[发明专利]一种数据跟随关系分析方法以及分析服务器

说明书

本发明公开了一种数据跟随关系分析方法，应用于数据分析网络中的分析服务器，该数据分析网络还包括多个数据采集设备，将数据分析网络中的全部数据采集设备两两进行绑定，并生成唯一的绑定关系编码，根据待分析数据的数据类型与空间跟随条件获取与待分析数据对应的绑定关系编码，根据与待分析数据对应的绑定关系编码对待分析数据进行分组，判断各绑定关系编码对应的分组中的待分析数据是否存在时间跟随，并输出待分析数据的判断结果，减少了在数据跟随关系分析时的计算量，提高数据分析的效率。

技术领域

本发明涉及领域，特别涉及一种数据跟随关系分析方法，同时还特别涉及一种分析服务器。

背景技术

随着交通行业蓬勃发展，每时每分产生的过车数据越来越多。传统的对数据分析的策略，在大数据情况下，已经越来越不能满足人们实时性和准确性的要求了。如在大数据量(一亿以上)的情况下，分析过车记录MAC与过车数据之间的跟随嫌疑关系，用先前基于PG、Oracle等关系型数据库的方式或者用类似跟车分析算法等解决同一类数据的跟随分析已经明显无法满足用于对大量的多维数据间的跟随关系挖掘需求。

以车辆采集数据A和B之前的跟随关系分析过程为例，首先对采集数据A进行空间跟随分析，如图1所示的一种数据空间跟随关系分析方法示意图，以采集数据A的经纬度为圆点，界面下发的跟随距离为半径构成的圆形的外切矩形，该矩形四个顶点的最大，最小经纬度构成一个区域，如果采集数据B的经纬度在该区域内(即满足MinLng≤Lng_B≤MaxLngMinLat≤Lat_B≤MaxLat)则认为B与A在空间上有跟随关系。另外再对采集数据A和B在时间跟随分析，如图2所示的一种数据时间跟随关系示意图，采集数据A与B在进入时间entryTime、exitTime离开时间范围内有重叠，则认为A与B在时间上有跟随关系。而如图2a所示的数据时间跟随关系示意图，采集数据B7、B8和采集数据A在时间上没有根据关系。

综上所述，只有同时满足时间和空间存在跟随关系的数据，才认为数据之间跟随相关，因此，在判断数据之间的跟随关系时，需要同时判断时间和空间是否跟随，而针对空间跟随的判断过程中每条数据都需要进行经纬度的计算，计算量巨大，影响分析效率。

另一方面，由于空间坐标的特性，Spark分析运算无法根据记录的经纬度信息进行分区，只能根据记录的时间条件进行分区，由此出现分区两段跟随时间范围内的数据可能与其它分区的记录也存在跟随关系，因此需要广播这部分数据，再分别跟其它分区中的时间进行时空运算，会出现大量的重复运算。

发明内容

为了解决以上现有技术中的缺点，本发明提出了一种分析方法以及分析服务器，旨在减少在数据跟随关系分析时的计算量，提高数据分析的效率。

本发明实施例提出了一种数据跟随关系分析方法，该方法应用于数据分析网络中的分析服务器，所述数据分析网络还包括多个数据采集设备，所述方法包括：

将所述数据分析网络中的全部数据采集设备两两进行绑定，并生成唯一的绑定关系编码；

根据待分析数据的数据类型与空间跟随条件获取与所述待分析数据对应的绑定关系编码；

根据与所述待分析数据对应的绑定关系编码对所述待分析数据进行分组；

判断各所述绑定关系编码对应的分组中的待分析数据是否时间跟随，并输出所述待分析数据的判断结果。

优选的，将所述数据分析网络中的全部数据采集设备两两进行绑定，并生成唯一的绑定关系编码，具体包括：

根据所述数据分析网络中的全部数据采集设备的绑定关系生成绑定关系表；

所述绑定关系表包括所述绑定关系编码、绑定设备编码、设备距离以及绑定关系类型。

优选的，根据待分析数据的数据类型与空间跟随条件获取与所述待分析数据对应的绑定关系编码，具体包括：