基于RFID与聚类算法的电动车销赃区域分析方法和系统技术方案

一种基于RFID与聚类算法的电动车销赃区域分析的方法，包括：利用RFID采集设备获取获取电动车轨迹数据；对电动车轨迹数据进行清洗合并处理；根据预设规则获取异常电动车轨迹数据；根据所述异常电动车轨迹数据得到异常电动车轨迹的k个初始聚类中心点{C

【技术实现步骤摘要】
基于RFID与聚类算法的电动车销赃区域分析方法和系统
本专利技术涉及警务信息推荐算法领域，尤其涉及基于RFID与聚类算法的电动车销赃区域分析的方法。
技术介绍
电动车在极大方便群众生产生活的同时，也给公安机关管理带来非常大的压力。突出表现在，电动车管理的“三难”。“三难”：防范难。由于车主自我防范意识不强，造成电动车被盗防不胜防。立案多，破案难。在一些地区，电动车被盗案件占整个侵财类案件的25％以上，但是破案率百分之50都不到；追缴返还难，由于缺乏相关备案登记信息，即使有追缴，也无法界定电动车身份信息。目前，对于电动车的安全管理，各地公安机关先后采取上钢印、上车牌等传统手段，但防控效果不佳，而使用GPS设备、有源设备价高难以普及。
技术实现思路
鉴于上述问题，本专利技术提供一种克服上述问题或者至少部分地解决上述问题的一种基于RFID与聚类算法的电动车销赃区域分析方法和系统。一种基于RFID与聚类算法的电动车销赃区域分析的方法，其特征在于，包括：S100，利用RFID采集设备获取电动车RFID数据，通过电动车RFID数据获取电动车轨迹数据；S200，对电动车轨迹数据进行清洗合并处理；S300,对电动车轨迹数据进行动态分析，根据预设规则获取异常电动车轨迹数据；S400，根据所述异常电动车轨迹数据的最后一条RFID数据，获取最后一条RFID数据对应的RFID采集设备空间数据，并统计RFID采集设备获取异常电动车轨迹数据的最后一条RFID数据的次数，通过对所述次数由高到低排序，得到异常电动车轨迹的k个初始聚类中心点{C1,C2,C3,…,Ck}，通过k个初始聚类中心点，得到k个类簇{S1,S2,S3,…,Sk}；S500，根据k-means聚类算法，利用实时更新的异常电动车轨迹的最后一条RFID数据，获取最后一条RFID数据对应的RFID采集设备空间数据，重复步骤S400和S500，不断重新计算聚类中心点；S600，根据各类簇中RFID数据记录数量，显示电动车销赃区域。进一步地，所述S200具体包括：对预设时间间隔内电动车轨迹数据固定的电动车轨迹数据进行合并处理，合并为一条电动车轨迹记录。进一步地，所述S300的预设规则为：对电动车RFID轨迹数据库进行动态分析，获取第一预设时间内存在频繁活动且第二预设时间内无活动轨迹为异常电动车轨迹数据。进一步地，通过k个初始聚类中心点，得到k个类簇的方法为：RFID数据为n条，表示为X1,X2,X3,…,Xn，其中每条数据包含有经度与纬度信息，计算各RFID数据Xi＝{Longitude,Latitude}到聚类中心点的欧氏距离，如下所示：上述表达式中，Xi(Longitutude),Xi(Latitude)分别表示第i条前端采集电动车RFID数据的经纬度，Cj(Longitutude),Cj(Latitude)分别表示第j个初始聚类中心点；将前端采集RFID数据X1,X2,X3,…,Xn依次分类到距离其最近的聚类中心点，即可得到k个类簇{S1,S2,S3,…,Sk}。进一步地，S500具体方法为：依据k-means聚类算法，利用新增的电动车RFID最后一条数据的采集设备空间信息，根据步骤S400中划分的k个类簇，将各个类簇中RFID数据的经度、纬度取均值，计算公式如下：其中Xt∈St,Ci表示第i个聚类的中心，Xt表示该类簇中第t个对象，|Si|表示该类簇中对象个数。进一步地，所述RFID数据包括：电动车编号信息、电动车车主信息，电动车当前经纬度信息和时间信息。进一步地，所述第一预设时间为半年，所述第二预设时间为20天。进一步地，S600中，根据各类簇中RFID数据记录数量，在GIS地图上用热力图方式将聚类中心点直观展示，显示电动车销赃区域。本专利技术还公开了一种基于RFID与聚类算法的电动车销赃区域分析的系统，其特征在于，包括：RFID数据采集模块、异常电动车轨迹获取模块、聚类算法模块、销赃区域显示模块，其中，RFID数据采集模块，获取电动车RFID数据，通过电动车RFID数据获取电动车轨迹数据；异常电动车轨迹获取模块，对电动车轨迹数据进行动态分析，根据预设规则获取异常电动车轨迹数据；聚类算法模块，根据所述异常电动车轨迹数据的最后一条RFID数据，获取最后一条RFID数据对应的RFID采集设备空间数据，并统计RFID采集设备获取异常电动车轨迹数据的最后一条RFID数据的次数，通过对所述次数由高到低排序，得到异常电动车轨迹的k个初始聚类中心点{C1,C2,C3,…,Ck}，通过k个初始聚类中心点，得到k个类簇{S1,S2,S3,…,Sk}；根据k-means聚类算法，利用实时更新的异常电动车轨迹的最后一条RFID数据，获取最后一条RFID数据对应的RFID采集设备空间数据，重复步骤S400和S500，不断重新计算聚类中心点；销赃区域显示模块，根据各类簇中RFID数据记录数量，显示电动车销赃区域。进一步地，所述系统还包括：电动车轨迹预处理模块，所述电动车轨迹预处理模块对电动车轨迹数据进行清洗合并处理，对预设时间间隔内电动车轨迹数据固定的电动车轨迹数据进行合并处理，合并为一条电动车轨迹记录。本专利技术的有益效果是：本专利技术提供的基于RFID技术与聚类算法的电动车销赃区域分析的方法和系统，基于智慧感知平台的支撑，获取公安机关建设的前端设备采集的电动车RFID实时数据，并基于获取的RFID数据，运用缓存池与待持久化队列接收RFID记录；对海量的RFID轨迹数据进行动态分析，挖掘近半年频繁活动而近20天无活动轨迹的电动车；分析这类电动车最后采集RFID数据的设备空间信息，设置N个设备点为初始聚类中心点；依据k-means聚类算法，利用新增的最后采集RFID数据的设备空间信息，不断重新计算聚类的中心点，提升聚类中心点精准度并推荐给用户，进而解决电动车盗窃的治安问题。从而帮助警员发现线索，排查嫌疑目标，提高民警办案以及侦查效率。本专利技术的其它特征和优点将在随后的说明书中阐述，本专利技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。附图说明附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本专利技术的实施例一起用于解释本专利技术，并不构成对本专利技术的限制。在附图中：图1为本专利技术实施例1中，一种基于RFID与聚类算法的电动车销赃区域分析的流程图；图2为本专利技术实施例2中，一种基于RFID与聚类算法的电动车销赃区域分析的系统结构图。具体实施方式下面将参照附图更详细地描述本专利技术的示例性实施例。虽然附图中显示了本专利技术的示例性实施例，然而应当理解，可以以各种形式实现本专利技术而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地本文档来自技高网...

【技术保护点】
1.一种基于RFID与聚类算法的电动车销赃区域分析的方法，其特征在于，包括：/nS100，利用RFID采集设备获取电动车RFID数据，通过电动车RFID数据获取电动车轨迹数据；/nS200，对电动车轨迹数据进行清洗合并处理；/nS300,对电动车轨迹数据进行动态分析，根据预设规则获取异常电动车轨迹数据；/nS400，根据所述异常电动车轨迹数据的最后一条RFID数据，获取最后一条RFID数据对应的RFID采集设备空间数据，并统计RFID采集设备获取异常电动车轨迹数据的最后一条RFID数据的次数，通过对所述次数由高到低排序，得到异常电动车轨迹的k个初始聚类中心点{C

【技术特征摘要】
1.一种基于RFID与聚类算法的电动车销赃区域分析的方法，其特征在于，包括：
S100，利用RFID采集设备获取电动车RFID数据，通过电动车RFID数据获取电动车轨迹数据；
S200，对电动车轨迹数据进行清洗合并处理；
S300,对电动车轨迹数据进行动态分析，根据预设规则获取异常电动车轨迹数据；
S400，根据所述异常电动车轨迹数据的最后一条RFID数据，获取最后一条RFID数据对应的RFID采集设备空间数据，并统计RFID采集设备获取异常电动车轨迹数据的最后一条RFID数据的次数，通过对所述次数由高到低排序，得到异常电动车轨迹的k个初始聚类中心点{C1,C2,C3,…,Ck}，通过k个初始聚类中心点，得到k个类簇{S1,S2,S3,…,Sk}；
S500，根据k-means聚类算法，利用实时更新的异常电动车轨迹的最后一条RFID数据，获取最后一条RFID数据对应的RFID采集设备空间数据，重复步骤S400和S500，不断重新计算聚类中心点；
S600，根据各类簇中RFID数据记录数量，显示电动车销赃区域。


2.如权利要求1所述的一种基于RFID与聚类算法的电动车销赃区域分析的方法，其特征在于，所述S200具体包括：对预设时间间隔内电动车轨迹数据固定的电动车轨迹数据进行合并处理，合并为一条电动车轨迹记录。


3.如权利要求1所述的一种基于RFID与聚类算法的电动车销赃区域分析的方法，其特征在于，所述S300的预设规则为：对电动车RFID轨迹数据库进行动态分析，获取第一预设时间内存在频繁活动且第二预设时间内无活动轨迹为异常电动车轨迹数据。


4.如权利要求1所述的一种基于RFID与聚类算法的电动车销赃区域分析的方法，其特征在于，通过k个初始聚类中心点，得到k个类簇的方法为：
RFID数据为n条，表示为X1,X2,X3,…,Xn，其中每条数据包含有经度与纬度信息，计算各RFID数据Xi＝{Longitude,Latitude}到聚类中心点的欧氏距离，如下所示：



上述表达式中，Xi(Longitutude),Xi(Latitude)分别表示第i条前端采集电动车RFID数据的经纬度，Cj(Longitutude),Cj(Latitude)分别表示第j个初始聚类中心点；将前端采集RFID数据X1,X2,X3,…,Xn依次分类到距离其最近的聚类中心点，即可得到k个类簇{S1,S2,S3,…,Sk}。


5.如权利要求1所述的一种基于RFID与聚类算法的电动车销赃区域分析...

【专利技术属性】
技术研发人员：李旭，廖乔治，
申请(专利权)人：武汉烽火众智数字技术有限责任公司，
类型：发明
国别省市：湖北;42