发明内容
[0003] 本发明针对现有技术的不足，提供了一种车辆聚集监测方法。
[0004] 本发明中如果某一块监测区域中的出租车连续一段时间出现在该区域并且出租车数一直大于该区域的历史最大车数，将认为发生了车辆聚集行为。
[0005] 本发明的主要目标和内容即是，从出租车GPS数据中实时发现车辆聚集的区域。
[0006] 本发明技术方案的主要构思是：首先，将监测区域划分成网格，使用历史GPS数据计算出每个网格出租车数的最大值。然后，实时扫描GPS数据，按时刻截取一段时间的数据进行分析，循环扫描每一个网格，如果某个网格连续n个时刻都大于历史最大值，则观察这n个时刻的车数是否呈递增趋势，如果是，则继续计算本时刻是否有一定数量的车和上一时刻相同，成立，则说明该网格发生车辆聚集，否则扫描下一个网格。
[0007] 本发明方法包含以下步骤：
[0008] 步骤(1).出租车上传GPS信息至HBase数据库，GPS信息包括上传时间(SCSJ)、经度(JD)、纬度(WD)和车牌号码(CPHM)信息并且按SCSJ排序。
[0009] 步骤(2).GPS信息数据预处理，具体是： 或者车牌号码不符合出租车命名规则的GPS信息从HBase数据库删除，A表示起始经度，B表示终止经度，C表示起始纬度，D表示终止纬度。
[0010] 步骤(3).根据网格聚类算法，将省(市)按经纬度划分，将区域划分成一个个网格Ci(i＝1,2…k)，Ci的精度为Δprecision＝0.001度。
[0011] 步骤(4).第一步：以天为单位，选取某个时间段的GPS信息(这个时间段没有发生车辆聚集)；第二步：采用Spark技术，从选取的GPS信息中按天计算出每个Ci每隔5分钟的车数；第三步：选取每个Ci在5分钟间隔内的最大值作为车辆聚集的历史最大值maxi。
[0012] 步骤(5).向前t1分钟，向后扫描t2分钟的数据(包含这t1分钟的数据)，将数据对应到Ci，扫描每个Ci和周围相邻的8个，记为Aj(j＝1,2…N)，等所有Ci扫描完后，重复本步骤，具体是；
[0013] 5-1.记录T时刻Aj中的车数，如果Aj被认为是车辆聚集区域且Aj的T-n到T共n个时刻的车数都小于 则该区域解除报警，否则继续在地图上标红该区域，输出聚集详情；如果Aj没有被认为是车辆聚集区域，计算Aj的T-n到T共n个时刻的车数是否都大于如果都大于则转5-2，否则扫描Aj+1。
[0014] 5-2.用最小二乘法拟合Aj的T-n到T共n个时刻的车数，如果直线斜率大于g(g>0),则转步骤5-3，否则扫描Aj+1。
[0015] 5-3.如果T时刻Aj中的CPHM有k％(k≥80)和T-1时刻相同，则认为Aj区域发生车辆聚集，对Aj区域启动报警程序，即在地图上标红该区域，输出聚集详情，否则扫描Aj+1。
[0016] 本发明具有的有益效果：本发明利用出租车GPS数据实时监测每个区域，通过海量的历史出租车GPS和实时数据、HBase数据库、Spark计算框架、数据挖掘方法和最小二乘法构建出了一套快速、准确而有效的实时聚集监测方法。
[0017] 本发明为交通管理部门解决出租车罢运提供了可靠的依据，为居民生活出行提供方便。如果本发明在智能交通领域广泛应用，对解决出租车罢运将起到良好的效果。
