CN103729499B - 基于公共交通数据的区域人气聚集指数计算系统及方法 - Google Patents
基于公共交通数据的区域人气聚集指数计算系统及方法 Download PDFInfo
- Publication number
- CN103729499B CN103729499B CN201310686742.XA CN201310686742A CN103729499B CN 103729499 B CN103729499 B CN 103729499B CN 201310686742 A CN201310686742 A CN 201310686742A CN 103729499 B CN103729499 B CN 103729499B
- Authority
- CN
- China
- Prior art keywords
- popularity
- region
- area
- index
- aggregate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Abstract
本发明提供一种基于公共交通数据的区域人气聚集指数计算系统及方法。所述方法包括以下步骤：S1、采集公共交通数据；S2、划分原始区和根据原始区建立缓冲区；S3、从公共交通数据中获得出入所述原始区的人员流动信息，以得到原始人气聚集指数；S4、从公共交通数据中获得出入所述原始区的缓冲区的人员流动信息，以得到缓冲区人气聚集指数；S5、根据原始人气聚集指数和缓冲区人气聚集指数累计值建立人气引导模型；S6、根据人气引导模型校正原始人气聚集指数，以获得最终人气聚集指数。本发明能够在不借助其他测量设备的情况下较准确的测得任意指定区域的人气聚集指数，较之以前依赖于视频或是红外仪器的测量方法更为节约成本，简单便捷。
Description
技术领域
本发明涉及大数据处理技术领域，尤其涉及一种基于公共交通数据的区域人气聚集指数计算系统和方法。
背景技术
人气聚集指数的测算是大数据处理领域中最为重要的问题之一，小到个人出行，大到城市规划，处处都有人气聚集指数测算的影子。目前，企业和政府都在追寻成本低廉、方便精准的人气聚集测算方法，以提高社会服务行业的整体服务水平。
目前，全国很多商场、会场、医院、公园等公共场所采用红外感应或是视频识别技术测算人气聚集指数，测算方式较为机械，存在设备部署繁复，数据重复片面性等问题，造成由上述问题所带来的人力、物力、财力资源的浪费情况，缺乏理性的数字化模型作为人气聚集测算的方向指引，更缺乏对大型区域的人气聚集的宏观认识，从而使整个社会服务行业的服务能力达不到预期水平。
而且，国内流行的红外感应或是视频识别的人气聚集指数测算技术，都是针对于某个极小区域的测算技术。无可否认，这种技术在测定通道，大门等单向流动区域上有得天独厚的优势。但是在测定大厅、广场、公园、商圈等大中型区域时，对于同一时间，相关设备不能保证空间上的全面覆盖；对于同一空间，不同时间的信息会有重复和片面的现象。然而，随着社会化程度的不断提高，人们对社会服务的需求日益增长，基于较大区域的新型人气聚集指数测算也已经成为社会服务的重要组成部分。
鉴于上述现有技术的不足，希望有更为简单便捷的人气聚集指数的测算方法。
发明内容
本发明解决的技术问题在于提供一种基于公共交通数据的区域人气聚集指数计算系统和方法，可以在公共交通数据的基础上通过模型分析得出区域人气聚集指数。
为了解决以上技术问题，本发明提供了一种基于公共交通数据的区域人气聚集指数计算系统，其包括：公共交通数据模块、区域划分模块、数据处理模块、人气引导模型模块，以及校正模块，
所述公共交通数据模块，用于采集公共交通数据；
所述区域划分模块，用于划分原始区和根据原始区建立缓冲区；
所述数据处理模块，用于根据公共交通数据获得原始区和缓冲区的人员流动信息，并分别得到原始人气聚集指数和缓冲区人气聚集指数；
人气引导模型模块，用于根据原始人气聚集指数和缓冲区人气聚集指数累计值建立人气引导模型；
所述校正模块，用于根据人气引导模型校正原始人气聚集指数，以获得最终人气聚集指数。
优选的，所述区域由用户进行划分，所述原始区的区域面积大于1平方公里，所述缓冲区为原始区向外外延500米～1000米。
优选的，所述人气聚集指数采用人气聚集指数公式进行计算，为人气聚集指数=（进入区域人数-离开区域人数）/区域面积/统计时间，其中，进入区域人数为统计时间内所有公共交通工具在此区域的下客数量，离开区域人数为统计时间内所有公共交通工具在此区域的上客数量，区域面积为划定区域的面积，统计时间为用户划定的测算时间。
优选的，所述人气引导模型为：人气引导指数=(缓冲区人气聚集指数累计值/原始人气聚集指数累计值)*区域误差校正参数，其中，区域误差校正参数=（原始区面积/缓冲区面积）*（缓冲区参考半径/缓冲区半径）。
优选的，最终人气聚集指数=原始人气聚集指数*（1+人气引导指数）-缓冲区人气聚集指数。
为了解决本发明的技术问题，还提供了一种基于公共交通数据的区域人气聚集指数计算方法，其包括以下步骤：
S1、采集公共交通数据；
S2、划分原始区和根据原始区建立缓冲区；
S3、从公共交通数据中获得出入所述原始区的人员流动信息，以得到原始人气聚集指数；
S4、从公共交通数据中获得出入所述原始区的缓冲区的人员流动信息，以得到缓冲区人气聚集指数；
S5、根据原始人气聚集指数和缓冲区人气聚集指数累计值建立人气引导模型；
S6、根据人气引导模型校正原始人气聚集指数，以获得最终人气聚集指数。
优选的，在步骤S1中，所述公共交通数据包括但不限于出租车、公交车、地铁的交通数据。
优选的，在步骤S2中，所述区域由用户进行划分，所述原始区的区域面积大于1平方公里，所述缓冲区为原始区向外外延500米～1000米。
优选的，在步骤S5中，所述人气引导模型为：人气引导指数=(缓冲区人气聚集指数累计值/原始人气聚集指数累计值)*区域误差校正参数，其中，区域误差校正参数=（原始区面积/缓冲区面积）*（缓冲区参考半径/缓冲区半径）。
优选的，在步骤S6中，最终人气聚集指数=原始人气聚集指数*（1+人气引导指数）-缓冲区人气聚集指数。
本发明提供了一种基于公共交通数据的区域人气聚集指数计算系统及方法，能够在不借助其他测量设备的情况下较准确的测得任意指定区域的人气聚集指数，较之以前依赖于视频或是红外仪器的测量方法更为节约成本，简单便捷。
附图说明
图1为本发明基于公共交通数据的区域人气聚集指数计算系统的示意图；
图2为本发明基于公共交通数据的区域人气聚集指数计算方法的流程图。
具体实施方式
下面将结合附图以及具体实施例来对本发明作进一步详细说明。
请参考图1，本发明提供了一种基于公共交通数据的区域人气聚集指数计算系统100，其包括：公共交通数据模块20、区域划分模块30、数据处理模块40、人气引导模型模块50，以及校正模块60。
所述公共交通数据模块20，用于采集公共交通数据，所述公共交通数据包括但不限于出租车、公交车、地铁的交通数据。
所述区域划分模块30，用于划分原始区和根据原始区建立缓冲区；所述区域由用户进行划分，所述原始区的区域面积大于1平方公里，所述缓冲区为原始区向外外延500米～1000米。
所述数据处理模块40，用于根据公共交通数据获得原始区和缓冲区的人员流动信息，并分别得到原始人气聚集指数和缓冲区人气聚集指数；所述人气聚集指数采用人气聚集指数公式进行计算，为人气聚集指数=（进入区域人数-离开区域人数）/区域面积/统计时间，其中，进入区域人数为统计时间内所有公共交通工具在此区域的下客数量，离开区域人数为统计时间内所有公共交通工具在此区域的上客数量，区域面积为划定区域的面积，统计时间为用户划定的测算时间。
人气引导模型模块50，用于根据原始人气聚集指数和缓冲区人气聚集指数累计值建立人气引导模型；所述人气引导模型为：人气引导指数=(缓冲区人气聚集指数累计值/原始人气聚集指数累计值)*区域误差校正参数，其中，区域误差校正参数=（原始区面积/缓冲区面积）*（缓冲区参考半径/缓冲区半径）。
所述校正模块60，用于根据人气引导模型校正原始人气聚集指数，以获得最终人气聚集指数。最终人气聚集指数=原始人气聚集指数*（1+人气引导指数）-缓冲区人气聚集指数。
请参考图2，本发明还提供了一种基于公共交通数据的区域人气聚集指数计算方法，其包括以下步骤：
S1、采集公共交通数据；
在步骤S1中，所述公共交通数据包括但不限于出租车、公交车、地铁的交通数据。
S2、划分原始区和根据原始区建立缓冲区；
在步骤S2中，可以划分原始区和缓冲区。所述区域是由用户自由划分，所述原始区一般是方圆1平方公里以上的中大型区域，几平方米的小型范围不在本发明解决问题范围中。所述缓冲区一般是原始区向外外延500米～1000米，并根据用户需求的不同和区域的所处位置可以有所增减。可以理解，原始区一般是方圆1平方公里以上的中大型区域，缓冲区一般是原始区向外外延500米～1000米只是本发明实施例优选的方式，而在实际中原始区和缓冲区还可以其它的范围。
S3、从公共交通数据中获得出入所述原始区的人员流动信息，以得到原始人气聚集指数；
在步骤S3中，从公共交通数据中获得出入原始区的人员流动信息以确定原始人气聚集指数。人气聚集指数计算公式：人气聚集指数=（进入区域人数-离开区域人数）/区域面积/统计时间，其中进入区域人数为统计时间内所有公共交通工具在此区域的下客数量（人），同理，离开区域人数为统计时间内所有公共交通工具在此区域的上客数量（人）。区域面积为划定区域的面积（km2）。统计时间为用户划定的测算时间。
S4、从公共交通数据中获得出入所述原始区的缓冲区的人员流动信息，以得到缓冲区人气聚集指数；
在步骤S4中，从公共交通数据中获得出入缓冲区的人员流动信息以确定缓冲区人气聚集指数。计算方法同S3，不同的是将S3中的原始区换成了缓冲区。此处统计时间应当和S3的统计时间是同一时间段。
S5、根据原始人气聚集指数和缓冲区人气聚集指数累计值建立人气引导模型；
在步骤S5中，原始人气聚集指数累计值和S3中的计算方法依然相同，不同的是在此处将S3中的统计时间换成了一个具有普遍意义的累计时间，如1个月、1年，或是每个周末、每个节假日、每天的上下班高峰期等等，进出区域人数也是统计此累计时间内的人数。值得注意的是，S3中的统计时间和S5中的累计时间在普遍意义上是一一对应的，不同的是时间长短，例如S3中的统计时间是工作日的上下班高峰，S5的累计时间就应该是长时间段工作日的上下班高峰。累计时间和统计时间的选取方式包括但不限于此例。
同理，缓冲区人气聚集指数累计值和S4中的计算方法依然相同，不同的是在此处将S4中的统计时间换成了一个具有普遍意义的累计时间，进出区域人数也是统计此累计时间内的人数。
此处，原始人气聚集指数累计时间和缓冲区人气聚集指数累计时间应该是同一时间段。
接下来，通过分析原始区的原始人气聚集指数累计值和缓冲区人气聚集指数累计值BV，获得人气引导模型。模型建立的核心是人气引导指数的确立：人气引导指数=(缓冲区人气聚集指数累计值/原始人气聚集指数累计值)*区域误差校正参数，其中，区域误差校正参数=（原始区面积/缓冲区面积）*（缓冲区参考半径/缓冲区半径）。
S6、根据人气引导模型校正原始人气聚集指数，以获得最终人气聚集指数。
在步骤S6中，最终人气聚集指数=原始人气聚集指数*（1+人气引导指数）-缓冲区人气聚集指数。其中，原始人气聚集指数、缓冲区人气聚集指数分别由S3和S4得出，人气引导指数由S5得出。
本发明提供了一种基于公共交通数据的区域人气聚集指数计算系统及方法，能够在不借助其他测量设备的情况下较准确的测得任意指定区域的人气聚集指数，较之以前依赖于视频或是红外仪器的测量方法更为节约成本，简单便捷。
可以理解的是，对于本领域的普通技术人员来说，可以根据本发明的技术构思做出其他各种相应的改变与变形，而所有这些改变与变形都应属于本发明权利要求的保护范围。
Claims (5)
1.一种基于公共交通数据的区域人气聚集指数计算系统，其特征在于，包括：公共交通数据模块、区域划分模块、数据处理模块、人气引导模型模块，以及校正模块，
所述公共交通数据模块，用于采集公共交通数据；
所述区域划分模块，用于划分原始区和根据原始区建立缓冲区；
所述数据处理模块，用于根据公共交通数据获得原始区和缓冲区的人员流动信息，并分别得到原始人气聚集指数和缓冲区人气聚集指数，所述人气聚集指数采用人气聚集指数公式进行计算，为人气聚集指数＝(进入区域人数-离开区域人数)/区域面积/统计时间，其中，进入区域人数为统计时间内所有公共交通工具在此区域的下客数量，离开区域人数为统计时间内所有公共交通工具在此区域的上客数量，区域面积为划定区域的面积，统计时间为用户划定的测算时间；
所述人气引导模型模块，用于根据原始人气聚集指数和缓冲区人气聚集指数累计值建立人气引导模型，所述人气引导模型为：人气引导指数＝(缓冲区人气聚集指数累计值/原始人气聚集指数累计值)*区域误差校正参数，其中，区域误差校正参数＝(原始区面积/缓冲区面积)*(缓冲区参考半径/缓冲区半径)；
所述校正模块，用于根据人气引导模型校正原始人气聚集指数，以获得最终人气聚集指数，所述最终人气聚集指数＝原始人气聚集指数*(1+人气引导指数)-缓冲区人气聚集指数。
2.根据权利要求1所述基于公共交通数据的区域人气聚集指数计算系统，其特征在于：所述区域由用户进行划分，所述原始区的区域面积大于1平方公里，所述缓冲区为原始区向外外延500米～1000米。
3.一种基于公共交通数据的区域人气聚集指数计算方法，其特征在于，包括以下步骤：
S1、采集公共交通数据；
S2、划分原始区和根据原始区建立缓冲区；
S3、从公共交通数据中获得出入所述原始区的人员流动信息，以得到原始人气聚集指数；
S4、从公共交通数据中获得出入所述原始区的缓冲区的人员流动信息，以得到缓冲区人气聚集指数；
S5、根据原始人气聚集指数和缓冲区人气聚集指数累计值建立人气引导模型；
S6、根据人气引导模型校正原始人气聚集指数，以获得最终人气聚集指数；
其中，所述人气聚集指数采用人气聚集指数公式进行计算，为人气聚集指数＝(进入区域人数-离开区域人数)/区域面积/统计时间，其中，进入区域人数为统计时间内所有公共交通工具在此区域的下客数量，离开区域人数为统计时间内所有公共交通工具在此区域的上客数量，区域面积为划定区域的面积，统计时间为用户划定的测算时间；
所述人气引导模型为：人气引导指数＝(缓冲区人气聚集指数累计值/原始人气聚集指数累计值)*区域误差校正参数，其中，区域误差校正参数＝(原始区面积/缓冲区面积)*(缓冲区参考半径/缓冲区半径)；
所述最终人气聚集指数＝原始人气聚集指数*(1+人气引导指数)-缓冲区人气聚集指数。
4.根据权利要求3所述基于公共交通数据的区域人气聚集指数计算方法，其特征在于，在步骤S1中，所述公共交通数据包括但不限于出租车、公交车、地铁的交通数据。
