CN108154387A - 公交车身广告投放线路方案的评估方法及装置 - Google Patents
公交车身广告投放线路方案的评估方法及装置 Download PDFInfo
- Publication number
- CN108154387A CN108154387A CN201711310511.3A CN201711310511A CN108154387A CN 108154387 A CN108154387 A CN 108154387A CN 201711310511 A CN201711310511 A CN 201711310511A CN 108154387 A CN108154387 A CN 108154387A
- Authority
- CN
- China
- Prior art keywords
- public
- bus network
- public bus
- administrative region
- vehicle
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0242—Determining effectiveness of advertisements
- G06Q30/0244—Optimization
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种公交车身广告投放线路方案的评估方法及装置,应用于定向行政区域场景,包括:确定在公交车身投放满足所述定向行政区域场景的公交车身广告投放线路方案的公交线路;获取所述公交线路的路线信息,并统计所述公交线路覆盖的在所述公交车身投放的公交车身广告的广告受众轨迹中经过所述定向行政区域的轨迹数量;以所述广告受众轨迹中经过所述定向行政区域的轨迹数量为评估参数,对所述公交车身广告投放线路方案的投放效果进行评估。可见,本发明有针对性地提取路线信息并挖掘,根据挖掘结果计算出符合广告主题评估指标,以该指标为评估参数对方案进行评估,根据评估结果将最适合的广告传播给最适合的受众、发挥广告的最大价值。
Description
技术领域
本发明涉及人工智能及大数据技术领域,特别是涉及一种公交车身广告投放线路方案的评估方法及装置。
背景技术
随着城市和公共交通系统的发展,公交已经成为城市居民重要的出行交通工具之一,也是一种渗透力极强的户外广告媒体。公交广告因其覆盖人群广、区域大等特征,其与静态广告相比具有更显著的优势,已经成为了户外广告主流形式。
但是,现有技术中,尽管公交每天承载着大量的用户群体,然而目标广告收益没有得到很好的效果。其主要原因在于目前广告投放线路的选择仍然依靠传统、简单的粗略评估方式,一般是根据一条公交车线路覆盖的城区范围或者一辆公交车车载的乘客数量来评估公交线路上的广告效果并定价。事实上,这不能科学地评估实际的广告投放效果与收入比。此外,由于城市公交线路繁多复杂,公交车站在不同时段乘客流量差异较大,并且,每条公交线路也会经过不同的区域,乘客类型也不相同,导致投放到不同领域的广告获得的效果也不同。因此单单依靠公交线路长度和乘客流量很难科学、精确地评估广告投放线路效果。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的公交车身广告投放线路方案的评估方法和相应的装置。
依据本发明的一个方面,提供了一种公交车身广告投放线路方案的评估方法,应用于定向行政区域场景,包括:
确定在公交车身投放满足所述定向行政区域场景的公交车身广告投放线路方案的公交线路;
获取所述公交线路的路线信息,并统计所述公交线路覆盖的在所述公交车身投放的公交车身广告的广告受众轨迹中经过所述定向行政区域的轨迹数量;
以所述广告受众轨迹中经过所述定向行政区域的轨迹数量为评估参数,对所述公交车身广告投放线路方案的投放效果进行评估。
可选地,所述获取公交线路的路线信息,并统计所述公交线路覆盖的在所述公交车身投放的公交车身广告的广告受众轨迹中经过所述定向行政区域的轨迹数量,包括:
获取包括公交线路编号、上下车时间以及上下车车站编号的智能公交卡数据,基于所述智能公交卡数据提取所述公交线路覆盖的所述广告受众的轨迹集合;
获取所述公交线路的行政区域分布,根据所述定向行政区域场景确定所述公交线路的定向行政区域分布;
结合所述公交线路覆盖的所述广告受众的轨迹集合及定向行政区域分布统计所述公交线路覆盖的在所述公交车身投放的公交车身广告的广告受众轨迹中经过定向行政区域的轨迹数量。
可选地,所述获取公交线路的路线信息,并统计所述公交线路覆盖的在所述公交车身投放的公交车身广告的广告受众轨迹中经过所述定向行政区域的轨迹数量之后,还包括:
计算所述公交线路中所述广告受众平均乘坐公交车站数;
通过所述公交线路中所述广告受众平均乘坐公交车站数及统计的所述公交线路覆盖的所述广告受众轨迹中经过所述定向行政区域的轨迹数量信息,计算所述公交线路的行政区域毛评点;
以所述公交线路的行政区域毛评点为评估参数,对所述公交车身广告投放线路方案的投放效果进行评估。
可选地,所述计算公交线路中所述广告受众平均乘坐公交车站数,包括:
基于所述智能公交卡数据提取所述公交线路覆盖的所述广告受众轨迹集合,并获取所述广告受众轨迹集合中的轨迹数量;
统计所述广告受众轨迹集合中各轨迹途径的公交车站数量;
调用预设的计算策略,并将所获取的所述广告受众轨迹集合中的轨迹数量、所述广告受众轨迹集合中各轨迹途径的公交车站数量作为该计算策略的计算参数,进一步按照预设的计算策略计算所述公交线路中所述广告受众平均乘坐公交车站数。
可选地,按下列方式计算所述公交线路中所述广告受众平均乘坐公交车站数:
其中,OTS为所述公交线路中所述广告受众平均乘坐公交车站数,trajcovered为所述公交线路覆盖的所述广告受众轨迹集合,为所述公交线路覆盖的所述广告受众轨迹集合中的轨迹数量,traji为所述公交线路覆盖的所述广告受众轨迹集合中任一轨迹,为所述任一轨迹traji途经公交车站的数量。
可选地,所述通过公交线路中所述广告受众平均乘坐公交车站数及统计的所述公交线路覆盖的所述广告受众轨迹中经过所述定向行政区域的轨迹数量信息,计算所述公交线路的行政区域毛评点,包括:
调用预设的计算策略,将所述公交线路中所述广告受众平均乘坐公交车站数、所述公交线路覆盖的所述广告受众轨迹中经过所述定向行政区域的轨迹数量作为该计算策略的参数进行输入;
按照预设的计算策略计算所述公交线路的行政区域毛评点。
可选地,按下列方式计算所述公交线路的行政区域毛评点:
D_GRP=TDC×OTS×N
其中,D_GRP为所述公交线路的行政区域毛评点,TDC为所述公交线路覆盖的所述广告受众轨迹中经过所述定向行政区域的轨迹数量所占的比例,OTS为所述公交线路中所述广告受众平均乘坐公交车站数,N为所述广告的受众数量,N取正整数。
可选地,得到所述公交线路覆盖的所述广告受众轨迹中经过所述定向行政区域的轨迹数量及所述公交线路的行政区域毛评点之后,还包括:
结合所述公交线路覆盖的所述广告受众轨迹中经过所述定向行政区域的轨迹数量及所述公交线路的行政区域毛评点,对所述公交车身广告投放线路方案的投放效果进行评估。
可选地,所述结合公交线路覆盖的所述广告受众轨迹中经过所述定向行政区域的轨迹数量及所述公交线路的行政区域毛评点,对所述公交车身广告投放线路方案的投放效果进行评估,包括:
所述公交线路覆盖的所述广告受众轨迹中经过所述定向行政区域的轨迹数量越多,所述公交车身广告投放线路方案的投放效果越好;和/或,
所述公交线路的行政区域毛评点数值越大,所述公交车身广告投放线路方案的投放效果越好。
可选地,所述对公交车身广告投放线路方案的投放效果进行评估之后,还包括:
结合对公交车身广告投放线路方案的评估结果,对该投放线路方案中的公交线路进行调整,生成新的公交车身广告投放线路方案。
可选地,所述结合对公交车身广告投放线路方案的评估结果,对该投放线路方案中的公交线路进行调整,生成新的公交车身广告投放线路方案,包括:
结合对公交车身广告投放线路方案的评估结果,对该投放线路方案中的公交线路进行删除;和/或
通过预置地图应用接口调用地图中的其他公交线路,并结合对公交车身广告投放线路方案的评估结果,在该投放线路方案中添加其他公交线路。
可选地,所述确定在公交车身投放满足所述定向行政区域场景的公交车身广告投放线路方案的公交线路之前,还包括:
收集与公交车相关的数据,得到多源异构数据源;
对所述多源异构数据源进行挖掘处理,提取各公交线路的特征属性;
根据广告投放需求和定向行政区域场景匹配各公交线路的特征属性,选取特征属性匹配的一条或多条公交线路,生成公交车身广告投放线路方案。
可选地,所述多源异构数据源包括以下至少之一:地图数据、公交车站数据、公交线路数据、智能公交卡数据、用户兴趣点POI数据。
可选地,所述各公交线路的特征属性包括下列中的多个:
各公交线路长度、各公交线路全天时客流量、各公交线路行政区域分布。
可选地,所述对多源异构数据源进行挖掘处理,提取各公交线路的特征属性,包括:
从所述多源异构数据源的公交线路数据中提取各公交线路长度;
基于所述多源异构数据源中的智能公交卡数据、公交车站数据以及公交线路数据,计算各公交线路全天时客流量;
基于所述多源异构数据源中的地图数据、POI数据、公交车站数据以及公交线路数据,确定各公交线路的行政区域分布。
可选地,所述基于多源异构数据源中的地图数据、POI数据、公交车站数据以及公交线路数据,确定各公交线路行政区域分布,包括:
根据地图数据和各网格的地理坐标经纬度信息,确定各网格的行政区域归属;
综合各公交线路途经网格和各网格的行政区域归属,确定各公交线路行政区域分布。
可选地,根据广告投放需求和定向行政区域场景匹配各公交线路的特征属性,选取特征属性匹配的一条或多条公交线路,生成公交车身广告投放线路方案,包括:
设定广告投放需求,包括时间范围、公交线路数目、公交线路长度范围和公交线路客流量范围;
根据公交线路长度范围要求、客流量范围要求、公交线路数目要求和定向行政区域覆盖要求,匹配各公交线路的特征属性,筛选出符合要求的一条或多条公交线路,进而生成公交车身广告投放线路方案。
依据本发明的另一个方面,还提供了一种公交车身广告投放线路方案的评估装置,应用于定向行政区域场景,包括:
确定模块,配置为确定在公交车身投放满足所述定向行政区域场景的公交车身广告投放线路方案的公交线路;
统计模块,配置为获取所述公交线路的路线信息,并统计所述公交线路覆盖的在所述公交车身投放的公交车身广告的广告受众轨迹中经过所述定向行政区域的轨迹数量;
评估模块,配置为以所述广告受众轨迹中经过所述定向行政区域的轨迹数量为评估参数,对所述公交车身广告投放线路方案的投放效果进行评估。
可选地,所述统计模块,还配置为:
获取包括公交线路编号、上下车时间以及上下车车站编号的智能公交卡数据,基于所述智能公交卡数据提取所述公交线路覆盖的所述广告受众的轨迹集合;
获取所述公交线路的行政区域分布,根据所述定向行政区域场景确定所述公交线路的定向行政区域分布;
结合所述公交线路覆盖的所述广告受众的轨迹集合及定向行政区域分布统计所述公交线路覆盖的在所述公交车身投放的公交车身广告的广告受众轨迹中经过定向行政区域的轨迹数量。
可选地,还包括:
第一计算模块,配置为计算所述公交线路中所述广告受众平均乘坐公交车站数;
第二计算模块,配置为通过所述公交线路中所述广告受众平均乘坐公交车站数及统计的所述公交线路覆盖的所述广告受众轨迹中经过所述定向行政区域的轨迹数量信息,计算所述公交线路的行政区域毛评点;
所述评估模块,还配置为以所述公交线路的行政区域毛评点为评估参数,对所述公交车身广告投放线路方案的投放效果进行评估。
可选地,所述第一计算模块,还配置为:
基于所述智能公交卡数据提取所述公交线路覆盖的所述广告受众轨迹集合,并获取所述广告受众轨迹集合中的轨迹数量;
统计所述广告受众轨迹集合中各轨迹途径的公交车站数量;
调用预设的计算策略,并将所获取的所述广告受众轨迹集合中的轨迹数量、所述广告受众轨迹集合中各轨迹途径的公交车站数量作为该计算策略的计算参数,进一步按照预设的计算策略计算所述公交线路中所述广告受众平均乘坐公交车站数。
可选地,所述第二计算模块,还配置为:
调用预设的计算策略,将所述公交线路中所述广告受众平均乘坐公交车站数、所述公交线路覆盖的所述广告受众轨迹中经过所述定向行政区域的轨迹数量作为该计算策略的参数进行输入;
按照预设的计算策略计算所述公交线路的行政区域毛评点。
可选地,所述评估模块,还配置为:
结合所述公交线路覆盖的所述广告受众轨迹中经过所述定向行政区域的轨迹数量及所述公交线路的行政区域毛评点,对所述公交车身广告投放线路方案的投放效果进行评估。
可选地,所述评估模块,还配置为:
所述公交线路覆盖的所述广告受众轨迹中经过所述定向行政区域的轨迹数量越多,所述公交车身广告投放线路方案的投放效果越好;和/或,
所述公交线路的行政区域毛评点数值越大,所述公交车身广告投放线路方案的投放效果越好。
可选地,还包括:
调整模块,配置为结合对公交车身广告投放线路方案的评估结果,对该投放线路方案中的公交线路进行调整,生成新的公交车身广告投放线路方案。
可选地,所述调整模块,还配置为:
结合对公交车身广告投放线路方案的评估结果,对该投放线路方案中的公交线路进行删除;和/或
通过预置地图应用接口调用地图中的其他公交线路,并结合对公交车身广告投放线路方案的评估结果,在该投放线路方案中添加其他公交线路。
可选地,还包括:
收集模块,配置为收集与公交车相关的数据,得到多源异构数据源;
提取模块,配置为对所述多源异构数据源进行挖掘处理,提取各公交线路的特征属性;
生成模块,配置为根据广告投放需求和定向行政区域场景匹配各公交线路的特征属性,选取特征属性匹配的一条或多条公交线路,生成公交车身广告投放线路方案。
可选地,所述多源异构数据源包括以下至少之一:地图数据、公交车站数据、公交线路数据、智能公交卡数据、用户兴趣点POI数据。
可选地,所述各公交线路的特征属性包括下列中的多个:
各公交线路长度、各公交线路全天时客流量、各公交线路行政区域分布。
可选地,所述提取模块,还配置为:
从所述多源异构数据源的公交线路数据中提取各公交线路长度;
基于所述多源异构数据源中的智能公交卡数据、公交车站数据以及公交线路数据,计算各公交线路全天时客流量;
基于所述多源异构数据源中的地图数据、POI数据、公交车站数据以及公交线路数据,确定各公交线路的行政区域分布。
可选地,所述提取模块,还配置为:
根据地图数据和各网格的地理坐标经纬度信息,确定各网格的行政区域归属;
综合各公交线路途经网格和各网格的行政区域归属,确定各公交线路行政区域分布。
可选地,所述生成模块,还配置为:
设定广告投放需求,包括时间范围、公交线路数目、公交线路长度范围和公交线路客流量范围;
根据公交线路长度范围要求、客流量范围要求、公交线路数目要求和定向行政区域覆盖要求,匹配各公交线路的特征属性,筛选出符合要求的一条或多条公交线路,进而生成公交车身广告投放线路方案。
依据本发明的另一个方面,还提供了一种电子设备,包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行上述任一项所述的公交车身广告投放线路方案投放效果的评估方法。
依据本发明的另一个方面,还提供了一种计算机可读存储介质,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行上述任一项所述的公交车身广告投放线路方案投放效果的评估方法。
依据本发明提供的公交车身广告投放线路方案的评估方法及装置,首先根据广告的定向行政区域场景,确定在公交车身投放满足定向行政区域场景的公交车身广告投放线路方案的公交线路。进一步,获取其中各公交线路的路线信息,并统计各公交线路覆盖的在公交车身投放的公交车身广告的广告受众轨迹中经过定向行政区域的轨迹数量。随后,以广告受众轨迹中经过定向行政区域的轨迹数量为评估参数,对公交车身广告投放线路方案的投放效果进行评估。
由此可知,本发明在对公交车身广告投放线路方案进行评估时,并非以公交投放线路所覆盖的区域范围或所载的乘客量为参考因素。其对上述方案进行评估时,通过从提供的投放线路方案中有针对性地、根据广告特点提取相关路线信息。进一步对提取的信息进行综合、具体、及更深层面地分析、挖掘,然后,根据分析结果统计或计算出符合目标广告主题的特定评估指标。以所获取的特定评估指标为评估参数对公交车身广告投放线路方案进行评估。以本实施的方法获取的特定评估指标能够精确地针对广告主题,在最大程度上与广告主题关联。可见,通过本发明的方法,可以解决现有技术中仅能根据公交线路覆盖范围及承载的乘客数量两个指标来对投放线路进行选取、评估而造成广告传播效果差、无法将最适合的广告传播给最适合的受众、无法发挥广告的最大价值等问题。并且,根据本发明的方法,用户可以根据评估效果选择合适的公交线路进行广告投放,使得所选择的公交线路具备更强的针对性,广告投放效果更好,不但为广告商带来很好的收益,还为广告受众提供了方便。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
根据下文结合附图对本发明具体实施例的详细描述,本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1是根据本发明一个实施例的公交车身广告投放线路方案的评估方法的示意性流程图;
