CN103886739B - 基于大规模实时交通指数系统的个性化服务平台 - Google Patents

基于大规模实时交通指数系统的个性化服务平台 Download PDF

Info

Publication number
CN103886739B
CN103886739B CN201410078686.6A CN201410078686A CN103886739B CN 103886739 B CN103886739 B CN 103886739B CN 201410078686 A CN201410078686 A CN 201410078686A CN 103886739 B CN103886739 B CN 103886739B
Authority
CN
China
Prior art keywords
user
module
information
path
index
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
Application number
CN201410078686.6A
Other languages
English (en)
Other versions
CN103886739A (zh
Inventor
蒋昌俊
闫春钢
陈闳中
方钰
王凡
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tongji University
Original Assignee
Tongji University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tongji University filed Critical Tongji University
Priority to CN201410078686.6A priority Critical patent/CN103886739B/zh
Publication of CN103886739A publication Critical patent/CN103886739A/zh
Application granted granted Critical
Publication of CN103886739B publication Critical patent/CN103886739B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Information Transfer Between Computers (AREA)
  • Traffic Control Systems (AREA)

Abstract

一种基于大规模实时交通指数系统的个性化服务平台,分为三个部分:用户个性化订制模块,移动终端指数推送模块及大规模用户信息挖掘模块。所述用户个性化订制平台为用户订制习惯出行路线上的基础交通信息提供途径,它包括指数地图模块、用户管理模块和路径管理模块。所述大规模用户信息挖掘模型依赖用户注册数据,通过大规模集群计算,对用户在出行指数信息的时间及空间需求的特征规律挖掘,建立个性出行敏感区域,所述大规模用户信息挖掘模型包括用户信息分析模块和交通信息分析模块。将交通指数应用到交通服务中,实现面向用户的交通指数实时推送服务,有利于为广大出行用户提供更为准确、实用的交通信息。

