一種基于大數(shù)據(jù)車輛全軌跡碰撞的伴隨車分析方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明涉及一種基于大數(shù)據(jù)車輛全軌跡碰撞的伴隨車分析方法，包括S1、行車軌跡運(yùn)算；按車牌號(hào)碼分組、按過車時(shí)間排序，對(duì)每輛車的過車數(shù)據(jù)進(jìn)行聚合，計(jì)算出每輛車的行車軌跡；S2、行車軌跡數(shù)據(jù)存儲(chǔ)；將行車軌跡以“時(shí)間?卡口?車牌”為行鍵，以“時(shí)間?卡口?過車信息”為主鍵，建立行車軌跡數(shù)據(jù)序列存儲(chǔ)于Hbase數(shù)據(jù)庫(kù)中；S3、判斷是否在當(dāng)前卡口伴隨；通過經(jīng)過同一卡口的時(shí)間比較，判斷在當(dāng)前卡口的伴隨車輛；S4、判斷是否在其他卡口伴隨；在同一卡口伴隨后，繼續(xù)基于各自當(dāng)前的行車軌跡計(jì)算是否還有其他的卡口存在伴隨，當(dāng)伴隨的卡口數(shù)量達(dá)到指定的N次，則判定兩車符合伴隨出行的條件，認(rèn)定為伴隨車。
【專利說明】
-種基于大數(shù)據(jù)車輛全軌跡碰撞的伴隨車分析方法及系統(tǒng)
技術(shù)領(lǐng)域
[0001] 本發(fā)明設(shè)及智能交通領(lǐng)域，更具體的說，是設(shè)及一種基于大數(shù)據(jù)車輛全軌跡碰撞 的伴隨車分析方法及系統(tǒng)。
【背景技術(shù)】
[0002] 隨著機(jī)動(dòng)車的普及，在各類刑事案件中使用機(jī)動(dòng)車作案的情況也越來越多。機(jī)動(dòng) 車移動(dòng)迅速、活動(dòng)范圍大的特點(diǎn)給公安部口的案件偵查增大了難度。近年來，公路車輛智能 檢測(cè)記錄系統(tǒng)(俗稱卡口系統(tǒng))在我國(guó)大部分城市道路得到了廣泛的應(yīng)用，實(shí)現(xiàn)了車輛路口 圖像抓拍、車牌號(hào)碼識(shí)別、車輛行駛狀態(tài)分析等車輛經(jīng)過卡口的信息數(shù)據(jù)(簡(jiǎn)稱過車數(shù)據(jù)） 的采集，為設(shè)車案件的偵破提供了豐富的線索。但是卡口系統(tǒng)所采集的數(shù)據(jù)量及其龐大，許 多更為重要的關(guān)聯(lián)信息有待作進(jìn)一步的挖掘。伴隨車分析就是對(duì)海量過車數(shù)據(jù)進(jìn)行關(guān)聯(lián)分 析后得到的非常實(shí)用的信息。
[0003] 伴隨車是指一輛W上的車輛同時(shí)經(jīng)過某些卡口點(diǎn)位，且各自經(jīng)過卡口點(diǎn)的時(shí)間差 在指定的范圍內(nèi)。犯罪分子在踩點(diǎn)和作案時(shí)，通常會(huì)使用多輛汽車，W提高成功率。從卡口 系統(tǒng)的角度看，團(tuán)體作案具體表現(xiàn)為多輛車同時(shí)出沒于特定卡口覆蓋范圍，利用該特征，從 海量過車數(shù)據(jù)中，就可W提取出滿足特定條件的車輛，提高偵破效率，運(yùn)就是伴隨車輛分 析。
[0004] 然而，傳統(tǒng)的伴隨車分析方法受限于分析服務(wù)器內(nèi)存，W及關(guān)系型數(shù)據(jù)庫(kù)字段數(shù) 量的限定，往往只能基于限定的很短時(shí)間范圍內(nèi)的過車數(shù)據(jù)進(jìn)行分析。運(yùn)樣分析出來的伴 隨車并不能完整的反應(yīng)車輛之間的伴隨出行情況，對(duì)案件偵破的幫助有限。

【發(fā)明內(nèi)容】

[0005] 有鑒于此，有必要針對(duì)上述問題，提供一種基于大數(shù)據(jù)車輛全軌跡碰撞的伴隨車 分析方法及系統(tǒng)，通過特定行車軌跡格式進(jìn)行聚合、分析計(jì)算，提供準(zhǔn)確的、兩兩相關(guān)的伴 隨車信息。
[0006] 為了實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案如下：
[0007] -種基于大數(shù)據(jù)車輛全軌跡碰撞的伴隨車分析方法，包括W下步驟：
[000引S1、行車軌跡運(yùn)算；按車牌號(hào)碼分組、按過車時(shí)間排序，對(duì)每輛車的過車數(shù)據(jù)進(jìn)行 聚合，計(jì)算出每輛車的行車軌跡；
[0009] S2、行車軌跡數(shù)據(jù)存儲(chǔ);將行車軌跡W咐間-卡口-車牌"為行鍵，時(shí)間-卡口- 過車信息"為列，建立行車軌跡數(shù)據(jù)序列存儲(chǔ)于化ase數(shù)據(jù)庫(kù)中；
[0010] S3、判斷是否在當(dāng)前卡口伴隨;通過經(jīng)過同一卡口的時(shí)間比較，判斷在當(dāng)前卡口的 伴隨車輛；
[0011] S4、判斷是否在其他卡口伴隨;在同一卡口伴隨后，繼續(xù)基于各自當(dāng)前的行車軌跡 計(jì)算是否還有其他的卡口存在伴隨，當(dāng)伴隨的卡口數(shù)量達(dá)到指定的N次，則判定兩車符合伴 隨出行的條件，認(rèn)定為伴隨車。
[0012] 作為優(yōu)選的，所述步驟SI中和步驟S3中，通過MapReduce算法模型分別對(duì)過車數(shù)據(jù) 和行車軌跡數(shù)據(jù)進(jìn)行聚合。
[0013] 作為優(yōu)選的，所述步驟S2中，行車軌跡與過車數(shù)據(jù)一一對(duì)應(yīng)，每一條過車數(shù)據(jù)都計(jì) 算出一條行車軌跡數(shù)據(jù)，所述行車軌跡數(shù)據(jù)包括所有當(dāng)前過車時(shí)間之前的過車數(shù)據(jù)。
[0014] 作為優(yōu)選的，所述步驟S4中，N含2。
[0015] 作為優(yōu)選的，所述步驟S1中，按過車數(shù)據(jù)中的車牌號(hào)碼分組，W經(jīng)過卡口的時(shí)間由 大到小排序來進(jìn)行聚合。
[0016] 作為優(yōu)選的，所述步驟S3具體包括：
[0017] S301、依次提取步驟S2中的行車軌跡數(shù)據(jù)，按卡口編號(hào)分組、按過車時(shí)間排序，對(duì) 所有行車軌跡數(shù)據(jù)進(jìn)行聚合，聚合后的行車軌跡均為行鍵"時(shí)間-卡口-車牌"中卡口相同的 數(shù)據(jù)，表示當(dāng)前時(shí)間里車輛均經(jīng)過同一卡口；
[0018] S302、將各個(gè)車輛經(jīng)過該卡口的時(shí)間進(jìn)行比較，只要經(jīng)過時(shí)間在指定的±ΔΤ時(shí)間 內(nèi)，即認(rèn)為兩車在該卡口伴隨行駛。
[0019] -種根據(jù)上述方法進(jìn)行伴隨車分析的系統(tǒng)，包括過車數(shù)據(jù)存儲(chǔ)模塊、行車軌跡計(jì) 算模塊、行車軌跡存儲(chǔ)模塊、伴隨車分析模塊和伴隨車結(jié)果解析模塊；
[0020] 所述過車數(shù)據(jù)存儲(chǔ)模塊用于管理原始過車數(shù)據(jù)；
[0021 ]所述行車軌跡計(jì)算模塊用于計(jì)算車輛的行車軌跡；
[0022] 所述行車軌跡數(shù)據(jù)存儲(chǔ)模塊用于計(jì)算出行車軌跡數(shù)據(jù)；
[0023] 所述伴隨車分析模塊用于基于行車軌跡數(shù)據(jù)進(jìn)行聚合、分析，并計(jì)算出伴隨車結(jié) 果；
[0024] 所述伴隨車結(jié)果解析模塊，用于將計(jì)算得到的伴隨車結(jié)果解析并存儲(chǔ)。
[0025] 作為優(yōu)選的，所述過車數(shù)據(jù)存儲(chǔ)模塊和行車軌跡數(shù)據(jù)存儲(chǔ)模塊采用列式數(shù)據(jù)庫(kù) 化ase完成存儲(chǔ)。
[0026] 作為優(yōu)選的，所述行車軌跡計(jì)算模塊和伴隨車分析模塊為大數(shù)據(jù)計(jì)算、分析中屯、， 通過MapReduce算法模型完成計(jì)算。
[0027] 與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果在于:本發(fā)明首先W天為單位，提取所有車輛 的過車數(shù)據(jù)。然后對(duì)所有的過車數(shù)據(jù)進(jìn)行分析、挖掘，W車牌號(hào)碼為維度計(jì)算出每輛車的行 車軌跡，利用化ase列式數(shù)據(jù)庫(kù)列可W無限擴(kuò)展的特點(diǎn)，將行車軌跡按車牌號(hào)為主鍵存儲(chǔ)于 化ase中，再將所有車的行車軌跡按卡口聚合后兩兩進(jìn)行關(guān)聯(lián)分析，計(jì)算出每輛車與之相關(guān) 聯(lián)的伴隨車。本發(fā)明基于大數(shù)據(jù)的分布式集群計(jì)算模式，避免了計(jì)算時(shí)服務(wù)器內(nèi)存的限制， 同時(shí)列式數(shù)據(jù)庫(kù)化ase能很好的解決數(shù)據(jù)庫(kù)字段數(shù)量的約束，在此基礎(chǔ)上，本發(fā)明擬棄了 W 往基于限定時(shí)間內(nèi)的過車數(shù)據(jù)進(jìn)行分析的方式，改為基于車輛全軌跡數(shù)據(jù)進(jìn)行伴隨車分析 的方法，該方法計(jì)算出的伴隨車可有效的反映出每輛車在指定的日期里的伴隨車車牌號(hào) 碼、伴隨經(jīng)過的卡口、伴隨時(shí)間等信息。
【附圖說明】
[0028] 圖1為本發(fā)明實(shí)施例1中方法的流程框圖；
[0029] 圖2為本發(fā)明實(shí)施例1中方法的具體流程示意圖；
[0030] 圖3為本發(fā)明實(shí)施例2中系統(tǒng)的結(jié)構(gòu)框圖。
【具體實(shí)施方式】
[0031] 下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明所述的一種基于大數(shù)據(jù)車輛全軌跡碰撞的伴隨 車分析方法及系統(tǒng)作進(jìn)一步說明。
[0032] W下是本發(fā)明所述的的最佳實(shí)例，并不因此限定本發(fā)明的保護(hù)范圍。
[0033] 實(shí)施例1
[0034] 圖1示出了本發(fā)明所述的一種基于大數(shù)據(jù)車輛全軌跡碰撞的伴隨車分析方法，包 括W下步驟：
[0035] S1、行車軌跡運(yùn)算；按車牌號(hào)碼分組、按過車時(shí)間排序，對(duì)每輛車的過車數(shù)據(jù)進(jìn)行 聚合，計(jì)算出每輛車的行車軌跡；
[0036] S2、行車軌跡數(shù)據(jù)存儲(chǔ);將行車軌跡W咐間-卡口-車牌"為行鍵，時(shí)間-卡口- 過車信息"為列，建立行車軌跡數(shù)據(jù)序列存儲(chǔ)于化ase數(shù)據(jù)庫(kù)中；
[0037] S3、判斷是否在當(dāng)前卡口伴隨;通過經(jīng)過同一卡口的時(shí)間比較，判斷在當(dāng)前卡口的 伴隨車輛；
[0038] S4、判斷是否在其他卡口伴隨;在同一卡口伴隨后，繼續(xù)基于各自當(dāng)前的行車軌跡 計(jì)算是否還有其他的卡口存在伴隨，當(dāng)伴隨的卡口數(shù)量達(dá)到指定的N次，則判定兩車符合伴 隨出行的條件，認(rèn)定為伴隨車。
[0039] 在本實(shí)施例中，圖2示出了本發(fā)明所述方法的具體流程步驟，其中，更具體的：
[0040] (1)過車數(shù)據(jù)聚合與行車軌跡計(jì)算；
[0041 ]過車數(shù)據(jù)是車輛經(jīng)過卡口監(jiān)控設(shè)備時(shí)，設(shè)備采集的車輛行駛信息。該步驟主要是 按過車數(shù)據(jù)中的車牌號(hào)碼分組，W經(jīng)過卡口的時(shí)間由大到小排序來進(jìn)行聚合。具體聚合的 操作由MapReduce計(jì)算模型進(jìn)行操作，MapReduce能充分利用集群分布式計(jì)算的特點(diǎn)，按照 指定的分組方式和大小排序邏輯對(duì)數(shù)據(jù)進(jìn)行聚合。
[0042] 聚合之后，每一組過車數(shù)據(jù)都將是來自同一個(gè)車牌號(hào)碼，并且是已經(jīng)按照時(shí)間由 大到小完成排序。實(shí)際上，運(yùn)已經(jīng)是完整的行車軌跡，之后只需要再將運(yùn)些聚合后的數(shù)據(jù)按 照要求的格式完成存儲(chǔ)即可，格式如表一。
[0043] 由于每輛車在行駛過程中，經(jīng)過的卡口數(shù)據(jù)都是不確定的，且車輛每經(jīng)過一個(gè)卡 口點(diǎn)位，該車當(dāng)前時(shí)間的行車軌跡也是與之前或者之后經(jīng)過其他卡口點(diǎn)位時(shí)的行車軌跡存 在差別。所W在進(jìn)行行車軌跡計(jì)算時(shí)，每輛車每經(jīng)過一個(gè)卡口點(diǎn)位都將得到一條長(zhǎng)度各異 的行車軌跡。并且行車軌跡將與過車數(shù)據(jù)一一對(duì)應(yīng)，每一條過車數(shù)據(jù)都計(jì)算出一條運(yùn)樣的 行車軌跡:包含所有經(jīng)過時(shí)間小于等于當(dāng)前過車時(shí)間的過車數(shù)據(jù)，如表一。
[0044]
[0045] 表一
[0046] (2)行車軌跡聚合；
[0047] 經(jīng)（1)得到的行車軌跡是時(shí)間_卡口 _車牌"為行健，與過車數(shù)據(jù)一一對(duì)應(yīng)，并且 列族中保存著小于等于行健"時(shí)間_卡口 _車牌"中時(shí)間的該車牌所有行車軌跡。在該行車軌 跡上再W行健"時(shí)間_卡口_車牌"中卡口分組，W行健"時(shí)間_卡口 _車牌"中時(shí)間由小到大排 序進(jìn)行聚合。
[004引（3)比較相鄰的行車軌跡；
[0049] 經(jīng)(2)聚合后的數(shù)據(jù)每一組都是行健"時(shí)間_卡口 _車牌"中卡口相同的行車軌跡， 并且都是W行健"時(shí)間_卡口_車牌"中時(shí)間由小到大完成排序的。對(duì)于每組的數(shù)據(jù)，首先依 次將數(shù)據(jù)提取、加載到計(jì)算節(jié)點(diǎn)的緩存中。然后分析緩存中的數(shù)據(jù)是否有行健"時(shí)間_卡口_ 車牌"中時(shí)間距當(dāng)前行車軌跡行健"時(shí)間_卡口_車牌"中時(shí)間的差值超過伴隨車定義的時(shí)間 范圍± ΔΤ的，如果有將其從緩存中清除。
[0050] (4)判斷是否在當(dāng)前卡口伴隨；
[0051] 行車軌跡存入緩存之后，將該行車軌跡數(shù)據(jù)與緩存中的數(shù)據(jù)進(jìn)行比較。因?yàn)榫彺?中的數(shù)據(jù)都是距當(dāng)前數(shù)據(jù)時(shí)間差在指定的±ΔΤ內(nèi)的，同時(shí)經(jīng)過(2)聚合之后，處于同一計(jì) 算組的數(shù)據(jù)的行健"時(shí)間_卡口 _車牌"中的卡口編號(hào)又都是相同的。
[0052] 因此，只要緩存中的數(shù)據(jù)與當(dāng)前數(shù)據(jù)不是屬于同一車牌號(hào)碼，則可判定兩車在當(dāng) 前卡口是伴隨車。
[0053] (5)判斷是否在其他卡口伴隨；
[0054] 通常情況下，兩車在一個(gè)卡口伴隨，并不能被判定為伴隨車。所W在(4)中發(fā)現(xiàn)緩 存中有某一條數(shù)據(jù)所對(duì)應(yīng)的車輛與當(dāng)前車輛是伴隨車關(guān)系時(shí)，需要繼續(xù)根據(jù)運(yùn)兩輛車的行 車軌跡進(jìn)行深度的二次碰撞。
[0055] 假設(shè)在取出車輛A的行車軌跡進(jìn)行對(duì)比分析時(shí)，車輛A和車輛Β在卡口Κ1被判定為 伴隨行駛，同時(shí)車輛A和車輛B的當(dāng)前行車軌跡數(shù)據(jù)如表二所示，分別為：
[0化6]
[0化7] 表二
[005引現(xiàn)在需要將車輛A當(dāng)前列族中的行車軌跡取出，依次與車輛B當(dāng)前列族中的行車軌 跡進(jìn)行比較。因?yàn)檐囕vA在經(jīng)過卡口 K1之前是經(jīng)過卡口 K2,所W首先查找車輛B當(dāng)前的行車 軌跡是否有經(jīng)過卡口 K2,如果有則將各自經(jīng)過卡口 K2的經(jīng)過時(shí)刻進(jìn)行比較，若時(shí)間差在± ΔΤ內(nèi)則判斷車輛A和車輛B在卡口K2是伴隨出行（即|Τ12-Τ22|< = ΔΤ)。
[0059] 按照W上原理，依次將車輛A的行車軌跡數(shù)據(jù)逐個(gè)與車輛Β的進(jìn)行碰撞，計(jì)算出在 當(dāng)前時(shí)間兩車的伴隨出行次數(shù)。只要次數(shù)達(dá)到系統(tǒng)設(shè)定的伴隨次數(shù)時(shí)，即認(rèn)定兩車是相互 的伴隨車。
[0060] 實(shí)施例2
[0061] 圖3示出了根據(jù)實(shí)施例1中所述方法進(jìn)行車輛伴隨分析的系統(tǒng)，包括過車數(shù)據(jù)存儲(chǔ) 模塊、行車軌跡計(jì)算模塊、行車估計(jì)存儲(chǔ)模塊、伴隨車分析模塊和伴隨車結(jié)果解析模塊；
[0062] 所述過車數(shù)據(jù)存儲(chǔ)模塊用于管理原始過車數(shù)據(jù)；
[0063] 所述行車軌跡計(jì)算模塊用于計(jì)算車輛的行車軌跡；
[0064] 所述行車軌跡數(shù)據(jù)存儲(chǔ)模塊用于計(jì)算出行車軌跡數(shù)據(jù)；
[0065] 所述伴隨車分析模塊用于基于行車軌跡數(shù)據(jù)進(jìn)行聚合、分析，并計(jì)算出伴隨車結(jié) 果；
[0066] 所述伴隨車結(jié)果解析模塊，用于將計(jì)算得到的伴隨車結(jié)果解析并存儲(chǔ)。
[0067] 作為優(yōu)選的，所述過車數(shù)據(jù)存儲(chǔ)模塊和行車軌跡數(shù)據(jù)存儲(chǔ)模塊采用列式數(shù)據(jù)庫(kù) 化ase完成存儲(chǔ)。
[0068] 作為優(yōu)選的，所述行車軌跡計(jì)算模塊和伴隨車分析模塊為大數(shù)據(jù)計(jì)算、分析中屯、， 通過MapReduce算法模型完成計(jì)算。
[0069] 綜上所述，本發(fā)明首先W天為單位，提取所有車輛的過車數(shù)據(jù)。然后對(duì)所有的過車 數(shù)據(jù)進(jìn)行分析、挖掘，W車牌號(hào)碼為維度計(jì)算出每輛車的行車軌跡，利用化ase列式數(shù)據(jù)庫(kù) 列可W無限擴(kuò)展的特點(diǎn)，將行車軌跡按車牌號(hào)為主鍵存儲(chǔ)于化ase中，再將所有車的行車軌 跡按卡口聚合后兩兩進(jìn)行關(guān)聯(lián)分析，計(jì)算出每輛車與之相關(guān)聯(lián)的伴隨車。本發(fā)明基于大數(shù) 據(jù)的分布式集群計(jì)算模式，避免了計(jì)算時(shí)服務(wù)器內(nèi)存的限制，同時(shí)列式數(shù)據(jù)庫(kù)化ase能很好 的解決數(shù)據(jù)庫(kù)字段數(shù)量的約束，在此基礎(chǔ)上，本發(fā)明擬棄了 W往基于限定時(shí)間內(nèi)的過車數(shù) 據(jù)進(jìn)行分析的方式，改為基于車輛全軌跡數(shù)據(jù)進(jìn)行伴隨車分析的方法，該方法計(jì)算出的伴 隨車可有效的反映出每輛車在指定的日期里的伴隨車車牌號(hào)碼、伴隨經(jīng)過的卡口、伴隨時(shí) 間等信息。
[0070] W上所述實(shí)施例僅表達(dá)了本發(fā)明的幾種實(shí)施方式，其描述較為具體和詳細(xì)，但并 不能因此而理解為對(duì)本發(fā)明專利范圍的限制。應(yīng)當(dāng)指出的是，對(duì)于本領(lǐng)域的普通技術(shù)人員 來說，在不脫離本發(fā)明構(gòu)思的前提下，還可W做出若干變形和改進(jìn)，運(yùn)些都屬于本發(fā)明的保 護(hù)范圍。因此，本發(fā)明專利的保護(hù)范圍應(yīng)W所附權(quán)利要求為準(zhǔn)。
【主權(quán)項(xiàng)】
1. 一種基于大數(shù)據(jù)車輛全軌跡碰撞的伴隨車分析方法，其特征在于，包括以下步驟： 51、 行車軌跡運(yùn)算;按車牌號(hào)碼分組、按過車時(shí)間排序，對(duì)每輛車的過車數(shù)據(jù)進(jìn)行聚合， 計(jì)算出每輛車的行車軌跡； 52、 行車軌跡數(shù)據(jù)存儲(chǔ);將行車軌跡以"時(shí)間-卡口-車牌"為行鍵，以"時(shí)間-卡口 -過車 信息"為列，建立行車軌跡數(shù)據(jù)序列存儲(chǔ)于Hbase數(shù)據(jù)庫(kù)中； 53、 判斷是否在當(dāng)前卡口伴隨;通過經(jīng)過同一卡口的時(shí)間比較，判斷在當(dāng)前卡口的伴隨 車輛； 54、 判斷是否在其他卡口伴隨;在同一卡口伴隨后，繼續(xù)基于各自當(dāng)前的行車軌跡計(jì)算 是否還有其他的卡口存在伴隨，當(dāng)伴隨的卡口數(shù)量達(dá)到指定的N次，則判定兩車符合伴隨出 行的條件，認(rèn)定為伴隨車。2. 根據(jù)權(quán)利要求1所述的基于大數(shù)據(jù)車輛全軌跡碰撞的伴隨車分析方法，其特征在于， 所述步驟S1中和步驟S3中，通過MapReduce算法模型分別對(duì)過車數(shù)據(jù)和行車軌跡數(shù)據(jù)進(jìn)行 聚合。3. 根據(jù)權(quán)利要求1所述的基于大數(shù)據(jù)車輛全軌跡碰撞的伴隨車分析方法，其特征在于， 所述步驟S2中，行車軌跡與過車數(shù)據(jù)一一對(duì)應(yīng)，每一條過車數(shù)據(jù)都計(jì)算出一條行車軌跡數(shù) 據(jù)，所述行車軌跡數(shù)據(jù)包括所有當(dāng)前過車時(shí)間之前的過車數(shù)據(jù)。4. 根據(jù)權(quán)利要求1所述的基于大數(shù)據(jù)車輛全軌跡碰撞的伴隨車分析方法，其特征在于， 所述步驟S4中，NS2。5. 根據(jù)權(quán)利要求1所述的基于大數(shù)據(jù)車輛全軌跡碰撞的伴隨車分析方法，其特征在于， 所述步驟S1中，按過車數(shù)據(jù)中的車牌號(hào)碼分組，以經(jīng)過卡口的時(shí)間由大到小排序來進(jìn)行聚 合。6. 根據(jù)權(quán)利要求1所述的基于大數(shù)據(jù)車輛全軌跡碰撞的伴隨車分析方法，其特征在于， 所述步驟S3具體包括： 5301、 依次提取步驟S2中的行車軌跡數(shù)據(jù)，按卡口編號(hào)分組、按過車時(shí)間排序，對(duì)所有 行車軌跡數(shù)據(jù)進(jìn)行聚合，聚合后的行車軌跡均為行鍵"時(shí)間-卡口-車牌"中卡口相同的數(shù) 據(jù)，表示當(dāng)前時(shí)間里車輛均經(jīng)過同一卡口； 5302、 將各個(gè)車輛經(jīng)過該卡口的時(shí)間進(jìn)行比較，只要經(jīng)過時(shí)間在指定的土 ΛΤ時(shí)間內(nèi)， 即認(rèn)為兩車在該卡口伴隨行駛。7. -種根據(jù)權(quán)利要求1至6任一所述方法進(jìn)行伴隨車分析的系統(tǒng)，其特征在于，包括過 車數(shù)據(jù)存儲(chǔ)模塊、行車軌跡計(jì)算模塊、行車估計(jì)存儲(chǔ)模塊、伴隨車分析模塊和伴隨車結(jié)果解 析模塊； 所述過車數(shù)據(jù)存儲(chǔ)模塊用于管理原始過車數(shù)據(jù)； 所述行車軌跡計(jì)算模塊用于計(jì)算車輛的行車軌跡； 所述行車軌跡數(shù)據(jù)存儲(chǔ)模塊用于計(jì)算出行車軌跡數(shù)據(jù)； 所述伴隨車分析模塊用于基于行車軌跡數(shù)據(jù)進(jìn)行聚合、分析，并計(jì)算出伴隨車結(jié)果； 所述伴隨車結(jié)果解析模塊，用于將計(jì)算得到的伴隨車結(jié)果解析并存儲(chǔ)。8. 根據(jù)權(quán)利要求7所述的系統(tǒng)，其特征在于，所述過車數(shù)據(jù)存儲(chǔ)模塊和行車軌跡數(shù)據(jù)存 儲(chǔ)模塊采用列式數(shù)據(jù)庫(kù)Hbase完成存儲(chǔ)。9. 根據(jù)權(quán)利要求7所述的系統(tǒng)，其特征在于，所述行車軌跡計(jì)算模塊和伴隨車分析模塊 為大數(shù)據(jù)計(jì)算、分析中心，通過MapReduce算法模型完成計(jì)算。
【文檔編號(hào)】G08G1/01GK105825671SQ201610159886
【公開日】2016年8月3日
【申請(qǐng)日】2016年3月21日
【發(fā)明人】任博, 羅超, 龍劍
【申請(qǐng)人】武漢烽火眾智數(shù)字技術(shù)有限責(zé)任公司