本申请涉及物联网、大数据挖掘，尤其涉及一种基于用户位置特征的车主和汽车号码关联识别方法、装置、电子设备及存储介质。
背景技术：
1、随着私家车的普及，人们的出行方式正在由原来的公共交通工具向私家车转移，同时，现代社会手机已经成为随身携带的必需品。人车关联可以实现双向关联分析，既可以实现"人找车"，又可以实现"车找人"。
2、现有的人车关联分析实现方案主要通过“机动车登记信息”来获取人与车的关联关系，但由于“机动车登记信息”是静态数据，更新周期很长，且登记的车主与车辆实际的使用人往往不是同一人，通常会导致关联出的手机号错误，产生干扰。
3、综合所述可知，如何设计一种提取效率高、运算速度快的车主和汽车号码关联识别方法是目前亟需解决的问题。
技术实现思路
1、本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
2、为此，本申请的第一个目的在于提出一种基于用户位置特征的车主和汽车号码关联识别方法，以解决现有技术手段局限性较大，只能关联通过卡口的车辆数据，否则无法识别，且卡口数据存在数据不完整等问题，数据采集不完善等问题。
3、本申请的第二个目的在于提出一种装置。
4、本申请的第三个目的在于提出一种电子设备。
5、本申请的第四个目的在于提出一种计算机可读存储介质。
6、为达上述目的，本申请第一方面实施例提出了一种基于用户位置特征的车主和汽车号码关联识别方法，包括：
7、对移动用户采集信令数据，获得车主号码；
8、基于车企开卡信息及车联网情况对汽车号码进行识别，获得汽车识别号码；
9、建立dtw轨迹模型，将所述信令数据及所述汽车识别号码进行关联处理，获得人车号码关联结果。
10、优选地，所述对移动用户采集信令数据，获得车主号码包括：
11、采集指定时间内的移动用户信令数据；
12、基于规则提取原则判断所述信令数据是否符合车主规则，若不符合则为非车主，若符合则继续判断所述信令数据是否符合学车规则；
13、若符合学车规则，则为非车主，若不符合学车规则，所述信令数据为车主号码。
14、优选地，所述基于车企开卡信息及车联网情况对汽车号码进行识别，获得汽车识别号码包括：
15、基于车企开卡信息获得第一汽车号码集合；
16、基于车联网的专网apn识别获得第二汽车号码集合，并通过专用apn接入网络、分配不同的ip地址和策略，对所述第二汽车号码集合进行区隔；
17、基于所述第一汽车号码集合及区隔后的第二汽车号码集合，获取车辆网专网apn，匹配xdr信令apn，获得汽车识别号码。
18、优选地，所述建立dtw轨迹模型，将所述信令数据及所述汽车识别号码进行关联处理，获得人车号码关联结果包括：
19、获取已采集的车主号码、汽车号码及其时空数据并存入数据库，生成用户位置快照表；
20、将时间段划分为白天和晚上两个时间区间，以拍照的形式生成车主号码及汽车号码轨迹；
21、基于所述车主号码轨迹及汽车号码轨迹生成车主号码时空轨迹及车辆号码时空轨迹；
22、将所述车主号码时空轨迹及所述车辆号码时空轨迹套入动态时间规整轨迹模型，计算车主号码与汽车号码轨迹的轨迹距离；
23、基于预设的关联级别阈值对所述轨迹距离进行筛选过滤，获得满足阈值要求的轨迹。
24、优选地，所述基于所述车主号码轨迹及汽车号码轨迹生成车主号码时空轨迹及车辆号码时空轨迹计算公式为：
25、tr＝{p1，p2，p3，...，pn}
26、其中，tr为时空轨迹，pi＝(lat，lng，t)为该物体在t时刻位于地理坐标位置(lat，lng)上，lat为纬度，lng为经度。
27、优选地，所述动态时间规整轨迹模型计算公式为：
28、
29、其中，为该车主号码轨迹的第一个点，为除第一个点之外的所有点组成的子序列。
30、优选地，所述基于预设的关联级别阈值对所述轨迹距离进行筛选过滤，获得满足阈值要求的轨迹包括：
31、根据预设关联级别阈值对所述轨迹距离进行过滤，筛选出满足阈值要求的轨迹并按照dtw结果由小到大排列展示，对两条轨迹间dtw距离小于预设值的车主号码和汽车号码进行提取，用白天dtw距离为主确认车主号码和汽车号码范围，晚上dtw距离为辅确认最终的车主号码和汽车号码，获得关联结果。
32、为达上述目的，本申请第二方面实施例提出了一种基于用户位置特征的车主和汽车号码关联识别装置，包括：
33、车主数据获取模块，对移动用户采集信令数据，获得车主号码；
34、汽车数据获取模块，基于车企开卡信息及车联网情况对汽车号码进行识别，获得汽车识别号码；
35、数据关联模块，建立dtw轨迹模型，将所述信令数据及所述汽车识别号码进行关联处理，获得人车号码关联结果。
36、为达上述目的，本申请第三方面实施例提出了一种电子设备，包括：处理器，以及与所述处理器通信连接的存储器；
37、所述存储器存储计算机执行指令；
38、所述处理器执行所述存储器存储的计算机执行指令，以实现上述任一项所述的方法。
39、为达上述目的，本申请第四方面实施例提出了一种计算机可读存储介质，包括所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现上述任一项所述的方法。
40、本申请提供的一种基于用户位置特征的车主和汽车号码关联识别方法、装置、电子设备及存储介质，通过大数据处理技术识别车主号码与汽车号码，从而实现对车主与汽车号码进行追踪匹配，以时间维度为条件的加权方式对基于dtw的相似度匹配方法进行改进,避免了其他算法将相隔较远的时间段内两条轨迹作为相似轨迹,降低轨迹相似度的对比过程复杂度,并可以根据改进的轨迹相似度算法,得到设定时间段内的车主号码及汽车号码,再利用条件参数中的阈值进行过滤,从而关联车主号码及汽车号码，实现了高效、精准地将车主和汽车号码关联识别。
41、本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
1.一种基于用户位置特征的车主和汽车号码关联识别方法，其特征在于，包括：
2.根据权利要求1所述的基于用户位置特征的车主和汽车号码关联识别方法，其特征在于，所述对移动用户采集信令数据，获得车主号码包括：
3.根据权利要求1所述的基于用户位置特征的车主和汽车号码关联识别方法，其特征在于，所述基于车企开卡信息及车联网情况对汽车号码进行识别，获得汽车识别号码包括：
4.根据权利要求1所述的基于用户位置特征的车主和汽车号码关联识别方法，其特征在于，所述建立dtw轨迹模型，将所述信令数据及所述汽车识别号码进行关联处理，获得人车号码关联结果包括：
5.根据权利要求4所述的基于用户位置特征的车主和汽车号码关联识别方法，其特征在于，所述基于所述车主号码轨迹及汽车号码轨迹生成车主号码时空轨迹及车辆号码时空轨迹计算公式为：
6.根据权利要求5所述的基于用户位置特征的车主和汽车号码关联识别方法，其特征在于，所述动态时间规整轨迹模型计算公式为：
7.根据权利要求1所述的基于用户位置特征的车主和汽车号码关联识别方法，其特征在于，所述基于预设的关联级别阈值对所述轨迹距离进行筛选过滤，获得满足阈值要求的轨迹包括：
8.一种基于用户位置特征的车主和汽车号码关联识别装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括：处理器，以及与所述处理器通信连接的存储器；
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1-7中任一项所述的方法。
