CN107862865B - 一种出行信息的预测方法及装置 - Google Patents
一种出行信息的预测方法及装置 Download PDFInfo
- Publication number
- CN107862865B CN107862865B CN201711031539.3A CN201711031539A CN107862865B CN 107862865 B CN107862865 B CN 107862865B CN 201711031539 A CN201711031539 A CN 201711031539A CN 107862865 B CN107862865 B CN 107862865B
- Authority
- CN
- China
- Prior art keywords
- unit
- bus
- time
- taking
- unit road
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 235000019580 granularity Nutrition 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
一种出行信息的预测方法及装置,涉及信息处理领域,本申请实施例能够根据出行者的出行计划,预测出行者将要乘坐的公交线路的乘坐信息。包括:获取出行者的出行计划。其中出行计划包括:乘坐时间、出行乘坐的公交线路、乘坐公交线路的出发站点和目标站点。确定在乘坐时间乘坐公交线路时,各单元路段对应的运营周期中的时间区间。从运营记录中查询各单元路段在对应的时间区间内的预测公交乘坐信息。根据各单元路段在对应的时间区间内的预测公交乘坐信息,预测在乘坐时间乘坐公交线路从出发站点到目标站点的出行信息。本申请应用于出行信息的预测。
Description
技术领域
本申请涉及信息处理领域,尤其涉及一种出行信息的预测方法及装置。
背景技术
公交:公共交通工具的简称,指城市范围内定线运营的公共客车、地铁、有轨电车等交通工具,其通常按照固定的公交线路运营。随着社会经济的发展,机动车数量急剧增加,城市交通面临着巨大的压力。现在都在倡导绿色出行、公交出行,因此提高乘客在乘坐公交时的用户体验对于乘客来说十分重要。在这其中,让乘客在出行前预先获取公交乘坐信息是目前常用的提高乘客用户体验的方法。例如,在乘客出行前通过事先查询,预先获取公交到达某站的时间、乘坐公交完成某路程所需要的时间等。通过让乘客在出行前预先获取公交乘坐信息,能够使乘客有选择的乘坐公交、自由分配出行时间、减少等待时间,对于城市交通拥堵也有一定程度缓解。
为了解决上述技术问题使乘客在出行前预先获取公交乘坐信息,现有技术中通常利用公交上的GPS设备,获取公交的实时GPS(Global Positioning System,全球定位系统)信息。进而再根据GPS信息,计算得到所需要预测的出行信息并向用户反馈。
但发明人发现,在该技术方案中,仅能预测到当前正在营运的公交的通行状态(如预测某辆正在行驶中的公交车,到达某特定站点的时间),而对于除了通行状态外其他的出行信息则无法向用户提供,同时该技术方案也无法预测还没有开始营运的公交(比如,第二天某一时间段内的出行信息)的相关信息。
发明内容
本申请提供一种出行信息的预测方法及装置,能够根据出行者的出行计划,预测出行者将要乘坐的公交线路的乘坐信息。从而让出行者更加合理的安排自己的出行,提高使用公共交通工具时的用户体验。
为达到上述目的,本申请的实施例采用如下技术方案:
第一方面,本申请实施例提供了一种出行信息的预测方法,包括:获取所述出行计划,出行计划中包括:乘坐时间、出行乘坐的公交线路、乘坐公交线路的出发站点和目标站点;其中,按照所述公交线路上的站点,所述公交线路划分为L个单元路段;在所述公交线路上从所述出发站点到所述目标站点之间,包含K个单元路段;其中,L≥1,K≥1且L≥K;其中所述公交线路的运营周期中包括M个时间区间,其中M≥1。确定在所述乘坐时间乘坐所述公交线路时,所述K个单元路段中各单元路段对应的所述运营周期中的时间区间。从运营记录中,查询所述K个单元路段中各单元路段在对应的时间区间内的预测公交乘坐信息;其中,所述运营记录中包括:在所述M个时间区间中每个时间区间内,所述公交线路的L个单元路段中每个单元路段的预测公交乘坐信息。根据所述K个单元路段中各单元路段在对应的时间区间内的预测公交乘坐信息,预测在所述乘坐时间乘坐所述公交线路从所述出发站点到所述目标站点的出行信息。
可选的,在从运营记录中查询K个单元路段中各单元路段在对应的时间区间内的预测公交乘坐信息之前,该方法还包括:
获取公交线路的历史运营记录,历史运营记录中包括,在历史运营中,M个时间区间中每个时间区间内,公交线路的L个单元路段中每个单元路段的公交乘坐信息;根据在历史运营中,M个时间区间中每个时间区间内,公交线路的L个单元路段中每个单元路段的公交乘坐信息,计算在M个时间区间中每个时间区间内,公交线路的L个单元路段中每个单元路段的预测公交乘坐信息。
可选的,其中在乘坐时间乘坐公交线路从出发站点到目标站点的出行信息包括:在乘坐时间乘坐公交线路从出发站点到目标站点的乘坐舒适度;预测公交乘坐信息包括乘坐人数。其中,根据K个单元路段中各单元路段在对应的时间区间内的预测公交乘坐信息,预测在乘坐时间乘坐公交线路从出发站点到目标站点的出行信息,具体包括:根据K个单元路段中各单元路段在对应的时间区间内的乘坐人数与公交满载人数的比例关系,确定K个单元路段中各单元路段在对应的时间区间内的乘坐舒适度;根据K个单元路段中各单元路段在对应的时间区间内的乘坐舒适度,预测在乘坐时间乘坐公交线路从出发站点到目标站点的乘坐舒适度。或者,根据K个单元路段中各单元路段在对应的时间区间内的乘坐人数,计算K个单元路段的平均乘坐人数;根据K个单元路段的平均乘坐人数与公交满载人数的比例关系,预测在乘坐时间乘坐公交线路从出发站点到目标站点的乘坐舒适度。
可选的,在乘坐时间乘坐公交线路从出发站点到目标站点的出行信息包括:在乘坐时间乘坐公交线路从出发站点到目标站点所花费时间。其中,从运营记录中查询K个单元路段中各单元路段在对应的时间区间内的预测公交乘坐信息,具体包括:从运营记录中,查询在对应的时间区间内所述K个单元路段中各单元路段上的公交车预测通过所述单元路段所需要的时间。根据K个单元路段中各单元路段在对应的时间区间内的预测公交乘坐信息,预测在乘坐时间乘坐公交线路从出发站点到目标站点的出行信息,具体包括:根据在对应的时间区间内所述K个单元路段中各单元路段上的公交车预测通过所述单元路段所需要的时间,得到在乘坐时间乘坐该公交线路从出发站点到目标站点所花费的时间。
可选的,该方法还包括:根据在乘坐时间乘坐公交线路从出发站点到目标站点所花费时间,预测出发时间或者到达时间。
