本發(fā)明涉及計算機技術領域，特別涉及一種基于交通違法數(shù)據的云分析方法及系統(tǒng)。

背景技術：

隨著大數(shù)據技術的高速發(fā)展，文字、圖片、音頻、視頻等數(shù)據急速增長，數(shù)據已成為重要的生產因素，然而數(shù)據往往是以分散的、不成體系的形式存在，因此如何有效處理數(shù)據顯得十分重要。

目前，主要采用人工方式對數(shù)據進行處理，即是工作人員將采集到的每一條數(shù)據進行匯總和分類之后，再根據分類結果，對數(shù)據進行相應處理。例如，采集到的數(shù)據為交通違法數(shù)據時，將交通違法數(shù)據根據地點或時間進行分來，然后根據違法地點或者違法時間分別對數(shù)據進行處理。

由于數(shù)據種類繁多，數(shù)量巨大，采用人工方式對數(shù)據進行處理，導致數(shù)據的處理效率較低。

技術實現(xiàn)要素：

本發(fā)明實施例提供了一種基于交通違法數(shù)據的云分析方法及系統(tǒng)，能提高數(shù)據處理效率。

第一方面，本發(fā)明實施例提供了一種基于交通違法數(shù)據的云分析方法，包括：

獲取至少一條交通違法數(shù)據；

確定每條所述交通違法數(shù)據包括的至少一個特征參數(shù)；

根據各條所述交通違法數(shù)據分別對應的至少一個特征參數(shù)，對所述至少一條交通違法數(shù)據進行分析處理。

優(yōu)選地，

所述根據各條所述交通違法數(shù)據分別對應的至少一個特征參數(shù)，對所述至少一條交通違法數(shù)據進行分析處理，包括：

構建至少一個分析算法分別對應的至少一個數(shù)據模型；

根據各條所述交通違法數(shù)據分別對應的至少一個特征參數(shù)，確定與所述特征參數(shù)對應的至少一個數(shù)據模型；

利用確定出的所述數(shù)據模型，對所述至少一條交通違法數(shù)據進行分析處理。

優(yōu)選地，

所述特征參數(shù)包括：違法地點、違法時間和違法行為；

所述分析算法包括：統(tǒng)計分析算法；

所述根據各條所述交通違法數(shù)據分別對應的至少一個特征參數(shù)，確定與所述特征參數(shù)對應的至少一個數(shù)據模型；

根據所述違法地點、所述違法時間和所述違法行為，確定與所述統(tǒng)計分析算法相對應的數(shù)據統(tǒng)計分析模型；

所述利用確定出的所述數(shù)據模型，對所述至少一條交通違法數(shù)據進行分析處理，包括：

利用確定出的所述數(shù)據統(tǒng)計分析模型，確定交通違法的高發(fā)地段；

優(yōu)選地，

利用確定出的所述數(shù)據統(tǒng)計分析模型，確定交通違法的高發(fā)時間；

優(yōu)選地，

利用確定出的所述數(shù)據統(tǒng)計分析模型，確定高發(fā)違法行為。

優(yōu)選地，

在所述獲取至少一條交通違法數(shù)據之后，進一步包括：

判斷每條所述交通違法數(shù)據的格式是否符合預設的標準數(shù)據格式，如果是，則根據所述標準數(shù)據格式，確定所述交通違法數(shù)據包括的至少一個特征參數(shù)；否則，將所述交通違法數(shù)據的格式轉換為所述標準數(shù)據格式，執(zhí)行所述根據所述標準數(shù)據格式，確定所述交通違法數(shù)據包括的至少一個特征參數(shù)。

