的軌跡相似度，將所有 結(jié)果寫入所述S4。
[0112] 最后應(yīng)該說(shuō)明的是，以上僅用以說(shuō)明本發(fā)明的技術(shù)方案而非限制。盡管對(duì)本發(fā)明 進(jìn)行了詳細(xì)的說(shuō)明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，對(duì)本發(fā)明的技術(shù)方案進(jìn)行修改或者 等同替換，都不脫離本發(fā)明技術(shù)方案的精神和范圍，其均應(yīng)涵蓋在本發(fā)明的權(quán)利要求范圍 當(dāng)中。
【主權(quán)項(xiàng)】
1. 一種基于海量車牌識(shí)別數(shù)據(jù)的相似軌跡挖掘方法，其特征在于，所述方法包括： (1) 軌跡組織與篩選步驟，用于去除無(wú)效冗余數(shù)據(jù)； (2) 點(diǎn)伴隨計(jì)算步驟，用于維護(hù)中間點(diǎn)伴隨結(jié)果集； (3) 軌跡相似性判定，用于統(tǒng)計(jì)并計(jì)算車輛軌跡相似度，獲得具有相似性軌跡的伴隨車 輛對(duì)。
2. 根據(jù)權(quán)利要求1所述的基于海量車牌識(shí)別數(shù)據(jù)的相似軌跡挖掘方法，其特征在于， 其中所述的軌跡組織與篩選步驟，利用一種軌跡鏈表結(jié)構(gòu)存儲(chǔ)處理過(guò)程中涉及的車輛識(shí)別 數(shù)據(jù)，該步驟通過(guò)三級(jí)流水線的第一級(jí)完成，是一個(gè)MapReduce計(jì)算作業(yè)，輸入海量車牌識(shí) 別數(shù)據(jù)集，輸出結(jié)果是軌跡鏈表集合1，并傳遞給第二級(jí)流水線使用。
3. 根據(jù)權(quán)利要求1所述的基于海量車牌識(shí)別數(shù)據(jù)的相似軌跡挖掘方法，其特征在于， 所述的點(diǎn)伴隨計(jì)算步驟，用于獲得中間點(diǎn)伴隨結(jié)果集；該步驟利用所述的軌跡鏈表集合1 的第一級(jí)的計(jì)算結(jié)果，通過(guò)三級(jí)流水線的第二級(jí)完成，是另一個(gè)MapReduce作業(yè)的實(shí)現(xiàn)，輸 入所述的軌跡鏈表結(jié)構(gòu)1，輸出結(jié)果是軌跡鏈表集合2,并傳遞給第三級(jí)流水線使用。
4. 根據(jù)權(quán)利要求1所述的基于海量車牌識(shí)別數(shù)據(jù)的相似軌跡挖掘方法，其特征在于， 所述的軌跡相似性判定步驟，用于計(jì)算車輛軌跡相似度，獲得具有相似軌跡的伴隨車輛對(duì)； 該步驟利用所述的軌跡鏈表集合2的第二級(jí)的計(jì)算結(jié)果，通過(guò)三級(jí)流水線的第三級(jí)完成， 是又一個(gè)MapReduce作業(yè)的實(shí)現(xiàn)，輸入所述的軌跡鏈表結(jié)構(gòu)2,輸出結(jié)果是軌跡鏈表集合3， 并最終寫入文件系統(tǒng)或數(shù)據(jù)庫(kù)。
5. 根據(jù)權(quán)利要求1所述的基于海量車牌識(shí)別數(shù)據(jù)的相似軌跡挖掘方法，其特征在于， 所述的海量車牌識(shí)別數(shù)據(jù)集用L表示，是指受測(cè)路網(wǎng)上各監(jiān)測(cè)點(diǎn)捕獲的所有車輛信息數(shù) 據(jù)；每條車牌識(shí)別數(shù)據(jù)1eL可表示為其中Vi表示車牌號(hào)碼（可唯一標(biāo)識(shí)一個(gè)車 輛），4表示車輛Vi經(jīng)過(guò)監(jiān)測(cè)點(diǎn)nk;進(jìn)一步，
其中％J表示車輛經(jīng)過(guò)的監(jiān)測(cè) 點(diǎn)nk的地理位置，〖表示車輛經(jīng)過(guò)監(jiān)測(cè)點(diǎn)nk的時(shí)間。
6. 根據(jù)權(quán)利要求1所述的基于海量車牌識(shí)別數(shù)據(jù)的相似軌跡挖掘方法，其特征在于， 所述的車輛軌跡用h表示，是車輛v1在一個(gè)時(shí)間范圍內(nèi)按時(shí)間順序經(jīng)過(guò)的一組監(jiān)測(cè)點(diǎn)序 列；進(jìn)一步，心可以表示為：&
其中，對(duì)任意P〈q，有;心中 包含的監(jiān)測(cè)點(diǎn)數(shù)目稱為軌跡的長(zhǎng)度，記為li。
7. 根據(jù)權(quán)利要求3所述的基于海量車牌識(shí)別數(shù)據(jù)的相似軌跡挖掘方法，其特征在于， 所述的點(diǎn)伴隨用simJvpVj)表示，是指兩個(gè)車輛vJPVj在一定時(shí)間閾值8 t內(nèi)先后經(jīng)過(guò)某 監(jiān)測(cè)點(diǎn)\且其滿足以下條件的一種關(guān)系
；在一定時(shí)間范圍內(nèi)經(jīng)過(guò)同一 監(jiān)測(cè)點(diǎn)的兩個(gè)車輛在該監(jiān)測(cè)點(diǎn)僅可能存在一次點(diǎn)伴隨關(guān)系。
8. 根據(jù)權(quán)利要求4所述的基于海量車牌識(shí)別數(shù)據(jù)的相似軌跡挖掘方法，其特征在于， 通過(guò)軌跡相似度判定相似軌跡；軌跡相似度是指兩條車輛軌跡的相似程度，用sirnDUi， 表示；進(jìn)一步，
嗔中l(wèi)i和1j分別為車輛i和車輛j軌跡長(zhǎng)度，m為 所述兩輛車途經(jīng)具有點(diǎn)伴隨關(guān)系的監(jiān)測(cè)點(diǎn)數(shù)目。
9. 根據(jù)權(quán)利要求4所述的基于海量車牌識(shí)別數(shù)據(jù)的相似軌跡挖掘方法，其特征在于， 所述的車輛軌跡^和車輛軌跡h為相似軌跡，是指給定軌跡相似度閾值Sd、軌跡長(zhǎng)度閾值 Si和在時(shí)間范圍dur內(nèi)，t肩t馮同時(shí)滿足以下兩個(gè)條件的軌跡對(duì)： (1)軌跡心和t」的相似度simD(ti,tj)彡8 d; ⑵軌跡&和t』的軌跡長(zhǎng)度1 >Sp1#S
10. 根據(jù)權(quán)利要求1所述的基于海量車牌識(shí)別數(shù)據(jù)的相似軌跡挖掘方法，其特征在于， 所述方法中獲取相似軌跡的計(jì)算，可以按照權(quán)利要求5- 9的描述，設(shè)定不同參數(shù)的閾值用 于限定計(jì)算條件，避免較短車輛軌跡作為相似軌跡的誤判，并對(duì)無(wú)效數(shù)據(jù)進(jìn)行過(guò)濾；具體如 下： 假設(shè)給定點(diǎn)伴隨時(shí)間閾值St、軌跡相似度閾值Sd和軌跡長(zhǎng)度閾值Si，利用已有車牌 識(shí)別數(shù)據(jù)集L，找出在給定的時(shí)間范圍dur內(nèi)所有符合所述定義的車輛相似軌跡集合ST; 具體的
11. 根據(jù)權(quán)利要求2所述的基于海量車牌識(shí)別數(shù)據(jù)的相似軌跡挖掘方法，其特征在于， 所述的第一級(jí)流水線MapReduce作業(yè)過(guò)程，對(duì)車輛軌跡長(zhǎng)度小于給定軌跡長(zhǎng)度閾值的進(jìn)行 刪除，并進(jìn)一步建立所有車輛的軌跡鏈表；具體的，可以進(jìn)一步分解為以下兩步： (1)Map任務(wù)從文件系統(tǒng)中分片讀取車牌識(shí)別數(shù)據(jù)，獲得給定時(shí)間范圍dur的車牌識(shí)別 數(shù)據(jù)；所述車牌識(shí)別數(shù)據(jù)按監(jiān)測(cè)時(shí)間劃分?jǐn)?shù)據(jù)分片；所述Map任務(wù)將車牌識(shí)別數(shù)據(jù)記錄轉(zhuǎn) 換為以車牌號(hào)為鍵、以時(shí)間和監(jiān)測(cè)點(diǎn)為值的數(shù)據(jù)項(xiàng)；相同鍵的數(shù)據(jù)項(xiàng)將發(fā)送至同一Reduce 任務(wù)； (2)Reduce任務(wù)將車牌識(shí)別數(shù)據(jù)按車牌號(hào)組織為車輛軌跡鏈表，形成所述時(shí)間范圍 dur內(nèi)的軌跡；所述Reduce任務(wù)對(duì)每個(gè)車輛軌跡鏈表判斷長(zhǎng)度，刪除小于軌跡長(zhǎng)度閾值Si 的鏈表，將其余符合條件的軌跡作為所述的軌跡鏈表集合1輸出。
12. 根據(jù)權(quán)利要求3所述的基于海量車牌識(shí)別數(shù)據(jù)的相似軌跡挖掘方法，其特征在于， 所述的第二級(jí)流水線MapReduce作業(yè)過(guò)程可以分為如下兩步： (1)Map任務(wù)讀取第一級(jí)作業(yè)的結(jié)果，轉(zhuǎn)換為監(jiān)測(cè)點(diǎn)為鍵、監(jiān)測(cè)時(shí)間和車牌號(hào)為值的數(shù) 據(jù)項(xiàng)，傳遞給Reduce任務(wù)；相同鍵的數(shù)據(jù)項(xiàng)將發(fā)送至同一Reduce任務(wù)； (2)Reduce任務(wù)將同一監(jiān)測(cè)點(diǎn)的數(shù)據(jù)項(xiàng)組織為一個(gè)過(guò)車鏈表，形成數(shù)個(gè)所述的過(guò)車鏈 表；所述Reduce任務(wù)按照監(jiān)測(cè)時(shí)間先后排序和計(jì)算點(diǎn)伴隨，輸出滿足點(diǎn)伴隨關(guān)系的結(jié)果數(shù) 據(jù)項(xiàng)；所述結(jié)果數(shù)據(jù)項(xiàng)包含兩車的車牌號(hào)、伴隨時(shí)間范圍和各自軌跡長(zhǎng)度。
13. 根據(jù)權(quán)利要求12所述的基于海量車牌識(shí)別數(shù)據(jù)的相似軌跡挖掘方法，其特征在 于，所述的點(diǎn)伴隨計(jì)算，是按如下方式進(jìn)行的： (1) 獲取未處理的過(guò)車鏈表，從表頭開(kāi)始獲取數(shù)據(jù)項(xiàng)1 ; (2) 若數(shù)據(jù)項(xiàng)1存在未掃描的后續(xù)數(shù)據(jù)項(xiàng)2,標(biāo)記數(shù)據(jù)項(xiàng)2為已掃描，判斷兩個(gè)數(shù)據(jù)項(xiàng) 1和數(shù)據(jù)項(xiàng)2所含時(shí)間屬性之差是否小于時(shí)間閾值：如果滿足閾值，輸出數(shù)據(jù)項(xiàng)1包含的車 牌號(hào)1和數(shù)據(jù)項(xiàng)2包含的車牌號(hào)2組合為鍵，伴隨時(shí)間范圍為值，轉(zhuǎn)（2);如果不滿足閾值， 轉(zhuǎn)⑵； (3) 若數(shù)據(jù)項(xiàng)1不存在未掃描的后續(xù)，如果數(shù)據(jù)項(xiàng)1不是所述鏈表最后一項(xiàng)，則將數(shù)據(jù) 項(xiàng)1的直接后續(xù)數(shù)據(jù)項(xiàng)標(biāo)記為數(shù)據(jù)項(xiàng)1，轉(zhuǎn)（2);如果數(shù)據(jù)項(xiàng)1是所述鏈表最后一項(xiàng)，則標(biāo)記 該鏈表已處理，轉(zhuǎn)（1)。
14. 根據(jù)權(quán)利要求4所述的基于海量車牌識(shí)別數(shù)據(jù)的相似軌跡挖掘方法，其特征在于， 所述的的第三級(jí)流水線MapReduce作業(yè)過(guò)程可以分為如下兩步： (1)Map任務(wù)讀取第二級(jí)流水線MapReduce作業(yè)輸出的結(jié)果，車牌號(hào)組合相同數(shù)據(jù)將發(fā) 送至同一Reduce任務(wù)處理； (2)Reduce任務(wù)對(duì)車牌號(hào)組合進(jìn)行計(jì)數(shù)，也即形成兩輛的點(diǎn)伴隨關(guān)系計(jì)數(shù)；計(jì)算所述 兩輛車的軌跡相似度，輸出滿足相似度閾值的結(jié)果數(shù)據(jù)項(xiàng)；所述結(jié)果數(shù)據(jù)項(xiàng)，以所述兩輛車 的車牌號(hào)鍵，以伴隨時(shí)間范圍、點(diǎn)伴隨次數(shù)和軌跡相似度為值。
15. -種基于海量車牌識(shí)別數(shù)據(jù)的相似軌跡挖掘裝置，其特征在于，包含如下部件： (1) 數(shù)據(jù)存儲(chǔ)模塊：該模塊與數(shù)據(jù)讀取劃分模塊、數(shù)據(jù)分塊計(jì)算模塊和相似軌跡計(jì)算 模塊相連接，采用分布式文件系統(tǒng)架構(gòu)；該模塊存放海量車牌識(shí)別數(shù)據(jù)、作業(yè)的中間數(shù)據(jù)和 結(jié)果、路網(wǎng)監(jiān)測(cè)點(diǎn)基礎(chǔ)數(shù)據(jù)和相似軌跡挖掘最終結(jié)果； (2) 數(shù)據(jù)讀取劃分模塊：該模塊與數(shù)據(jù)存儲(chǔ)模塊、數(shù)據(jù)分塊計(jì)算模塊相連接，用于軌跡 組織與篩選；該模塊讀取數(shù)據(jù)存儲(chǔ)模塊中的海量車牌識(shí)別數(shù)據(jù)，按監(jiān)測(cè)點(diǎn)劃分去除無(wú)效冗 余數(shù)據(jù)，將滿足要求的各分塊的數(shù)據(jù)子集傳給數(shù)據(jù)分塊計(jì)算模塊進(jìn)行計(jì)算； (3) 數(shù)據(jù)分塊計(jì)算模塊：該模塊與數(shù)據(jù)存儲(chǔ)模塊、數(shù)據(jù)讀取劃分模塊相連接，接收數(shù)據(jù) 讀取劃分模塊的分塊數(shù)據(jù)子集，用于點(diǎn)伴隨計(jì)算；計(jì)算結(jié)果存入數(shù)據(jù)存儲(chǔ)模塊的中間結(jié)果 集； (4) 相似軌跡計(jì)算模塊：該模塊與數(shù)據(jù)存儲(chǔ)模塊、人機(jī)交互接口相連接，用于軌跡相似 性計(jì)算及判定；該模塊根據(jù)人機(jī)交互接口傳遞的參數(shù)，讀取數(shù)據(jù)分塊計(jì)算模塊存入數(shù)據(jù)存 儲(chǔ)模塊的中間結(jié)果集，計(jì)算獲得具有相似軌跡的車輛對(duì)，并將結(jié)果返回人機(jī)交互接口； (5) 人機(jī)交互接口 ：此模塊與相似軌跡算模塊相連接，該模塊為用戶提供交互界面，支 持用戶輸入計(jì)算參數(shù)，所述參數(shù)包括軌跡長(zhǎng)度閾值，點(diǎn)伴隨時(shí)間閾值，相似度閾值以及時(shí)間 范圍；所述參數(shù)將傳遞給相似軌跡計(jì)算模塊，所述人機(jī)交互接口接收所述相似軌跡計(jì)算模 塊的計(jì)算結(jié)果，并將該計(jì)算結(jié)果在所述交互界面中的地圖中為用戶呈現(xiàn)。
【專利摘要】本發(fā)明公開(kāi)了一種基于海量車牌識(shí)別數(shù)據(jù)的相似軌跡挖掘方法及裝置。該方法包括軌跡組織與篩選、點(diǎn)伴隨關(guān)系計(jì)算、軌跡相似性判定三個(gè)主要步驟；本發(fā)明克服海量數(shù)據(jù)集下計(jì)算響應(yīng)時(shí)間滯后問(wèn)題，基于車牌識(shí)別數(shù)據(jù)分析提高了計(jì)算的準(zhǔn)確度，使用Hadoop MapReduce分布式處理方式提高計(jì)算效率，高效快速挖掘相似軌跡，可以用于交通業(yè)務(wù)領(lǐng)域的伴隨車輛的發(fā)現(xiàn)。
【IPC分類】G06K9-62, G06F17-30
【公開(kāi)號(hào)】CN104778245
【申請(qǐng)?zhí)枴緾N201510167058
【發(fā)明人】丁維龍, 趙卓峰, 盧帥, 張帥, 韓燕波
【申請(qǐng)人】北方工業(yè)大學(xué)
【公開(kāi)日】2015年7月15日
【申請(qǐng)日】2015年4月9日