基于大数据分析的营运车辆监控系统

摘要

本发明提供一种基于大数据分析的营运车辆监控系统，该系统包括：营运车辆监控服务器，根据企业车辆运营数据构建营运车辆考核模型，并利用营运车辆考核模型对企业营运车辆进行监控，在监控到车辆存在运营异常时，向异常车辆对应的企业管理服务器发送异常报警信息，异常报警信息包括车辆信息及异常数据信息；至少一个企业管理服务器，在接收到异常报警后，调取相应车辆的运营数据，生成异常报警报告，该系统结合数据共享、数据分析将违规数据共享反馈给运营单位，以促进监管，提高营运安全，保障安全通行。平台数据同时共享给相关职能部门，提供共享服务的同时，辅助职能部门进行车辆监管，共同建立安全监管新环境。

说明书

技术领域

本发明涉及道路运输安全监控应用技术领域，尤其涉及一种基于大数据分析的营运车辆监控系统。

背景技术

重点营运车辆动态异常检测是当前基于交通大数据的异常检测技术的研究热点之一。违法营运车辆在经营中所承担的风险系数较小，从而也无法保障乘客的安全。因此，很多政府已经开始限制非法营运车辆服务。然而，由于大量私人非法营运车辆取证费时费力，相关部门在有限的人力资源情况下获得有效证据非常困难。随着传感设备和位置感知技术以及人群移动的研究使用数据驱动的方法去代替人工解决这种离群点检测问题。人的行为模型可以通过他们的轨迹被有效挖掘，同样，大规模的车辆移动数据可以用来识别非法营运车辆。此外，大量的车辆和人群移动数据包括呼叫细节记录数据（CallDetailsRecords，CDRs）、定位数据、社交网络签到数据等提供了从正常车辆中提取出可疑车辆的可能性。最近，相关部门使用一种新的数据—车牌识别数据（VLPR）作为一种新兴的分析工具。新的数据来自于车牌自动识别卡口的车辆过车记录数据。车牌自动识别技术集成了先进的光学技术、图像技术和模式识别技术，拍下每个过往车辆的照片，识别车辆的牌照、品牌、类型、速度和其他一些与车辆有关的信息，并将这些信息存入到数据库中。

但是，这些数据并没有有效地应用到非法营运车辆识别方面。基于大数据的非法营运车辆识别面临着以下挑战：

（1）车辆基数大，可疑车辆发现困难。大部分非法营运车辆均是私家车辆提供，并且工作时间不确定，仅仅从车的类型、速度以及车辆短期的行为特征是无法识别可疑车辆的。

（2）取证困难。相关部门在发现可疑车辆进行稽查的时候，需要搜集到有效的证据，由于不能采用诱捕的方式，有些搭载非法营运车辆的乘客并不积极配合相关部门给证据的采集带来了很大的困难。

（3）预警规则集难以确定如何精确判断异常车辆或者违法潜能，当前基于大数据的分析技术没有普适性的算法和指标集合。

发明内容

本发明的目的在于解决背景技术中的至少一个技术问题，本发明实施例提供一种基于大数据分析的营运车辆监控系统。该系统包括：

营运车辆监控服务器，根据企业车辆运营数据构建营运车辆考核模型，并利用所述营运车辆考核模型对企业营运车辆进行监控，在监控到车辆存在运营异常时，向异常车辆对应的企业管理服务器发送异常报警信息，所述异常报警信息包括车辆信息及异常数据信息；

至少一个企业管理服务器，在接收到所述异常报警后，调取相应车辆的运营数据，生成异常报警报告。

进一步可选的，还包括：

车辆移动数据获取模块，包括至少一个车牌识别设备，用于获取车辆移动轨迹；

和/或，

乘客移动数据获取模块，包括至少一个用户终端设备，用于获取乘客移动数据。

进一步可选的，，所述营运车辆监控服务器包括：

指标监测子模块，用于收集监测营运车辆及其运营单位的指标数据；

模型建立子模块，用于根据所述营运车辆及其运营单位的指标数据建立营运车辆考核模型；

考评管理子模块，用于基于所述营运车辆考核模型考评所述营运车辆的运行指标状态，指标异常时，通知所述运营单位进行处理；

信息审核子模块，用于接收并审核所述运营单位的所述营运车辆处理信息，建立应急管理制度；

考核统计子模块，用于考核所述运营单位，评估并统计绩效。

进一步可选的，，所述营运车辆监控服务器还包括：业务通知子模块，用于对所述运营单位发出事项通知、文件转发或者业务处理通知。

进一步可选的，所述营运车辆监控服务器还包括：考核指标查询子模块，用于查询监测运营车辆的考评指标情况，其中查询可以按照运营单位、运营类型、指标明细或车辆报停明细进行。

进一步可选的，所述模型建立子模块包括：

评价指标体系构建单元，用于通过多维神经网络对历史的违法数据进行学习研判，抽取异常和违规聚类，对指标进行筛选、整理和分类，初步构建综合评价指标体系；

综合评价模型构建单元，应用模糊识别原理,结合基于大数据的多维模糊层次分析法和综合集成赋权法确定权重系数,用于道路运输车辆卫星定位系统服务商、道路运输企业、驾驶员综合评价模型。

进一步可选的，所述考评管理子模块统计考评对象在运营过程中各个单项指标的评分结果，利用主成份分析方法计算得到各单项评价指标的对应权重，采用加权平均的方法，得到安全评价结果和综合评价结果，完成对考评对象的评估和记录。

根据本发明的一个方案，通过入网率指标监测，确保营运车辆纳入监管，提供监管覆盖率，将纳入监管的车辆数据进行统计分析，通过合理的计算模型，计算出分数排名等，确保系统收集到的数据的准确性和可靠性，提高营运车辆行车安全。通过各项指标监测，通过修正算法，过滤掉因信号不稳定造成的异常数据，确保监测的定位数据能真实反映车辆的行驶状态，为违规取证提供可靠准确的数据支持。在此基础上，平台通过大数据分析技术，使用修正过的定位数据，降低指标判定误差，再根据指标权重计算法，计算出每项指标的具体数值，降低判定误差，统一判定标准，降低因设备型号不同，信号强度不同等因素造成的误差，提高指标的准确性、可靠性、稳定性，实现统一标准的道路车辆运输监控，降低安全隐患。

本发明通过汇入考核机制，结合数据共享、数据分析等，将违规数据共享反馈给企业和运营商，并通过建立对应的考核机制对企业及运营商同时进行考核，以促进监管，提高营运安全，保障安全通行。平台数据同时共享给相关职能部门，提供共享服务的同时，辅助职能部门进行车辆监管，共同建立安全监管新环境。

附图说明

图1为本发明实施例中一种基于大数据分析的营运车辆监控系统的功能结构示意图；

图2为本发明实施例中另一基于大数据分析的营运车辆监控系统的功能结构示意图；

图3为本发明实施例中另一基于大数据分析的营运车辆监控方法的流程示意图；

图4为本发明实施例中示意性表示主管部门通过系统业务通知模块派单通知企业或者运营商进行处理的流程图。

具体实施方式

现在将参照示例性实施例来论述本发明的内容。应当理解，论述的实施例仅是为了使得本领域普通技术人员能够更好地理解且因此实现本发明的内容，而不是暗示对本发明的范围的任何限制。

如本文中所使用的，术语“包括”及其变体要被解读为意味着“包括但不限于”的开放式术语。术语“基于”要被解读为“至少部分地基于”。术语“一个实施例”和“一种实施例”要被解读为“至少一个实施例”。

如图1所示，本发明的基于大数据分析的营运车辆监控系统，包括：

营运车辆监控服务器1，根据企业车辆运营数据构建营运车辆考核模型，并利用所述营运车辆考核模型对企业营运车辆进行监控，在监控到车辆存在运营异常时，向异常车辆对应的企业管理服务器发送异常报警信息，所述异常报警信息包括车辆信息及异常数据信息；

至少一个企业管理服务器2，在接收到所述异常报警后，调取相应车辆的运营数据，生成异常报警报告。

作为一种改进，如图2所示，以上实施例还可以包括但不限于以下实现方式，并且以下实现方式并非必须：

进一步可选的，上述基于大数据分析的营运车辆监控系统还可以包括但不限于以下内容：

车辆移动数据获取模块3，包括至少一个车牌识别设备，用于获取车辆移动轨迹；

和/或，

乘客移动数据获取模块4，包括至少一个用户终端设备，用于获取乘客移动数据。

进一步可选的，所述营运车辆监控服务器1包括：

指标监测子模块11，用于收集监测营运车辆及其运营单位的指标数据；

模型建立子模块12，用于根据所述营运车辆及其运营单位的指标数据建立营运车辆考核模型；

考评管理子模块13，用于基于所述营运车辆考核模型考评所述营运车辆的运行指标状态，指标异常时，通知所述运营单位进行处理；

信息审核子模块14，用于接收并审核所述运营单位的所述营运车辆处理信息，建立应急管理制度；

考核统计子模块15，用于考核所述运营单位，评估并统计绩效。

进一步可选的，所述营运车辆监控服务器1还包括：业务通知子模块16，用于对所述运营单位发出事项通知、文件转发或者业务处理通知。

进一步可选的，所述营运车辆监控服务器1还包括：考核指标查询子模块17，用于查询监测运营车辆的考评指标情况，其中查询可以按照运营单位、运营类型、指标明细或车辆报停明细进行。

进一步可选的，所述模型建立子模块12包括：

评价指标体系构建单元121，用于通过多维神经网络对历史的违法数据进行学习研判，抽取异常和违规聚类，对指标进行筛选、整理和分类，初步构建综合评价指标体系；

综合评价模型构建单元122，应用模糊识别原理,结合基于大数据的多维模糊层次分析法和综合集成赋权法确定权重系数,用于道路运输车辆卫星定位系统服务商、道路运输企业、驾驶员综合评价模型。

进一步可选的，所述考评管理子模块13统计考评对象在运营过程中各个单项指标的评分结果，利用主成份分析方法计算得到各单项评价指标的对应权重，采用加权平均的方法，得到安全评价结果和综合评价结果，完成对考评对象的评估和记录。

本发明实施例提供的基于大数据分析的营运车辆监控系统结合数据共享、数据分析将违规数据共享反馈给运营单位，以促进监管，提高营运安全，保障安全通行。平台数据同时共享给相关职能部门，提供共享服务的同时，辅助职能部门进行车辆监管，共同建立安全监管新环境。

为便于读者理解，下面通过实例对上述基于大数据分析的营运车辆监控系统具体工作流程进行详细介绍，如图3所示，具体包括以下步骤及实施细节：

a. 收集监测营运车辆及其运营单位的指标数据；

b. 考评所述营运车辆的运行指标状态，指标异常时，通知所述运营单位进行处理；

c. 接收并审核所述运营单位的所述营运车辆处理信息，建立应急管理制度；

d. 考核所述运营单位，评估并统计绩效。

根据本发明的一种实施方式，在上述a步骤中，营运车辆的指标数据包括营运车辆的入网率、在线率、轨迹完整率、数据合格率、平台连通率和车辆违法违规率等。其中，车辆违法违规包括车辆违规次数、夜间禁行次数、疲劳驾驶时长和线路报警次数等。而运营单位指标数据则包括辖区、运营商或者企业名称等，以及其运营管理的车辆类型、数量等各种数据信息。

根据本发明的一种实施方式，在上述b和c步骤中，当车辆考核指标异常时，通知运营单位尽快处理，运营单位处理反馈后，由监管部门进行报备信息的审核，这样可以做到事前报备、及示反馈，以建立应急档案管理制度。

根据本发明的一种实施方式，在实施上述d步骤之前，还包括查询监测营运车辆的考评指标，其中查询可以按照运营单位、运营类型、指标明细或车辆报停明细进行。具体查询指标包括：

总体指标统计：查询时间段内，总体营运车辆的指标情况，包括在线率统计、入网率统计、轨迹完整度统计、数据合格率统计、超速次数统计、疲劳驾驶统计、夜间营运统计、线路偏移统计。此部分可按运营类型进行查询。

运营商指标统计：查询时间段内，各运营商营运车辆的指标情况，包括在线率统计、轨迹完整度统计、数据合格率统计、定位漂移率统计、平台连通率统计。此部分可按运营商名称和运营类型进行查询。

企业指标统计：查询时间段内，企业营运车辆的指标情况，包括在线率统计、入网率统计、轨迹完整度统计、数据合格率统计、定位漂移率统计、超速次数统计、疲劳驾驶统计、夜间营运统计、线路偏移统计。此部分可按企业名称和运营类型进行查询。

指标明细：查询营运考核指标明细情况，包括离线车辆明细、轨迹完整度明细、数据合格率明细、定位漂移率明细、未入网车辆明细。可根据辖区、运营商、企业名称、车辆类型、完整度值、合格率值进行数据筛选。

车辆报停明细：用于查询在平台上已报停的车辆明细。

根据本发明的一种实施方式，在上述d步骤中，考核运营单位包括辖区考核、运营商考核和企业考核。在本实施方式中，基于指标明细信息，结合考核指标分数算法，生成考核结果。考核结果分为辖区考核、运营商考核、企业考核三个维度，分别对不同主体进行评分考核及排名考核。

例如，辖区考核中，基础分20分、上线率5分、入网率5分、轨迹完整率20分、数据合格率10分、平台连通率10分、车辆违法违规率30分。

运营商考核中，基础分50分、上线率5分、卫星定位飘移率10分、轨迹完整率20分、数据合格率5分、平台连通率5分、平台查岗响应率5分。

企业考核中，基础分20分、上线率3分、入网率2分、轨迹完整率10分、数据合格率5分、卫星定位漂移率5分、查岗响应率3分、平均超速次数16分、平均疲劳驾驶时长16分、车辆违法违规率20分。

根据本发明的上述方法，实际上是从车辆数据考核、设备维修管理、车辆违规报警、ADAS报警、DMS报警、现场数据、非技术性考核指标检查、人员配备及培训情况、平台运行情况、重大事故等方面，依托大数据分析手段，研究建立综合考核评价指标，细化评价项目和指标。

并且，根据本发明的上述方法是通过多维神经网络对历史的违法数据进行学习研判，抽取异常和违规聚类，对指标进行筛选、整理和分类，初步构建综合评价指标体系；应用模糊识别原理,结合基于大数据的多维模糊层次分析法和综合集成赋权法确定权重系数,用于道路运输车辆卫星定位系统服务商、道路运输企业、驾驶员综合评价模型；统计考评对象在运营过程中各个单项指标的评分结果，利用主成份分析方法计算得到各单项评价指标的对应权重，采用加权平均的方法，得到安全评价结果和综合评价结果，完成对考评对象的评估和记录。

根据本发明的上述系统设置，实际上，指标监测子模块实时查询当地城市总体指标情况，包含车辆的入网率、在线率、轨迹完整率、数据合格率、平台连通率、车辆违法违规率以及运营商指标情况。车辆违法违规包含超速违规次数、夜间禁行次数、疲劳驾驶时长、线路报警次数；并且展示违规后报警处理情况。

而当车辆考核指标异常时，考评管理子模块将自动通知辖区运营商及企业，督促其尽快处理，运营商及企业可通过系统平台相关界面登录进行查询及处理反馈。具体地，当车辆产生考核指标异常时，考评管理模块将自动派单给运营商或运输企业，并发平台提醒督促其及时处理，运营商及企业可通过平台相关界面登录进行查询及处理反馈。

进一步地，当监管部门需要对运营商和运输企业进行事项通知或业务处理时，可通过业务通知子模块手动派单给运营商和运输企业进行处理。具体地，当监管部门需要对运营商和运输企业进行事项通知、文件转发、业务处理时，可通过业务通知模块手动派单通知运营商和运输企业进行业务处理，并发平台提醒进行提醒。在页面菜单栏用图标展示当前未处理的派单信息数量，实时更新，有新报警时提醒。图4示意性表示主管部门通过系统业务通知模块派单通知企业或者运营商进行处理的流程图，如图4所示，还包括企业或者运营商处理后反馈主管部门审核的过程。

上述审核过程是信息审核模块通过报表运营商客户端进行信息报备后，主管部门进行报备信息的审核，这样可以做到事前报备、及时反馈，以建立应急档案管理制度。

进一步地，系统中考核指标查询子模块用于在考核评估绩效之前查询监管车辆的各考核指标情况，具体查询指标包括：

总体指标统计：查询时间段内，总体营运车辆的指标情况，包括在线率统计、入网率统计、轨迹完整度统计、数据合格率统计、超速次数统计、疲劳驾驶统计、夜间营运统计、线路偏移统计。此部分可按运营类型进行查询。

运营商指标统计：查询时间段内，各运营商营运车辆的指标情况，包括在线率统计、轨迹完整度统计、数据合格率统计、定位漂移率统计、平台连通率统计。此部分可按运营商名称和运营类型进行查询。

企业指标统计：查询时间段内，企业营运车辆的指标情况，包括在线率统计、入网率统计、轨迹完整度统计、数据合格率统计、定位漂移率统计、超速次数统计、疲劳驾驶统计、夜间营运统计、线路偏移统计。此部分可按企业名称和运营类型进行查询。

指标明细：查询营运考核指标明细情况，包括离线车辆明细、轨迹完整度明细、数据合格率明细、定位漂移率明细、未入网车辆明细。可根据辖区、运营商、企业名称、车辆类型、完整度值、合格率值进行数据筛选。

车辆报停明细：用于查询在平台上已报停的车辆明细。

最后，考核统计模块基于指标明细信息，结合考核指标分数算法，生成考核结果。考核结果分为辖区考核、运营商考核、企业考核三个维度，分别对不同主体进行评分考核及排名考核。

例如，辖区考核中，基础分20分、上线率5分、入网率5分、轨迹完整率20分、数据合格率10分、平台连通率10分、车辆违法违规率30分。

运营商考核中，基础分50分、上线率5分、卫星定位飘移率10分、轨迹完整率20分、数据合格率5分、平台连通率5分、平台查岗响应率5分。

企业考核中，基础分20分、上线率3分、入网率2分、轨迹完整率10分、数据合格率5分、卫星定位漂移率5分、查岗响应率3分、平均超速次数16分、平均疲劳驾驶时长16分、车辆违法违规率20分。

由上可知，以往的车辆监控中，车辆基数大，可疑车辆发现困难。大部分非法营运车辆均是私家车辆提供，并且工作时间不确定，仅仅从车的类型、速度以及车辆短期的行为特征是无法识别可疑车辆的。以往系统中，相关部门在发现可疑车辆进行稽查的时候，需要搜集到有效的证据，由于不能采用诱捕的方式，给证据的采集带来了很大的困难。

针对传统技术，本发明通过入网率指标监测，确保营运车辆纳入监管，提供监管覆盖率，将纳入监管的车辆数据进行统计分析，通过合理的计算模型，计算出分数排名等，确保系统收集到的数据的准确性和可靠性，提高营运车辆行车安全。通过各项指标监测，通过修正算法，过滤掉因信号不稳定造成的异常数据，确保监测的定位数据能真实反映车辆的行驶状态，为违规取证提供可靠准确的数据支持。在此基础上，平台通过大数据分析技术，使用修正过的定位数据，降低指标判定误差，再根据指标权重计算法，计算出每项指标的具体数值，降低判定误差，统一判定标准，降低因设备型号不同，信号强度不同等因素造成的误差，提高指标的准确性、可靠性、稳定性，实现统一标准的道路车辆运输监控，降低安全隐患。

本发明运用北斗/GPS、物联网、云计算、大数据、人工智能与新一代信息技术，整合北斗定位、视频图像、ADAS/DSM、气象等多源数据 , 实现动态监测、态势评估、安全预警、应急处置、统计分析、综合考评等功能，形成重点营运车辆动态监督的闭环管理，减少道路运输安全隐患，提高行业信息化服务水平。

本发明通过汇入省厅考核机制，结合数据共享、数据分析等，将违规数据共享反馈给企业和运营商，并通过建立对应的考核机制对企业及运营商同时进行考核，以促进监管，提高营运安全，保障安全通行。平台数据同时共享给相关职能部门，提供共享服务的同时，辅助职能部门进行车辆监管，共同建立安全监管新环境。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的模块及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和设备的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本发明实施例方案的目的。

另外，在本发明实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例节能信号发送/接收的方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

应理解，本发明的发明内容及实施例中各步骤的序号的大小并不绝对意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。