[发明专利]基于海量车牌自动识别数据的动态拼车方法和系统

说明书

本发明提出了一种基于海量车牌自动识别数据的动态拼车方法和系统。该系统基于云计算环境下的Hadoop和Spark并行处理与分析框架，高效的处理海量车牌自动识别数据，及时准确的为用户提供拼车推荐服务。不同于传统拼车系统需要出发地和目的地等作为查询条件，该方法和系统通过给定一段时间范围，即可对共同出现在一定数量监测点的车辆利用频繁项集发现算法进行并行的分析和挖掘，实现可拼车车辆组的动态推荐功能。

技术领域

本发明涉及互联网大数据分析挖掘技术领域，具体涉及到互联网(包含移动互联网)、手机和电脑等可联网终端、Hadoop和Spark等大数据分析挖掘工具，尤其涉及一种基于海量车牌自动识别数据的动态拼车方法和系统。

背景技术

海量车牌自动识别(The Automatic Number Plate Recognition)数据是对交通摄像头捕捉到的道路交通数据进行处理生成的数据，简称ANPR数据，至少包含<车牌号，监测点，时间点>三个字段的信息。

Hadoop是一个能够对大量数据进行分布式存储和处理的软件框架，它以一种可靠、高效、可伸缩的方式进行数据处理；HDFS是Hadoop框架中的一个高度容错性的用于存储管理数据的文件系统，能提供高吞吐量的数据访问，非常适合大规模数据集上的应用。Spark是继Hadoop之后的新一代大数据分布式处理框架，是一个基于内存计算的开源集群计算系统。

可拼车车辆组的查询分为有目标车牌号和无目标车牌号的可拼车车辆组查询，基于Hadoop和Spark等技术，可以对海量车牌自动识别数据进行分析处理，为动态拼车系统提供了技术可行性。

当前的拼车方法一般主要基于用户输入的出发地、目的地以及出发时间等信息进行匹配筛选，无法及时在用户出行路线变换(包括出发地、目的地变化或出发地和目的地相同但途径路线变化)时做出动态调整。动态拼车方法通过对海量车牌识别数据的分析，根据用户的出行轨迹，无需用户输入出发地和目的地，通过指定目标车牌号和时间范围或者只指定时间范围来发现拼车对象，并可根据用户出行路线及时进行动态调整。其中指定目标车牌号和时间范围适用于用户在已知某一车辆车牌号，需要查询某段时间可拼车车辆组的场景；只指定一段时间则适用于仅通过给定时间范围查询所有可拼车车辆组的场景。

由于车牌识别数据的数据量大，现有技术很难基于对海量车牌识别数据的高效分析来进行动态拼车。据统计，中国一个大型城市部署的带车牌识别功能的摄像头可达到5000个，高峰期每个摄像头车牌识别数据的采集频率可达1条/秒，每天的交通高峰折算率按0.33统计的话，则一天的车辆识别数据记录数将达到1.44亿条，数据量约12G。当前技术在处理如此大量的车牌自动识别数据时往往存在计算和存储的瓶颈，查询和分析需要很长的时间，不能及时的将查询分析结果反馈给用户。

随着硬件和软件技术的发展，大规模并行处理技术的成熟，针对现有拼车方法和系统存在的上述问题，有必要在云计算环境下的数据并行处理与分析框架的基础上，发明一种为用户提供高效的动态拼车对象发现的方法和系统，及时准确的将拼车对象发现结果反馈给用户。

发明内容

本发明的目的在于解决上述现有方法和系统中存在的问题，基于Hadoop和Spark等技术，提出一种高效的利用海量车牌自动识别数据，对在同一时段共同出现在一定数量监测点的车辆进行并行分析和挖掘，来发现可拼车车辆组的动态拼车方法和系统。