CN108984758A - 基于点位识别的车主关联地址分析方法及系统 - Google Patents

Abstract

本发明提供一种基于点位识别的车主关联地址分析方法及系统，其中所述方法包括如下步骤：根据点位识别获取车辆的行程及对应行程包括起点及终点的路径属性；对特定时间段内同一车辆的行程根据对应行程的路径属性归类到对应的行程组；将对应车辆的不同类型行程组排序确定排序最高的匹配行程组，根据所述匹配行程组中行程的起点和/或终点判断相应车主的关联地址。本发明提高了城市交通数据利用的能力，可以分析获得对应车辆车主的关联地址信息，拓宽数据的维度。

Description

基于点位识别的车主关联地址分析方法及系统

技术领域

本发明涉及智能交通技术领域，尤其涉及一种基于点位识别的车主关联地址分析方法及系统。

背景技术

目前，为了便于车辆的管理，在城市的各个点位都会安装有相应的车辆识别装置，用于获取车辆信息等，例如，红绿灯路口的交通用摄像机用于获取经过车辆及违章情况，小区、停车场等出入口的射频识别读写器用于记录进出车辆的身份并计费。但是，往往上述识别的信息数据都是相互孤立的，缺乏有效的分析利用机制，只能实现单一的功能。另一方面，城市的科学管理需要对城市交通中行驶的车辆进行更加精细化地管理，了解车主的工作地、居住地等关联地址信息，获取相应的分布情况，可以辅助城市治理者更好地进行城市规划。然而，目前城市管理中并不存在系统的技术方案可以满足上述的需求，实践中亟待提出相应的解决措施。

发明内容

本发明的目的在于提供一种基于点位识别的车主关联地址分析方法及系统，解决了现有技术中对车辆识别信息数据利用不充分，不能分析获得车主关联地址信息的技术问题。

为了解决上述技术问题，本发明的一种基于点位识别的车主关联地址分析方法，包括如下步骤：

根据点位识别获取车辆的行程及对应行程包括起点及终点的路径属性；

对特定时间段内同一车辆的行程根据对应行程的路径属性归类到对应的行程组；

将对应车辆的不同类型行程组排序确定排序最高的匹配行程组，根据所述匹配行程组中行程的起点和/或终点判断相应车主的关联地址。

作为本发明上述基于点位识别的车主关联地址分析方法的进一步改进，根据点位识别时间将识别对应车辆点位依序串连成连续的行驶轨迹，分析相邻点位对应识别时间之间的差值，在所述差值超过第一阈值时，将所述相邻点位之间分割为两个相邻行程，分割点两边的点位根据识别时间的先后确定为对应行程的终点或起点。

作为本发明上述基于点位识别的车主关联地址分析方法的进一步改进，确定相应车主的居住地时，将起点相同的行程归类到同一行程组，选取包括行程数量最多的行程组为第一匹配行程组，所述第一匹配行程组中行程的起点确定为相应车主的居住地。

作为本发明上述基于点位识别的车主关联地址分析方法的进一步改进，确定第一匹配行程组基于的行程组排序是根据行程组中行程的数量、行程种类的数量及起点停留时间总和综合分析获得，所述起点停留时间由起点识别对应车辆的识别时间与对应车辆经过上个相邻行程终点时的识别时间之差。

作为本发明上述基于点位识别的车主关联地址分析方法的进一步改进，确定相应车主的工作地时，将起点及终点相同的行程归类到同一行程组，选取包括行程数量最多的行程组为第二匹配行程组，获取所述第二匹配行程组中行程的起点和终点，排除作为居住地的起点或终点，选取保留的终点或起点作为工作地。

作为本发明上述基于点位识别的车主关联地址分析方法的进一步改进，归类的行程所在的特定时间段为阈值时间范围内的工作日。

作为本发明上述基于点位识别的车主关联地址分析方法的进一步改进，行程起点或终点对应的点位具有多个相邻位置的点位，获取的所述行程起点或终点为多个相邻位置点位映射的共同点位。

为了解决上述技术问题，本发明的一种基于点位识别的车主关联地址分析系统，包括：

获取单元，用于根据点位识别获取车辆的行程及对应行程包括起点及终点的路径属性；

归类单元，用于对特定时间段内同一车辆的行程根据对应行程的路径属性归类到对应的行程组；

判断单元，用于将对应车辆的不同类型行程组排序确定排序最高的匹配行程组，根据所述匹配行程组中行程的起点和/或终点判断相应车主的关联地址。

作为本发明上述基于点位识别的车主关联地址分析系统的进一步改进，确定相应车主的居住地时，所述归类单元将起点相同的行程归类到同一行程组，所述判断单元选取包括行程数量最多的行程组为第一匹配行程组，所述第一匹配行程组中行程的起点确定为相应车主的居住地。

作为本发明上述基于点位识别的车主关联地址分析系统的进一步改进，确定相应车主的工作地时，所述归类单元将起点及终点相同的行程归类到同一行程组，所述判断单元选取包括行程数量最多的行程组为第二匹配行程组，获取所述第二匹配行程组中行程的起点和终点，排除作为居住地的起点或终点，选取保留的终点或起点作为工作地。

与现有技术相比，本发明基于点位识别车辆的经过记录提取出车辆对应的行程，根据行程的路径属性将同一车辆的不同行程归类到不同的行程组，对不同的行程组进行排序确定可分析关联地址的行程组并确定相应的关联地址。本发明提高了城市交通数据利用的能力，可以分析获得对应车辆车主的关联地址信息，拓宽数据的维度。

结合附图阅读本发明实施方式的详细描述后，本发明的其他特点和优点将变得更加清楚。

附图说明

为了更清楚地说明本发明实施方式或现有技术的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见，下面描述中的附图仅仅是本发明中记载的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一实施方式中基于点位识别的车主关联地址分析方法流程图。

图2为本发明一实施方式中对应车辆行程分割示意图。

图3为本发明一实施方式中对应车辆行程分割示意图。

图4为本发明一实施方式中对应车辆行程分布示意图。

图5为本发明一实施方式中具有多个相邻位置点位示意图。

图6为本发明一实施方式中基于点位识别的车主关联地址分析系统模块图。

具体实施方式

以下将结合附图所示的各实施方式对本发明进行详细描述。但这些实施方式并不限制本发明，本领域的普通技术人员根据这些实施方式所做出的结构、方法、或功能上的变换均包含在本发明的保护范围内。

需要说明的是，在不同的实施方式中，可能使用相同的标号或标记，但这些并不代表结构或功能上的绝对联系关系。并且，各实施方式中所提到的“第一”、“第二”等也并不代表结构或功能上的绝对区分关系，这些仅仅是为了描述的方便。

在现有的城市交通中，会在各个点位上设置有车辆识别装置，车辆识别装置的作用在于对经过车辆的身份等进行识别，车辆识别装置可以是交通用摄像机，随着射频识别技术的发展，尤其是机动车电子标识标准的推动，车辆识别装置也可以采用射频识别读写器来实现。上述的点位包括道路的卡口、红绿灯十字路口等。另外，小区、停车场等出入口为了便于管理出入车辆，也会设置相应的车辆识别装置，因此为了更加精细化地获悉车辆的轨迹数据，小区、停车场等位置也可以纳入到相应的点位管理中。目前，虽然这些点位的车辆识别装置可以获取经过车辆的数据，但这些数据往往都是专用于对应点位上的监测或管理，比如停车场出入口的车辆识别装置就是为了进出管理并控制道闸使用的，因此造成了数据资源不能有效利用而带来的浪费。然而，同一辆车相关的识别数据在时间上、位置上是存在着内在的逻辑，通过对上述数据的整合分析，可以得出车辆的某些行为习惯，而本发明正是基于某些算法逻辑串连整合不同点位的识别数据进行挖掘分析。

如图1所示，本发明一实施方式中基于点位识别的车主关联地址分析方法流程图。基于点位识别的车主关联地址分析方法，具体包括如下步骤：

步骤S1、根据点位识别获取车辆的行程及对应行程包括起点及终点的路径属性。如上所述，点位上的车辆识别装置可以对车辆的身份等信息进行点位识别，获取到具体身份的车辆在具体某个时间点经过对应的点位。比如，交通用摄像机通过图像分析车辆铁制车牌上的车牌号，射频识别读写器通过收发信号获得车辆前挡风玻璃上射频识别电子标签反馈的车辆信息。由于点位识别的同时也记录了对应的点位识别时间，因此就可以了解到在不同点位同一车辆被识别到的先后顺序，从而也可以推断出对应车辆经过不同点位的先后顺序，而按照先后顺序将不同点位连接起来即可以代表对应车辆的行驶轨迹。但是，如果简单地通过连接不同的识别点位来判断车辆的行驶轨迹，会发现一辆车只会对应一条路径，这个实际上是与车辆在特定时间段内发起的多个行程是不匹配的。上述的行驶轨迹与行程的最大区别在于，行驶轨迹只反映了车辆经过各个点位的记录，而行程是反映对应车辆连续行驶的路径记录，它具有明确的每段行程的起点及终点。因此，在本实施方式中，对已有的行驶轨迹进行分割，从而获得实际上匹配的多个行程，具体通过确定相邻点位之间对应车辆的通行时间，判断通行时间的长短来确定对应车辆在相邻点位之间是否出现中断，比如在相邻点位之间出现了休息，或者停止驾驶行为进行购物等其他行为。

相应地，根据点位识别时间将识别对应车辆点位依序串连成连续的行驶轨迹，分析相邻点位对应识别时间之间的差值，在所述差值超过第一阈值时，将所述相邻点位之间分割为两个相邻行程，分割点两边的点位根据识别时间的先后确定为对应行程的终点或起点。第一阈值的设定根据相邻点位之间的距离来决定，进一步还要考虑可能存在的拥堵情况，优选地，第一阈值可以根据道路通行高峰状态、低谷状态设置不同的门限值，通过第一阈值来表示车辆正常通行的最大花费时间。另外，第一阈值的设定还可以增加其他因素的考虑，比如在特定情况下，虽然出现中断但中断时间较短，一般不认定为出现一个行程的结束另一个行程的开始，此时也可以将第一阈值设置为较高的数值，比如两个小时，例如在写字楼的停车场停车，虽然出现了停车行为，但是由于是短暂的停留，因此也可以直接将进出停车场前后的两次行程直接认定为一次行程。如图2所示，以车辆1为例，车辆1分别在14:00、14:05、15:00、15：05、15：10、16：00经过A点位、B点位、C点位、D点位、E点位、F点位并被对应点位识别到，此时可以根据时间顺序获得车辆相应的行驶轨迹。在步骤S1中，最终目的其实是获得行驶轨迹中对应的行程，因此首先应该找到行驶轨迹上中断对应的分割点，参照上述实施方式判断相邻点位对应识别时间之间的差值，比如，车辆1在14:05就经过B点位了，但却在15:00才经过C点位，假设B点位到C点位对应的第一阈值设定为半小时，说明车辆1在B点位与C点位之间出现了中断，此时将中断上下的行驶轨迹分别确定为两个独立的行程，两个行程由于上下承接认定为相邻行程，所提到的“上”、“下”根据时间顺序决定，时间在先的相邻行程为上一个行程，反之，时间在后的相邻行程为下一个行程。而C点位根据时间顺序是第一行程的首个点位，确定为第一行程的起点，而B点位作为第一行程的上一个行程末个点位，确定为第一行程上一个行程的终点，同理在E点位与F点位之间也出现了中断，由于E点位是第一行程相应的最后一个点位，所以确定为第一行程的终点，相应地，F点位确定为第一行程下一个行程的起点。起点及终点作为行程对应的路径属性，可以确定行程的大体路径位置，并可以借助行程的路径属性来确定不同行程之间的内在联系，路径属性还可以包括途径点等。在更多的实施方式中，由于引入了小区、停车场等出入口的点位识别，从而点位的密集带来了行驶轨迹的精细化，例如进入停车场结束一段行程及离开停车场开始一段行程都是由停车场出入口点位的识别触发的，此时，上一个行程的终点与相邻的下一个行程的起点有可能同属于一个点位。如图3所示，以车辆2为例，车辆2分别在14:00、14:05、15:00、15：05、15：10、16：00经过A点位、B点位、B点位、C点位、D点位、D点位并被对应点位识别到，假设B点位对应的是小区的出入口，而D点位是商场停车场的出入口，同样通过相邻点位的时间判断确定存在的相邻行程之间的中断，相邻点位如上所述是通过时间顺序排列的行驶轨迹，在本实施方式中，相邻点位可以指向同一个点位，比如B点位由于是小区的出入口，车辆2在14:05进入小区时被识别到后，进行停留以后于15:00离开小区被识别到。同样假设第一阈值为半小时，此时就可以确定车辆2在进入小区之前和离开小区之后分别确定为两个不同行程，同理，根据识别时间的先后确定B点位分别为第二行程的起点及第二行程上一个行程的终点，依此类推，D点位分别是第二行程的终点及第二行程下一个行程的起点。需要说明的是，为了保证中断两边实际指向同一点位的信息可以被正常地记录到，对应点位的车辆识别装置在超过第二阈值后再一次读取到同一车辆时，至少保证对同一车辆记录另一条识别信息，第二阈值比如可以设定为30秒或一分钟，比如车辆2在14:05在B点位记录了相应的车辆识别信息，B点位在15:00时还是识别到了车辆2的信息，不能因为上一条有记录车辆2在B点位的识别信息就作为重复信息将其删除掉，由于B点位在识别到车辆2的两次时间差超过了第二阈值，所以认定为车辆两次经过B点位的记录。

如图5所示，在更多的实施方式中，行程起点或终点对应的点位具有多个相邻位置的点位，这是因为对于同一地点，比如同一个居住地小区，可能会存在不同的出入口A1、A2、A3，在相邻的位置设置相应的点位，因此车辆虽然到达同一个地方，但是由于被不同点位的车辆识别装置识别而显示不同的点位，这样在判断行程时就会造成实际相同起点或终点的行程具有不同起点或终点，影响进一步的分析判断。因此可以对相邻位置的点位进行编组，当被同组内的任意点位识别到都会标记一个映射的共同点位，以图5为例，车辆被A1、A2、A3点位识别到都会统一标记为A点位，A点位可以表示区域范围内对应的居民区、写字楼等。

步骤S2、对特定时间段内同一车辆的行程根据对应行程的路径属性归类到对应的行程组。当通过步骤S2已经获得特定车辆的所有行程后，需要对这些行程进行归类分析，具体地，对应车辆的行程选取特定时间段内的，特定时间段可以根据实际的需要确定，比如最近3个月内的行程，这样可以减少分析的工作量，同时当车辆的车主发生了变动或者车主的行为习惯发生了变动（比如搬家或工作调动），可以基于变化后的识别信息确定新的分析。将同一车辆的多个行程进行分类，目的在于步骤S3的统计分析。分类的方式通过比较行程的路径属性将同一路径属性的行程归类到同一行程组中，然后在步骤S3中通过对行程组中的行程进行统计分析来确定可使用的行程组。这里基于的路径属性的比较包括仅比较行程对应的起点，或者同时比较行程对应的起点及终点，根据需要还可以将行程的起点、途经点、终点进行一一比较，以下将详述不同比较下的实施方式。

步骤S3、将对应车辆的不同类型行程组排序确定排序最高的匹配行程组，根据所述匹配行程组中行程的起点和/或终点判断相应车主的关联地址。如上所述，当通过对行程的归类将不同的行程组确定以后，根据不同行程组中行程的分布来对不同的行程组进行统计评分，根据评分的高低确定排序最高的匹配行程组，比如行程组中的行程越多评分越高，相应地排序也越高。确定的匹配行程组可以为判断对应车辆车主的关联地址提供非常有价值的信息，具体根据匹配行程组中行程的起点和/或终点判断相应车主的关联地址。

在确定相应车主居住地的实施方式中，具体对应行程根据路径属性进行归类实际是仅比较行程的起点，将起点相同的行程归类到同一行程组中，因此同一行程组中的多个种类行程，有可能终点不一样，有可能途径的路径不一样，但起点一定是一样的，通过归类可以确定多个行程组，比如以A点位出发的行程组，以B点位出发的行程组等。当所有符合要求的行程都完成归类后，对不同行程组进行统计分析。如图4所示，公众使用汽车主要到达居住地、工作地、商场及其他位置，相应的行为习惯具有一定的规律性，尤其对统计样本的时间跨度较大的情况下，可以排除一定的随机性。由于公众生活的特点，通常车辆的出行主要还是以居住地为中心，大多数行程的发起都是从居住地开始的，其次是工作地，而如上所述，不管车辆从居住地到达工作地的行程、从工作地到达居住地的行程，还是从居住地到达商场的行程、居住地到达其他位置的行程等，都是可以通过步骤S1获得的，因此只需找到以哪一个起点的行程最多就可以确定对应行程的起点为居住地。具体地，对将起点相同的行程归类的多个行程组进行统计分析，确定具体哪一个行程组中的行程最多，行程最多的行程组即为排序最高的匹配行程组，这里定义为第一匹配行程组，将第一匹配行程组中行程的起点确定为相应车主的居住地，比如选取行程组中的任意行程，查询对应行程的起点。

优选地，针对通过行程起点归类的行程组进行统计评分时，还会引入其他统计因子，从图4中可以看出，由于车辆出行固有的行为习惯，通常从居住地发起的行程种类最多，比如从居住地出发的，有到达工作地的、有到达商场的、还有到达其他位置的，因此行程种类的数量也可以作为判断的变量，不同行程种类的区别还可以精确到途径点的不一样。进一步，车辆的使用主要分为行驶和停留两个状态，而停留状态大多数时间都是停放在居住地小区的停车位内，所以可以针对每个行程的起点停留时间来辅助判断，起点停留时间是指车辆在起点出发之前停留的时间，由起点识别对应车辆的识别时间与对应车辆经过上个相邻行程终点是的识别时间之差来获得，如图3所示，第二行程的起点为B点位，相应的识别时间为15:00，而第二行程上一个行程的终点也是B点位，相应的识别时间为14:05，因此对应的起点停留时间可以记录为55分钟。具体地，对行程组进行统计分析的时候，可以计算同一行程组中行程的数量X，行程种类的数量Y，行程组中各个行程起点的停留时间总和Z与其他行程组比较的排序Xn、Yn、Zn（以数量或时间越大的排序越靠后的升序方式为例），分别对Xn、Yn、Zn分配相应的权重a、b、c进行加权综合分析，加权值W=aXn+bYn+cZn，对应加权值W越高（降序方式反之越低）的行程组排序越高，因此确定为相应的匹配行程组。更具体地，将c的权重设置最高，其次为a的权重，b的权重最低，比如c=60%、a=30%、b=10%，这样可以更加准确的确定匹配行程组，减少偶然事件的干扰。

在更多的实施方式中，还会对已经确定为居住地的点位作进一步分析，查询地图资源中对应点位的区域是否为居民区以确定居住地判断是否准确，如果点位对应区域为商业区或者写字楼，那就做排除操作，将排序顺位其次的行程确定为新的匹配行程组。

进一步，在确定相应车主工作地的实施方式中，是将起点及终点相同的行程归类到同一行程组，而行程所在的特定时间段具体可以是工作日，比如过去3个月内工作日对应车辆的行程数据，工作日是指法律规定职工正常情况下上班的所在日，一般是排除周末及节假日以外的时间。需要说明的是，步骤S1、步骤S2、步骤S3可以是三个相互配合的子进程，步骤S1在获取车辆的行程时并不影响步骤S2、步骤S3在判断对应车辆车主关联地址的过程，只是会调用到步骤S1中获得的部分数据。同时，判断车主居住地的步骤S2、步骤S3和判断车主工作地的步骤S2、步骤S3也可以平行地进行，对行程的归类方式也是完全不同，不相互冲突。如上所述，判断车主工作地的行程组中行程的路径属性与判断车主居住地的有所不同，必须保证所有行程的起点和终点都要一样，当所有符合要求的行程都完成归类后，同样对不同行程组进行统计分析。具体选取包括行程数量最多的行程组为第二匹配行程组，实质上是基于每个行程组中的行程数量进行排序，数量越多的排序越高。这个是因为正常车辆的出行，特别是在工作日，车辆主要是上下班的代步工具，因此在居住地和工作地之间穿梭的行程占较大比例，此时只需找出这个类型的行程，对应的起点及终点必然有一个是居住地另一个是工作地，因此相应地，获取所述第二匹配行程组中行程的起点和终点，排除作为居住地的起点或终点，选取保留的终点或起点作为工作地。即分析起点和终点，先确定哪一个是居住地，剩下的即为工作地，居住地可以根据上述判断居住地的实施方式或者历史记录获得。在优选的实施方式中，在确定第二匹配行程组时，还要判断第二匹配行程组中的行程数相对于所有行程数的占比是否达到一定阈值，比如阈值为30%，如果没有达到阈值确定为都是随机路线，暂时认定为无固定工作地。当确定完对应的工作地时，同样可以基于点位对应的地理信息来进一步判断是否确定的工作地符合规划建筑的一致性。在更多的实施方式中，可以分析第二匹配行程组中对应行程车辆在工作地的停留时间总和是否最高，如果是最高说明工作地的判断是准确的，具体工作地的停留时间如果行程的起点是工作地可以参照上述起点停留时间的计算，如果行程的终点是工作地，用终点识别对应车辆的识别时间与对应车辆经过下个相邻行程起点时的识别时间之差计算。另外，还可以对工作地对应车辆的停留时间所在的时间段进行分析，比如以工作地为起点的行程为基础，来计算相应的起点停留时间，若起点停留时间出现经常跨越在凌晨时间（例如凌晨00:00-6:00），具体工作地为起点的行程中，起点的停留时间在凌晨时间的行程数超过设定的数量，就确定工作地判断不正确，此时重新确定新的工作地，具体可以将排序顺位下一个的行程组作为第二匹配行程组。

如上所述，上述分析车主关联地址的实施方式中，基于的是车辆通常具有固定行驶规律的特点，特别是私家车，用途较为单一，随机性较小，因此在优选的实施方式中，还可以对获取的车辆信息进行筛选，具体根据获取车辆的身份信息来查询车辆的注册类型，选取为个人的私家车对应的行程数据进行判断，而企业商务用车等根据实际情况不做进一步判断。另外，上述实施方式中的车主为长期稳定使用对应车辆的驾驶人员，包括车辆的所有人及车辆的所有人授权的长期使用人（比如其他家庭成员），这些信息可以通过对车辆信息的绑定维护来进行管理。在更多的实施方式中，也可以根据对应使用人的手机定位来确定，比如通过分析对应车主手机获得的移动轨迹与车辆的移动轨迹在时间上具有一致性，说明车主是正在使用对应车辆的人员。

如图6所示，本发明一实施方式中基于点位识别的车主关联地址分析系统模块图。基于点位识别的车主关联地址分析系统具体包括获取单元U1、归类单元U2、判断单元U3。

获取单元U1用于根据点位识别获取车辆的行程及对应行程包括起点及终点的路径属性。参照基于点位识别的车主关联地址分析方法，点位识别获取车辆的行程是基于不同点位的车辆识别装置识别经过车辆的记录，并根据对应身份车辆的识别记录分析车辆的行驶轨迹，车辆识别装置包括交通用摄像机或者射频识别读写器。获取单元U1具体分析行驶轨迹中相邻点位对应识别时间之间的差值，在所述差值超过第一阈值时，将所述相邻点位之间分割为两个相邻行程，分割点两边的点位根据识别时间的先后确定为对应行程的终点或起点。第一阈值根据相邻点位的距离等进行事先设定。

归类单元U2用于对特定时间段内同一车辆的行程根据对应行程的路径属性归类到对应的行程组。获取单元U1获取到所有的与实际匹配的连续驾驶的行程后，通过归类单元U2对这些行程进行分类并形成不同路径属性的行程组，在确定车主的居住地时，可以将起点相同的行程归为同一行程组，在确定车主的工作地时，可以将起点和终点都相同的行程归为同一行程组。

判断单元U3用于将对应车辆的不同类型行程组排序确定排序最高的匹配行程组，根据所述匹配行程组中行程的起点和/或终点判断相应车主的关联地址。在具体的实施方式中，在确定相应车主的居住地时，归类单元U2将起点相同的行程归类到同一行程组，判断单元U3选取包括行程数量最多的行程组为第一匹配行程组，所述第一匹配行程组中行程的起点确定为相应车主的居住地。优选地，判断单元U3确定第一匹配行程组基于的行程组排序是根据行程组中行程的数量、行程种类的数量及起点停留时间总和综合分析获得，所述起点停留时间由起点识别对应车辆的识别时间与对应车辆经过上个相邻行程终点时的识别时间之差，行程种类具体可以是从不同起点途径不同点位到达不同终点的路线。通过对行程的数量、行程种类的数量及起点停留时间分配不同的权重进行加权计算从而获得对不同行程组进行排序的评分加权值。

在确定相应车主的工作地时，归类单元U2将起点及终点相同的行程归类到同一行程组，判断单元U3选取包括行程数量最多的行程组为第二匹配行程组，获取所述第二匹配行程组中行程的起点和终点，排除作为居住地的起点或终点，选取保留的终点或起点作为工作地。优选地，归类的行程所在的特定时间段为阈值时间范围内的工作日，比如近3个月内的工作日。在更多的实施方式中，获取单元U1获取的行程起点或终点对应的点位具有多个相邻位置的点位，获取的所述行程起点或终点为多个相邻位置点位映射的共同点位。需要说明的是，基于点位识别的车主关联地址分析系统的具体实施方式可以参照基于点位识别的车主关联地址分析方法的具体实施方式。

综上所述，本发明基于点位识别车辆的经过记录提取出车辆对应的行程，根据行程的路径属性将同一车辆的不同行程归类到不同的行程组，对不同的行程组进行排序确定可分析关联地址的行程组并确定相应的关联地址。本发明提高了城市交通数据利用的能力，可以分析获得对应车辆车主的关联地址信息，拓宽数据的维度。

应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施方式中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明，它们并非用以限制本发明的保护范围，凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于点位识别的车主关联地址分析方法，其特征在于，包括如下步骤：

根据点位识别获取车辆的行程及对应行程包括起点及终点的路径属性；

对特定时间段内同一车辆的行程根据对应行程的路径属性归类到对应的行程组；

将对应车辆的不同类型行程组排序确定排序最高的匹配行程组，根据所述匹配行程组中行程的起点和/或终点判断相应车主的关联地址。

2.根据权利要求1所述的基于点位识别的车主关联地址分析方法，其特征在于，根据点位识别时间将识别对应车辆点位依序串连成连续的行驶轨迹，分析相邻点位对应识别时间之间的差值，在所述差值超过第一阈值时，将所述相邻点位之间分割为两个相邻行程，分割点两边的点位根据识别时间的先后确定为对应行程的终点或起点。

3.根据权利要求1所述的基于点位识别的车主关联地址分析方法，其特征在于，确定相应车主的居住地时，将起点相同的行程归类到同一行程组，选取包括行程数量最多的行程组为第一匹配行程组，所述第一匹配行程组中行程的起点确定为相应车主的居住地。

4.根据权利要求3所述的基于点位识别的车主关联地址分析方法，其特征在于，确定第一匹配行程组基于的行程组排序是根据行程组中行程的数量、行程种类的数量及起点停留时间总和综合分析获得，所述起点停留时间由起点识别对应车辆的识别时间与对应车辆经过上个相邻行程终点时的识别时间之差。

5.根据权利要求1所述的基于点位识别的车主关联地址分析方法，其特征在于，确定相应车主的工作地时，将起点及终点相同的行程归类到同一行程组，选取包括行程数量最多的行程组为第二匹配行程组，获取所述第二匹配行程组中行程的起点和终点，排除作为居住地的起点或终点，选取保留的终点或起点作为工作地。

6.根据权利要求5所述的基于点位识别的车主关联地址分析方法，其特征在于，归类的行程所在的特定时间段为阈值时间范围内的工作日。

7.根据权利要求1所述的基于点位识别的车主关联地址分析方法，其特征在于，行程起点或终点对应的点位具有多个相邻位置的点位，获取的所述行程起点或终点为多个相邻位置点位映射的共同点位。

8.一种基于点位识别的车主关联地址分析系统，其特征在于，包括：

获取单元，用于根据点位识别获取车辆的行程及对应行程包括起点及终点的路径属性；

归类单元，用于对特定时间段内同一车辆的行程根据对应行程的路径属性归类到对应的行程组；

判断单元，用于将对应车辆的不同类型行程组排序确定排序最高的匹配行程组，根据所述匹配行程组中行程的起点和/或终点判断相应车主的关联地址。

9.根据权利要求8所述的基于点位识别的车主关联地址分析系统，其特征在于，确定相应车主的居住地时，所述归类单元将起点相同的行程归类到同一行程组，所述判断单元选取包括行程数量最多的行程组为第一匹配行程组，所述第一匹配行程组中行程的起点确定为相应车主的居住地。

10.根据权利要求8所述的基于点位识别的车主关联地址分析系统，其特征在于，确定相应车主的工作地时，所述归类单元将起点及终点相同的行程归类到同一行程组，所述判断单元选取包括行程数量最多的行程组为第二匹配行程组，获取所述第二匹配行程组中行程的起点和终点，排除作为居住地的起点或终点，选取保留的终点或起点作为工作地。