一种基于车载硬件的网约车上下车点挖掘的方法与流程

本发明涉及智能交通，具体为一种基于车载硬件的网约车上下车点挖掘的方法。

背景技术：

1、网约车，既网络预约出租汽车经营服务的简称，是指以互联网技术为依托构建服务平台，接入符合条件的车辆和驾驶员，通过整合供需信息，提供非巡游的预约出租汽车服务的经营活动，随着技术的发展及人民生活水平的提高，网约车已成为大众出行的重要选择之一，网约车上下车点的挖掘对于优化网约车服务、提升城市效率以及改善用户体验都具有重要意义，通过科学的数据分析和智能算法，可以实现更高效、便捷、环保的网约车服务。

2、现有的技术多在服务过程中通过手机收集车辆的位置信息结合订单数据及用户上报数据等综合分析。上述方法存在以下问题：

3、1.乘客行为多样性：乘客的行为和偏好可能非常多样化，难以用一个模型来准确预测每个乘客的上下车点，有些乘客可能会频繁改变上下车点，增加了挖掘的难度；

4、2.数据隐私问题：收集和分析乘客的上下车数据涉及隐私问题，乘客可能对其行踪数据的收集和使用表示担忧，因此需要严格的数据保护措施，以确保数据安全和隐私保护；

5、3.未知事件影响：一些未知事件，如：交通事故、道路封闭等，可能会对上下车点的模式产生临时性影响，导致预测失效；

6、4.手机定位的精度及性能较低。

7、因此，针对上述现有情况，我们提出和设计一种能够满足用户出行使用的基于车载硬件的网约车上下车点挖掘的方法。

技术实现思路

1、针对上述情况，为克服当前的技术缺陷，本发明提供了一种基于车载硬件的网约车上下车点挖掘的方法。

2、本发明采取的技术方案如下：本方案基于车载硬件的网约车上下车点挖掘的方法包括，首先将车载硬件与合作的网约车进行安装，车载硬件用以收集车辆位置、速度、方向、加速度及周围环境信息，并对车辆位置、行驶路径、周围环境、乘客上下车点位置、时间、乘客数量等信息及音视频画面等数据进行本地预处理后上传到云端服务器上；将收集到的原始数据进行预处理和清洗，以消除噪声和不必要的信息，同时将数据转换成可分析的格式；使用车载硬件内置的地理信息系统(gis)工具，将网约车上下车点数据在地图上可视化，以便于空间分析，利用上传的音视频信息对地理特征如道路、交叉口、公共设施等提取城市gis数据，通过网约车数据和城市gis数据整合，对上下车点进行地理空间分析；使用kerneldensity estimation(kede)算法计算每个网约车上下车点周围的密度，并找出高密度区域；使用getis-ordgi统计分析方法用于检测高热点和低热点区域，以确定上下车点的空间聚集性；使用k均值聚类算法将上下车点分成不同的群集，以找到相似点；使用dbscan算法识别高密度的上下车点和噪声点，根据聚类结果，确定不同的服务区域或上下车点群集；分析不同时间段内的上下车点分布，以确定高峰和低谷时段；创建时间序列图表，可视化分析结果；使用时间序列模型(arima)来预测不同时间段内的上下车需求，以便进行车辆调度和资源分配，使用回归分析来建立上下车需求与各种因素(如时间、天气、事件等)之间的关系，以进行预测；将分析结果可视化在地图上，将上下车点信息集成到网约车乘客端的app中，为乘客提供方便的上下车体验，并提前展示可能的上车点供选择；建立持续检测机制，以跟踪上下车点的变化趋势，根据检测结果，不断优化网约车的运营策略和服务。

3、其中，车载硬件内部包含soc、系统级车规芯片mtk8665、车外高清摄像头、车内高清摄像头、sim卡、tf卡、gps、mic/speaker和imu，通过soc和系统级车规芯片mtk8665，可以用于负责系统运行，实现ai检测，通过车外高清摄像头和车内高清摄像头，可以将采集到的车外路况信息输入给soc中的ai引擎，通过sim卡、tf卡和gps，可以与北斗卫星及gps双模定位，提供优于手机的定位性能，通过mic/speaker可以对音频数据进行收集，通过imu可以通过6轴姿态传感器收集车辆位置、速度、方向、加速度及周围环境信息。

