开云优惠体育网页版入口

专利名称：一种基于车联网的大数据分析方法和系统

专利类型：发明专利

专利申请号：CN202310418153.7

专利申请（专利权）人：西藏金采开云优惠体育网页版入口股份有限公司
权利人地址：西藏自治区拉萨市拉萨经济技术开发区博达路12号

专利发明（设计）人：王弥,孙德全,徐舒豪,吴艳秋,唐波,胡广彬,陈浩

专利摘要：本发明公开了一种基于车联网的大数据分析方法和系统，属于交通管理技术领域，包括：S1：划分工作区域，基于车联网实时获取进入工作区域的车辆信息；S2：根据目标车辆在工作区域内的实时位置对其车辆历史数据进行分析，获得对应的分析数据；S3：根据获得的分析数据进行工作区域内的路况分析，获得工作区域内各路段各时段内的交通处理方案；S4：获取交通显示模型，在交通显示模型中标记各路段对应的交通拥堵等级；S5：按照获得的交通处理方案进行各路段的交通预管理；通过基于车联网获取各车辆数据进行智能分析，提前预估各道路对应的交通拥堵情况，便于交通管理人员提前预判各路段的交通情况。

主权利要求：
1.一种基于车联网的大数据分析方法，其特征在于，包括：实时获取进入工作区域的车辆信息，所述车辆信息包括实时位置；
根据目标车辆在该工作区域内的实时位置对其车辆历史数据进行分析，获得分析数据；
根据所述获得分析数据进行所述工作区域内的路况分析，获得该工作区域内交通处理方案，所述交通处理方案包括：路段信息、时段信息，以及拥堵等级；
按照获得的交通处理方案进行各路段的交通预管理；
获得分析数据具体实现为：
根据目标车辆的位置从车辆历史数据中提取符合当前目标车辆行驶的数据，标记为初始数据，即根据目标车辆的位置、行驶方向筛选出包括当前道路的车辆历史记录，统计初始数据中目标车辆后续具有的可选道路，其中，以道路分布图的方式进行显示更加的直观和便于分析，按照各可选道路将初始数据进行分类，获得各可选道路的道路数据，道路数据即为该道路的历史通行次数以及各次数对应的时间段，根据目标车辆当前所处时间和各可选道路各通行次数对应的时间段评估该次数的有效值，不同时间其代表的权重具有差异，进而设置对应的通行的有效值；
以有效值参与计算，并标记为YZi，将该可选道路中的通行记录标记为i，其中i＝1、
2、……、n，n为正整数，为一次通行记录；根据代表值模型计算各可选道路的代表值；
将各可选道路标记为j，其中j＝1、2、……、m，m为正整数，根据待选值模型计算各可选道路的待选值，以获取待选道路其中：所述代表值模型为： 其中LR为待选值；
所述待选值公式为 其中α为转化系数，用于将对应的概率值转换为待选值；
确定待选道路的方法包括：
设置阈值X1，将待选值不小于阈值X1的可选道路标记为待选道路，将待选道路对应的待选值和预估时间整合为分析数据；
根据所述获得分析数据进行所述工作区域内的路况分析，获得该工作区域内交通处理方案，包括：建立工作区域的交通显示模型，将各目标车辆的分析数据输入到交通显示模型中，获得工作区域内各路段对应的分析数据，按照分析数据中的预估时间进行归类，获得各路段各时段对应的待选值集合；
建立交通方案库，根据获得的待选值集合评估对应的交通拥堵等级，根据获得的交通拥堵等级从交通方案库中匹配对应的交通处理方案。
2.根据权利要求1所述的一种基于车联网的大数据分析方法，其特征在于，所述车辆信息还包括车辆编号、车辆历史数据、车辆型号、车辆用途。
3.根据权利要求1所述的一种基于车联网的大数据分析方法，其特征在于，还包括：构件历史数据库；
在设置的采集期限内，获取在采集期限进出工作区域的车辆，标记为初始车辆；
为不同车辆生成唯一编码，建立历史数据库，所述历史数据库包括所述车辆历史数据；
当需识别进入工作区域的车辆时，根据所述唯一编码从所述历史数据库中进行历史车辆信息的匹配。
4.根据权利要求3所述的一种基于车联网的大数据分析方法，其特征在于，构件历史数据库：获取所述初始车辆在采集限期内的历史行驶记录；
提取行驶记录中的行驶路线和对应的时间段，将获得的行驶路线和对应的时间段整合为所述车辆历史数据并存储；
在运行的过程中，实时记录各车辆的行驶路线和时间段，补充到历史数据库中对应的车辆历史数据中。
5.一种基于车联网的大数据分析系统，其特征在于，执行如权利要求1?4任意一项所述的一种基于车联网的大数据分析方法。 说明书 : 一种基于车联网的大数据分析方法和系统技术领域[0001] 本发明属于交通管理技术领域，具体是一种基于车联网的大数据分析方法和系统。背景技术[0002] 随着社会的发展，汽车的保有量逐渐增加，然而用于汽车行驶的道路的增量远远不及汽车保有量的增加速度，这就造成了现代城市道路的拥堵现象日益严重，为城市管理带来了较大困难；而且现有的交通管理部门在进行交通管理时，一般都是在出现拥堵后才进行疏导，将该等待时间内可能会出现大面积堵塞，影响交通的运行。[0003] 因此，为了为交通管理工作提供支持，切实缓解日益严峻的拥堵现状，保障城市内交通的正常、高效运行，需要帮助各交通管理部门设置一个辅助方法，辅助对应的管理人员进行交通管理。[0004] 基于此，本发明提供了一种基于车联网的大数据分析方法和系统。发明内容[0005] 为了解决上述方案存在的问题，本发明提供了一种基于车联网的大数据分析方法和系统，以解决现有的车联网数据分析方法中存在的交通管理滞后的问题。[0006] 本发明的目的可以通过以下技术方案实现：[0007] 一种基于车联网的大数据分析方法和系统，包括：[0008] S1：划分工作区域，基于车联网实时获取进入工作区域的车辆信息；[0009] 进一步地，所述车辆信息包括车辆编号、车辆历史数据、车辆型号、车辆用途。[0010] 车辆用途用于表明其是私家车、网约车、出租车、货车等类型用途。[0011] 进一步地，获取车辆信息中的车辆历史数据的方法包括：[0012] 设置采集期限，获取在采集期限进出工作区域的车辆，标记为初始车辆，并自动为每个不重复车辆生成一个唯一的编码，建立历史数据库，识别进入工作区域的车辆编号，根据识别的车辆编号从历史数据库中匹配对应的历史车辆数据。[0013] 进一步地，建立历史数据库的方法包括：[0014] 获取初始车辆在采集限期内的历史行驶记录，提取行驶记录中的行驶路线和对应的时间段，将获得的行驶路线和对应的时间段整合为车辆历史数据；建立历史数据库，将获得的车辆历史数据打上对应的车辆编号储存到历史数据库中，并在运行的过程中，实时记录各车辆的行驶路线和时间段，补充到历史数据库中对应的车辆历史数据中；[0015] 对于在运行过程中第一次进入工作区域的车辆，生成对应的编码，记录其行驶路线和时间段，将记录的行驶路线和时间段整合为车辆历史数据储存到历史数据库中。[0016] S2：根据目标车辆在工作区域内的实时位置对其车辆历史数据进行分析，获得对应的分析数据；[0017] 进一步地，进行分析的方法包括：[0018] 根据目标车辆的位置从车辆历史数据中提取对应的初始数据，根据获得的初始数据设置对应的可选道路和各可选道路对应的道路数据，对道路数据进行分析，获得对应的有效值，根据获得的有效值设置对应的待选道路以及各待选道路对应的待选值和预估时间。[0019] 进一步地，计算各可选道路的待选值的方法包括：[0020] 将有效值标记为YZi，根据代表值公式 计算各可选道路的代表值，将各可选道路标记为j，其中j＝1、2、……、m，m为正整数，根据待选值公式 计算各可选道路的待选值，其中α为转化系数。[0021] 进一步地，确定待选道路的方法包括：[0022] 设置阈值X1，将待选值不小于阈值X1的可选道路标记为待选道路，将待选道路对应的待选值和预估时间整合为分析数据。[0023] S3：根据获得的分析数据进行工作区域内的路况分析，获得工作区域内各路段各时段内的交通处理方案；[0024] 进行路况分析的方法包括：[0025] 建立工作区域的交通显示模型，将各目标车辆的分析数据输入到交通显示模型中，获得工作区域内各路段对应的分析数据，按照分析数据中的预估时间进行归类，获得各路段各时段对应的待选值集合；[0026] 建立交通方案库，根据获得的待选值集合评估对应的交通拥堵等级，根据获得的交通拥堵等级从交通方案库中匹配对应的交通处理方案。[0027] S4：获取交通显示模型，在交通显示模型中标记各路段对应的交通拥堵等级；[0028] S5：按照获得的交通处理方案进行各路段的交通预管理。[0029] 与现有技术相比，本发明的有益效果是：[0030] 通过基于车联网获取各车辆数据进行智能分析，提前预估各道路对应的交通拥堵情况，便于交通管理人员提前预判各路段的交通情况，并通过建立交通显示模型进行直观的显现，同时便于派遣对应的交通管理人员达到对应的路段进行交通管理，通过各路段接下来的交通情况，方便派遣的交通管理人员选择合适的交通路线到达目的地；通过分析的交通拥堵等级，智能匹配相应的交通处理方案，实现辖区内交通的智能化管理，保障辖区内交通的高效运行。附图说明[0031] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。[0032] 图1为本发明方法流程图；[0033] 图2为本发明步骤S2流程图。具体实施方式[0034] 下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。[0035] 如图1所示，一种基于车联网的大数据分析方法和系统，包括：[0036] S1：输入需要进行分析的交通区域，将输入的交通区域范围在交通信息图中进行标记，实现工作区域划分，基于车联网实时获取进入工作区域的车辆信息；[0037] 其中车辆信息是按照预设的采集内容进行采集整合的，预设的采集内容是与分析对应车辆接下来可能行驶的路线进行分析的，如车辆编号、车辆历史数据、车辆型号等，车辆历史数据是基于车联网获取的该车辆之前在工作区域内进行行驶的路线数据。[0038] 具体的，获取车辆信息中的车辆历史数据的方法包括：[0039] 设置一个采集限期，只初始分析采集限期内的数据，具体采集限期时长由对应的管理人员进行设置，获取在采集限期内进出工作区域的车辆，标记为初始车辆，给每个初始车辆自动设置一个唯一的编号，后续也是相同的情况，对于第一次进入工作区域的车辆自动生成一个编号，获取初始车辆的在工作区域内的历史行驶记录，提取历史行驶记录中的行驶路线和对应的时间段；将获得的行驶路线和对应的时间段整合为车辆历史数据，建立历史数据库，将获得的车辆历史数据打上对应的车辆编号储存到历史数据库中，并在运行的过程中，实时记录各车辆的行驶路线和时间段，补充到历史数据库中对应的车辆历史数据中；对于在运行过程中刚进入的车辆，生成一个编码，记录其行驶路线和时间段，作为新的车辆历史数据储存到历史数据库中；其中运行期间指的是本发明应用的期间；[0040] 当需要获取进入工作区域内车辆的车辆历史数据时，识别该车辆的编号，根据识别的编号从历史数据库中匹配对应的车辆历史数据。[0041] S2：将进入工作区域或者在工作区域内行驶的车辆标记为目标车辆，根据目标车辆在工作区域内的实时位置对其车辆历史数据进行分析，分析出目标车辆在目标区域内将会行驶的道路，以及预估其在对应道路上的行驶时间，即在道路上任意位置，预估其会在何时到达该位置，将对应的道路标记为待选道路，将待选道路对应的待选值以及预估其在对应道路上的预估时间整合为分析数据；[0042] 各车辆的分析数据随着时间和车辆位置的变化，将会进行动态更新。[0043] 分析出分析数据的方法包括：[0044] 根据目标车辆的位置从车辆历史数据中提取符合当前目标车辆行驶的数据，标记为初始数据，即根据目标车辆的位置、行驶方向等筛选出包括当前道路的车辆历史记录，统计初始数据中目标车辆后续具有的可选道路，其中，以道路分布图的方式进行显示更加的直观和便于分析，按照各可选道路将初始数据进行分类，获得各可选道路的道路数据，道路数据即为该道路的历史通行次数以及各次数对应的时间段，根据目标车辆当前所处时间和各可选道路各通行次数对应的时间段评估该次数的有效值，不同时间其代表的权重具有差异，进而设置对应的该次通行的有效值，具体的是基于CNN网络或DNN网络建立对应的有效分析模型，通过人工的方式建立对应的训练集进行训练，根据当前目标车辆的位置和所处时间，预估其到达各可选道路的时间，通过现有技术进行智能评估，如当前各种导航软件中的行驶时间预估方法，将预估出的各可选道路对应的时间标记为预估时间，通过训练成功后的有效分析模型对当前目标车辆在对应可选道路上的预估时间和该次通行记录对应的时间段进行分析，输出对应的有效值；[0045] 将该可选道路中的通行记录标记为i，其中i＝1、2、……、n，n为正整数，为一次通行记录；将获得的有效值标记为YZi，根据代表值公式 计算各可选道路的代表值，将各可选道路标记为j，其中j＝1、2、……、m，m为正整数，根据待选值公式计算各可选道路的待选值，其中α为转化系数，用于将对应的概率值转换为待选值，具体的是由专家组进行调整设置的，将待选值不小于阈值X1的可选道路标记为待选道路，将待选道路对应的待选值和预估时间整合为分析数据。[0046] S3：根据获得的分析数据进行工作区域内的路况分析，获得工作区域内各路段各时段内的交通处理方案；[0047] 建立工作区域的交通显示模型，交通显示模型是基于交通信息图进行建立的一个三维数据模型，将各路段对应的分析数据输入到交通显示模型中，在交通显示模型中对应路段上实时统计该路段的各车辆的分析数据，再按照对应的预设时段长和对应的预估时间进行各分析数据的归类，分布到对应的时段内，预估时间随着时间的变动是动态更新的，因此在不同的时段内各分析数据是具有变化的；对时段内各分析数据对应的待选值进行分析，判断在该时段内的交通拥堵等级，预设具有的交通拥堵等级，以及当处于对应的交通拥堵等级时，应该进行怎样的处理，如提前派遣对应的交通工作人员前去对应的路段进行交通指挥，进行事先准备，保障交通的流畅，提高交通管理效率，避免当产生大面积的拥堵后才进行人工疏导，效率低，影响交通运行。[0048] 具体的，先确定具有的交通拥堵等级，根据具有的交通拥堵等级设置各交通拥堵等级对应的交通处理方案，交通处理方案是通过专家组进行讨论的方式进行设置的，将设置的交通处理方案进行整理后建立交通方案库；[0049] 基于CNN网络或DNN网络建立对应的路况分析模型，通过人工的方式建立对应的训练集进行训练，通过训练成功后的路况分析模型对各路段对应的待选值集合进行分析，获得该路段该时段的交通拥堵等级，根据分析出的交通拥堵等级从交通方案库中进行匹配，获得对应的交通处理方案。[0050] S4：获取交通显示模型，在交通显示模型中标记各路段对应的交通拥堵等级；[0051] S5：按照获得的交通处理方案进行各路段的交通预管理。[0052] 通过基于车联网获取各车辆数据进行智能分析，提前预估各道路对应的交通拥堵情况，便于交通管理人员提前预判各路段的交通情况，并通过建立交通显示模型进行直观的显现，同时便于派遣对应的交通管理人员达到对应的路段进行交通管理，通过各路段接下来的交通情况，方便派遣的交通管理人员选择合适的交通路线到达目的地；通过分析的交通拥堵等级，智能匹配相应的交通处理方案，实现辖区内交通的智能化管理，保障辖区内交通的高效运行。[0053] 上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。[0054] 以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。

专利地区：西藏

专利申请日期：2023-07-13

专利公开日期：2024-03-22

专利公告号：CN116758726B