第二方面,本申请提供一种出行信息预测装置,包括:获取单元、确定单元、查询单元以及预测单元。其中,获取单元用于获取出行者的出行计划;出行计划中包括:出行乘坐的公交线路、乘坐时间、乘坐公交线路的出发站点和目标站点;其中,按照公交线路上的站点,公交线路划分为L个单元路段;在公交线路上从出发站点到目标站点之间,包含K个单元路段;其中,L≥1,K≥1且L≥K;其中公交线路的运营周期中包括M个时间区间,其中M≥1。确定单元,用于在获取单元获取出行计划后,确定在乘坐时间乘坐公交线路时,K个单元路段中各单元路段对应的运营周期中的时间区间。查询单元,用于在确定单元确定K个单元路段中各单元路段对应的运营周期中的时间区间后,从运营记录中,查询K个单元路段中各单元路段在对应的时间区间内的预测公交乘坐信息;其中,运营记录中包括:在M个时间区间中每个时间区间内,公交线路的L个单元路段中每个单元路段的预测公交乘坐信息。预测单元,用于在查询单元从运营记录中查询K个单元路段中各单元路段在对应的时间区间内的预测公交乘坐信息之后,根据K个单元路段中各单元路段在对应的时间区间内的预测公交乘坐信息,预测在乘坐时间乘坐公交线路从出发站点到目标站点的出行信息。
可选的,该装置还包括计算单元。具体的,获取单元,还用于获取公交线路的历史运营记录,历史运营记录中包括,在历史运营中,M个时间区间中每个时间区间内,公交线路的L个单元路段中每个单元路段的公交乘坐信息。计算单元,用于在获取单元获取公交线路的历史运营记录后,根据在历史运营中,M个时间区间中每个时间区间内,公交线路的L个单元路段中每个单元路段的公交乘坐信息,计算在M个时间区间中每个时间区间内,公交线路的L个单元路段中每个单元路段的预测公交乘坐信息。
可选的,出行信息包括乘坐舒适度;出行计划中还包括公交线路的公交满载人数;预测公交乘坐信息包括乘坐人数。预测单元,具体用于在查询单元从运营记录中查询K个单元路段中各单元路段在对应的时间区间内的预测公交乘坐信息之后,根据K个单元路段中各单元路段在对应的时间区间内的乘坐人数与公交满载人数的比例关系,确定K个单元路段中各单元路段在对应的时间区间内的乘坐舒适度;根据K个单元路段中各单元路段在对应的时间区间内的乘坐舒适度,预测在乘坐时间乘坐公交线路从出发站点到目标站点的乘坐舒适度。或者,预测单元,具体用于在查询单元从运营记录中查询K个单元路段中各单元路段在对应的时间区间内的预测公交乘坐信息之后,根据K个单元路段中各单元路段在对应的时间区间内的乘坐人数,计算K个单元路段的平均乘坐人数;根据K个单元路段的平均乘坐人数与公交满载人数的比例关系,预测在乘坐时间乘坐公交线路从出发站点到目标站点的乘坐舒适度。
可选的,所述在所述乘坐时间乘坐所述公交线路从所述出发站点到所述目标站点的出行信息包括:在所述乘坐时间乘坐所述公交线路从所述出发站点到所述目标站点所花费时间。查询单元,具体用于在确定单元确定K个单元路段中各单元路段对应的运营周期中的时间区间后,从运营记录中,查询在对应的时间区间内所述K个单元路段中各单元路段上的公交车预测通过所述单元路段所需要的时间。预测单元,具体用于在查询单元查询在对应的时间区间内所述K个单元路段中各单元路段上的公交车预测通过所述单元路段所需要的时间之后,根据在对应的时间区间内所述K个单元路段中各单元路段上的公交车预测通过所述单元路段所需要的时间,得到在乘坐时间乘坐公交线路从出发站点到目标站点所花费的时间。
可选的,预测单元,还用于根据在乘坐时间乘坐公交线路从出发站点到目标站点所花费时间,预测出发时间或者到达时间。
本申请实施例中,利用公交线路在运营过程中不同单元路段上的公交乘坐情况存在差异(例如,在繁华位置的单元路段上的乘坐人数通常较其他位置的单元路段上的乘坐人数更多,行驶速度也更慢、所花费的时间也越长),同时各个单元路段上的公交乘坐情况会随着时间变化而周期性变化(例如,在工作日内,每天的上班高峰期与下班高峰期时段,乘坐人数会比其他时段的人数更多,行驶的速度也更慢。)的这一规律。进而在获取出行者的出行计划后,根据乘坐时间以及出行者所乘坐的路段,对出行者将要进行的行程的出行信息进行预测。相比现有技术中根据公交的实时GPS信息来预测出行信息的技术方案,本申请实施例所提供的方法利用公交线路的上述运营规律对出行信息进行预测,避免了对公交实时GPS信息的依赖,从而能够预测到还没有开始运营的公交的出行信息(例如,第二天某一时间段内的出行信息),并且还能够预测到从GPS信息中无法获取到的公交乘坐信息(例如,车上的乘坐人数),从而为出行者预测更全面的出行信息,提高使用公共交通工具时的用户体验。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1为本申请的实施例提供的一种出行信息的预测方法的流程示意图;
图2为本申请的实施例提供的一种出行信息的预测方法的流程示意图;
图3为本申请的实施例提供的一种出行信息的预测方法的流程示意图;
图4为本申请的实施例提供的一种出行信息预测装置的结构示意图。
具体实施方式
下面结合附图,对本申请的实施例进行描述。
本申请实施例应用于出行者利用公交出行时,对出行者的出行信息进行预测的场景下。本申请实施例所述出行信息的预测方法适用于预测城市范围内定线运营的公共客车、地铁、有轨电车等各种公共交通工具的出行信息。需要说明的是,本申请中为了方便描述,所称“公交车”可以包括上述各种公共交通工具中的一种或多种。
在一种实施例中,出行者可以通过手机、电脑等终端设备,按照本申请实施例所提供的方法查询所预测的出行信息。也可以通过公交站点设置的显示屏向出行者显示所预测的出行信息。还可以结合手机、电脑等终端设备上的地图软件,在地图软件内部实现本申请实施例所提供的出行信息的预测方法。
本申请实施例中,利用公交线路在运营过程中,在不同路段上的公交乘坐情况存在差异(例如,在繁华位置的单元路段上的乘坐人数通常较其他位置的单元路段上的乘坐人数更多,行驶速度也更慢、乘车所花费的时间也更长),同时在同一路段上的公交乘坐情况也会随着时间变化而变化(例如,在工作日内,每天的上班高峰期与下班高峰期时段,乘坐人数会比其他时段的人数更多,行驶的速度也更慢、乘车所花费的时间也更长。再例如,在法定节假日的前一天,由于堵车严重,乘车所花费的时间也会更长等)的这一规律。进而在获取出行者的出行计划后,对出行者将要进行的行程的出行信息进行预测。
本申请实施例中,按照公交线路上的站点,将公交线路划分为L个单元路段,其中,L≥1。例如在一条公交线路上,包括站点A、站点B、站点C、站点D、站点E。那么可以将相邻两个站点之间的路段作为一个单元路段,进而将公交线路划分为“站点A-站点B”、“站点B-站点C”、“站点C-站点D”、“站点D-站点E”,4个单元路段。
进一步的,本申请实施例中,按照公交线路上公交乘坐情况随时间的不同而周期性变化这一规律,选择一个固定时间长度作为公交线路的一个运行周期,并将一个运营周期划分为M个时间区间。例如,考虑到公交线路上的公交乘坐情况通常在一周中的特定时间具有相似性,可以选择一周作为公交线路的一个运营周期。进一步的,可以将一周中的每一天按照10分钟为一个粒度划分为144个时间区间,即从0点0分-0点10分为一个时间区间、0点10分-0点20分为一个时间区间……一直到23点50分-次日0点00分,共144个时间区间。那么一周则包括144×7=1008个时间区间,即就是将运营周期划分为1008个时间区间。当然也可以选择其他粒度来等步长的划分时间区间;也可以按照其他规则不等步长的划分时间区间,只要将运营周期划分为符合某种公交乘坐情况变化规律的M个时间区间即可,本申请对此不作限制。
基于上述应用场景,本申请实施例提供一种出行信息的预测方法,参照图1所示,包括以下步骤:
S101、获取公交线路的历史运营记录。
其中,历史运营记录中包括,在历史运营中,所述M个时间区间中每个时间区间内,所述公交线路的L个单元路段中每个单元路段的公交乘坐信息。历史运营记录的时间长度至少为一个运营周期的长度。
实例性的,当以一个星期为一个运营周期且将运营周期分为1008个时间区间时,若获取三个月的公交线路的历史运营记录。则该历史运营记录中会包括:n组“星期一的15点00分-15点10分”这一时间区间内,站点A至站点B这一单元路段上的公交乘坐信息。其中n为所述历史运营记录中所包括的“星期一的15点00分-15点10分”这一时间区间的个数。例如,若获取的为2017年1月至3月这三个月的历史运营记录。而从2017年1月至3月包括了13个星期一,因此该历史运营记录中就包括了13组“星期一的15点00分-15点10分”这一时间区间内,站点A至站点B这一单元路段上的公交乘坐信息。同理,历史运营记录中还包括了其他时间区间内、其他单元路段的公交乘坐信息。
其中,公交乘坐信息可以包括公交上的乘坐人数、公交上的舒适度、行驶所需要的时间等一系列反映特定时段特定路段上乘坐公交的信息。
具体的,可以从公交运营公司的运营数据中获取公交线路的历史运营信息。
S102、根据在历史运营中,M个时间区间中每个时间区间内,公交线路的L个单元路段中每个单元路段的公交乘坐信息,计算在M个时间区间中每个时间区间内,公交线路的L个单元路段中每个单元路段的预测公交乘坐信息。
具体的,在获取历史运营记录后,以历史运营记录中在时间区间m内单元路段l的公交乘坐信息(其中,1≤m≤M,1≤l≤L)为例:该乘坐信息表示在历史运营中,时间区间m内单元路段l的公交乘坐情况。进而可以对之后在时间区间m内单元路段l的公交乘坐信息进行预测,从而得到在时间区间m内单元路段l的预测公交乘坐信息。同理,可以得到在M个时间区间中每个时间区间内,公交线路的L个单元路段中每个单元路段的预测公交乘坐信息。
在一种实例中,历史运营记录中包括两组“星期一的15点00分-15点10分”这一时间区间内,站点A至站点B这一单元路段上的公交上乘坐人数,分别20人和30人。即就是说,在历史运营记录中其中一个星期的星期一的15点00分-15点10分这个时间区间内,站点A至站点B这一单元路段上的公交上乘坐人数为20人;另一个星期的星期一的15点00分-15点10分这个时间区间内,站点A至站点B这一单元路段上的公交上乘坐人数为30人。那么对这两组公交上乘坐人数求平均值,即可以得到“星期一的15点00分-15点10分”这一时间区间内,站点A至站点B这一单元路段上的公交上的乘坐人数的平均值为25人。进而,在之后出行者如果在“星期一的15点00分-15点10分”这一时间区间内开始乘坐所述公交从站点A至站点B,那么可以预测此时的车上人数大致在25人左右。
当然,上述示例中仅为了说明步骤S102中“根据在历史运营中,M个时间区间中每个时间区间内,公交线路的L个单元路段中每个单元路段的公交乘坐信息,计算在M个时间区间中每个时间区间内,公交线路的L个单元路段中每个单元路段的预测公交乘坐信息”的计算原理,具体计算时,可以根据需要选择不同时间长度的历史运营信息,采用其他的计算方法来计算上述预测公交乘坐信息。选择的历史运营信息的时间长度越长,则可以计算出更加精确的预测公交乘坐信息,因此可以根据需要选择合适的时间长度的历史运营信息。同时,具体公交乘坐信息包括哪些内容也可以根据需要进行选择,公交乘坐信息可以包括公交上的乘坐人数、公交上的舒适度、行驶所需要的时间等一系列反映特定时段特定路段上乘坐公交的信息。
需要说明的是,本申请实施例中可以采用上述方法,根据公交线路的历史运营记录中的信息,来计算在所述M个时间区间中每个时间区间内,所述公交线路的L个单元路段中每个单元路段的预测公交乘坐信息。也可以采用其他的计算方法,来计算在所述M个时间区间中每个时间区间内,所述公交线路的L个单元路段中每个单元路段的预测公交乘坐信息。当已通过其他方式获取上述预测公交乘坐信息时,也可以不执行上述步骤S101-S102。
S103、获取出行者的出行计划。其中,出行计划中包括:出行乘坐的公交线路、乘坐时间、乘坐公交线路的出发站点和目标站点。
其中,乘坐时间具体包括:计划上车时间或计划下车时间中至少一个。
S104、确定在该乘坐时间乘坐该公交线路时,K个单元路段中各单元路段对应的运营周期中的时间区间。
具体的,在获取出行者的出行计划后,可以根据出行计划,确定在该乘坐时间乘坐该公交线路时,K个单元路段中各单元路段对应的运营周期中的时间区间。
可选的,可以将到达各站点的时间所属时间区间,作为以该站点开始的单元路段对应的时间区间。进而确定K个单元路段中各单元路段对应的运营周期中的时间区间。例如,K个单元路段分别包括“站点A-站点B”、“站点B-站点C”、“站点C-站点D”三个单元路段。那么可以将到达站点A的时间所属时间区间作为“站点A-站点B”的时间区间,将到达站点B的时间所属时间区间作为“站点B-站点C”的时间区间,将到达站点C的时间所属时间区间作为“站点C-站点D”的时间区间。或者,也可以将到达各站点的时间所属时间区间,作为以该站点结束的单元路段对应的时间区间。例如,K个单元路段分别包括“站点A-站点B”、“站点B-站点C”、“站点C-站点D”三个单元路段。那么可以将到达站点B的时间所属时间区间作为“站点A-站点B”的时间区间,将到达站点C的时间所属时间区间作为“站点B-站点C”的时间区间,将到达站点D的时间所属时间区间作为“站点C-站点D”的时间区间。
在一种实例中,当乘坐时间为计划上车时间。则根据计划上车时间,可以推测出到达出发站点至到达站点之间各站点的时间。例如,按行驶一站需要五分钟时间,从出发站点(出发站点的到站时间即为计划上车时间)之后,各站点的到站时间分别为前一站的到站时间加五分钟。或者,根据本申请的预测方法,预测通过各单元路段的所花费的时间,进而确定到达各站点的时间。
另一种实施例中,乘坐时间为计划下车时间。则根据计划下车时间,可以推测出到达出发站点至到达站点之间各站点的时间。例如,按行驶一站需要五分钟时间,从达到站点(到达站点的到站时间即为计划下车时间)之后,各站点的到站时间分别为后一站的到站时间减五分钟。或者,根据本申请的预测方法,预测通过各单元路段的所花费的时间,进而确定到达各站点的时间。
S105、从运营记录中,查询K个单元路段中各单元路段在对应的时间区间内的预测公交乘坐信息。其中,运营记录中包括:在M个时间区间中每个时间区间内,公交线路的L个单元路段中每个单元路段的预测公交乘坐信息。
