CN113094388A - 一种用户工作地与居住地的检测方法及相关装置 - Google Patents
一种用户工作地与居住地的检测方法及相关装置 Download PDFInfo
- Publication number
- CN113094388A CN113094388A CN202110317971.9A CN202110317971A CN113094388A CN 113094388 A CN113094388 A CN 113094388A CN 202110317971 A CN202110317971 A CN 202110317971A CN 113094388 A CN113094388 A CN 113094388A
- Authority
- CN
- China
- Prior art keywords
- user
- yard
- model
- parking lot
- time period
- 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
- 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
-
- 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
- G06F16/2462—Approximate or statistical queries
-
- 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)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Probability & Statistics with Applications (AREA)
- Remote Sensing (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种用户工作地与居住地的检测方法及相关装置,本申请中方法包括:获取车场记录数据,并对车场进行标序,车场记录数据来自若干个不同的车场;对车场记录数据进行第一预设处理得到泛办公类车场模型和泛住宅类车场模型;对车场记录数据进行第二预设处理得到通勤用户模型;将通勤用户模型分别与泛办公类车场模型和泛住宅类车场模型进行关联得到目标模型;通过用户ID在目标模型中查找对应的车场号,若车场号与泛办公类车场模型中的车场号一致,则确定车场号为用户ID的工作地停车区域,若所述用户ID对应的车场号与泛住宅类车场模型中的车场号一致,则确定所述车场号为所述用户ID的居住地停车区域。
Description
技术领域
本申请涉及大数据技术领域,具体涉及一种用户工作地与居住地的检测方法及相关装置。
背景技术
通勤出行是指以上下班、上下学为目的的出行,具有时空规律性强,刚性大的特点,对于大多数行车通勤人员,其出车行为也具有以上特征,基于此可以通过用户的出车与进车时间、出车与进车频率以及所进出车场的特征等,来判断该用户的工作时间和休息时间。对于一个固定特征的场所,比如商场、集中办公区等场所的,进出场的停车数据能较好反映该场所的活跃时间,即可以通过高停车率时段、出车高峰时段、进车高峰时段等数据来判断该场所的类型。
大多数情况下,一个用户在早晨从一个泛住宅车场出车,经过一段行车时间后,会在一个泛办公车场进车。而到了夜间,会从一个泛办公车场出车,经过一段行车时间后,进入泛住宅车场。排除掉中间的短暂的一些停车场所和时间,如果该用户长期的行为都符合通勤出行规律并且对应的两个场所都有一定的集中度,可以较为准确地预测出用户的工作地和住所。
发明内容
本申请提供了一种用户工作地与居住地的检测方法及相关装置,用于通过用户的历史停车数据关联出该用户的工作地与居住地。
本申请第一方面提供了一种用户工作地与居住地的检测方法,包括:
获取车场记录数据,并对车场进行标序,所述车场记录数据来自若干个不同的车场,所述车场记录数据包含用户ID、车场号及相关数据;
对所述车场记录数据进行第一预设处理得到泛办公类车场模型和泛住宅类车场模型,所述泛办公车场模型和所述泛住宅类车场模型中车场的进出峰值在通勤时间段中;
对所述车场记录数据进行第二预设处理得到通勤用户模型,所述通勤用户模型中用户ID对应所述用户ID进出具有规律的车场号;
将所述通勤用户模型分别与所述泛办公类车场模型和所述泛住宅类车场模型进行关联得到目标模型,所述目标模型中用户ID对应的车场号与所述泛办公类车场模型或泛住宅类车场模型中的车场号一致;
通过用户ID在所述目标模型中查找对应的车场号,若所述车场号与泛办公类车场模型中的车场号一致,则确定所述车场号为所述用户ID的工作地停车区域,若所述用户ID对应的车场号与泛住宅类车场模型中的车场号一致,则确定所述车场号为所述用户ID的居住地停车区域。
可选的,对所述车场记录数据进行第一预设处理得到泛办公类车场模型和泛住宅类车场模型,包括:
按序依次获取车场号,使用数据工具生成所述车场平均一天内的车辆的入场和出场变化;
统计所述车场在第一时间段和第二时间段的停放量,所述第一时间段为夜间时间段,所述第二时间段为白天时间段;
判断所述车场在所述第二时间段的停放量是否大于所述第一时间段;
若是,则判断所述车场的入场峰值是否在第三时间段中,并且出场峰值在第四时间段中;
若是,则将所述车场添加至所述泛办公类车场模型。
可选的,所述判断所述车场在所述第二时间段的停放量是否大于所述第一时间段,还包括:
若否,判断所述车场的入场峰值是否在所述第四时间段中,并且出场峰值在所述第三时间段中;
若是,将所述车场添加至所述泛住宅类车场模型。
可选的,对所述车场记录数据进行第二预设处理得到通勤用户模型,所述通勤用户模型中用户ID对应所述用户ID进出具有规律的车场号,包括:
依次根据用户ID判断所述用户ID是否为月卡用户;
若是,则统计所述用户ID每日的停车次数;
判断所述用户ID每日的停车次数是否大于2;
若是,统计所述用户ID每周于不同车场号进出的次数以及出、入场时间段,并按照进出次数排序;
当所述用户ID于进出最多的前两个车场号的出、入场时间在同一时间段内,将所述用户ID及所述前两个车场号加入所述通勤用户模型中。
可选的,将所述通勤用户模型分别与所述泛办公类车场模型和所述泛住宅类车场模型进行关联得到目标模型,所述目标模型中用户ID对应的车场号与所述泛办公类车场模型或泛住宅类车场模型中的车场号一致,包括:
依次获取所述通勤用户模型中的用户ID;
将所述用户ID下的车场号与所述泛住宅类车场模型及所述泛办公类车场模型中的车场号进行关联比对;
对所述车场号添加来源标记后保存至所述目标模型中。
可选的,获取车场记录数据,并对车场进行标序,所述车场记录数据来自若干个不同的车场,所述车场记录数据包含用户ID、车场号及相关数据,包括:
从各车场的数据库中将历史可查询的车场记录数据全部导入目标数据库中,对所述车场进行标序,并且同一车场的所述车场记录数据按时间进行排序;
依次从所述目标数据库中获取所述车场记录数据。
本申请第二方面提供了一种用户工作地与居住地的检测装置,包括:
第一获取单元,用于获取车场记录数据,并对车场进行标序,所述车场记录数据来自若干个不同的车场,所述车场记录数据包含用户ID、车场号及相关数据;
第一处理单元,用于对所述车场记录数据进行第一预设处理得到泛办公类车场模型和泛住宅类车场模型,所述泛办公车场模型和所述泛住宅类车场模型中车场的进出峰值在通勤时间段中;
第二处理单元,用于对所述车场记录数据进行第二预设处理得到通勤用户模型,所述通勤用户模型中用户ID对应所述用户ID进出具有规律的车场号;
第三处理单元,用于将所述通勤用户模型分别与所述泛办公类车场模型和所述泛住宅类车场模型进行关联得到目标模型,所述目标模型中用户ID对应的车场号与所述泛办公类车场模型或所述泛住宅类车场模型中的车场号一致;
确定单元,用于通过用户ID在所述目标模型中查找对应的车场号,若所述车场号与所述泛办公类车场模型中的车场号一致,则确定所述车场号为所述用户ID的工作地停车区域,若所述用户ID对应的车场号与所述泛住宅类车场模型中的车场号一致,则确定所述车场号为所述用户ID的居住地停车区域。
可选的,所述第一处理单元,包括:
第一生成模块,用于按序依次获取车场号,使用数据工具生成所述车场平均一天内的车辆的入场和出场变化;
第一计算模块,用于统计所述车场在第一时间段和第二时间段的停放量,所述第一时间段为夜间时间段,所述第二时间段为白天时间段;
第一判断模块,用于判断所述车场在所述第二时间段的停放量是否大于所述第一时间段;
第二判断模块,用于当第一判断模块确定所述车场在所述第二时间段的停放量大于所述第一时间段时,则判断所述车场的入场峰值是否在第三时间段中,并且出场峰值在第四时间段中;
第一执行模块,用于当第二判断模块确定所述车场的入场峰值在第三时间段中,且出场峰值在第四时间段时,则将所述车场添加至泛办公类车场模型。
可选的,所述第一处理单元,还包括:
第三判断模块,用于当第一判断模块确定所述车场在所述第二时间段的停放量不大于所述第一时间段时,判断所述车场的入场峰值是否在所述第四时间段中,并且出场峰值在所述第三时间段中;
第二执行模块,用于当第三判断模块确定所述车场的入场峰值是否在所述第四时间段中,且出场峰值在所述第三时间段中,则将所述车场添加至所述泛住宅类车场模型。
可选的,所述第二处理单元,包括:
第四判断模块,依次根据用户ID判断所述用户ID是否为月卡用户;
第一计算模块,用于当第四判断模块确定所述用于ID为月卡用户时,则统计所述用户ID每日的停车次数;
第五判断模块,用于判断所述用户ID每日的停车次数是否大于2;
第二计算模块,用于当第五判断模块确定所述用户ID每日的停车次数大于2时,则统计所述用户ID每周于不同车场号进出的次数以及出、入场时间段,并按照进出次数排序;
第三执行模块,用于当所述用户ID于进出最多的前两个车场号的出、入场时间在同一时间段内,将所述用户ID及所述前两个车场号加入所述通勤用户模型中。
可选的,所述第三处理单元,包括:
第一获取模块,依次获取所述通勤用户模型中的用户ID;
比对模块,用于将所述用户ID下的车场号与所述泛住宅类车场模型及所述泛办公类车场模型中的车场号进行关联比对;
更新模块,用于对所述车场号添加来源标记后保存至目标模型中。
可选的,所述第一获取单元,包括;
导入模块,用于从各车场的数据库中将历史可查询的车场记录数据全部导入目标数据库中,对所述车场进行标序,并且同一车场的所述车场记录数据按时间进行排序;
第二获取模块,用于依次从所述目标数据库中获取所述车场记录数据。
本申请第三方面提供了一种用户工作地与居住地的检测装置,包括:
处理器、存储器、输入输出单元、总线;
所述处理器与所述存储器、所述输入输出单元以及所述总线相连;
所述处理器具体执行如下操作:
获取车场记录数据,并对车场进行标序,所述车场记录数据来自若干个不同的车场,所述车场记录数据包含用户ID、车场号及相关数据;
对所述车场记录数据进行第一预设处理得到泛办公类车场模型和泛住宅类车场模型,所述泛办公车场模型和所述泛住宅类车场模型中车场的进出峰值在通勤时间段中;
对所述车场记录数据进行第二预设处理得到通勤用户模型,所述通勤用户模型中用户ID对应所述用户ID进出具有规律的车场号;
将所述通勤用户模型分别与所述泛办公类车场模型和所述泛住宅类车场模型进行关联得到目标模型,所述目标模型中用户ID对应的车场号与所述泛办公类车场模型或泛住宅类车场模型中的车场号一致;
通过用户ID在所述目标模型中查找对应的车场号,若所述车场号与泛办公类车场模型中的车场号一致,则确定所述车场号为所述用户ID的工作地停车区域,若所述用户ID对应的车场号与泛住宅类车场模型中的车场号一致,则确定所述车场号为所述用户ID的居住地停车区域。
本申请第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质上保存有程序,所述程序在计算机上执行时执行前述业务链路追踪的方法。
从以上技术方案可以看出,本申请实施例具有以下优点:由于车场记录数据包含相应的数据信息,根据该车场记录数据按照不同的筛选条件进行统计及筛选,得到通勤车场模型和通勤用户模型,该通勤车场模型中又划分为泛办公类车场模型和泛住宅类车场模型,再将通勤用户模型与通勤车场模型进行关联得到目标模型,由于通勤用户模型中包含该用户ID的长期的停车数据,因此可以根据用户ID在目标模型中查找出该用户ID的工作地和居住地。
附图说明
图1为本申请中用户工作地与居住地的检测方法的一个实施例流程示意图;
图2-1和图2-2为本申请中用户工作地与居住地的检测方法的另一实施例流程示意图;
图3为本申请中用户工作地与居住地的检测装置的一个实施例结构示意图;
图4为本申请中用户工作地与居住地的检测装置的一个实施例结构示意图。
具体实施方式
本申请实施例提供了一种用户工作地与居住地的检测方法及相关装置,用于通过用户的历史停车数据关联出该用户的工作地与居住地。
下面将结合本申请实施例中的附图,对本申请中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅是本公开申请的较佳实例而已,并不用以限制本公开申请,凡在本公开申请的原则内,所做的任何修改、等同替换、改进等,均应包含在本公开申请保护的范围之内。
本申请的方法可以应用于服务器、终端或者其他具备逻辑处理能力的设备,对此具体不做限定,为方便描述,下面以终端为执行主体进行描述。
请参阅图1,本申请中用户工作地与居住地的检测方法的一个实施例包括:
101、终端获取车场记录数据,并对车场进行标序,所述车场记录数据来自若干个不同的车场;
本申请实施例中,终端需获取各个不同车场的记录数据,这些记录数据中包含用户ID、该用户ID进入的车场号以及进出时间等相关数据,为了方便数据的查询,需对车场进行标序,是确保后续数据分析过程有效的基础。
102、终端对所述车场记录数据进行第一预设处理得到泛办公类车场模型和泛住宅类车场模型;
在日常生活中不同区域的车场在一天不同时间段内进出车流量的变化存在一定规律,例如小区、工厂或行政企事业单位等停车场,本申请实施例中,经过第一预设处理后,终端保留进出峰值在通勤时间段中形成规律的车场并添加至泛办公车场模型和泛住宅类模型中,需要说明的是,泛办公车场模型中与泛住宅类车场模型的进出场峰值在不同时间段中。
103、终端对所述车场记录数据进行第二预设处理得到通勤用户模型,所述通勤用户模型中用户ID对应所述用户ID进出具有规律的车场号;
对于大多数通勤用户而言,需要每天往返于住所和工作单位之间,因此该通勤用户的出行时间存在一定的规律,本申请实施例通过车场记录数据确定通勤方式为行车的用户的出行规律,该用户每日往返的车场之间呈规律性分布,例如在某时间段离开某车场,一段时间后进入另一车场,即确定该用户属于通勤用户。
104、终端将所述通勤用户模型分别与所述泛办公类车场模型和所述泛住宅类车场模型进行关联得到目标模型;
由于通勤用户模型中用户ID对应具有出行规律的车场号,本申请实施例中,终端通过将该车场号与泛办公类车场模型和泛住宅类车场模型中包含的车场号进行比对并标记该车场号与哪个车场模型中的车场号一致,以便于确定该通勤用户的居住地和工作地,需要说明的是该目标模型中用户ID对应的车场号与所述泛办公类车场模型或泛住宅类车场模型中的车场号一致。
105、终端通过用户ID在所述目标模型中查找对应的车场号,从所述车场号的来源标记确定所述用户ID的办公车场和住宅车场。
完成步骤104后,终端可通过具体的用户ID在目标模型查找该用户的相关信息以及与该用户相关联的车场号,由于该车场号标记了与泛办公类车场模型还是泛住宅类车场模型中的车场号一致,若该车场号与泛办公类车场模型中的车场号一致,则确定所述车场号为所述用户ID的工作地停车区域,若该用户ID对应的车场号与泛住宅类车场模型中的车场号一致,则确定所述车场号为所述用户ID的居住地停车区域。
由于开车出行的通勤用户的行车行为具有一定的规律性,本申请实施例通过收集各停车场的停车数据以及相应的数据处理和分析,得到泛办公类车场模型、泛住宅类模型以及通勤用户模型,再将通勤用户模型中的出行车场号与泛住宅类车场模型和泛办公类车场模型进行关联得到目标模型,通过目标模型可快速确定用户的工作地和居住地。
请参阅图2-1和图2-2,本申请中用户工作地与居住地的检测方法的另一个实施例包括:
201、终端从各车场的数据库中将历史可查询的车场记录数据全部导入目标数据库中,对所述车场进行标序,并且同一车场的所述车场记录数据按时间进行排序;
车场的数据库用于储存该车场的行车记录及相关数据,本申请实施例中,为了获取更全面的行车数据进行处理和分析,终端设有目标数据库用于储存从各车场数据库中导入的车场记录数据,以方便终端对这些数据进行查询和相应的计算。
202、终端依次从所述目标数据库中获取所述车场记录数据;
本申请实施例中,终端按照步骤1设置的排序顺序依次从目标数据库中获取车场近日的记录数据,具体日期此处不做限定,也可以按照其它排序条件依次获取车场记录数据。
203、终端使用数据工具生成所述车场平均一天内的车辆的入场和出场变化;
终端针对步骤202获取的车场记录数据,生成近日内该车场平均一天的入场和出场变化,以方便对该车场的类型进行分析,具体使用的数据工具此处不做限定。
204、终端统计所述车场在第一时间段和第二时间段的停放量,所述第一时间段为夜间时间段,所述第二时间段为白天时间段;
由于住宅区车场和办公区车场的停放量与用户的通勤出行时间相关,因此终端分别统计第一时间段和第二时间段内的停放情况,本申请实施例中第一时间段为00:00-06:00,第二时间段为12:00-18:00,也可以进一步缩小或扩大第一时间段和第二时间的时间范围,具体此处不做限定。
205、终端判断所述车场在所述第二时间段的停放量是否大于所述第一时间段,若是,则执行步骤206,若否,执行步骤208;
由于大多通勤用户的工作时间在白天,则办公类车场在白天的停放量大于夜间的停放量,因此确定该车场是否为办公类车场需要先判断该车场在第二时间段的停放量是否大于第一时间段。
206、终端判断所述车场的入场峰值是否在第三时间段中,并且出场峰值在第四时间段中,若是,则执行步骤207,若否,则执行步骤202;
当该车场在第二时间段的停放量大于第一时间段后,需要确定该车场的入场峰值与出场峰值是否在预设时间段中,若是,则这都该车场属于办公类车场,本申请实施例中第三时间段为06:00-10:00,第四时间段为18:00-21:00,这样贴近大多用户的上下班时间,也可以进一步缩小或扩大第一时间段和第二时间的时间范围,具体此处不做限定。
207、终端将所述车场添加至所述泛办公类车场模型;
208、终端判断所述车场的入场峰值是否在所述第四时间段中,并且出场峰值在所述第三时间段中,若是,则执行步骤209,若否,则执行步骤202;
住宅类车场在夜间的停放量大于白天的停放量,并且出场峰值和入场峰值与通勤出行相关,本申请实施例中,当该车场在第一时间段的停放量大于第二时间段,则进一步判断该车场的入场峰值和出场峰值是否分别在第四时间段和第三时间段中,若是,则确定该车场属于住宅类车场。
209、终端将所述车场添加至所述泛住宅类车场模型;
210、终端按序依次获取用户ID;
终端从目标数据库中依次获取用户ID,该用户ID下包含的数据信息有历史行车数据及月卡登记信息等。
211、终端判断所述用户ID是否为月卡用户,若是,则执行步骤212,若否,则执行步骤210;
本申请实施例中,对于不是月卡的用户进行分析,若该用户为月卡用户则执行步骤212获取一下用户ID及该用户ID的信息。
212、终端统计所述用户ID每日的停车次数;
当该用户ID不是月卡用户时,计算该用户ID当前历史停车数据中平均每日的停车次数。
213、终端判断所述用户ID每日的停车次数是否大于2,若是,则执行步骤214,若否,则执行步骤210;
通勤方式为行车的用户,一天至少存在2次停车行为,包括居住地与工作地之间的往返,若该用户平均每日的停车次数小于2,则确定该用户属于行车通勤用户,返回步骤210获取一下用户ID的信息。
214、终端统计所述用户ID每周于不同车场号进出的次数以及出、入场时间段,并按照进出次数排序;
由于该用户ID平均每日存在多个停车记录,为了进一步确定该用户ID是否为通勤用户,终端统计当前历史记录下的停车记录中每周进出的车场号、进出该车场号的次数、进入和驶出该车场号的时间段,最后按照进出车场的次数由高到低排序。
215、当所述用户ID于进出最多的前两个车场号的出、入场时间在同一时间段内,终端将所述用户ID及所述前两个车场号加入所述通勤用户模型中;
在该用户ID进出次数最多的两个车场中,若该用户ID于第一车场的出场时间与第二车场的入场时间在同一时间段中,和/或该用户ID于第二车场的出场时间与第一车场的入场时间在同一时间段中,则确定该用户ID属于通勤用户,将该用户ID及这两个车场号加入通勤用户模型中。
216、终端依次获取所述通勤用户模型中的用户ID;
本申请实施例中获取通勤用户模型中的用户ID的顺序可以有多种,具体此处不做限定。
217、将所述用户ID下的车场号与所述泛住宅类车场模型及所述泛办公类车场模型中的车场号进行关联比对;
由于通勤用户模型中已确定用户ID最常出入的车场号,为了确定该车场号属于住宅类车场还是办公类车场,本申请实施例将该车场号与泛住宅车场模糊和泛办公类车场模型中的车场号进行比对。
218、终端对所述车场号添加来源标记后保存至所述目标模型中;
若该车场号与泛办公类车场模型或泛住宅类车场模型中的车场号一致,则对该车场号添加来源标记后,将该用户ID的信息保存至目标模型中,便于确定该用户ID出入的车场类型是住宅类车场还是办公类车场。
219、终端通过用户ID在所述目标模型中查找对应的车场号,从所述车场号的来源标记确定所述用户ID的办公车场和住宅车场。
本申请实施例中步骤219与前述实施例中步骤105类似,此处不再赘述。
本申请实施例收集各停车场的停车数据,通过相应的数据处理并结合通勤时间进行分析,得到泛办公类车场模型、泛住宅类模型以及通勤用户模型,再将通勤用户模型中的出行车场号与泛住宅类车场模型和泛办公类车场模型进行关联得到目标模型,在目标模型中查找用户ID即可快速确定该用户的工作地和居住地。
请参阅图3,本申请中用户工作地与居住地的检测装置的一个实施例包括:
第一获取单元301,用于获取车场记录数据,并对车场进行标序,所述车场记录数据来自若干个不同的车场,所述车场记录数据包含用户ID、车场号及相关数据;
第一处理单元302,用于对所述车场记录数据进行第一预设处理得到泛办公类车场模型和泛住宅类车场模型,所述泛办公车场模型和所述泛住宅类车场模型中车场的进出峰值在通勤时间段中;
第二处理单元303,用于对所述车场记录数据进行第二预设处理得到通勤用户模型,所述通勤用户模型中用户ID对应所述用户ID进出具有规律的车场号;
第三处理单元304,用于将所述通勤用户模型分别与所述泛办公类车场模型和所述泛住宅类车场模型进行关联得到目标模型,所述目标模型中用户ID对应的车场号与所述泛办公类车场模型或所述泛住宅类车场模型中的车场号一致;
确定单元305,用于通过用户ID在所述目标模型中查找对应的车场号,若所述车场号与所述泛办公类车场模型中的车场号一致,则确定所述车场号为所述用户ID的工作地停车区域,若所述用户ID对应的车场号与所述泛住宅类车场模型中的车场号一致,则确定所述车场号为所述用户ID的居住地停车区域。
本申请实施例中第一获取单元301,包含有:
导入模块3011,用于从各车场的数据库中将历史可查询的车场记录数据全部导入目标数据库中,对所述车场进行标序,并且同一车场的所述车场记录数据按时间进行排序;
第二获取模块3012,用于依次从所述目标数据库中获取所述车场记录数据。
本申请实施例中第一处理单元302包含有:
第一生成模块3021,用于按序依次获取车场号,使用数据工具生成所述车场平均一天内的车辆的入场和出场变化;
第一计算模块3022,用于统计所述车场在第一时间段和第二时间段的停放量,所述第一时间段为夜间时间段,所述第二时间段为白天时间段;
第一判断模块3023,用于判断所述车场在所述第二时间段的停放量是否大于所述第一时间段;
第二判断模块3024,用于当第一判断模块确定所述车场在所述第二时间段的停放量大于所述第一时间段时,则判断所述车场的入场峰值是否在第三时间段中,并且出场峰值在第四时间段中;
第一执行模块3025,用于当第二判断模块确定所述车场的入场峰值在第三时间段中,且出场峰值在第四时间段时,则将所述车场添加至泛办公类车场模型。
第三判断模块3026,用于当第一判断模块确定所述车场在所述第二时间段的停放量不大于所述第一时间段时,判断所述车场的入场峰值是否在所述第四时间段中,并且出场峰值在所述第三时间段中;
第二执行模块3027,用于当第三判断模块确定所述车场的入场峰值是否在所述第四时间段中,且出场峰值在所述第三时间段中,则将所述车场添加至所述泛住宅类车场模型。
本申请实施例中第二处理单元303包含有:
第四判断模块3031,依次根据用户ID判断所述用户ID是否为月卡用户;
第一计算模块3032,用于当第四判断模块确定所述用于ID为月卡用户时,则统计所述用户ID每日的停车次数;
第五判断模块3033,用于判断所述用户ID每日的停车次数是否大于2;
第二计算模块3034,用于当第五判断模块确定所述用户ID每日的停车次数大于2时,则统计所述用户ID每周于不同车场号进出的次数以及出、入场时间段,并按照进出次数排序;
第三执行模块3035,用于当所述用户ID于进出最多的前两个车场号的出、入场时间在同一时间段内,将所述用户ID及所述前两个车场号加入所述通勤用户模型中。
本申请实施例中第三处理单元304,包含有:
第一获取模块3041,依次获取所述通勤用户模型中的用户ID;
比对模块3042,用于将所述用户ID下的车场号与所述泛住宅类车场模型及所述泛办公类车场模型中的车场号进行关联比对;
更新模块3043,用于对所述车场号添加来源标记后保存至目标模型中。
请参阅图4,本申请中本申请中用户工作地与居住地的检测装置的一个实施例包括:
处理器401、存储器402、输入输出单元403、总线404;
所述处理器401与所述存储器402、所述输入输出单元403以及所述总线404相连;
所述处理器401具体执行如下操作:
获取车场记录数据,并对车场进行标序,所述车场记录数据来自若干个不同的车场,所述车场记录数据包含用户ID、车场号及相关数据;
对所述车场记录数据进行第一预设处理得到泛办公类车场模型和泛住宅类车场模型,所述泛办公车场模型和所述泛住宅类车场模型中车场的进出峰值在通勤时间段中;
对所述车场记录数据进行第二预设处理得到通勤用户模型,所述通勤用户模型中用户ID对应所述用户ID进出具有规律的车场号;
将所述通勤用户模型分别与所述泛办公类车场模型和所述泛住宅类车场模型进行关联得到目标模型,所述目标模型中用户ID对应的车场号与所述泛办公类车场模型或泛住宅类车场模型中的车场号一致;
通过用户ID在所述目标模型中查找对应的车场号,若所述车场号与泛办公类车场模型中的车场号一致,则确定所述车场号为所述用户ID的工作地停车区域,若所述用户ID对应的车场号与泛住宅类车场模型中的车场号一致,则确定所述车场号为所述用户ID的居住地停车区域。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的***,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
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单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以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,本申请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全部或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)执行本申请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-onlymemory)、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。
Claims (10)
1.一种用户工作地与居住地的检测方法,其特征在于,包括:
获取车场记录数据,并对车场进行标序,所述车场记录数据来自若干个不同的车场,所述车场记录数据包含用户ID、车场号及相关数据;
对所述车场记录数据进行第一预设处理得到泛办公类车场模型和泛住宅类车场模型,所述泛办公车场模型和所述泛住宅类车场模型中车场的进出峰值在通勤时间段中;
对所述车场记录数据进行第二预设处理得到通勤用户模型,所述通勤用户模型中用户ID对应所述用户ID进出具有规律的车场号;
将所述通勤用户模型分别与所述泛办公类车场模型和所述泛住宅类车场模型进行关联得到目标模型,所述目标模型中用户ID对应的车场号与所述泛办公类车场模型或泛住宅类车场模型中的车场号一致;
通过用户ID在所述目标模型中查找对应的车场号,若所述车场号与泛办公类车场模型中的车场号一致,则确定所述车场号为所述用户ID的工作地停车区域,若所述用户ID对应的车场号与泛住宅类车场模型中的车场号一致,则确定所述车场号为所述用户ID的居住地停车区域。
2.根据权利要求1所述的用户工作地与居住地的检测方法,其特征在于,对所述车场记录数据进行第一预设处理得到泛办公类车场模型和泛住宅类车场模型,包括:
按序依次获取车场号,使用数据工具生成所述车场平均一天内的车辆的入场和出场变化;
统计所述车场在第一时间段和第二时间段的停放量,所述第一时间段为夜间时间段,所述第二时间段为白天时间段;
判断所述车场在所述第二时间段的停放量是否大于所述第一时间段;
若是,则判断所述车场的入场峰值是否在第三时间段中,并且出场峰值在第四时间段中;
若是,则将所述车场添加至所述泛办公类车场模型。
3.根据权利要求2所述的用户工作地与居住地的检测方法,其特征在于,所述判断所述车场在所述第二时间段的停放量是否大于所述第一时间段,还包括:
若否,判断所述车场的入场峰值是否在所述第四时间段中,并且出场峰值在所述第三时间段中;
若是,将所述车场添加至所述泛住宅类车场模型。
4.根据权利要求1所述的用户工作地与居住地的检测方法,其特征在于,对所述车场记录数据进行第二预设处理得到通勤用户模型,所述通勤用户模型中用户ID对应所述用户ID进出具有规律的车场号,包括:
依次根据用户ID判断所述用户ID是否为月卡用户;
若是,则统计所述用户ID每日的停车次数;
判断所述用户ID每日的停车次数是否大于2;
若是,统计所述用户ID每周于不同车场号进出的次数以及出、入场时间段,并按照进出次数排序;
当所述用户ID于进出最多的前两个车场号的出、入场时间在同一时间段内,将所述用户ID及所述前两个车场号加入所述通勤用户模型中。
5.根据权利要求4所述的用户工作地与居住地的检测方法,其特征在于,将所述通勤用户模型分别与所述泛办公类车场模型和所述泛住宅类车场模型进行关联得到目标模型,所述目标模型中用户ID对应的车场号与所述泛办公类车场模型或泛住宅类车场模型中的车场号一致,包括:
依次获取所述通勤用户模型中的用户ID;
将所述用户ID下的车场号与所述泛住宅类车场模型及所述泛办公类车场模型中的车场号进行关联比对;
对所述车场号添加来源标记后保存至所述目标模型中。
6.根据权利1至5中任一项所述的用户工作地与居住地的检测方法,其特征在于,获取车场记录数据,并对车场进行标序,所述车场记录数据来自若干个不同的车场,所述车场记录数据包含用户ID、车场号及相关数据,包括:
从各车场的数据库中将历史可查询的车场记录数据全部导入目标数据库中,对所述车场进行标序,并且同一车场的所述车场记录数据按时间进行排序;
依次从所述目标数据库中获取所述车场记录数据。
7.一种用户工作地与居住地的检测装置,其特征在于,包括:
第一获取单元,用于获取车场记录数据,并对车场进行标序,所述车场记录数据来自若干个不同的车场,所述车场记录数据包含用户ID、车场号及相关数据;
第一处理单元,用于对所述车场记录数据进行第一预设处理得到泛办公类车场模型和泛住宅类车场模型,所述泛办公车场模型和所述泛住宅类车场模型中车场的进出峰值在通勤时间段中;
第二处理单元,用于对所述车场记录数据进行第二预设处理得到通勤用户模型,所述通勤用户模型中用户ID对应所述用户ID进出具有规律的车场号;
第三处理单元,用于将所述通勤用户模型分别与所述泛办公类车场模型和所述泛住宅类车场模型进行关联得到目标模型,所述目标模型中用户ID对应的车场号与所述泛办公类车场模型或所述泛住宅类车场模型中的车场号一致;
确定单元,用于通过用户ID在所述目标模型中查找对应的车场号,若所述车场号与所述泛办公类车场模型中的车场号一致,则确定所述车场号为所述用户ID的工作地停车区域,若所述用户ID对应的车场号与所述泛住宅类车场模型中的车场号一致,则确定所述车场号为所述用户ID的居住地停车区域。
8.根据权利要求7所述的用户工作地与居住地的检测装置,其特征在于,所述第一处理单元,包括:
第一生成模块,用于按序依次获取车场号,使用数据工具生成所述车场平均一天内的车辆的入场和出场变化;
第一计算模块,用于统计所述车场在第一时间段和第二时间段的停放量,所述第一时间段为夜间时间段,所述第二时间段为白天时间段;
第一判断模块,用于判断所述车场在所述第二时间段的停放量是否大于所述第一时间段;
第二判断模块,用于当第一判断模块确定所述车场在所述第二时间段的停放量大于所述第一时间段时,则判断所述车场的入场峰值是否在第三时间段中,并且出场峰值在第四时间段中;
第一执行模块,用于当第二判断模块确定所述车场的入场峰值在第三时间段中,且出场峰值在第四时间段时,则将所述车场添加至泛办公类车场模型。
9.根据权利要求8所述的用户工作地与居住地的检测装置,其特征在于,所述第一处理单元,还包括:
第三判断模块,用于当第一判断模块确定所述车场在所述第二时间段的停放量不大于所述第一时间段时,判断所述车场的入场峰值是否在所述第四时间段中,并且出场峰值在所述第三时间段中;
第二执行模块,用于当第三判断模块确定所述车场的入场峰值是否在所述第四时间段中,且出场峰值在所述第三时间段中,则将所述车场添加至所述泛住宅类车场模型。
10.根据权利要求7所述的用户工作地与居住地的检测装置,其特征在于,所述第二处理单元,包括:
第四判断模块,依次根据用户ID判断所述用户ID是否为月卡用户;
第一计算模块,用于当第四判断模块确定所述用于ID为月卡用户时,则统计所述用户ID每日的停车次数;
第五判断模块,用于判断所述用户ID每日的停车次数是否大于2;
第二计算模块,用于当第五判断模块确定所述用户ID每日的停车次数大于2时,则统计所述用户ID每周于不同车场号进出的次数以及出、入场时间段,并按照进出次数排序;
第三执行模块,用于当所述用户ID于进出最多的前两个车场号的出、入场时间在同一时间段内,将所述用户ID及所述前两个车场号加入所述通勤用户模型中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110317971.9A CN113094388B (zh) | 2021-03-25 | 2021-03-25 | 一种用户工作地与居住地的检测方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110317971.9A CN113094388B (zh) | 2021-03-25 | 2021-03-25 | 一种用户工作地与居住地的检测方法及相关装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113094388A true CN113094388A (zh) | 2021-07-09 |
CN113094388B CN113094388B (zh) | 2022-08-12 |
Family
ID=76669689
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110317971.9A Active CN113094388B (zh) | 2021-03-25 | 2021-03-25 | 一种用户工作地与居住地的检测方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113094388B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117173898A (zh) * | 2023-11-03 | 2023-12-05 | 深圳市城市交通规划设计研究中心股份有限公司 | 基于停车场流水数据的分时段分目的出行od提取方法 |
CN117935416A (zh) * | 2024-03-21 | 2024-04-26 | 成都赛力斯科技有限公司 | 一种预行区域的出入统计方法、设备及存储介质 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102622871A (zh) * | 2012-03-22 | 2012-08-01 | 武汉爱迪科技发展有限公司 | 智能停车场公共服务*** |
CN105575172A (zh) * | 2016-01-25 | 2016-05-11 | 余利军 | 一种通过互联网寻找和交换使用闲时停车位的*** |
CN105590475A (zh) * | 2015-12-22 | 2016-05-18 | 刘莹瑜 | 一种用于私家车停车场的信息*** |
US20170038218A1 (en) * | 2014-06-19 | 2017-02-09 | Hiroshi Kamata | Information processing system, information processing method, information processing device, and information processing program |
CN107083851A (zh) * | 2016-02-14 | 2017-08-22 | 张铭勇 | 一种快速停车库及应用方法 |
US20170287043A1 (en) * | 2016-03-29 | 2017-10-05 | Truecar, Inc. | Vehicle data system for rules based determination and real-time distribution of enhanced vehicle data in an online networked environment |
US20180039974A1 (en) * | 2016-08-05 | 2018-02-08 | Denso International America, Inc. | System and method for selecting a parking space using a mobile device |
CN107680385A (zh) * | 2017-10-27 | 2018-02-09 | 泰华智慧产业集团股份有限公司 | 一种确定***的方法及*** |
CN107833489A (zh) * | 2017-12-12 | 2018-03-23 | 苏州中德睿博智能科技有限公司 | 停车场车位管理与用户导引***及其管理导引方法 |
US20180306600A1 (en) * | 2014-12-02 | 2018-10-25 | Tomtom Traffic B.V. | Method and apparatus for providing point of interest information |
CN108984758A (zh) * | 2018-07-18 | 2018-12-11 | 江苏本能科技有限公司 | 基于点位识别的车主关联地址分析方法及*** |
CN108986239A (zh) * | 2018-06-28 | 2018-12-11 | 西安艾润物联网技术服务有限责任公司 | 停车场管理方法、装置及计算机可读存储介质 |
CN109615921A (zh) * | 2018-12-28 | 2019-04-12 | 西安艾润物联网技术服务有限责任公司 | 虚拟停车场划分方法及相关产品 |
CN109949606A (zh) * | 2019-04-18 | 2019-06-28 | 佛山市百宇行智能科技有限公司 | 一种智能停车的大数据分析方法 |
US20190332961A1 (en) * | 2018-04-30 | 2019-10-31 | Deckard Technologies, Inc. | Detecting, prioritizing, and validating unpermitted renovation events through data mining, natural language processing, and machine learning |
US20190346930A1 (en) * | 2018-05-14 | 2019-11-14 | Here Global B.V. | Mapping application for intuitive interaction |
CN110533952A (zh) * | 2019-08-28 | 2019-12-03 | 何英明 | 一种基于电子车牌检测的城市区域停车管理*** |
CN110570667A (zh) * | 2019-09-12 | 2019-12-13 | 北京智联云海科技有限公司 | 一种利用数据分析节假日停车场运营策略的方法 |
-
2021
- 2021-03-25 CN CN202110317971.9A patent/CN113094388B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102622871A (zh) * | 2012-03-22 | 2012-08-01 | 武汉爱迪科技发展有限公司 | 智能停车场公共服务*** |
US20170038218A1 (en) * | 2014-06-19 | 2017-02-09 | Hiroshi Kamata | Information processing system, information processing method, information processing device, and information processing program |
US20180306600A1 (en) * | 2014-12-02 | 2018-10-25 | Tomtom Traffic B.V. | Method and apparatus for providing point of interest information |
CN105590475A (zh) * | 2015-12-22 | 2016-05-18 | 刘莹瑜 | 一种用于私家车停车场的信息*** |
CN105575172A (zh) * | 2016-01-25 | 2016-05-11 | 余利军 | 一种通过互联网寻找和交换使用闲时停车位的*** |
CN107083851A (zh) * | 2016-02-14 | 2017-08-22 | 张铭勇 | 一种快速停车库及应用方法 |
US20170287043A1 (en) * | 2016-03-29 | 2017-10-05 | Truecar, Inc. | Vehicle data system for rules based determination and real-time distribution of enhanced vehicle data in an online networked environment |
US20180039974A1 (en) * | 2016-08-05 | 2018-02-08 | Denso International America, Inc. | System and method for selecting a parking space using a mobile device |
CN107680385A (zh) * | 2017-10-27 | 2018-02-09 | 泰华智慧产业集团股份有限公司 | 一种确定***的方法及*** |
CN107833489A (zh) * | 2017-12-12 | 2018-03-23 | 苏州中德睿博智能科技有限公司 | 停车场车位管理与用户导引***及其管理导引方法 |
US20190332961A1 (en) * | 2018-04-30 | 2019-10-31 | Deckard Technologies, Inc. | Detecting, prioritizing, and validating unpermitted renovation events through data mining, natural language processing, and machine learning |
US20190346930A1 (en) * | 2018-05-14 | 2019-11-14 | Here Global B.V. | Mapping application for intuitive interaction |
CN108986239A (zh) * | 2018-06-28 | 2018-12-11 | 西安艾润物联网技术服务有限责任公司 | 停车场管理方法、装置及计算机可读存储介质 |
CN108984758A (zh) * | 2018-07-18 | 2018-12-11 | 江苏本能科技有限公司 | 基于点位识别的车主关联地址分析方法及*** |
CN109615921A (zh) * | 2018-12-28 | 2019-04-12 | 西安艾润物联网技术服务有限责任公司 | 虚拟停车场划分方法及相关产品 |
CN109949606A (zh) * | 2019-04-18 | 2019-06-28 | 佛山市百宇行智能科技有限公司 | 一种智能停车的大数据分析方法 |
CN110533952A (zh) * | 2019-08-28 | 2019-12-03 | 何英明 | 一种基于电子车牌检测的城市区域停车管理*** |
CN110570667A (zh) * | 2019-09-12 | 2019-12-13 | 北京智联云海科技有限公司 | 一种利用数据分析节假日停车场运营策略的方法 |
Non-Patent Citations (1)
Title |
---|
段满珍: "基于居住区共享停车的双层规划诱导模型", 《西南交通大学学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117173898A (zh) * | 2023-11-03 | 2023-12-05 | 深圳市城市交通规划设计研究中心股份有限公司 | 基于停车场流水数据的分时段分目的出行od提取方法 |
CN117173898B (zh) * | 2023-11-03 | 2024-02-27 | 深圳市城市交通规划设计研究中心股份有限公司 | 基于停车场流水数据的分时段分目的出行od提取方法 |
CN117935416A (zh) * | 2024-03-21 | 2024-04-26 | 成都赛力斯科技有限公司 | 一种预行区域的出入统计方法、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113094388B (zh) | 2022-08-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Huang et al. | Transport mode detection based on mobile phone network data: A systematic review | |
US9542620B1 (en) | Locating persons of interest based on license plate recognition information | |
US9542653B1 (en) | Vehicle prediction and association tool based on license plate recognition | |
CN108170793B (zh) | 基于车辆语义轨迹数据的停留点分析方法及其*** | |
CN105701123B (zh) | 人车关系的识别方法及装置 | |
CN113094388B (zh) | 一种用户工作地与居住地的检测方法及相关装置 | |
CN107038168A (zh) | 一种用户通勤轨迹管理方法、装置及*** | |
CN111930868A (zh) | 一种基于多维数据采集的大数据行为轨迹分析方法 | |
CN111291216B (zh) | 一种基于人脸结构化数据的落脚点分析方法和*** | |
CN111539864A (zh) | 一种基于lbs大数据的***件的情报分析方法和装置 | |
CN114741612B (zh) | 一种基于大数据的消费习惯分类方法、***和存储介质 | |
CN112562330A (zh) | 评估道路运行指数的方法和装置、电子设备、存储介质 | |
CN112712112A (zh) | 区域流动人口识别方法、装置、设备及介质 | |
CN114841712B (zh) | 网约车巡游违规运营状态的确定方法和装置及电子设备 | |
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 | |
CN117056823A (zh) | 一种识别共享单车通勤用户职业类型的方法及*** | |
CN109992604B (zh) | 一种陆路查缉信息化***及查缉方法 | |
JP2021096793A (ja) | エリア分析システムおよびその方法 | |
CN107610465B (zh) | 一种交通监控数据匹配方法、***及存储设备 | |
CN112699955A (zh) | 一种用户分类方法、装置、设备及存储介质 | |
CN112541797A (zh) | 一种车辆推送信息的生成方法及服务器 | |
CN116595262A (zh) | 商旅方案推荐方法、装置、电子设备及计算机存储介质 | |
CN109377391A (zh) | 一种信息追踪方法、存储介质和服务器 | |
CN112348315A (zh) | 目标画像的生成方法及装置、电子设备、计算机存储介质 | |
CN113327336A (zh) | 人车关系的识别方法、装置和电子设备 |
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 |