内的可拼车车辆组发现的需求，并且基于云计算环境下的并行处理框架，在处理海量数据时分析处理性能得到极大的提升，能及时地将查询结果反馈给用户。
【附图说明】
[0017]图1是本发明系统的网络拓扑图。
[0018]图2是本发明系统的层次结构图。
[0019]图3是本发明方法动态拼车分析过程的模块图。
[0020]图4是本发明方法的实施流程图。
[0021]图5是本发明方法实施流程图的辅助示意图。
【具体实施方式】
[0022]下面将结合附图对本发明提出的方法和系统进行详细描述。
[0023]附图1展示了本发明系统的网络拓扑图。客户端使用户可以通过网络访问本系统，客户端可以是手机、电脑等终端设备；服务器端是部署在云环境中的由多台机器组成的集群上的动态拼车系统；城市交通摄像头不断生成数据，数据通过网络被采集到服务器端。
[0024]附图2展示了本发明系统的层次结构图。用户通过各种终端设备，如手机、电脑等登入本系统，然后通过以下几个层次结构得到拼车推荐结果。
[0025]数据采集层。负责采集从城市交通摄像头中产生的交通监控数据，并通过网络将数据通过到消息存储系统进行缓存，最后输送到存储层。
[0026]存储层。存储层由HDFS和关系数据库组成。HDFS负责存储从数据采集层传送过来的监控数据，便于通过Spark框架进行分析处理，关系数据库负责保存从数据分析层传送过来的处理后的结果数据，便于服务层的查询结果反馈。
[0027]数据分析层。根据服务层传送过来的用户查询条件，利用Spark框架采用动态拼车方法并行的分析处理HDFS中的监控数据，并将分析结果存储到关系数据库中。
[0028]服务层。接收用户输入的查询条件，将查询条件传送给数据分析层，并负责从关系数据库中查询出数据分析层处理后的结果，将查询结果返回给用户。
[0029]附图3展示了本发明方法动态拼车分析过程的模块图。包括:
[0030]车辆轨迹查询子模块。根据用户输入的查询条件，基于存储在HDFS中的海量车牌自动识别数据，通过后台查询目标车辆或所有车辆的经过的监测点序列；
[0031]点伴随车辆组查询子模块。根据车辆轨迹查询在一定的时间范围内共同经过同一监测点的车辆组；
[0032]可拼车车辆组查询子模块。对点伴随车辆利用关联分析的挖掘方法挖掘一定时间内在一定数目的监测点共同出现的可拼车车辆组。然后将可拼车车辆组的查询结果存入关系数据库便于查询。可拼车车辆组查询子模块求得可拼车车辆组块是基于以下方式:对点伴随车辆组利用关联规则分析方法，基于频繁子集发现算法，从而求得可拼车车辆组。
[0033]拼车推荐子模块。根据上下文中的用户个人信息和历史查询记录，结合可拼车车辆组的查询结果，将拼车推荐结果按照匹配优先级排序后存储到关系数据库中便于服务层将结果推荐给用户。
[0034]附图4展示了本发明方法的实施流程图。本发明方法包括以下流程:
[0035]S1:通过操作界面或者REST形式对外查询服务接口获取用户的查询条件，查询条件可包括:(I)目标车牌号和起止时间；(2)起止时间。
[0036]以查询条件(2)无目标车牌号的可拼车车辆组查询为例。图5是本发明方法实施流程图的辅助示意图，图中，共有{Si，S2,…s6} 6个监测点，Iv1, V2，…，V10110辆车，横坐标是车辆经过某监测点的时间，纵坐标是监测点的位置，假定监测点阈值为5，时间阈值为30分钟。
[0037]交通管理部门为了减轻城市交通压力，鼓励高峰时段的用户拼车出行，需要公布指定时间内的可拼车车辆组数据供市民拼车查询。例如查询条件如下:查询起止时间一2012-11-1 07:00:00 至 2012-11-1 07:30:00，即要求查询从 2012-11-1 07:00:00 至2012-11-107:30:00这30分钟内的所有可拼车车辆组数据。
[0038]S2:根据用户输入的查询条件，从海量车牌自动识别数据中查询所有车辆的经过的监测点序列所组成的车辆轨迹。
[0039]例如，从2012-11-1 07:00:00 至 2012-11-1 07:30:00 这 30 分钟内车辆 V1 的车辆轨迹是{Si，S2, S3, S4, S5, S6}，车辆V2的车辆轨迹是{s 1； S2, S3, s5}，依次可以查询出其它车辆的车辆轨迹。
[0040]S3:根据查询出来的所有车辆的车辆轨迹，查询在一定的时间范围内共同经过同一监测点的所有车辆组。
[0041 ] 例如，车辆Iv1, V2, v7, V3, v4}和{v8, V10, v5}在这30分钟内共同经过了 S1监测点，因此其在81监测点下就组成了点伴随车辆{v !, V2, V7, V3, V4, V8, V10, V5I，同样可以查询出其他监测点下的点伴随车辆组。
[0042]S4:对点伴随车辆组利用频繁项集发现算法挖掘一定时间内在一定数目的监测点共同出现的可拼车车辆组。其中一定数目的监测点必须大于等于设定的监测点数量阈值。
[0043]例如，车辆组Iv1, V2, V3, v4}共同经过了(S1, S2, S3, s5} 4个监测点，而车辆组{v5, V10I共同经过了 Is1, s2，s3，s4，s6}五个监测点，所以车辆组{v5，v1(l}满足大于等于设定的监测点阈值5，在这种情况下，车辆v5，Vltl共同组成可拼车车辆组。交通管理部门或相关拼车公司可以在获得交管主管部门及用户授权的前提条件下，将该数据对公众提供拼车推荐服务，以方便私家车车主在有拼车出行需求时(例如车辆限行时)获得拼车对象的推荐服务。
[0044]S5:对具有拼车需求的普通用户。系统可以根据可拼车车辆组的查询结果，结合上下文中的用户个人信息和历史查询记录，将拼车推荐结果按照匹配优先级排序后反馈给用户。
[0045]S6:系统将拼车推荐结果通过操作界面或REST对外服务接口反馈给用户。
[0046]以上所述实例仅用于说明本发明的技术方案，并不用于限制本发明，本领域的普通技术人员应当理解:凡在本发明的原则和精神之内所作的任何修改、等同替换和改进等，均包含在本发明的保护范围之内。
【主权项】
1.一种基于海量车牌自动识别数据的动态拼车系统，其特征在于该系统包括数据采集模块、存储模块、数据分析模块和服务模块，其中: 数据采集模块采集从城市交通摄像头中产生的监控数据，并将数据输送到存储模块；存储模块存储从数据采集模块传送过来的监控数据和从数据分析模块传送过来的处理后的结果数据； 数据分析模块根据服务模块传送过来的用户查询条件分析处理存储模块中的监控数据，并将分析结果存储到存储模块中； 服务模块接收用户输入的查询条件，将查询条件传送给数据分析模块，并从存储模块中查询数据分析模块处理后的结果，将查询结果返回给用户。2.根据权利要求1所述的一种基于海量车牌自动识别数据的动态拼车系统，其特征在于所述处理的输入数据是来自交通摄像头的海量车牌自动识别数据，该自动识别数据至少包括车牌号，监测点，时间点三个字段的信息。3.根据权利要求1所述的一种基于海量车牌自动识别数据的动态拼车系统，其特征在于数据分析模块包括以下四个数据分析处理子模块: 车辆轨迹查询子模块，其根据用户输入的查询条件，基于海量车牌自动识别数据，通过后台根据一段时间范围内车辆所经过的监测点位置序列得到目标车辆或所有车辆的车辆