S106、根据K个单元路段中各单元路段在对应的时间区间内的预测公交乘坐信息,预测在乘坐时间乘坐公交线路从出发站点到目标站点的出行信息。
具体的,在查询到从出发站点到目标站点的K个单元路段中各单元路段的预测公交乘坐信息后,可以根据各单元路段的预测公交乘坐信息,预测从出发站点到目标站点这整段路程中的出行信息。
例如,预测公交乘坐信息中包括了预测的公交上的乘坐人数。那么所述K个单元路段中各单元路段在对应的时间区间内的预测公交乘坐信息,则分别表示按照所述出行计划出行时,K个单元路段中各单元路段上预测的公交上的乘坐人数。进而根据各单元路段上预测的公交上的乘坐人数,就能够预测到在乘坐时间乘坐公交线路从出发站点到目标站点公交上的乘坐人数情况。例如,将各单元路段上预测的公交上的乘坐人数求平均值,所得人数即表示从出发站点到目标站点这段路程上的人数情况。
本申请实施例中,利用公交线路在运营过程中不同单元路段上的公交乘坐情况存在差异(例如,在繁华位置的单元路段上的乘坐人数通常较其他位置的单元路段上的乘坐人数更多,行驶速度也更慢、所花费的时间也越长),同时各个单元路段上的公交乘坐情况会随着时间变化而周期性变化(例如,在工作日内,每天的上班高峰期与下班高峰期时段,乘坐人数会比其他时段的人数更多,行驶的速度也更慢。)的这一规律。进而在获取出行者的出行计划后,根据乘坐时间以及出行者所乘坐的路段,对出行者将要进行的行程的出行信息进行预测。相比现有技术中根据公交的实时GPS信息来预测出行信息的技术方案,本申请实施例所提供的方法利用公交线路的上述运营规律对出行信息进行预测,避免了对公交实时GPS信息的依赖,从而能够预测到还没有开始运营的公交的出行信息(例如,第二天某一时间段内的出行信息),并且还能够预测到从GPS信息中无法获取到的公交乘坐信息(例如,车上的乘坐人数),从而为出行者预测更全面的出行信息,提高使用公共交通工具时的用户体验。
当将本申请上述实施例应用于预测在乘坐时间乘坐公交线路从出发站点到目标站点的乘坐舒适度的场景时,本申请实施例提供另一种出行信息的预测方法。考虑到出行者乘坐公交时舒适程度,主要由车厢是否拥挤来衡量乘坐的这趟公交是否舒适。进而本申请实施例中,通过先获取K各单元路段中各单元路段对应的时间区间内的乘坐人数,再根据K各单元路段中各单元路段对应的时间区间内的乘坐人数以及公交满载人数,预测在乘坐时间乘坐公交线路从出发站点到目标站点的乘坐舒适度的方式,能够根据出行者的出行计划后,提前预测乘坐公交的舒适度,提高使用公共交通工具时的用户体验。
参照图2所示,所述方法具体包括:
S201、获取公交线路的历史运营记录。
其中,历史运营记录中包括,在历史运营中,所述M个时间区间中每个时间区间内,公交线路的L个单元路段中每个单元路段的乘坐人数。历史运营记录的时间长度至少为一个运营周期的长度。
S202、根据在历史运营中,M个时间区间中每个时间区间内,公交线路的L个单元路段中每个单元路段的公交乘坐信息,计算在M个时间区间中每个时间区间内,公交线路的L个单元路段中每个单元路段的预测公交乘坐信息。
具体包括:根据在历史运营中,M个时间区间中每个时间区间内,公交线路的L个单元路段中每个单元路段的乘坐人数,计算在M个时间区间中每个时间区间内,公交线路的L个单元路段中每个单元路段的预测乘坐人数。
在一种实施例中,如下表1所示,表1为将一星期作为一个运营周期,每隔十分钟划分一个时间区间,且将公交线路划分为四个单元路段的情况下,所计算出的在M个时间区间中每个时间区间内,公交线路的L个单元路段中每个单元路段的预测乘坐人数。
表1
其中,“时间区间1”表示星期一0点00分至星期一0点10分的时间区间,“时间区间2”表示星期一0点10分至星期一0点20分的时间区间,依次类推直到时间区间1008表示“星期天23点50分至次日0点00分”的时间区间。其中“单元路段1”至“单元路段4”分别为公交线路划分的四个单元路段。
该表中包括在1008个时间区间中每个时间区间内,4个单元路段中每个单元路段的预测乘坐人数。例如,其中在时间区间1内单元路段1的预测乘坐人数为20人,即说明在星期一0点00分至星期一0点10分的这个时间区间内,在单元路段1上的该公交线路的公交上预计有20人。
S203、获取出行者的出行计划。其中,出行计划中包括:出行乘坐的公交线路、乘坐时间、乘坐公交线路的出发站点和目标站点。
S204、确定在该乘坐时间乘坐该公交线路时,K个单元路段中各单元路段对应的运营周期中的时间区间。
S205、从运营记录中,查询K个单元路段中各单元路段在对应的时间区间内的预测乘坐人数。其中,运营记录中包括:在M个时间区间中每个时间区间内,公交线路的L个单元路段中每个单元路段的预测乘坐人数。
进一步的,该方法还包括步骤S206a、S207a或者S206b、S207b的内容:
S206a、根据K个单元路段中各单元路段在对应的时间区间内的预测乘坐人数与公交满载人数的比例关系,确定K个单元路段中各单元路段在对应的时间区间内的乘坐舒适度。
在本申请实施例中,乘坐公交的乘坐舒适度主要由车厢内是否拥挤的这一情况来表现。因此,在获取K个单元路段中各个单元路段的预测乘坐人数后,就可以根据该预测乘坐人数与公交满载人数的比例关系,确定此时该单元路段的公交上是否拥挤。
例如,如下表2所示,根据不同公交类型,公交满载人数也是有所不同的:
公交类型 | 满载人数 |
小型客车 | 20 |
中型客车 | 40 |
大中型客车 | 60 |
大型客车 | 70 |
地铁 | 1500 |
有轨电车 | 300 |
表2
可以看出,若所述公交线路运营的是小型客车,则该车的满载人数为20人。若所述公交线路运营的是地铁,则满载人数可达1500人,其他公交类型的公交工具依次类推。
示例性的,若在某一时间区间内某一单元路段上的预测乘坐人数为30人,且该公交线路为中型客车,则该单元路段在该时间区间内的乘坐舒适度的指数为30/40=0.75。
S207a、根据K个单元路段中各单元路段在对应的时间区间内的乘坐舒适度,预测在乘坐时间乘坐所述公交线路从出发站点到所述目标站点的乘坐舒适度。
具体的,可对K个单元路段中各单元路段在对应的时间区间内的乘坐舒适度的指数求平均值,进而确定在乘坐时间乘坐所述公交线路从出发站点到所述目标站点乘坐舒适度的指数。
例如,若从出发站点到目标站点之间包括单元路段A和单元路段B,单元路段A在对应时间区间内的乘坐舒适度指数为0.75,单元路段B在对应时间区间内的乘坐舒适度指数为0.25。那么通过对两个单元路段的乘坐舒适度求平均值,则可以确定整个行程中的乘坐舒适度的指数为0.5。
在一种实施例中,为了向用户能够更加直观的反映乘坐舒适度,在计算出整个行程的乘坐舒适度的指数后,可以将乘坐舒适度指数转换为体验等级。如下表3所示:
乘坐舒适度指数 | 体验等级 |
0-0.3 | 很舒适 |
0.3-0.4 | 舒适 |
0.4-0.5 | 轻微拥挤 |
0.5-0.6 | 拥挤 |
0.6-0.7 | 中度拥挤 |
0.7-1 | 严重拥挤 |
表3
进而在之后向用户显示乘坐舒适度时,可以向用户直接显示上述体验等级,从而进一步提高用户体验。
S206b、根据K个单元路段中各单元路段在对应的时间区间内的预测乘坐人数,计算K个单元路段的平均乘坐人数。
S207b、根据K个单元路段的平均乘坐人数与公交满载人数的比例关系,预测在所述乘坐时间乘坐所述公交线路从出发站点到所述目标站点的乘坐舒适度。
在本申请实施例中,考虑到乘坐舒适度主要是表现在公交上的拥挤程度上,那么在计算从出发站点到所述目标站点这一整段行程中的乘坐舒适度时,也可以通过先计算从出发站点到所述目标站点中K个单元路段的平均乘坐人数,再根据K个单元路段的平均乘坐人数与公交满载人数的比例关系,计算在所述乘坐时间乘坐所述公交线路从出发站点到所述目标站点的乘坐舒适度。
由于步骤S206b、S207b与S206a、S207a的核心都是通过计算在所述乘坐时间乘坐所述公交线路从出发站点到所述目标站点公交上的拥挤程度,进而预测乘坐舒适度,两种方法仅在具体计算过程中存在不同。因此,步骤S206b、S207b的具体实现方式及实现的效果可参照上述步骤S206a、S207a中的相关内容,重复之处不再赘述。
当将本申请上述实施例应用于预测在乘坐时间乘坐公交线路从出发站点到目标站点所花费时间的场景时,本申请实施例提供另一种出行信息的预测方法。
参照图3所示,所述方法具体包括:
S301、获取公交线路的历史运营记录。
其中,历史运营记录中包括,在历史运营中,M个时间区间中每个时间区间内,公交线路的L个单元路段中每个单元路段上的公交车通过该单元路段所需要的时间。历史运营记录的时间长度至少为一个运营周期的长度。
S302、根据在历史运营中,M个时间区间中每个时间区间内,公交线路的L个单元路段中每个单元路段的公交车通过该单元路段所需要的时间,计算在M个时间区间中每个时间区间内,公交线路的L个单元路段中每个单元路段上的公交车预测通过该单元路段所需要的时间。
示例性的,如下表4所示,将一星期作为一个运营周期,每隔十分钟划分一个时间区间,且将公交线路划分为四个单元路段的情况下,所计算出的在M个时间区间中每个时间区间内,公交线路的L个单元路段中每个单元路段的预测通过该单元路段所需要的时间。
表4
其中,“时间区间1”表示星期一0点00分至星期一0点10分的时间区间,“时间区间2”表示星期一0点10分至星期一0点20分的时间区间,依次类推直到时间区间1008表示“星期天23点50分至次日0点00分”的时间区间。其中“单元路段1”至“单元路段4”分别为公交线路划分的四个单元路段。
该表中包括在1008个时间区间中每个时间区间内,4个单元路段中每个单元路段的预测通过该单元路段所需要的时间。例如,其中在时间区间1内单元路段1的预测通过该单元路段所需要的时间为100秒,即说明在星期一0点00分至星期一0点10分的这个时间区间内,在单元路段1上的公交车预测通过单元路段1所需要的时间为100秒。
S303、获取出行者的出行计划。其中,出行计划中包括:出行乘坐的公交线路、乘坐时间、乘坐公交线路的出发站点和目标站点。
S304、确定在该乘坐时间乘坐该公交线路时,K个单元路段中各单元路段对应的运营周期中的时间区间。
可选的,可以将到达各站点的时间所属时间区间,作为以该站点开始的单元路段对应的时间区间,或者将到达各站点的时间所属时间区间,作为以该站点结束的单元路段对应的时间区间。其具体实现方式可以参考上述步骤S104的内容。
需要说明的是,在本实施例中,可以采用先根据计划上车时间,确定K个单元路段中第一个单元路段(如单元路段i)的时间区间,再根据根据本实施例所述方法确定通过单元路段i所需要的时间,再根据通过单元路段i所需要的时间,确定单元路段i之后一个单元路段i'的达到时间,进而确定后一个单元路段i'所属时间区间,计算通过该单元路段i'所需要的时间,以此类推。或者也可以采用先根据计划下车时间,确定K个单元路段中最后一个单元路段(如单元路段i)的时间区间,再根据本实施例所述方法确定通过单元路段i所需要的时间,再根据通过单元路段i所需要的时间,确定单元路段i之前一个单元路段i'的达到时间,进而确定后一个单元路段i'所属时间区间,计算通过该单元路段i'所需要的时间,以此类推。
S305、从运营记录中,查询在对应的时间区间内K个单元路段中各单元路段上的公交车预测通过所述单元路段所需要的时间。
S306、根据在对应的时间区间内K个单元路段中各单元路段上的公交车预测通行所述单元路段所需要的时间,预测在所述乘坐时间乘坐公交线路从出发站点到目标站点所花费时间。
S307、根据在所述乘坐时间乘坐公交线路从出发站点到目标站点所花费时间,预测出发时间或者到达时间。
具体的,在预测出从出发站点到目标站点所花费时间后,基于乘坐时间中包括的计划上车时间能够计算出计划下车时间,即到达时间。或者基于乘坐时间中包括的计划下车时间能够计算出计划上车时间,根据计划上车时间进而能够预测出行者的出发时间。
本申请实施例还提供一种出行信息预测装置,用于执行上述出行信息的预测方法。图4示出了所涉及出行信息预测装置的一种可能的结构示意图。具体的,出行信息预测装置10包括:获取单元101、确定单元102、查询单元103、预测单元104。其中,
获取单元101,用于获取出行者的出行计划;出行计划中包括:出行乘坐的公交线路、乘坐时间、乘坐公交线路的出发站点和目标站点;其中,按照公交线路上的站点,公交线路划分为L个单元路段;在公交线路上从出发站点到目标站点之间,包含K个单元路段;其中,L≥1,K≥1且L≥K;其中公交线路的运营周期中包括M个时间区间,其中M≥1。
确定单元102,用于在获取单元101获取出行计划后,确定在所述乘坐时间乘坐公交线路时,K个单元路段中各单元路段对应的运营周期中的时间区间。
查询单元103,用于在确定单元102确定K个单元路段中各单元路段对应的运营周期中的时间区间后,从运营记录中,查询K个单元路段中各单元路段在对应的时间区间内的预测公交乘坐信息;其中,运营记录中包括:在M个时间区间中每个时间区间内,公交线路的L个单元路段中每个单元路段的预测公交乘坐信息。
预测单元104,用于在查询单元103从运营记录中查询K个单元路段中各单元路段在对应的时间区间内的预测公交乘坐信息之后,根据K个单元路段中各单元路段在对应的时间区间内的预测公交乘坐信息,预测在所述乘坐时间乘坐公交线路从出发站点到目标站点的出行信息。
在一种实施例中,该出行信息预测装置还包括:计算单元105。
获取单元101,还用于获取公交线路的历史运营记录,该历史运营记录中包括,在历史运营中,M个时间区间中每个时间区间内,公交线路的L个单元路段中每个单元路段的公交乘坐信息。
计算单元105、用于在获取单元101获取公交线路的历史运营记录后,根据在历史运营中,M个时间区间中每个时间区间内,公交线路的L个单元路段中每个单元路段的公交乘坐信息,计算在M个时间区间中每个时间区间内,公交线路的L个单元路段中每个单元路段的预测公交乘坐信息。
