一种基于聚集区停靠的车辆车型确定方法和装置制造方法及图纸

本申请涉及一种基于聚集区停靠的车辆车型确定方法和装置。所述方法包括：获取多个车辆停靠的聚集区；计算预设时间内多个车辆停靠的聚集区对应的车辆数据；基于车辆数据确定各聚集区属性；针对强车型属性聚集区和弱车型属性聚集区，初始化任一聚集区中已知车型的车辆标签，计算该聚集区中未知车型的车辆车型分布向量，将任一未知车型的车辆作为目标车辆；将计算后所属车型传递至所有与目标车辆关联的聚集区。本申请能更精准而完整地确定车辆的车型，特别是通过聚集区与车辆的关联关系确定车辆的分布并通过车型的传递使车型的确定更快捷，从而更便于做后续数据处理，整体上提升了数据处理的效率，因此本申请的方法将有更多应用场景。用场景。用场景。

【技术实现步骤摘要】
一种基于聚集区停靠的车辆车型确定方法和装置


[0001]本申请涉及数据挖掘及数据处理
，更为具体来说，本申请涉及一种基于聚集区停靠的车辆车型确定方法和装置。

技术介绍

[0002]目前，随着物流业务的发展，各种车辆特别是货车运输的应用越发广泛，但因其长途行运，则可能会在各种聚集区停靠，例如在装卸货时、休息时、加油时、拥堵时等等。然而随着物流业务的发展，也出现许多车辆违规甚至于逃逸的情况，因此确定各聚集区的车型能有助于车辆稽查工作及许多相关应用场景的需求。

技术实现思路

[0003]基于上述技术问题，本专利技术旨在通过先确定车辆停靠的聚集区属性，再针对强车型属性聚集区和弱车型属性聚集区，计算该聚集区中未知车型的车辆车型分布向量，将任一所述未知车型的车辆作为目标车辆，将计算后所属车型传递至所有与所述目标车辆关联的聚集区。
[0004]本专利技术第一方面提供了一种基于聚集区停靠的车辆车型确定方法，所述方法包括：
[0005]获取多个车辆停靠的聚集区；
[0006]计算预设时间内所述多个车辆停靠的聚集区对应的车辆数据，其中，所述车辆数据至少包括车辆总数、已知车型的车辆数和未知车型的车辆数；
[0007]基于所述车辆数据确定各聚集区属性，其中，所述各聚集区属性至少包括强车型属性聚集区、弱车型属性聚集区和无车型属性聚集区；
[0008]针对所述强车型属性聚集区和弱车型属性聚集区，初始化任一聚集区中已知车型的车辆标签，计算该聚集区中未知车型的车辆车型分布向量，将任一所述未知车型的车辆作为目标车辆；
[0009]将计算后所属车型传递至所有与所述目标车辆关联的聚集区。
[0010]在本专利技术的一些实施例中，所述基于所述车辆数据确定各聚集区属性，包括：
[0011]根据各聚集区的车辆总数、已知车型的车辆数和未知车型的车辆数计算各车型在各聚集区中的占比；
[0012]根据所述各车型在各聚集区中的占比计算各聚集区的车型熵值；
[0013]根据所述各聚集区的车型熵值确定各聚集区属性。
[0014]在本专利技术的一些实施例中，所述计算各聚集区的车型熵值的公式为：
[0015][0016]其中，H(X)表示熵函数，X＝{x1,x2,
…
,x
n
}表示聚集区内的各种车型，p(x
i
)为车型
x
i
在聚集区中的占比，n表示车型总数。
[0017]在本专利技术的一些实施例中，所述将计算后所属车型传递至所有与所述目标车辆关联的聚集区的公式为：
[0018][0019]其中，p
v
(x
i
)表示目标车辆车型为x
i
的概率，表示目标车辆停靠过的第j个聚集区中车型为x
i
的概率，m为目标车辆停靠的聚集区数量。
[0020]在本专利技术的一些实施例中，在传递至所有与所述目标车辆关联的聚集区后还包括：
[0021]重新计算各聚集区中预设车型的车辆占比；
[0022]根据重新计算的占比更新车型标签。
[0023]在本专利技术的一些实施例中，所述计算各聚集区中预设车型的车辆占比的公式为：
[0024][0025]其中，p
a
(x
i
)表示车型为x
i
的车辆在任一聚集区中的占比，N
i
为有明确车型标签且标签为x
i
的车辆数量，N
all
为聚集区内全部车辆数，表示第k辆未标注车辆车型为x
i
的概率，n为车型为x
i
的未标注车辆数量。
[0026]在本专利技术的一些实施例中，所述根据重新计算的占比更新车型标签，包括：
[0027]根据重新计算的占比确定目标车辆所属预设车型的概率值；
[0028]在所述所属预设车型的概率值超过预设阈值时，将预设车型确定为所述目标车辆的车型标签。
[0029]本专利技术第二方面提供了一种基于聚集区停靠的车辆车型确定装置，所述装置包括：
[0030]获取模块，用于获取多个车辆停靠的聚集区；
[0031]第一计算模块，用于计算预设时间内所述多个车辆停靠的聚集区对应的车辆数据，其中，所述车辆数据至少包括车辆总数、已知车型的车辆数和未知车型的车辆数；
[0032]属性模块，用于基于所述车辆数据确定各聚集区属性，其中，所述各聚集区属性至少包括强车型属性聚集区、弱车型属性聚集区和无车型属性聚集区；
[0033]第二计算模块，针对所述强车型属性聚集区和弱车型属性聚集区，用于初始化任一聚集区中已知车型的车辆标签，计算该聚集区中未知车型的车辆车型分布向量，将任一所述未知车型的车辆作为目标车辆；
[0034]传递模块，用于将计算后所属车型传递至所有与所述目标车辆关联的聚集区。
[0035]本专利技术第三方面提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行以下步骤：
[0036]获取多个车辆停靠的聚集区；
[0037]计算预设时间内所述多个车辆停靠的聚集区对应的车辆数据，其中，所述车辆数
据至少包括车辆总数、已知车型的车辆数和未知车型的车辆数；
[0038]基于所述车辆数据确定各聚集区属性，其中，所述各聚集区属性至少包括强车型属性聚集区、弱车型属性聚集区和无车型属性聚集区；
[0039]针对所述强车型属性聚集区和弱车型属性聚集区，初始化任一聚集区中已知车型的车辆标签，计算该聚集区中未知车型的车辆车型分布向量，将任一所述未知车型的车辆作为目标车辆；
[0040]将计算后所属车型传递至所有与所述目标车辆关联的聚集区。
[0041]本专利技术第四方面提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现步骤：
[0042]获取多个车辆停靠的聚集区；
[0043]计算预设时间内所述多个车辆停靠的聚集区对应的车辆数据，其中，所述车辆数据至少包括车辆总数、已知车型的车辆数和未知车型的车辆数；
[0044]基于所述车辆数据确定各聚集区属性，其中，所述各聚集区属性至少包括强车型属性聚集区、弱车型属性聚集区和无车型属性聚集区；
[0045]针对所述强车型属性聚集区和弱车型属性聚集区，初始化任一聚集区中已知车型的车辆标签，计算该聚集区中未知车型的车辆车型分布向量，将任一所述未知车型的车辆作为目标车辆；
[0046]将计算后所属车型传递至所有与所述目标车辆关联的聚集区。
[0047]本申请实施例中提供的技术方案，至少具有如下技术效果或优点：
[0048]本申请先获取多个车辆停靠的聚集区，计算预设时间内所述多个车辆停靠的聚集区对应的车辆数据，其中，所述车辆数据至少包括车辆总数、已知车型的车辆数和未知车型的车辆数，再基于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于聚集区停靠的车辆车型确定方法，其特征在于，所述方法包括：获取多个车辆停靠的聚集区；计算预设时间内所述多个车辆停靠的聚集区对应的车辆数据，其中，所述车辆数据至少包括车辆总数、已知车型的车辆数和未知车型的车辆数；基于所述车辆数据确定各聚集区属性，其中，所述各聚集区属性至少包括强车型属性聚集区、弱车型属性聚集区和无车型属性聚集区；针对所述强车型属性聚集区和弱车型属性聚集区，初始化任一聚集区中已知车型的车辆标签，计算该聚集区中未知车型的车辆车型分布向量，将任一所述未知车型的车辆作为目标车辆；将计算后所属车型传递至所有与所述目标车辆关联的聚集区。2.根据权利要求1所述的基于聚集区停靠的车辆车型确定方法，其特征在于，所述基于所述车辆数据确定各聚集区属性，包括：根据各聚集区的车辆总数、已知车型的车辆数和未知车型的车辆数计算各车型在各聚集区中的占比；根据所述各车型在各聚集区中的占比计算各聚集区的车型熵值；根据所述各聚集区的车型熵值确定各聚集区属性。3.根据权利要求2所述的基于聚集区停靠的车辆车型确定方法，其特征在于，所述计算各聚集区的车型熵值的公式为：其中，H(X)表示熵函数，X＝{x1,x2,
…
,x
n
}表示聚集区内的各种车型，p(x
i
)为车型x
i
在聚集区中的占比，n表示车型总数。4.根据权利要求3所述的基于聚集区停靠的车辆车型确定方法，其特征在于，所述将计算后所属车型传递至所有与所述目标车辆关联的聚集区的公式为：其中，p
v
(x
i
)表示目标车辆车型为x
i
的概率，表示目标车辆停靠过的第j个聚集区中车型为x
i
的概率，m为目标车辆停靠的聚集区数量。5.根据权利要求4所述的基于聚集区停靠的车辆车型确定方法，其特征在于，在传递至所有与所述目标车辆关联的聚集区后还包括：重新计算各聚集区中预设车型的车辆占比；根据重新计算的占比更新车型标签。6.根...

【专利技术属性】
技术研发人员：赵岩，王廷训，夏曙东，肖中南，冯新平，
申请(专利权)人：北京中交兴路信息科技有限公司，
类型：发明
国别省市：