CN114323027A - 一种基于多源异构数据处理的数据分析系统及方法 - Google Patents
一种基于多源异构数据处理的数据分析系统及方法 Download PDFInfo
- Publication number
- CN114323027A CN114323027A CN202210239778.2A CN202210239778A CN114323027A CN 114323027 A CN114323027 A CN 114323027A CN 202210239778 A CN202210239778 A CN 202210239778A CN 114323027 A CN114323027 A CN 114323027A
- Authority
- CN
- China
- Prior art keywords
- road section
- unit
- time
- road
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012545 processing Methods 0.000 title claims abstract description 77
- 238000007405 data analysis Methods 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000001514 detection method Methods 0.000 claims abstract description 24
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000012544 monitoring process Methods 0.000 claims description 12
- 238000012806 monitoring device Methods 0.000 claims description 9
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 241000764238 Isis Species 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000007726 management method Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 206010019233 Headaches Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 231100000869 headache Toxicity 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于多源异构数据处理的数据分析系统及方法,属于安保巡航路径规划技术领域。本系统包括多源异构数据采集模块、数据处理模块、预测模块、安全程度检测模块、路径规划模块;所述多源异构数据采集模块的输出端与所述数据处理模块的输入端相连接;所述数据处理模块的输出端与所述预测模块的输入端相连接;所述预测模块的输出端与所述安全程度检测模块的输入端相连接;所述安全程度检测模块的输出端与所述路径规划模块的输入端相连接;本发明还提供一种方法用以对系统进行实施,本发明能够有效改善安保人员人数不足以满足安保巡航的需要的状况。
Description
技术领域
本发明涉及安保巡航路径规划技术领域,具体为一种基于多源异构数据处理的数据分析系统及方法。
背景技术
多源异构数据其中的多源一般指多个数据持有方,异构指数据的类型、特征等不一致,利用多源异构数据进行统一的数据处理和访问及维护,更有利于建立一体化服务。
在日常的生活中,电动车出行是人们一种常用的环保出行方式,然而在电动车停放后,经常会发生不法分子进行偷盗电动车电瓶的情况,由于电瓶的价值不高,所以通常维权难,即便报警以后也难以追回相应的价值,而且电瓶的突然被盗更会打乱用户出行计划,造成极不方便的影响,使得电瓶车电瓶被盗这一现象成为人们生活中十分头痛的一个问题;而在当前的解决办法中一种是有安保人员进行人工巡航,可是路段范围太大,安保人员太少,难以起到良好的作用;另一种是设置摄像装置进行拍照摄像,但是多源头的复杂数据难以汇集到一起进行分析,并且在电瓶已经被盗的情况下,只能有助于警察抓到不法分子,却难以弥补用户的损失;
因此,人们需要一种能够融合多源异构数据处理的数据分析系统,以此来规划出一种能够适应少量安保人员的巡航路径,满足人们的日常需要。
发明内容
本发明的目的在于提供一种基于多源异构数据处理的数据分析系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种基于多源异构数据处理的数据分析系统,该系统包括多源异构数据采集模块、数据处理模块、预测模块、安全程度检测模块、路径规划模块;
所述多源异构数据采集模块用于从多源头采集各种数据,并进行汇总;所述数据处理模块用于对多源异构数据采集模块汇总的数据进行处理;所述预测模块用于进行预测各个带有电动车存放点路段在各个时间范围内行人通过的频率;所述安全程度检测模块用于对各路段进行安全程度检测;所述路径规划模块用于根据路段的安全程度进行安保巡航的路径规划;
所述多源异构数据采集模块的输出端与所述数据处理模块的输入端相连接;所述数据处理模块的输出端与所述预测模块的输入端相连接;所述预测模块的输出端与所述安全程度检测模块的输入端相连接;所述安全程度检测模块的输出端与所述路径规划模块的输入端相连接;
所述多源异构数据采集模块包括遥感影像数据采集单元、路口监控采集单元、行走时间分析单元;
所述遥感影像数据采集单元用于采集遥感影像数据,从而建立路段区域网络;所述路口监控采集单元用于检测路段区域网络的各入口处的行人数量和时间;所述行走时间分析单元用于对每一路段的行走时间进行分析;
所述遥感影像数据采集单元的输出端与所述路口监控采集单元的输入端相连接;所述路口监控采集单元的输出端与所述行走时间分析单元的输入端相连接;所述行走时间分析单元的输出端与所述数据处理模块的输入端相连接;
在行走时间分析单元中,包括数据库、数据分析单元;
所述数据库用于存储和调取行人在路段区域网络内的行走时间的大数据信息;所述数据分析单元用于根据大数据得出每个路段的平均行走时间;
所述数据库的输出端与所述数据分析单元的输入端相连接。
所述数据处理模块包括数据接收单元、数据处理单元;
所述数据接收单元用于对多源异构数据采集模块的数据进行接收;所述数据处理单元用于对数据接收单元接收的数据进行进一步处理归类;
所述数据接收单元的输出端与所述数据处理单元的输入端相连接;所述数据处理单元的输出端与所述预测模块的输入端相连接。
根据上述技术方案,所述预测模块包括最短路径规划单元、时间记录单元、标记单元、预测单元;
所述最短路径规划单元用于对进入任一入口的行人到达带有电动车存放点路段的最短路径进行规划;所述时间记录单元用于记录时间;所述标记单元用于对时间超出一定范围值的路段和时间段进行标记;所述预测单元用于预测各个带有电动车存放点路段在各个时间范围内行人通过的频率;
所述最短路径规划单元的输出端与所述时间记录单元的输入端相连接;所述时间记录单元的输出端与所述标记单元的输入端相连接;所述标记单元的输出端与所述预测单元的输入端相连接;所述预测单元的输出端与所述安全程度检测模块的输入端相连接。
根据上述技术方案,所述安全程度检测模块包括安全程度计算单元、补偿值计算单元;
所述安全程度计算单元用于进行计算各个路段的安全程度;所述补偿值计算单元用于进行补偿值的确定;
所述补偿值计算单元的输出端与所述安全程度计算单元的输入端相连接;所述安全程度计算单元的输出端与所述路径规划模块的输入端相连接。
根据上述技术方案,所述路径规划模块包括路径规划单元、发送单元;
所述路径规划单元用于根据安全程度检测模块的结果安保巡航路径进行规划;所述发送单元用于将规划结果发送至巡查管理端;
所述路径规划单元的输出端与所述发送单元的输入端相连接。
一种基于多源异构数据处理的数据分析方法,该方法包括以下步骤:
S1、利用遥感影像建立路段区域网络,采集路段区域网络内带有电动车存放点的路段,进行标记;
S2、利用进入路段区域网络路口上的监控装置采集进入路段区域网络的行人数量和时间;
S3、利用历史大数据信息对行人在路段区域网络内的行走时间进行分析处理,得到路段区域网络内任一路段与行走时间的关系;
S4、根据步骤S1、S2、S3得出的多源异构数据进行处理分析,预测出各个带有电动车存放点路段在各个时间范围内行人通过的频率,计算路段的安全程度;
S5、根据步骤S4的数据对路段区域网络内存放的电动车进行安保巡航的路径规划,降低巡航消耗的资源;
在本发明中,基于小偷在有行人经过的路段进行偷盗的概率很低,因此对于路段区域网络内的行人轨迹进行预测,那么在路段区域网络内的行人都可以充当安保人员的角色,可以极大降低小偷进行电动车电瓶偷盗的概率,利用多源异构数据的处理,就可以得到路段在固定时间段内的安全程度,对所有路段的安全程度进行汇总,就可以从中挑选安全程度较低的路段进行安保巡航,就可以减少安保人员的人数,更符合当前的现实情况。
在步骤S1中,对遥感影像数据进行分析处理后建立路段区域网络,路段区域网络中的路段以路口为依据进行划分,即有且只有两个路口所形成的一段路程,在路段区域网络中,路段为路段区域网络内的任意路段,路段为路段区域网络内不带有电动车存放点的任意路段,路段为路段区域网络内带有电动车存放点的任意路段,为路段区域网络路段总数量,即存在;
在步骤S2中,路段区域网络内存在有个入口,对个入口上的监控装置进行标记,记为集合,所述分别代表个入口上的监控装置,对每一个进入路段区域网络内的行人进行采集,根据采集得到的视频信息数据进行数据处理后,得到其进入的路口、时间、所在路段,记为:
在步骤S4中,对步骤S1、S2、S3的多源异构数据进行处理分析,任一行人从任一路口进入到路段区域网络,其到达任一路段的路径采用最短路径原理进行规划得出,在规划路径内,需要通过个路口,每个路口存在的路口选择记为集合,所述分别代表个路口中每个路口存在的路口选择;每相邻两路口需要的行走时间记为集合,所述分别代表每相邻两路口需要的行走时间;可得出任一行人从任一路口进入到达任一路段的消耗时长和概率,根据公式:
根据上述的行走时间和经过的路段,对所有的行走时间求和,再根据入口处的采集情况,得到进入待测路段的每一时刻信息。
根据上述技术方案,在步骤S4中,预测出各个带有电动车存放点路段在各个时间范围内行人通过的频率步骤如下:
S7-1、根据进入到路段的时刻模型,对每一个进入到路段区域网络的行人进行预测其到达路段的时刻,并将所有时刻进行记录;S7-2、对所有时刻按照时间顺序进行排序,按照每一小时的整点进行分析处理,构建时间差记为,所述包括任意两个时刻之间的差值、与每一小时的初始整点时刻之间的差值,与每一小时的终点整点时刻之间的差值,所述与分别为该整点内的最小时刻值与最大时刻值,路段所需的行走时间记为;若存在大于,进入步骤S7-3;若不大于,则进入步骤S7-4;
在这里用行走时间作为一个参考值,因为在一路段上,只要存在行人走过就可以达到本发明中的降低小偷偷盗电瓶概率的效果,因此在间隔时间不超出行走时间的情况下,就会出现是可有人行走在这一路段,若超出了行走时间,就会在间隔时间内出现的空档期,就会使小偷加大偷盗的概率;同时设立两个调节系数,基于路段最短路径到达概率和无人经过时间两个条件,对安全程度进行计算,同时添加了补偿值进行补偿,以保证结果而更加精准。
补偿值的情况主要是因为存在一种情况,即当前用来增加安全程度的行人即为小偷,因为系统无法识别小偷,因此系统会认为其属于正常行人,因此增加道路的安全程度,所以添加一个补偿值用来均衡;而又因为小偷偷盗需要一定的时间,那么如果间隔时间不大于,就会形成一种情况,即虽然该行人为小偷,但是其没有时间进行偷盗,因为在这一时间内,下一行人已经到达该路段或上一行人还未离开该路段,也可以有效降低小偷进行偷盗的概率,所以不需要补偿,因此此时补偿值为0。
根据上述技术方案,在步骤S5中,进行安保巡航的路径规划的步骤如下:
S9-1、根据步骤S4中得到的各路段在各时间段内的安全程度,对同一时间段内的各路段安全程度进行排序;
与现有技术相比,本发明所达到的有益效果是:
1、本发明能够减少安保人员的人数,进行巡航路径的有效规划,节约人力资源,更符合现实情况;
2、本发明能够将多源异构数据进行融合处理,从多方面进行电动车存放路段的安全程度概率预测,为路径规划提供基础;
3、本发明能够从行人出发,利用小偷在有行人经过时不敢偷盗的心理,从而使每一个行人都成为安保人员,能够在很大程度震慑小偷,避免了偷盗电瓶车电瓶的情况发生,能够进一步提高用户体验,减少用户损失;
4、本发明考虑到系统无法识别行人和小偷,因此设立了补偿值进行调节,并对补偿值的设立做出解释说明,使得最终的结果更加准确。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种基于多源异构数据处理的数据分析系统的结构示意图;
图2是本发明一种基于多源异构数据处理的数据分析方法的步骤示意图;
图3是本发明一种基于多源异构数据处理的数据分析方法的流程示意图;
图4是本发明一种基于多源异构数据处理的数据分析系统及方法的实施例示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中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。
请参阅图1-图3,本发明提供技术方案:一种基于多源异构数据处理的数据分析系统,该系统包括多源异构数据采集模块、数据处理模块、预测模块、安全程度检测模块、路径规划模块;
所述多源异构数据采集模块用于从多源头采集各种数据,并进行汇总;所述数据处理模块用于对多源异构数据采集模块汇总的数据进行处理;所述预测模块用于进行预测各个带有电动车存放点路段在各个时间范围内行人通过的频率;所述安全程度检测模块用于对各路段进行安全程度检测;所述路径规划模块用于根据路段的安全程度进行安保巡航的路径规划;
所述多源异构数据采集模块的输出端与所述数据处理模块的输入端相连接;所述数据处理模块的输出端与所述预测模块的输入端相连接;所述预测模块的输出端与所述安全程度检测模块的输入端相连接;所述安全程度检测模块的输出端与所述路径规划模块的输入端相连接;
所述多源异构数据采集模块包括遥感影像数据采集单元、路口监控采集单元、行走时间分析单元;
所述遥感影像数据采集单元用于采集遥感影像数据,从而建立路段区域网络;所述路口监控采集单元用于检测路段区域网络的各入口处的行人数量和时间;所述行走时间分析单元用于对每一路段的行走时间进行分析;
所述遥感影像数据采集单元的输出端与所述路口监控采集单元的输入端相连接;所述路口监控采集单元的输出端与所述行走时间分析单元的输入端相连接;所述行走时间分析单元的输出端与所述数据处理模块的输入端相连接;
在行走时间分析单元中,包括数据库、数据分析单元;
所述数据库用于存储和调取行人在路段区域网络内的行走时间的大数据信息;所述数据分析单元用于根据大数据得出每个路段的平均行走时间;
所述数据库的输出端与所述数据分析单元的输入端相连接。
所述数据处理模块包括数据接收单元、数据处理单元;
所述数据接收单元用于对多源异构数据采集模块的数据进行接收;所述数据处理单元用于对数据接收单元接收的数据进行进一步处理归类;
所述数据接收单元的输出端与所述数据处理单元的输入端相连接;所述数据处理单元的输出端与所述预测模块的输入端相连接。
所述预测模块包括最短路径规划单元、时间记录单元、标记单元、预测单元;
所述最短路径规划单元用于对进入任一入口的行人到达带有电动车存放点路段的最短路径进行规划;所述时间记录单元用于记录时间;所述标记单元用于对时间超出一定范围值的路段和时间段进行标记;所述预测单元用于预测各个带有电动车存放点路段在各个时间范围内行人通过的频率;
所述最短路径规划单元的输出端与所述时间记录单元的输入端相连接;所述时间记录单元的输出端与所述标记单元的输入端相连接;所述标记单元的输出端与所述预测单元的输入端相连接;所述预测单元的输出端与所述安全程度检测模块的输入端相连接。
所述安全程度检测模块包括安全程度计算单元、补偿值计算单元;
所述安全程度计算单元用于进行计算各个路段的安全程度;所述补偿值计算单元用于进行补偿值的确定;
所述补偿值计算单元的输出端与所述安全程度计算单元的输入端相连接;所述安全程度计算单元的输出端与所述路径规划模块的输入端相连接。
所述路径规划模块包括路径规划单元、发送单元;
所述路径规划单元用于根据安全程度检测模块的结果安保巡航路径进行规划;所述发送单元用于将规划结果发送至巡查管理端;
所述路径规划单元的输出端与所述发送单元的输入端相连接。
一种基于多源异构数据处理的数据分析方法,该方法包括以下步骤:
S1、利用遥感影像建立路段区域网络,采集路段区域网络内带有电动车存放点的路段,进行标记;
S2、利用进入路段区域网络路口上的监控装置采集进入路段区域网络的行人数量和时间;
S3、利用历史大数据信息对行人在路段区域网络内的行走时间进行分析处理,得到路段区域网络内任一路段与行走时间的关系;
S4、根据步骤S1、S2、S3得出的多源异构数据进行处理分析,预测出各个带有电动车存放点路段在各个时间范围内行人通过的频率,计算路段的安全程度;
S5、根据步骤S4的数据对路段区域网络内存放的电动车进行安保巡航的路径规划,降低巡航消耗的资源;
在步骤S1中,对遥感影像数据进行分析处理后建立路段区域网络,路段区域网络中的路段以路口为依据进行划分,即有且只有两个路口所形成的一段路程,在路段区域网络中,路段为路段区域网络内的任意路段,路段为路段区域网络内不带有电动车存放点的任意路段,路段为路段区域网络内带有电动车存放点的任意路段,为路段区域网络路段总数量,即存在;
在步骤S2中,路段区域网络内存在有个入口,对个入口上的监控装置进行标记,记为集合,所述分别代表个入口上的监控装置,对每一个进入路段区域网络内的行人进行采集,根据采集得到的视频信息数据进行数据处理后,得到其进入的路口、时间、所在路段,记为:
在步骤S4中,对步骤S1、S2、S3的多源异构数据进行处理分析,任一行人从任一路口进入到路段区域网络,其到达任一路段的路径采用最短路径原理进行规划得出,在规划路径内,需要通过个路口,每个路口存在的路口选择记为集合,所述分别代表个路口中每个路口存在的路口选择;每相邻两路口需要的行走时间记为集合,所述分别代表每相邻两路口需要的行走时间;可得出任一行人从任一路口进入到达任一路段的消耗时长和概率,根据公式:
在步骤S4中,预测出各个带有电动车存放点路段在各个时间范围内行人通过的频率步骤如下:
S7-1、根据进入到路段的时刻模型,对每一个进入到路段区域网络的行人进行预测其到达路段的时刻,并将所有时刻进行记录;S7-2、对所有时刻按照时间顺序进行排序,按照每一小时的整点进行分析处理,构建时间差记为,所述包括任意两个时刻之间的差值、与每一小时的初始整点时刻之间的差值,与每一小时的终点整点时刻之间的差值,所述与分别为该整点内的最小时刻值与最大时刻值,路段所需的行走时间记为;若存在大于,进入步骤S7-3;若不大于,则进入步骤S7-4;
在步骤S5中,进行安保巡航的路径规划的步骤如下:
S9-1、根据步骤S4中得到的各路段在各时间段内的安全程度,对同一时间段内的各路段安全程度进行排序;
在本实施例中:
采集遥感影像数据建立路段区域网络,路段区域网络中共存在5个路段,其中只有一个路段存在电动车存放点,如图4所示,即路段3上设有电动车存放点;
调取历史大数据信息,分别调取了5个人在每一路段上的行走时间,如下:
路段1:6、6.5、6.4、6.3、6.8;
路段2:7、7.2、7.4、7、7.2;
路段3:5、6、5.5、5.6、5.4;
路段4:6、6.2、6.4、6、6.4;
路段5:10、10.5、11、10.5、10;
因此根据公式:
得出,每个路段上的行人行走时间如下(单位:分钟):
路段1:6.4;
路段2:7.2;
路段3:5.5;
路段4:6.2;
路段5:10.5;
因此,根据公式:
设置小偷进行盗窃电动车电瓶所需时间为10分钟,存在14.1大于10,因此补偿值为0.2
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于多源异构数据处理的数据分析系统,其特征在于:该系统包括多源异构数据采集模块、数据处理模块、预测模块、安全程度检测模块、路径规划模块;
所述多源异构数据采集模块用于从多源头采集各种数据,并进行汇总;所述数据处理模块用于对多源异构数据采集模块汇总的数据进行处理;所述预测模块用于进行预测各个带有电动车存放点路段在各个时间范围内行人通过的频率;所述安全程度检测模块用于对各路段进行安全程度检测;所述路径规划模块用于根据路段的安全程度进行安保巡航的路径规划;
所述多源异构数据采集模块的输出端与所述数据处理模块的输入端相连接;所述数据处理模块的输出端与所述预测模块的输入端相连接;所述预测模块的输出端与所述安全程度检测模块的输入端相连接;所述安全程度检测模块的输出端与所述路径规划模块的输入端相连接;
所述多源异构数据采集模块包括遥感影像数据采集单元、路口监控采集单元、行走时间分析单元;
所述遥感影像数据采集单元用于采集遥感影像数据,从而建立路段区域网络;所述路口监控采集单元用于检测路段区域网络的各入口处的行人数量和时间;所述行走时间分析单元用于对每一路段的行走时间进行分析;
所述遥感影像数据采集单元的输出端与所述路口监控采集单元的输入端相连接;所述路口监控采集单元的输出端与所述行走时间分析单元的输入端相连接;所述行走时间分析单元的输出端与所述数据处理模块的输入端相连接;
在行走时间分析单元中,包括数据库、数据分析单元;
所述数据库用于存储和调取行人在路段区域网络内的行走时间的大数据信息;所述数据分析单元用于根据大数据得出每个路段的平均行走时间;
所述数据库的输出端与所述数据分析单元的输入端相连接。
2.根据权利要求1所述的一种基于多源异构数据处理的数据分析系统,其特征在于:所述数据处理模块包括数据接收单元、数据处理单元;
所述数据接收单元用于对多源异构数据采集模块的数据进行接收;所述数据处理单元用于对数据接收单元接收的数据进行进一步处理归类;
所述数据接收单元的输出端与所述数据处理单元的输入端相连接;所述数据处理单元的输出端与所述预测模块的输入端相连接。
3.根据权利要求1所述的一种基于多源异构数据处理的数据分析系统,其特征在于:所述预测模块包括最短路径规划单元、时间记录单元、标记单元、预测单元;
所述最短路径规划单元用于对进入任一入口的行人到达带有电动车存放点路段的最短路径进行规划;所述时间记录单元用于记录时间;所述标记单元用于对时间超出一定范围值的路段和时间段进行标记;所述预测单元用于预测各个带有电动车存放点路段在各个时间范围内行人通过的频率;
所述最短路径规划单元的输出端与所述时间记录单元的输入端相连接;所述时间记录单元的输出端与所述标记单元的输入端相连接;所述标记单元的输出端与所述预测单元的输入端相连接;所述预测单元的输出端与所述安全程度检测模块的输入端相连接。
4.根据权利要求1所述的一种基于多源异构数据处理的数据分析系统,其特征在于:所述安全程度检测模块包括安全程度计算单元、补偿值计算单元;
所述安全程度计算单元用于进行计算各个路段的安全程度;所述补偿值计算单元用于进行补偿值的确定;
所述补偿值计算单元的输出端与所述安全程度计算单元的输入端相连接;所述安全程度计算单元的输出端与所述路径规划模块的输入端相连接。
5.根据权利要求1所述的一种基于多源异构数据处理的数据分析系统,其特征在于:所述路径规划模块包括路径规划单元、发送单元;
所述路径规划单元用于根据安全程度检测模块的结果安保巡航路径进行规划;所述发送单元用于将规划结果发送至巡查管理端;
所述路径规划单元的输出端与所述发送单元的输入端相连接。
6.一种基于多源异构数据处理的数据分析方法,其特征在于:该方法包括以下步骤:
S1、利用遥感影像建立路段区域网络,采集路段区域网络内带有电动车存放点的路段,进行标记;
S2、利用进入路段区域网络路口上的监控装置采集进入路段区域网络的行人数量和时间;
S3、利用历史大数据信息对行人在路段区域网络内的行走时间进行分析处理,得到路段区域网络内任一路段与行走时间的关系;
S4、根据步骤S1、S2、S3得出的多源异构数据进行处理分析,预测出各个带有电动车存放点路段在各个时间范围内行人通过的频率,计算路段的安全程度;
S5、根据步骤S4的数据对路段区域网络内存放的电动车进行安保巡航的路径规划,降低巡航消耗的资源;
在步骤S1中,对遥感影像数据进行分析处理后建立路段区域网络,路段区域网络中的路段以路口为依据进行划分,即有且只有两个路口所形成的一段路程,在路段区域网络中,路段为路段区域网络内的任意路段,路段为路段区域网络内不带有电动车存放点的任意路段,路段为路段区域网络内带有电动车存放点的任意路段,为路段区域网络路段总数量,即存在;
在步骤S2中,路段区域网络内存在有个入口,对个入口上的监控装置进行标记,记为集合,所述分别代表个入口上的监控装置,对每一个进入路段区域网络内的行人进行采集,根据采集得到的视频信息数据进行数据处理后,得到其进入的路口、时间、所在路段,记为:
在步骤S4中,对步骤S1、S2、S3的多源异构数据进行处理分析,任一行人从任一路口进入到路段区域网络,其到达任一路段的路径采用最短路径原理进行规划得出,在规划路径内,需要通过个路口,每个路口存在的路口选择记为集合,所述分别代表个路口中每个路口存在的路口选择;每相邻两路口需要的行走时间记为集合,所述分别代表每相邻两路口需要的行走时间;可得出任一行人从任一路口进入到达任一路段的消耗时长和概率,根据公式:
7.根据权利要求6所述的一种基于多源异构数据处理的数据分析方法,其特征在于:在步骤S4中,预测出各个带有电动车存放点路段在各个时间范围内行人通过的频率步骤如下:
S7-1、根据进入到路段的时刻模型,对每一个进入到路段区域网络的行人进行预测其到达路段的时刻,并将所有时刻进行记录;S7-2、对所有时刻按照时间顺序进行排序,按照每一小时的整点进行分析处理,构建时间差记为,所述包括任意两个时刻之间的差值、与每一小时的初始整点时刻之间的差值,与每一小时的终点整点时刻之间的差值,所述与分别为该整点内的最小时刻值与最大时刻值,路段所需的行走时间记为;若存在大于,进入步骤S7-3;若不大于,则进入步骤S7-4;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210239778.2A CN114323027B (zh) | 2022-03-12 | 2022-03-12 | 一种基于多源异构数据处理的数据分析系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210239778.2A CN114323027B (zh) | 2022-03-12 | 2022-03-12 | 一种基于多源异构数据处理的数据分析系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114323027A true CN114323027A (zh) | 2022-04-12 |
CN114323027B CN114323027B (zh) | 2022-05-27 |
Family
ID=81033769
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210239778.2A Active CN114323027B (zh) | 2022-03-12 | 2022-03-12 | 一种基于多源异构数据处理的数据分析系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114323027B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116471340A (zh) * | 2023-04-23 | 2023-07-21 | 黑龙江省电子商务总部基地有限公司 | 一种基于大数据的数据传输监测系统及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120123806A1 (en) * | 2009-12-31 | 2012-05-17 | Schumann Jr Douglas D | Systems and methods for providing a safety score associated with a user location |
CN103954278A (zh) * | 2014-05-08 | 2014-07-30 | 中国科学院软件研究所 | 一种基于多数据融合的应急逃离引导方法和系统 |
US20170098181A1 (en) * | 2015-10-06 | 2017-04-06 | Numerica Corporation | Systems and methods for dynamically generating patrol schedules based on historic demand data |
WO2021013601A1 (en) * | 2019-07-18 | 2021-01-28 | Tomtom Traffic B.V. | Generating segment data |
WO2021096935A2 (en) * | 2019-11-11 | 2021-05-20 | Mobileye Vision Technologies Ltd. | Systems and methods for determining road safety |
CN113063431A (zh) * | 2021-04-06 | 2021-07-02 | 合肥工业大学 | 一种共享单车骑行路线的智能推荐方法 |
CN113758495A (zh) * | 2021-09-10 | 2021-12-07 | 上海伯镭智能科技有限公司 | 一种基于矿山无人驾驶的寻路方法 |
-
2022
- 2022-03-12 CN CN202210239778.2A patent/CN114323027B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120123806A1 (en) * | 2009-12-31 | 2012-05-17 | Schumann Jr Douglas D | Systems and methods for providing a safety score associated with a user location |
CN103954278A (zh) * | 2014-05-08 | 2014-07-30 | 中国科学院软件研究所 | 一种基于多数据融合的应急逃离引导方法和系统 |
US20170098181A1 (en) * | 2015-10-06 | 2017-04-06 | Numerica Corporation | Systems and methods for dynamically generating patrol schedules based on historic demand data |
WO2021013601A1 (en) * | 2019-07-18 | 2021-01-28 | Tomtom Traffic B.V. | Generating segment data |
WO2021096935A2 (en) * | 2019-11-11 | 2021-05-20 | Mobileye Vision Technologies Ltd. | Systems and methods for determining road safety |
CN113063431A (zh) * | 2021-04-06 | 2021-07-02 | 合肥工业大学 | 一种共享单车骑行路线的智能推荐方法 |
CN113758495A (zh) * | 2021-09-10 | 2021-12-07 | 上海伯镭智能科技有限公司 | 一种基于矿山无人驾驶的寻路方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116471340A (zh) * | 2023-04-23 | 2023-07-21 | 黑龙江省电子商务总部基地有限公司 | 一种基于大数据的数据传输监测系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114323027B (zh) | 2022-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109686109B (zh) | 一种基于人工智能的停车场安全监控管理系统及方法 | |
CN115272037A (zh) | 一种基于物联网的智慧城市区域治安管理预警方法和系统 | |
Ozbayoglu et al. | A real-time autonomous highway accident detection model based on big data processing and computational intelligence | |
CN109461106A (zh) | 一种多维信息感知处理方法 | |
CN109658554B (zh) | 一种基于大数据的智能小区安防系统 | |
CN109741628B (zh) | 一种智能停车路线规划方法 | |
CN110060484A (zh) | 一种基于区块链的公路客运违章实时预警系统及方法 | |
CN110493816A (zh) | 一种用于轨交地铁车站客流量的实时预测方法 | |
CN110097249A (zh) | 一种公交客流监测分析系统及其方法 | |
US11165954B1 (en) | Scene-aware custom tuned video surveillance detection system | |
CN101751782A (zh) | 一种基于多源信息融合的十字路口交通事件自动检测系统 | |
CN109979197B (zh) | 基于融合数据的高速公路交通时间地图构建方法、系统 | |
CN111476177B (zh) | 嫌疑人检测方法及装置 | |
WO2017130902A1 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
CN113689648B (zh) | 一种基于物联网的智慧社区安防管理系统及方法 | |
CN114323027B (zh) | 一种基于多源异构数据处理的数据分析系统及方法 | |
CN113674325A (zh) | 人员轨迹追踪方法及系统 | |
CN110322726A (zh) | 一种基于高位视频的半封闭路侧停车管理系统及方法 | |
CN113487055A (zh) | 一种智能门票预售方法和装置 | |
CN117456726B (zh) | 基于人工智能算法模型的异常停车识别方法 | |
CN116757348A (zh) | 一种基于人工智能的出行信息智能规划管理系统及方法 | |
CN112699328A (zh) | 网点服务数据处理方法、装置、系统、设备及存储介质 | |
CN110264716A (zh) | 一种基于物联网的智能交通系统及使用方法 | |
CN113673311A (zh) | 一种交通异常事件检测方法、设备及计算机存储介质 | |
CN117273664B (zh) | 一种基于人工智能的智慧校车系统及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240604 Address after: No.18-D9279, Jianshe Road, Kaixuan Street, Liangxiang Township, Fangshan District, Beijing, 102400 Patentee after: Wangjing (Beijing) Technology Co.,Ltd. Country or region after: China Address before: 510000 room 219, 202, No. 1, Shiji South Third Street, Huangpu District, Guangzhou, Guangdong Province Patentee before: GUANGZHOU QITONG INFORMATION TECHNOLOGY Co.,Ltd. Country or region before: China |
|
TR01 | Transfer of patent right |