一种基于交通大数据伴随模型运用方法与流程

本发明涉及一种运用方法，具体为一种基于交通大数据伴随模型运用方法。

背景技术：

现有技术中通常通过对车和驾驶人员进行绑定，通过对车辆信息进行记录，当需要运用到治安防控上时，在进行信息溯源，浪费时间的同时也定位不精确，为此，我们提供一种基于交通大数据伴随模型运用方法。

技术实现要素：

本发明的目的就在于提供一种基于交通大数据伴随模型运用方法，通过设置数据处理单元和数据分析单元，对车辆、乘坐人员和手机侦码之间建立联系并根据相似度进行匹配，便于对车辆的通行数据以及随行人员进行溯源查询，节省信息检索时间，提高交通安全管控力度。

本发明所解决的技术问题为：如何通过设置数据处理单元和数据分析单元，对车辆通行情况和手机唯一识别码进行侦测识别，并对乘客的声纹数据进行记录，解决现有技术中检查站车辆与人员伴随关系无法溯源的问题。

本发明的目的可以通过以下技术方案实现：一种基于交通大数据伴随模型运用方法，该伴随模型的运用方法包括以下步骤：

步骤一：利用伴随模型中的数据采集单元对站点数据、车辆记录数据、侦码记录数据和乘客声纹记录数据进行采集并将其整合为交通通行数据，然后将交通通行数据传输至数据存储单元进行存储；

步骤二：数据处理单元从数据存储单元中提取交通通行数据进行伴随处理，根据车辆识别码生成对应的车辆时间序列，根据手机唯一识别码生成对应的侦码时间序列，并将乘客声纹记录数据和车辆记录数据进行绑定生成声纹绑定数据，然后将车辆时间序列、侦码时间序列和声纹绑定数据传输至数据分析单元；

步骤三：对车辆时间序列和侦码时间序列进行标记，并将其代入到相似度函数中，采用dtw算法对其进行相似性分析，并同时进行lcs前溯算法和lcs后溯算法得到匹配度最高的通行记录起始时间、通行记录终止时间、侦测记录起始时间和侦测记录终止时间，进而得到对应的匹配度最高的车辆记录数据和侦码记录数据，并将其进行整合，生成匹配结果数据并传输至数据存储单元进行存储。

本发明的进一步技术改进在于：该伴随模型本体包括数据采集单元、数据分析单元、数据处理单元和数据存储单元；

所述数据采集单元获取交通通行数据并将其发送至数据存储单元，所述交通通行数据包括站点数据、车辆记录数据、侦码记录数据和乘客声纹记录数据，所述站点数据表示站点编号数据和车辆采集时间数据，所述车辆记录数据包括车型数据和车牌数据，所述侦码记录数据包括手机唯一识别码和识别起始时间数据和识别终止时间数据，所述乘客声纹记录数据表示乘客声音的声波频谱信息；

所述数据处理单元从数据存储单元中提取交通通行数据并进行伴随处理，并将得到的车辆时间序列、侦码时间序列和声纹绑定数据传输至数据分析单元；

所述数据分析单元接收到车辆时间序列、侦码时间序列和声纹绑定数据并对其进行匹配分析，得到匹配度最高的通行记录起始时间、通行记录终止时间、侦测记录起始时间和侦测记录终止时间，进而得到对应的匹配度最高的车辆记录数据和侦码记录数据，并将其进行整合，生成匹配结果数据并传输至数据存储单元进行存储；

由于车辆时间序列、侦码时间序列中的数据无法简单定义成平面上的点，则将dwt中的欧式距离计算方法进行改进，采用概率方式定义车辆采集时间数据与识别起始时间数据和识别终止时间数据之间的距离，定义车辆与侦码同时被识别到的概率为p并认定其符合正态分布，定义车辆与侦码对的距离为d＝1-p。

本发明的进一步技术改进在于：所述数据处理单元进行伴随处理的具体步骤如下：

s31：提取交通通行数据中的站点数据和车辆记录数据，对车辆记录数据中的车型数据和车牌数据进行整合并自动为对应车辆生成一个车辆标记码，为车辆标记码生成对应的车辆时间序列，所述车辆时间序列按照车辆采集时间数据的先后顺序进行排列，并将与车辆采集时间数据对应的的站点编号数据在车辆时间序列中进行绑定；

s32：提取交通通行数据中的侦码记录数据为手机唯一识别码生成对应的侦码时间序列，所述侦码时间序列按照识别起始时间数据的先后顺序进行排列，并将识别终止时间数据与对应的识别起始时间数据设置在侦码时间序列的同一条目中；

s33：提取交通通行数据中的乘客声纹记录数据，将乘客声纹记录数据与车辆记录数据进行绑定，生成声纹绑定数据。

本发明的进一步技术改进在于：，所述数据分析单元进行匹配分析的具体步骤如下：

s41：将车辆时间序列标记为s[is1,ie1]，将侦码时间序列标记为t[js2，je2]，其中，is1和ie1分别表示车辆的通行记录起始时间与车辆的通行记录终止时间，且令is1＝ie1，js2和je2分别表示侦码的侦测记录起始时间与侦码的侦测记录终止时间；

s42：将车辆时间序列和侦码时间序列代入到函数maxsim(s[is1，ie1]，t[js2，je2])中，函数sim表示车辆时间序列和侦码时间序列的相似度，采用dtw算法对两个时间序列的进行相似性分析，令sim(x,y)＝dtw(x,y)，则将上述函数转化为maxdwt(s[is1，ie1]，t[js2，je2])；

s43：通过dtw算法进行运算的同时进行lcs前溯算法和lcs后溯算法，得到is,ie,js,je参数，其分别表示匹配度最高的通行记录起始时间、通行记录终止时间、侦测记录起始时间和侦测记录终止时间，dwt算法是经典的时间序列相似性算法，广泛应用于多种时间序列处理场景，dtw算法可以有效处理数据在时间上的错位和失真，避免数据波动对相似性度量产生影响，lcs表示最长子序列算法，用于字符串匹配、数据比对、基因比对等应用场景；

s44：数据分析单元中预设有匹配次数限值，定期对声纹绑定数据进行识别并统计计数，当相同的声纹绑定数据出现的次数大于等于匹配次数限值时，判定对应乘客与相应车辆的匹配度高，保持乘客声纹记录数据与车辆记录数据的绑定状态，当相同的声纹绑定数据出现的次数小于匹配次数限值时，将乘客声纹记录数据与车辆记录数据进行解绑。

与现有技术相比，本发明的有益效果是：

利用伴随模型中的数据采集单元对站点数据、车辆记录数据、侦码记录数据和乘客声纹记录数据进行采集并将其整合为交通通行数据，然后将交通通行数据传输至数据存储单元进行存储，数据处理单元从数据存储单元中提取交通通行数据进行伴随处理，根据车辆识别码生成对应的车辆时间序列，根据手机唯一识别码生成对应的侦码时间序列，并将乘客声纹记录数据和车辆记录数据进行绑定生成声纹绑定数据，然后将车辆时间序列、侦码时间序列和声纹绑定数据传输至数据分析单元，对车辆时间序列和侦码时间序列进行标记，并将其代入到相似度函数中，采用dtw算法对其进行相似性分析，并同时进行lcs前溯算法和lcs后溯算法得到匹配度最高的通行记录起始时间、通行记录终止时间、侦测记录起始时间和侦测记录终止时间，进而得到对应的匹配度最高的车辆记录数据和侦码记录数据，并将其进行整合，生成匹配结果数据并传输至数据存储单元进行存储，通过设置数据处理单元和数据分析单元，对车辆、乘坐人员和手机侦码之间建立联系并根据相似度进行匹配，便于对车辆的通行数据以及随行人员进行溯源查询，节省信息检索时间，提高交通安全管控力度。

附图说明

为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。

图1为本发明的系统框图。

具体实施方式

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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1所示，一种基于交通大数据伴随模型运用方法，该伴随模型的运用方法包括以下步骤：

步骤一：利用伴随模型中的数据采集单元对站点数据、车辆记录数据、侦码记录数据和乘客声纹记录数据进行采集并将其整合为交通通行数据，然后将交通通行数据传输至数据存储单元进行存储；

步骤二：数据处理单元从数据存储单元中提取交通通行数据进行伴随处理，根据车辆识别码生成对应的车辆时间序列，根据手机唯一识别码生成对应的侦码时间序列，并将乘客声纹记录数据和车辆记录数据进行绑定生成声纹绑定数据，然后将车辆时间序列、侦码时间序列和声纹绑定数据传输至数据分析单元；

步骤三：对车辆时间序列和侦码时间序列进行标记，并将其代入到相似度函数中，采用dtw算法对其进行相似性分析，并同时进行lcs前溯算法和lcs后溯算法得到匹配度最高的通行记录起始时间、通行记录终止时间、侦测记录起始时间和侦测记录终止时间，进而得到对应的匹配度最高的车辆记录数据和侦码记录数据，并将其进行整合，生成匹配结果数据并传输至数据存储单元进行存储。

该伴随模型本体包括数据采集单元、数据分析单元、数据处理单元和数据存储单元；

所述数据采集单元获取交通通行数据并将其发送至数据存储单元，所述交通通行数据包括站点数据、车辆记录数据、侦码记录数据和乘客声纹记录数据，所述站点数据表示站点编号数据和车辆采集时间数据，所述车辆记录数据包括车型数据和车牌数据，所述侦码记录数据包括手机唯一识别码和识别起始时间数据和识别终止时间数据，所述乘客声纹记录数据表示乘客声音的声波频谱信息；

所述数据处理单元从数据存储单元中提取交通通行数据并进行伴随处理，并将得到的车辆时间序列、侦码时间序列和声纹绑定数据传输至数据分析单元；

所述数据分析单元接收到车辆时间序列、侦码时间序列和声纹绑定数据并对其进行匹配分析，得到匹配度最高的通行记录起始时间、通行记录终止时间、侦测记录起始时间和侦测记录终止时间，进而得到对应的匹配度最高的车辆记录数据和侦码记录数据，并将其进行整合，生成匹配结果数据并传输至数据存储单元进行存储。

所述数据处理单元进行伴随处理的具体步骤如下：

s31：提取交通通行数据中的站点数据和车辆记录数据，对车辆记录数据中的车型数据和车牌数据进行整合并自动为对应车辆生成一个车辆标记码，为车辆标记码生成对应的车辆时间序列，所述车辆时间序列按照车辆采集时间数据的先后顺序进行排列，并将与车辆采集时间数据对应的的站点编号数据在车辆时间序列中进行绑定；

s32：提取交通通行数据中的侦码记录数据为手机唯一识别码生成对应的侦码时间序列，所述侦码时间序列按照识别起始时间数据的先后顺序进行排列，并将识别终止时间数据与对应的识别起始时间数据设置在侦码时间序列的同一条目中；

s33：提取交通通行数据中的乘客声纹记录数据，将乘客声纹记录数据与车辆记录数据进行绑定，生成声纹绑定数据。

本发明的进一步技术改进在于：，所述数据分析单元进行匹配分析的具体步骤如下：

s41：将车辆时间序列标记为s[is1,ie1]，将侦码时间序列标记为t[js2，je2]，其中，is1和ie1分别表示车辆的通行记录起始时间与车辆的通行记录终止时间，且令is1＝ie1，js2和je2分别表示侦码的侦测记录起始时间与侦码的侦测记录终止时间；

s42：将车辆时间序列和侦码时间序列代入到函数maxsim(s[is1，ie1]，t[js2，je2])中，函数sim表示车辆时间序列和侦码时间序列的相似度，采用dtw算法对两个时间序列的进行相似性分析，令sim(x,y)＝dtw(x,y)，则将上述函数转化为maxdwt(s[is1，ie1]，t[js2，je2])；

s43：通过dtw算法进行运算的同时进行lcs前溯算法和lcs后溯算法，得到is,ie,js,je参数，其分别表示匹配度最高的通行记录起始时间、通行记录终止时间、侦测记录起始时间和侦测记录终止时间；

s44：数据分析单元中预设有匹配次数限值，定期对声纹绑定数据进行识别并统计计数，当相同的声纹绑定数据出现的次数大于等于匹配次数限值时，判定对应乘客与相应车辆的匹配度高，保持乘客声纹记录数据与车辆记录数据的绑定状态，当相同的声纹绑定数据出现的次数小于匹配次数限值时，将乘客声纹记录数据与车辆记录数据进行解绑。

工作原理：本发明在使用时，首先，利用伴随模型中的数据采集单元对站点数据、车辆记录数据、侦码记录数据和乘客声纹记录数据进行采集并将其整合为交通通行数据，然后将交通通行数据传输至数据存储单元进行存储，数据处理单元从数据存储单元中提取交通通行数据进行伴随处理，根据车辆识别码生成对应的车辆时间序列，根据手机唯一识别码生成对应的侦码时间序列，并将乘客声纹记录数据和车辆记录数据进行绑定生成声纹绑定数据，然后将车辆时间序列、侦码时间序列和声纹绑定数据传输至数据分析单元，对车辆时间序列和侦码时间序列进行标记，并将其代入到相似度函数中，采用dtw算法对其进行相似性分析，并同时进行lcs前溯算法和lcs后溯算法得到匹配度最高的通行记录起始时间、通行记录终止时间、侦测记录起始时间和侦测记录终止时间，进而得到对应的匹配度最高的车辆记录数据和侦码记录数据，并将其进行整合，生成匹配结果数据并传输至数据存储单元进行存储。

在本发明的描述中，需要理解的是，术语“上”、“下”、“左”、“右”等指示方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以及特定的方位构造和操作，因此，不能理解为对本发明的限制。此外，“第一”、“第二”仅由于描述目的，且不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。因此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者多个该特征。本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”“相连”“连接”等应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接连接，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。