CN110749335A - 一种目标区域内车主家到单位平均里程的计算方法和*** - Google Patents
一种目标区域内车主家到单位平均里程的计算方法和*** Download PDFInfo
- Publication number
- CN110749335A CN110749335A CN201911015732.7A CN201911015732A CN110749335A CN 110749335 A CN110749335 A CN 110749335A CN 201911015732 A CN201911015732 A CN 201911015732A CN 110749335 A CN110749335 A CN 110749335A
- Authority
- CN
- China
- Prior art keywords
- unit
- vehicle
- mileage
- geohash
- vehicles
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C22/00—Measuring distance traversed on the ground by vehicles, persons, animals or other moving solid bodies, e.g. using odometers, using pedometers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Remote Sensing (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种目标区域内车主家到单位平均里程的计算方法和***。方法包括归属地车辆过滤的步骤、上下班时间内行驶里程统计和均值计算的步骤、平均里程修正的步骤和区域内车辆行驶里程均值计算的步骤。***包括归属地单元、过滤单元、数据查询单元和里程计算单元,归属地单元确认车辆归属地,过滤单元根据条件对目标区域内车辆进行过滤,得到分析样本,数据查询单元查询车辆行驶数据,里程计算单元用于根据上下班通勤规律,计算目标区域内的车主家到单位的平均里程。本发明可以较为精准的计算出目标区域内,各车主家到单位的距离。利用连续的历史数据作为参考,挖掘其中的规律性,使得计算结果与实际相符。
Description
技术领域
本发明涉及大数据处理领域,尤其是一种在大数据下计算特定目标区域中,车主家到单位平均里程的方法和***。
背景技术
目前的汽车保有量基数较大,且呈现明显的增长趋势。在庞大的汽车数量面前,如果能够实现对车辆状态的精准掌控,是作为服务商为车主及时提供精准服务的有效数据支撑。
随着汽车保有量的不断增多,在车辆上安装车载设备(如GPS等定位设备)的车主也随之增多。而对于安装有车载设备的车辆来讲,在车联网大数据平台下,可以对车主的多项日常行为进行客观的分析,其中就包括对日常行程的分析。
当前对于车辆日常行程分析的常规方案是对车主车辆的起点和终点进行直线距离统计。而实际上,车辆在日常行驶过程中,一直行驶直线的情况几乎不存在,即目前的行程计算方法不够精确。
发明内容
本发明的发明目的在于:针对上述存在的问题,提供一种目标区域内车主家到单位平均里程的计算方法和***。以更为准确地计算出目标车辆从车主家到工作单位之间行驶的实际曲线的平均行程。
本发明采用的技术方案如下:
本发明提供了一种目标区域内车主家到单位平均里程的计算方法,其包括:
A.在车辆归属地为目标区域的车辆中,过滤掉在第一历史时段中出现频次低于第一数量的车辆,对于剩余车辆,执行以下步骤;
B.分别查询每一辆车在第二历史时段中每天在上班时段和下班时段内行驶的里程,计算每一辆车在第二历史时段中,每天在上班时段和下班时段内行驶的平均里程;
C.取每一辆车在第二历史时段中平均里程的中位数作为该车辆车主家与工作单位间的里程;
D.将所有车辆的里程进行均值计算。
上述的第一、二历史时段为统计车辆行驶的历史数据,需要一个连续时段才能显示出规律性。第二历史时段可以包含于第一历史时段中。对于各时段而言,设定的阈值(如第一数量)与对应的时段(如对应第一历史时段)之间存在着相关性(如正相关)。步骤A的过滤步骤在本方法中起到了重要作用,其可以过滤掉非常驻的归属地车辆,即非本发明所要分析的对象,进而可以在一定程度上确保样本的有效性。
通过上述方法,对区域内上、下班时间内,车辆的通勤行程进行统计和计算,具有符合自然规律的特点,对每辆车的平均里程取中位数,可以排除异常值的干扰,以提高数据的准确性。进一步的对经过筛选过滤、预处理的各车辆的行程进行均值计算,即可较为准确地计算出区域内车主家与单位间的平均里程。
进一步的,所述车辆归属地的确认方法包括:
对于每一辆车,执行以下步骤:
a.对车载GNSS设备回传的每一个数据包中的经纬度进行Geohash编码,得到对应的车辆Geohash编码;并将每一个数据包和对应的车辆Geohash编码关联存储;
b.查询第三历史时段中所有的数据包,并对数据包对应的车辆Geohash编码进行统计,得到各个车辆Geohash编码的频次;
c.筛选出车辆Geohash编码频次统计最高的前第二数量的车辆Geohash编码;
d.将对应于同一区域的车辆Geohash编码的统计频次相加,以相加后频次最高的区域作为车辆归属地。
通过对经纬度进行Geohash编码,将二维矩阵转换为字符串,便于数据的存储和计算。本发明采用的归属地确定方法基于完整的历史数据,利用规律性特征,使得判定结果准确。
进一步的,对经纬度进行Geohash编码的编码长度为5位。
5位的编码长度可以有效权衡计算精度和计算负荷。
进一步的,步骤A与B之间,还包括:
过滤掉第二历史时段中,非正常通行于车主家和单位之间的车辆。
该设计是为了从计算样本中提取出每日正常通勤与家和单位之间的车辆,进而进一步优化分析样本,使得计算结果更为精确。
进一步的,所述非正常通行于车主家和单位之间的车辆的判断方法为:
在第二历史时段中,在上班时段和下班时段内通行的天数不满足预设条件的车辆。
本发明还提供了一种目标区域内车主家到单位平均里程的计算***,其包括:
归属地单元,用于确认车辆归属地;
过滤单元,连接归属地单元,用于在车辆归属地为目标区域的车辆中,过滤掉在第一历史时段中出现频次低于第一数量的车辆;
数据查询单元,连接过滤单元,用于查询每一辆车在第二历史时段中每天在上班时段和下班时段内行驶的里程;
里程计算单元,连接数据查询单元,用于计算每一辆车在第二历史时段中,每天在上班时段和下班时段内行驶的平均里程;还用于取每一辆车在第二历史时段中平均里程的中位数作为该车辆车主家与工作单位间的里程;还用于将所有车辆的里程进行均值计算,得到目标区域内车主家到单位平均里程。
通过上述***,对分析样本进行过滤,可以剔除非常驻归属地的车辆,优化样本。对区域内上、下班时间内,车辆的通勤行程进行统计和计算,具有符合自然规律的特点,对每辆车的平均里程取中位数,可以排除异常值的干扰,以提高数据的准确性。进一步的对经过筛选过滤、预处理的各车辆的行程进行均值计算,即可较为准确地计算出区域内车主家与单位间的平均里程。
进一步的,所述归属地单元包括:
配置模块,至少用于配置对经纬度进行Geohash编码的编码长度;
数据包接收模块,用于接收每一个车载GNSS设备回传的每个数据包,该数据包至少包括经纬度数据;
编码模块,分别连接配置模块和数据包接收模块,用于对数据包中的经纬度以配置单元配置的编码长度进行Geohash编码;
存储模块,分别连接数据包接收模块和编码模块,用于关联存储数据包和对应的Geohash编码;
归属地确认模块,连接存储模块,用于查询第三历史时段中所有的数据包,并对数据包对应的车辆Geohash编码进行统计,得到各个车辆Geohash编码的频次;还用于筛选出车辆Geohash编码频次统计最高的前第二数量的车辆Geohash编码;还用于将对应于同一区域的车辆Geohash编码的统计频次相加,以相加后频次最高的区域作为车辆归属地。
上述设计的归属地单元通过对经纬度进行Geohash编码,将二维矩阵转换为字符串,便于数据的存储和计算。同时,所设计的逻辑模块之间的配合可以便于数据的快速定位和数学计算。
进一步的,所述配置单元对Geohash编码配置的编码长度为5位。
进一步的,所述过滤单元还用于:过滤掉第二历史时段中,非正常通行于车主家和单位之间的车辆。
进一步的,所述非正常通行于车主家和单位之间的车辆的判断方法为:在第二历史时段中,在上班时段和下班时段内通行的天数不满足预设条件的车辆。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
1、本发明可以较为精准的计算出目标区域内,各车主家到单位的距离。利用连续的历史数据作为参考,挖掘其中的规律性,使得计算结果与实际相符。
2、本发明所设计的各筛选步骤,可以实现对分析样本的优化,进而使得分析样本与实际需求更符,以提高计算结果的准确性。
3、本发明利用Geohash编码方法对车辆归属地进行定位,巧妙地利用了编码的特点,可以大幅降低计算难度,同时,由于Geohash编码可以灵活的分区,使得对于目标区域的边界可以精准地划分,进而准确地筛选出分析样本。
附图说明
本发明将通过例子并参照附图的方式说明,其中:
图1是GeoHash算法分区的一个实施例。
图2是目标区域内主家与工作单位间平均里程的计算方法的流程图。
图3是车辆归属地确认方法的一个实施例。
图4是目标区域内主家与工作单位间平均里程的计算方法的一个实施例。
图5是目标区域内主家与工作单位间平均里程的计算方法的另一实施例。
图6是目标区域内主家与工作单位间平均里程的计算***的结构图。
图7是图6中归属地单元的结构图。
具体实施方式
本说明书中公开的所有特征,或公开的所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以以任何方式组合。
本说明书(包括任何附加权利要求、摘要)中公开的任一特征,除非特别叙述,均可被其他等效或具有类似目的的替代特征加以替换。即,除非特别叙述,每个特征只是一系列等效或类似特征中的一个例子而已。
关于GeoHash算法的基本介绍:
GeoHash是一种地址编码方法。它能够把二维的空间经纬度数据编码成一个字符串。我们将地图划分成若干个大小相同的矩形区域。同一个矩形区域内的所有经纬度的GeoHash地址编码相同,且不同矩形区域的地址编码不同。矩形区域的大小(Geohash编码的精度,矩形区域越小,精度越高)可以根据我们的计算需要在算法中手动修改。且改过程是可逆的,即可以通过Geohash编码得到一个对应的经纬度。
如图1所示,所有在WX4ER内的经纬度我们在计算的时候都认为它们是同一个点(对应于编码WX4ER)。
同时,通过实验证明,Geohash的算法也会有一定误差。根据算法的原理Geohash编码长度(图中为5位)越长,误差约小,但是计算量越大。编码长度与误差之间的对照关系见下表:
对于不同的应用场景,采用不同的编码长度以平衡误差和计算量。
实施例一
如图2所示,本实施例公开了一种目标区域内主家与工作单位间平均里程的计算方法,包括以下步骤:
A.在车辆归属地为目标区域的车辆中,过滤掉在第一历史时段中出现频次低于第一数量的车辆;
B.分别查询每一辆车在第二历史时段中每天在上班时段和下班时段内行驶的里程,计算每一辆车在第二历史时段中,每天在上班时段和下班时段内行驶的平均里程;
C.取每一辆车在第二历史时段中平均里程的中位数作为该车辆车主家与工作单位间的里程;
D.将所有车辆的里程进行均值计算。
实施例二
本实施例公开了一种车辆归属地确认的方法,包括以下步骤:
a.对车载GNSS设备回传的每一个数据包中的经纬度进行Geohash编码,得到对应的车辆Geohash编码;并将每一个数据包和对应的车辆Geohash编码关联存储;
b.查询第三历史时段中所有的数据包,并对数据包对应的车辆Geohash编码进行统计,得到各个车辆Geohash编码的频次;
c.筛选出车辆Geohash编码频次统计最高的前第二数量的车辆Geohash编码;
d.将对应于同一区域的车辆Geohash编码的统计频次相加,以相加后频次最高的区域作为车辆归属地。
对应于统计频次最高的区域,反向解析出对应的经纬度,根据经纬度即可得到对应的归属地。
例如,车辆归属地确认方法包括以下步骤:
a.对车载GNSS设备回传的每一个数据包中的经纬度进行Geohash编码,得到车辆Geohash编码;并将每一个数据包和对应的车辆Geohash编码关联存储。
b.查询最近3个月(可调)的所有数据包,并对数据包对应的车辆Geohash编码进行统计,得到各个车辆Geohash编码的频次。
c.取车辆Geohash编码频次出现最高的前200(可调)个车辆Geohash编码;
d.将对应于同一区域的车辆Geohash编码的统计频次相加,以相加后频次最高的区域作为车辆归属地。
实施例三
本实施例公开了一种目标区域内车主家与工作单位间平均里程的计算方法,包括以下步骤:
如图3所示,车辆归属地的确认:对于每一辆车,执行以下流程A-D:
A.对车载GNSS设备回传的每一个数据包中的经纬度进行Geohash编码,得到车辆Geohash编码;并将每一个数据包和对应的车辆Geohash编码关联存储。
B.查询最近3个月(可调)的所有数据包,并对数据包对应的车辆Geohash编码进行统计,得到各个车辆Geohash编码的频次。
C.取车辆Geohash编码频次出现最高的前200(可调)个车辆Geohash编码;
D.将对应于同一区域的车辆Geohash编码的统计频次相加,以相加后频次最高的区域作为车辆归属地。将车辆归属地、车辆归属地对应的经纬度、车辆归属地对应的Geohash编码以及出现频次进行关联存储。
如图4所示,目标区域内车主家到单位平均里程的计算过程包括:
E.过滤掉待分析的车辆归属地(目标区域)中,统计的车辆Geohash编码频次低于1000(可调)的车辆,得到分析样本车辆,记总量为total。以成都为例,该步骤即为:查询车辆归属地为成都市的所有车辆,过滤掉车辆Geohash编码的频次低于1000(可调)的车辆,得到分析样本车辆,记总量为total。
F.查询分析样本车辆中每一辆车最近30天(可调)中,车辆每一天的07:00-09:00(上班时段)和17:30-19:30(下班时段)的行驶里程,并分别计算每一天的平均里程。
G.取分析样本车辆中每一辆车最近30天(可调)车辆行驶平均里程的中位数以作为单个车辆车主家与工作单位的平均距离,记为mx。
H.将分析样本车辆中所有车辆的平均距离进行均值计算(即相加后求平均),得到目标区域内车主家与工作单位间平均距离。即:
M=(mx1+mx2+……+mxtotal)/total
实施例四
本实施例公开了另一种目标区域内车主家与工作单位间平均距离的计算方法,包括以下步骤:
如图3所示,车辆归属地的确认:对于每一辆车,执行以下步骤:
A.对车载GNSS设备回传的每一个数据包中的经纬度进行Geohash编码,得到车辆Geohash编码;并将每一个数据包和对应的车辆Geohash编码关联存储。
B.查询最近3个月(可调)的所有数据包,并对数据包对应的车辆Geohash编码进行统计,得到各个车辆Geohash编码的频次。
C.取车辆Geohash编码频次出现最高的前200个(可调)车辆Geohash编码;
D.将对应于同一区域的车辆Geohash编码的频次相加,以相加后频次最高的区域作为车辆归属地。
如图5所示,目标区域内车主家到单位平均里程的计算过程包括:
E.过滤掉车辆归属地中,统计的车辆Geohash编码频次低于1000的车辆,得到分析样本车辆。
F.过滤掉分析样本车辆中最近30天(可调)中,在07:00-09:00(上班时段)和17:30-19:30(下班时段)内,行驶次数少于10天(可调)或者大于26天(可调)的车辆。以过滤掉运营类车辆和无工作单位车辆。
G.对于F过滤后剩余的车辆,查询最近30天(可调)中,车辆每一天的07:00-09:00(上班时段)和17:30-19:30(下班时段)的行驶里程,并分别计算每一天的平均里程。
H.对于F过滤后剩余的车辆,取最近30天(可调)车辆行驶平均里程的中位数以作为单个车辆车主家与工作单位的平均距离。
I.将所有车辆(F过滤后剩余的车辆)的平均距离进行均值计算(即相加后求平均),得到车主家与工作单位间平均距离。
实施例五
本实施例公开了一种目标区域内车主家到单位平均里程的计算***,如图6所示,该计算***包括:
归属地单元,用于确认车辆归属地。
过滤单元,连接归属地单元,用于在车辆归属地为目标区域的车辆中,过滤掉在第一历史时段中出现频次低于第一数量的车辆。
数据查询单元,连接过滤单元,用于查询每一辆车在第二历史时段中每天在上班时段和下班时段内行驶的里程。
里程计算单元,连接数据查询单元,用于计算每一辆车在第二历史时段中,每天在上班时段和下班时段内行驶的平均里程;还用于取每一辆车在第二历史时段中平均里程的中位数作为该车辆车主家与工作单位间的里程;还用于将所有车辆的里程进行均值计算,得到目标区域内车主家到单位平均里程。
实施例六
本实施例公开了一种归属地单元的结构,如图7所示,归属地单元包括:
配置模块,至少用于配置对经纬度进行Geohash编码的编码长度。
数据包接收模块,用于接收每一个车载GNSS设备回传的每个数据包,该数据包至少包括经纬度数据。
编码模块,分别连接配置模块和数据包接收模块,用于对数据包中的经纬度以配置单元配置的编码长度进行Geohash编码。
存储模块,分别连接数据包接收模块和编码模块,用于关联存储数据包和对应的Geohash编码。
归属地确认模块,连接存储模块,用于查询第三历史时段中所有的数据包,并对数据包对应的车辆Geohash编码进行统计,得到各个车辆Geohash编码的频次;还用于筛选出车辆Geohash编码频次统计最高的前第二数量的车辆Geohash编码;还用于将对应于同一区域的车辆Geohash编码的统计频次相加,以相加后频次最高的区域作为车辆归属地。对应的,在统计出车辆Geohash编码统计频次最高的区域后,通过反向解析车辆Geohash编码,即可得到对应的区域地址。
实施例七
本实施例公开了一种目标区域内车主家到单位平均里程的计算***,如图6所示,其包括:
归属地单元,用于确认车辆归属地,如图7所示,其结构包括:
配置模块,至少用于配置对经纬度进行Geohash编码的编码长度。
数据包接收模块,用于接收每一个车载GNSS设备回传的每个数据包,该数据包至少包括经纬度数据。
编码模块,分别连接配置模块和数据包接收模块,用于对数据包中的经纬度以配置单元配置的编码长度进行Geohash编码。
存储模块,分别连接数据包接收模块和编码模块,用于关联存储数据包和对应的Geohash编码。
归属地确认模块,连接存储模块,用于查询第三历史时段中所有的数据包,并对数据包对应的车辆Geohash编码进行统计,得到各个车辆Geohash编码的频次;还用于筛选出车辆Geohash编码频次统计最高的前第二数量的车辆Geohash编码;还用于将对应于同一区域的车辆Geohash编码的统计频次相加,以相加后频次最高的区域作为车辆归属地。
计算***还包括:
过滤单元,连接归属地单元,用于在车辆归属地为目标区域的车辆中,过滤掉在第一历史时段中出现频次低于第一数量的车辆。以成都为例,过滤单元用于在车辆归属地为成都市的车辆中,过滤掉在第一历史时段中出现频次低于第一数量的车辆。
数据查询单元,连接过滤单元,用于查询每一辆车在第二历史时段中每天在上班时段和下班时段内行驶的里程。
里程计算单元,连接数据查询单元,用于计算每一辆车在第二历史时段中,每天在上班时段和下班时段内行驶的平均里程;还用于取每一辆车在第二历史时段中平均里程的中位数作为该车辆车主家与工作单位间的里程;还用于将所有车辆的里程进行均值计算,得到目标区域内车主家到单位平均里程。
例如,如图6所示,计算***包括:
归属地单元,用于确认车辆归属地,如图7所示,其结构包括:
配置模块,用于将对经纬度进行Geohash编码的编码长度配置为5位。
数据包接收模块,用于接收每一个车载GNSS设备回传的每个数据包,该数据包至少包括经纬度数据。
编码模块,分别连接配置模块和数据包接收模块,用于对数据包中的经纬度以配置单元配置的编码长度进行Geohash编码。
存储模块,分别连接数据包接收模块和编码模块,用于关联存储数据包和对应的Geohash编码。
归属地确认模块,连接存储模块,用于查询最近3个月(可调)中所有的数据包,并对数据包对应的车辆Geohash编码进行统计,得到各个车辆Geohash编码的频次;还用于筛选出车辆Geohash编码频次统计最高的前200(可调)个的车辆Geohash编码;还用于将对应于同一区域的车辆Geohash编码的统计频次相加,以相加后频次最高的区域作为车辆归属地。
计算***还包括:
过滤单元,连接归属地单元,用于在车辆归属地为目标区域的车辆中,过滤掉在最近3个月(可调)中出现频次低于1000的车辆。以成都为例,过滤单元用于在车辆归属地为成都市的车辆中,过滤掉在最近三个月(可调)中出现频次低于1000的车辆。
数据查询单元,连接过滤单元,用于查询每一辆车在最近30天(可调)中每天在上班时段和下班时段内行驶的里程。
里程计算单元,连接数据查询单元,用于计算每一辆车在第二历史时段中,每天在07:00-09:00(上班时段)和17:30-19:30(下班时段)内行驶的平均里程;还用于取每一辆车在最近30天(可调)中平均里程的中位数作为该车辆车主家与工作单位间的里程;还用于将所有车辆的里程进行均值计算,得到目标区域内车主家到单位平均里程。
实施例八
本实施例公开了另一种目标区域内车主家到单位平均里程的计算***,如图6所示,其包括:
归属地单元,用于确认车辆归属地,如图7所示,其结构包括:
配置模块,用于将对经纬度进行Geohash编码的编码长度配置为5位。
数据包接收模块,用于接收每一个车载GNSS设备回传的每个数据包,该数据包至少包括经纬度数据。
编码模块,分别连接配置模块和数据包接收模块,用于对数据包中的经纬度以配置单元配置的编码长度进行Geohash编码。
存储模块,分别连接数据包接收模块和编码模块,用于关联存储数据包和对应的Geohash编码。
归属地确认模块,连接存储模块,用于查询最近3个月(可调)中所有的数据包,并对数据包对应的车辆Geohash编码进行统计,得到各个车辆Geohash编码的频次;还用于筛选出车辆Geohash编码频次统计最高的前200(可调)个的车辆Geohash编码;还用于将对应于同一区域的车辆Geohash编码的统计频次相加,以相加后频次最高的区域作为车辆归属地。
计算***还包括:
过滤单元,连接归属地单元,用于在车辆归属地为目标区域的车辆中,过滤掉在最近3个月(可调)中出现频次低于1000的车辆。以成都为例,过滤单元用于在车辆归属地为成都市的车辆中,过滤掉在最近三个月(可调)中出现频次低于1000的车辆。还用于过滤掉最近30天(可调)中,在07:00-09:00(上班时段)和17:30-19:30(下班时段)内,行驶次数少于10天(可调,对应于无固定工作单位的车辆)或者大于26天(可调,对应于运营类车辆)的车辆。即过滤非正常通行于车主家和单位之间的车辆。
数据查询单元,连接过滤单元,用于查询每一辆车在最近30天(可调)中每天在上班时段和下班时段内行驶的里程。
里程计算单元,连接数据查询单元,用于计算每一辆车在第二历史时段中,每天在07:00-09:00(上班时段)和17:30-19:30(下班时段)内行驶的平均里程;还用于取每一辆车在最近30天(可调)中平均里程的中位数作为该车辆车主家与工作单位间的里程;还用于将所有车辆的里程进行均值计算,得到目标区域内车主家到单位平均里程。
本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合,以及披露的任一新的方法或过程的步骤或任何新的组合。
Claims (10)
1.一种目标区域内车主家到单位平均里程的计算方法,其特征在于,包括:
A.在车辆归属地为目标区域的车辆中,过滤掉在第一历史时段中出现频次低于第一数量的车辆,对于剩余车辆,执行以下步骤;
B.分别查询每一辆车在第二历史时段中每天在上班时段和下班时段内行驶的里程,计算每一辆车在第二历史时段中,每天在上班时段和下班时段内行驶的平均里程;
C.取每一辆车在第二历史时段中平均里程的中位数作为该车辆车主家与工作单位间的里程;
D.将所有车辆的里程进行均值计算。
2.如权利要求1所述的目标区域内车主家到单位平均里程的计算方法,其特征在于,所述车辆归属地的确认方法包括:
对于每一辆车,执行以下步骤:
a.对车载GNSS设备回传的每一个数据包中的经纬度进行Geohash编码,得到对应的车辆Geohash编码;并将每一个数据包和对应的车辆Geohash编码关联存储;
b.查询第三历史时段中所有的数据包,并对数据包对应的车辆Geohash编码进行统计,得到各个车辆Geohash编码的频次;
c.筛选出车辆Geohash编码频次统计最高的前第二数量的车辆Geohash编码;
d.将对应于同一区域的车辆Geohash编码的统计频次相加,以相加后频次最高的区域作为车辆归属地。
3.如权利要求2所述的目标区域内车主家到单位平均里程的计算方法,其特征在于,对经纬度进行Geohash编码的编码长度为5位。
4.如权利要求1所述的目标区域内车主家到单位平均里程的计算方法,其特征在于,步骤A与B之间,还包括:
过滤掉第二历史时段中,非正常通行于车主家和单位之间的车辆。
5.如权利要求4所述的目标区域内车主家到单位平均里程的计算方法,其特征在于,所述非正常通行于车主家和单位之间的车辆的判断方法为:
在第二历史时段中,在上班时段和下班时段内通行的天数不满足预设条件的车辆。
6.一种目标区域内车主家到单位平均里程的计算***,其特征在于,包括:
归属地单元,用于确认车辆归属地;
过滤单元,连接归属地单元,用于在车辆归属地为目标区域的车辆中,过滤掉在第一历史时段中出现频次低于第一数量的车辆;
数据查询单元,连接过滤单元,用于查询每一辆车在第二历史时段中每天在上班时段和下班时段内行驶的里程;
里程计算单元,连接数据查询单元,用于计算每一辆车在第二历史时段中,每天在上班时段和下班时段内行驶的平均里程;还用于取每一辆车在第二历史时段中平均里程的中位数作为该车辆车主家与工作单位间的里程;还用于将所有车辆的里程进行均值计算,得到目标区域内车主家到单位平均里程。
7.如权利要求6所述的目标区域内车主家到单位平均里程的计算***,其特征在于,所述归属地单元包括:
配置模块,至少用于配置对经纬度进行Geohash编码的编码长度;
数据包接收模块,用于接收每一个车载GNSS设备回传的每个数据包,该数据包至少包括经纬度数据;
编码模块,分别连接配置模块和数据包接收模块,用于对数据包中的经纬度以配置单元配置的编码长度进行Geohash编码;
存储模块,分别连接数据包接收模块和编码模块,用于关联存储数据包和对应的Geohash编码;
归属地确认模块,连接存储模块,用于查询第三历史时段中所有的数据包,并对数据包对应的车辆Geohash编码进行统计,得到各个车辆Geohash编码的频次;还用于筛选出车辆Geohash编码频次统计最高的前第二数量的车辆Geohash编码;还用于将对应于同一区域的车辆Geohash编码的统计频次相加,以相加后频次最高的区域作为车辆归属地。
8.如权利要求7所述的目标区域内车主家到单位平均里程的计算***,其特征在于,所述配置单元对Geohash编码配置的编码长度为5位。
9.如权利要求6所述的目标区域内车主家到单位平均里程的计算***,其特征在于,所述过滤单元还用于:过滤掉第二历史时段中,非正常通行于车主家和单位之间的车辆。
10.如权利要求9所述的目标区域内车主家到单位平均里程的计算***,其特征在于,所述非正常通行于车主家和单位之间的车辆的判断方法为:在第二历史时段中,在上班时段和下班时段内通行的天数不满足预设条件的车辆。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911015732.7A CN110749335B (zh) | 2019-10-24 | 2019-10-24 | 一种目标区域内车主家到单位平均里程的计算方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911015732.7A CN110749335B (zh) | 2019-10-24 | 2019-10-24 | 一种目标区域内车主家到单位平均里程的计算方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110749335A true CN110749335A (zh) | 2020-02-04 |
CN110749335B CN110749335B (zh) | 2021-05-04 |
Family
ID=69279680
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911015732.7A Active CN110749335B (zh) | 2019-10-24 | 2019-10-24 | 一种目标区域内车主家到单位平均里程的计算方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110749335B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1959759A (zh) * | 2006-11-17 | 2007-05-09 | 上海城市综合交通规划科技咨询有限公司 | 基于浮动车数据的交通分析方法 |
CN101777258A (zh) * | 2009-12-24 | 2010-07-14 | 南京信息工程大学 | 一种统计行驶里程的城市车辆限行方法及装置 |
CN105513351A (zh) * | 2015-12-17 | 2016-04-20 | 北京亚信蓝涛科技有限公司 | 一种基于大数据的交通出行特征数据提取方法 |
CN105913656A (zh) * | 2016-04-28 | 2016-08-31 | 泰华智慧产业集团股份有限公司 | 基于分布式统计频繁过车的方法及*** |
CN106557963A (zh) * | 2015-09-30 | 2017-04-05 | 百度在线网络技术(北京)有限公司 | 处理用车订单的方法、装置及服务器 |
CN106971534A (zh) * | 2017-02-09 | 2017-07-21 | 江苏智通交通科技有限公司 | 基于号牌数据的通勤出行特征分析方法 |
CN106982416A (zh) * | 2017-03-21 | 2017-07-25 | 深圳广联赛讯有限公司 | 确定车辆归属地的方法和装置 |
CN107066458A (zh) * | 2016-08-26 | 2017-08-18 | 北京车网互联科技有限公司 | 一种基于车联网数据的时空维度用户画像分析方法 |
US20180106638A1 (en) * | 2012-03-23 | 2018-04-19 | Ebay Inc. | Systems and methods for in-vehicle navigated shopping |
CN109858567A (zh) * | 2019-03-06 | 2019-06-07 | 上海赢科信息技术有限公司 | 车主的出行形态的判断方法及*** |
-
2019
- 2019-10-24 CN CN201911015732.7A patent/CN110749335B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1959759A (zh) * | 2006-11-17 | 2007-05-09 | 上海城市综合交通规划科技咨询有限公司 | 基于浮动车数据的交通分析方法 |
CN101777258A (zh) * | 2009-12-24 | 2010-07-14 | 南京信息工程大学 | 一种统计行驶里程的城市车辆限行方法及装置 |
US20180106638A1 (en) * | 2012-03-23 | 2018-04-19 | Ebay Inc. | Systems and methods for in-vehicle navigated shopping |
CN106557963A (zh) * | 2015-09-30 | 2017-04-05 | 百度在线网络技术(北京)有限公司 | 处理用车订单的方法、装置及服务器 |
CN105513351A (zh) * | 2015-12-17 | 2016-04-20 | 北京亚信蓝涛科技有限公司 | 一种基于大数据的交通出行特征数据提取方法 |
CN105913656A (zh) * | 2016-04-28 | 2016-08-31 | 泰华智慧产业集团股份有限公司 | 基于分布式统计频繁过车的方法及*** |
CN107066458A (zh) * | 2016-08-26 | 2017-08-18 | 北京车网互联科技有限公司 | 一种基于车联网数据的时空维度用户画像分析方法 |
CN106971534A (zh) * | 2017-02-09 | 2017-07-21 | 江苏智通交通科技有限公司 | 基于号牌数据的通勤出行特征分析方法 |
CN106982416A (zh) * | 2017-03-21 | 2017-07-25 | 深圳广联赛讯有限公司 | 确定车辆归属地的方法和装置 |
CN109858567A (zh) * | 2019-03-06 | 2019-06-07 | 上海赢科信息技术有限公司 | 车主的出行形态的判断方法及*** |
Non-Patent Citations (1)
Title |
---|
王翔等: "基于Geohash的出租车汽车轨迹的存储与应用研究", 《科技资讯》 * |
Also Published As
Publication number | Publication date |
---|---|
CN110749335B (zh) | 2021-05-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11869091B2 (en) | Recording and reporting of driving characteristics using wireless mobile device | |
CN107977476B (zh) | 一种估算汽车剩余续航里程的方法 | |
US8489433B2 (en) | System and method for estimating loss propensity of an insured vehicle and providing driving information | |
US7991549B2 (en) | Traffic information system based on travel history | |
CN108803559B (zh) | 车辆故障分析方法、装置和*** | |
CN102306194B (zh) | 海量gps数据的存储和查询方法 | |
CA2847305A1 (en) | System and method for estimating loss costs and propensity of an insured vehicle and providing driving information | |
CN105632222A (zh) | 预报到站时间的方法及其*** | |
CN108922170B (zh) | 一种基于电子警察抓拍数据的交叉口安全评价方法 | |
CN111401690B (zh) | 车队风险识别方法、电子装置及可读存储介质 | |
CN110749335B (zh) | 一种目标区域内车主家到单位平均里程的计算方法和*** | |
CN106980029B (zh) | 车辆超速判断方法及其*** | |
DE102017002305A1 (de) | Feststellen eines Fahrzeugnutzungsmodus | |
CN116481560B (zh) | 车辆行驶里程的计算方法、装置、终端及存储介质 | |
CN113094388A (zh) | 一种用户工作地与居住地的检测方法及相关装置 | |
CN111680888A (zh) | 基于rfid数据确定路网容量的方法 | |
CN110688436B (zh) | 一种基于行车轨迹的改进型GeoHash道路聚类方法 | |
CN111291095A (zh) | 一种数据处理方法、装置及设备 | |
CN108268678A (zh) | 驾驶行为分析方法、装置及*** | |
CN115909752A (zh) | 一种基于车辆用户历史数据的急转弯识别及统计方法 | |
CN112347376B (zh) | 基于多时空聚类的出租车载客点推荐方法 | |
CN108346299B (zh) | 车辆速度评估方法及装置 | |
CN113946718A (zh) | 空气监测数据的存储方法、设备及存储*** | |
CN116109145B (zh) | 车辆行驶路线的风险评估方法、装置、终端及存储介质 | |
CN110956820A (zh) | 一种基于乘客手机gps定位的公路客运超载实时预警*** |
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 |