優(yōu)選地，

在所述根據各條所述交通違法數(shù)據分別對應的至少一個特征參數(shù)，對所述至少一條交通違法數(shù)據進行分析處理之后，進一步包括：

根據分析處理結果，生成數(shù)據圖表，并輸出所述數(shù)據圖表。

第二方面，本發(fā)明實施例提供了一種基于交通違法數(shù)據的云分析系統(tǒng)，包括：獲取模塊、確定模塊和分析處理模塊；其中，

所述獲取模塊，用于獲取至少一條交通違法數(shù)據；

所述確定模塊，用于確定所述獲取模塊獲取到的每條所述交通違法數(shù)據包括的至少一個特征參數(shù)；

所述分析處理模塊，用于根據所述確定模塊確定出的各條所述交通違法數(shù)據分別對應的至少一個特征參數(shù)，對所述至少一條交通違法數(shù)據進行分析處理。

優(yōu)選地，

所述分析處理模塊包括：構建子模塊、數(shù)據模型確定子模塊和數(shù)據處理子模塊；其中，

所述構建子模塊，用于構建至少一個分析算法分別對應的至少一個數(shù)據模型；

所述數(shù)據模型確定子模塊，用于根據所述確定模塊確定出的各條所述交通違法數(shù)據分別對應的至少一個特征參數(shù)，從所述構建子模塊中確定與所述特征參數(shù)對應的至少一個數(shù)據模型；

所述數(shù)據處理子模塊，用于利用所述數(shù)據模型確定子模塊確定出的數(shù)據模型，對所述至少一條交通違法數(shù)據進行分析處理。

優(yōu)選地，

所述特征參數(shù)包括：違法地點、違法時間和違法行為；

所述分析算法包括：統(tǒng)計分析算法；

所述數(shù)據模型確定子模塊，用于根據所述違法地點、所述違法時間和所述違法行為，確定與所述統(tǒng)計分析算法相對應的數(shù)據統(tǒng)計分析模型；

所述數(shù)據處理子模塊，用于利用確定出的所述數(shù)據統(tǒng)計分析模型，確定交通違法的高發(fā)地段；和/或，利用確定出的所述數(shù)據統(tǒng)計分析模型，確定交通違法的高發(fā)時間；和/或，利用確定出的所述數(shù)據統(tǒng)計分析模型，確定高發(fā)違法行為。

優(yōu)選地，

所述確定模塊，進一步用于判斷每條所述交通違法數(shù)據的格式是否符合預設的標準數(shù)據格式，如果是，則根據所述標準數(shù)據格式，確定所述交通違法數(shù)據包括的至少一個特征參數(shù)；否則，將所述交通違法數(shù)據的格式轉換為所述標準數(shù)據格式，執(zhí)行所述根據所述標準數(shù)據格式，確定所述交通違法數(shù)據包括的至少一個特征參數(shù)。

優(yōu)選地，

該云分析系統(tǒng)進一步包括：輸出模塊；其中，

所述輸出模塊，用于根據所述分析處理模塊的分析處理結果，生成數(shù)據圖表，并輸出所述數(shù)據圖表。

本發(fā)明實施例提供了一種基于交通違法數(shù)據的云分析方法及云分析系統(tǒng)，通過確定獲取到的交通違法數(shù)據包括的特征參數(shù)，并可根據確定出的特征參數(shù)直接對交通違法數(shù)據進行分析處理，從而無須再采用人工方式對數(shù)據進行逐條處理，從而提高了數(shù)據處理效率。

附圖說明

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術中的技術方案，下面將對實施例或現(xiàn)有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖是本發(fā)明的一些實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。

圖1是本發(fā)明一個實施例提供的一種基于交通違法數(shù)據的云分析方法的流程圖；

圖2是本發(fā)明另一個實施例提供的一種基于交通違法數(shù)據的云分析方法的流程圖；

圖3是本發(fā)明一個實施例提供的一種基于交通違法數(shù)據的云分析系統(tǒng)的結構示意圖；

圖4是本發(fā)明另一個實施例提供的一種基于交通違法數(shù)據的云分析系統(tǒng)的結構示意圖。

具體實施方式

為使本發(fā)明實施例的目的、技術方案和優(yōu)點更加清楚，下面將結合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例是本發(fā)明一部分實施例，而不是全部的實施例，基于本發(fā)明中的實施例，本領域普通技術人員在沒有做出創(chuàng)造性勞動的前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

如圖1所示，本發(fā)明實施例提供了一種基于交通違法數(shù)據的云分析方法，該方法可以包括以下步驟：

步驟101，獲取至少一條交通違法數(shù)據；

步驟102，確定每條所述交通違法數(shù)據包括的至少一個特征參數(shù)；

步驟103，根據各條所述交通違法數(shù)據分別對應的至少一個特征參數(shù)，對所述至少一條交通違法數(shù)據進行分析處理。

上述實施例中，通過確定獲取到的交通違法數(shù)據包括的特征參數(shù)，并可根據確定出的特征參數(shù)直接對交通違法數(shù)據進行分析處理，從而無須再采用人工方式對數(shù)據進行逐條處理，從而提高了數(shù)據處理效率。

本發(fā)明一個實施例中，步驟103的具體實施方式，可以包括：

構建至少一個分析算法分別對應的至少一個數(shù)據模型；

根據各條所述交通違法數(shù)據分別對應的至少一個特征參數(shù)，確定與所述特征參數(shù)對應的至少一個數(shù)據模型；

利用確定出的所述數(shù)據模型，對所述至少一條交通違法數(shù)據進行分析處理。

在這里，可以構建多個分析算法對應的數(shù)據模型，例如，根據統(tǒng)計分析算法構建的統(tǒng)計分析模型、根據k-means算法構建的特征聚類分析模型和位置聚類分析模型，以及根據apriori算法和fp-growth算法構建的數(shù)據關聯(lián)分析模型等，可根據交通違法數(shù)據中包括的違法地點、違法時間和違法行為等選擇相應的數(shù)據模型，對交通違法數(shù)據進行分析處理。

具體地，本發(fā)明一個實施例中，所述特征參數(shù)包括：違法地點、違法時間和違法行為；

所述分析算法包括：統(tǒng)計分析算法；

所述根據各條所述交通違法數(shù)據分別對應的至少一個特征參數(shù)，確定與所述特征參數(shù)對應的至少一個數(shù)據模型；

根據所述違法地點、所述違法時間和所述違法行為，確定與所述統(tǒng)計分析算法相對應的數(shù)據統(tǒng)計分析模型；

所述利用確定出的所述數(shù)據模型，對所述至少一條交通違法數(shù)據進行分析處理，包括：

利用確定出的所述數(shù)據統(tǒng)計分析模型，確定交通違法的高發(fā)地段；

利用確定出的所述數(shù)據統(tǒng)計分析模型，確定交通違法的高發(fā)時間；

利用確定出的所述數(shù)據統(tǒng)計分析模型，確定高發(fā)違法行為。

在這里，可根據數(shù)據統(tǒng)計分析模型，確定出交通違法的高發(fā)地段、高發(fā)時間和高發(fā)違法行為，并且在統(tǒng)計過程中，可調節(jié)數(shù)據統(tǒng)計分析模型的相關統(tǒng)計參數(shù)，通過參數(shù)調節(jié)獲得最優(yōu)統(tǒng)計結果。通過數(shù)據統(tǒng)計分析模型確定出交通違法的高發(fā)地段、高發(fā)時間和高發(fā)違法行為，有利于各個交警部門按需查看，采取相關措施減少違法行為的發(fā)生率。

為了進一步提高數(shù)據處理效率，本發(fā)明一個實施例中，在步驟101之后，可以進一步包括：

判斷每條所述交通違法數(shù)據的格式是否符合預設的標準數(shù)據格式，如果是，則根據所述標準數(shù)據格式，確定所述交通違法數(shù)據包括的至少一個特征參數(shù)；否則，將所述交通違法數(shù)據的格式轉換為所述標準數(shù)據格式，執(zhí)行所述根據所述標準數(shù)據格式，確定所述交通違法數(shù)據包括的至少一個特征參數(shù)。