4、其中，数据清洗主要采用卡尔曼滤波、粒子滤波等都数据清洗方法其中的一种，通过数据清洗，能够剔除数据中的异常点和噪音点。

5、采用上述结构本发明取得的有益效果如下：本发明一种基于车载硬件的网约车上下车点挖掘的方法，其优点在于：

6、1、提升服务效率：通过识别常用的上下车点，网约车司机能够更快地找到乘客，减少空驶时间，提高车辆利用率，从而提升整体的服务效率；

7、2、减少等待时间：乘客能够在繁忙的地点快速找到网约车，减少等待时间，提升出行体验，尤其在高峰时段和特殊事件时更为突出；

8、3、缓解交通拥堵：通过引导网约车在热门上下车点集中，可以减少分散的乘客上下车点，从而减少城市道路的交通拥堵；

9、4、优化城市规划：识别热门的上下车点能够为城市规划者提供有关交通流量和需求的有用信息，有助于更好地规划道路、公共交通和城市基础设施；

10、5、节约能源与环保：减少空驶时间可以节约能源消耗，降低车辆排放，对城市环境产生积极影响；

11、6、智能导航与路线优化：将识别出的上下车点集成到导航应用中，可以为驾驶员提供实时导航建议，帮助他们更快、更准确地到达目的地。

技术特征：

1.一种基于车载硬件的网约车上下车点挖掘的方法，其特征在于：首先将车载硬件与合作的网约车进行安装，车载硬件用以收集车辆位置、速度、方向、加速度及周围环境信息，并对车辆位置、行驶路径、周围环境、乘客上下车点位置、时间、乘客数量等信息及音视频画面等数据进行本地预处理后上传到云端服务器上；将收集到的原始数据进行预处理和清洗，以消除噪声和不必要的信息，同时将数据转换成可分析的格式；使用车载硬件内置的地理信息系统(gis)工具，将网约车上下车点数据在地图上可视化，以便于空间分析，利用上传的音视频信息对地理特征如道路、交叉口、公共设施等提取城市gis数据，通过网约车数据和城市gis数据整合，对上下车点进行地理空间分析；使用kernel density estimation(kede)算法计算每个网约车上下车点周围的密度，并找出高密度区域；使用getis-ord gi统计分析方法用于检测高热点和低热点区域，以确定上下车点的空间聚集性；使用k均值聚类算法将上下车点分成不同的群集，以找到相似点；使用dbscan算法识别高密度的上下车点和噪声点，根据聚类结果，确定不同的服务区域或上下车点群集；分析不同时间段内的上下车点分布，以确定高峰和低谷时段；创建时间序列图表，可视化分析结果；使用时间序列模型(arima)来预测不同时间段内的上下车需求，以便进行车辆调度和资源分配，使用回归分析来建立上下车需求与各种因素(如时间、天气、事件等)之间的关系，以进行预测；将分析结果可视化在地图上，将上下车点信息集成到网约车乘客端的app中，为乘客提供方便的上下车体验，并提前展示可能的上车点供选择；建立持续检测机制，以跟踪上下车点的变化趋势，根据检测结果，不断优化网约车的运营策略和服务。

2.根据权利要求1所述的一种基于车载硬件的网约车上下车点挖掘的方法，其特征在于：车载硬件内部包含soc、系统级车规芯片mtk8665、车外高清摄像头、车内高清摄像头、sim卡、tf卡、gps、mic/speaker和imu。

3.根据权利要求2所述的一种基于车载硬件的网约车上下车点挖掘的方法，其特征在于：数据清洗主要采用卡尔曼滤波、粒子滤波等都数据清洗方法其中的一种。

技术总结本发明公开了一种基于车载硬件的网约车上下车点挖掘的方法，首先将车载硬件与合作的网约车进行安装，车载硬件用以收集车辆位置、速度、方向、加速度及周围环境信息，并对车辆位置、行驶路径、周围环境、乘客上下车点位置、时间、乘客数量等信息及音视频画面等数据进行本地预处理后上传到云端服务器上；将收集到的原始数据进行预处理和清洗，以消除噪声和不必要的信息，同时将数据转换成可分析的格式；使用车载硬件内置的地理信息系统(GIS)工具，将网约车上下车点数据在地图上可视化，以便于空间分析。本发明涉及智能交通技术领域，具体为一种能够满足用户出行使用的基于车载硬件的网约车上下车点挖掘的方法。技术研发人员：于志杰受保护的技术使用者：北京白龙马云行科技有限公司技术研发日：技术公布日：2024/6/13