在一种实施例中,在所述乘坐时间乘坐公交线路从出发站点到目标站点的出行信息包括:在所述乘坐时间乘坐公交线路从出发站点到目标站点的乘坐舒适度;预测公交乘坐信息包括预测乘坐人数;
预测单元104,具体用于在查询单元103从运营记录中查询K个单元路段中各单元路段在对应的时间区间内的预测公交乘坐信息之后,根据K个单元路段中各单元路段在对应的时间区间内的预测乘坐人数与公交满载人数的比例关系,确定K个单元路段中各单元路段在对应的时间区间内的乘坐舒适度;根据K个单元路段中各单元路段在对应的时间区间内的乘坐舒适度,预测在所述乘坐时间乘坐公交线路从出发站点到目标站点的乘坐舒适度;
或者,预测单元104,具体用于在查询单元103从运营记录中查询K个单元路段中各单元路段在对应的时间区间内的预测公交乘坐信息之后,根据K个单元路段中各单元路段在对应的时间区间内的预测乘坐人数,计算K个单元路段的平均乘坐人数;根据K个单元路段的平均乘坐人数与公交满载人数的比例关系,预测在所述乘坐时间乘坐公交线路从出发站点到目标站点的乘坐舒适度。
在一种实施例中,在所述乘坐时间乘坐公交线路从出发站点到目标站点的出行信息包括:在所述乘坐时间乘坐公交线路从出发站点到目标站点所花费时间;
查询单元103,具体用于在确定单元102确定K个单元路段中各单元路段对应的运营周期中的时间区间后,从运营记录中,查询在对应的时间区间内K个单元路段中各单元路段的预测通行单元路段所需要的时间;
预测单元104,具体用于在查询单元103从运营记录中查询查询在对应的时间区间内K个单元路段中各单元路段的预测通行单元路段所需要的时间之后,根据K个单元路段中各单元路段在对应的时间区间内,通行所需要的时间,得到在所述乘坐时间乘坐公交线路从出发站点到目标站点所花费的时间。
可选的,预测单元104,还用于根据在所述乘坐时间乘坐公交线路从出发站点到目标站点所花费时间,预测出发时间或者到达时间。
需要说明的是,本申请实施例中提供的出行信息预测装置中各单元所对应的其他相应描述,可以参考图1-图3以及上文中对图1-图3的对应描述内容,在此不再赘述。此外,上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。需要说明的是,本申请实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。例如,可以对应各功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种出行信息的预测方法,其特征在于,包括:
获取出行者的出行计划;所述出行计划中包括:出行乘坐的公交线路、乘坐时间、乘坐所述公交线路的出发站点和目标站点,所述乘坐时间具体包括:计划上车时间或计划下车时间中至少一个;其中,按照所述公交线路上的站点,所述公交线路划分为L个单元路段;在所述公交线路上从所述出发站点到所述目标站点之间,包含K个单元路段;其中,L≥1,K≥1且L≥K;所述公交线路的运营周期中包括M个时间区间,其中M≥1;
确定在所述乘坐时间乘坐所述公交线路时,所述K个单元路段中各单元路段对应的时间区间;
从运营记录中,查询所述K个单元路段中各单元路段在对应的时间区间内的预测公交乘坐信息;其中,所述运营记录中包括:在所述M个时间区间中每个时间区间内,所述公交线路的L个单元路段中每个单元路段的预测公交乘坐信息;
根据所述K个单元路段中各单元路段在对应的时间区间内的预测公交乘坐信息,预测在所述乘坐时间乘坐所述公交线路从所述出发站点到所述目标站点的出行信息。
2.根据权利要求1所述方法,其特征在于,在从运营记录中查询所述K个单元路段中各单元路段在对应的时间区间内的预测公交乘坐信息之前,所述方法还包括:
获取所述公交线路的历史运营记录,所述历史运营记录包括,在历史运营中,所述M个时间区间中每个时间区间内,所述公交线路的L个单元路段中每个单元路段的公交乘坐信息;其中所述历史运营记录的时间长度至少为一个所述运营周期的长度;
根据在历史运营中,所述M个时间区间中每个时间区间内,所述公交线路的L个单元路段中每个单元路段的公交乘坐信息,计算在所述M个时间区间中每个时间区间内,所述公交线路的L个单元路段中每个单元路段的预测公交乘坐信息。
3.根据权利要求1或2所述方法,其特征在于,所述在所述乘坐时间乘坐所述公交线路从所述出发站点到所述目标站点的出行信息包括:在所述乘坐时间乘坐所述公交线路从所述出发站点到所述目标站点的乘坐舒适度;所述预测公交乘坐信息包括预测乘坐人数;
根据所述K个单元路段中各单元路段在对应的时间区间内的预测公交乘坐信息,预测在所述乘坐时间乘坐所述公交线路从所述出发站点到所述目标站点的出行信息,包括:
根据所述K个单元路段中各单元路段在对应的时间区间内的预测乘坐人数与公交满载人数的比例关系,确定所述K个单元路段中各单元路段在对应的时间区间内的乘坐舒适度;根据所述K个单元路段中各单元路段在对应的时间区间内的乘坐舒适度,预测在所述乘坐时间乘坐所述公交线路从所述出发站点到所述目标站点的乘坐舒适度;
或者,根据所述K个单元路段中各单元路段在对应的时间区间内的预测乘坐人数,计算所述K个单元路段的平均乘坐人数;根据所述K个单元路段的平均乘坐人数与所述公交满载人数的比例关系,预测在所述乘坐时间乘坐所述公交线路从所述出发站点到所述目标站点的乘坐舒适度。
4.根据权利要求1或2所述方法,其特征在于,所述在所述乘坐时间乘坐所述公交线路从所述出发站点到所述目标站点的出行信息包括:在所述乘坐时间乘坐所述公交线路从所述出发站点到所述目标站点所花费时间;
所述从运营记录中查询所述K个单元路段中各单元路段在对应的时间区间内的预测公交乘坐信息,包括:
从运营记录中,查询在对应的时间区间内所述K个单元路段中各单元路段上的公交车预测通过所述单元路段所需要的时间;
所述K个单元路段中各单元路段在对应的时间区间内的预测公交乘坐信息,预测在所述乘坐时间乘坐所述公交线路从所述出发站点到所述目标站点的出行信息,包括:
根据在对应的时间区间内所述K个单元路段中各单元路段上的公交车预测通过所述单元路段所需要的时间,预测在所述乘坐时间乘坐所述公交线路从所述出发站点到所述目标站点所花费时间。
5.根据权利要求4所述方法,其特征在于,所述预测在所述乘坐时间乘坐所述公交线路从所述出发站点到所述目标站点所花费时间之后,所述方法还包括:
根据在所述乘坐时间乘坐所述公交线路从所述出发站点到所述目标站点所花费时间,预测出发时间或者到达时间。
6.一种出行信息预测装置,其特征在于,包括:获取单元、确定单元、查询单元以及预测单元;
所述获取单元,用于获取出行者的出行计划;所述出行计划中包括:出行乘坐的公交线路、乘坐时间、乘坐所述公交线路的出发站点和目标站点,所述乘坐时间具体包括:计划上车时间或计划下车时间中至少一个;其中,按照所述公交线路上的站点,所述公交线路划分为L个单元路段;在所述公交线路上从所述出发站点到所述目标站点之间,包含K个单元路段;其中,L≥1,K≥1且L≥K;其中所述公交线路的运营周期中包括M个时间区间,其中M≥1;