图2是根据本发明一个实施例的乘客轨迹数据的计算过程示意性流程图;
图3是根据本发明一个实施例的北京510路公交车各车站编号示意图;
图4是根据本发明一个实施例的Temproal-IdeaGraph算法的流程示意图;
图5是根据本发明一个实施例的生成基于定向行政区域场景的公交车身广告投放线路方案的示意性流程图;
图6是根据本发明一个实施例的基于公交大数据生成公交车身广告投放线路推荐方案的整体流程图;
图7是根据本发明一个实施例的KRQ与District-KRQ两种方法推荐公交线路的Coverage、OTS、GRP和TDC指标对比图;
图8是根据本发明一个实施例KRQ与District-KRQ两种方法推荐公交线路D_GRP指标对比图;
图9是根据本发明一个实施例的公交车身广告投放线路方案的评估装置的第一个示意性框图;
图10是根据本发明一个实施例的公交车身广告投放线路方案的评估装置的第二个示意性框图;
图11是根据本发明一个实施例的公交车身广告投放线路方案的评估装置的第三个示意性框图;
图12是根据本发明一个实施例的用于执行根据本发明的公交车身广告投放线路方案评估方法的计算设备的框图;以及
图13是根据本发明一个实施例的用于保持或者携带实现根据本发明的公交车身广告投放线路方案评估方法的程序代码的存储单元。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
现有技术中,公交车体广告方案中最关键的内容之一便是选择广告投放线路。然而,城市中公交路网纷繁复杂,不同公交线路的地理位置分布不同、周边城市功能区有差异、覆盖乘客人群不同,导致不同公交线路、不同时段的广告受众不同,从而对不同类型广告的反响也不同。这使得公交车体广告精准投放成为所有广告主的目标,即针对目标人群、目标区域以及目标主题的精准投放,在最适宜的时间、地点将最适合的广告传播给最适合的受众,从而发挥广告的最大价值。目前,根据广告需求生成公交车身广告投放线路方案后,广告商只能通过公交线路覆盖范围或承载的乘客数量两个指标来对公交线路进行评估,无法科学、精确地评估广告投放线路效果,以致于广告传播效果差,并且无法将最适合的广告传播给最适合的受众,无法发挥广告的最大价值。
为解决上述技术问题,本发明提供了一种公交车身广告投放线路方案的评估方法。图1是根据本发明一个实施例的公交车身广告投放线路方案的评估方法的流程图。如图1所示,公交车身广告投放线路方案的评估方法至少包括步骤S102至步骤S106:
步骤S102、确定在公交车身投放满足定向行政区域场景的公交车身广告投放线路方案的公交线路;
步骤S104、获取公交线路的路线信息,并统计公交线路覆盖的在公交车身投放的公交车身广告的广告受众轨迹中经过定向行政区域的轨迹数量;
步骤S106、以广告受众轨迹中经过定向行政区域的轨迹数量为评估参数,对公交车身广告投放线路方案的投放效果进行评估。
依据本发明提供的公交车身广告投放线路方案的评估方法及装置,首先根据广告的定向行政区域场景,确定在公交车身投放满足定向行政区域场景的公交车身广告投放线路方案的公交线路。进一步,获取其中各公交线路的路线信息,并统计各公交线路覆盖的在公交车身投放的公交车身广告的广告受众轨迹中经过定向行政区域的轨迹数量。随后,以广告受众轨迹中经过定向行政区域的轨迹数量为评估参数,对公交车身广告投放线路方案的投放效果进行评估。
由此可知,本发明在对公交车身广告投放线路方案进行评估时,并非以公交投放线路所覆盖的区域范围或所载的乘客量为参考因素。其对上述方案进行评估时,通过从提供的投放线路方案中有针对性地、根据广告特点提取相关路线信息。进一步对提取的信息进行综合、具体、及更深层面地分析、挖掘,然后,根据分析结果统计或计算出符合目标广告主题的特定评估指标。以所获取的特定评估指标为评估参数对公交车身广告投放线路方案进行评估。以本实施的方法获取的特定评估指标能够精确地针对广告主题,在最大程度上与广告主题关联。可见,通过本发明的方法,可以解决现有技术中仅能根据公交线路覆盖范围及承载的乘客数量两个指标来对投放线路进行选取、评估而造成广告传播效果差、无法将最适合的广告传播给最适合的受众、无法发挥广告的最大价值等问题。并且,根据本发明的方法,用户可以根据评估效果选择合适的公交线路进行广告投放,使得所选择的公交线路具备更强的针对性,广告投放效果更好,不但为广告商带来很好的收益,还为广告受众提供了方便。
具体地,本发明属于人工智能和大数据技术领域,能够涉及数据挖掘和决策支持等相关技术。在本实施例中,为了能够清楚、完整地表述本发明的根据广告的定向行政区域场景对公交车身广告投放线路方案进行评估的方法,还提出了生成推荐的公交线路方案的过程。
在本实施例中,在生成公交车身广告投放线路方案时,可以首先获取指定区域内各公交线路以及各公交线路覆盖的公交车站,进一步还可以收集与指定区域内的公交车相关的其他数据,统计所获取的公交车相关数据,得到多源异构数据源。其中,多源异构数据源可以包括地图数据、公交车站数据、公交线路数据、SCT(Smart Card Transaction,智能公交卡数据)、POI(Point of Interests,用户兴趣点数据)。
在本实施例中,公交数据中记录的信息包括公交线路编号、线路名称及该线路所包含的所有公交站点信息。其中,公交站点信息又包括站点编号、站点名称以及站点经纬度坐标等。智能公交卡数据中记录的信息包括公交线路编号、上车时间、下车时间、上车车站编号和下车车站编号。用户兴趣点数据中记录的信息包括用户兴趣点名称、地址、GPS经纬度坐标和相关描述等。
根据本发明的方法,在获取到上述数据后,可以首先对智能公交卡数据进行预处理。进一步,基于初步处理后的智能公交卡数据计算得到乘客轨迹数据。
具体地,本发明乘客轨迹数据的计算过程至少包括步骤S202至步骤S208:
步骤S202、从智能公交卡数据中获取公交线路编号、乘客上下车时间、乘客上下车车站编号;
步骤S204、将智能公交卡数据中的乘客上下车车站编号记为车站收费编号;
步骤S206、基于乘客上下车车站收费编号,按照预设策略计算出智能公交卡数据中乘客上下车车站的逻辑编号;
步骤S208、依据乘客上下车车站的逻辑编号确定乘客途经车站编号序列,从而得到包含公交线路编号、乘客上下车时间、乘客途经车站编号序列的乘客轨迹数据。
下面以一个具体实施例对上述获取乘客轨迹的方法做具体描述。在本实施例中,智能公交卡数据中(上车和下车)记录的车站编号为车站的收费编号。然而,在实际应用中存在多个车站共用同一编号的问题,以图3为例,图3示出了根据本发明一个实施例的北京510路公交车各车站编号示意图。参见图3,北京510路公交车各车站编号数据中,“地铁林萃桥站”和“京师园北门”编号相同(都为4),“林萃路口北”、“澳林春天小区”和“倚林佳园东门”编号相同(都为5)。这种编号方式为后续统计各车站客流量带来了很大不便,因为,当多个车站使用的编号相同时,无法精确分析每个车站的客流量,因此,本实施在对获取的智能公交卡数据进行预处理时,首先需进行车站映射操作,即将车站的收费编号映射为实际的逻辑编号。
在一个优选的实施例中,将车站的收费编号映射为实际的逻辑编号时,可以首先将同一公交车上的智能公交卡数据按照上车时间进行排序,得到排序后的智能公交卡数据。然后,对排序后的智能公交卡数据进行分组,将排序后的智能公交卡数据中乘客上车车站收费编号相同的分为一组(如“地铁林萃桥站”和“京师园北门”)。进一步,对分组后每一组智能公交卡数据使用聚类算法(K-Means)进行聚类,得到与车站收费编号对应的实际车站个数相同的聚类个数(比如,对包含“地铁林萃桥站”和“京师园北门”这一分组的智能公交卡数据进行聚类,得到的聚类个数为2)。接着,针对每个聚类中的智能公交卡数据计算上车时间平均值。最后,将多个聚类按照上车时间平均值进行排序,并按照排序确定每个聚类中智能公交卡数据的乘客上车车站逻辑编号。在本发明实施例中,还可以按照类似的方法将智能公交卡数据中下车车站收费编号映射为逻辑编号。在将下车车站收费编号映射为逻辑编号时所采用的方法与将上车车站收费编号映射为逻辑编号所采用的方法类似,原理相同,在此不再赘述。当然还可以采用其他的聚类算法,本发明实施例对此不做具体限定。
进一步,在一个可选的实施例中,将智能公交卡数据中的车站收费编号映射为逻辑编号后,还可以结合各公交车站的经纬度坐标,将距离小于预设距离(比如100米)的车站进行合并。随后,根据智能公交卡数据中上车车站和下车车站以及公交线路车站信息,得出该条智能公交卡记录的途经车站序列,从而得到该乘客轨迹数据。因此,在本实施例中,每一条智能公交卡记录都对应一条乘客轨迹数据。
