(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210985972.5 (22)申请日 2022.08.17 (65)同一申请的已公布的文献号 申请公布号 CN 115063054 A (43)申请公布日 2022.09.16 (73)专利权人 深圳市索菱实业股份有限公司 地址 518000 广东省深圳市南 山区南头街 道安乐社区关口二路15号智 恒产业园 19栋2层 (72)发明人 盛家方　 (74)专利代理 机构 北京真致博文知识产权代理 事务所(普通 合伙) 11720 专利代理师 娄华 (51)Int.Cl. G06Q 10/06(2012.01)G06Q 50/26(2012.01) G08G 1/01(2006.01) (56)对比文件 CN 112382099 A,2021.02.19 CN 113469425 A,2021.10.01 CN 113723191 A,2021.1 1.30 US 6650948 B1,20 03.11.18 审查员 王晓楠 (54)发明名称 车联网大 数据分析方法及服 务器 (57)摘要 本发明实施例提供的车联网大数据分析方 法及服务器， 通过获取目标道路对应的目标道路 分析数据和对比道路拥堵数据， 再对目标道路分 析数据和对比道路拥堵数据分别进行拥堵趋势 决策向量抽取， 得到第一拥堵趋势决策向量集和 第二拥堵趋势决策向量集， 然后将第一拥堵趋势 决策向量集和第二拥堵趋势决策向量集进行去 误差处理， 得到目标决策向量集， 最后依据目标 决策向量集， 得到目标道路分析数据的拥堵趋势 分析结果。 本申请实施例通过去误差处理， 去除 第一拥堵趋势决策向量集和第二拥堵趋势决策 向量集之间因为设备因素、 角度因素、 环境因素 等可能产生的误差， 再通过目标决策向量集进行 分析， 从而获得更准确的拥堵趋势分析 结果。 权利要求书4页 说明书15页 附图3页 CN 115063054 B 2022.11.29 CN 115063054 B 1.一种车联网大数据分析方法， 其特征在于， 应用于拥堵趋势分析服务器， 所述方法包 括： 响应于对目标道路的拥堵趋势分析请求， 获取所述目标道路对应的目标道路分析数据 和对比道路拥堵数据； 对所述目标道路分析数据进行拥堵趋势决策向量抽取， 得到所述目标道路分析数据的 第一拥堵趋势决策向量 集； 对所述对比道路拥堵数据进行拥堵趋势决策向量抽取， 得到与 所述对比道路拥堵数据 对应的第二拥堵趋势决策向量 集； 将所述第一拥堵趋势决策向量集和所述第 二拥堵趋势决策向量集进行去误差处理， 得 到目标决策向量 集； 依据所述目标决策向量 集， 得到所述目标道路分析 数据的拥堵趋势分析 结果； 其中， 所述对所述目标道路分析数据进行拥堵趋势决策向量抽取， 得到所述目标道路 分析数据的第一拥堵趋势决策向量 集， 包括： 对所述目标道路分析数据进行不少于两次拥堵趋势决策向量抽取， 得到与每次拥堵趋 势决策向量抽取对应的第一拥堵趋势决策向量 集； 所述对所述对比道路拥堵数据进行拥堵趋势决策向量抽取， 得到与 所述对比道路拥堵 数据对应的第二拥堵趋势决策向量 集， 包括： 对所述对比道路拥堵数据进行不少于两次拥堵趋势决策向量抽取， 得到与每个所述第 一拥堵趋势决策向量 集对应的第二拥堵趋势决策向量 集； 所述将所述第一拥堵趋势决策向量集和所述第二拥堵趋势决策向量集进行去误差处 理， 得到目标决策向量 集， 包括： 对于每个第 一拥堵趋势决策向量集， 对所述每个第 一拥堵趋势决策向量集和与所述每 个第一拥堵趋势决策向量集对应的第二拥堵趋势决策向量集进行去误差处理， 得到所述每 个第一拥堵趋势决策向量 集对应的目标决策向量 集。 2.根据权利要求1所述的车联网大数据分析方法， 其特征在于， 所述依据 所述目标决策 向量集， 得到所述目标道路分析 数据的拥堵趋势分析 结果， 包括： 依据所述每个第 一拥堵趋势决策向量集对应的目标决策向量集， 得到所述每个第 一拥 堵趋势决策向量 集的拥堵趋势分析 结果； 依据与不少于两次拥堵趋势决策向量抽取各自对应的第一拥堵趋势决策向量集的拥 堵趋势分析 结果， 得到所述目标道路分析 数据的拥堵趋势分析 结果。 3.根据权利要求1或2所述的车联网大数据分析方法， 其特征在于， 所述对所述目标道 路分析数据进 行不少于两次拥堵趋势决策向量抽取， 得到与每次拥堵趋势决策向量抽取对 应的第一拥堵趋势决策向量 集， 包括： 对所述目标道路分析数据进行不少于两次拥堵趋势决策向量抽取， 得到与每次拥堵趋 势决策向量抽取对应的临时拥堵趋势决策向量 集； 对于所述每次拥堵趋势决策向量抽取为末次拥堵趋势决策向量抽取时， 将末次拥堵趋 势决策向量抽取对应的临 时拥堵趋势决策向量集， 作为所述末次拥堵趋势决策向量抽取对 应的第一拥堵趋势决策向量 集； 对于所述每次拥堵趋势决策向量抽取为除末次拥堵趋势决策向量抽取的其余次拥堵权　利　要　求　书 1/4 页 2 CN 115063054 B 2趋势决策向量抽取时， 将与所述每次拥堵趋势决策向量抽取对应的临时拥堵趋势决策向量 集与该次拥堵趋势决策向量抽取的下一次拥堵趋势决策向量抽取对应的第一拥堵趋势决 策向量集进行向量优化组合， 得到与所述每次拥堵趋势决策向量抽取对应的第一拥堵趋势 决策向量 集。 4.根据权利要求3所述的车联网大数据分析方法， 其特征在于， 所述将与每次拥堵趋势 决策向量抽取对应的临时拥堵趋势决策向量集， 与该次拥堵趋势决策向量抽取的下一次拥 堵趋势决策向量抽取对应的第一拥堵趋势决策向量集进行向量优化组合， 得到与所述每次 拥堵趋势决策向量抽取对应的第一拥堵趋势决策向量 集， 包括： 将与该次拥堵趋势决策向量抽取的下一次拥堵趋势决策向量抽取对应的第一拥堵趋 势决策向量 集进行还原操作， 得到还原拥堵趋势决策向量 集； 将所述还原拥堵趋势决策向量集与该次拥堵趋势决策向量抽取对应的临时拥堵趋势 决策向量集进 行优化组合， 得到该次拥堵趋势决策向量抽取对应的第一拥堵趋势决策向量 集； 所述对所述每个第一拥堵趋势决策向量集和与所述每个第一拥堵趋势决策向量集对 应的第二拥堵趋势决策向量 集进行去误差处 理， 包括： 依据所述每个第一拥堵趋势决策向量集和与所述每个第一拥堵趋势决策向量集对应 的第二拥堵趋势决策向量集， 对所述第一拥堵趋势决策向量集对应的第二拥堵趋势决策向 量集进行修改完善， 得到所述第一拥堵趋势决策向量集对应的第二拥堵趋势决策向量集的 完善拥堵趋势决策向量 集； 依据所述每个第一拥堵趋势决策向量集和与所述每个第一拥堵趋势决策向量集对应 的第二拥堵趋势决策向量集， 得到与所述每个第一拥堵趋势决策向量集对应的拥堵标注分 布集， 其中， 所述拥堵标注分布集中任一标注向量的大小， 代表所述第一拥堵趋势决策向量 集中所属目标与所述任一标注向量相应的第一拥堵趋势决策向量表征拥堵的置信水平； 依据所述完善拥堵趋势决策向量集和所述拥堵标注分布集， 得到所述每个第 一拥堵趋 势决策向量 集对应的目标决策向量 集。 5.根据权利要求4所述的车联网大数据分析方法， 其特征在于， 所述依据 所述第一拥堵 趋势决策向量集和与所述第一拥堵趋势决策向量集对应的第二拥堵趋势决策向量集， 对所 述第一拥堵趋势决策向量 集对应的第二拥堵趋势决策向量 集进行修改完 善， 包括： 对于所述第 一拥堵趋势决策向量集中的每个第 一拥堵趋势决策向量， 从所述第 一拥堵 趋势决策向量集对应的第二拥堵趋势决策向量集的多个第二拥堵趋势决策向量中， 确定与 所述第一拥堵趋势决策向量对应的多个共性拥堵趋势决策向量； 其中， 所述第一拥堵趋势决策向量对应的各个共性拥堵趋势决策向量， 与所述第一拥 堵趋势决策向量所属目标对应的目标第二拥堵趋势决策向量之间的矢量计算值满足矢量 阈值； 依据所述第 一拥堵趋势决策向量与每个共性拥堵趋势决策向量之间的量化共性值， 对 与所述第一拥堵趋势决策向量所属目标对应的目标第二拥堵趋势决策向量进行修改完 善。 6.根据权利要求5所述的车联网大数据分析方法， 其特征在于， 所述依据 所述第一拥堵 趋势决策向量与每个共性拥堵趋势决策向量之 间的量化共性值， 对与所述第一拥堵趋势决 策向量所属目标对应的目标第二拥堵趋势决策向量进行修改完 善， 包括：权　利　要　求　书 2/4 页 3 CN 115063054 B 3