[發明專利]一種基于車輛的軌跡特征識別網約車的方法和系統

在審

• 申請號: 202211629302.6
• 申請日: 2022-12-19
• 公開（公告）號: CN115631632A
• 公開（公告）日: 2023-01-20
• 發明（設計）人: 徐濤;吳楠;蔣修強;胡大明;盧小軍;王金濤;王方舟
• 申請（專利權）人: 北京碼牛科技股份有限公司
• 主分類號: G08G1/01
• 分類號: G08G1/01;G06Q50/30;G06F18/23
• 代理公司: 北京維正專利代理有限公司 11508
• 代理人: 李傳亮

1.一種基于車輛的軌跡特征識別網約車的方法，其特征在于：包括；

獲取目標城市的車輛軌跡信息，所述車輛軌跡信息包括車牌號、車輛通過卡口時間和車輛通過卡口地點；

根據預設派生字段和車輛通過卡口時間確定每個車牌號的活動天數、活動月數和活動年數；

根據所述活動天數確定每個車牌號的平均每月活動天數和平均每年活動天數；

根據所述車輛通過卡口地點確定每個車牌號的平均每日活動地點數和平均每日活動地點數；

根據所述車輛通過卡口時間確定每個車牌號的平均每日活動小時數；

所述活動天數、活動月數、活動年數、平均每月活動天數、平均每年活動天數、平均每日活動地點數、平均每日活動記錄數和平均每日活動小時數組合為評價參數數據；

基于預設歐式距離計算方法，對所述評價參數數據進行聚類，得到多個起始類別；

基于預設出租車匹配規則，對所述起始類別中出租車車牌號進行標記，得到起始標記結果；

根據所述起始標記結果計算出租車車牌號在對應起始類別的占比，得到起始占比結果；

計算多個起始占比結果的起始平均值和起始標準差值；

判斷所述起始平均值和起始標準差值是否達到均衡點；

若否，則基于預設歐式距離計算方法，對所述評價參數數據重新聚類，直至最終平均值和最終標準差值均達到均衡點；

調取最終占比結果中不小于最終平均值的最終類別，將最終類別中的非出租車車牌號進行篩選，得到篩選結果；

基于預設伴隨算法，根據所述篩選結果確定網約車的車牌號。

2.根據權利要求1所述的一種基于車輛的軌跡特征識別網約車的方法，其特征在于：所述根據預設派生字段和車輛通過卡口時間確定每個車牌號的活動天數，包括；

所述預設派生字段包括年-月-日、年-月和年；

根據所述年-月-日、年-月和年和車輛通過卡口時間確定每個車牌號的活動天數。

3.根據權利要求2所述的一種基于車輛的軌跡特征識別網約車的方法，其特征在于：所述根據預設派生字段和車輛通過卡口時間確定每個車牌號的活動月數，包括；

根據所述年-月和年和車輛通過卡口時間確定每個車牌號的活動月數。

4.根據權利要求2所述的一種基于車輛的軌跡特征識別網約車的方法，其特征在于：所述根據預設派生字段和車輛通過卡口時間確定每個車牌號的活動年數，包括；

根據所述年和車輛通過卡口時間確定每個車牌號的活動年數。

5.根據權利要求1所述的一種基于車輛的軌跡特征識別網約車的方法，其特征在于：所述基于預設歐式距離計算方法，對所述評價參數數據進行聚類，得到多個起始類別，包括；

對所述評價參數數據進行歸一化，得到歸一化數據；

根據所述預設歐式距離計算方法對歸一化數據進行聚類，得到多個類別。

6.根據權利要求1所述的一種基于車輛的軌跡特征識別網約車的方法，其特征在于：所述基于預設歐式距離計算方法，對所述評價參數數據重新聚類，直至最終平均值和最終標準差值均達到均衡點，包括；

重新聚類起始類別中的車牌號，得到最終類別；

基于預設出租車匹配規則，對所述最終類別中出租車車牌號進行標記，得到最終標記結果；

根據所述最終標記結果計算出租車車牌號在對應最終類別的占比，得到最終占比結果；

計算多個最終占比結果的最終平均值和最終標準差值，所述最終平均值和最終標準差值均達到均衡點。

7.根據權利要求1所述的一種基于車輛的軌跡特征識別網約車的方法，其特征在于：所述基于預設伴隨算法，根據所述篩選結果確定網約車的車牌號，包括；

將所述車牌號和用戶終端串號進行綁定，得到綁定結果；

根據所述綁定結果計算過往車輛中的每日平均載客數；

篩選所述車輛中的每日平均載客數大于預設閾值的車牌號，該車牌號為網約車車牌號。

8.一種基于車輛的軌跡特征識別網約車的系統，其特征在于：包括；

獲取模塊(21)，用于獲取目標城市的車輛軌跡信息；

第一確定模塊(22)，根據預設派生字段和車輛通過卡口時間確定每個車牌號的活動天數、活動月數和活動年數；根據所述活動天數確定每個車牌號的平均每月活動天數和平均每年活動天數；根據所述車輛通過卡口地點確定每個車牌號的平均每日活動地點數和平均每日活動地點數；根據所述車輛通過卡口時間確定每個車牌號的平均每日活動小時數；所述活動天數、活動月數、活動年數、平均每月活動天數、平均每年活動天數、平均每日活動地點數、平均每日活動記錄數和平均每日活動小時數組合為評價參數數據；

聚類模塊(23)，用于基于預設歐式距離計算方法，對所述評價參數數據進行聚類，得到多個起始類別；

標記模塊(24)，用于基于預設出租車匹配規則，對所述起始類別中出租車車牌號進行標記，得到起始標記結果；

計算模塊(25)，用于根據所述起始標記結果計算出租車車牌號在對應起始類別的占比，得到起始占比結果；用于計算多個起始占比結果的起始平均值和起始標準差值；

判斷模塊(26)，用于判斷所述起始平均值和起始標準差值是否達到均衡點；

迭代模塊(27)，用于基于預設歐式距離計算方法，對所述評價參數數據重新聚類，直至最終平均值和最終標準差值均達到均衡點；

篩選模塊(28)，用于調取最終占比結果中不小于最終平均值的最終類別，將最終類別中的非出租車車牌號進行篩選，得到篩選結果；

第二確定模塊(29)，用于基于預設伴隨算法，根據所述篩選結果確定網約車的車牌號。