在本实施例中,获取到乘客轨迹后,还可以结合多源异构数据中的其他数据(比如地图数据、公交车站数据、公交线路数据等)对各公交线路的特征属性进行提取。其中,各公交线路的特征属性可以包括各公交线路长度、各公交线路全天时客流量、各公交线路行政区域分布、各公交线路的功能主题分布等等。具体地,根据本发明的方法,在提取各公交线路的特征属性时,需要对多源异构数据源进行挖掘处理。详细来说,可以从多源异构数据源的公交线路数据中提取各公交线路长度;还可以基于多源异构数据源中的智能公交卡数据、公交车站数据以及公交线路数据,计算各公交线路全天时客流量;还可以基于多源异构数据源中的地图数据、用户兴趣点数据、公交车站数据以及公交线路数据,确定各公交线路的行政区域分布、功能主题分布等等。在本实施例中,仅以确定各公交线路的行政区域分布这一特征属性为例,但并不够成对提取其他特征属性的限定。本实施例在确定各公交线路行政区域分布时,可以根据地图数据和各网格的地理坐标经纬度信息,确定各网格的行政区域归属,进一步综合各公交线路途经网格和各网格的行政区域归属,确定各公交线路行政区域分布。
在上述步骤执行结束之后,可以确定各公交线路的行政区划属性。进一步,根据本发明的方法,还可以通过广告投放需求和定向行政区域场景匹配各公交线路的特征属性,从而选取特征属性匹配的一条或多条公交线路,生成公交车身广告投放线路方案。具体地,可以首先设定广告投放需求,包括时间范围、公交线路数目、公交线路长度范围和公交线路客流量范围。进一步,根据公交线路长度范围要求、客流量范围要求、公交线路数目要求和定向行政区域覆盖要求,匹配各公交线路的特征属性,筛选出符合要求的一条或多条公交线路,进而生成公交车身广告投放线路方案。
此外,在一个可选的实施例中,当广告所针对的投放效果既需满足定向行政区域场景,又要达到广泛传播的目的时,除了需要考虑各公交线路的行政区划属性外,还需考虑各公交线路中各公交车站的枢纽度。此时,可以结合乘客轨迹分析各公交车站的枢纽度。枢纽度用于度量公交车站作为中转车站的数量,车站公交车数量越多、换乘人数越大,则枢纽度越大,同时还能度量公交车站客流量。
具体地,本实施例中可以在获取乘客轨迹之后,使用Temproal-IdeaGraph算法挖掘公交车站枢纽度属性。Temproal-IdeaGraph算法为公知算法,可以挖掘数据中的序列以及各个元素主体之间的关系网络。图4为Temproal-IdeaGraph算法的流程示意图,参见图4,该算法可以包括如下步骤:
步骤S402、序列模式挖掘,基于乘客轨迹数据挖掘出长度大于n(n为正整数)的序列,并将该序列记为目标序列。统计目标序列中与各序列相同的乘客轨迹数量,并作为相应序列的权值。该实施例中,所有序列集合记为P,某序列记为p,序列p的权值记为w(p);
步骤S404、序列模式合并,基于目标序列中各序列的权值,将包含相同车站的序列进行合并,得到连接模式网络;
步骤S406、枢纽车站发现,根据连接模式网络,计算公交线路上的每个公交车站的枢纽度。
枢纽度的计算公式如公式1-1所示:
上述公式1中的各参数的计算参见如下公式1-2至1-5:
其中,上述公式中,si为车站i,H(si)为车站si枢纽度,Lstarti为起始车站为si的序列集合,Lendi为终止车站为si的序列集合,li→j为其实车站为si、终止车站为sj的序列。
本实施例可以根据上述计算出的各公交车站的枢纽度数据,结合定向行政区域场景两项因素综合考虑以选取既满足定向行政区域场景,又达到广泛传播目的的公交车身广告投放线路生成推荐方案。
在一个优选的实施例中,结合定向行政区域场景生成公交车身广告投放线路方案后,可以确定在公交车身投放满足定向行政区域场景的公交车身广告投放线路方案的公交线路。进一步,获取公交线路的路线信息,并统计公交线路覆盖的在公交车身投放的公交车身广告的广告受众轨迹中经过定向行政区域的轨迹数量。具体执行时,可以获取公交线路的行政区域分布,根据定向行政区域场景确定公交线路的定向行政区域分布属性。进而结合公交线路覆盖的广告受众的轨迹集合及定向行政区域分布属性统计各公交线路覆盖的在公交车身投放的公交车身广告的广告受众轨迹中经过定向行政区域的轨迹数量。
上述步骤执行结束之后,获取到公交线路覆盖的在公交车身投放的公交车身广告的广告受众轨迹中经过定向行政区域的轨迹数量,然后根据发明的方法,可以直接以广告受众轨迹中经过定向行政区域的轨迹数量为评估参数,对公交车身广告投放线路方案的投放效果进行评估。具体地,公交线路覆盖的广告受众轨迹中经过定向行政区域的轨迹数量越多,公交车身广告投放线路方案的投放效果越好。
在一个可选的实施例中,在获取到公交线路覆盖的在公交车身投放的公交车身广告的广告受众轨迹中经过定向行政区域的轨迹数量之后,还可以结合获取的数据计算公交线路中广告受众平均乘坐公交车站数。下面将具体介绍公交线路中广告受众平均乘坐公交车站数的计算步骤。
首先,基于智能公交卡数据提取公交线路覆盖的广告受众轨迹集合,并获取广告受众轨迹集合中的轨迹数量。然后,统计广告受众轨迹集合中各轨迹途经的公交车站数量。进一步调用预设的计算策略,并将所获取的广告受众轨迹集合中的轨迹数量、广告受众轨迹集合中各轨迹途径的公交车站数量作为该计算策略的计算参数,进一步按照预设的计算策略计算公交线路中广告受众平均乘坐公交车站数。
在本实施例中,计算策略可以按公式2的方式来设定,进而计算公交线路中广告受众平均乘坐公交车站数:
其中,OTS为公交线路中广告受众平均乘坐公交车站数,trajcovered为公交线路覆盖的广告受众轨迹集合,为公交线路覆盖的广告受众轨迹集合中的轨迹数量,traji为公交线路覆盖的广告受众轨迹集合中任一轨迹,为任一轨迹traji途经公交车站的数量。
在获取到公交线路中广告受众平均乘坐公交车站数及公交线路覆盖的广告受众轨迹中经过定向行政区域的轨迹数量信息之后,可以结合上述获取的信息,计算公交线路的行政区域毛评点。具体执行时,可以调用预设的计算策略,将公交线路中广告受众平均乘坐公交车站数、公交线路覆盖的广告受众轨迹中经过定向行政区域的轨迹数量作为该计算策略的参数进行输入。随后,按照预设的计算策略计算公交线路的行政区域毛评点。
在一个可选的实施例中,可以按公式3的方式设定计算策略,从而计算公交线路的行政区域毛评点:
D_GRP=TDC×OTS×N (公式3)
其中,D_GRP为公交线路的行政区域毛评点,TDC为公交线路覆盖的广告受众轨迹中经过定向行政区域的轨迹数量所占的比例,OTS为公交线路中广告受众平均乘坐公交车站数,N为广告的受众数量,N取正整数。
上述步骤执行结束之后,根据本发明的方法,可以根据公交线路的行政区域毛评点,对公交车身广告投放线路方案的投放效果进行评估。具体地,公交线路的行政区域毛评点数值越大,公交车身广告投放线路方案的投放效果越好。此外,还可以结合公交线路覆盖的广告受众轨迹中经过定向行政区域的轨迹数量及公交线路的行政区域毛评点两个指标,对公交车身广告投放线路方案的投放效果进行综合评估。
进一步,对公交车身广告投放线路方案的投放效果进行评估之后,本实施例还可以结合对公交车身广告投放线路方案的评估结果,对该投放线路方案中的公交线路进行调整,生成新的公交车身广告投放线路方案。在具体调整时,可以结合对公交车身广告投放线路方案的评估结果,对该投放线路方案中的公交线路进行删除;还可以通过预置地图应用接口调用地图中的其他公交线路,并结合对公交车身广告投放线路方案的评估结果,在该投放线路方案中添加其他公交线路。
下面以几个具体的实施例对本发明的公交车身广告投放线路方案的评估方法进行详细阐述。
实施例一
在本实施例中,首先设置广告是基于定向行政区域场景的(以北京市海淀区为例),即,该广告需面向的区域是北京市海淀区,进而基于该设定的行政区域场景推荐满足要求的公交车身广告投放线路方案。为此,本实施例提供了一种生成基于定向行政区域场景的公交车身广告投放线路方案的方法,如图5所示,该方法至少包括以下步骤S502至步骤S506:
步骤S502、获取指定区域内的公交线路及各公交线路所覆盖的公交车站;
在本实施例中,获取指定区域内的公交线路及各公交线路所覆盖的公交车站时,可以使用JavaScript技术从预置的地图应用接口API获取指定区域的公交车线路和公交车站。此外,本实施例中,指定区域可以选择北京市。更多地,根据本发明的方法,还可以设定其他指定区域,比如根据广告需求自定义选取目标范围(北京市海淀区)作为指定区域。或者,为了尽量获取更多经过定向行政区域的公交线路,以提高推荐路线的准确度,还可以选择包含目标范围在内的一个较大范围(比如可以选择海淀区、以及与海淀区相邻的西城区、朝阳区三个区域)作为指定区域。更多地,还可以指定较大范围的某个省、市、县,进而以指定的固定范围为基础,获取该指定区域内的公交线路及各公交线路所覆盖的公交车站。本实施例提出的指定区域仅为例举,本发明对此不做具体限定。
步骤S504、根据公交车站的地理位置信息确定各公交车站的行政区划属性;
在该步骤中,可以首先获取各公交车站的地理位置经纬度坐标,进一步借助地图应用接口API确定各公交车站的行政区划属性。进而,根据每个公交车站的行政区划属性,汇总并合并每条公交线路所经过所有公交车站的行政区划分布,以确定各公交线路行政区划分布。
步骤S506、设置广告目标行政区域,基于各公交车站的行政区划属性在各公交线路中选取一条或多条与广告目标行政区划属性匹配的公交线路作为公交车身告投放线路。
在该步骤中,广告目标行政区域即为北京市海淀区,根据对指定区域内各公交线路及公交车站信息的挖掘确定出指定范围内各公交线路的行政区划属性,进一步从各公交线路中选择行政区划属性与目标行政区域(北京市海淀区)匹配的一条或多条公交线路。
具体实施时,在获取指定区域内各公交线路后,还可以将指定区域内各公交线路统计组成候选线路集合,记为集合BRcan;根据各公交线路提取候选线路集合中公交线路覆盖的公交车站,组成候选车站集合,记为集合Scan;设定广告目标行政区域,记为集合DTarget;遍历乘客轨迹数据,提取包含有候选车站集合中任一公交车站的乘客轨迹数据组成候选轨迹集合,记为集合Trajcan;基于各公交车站的行政区划属性计算各公交车站的目标行政区域权重,若公交车站的行政区划属性与目标行政区域相同,则该公交车站的目标行政区域权重为1,若公交车站的行政区划属性与目标行政区域不同,则该公交车站的目标行政区域权重为0,各公交车站的目标行政区域权重记为wTarget(s)。
在本实施例中,可以根据公式4计算候选轨迹集合Trajcan中所有轨迹对于候选线路集合BRcan中所有线路的权重w(traj;br):
w(traj;br)=∑s∈itswtarget(s);its=Its[traj]∩Irs[br] (公式4)
其中,Irs[br]为公交线路br覆盖的公交车站集合,Its[traj]为轨迹traj覆盖的公交车站集合,its为公交线路br与轨迹traj覆盖的公交线路交集。
进一步,遍历候选线路集合BRcan中所有公交线路,对于任一公交线路br,在候选车站集合Scan中提取任一公交线路覆盖的公交车站集合,该集合记为Sbr,并在候选轨迹集合Trajcan中提取该公交车站集合Sbr覆盖的乘客轨迹,记为Trajbr。
进一步,可以根据公式5对该公交车站集合覆盖的乘客轨迹Trajbr在任一公交线路的权重求和,得到任一公交线路的覆盖度Cbr;
其中,Irs[br]为提取公交线路br覆盖的公交车站集合Sbr,Ist[Irs[br]]为提取上述公交车站集合Sbr覆盖的乘客轨迹集合Trajbr。
进一步,在候选线路集合BRcan中选取覆盖度最大的公交线路,将选取出的公交线路添加至已挑选公交线路集合BRresult中,并从候选线路集合BRcan中删除;并且,将选取出的公交线路覆盖的乘客轨迹添加至已覆盖乘客轨迹集合Trajcovered中,并从候选轨迹集合Trajcan中删除。在此之前,需将已挑选公交线路集合BRresult以及已覆盖乘客轨迹集合Trajcovered设置为空。
接着,判断已挑选公交线路集合BRresult中的公交线路的数量是否等于预设阈值。若否,则继续在删减后的候选线路中选取覆盖度最大的公交线路添加至已挑选公交线路集合BRresult,直至已挑选公交线路集合BRresult中的公交线路的数量等于预设阈值。
此外,根据本发明的方法,除了可以根据各公交线路的行政区域分布属性结合广告的定向行政区域场景生成匹配的公交车身广告投放线路方案进行推荐外,还可以从公交大数据中结合不同的广告场景提取多种不同的属性特征,进而综合分析公交线路特征信息为广告商推荐匹配度更好的方案。图6是根据本发明一个实施例的基于公交大数据生成公交车身广告投放线路推荐方案的整体流程图。参见图6,总体来说,基于公交大数据,首先可以从其中的智能公交卡数据中进行轨迹提取,以提取出乘客轨迹数据。进一步,使用Temproal-IdeaGraph算法从乘客轨迹数据中挖掘公交车站枢纽度属性。随后结合广告场景(比如广泛传播场景)进行枢纽度约束,以生成乘客流量覆盖度最大的公交线路方案。其次,本实施例还可以根据获取的地图数据对各公交线路中的公交站等进行地理坐标映射,进一步挖掘出各公交线路的行政区划分布属性。随后结合广告场景(比如定向行政区域场景)进行行政区域约束,以生成目标行政区域覆盖度最大的公交线路方案。此外,本实施例可以根据获取的用户兴趣点数据进行话题建模,进而提取各公交线路的话题分布(或者说功能主题分布)属性。随后结合广告场景(比如定向功能主题场景)进行功能主题约束,以生成目标功能主题覆盖度最大的公交线路方案。值得说明的是,在对枢纽度约束、行政区域约束或者功能主题约束时可以通过改进的Max k-cover算法实现,当然也可以通过其他可行的算法进行各项约束,本实施例对此不做具体限定。
实施例二
本实施主要对公交车身广告投放线路方案的评估方法进行详细介绍。
目前,业界对广告投放效果的评估一般采用三个指标进行评估:
(1)Coverage
Coverage,广告受众覆盖率,是指目标人群中广告受众所占的比例,即全部乘客轨迹中投放线路覆盖的广告受众轨迹所占的比例。其计算公式如公式6所示:
其中,coverage为广告的受众覆盖率,traj_covered为广告投放线路覆盖的受众轨迹集合,traj为所有乘客轨迹集合,numtraj_covered为traj_covered集合中轨迹数量,numtraj为全部乘客轨迹数量。
(2)OTS
OTS(Opportunities To See),指平均每个受众接触广告的次数,在公交车体广告中可以定义为受众平均乘坐公交车站数。其计算公式如公式7所示:
其中,OTS为受众接触广告次数,为乘客轨迹traji中途经公交车站数量,numtraj_covered为广告投放公交线路覆盖乘客轨迹数量。
(3)GRP
GRP(Gross Rating Points),毛评点,是OTS百分比之和,用来衡量广告所产生的影响力,在公交车体广告中可以定义为100个乘客轨迹中广告传播给受众的次数。其计算公式如公式8所示:
GRP=coverage×OTS×100 (公式8)
除此之外,本发明实施例针对定向行政区域场景,还设计了另外两项指标。
即:
(4)TDC
TDC(Targeted District Coverage),指投放公交线路覆盖的轨迹中经过目标行政区域的比例,该值越大表示投放线路覆盖行政区域比例越大。
(5)D_GRP
D_GRP(District Gross Rating Points),行政区域毛评点,与GRP类似,用于评估在100个乘客轨迹中广告产生的行政区域影响力。其计算公式如公式9所示:
D_GRP=TDC×OTS×100 (公式9)
其中,TDC指标为受众轨迹中覆盖目标行政区域的比例,OTS为受众平均接触广告的次数,借助公式9可以评估广告在100个受众中产生的影响。需要说明的是,本实施例中的100个受众仅仅为例举,本发明可以评估广告在任意个数个受众中产生的影响,本实施例对此不做具体限定。
在本例的定向行政区域场景中,以北京市海淀区和丰台区作目标行政区域为例,将现有技术应用最广泛的公交线路最长-客流量最大的方法(记为KRQ,K-Routes Query)与本发明的基于定向行政区域场景的评估方法(记为District-KRQ)进行了对比。图7示出的是根据本发明一个实施例的KRQ与District-KRQ两种方法推荐公交线路的Coverage、OTS、GRP和TDC指标对比,其中,图a是两种方法的Coverage指标对比图,图b是两种方法的OTS指标对比图,图c是两种方法的GRP指标对比图;图d是两种方法的TDC指标对比图。图7中的各图均对公交线路个数要求从1到10做了统计。由图7可以看出来,与KRQ相比,District-KRQ的TDC和OTS指标有明显优势,然而Coverage和GRP指标略低,这是由于District-KRQ注重筛选符合行政区域要求的受众,自然普遍的覆盖能力就会降低。
图8示出的是根据本发明一个实施例KRQ与District-KRQ两种方法推荐公交线路D_GRP指标结果,例如在线路数量要求k为2时,KRQ方法的TDC为0.65、OTS为3,根据(公式9)计算得到D_GRP为195;District-KRQ方法的PTS为0.92、OTS为3.35,根据(公式9)计算得到D_GRP为308.2。由此可见,尽管District-KRQ方法推荐线路覆盖受众较少,但定向选择了行政区域相关的恰当的受众,使得广告的传播效果更好、影响力更大、对定向行政区域的定向投放效果更明显。
综上,当前公交车身广告投放线路选择时主要考虑线路长度,以实现客流量大、广告受众多的目的。但这种方式没有结合广告本身和公交乘客的特点进行定向投放,广告无法达到预期效果,会造成不必要的资源浪费。本发明基于公交线路数据、智能公交卡数据、地图数据、用户兴趣点数据等多源异构大数据、借助先进的数据挖掘技术,深度挖掘公交和乘客的时空流动性、枢纽度、主题分布和行政区域分布等特征,为广告投放线路的选取提供准确的信息支撑,从而推荐最佳的广告投放公交线路,保证广告投放效果。
基于同一发明构思,还提供了一种公交车身广告投放线路方案的评估装置,应用于定向行政区域场景,如图9所示,该装置包括:
确定模块910,配置为确定在公交车身投放满足定向行政区域场景的公交车身广告投放线路方案的公交线路;
统计模块920,与确定模块910耦合,配置为获取公交线路的路线信息,并统计公交线路覆盖的在公交车身投放的公交车身广告的广告受众轨迹中经过定向行政区域的轨迹数量;
评估模块930,与统计模块920耦合,配置为以广告受众轨迹中经过定向行政区域的轨迹数量为评估参数,对公交车身广告投放线路方案的投放效果进行评估。
在一个优选的实施例中,统计模块920,还配置为:
获取包括公交线路编号、上下车时间以及上下车车站编号的智能公交卡数据,基于智能公交卡数据提取公交线路覆盖的广告受众的轨迹集合;
获取公交线路的行政区域分布,根据定向行政区域场景确定公交线路的定向行政区域分布;
结合公交线路覆盖的广告受众的轨迹集合及定向行政区域分布统计公交线路覆盖的在公交车身投放的公交车身广告的广告受众轨迹中经过定向行政区域的轨迹数量。
在一个优选的实施例中,如图10所示,该装置还包括:
第一计算模块1010,与统计模块920耦合,配置为计算公交线路中广告受众平均乘坐公交车站数;
第二计算模块1020,与第一计算模块1010耦合,配置为通过公交线路中广告受众平均乘坐公交车站数及统计的公交线路覆盖的广告受众轨迹中经过定向行政区域的轨迹数量信息,计算公交线路的行政区域毛评点;
评估模块930,与第二计算模块1020耦合,还配置为以公交线路的行政区域毛评点为评估参数,对公交车身广告投放线路方案的投放效果进行评估。
在一个优选的实施例中,第一计算模块1010,还配置为:
基于智能公交卡数据提取公交线路覆盖的广告受众轨迹集合,并获取广告受众轨迹集合中的轨迹数量;
统计广告受众轨迹集合中各轨迹途径的公交车站数量;
调用预设的计算策略,并将所获取的广告受众轨迹集合中的轨迹数量、广告受众轨迹集合中各轨迹途径的公交车站数量作为该计算策略的计算参数,进一步按照预设的计算策略计算公交线路中广告受众平均乘坐公交车站数。
在一个优选的实施例中,第二计算模块1020,还配置为:
调用预设的计算策略,将公交线路中广告受众平均乘坐公交车站数、公交线路覆盖的广告受众轨迹中经过定向行政区域的轨迹数量作为该计算策略的参数进行输入;
按照预设的计算策略计算公交线路的行政区域毛评点。
在一个优选的实施例中,评估模块930,还配置为:
结合公交线路覆盖的广告受众轨迹中经过定向行政区域的轨迹数量及公交线路的行政区域毛评点,对公交车身广告投放线路方案的投放效果进行评估。
在一个优选的实施例中,评估模块930,还配置为:
公交线路覆盖的广告受众轨迹中经过定向行政区域的轨迹数量越多,公交车身广告投放线路方案的投放效果越好;和/或,
公交线路的行政区域毛评点数值越大,公交车身广告投放线路方案的投放效果越好。
在一个优选的实施例中,如图11所示,该装置还包括:
调整模块1110,与评估模块930耦合,配置为结合对公交车身广告投放线路方案的评估结果,对该投放线路方案中的公交线路进行调整,生成新的公交车身广告投放线路方案。
在一个优选的实施例中,调整模块1110,还配置为:
结合对公交车身广告投放线路方案的评估结果,对该投放线路方案中的公交线路进行删除;和/或
通过预置地图应用接口调用地图中的其他公交线路,并结合对公交车身广告投放线路方案的评估结果,在该投放线路方案中添加其他公交线路。
在一个优选的实施例中,该装置还包括:
收集模块1120,配置为收集与公交车相关的数据,得到多源异构数据源;
提取模块1130,与收集模块1120耦合,配置为对多源异构数据源进行挖掘处理,提取各公交线路的特征属性;
生成模块1140,与提取模块1130耦合,配置为根据广告投放需求和定向行政区域场景匹配各公交线路的特征属性,选取特征属性匹配的一条或多条公交线路,生成公交车身广告投放线路方案。
在一个优选的实施例中,多源异构数据源包括以下至少之一:地图数据、公交车站数据、公交线路数据、智能公交卡数据、用户兴趣点POI数据。
在一个优选的实施例中,各公交线路的特征属性包括下列中的多个:
各公交线路长度、各公交线路全天时客流量、各公交线路行政区域分布。
在一个优选的实施例中,提取模块1130,还配置为:
从多源异构数据源的公交线路数据中提取各公交线路长度;
基于多源异构数据源中的智能公交卡数据、公交车站数据以及公交线路数据,计算各公交线路全天时客流量;
基于多源异构数据源中的地图数据、POI数据、公交车站数据以及公交线路数据,确定各公交线路的行政区域分布。
在一个优选的实施例中,提取模块1130,还配置为:
根据地图数据和各网格的地理坐标经纬度信息,确定各网格的行政区域归属;
综合各公交线路途经网格和各网格的行政区域归属,确定各公交线路行政区域分布。
在一个优选的实施例中,生成模块1140,还配置为:
设定广告投放需求,包括时间范围、公交线路数目、公交线路长度范围和公交线路客流量范围;
根据公交线路长度范围要求、客流量范围要求、公交线路数目要求和定向行政区域覆盖要求,匹配各公交线路的特征属性,筛选出符合要求的一条或多条公交线路,进而生成公交车身广告投放线路方案。
根据上述任意一个优选实施例或多个优选实施例的组合,本发明实施例能够达到如下有益效果:
本发明在对公交车身广告投放线路方案进行评估时,并非以公交投放线路所覆盖的区域范围或所载的乘客量为参考因素。其对上述方案进行评估时,通过从提供的投放线路方案中有针对性地、根据广告特点提取相关路线信息。进一步对提取的信息进行综合、具体、及更深层面地分析、挖掘,然后,根据分析结果统计或计算出符合目标广告主题的特定评估指标。以所获取的特定评估指标为评估参数对公交车身广告投放线路方案进行评估。以本实施的方法获取的特定评估指标能够精确地针对广告主题,在最大程度上与广告主题关联。可见,通过本发明的方法,可以解决现有技术中仅能根据公交线路覆盖范围及承载的乘客数量两个指标来对投放线路进行选取、评估而造成广告传播效果差、无法将最适合的广告传播给最适合的受众、无法发挥广告的最大价值等问题。并且,根据本发明的方法,用户可以根据评估效果选择合适的公交线路进行广告投放,使得所选择的公交线路具备更强的针对性,广告投放效果更好,不但为广告商带来很好的收益,还为广告受众提供了方便。
此外,本发明实施例通过收集关于公交车和公交乘客的大数据,借助先进的数据挖掘技术来深度挖掘公交车和乘客的时空流动性以及公交车站的多维属性,从而为广告投放公交线路的选取提供准确的信息支撑。并且,通过了解广告投放者的广告投放意图来确定出广告投放场景,并依据广告投放场景和公交车站的多维属性选取合适的投放公交线路,来为广告投放者推荐出最佳的公交线路,从而可以根据广告投放场景有针对性地选择合适的广告投放线路,以使公交车体的广告发挥最大效果。进一步地,本发明实施例还有效地克服了现有技术中广告投放线路的选择标准较为单一(仅仅以乘客量大作为唯一标准来选择公交线路),而无法在最适宜的时间、地点将最适合的广告传播给最适合的受众,无法发挥广告的最大价值的问题。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的公交车身广告投放线路方案评估设备中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
本发明实施例还提供了一种电子设备,包括处理器、以及被安排成存储计算机可执行指令的存储器,可执行指令在被执行时使处理器执行根据上文任意一实施例的公交车身广告投放线路方案的评估方法。
本发明实施例还提供了一种计算机存储介质,其中,计算机可读存储介质存储一个或多个程序,一个或多个程序当被包括多个应用程序的电子设备执行时,使得电子设备执行上文任一实施例的公交车身广告投放线路方案的评估方法。
例如,图12示出了可以实现公交车身广告投放线路方案的评估的计算设备。该计算设备传统上包括处理器1210和存储器1220形式的计算机程序产品或者计算机可读介质。存储器1220可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。存储器1220具有存储用于执行上述方法中的任何方法步骤的程序代码1231的存储空间1230。例如,存储程序代码的存储空间1230可以包括分别用于实现上面的方法中的各种步骤的各个程序代码1231。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。这些计算机程序产品包括诸如硬盘,紧致盘(CD)、存储卡或者软盘之类的程序代码载体。这样的计算机程序产品通常为例如图13所示的便携式或者固定存储单元。该存储单元可以具有与图12的计算设备中的存储器1220类似布置的存储段、存储空间等。程序代码可以例如以适当形式进行压缩。通常,存储单元包括用于执行本发明的方法步骤的计算机可读代码1231’,即可以由诸如1210之类的处理器读取的代码,当这些代码由计算设备运行时,导致该计算设备执行上面所描述的方法中的各个步骤。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
至此,本领域技术人员应认识到,虽然本文已详尽示出和描述了本发明的多个示例性实施例,但是,在不脱离本发明精神和范围的情况下,仍可根据本发明公开的内容直接确定或推导出符合本发明原理的许多其他变型或修改。因此,本发明的范围应被理解和认定为覆盖了所有这些其他变型或修改。
Claims (10)
1.一种公交车身广告投放线路方案的评估方法,应用于定向行政区域场景,包括:
确定在公交车身投放满足所述定向行政区域场景的公交车身广告投放线路方案的公交线路;
获取所述公交线路的路线信息,并统计所述公交线路覆盖的在所述公交车身投放的公交车身广告的广告受众轨迹中经过所述定向行政区域的轨迹数量;
以所述广告受众轨迹中经过所述定向行政区域的轨迹数量为评估参数,对所述公交车身广告投放线路方案的投放效果进行评估。
2.根据权利要求1所述的方法,其中,所述获取公交线路的路线信息,并统计所述公交线路覆盖的在所述公交车身投放的公交车身广告的广告受众轨迹中经过所述定向行政区域的轨迹数量,包括:
获取包括公交线路编号、上下车时间以及上下车车站编号的智能公交卡数据,基于所述智能公交卡数据提取所述公交线路覆盖的所述广告受众的轨迹集合;
获取所述公交线路的行政区域分布,根据所述定向行政区域场景确定所述公交线路的定向行政区域分布;
结合所述公交线路覆盖的所述广告受众的轨迹集合及定向行政区域分布统计所述公交线路覆盖的在所述公交车身投放的公交车身广告的广告受众轨迹中经过定向行政区域的轨迹数量。
3.根据权利要求1-2任一项所述的方法,其中,所述获取公交线路的路线信息,并统计所述公交线路覆盖的在所述公交车身投放的公交车身广告的广告受众轨迹中经过所述定向行政区域的轨迹数量之后,还包括:
计算所述公交线路中所述广告受众平均乘坐公交车站数;
通过所述公交线路中所述广告受众平均乘坐公交车站数及统计的所述公交线路覆盖的所述广告受众轨迹中经过所述定向行政区域的轨迹数量信息,计算所述公交线路的行政区域毛评点;
以所述公交线路的行政区域毛评点为评估参数,对所述公交车身广告投放线路方案的投放效果进行评估。
4.根据权利要求1-3任一项所述的方法,其中,所述计算公交线路中所述广告受众平均乘坐公交车站数,包括:
基于所述智能公交卡数据提取所述公交线路覆盖的所述广告受众轨迹集合,并获取所述广告受众轨迹集合中的轨迹数量;
统计所述广告受众轨迹集合中各轨迹途径的公交车站数量;
调用预设的计算策略,并将所获取的所述广告受众轨迹集合中的轨迹数量、所述广告受众轨迹集合中各轨迹途径的公交车站数量作为该计算策略的计算参数,进一步按照预设的计算策略计算所述公交线路中所述广告受众平均乘坐公交车站数。
5.根据权利要求1-4任一项所述的方法,其中,按下列方式计算所述公交线路中所述广告受众平均乘坐公交车站数:
其中,OTS为所述公交线路中所述广告受众平均乘坐公交车站数,trajcovered为所述公交线路覆盖的所述广告受众轨迹集合,为所述公交线路覆盖的所述广告受众轨迹集合中的轨迹数量,traji为所述公交线路覆盖的所述广告受众轨迹集合中任一轨迹,为所述任一轨迹traji途经公交车站的数量。
6.根据权利要求1-5任一项所述的方法,其中,所述通过公交线路中所述广告受众平均乘坐公交车站数及统计的所述公交线路覆盖的所述广告受众轨迹中经过所述定向行政区域的轨迹数量信息,计算所述公交线路的行政区域毛评点,包括:
调用预设的计算策略,将所述公交线路中所述广告受众平均乘坐公交车站数、所述公交线路覆盖的所述广告受众轨迹中经过所述定向行政区域的轨迹数量作为该计算策略的参数进行输入;
按照预设的计算策略计算所述公交线路的行政区域毛评点。
7.根据权利要求1-6任一项所述的方法,其中,按下列方式计算所述公交线路的行政区域毛评点:
D_GRP=TDC×OTS×N
其中,D_GRP为所述公交线路的行政区域毛评点,TDC为所述公交线路覆盖的所述广告受众轨迹中经过所述定向行政区域的轨迹数量所占的比例,OTS为所述公交线路中所述广告受众平均乘坐公交车站数,N为所述广告的受众数量,N取正整数。
8.一种公交车身广告投放线路方案的评估装置,应用于定向行政区域场景,包括:
确定模块,配置为确定在公交车身投放满足所述定向行政区域场景的公交车身广告投放线路方案的公交线路;
统计模块,配置为获取所述公交线路的路线信息,并统计所述公交线路覆盖的在所述公交车身投放的公交车身广告的广告受众轨迹中经过所述定向行政区域的轨迹数量;
评估模块,配置为以所述广告受众轨迹中经过所述定向行政区域的轨迹数量为评估参数,对所述公交车身广告投放线路方案的投放效果进行评估。
9.一种电子设备,包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行根据权利要求1-7中任一项所述的公交车身广告投放线路方案投放效果的评估方法。
10.一种计算机可读存储介质,其中,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行根据权利要求1-7中任一项所述的公交车身广告投放线路方案投放效果的评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711310511.3A CN108154387B (zh) | 2017-12-11 | 2017-12-11 | 公交车身广告投放线路方案的评估方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711310511.3A CN108154387B (zh) | 2017-12-11 | 2017-12-11 | 公交车身广告投放线路方案的评估方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108154387A true CN108154387A (zh) | 2018-06-12 |
CN108154387B CN108154387B (zh) | 2021-07-23 |
Family
ID=62466933
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711310511.3A Active CN108154387B (zh) | 2017-12-11 | 2017-12-11 | 公交车身广告投放线路方案的评估方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108154387B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110033308A (zh) * | 2019-03-07 | 2019-07-19 | 天津五八到家科技有限公司 | 内容投放任务的处理方法、装置、电子设备及系统 |
CN110852792A (zh) * | 2019-10-28 | 2020-02-28 | 海南太美航空股份有限公司 | 一种基于大数据分析的航线价值评估方法及相关产品 |
CN111967757A (zh) * | 2020-08-12 | 2020-11-20 | 软通智慧科技有限公司 | 城市宜居方案的确定方法、装置、设备及存储介质 |
CN114092525A (zh) * | 2022-01-20 | 2022-02-25 | 深圳爱莫科技有限公司 | 一种基于空间分布投票的客流属性分析方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103745389A (zh) * | 2014-02-13 | 2014-04-23 | 闪灵在线网络技术(北京)有限公司 | 一种基于用户生活轨迹分析的广告投放方法和系统 |