所述确定单元,用于在所述获取单元获取所述出行计划后,确定在所述乘坐时间乘坐所述公交线路时,所述K个单元路段中各单元路段对应的所述运营周期中的时间区间;
所述查询单元,用于在所述确定单元确定所述K个单元路段中各单元路段对应的所述运营周期中的时间区间后,从运营记录中,查询所述K个单元路段中各单元路段在对应的时间区间内的预测公交乘坐信息;其中,所述运营记录中包括:在所述M个时间区间中每个时间区间内,所述公交线路的L个单元路段中每个单元路段的预测公交乘坐信息;
所述预测单元,用于在所述查询单元从运营记录中查询所述K个单元路段中各单元路段在对应的时间区间内的预测公交乘坐信息之后,根据所述K个单元路段中各单元路段在对应的时间区间内的预测公交乘坐信息,预测在所述乘坐时间乘坐所述公交线路从所述出发站点到所述目标站点的出行信息。
7.根据权利要求6所述装置,其特征在于,所述装置还包括计算单元;
所述获取单元,还用于获取所述公交线路的历史运营记录,所述历史运营记录中包括,在历史运营中,所述M个时间区间中每个时间区间内,所述公交线路的L个单元路段中每个单元路段的公交乘坐信息;
所述计算单元,用于在获取单元获取所述公交线路的历史运营记录后,根据在历史运营中,所述M个时间区间中每个时间区间内,所述公交线路的L个单元路段中每个单元路段的公交乘坐信息,计算在所述M个时间区间中每个时间区间内,所述公交线路的L个单元路段中每个单元路段的预测公交乘坐信息。
8.根据权利要求6或7所述装置,其特征在于,所述在所述乘坐时间乘坐所述公交线路从所述出发站点到所述目标站点的出行信息包括:在所述乘坐时间乘坐所述公交线路从所述出发站点到所述目标站点的乘坐舒适度;所述预测公交乘坐信息包括预测乘坐人数;
所述预测单元,具体用于在所述查询单元从运营记录中查询所述K个单元路段中各单元路段在对应的时间区间内的预测公交乘坐信息之后,根据所述K个单元路段中各单元路段在对应的时间区间内的预测乘坐人数与公交满载人数的比例关系,确定所述K个单元路段中各单元路段在对应的时间区间内的乘坐舒适度;根据所述K个单元路段中各单元路段在对应的时间区间内的乘坐舒适度,预测在所述乘坐时间乘坐所述公交线路从所述出发站点到所述目标站点的乘坐舒适度;
或者,所述预测单元,具体用于在所述查询单元从运营记录中查询所述K个单元路段中各单元路段在对应的时间区间内的预测公交乘坐信息之后,根据所述K个单元路段中各单元路段在对应的时间区间内的预测乘坐人数,计算所述K个单元路段的平均乘坐人数;根据所述K个单元路段的平均乘坐人数与公交满载人数的比例关系,预测在所述乘坐时间乘坐所述公交线路从所述出发站点到所述目标站点的乘坐舒适度。
9.根据权利要求6或7所述装置,其特征在于,所述在所述乘坐时间乘坐所述公交线路从所述出发站点到所述目标站点的出行信息包括:在所述乘坐时间乘坐所述公交线路从所述出发站点到所述目标站点所花费时间;
所述查询单元,具体用于在所述确定单元确定所述K个单元路段中各单元路段对应的所述运营周期中的时间区间后,从运营记录中,查询在对应的时间区间内所述K个单元路段中各单元路段上的公交车预测通过所述单元路段所需要的时间;
所述预测单元,具体用于在所述查询单元从运营记录中查询在对应的时间区间内所述K个单元路段中各单元路段上的公交车预测通过所述单元路段所需要的时间之后,根据在对应的时间区间内所述K个单元路段中各单元路段上的公交车预测通过所述单元路段所需要的时间,得到在所述乘坐时间乘坐所述公交线路从所述出发站点到所述目标站点所花费的时间。
10.根据权利要求9所述装置,其特征在于,
所述预测单元,还用于根据在所述乘坐时间乘坐所述公交线路从所述出发站点到所述目标站点所花费时间,预测出发时间或者到达时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711031539.3A CN107862865B (zh) | 2017-10-27 | 2017-10-27 | 一种出行信息的预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711031539.3A CN107862865B (zh) | 2017-10-27 | 2017-10-27 | 一种出行信息的预测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107862865A CN107862865A (zh) | 2018-03-30 |
CN107862865B true CN107862865B (zh) | 2020-01-07 |
Family
ID=61697828
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711031539.3A Active CN107862865B (zh) | 2017-10-27 | 2017-10-27 | 一种出行信息的预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107862865B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108922225B (zh) * | 2018-07-18 | 2021-12-28 | 江苏艾尼尔建设集团有限公司 | 一种智能公交站牌系统 |
CN109670649A (zh) * | 2018-12-27 | 2019-04-23 | 连尚(新昌)网络科技有限公司 | 一种用于提供用户公交出行提醒信息的方法与设备 |
CN110189518B (zh) * | 2019-05-20 | 2021-08-10 | 深圳市众行网科技有限公司 | 预测公交到站时间的方法、装置、计算机设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103295414A (zh) * | 2013-05-31 | 2013-09-11 | 北京建筑工程学院 | 一种基于海量历史gps轨迹数据的公交车到站时间预测方法 |
CN103364002A (zh) * | 2012-03-30 | 2013-10-23 | 北京掌城科技有限公司 | 结合实时路况及公共交通运营信息的路线规划系统和方法 |
CN105550789A (zh) * | 2016-02-19 | 2016-05-04 | 上海果路交通科技有限公司 | 一种公交出行客流的预测方法 |
CN105679021A (zh) * | 2016-02-02 | 2016-06-15 | 重庆云途交通科技有限公司 | 基于交通大数据的行程时间融合预测及查询方法 |
CN106448135A (zh) * | 2016-09-30 | 2017-02-22 | 百度在线网络技术(北京)有限公司 | 公交路线推荐方法及装置 |
