GPS终端上报的GPS数据,获取符合预设停留条件的停留车辆的GPS数据,并将所述停留车辆的GPS数据集合记为集合G;
根据所述停留车辆的GPS数据集合G,确定所述停留车辆的地理位置信息;
根据所述停留车辆的地理位置信息以及预设的聚集度模型,计算生成所述停留车辆的聚类集合GCluster,并判断所述聚类集合GCluster在预设范围内的聚集程度是否大于预设值;
当所述聚类集合GCluster的聚集程度大于所述预设值时,确定所述聚类集合GCluster为异常聚类集合;
根据所述异常聚类集合提供的数据信息中的所有车辆的位置信息,确定车辆异常聚集地信息。
优选地,所述根据所述停留车辆的地理位置信息以及预设的聚集度模型,计算生成所述停留车辆的聚类集合GCluster的步骤,具体包括:
根据所述停留车辆的GPS数据集合G和所述停留车辆的地理位置信息,获取所述数据集合G中的每个车辆的在预设范围内的邻居车辆;
根据所述停留车辆的地理位置信息,按照预设顺序对所述数据集合G进行排序,得到数据集合G',(Gi',i=1,...,n);
根据预设方向遍历所述数据集合G′中包含的所有车辆,并根据预设计算公式计算所述数据集合G′中每个车辆与预设方向上相邻的车辆之间的距离值是否在预设范围内;
当所述数据集合G′中每个车辆与预设方向上相邻的车辆之间的距离值未在预设范围内时,停止遍历;
当所述数据集合G′中每个车辆与预设方向上相邻的车辆之间的距离值在预设范围内时,确定预设方向上的车辆为该车辆的候选邻居,并将该候选邻居加入集合hx_neari,i=1,...,n;
根据集合hx_neari,i=1,...,n计算集合hx_neari,i=1,...,n中的车辆与所述车辆对应的候选邻居的实际距离,并判断所述实际距离是否在预设范围内;
当所述实际距离在预设范围内时,确定将该候选邻居加入邻居集合neari,i=1,...,n中;
初始化一个空的临时集合tmp;
优选地,所述根据车辆的车载GPS终端上报的GPS数据,获取符合预设停留条件的停留车辆的GPS数据,并将所述停留车辆的GPS数据集合记为集合G的步骤,具体包括:
根据车辆的车载GPS终端上报的GPS数据,获取车辆的停留时间,并判断车辆的停留时间是否超出预设时间范围;
当所述车辆的停留时间超出预设时间范围时,将所述停留车辆的GPS数据添加至GPS数据集合,所述GPS数据集合记为集合集合G。
优选地,所述根据所述异常聚类集合提供的数据信息中的所有车辆的位置信息,确定车辆异常聚集地信息的步骤具体包括:
根据所述异常聚类集合提供的数据信息中的所有车辆的位置信息,获取所述异常聚类集合中每个车辆对应的邻居个数以及每个车辆与邻居之间的实际距离;
根据所述异常聚类集合中每个车辆所对应的邻居个数以及该车辆与邻居之间的实际距离进行加权确定所述异常聚类集合的中心,所述异常聚类集合的中心所在位置为异常聚集地,所述权重公式如下:
优选地,所述根据所述异常聚类集合提供的数据信息中的所有车辆的位置信息,确定车辆异常聚集地信息的步骤之后,还包括步骤:
提供一可视化界面,在该可视化界面上显示所述车辆异常聚集地信息,并发出相应的提示信息。
优选地,所述所述根据所述异常聚类集合提供的数据信息中的所有车辆的位置信息,确定车辆异常聚集地信息的步骤之后,还包括步骤:
根据异常聚集地信息定位停留车辆所在位置。
本发明提供一种车辆异常聚集地的监控***,包括GPS数据接收单元、处理单元、存储单元、显示单元以及存储在存储单元上并可在存储单元上运行的计算机程序,其特征在于,所述处理单元执行所述计算机程序时实现如上述任一项所述的监控方法的步骤。
本发明还提供一种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上述任一项所述的监控方法的步骤。
本发明提供的车辆异常聚集地的监控***及监控方法,通过根据车辆的车载GPS终端上报的GPS数据,获取符合预设停留条件的停留车辆的GPS数据,并将所述停留车辆的GPS数据集合记为集合G;根据所述停留车辆的GPS数据集合G,确定所述停留车辆的地理位置信息;根据所述停留车辆的地理位置信息以及预设的聚集度模型,计算生成所述停留车辆的聚类集合GCluster,并判断所述聚类集合GCluster在预设范围内的聚集程度是否大于预设值;当所述聚类集合GCluster的聚集程度大于所述预设值时,确定所述聚类集合GCluster为异常聚类集合;根据所述异常聚类集合提供的数据信息中的所有车辆的位置信息,确定车辆异常聚集地信息。本发明的监控方法的监控过程简单易实行,通过利用车辆的车载GPS终端上报的GPS数据,建立异常聚类集合,以获取异常车辆聚集地信息,用户可以根据该异常车辆聚集地信息发现异常车辆,并及时作出相应的措施。
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示出的结构获得其他的附图。
图1为本发明各个实施例中的一种车辆异常聚集地监控***硬件结构示意图;
图2为本发明车辆异常聚集地监控***的监控方法第一实施例的流程图;
图3为本发明车辆异常聚集地监控***的监控方法第二实施例的流程图;
图4为本发明车辆异常聚集地监控***的监控方法第三实施例的流程图;
图5为本发明车辆异常聚集地监控***的监控方法第四实施例的流程图;
图6为本发明车辆异常聚集地监控***的监控方法第五实施例的流程图;
图7为本发明车辆异常聚集地监控***的监控方法第六实施例的流程图;
图8为本发明车辆异常聚集地监控***的监控方法第七实施例、第八实施例的流程图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,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。
需要说明,本发明实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
另外,在本发明中如涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“连接”、“固定”等应做广义理解,例如,“固定”可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系,除非另有明确的限定。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在后续的描述中,使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明,其本身没有特定的意义。因此,“模块”、“部件”或“单元”可以混合地使用。
另外,本发明各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
本发明提出一种车辆异常聚集地监控方法及其监控***、计算机可读存储介质。
如图1所示,图1为实现本发明各实施例中涉及的监控***100的模块结构示意图;
本实施例中的监控***100包括GPS数据接收单元10、存储单元20、显示单元30、处理单元40等部件。
其中,GPS数据接收单元10,用于接收车辆中车载GPS发送的GPS数据,所述GPS数据接收单元10与车载GPS终端建立通信连接。所述GPS数据接收单元10可以包括天线单元和接收单元;其中,天线单元主要用于接收来自卫星的电磁波信号,将电磁波信号转换为电流,并放大信号电流,对信号电流进行频率变换。所述GPS数据接收单元10接收车辆的车载GPS终端上报的GPS数据信号后,对接收到的GPS信号处理、放大和变换,以便测量出GPS信号的传播时间,实时计算车辆的三维位置、三维速度和时间等数据信息。
存储单元20,可用于存储电子地图、软件程序以及各种数据(如:GPS数据)。存储单元20可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序等。此外,存储单元20可以包括高速随机存储单元20,还可以包括非易失性存储单元20,例如至少一个磁盘存储单元20、闪存器件、或其他易失性固态存储单元20器件。
显示单元30,用于显示由用户输入的信息或提供给用户的信息。显示单元30可包括显示面板,可以采用液晶显示器(Liquid Crystal Display,LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板。
处理单元40,是监控***100的控制中心,利用各种接口和线路连接整个监控***100的各个部分,通过运行或执行存储在存储器内的软件程序和/或单元,以及调用存储在存储单元20内的数据,执行监控***100的各种功能和处理数据,从而对监控***100进行整体监控。处理单元40可包括一个或多个处理器或芯片;优选的,处理单元40可集成应用处理单元40和调制解调处理单元40,其中,应用处理单元40主要处理操作***、用户界面和应用程序等,调制解调处理单元40主要处理无线通信。可以理解的是,上述调制解调处理单元40也可以不集成到处理单元40中。
具体的,在本实施例中,所述处理单元40分别与GPS数据接收单元10、存储单元20以及显示单元30连接,所述GPS数据接收单元10接收车载GPS终端上报的GPS数据后,将所述GPS数据传输至处理单元40,所述处理单元40调用存储在所述存储单元20内的软件程序对所述GPS数据进行分析处理,并将分析处理后的结果输入显示单元30中,此时,所述显示单元30可以通过提供一可视化界面以显示所述处理结果,以供用户及时获取相关的信息。
本领域技术人员可以理解,图1中所示出的监控***100还可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
基于上述硬件结构,提出本发明中的车辆异常聚集的的监控方法的各个实施例。
参考图2,为本发明提供的第一实施例中的监控方法的方法流程图200,所述监控方法包括如下步骤:
步骤S10,根据车辆的车载GPS终端上报的GPS数据,获取符合预设停留条件的停留车辆的GPS数据,并将所述停留车辆的GPS数据集合记为集合G;
可以理解的是,所述车辆的车载GPS终端可以实时采集车辆的GPS数据,以获取车辆最新信息。所述车载GPS终端是依托卫星定位、地理信息及无线通信等技术手段,通常由GPS模块、无线通信模块等组成,其中,所述GPS模块安装与车辆上,用于接收卫星所述传递的信息;所述无线通信模块通常采用车载无线电话、电台或移动数据终端等,以完成信息交换功能。
具体的,所述车辆的车载GPS终端采集车辆的GPS数据后,将该GPS数据传输至所述监控***100的GPS数据接收单元10,同时,所述GPS数据接收单元10将所述GPS数据传输至处理单元40。所述处理单元40调用软件程序,并根据预设停留条件提取符合条件的GPS数据。在本实施例中,集合G中的GPS数据为当前车辆的最新数据,因此,所述集合G中的GPS数据的总数可以表示停留时间较长的车辆的总数。
其中,所述GPS数据接收单元10接收车载GPS终端发送的GPS信息后,利用该信息计算车辆的三维位置及时间,以提供车辆使用的精确时间、行驶速度以及三维坐标等信息。在本实施例中,所述预设停留条件为车辆的停留时间超过预设时间,比如:停留时间超过2天。
步骤S20,根据所述停留车辆的GPS数据集合G,确定所述停留车辆的地理位置信息;
需要说明的是,所述集合G中包含每个停留车辆的GPS数据,其中,所述GPS数据与所述停留车辆的地理位置成一一对应关系,因此根据所述集合G可以确定停留车辆的地理位置信息。
步骤S30,根据所述停留车辆的地理位置信息以及预设的聚集度模型,计算生成所述停留车辆的聚类集合GCluster,并判断所述聚类集合GCluster在预设范围内的聚集程度是否大于预设值;
在本实施例中,通过构建车辆的空间分布的聚集度模型来确定聚类。在计算的过程中,所述聚集度模型可以先设定一个合适的度量即预设值,然后计算任意两车辆之间的距离;当两车辆之间的距离小于预设值时,说明这两辆车属于同一类。所述聚集度模型可以基于模型聚类算法等得到。可以理解的是,当该车辆与其他车辆之间的距离小于预设值的数量越多,说明以该车辆为核心对象的同类越多,因此,由所述停留车辆组成的聚类集合GCluster的聚集程度越大。其中,所述预设值的具体值可以根据用户的需要进行自主设定。通过设置聚集度模型,可以有效地提高处理速度。
步骤S40,当所述聚类集合GCluster的聚集程度大于所述预设值时,确定所述聚类集合GCluster为异常聚类集合;
在该步骤中,对所述聚类集合GCluster进行聚类分析时,通过将所述聚类集合GCluster的聚集程度与预设值进行比对,其中,所述聚类集合GCluster的聚集程度是通过停留车辆之间的距离和停留车辆的数量量化。在本实施例中,当所述聚类集合的聚集程度大于预设值时,可以对所述聚类集合GCluster进行分类,将聚集程度大于预设值的所述聚类集合GCluster确定为异常聚类集合,同时说明所述聚类集合GCluster中的停留车辆数量较多且聚集程度较高,比如:当所述预设值为4辆,预设停留时间为2天,所述聚类集合GCluster中的停留数量大于4时,所述聚类集合GCluster为异常聚类集合,进一步地,所述聚类集合GCluster中包含的车辆即为异常停留车辆。
步骤S50,根据所述异常聚类集合提供的数据信息中的所有车辆的位置信息,确定车辆异常聚集地信息。
可以理解的是,当通过聚类分析后,确定聚类集合GCluster为异常聚类集合时,可以根据所述聚类集合GCluster中包含的GPS数据,获取所有异常停留车辆的相关信息。所述聚类集合GCluster中所包含的GPS数据的数量,可以表示所述异常停留车辆的数量。其中,所述车辆异常聚集地信息可以包括车辆异常聚集地的中心位置、异常停留车辆数量、异常停留车辆之间的距离、异常车辆停留的时间等信息。
本实施例采用的监控方法,简单易实行,准确度高,通过根据车载GPS终端,快速获取停留车辆的相关信息,以及异常车辆聚集地的相关信息,以供用户根据相关结果及时发现异常车辆聚集地,并采取相应的措施。
请参考图3,基于本发明第一实施例中的监控方法,提出第二实施例中的监控方法的方法流程图201;在第二实施例中,所述步骤S10~S40与第一实施例中相同,在此不再赘述;其不同在于,所述步骤S30具体包括:
可以理解的是,对于确定的集合G,所述集合G中的每个车辆的地理位置是确定的,同时,在指定的空间中,所述集合G中的每个车辆周围都存在相邻的车辆。其中,所述邻居车辆的数量根据所述车辆所设定的范围确定,即在确定的空间范围内,所述集合G中的每个车辆在预设范围内的邻居车辆数量是确定的,同时,所述邻居车辆的地理位置也是确定的。进一步地,当所述车辆的邻居车辆确定后,可以将所述邻居车辆对应的GPS数据进行组合形成邻居集合其中,所述预设范围可以根据用户的具体要求进行设定。
在该步骤中,所述聚类集合GCluster可以包含多个子集,其中包含每个停留车辆的相关信息,对所述聚类集合GCluster以及其子集进行进一步地聚类分析,可以获得最终分析结果。因此,可以根据已得到的所述邻居集合以及所述预设的聚集度模型,以形成对应的聚类集合GCluster。通过生成聚类集合GCluster,有利于减少计算量和误差率,提高计算速率。
请参考图4,基于本发明第二实施例中的监控方法,提出第三实施例中的监控方法的方法流程图202;在第二实施例中,所述步骤S300~S310与第二实施例中相同,在此不再赘述;其不同在于,所述步骤S300具体包括:
步骤S301,根据所述停留车辆的GPS数据集合G和所述停留车辆的地理位置信息,获取所述集合G中的每个车辆的在预设范围内的邻居车辆;
可以理解的是,根据所述集合G和所述停留车辆的地理位置信息,可以计算获取所述集合G中每个车辆与其在预设范围内的邻居车辆之间的距离。可以理解的是,所述集合G中的每个车辆与邻居车辆之间的距离越近,并且所述邻居车辆数量越多,说明所述集合G中每个车辆之间的密集度越高,所述集合G的聚集度越高。其中,所述预设范围可以根据用户的具体要求进行设定。
步骤S302,根据所述停留车辆的地理位置信息,按照预设顺序对所述数据集合G进行排序,得到数据集合G',(G′i,i=1,...,n);
需要说明的是,所述集合G中的GPS数据可能是无序的,同时,为方便后续的计算,可以根据预设顺序对所述集合G进行排序。所述预设顺序可以根据所述停留车辆的地位位置信息进行排序;具体的,所述预设顺序可以根据所述停留车辆的纬度、经度等大小顺序,在本实施例中,所述预设顺序可以具体为按照所述停留车辆的纬度从小到大进行排列,以得到数据集合G',(G′i,i=1,...,n)。在其他实施例中,还可以采用其他排列方式对所述集合G中的GPS数据进行排序。
步骤S303,根据预设方向遍历所述数据集合G′中包含的所有车辆,并根据预设计算公式计算所述数据集合G′中每个车辆与预设方向上相邻的车辆之间的距离值是否在预设范围内;
需要说明的是,所述数据集合G′中的GPS点代表每个车辆的地理位置,因而,每个车辆可以使用其对应的GPS点表示;其中,所述数据集合G′中所有的GPS点按照纬度从小到大排序。进一步地,可以通过获取每个车辆周围聚集的车辆数量,即每个GPS点在预设范围内的所有邻居,以判断该车辆在预设范围内的聚集程度。
在本实施例中,为了获取每个GPS点在预设范围内的所有邻居,可以沿着预设方向依次对数据集合G′中的每个GPS点做一次且仅做一次访问,其中,所述预设方向为j从i+1递增到n或者从i-1递减到0。通过计算所述集合G′中每个车辆与预设方向上相邻的车辆之间的距离值,并将所述距离值与预设范围进行比对,根据比对结果可以进行初步判断该车辆是否与预设方向上的车辆相邻。其中,所述集合G′中每个车辆与预设方向上相邻的车辆之间的距离值是根据所述每个车辆的地理位置信息以及预设计算公式计算得出。
步骤S304,当所述数据集合G′中每个车辆与预设方向上相邻的车辆之间的距离值未在预设范围内时,停止遍历;
在该步骤中,当所述集合G′中出现某一车辆与预设方向上相邻的车辆之间的距离值超过预设的范围时,可以说明预设方向上相邻的车辆实际上并不与该车辆相邻,因此可以停止在预设方向上的遍历。具体的,当预设范围为500米时,建立预设计算公式|Gi'纬度-Gj'纬度|*111319>500,并按照预设方向对所述集合G′中的Gi'点进行遍历。其中,当在某个方向上满足|Gi'纬度-Gj'纬度|*111319>500,则停止该方向上对数据集合G′的遍历;当集合G′中的Gi'与Gj'之间的纬度相差一度是,Gi'与Gj'之间相差111319米,可以确定Gj'不在预设范围内,并初步断定所述Gj'以及排在所述Gj'之后的GPS点也不是G′i的邻居,因此,可以停止在该预设方向上继续遍历集合G′中的其他节点。
步骤S305,当所述数据集合G′中每个车辆与预设方向上相邻的车辆之间的距离值在预设范围内时,确定预设方向上的车辆为该车辆的候选邻居,并将该候选邻居加入集合hx_neari,i=1,...,n;
可以理解的是,从所述集合G′中获取每个车辆与预设方向上相邻的车辆之间的地理位置信息并可以初步判定两者之间的距离是否在预设范围内。当两者之间的距离在预设范围内时,可以确定预设方向上的车辆为该车辆的候选邻居并将该候选邻居加入集合hx_neari,i=1,...,n中。比如:当预设范围为500米时,以所述集合G′中的Gi'为节点,建立预设计算公式|Gi'纬度-Gj'纬度|*111319<500,并按照预设方向进行遍历。其中,当在某个方向上Gj',所述Gj'与Gi'之间满足|Gi'纬度-Gj'纬度|*111319<500,则说明所述Gj'与Gi'之间的距离值在预设范围内,因而可以将所述Gj'确定为所述Gi'的候选邻居,同时,将所述Gj'加入集合hx_neari,i=1,...,n。
步骤S306,根据集合hx_neari,i=1,...,n计算集合hx_neari,i=1,...,n中的车辆与所述车辆对应的候选邻居的实际距离,并判断所述实际距离是否在预设范围内;
步骤S307,当所述实际距离在预设范围内时,确定将该候选邻居加入邻居集合neari,i=1,...,n中;
通过初步计算得出所述集合hx_neari,i=1,...,n中的每个车辆与候选邻居之间的大致距离;在本实施例中,通过计算所述集合hx_neari,i=1,...,n中的每个车辆与所述车辆对应的候选邻居之间的实际距离的具体值,并根据所述实际距离的具体值是否在预设范围内,确定所述候选邻居是否为所述车辆真正的邻居。
具体的,所述集合hx_neari,i=1,...,n中Gi'的邻居可以根据所述Gi'与其对应的候选邻居之间的实际距离确定,其中所述实际距离为候选邻居与Gi'之间的球面距离,当计算得出的球面距离在预设范围内时,说明所述候选邻居为G′i真正的邻居,因而可以将所述候选邻居加入邻居集合neari,i=1,...,n中。
进一步地,通过步骤S306得出的邻居集合neari,i=1,...,n可以是无序的,同时,为方便后续的计算,可以根据预设顺序对所述邻居集合neari,i=1,...,n进行排序。其中,所述预设顺序可以为邻居数量等大小顺序;在本实施例中,所述预设顺序可以具体为按照邻居数量从多到少进行排序,以得到集合在其他实施例中,还可以采用其他排列方式对所述集合中的GPS点进行排序。
请参考图5,基于本发明第二实施例中的监控方法,提出第四实施例中的监控方法的方法流程图204;在第四实施例中,所述步骤S300~S310与第二实施例中相同,在此不再赘述;其不同在于,步骤S310具体包括:
步骤S311,初始化一个空的临时集合tmp;
可以理解的是,在本实施例中,所述临时集合tmp可以用于进行运算时提供临时的运算空间以存储临时GPS数据,当运算完成之后***会自动清理。
可以理解的是,对所述集合Gnear进行遍历,以判断所述是否存在临时集合tmp中,所述临时结合tmp可以暂时存储所述集合Gnear中符合条件的GPS数据。具体的,当所述集合Gnear中的包含在所述临时集合tmp中时,可以跳过所述并遍历所述集合Gnear中的下一GPS点;当所述集合Gnear中的没有包含在临时集合tmp中,可以将所述的所有邻居添加至所述临时集合tmp中,同时将所述加入聚类集合GCluster中,以得到新的聚类集合,减化数据量。其中,在完成对所述集合Gnear的遍历操作后,***可以将所述临时集合中的GPS数据清除。
请参考图6,基于本发明第一实施例中的监控方法,提出第五实施例中的监控方法的方法流程图205;在第五实施例中,所述步骤S10~S50与第一实施例中相同,在此不再赘述;其不同在于,步骤S10具体包括:
步骤S100,根据车辆的车载GPS终端上报的GPS数据,获取车辆的停留时间,并判断车辆的停留时间是否超出预设时间范围;
可以理解的是,所述车辆的车载GPS终端可以实时上报该车辆的GPS数据,所述GPS数据中可以包含该车辆的地理位置,以及在该地理位置的时间点。然后,通过计算可以得出所述车辆在该地点的停留时长,根据计算得出的停留时长,进一步判断所述车辆的停留时间是否在预设时间范围内,其中,所述预设时间可以根据用户的具体要求进行设定比如:2天。进一步地,在本实施例中,还可以建立一数据库,用于存储所述车载GPS终端上报的GPS数据。
步骤S110,当所述车辆的停留时间超出预设时间范围时,将所述停留车辆的GPS数据添加至GPS数据集合,所述GPS数据集合记为集合G。
在该步骤中,当所述车辆的停留时间超出预设时间范围时,说明所述车辆的GPS数据满足条件,因此可以将所述车辆的GPS数据添加至集合G中,以方便后续的计算。其中,所述车辆与所述GPS数据成一一对应的关系即一个GPS数据代表一辆车,因此,所述集合G中的GPS数据总数可以表示在预设时间范围内发过GPS数据的车辆总数。
请参考图7,基于本发明第一实施例中的监控方法,提出第六实施例中的监控方法的方法流程图206;在第六实施例中,所述步骤S10~S50与第一实施例中相同,在此不再赘述;其不同在于,步骤S50具体包括:
步骤S500,根据所述异常聚类集合提供的数据信息中的所有车辆的位置信息,获取所述异常聚类集合中每个车辆对应的邻居个数以及每个车辆与邻居之间的实际距离;
可以理解的是,当所述聚类集合GCluster确定为异常聚类集合时,所述异常聚类集合中的GPS数据包含所有车辆的地理位置信息,并且每个车辆的地理位置信息是唯一的。具体的,在本实施例中,首先根据异常聚集集合中的GPS数据获取每个车辆对应的地理位置信息,然后根据步骤S306中的计算方法获取异常聚类集合中每个车辆的邻居个数以及每个车辆与其相邻的邻居车辆之间的实际距离,其中,所述实际距离可以具体为每个车辆与其相邻的邻居车辆之间的球面距离。
步骤S510,根据所述异常聚类集合中每个车辆所对应的邻居个数以及该车辆与邻居之间的实际距离进行加权确定所述异常聚类集合的中心,所述异常聚类集合的中心所在位置为异常聚集地,所述权重公式如下:
具体的,根据所述异常聚类集合中每个车辆所对应的邻居个数以及该车辆与邻居之间的实际距离,计算所述异常聚类集合的中心,其中,在本实施例中,所述异常聚类集合的中心所在地理位置可以视为异常聚集地的集中位置即所述异常聚类集合的聚集度最高的位置。可以理解的是,所述异常聚类集合的中心所在地理位置距离其他车辆的路程最少,因此,根据所述异常聚类集合的中心所在位置进行定位追踪所有车辆,可以减少工作量,提高工作量。
请参考图8,基于本发明第一实施例中的监控方法,提出第七实施例中的监控方法的方法流程图207;在第七实施例中,所述步骤S10~S50与第一实施例中相同,在此不再赘述;其不同在于,步骤S50之后包括:
步骤S60,提供一可视化界面,在该可视化界面上显示所述车辆异常聚集地信息,并发出相应的提示信息;
可以理解的是,以视觉输出的方式显示车辆异常聚集地信息可以方便用户及时快速获取异常聚集地的地理位置等信息。具体的,所述可视化界面可以以文字、图形及其组合等视觉输出方式显示异常聚集地的信息。其中,在本实施例中,还可以根据所述异常聚集地信息发出相应的提示信息,所述提示信息可以为语音提示、文字提示等方式,以提醒用户。通过可视化界面输出车辆异常聚集地信息,有利于用户及时掌握车辆信息,并结合相关信息采取相应的解决措施。
请继续参考图8,基于本发明第一实施例中的监控方法,提出第八实施例中的监控方法的方法流程图;在第八实施例中,所述步骤S10~S50与第一实施例中相同,在此不再赘述;其不同在于,步骤S50之后包括:
步骤S70,根据异常聚集地信息定位停留车辆所在位置。
具体的,所述异常聚集地信息可以包括所述异常停留车辆的地理位置、异常停留车辆的数量、异常停留车辆之间的距离等信息。用户可以根据所述异常聚集地信息,可以精确快速地对所述异常
停留车辆进行追踪,降低成本,同时,还可以提高工作效率。
请再次参考图1,本发明提供的车辆异常聚集地的监控***100包括GPS数据接收单元10、处理单元40、存储单元20以及存储在存储单元20上并可在存储单元20上运行的计算机程序,所述处理单元40执行所述计算机程序时实现上述任一项所述的监控方法的步骤,具体包括:
步骤S10,根据车辆的车载GPS终端上报的GPS数据,获取符合预设停留条件的停留车辆的GPS数据,并将所述停留车辆的GPS数据集合记为集合G;
步骤S20,根据所述停留车辆的GPS数据集合G,确定所述停留车辆的地理位置信息;
步骤S30,根据所述停留车辆的地理位置信息以及预设的聚集度模型,计算生成所述停留车辆的聚类集合GCluster,并判断所述聚类集合GCluster在预设范围内的聚集程度是否大于预设值;
步骤S40,当所述聚类集合GCluster的聚集程度大于所述预设值时,确定所述聚类集合GCluster为异常聚类集合;
步骤S50,根据所述异常聚类集合GCluster提供的数据信息中的所有车辆的位置信息,确定车辆异常聚集地信息。
本实施例采用的监控方法,简单易实行,准确度高,通过根据车载GPS终端,快速获取停留车辆的相关信息,以及异常车辆聚集地的相关信息,以供用户根据相关结果及时发现异常车辆聚集地,并采取相应的措施。
进一步地,所述计算机程序被处理单元40执行时,所述步骤S30具体实现:
进一步地,所述计算机程序被处理单元40执行时,所述步骤S300聚集实现:
步骤S301,根据所述停留车辆的GPS数据集合G和所述停留车辆的地理位置信息,获取所述集合G中的每个车辆的在预设范围内的邻居车辆;
步骤S302,根据所述停留车辆的地理位置信息,按照预设顺序对所述数据集合G进行排序,得到数据集合G',(G′i,i=1,...,n);
步骤S303,根据预设方向遍历所述数据集合G′中包含的所有车辆,并根据预设计算公式计算所述数据集合G′中每个车辆与预设方向上相邻的车辆之间的距离值是否在预设范围内;
步骤S304,当所述数据集合G′中每个车辆与预设方向上相邻的车辆之间的距离值未在预设范围内时,停止遍历;
步骤S305,当所述数据集合G′中每个车辆与预设方向上相邻的车辆之间的距离值在预设范围内时,确定预设方向上的车辆为该车辆的候选邻居,并将该候选邻居加入集合hx_neari,i=1,...,n;
步骤S306,根据集合计算集合hx_neari,i=1,...,n中的车辆与所述车辆对应的候选邻居的实际距离,hx_neari,i=1,...,n并判断所述实际距离是否在预设范围内;
步骤S307,当所述实际距离在预设范围内时,确定将该候选邻居加入邻居集合neari,i=1,...,n中;
进一步地,所述计算机程序被处理单元40执行时,所述步骤S310具体包括:
步骤S311,初始化一个空的临时集合tmp;
进一步地,所述计算机程序被处理单元40执行时,所述步骤S10具体实现:
步骤S100,根据车辆的车载GPS终端上报的GPS数据,获取车辆的停留时间,并判断车辆的停留时间是否超出预设时间范围;
进一步地,所述计算机程序被处理单元40执行时,所述步骤S50具体实现:
步骤S500,根据所述异常聚类集合GCluster提供的数据信息中的所有车辆的位置信息,获取所述异常聚类集合GCluster中每个车辆对应的邻居个数以及每个车辆与邻居之间的实际距离;
步骤S510,根据所述异常聚类集合GCluster中每个车辆所对应的邻居个数以及该车辆与邻居之间的实际距离进行加权确定所述异常聚类集合的中心,所述异常聚类集合的中心所在位置为异常聚集地,所述权重公式如下:
进一步地,所述计算机程序被处理单元40执行时,所述步骤S50之后实现:
步骤S60,提供一可视化界面,在该可视化界面上显示所述车辆异常聚集地信息,并发出相应的提示信息;
步骤S70,根据异常聚集地信息定位停留车辆所在位置。
本发明还提供一种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项所述的监控方法的步骤。
在本说明书的描述中,参考术语“一实施例”、“另一实施例”、“其他实施例”、或“第一实施例~第X实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料、方法步骤或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
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***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***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,并不排除在包括该要素的过程、方法、物品或者***中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
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上述实施例方法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,但很多情况下前者是更佳的实施方式。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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上所述仅为本发明的可选实施,并非因此限制本发明的专利范围,凡是在本发明的构思下,利用本发明说明书及附图内容所作的等效结构变换,或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。
Claims (8)
1.一种车辆异常聚集地监控方法,其特征在于,所述监控方法包括:
根据车辆的车载GPS终端上报的GPS数据,获取符合预设停留条件的停留车辆的GPS数据,并将所述停留车辆的GPS数据集合记为集合G;
根据所述停留车辆的GPS数据集合G,确定所述停留车辆的地理位置信息;
根据所述停留车辆的GPS数据集合G和所述停留车辆的地理位置信息,获取所述数据集合G中的每个车辆的在预设范围内的邻居车辆;
根据所述停留车辆的地理位置信息,按照预设顺序对所述数据集合G进行排序,得到数据集合G',其中G'i∈G',i=1,...,n;
根据预设方向遍历所述数据集合G′中包含的所有车辆,并根据预设计算公式计算所述数据集合G′中每个车辆与预设方向上相邻的车辆之间的距离值是否在预设范围内;
当所述数据集合G′中每个车辆与预设方向上相邻的车辆之间的距离值未在预设范围内时,停止遍历;
当所述数据集合G′中每个车辆与预设方向上相邻的车辆之间的距离值在预设范围内时,确定预设方向上的车辆为该车辆的候选邻居,并将该候选邻居加入集合hx_neari,i=1,...,n;
根据集合hx_neari,i=1,...,n计算集合hx_neari,i=1,...,n中的车辆与所述车辆对应的候选邻居的实际距离,并判断所述实际距离是否在预设范围内;
当所述实际距离在预设范围内时,确定将该候选邻居加入邻居集合neari,i=1,...,n中;
根据所述集合Gnear以及预设的聚集度模型,计算生成所述停留车辆的聚类集合GCluster,并判断所述聚类集合GCluster在预设范围内的聚集程度是否大于预设值;
当所述聚类集合GCluster的聚集程度大于所述预设值时,确定所述聚类集合GCluster为异常聚类集合;
根据所述异常聚类集合提供的数据信息中的所有车辆的位置信息,确定车辆异常聚集地信息。
2.如权利要求1所述的监控方法,其特征在于,所述根据所述集合Gnear以及预设的聚集度模型,计算生成所述停留车辆的聚类集合GCluster的步骤,具体包括:
初始化一个空的临时集合tmp;
调取集合Gnear,并遍历集合Gnear,判断所述集合Gnear中的Gi near是否包含在所述临时集合tmp中;
当所述Gi near已经包含在所述集合tmp中时,跳过所述Gi near;
当所述Gi near未包含在所述集合tmp中时,将Gi near的所有邻居添加至临时集合tmp中,并将Gi near加入到聚类集合GCluster中。
3.如权利要求1所述的监控方法,其特征在于,所述根据车辆的车载GPS终端上报的GPS数据,获取符合预设停留条件的停留车辆的GPS数据,并将所述停留车辆的GPS数据集合记为集合G的步骤,具体包括:
根据车辆的车载GPS终端上报的GPS数据,获取车辆的停留时间,并判断车辆的停留时间是否超出预设时间范围;
当所述车辆的停留时间超出预设时间范围时,将所述停留车辆的GPS数据添加至GPS数据集合,所述GPS数据集合记为集合集合G。
4.如权利要求1所述的监控方法,其特征在于,所述根据所述异常聚类集合提供的数据信息中的所有车辆的位置信息,确定车辆异常聚集地信息的步骤具体包括:
根据所述异常聚类集合提供的数据信息中的所有车辆的位置信息,获取所述异常聚类集合中每个车辆对应的邻居个数以及每个车辆与邻居之间的实际距离;
根据所述异常聚类集合中每个车辆所对应的邻居个数以及该车辆与邻居之间的实际距离进行加权确定所述异常聚类集合的中心,所述异常聚类集合的中心所在位置为异常聚集地,权重公式如下:
weightr=size(Gr near)-sum(dis tancer)/(500*size(Gr near))
其中,r表示该聚类中任意一个车辆对应的地理位置,size(Gr near)表示每个车辆对应的邻居个数,sum(dis tancer)该车辆与其所有邻居的实际距离之和。
