一种高速公路车辆逃费行为数据分析方法

    公开(公告)号:CN104731879B

    公开(公告)日:2017-08-04

    申请号:CN201510102666.2

    申请日:2015-03-09

    Abstract: 本发明涉及一种高速公路车辆逃费行为数据分析方法,包括:步骤1,采集收费数据,记为数据集S,以及对应路段卡口和服务区卡口数据,记为数据集K;步骤2,预处理数据集S,保留符合要求的记录数据;步骤3,计算保留的记录数据中车辆出入收费站的车牌记录之间的Levenshitein距离,并追加到每条记录末尾作为新数据集S1;步骤4,对S1频度分析,获得频度分布直方图;步骤5,根据频度分布直方图求出最大类间方差时的分割阈值T;步骤6,将S1中Levenshtein距离大于T的记录数据保存为数据集S2;步骤7,在S2中查找疑似换卡记录对,结果保存为数据集S3;步骤8,在K中查找是否存在与S3中的记录数据相对应的记录。

    多源地理网格的业务域空间资源存储方法和系统

    公开(公告)号:CN103235798B

    公开(公告)日:2016-05-18

    申请号:CN201310125525.3

    申请日:2013-05-22

    Abstract: 多源地理网格的业务域空间资源存储方法和系统,该方法包括:在中心数据库中创建地理网格配置管理表,存储不同来源的地理网格基本信息,为网格化存储操作提供网格数据源;在中心数据库中创建业务域空间资源配置管理表,存储不同业务域下的空间资源基本信息;在中心数据库中创建业务域空间资源与非图层业务属性信息关联配置管理表,建立空间资源图层服务地址指向的业务域空间资源的图层信息与关系数据库非图层业务属性信息的映射关系;在中心数据库中创建业务域空间资源网格化配置与管理表,对多种业务域空间资源进行网格化处理,建立地理网格与业务域空间资源的多对多空间索引存储关系,建立业务域空间资源和地理网格单元的空间映射关系。

    一种高速公路车辆逃费行为数据分析方法

    公开(公告)号:CN104731879A

    公开(公告)日:2015-06-24

    申请号:CN201510102666.2

    申请日:2015-03-09

    CPC classification number: G06F17/30943 G06F17/30194

    Abstract: 本发明涉及一种高速公路车辆逃费行为数据分析方法,包括:步骤1,采集收费数据,记为数据集S,以及对应路段卡口和服务区卡口数据,记为数据集K;步骤2,预处理数据集S,保留符合要求的记录数据;步骤3,计算保留的记录数据中车辆出入收费站的车牌记录之间的Levenshitein距离,并追加到每条记录末尾作为新数据集S1;步骤4,对S1频度分析,获得频度分布直方图;步骤5,根据频度分布直方图求出最大类间方差时的分割阈值T;步骤6,将S1中Levenshtein距离大于T的记录数据保存为数据集S2;步骤7,在S2中查找疑似换卡记录对,结果保存为数据集S3;步骤8,在K中查找是否存在与S3中的记录数据相对应的记录。

    多源地理网格的业务域空间资源存储方法和系统

    公开(公告)号:CN103235798A

    公开(公告)日:2013-08-07

    申请号:CN201310125525.3

    申请日:2013-05-22

    Abstract: 多源地理网格的业务域空间资源存储方法和系统,该方法包括:在中心数据库中创建地理网格配置管理表,存储不同来源的地理网格基本信息,为网格化存储操作提供网格数据源;在中心数据库中创建业务域空间资源配置管理表,存储不同业务域下的空间资源基本信息;在中心数据库中创建业务域空间资源与非图层业务属性信息关联配置管理表,建立空间资源图层服务地址指向的业务域空间资源的图层信息与关系数据库非图层业务属性信息的映射关系;在中心数据库中创建业务域空间资源网格化配置与管理表,对多种业务域空间资源进行网格化处理,建立地理网格与业务域空间资源的多对多空间索引存储关系,建立业务域空间资源和地理网格单元的空间映射关系。

    一种基于机器学习的车辆跟车安全自动评估方法

    公开(公告)号:CN105303197A

    公开(公告)日:2016-02-03

    申请号:CN201510765235.4

    申请日:2015-11-11

    CPC classification number: G06K9/6256 G06K9/6268

    Abstract: 本发明公开了一种基于机器学习的车辆跟车安全自动评估方法,包括采集数据,对获取的数据进行数据清洗,保留符合要求的数据,将数据标准化规整到同一数据集D中,对清洗后的数据提取建模所需特征特征字段,根据事故记录和相关监控数据,从清洗规整后的数据中提取出用于机器学习的建模数据M,将M集按给定比例随机抽分为两个子集MT与ME,MT用于模型训练,ME用于模型性能验证测试,采用监督分类的机器学习算法,利用训练数据MT进行建模学习,用ME数据验证所获模型性能,计算相关混淆矩阵和模型分类精度,记录与比较每次结果,选出一个最优模型,使用该最优模型对数据集D中所有记录逐条自动评估,将结果追加到数据集D并输出结果。

Patent Agency Ranking