5.根据权利要求3所述基于公共交通数据的区域人气聚集指数计算方法，其特征在于，在步骤S2中，所述区域由用户进行划分，所述原始区的区域面积大于1平方公里，所述缓冲区为原始区向外外延500米～1000米。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310686742.XA CN103729499B (zh) | 2013-12-12 | 2013-12-12 | 基于公共交通数据的区域人气聚集指数计算系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310686742.XA CN103729499B (zh) | 2013-12-12 | 2013-12-12 | 基于公共交通数据的区域人气聚集指数计算系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103729499A CN103729499A (zh) | 2014-04-16 |
| CN103729499B true CN103729499B (zh) | 2017-01-11 |
Family
ID=50453573
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310686742.XA Active CN103729499B (zh) | 2013-12-12 | 2013-12-12 | 基于公共交通数据的区域人气聚集指数计算系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103729499B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104715608B (zh) * | 2015-03-26 | 2017-01-11 | 杭州电子科技大学 | 基于HBase的全天候全域出租车聚集实时监测方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1370297A (zh) * | 1999-12-30 | 2002-09-18 | Ge资本商业财务公司 | 优化收益和现值的方法和系统 |
| US7870533B2 (en) * | 2007-03-08 | 2011-01-11 | Fujitsu Limited | Delay analysis apparatus, delay analysis method and computer product |
| CN102354313A (zh) * | 2003-12-08 | 2012-02-15 | Iac搜索和媒体公司 | 概念上组织和表述信息的方法和系统 |
-
2013
- 2013-12-12 CN CN201310686742.XA patent/CN103729499B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1370297A (zh) * | 1999-12-30 | 2002-09-18 | Ge资本商业财务公司 | 优化收益和现值的方法和系统 |
| CN102354313A (zh) * | 2003-12-08 | 2012-02-15 | Iac搜索和媒体公司 | 概念上组织和表述信息的方法和系统 |
| US7870533B2 (en) * | 2007-03-08 | 2011-01-11 | Fujitsu Limited | Delay analysis apparatus, delay analysis method and computer product |
Non-Patent Citations (3)
| Title |
|---|
| 几个常见分布式文件系统特征分析和性能对比;熊文 等;《集成技术》;20121130;第1卷(第4期);第58-63页 * |
| 地理信息系统与空间分析集成软件开发;范新生;《中国优秀博硕士学位论文全文数据库 (硕士) 基础科学辑》;20050915(第5期);第A008-12页 * |
| 城市交通地理信息系统的设计与实现;吴国荣;《中国优秀硕士学位论文全文数据库 基础科学辑》;20120315(第3期);第A008-83页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103729499A (zh) | 2014-04-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103985250B (zh) | 轻量级的全息道路交通状态视觉检测装置 | |
| CN104699956B (zh) | 一种基于移动终端的干线绿波协调效果评估方法 | |
| CN103955479B (zh) | 电子地图的实现方法及装置 | |
| CN109644320B (zh) | 一种使用wi-fi探针检测公共场所人流量的方法 | |
| CN104318781B (zh) | 基于rfid技术的行程速度获取方法 | |
| CN102881171B (zh) | 车辆检测方法及其车辆检测系统以及车辆路径规划系统 | |
| CN105355049B (zh) | 一种基于宏观基本图的高速公路运行状态评价方法 | |
| WO2020083399A1 (zh) | 基于交通流数据的协调干线线路规划方法及配置系统 | |
| CN107767669A (zh) | 基于WiFi和蓝牙识别的公交线路客流OD估计方法 | |
| CN109190507A (zh) | 一种基于轨道交通列车的客流拥挤度计算方法及装置 | |
| CN103295404A (zh) | 基于行人过街净空时间的路段行人交通信号控制系统 | |
| CN105160867B (zh) | 交通讯息预测方法 | |
| CN106779429A (zh) | 基于afc刷卡数据的轨道换乘站点客流拥塞风险评价方法 | |
| CN105096590B (zh) | 交通信息生成方法和交通信息生成设备 | |
| CN106920395B (zh) | 一种基于参数标定的交通阻抗计算方法 | |
| CN107818332B (zh) | 高速公路互通立交服务范围分析方法及装置 | |
| CN107330840B (zh) | 基于站台视频分析的城市公交客流调查方法及其调查系统 | |
| CN108810808A (zh) | 一种基于手机信令数据的区域客流饱和度计算方法 | |
| CN103903437A (zh) | 基于视频交通检测数据的机动车出行od矩阵获取方法 | |
| CN106709840B (zh) | 一种基于移动网络数据的城市常住人口估算方法 | |
| CN106980942B (zh) | 测算自行车快速道对公共自行车租赁点的影响范围的方法 | |
| CN110867075A (zh) | 一种评估雨天条件下道路测速仪对驾驶人员反应行为影响的方法 | |
| CN103729499B (zh) | 基于公共交通数据的区域人气聚集指数计算系统及方法 | |
| CN104750919A (zh) | 一种道路通行能力影响因素识别方法 | |
| CN104318790B (zh) | 一种交通信号灯配置方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20180408 Address after: 518000 Guangdong city of Shenzhen province Qianhai Shenzhen Hong Kong cooperation zone before Bay Road No. 1 building 201 room A Patentee after: SHENZHEN BEIDOU INTELLIGENCE TECHNOLOGY CO.,LTD. Address before: Room office building No. 1068 Shenzhen Institute of advanced technology A-301 518000 in Guangdong city of Shenzhen province Nanshan District Shenzhen University city academy Avenue Patentee before: Shenzhen shen-tech advanced Cci Capital Ltd. Effective date of registration: 20180408 Address after: Room office building No. 1068 Shenzhen Institute of advanced technology A-301 518000 in Guangdong city of Shenzhen province Nanshan District Shenzhen University city academy Avenue Patentee after: Shenzhen shen-tech advanced Cci Capital Ltd. Address before: 1068 No. 518055 Guangdong city in Shenzhen Province, Nanshan District City Xili University School Avenue Patentee before: SHENZHEN INSTITUTES OF ADVANCED TECHNOLOGY |
|
| TR01 | Transfer of patent right |