CN104134343A (zh) * | 2014-06-23 | 2014-11-05 | 上海城市交通设计院有限公司 | 一种基于交通卡数据的乘客上下车时间和位置的获取方法 |
CN104967878A (zh) * | 2014-11-19 | 2015-10-07 | 腾讯科技(北京)有限公司 | 一种数据处理方法及服务器 |
CN105719165A (zh) * | 2016-01-22 | 2016-06-29 | 岳悫 | 一种车载内容投放的方法及系统 |
CN105956885A (zh) * | 2016-05-16 | 2016-09-21 | 温州市鹿城区中津先进科技研究院 | 车辆广告投放计价参考值的计算方法及装置 |
CN106651417A (zh) * | 2015-10-30 | 2017-05-10 | 北京国双科技有限公司 | 广告投放信息的分析方法及装置 |
-
2017
- 2017-12-11 CN CN201711310511.3A patent/CN108154387B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103745389A (zh) * | 2014-02-13 | 2014-04-23 | 闪灵在线网络技术(北京)有限公司 | 一种基于用户生活轨迹分析的广告投放方法和系统 |
CN104134343A (zh) * | 2014-06-23 | 2014-11-05 | 上海城市交通设计院有限公司 | 一种基于交通卡数据的乘客上下车时间和位置的获取方法 |
CN104967878A (zh) * | 2014-11-19 | 2015-10-07 | 腾讯科技(北京)有限公司 | 一种数据处理方法及服务器 |
CN106651417A (zh) * | 2015-10-30 | 2017-05-10 | 北京国双科技有限公司 | 广告投放信息的分析方法及装置 |
CN105719165A (zh) * | 2016-01-22 | 2016-06-29 | 岳悫 | 一种车载内容投放的方法及系统 |
CN105956885A (zh) * | 2016-05-16 | 2016-09-21 | 温州市鹿城区中津先进科技研究院 | 车辆广告投放计价参考值的计算方法及装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110033308A (zh) * | 2019-03-07 | 2019-07-19 | 天津五八到家科技有限公司 | 内容投放任务的处理方法、装置、电子设备及系统 |
CN110852792A (zh) * | 2019-10-28 | 2020-02-28 | 海南太美航空股份有限公司 | 一种基于大数据分析的航线价值评估方法及相关产品 |
CN110852792B (zh) * | 2019-10-28 | 2023-10-03 | 海南太美航空股份有限公司 | 一种基于大数据分析的航线价值评估方法及相关产品 |
CN111967757A (zh) * | 2020-08-12 | 2020-11-20 | 软通智慧科技有限公司 | 城市宜居方案的确定方法、装置、设备及存储介质 |
CN111967757B (zh) * | 2020-08-12 | 2023-12-26 | 北京软通智慧科技有限公司 | 城市宜居方案的确定方法、装置、设备及存储介质 |
CN114092525A (zh) * | 2022-01-20 | 2022-02-25 | 深圳爱莫科技有限公司 | 一种基于空间分布投票的客流属性分析方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108154387B (zh) | 2021-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ki et al. | Analyzing the effects of Green View Index of neighborhood streets on walking time using Google Street View and deep learning | |
CN108154387A (zh) | 公交车身广告投放线路方案的评估方法及装置 | |
Rodríguez et al. | Influence of the built environment on pedestrian route choices of adolescent girls | |
Iacono et al. | Measuring non-motorized accessibility: issues, alternatives, and execution | |
CN108053240B (zh) | 生成车载广告投放公交线路方案的方法及装置 | |
Delamater et al. | Measuring geographic access to health care: raster and network-based methods | |
CN108427965A (zh) | 一种基于路网聚类的热点区域挖掘方法 | |
CN105976216A (zh) | 广告效果评估方法、广告投放方法及装置 | |
Georgiev et al. | Where businesses thrive: Predicting the impact of the olympic games on local retailers through location-based services data | |
Anastasopoulos et al. | Hazard-based analysis of travel distance in urban environments: longitudinal data approach | |
Grisolía et al. | Burying the highway: The social valuation of community severance and amenity | |
Lin et al. | Enhanced Huff model for estimating Park and Ride (PnR) catchment areas in Perth, WA | |
Griswold et al. | A pedestrian exposure model for the california state highway system | |
CN107341261A (zh) | 一种面向位置社交网络的兴趣点推荐方法 | |
CN109101559A (zh) | 一种基于poi和公交刷卡数据的城市功能区识别方法 | |
Jäger et al. | Assessing conflicts between winter recreational activities and grouse species | |
CN111866776A (zh) | 一种基于手机信令数据的人口测算方法及装置 | |
Zhou et al. | Impacts of perceived safety and beauty of park environments on time spent in parks: Examining the potential of street view imagery and phone-based GPS data | |
CN111104468B (zh) | 一种基于语义轨迹推断用户活动的方法 | |
CN108960893A (zh) | 基于大数据的城市板块商业价值的评估方法和装置 | |
CN111626777A (zh) | 选址方法、选址决策系统、存储介质及电子设备 | |
CN108108997B (zh) | 车载广告投放公交线路选取方法及装置 | |
CN108171534A (zh) | 一种车载广告公交线路推荐方法及装置 | |
CN108022006A (zh) | 一种数据驱动的可达性概率和区域生成方法 | |
CN108171970A (zh) | 一种获取公交车乘客轨迹的方法及装置 |
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 |