5.如权利要求1~4中任一项所述的监控方法,其特征在于,所述根据所述异常聚类集合提供的数据信息中的所有车辆的位置信息,确定车辆异常聚集地信息的步骤之后,还包括步骤:
提供一可视化界面,在该可视化界面上显示所述车辆异常聚集地信息,并发出相应的提示信息。
6.如权利要求1所述的监控方法,其特征在于,所述所述根据所述异常聚类集合提供的数据信息中的所有车辆的位置信息,确定车辆异常聚集地信息的步骤之后,还包括步骤:
根据异常聚集地信息定位停留车辆所在位置。
7.一种车辆异常聚集地的监控***,其特征在于,包括GPS数据接收单元、处理单元、存储单元、显示单元以及存储在存储单元上并可在存储单元上运行的计算机程序,其特征在于,所述处理单元执行所述计算机程序时实现如权利要求1至6中任一项所述的监控方法的步骤。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至6中任一项所述的监控方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711170017.1A CN108021625B (zh) | 2017-11-21 | 2017-11-21 | 车辆异常聚集地监控方法及***、计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711170017.1A CN108021625B (zh) | 2017-11-21 | 2017-11-21 | 车辆异常聚集地监控方法及***、计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108021625A CN108021625A (zh) | 2018-05-11 |
CN108021625B true CN108021625B (zh) | 2021-01-19 |
Family
ID=62079993
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711170017.1A Active CN108021625B (zh) | 2017-11-21 | 2017-11-21 | 车辆异常聚集地监控方法及***、计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108021625B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109344913B (zh) * | 2018-10-31 | 2022-03-08 | 中国刑事警察学院 | 一种基于改进MajorClust聚类的网络入侵行为检测方法 |
CN109859516B (zh) * | 2019-03-13 | 2021-06-15 | 重庆皓石金科技有限公司 | 一种出租汽车异常聚集识别方法及装置 |
CN111860561B (zh) * | 2019-12-31 | 2024-02-27 | 北京嘀嘀无限科技发展有限公司 | 网约车的异常停留行为识别方法、装置、设备及存储介质 |
CN113223317B (zh) * | 2020-02-04 | 2022-06-10 | 华为技术有限公司 | 一种更新地图的方法、装置和设备 |
CN111325244B (zh) * | 2020-02-04 | 2024-02-09 | 深圳广联赛讯股份有限公司 | 车辆高危地点的检测方法、终端设备及存储介质 |
CN111680718B (zh) * | 2020-05-13 | 2023-08-29 | 深圳云游四海信息科技有限公司 | 检测出租车非法聚集的方法、***及计算机可读存储介质 |
CN112232723B (zh) * | 2020-12-14 | 2021-10-22 | 南京领行科技股份有限公司 | 异常行为的实时检测方法、装置、电子设备及存储介质 |
CN113191611A (zh) * | 2021-04-22 | 2021-07-30 | 上海仙豆智能机器人有限公司 | 车辆聚集的监控方法、装置、设备以及介质 |
CN113821735B (zh) * | 2021-08-18 | 2024-02-02 | 北京中交兴路信息科技有限公司 | 识别非法加油站点的方法、装置、设备及存储介质 |
CN113963541B (zh) * | 2021-10-21 | 2022-08-23 | 宜信普惠信息咨询(北京)有限公司 | 一种基于gps信号数据识别车辆聚集事件的方法及装置 |
CN116026355B (zh) * | 2023-03-28 | 2023-06-06 | 中汽信息科技(天津)有限公司 | 一种汽车安全监控方法及*** |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI393378B (zh) * | 2009-04-07 | 2013-04-11 | Inst Information Industry | 熱點分析系統及方法,及其電腦程式產品 |
CN102117532B (zh) * | 2009-12-31 | 2014-03-19 | 厦门雅迅网络股份有限公司 | 一种基于gps***实现出租车非法聚集预报警的方法 |
CN102607553B (zh) * | 2012-03-06 | 2014-08-13 | 北京建筑工程学院 | 一种基于出行轨迹数据的行程识别方法 |
CN103236166B (zh) * | 2013-05-13 | 2015-05-27 | 交通运输部公路科学研究所 | 一种使用卫星定位技术进行车辆违章行为辨识的方法 |
CN103903438B (zh) * | 2014-03-14 | 2015-10-28 | 深圳先进技术研究院 | 客运车辆违规停车地点识别方法及*** |
CN104715608B (zh) * | 2015-03-26 | 2017-01-11 | 杭州电子科技大学 | 基于HBase的全天候全域出租车聚集实时监测方法 |
CN105206057B (zh) * | 2015-09-30 | 2018-09-07 | 哈尔滨工业大学深圳研究生院 | 基于浮动车居民出行热点区域的检测方法及*** |
CN105336162B (zh) * | 2015-10-26 | 2018-09-21 | 厦门蓝斯通信股份有限公司 | 车辆异常聚集的预警方法及预警*** |
US10692028B2 (en) * | 2015-12-09 | 2020-06-23 | Sap Se | Optimal demand-based allocation |
CN105843943B (zh) * | 2016-04-08 | 2019-03-01 | 深圳广联赛讯有限公司 | 车辆常驻地分析方法 |
CN106982416B (zh) * | 2017-03-21 | 2019-10-18 | 深圳广联赛讯有限公司 | 确定车辆归属地的方法和装置 |
-
2017
- 2017-11-21 CN CN201711170017.1A patent/CN108021625B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108021625A (zh) | 2018-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108021625B (zh) | 车辆异常聚集地监控方法及***、计算机可读存储介质 | |
JP6952165B2 (ja) | 障害物検出方法および装置 | |
EP2650693B1 (en) | Positioning method, device and system | |
US8542637B2 (en) | Clustering crowd-sourced data for determining beacon positions | |
US20120185458A1 (en) | Clustering crowd-sourced data to identify event beacons | |
CN108834077B (zh) | 基于用户移动特性的跟踪区划分方法、装置及电子设备 | |
US20150052097A1 (en) | Data processing method, data processing device, data collecting method and information providing method | |
EP3699642A1 (en) | Vehicle positioning method and apparatus | |
CN104613960A (zh) | 一种商场卫生间导航方法和商场卫生间导航装置 | |
CN111475746B (zh) | 兴趣点位置挖掘方法、装置、计算机设备和存储介质 | |
CN108174350B (zh) | 一种定位方法和装置 | |
CN106980029B (zh) | 车辆超速判断方法及其*** | |
CN105184435A (zh) | 一种外勤人员管理方法及*** | |
CN111405463B (zh) | 信息获取方法、装置、电子设备和存储介质 | |
CN112640490B (zh) | 一种定位方法、装置及*** | |
CN113392903A (zh) | 一种工地区域的识别方法、***及装置 | |
CN109711035A (zh) | 城市模型构建方法及装置 | |
CN111356072B (zh) | 一种室内定位的位置估计方法、装置及可读存储介质 | |
CN104596518A (zh) | 一种商场出口导航方法和商场出口导航装置 | |
CN116563968A (zh) | 基于风险热力地图的智能巡检方法、装置及电子设备 | |
CN103218406B (zh) | 兴趣点的地址信息的处理方法及设备 | |
CN115493657A (zh) | 一种基于无人机的大气污染溯源方法和装置 | |
CN109991573A (zh) | 船只定位方法、计算机可读存储介质及终端设备 | |
CN113284337B (zh) | 基于车辆轨迹多维数据的od矩阵计算方法及装置 | |
US20210266697A1 (en) | Positioning technology selection for geo-fence |
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 | ||
CB02 | Change of applicant information |
Address after: 518000 1402, building 1, Chongwen Park, Nanshan wisdom Park, 3370 Liuxian Avenue, Fuguang community, Taoyuan Street, Nanshan District, Shenzhen, Guangdong Province Applicant after: Shenzhen Guanglian Saixun Co.,Ltd. Address before: Room 701, unit 3, building C, Kexing Science Park, No. 15, Keyuan Road, high tech park, Nanshan District, Shenzhen City, Guangdong Province Applicant before: SHENZHEN AUTONET Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |