[发明专利]一种基于流式大数据的同行车辆发现方法

摘要

本发明请求保护一种基于流式大数据的同行车辆发现方法，包括步骤：首先，针对卡口车流量和分支数量进行聚类，通过得到的卡口类簇对卡口进行角色标识，验证了卡口车流量的幂律性。其次，在流式数据的基础上引入Spark‑streaming时间滑动窗口，根据行车轨迹得到车辆之间的上下文环境，完成对同行语料库的创建和完善。最后提出PDGC(plate‑number dynamic graph computing)算法，基于动态语料库和卡口角色标识建立车辆之间的动态关系图，把卡口角色作为影响因子和车辆之间的图进行关联，通过实时对车辆关系图的剪边和对同行车辆之间边权重的计算得到同行车组。有效降低了数据处理的复杂度。能够实时发现同行车辆组，不仅可以用于搜索相似轨迹，也可通过计算车辆图顶点的出度和入度来挖掘到跟踪车辆。

主权项

1.一种基于流式大数据的同行车辆发现方法，其特征在于，包括以下步骤：S1：获取卡口摄像头拍摄的行驶在路上的车辆的数据，生成数据集；S2：提取相关属性，从获取到的数据集中提取同行车辆最密切的特征：包括车牌号、时间及卡口，将提取到的特征作为动态图计算模型的输入特征；S3：对卡口进行角色划分，卡口角色划分主要是通过车辆行驶轨迹得到的卡口属性作为聚类条件，通过聚类算法得到卡口类簇进而对卡口进行角色划分，同行车组经过不同类别卡口后，它们之间的权重得到不同程度的增加，卡口角色划分作为外部因子参与到动态图计算过程；S4：获取动态车牌数据集，将用于实验的自动车牌识别数据通过高吞吐量的分布式发布订阅消息系统Kafka处理为流式数据，根据ANPR数据流中的移动对象的特征信息引入滑动时间窗口机制，对特征信息进行时间切片化处理建立动态数据集；S5：根据动态车牌数据集建立动态图计算模型，用权重、出度、入度表示车辆车辆节点之间的关系，车辆实时轨迹用动态图进行表示，在实时计算过程中通过引入卡口角色对车辆之间形成的动态图进行剪枝、权重计算在内的步骤挖掘得到同行车辆组。