[发明专利]一种基于大数据分析昼伏夜出车辆的方法及装置

说明书

本申请公开了一种基于大数据分析昼伏夜出车辆的方法及装置，包括步骤：获取车辆信息并储存；分时段统计过车数据：每隔一定时间记录该时间段内的过车数据，并计算相邻时间段内增幅；计算昼夜分界时间点：将一天中最高增幅的中间时间点作为昼的起始时间点，一天中第二个最低增幅的中间点作为夜的起始时间点，统计多天内的过车数据后，计算出当前区域、当前时间的昼夜分界时间点；判断车辆昼伏夜出：通过分布式计算框架判断目标车辆是否属于昼伏夜出。本发明还公开了一种基于大数据分析昼伏夜出车辆的装置。本发明使用计算机技术分析昼伏夜出车辆，能够在最短的时间内缩小排查嫌疑车辆的范围，提高民警的工作效率，降低对民警的专业要求。

技术领域

本发明涉及大数据分析与智能交通控制技术领域，具体地说，是涉及一种基于大数据分析昼伏夜出车辆的方法及装置。

背景技术

随着生活水平的提高，越来越多的人选择开车出行，汽车保有量越来越大。道路、路口的卡口、电警等设备也越来越多，每天都会产生海量的过车数据。民警在利用这些视频或图片排查嫌疑车辆时，工作量非常大。由于各个地市的警力有限，往往在寻找线索的过程中就耗费大量时间，以致错失许多重要线索及机会。而犯罪嫌疑人在实时犯罪时，很多会选择白天隐匿，夜晚出行，躲避警察的盘查，降低曝光率。民警在通过这个规律缩小目标范围时，还需要一定的分析处理经验，许多一线的民警由于经验不足，不能完全胜任。

常规的系统会将车辆数据存储在关系型数据库中，但无法承载海量数据，针对大量数据的查询，也要耗费大量的时间和资源。随着数据量的增加，硬件扩展也需要很高的费用。

昼夜时间分界点是一个比较抽象的主观概念，且不同的季节和地域其昼夜时间分界点也是有变化的，如指定一个准确的时间作为分界点，不能够准确体现出车辆真实的昼夜规律，也不能够适应不同的地域和季节。

发明内容

本发明所要解决的技术问题是：用电脑分析代替人工筛查昼伏夜出车辆，解决筛选嫌疑车时，车辆数据太多花费时间过多的问题，以及对民警经验要求较高的问题；使用大数据平台分布式存储系统储存过车数据，解决数据量增加，硬件扩展性不好及费用高的问题；使用大数据平台分布式计算框架分析数据，解决无法分析大量数据，且分析时间太长的问题；根据每日车辆出行数量的变化，动态计算其昼夜时间分界点，解决昼夜分界与车辆出行规律不符和不能够适应不同地域和季节的问题。

为解决上述技术问题，本发明提供了一种基于大数据分析昼伏夜出车辆的方法，包括步骤：

获取车辆信息并储存：获取经过交通卡口的图片和视频的非结构化车辆信息，经过结构化系统解析为车辆的结构化信息，发送至分布式文件系统内存储；

分时段统计过车数据：每隔一定时间记录该时间段内的过车数据，并计算相邻时间段内增幅；

计算昼夜分界时间点：将一天中最高增幅的中间时间点作为昼的起始时间点，一天中第二个最低增幅的中间点作为夜的起始时间点，统计多天内的过车数据后，计算出当前区域、当前时间的昼夜分界时间点；

判断车辆昼伏夜出：通过分布式计算框架判断目标车辆是否属于昼伏夜出，所述分布式计算框架分为Map阶段和Reduce阶段，其中，

Map阶段按照设定的起始时间、结束时间、昼夜比例、位置信息，从所述分布式文件系统内提取符合时间和位置的车辆数据作为Map阶段的输入信息，将车辆数据按照车牌号码分组，输出结果为K,V，其中K为车牌号码，V为车辆的过车信息；

Map阶段的输出结果作为Reduce阶段的输入信息，根据车牌号码K的不同，将不同车牌号码的过车数据发送至对应的Reduce节点处理，使不同的Reduce节点达到负载均衡，根据昼夜分界时间点，将每个车牌号码的全部过车数据分为白昼出行和夜晚出行分别统计，计算出昼夜出行的比例，以此判断出该车辆是否属于昼伏夜出，当属于昼伏夜出时将该车辆的分析结果进行存储。