Description

基于大规模实时交通指数系统的个性化服务平台
技术领域
本发明涉及道路交通服务平台。
背景技术
道路交通状态指数是一项公平反映各等级道路车辆出行相对拥堵体验的标准化指标,以道路行程车速为核心计算参数,结果取值介于0至100之间的无量纲数字,趋向100表示交通越不畅通(不舒适,拥堵感明显),趋向0表示交通越畅通(舒适,无拥堵感觉)。相较与传统的交通服务信息系统仅能向用户提供拥堵、一般和畅通三种交通态势,交通指数技术能够将实时交通的拥堵程度通过数学模型加以量化,提供用户更直观的交通态势感受。
目前,基于分布式框架的大规模实时交通指数计算系统已经出现。该类系统能够针对海量的实时交通数据,通过分布式的集群计算,计算出大规模交通路网的实时交通指数。但是由于缺少合适的交通个性化服务平台,该类系统并不能满足日益增长的个体用户出行对于实时交通信息的需求,一种全新的面向用户的交通指数个性化服务技术的研究迫在眉睫。
发明内容
本发明的目的在于提供一种大规模实时交通指数个性化服务平台的设计与实现方案及基于该平台的服务推送方法。本发明将交通信息的计算能力和面向用户的个性化服务更好地结合,为个体用户出行地路径选择提供更加完善的解决方案。
为达上述目的,本发明采用如下技术方案:
一种基于大规模实时交通指数系统的个性化服务平台,其特征在于,设计分为三个部分:用户个性化订制模块、移动终端指数推送模块、和大规模用户信息挖掘模块。
所述用户个性化订制平台包括指数地图模块、用户管理模块、和路径管理模块,为用户订制其在习惯出行路线上的基础交通信息提供了途径。所述指数地图模块为用户提供全区域实时路况,路径查找,路径优化,路径选取功能。用户通过指数地图模块可了解基于交通指数的实时交通状态,完成个性化路径注册。所述用户管理模块为用户提供用户登陆,用户注册,用户个性化设置功能。所述路径管理模块为用户提供实时路径信息浏览,详细路径信息描述,路径注册,路径删除,路径显示功能。通过路径管理模块,用户可浏览已注册路径信息,对已注册路径进行管理操作。
所述移动终端指数推送模块支持按用户的个性化需求和定制进行交通指数的推送,主要包括服务器端请求受理中心、和移动终端指数展现平台两个模块,服务器端可按照用户设定向用户注册的移动终端发送实时交通信息,移动终端也可自由发送请求给服务器端进行数据请求。
所述服务器端交通信息请求中心包括请求管理,请求分配,请求推送,定时推送功能。接收到用户请求时,使用负载均衡技术进行请求分配,通过数据库中维护的用户路径信息,查询请求路径的实时交通指数并返回给用户。用户个性化设置时,可设置推送时间,服务器端根据该设置定时推送实时交通指数给用户。
所述移动端交通信息展示模块按照用户设定发送实时交通信息请求,并将返回的数据以简单友好的方式展现给用户。另外,移动端交通信息展示模块还包括用户评价反馈,实时交通路况提醒功能。
所述大规模用户信息挖掘模型包括用户信息分析模型和交通信息分析模型,主要依赖用户注册数据,通过大规模集群计算,对用户出行指数信息的时间及空间需求的特征规律进行挖掘,建立个性出行敏感区域。用户信息分析模块通过对海量用户注册的信息进行分析,得出用户对推送时间,路径起点,路径终点等信息的偏好,向有关部门进行反馈。交通信息分析模块对实时交通信息进行分析,得出各区域在不同时间段中的交通指数变化情况,向有关部门进行反馈。
本发明首次将交通指数以个性化服务推送的方式向公众开放,提供个性化解决方案,将交通指数应用到交通信息服务中,通过Web方式实现基于交通指数的交通信息展示,并实现面向用户的交通指数实时推送服务,有利于为广大出行用户提供更为准确、实用的交通信息。
本发明基于分布式框架的大规模实时交通指数计算系统,实现了交通个性化服务平台方案,能满足日益增长的个体用户出行对于实时交通信息的需求,提供了一种全新的基于指数的交通信息服务模式。
附图说明
图1:本发明基于大规模实时交通指数系统的个性化服务平台结构示意图。
图2:基于大规模实时交通指数系统的个性化服务平台的服务流程。
图3:基于海量用户数据及交通指数数据的用户信息挖掘模型与算法流程。
具体实施方式
如图1所示,基于大规模实时交通指数系统的个性化服务平台的设计分为三个部分:用户个性化订制模块、移动终端指数推送模块、和大规模用户信息挖掘模块。
用户个性化订制平台包括指数地图模块、用户管理模块、和路径管理模块,为用户订制习惯出行路线上的基础交通信息提供了途径。所述指数地图模块为用户提供实时路况,路径查找,路径优化,路径选取功能。用户通过指数地图模块可了解实时交通信息,完成个性化路径注册。所述用户管理模块为用户提供用户登陆,用户注册,用户个性化设置功能。所述路径管理模块为用户提供实时路径信息浏览,详细路径信息描述,路径注册,路径删除,路径显示功能。用户可进行浏览已注册路径信息,对已注册路径进行管理等操作。在现实中,对于个性化出行指数的使用主要是上班族和货品配送车辆,其出行在时间和空间上有不同的需求,因此为不同用户提供多样化的选择十分重要。
移动终端指数推送模块支持按用户的个性化需求和定制进行交通指数的推送,主要包括服务器端请求受理中心、和移动终端指数展现平台两个模块,服务器端可按照用户设定向用户注册的移动终端发送实时交通信息,移动端也可自由发送请求给服务器端进行数据请求。
服务器端交通信息请求中心包括请求管理,请求分配,请求推送,定时推送功能。接收到用户请求时,使用负载均衡技术进行请求分配,通过数据库中维护的用户路径信息,查询请求路径的实时交通指数并返回给用户。用户个性化设置时,可设置推送时间,服务器端根据该设置定时推送实时交通指数给用户。
移动端交通信息展示模块按照用户设定发送实时交通信息请求,并将返回的数据以简单友好的方式展现给用户。另外,移动端交通信息展示模块还包括用户评价反馈,实时交通路况提醒等功能。即:
移动端交通信息展示平台包括实时交通指数展示,用户评价反馈功能。该模块接收服务器端的推送信息,对交通指数信息进行展示,用户可根据本次服务的准确程度对系统进行评价和反馈。
大规模用户信息挖掘模型包括用户信息分析模型和交通信息分析模型,主要依赖用户注册数据,通过大规模集群计算,对用户在出行指数信息的时间及空间需求的特征规律挖掘,建立个性出行敏感区域。用户信息分析模块通过对海量用户注册的信息进行分析,得出用户对推送时间,路径起点,路径终点等信息的偏好,向有关部门进行反馈。交通信息分析模块对实时交通信息进行分析,得出各区域在不同时间段中的交通指数变化情况,向有关部门进行反馈。
大规模用户信息挖掘模型针对海量用户数据进行用户规律挖掘。在海量用户使用的基础上,将使用记录和计算结果记录进行分析和挖掘是很有必要的。主要内容对用户规律以及道路规律的挖掘,以便于交通管理和政策的制定。
如图2所示,一种基于大规模实时交通指数系统的个性化服务平台的实现,具体步骤包括:
步骤1:系统启动。启动服务集群;
步骤2:服务开始,输入网址,请求网页。用户首先输入交通指数服务的网址,进入网站页面;
步骤3:用户选择服务。用户选择交通指数查询服务、用户个性化路径指数查询服务、用户个性化路径管理服务等;
步骤4:用户服务请求分发。将用户请求按照负载均衡的方式分发到服务集群的各个节点中进行指数数据及用户数据的获取;
步骤5:用户数据获取。按照服务请求需求,返回用户管理相关数据,包括用户信息,用户个性化配置等;
步骤6:路径数据获取。按照服务请求需求,返回用户存储的个性化路径信息;
步骤7:指数数据获取。按照服务请求需求,调用大规模实时交通指数系统中的指数计算服务,获取相关指数信息数据;
步骤8:缓存数据。按照指数更新的周期将每次服务请求的返回数据进行缓存;
步骤9:地图服务获取。按照服务请求需求,返回指定区域的路网地址数据;
步骤10:动态路况展示。根据服务请求返回数据,采用指数信息结合颜色定量展示方式,显示交通指数的实时路况;
步骤11:交通指数查询展示。根据服务请求返回数据,展示指定查询的交通指数信息;
步骤12:个性化路径指数展示。根据服务请求返回数据,展示用户个性化路径指数信息;
步骤13:移动数据推送。根据服务请求返回的用户个性化偏好设置,通过移动网络将用户的个性化路径的实时交通指数信息以及用户的个性化出行信息推送到用户的移动终端中;
步骤14:服务结束。
基于大规模实时交通指数系统的个性化服务平台的用户信息挖掘方法描述如下:
大量用户的定制路径为整个路网上用户出行状况的OD矩阵提供了计算依据。O-D(Origin-Destination)是用以描述整个交通路网上各个节点之间出行量的数学模型。因为人的出行OD矩阵具有周期性,通过周期性的叠加能够调整OD矩阵的密度,提高数据的有效性。首先,将每条GPS数据的起点和终点进行累加并更新其平均值作为O点和D点区域的重心,每条GPS的加入要满足其位置与中心的距离小于界限值Q。其重心可表示为:
C i ( x , y ) = 1 n &Sigma; x < n , | C i - G x | < Q G x ( x , y )
其中,G为每个O点或D点的GPS坐标,C为聚类形成的区域重心。第二,在叠加O、D点的同时将OD关系累计到区域OD矩阵中。矩阵中元素ma,b(从a区域到b区域的出行量)可表示为:
Count(x<n,Gx-Ca<Q,Gx-Cb|<Q)
第三,累计尽量多的GPS数据,提高区域OD矩阵有效性。
第四,在仿真中产生车辆时每个点的产生车辆的概率要以这一点距离其所在区域的重心的距离为指导,距离越大,产生的概率就越小,反之越大。
模型及算法流程如图3所示,相应算法的执行流程如下:
步骤1:获取数据。获取用户注册路径信息及各时段交通指数信息;
步骤2:分析用户注册信息。对用户注册路径的起始点信息,用户设定推送时间进行统计分析;
步骤3:总结用户出行规律。
步骤4:分析实时交通指数信息。对各时间段交通指数信息进行分析,可判断出各区域不同时间段的交通状况;
步骤5:总结交通指数变化规律。

Claims (1)

1.一种基于大规模实时交通指数系统的个性化服务平台,其特征在于,设计分为三个部分:用户个性化定制模块、移动终端指数推送模块、和大规模用户信息挖掘模块,
所述用户个性化定制模块包括指数地图模块、用户管理模块、和路径管理模块,为用户定制习惯出行路线上的基础交通信息提供了途径;
所述指数地图模块为用户提供实时路况、路径查找、路径优化、路径选取功能,用户通过指数地图模块可了解实时交通信息,完成个性化路径注册;
所述用户管理模块为用户提供用户登陆、用户注册、用户个性化设置功能;所述路径管理模块为用户提供实时路径信息浏览、详细路径信息描述、路径注册、路径删除、路径显示功能;通过路径管理模块,用户可进行浏览已注册路径信息,对已注册路径进行管理操作;
所述移动终端指数推送模块支持按用户的个性化需求和定制进行交通指数的推送,包括服务器端请求受理中心、和移动终端指数展现平台两个模块,服务器端可按照用户设定向用户注册的移动终端发送实时交通信息,移动终端也可自由发送请求给服务器端进行数据请求;
所述服务器端请求受理中心包括请求管理、请求分配、请求推送、定时推送功能,接收到用户请求时,使用负载均衡技术进行请求分配,通过数据库中维护的用户路径信息,查询请求路径的实时交通指数并返回给用户;用户个性化设置时,可设置推送时间,服务器端根据该设置定时推送实时交通指数给用户;
所述移动终端指数展现平台按照用户设定发送实时交通信息请求,并将返回的数据以简单友好的方式展现给用户,另外,移动终端指数展现平台还包括用户评价反馈,实时交通路况提醒功能;
所述大规模用户信息挖掘模块包括用户信息分析模块和交通信息分析模块,主要依赖用户注册数据,通过大规模集群计算,对用户在出行指数信息的时间及空间需求的特征规律挖掘,建立个性出行敏感区域;
用户信息分析模块通过对海量用户注册的信息进行分析,得出用户对推送时间、路径起点、路径终点信息的偏好,向有关部门进行反馈;
交通信息分析模块对实时交通信息进行分析,得出各区域在不同时间段中的交 通指数变化情况,向有关部门进行反馈。
CN201410078686.6A 2014-03-05 2014-03-05 基于大规模实时交通指数系统的个性化服务平台 Active CN103886739B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410078686.6A CN103886739B (zh) 2014-03-05 2014-03-05 基于大规模实时交通指数系统的个性化服务平台

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410078686.6A CN103886739B (zh) 2014-03-05 2014-03-05 基于大规模实时交通指数系统的个性化服务平台

Publications (2)

Publication Number Publication Date
CN103886739A CN103886739A (zh) 2014-06-25
CN103886739B true CN103886739B (zh) 2016-10-12

Family

ID=50955608

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410078686.6A Active CN103886739B (zh) 2014-03-05 2014-03-05 基于大规模实时交通指数系统的个性化服务平台

Country Status (1)

Country Link
CN (1) CN103886739B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105430032A (zh) 2014-09-17 2016-03-23 阿里巴巴集团控股有限公司 结合终端地理位置推送信息的方法及服务器
CN104282140B (zh) * 2014-09-22 2016-06-15 同济大学 基于分布式框架的大规模实时交通指数服务方法与系统
CN104537000B (zh) * 2014-12-12 2018-09-07 百度在线网络技术(北京)有限公司 一种用于推送信息的方法和装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1904935A (zh) * 2005-07-26 2007-01-31 同济大学 用网格技术实现交通信息服务的系统和方法
CN101964148B (zh) * 2009-07-24 2013-06-19 日立(中国)研究开发有限公司 道路交通信息记录服务器和gps用户终端
CN101895358A (zh) * 2010-06-24 2010-11-24 北京世纪高通科技有限公司 一种交通信息发布方法及系统
CN102044163B (zh) * 2011-01-18 2013-08-07 北京世纪高通科技有限公司 一种提供路况信息的方法、装置及系统
CN103258421A (zh) * 2012-02-15 2013-08-21 日立(中国)研究开发有限公司 用于提供交通信息服务的中心服务器以及方法

Also Published As

Publication number Publication date
CN103886739A (zh) 2014-06-25

Similar Documents

Publication Publication Date Title
Toole et al. The path most traveled: Travel demand estimation using big data resources
Musolino et al. Freight vehicle routing with reliable link travel times: A method based on network fundamental diagram
CN103108031B (zh) 云边拓扑
CN103020222B (zh) 用于车辆gps数据分析与异常监测的可视挖掘方法
Miller et al. Geographic information systems for transportation in the 21st century
CN103793489B (zh) 一种在线社交网络中社群话题的发现方法
Zou et al. Robustness analysis of urban transit network based on complex networks theory
Zhang et al. Competitive, cooperative and Stackelberg congestion pricing for multiple regions in transportation networks
Li et al. Intelligent GIS for solving high‐dimensional site selection problems using ant colony optimization techniques
CN101923549A (zh) 自定义可视化智能轨迹线索分析系统及建立方法
CN108737492A (zh) 一种基于大数据系统的导航与位置服务的方法
CN110716935A (zh) 基于网约车出行的轨迹数据分析与可视化方法及系统
Yu et al. Improved ant colony optimisation for the dynamic multi-depot vehicle routing problem
CN103886739B (zh) 基于大规模实时交通指数系统的个性化服务平台
CN105760449A (zh) 一种面向多源异构数据的云推送方法
Liu et al. Dynamic activity-travel assignment in multi-state supernetworks under transport and location capacity constraints
Toole et al. The path most travelled: mining road usage patterns from massive call data
Bendle The structures and flows of a large tourist itinerancy network
Ho et al. A congestion-pricing problem with a polycentric region and multi-class users: a continuum modelling approach
CN107908636A (zh) 一种利用社交媒体挖掘人类活动时空模式的方法
Shiripour et al. A transportation network model with intelligent probabilistic travel times and two hybrid algorithms
Bettencourt Introduction to urban science
Liu et al. Mining top-n high-utility operation patterns for taxi drivers
CN107995278B (zh) 一种基于城域级物联网感知数据的场景智能分析系统与方法
Harris Jr A STOCHASTIC PROCESS MODEL OF RESIDENTIAL DEVELOPMENT.

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant