一种基于多源大数据的电动车盗抢实时告警方法及系统与流程

本发明涉及数据挖掘技术领域，具体涉及一种基于多源大数据的电动车盗抢实时告警方法及系统。

背景技术：

通话是人们使用最频繁的通讯方式。网络制式的丰富也导致了移动通话信令的复杂性中国电动车经过十几年的发展，已成为国人的主力交通工具。电动车防盗设施简单，易被盗抢，转移和拆卸方便，找回概率低。

随着物联网技术的发展，全国多个省都大规模安装电动车物联网芯片。以某市为例，电动车物联网芯片安装率就达到了50％，物联网芯片信号接收点超过2000个，基本覆盖城市各级道路。

基于这样的背景，急需一个电动车盗抢告警系统，能够结合物联网芯片，手机和电动车等实时数据为基础，通过大数据分析，实现电动车盗抢主动预警。

技术实现要素：

发明目的：为了克服现有技术的不足，本发明提供一种基于多源大数据的电动车盗抢实时告警方法，该方法可以解决电动车盗抢事件中找回耗时且效率低的问题，本发明还提供一种基于多源大数据的电动车盗抢实时告警系统。

技术方案：本发明基于多源大数据的电动车盗抢实时告警方法，该方法包括：

(1)实时采集一定范围内电动车的行驶数据以及用户的手机数据；并分析电动车一段时间的历史轨迹，确定其活动的位置轨迹；

(2)分析用户的手机数据和电动车行驶数据，计算人和车的关联关系，形成电动车司机库，从而确定电动车的常用驾驶人；

(3)若当前电动车上号与上一次上号点时间间隔大于s秒，则清空当前电动车的缓存信息，否则，则判断与上一次上号距离是否不大于t米，若是则清空当前电动车的缓存信息，否则，则确认当前行驶是否符合告警类型，所述告警类型包括偏离电动车位置轨迹、常用驾驶人与电动车分离以及目标人与该电动车同行；

(4)若存在偏离电动车位置轨迹告警、常用驾驶人与电动车分离告警以及目标人与该电动车同行告警中的任一项或者多项并且该电动车经过重点基站，则进行重点基站告警；

(5)对上述告警分别给出分值，并计算告警总分值，根据告警总分值标记告警级别并且记录告警类型，将告警信息推送到显示终端；

(6)循环步骤(3)-(5)直至确认判断所有电动车，并将存在告警的电动车的告警信息显示在显示终端。

进一步地，包括：

所述步骤(4)中，偏离电动车位置轨迹告警的判定方法包括：若该电动车在其活动的位置轨迹上，则更新未偏离次数，若更新后未偏离次数大于g，则清零未偏离和偏离次数，否则，若该电动车不在其活动的位置轨迹上，则发生轨迹偏离，更新偏离次数，直至若更新后的偏离次数大于h，则标记告警类型为轨迹偏离，并对该电动车进行轨迹偏离告警。

进一步地，包括：

所述次数g的范围为3～7次，次数h的范围为4～8次。

进一步地，包括：

所述步骤(4)中，常用驾驶人与电动车分离告警的判定方法包括：若查询到有常用驾驶人，读取第一个常用驾驶人近j秒的手机数据，根据所述手机数据与电动车数据的距离差和时间差计算速率，若满足距离大于k千米且时间小于l分钟或者时间大于l分钟并且速率大于m米每秒，则更新分离次数，更新后的分离次数若大于n，则判定发生人车分离，循环遍历所有常用驾驶人，若所有常用驾驶人都判定发生人车分离，则进行人车分离预警。

进一步地，包括：

所述j的范围为400～700秒，k的范围为1～3千米，l的范围为1～2分钟，m的范围为50～70米每秒，n的范围为1～2次。

进一步地，包括：

所述步骤(4)中，目标人与该电动车同行告警判定方法为：读取目标人的最新手机数据，如果目标人和该电动车距离小于p千米且时间差小于q分钟，则认为目标人在该位置和电动车同行，记录目标人的位置信息；且如果目标人连续经过不同位置的次数大于r次，且都满足同行条件，则判定电动车和目标人同行，对电动车进行目标人同行告警。

进一步地，包括：

所述p的范围为1～3千米，q的范围为1～2分钟，r的范围为2～4次。

进一步地，包括：

所述s的范围为1500～2000秒，t的范围为160～240米。

另一方面，本发明还提供一种基于多源大数据的电动车盗抢实时告警系统，包括：

采集模块，用于实时采集一定范围内电动车的行驶数据以及用户的手机数据；

位置轨迹确定模块，用于分析电动车一段时间的历史轨迹，确定其活动的位置轨迹；

驾驶人确定模块，用于分析用户的手机数据和电动车行驶数据，计算人和车的关联关系，形成电动车司机库，从而确定电动车的常用驾驶人；

告警类型判定模块，用于判定当前电动车是否存在告警类型，具体的：若当前电动车上号与上一次上号点时间间隔大于s秒，则清空当前电动车的缓存信息，否则，则判断与上一次上号距离是否不大于t米，若是则清空当前电动车的缓存信息，否则，则确认当前行驶是否符合告警类型，所述告警类型包括偏离电动车位置轨迹、常用驾驶人与电动车分离以及目标人与该电动车同行；

若存在偏离电动车位置轨迹告警、常用驾驶人与电动车分离告警以及目标人与该电动车同行告警中的任一项或者多项并且该电动车经过重点基站，则进行重点基站告警；

显示模块，用于对上述告警分别给出分值，并计算告警总分值，根据告警总分值标记告警级别并且记录告警类型，将告警信息推送到显示终端；

循环模块，用于循环步骤(3)-(5)直至确认判断所有电动车，并将存在告警的电动车的告警信息显示在显示终端。

有益效果：本发明与现有技术相比，其显著优点是：本发明基于电动车和手机等物联网数据，采用大数据分析技术，将传统的电动车发生盗抢事后追踪变为主动预警。从可靠性上，基于电动车历史轨迹分析，结合大数据技术和数据挖掘算法，提高预警结果的实时性与准确性。从功能上，本发明提供了车辆骑行人员分析、车辆活动范围分析、车辆异常预警等功能，降低案发率，缩短追踪时间，提高找回效率。

附图说明

图1是告警结果模型示意图；

图2是轨迹偏离告警的流程实现示意图；

图3是人车分离告警的流程实现示意图；

图4是目标人同行告警的流程实现示意图。

具体实施方式

为了更加清楚明白的说明本发明的目的、技术方案和优点，以下结合附图及实施例，对本发明做进一步说明。应当理解，此处所描述的具体实例仅仅用以解释本发明，并不用于限定本发明。

如图1所示，本发明公开一种基于多源大数据的电动车盗抢自动化实时告警方法，包括：

步骤1、实时采集一定范围内电动车的行驶数据以及用户的手机数据；并分析电动车一段时间的历史轨迹，确定其活动的位置轨迹；

步骤2、分析用户的手机数据和电动车行驶数据，计算人和车的关联关系，形成电动车司机库，从而确定电动车的常用驾驶人。

可通过大数据分布式计算引擎，分析电动车最近一段时间的行驶轨迹，得到其常用活动范围，以及分析手机数据和电动车数据，计算人和车的关联关系，从而得出电动车的常用驾驶人。

步骤3、若当前电动车上号与上一次上号点时间间隔大于s秒，则清空当前电动车的缓存信息，否则，则判断与上一次上号距离是否不大于t米，若是则清空当前电动车的缓存信息，否则，则确认当前行驶是否符合告警类型，所述告警类型包括偏离电动车位置轨迹、常用驾驶人与电动车分离以及目标人与该电动车同行；

本实施例中，s的范围为1500～2000秒，t的范围为160～240米。

步骤4、若存在偏离电动车位置轨迹告警、常用驾驶人与电动车分离告警以及目标人与该电动车同行告警中的任一项或者多项并且该电动车经过重点基站，则进行重点基站告警；

偏离电动车位置轨迹告警的判定分析流程如图2所示，判断电动车是否在历史轨迹上，如果在历史轨迹上，需要更新未偏离次数，如果未偏离次数大于g，则清零未偏离和偏离次数。如果不在历史轨迹上，则发生轨迹偏离，更新偏离次数。若偏离次数大于h，标记告警类型为轨迹偏离，并对该条电动车进行轨迹偏离告警。阈值g、h可以根据实际情况配置，本实施例中，数g的范围为3～7次，次数h的范围为4～8次。

常用驾驶人与电动车分离告警的判断方法分析流程如图3所示，从电动车司机库获取该电动车常用驾驶人。如果查询到有常用驾驶人，读取常用驾驶人近j秒的手机数据。根据手机数据与电动车数据的距离差和时间差计算速率，若满足距离大于k千米且时间小于l分钟或者时间大于l分钟并且速率大于m米每秒，更新分离次数，分离次数大于n，判定发生人车分离。当所有常用驾驶人都判定发生人车分离，则进行人车分离预警。阈值j、k、l、m、n可以根据实际情况配置。本实施例中，j的范围为400～700秒，k的范围为1～3千米，l的范围为1～2分钟，m的范围为50～70米每秒，n的范围为1～2次。

目标人与该电动车同行告警的判定分析如图4所示，读取目标人的最新手机数据，如果目标人和电动车距离小于p千米且时间差小于q分钟，则认为目标人在该位置和电动车同行，记录位置信息。如果目标人连续经过不同位置的次数大于r次，且都满足同行条件，则判定电动车和目标人同行，对电动车进行目标人同行告警。阈值p、q、r可以根据实际情况配置。本实施例中，p的范围为1～3千米，q的范围为1～2分钟，r的范围为2～4次。

步骤5、对上述告警分别给出分值，并计算告警总分值，根据告警总分值标记告警级别并且记录告警类型，将告警信息推送到显示终端；

对于任一种告警类型，根据评分机制给出分值，计算告警总分值。根据告警总分值标记告警级别并且记录告警类型，将告警信息推送到前端，页面可以实时展示电动车告警信息，包括电动车编号、时间、地点、告警类型、级别等信息。

评分机制如下，轨迹偏离分值为a、人车分离分值为b、目标人同行分值为c，重点基站分值为d，若同时满足轨迹偏离、人车分离、目标人同行，分值进行累加，a、b、c、d均在[0,1]之间。对经过重点基站的电动车评分，需要先符合轨迹偏离、人车分离、目标人同行预警条件的任一种情况，预警分值为d。某些特殊时间段为盗抢案件高发期，并且目标人通常不带手机，需要降低目标人同行的评分，降低分值为e。其它种类预警在特殊时间段的预警结果需要在原有分值基础上增加分值f，特殊时间段的轨迹偏离分值为a+f，人车分离分值为b+f，目标人同行分值为c-e，重点基站分值d+f。阈值a、b、c、d、e、f可以根据实际情况配置。告警级别可以分高级告警、中级告警、低级告警，具体分值范围可以根据实际情况确定。

步骤6、循环步骤3-5直至确认判断所有电动车，并将存在告警的电动车的告警信息显示在显示终端。

本发明公开了一种基于多源大数据的电动车盗抢自动化实时告警系统，以电动车和手机实时数据为基础，通过引入轨迹偏离、人车分离、目标人同行等数据挖掘算法，实现电动车盗抢的自动化实时告警。通过对海量数据的分析，结合数据挖掘算法，将传统的事后追踪变为主动预警。从可靠性上，基于电动车历史轨迹分析，结合大数据技术，数据挖掘算法，提高告警结果推送的实时性与准确性。从功能上，本发明提供了车辆活动范围分析、车辆骑行人员分析、车辆异常告警等功能。