CN112348091A - 基于渣土车gps的双聚类的黑工地点位识别算法 - Google Patents

基于渣土车gps的双聚类的黑工地点位识别算法 Download PDF

Info

Publication number
CN112348091A
CN112348091A CN202011243881.1A CN202011243881A CN112348091A CN 112348091 A CN112348091 A CN 112348091A CN 202011243881 A CN202011243881 A CN 202011243881A CN 112348091 A CN112348091 A CN 112348091A
Authority
CN
China
Prior art keywords
data
gps
point
clustering
position data
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.)
Pending
Application number
CN202011243881.1A
Other languages
English (en)
Inventor
刘阳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Lifu Environmental Protection Co Ltd
Original Assignee
Chengdu Lifu Environmental Protection Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chengdu Lifu Environmental Protection Co Ltd filed Critical Chengdu Lifu Environmental Protection Co Ltd
Priority to CN202011243881.1A priority Critical patent/CN112348091A/zh
Publication of CN112348091A publication Critical patent/CN112348091A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/23Clustering techniques
    • G06F18/232Non-hierarchical techniques
    • G06F18/2321Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42Determining position

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开一种基于渣土车GPS的双聚类的黑工地点位识别算法,首先获取区域内的若干辆渣土车GPS位置数据及车牌信息和获取区域内已知的建筑工地GPS位置数据、停车场GPS位置数据、消纳场GPS位置数据以及加油站GPS位置数据,并对所有数据按类别编号;然后基于DBScan的算法和基于k_means的算法获各聚类中心,并比较预定阈值,获得疑似黑工地点位;运用若干辆渣土车GPS数据和已知建筑工地、停车场、消纳场、加油站的GPS数据,结合DBScan算法和k_means算法进行聚类,比较阈值,识别若干辆渣土车GPS聚集地和未知黑工地点位,以便及时检测识别出黑工地进行管控。

Description

基于渣土车GPS的双聚类的黑工地点位识别算法
技术领域
本发明属于城市环境治理技术领域,主要涉及一种基于渣土车GPS的双聚类的黑工地点位识别算法。
背景技术
在城市高速发展的今天,每个城市每天都在新修土木,开荒拓土,建筑工地如雨后春笋般出现,但是有些开发商存在瞒报建筑工地的情况,造成对建筑工地管控的障碍,如果仅仅靠人力按照GPS点位一个一个排查,或是到城市中去排查各个工地是否合法,不仅增加了人力、物力,也浪费了很多时间,因此通过最少的人力、物力和时间,通过合理运用渣土车GPS坐标点位信息,筛选出黑工地以及其他车辆未知聚集点,追溯存在瞒报的建筑工地点(以下称为黑工地)及时检测识别出黑工地进行管控着力解决的问题。
发明内容
本发明目的在于针对现有技术的缺陷和不足,提供了一种基于渣土车GPS的双聚类的黑工地点位识别算法,运用渣土车GPS数据及已知场地GPS数据进行聚集并且根据网络地图识别出黑工地点位,以便做出及时处理。
为实现上述目的,本发明所采取的技术方案是:
一种基于渣土车GPS的双聚类的黑工地点位识别算法,包括以下步骤:
S1获取区域内的若干辆渣土车GPS位置数据及车牌信息;
S2获取区域内已知的建筑工地GPS位置数据、停车场GPS位置数据、消纳场GPS位置数据以及加油站GPS位置数据,并对所有数据按类别编号合成一张表格;
S3以渣土车车牌进行数据归类,并根据渣土车GPS位置数据进行三次聚类,每聚类一次后剔除孤立点,并将所有数据合并成一张表格;
S4基于DBScan的算法对S3中的数据再次聚类,并添加每一类所属的DBScan的聚类中心点;
S5基于k_means的算法对S2中各类带有编号的建筑类型数据进行聚类并划分簇,以得到k_means模型以及k_means生成的聚类中心点,簇数量为所有建筑类型的总个数;
S6根据S5中获得的k_means模型预测S4中的数据所属的建筑类型,并将所属的k_means聚类中心点增加到数据中;
S7 计算以S4得到的DBScan聚类中心点和S6通过k_means算法得到的聚类中心点所产生的距离,当距离大于预设值时添加DBScan的聚类中心点至表格并标识为未知点;当距离小于预设值时则添加已知建筑物编号至表格;
S8通过网络地图获取区域内的所有道路的坐标点位,并计算S7中未知点位与道路坐标点位之间的距离,当距离小于预定阈值时,则将该未知点位视为在道路上,并在表格中添加“道路中”的标志;当距离大于预定阈值时则将该未知点位视为未在道路上;
S9删除表格中标志为“道路中”的未知点位,保留未在道路上的未知点位;
S10对未在道路上的未知点位识别为疑似黑工地点位。
进一步地,根据S7中得到的数据计算同一车牌号的渣土车在同一个建筑编
号下的进入时间、离开时间和停留时间。
进一步地,根据S7获得的两个及两个以上的未知点位时,计算相邻两个未知点位的距离,当距离小于预定阈值,则合并为一个点,当大于预定阈值时则不合并;对比多个连续未知点位,当某一点位重复出现时即车辆在此点往返,则该未知点位为疑似黑工地点位。
本发明有益效果:运用若干辆渣土车GPS数据和已知建筑工地、停车场、消纳场、加油站的GPS数据,结合DBScan算法和k_means算法进行聚类,比较阈值,识别若干辆渣土车GPS聚集地和未知黑工地点位,以便及时检测识别出黑工地进行管控。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合具体实施方式,对本发明进行进一步详细说明,应当理解,此处所描述的具体实施方式仅用以解释本发明,并不用于限定本发明。
一种基于渣土车GPS的双聚类的黑工地点位识别算法,包括以下步骤:
S1获取区域内的若干辆渣土车GPS位置数据及车牌信息;
S2获取区域内已知的建筑工地GPS位置数据、停车场GPS位置数据、消纳场GPS位置数据以及加油站GPS位置数据,并对所有数据按类别编号合成一张表格;
S3以渣土车车牌进行数据归类,并根据渣土车GPS位置数据进行三次聚类,每聚类一次后剔除孤立点,并将所有数据合并成一张表格;
S4基于DBScan的算法对S3中的数据再次聚类,并添加每一类所属的DBScan的聚类中心点;
S5基于k_means的算法对S2中各类带有编号的建筑类型数据进行聚类并划分簇,以得到k_means模型以及k_means生成的聚类中心点,簇数量为所有建筑类型的总个数;
S6根据S5中获得的k_means模型预测S4中的数据所属的建筑类型,并将所属的k_means聚类中心点增加到数据中;
S7 计算以S4得到的DBScan聚类中心点和S6通过k_means算法得到的聚类中心点所产生的距离,当距离大于预设值时添加DBScan的聚类中心点至表格并标识为未知点;当距离小于预设值时则添加已知建筑物编号至表格;
S8通过网络地图获取区域内的所有道路的坐标点位,并计算S7中未知点位与道路坐标点位之间的距离,当距离小于预定阈值时,则将该未知点位视为在道路上,并在表格中添加“道路中”的标志;当距离大于预定阈值时则将该未知点位视为未在道路上;
S9删除表格中标志为“道路中”的未知点位,保留未在道路上的未知点位;
S10对未在道路上的未知点位识别为疑似黑工地点位。
进一步地,根据S7中得到的数据计算同一车牌号的渣土车在同一个建筑编
号下的进入时间、离开时间和停留时间。
进一步地,根据S7获得的两个及两个以上的未知点位时,计算相邻两个未知点位的距离,当距离小于预定阈值,则合并为一个点,当大于预定阈值时则不合并;对比多个连续未知点位,当某一点位重复出现时即车辆在此点往返,则该未知点位为疑似黑工地点位。
本发明的描述和应用都只是说明性和示意性的,并非是想要将本发明的范围限制在上述实施例中。这里所披露的实施方式的变形和改变是完全可能的,对于那些本领域的普通技术人员来说,实施方式的替换和等效的各种部件均是公知的。本领域技术人员还应该清楚的是,在不脱离本发明的精神或本质特征的情况下,本发明可以以其它形式、结构、布置、比例,以及用其它组件、材料和部件来实现,以及在不脱离本发明范围和精神的情况下,可以对这里所披露的实施例进行其它变形和改变。

Claims (3)

1.基于渣土车GPS的双聚类的黑工地点位识别算法,其特征在于:包括以下步骤:
S1获取区域内的若干辆渣土车GPS位置数据及车牌信息;
S2获取区域内已知的建筑工地GPS位置数据、停车场GPS位置数据、消纳场GPS位置数据以及加油站GPS位置数据,并对所有数据按类别编号合成一张表格;
S3以渣土车车牌进行数据归类,并根据渣土车GPS位置数据进行三次聚类,每聚类一次后剔除孤立点,并将所有数据合并成一张表格;
S4基于DBScan的算法对S3中的数据再次聚类,并添加每一类所属的DBScan的聚类中心点;
S5基于k_means的算法对S2中各类带有编号的建筑类型数据进行聚类并划分簇,以得到k_means模型以及k_means生成的聚类中心点,簇数量为所有建筑类型的总个数;
S6根据S5中获得的k_means模型预测S4中的数据所属的建筑类型,并将所属的k_means聚类中心点增加到数据中;
S7 计算以S4得到的DBScan聚类中心点和S6通过k_means算法得到的聚类中心点所产生的距离,当距离大于预设值时添加DBScan的聚类中心点至表格并标识为未知点;当距离小于预设值时则添加已知建筑物编号至表格;
S8通过网络地图获取区域内的所有道路的坐标点位,并计算S7中未知点位与道路坐标点位之间的距离,当距离小于预定阈值时,则将该未知点位视为在道路上,并在表格中添加“道路中”的标志;当距离大于预定阈值时则将该未知点位视为未在道路上;
S9删除表格中标志为“道路中”的未知点位,保留未在道路上的未知点位;
S10对未在道路上的未知点位识别为疑似黑工地点位。
2.根据权利要求1所述的基于渣土车GPS的双聚类的黑工地点位识别算法,其特征在于:根据S7中得到的数据计算同一车牌号的渣土车在同一个建筑编号下的进入时间、离开时间和停留时间。
3.根据权利要求1所述的基于渣土车GPS的双聚类的黑工地点位识别算法,其特征在于:根据S7获得的两个及两个以上的未知点位时,计算相邻两个未知点位的距离,当距离小于预定阈值,则合并为一个点,当大于预定阈值时则不合并;对比多个连续未知点位,当某一点位重复出现时即车辆在此点往返,则该未知点位为疑似黑工地点位。
CN202011243881.1A 2020-11-10 2020-11-10 基于渣土车gps的双聚类的黑工地点位识别算法 Pending CN112348091A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011243881.1A CN112348091A (zh) 2020-11-10 2020-11-10 基于渣土车gps的双聚类的黑工地点位识别算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011243881.1A CN112348091A (zh) 2020-11-10 2020-11-10 基于渣土车gps的双聚类的黑工地点位识别算法

Publications (1)

Publication Number Publication Date
CN112348091A true CN112348091A (zh) 2021-02-09

Family

ID=74362463

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011243881.1A Pending CN112348091A (zh) 2020-11-10 2020-11-10 基于渣土车gps的双聚类的黑工地点位识别算法

Country Status (1)

Country Link
CN (1) CN112348091A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113392903A (zh) * 2021-06-15 2021-09-14 上海华兴数字科技有限公司 一种工地区域的识别方法、***及装置
CN113610008A (zh) * 2021-08-10 2021-11-05 北京百度网讯科技有限公司 获取渣土车状态的方法、装置、设备以及存储介质
CN113689102A (zh) * 2021-08-17 2021-11-23 武汉依迅北斗时空技术股份有限公司 工地监查方式确定方法及***
CN113821735A (zh) * 2021-08-18 2021-12-21 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
CN115457777A (zh) * 2022-09-06 2022-12-09 北京商海文天科技发展有限公司 一种特定车辆溯源分析方法
CN116486639A (zh) * 2023-06-14 2023-07-25 眉山环天智慧科技有限公司 一种基于遥感和北斗卫星数据分析的车辆监管方法
CN117131149A (zh) * 2023-10-26 2023-11-28 四川国蓝中天环境科技集团有限公司 一种基于运渣车gps轨迹的土石方点位和运输网络识别方法
CN117494011A (zh) * 2023-12-29 2024-02-02 四川国蓝中天环境科技集团有限公司 一种基于运渣车土石方运输特征的扬尘点位类型判别方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN107766808A (zh) * 2017-09-30 2018-03-06 北京泓达九通科技发展有限公司 道路网络空间中车辆对象移动轨迹聚类的方法及***
CN108564226A (zh) * 2018-04-25 2018-09-21 哈尔滨工业大学 一种基于出租车gps及手机信令数据的公交线路优化方法
CN108734129A (zh) * 2018-05-21 2018-11-02 上海应用技术大学 手机及车辆定位分析方法及***
CN111859178A (zh) * 2020-04-22 2020-10-30 北京嘀嘀无限科技发展有限公司 一种推荐上车点的方法和***

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN107766808A (zh) * 2017-09-30 2018-03-06 北京泓达九通科技发展有限公司 道路网络空间中车辆对象移动轨迹聚类的方法及***
CN108564226A (zh) * 2018-04-25 2018-09-21 哈尔滨工业大学 一种基于出租车gps及手机信令数据的公交线路优化方法
CN108734129A (zh) * 2018-05-21 2018-11-02 上海应用技术大学 手机及车辆定位分析方法及***
CN111859178A (zh) * 2020-04-22 2020-10-30 北京嘀嘀无限科技发展有限公司 一种推荐上车点的方法和***

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022262595A1 (zh) * 2021-06-15 2022-12-22 上海华兴数字科技有限公司 工地区域的识别方法、***、装置和计算机可读存储介质
CN113392903A (zh) * 2021-06-15 2021-09-14 上海华兴数字科技有限公司 一种工地区域的识别方法、***及装置
CN113610008A (zh) * 2021-08-10 2021-11-05 北京百度网讯科技有限公司 获取渣土车状态的方法、装置、设备以及存储介质
CN113689102A (zh) * 2021-08-17 2021-11-23 武汉依迅北斗时空技术股份有限公司 工地监查方式确定方法及***
CN113689102B (zh) * 2021-08-17 2023-11-07 武汉依迅北斗时空技术股份有限公司 工地监查方式确定方法及***
CN113821735A (zh) * 2021-08-18 2021-12-21 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
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
CN115457777B (zh) * 2022-09-06 2023-09-19 北京商海文天科技发展有限公司 一种特定车辆溯源分析方法
CN115457777A (zh) * 2022-09-06 2022-12-09 北京商海文天科技发展有限公司 一种特定车辆溯源分析方法
CN116486639A (zh) * 2023-06-14 2023-07-25 眉山环天智慧科技有限公司 一种基于遥感和北斗卫星数据分析的车辆监管方法
CN116486639B (zh) * 2023-06-14 2023-09-29 眉山环天智慧科技有限公司 一种基于遥感和北斗卫星数据分析的车辆监管方法
CN117131149A (zh) * 2023-10-26 2023-11-28 四川国蓝中天环境科技集团有限公司 一种基于运渣车gps轨迹的土石方点位和运输网络识别方法
CN117131149B (zh) * 2023-10-26 2024-01-23 四川国蓝中天环境科技集团有限公司 一种基于运渣车gps轨迹的土石方点位和运输网络识别方法
CN117494011A (zh) * 2023-12-29 2024-02-02 四川国蓝中天环境科技集团有限公司 一种基于运渣车土石方运输特征的扬尘点位类型判别方法
CN117494011B (zh) * 2023-12-29 2024-03-12 四川国蓝中天环境科技集团有限公司 一种基于运渣车土石方运输特征的扬尘点位类型判别方法

Similar Documents

Publication Publication Date Title
CN112348091A (zh) 基于渣土车gps的双聚类的黑工地点位识别算法
CN111091720B (zh) 基于信令数据和浮动车数据的拥堵路段识别方法及装置
CN111653096B (zh) 一种基于手机信令数据的城市出行方式识别方法
CN111862606B (zh) 一种基于多源数据的非法营运车辆识别方法
CN111159254A (zh) 一种基于大数据处理的车辆与人员的关联方法
CN110304068B (zh) 汽车行驶环境信息的采集方法、装置、设备和存储介质
CN102289659A (zh) 伴随车检测方法
CN109993971B (zh) 一种提升交通事故地点定位准确率的方法
CN113360543B (zh) 公共交通的重复路线识别方法、装置、设备及存储介质
CN107240264A (zh) 一种车辆非有效行驶轨迹识别方法和城市道路设施规划方法
CN104900057A (zh) 一种城市快速路主辅道的浮动车地图匹配方法
CN105160991B (zh) 一种新增建筑物的识别方法及***
CN114511938A (zh) 一种智慧停车管理方法和平台
CN114510826A (zh) 车辆排放结构分解方法、装置、电子设备及存储介质
CN110070730B (zh) 一种城市道路导航的方法及***
US20240169743A1 (en) Vehicle positioning method and device based on environment matching, vehicle and storage medium
US20220319323A1 (en) Method for identifying road risk based on networked vehicle-mounted adas
CN105844031A (zh) 一种基于手机定位数据的城市交通廊道识别方法
CN108665084A (zh) 一种对驾驶风险的预测方法及***
CN104700616B (zh) 城市交通压力预测方法及***
CN110708664B (zh) 一种交通流感知方法、装置及计算机存储介质、电子设备
CN116168541A (zh) 一种获取道路通行状态的数据处理***
CN115995151A (zh) 应用于城市管理的网约车异常行为检测方法
CN113821735B (zh) 识别非法加油站点的方法、装置、设备及存储介质
CN116061953A (zh) 一种基于行驶轨迹数据的货车危险驾驶行为判别评价方法

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210209

WD01 Invention patent application deemed withdrawn after publication