CN106778521A (zh) * | 2016-11-23 | 2017-05-31 | 宇龙计算机通信科技(深圳)有限公司 | 一种公交乘车提示方法、装置及系统 |
-
2017
- 2017-10-27 CN CN201711031539.3A patent/CN107862865B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103364002A (zh) * | 2012-03-30 | 2013-10-23 | 北京掌城科技有限公司 | 结合实时路况及公共交通运营信息的路线规划系统和方法 |
CN103295414A (zh) * | 2013-05-31 | 2013-09-11 | 北京建筑工程学院 | 一种基于海量历史gps轨迹数据的公交车到站时间预测方法 |
CN105679021A (zh) * | 2016-02-02 | 2016-06-15 | 重庆云途交通科技有限公司 | 基于交通大数据的行程时间融合预测及查询方法 |
CN105550789A (zh) * | 2016-02-19 | 2016-05-04 | 上海果路交通科技有限公司 | 一种公交出行客流的预测方法 |
CN106448135A (zh) * | 2016-09-30 | 2017-02-22 | 百度在线网络技术(北京)有限公司 | 公交路线推荐方法及装置 |
CN106778521A (zh) * | 2016-11-23 | 2017-05-31 | 宇龙计算机通信科技(深圳)有限公司 | 一种公交乘车提示方法、装置及系统 |
Non-Patent Citations (4)
Title |
---|
Jian Dong;Jian Dong;《2013 IEEE Congress on Evolutionary Computation》;20130615;2918-2923 * |
Research on Bus Arrival Time Prediction Based on Multi-Source Traffic Information;Hao Chu;《2007 7th International Conference on ITS Telecommunications》;20070827;1-5 * |
基于GPS的公交车辆到达时间预测技术研究;罗虹;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20071215(第06期);C034-234 * |
基于时间分段的公交车到站时间预测模型研究;张强;《数字技术与应用》;20141231(第11期);第60、62页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107862865A (zh) | 2018-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110675629B (zh) | 一种基于大数据的高速公路拥堵预测与主动防控方法 | |
Amirgholy et al. | Optimal design of sustainable transit systems in congested urban networks: A macroscopic approach | |
CN103824467B (zh) | 针对私有车辆的预约式交通导航服务方法及装置 | |
CN102081859B (zh) | 一种公交车到站时间预测模型控制方法 | |
Gonzales et al. | Morning commute with competing modes and distributed demand: user equilibrium, system optimum, and pricing | |
Ulusoy et al. | Optimal all-stop, short-turn, and express transit services under heterogeneous demand | |
CN107919014B (zh) | 面向多载客里程的出租车运行线路优化方法 | |
CN107862865B (zh) | 一种出行信息的预测方法及装置 | |
CN101661668A (zh) | 一种公共交通电子导航方法 | |
CN107204124B (zh) | 公交车推荐方法和装置 | |
CN112997226A (zh) | 信息处理方法以及信息处理系统 | |
Manasra et al. | Optimization-based operations control for public transportation service with transfers | |
CN103366224A (zh) | 一种基于公交网络的乘客需求预测系统和方法 | |
Bie et al. | Bus scheduling of overlapping routes with multi-vehicle types based on passenger OD data | |
JP2009009282A (ja) | 需要情報送信装置 | |
Bie et al. | Mixed scheduling strategy for high frequency bus routes with common stops | |
Choi et al. | Measuring taxi ridesharing effects and its spatiotemporal pattern in Seoul, Korea | |
CN111696376A (zh) | 一种公交车辆到站顺序的确定方法 | |
CN113379159A (zh) | 基于灰色模型和马尔可夫决策过程的出租车司机寻客路线推荐方法 | |
Ayuningtyas et al. | Network analysis of intercity bus terminal and inner-city toll road development–the case of Bandung City | |
CN112289065A (zh) | 一种基于精准od大数据的定制公交线路设计方法及系统 | |
CN115169669A (zh) | 一种基于轨迹大数据支持的出租车合乘方法 | |
Hafezi et al. | Bus scheduling model for adjustment headway of bus carriers | |
CN114418349A (zh) | 公交高峰专线的评估方法、装置、设备和存储介质 | |
JP7188917B2 (ja) | 車両管理システムおよび車両管理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |