[go: up one dir, main page]

CN111078759B - 多维时空数据碰撞方法、装置、设备和存储介质 - Google Patents

多维时空数据碰撞方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN111078759B
CN111078759B CN201911326474.4A CN201911326474A CN111078759B CN 111078759 B CN111078759 B CN 111078759B CN 201911326474 A CN201911326474 A CN 201911326474A CN 111078759 B CN111078759 B CN 111078759B
Authority
CN
China
Prior art keywords
target object
space
data set
target
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201911326474.4A
Other languages
English (en)
Other versions
CN111078759A (zh
Inventor
祁明亮
张彬
马晨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Founder International Beijing Co Ltd
Original Assignee
Founder International Beijing Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Founder International Beijing Co Ltd filed Critical Founder International Beijing Co Ltd
Priority to CN201911326474.4A priority Critical patent/CN111078759B/zh
Publication of CN111078759A publication Critical patent/CN111078759A/zh
Application granted granted Critical
Publication of CN111078759B publication Critical patent/CN111078759B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24Querying
    • G06F16/245Query processing
    • G06F16/2458Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2477Temporal data queries
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28Databases characterised by their database models, e.g. relational or object models
    • G06F16/283Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29Geographical information databases
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Remote Sensing (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种多维时空数据碰撞方法、装置、设备和存储介质,该方法包括:获取第一数据集合和第二数据集合;针对每个第一目标对象,基于各个第二目标对象经过的第二空间站点的位置,根据第一目标对象经过的各个第一空间站点的位置和预设空间容差进行空间分析,以确定各个第二空间站点中的第二目标空间站点;基于各个第二目标对象经过的第二空间站点的时间,根据第一目标对象经过的各个第一空间站点的时间和预设时间容差对第二目标空间站点进行时间分析,确定第一目标对象对应的碰撞轨迹数据集合;将每个第一目标对象对应的碰撞轨迹数据集合进行碰撞,确定各个第一目标对象和各个第二目标对象的同行结果。提高了数据碰撞效率,实时性好。

Description

多维时空数据碰撞方法、装置、设备和存储介质
技术领域
本发明涉及数据处理技术领域,具体涉及一种多维时空数据碰撞方法、装置、设备和存储介质。
背景技术
随着科技的进步,数据碰撞应用到了越来越多的领域,例如公共安全领域,可以应用数据碰撞方法计算出不同人之间的同行关系,这样可以为公安在侦破团伙作案时提供重要线索,在安保实施、城市预警和案件侦破等领域发挥重要作用。
现有的海量多维数据碰撞比对方法主要是通过对海量数据采用属性关联的方式进行整体循环,比较数据是否在对比范围内。这样一方面是需要对全部的数据进行处理,在十亿集数据集合之间碰撞对比,运算的次数高达数据集合的平方次数,对系统资源要求高,数据碰撞速度比较慢,效率低,实时性较差,即便是采用分布式计算,也无法满足对海量数据碰撞比对的及时响应;另一方面,在多个数据集合之间进行碰撞时如果数据集合之间没有直接的属性关联,该碰撞比对的方法则不能较好的解决这个问题。
发明内容
有鉴于此,提供一种多维时空数据碰撞方法、装置、设备和存储介质,以解决现有技术中的数据碰撞效率低以及实时性较差的问题。
本发明采用如下技术方案:
第一方面,本申请实施例提供了一种多维时空数据碰撞方法,该方法包括:
获取待碰撞的第一数据集合和第二数据集合;其中,所述第一数据集合中包括各个第一目标对象经过的第一空间站点的位置以及经过时间,所述第二数据集合中包括各个第二目标对象经过的第二空间站点的位置以及经过时间;
针对每个第一目标对象,基于所述各个第二目标对象经过的第二空间站点的位置,根据所述第一目标对象经过的各个第一空间站点的位置和预设空间容差进行空间缓冲容差分析,以确定所述各个第二空间站点中的第二目标空间站点;基于所述各个第二目标对象经过的第二目标空间站点的时间,根据所述第一目标对象经过的各个第一空间站点的时间和预设时间容差进行时间缓冲容差分析,以确定所述第一目标对象对应的碰撞轨迹数据集合;
将每个第一目标对象对应的碰撞轨迹数据集合进行碰撞,确定各个所述第一目标对象和各个所述第二目标对象的同行结果。
第二方面,本申请实施例提供了一种多维时空数据碰撞装置,该装置包括:
数据获取模块,用于获取待碰撞的第一数据集合和第二数据集合;其中,所述第一数据集合中包括各个第一目标对象经过的第一空间站点的位置以及经过时间,所述第二数据集合中包括各个第二目标对象经过的第二空间站点的位置以及经过时间;
数据分析模块,用于针对每个第一目标对象,基于所述各个第二目标对象经过的第二空间站点的位置,根据所述第一目标对象经过的各个第一空间站点的位置和预设空间容差进行空间缓冲容差分析,以确定所述各个第二空间站点中的第二目标空间站点;基于所述各个第二目标对象经过的第二目标空间站点的时间,根据所述第一目标对象经过的各个第一空间站点的时间和预设时间容差进行时间缓冲容差分析,以确定所述第一目标对象对应的碰撞轨迹数据集合;
数据碰撞模块,用于将每个第一目标对象对应的碰撞轨迹数据集合进行碰撞,确定各个所述第一目标对象和各个所述第二目标对象的同行结果。
第三方面,本申请实施例提供了一种设备,该设备包括:
处理器,以及与所述处理器相连接的存储器;
所述存储器用于存储计算机程序,所述计算机程序至少用于执行本申请实施例第一方面所述的多维时空数据碰撞方法;
所述处理器用于调用并执行所述存储器中的所述计算机程序。
第四方面,本申请实施例提供了一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时,实现如第一方面所述的多维时空数据碰撞方法中各个步骤。
本发明采用以上技术方案,通过获取待碰撞的第一数据集合和第二数据集合,然后针对每个第一目标对象,基于所述各个第二目标对象经过的第二空间站点的位置,根据所述第一目标对象经过的各个第一空间站点的位置和预设空间容差进行空间缓冲容差分析,以确定所述各个第二空间站点中的第二目标空间站点,这样进行了第一次筛选,确定了在空间层面满足要求的第二空间站点的相关数据;基于所述各个第二目标对象经过的第二目标空间站点的时间,根据所述第一目标对象经过的各个第一空间站点的时间和预设时间容差进行时间缓冲容差分析,以确定所述第一目标对象对应的碰撞轨迹数据集合,这样进行了第二次筛选,确定了在时间层面满足要求的第二空间站点的相关数据;将每个第一目标对象对应的碰撞轨迹数据集合进行碰撞,确定各个所述第一目标对象和各个所述第二目标对象的同行结果。这样将全部待碰撞数据降维到少量的空间站点以及该站点时间容差范围内的数据集的碰撞对比,减少了碰撞数据量,无需占用大量计算和存储资源,极大提升了多维时空数据碰撞对比的效率,实时性好。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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是本发明实施例提供的一种多维时空数据碰撞方法的流程图;
图2是本发明实施例提供的另一种多维时空数据碰撞方法的流程图;
图3是本发明实施例提供的一种多维时空数据碰撞装置的结构示意图;
图4是本发明实施例提供的一种设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行详细的描述。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式,都属于本发明所保护的范围。
首先对本申请实施例中应用到的数据碰撞进行说明。数据碰撞分析是指运用计算机对数据进行分析,将两组以上同类型的数据集进行梳理,通过关联查询,筛选数据集取交集的一种方法。例如,在公安领域,数据碰撞分析是指,为支持侦查破案等警务工作,利用已知条件,寻找两组以上的诸如车辆轨迹等数据集,利用计算机技术实现数据集间的交叉碰撞比对,并对由此产生的交集数据进行甄别分析的方法。
实施例
图1为本发明实施例提供的一种多维时空数据碰撞方法的流程图,该方法可以由本发明实施例提供的多维时空数据碰撞装置来执行,该装置可采用软件和/或硬件的方式实现。参考图1,该方法具体可以包括如下步骤:
S101、获取待碰撞的第一数据集合和第二数据集合。
具体的,通常对待两组数据进行碰撞比对,以确定在当前应用场景下数据的关联关系,这里用两个数据集合举例,当有多个数据集合时,可以选定其中的两个数据集合进行数据碰撞,然后可以应用得到的结果再和其他数据集合进行碰撞。
其中,第一数据集合中包括各个第一目标对象经过的第一空间站点的位置以及经过时间,第二数据集合中包括各个第二目标对象经过的第二空间站点的位置以及经过时间。可选的,第一空间站点为监控卡口或通讯基站,第二空间站点为监控卡口或通讯基站。在一个具体的例子中,第一空间站点为监控卡口,第一目标对象为车辆;第二空间站点为通讯基站,第二目标对象为带手机的人,为了方便表述,下面的实施例中人均表示带手机的人。在这个例子中,可以用手机经过基站的位置来代表手机或人的实时位置。
可选的,第一数据集合和第二数据集合均为预设时间段内采集到的预设区域的数据。预设第一数据集合和第二数据集合均来自于同一个预设时间段,以及,来自于同一个预设区域,这样可以提高数据处理效率,避免对时间层面和空间层面均不满足条件的数据再进行碰撞导致的数据计算量大的问题。
例如,预设时间段可以是8点到9点,预设区域可以是中关村。假设预设区域内有10个监控卡口,分别用卡口a、卡口b、卡口c、卡口d、卡口e、卡口f、卡口g、卡口h、卡口i和卡口j表示,而各个车辆不一定全部经过这些卡口;假设预设区域内有10个基站,分别用基站J1、基站J2、基站J3、基站J4、基站J5、基站J6、基站J7、基站J8、基站J9和基站J10表示,各个人也不一定全部经过这些基站。假设第一数据集中包括10辆车,分别用车辆A、车辆B、车辆C、车辆D、车辆E、车辆E、车辆G、车辆H、车辆I和车辆J表示;假设第二数据集中的人包括10个,分别用甲、乙、丙、丁、戊、己、庚、辛、壬和癸表示。
在一个具体的例子中,表1示出了第一数据集中的10条数据,即哪个车在什么时间经过了哪个卡口,可以记为X;表2示出了第二数据集中的10条数据,即哪个人在什么时间经过了哪个基站,可以记为Y。需要说明的是,这里的人指的是带着手机的人。
表1 第一数据集合的数据记录
数据编号 第一目标对象 卡口 经过时间
1 车辆A 卡口a 8:00:00
2 车辆B 卡口c 8:01:01
3 车辆C 卡口f 8:02:15
4 车辆D 卡口h 8:15:07
5 车辆E 卡口d 8:23:15
6 车辆F 卡口b 8:23:15
7 车辆G 卡口g 8:29:55
8 车辆H 卡口i 8:38:16
9 车辆I 卡口j 8:41:25
10 车辆J 卡口e 8:59:15
表2 第二数据集合的数据记录
数据编号 第二目标对象 卡口 经过时间
11 基站J1 8:00:01
12 基站J5 8:01:05
13 基站J8 8:01:15
14 基站J2 8:09:07
15 基站J9 8:11:22
16 基站J6 8:19:15
17 基站J7 8:22:45
18 基站J4 8:35:16
19 基站J10 8:29:25
20 基站J3 8:52:08
S102、针对每个第一目标对象,基于各个第二目标对象经过的第二空间站点的位置,根据第一目标对象经过的各个第一空间站点的位置和预设空间容差进行空间缓冲容差分析,以确定各个第二空间站点中的第二目标空间站点;基于各个第二目标对象经过的第二空间站点的时间,根据第一目标对象经过的各个第一空间站点的时间和预设时间容差对第二目标空间站点进行时间缓冲容差分析,以确定第一目标对象对应的碰撞轨迹数据集合。
仍以上述例子进行说明,第一目标对象为车辆A,则该步骤中是以车辆A为例来说明,也即,在第一数据集合中,首先选定车辆A有关的全部数据,记为X1,然后以车辆A的每条数据为基础来分析第二数据集合中的数据。这里以车辆A在8点经过了卡口a这条数据来进行说明,针对车辆A的其他数据,或者,其他车辆的数据也是应用同样的方式进行处理。
在这个具体的例子中,第一步要根据预设空间容差对第二数据集合中的数据进行空间缓冲容差分析,也即,第一次筛选,将筛选出来的结果中的第二空间站点称为第二目标空间站点。具体的,以车辆A在8点经过了卡口a这条数据为例,此时,将各个人经过的各个基站的位置与卡口a的位置结合预设空间容差进行空间缓冲容差分析,过滤掉一部分空间位置不符合要求的第二空间站站点以及对应的数据,剩余的称为第二目标空间站点,记为X11。
第二步要根据预设时间容差对第二目标空间站点对应的第二数据集合中的数据进行时间缓冲容差分析,也即,第二次筛选。具体的,再将第二目标空间站点中,各个人经过的时间与上述8点结合预设时间容差进行时间缓冲容差分析,这样又过滤掉一部分时间不符合要求的第二空间站点以及对应的数据。因此,这样得到的是车辆A在8点经过了卡口a这条数据为基准对第二数据集合进行筛选后的结果,然后,针对车辆A有关的每条数据,均做上述第一步和第二步的处理,得到的是车辆A对应的碰撞轨迹数据集合。
S103、将每个第一目标对象对应的碰撞轨迹数据集合进行碰撞,确定各个第一目标对象和各个第二目标对象的同行结果。
具体的,针对每个目标对象,均能计算出至少一个对应的碰撞轨迹数据集合,然后根据使用需求进行数据碰撞,例如,车辆A在8点到8:20之间出现在了4个卡口中,甲在8到8:20之间出现在了6个基站中,而这4个卡口的位置和这个6个基站的位置满足预设空间容差,二者出现的时间满足预设时间容差。此时,确定车辆A和甲为同行关系。
示例性的,常用的“数据碰撞分析”方法主要有:一是利用EXCEL强大的表格处理功能进行碰撞;利用Access数据库SQL语言进行碰撞;利用BCompare等万能碰撞软件进行碰撞。数据碰撞的应用范围主要包括:案件侦查、人员缉控或其他公安管理等。例如,上述示例中的同行关系,可以应用在仅获取手机通信信息,但嫌疑对象未明确的流窜作案案件的场景中。而在本申请实施例中,可应用上述数据碰撞方法中的任一个,这里不进行限定。
本发明采用以上技术方案,通过获取待碰撞的第一数据集合和第二数据集合,然后针对每个第一目标对象,基于所述各个第二目标对象经过的第二空间站点的位置,根据所述第一目标对象经过的各个第一空间站点的位置和预设空间容差进行空间缓冲容差分析,以确定所述各个第二空间站点中的第二目标空间站点,这样进行了第一次筛选,确定了在空间层面满足要求的第二空间站点的相关数据;基于所述各个第二目标对象经过的第二目标空间站点的时间,根据所述第一目标对象经过的各个第一空间站点的时间和预设时间容差进行时间缓冲容差分析,以确定所述第一目标对象对应的碰撞轨迹数据集合,这样进行了第二次筛选,确定了在时间层面满足要求的第二空间站点的相关数据;将每个第一目标对象对应的碰撞轨迹数据集合进行碰撞,确定各个所述第一目标对象和各个所述第二目标对象的同行结果。这样将全部待碰撞数据降维到少量的空间站点以及该站点时间容差范围内的数据集的碰撞对比,减少了碰撞数据量,无需占用大量计算和存储资源,极大提升了多维时空数据碰撞对比的效率,实时性好。
图2为本发明又一实施例提供的多维时空数据碰撞方法的流程图,本实施例在上述实施例的基础上实现。参考图2,该方法具体可以包括如下步骤:
S201、获取待碰撞的第一数据集合和第二数据集合。
S202、针对每个第一目标对象,确定第一目标对象经过的各个第一空间站点的位置,针对每个第一空间站点,筛选出各个第二目标对象经过的第二空间站点中与第一空间站点的位置差小于预设空间容差的第二空间站点作为第二目标空间站点;确定第一目标对象经过各个第一空间站点的时间,针对每个经过时间,筛选出各个第二目标空间站点中与第一空间站点的时间差小于预设时间容差的第二目标空间站点为第三目标空间站点;第三目标空间站点在第二数据集合中匹配的数据集合作为第一目标对象对应的碰撞轨迹数据集合。
具体的,仍以上述表1和表2中的数据为例,车辆A在8点经过了卡口a,针对车辆a和卡口a的数据,表2中,以卡口a的位置为基准,筛选出距离卡口a的距离小于预设空间容差的基站作为第二目标空间站点,比如,表2中的筛选出来的基站为J1、J3、J4、J8和J10。在一个具体的例子中,预设空间容差记为d,d是一个表示距离的常数,比如100米,也即,这5个基站的位置和卡口a的位置之间的距离小于100米。因此,这里从第二数据集合中筛选出了编号11、13、14和16这4条数据。然后,在根据8点这个时间,以及预设时间容差,预设时间容差比如是20分钟,则上述4条数据均符合时间容差条件。因此,这样第三目标空间站点为J1、J2、J6和J8;在一个具体的例子中,预设时间容差记为s,s是一个表示时间的参数,例如15分钟,则车辆A对应的碰撞轨迹数据集合为上述4个基站的数据集合。同理,针对第一数据集中的每条数据,均做上述处理。
S203、根据每个第一目标对象对应的碰撞轨迹数据集合计算每个第一目标对象与每个第二目标对象的同行次数。
具体的,车辆A对应一个碰撞轨迹数据集合W1,车辆B对应一个轨迹数据集合W2,……。这样,可以统计W1中甲出现了2次,W2中甲出现了5次等。这里只是以车辆A对碰撞轨迹数据集合进行了说明,对其余每个车辆也进行碰撞轨迹数据集合的确定。
S204、若同行次数满足预设同行条件,则确定同行次数对应的第一目标对象和第二目标对象的同行关系。
具体的,预设同行条件假如是3次以上,则上述例子中,可以确定车辆B和甲的同行关系。
需要说明的是,上述示例只是为了说明,在实际的应用中,数据是大量的,而且,还会包括车辆A多次经过卡口a以及车辆B也经过卡口a的情况。另外,上述示例中第二数据集合用的是人带着手机经过基站的数据,在实际应用中也可以是另外的车辆经过另外的卡口的数据,这样可以判断车辆之间的同行情况。
本申请实施例中,结合每个第一目标经过的各个第一空间站点的位置,将各个第二目标对象经过的第二空间站点中的与第一空间站点的位置差小于预设空间容差的第二站点作为第二目标空间站点;然后再继续筛选,将与第一空间站点的时间差小于预设时间容差的第二目标空间站点作为第三目标空间站点,以此类推,对每条第一数据集合中的数据均做同样的处理,得到每个第一目标对象对应的碰撞轨迹数据集合;然后应用比较碰撞过程中的同行次数,确定第一目标对象和第二目标对象的同行关系,这样,极大提升了多维时空数据碰撞对比的效率。
另外,相关技术中,通常针对多个数据集之间的不同空间位置数据,通过预先处理,建立多个数据集之间不同位置的映射关系,将空间关系转为属性关系,然后在根据属性关联的方式进行循环对比,以达到碰撞对比的目的。本申请实施例与现有技术相比,还可以应用多线程并发分析,达到快速分析结果的目的;另外,无需属性关联,提高了数据的可扩展性和实效性。
图3是本发明是实施例提供的一种多维时空数据碰撞装置的结构示意图,该装置适用于执行本发明实施例提供给的一种多维时空数据碰撞方法。如图3所示,该装置具体可以包括:数据获取模块301、数据分析模块302和数据碰撞模块303。
其中,数据获取模块301,用于获取待碰撞的第一数据集合和第二数据集合;其中,第一数据集合中包括各个第一目标对象经过的第一空间站点的位置以及经过时间,第二数据集合中包括各个第二目标对象经过的第二空间站点的位置以及经过时间;数据分析模块302,用于针对每个第一目标对象,基于各个第二目标对象经过的第二空间站点的位置,根据第一目标对象经过的各个第一空间站点的位置和预设空间容差进行空间缓冲容差分析,以确定各个第二空间站点中的第二目标空间站点;基于各个第二目标对象经过的第二空间站点的时间,根据第一目标对象经过的各个第一空间站点的时间和预设时间容差对第二目标空间站点进行时间缓冲容差分析,以确定第一目标对象对应的碰撞轨迹数据集合;数据碰撞模块303,用于将每个第一目标对象对应的碰撞轨迹数据集合进行碰撞,确定各个第一目标对象和各个第二目标对象的同行结果。
本发明采用以上技术方案,通过获取待碰撞的第一数据集合和第二数据集合,然后针对每个第一目标对象,基于所述各个第二目标对象经过的第二空间站点的位置,根据所述第一目标对象经过的各个第一空间站点的位置和预设空间容差进行空间缓冲容差分析,以确定所述各个第二空间站点中的第二目标空间站点,这样进行了第一次筛选,确定了在空间层面满足要求的第二空间站点的相关数据;基于所述各个第二目标对象经过的第二目标空间站点的时间,根据所述第一目标对象经过的各个第一空间站点的时间和预设时间容差进行时间缓冲容差分析,以确定所述第一目标对象对应的碰撞轨迹数据集合,这样进行了第二次筛选,确定了在时间层面满足要求的第二空间站点的相关数据;将每个第一目标对象对应的碰撞轨迹数据集合进行碰撞,确定各个所述第一目标对象和各个所述第二目标对象的同行结果。这样将全部待碰撞数据降维到少量的空间站点以及该站点时间容差范围内的数据集的碰撞对比,减少了碰撞数据量,无需占用大量计算和存储资源,极大提升了多维时空数据碰撞对比的效率,实时性好。
进一步的,数据分析模块包括第一数据分析子模块和第二数据分析子模块,第一数据分析子模块具体用于:
针对每个第一目标对象,确定第一目标对象经过的各个第一空间站点的位置,针对每个第一空间站点,筛选出各个第二目标对象经过的第二空间站点中与第一空间站点的位置差小于预设空间容差的第二空间站点作为第二目标空间站点。
进一步的,第二数据分析子模块具体用于:
针对每个第一目标对象,确定所述第一目标对象经过各个第一空间站点的时间,针对每个经过时间,筛选出所述各个第二目标对象经过的第二空间站点中的所述第一空间站点的时间差小于预设时间容差的第二空间站点;所述第二空间站点在所述第二数据集合中匹配的数据集合作为所述第一目标对象对应的碰撞轨迹数据集合。
进一步的,数据碰撞模块303具体用于:
根据所述每个第一目标对象对应的碰撞轨迹数据集合计算每个第一目标对象与每个第二目标对象的同行次数;
若所述同行次数满足预设同行条件,则确定所述同行次数对应的第一目标对象和第二目标对象的同行关系。
进一步的,所述第一数据集合和所述第二数据集合均为预设时间段内采集到的预设区域的数据。
进一步的,所述第一空间站点为监控卡口或通讯基站,所述第二空间站点为监控卡口或通讯基站。
本发明实施例提供的多维时空数据碰撞装置可执行本发明任意实施例提供的多维时空数据碰撞方法,具备执行方法相应的功能模块和有益效果。
本发明实施例还提供一种设备,请参阅图4,图4为一种设备的结构示意图,如图4所示,该设备包括:处理器410,以及与处理器410相连接的存储器420;存储器420用于存储计算机程序,计算机程序至少用于执行本发明实施例中的多维时空数据碰撞方法;处理器410用于调用并执行存储器中的计算机程序;上述多维时空数据碰撞方法至少包括如下步骤:获取待碰撞的第一数据集合和第二数据集合;其中,第一数据集合中包括各个第一目标对象经过的第一空间站点的位置以及经过时间,第二数据集合中包括各个第二目标对象经过的第二空间站点的位置以及经过时间;针对每个第一目标对象,基于各个第二目标对象经过的第二空间站点的位置,根据第一目标对象经过的各个第一空间站点的位置和预设空间容差进行空间缓冲容差分析,以确定各个第二空间站点中的第二目标空间站点;基于各个第二目标对象经过的第二空间站点的时间,根据第一目标对象经过的各个第一空间站点的时间和预设时间容差对第二目标空间站点进行时间缓冲容差分析,以确定第一目标对象对应的碰撞轨迹数据集合;将每个第一目标对象对应的碰撞轨迹数据集合进行碰撞,确定各个第一目标对象和各个第二目标对象的同行结果。
本发明实施例还提供一种存储介质,存储介质存储有计算机程序,计算机程序被处理器执行时,实现如本发明实施例中的维时空数据碰撞方法中各个步骤:获取待碰撞的第一数据集合和第二数据集合;其中,第一数据集合中包括各个第一目标对象经过的第一空间站点的位置以及经过时间,第二数据集合中包括各个第二目标对象经过的第二空间站点的位置以及经过时间;针对每个第一目标对象,基于各个第二目标对象经过的第二空间站点的位置,根据第一目标对象经过的各个第一空间站点的位置和预设空间容差进行空间缓冲容差分析,以确定各个第二空间站点中的第二目标空间站点;基于各个第二目标对象经过的第二空间站点的时间,根据第一目标对象经过的各个第一空间站点的时间和预设时间容差对第二目标空间站点进行时间缓冲容差分析,以确定第一目标对象对应的碰撞轨迹数据集合;将每个第一目标对象对应的碰撞轨迹数据集合进行碰撞,确定各个第一目标对象和各个第二目标对象的同行结果。
可以理解的是,上述各实施例中相同或相似部分可以相互参考,在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是,在本发明的描述中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本发明的描述中,除非另有说明,“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (8)

1.一种多维时空数据碰撞方法,其特征在于,包括:
获取待碰撞的第一数据集合和第二数据集合;其中,所述第一数据集合中包括各个第一目标对象经过的第一空间站点的位置以及经过时间,所述第二数据集合中包括各个第二目标对象经过的第二空间站点的位置以及经过时间;
针对每个第一目标对象,基于所述各个第二目标对象经过的第二空间站点的位置,根据所述第一目标对象经过的各个第一空间站点的位置和预设空间容差进行空间缓冲容差分析,以确定各个第二空间站点中的第二目标空间站点;基于所述各个第二目标对象经过的第二目标空间站点的时间,根据所述第一目标对象经过的各个第一空间站点的时间和预设时间容差进行时间缓冲容差分析,以确定所述第一目标对象对应的碰撞轨迹数据集合;
将每个第一目标对象对应的碰撞轨迹数据集合进行碰撞,确定各个所述第一目标对象和各个所述第二目标对象的同行结果;
所述针对每个第一目标对象,基于所述各个第二目标对象经过的第二空间站点的位置,根据所述第一目标对象经过的各个第一空间站点的位置和预设空间容差进行空间缓冲容差分析,以确定所述各个第二空间站点中的第二目标空间站点,包括:
针对每个第一目标对象,确定所述第一目标对象经过的各个第一空间站点的位置,针对每个第一空间站点,筛选出所述各个第二目标对象经过的第二空间站点中与所述第一空间站点的位置差小于预设空间容差的第二空间站点作为第二目标空间站点。
2.根据权利要求1所述的方法,其特征在于,针对每个第一目标对象,基于所述各个第二目标对象经过的第二目标空间站点的时间,根据所述第一目标对象经过的各个第一空间站点的时间和预设时间容差进行时间缓冲容差分析,以确定所述第一目标对象对应的碰撞轨迹数据集合,包括:
针对每个第一目标对象,确定所述第一目标对象经过各个第一空间站点的时间,针对每个经过时间,筛选出各个第二目标空间站点中与所述第一空间站点的时间差小于预设时间容差的第二目标空间站点为第三目标空间站点;所述第三目标空间站点在所述第二数据集合中匹配的数据集合作为所述第一目标对象对应的碰撞轨迹数据集合。
3.根据权利要求1所述的方法,其特征在于,将每个第一目标对象对应的碰撞轨迹数据集合进行碰撞,确定各个所述第一目标对象和各个所述第二目标对象的同行结果,包括:
根据所述每个第一目标对象对应的碰撞轨迹数据集合计算每个第一目标对象与每个第二目标对象的同行次数;
若所述同行次数满足预设同行条件,则确定所述同行次数对应的第一目标对象和第二目标对象的同行关系。
4.根据权利要求1所述的方法,其特征在于,所述第一数据集合和所述第二数据集合均为预设时间段内采集到的预设区域的数据。
5.根据权利要求1所述的方法,其特征在于,所述第一空间站点为监控卡口或通讯基站,所述第二空间站点为监控卡口或通讯基站。
6.一种多维时空数据碰撞装置,其特征在于,包括:
数据获取模块,用于获取待碰撞的第一数据集合和第二数据集合;其中,所述第一数据集合中包括各个第一目标对象经过的第一空间站点的位置以及经过时间,所述第二数据集合中包括各个第二目标对象经过的第二空间站点的位置以及经过时间;
数据分析模块,用于针对每个第一目标对象,基于所述各个第二目标对象经过的第二空间站点的位置,根据所述第一目标对象经过的各个第一空间站点的位置和预设空间容差进行空间缓冲容差分析,以确定各个第二空间站点中的第二目标空间站点;基于所述各个第二目标对象经过的第二目标空间站点的时间,根据所述第一目标对象经过的各个第一空间站点的时间和预设时间容差进行时间缓冲容差分析,以确定所述第一目标对象对应的碰撞轨迹数据集合;
数据碰撞模块,用于将每个第一目标对象对应的碰撞轨迹数据集合进行碰撞,确定各个所述第一目标对象和各个所述第二目标对象的同行结果;
所述数据分析模块包括第一数据分析子模块和第二数据分析子模块,所述第一数据分析子模块具体用于:
针对每个第一目标对象,确定所述第一目标对象经过的各个第一空间站点的位置,针对每个第一空间站点,筛选出所述各个第二目标对象经过的第二空间站点中与所述第一空间站点的位置差小于预设空间容差的第二空间站点作为第二目标空间站点。
7.一种多维时空数据碰撞的设备,其特征在于,包括:
处理器,以及与所述处理器相连接的存储器;
所述存储器用于存储计算机程序,所述计算机程序至少用于执行权利要求1-5任一项所述的多维时空数据碰撞方法;
所述处理器用于调用并执行所述存储器中的所述计算机程序。
8.一种存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时,实现如权利要求1-5任一项所述的多维时空数据碰撞方法中各个步骤。
CN201911326474.4A 2019-12-20 2019-12-20 多维时空数据碰撞方法、装置、设备和存储介质 Active CN111078759B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911326474.4A CN111078759B (zh) 2019-12-20 2019-12-20 多维时空数据碰撞方法、装置、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911326474.4A CN111078759B (zh) 2019-12-20 2019-12-20 多维时空数据碰撞方法、装置、设备和存储介质

