CN110888884B - 基于geohash匹配的车码拟合方法及*** - Google Patents
基于geohash匹配的车码拟合方法及*** Download PDFInfo
- Publication number
- CN110888884B CN110888884B CN201911172980.2A CN201911172980A CN110888884B CN 110888884 B CN110888884 B CN 110888884B CN 201911172980 A CN201911172980 A CN 201911172980A CN 110888884 B CN110888884 B CN 110888884B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- data
- time interval
- code
- signaling
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- 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
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management thereof
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Computational Linguistics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开一种基于geohash匹配的车码拟合方法及***,其中包括以下步骤:配置关联分析时间间隔和碰撞分析时间间隔;获取信令汇总数据,所述信令汇总数据包括各移动终端的设备标识和设备时空数据;获取卡口汇总数据,所述卡口汇总数据包括各车辆的车辆标识和车辆时空数据;按照碰撞分析时间间隔,基于所述设备时空数据和所述车辆时空数据将所述信令汇总数据与所述卡口汇总数据进行时空碰撞,生成车码伴随日志表;按照关联分析时间间隔,根据所述车码伴随日志表和所述卡口汇总数据生成车码关联结果表并输出。本发明能够对车牌号和手机号码进行拟合,拟合的准确率高,满足现今对车辆和手机号进行关联定位的需要。
Description
技术领域
本发明涉及治安防控领域,尤其涉及一种基于geohash匹配的车码拟合方法及***。
背景技术
GeoHash算法是一种地址编码方法,能够把二维的空间经纬度数据编码成一个字符串,每个字符串表示一个矩形区域,所述字符串的长度与其所表示的矩形区域范围及精度相对应。
现今只能基于车牌号,利用各卡口采集的卡口数据,对目标车辆进行跟踪监控,其中卡口是指依托路上特定场所,如收费站、交通或者治安检查站等卡口点,对通过该卡口点的机动车辆进行拍摄、记录与处理的一种道路交通现场监测***,其监测获得的数据作为卡口数据。
利用该方案进行治安防控或案件侦破时,往往会由于犯罪嫌疑人伪造车牌号或者犯罪嫌疑人利用他人车辆,导致无法准确地确定并追踪犯罪嫌疑人,故需要对现有技术做进一步改进。
发明内容
本发明针对现有技术中的缺点,提供了一种基于geohash匹配的车码拟合方法及***。
为了解决上述技术问题,本发明通过下述技术方案得以解决:
一种基于geohash匹配的车码拟合方法,包括以下步骤:
配置关联分析时间间隔和碰撞分析时间间隔,其中关联分析时间间隔为碰撞分析时间间隔的X倍,X大于等于1且X为正整数;
获取信令汇总数据,所述信令汇总数据包括各移动终端的设备标识和设备时空数据;获取卡口汇总数据,所述卡口汇总数据包括各车辆的车辆标识和车辆时空数据;
按照碰撞分析时间间隔,基于所述设备时空数据和所述车辆时空数据将所述信令汇总数据与所述卡口汇总数据进行时空碰撞,生成车码伴随日志表,所述车码伴随日志表用于体现碰撞分析时间间隔内设备标识和车辆标识的共现情况;
按照关联分析时间间隔,根据所述车码伴随日志表和所述卡口汇总数据生成车码关联结果表并输出;所述车码关联结果表包括设备标识、车辆标识、以及关联分析时间间隔内所述设备标识和所述车辆标识的关联度。
作为一种可实施方式,其特征在于:
所述设备时空数据包括与设备标识所对应的信令获取时间、信令类型、以及信令所在的基站位置;
所述车辆时空数据包括所述车辆标识所对应的车牌获取时间和车牌获取位置;
所述基站位置和车牌获取位置为geohash编码。
作为一种可实施方式,按照碰撞分析时间间隔,基于所述设备时空数据和所述车辆时空数据将所述信令汇总数据与所述卡口汇总数据进行时空碰撞,生成车码伴随日志表的具体步骤为:
按照碰撞分析时间间隔,从信令汇总数据中筛选出待碰撞信令数据,从卡口汇总数据中筛选出待碰撞车辆数据,基于信令类型和信令所在的基站位置确定各待碰撞信令数据的信令所在区域,所述信令所在区域为至少一个geohash编码构成的数据集;
将所述待碰撞信令数据的信令获取时间和信令所在区域与所述待碰撞车辆数据的车牌获取时间和车牌获取位置进行碰撞分析,根据碰撞结果并统计设备标识和车辆标识的共现次数,生成车码伴随日志表。
作为一种可实施方式,按照关联分析时间间隔,根据所述车码伴随日志表和所述卡口汇总数据生成车码关联结果表并输出的具体步骤为:
提取在关联分析时间间隔内的车码伴随日志表,并将所得数据按照车辆标识进行分组,获得N组车码共现数据,每组车码共现数据包括车辆标识、相碰撞的设备标识、碰撞区域和碰撞时间;
根据关联分析时间间隔、车辆标识和车牌获取位置对卡口汇总数据进行分析,获取车辆出现数据,所述车辆出现数据包括车辆标识和出现所述车辆标识的区域个数;
根据所述车码共现数据和所述车辆出现数据计算车辆标识和与其相碰撞的设备标识的关联度,根据车辆标识、设备标识和关联度生成车码关联结果表。
作为一种可实施方式:
所述geohash编码包括第一编码值和第二编码值,第一编码值的字符串长度大于第二编码值;
根据关联分析时间间隔、车辆标识和车牌获取位置对卡口汇总数据进行分析,获取车辆出现数据之前还包括数据剔除步骤,具体步骤为:
根据关联分析时间间隔、车辆标识和第一编码值对所述卡口汇总数据进行分析,统计获得车辆标识所对应的第一编码值的类别数量,当所述类别数量小于等于预设的剔除阈值时,将所述车辆标识从车码共现数据中剔除;
根据关联分析时间间隔、车辆标识和车牌获取位置对卡口汇总数据进行分析,获取车辆出现数据的具体步骤为;
根据关联分析时间间隔、车辆标识和第二编码值对卡口汇总数据进行分析,获得车辆标识、出现所述车辆标识的次数和出现所述车辆标识的第二编码值的类别数量,将所述类别数量作为出现所述车辆标识的区域数量。
作为一种可实施方式,当所述关联分析时间间隔等于所述碰撞分析时间间隔时,按照以下公式计算关联分析时间间隔内相应设备标识和车辆标识的关联度:
其中,i为正整数,且i小于等于N,N为车辆标识的数量;j为正整数,且j小于等于n,n为与第i个车辆标识相关联的设备标识的数量;S(i,j)表示第i个车辆标识和与其相关联的第j个设备标识的关联度;follow_cnt表示在关联分析时间间隔内,所述设备标识和所述车辆标识的共现次数;car_cnt表示在关联分析时间间隔内,出现所述车辆标识的次数;follow_geohash_cnt表示在关联分析时间间隔内,基于碰撞分析时间间隔和Geohash编码统计获得出现碰撞的区域个数;c_fllow_1和c_follow_geohash_1为固定参数。
作为一种可实施方式,当所述关联分析时间间隔大于所述碰撞分析时间间隔时,按照以下公式计算关联分析时间间隔内相应设备标识和车辆标识的关联度:
S(i,j)=C(fllow_cnt/car_cnt,c_fllow_2)
*C(follow_geohash_cnt,c_follow_geohash_2)
*C(follow_time_cnt,c_time)
*C(geohash_cnt,c_geohash);
其中:
其中,i为正整数,且i小于等于N,N为车辆标识的数量;j为正整数,且j小于等于n,n为与第i个车辆标识相关联的设备标识的数量;S(i,j)表示第i个车辆标识和与其相关联的第j个设备标识的关联度;follow_cnt表示在关联分析时间间隔内,所述设备标识和所述车辆标识的共现次数;car_cnt表示在关联分析时间间隔内,出现所述车辆标识的次数;follow_geohash_cnt表示在关联分析时间间隔内,基于碰撞分析时间间隔和Geohash编码统计获得出现碰撞的区域个数;follow_time_cnt表示在关联分析时间间隔内,出现碰撞的碰撞分析时间间隔的个数;geohash_cnt表示在关联分析时间间隔内,出现碰撞的区域个数的个数, c_fllow_2、c_follow_geohash_2、c_time和c_geohash均为固定参数。
作为一种可实施方式,获取信令汇总数据,所述信令汇总数据包括各移动终端的设备标识和设备时空数据的具体步骤为:
通过基站收集原始信令数据,原始信令数据包括设备标识、信令获取时间、信令类型、以及信令所在的基站位置;
基于设备标识和信令所在的基站位置判断所述设备标识是否出现移动,当判定所述设备标识移动时,获取其移动时段;
基于设备标识和相对应的移动时段,对原始信令数据进行数据提取,获得信令汇总数据。
本发明还提出一种基于geohash匹配的车码拟合***,包括:
信息配置单元,用于配置关联分析时间间隔和碰撞分析时间间隔,其中关联分析时间间隔为碰撞分析时间间隔的X倍,X大于等于1且X为正整数;
数据获取单元,用于获取信令汇总数据,所述信令汇总数据包括各移动终端的设备标识和设备时空数据;还用于获取卡口汇总数据,所述卡口汇总数据包括各车辆的车辆标识和车辆时空数据;
碰撞分析单元,用于按照碰撞分析时间间隔,基于所述设备时空数据和所述车辆时空数据将所述信令汇总数据与所述卡口汇总数据进行时空碰撞,生成车码伴随日志表,所述车码伴随日志表用于体现碰撞分析时间间隔内设备标识和车辆标识的共现情况;
关联分析单元,用于按照关联分析时间间隔,根据所述车码伴随日志表和所述卡口汇总数据生成车码关联结果表并输出;所述车码关联结果表包括设备标识、车辆标识、以及关联分析时间间隔内所述设备标识和所述车辆标识的关联度。
本发明还提出一种计算机可读存储介质,其存储有计算机程序,该程序被处理器执行时实现上述任意一项所述方法的步骤。
本发明由于采用了以上技术方案,具有显著的技术效果:
1、本发明中通过对信令汇总数据和卡口汇总数据进行时空碰撞,从而获取设备标识和车辆标识的共现情况,基于所述设备标识和所述车辆标识的共现情况,和所述车辆标识的出现情况进行关联分析,得到所述设备标识和所述车辆标识的关联度;基于所述关联度,工作人员能够根据实际需要,通过车辆标识获取与其相关联的设备标识,或者通过设备标识获取与其相关联的车辆标识,便于现今治安防控或案件侦破中对犯罪嫌疑人的追踪。
2、本发明中基于geohash算法实现时空碰撞,能够减少计算量,提高计算效率;同时本发明通过信令所在基站位置确定信令所在区域,仅需利用现有的基站即可实现对设备标识的定位,无需额外增设采集设备标识的时空信息的装置。
3、本发明中对第一编码值和第二编码值的设计,能够在保证车码拟合准确率的基础上,较少计算数据,加快计算效率。
4、本发明通过对关联度的计算公式的设计,综合车码共现的情况和车辆出现的情况,使计算获得的关联度更为贴近实际情况,准确率高。
5、本发明基于设备标识和相对应的移动时段,对原始信令数据进行数据提取,获得信令汇总数据,能够有效减少干扰数据,一方面减少了计算量,另一方面能够有效避免干扰数据对最终拟合结果的影响。
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性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一种基于geohash匹配的车码拟合方法的流程示意图;
图2是实施例1中geohash编码的长度为7时,4G基站的碰撞范围;
图3是实施例1中geohash编码的长度为7时,2/3G基站的碰撞范围;
图4是实施例1中碰撞过程示意图;
图5是本发明一种基于geohash匹配的车码拟合***的模块连接示意图。
具体实施方式
下面结合实施例对本发明做进一步的详细说明,以下实施例是对本发明的解释而本发明并不局限于以下实施例。
实施例1、一种基于geohash匹配的车码拟合方法,如图1所示,包括以下步骤:
S100、配置关联分析时间间隔和碰撞分析时间间隔,其中关联分析时间间隔为碰撞分析时间间隔的X倍,X大于等于1且X为正整数;
S200、获取信令汇总数据,所述信令汇总数据包括各移动终端的设备标识和设备时空数据;获取卡口汇总数据,所述卡口汇总数据包括各车辆的车辆标识和车辆时空数据;
本实施例中,可根据车牌对卡口汇总数据进行分组,汇总获得车辆汇总表,基于车辆汇总表进行关联分析。S300、按照碰撞分析时间间隔,基于所述设备时空数据和所述车辆时空数据将所述信令汇总数据与所述卡口汇总数据进行时空碰撞,生成车码伴随日志表,所述车码伴随日志表用于体现碰撞分析时间间隔内设备标识和车辆标识的共现情况;
注,本实施例中车码为车辆标识和设备标识的简称,本实施例中车辆标识为车牌号,设备标识为手机号。
S400、按照关联分析时间间隔,根据所述车码伴随日志表和所述卡口汇总数据生成车码关联结果表并输出;所述车码关联结果表包括设备标识、车辆标识、以及关联分析时间间隔内所述设备标识和所述车辆标识的关联度。
本实施例中,通过对信令汇总数据和卡口汇总数据进行时空碰撞,从而获取设备标识和车辆标识的共现情况,此时即可从卡口汇总数据提取所述车辆标识的出现情况,对所述设备标识和所述车辆标识的共现情况,以及所述车辆标识的出现情况进行综合分析,即可得到所述设备标识和所述车辆标识的关联度;基于所述关联度,工作人员能够根据实际需要,通过车辆标识获取与其相关联的设备标识,或者通过设备标识获取与其相关联的车辆标识,便于现今治安防控或案件侦破中对犯罪嫌疑人的追踪。
所述步骤S200中,所述设备时空数据包括与设备标识所对应的信令获取时间、信令类型、以及信令所在的基站位置;
所述车辆时空数据包括所述车辆标识所对应的车牌获取时间和车牌获取位置;
所述基站位置和车牌获取位置为geohash编码。
上述信令类型为2/3G或4G,由于从基站获取的信令数据所对应的地址为所述基站的地址,而并非是相应移动终端的具***置,故进行时空碰撞时,需要通过信令类型和信令所在的基站位置确定所述移动终端可能存在的区域;
所述车牌获取位置即卡口位置。
本实施例中信令汇总数据具体包括以下字段:设备标识(手机号码)、信令获取时间、信令类型、基站编号、基站经度、基站纬度和基站位置(geohash编码)。
本实施例中卡口汇总数据具体包括以下字段:车辆标识(车牌号)、车牌获取时间、卡口编号、卡口经度、卡口纬度和车牌获取位置(geohash编码)。
所述步骤S300,按照碰撞分析时间间隔,基于所述设备时空数据和所述车辆时空数据将所述信令汇总数据与所述卡口汇总数据进行时空碰撞,生成车码伴随日志表的具体步骤为:
S310、按照碰撞分析时间间隔,从信令汇总数据中筛选出待碰撞信令数据,从卡口汇总数据中筛选出待碰撞车辆数据,基于信令类型和信令所在的基站位置确定各待碰撞信令数据的信令所在区域,所述信令所在区域为至少一个geohash编码构成的数据集;
相关领域的技术人员可根据实际需要自行设定碰撞分析时间间隔,如本实施例中设定其为1天,此时待碰撞信令数据即当日的信令汇总数据,待碰撞车辆数据即当日的卡口汇总数据;
2/3G基站和4G基站的信令接收范围不同,2/3G基站接收范围比4G基站大,故进行空间碰撞时,以所在基站接收对应类型的信令的范围作为信令所在区域。
S320、将所述待碰撞信令数据的信令获取时间和信令所在区域与所述待碰撞车辆数据的车牌获取时间和车牌获取位置进行碰撞分析,根据碰撞结果并统计设备标识和车辆标识的共现次数,生成车码伴随日志表。
本实施例中,根据碰撞结果将对应待碰撞信令数据和待碰撞车辆数据进行关联,生成车码伴随日志表,所述车码伴随日志表包括以下字段:车辆标识(车牌号)、车牌获取时间、车牌获取位置(geohash编码)、设备标识(手机号码)、信令获取时间、基站位置(geohash编码);
如geohash编码的长度为7且信令类型为4G时,如图2所示,所述信令所在区域为9个 geohash编码所构成的区域(3*3),其为对应基站的碰撞区域,该区域以信令所在基站为中心,此时车牌获取位置落入上述区域内时,即可根据车牌获取时间t提取所述基站相对应的,信令获取时间在t-Δt和t+Δt范围内的待碰撞信令数据。
注,Δt为预设的时间差阈值,相关领域的技术人员可根据实际情况设置时间差阈值Δt,同一空间的信令获取时间和车牌获取时间的差值小于等于Δt时,即可认为对应车辆标识与对应设备标识共现于该时空点。
如geohash编码的长度为7且信令类型为2/3G时,如图3所所示,所述信令所在区域为 25个geohash编码所构成的区域(5*5),其为对应基站的碰撞区域。
碰撞过程如图4所示,某辆汽车某日从地点A出发到地点B,被3个卡口记录,通过时间窗口截取共现的手机号,从3次碰撞结果可知此时sjh1三次都出现了,则此手机号码为驾驶员更具有可信度。所述步骤S400中,按照关联分析时间间隔,根据所述车码伴随日志表和所述卡口汇总数据生成车码关联结果表并输出的具体步骤为:
提取在关联分析时间间隔内的车码伴随日志表,并将所得数据按照车辆标识进行分组,获得N组车码共现数据,每组车码共现数据包括车辆标识、相碰撞的设备标识、碰撞区域和碰撞时间;
根据关联分析时间间隔、车辆标识和车牌获取位置对卡口汇总数据进行分析,获取车辆出现数据,所述车辆出现数据包括车辆标识和出现所述车辆标识的区域个数;
根据所述车码共现数据和所述车辆出现数据计算车辆标识和与其相碰撞的设备标识的关联度,根据车辆标识、设备标识和关联度生成车码关联结果表。
由于本实施例中采用信令所在区域与车牌获取位置进行碰撞,故在同一时间点共现的车码组合多,且由于信令所在范围可能出现误差,故需要结合卡口汇总数据(车辆汇总表)对车码伴随日志表所体现的设备标识和车辆标识的共现情况做置信度计算,以计算获得的置信度作为对应设备标识和车辆标识的关联度,从而提高车码拟合的准确率。
本实施例中,当所述关联分析时间间隔等于所述碰撞分析时间间隔时,即关联分析时间间隔和碰撞分析时间间隔均为一天,按照以下公式计算关联分析时间间隔内相应设备标识和车辆标识的关联度:
其中,i为正整数,且i小于等于N,N为车辆标识的数量;j为正整数,且j小于等于n,n为与第i个车辆标识相关联的设备标识的数量;S(i,j)表示第i个车辆标识和与其相关联的第j个设备标识的关联度;follow_cnt表示在关联分析时间间隔内,所述设备标识和所述车辆标识的共现次数(即,当天车码共现的次数);car_cnt表示在关联分析时间间隔内,出现所述车辆标识的次数(即,当天所述车辆出现次数);follow_geohash_cnt表示在关联分析时间间隔内,基于碰撞分析时间间隔和Geohash编码统计获得出现碰撞的区域个数(即,当天车码共现所分布的区域个数,记做区域个数累加值或区域个数统计值);c_fllow_1和 c_follow_geohash_1为固定参数;
由于所述关联分析时间间隔等于所述碰撞分析时间间隔,故此时统计当天出现车码共现所对应的时空点的Geohash编码,统计不重复的Geohash编码作为出现碰撞的区域个数 follow_geohash_cnt;
注,本实施例中基站位置和车牌获取位置为字符串长度为6的geohash编码,此时,其中 c_fllow_1取值范围为[0.3,0.6],c_follow_geohash_1取正整数,取值范围[2,4];
本实施例中,基于geohash6将地理信息进行划分,并按照划分的区域对所述车辆标识出现的区域,以及所述车辆标识和所述设备标识发生碰撞的时空点进行统计后,根据统计结果按照上述公式对所述车辆标识和所述设备标识的关联度进行计算,生成车码关联统计表,其包括车辆标识(车牌号),设备标识(手机号码),车辆出现次数,车码共现次数,区域个数累加值/统计值(即车码共现时空点对应geohash编码类别数量),关联度和共现日期,以所述车码关联统计表作为当日的车码关联结果表。
当所述关联分析时间间隔大于所述碰撞分析时间间隔时,本实施例中关联分析时间间隔为90按照以下公式计算关联分析时间间隔内相应设备标识和车辆标识的关联度:
S(i,j)=C(fllow_cnt/car_cnt,c_fllow_2)
*C(follow_geohash_cnt,c_follow_geohash_2)
*C(follow_time_cnt,c_time)
*C(geohash_cnt,c_geohash);
由上可知,本实施例中采用4个指标对90天内的车码伴随日志表和车辆汇总信令进行关联分析,
其中:
其中,i为正整数,且i小于等于N,N为车辆标识的数量;j为正整数,且j小于等于n,n为与第i个车辆标识相关联的设备标识的数量;S(i,j)表示第i个车辆标识和与其相关联的第j个设备标识的关联度;follow_cnt表示在关联分析时间间隔内,所述设备标识和所述车辆标识的共现次数(即,90天内车码共现的次数);car_cnt表示在关联分析时间间隔内,出现所述车辆标识的次数(即,90天内所述车辆出现次数);follow_geohash_cnt表示在关联分析时间间隔内,基于碰撞分析时间间隔和Geohash编码统计获得出现碰撞的区域个数(即,对各日车码共现所分布的区域个数的累加值,记做区域个数累加值);follow_time_cnt表示在关联分析时间间隔内,出现碰撞的碰撞分析时间间隔的个数(即,车码共现的天数); geohash_cnt表示在关联分析时间间隔内,出现碰撞的区域个数的个数(即,当天车码共现所分布的区域个数,记做区域个数统计值),c_fllow_2、c_follow_geohash_2、c_time和 c_geohash均为固定参数。
注,本实施例中基站位置和车牌获取位置为字符串长度为6的geohash编码,此时,其中 c_fllow_2取值范围为[0.3,0.6],c_follow_geohash_2取正整数,取值范围[4,6],c_time 取正整数,取值范围[4,6],c_geohash取正整数,取值范围[5,8]。
由于所述关联分析时间间隔大于所述碰撞分析时间间隔,故此时先分别统计每一天出现车码共现所对应的时空点的Geohash编码,获得每天出现碰撞的区域个数,再将90天进行累加,即可区域个数累加值,即follow_geohash_cnt。
如某车辆标识与某设备标识在第一天分别在区域1、区域2和区域3共现,则其当日的车码共现区域个数为3;
所述车辆标识和所述设备标识在第二天于区域3和区域2共现,则其当日的车码共现区域个数为2;
当以2日的数据对所述车辆标识和所述设备标识进行关联度计算时,其区域个数累加值 follow_geohash_cnt为5,其区域个数统计值geohash_cnt为4。
本实施例中,基于卡口汇总数据和每日的车码伴随统计表,按照上述公式对车辆标识和设备标识的关联度进行计算,生成码车日志表,其包括车辆标识(车牌号),设备标识(手机号码),车辆出现次数,车码共现次数,区域个数累加值和区域个数统计值,关联度和共现时间。
在实际使用时,可根据实际需要设置多个关联分析时间间隔,如本实施例中,配置关联分析时间间隔为1天和90天,此时关联分析当天的数据,输出车码关联统计表作为当日的车码关联结果表。
之后直接获取近90天每天的车码关联统计表,结合90天的车辆汇总信息进行关联分析,一方面扩大了进行关联分析的数据,在多日数据的支撑下使计算获得的关联度更为贴近现实,另一方面在计算管理度时考虑车码共现的时间与空间的分布情况,利用该分布情况进一步消除关联度计算的偏差,从而通过关联度能够准确的反应车码拟合情况。
相关领域的技术人员,可将设备标识作为主键,一个设备标识对应多个车辆标识,按照关联度对车辆标识进行排列,从而生成码车关系表,也可将车辆标识作为主键,一个设备标识对应多个车辆标识,按照关联度对设备标识进行排列,从而生成车码关系表,最后将码车关系表、车码关系表和码车关系表作为最终的码车关联结果表进行输出。
所述步骤S200中获取信令汇总数据,所述信令汇总数据包括各移动终端的设备标识和设备时空数据的具体步骤为:
通过基站收集原始信令数据,原始信令数据包括设备标识、信令获取时间、信令类型、以及信令所在的基站位置,对所述原始信令数据进行清洗,提出重复、错误的数据。
基于设备标识和信令所在的基站位置判断所述设备标识是否出现移动,当判定所述设备标识移动时,获取其移动时段;
基于设备标识和相对应的移动时段,对原始信令数据进行数据提取,获得信令汇总数据。
由于某些移动终端在一段时间内并不会产生移动,例如在公司工作的人员,上班期间其移动终端的所对应的信令数据为干扰数据,故此时可将该部分信令数据进行剔除,不将其信令与同时空区域的车辆进行关联,从而有效减少进行碰撞分析和关联分析的数据量,提高计算效率。
本实施例中基于设备标识和信令所在的基站位置判断所述设备标识是否出现移动,当判定所述设备标识移动时,获取其移动时段的具体方法为:
判断预设的时间判定阈值内所述设备标识相对应的基站位置是否发生改变,当发生改变,则计算两个基站之间的距离,当计算获得的距离值超过预设的距离判定阈值,则记录发生移动的时段。
相关领域的技术人员可根据实际需要自行设定时间判定阈值和距离判定阈值,本实施例不对其进行限定。
本实施通过所述设备标识相对应的基站位置,判断设备标识是否出现移动,但考虑到移动设备信令类型的切换,或者人员通过步行等方式导致的基站位置切换,故利用判断阈值对信令数据进行进一步筛选,如某个设备标识在当天的12:00-13:00时段,其信令漂移了一段距离,超过了判定阈值,则记录12:00-13:00为所述设备标识的移动时段。
综上,本实施例先对原始信令数据进行了清洗,使得原始信令数据有效的缩减,然后通过时空碰撞进行车牌标识和设备标识的关联,再通过关联度公式计算出车牌标识和设备标识的关联度,有效保证了车牌标识和设备标识关联的可信度。
例如某车辆在某基站覆盖的范围内进行大量活动,如不对原始信令数据基于进行清洗,那该车辆与该区域中进行办公的工作人员设备标识也会建立关联,此时计算获得的关联度没有价值,且计算量大,将对计算效率造成影响。
实施例2,在实施例1的基础上,增加数据剔除步骤,其余均等同与实施例1;
本实施例中所述geohash编码包括第一编码值和第二编码值,第一编码值的字符串长度大于第二编码值;
本实施例中第一编码值的字符串长度为7,第二编码值的字符串长度为6。
本实施例中利用第一编码值进行碰撞分析,生成车码伴随日志表,利用第二编码值进行关联分析,计算车牌标识和设备标识的关联度。
此时由于第一编码值字符串长度大于第二编码值,如与利用第二编码进行时空碰撞相比,共现的车牌标识和设备标识的组合数较少,能够提升了计算效率;
本实施例于根据关联分析时间间隔、车辆标识和车牌获取位置对卡口汇总数据进行分析,获取车辆出现数据之前增加数据剔除步骤,具体步骤为:
根据关联分析时间间隔、车辆标识和第一编码值对所述卡口汇总数据进行分析,统计获得车辆标识所对应的第一编码值的类别数量,当所述类别数量小于等于预设的剔除阈值时,将所述车辆标识从车码共现数据中剔除;
本实施例中,剔除阈值设为1,即,当日某车辆对应的车牌获取位置所对应的第一编码值均相同时,即,仅在一个编码长度为7的geohash所对应的区域内活动时,将所述车辆标识从车码共现数据中剔除,不再分析该车辆标识与设备标识之间的关联情况。
本实施例中根据关联分析时间间隔、车辆标识和车牌获取位置对卡口汇总数据进行分析,获取车辆出现数据的具体步骤为;
根据关联分析时间间隔、车辆标识和第二编码值对卡口汇总数据进行分析,获得车辆标识、出现所述车辆标识的次数和出现所述车辆标识的第二编码值的类别数量,将所述类别数量作为出现所述车辆标识的区域数量。
由于字符串长度越长,geohash所对应的区域面积越小,当利用第一编码值(字符串较长) 对活动区域小的车辆进行剔除后,再利用第二编码值(字符串较短)进行关联度计算,此时能够避免重复数据的出现所导致的误差,例如某车同时被两个卡口记录数据,此时如两个车牌获取位置(卡口位置)的第一编码值不同,第二编码值相同,如通过第一编码值进行关联度计算时会产生不必要的偏差。
本实施例通过第一编码值和第二编码值的设计,能够降低计算量,提高计算效率。
按照本实施例的方法进行车码拟合,其关联分析时间间隔为1天和90天,碰撞分析时间间隔为一天,以单个车牌号为例,某日车码关联结果表(非显示所有字段)如表1所示;
表1
获取近90中每日车码关联结果表,基于90日的数据重新计算上述车牌号与各手机号码之间的关联度,具体结果如表2所示:
表2
由表2可知,通过对90日的数据进行关联分析,进一步结合利用车码共现区域和车码共现日期计算关联度,从而所得车码拟合更为准确;
如表3所示,实际生活中会因为巧合或其他原因(车主每日接送其家人上下班),导致车码共现的次数较高,但实际车码共现的次数最高的手机号可能并不是对应车牌号的车主。
表3
根据表3即可证明本实施例中结合车码共现区域和车码共现日期进行综合分析,能够有效提高车码拟合的准确率。
实施例3,一种基于geohash匹配的车码拟合***,如图5所示,包括信息配置单元100、数据获取单元200、碰撞分析单元300和关联分析单元400
信息配置单元100,用于配置关联分析时间间隔和碰撞分析时间间隔,其中关联分析时间间隔为碰撞分析时间间隔的X倍,X大于等于1且X为正整数;
数据获取单元200,用于获取信令汇总数据,所述信令汇总数据包括各移动终端的设备标识和设备时空数据;还用于获取卡口汇总数据,所述卡口汇总数据包括各车辆的车辆标识和车辆时空数据;
碰撞分析单元300,用于按照碰撞分析时间间隔,基于所述设备时空数据和所述车辆时空数据将所述信令汇总数据与所述卡口汇总数据进行时空碰撞,生成车码伴随日志表,所述车码伴随日志表用于体现碰撞分析时间间隔内设备标识和车辆标识的共现情况;
关联分析单元400,用于按照关联分析时间间隔,根据所述车码伴随日志表和所述卡口汇总数据生成车码关联结果表并输出;所述车码关联结果表包括设备标识、车辆标识、以及关联分析时间间隔内所述设备标识和所述车辆标识的关联度。
实施例4、一种计算机可读存储介质,其存储有计算机程序,该程序被处理器执行时实现实施例1或实施例2任意一项所述方法的步骤。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本发明的实施例可提供为方法、装置、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明的方法、终端设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
需要说明的是:
说明书中提到的“一个实施例”或“实施例”意指结合实施例描述的特定特征、结构或特性包括在本发明的至少一个实施例中。因此,说明书通篇各个地方出现的短语“一个实施例”或“实施例”并不一定均指同一个实施例。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
此外,需要说明的是,本说明书中所描述的具体实施例,其零、部件的形状、所取名称等可以不同。凡依本发明专利构思所述的构造、特征及原理所做的等效或简单变化,均包括于本发明专利的保护范围内。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离本发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (10)
1.一种基于geohash匹配的车码拟合方法,其特征在于包括以下步骤:
配置关联分析时间间隔和碰撞分析时间间隔,其中关联分析时间间隔为碰撞分析时间间隔的X倍,X大于等于1且X为正整数;
获取信令汇总数据,所述信令汇总数据包括各移动终端的设备标识和设备时空数据;获取卡口汇总数据,所述卡口汇总数据包括各车辆的车辆标识和车辆时空数据,所述设备时空数据包括与设备标识相对应的信令所在的基站位置,所述车辆时空数据包括所述车辆标识所对应的车牌获取位置,所述基站位置和车牌获取位置为geohash编码,且所述geohash编码包括第一编码值和第二编码值,第一编码值的字符串长度大于第二编码值;
按照碰撞分析时间间隔,基于所述第一编码值,根据所述设备时空数据和所述车辆时空数据,将所述信令汇总数据与所述卡口汇总数据进行时空碰撞,生成车码伴随日志表,所述车码伴随日志表用于体现碰撞分析时间间隔内设备标识和车辆标识的共现情况;
按照关联分析时间间隔,基于所述第二编码值,根据所述车码伴随日志表和所述卡口汇总数据生成车码关联结果表并输出;所述车码关联结果表包括设备标识、车辆标识、以及关联分析时间间隔内所述设备标识和所述车辆标识的关联度。
2.根据权利要求1所述的基于geohash匹配的车码拟合方法,其特征在于:
所述设备时空数据包括与设备标识相对应的信令获取时间和信令类型;
所述车辆时空数据还包括所述车辆标识所对应的车牌获取时间。
3.根据权利要求2所述的基于geohash匹配的车码拟合方法,其特征在于,按照碰撞分析时间间隔,基于第一编码值,根据所述设备时空数据和所述车辆时空数据将所述信令汇总数据与所述卡口汇总数据进行时空碰撞,生成车码伴随日志表的具体步骤为:
按照碰撞分析时间间隔,从信令汇总数据中筛选出待碰撞信令数据,从卡口汇总数据中筛选出待碰撞车辆数据,基于信令类型和信令所在的基站位置确定各待碰撞信令数据的信令所在区域,所述信令所在区域为至少一个geohash编码构成的数据集;
将所述待碰撞信令数据的信令获取时间和信令所在区域与所述待碰撞车辆数据的车牌获取时间和车牌获取位置进行碰撞分析,根据碰撞结果并统计设备标识和车辆标识的共现次数,生成车码伴随日志表。
4.根据权利要求3所述的基于geohash匹配的车码拟合方法,其特征在于,按照关联分析时间间隔,基于第二编码值,根据所述车码伴随日志表和所述卡口汇总数据生成车码关联结果表并输出的具体步骤为:
提取在关联分析时间间隔内的车码伴随日志表,并将所得数据按照车辆标识进行分组,获得N组车码共现数据,每组车码共现数据包括车辆标识、相碰撞的设备标识、碰撞区域和碰撞时间;
根据关联分析时间间隔、车辆标识和车牌获取位置对卡口汇总数据进行分析,获取车辆出现数据,所述车辆出现数据包括车辆标识和出现所述车辆标识的区域个数;
根据所述车码共现数据和所述车辆出现数据计算车辆标识和与其相碰撞的设备标识的关联度,根据车辆标识、设备标识和关联度生成车码关联结果表。
5.根据权利要求4所述的基于geohash匹配的车码拟合方法,其特征在于:
根据关联分析时间间隔、车辆标识和车牌获取位置对卡口汇总数据进行分析,获取车辆出现数据之前还包括数据剔除步骤,具体步骤为:
根据关联分析时间间隔、车辆标识和第一编码值对所述卡口汇总数据进行分析,统计获得车辆标识所对应的第一编码值的类别数量,当所述类别数量小于等于预设的剔除阈值时,将所述车辆标识从车码共现数据中剔除;
根据关联分析时间间隔、车辆标识和车牌获取位置对卡口汇总数据进行分析,获取车辆出现数据的具体步骤为;
根据关联分析时间间隔、车辆标识和第二编码值对卡口汇总数据进行分析,获得车辆标识、出现所述车辆标识的次数和出现所述车辆标识的第二编码值的类别数量,将所述类别数量作为出现所述车辆标识的区域数量。
6.根据权利要求4或5所述的基于geohash匹配的车码拟合方法,其特征在于,当所述关联分析时间间隔等于所述碰撞分析时间间隔时,按照以下公式计算关联分析时间间隔内相应设备标识和车辆标识的关联度:
其中,i为正整数,且i小于等于N,N为车辆标识的数量;j为正整数,且j小于等于n,n为与第i个车辆标识相关联的设备标识的数量;S(i,j)表示第i个车辆标识和与其相关联的第j个设备标识的关联度;follow_cnt表示在关联分析时间间隔内,所述设备标识和所述车辆标识的共现次数;car_cnt表示在关联分析时间间隔内,出现所述车辆标识的次数;follow_geohash_cnt表示在关联分析时间间隔内,基于碰撞分析时间间隔和Geohash编码统计获得出现碰撞的区域个数;c_fllow_1和c_follow_geohash_1为固定参数。
7.根据权利要求4或5所述的基于geohash匹配的车码拟合方法,其特征在于,当所述关联分析时间间隔大于所述碰撞分析时间间隔时,按照以下公式计算关联分析时间间隔内相应设备标识和车辆标识的关联度:
S(i,j)=C(fllow_cnt/car_cnt,c_fllow_2)*C(follow_geohash_cnt,c_follow_geohash_2)*C(follow_time_cnt,c_time)*C(geohash_cnt,c_geohash);
其中:
其中,i为正整数,且i小于等于N,N为车辆标识的数量;j为正整数,且j小于等于n,n为与第i个车辆标识相关联的设备标识的数量;S(i,j)表示第i个车辆标识和与其相关联的第j个设备标识的关联度;follow_cnt表示在关联分析时间间隔内,所述设备标识和所述车辆标识的共现次数;car_cnt表示在关联分析时间间隔内,出现所述车辆标识的次数;follow_geohash_cnt表示在关联分析时间间隔内,基于碰撞分析时间间隔和Geohash编码统计获得出现碰撞的区域个数;follow_time_cnt表示在关联分析时间间隔内,出现碰撞的碰撞分析时间间隔的个数;geohash_cnt表示在关联分析时间间隔内,出现碰撞的区域个数的个数,c_fllow_2、c_follow_geohash_2、c_time和c_geohash均为固定参数。
8.根据权利要求2所述的基于geohash匹配的车码拟合方法,其特征在于,获取信令汇总数据,所述信令汇总数据包括各移动终端的设备标识和设备时空数据的具体步骤为:
通过基站收集原始信令数据,原始信令数据包括设备标识、信令获取时间、信令类型、以及信令所在的基站位置;
基于设备标识和信令所在的基站位置判断所述设备标识是否出现移动,当判定所述设备标识移动时,获取其移动时段;
基于设备标识和相对应的移动时段,对原始信令数据进行数据提取,获得信令汇总数据。
9.一种基于geohash匹配的车码拟合***,其特征在于,包括:
信息配置单元,用于配置关联分析时间间隔和碰撞分析时间间隔,其中关联分析时间间隔为碰撞分析时间间隔的X倍,X大于等于1且X为正整数;
数据获取单元,用于获取信令汇总数据,所述信令汇总数据包括各移动终端的设备标识和设备时空数据;还用于获取卡口汇总数据,所述卡口汇总数据包括各车辆的车辆标识和车辆时空数据,所述设备时空数据包括与设备标识相对应的信令所在的基站位置,所述车辆时空数据包括所述车辆标识所对应的车牌获取位置,所述基站位置和车牌获取位置为geohash编码,且所述geohash编码包括第一编码值和第二编码值,第一编码值的字符串长度大于第二编码值;
碰撞分析单元,用于按照碰撞分析时间间隔,基于所述第一编码值,根据所述设备时空数据和所述车辆时空数据将所述信令汇总数据与所述卡口汇总数据进行时空碰撞,生成车码伴随日志表,所述车码伴随日志表用于体现碰撞分析时间间隔内设备标识和车辆标识的共现情况;
关联分析单元,用于按照关联分析时间间隔,基于所述第二编码值,根据所述车码伴随日志表和所述卡口汇总数据生成车码关联结果表并输出;所述车码关联结果表包括设备标识、车辆标识、以及关联分析时间间隔内所述设备标识和所述车辆标识的关联度。
10.一种计算机可读存储介质,其存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1至8任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911172980.2A CN110888884B (zh) | 2019-11-26 | 2019-11-26 | 基于geohash匹配的车码拟合方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911172980.2A CN110888884B (zh) | 2019-11-26 | 2019-11-26 | 基于geohash匹配的车码拟合方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110888884A CN110888884A (zh) | 2020-03-17 |
CN110888884B true CN110888884B (zh) | 2022-08-23 |
Family
ID=69748857
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911172980.2A Active CN110888884B (zh) | 2019-11-26 | 2019-11-26 | 基于geohash匹配的车码拟合方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110888884B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111246375A (zh) * | 2020-03-26 | 2020-06-05 | 广州金越软件技术有限公司 | 一种基于电子围栏和卡口信息的人车伴随技术 |
CN111881379B (zh) * | 2020-09-27 | 2021-01-08 | 武汉中科通达高新技术股份有限公司 | 交管数据处理方法及装置 |
CN112234995B (zh) * | 2020-10-26 | 2023-11-03 | 杭州三汇数字信息技术有限公司 | 基于时空编码的信令压缩方法及*** |
CN112306615A (zh) * | 2020-11-20 | 2021-02-02 | 深圳市欢太科技有限公司 | 基于人工智能的交互方法、装置、电子设备以及存储介质 |
CN112765473B (zh) * | 2021-01-28 | 2022-04-15 | 杭州云深科技有限公司 | 获取目标关联设备的数据处理*** |
CN114490670B (zh) * | 2022-02-25 | 2024-07-12 | 南京中新赛克科技有限责任公司 | 一种基于大数据的人车关联分析***及方法 |
CN115169588A (zh) * | 2022-09-06 | 2022-10-11 | 深圳前海中电慧安科技有限公司 | 电像计算时空轨迹车码关联方法、装置、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105701123A (zh) * | 2014-11-27 | 2016-06-22 | 阿里巴巴集团控股有限公司 | 人车关系的识别方法及装置 |
CN107967493A (zh) * | 2017-12-18 | 2018-04-27 | 广州汇智通信技术有限公司 | 一种人车伴随的判定方法、***及相关装置 |
CN108874979A (zh) * | 2018-06-08 | 2018-11-23 | 天泽信息产业股份有限公司 | 一种基于时空范围约束的可疑车辆发现算法 |
CN109918368A (zh) * | 2019-03-27 | 2019-06-21 | 成都市公安科学技术研究所 | 一种通过轨迹关联度识别车辆驾驶者的***和方法 |
CN110334171A (zh) * | 2019-07-05 | 2019-10-15 | 南京邮电大学 | 一种基于Geohash的时空伴随对象挖掘方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10102259B2 (en) * | 2014-03-31 | 2018-10-16 | International Business Machines Corporation | Track reconciliation from multiple data sources |
-
2019
- 2019-11-26 CN CN201911172980.2A patent/CN110888884B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105701123A (zh) * | 2014-11-27 | 2016-06-22 | 阿里巴巴集团控股有限公司 | 人车关系的识别方法及装置 |
CN107967493A (zh) * | 2017-12-18 | 2018-04-27 | 广州汇智通信技术有限公司 | 一种人车伴随的判定方法、***及相关装置 |
CN108874979A (zh) * | 2018-06-08 | 2018-11-23 | 天泽信息产业股份有限公司 | 一种基于时空范围约束的可疑车辆发现算法 |
CN109918368A (zh) * | 2019-03-27 | 2019-06-21 | 成都市公安科学技术研究所 | 一种通过轨迹关联度识别车辆驾驶者的***和方法 |
CN110334171A (zh) * | 2019-07-05 | 2019-10-15 | 南京邮电大学 | 一种基于Geohash的时空伴随对象挖掘方法 |
Non-Patent Citations (2)
Title |
---|
Design of high performance cluster based map for vehicle tracking of public transport vehicles in smart city;George Thomas等;《2017 IEEE Region 10 Symposium (TENSYMP)》;20171019;1-5 * |
基于出租车轨迹数据的车联网通信机会间隔模型;皇甫伟等;《北京邮电大学学报》;20190618;第42卷(第3期);91-97 * |
Also Published As
Publication number | Publication date |
---|---|
CN110888884A (zh) | 2020-03-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110888884B (zh) | 基于geohash匹配的车码拟合方法及*** | |
CN107040894A (zh) | 一种基于手机信令数据的居民出行od获取方法 | |
CN107967323A (zh) | 基于大数据进行异常出行车辆分析的方法及*** | |
CN104823465A (zh) | 自动检测设备类型以过滤数据 | |
WO2014072971A1 (en) | Method of determining a license plate of a vehicle tracked by a surveillance system | |
CN112218243B (zh) | 海量人车数据的关联方法、装置、设备及存储介质 | |
CN105513368A (zh) | 一种基于不确定信息的假牌车筛选方法 | |
CN110838230B (zh) | 一种移动视频监控方法、监控中心及*** | |
CN104967819A (zh) | 一种基于mac地址搜集管理的安保预警***及安全预警方法 | |
CN112380892B (zh) | 一种图像识别方法、装置、设备及介质 | |
CN112770265B (zh) | 一种行人身份信息获取方法、***、服务器和存储介质 | |
EP4399694A2 (en) | Systems and methods for electronic surveillance | |
CN101430827A (zh) | 基于gps的出租车无线视频监控***及方法 | |
CN110956822B (zh) | ***识别方法、装置、电子设备和可读存储介质 | |
CN111949701A (zh) | 一种基于轨迹相似度的移动对象出行规律分析方法及装置 | |
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 | |
CN108573265B (zh) | 人流量统计方法及统计*** | |
CN109677324B (zh) | 基于NB-IoT技术的驻停车辆碰撞报警方法 | |
CN115687460B (zh) | 利用轨迹数据挖掘重点人群的关联对象的方法及*** | |
CN111624638A (zh) | 基于大数据***的行踪追溯及监控报告的生成方法 | |
CN113327336B (zh) | 人车关系的识别方法、装置和电子设备 | |
CN109783540B (zh) | 一种基于特征码对特定群体人员的分析方法及*** | |
CN113470376B (zh) | 基于卡口过车数据的实时区域在途车辆计数方法及*** | |
CN112783945B (zh) | 公交下车站点的判定方法及装置 | |
CN113918563A (zh) | 布控信息的确定方法及装置、存储介质、电子装置 |
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 |