上述實施例中，在獲取到交通違法數(shù)據之后，首先將交通違法數(shù)據的格式轉換為標準數(shù)據格式，然后可直接按照標準數(shù)據格式，確定交通違法數(shù)據的特征參數(shù)。這使得可根據統(tǒng)一的數(shù)據格式，對交通違法數(shù)據進行處理，而無須從不同數(shù)據格式中查找特征參數(shù)，便于特征參數(shù)的確定，從而進一步提高了數(shù)據數(shù)量效率。

為了便于用戶查看，本發(fā)明一個實施例中，在步驟103之后，可以進一步包括：

根據分析處理結果，生成數(shù)據圖表，并輸出所述數(shù)據圖表。

在這里，將分析處理結果以數(shù)據圖表的形式進行輸出，便于各個交通部門傳閱查看，從而提高用戶體驗。

如圖2所示，本發(fā)明一個實施例提供了一種基于交通違法數(shù)據的云分析方法，該方法可以包括以下步驟：

步驟201，構建至少一個分析算法分別對應的至少一個數(shù)據模型。

例如，可根據統(tǒng)計分析算法構建的統(tǒng)計分析模型、根據k-means算法構建的特征聚類分析模型和位置聚類分析模型，以及根據apriori算法和fp-growth算法構建的數(shù)據關聯(lián)分析模型

步驟202，獲取至少一條交通違法數(shù)據。

步驟203，判斷每條所述交通違法數(shù)據的格式是否符合預設的標準數(shù)據格式，如果是，則執(zhí)行步驟205；否則執(zhí)行步驟204。

步驟204，將所述交通違法數(shù)據的格式轉換為所述標準數(shù)據格式。

步驟205，根據所述標準數(shù)據格式，確定所述交通違法數(shù)據包括的至少一個特征參數(shù)。

步驟203至步驟205中，在獲取到交通違法數(shù)據之后，首先將不是標準數(shù)據格式的交通違法數(shù)據的格式轉換為標準數(shù)據格式，然后可直接按照標準數(shù)據格式，確定交通違法數(shù)據的特征參數(shù)。這使得可根據統(tǒng)一的數(shù)據格式，對交通違法數(shù)據進行處理，而無須從不同數(shù)據格式中查找特征參數(shù)，便于特征參數(shù)的確定，從而進一步提高了數(shù)據數(shù)量效率。

步驟206，根據各條所述交通違法數(shù)據分別對應的至少一個特征參數(shù)，確定與所述特征參數(shù)對應的至少一個數(shù)據模型。

例如，特征參數(shù)包括：違法地點、違法時間和違法行為，確定出的數(shù)據模型為統(tǒng)計分析模型。

步驟207，利用確定出的所述數(shù)據模型，確定交通違法的高發(fā)地段、交通違法的高發(fā)時間和高發(fā)違法行為。

在這里，通過數(shù)據統(tǒng)計分析模型確定出交通違法的高發(fā)地段、高發(fā)時間和高發(fā)違法行為，有利于各個交警部門按需查看，采取相關措施減少違法行為的發(fā)生率。

步驟208，根據分析處理結果，生成數(shù)據圖表，并輸出所述數(shù)據圖表。

在這里，將分析處理結果以數(shù)據圖表的形式進行輸出，便于各個交通部門傳閱查看，從而提高用戶體驗。

上述實施例中，通過確定獲取到的交通違法數(shù)據包括的特征參數(shù)，并可根據確定出的特征參數(shù)直接對交通違法數(shù)據進行分析處理，從而無須再采用人工方式對數(shù)據進行逐條處理，從而提高了數(shù)據處理效率。

如圖3所示，本發(fā)明實施例提供了一種基于交通違法數(shù)據的云分析系統(tǒng)，包括：獲取模塊301、確定模塊302和分析處理模塊303；其中，

所述獲取模塊301，用于獲取至少一條交通違法數(shù)據；

所述確定模塊302，用于確定所述獲取模塊301獲取到的每條所述交通違法數(shù)據包括的至少一個特征參數(shù)；

所述分析處理模塊303，用于根據所述確定模塊302確定出的各條所述交通違法數(shù)據分別對應的至少一個特征參數(shù)，對所述至少一條交通違法數(shù)據進行分析處理。

上述實施例中，通過確定獲取到的交通違法數(shù)據包括的特征參數(shù)，并可根據確定出的特征參數(shù)直接對交通違法數(shù)據進行分析處理，從而無須再采用人工方式對數(shù)據進行逐條處理，從而提高了數(shù)據處理效率。

如圖4所示，本發(fā)明一個實施例中，所述分析處理模塊303包括：構建子模塊401、數(shù)據模型確定子模塊402和數(shù)據處理子模塊403；其中，

所述構建子模塊401，用于構建至少一個分析算法分別對應的至少一個數(shù)據模型；

所述數(shù)據模型確定子模塊402，用于根據所述確定模塊302確定出的各條所述交通違法數(shù)據分別對應的至少一個特征參數(shù)，從所述構建子模塊401中確定與所述特征參數(shù)對應的至少一個數(shù)據模型；

所述數(shù)據處理子模塊403，用于利用所述數(shù)據模型確定子模塊402確定出的數(shù)據模型，對所述至少一條交通違法數(shù)據進行分析處理。

在這里，可以構建多個分析算法對應的數(shù)據模型，例如，根據統(tǒng)計分析算法構建的統(tǒng)計分析模型、根據k-means算法構建的特征聚類分析模型和位置聚類分析模型，以及根據apriori算法和fp-growth算法構建的數(shù)據關聯(lián)分析模型等，可根據交通違法數(shù)據中包括的違法地點、違法時間和違法行為等選擇相應的數(shù)據模型，對交通違法數(shù)據進行分析處理。

具體地，本發(fā)明一個實施例中，所述特征參數(shù)包括：違法地點、違法時間和違法行為；

所述分析算法包括：統(tǒng)計分析算法；

所述數(shù)據模型確定子模塊402，用于根據所述違法地點、所述違法時間和所述違法行為，確定與所述統(tǒng)計分析算法相對應的數(shù)據統(tǒng)計分析模型；

所述數(shù)據處理子模塊403，用于利用確定出的所述數(shù)據統(tǒng)計分析模型，確定交通違法的高發(fā)地段；和/或，利用確定出的所述數(shù)據統(tǒng)計分析模型，確定交通違法的高發(fā)時間；和/或，利用確定出的所述數(shù)據統(tǒng)計分析模型，確定高發(fā)違法行為。

在這里，可根據數(shù)據統(tǒng)計分析模型，確定出交通違法的高發(fā)地段、高發(fā)時間和高發(fā)違法行為，并且在統(tǒng)計過程中，可調節(jié)數(shù)據統(tǒng)計分析模型的相關統(tǒng)計參數(shù)，通過參數(shù)調節(jié)獲得最優(yōu)統(tǒng)計結果。通過數(shù)據統(tǒng)計分析模型確定出交通違法的高發(fā)地段、高發(fā)時間和高發(fā)違法行為，有利于各個交警部門按需查看，采取相關措施減少違法行為的發(fā)生率。

為了進一步提高數(shù)據處理效率，本發(fā)明一個實施例中，所述確定模塊302，進一步用于判斷每條所述交通違法數(shù)據的格式是否符合預設的標準數(shù)據格式，如果是，則根據所述標準數(shù)據格式，確定所述交通違法數(shù)據包括的至少一個特征參數(shù)；否則，將所述交通違法數(shù)據的格式轉換為所述標準數(shù)據格式，執(zhí)行所述根據所述標準數(shù)據格式，確定所述交通違法數(shù)據包括的至少一個特征參數(shù)。

上述實施例中，在獲取到交通違法數(shù)據之后，首先將交通違法數(shù)據的格式轉換為標準數(shù)據格式，然后可直接按照標準數(shù)據格式，確定交通違法數(shù)據的特征參數(shù)。這使得可根據統(tǒng)一的數(shù)據格式，對交通違法數(shù)據進行處理，而無須從不同數(shù)據格式中查找特征參數(shù)，便于特征參數(shù)的確定，從而進一步提高了數(shù)據數(shù)量效率。

為了便于用戶查看，本發(fā)明一個實施例中，該云分析系統(tǒng)進一步包括：輸出模塊；其中，

所述輸出模塊，用于根據所述分析處理模塊的分析處理結果，生成數(shù)據圖表，并輸出所述數(shù)據圖表。

在這里，將分析處理結果以數(shù)據圖表的形式進行輸出，便于各個交通部門傳閱查看，從而提高用戶體驗。

上述裝置內的各模塊之間的信息交互、執(zhí)行過程等內容，由于與本發(fā)明方法實施例基于同一構思，具體內容可參見本發(fā)明方法實施例中的敘述，此處不再贅述。

本發(fā)明還提供了一種可讀介質，包括執(zhí)行指令，當存儲控制器的處理器執(zhí)行所述執(zhí)行指令時，所述存儲控制器執(zhí)行本發(fā)明上述任一實施例提供的方法。

另外，本發(fā)明還提供了一種存儲控制器，包括：處理器、存儲器和總線；所述存儲器用于存儲執(zhí)行指令，所述處理器與所述存儲器通過所述總線連接，當所述存儲控制器運行時，所述處理器執(zhí)行所述存儲器存儲的所述執(zhí)行指令，以使所述存儲控制器執(zhí)行本發(fā)明上述任一實施例提供的方法。

綜上所述，本發(fā)明的各個實施例至少具有如下有益效果：

1、在本發(fā)明實施例中，通過確定獲取到的交通違法數(shù)據包括的特征參數(shù)，并可根據確定出的特征參數(shù)直接對交通違法數(shù)據進行分析處理，從而無須再采用人工方式對數(shù)據進行逐條處理，從而提高了數(shù)據處理效率。

2、在本發(fā)明實施例中，通過數(shù)據統(tǒng)計分析模型確定出交通違法的高發(fā)地段、高發(fā)時間和高發(fā)違法行為，有利于各個交警部門按需查看，采取相關措施減少違法行為的發(fā)生率。

3、在本發(fā)明實施例中，在獲取到交通違法數(shù)據之后，首先將交通違法數(shù)據的格式轉換為標準數(shù)據格式，然后可直接按照標準數(shù)據格式，確定交通違法數(shù)據的特征參數(shù)。這使得可根據統(tǒng)一的數(shù)據格式，對交通違法數(shù)據進行處理，而無須從不同數(shù)據格式中查找特征參數(shù)，便于特征參數(shù)的確定，從而進一步提高了數(shù)據數(shù)量效率。

4、在本發(fā)明實施例中，將分析處理結果以數(shù)據圖表的形式進行輸出，便于各個交通部門傳閱查看，從而提高用戶體驗。

需要說明的是，在本文中，諸如第一和第二之類的關系術語僅僅用來將一個實體或者操作與另一個實體或操作區(qū)分開來，而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關系或者順序。而且，術語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設備所固有的要素。在沒有更多限制的情況下，由語句“包括一個······”限定的要素，并不排除在包括所述要素的過程、方法、物品或者設備中還存在另外的相同因素。

本領域普通技術人員可以理解：實現(xiàn)上述方法實施例的全部或部分步驟可以通過程序指令相關的硬件來完成，前述的程序可以存儲在計算機可讀取的存儲介質中，該程序在執(zhí)行時，執(zhí)行包括上述方法實施例的步驟；而前述的存儲介質包括：rom、ram、磁碟或者光盤等各種可以存儲程序代碼的介質中。

最后需要說明的是：以上所述僅為本發(fā)明的較佳實施例，僅用于說明本發(fā)明的技術方案，并非用于限定本發(fā)明的保護范圍。凡在本發(fā)明的精神和原則之內所做的任何修改、等同替換、改進等，均包含在本發(fā)明的保護范圍內。