轨迹； 点伴随车辆组查询子模块，其根据车辆轨迹计算点伴随车辆组； 可拼车车辆组查询子模块，其对点伴随车辆组进行分析从而求得可拼车车辆组，然后将可拼车车辆组的查询结果存入存储模块； 拼车推荐子模块，其将可拼车车辆组的推荐结果按照匹配优先级排序后存储到存储模块中便于服务模块将结果反馈给用户。4.根据权利要求3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:点伴随车辆组查询子模块计算点伴随车辆组采用如下方式:根据车辆轨迹得到一段时间内共同经过同一监测点的点伴随车辆组。5.根据权利要求3所述的一种基于海量车牌自动识别数据的动态拼车系统，其中: 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:根据点伴随车辆组得到一段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，可拼车车辆是指可以提供拼车服务的车主的车辆，有拼车需求的人可以搭乘此车辆进行拼车，可拼车车辆的集合称为可拼车车辆组。6.根据权利要求3所述的一种基于海量车牌自动识别数据的动态拼车系统，其中: 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。7.根据权利要求3所述的一种基于海量车牌自动识别数据的动态拼车系统，其中: 拼车推荐子模块确定可拼车车辆组的推荐结果的匹配优先级是由其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确定的。8.根据权利要求1-7之一所述的一种基于海量车牌自动识别数据的动态拼车系统，其中: 存储模块包括HDFS和关系数据库，HDFS存储从采集模块传送过来的监控数据，关系数据库存储从数据分析模块传送过来的处理后的结果数据。9.根据权利要求1-8之一所述的一种基于海量车牌自动识别数据的动态拼车系统，其中: 数据分析模块采用如下方式分析处理存储模块中的监控数据:根据服务模块传送过来的用户查询条件利用Spark框架分析处理HDFS中的监控数据。10.根据权利要求1-9之一所述的一种基于海量车牌自动识别数据的动态拼车系统，其中: 查询条件包括:(I)目标车牌号和起止时间；(2)起止时间。11.一种基于海量车牌自动识别数据的动态拼车方法，其特征在于包括以下步骤: (1)获取用户查询条件； (2)查询车辆轨迹； (3)查询点伴随车辆组； (4)查询可拼车车辆组； (5)产生拼车推荐结果； (6)将推荐结果反馈给用户。12.根据权利要求11所述的一种基于海量车牌自动识别数据的动态拼车方法，其中， 步骤(2)具体采用如下方式: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轨迹。13.根据权利要求11或12所述的一种基于海量车牌自动识别数据的动态拼车方法，其中， 步骤(3)具体采用如下方式:根据车辆轨迹得到一段时间内共同经过同一监测点的点伴随车辆组。14.根据权利要求11-13之一所述的一种基于海量车牌自动识别数据的动态拼车方法，其中， 步骤(4)具体采用如下方式:对点伴随车辆组利进行分析从而求得可拼车车辆组。15.根据权利要求11-14之一所述的一种基于海量车牌自动识别数据的动态拼车方法，其中， 步骤(5)具体采用如下方式:将可拼车车辆组的推荐结果按照匹配优先级排序。16.根据权利要求11或14所述的一种基于海量车牌自动识别数据的动态拼车方法，其中: 步骤(4)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。17.根据权利要求11或15所述的一种基于海量车牌自动识别数据的动态拼车方法，其中: 步骤(5)产生拼车推荐结果是基于以下方法: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确定可拼车车辆组的推荐结果按照匹配优先级。18.根据权利要求11-17之一所述的一种基于海量车牌自动识别数据的动态拼车方法，其中:步骤(2) (3) (4) (5)都是基于Spark框架进行的分布式并行查询。19.根据权利要求18所述的一种基于海量车牌自动识别数据的动态拼车方法，其中步骤(4)，使用并行化的频繁项集发现算法来挖掘可拼车车辆组。20.根据权利要求12所述的一种基于海量车牌自动识别数据的动态拼车方法，其特征在于海量车牌自动识别数据，是对交通摄像头捕捉到的海量道路交通数据进行处理后生成的数据，该数据至少包含车牌号，监测点，时间点三个字段的信息。21.根据权利要求11所述的一种基于海量车牌自动识别数据的动态拼车方法，其特征在于步骤(4)查询可拼车车辆组是根据点伴随车辆组得到一段时间范围内在一定数目的监测点共同出现的可拼车车辆组，其中，可拼车车辆是指可以提供拼车服务的车主的车辆，有拼车需求的人可以搭乘此车辆进行拼车，可拼车车辆的集合称为可拼车车辆组。22.根据权利要求21所述的一种基于海量车牌自动识别数据的动态拼车方法，其中一段时间范围内在一定数目的监测点存在伴随关系的可拼车车辆组，一定数目的监测点必须大于等于设定的监测点数量阈值，其中监测点阈值根据不同时段车流量自动设定。23.—种基于海量车牌自动识别数据的动态拼车方法，其特征在于该方法包括以下步骤: (1)采集从城市交通摄像头中产生的监控数据并存储该数据； (2)接收用户输入的查询条件； (3)根据用户查询条件分析存储的监控数据，并存储分析结果； (4)查询存储的分析结果并将查询结果返回给用户。24.根据权利要求23所述的一种基于海量车牌自动识别数据的动态拼车方法，其特征在于步骤(3)具体采用如下方式: 根据用户输入的查询条件，基于海量车牌自动识别数据，查询目标车辆或所有车辆的车辆轨迹； 根据车辆轨迹计算点伴随车辆组； 对点伴随车辆组利进行分析从而求得可拼车车辆组，然后将可拼车车辆组的查询结果存入存储模块便于查询； 将可拼车车辆组的推荐结果按照匹配优先级排序后存储到存储模块中。25.根据权利要求24所述的一种基于海量车牌自动识别数据的动态拼车方法，其中: 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。26.根据权利要求25所述的一种基于海量车牌自动识别数据的动态拼车方法，其中: 可拼车车辆组的推荐结果的匹配优先级是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确定的。27.根据权利要求23-26之一所述的一种基于海量车牌自动识别数据的动态拼车方法，其中: 采用如下方式分析存储的监控数据:根据用户查询条件利用Spark框架分析处理HDFS中的监控数据。28.根据权利要求11-27所述的动态拼车方法，其特征在于所述方法采用如权利要求1-10所述的系统实现。
【专利摘要】本发明提出了一种基于海量车牌自动识别数据的动态拼车方法和系统。该系统基于云计算环境下的Hadoop和Spark并行处理与分析框架，高效的处理海量车牌自动识别数据，及时准确的为用户提供拼车推荐服务。不同于传统拼车系统需要出发地和目的地等作为查询条件，该方法和系统通过给定一段时间范围，即可对共同出现在一定数量监测点的车辆利用频繁项集发现算法进行并行的分析和挖掘，实现可拼车车辆组的动态推荐功能。
【IPC分类】G06F17/30
【公开号】CN104933136
【申请号】CN201510330632
【发明人】王桂玲, 曹波, 张仲妹, 朱美玲, 刘晨, 韩燕波
【申请人】北方工业大学
【公开日】2015年9月23日
【申请日】2015年6月15日