[发明专利]基于机器学习算法的GPS终端与IC卡终端匹配方法和装置

权利要求书

1.一种基于机器学习算法的GPS终端与IC卡终端匹配方法，其特征在于，包括：

读取GPS设备到站时间戳数据表、IC卡刷卡数据表、公交线路与GPS设备对应关系表的数据；

对IC卡刷卡数据表进行预处理；

对IC卡刷卡数据表的数据进行清洗；

对IC卡刷卡设备时间序列与GPS时间序列的相似度进行评估；

根据序列相似度的计算结果，对GPS设备和IC卡设备进行匹配；

所述IC卡刷卡数据表包括TIMESTAMP字段，所述对IC卡刷卡数据表进行预处理包括：根据所述TIMESTAMP字段增加SECONDS字段；

所述对IC卡刷卡数据表的数据进行清洗，包括：

输入一条线路的刷卡数据，根据IC卡设备号进行分箱；

对同一个IC卡设备的刷卡数据，使用DBSCAN算法进行聚类，以获得不同站点的刷卡数据；

将同一站点的刷卡数据按时间点先后排序，取第一条记录做为该站点的进站时间戳；

将该设备经过的所有站点的进站时间戳按照时间升序排序，得到该IC卡设备的进站时间序列。

2.根据权利要求1所述的基于机器学习算法的GPS终端与IC卡终端匹配方法，其特征在于，所述对IC卡刷卡设备时间序列与GPS时间序列的相似度进行评估包括：

利用DTW相似度评估函数来计算某一GPS设备时间序列与所有IC卡设备时间序列的相似度。

3.根据权利要求2所述的基于机器学习算法的GPS终端与IC卡终端匹配方法，其特征在于，所述GPS设备时间序列为Q＝{q₁，q₂，…，q_n}，长度为n；所述IC卡设备序列为C＝{c₁，c₂，…，c_m}，长度m；利用DTW相似度评估函数进行相似度评估的过程包括：

构建大小为n×m的矩阵D，矩阵元素d_ij＝dist(q_i，c_j)＝|q_i-c_j|，其中dist表示距离计算函数；

在矩阵D中搜索从d₁₁到d_nm的最短路径；

将矩阵D中从d₁₁到d_nm的最短路径作为Q和C序列的相似度，路径越短，两个序列的相似度越高。

4.根据权利要求3所述的基于机器学习算法的GPS终端与IC卡终端匹配方法，其特征在于，所述根据序列相似度的计算结果，对GPS设备和IC卡设备进行匹配包括：

对于每个GPS时间序列，选择与其相似度最大的IC卡序列作为匹配结果。

5.一种GPS终端与IC卡终端的匹配装置，其特征在于，包括：

数据读取单元，用于读取GPS设备到站时间戳数据表、IC卡刷卡数据表、公交线路与GPS设备对应关系表的数据；

预处理单元，用于对IC卡刷卡数据表进行预处理；

数据清洗单元，用于对IC卡刷卡数据表的数据进行清洗；

评估单元，用于对IC卡刷卡设备时间序列与GPS时间序列的相似度进行评估；

匹配单元，用于根据序列相似度的计算结果，对GPS设备和IC卡设备进行匹配；

所述IC卡刷卡数据表包括TIMESTAMP字段，所述对IC卡刷卡数据表进行预处理包括：根据所述TIMESTAMP字段增加SECONDS字段；

所述对IC卡刷卡数据表的数据进行清洗，包括：

输入一条线路的刷卡数据，根据IC卡设备号进行分箱；

对同一个IC卡设备的刷卡数据，使用DBSCAN算法进行聚类，以获得不同站点的刷卡数据；

将同一站点的刷卡数据按时间点先后排序，取第一条记录做为该站点的进站时间戳；

将该设备经过的所有站点的进站时间戳按照时间升序排序，得到该IC卡设备的进站时间序列。