Publications (2)

Publication Number Publication Date
CN111078759A CN111078759A (zh) 2020-04-28
CN111078759B true CN111078759B (zh) 2023-08-15

Family

ID=70316344

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911326474.4A Active CN111078759B (zh) 2019-12-20 2019-12-20 多维时空数据碰撞方法、装置、设备和存储介质

Country Status (1)

Country Link
CN (1) CN111078759B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109165237A (zh) * 2018-08-28 2019-01-08 新华三大数据技术有限公司 伴随对象确定方法、装置以及电子设备
CN110019402A (zh) * 2017-12-26 2019-07-16 浙江宇视科技有限公司 数据分析方法、装置及可读存储介质
WO2019157193A1 (en) * 2018-02-09 2019-08-15 Nvidia Corporation Controlling autonomous vehicles using safe arrival times
CN110334111A (zh) * 2019-06-13 2019-10-15 武汉市公安局视频侦查支队 一种多维轨迹分析方法及装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102016116135A1 (de) * 2016-08-30 2018-03-01 Dspace Digital Signal Processing And Control Engineering Gmbh Verfahren zur Simulation einer Kollisionssituation
US10545658B2 (en) * 2017-04-25 2020-01-28 Haworth, Inc. Object processing and selection gestures for forming relationships among objects in a collaboration system

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110019402A (zh) * 2017-12-26 2019-07-16 浙江宇视科技有限公司 数据分析方法、装置及可读存储介质
WO2019157193A1 (en) * 2018-02-09 2019-08-15 Nvidia Corporation Controlling autonomous vehicles using safe arrival times
CN109165237A (zh) * 2018-08-28 2019-01-08 新华三大数据技术有限公司 伴随对象确定方法、装置以及电子设备
CN110334111A (zh) * 2019-06-13 2019-10-15 武汉市公安局视频侦查支队 一种多维轨迹分析方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王彬."盗窃案件侦查的数据碰撞问题研究".《辽宁警察学院学报》.2019,第21卷(第5期),第34-40页. *

Also Published As

Publication number Publication date
CN111078759A (zh) 2020-04-28

Similar Documents

Publication Publication Date Title
Theodoridis et al. On the generation of spatiotemporal datasets
KR102205096B1 (ko) 거래 위험 검출 방법 및 장치
CN109543312B (zh) 一种时空侦查分析方法及系统
CN111737364B (zh) 安全多方数据融合与联邦共享方法、装置、设备及介质
CN112462758B (zh) 一种建图方法、装置、计算机可读存储介质及机器人
She et al. Weighted network Voronoi Diagrams for local spatial analysis
CN106790468B (zh) 一种分析用户WiFi活动轨迹规律的分布式实现方法
CN108566620B (zh) 一种基于wifi的室内定位方法
CN107665289B (zh) 一种运营商数据的处理方法及系统
WO2014138719A1 (en) Location classification based on license plate recognition information
CN112364176A (zh) 一种人员行动轨迹的构建方法、设备及系统
CN103281341A (zh) 网络事件处理方法及装置
CN111523577A (zh) 一种基于改进的lcss算法的海量轨迹相似度计算方法
CN116013084A (zh) 交通管控场景确定方法、装置、电子设备及存储介质
CN113792084A (zh) 数据热度的分析方法、装置、设备及存储介质
CN105760548A (zh) 一种基于大数据跨域比对的车辆首次出现分析方法及系统
CN109145225B (zh) 一种数据处理方法及装置
CN110708674A (zh) 一种多楼层定位方法及系统
CN111078759B (zh) 多维时空数据碰撞方法、装置、设备和存储介质
Shi et al. Anomalous window discovery through scan statistics for linear intersecting paths (SSLIP)
CN112052405B (zh) 一种基于司机经验的寻客区域推荐方法
CN111127065B (zh) 用户职住地的获取方法和装置
CN119204362A (zh) 一种城市区域人群流量预测方法及相关设备
Cramer et al. Predicting 911 calls using spatial analysis
CN113032391A (zh) 一种分布式子轨迹连接查询处理方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant