CN109598925A - 出租车车辆聚集报警方法、终端设备及存储介质 - Google Patents
出租车车辆聚集报警方法、终端设备及存储介质 Download PDFInfo
- Publication number
- CN109598925A CN109598925A CN201710916836.XA CN201710916836A CN109598925A CN 109598925 A CN109598925 A CN 109598925A CN 201710916836 A CN201710916836 A CN 201710916836A CN 109598925 A CN109598925 A CN 109598925A
- Authority
- CN
- China
- Prior art keywords
- taxi
- data value
- longitude
- value
- latitude
- 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
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000002776 aggregation Effects 0.000 claims abstract description 37
- 238000004220 aggregation Methods 0.000 claims abstract description 37
- 238000013507 mapping Methods 0.000 claims abstract description 10
- 230000005856 abnormality Effects 0.000 claims abstract description 4
- 238000004590 computer program Methods 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0133—Traffic data processing for classifying traffic situation
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开一种基于路网和站点信息的出租车车辆聚集报警方法,包括S1‑S4:确定一种由经纬度数据值到基准点数据值的映射方法,S5‑S6:将运营区域的道路节点的经纬度数据值映射成基准点数据值,记录并存储各个基准点数据值及其出现的次数,形成路网信息数据库DBway,S7‑S8:将运营区域的出租车站点的经纬度数据值映射成基准点数据值,记录并存储基准点数据值,形成站点信息数据库DBsite,S9:结合DBway和DBsite中的数据值,对出租车车辆异常聚集情况进行报警。通过将经纬度数据值映射成基准点数据值,提高监管平台的容错性能,使平台的处理效率得到保证。融入路网和站点信息,且与历史聚集情况进行关联,强化聚集报警的触发条件,有效地降低误报率。
Description
技术领域
本发明涉及出租车监控技术领域,具体是一种基于路网和站点信息的出租车车辆聚集报警方法、终端设备及存储介质。
背景技术
出租车是一种通过巡游、站点、预约等方式为具有特殊出行需求的社会公众提供个性化门对门便捷服务的交通工具。在我国这一交通工具又以巡游服务为主,因此存在着一定的负外部性。如果不采取必要的措施进行有效监管,这种负外部性一旦被恶意放大,将会严重扰乱正常的社会秩序,如近年来国内多个城市频发的“因出租车聚集而导致道路拥堵”这一类恶性事件。
现有的技术中,公开号为CN102117532A的中国发明专利《一种基于GPS 系统实现出租车非法聚集预报警的方法》,通过将所辖区域均匀划分网格,定时统计各网格中行驶速度符合要求的车辆数量,当该数量超过预设值时则发出报警。该方法忽略了在如机场、火车站等站点候客的出租车一般行驶速度较低并且车辆数量众多,这将会发生对车辆合法聚集的误报;同时使用所设置的行驶速度预设值作为车辆参与聚集事件的前置判定条件,若是被事前掌握反而容易成为规避监管的漏洞。
发明内容
为了解决上述问题,本发明提供一种基于路网和站点信息的出租车车辆聚集报警方法、终端设备及存储介质,用Φ和Ψ分别表示地球表面任意定位点的经度值和纬度值,其中“东经为正,西经为负”、“北纬为正,南纬为负”,以定位位置的经纬度作为球面数据进行建模。
本发明一种基于路网和站点信息的出租车车辆聚集报警方法,包括如下步骤:
S1:从出租车运营区域内任取一个定位点A的经纬度数据值根据该定位点A的经纬度数据值,计算与该定位点A沿经线的长度距离为h的点B1的经纬度值与该定位点A沿纬线的长度距离为h的点B2的经纬度值其中h为定距离步长,进入S2步骤;
S2:在地球表面任取一个定位点C的经纬度数据值(Φany,Ψany),再确定一个大于1的整数N,进入S3步骤;
S3:根据S1中计算得到的φ和ψ,再在S2的基础上取一组整数p和q,其中0≤p<N,0≤q<N,令
从而获得若干个基准点,其数据值为(Φ0+kφ,Ψ0+lψ),其中k和l为分别满足
的整数,进入S4步骤;
S4:对于符合S3中要求的任意一组k和l,将满足经纬度范围
的定位点D的经纬度数据值(Φ,Ψ),通过一个多对一的对应关系全部映射为以基准点的数据值表示的数据值(Φ0+kφ,Ψ0+lψ),其中多对一的对应关系公式为
其中[]为四舍五入取整运算符,进入S5步骤;
S5:根据运营区域的城市地图数据,获取道路节点所对应的经纬度数据值,并对每条道路相邻节点之间进行球面等分插值,使得插值后道路内部相邻节点间距离小于预设值r,再存储插值后道路节点的所有经纬度数据值,进入S6步骤;
S6:遍历p和q的所有可能的组合值,根据S4中的对应关系,针对每个p和 q的组合值将S5中所存储的道路节点的经纬度数据值映射为对应的基准点数据值,待全部映射结束后再统计每个基准点数据值出现的次数,记录并存储各个基准点数据值及其出现的次数,形成路网信息数据库DBway,进入S7步骤;
S7:根据运营区域的城市地图数据,获取各出租车站点的位置,并存储站点位置所对应的经纬度数据值,进入S8步骤;
S8:遍历p和q的所有可能的组合值,根据S4中的对应关系,针对每个p和 q的组合值将S7中所存储的经纬度数据值分别映射为对应的基准点数据值,待全部映射结束后,记录并存储基准点数据值,形成站点信息数据库DBsite,进入 S9步骤;
S9:根据路网信息数据库DBway和站点信息数据库DBsite中的数据值,对出租车车辆异常聚集情况进行报警。
进一步的,S1中,(ψ,φ)的计算公式为:
其中π为圆周率,R为地球平均半径。
进一步的,S5中,对每条道路相邻节点之间进行球面等分插值,使得插值后道路内部相邻节点间距离小于预设值r,再存储插值后道路节点的所有经纬度数据值,具体为:
S51、利用公式计算道路相邻节点(ΦA,ΨA)和(ΦB,ΨB)之间的球面距离D0,其中Δ=arccos(sin(ΨA)sin(ΨB)+cos(ΨA)cos(ΨB)cos(ΦA-ΦB));
S52、根据S51中所得的球面距离D0,计算等分插值的等分数其中为无穷大方向取整运算符;
S53、利用公式
将道路节点球面坐标的经纬度数据值转换成直角坐标,则道路相邻节点经纬度数据值(ΦA,ΨA)和(ΦB,ΨB)可以分别转换成(xA,yA,zA)和(xB,yB,zB);
S54、利用公式计算S53中所得的道路相邻节点(xA,yA,zA)和(xB,yB,zB)之间的直线距离;
S55、利用公式
计算相邻节点之间球面等分插值的空间权重,其中i=1,2,…,n-1;
S56、利用公式
计算S54中所得的(xA,yA,zA)和(xB,yB,zB)之间的所有空间线性插值点
S57、利用公式
将S56中所得的空间线性插值点沿着球心到其方向投射到地球表面,得到球面插值点的直角坐标(xAB,i,yAB,i,zAB,i),其中
S58、利用公式
其中R为地球平均半径,R1=Rcos(Ψ)
将道路节点直角坐标转换成球面坐标的经纬度数据值,则S57中所得的 (xAB,i,yAB,i,zAB,i)可以转换成(ΦAB,i,ΨAB,i);
S59、存储插值后道路节点的所有经纬度数据值。
进一步的,S7中,各出租车站点包括但不限于:机场、火车站和汽车站。
进一步的,S9中,根据路网信息数据库DBway和站点信息数据库DBsite的数据值对出租车车辆异常聚集情况进行报警,具体为:
S91、获取第j(其中j=1,2,…)个时刻运营出租车的实时定位位置,并存储对应的出租车ID号和实时定位位置的经纬度数据值;
S92、遍历p和q的所有可能的组合值,根据S4中的对应关系,针对每个p 和q的组合值将S91中所存储的经纬度数据值映射为对应的基准点数据值,待全部映射结束后再统计每个基准点数据值出现的次数;
S93、若S92中基准点数据值出现的次数都小于取值非负的预设值X则令第 j个时刻车辆聚集预报警数据库DBtaxi,j为空且令j自增1并返回S91,否则记录出现次数大于X的基准点数据值及其出现次数和定位位置映射成对应基准点数据值的出租车ID号集合;
S94、针对S93中所记录的每个基准点数据值,分别在路网信息数据库DBway和站点信息数据库DBsite中进行查找,若在DBway中存在则令β取值为对应基准点数据值出现的次数否则取值为零,若在DBsite中存在则令γ取值为1否则取值为 0;
S95、若S93中所记录的基准点数据值的出现次数均小于其对应的S94中查找的(X+βY+γZ)值(其中Y、Z为取值非负的预设值),则令DBtaxi,j为空且令j自增1并返回S91,否则记录出现次数大于其对应的(X+βY+γZ)值的基准点数据值及其出现次数和定位位置映射成对应基准点数据值的出租车ID号集合;
S96、对于S95中所记录的基准点数据值,利用
将基准点数据值(Φ′,Ψ′)转换成经纬度数据值(Φ,Ψ)的范围,使得S95中记录的出租车ID号集合都对应一个经纬度范围,再对比不同的出租车ID号集合之间是否同时包含相同的出租车ID号,若同时包含则分别合并对应的经纬度范围和出租车ID号集合,使得合并后每个出租车ID号惟一包含于一个出租车ID 号集合并对应于一个经纬度范围,同时记录与存储相对应的出租车ID号集合和经纬度范围,形成车辆聚集预报警数据库DBtaxi,j;
S97、如果j<t(其中t为取值正整数的预设值)或从第max{1,j-t+1}到第j个时刻中某个时刻的车辆聚集预报警数据库为空,则令j自增1并返回S91,否则执行S98以处理从第j-t+1到第j个时刻这连续t个时刻的车辆聚集预报警数据库;
S98、在保持出租车ID号集合和经纬度范围对应关系的基础上,合并车辆聚集预报警数据库DBtaxi,j-t+1,DBtaxi,j-t+2,…,DBtaxi,j,再对比不同的出租车ID号集合之间是否同时包含相同的出租车ID号,若同时包含则分别合并对应的经纬度范围和出租车ID号集合,进而分别得到u个出租车ID号集合S1,S2,…,Su,使得合并后每个出租车ID号只能惟一包含于一个出租车ID号集合并对应于一个经纬度范围,统计合并后出租车ID号集合Se中的出租车车辆数me,1以及Se中同时包含于上述t个预报警数据库的出租车的车辆数me,2,,其中e=1,2,…,u;
S99、对于e=1,2,…,u,若S98中统计的车辆数之比满足me,2/me,1≥w(其中w 为比例预设值,且满足0<w<1)则发出车辆聚集报警,同时输出DBtaxi,j中包含于Se的出租车ID号集合及其对应的经纬度范围,再令j自增1并返回S91。
本发明一种基于路网和站点信息的出租车车辆聚集报警终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现基于路网和站点信息的出租车车辆聚集报警方法的步骤。
本发明一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现基于路网和站点信息的出租车车辆聚集报警方法的步骤。
本发明的有益效果:
本发明通过将经纬度数据值映射成基准点数据值,从而提高监管平台的容错性能,也使平台的处理效率得到保证。同时又融入出租车运营区域的路网和站点信息,并且与历史聚集情况进行关联,强化聚集报警的触发条件,进而有效地降低误报率。利用球面模型对经纬度进行数据处理,也在一定程度上提升聚集报警的准确性。此外,与历史的聚集情况相关联还可以实现在监管中对于聚集目标的跟踪功能。
附图说明
图1为本发明实施例一的方法流程图。
具体实施方式
为进一步说明各实施例,本发明提供有附图。这些附图为本发明揭露内容的一部分,其主要用以说明实施例,并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容,本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。图中的组件并未按比例绘制,而类似的组件符号通常用来表示类似的组件。
现结合附图和具体实施方式对本发明进一步说明。
实施例一:
任意经线圈上同一纬度差值对应着相等的球面距离,但是不同纬线圈上同一经度差值对应的球面距离却是不相等的。现有技术基本上是将经纬度当作平面数据进行处理。而本发明用Φ和Ψ分别表示地球表面任意定位点的经度值和纬度值,其中“东经为正,西经为负”、“北纬为正,南纬为负”,进而以定位位置的经纬度作为球面数据进行建模,提出了一种基于路网和站点信息的出租车车辆聚集报警方法。
本发明所阐述的方法具体步骤如下:
S1:从出租车运营区域内任取一个定位点A的经纬度数据值根据该定位点A的经纬度数据值,计算与该定位点A沿经线的长度距离为h的点B1的经纬度值与该定位点A沿纬线的长度距离为h的点B2的经纬度值其中h为定距离步长,其中,(ψ,φ)的计算公式为:
其中π为圆周率,R为地球平均半径,三角函数均以角度制进行计算。
进入S2步骤;
S2:在地球表面任取一个定位点C的经纬度数据值(Φany,Ψany),通常情况下可直接为(0°,0°),再确定一个大于1的整数N,进入S3步骤;
S3:根据S1中计算得到的φ和ψ,再在S2的基础上取一组整数p和q,其中0≤p<N,0≤q<N,令
从而获得若干个基准点,其数据值为(Φ0+kφ,Ψ0+lψ),其中k和l为分别满足
的整数,进入S4步骤;
S4:对于符合S3中要求的任意一组k和l,将满足经纬度范围
的定位点D的经纬度数据值(Φ,Ψ),通过一个多对一的对应关系全部映射为以基准点的数据值表示的数据值(Φ0+kφ,Ψ0+lψ),其中多对一的对应关系公式为
其中[]为四舍五入取整运算符,进入S5步骤;
S5:根据运营区域的城市地图数据,获取道路节点所对应的经纬度数据值,并对每条道路相邻节点之间进行球面等分插值,使得插值后道路内部相邻节点间距离小于预设值r,再存储插值后道路节点的所有经纬度数据值,
具体步骤为:
S51、利用公式计算道路相邻节点(ΦA,ΨA)和(ΦB,ΨB)之间的球面距离D0,其中Δ=arccos(sin(ΨA)sin(ΨB)+cos(ΨA)cos(ΨB)cos(ΦA-ΦB));
S52、根据S51中所得的球面距离D0,计算等分插值的等分数其中为无穷大方向取整运算符;
S53、利用公式
将道路节点球面坐标的经纬度数据值转换成直角坐标,则道路相邻节点经纬度数据值(ΦA,ΨA)和(ΦB,ΨB)可以分别转换成(xA,yA,zA)和(xB,yB,zB);
S54、利用公式计算S53中所得的道路相邻节点(xA,yA,zA)和(xB,yB,zB)之间的直线距离;
S55、利用公式
计算相邻节点之间球面等分插值的空间权重,其中i=1,2,…,n-1;
S56、利用公式
计算S54中所得的(xA,yA,zA)和(xB,yB,zB)之间的所有空间线性插值点
S57、利用公式
将S56中所得的空间线性插值点沿着球心到其方向投射到地球表面,得到球面插值点的直角坐标(xAB,i,yAB,i,zAB,i),其中
S58、利用公式
其中R为地球平均半径,R1=Rcos(Ψ)
将道路节点直角坐标转换成球面坐标的经纬度数据值,则S57中所得的 (xAB,i,yAB,i,zAB,i)可以转换成(ΦAB,i,ΨAB,i);
S59、存储插值后道路节点的所有经纬度数据值。
进入S6步骤;
S6:遍历p和q的所有可能的组合值,根据S4中的对应关系,针对每个p和 q的组合值将S5中所存储的道路节点的经纬度数据值映射为对应的基准点数据值,待全部映射结束后再统计每个基准点数据值出现的次数,记录并存储各个基准点数据值及其出现的次数,形成路网信息数据库DBway,进入S7步骤;
S7:根据运营区域的城市地图数据,获取各出租车站点的位置,其中,各出租车站点包括但不限于:机场、火车站和汽车站,并存储站点位置所对应的经纬度数据值,进入S8步骤;
S8:遍历p和q的所有可能的组合值,根据S4中的对应关系,针对每个p和 q的组合值将S7中所存储的经纬度数据值分别映射为对应的基准点数据值,待全部映射结束后,记录并存储基准点数据值,形成站点信息数据库DBsite,进入 S9步骤;
S9:根据路网信息数据库DBway和站点信息数据库DBsite中的数据值,对出租车车辆异常聚集情况进行报警。
具体步骤为:
S91、获取第j(其中j=1,2,…)个时刻运营出租车的实时定位位置,并存储对应的出租车ID号和实时定位位置的经纬度数据值;
S92、遍历k和l的所有可能的组合值,根据S4中的对应关系,针对每个k和 l的组合值将S91中所存储的经纬度数据值映射为对应的基准点数据值,待全部映射结束后再统计每个基准点数据值出现的次数;
S93、若S92中基准点数据值出现的次数都小于取值非负的预设值X则令第 j个时刻车辆聚集预报警数据库DBtaxi,j为空且令j自增1并返回S91,否则记录出现次数大于X的基准点数据值及其出现次数和定位位置映射成对应基准点数据值的出租车ID号集合;
S94、针对S93中所记录的每个基准点数据值,分别在路网信息数据库DBway和站点信息数据库DBsite中进行查找,若在DBway中存在则令β取值为对应基准点数据值出现的次数否则取值为零,若在DBsite中存在则令γ取值为1否则取值为 0;
S95、若S93中所记录的基准点数据值的出现次数均小于其对应的S94中查找的(X+βY+γZ)值(其中Y、Z为取值非负的预设值),则令DBtaxi,j为空且令j自增1并返回S91,否则记录出现次数大于其对应的(X+βY+γZ)值的基准点数据值及其出现次数和定位位置映射成对应基准点数据值的出租车ID号集合;
S96、对于S95中所记录的基准点数据值,利用
将基准点数据值(Φ′,Ψ′)转换成经纬度数据值(Φ,Ψ)的范围,使得S95中记录的出租车ID号集合都对应一个经纬度范围,再对比不同的出租车ID号集合之间是否同时包含相同的出租车ID号,若同时包含则分别合并对应的经纬度范围和出租车ID号集合,使得合并后每个出租车ID号惟一包含于一个出租车ID 号集合并对应于一个经纬度范围,同时记录与存储相对应的出租车ID号集合和经纬度范围,形成车辆聚集预报警数据库DBtaxi,j;
S97、如果j<t(其中t为取值正整数的预设值)或从第max{1,j-t+1}到第j个时刻中某个时刻的车辆聚集预报警数据库为空,则令j自增1并返回S91,否则执行S98以处理从第j-t+1到第j个时刻这连续t个时刻的车辆聚集预报警数据库;
S98、在保持出租车ID号集合和经纬度范围对应关系的基础上,合并车辆聚集预报警数据库DBtaxi,j-t+1,DBtaxi,j-t+2,…,DBtaxi,j,再对比不同的出租车ID号集合之间是否同时包含相同的出租车ID号,若同时包含则分别合并对应的经纬度范围和出租车ID号集合,进而分别得到u个出租车ID号集合S1,S2,…,Su,使得合并后每个出租车ID号只能惟一包含于一个出租车ID号集合并对应于一个经纬度范围,统计合并后出租车ID号集合Se中的出租车车辆数me,1以及Se中同时包含于上述t个预报警数据库的出租车的车辆数me,2,,其中e=1,2,…,u;
S99、对于e=1,2,…,u,若S98中统计的车辆数之比满足me,2/me,1≥w(其中w 为比例预设值,且满足0<w<1)则发出车辆聚集报警,同时输出DBtaxi,j中包含于Se的出租车ID号集合及其对应的经纬度范围,再令j自增1并返回S91。
实施例二:
本发明还提供一种基于路网和站点信息的出租车车辆聚集报警终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现本发明实施例上述方法实施例中的步骤。
进一步地,作为一个可执行方案,所述基于路网和站点信息的出租车车辆聚集报警终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述基于路网和站点信息的出租车车辆聚集报警终端设备可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,上述基于路网和站点信息的出租车车辆聚集报警终端设备的组成结构仅仅是基于路网和站点信息的出租车车辆聚集报警终端设备的示例,并不构成对基于路网和站点信息的出租车车辆聚集报警终端设备的限定,可以包括比上述更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述基于路网和站点信息的出租车车辆聚集报警终端设备还可以包括输入输出设备、网络接入设备、总线等,本发明实施例对此不做限定。
进一步地,作为一个可执行方案,所称处理器可以是中央处理单元(CentralProcessing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述基于路网和站点信息的出租车车辆聚集报警终端设备的控制中心,利用各种接口和线路连接整个基于路网和站点信息的出租车车辆聚集报警终端设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述基于路网和站点信息的出租车车辆聚集报警终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据手机的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(SmartMedia Card, SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本发明还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现本发明实施例上述方法的步骤。
所述基于路网和站点信息的出租车车辆聚集报警终端设备集成的模块/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,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
本发明一种基于路网和站点信息的出租车车辆聚集报警方法、终端设备及存储介质,通过将经纬度数据值映射成基准点数据值,从而提高监管平台的容错性能,也使平台的处理效率得到保证。同时又融入出租车运营区域的路网和站点信息,并且与历史聚集情况进行关联,强化聚集报警的触发条件,进而有效地降低误报率。利用球面模型对经纬度进行数据处理,也在一定程度上提升聚集报警的准确性。此外,与历史的聚集情况相关联还可以实现在监管中对于聚集目标的跟踪功能。
尽管结合优选实施方案具体展示和介绍了本发明,但所属领域的技术人员应该明白,在不脱离所附权利要求书所限定的本发明的精神和范围内,在形式上和细节上可以对本发明做出各种变化,均为本发明的保护范围。
Claims (7)
1.一种基于路网和站点信息的出租车车辆聚集报警方法,其特征在于:包括如下步骤:
S1:从出租车运营区域内任取一个定位点A的经纬度数据值根据该定位点A的经纬度数据值,计算与该定位点A沿经线的长度距离为h的点B1的经纬度值与该定位点A沿纬线的长度距离为h的点B2的经纬度值其中h为定距离步长,进入S2步骤;
S2:在地球表面任取一个定位点C的经纬度数据值(Φany,Ψany),再确定一个大于1的整数N,进入S3步骤;
S3:根据S1中计算得到的φ和ψ,再在S2的基础上取一组整数p和q,其中0≤p<N,0≤q<N,令
从而获得若干个基准点,其数据值为(Φ0+kφ,Ψ0+lψ),其中k和l为分别满足
的整数,进入S4步骤;
S4:对于符合S3中要求的任意一组k和l,将满足经纬度范围
的定位点D的经纬度数据值(Φ,Ψ),通过一个多对一的对应关系全部映射为以基准点的数据值表示的数据值(Φ0+kφ,Ψ0+lψ),其中多对一的对应关系公式为
其中[]为四舍五入取整运算符,进入S5步骤;
S5:根据运营区域的城市地图数据,获取道路节点所对应的经纬度数据值,并对每条道路相邻节点之间进行球面等分插值,使得插值后道路内部相邻节点间距离小于预设值r,再存储插值后道路节点的所有经纬度数据值,进入S6步骤;
S6:遍历p和q的所有可能的组合值,根据S4中的对应关系,针对每个p和q的组合值将S5中所存储的道路节点的经纬度数据值映射为对应的基准点数据值,待全部映射结束后再统计每个基准点数据值出现的次数,记录并存储各个基准点数据值及其出现的次数,形成路网信息数据库DBway,进入S7步骤;
S7:根据运营区域的城市地图数据,获取各出租车站点的位置,并存储站点位置所对应的经纬度数据值,进入S8步骤;
S8:遍历p和q的所有可能的组合值,根据S4中的对应关系,针对每个p和q的组合值将S7中所存储的经纬度数据值分别映射为对应的基准点数据值,待全部映射结束后,记录并存储基准点数据值,形成站点信息数据库DBsite,进入S9步骤;
S9:根据路网信息数据库DBway和站点信息数据库DBsite中的数据值,对出租车车辆异常聚集情况进行报警。
2.如权利要求1所述的基于路网和站点信息的出租车车辆聚集报警方法,其特征在于:S1中,(ψ,φ)的计算公式为:
其中π为圆周率,R为地球平均半径。
3.如权利要求1所述的基于路网和站点信息的出租车车辆聚集报警方法,其特征在于:S5中,对每条道路相邻节点之间进行球面等分插值,使得插值后道路内部相邻节点间距离小于预设值r,再存储插值后道路节点的所有经纬度数据值,具体为:
S51、利用公式计算道路相邻节点(ΦA,ΨA)和(ΦB,ΨB)之间的球面距离D0,其中Δ=arccos(sin(ΨA)sin(ΨB)+cos(ΨA)cos(ΨB)cos(ΦA-ΦB));
S52、根据S51中所得的球面距离D0,计算等分插值的等分数其中为无穷大方向取整运算符;
S53、利用公式
将道路节点球面坐标的经纬度数据值转换成直角坐标,则道路相邻节点经纬度数据值(ΦA,ΨA)和(ΦB,ΨB)可以分别转换成(xA,yA,zA)和(xB,yB,zB);
S54、利用公式计算S53中所得的道路相邻节点(xA,yA,zA)和(xB,yB,zB)之间的直线距离;
S55、利用公式
计算相邻节点之间球面等分插值的空间权重,其中i=1,2,…,n-1;
S56、利用公式
计算S54中所得的(xA,yA,zA)和(xB,yB,zB)之间的所有空间线性插值点
S57、利用公式
将S56中所得的空间线性插值点沿着球心到其方向投射到地球表面,得到球面插值点的直角坐标(xAB,i,yAB,i,zAB,i),其中
S58、利用公式
其中R为地球平均半径,R1=R cos(Ψ)将道路节点直角坐标转换成球面坐标的经纬度数据值,则S57中所得的(xAB,i,yAB,i,zAB,i)可以转换成(ΦAB,i,ΨAB,i);
S59、存储插值后道路节点的所有经纬度数据值。
4.如权利要求1所述的基于路网和站点信息的出租车车辆聚集报警方法,其特征在于:S7中,各出租车站点包括但不限于:机场、火车站和汽车站。
5.如权利要求1所述的基于路网和站点信息的出租车车辆聚集报警方法,其特征在于:S9中,根据路网信息数据库DBway和站点信息数据库DBsite的数据值对出租车车辆异常聚集情况进行报警,具体为:
S91、获取第j(其中j=1,2,…)个时刻运营出租车的实时定位位置,并存储对应的出租车ID号和实时定位位置的经纬度数据值;
S92、遍历p和q的所有可能的组合值,根据S4中的对应关系,针对每个p和q的组合值将S91中所存储的经纬度数据值映射为对应的基准点数据值,待全部映射结束后再统计每个基准点数据值出现的次数;
S93、若S92中基准点数据值出现的次数都小于取值非负的预设值X则令第j个时刻车辆聚集预报警数据库DBtaxi,j为空且令j自增1并返回S91,否则记录出现次数大于X的基准点数据值及其出现次数和定位位置映射成对应基准点数据值的出租车ID号集合;
S94、针对S93中所记录的每个基准点数据值,分别在路网信息数据库DBway和站点信息数据库DBsite中进行查找,若在DBway中存在则令β取值为对应基准点数据值出现的次数否则取值为零,若在DBsite中存在则令γ取值为1否则取值为0;
S95、若S93中所记录的基准点数据值的出现次数均小于其对应的S94中查找的(X+βY+γZ)值(其中Y、Z为取值非负的预设值),则令DBtaxi,j为空且令j自增1并返回S91,否则记录出现次数大于其对应的(X+βY+γZ)值的基准点数据值及其出现次数和定位位置映射成对应基准点数据值的出租车ID号集合;
S96、对于S95中所记录的基准点数据值,利用
将基准点数据值(Φ′,Ψ′)转换成经纬度数据值(Φ,Ψ)的范围,使得S95中记录的出租车ID号集合都对应一个经纬度范围,再对比不同的出租车ID号集合之间是否同时包含相同的出租车ID号,若同时包含则分别合并对应的经纬度范围和出租车ID号集合,使得合并后每个出租车ID号惟一包含于一个出租车ID号集合并对应于一个经纬度范围,同时记录与存储相对应的出租车ID号集合和经纬度范围,形成车辆聚集预报警数据库DBtaxi,j;
S97、如果j<t(其中t为取值正整数的预设值)或从第max{1,j-t+1}到第j个时刻中某个时刻的车辆聚集预报警数据库为空,则令j自增1并返回S91,否则执行S98以处理从第j-t+1到第j个时刻这连续t个时刻的车辆聚集预报警数据库;
S98、在保持出租车ID号集合和经纬度范围对应关系的基础上,合并车辆聚集预报警数据库DBtaxi,j-t+1,DBtaxi,j-t+2,…,DBtaxi,j,再对比不同的出租车ID号集合之间是否同时包含相同的出租车ID号,若同时包含则分别合并对应的经纬度范围和出租车ID号集合,进而分别得到u个出租车ID号集合S1,S2,…,Su,使得合并后每个出租车ID号只能惟一包含于一个出租车ID号集合并对应于一个经纬度范围,统计合并后出租车ID号集合Se中的出租车车辆数me,1以及Se中同时包含于上述t个预报警数据库的出租车的车辆数me,2,,其中e=1,2,…,u;
S99、对于e=1,2,…,u,若S98中统计的车辆数之比满足me,2/me,1≥w(其中w为比例预设值,且满足0<w<1)则发出车辆聚集报警,同时输出DBtaxi,j中包含于Se的出租车ID号集合及其对应的经纬度范围,再令j自增1并返回S91。
6.一种基于路网和站点信息的出租车车辆聚集报警终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于:所述处理器执行所述计算机程序时实现如权利要求1-5所述方法的步骤。
7.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现如权利要求1-5所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710916836.XA CN109598925B (zh) | 2017-09-30 | 2017-09-30 | 出租车车辆聚集报警方法、终端设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710916836.XA CN109598925B (zh) | 2017-09-30 | 2017-09-30 | 出租车车辆聚集报警方法、终端设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109598925A true CN109598925A (zh) | 2019-04-09 |
CN109598925B CN109598925B (zh) | 2021-03-02 |
Family
ID=65955831
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710916836.XA Active CN109598925B (zh) | 2017-09-30 | 2017-09-30 | 出租车车辆聚集报警方法、终端设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109598925B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110197291A (zh) * | 2019-04-09 | 2019-09-03 | 安徽四创电子股份有限公司 | 基于北斗的网约车信息交互与监管系统 |
CN114170455A (zh) * | 2021-11-18 | 2022-03-11 | 北京锐安科技有限公司 | 一种物体聚集方法、装置、电子设备及存储介质 |
CN114863670A (zh) * | 2022-01-17 | 2022-08-05 | 深圳市慧视通科技股份有限公司 | 一种预警出租车聚集状况的方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090051510A1 (en) * | 2007-08-21 | 2009-02-26 | Todd Follmer | System and Method for Detecting and Reporting Vehicle Damage |
CN102117532A (zh) * | 2009-12-31 | 2011-07-06 | 厦门雅迅网络股份有限公司 | 一种基于gps系统实现出租车非法聚集预报警的方法 |
CN104021668A (zh) * | 2014-06-26 | 2014-09-03 | 中国科学院自动化研究所 | 一种公共交通供需状态检测与预测系统及方法 |
CN104715608A (zh) * | 2015-03-26 | 2015-06-17 | 杭州电子科技大学 | 基于HBase的全天候全域出租车聚集实时监测方法 |
KR20150072471A (ko) * | 2013-12-19 | 2015-06-30 | 건국대학교 산학협력단 | 시공간 확률 모델을 이용한 교통 흐름 예측 시스템 |
US20170243485A1 (en) * | 2012-04-24 | 2017-08-24 | Zetta Research and Development LLC, ForC series | V2v safety system using learned signal timing |
-
2017
- 2017-09-30 CN CN201710916836.XA patent/CN109598925B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090051510A1 (en) * | 2007-08-21 | 2009-02-26 | Todd Follmer | System and Method for Detecting and Reporting Vehicle Damage |
CN102117532A (zh) * | 2009-12-31 | 2011-07-06 | 厦门雅迅网络股份有限公司 | 一种基于gps系统实现出租车非法聚集预报警的方法 |
US20170243485A1 (en) * | 2012-04-24 | 2017-08-24 | Zetta Research and Development LLC, ForC series | V2v safety system using learned signal timing |
KR20150072471A (ko) * | 2013-12-19 | 2015-06-30 | 건국대학교 산학협력단 | 시공간 확률 모델을 이용한 교통 흐름 예측 시스템 |
CN104021668A (zh) * | 2014-06-26 | 2014-09-03 | 中国科学院自动化研究所 | 一种公共交通供需状态检测与预测系统及方法 |
CN104715608A (zh) * | 2015-03-26 | 2015-06-17 | 杭州电子科技大学 | 基于HBase的全天候全域出租车聚集实时监测方法 |
Non-Patent Citations (1)
Title |
---|
陆萍等: "基于动态道路映射的基站定位方法", 《计算机与数字工程》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110197291A (zh) * | 2019-04-09 | 2019-09-03 | 安徽四创电子股份有限公司 | 基于北斗的网约车信息交互与监管系统 |
CN114170455A (zh) * | 2021-11-18 | 2022-03-11 | 北京锐安科技有限公司 | 一种物体聚集方法、装置、电子设备及存储介质 |
CN114863670A (zh) * | 2022-01-17 | 2022-08-05 | 深圳市慧视通科技股份有限公司 | 一种预警出租车聚集状况的方法及装置 |
CN114863670B (zh) * | 2022-01-17 | 2022-12-02 | 深圳市慧视通科技股份有限公司 | 一种预警出租车聚集状况的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109598925B (zh) | 2021-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105550199B (zh) | 一种基于多源地图的点位聚合方法及装置 | |
CN110287276A (zh) | 高精地图更新方法、装置及存储介质 | |
CN107657637B (zh) | 一种农机作业面积获取方法 | |
Zheng et al. | Detecting collective anomalies from multiple spatio-temporal datasets across different domains | |
CN103996068B (zh) | 客流分布的统计方法和装置 | |
CN105809502A (zh) | 交易风险检测方法和装置 | |
US20160286351A1 (en) | Indoor navigation anomaly detection | |
CN108170793A (zh) | 基于车辆语义轨迹数据的停留点分析方法及其系统 | |
US20150022392A1 (en) | Method for Representing a Vehicle Environment with Position Points | |
CN103700261A (zh) | 一种基于视频的道路交通流特征参数监测及交通综合信息服务系统 | |
US20210134147A1 (en) | System and method for processing vehicle event data for low latency speed analysis of road segments | |
Li et al. | Webvrgis based city bigdata 3d visualization and analysis | |
CN111325986B (zh) | 异常停车监测方法、装置、电子设备以及存储介质 | |
CN114120650B (zh) | 用于生成测试结果的方法、装置 | |
US20230126317A1 (en) | System and method for processing vehicle event data for improved journey trace determination | |
CN109598925A (zh) | 出租车车辆聚集报警方法、终端设备及存储介质 | |
WO2022153125A2 (en) | System and method for processing vehicle event data for analysis of road segments and turn ratios | |
CN117078156A (zh) | 一种基于数字孪生的仓储立库监测方法 | |
CN109711035A (zh) | 城市模型构建方法及装置 | |
CN110322688A (zh) | 一种数据处理的方法、数据查询的方法及相关设备 | |
CN116431937A (zh) | 基于地理信息云平台的时空大数据系统 | |
CN112712700A (zh) | 交通拥堵指数的确定方法及装置 | |
US20210016879A1 (en) | Drone elastic map | |
US20230128788A1 (en) | System and method for processing vehicle event data for improved point snapping of road segments | |
CN113538734A (zh) | 用于处理驾驶数据的方法、装置、电子设备及存储介质 |
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 | ||
CP03 | Change of name, title or address |
Address after: 303-e, Zone C, innovation building, software park, Xiamen Torch hi tech Zone, Xiamen, Fujian, 361000 Patentee after: Xiamen Yaxun Zhilian Technology Co.,Ltd. Country or region after: China Address before: 303-e, Zone C, innovation building, software park, torch hi tech Zone, Xiamen City, Fujian Province Patentee before: XIAMEN YAXON NETWORK Co.,Ltd. Country or region before: China |
|
CP03 | Change of name, title or address |