[发明专利]交通轨迹流式大数据实时处理方法

说明书

本说明书提供一种交通轨迹流式大数据实时处理方法，包括：获取第一时间段内采集的N种源数据；对前M种源数据中的各个时间坐标数据序列进行轨迹建模，得到对应的轨迹模型；根据第i种源数据中各个时间坐标数据序列对应的轨迹模型和第j种源数据中各个时间坐标数据序列，分别计算差异度指标；根据差异度指标确定第i种源数据中的时间坐标数据序列与第j种源数据中的时间坐标数据序列间临时关联关系；根据临时关联关系确定所有源数据中表示同一目标运行轨迹的时间坐标数据序列。本说明书提供的方法，在无法通过已有的信息将不同源数据中的目标的时间坐标数据序列进行直接关联的情况下，可以确定表示同一目标运行轨迹的时间坐标数据序列。

技术领域

本发明涉及交通数据处理技术领域，具体涉及一种交通轨迹流式大数据实时处理方法。

背景技术

用于获取交通工具实时运行轨迹的方法包括主动报告方法和被动式检测方法；以航空运输为例，其中的主动式报告方法包括采用广播式自动相关监测系统(AutomaticDependentSurveillanceBroadcast，ADS-B)和飞机通信寻址与报告系统(AircraftCommunications Addressing and Reporting System，ACARS)报告飞行数据的方法，被动式的检测方法包括航管二次雷达(Secondary Surveillance Radar，SSR)扫描方法。

出于航空安全应用考虑和设备更新换代成本性需求，前述的主动式安全方法和被动式检测方法将长期共存。但是，因为检测原理的不同，不同检测方式报告的运动轨迹可能会有较大偏差，在航线拥挤时，代表一架飞机的不同来源数据可能会被认定为不同飞机的数据，而造成飞行路径规划错误等威胁航班安全的问题；另外，受到环境因素的影响，诸如航管二次雷达等方法还可能因为天气状况而出现数据精度严重下降，无法有效使用的缺点。

发明内容

本说明书提供一种交通轨迹流式大数据实时处理方法，包括：

获取第一时间段内采集的N种源数据；每种所述源数据均包括至少两个目标的时间坐标数据序列；N≥2；各种所述源数据的时间坐标数据序列的关联关系未知；

对前M种源数据中的各个时间坐标数据序列进行轨迹建模，得到对应的轨迹模型；1≤M≤N-1；

根据第i种源数据中各个时间坐标数据序列对应的轨迹模型和第j种源数据中各个时间坐标数据序列，分别计算差异度指标；1≤i≤M，ij≤N；

在所述差异度指标小于设定值前提下，根据第i种源数据中各个时间坐标数据序列对应的差异度指标，以及第j种源数据中各个时间坐标数据序列对应的差异度指标，确定第i种源数据中的时间坐标数据序列与第j种源数据中的时间坐标数据序列间一一对应的临时关联关系；

根据所述临时关联关系确定所有源数据中表示同一目标运行轨迹的时间坐标数据序列。

可选地，根据第i种源数据中各个时间坐标数据序列对应的轨迹模型和第j种源数据中各个时间坐标数据序列，分别计算差异度指标；包括：

将所述第j种源数据源数据中各个时间坐标数据序列中的时间数据分别代入到各个所述轨迹模型，获得计算数据；

计算第j种源数据源数据中各个时间坐标数据序列中的坐标数据和对应所述计算数据的绝对偏差平均值，将所述绝对偏差平均值作为所述差异度指标。

可选地，在对前M种源数据中各个目标的时间坐标数据序列进行轨迹建模前，还包括：

按照所述N种源数据源数据的定位精度由高到低的顺序排序，和/或，按照所述N种源数据源数据时间坐标数据序列中的数据数量由多到少的顺序排序。

可选地，对前M种源数据中的各个时间坐标数据序列进行轨迹建模，得到对应的轨迹模型，具体为：对第一种源数据中的各个时间坐标数据序列进行轨迹建模，得到对应的所述轨迹模型；