CN108806254B - 城市交通走廊的识别方法、装置及计算机可读存储介质 - Google Patents
城市交通走廊的识别方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN108806254B CN108806254B CN201810686619.0A CN201810686619A CN108806254B CN 108806254 B CN108806254 B CN 108806254B CN 201810686619 A CN201810686619 A CN 201810686619A CN 108806254 B CN108806254 B CN 108806254B
- Authority
- CN
- China
- Prior art keywords
- route
- target
- cluster
- route segment
- segments
- 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 39
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000004590 computer program Methods 0.000 claims description 4
- 238000000926 separation method Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 abstract description 15
- 238000007670 refining Methods 0.000 abstract description 5
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification 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
- G08G1/0125—Traffic data processing
-
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种城市交通走廊的识别方法,包括:根据目标城市道路的经纬度划分路线段,并获取已划分的所述路线段的权值;将已划分的所述路线段及对应的权值输入预设的集群算法,根据所述集群算法的处理流程输出目标集群;根据所述目标集群中的路线段确认所述目标城市的交通线路走廊。本发明还提供一种城市交通走廊的识别装置及计算机可读存储介质。本发明通过定义路线段及检测所述路线段时间范围内的权值以预设的集群算法输出有效的目标集群,以细化路线段的方式识别交通走廊,实现了提高交通走廊识别效率的有益效果。
Description
技术领域
本发明涉及城市交通路线识别领域,尤其涉及一种城市交通走廊的识别方法、装置及计算机可读存储介质。
背景技术
交通走廊是城市交通网络的核心骨架,一些主要的交通走廊能够代表区域内部发生的大多数的出行行为。这些走廊不仅决定交通效率同样也影响城市功能区域的演化。交通走廊的不平衡的分布可能导致城市走向不平衡发展方向。
交通走廊计划有很多研究方向,例如交通需求识别以及道路优化等领域。走廊计划需要去平衡交通需求、公众需求、投资方向等等。在交通走廊识别领域已经有了比较丰富的研究,最初的相关研究出现在BRT(bus rapid transit)和LRT(light rail transit)等领域。大多数研究者会使用通勤的OD矩阵来识别高密度的走廊,并优化BRT和LRT路线极其排班表。随着GIS领域的广泛应用,使得获取地理相关的目标比如土地使用和旅行代价的优化算法成为可能。因此,交通走廊识别被转换成了在给定交通需求下解决最小化运营成本和乘客旅行成本的最优化问题。总体上而言,交通走廊识别模型包含三个阶段:公共交通需求预测、交通走廊的创建以及使用GIS优化交通模型。
与此同时,随着城市交通需求的提高,城市内部的走廊识别方法也被进一步研究。在这些研究中一般只关心节点和链接,与GIS的运用无关,而且研究数据都是基于旅行人口普查方式获得。因此,我们经常会花费大量的调查时间和昂贵的数据收集成本而获得不能充分反映结果的有限的数据样本。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种城市交通走廊的识别方法,旨在解决现有的交通走廊识别方法都是基于人口普查的方式查找浅层的交通路径,由于人口普查数据的局限性,不能充分反映具体的城市应用交通走廊进而导致交通走廊识别效率低下的技术问题。
为实现上述目的,本发明提供一种城市交通走廊的识别方法,包括以下内容:
根据目标城市道路的经纬度划分路线段,并获取已划分的所述路线段的权值;
将已划分的所述路线段及对应的权值输入预设的集群算法,根据所述集群算法的处理流程输出目标集群;
根据所述目标集群中的路线段确认所述目标城市的交通线路走廊。
优选地,所述根据已定义的路线段,获取所述路线段在预设时间范围内的权值的步骤,包括:
统计所述路线段在预设时间段内的流动人口数量,以统计到的所述流动人口数量作为所述路线段的权值。
优选地,所述将已划分的所述路线段及对应的权值输入预设的集群算法,根据所述集群算法的处理流程输出目标集群的步骤,包括:
根据所述路线段的经纬度划分集群线路,并以所述集群线路中路线段的权值总和确认可扩展的预选集群;
将所述预选集群添加至对应的优先级队列,并输出所述优先级队列中优先级最高的目标集群。
优选地,所述根据所述路线段的经纬度划分集群线路,并以所述集群线路中路线段的权值总和确认可扩展的预选集群的步骤,包括:
根据所述路线段的经纬度确认相邻路线段,将相邻路线段聚类后组成所述集群线路;
统计所述集群线路中各路线段的权值总和,在确认所述权值总和大于预设最小权值时,确认所述集群线路为可扩展的预选集群。
优选地,所述根据所述路线段的经纬度确认相邻路线段,将相邻路线段聚类后组成所述集群线路的步骤,包括:
将经纬度数据相邻的路线段组成目标路线段;
计算所述目标路线段与组成所述目标路线段的路线段的间隔距离,在确认所述间隔距离小于预设距离时,确认所述目标路线段为有效的相邻路线段。
优选地,所述计算所述目标路线段与组成所述目标路线段的路线段的间隔距离,在确认所述间隔距离小于预设距离时,确认所述目标路线段为有效的相邻路线段的步骤,包括:
以所述目标路线段与组成所述目标路线段的路线段的最大角度,计算所述目标路线段中点与所述路线段的间隔距离;
在确认所述间隔距离小于预设距离时,确认所述目标路线段为有效的相邻路线段。
优选地,所述将所述预选集群添加至对应的优先级队列,并输出所述优先级队列中优先级最高的目标集群的步骤,包括:
根据所述优先级队列中各预选集群的权值总和分别为各预选集群赋予不同的优先级等级;
遍历所述优先级队列中所有预选集群的优先级等级,输出优先级最高的目标集群。
优选地,所述遍历所述优先级队列中所有预选集群的优先级等级,输出优先级最高的目标集群的步骤之后,还包括:
确认输出的所述目标集群中的目标路线段;
在所述优先级队列的其他预选集群中删除所述目标路线段。
此外,为实现上述目的,本发明还提供一种城市交通走廊的识别装置,所述城市交通走廊的识别装置包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如上所述城市交通走廊的识别方法的步骤。
本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有城市交通走廊的识别应用程序,所述城市交通走廊的识别应用程序被处理器执行时实现如上所述城市交通走廊的识别方法的步骤。
本发明实施例提出的一种城市交通走廊的识别方法,根据目标城市道路的经纬度划分路线段,并获取已划分的所述路线段的权值;将已划分的所述路线段及对应的权值输入预设的集群算法,根据所述集群算法的处理流程输出目标集群;根据所述目标集群中的路线段确认所述目标城市的交通线路走廊。本发明中,通过定义路线段及检测所述路线段时间范围内的权值以预设的集群算法输出有效的目标集群,以细化路线段的方式识别交通走廊,实现了提高交通走廊识别效率的有益效果。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的终端\装置结构示意图;
图2为本发明城市交通走廊的识别方法第一实施例的流程示意图;
图3为图2中步骤S20的细化步骤示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例的主要解决方案是:根据目标城市道路的经纬度划分路线段,并获取已划分的所述路线段的权值;将已划分的所述路线段及对应的权值输入预设的集群算法,根据所述集群算法的处理流程输出目标集群;根据所述目标集群中的路线段确认所述目标城市的交通线路走廊。
由于现有的交通走廊识别方法都是基于人口普查的方式查找浅层的交通路径,由于人口普查数据的局限性,不能充分反映具体的城市应用交通走廊进而导致交通走廊识别效率低下的技术问题。
本发明提供一种解决方案,通过定义路线段及检测所述路线段时间范围内的权值以预设的集群算法输出有效的目标集群,以细化路线段的方式识别交通走廊,实现了提高交通走廊识别效率的有益效果。
如图1所示,图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图。
本发明实施例终端可以是PC,也可以是智能手机、平板电脑、电子书阅读器,便携计算机等具有显示功能的可移动式终端设备。
如图1所示,该终端可以包括:处理器1001,例如CPU,网络接口1004,用户接口1003,存储器1005,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的终端结构并不构成对终端的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及城市交通走廊的识别应用程序。
在图1所示的终端中,网络接口1004主要用于连接后台服务器,与后台服务器进行数据通信;用户接口1003主要用于连接客户端(用户端),与客户端进行数据通信;而处理器1001可以用于调用存储器1005中存储的城市交通走廊的识别应用程序,并执行以下操作:
根据目标城市道路的经纬度划分路线段,并获取已划分的所述路线段的权值;
将已划分的所述路线段及对应的权值输入预设的集群算法,根据所述集群算法的处理流程输出目标集群;
根据所述目标集群中的路线段确认所述目标城市的交通线路走廊。
进一步地,处理器1001可以调用存储器1005中存储的城市交通走廊的识别应用程序,还执行以下操作:
统计所述路线段在预设时间段内的流动人口数量,以统计到的所述流动人口数量作为所述路线段的权值。
进一步地,处理器1001可以调用存储器1005中存储的城市交通走廊的识别应用程序,还执行以下操作:
根据所述路线段的经纬度划分集群线路,并以所述集群线路中路线段的权值总和确认可扩展的预选集群;
将所述预选集群添加至对应的优先级队列,并输出所述优先级队列中优先级最高的目标集群。
进一步地,处理器1001可以调用存储器1005中存储的城市交通走廊的识别应用程序,还执行以下操作:
根据所述路线段的经纬度确认相邻路线段,将相邻路线段聚类后组成所述集群线路;
统计所述集群线路中各路线段的权值总和,在确认所述权值总和大于预设最小权值时,确认所述集群线路为可扩展的预选集群。
进一步地,处理器1001可以调用存储器1005中存储的城市交通走廊的识别应用程序,还执行以下操作:
将经纬度数据相邻的路线段组成目标路线段;
计算所述目标路线段与组成所述目标路线段的路线段的间隔距离,在确认所述间隔距离小于预设距离时,确认所述目标路线段为有效的相邻路线段。
进一步地,处理器1001可以调用存储器1005中存储的城市交通走廊的识别应用程序,还执行以下操作:
以所述目标路线段与组成所述目标路线段的路线段的最大角度,计算所述目标路线段中点与所述路线段的间隔距离;
在确认所述间隔距离小于预设距离时,确认所述目标路线段为有效的相邻路线段。
进一步地,处理器1001可以调用存储器1005中存储的城市交通走廊的识别应用程序,还执行以下操作:
根据所述优先级队列中各预选集群的权值总和分别为各预选集群赋予不同的优先级等级;
遍历所述优先级队列中所有预选集群的优先级等级,输出优先级最高的目标集群。
进一步地,处理器1001可以调用存储器1005中存储的城市交通走廊的识别应用程序,还执行以下操作:
确认输出的所述目标集群中的目标路线段;
在所述优先级队列的其他预选集群中删除所述目标路线段。
参照图2,图2为本发明城市交通走廊的识别方法第一实施例的流程示意图,所述城市交通走廊的识别方法包括:
步骤S10,根据目标城市道路的经纬度划分路线段,并获取已划分的所述路线段的权值;
根据当前目标城市的城市路况,在确认所述目标城市需定义现有的城市交通走廊时,以所述目标城市的城市路况,通过预设方式划分所述目标城市路况道路的路线段,并获取已划分的所述路线段的权值。其中,在划分所述目标城市的路线段及获取所述路线段的权值时,即所述根据已划分的路线段,获取所述路线段在预设时间范围内的权值的步骤,包括:
统计所述路线段在预设时间段内的流动人口数量,以统计到的所述流动人口数量作为所述路线段的权值。
根据当前目标城市成熟的交通道路,确认所述交通道路的经纬度。并以所述经纬度为基础截取一定长度的道路定义为应用到本发明方法的路线段。基于经纬度以定义的路线段,获取目标时间范围内所述路线段的流动人口数量。所述流动人口数量,其统计当时为通过当前大数据平台获取用户出行路径,并统计在所述路线段中,一段时间内的流动人口数量。且在本发明方法中,所获取到的流动人口数量,为预设时间段内单个用户的单次出行,即以单个用户ID为条件,统计所述路线段上预设时间内的首次出行的用户人数。以统计到的预设时间段内的流动人口数量,定义为所述路线段的权值。所述预设时间段,为相关的管理人员设定,其设定的条件与交通走廊统计的精确度相关,一般以一个小时为单位,定义的预设时间段的时间越短,得到的交通走廊的统计数据越精确,但相应的可能会过滤掉可能为交通走廊的线路段,其定义的规则由先关管理人员可根据当前城市的路况决定。
步骤S20,将已划分的所述路线段及对应的权值输入预设的集群算法,根据所述集群算法的处理流程输出目标集群;
根据已划分的路线段,将所述路线段及所述路线段对应的权值输入至预设的集群算法,并通过所述集群算法的处理流程对所述路线段及权值进行处理,在所述集群算法对所述路线段及对应的权值进行处理后,输出处理后的目标集群,所述目标集群的内容为已确定的定义为交通走廊的路线段的坐标信息。
步骤S30,根据所述目标集群中的路线段确认所述目标城市的交通线路走廊。
读取输出的目标集群,所述目标集群的内容包括路线段的经纬度以及所述路线段的人口流动次数,根据读取到的目标集群中路线段的经纬度,确认所述目标城市的交通线路走廊。
在本实施例中,通过定义路线段及检测所述路线段时间范围内的权值以预设的集群算法输出有效的目标集群,以细化路线段的方式识别交通走廊,实现了提高交通走廊识别效率的有益效果。
进一步的,参照图3,图3为图2中步骤S20的细化步骤示意图,其中,所述将已划分的所述路线段及对应的权值输入预设的集群算法,根据所述集群算法的处理流程输出目标集群的步骤,包括:
步骤S21,根据所述路线段的经纬度划分集群线路,并以所述集群线路中路线段的权值总和确认可扩展的预选集群;
根据已定义的路线段,读取所述路线段的经纬度,并将经纬度数值相邻的路线段定义为集群线路。统计所述集群线路的所有路线段的权值总和。并根据所述权值总和的数值大小确认所述集群线路是否为可扩展的预选集群。所述可扩展的预选集群,定义为基于所述路线段组成的路线集群,其预设时间段内的人口流动数据是否大于预设数值,其中,在定义所述集群线路,即所述根据所述路线段的经纬度划分集群线路,并以所述集群线路中路线段的权值总和确认可扩展的预选集群的步骤,包括:
根据所述路线段的经纬度确认相邻路线段,将相邻路线段聚类后组成所述集群线路;
统计所述集群线路中各路线段的权值总和,在确认所述权值总和大于预设最小权值时,确认所述集群线路为可扩展的预选集群。
读取已定义的各路线段的经纬度,并将经纬度数值相近的路线段定义为相邻路线段,并将预设范围区域内的相邻路线段聚类组成集群线路,所述预设范围区域,为已定义的聚类区域范围,一般通过经纬度划分成一个聚类区域,且所述聚类区域范围的大小可通过后台管理人员设定;或者基于所述目标城市的路况划分聚类区域范围,根据已定义的聚类区域范围,将所述聚类区域范围内的相邻路线段统计后组成集群线路;统计已组成的所述集群线路的权值总和,并将所述权值总和与预设数值比对,在确认所述权值总和大于预设最小权值时,确认所述集群线路为可扩展的预选集群,所述预设最小权值,为已定义的集群线路的最小人流量数值。
另外,在根据路线段的经纬度确认相邻路线段,即所述根据所述路线段的经纬度确认相邻路线段,将相邻路线段聚类后组成所述集群线路的步骤,包括:
将经纬度数据相邻的路线段组成目标路线段;
计算所述目标路线段与组成所述目标路线段的路线段的间隔距离,在确认所述间隔距离小于预设距离时,确认所述目标路线段为有效的相邻路线段。
读取已定义的各路线段的经纬度,并将经纬度数值相近的路线段定义为目标路线段。根据所述路线段及所述路线段与其他路线段定义的目标路线段,计算所述路线段与对应的目标路线段的距离,根据计算到的距离数值,确认所述目标路线段是否为有效的相邻路线段,其中,在根据距离数据确认相邻路线段,即所述计算所述目标路线段与组成所述目标路线段的路线段的间隔距离,在确认所述间隔距离小于预设距离时,确认所述目标路线段为有效的相邻路线段的步骤,包括:
以所述目标路线段与组成所述目标路线段的路线段的最大角度,计算所述目标路线段中点与所述路线段的间隔距离;
在确认所述间隔距离小于预设距离时,确认所述目标路线段为有效的相邻路线段。
根据所述目标路线段与组成所述目标路线段的路线段的经纬度,确认所述目标路线段与组成所述目标路线段对应路线段的最大角度,以所述最大角度为条件,计算所述目标路线段的中心位置与所述路线段的间隔距离;将计算到的间隔距离与预设距离比对,在确认所述间隔距离小于预设距离时,确认所述目标路线段为有效的相邻路线段。其中,在计算所述目标路线段的中心位置与所述路线段的间隔距离时,需分别计算所述目标路线段的中心位置与对应的组成所述目标路线段的各路线段的间隔距离,在确认各所述间隔距离都大于都小于所述预设距离时,确认所述目标路线段为有效的相邻路线段。
步骤S22,将所述预选集群添加至对应的优先级队列,并输出所述优先级队列中优先级最高的目标集群。
将已确认的可扩展的预选集群添加至对应的优先级队列,其中,在添加所述预选集群至优先级队列时,提取所述预选集群的标识数据添加至所述优先级队列,以减少所述优先级队列的负载;或者,根据所述优先级队列的属性,可自定义所述预选集群添加至所述优先级队列中的信息,其优先级队列属性可通过相关功能设置设定相关的内容。另外,在确认所述优先级队列的数量为多个时,可将所述预选集群添加至对应的优先级队列中以提高交通走廊识别效率,进一步的,在将所述预选集群添加至对应的优先级队列时,可通过所述预选集群中的路线段所处的范围区域,即路线坐标,可将所述预选集群添加至存储所述范围区域的路线段的对应优先级队列中,因此,在此种情况下,所述优先级队列以预设的范围区域为标准存储某一范围区域路线段的预选集群,以提高交通走廊的识别效率。在将所述目标城市的所有预选集群都添加到优先级队列后,根据所述优先级队列中已定义的各预选集群的优先级级别,将所述优先级队列中优先级别最高的预选集群确认为目标集群并输出。其中,在所述优先级队列中定义各预选集群的优先级别时,即所述将所述预选集群添加至对应的优先级队列,并输出所述优先级队列中优先级最高的目标集群的步骤,包括:
根据所述优先级队列中各预选集群的权值总和分别为各预选集群赋予不同的优先级等级;
遍历所述优先级队列中所有预选集群的优先级等级,输出优先级最高的目标集群。
在将已定义的可扩展预选集群添加至对应的优先级队列时,根据所述预选集群的权值总和,以所述优先级队列已定义的优先级等级评定方式,为所述预选集群赋予优先级等级,其中,在定义预选集群的优先级等级时,可通过权值的数值定义对应的优先级等级,或者以所述预选集群的路线段的数量定义对应的优先级等级,具体的优先级等级确认方式,由相关的技术人员设定。进一步的,在输出所述目标集群后,即所述遍历所述优先级队列中所有预选集群的优先级等级,输出优先级最高的目标集群的步骤之后,还包括:
确认输出的所述目标集群中的目标路线段;
在所述优先级队列的其他预选集群中删除所述目标路线段。
根据已输出的目标集群,将所述目标集群中的路线段定义为目标路线段,为提高目标城市的交通走廊识别效率,在所述优先级队列的其他预选集群中删除所述目标路线段,以避免重复识别城市交通走廊的路线。
此外,本发明实施例还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有城市交通走廊的识别应用程序,所述城市交通走廊的识别应用程序被处理器执行时实现如下操作:
根据目标城市道路的经纬度划分路线段,并获取已划分的所述路线段的权值;
将已划分的所述路线段及对应的权值输入预设的集群算法,根据所述集群算法的处理流程输出目标集群;
根据所述目标集群中的路线段确认所述目标城市的交通线路走廊。
进一步地,所述城市交通走廊的识别应用程序被处理器执行时还实现如下操作:
统计所述路线段在预设时间段内的流动人口数量,以统计到的所述流动人口数量作为所述路线段的权值。
进一步地,所述城市交通走廊的识别应用程序被处理器执行时还实现如下操作:
根据所述路线段的经纬度划分集群线路,并以所述集群线路中路线段的权值总和确认可扩展的预选集群;
将所述预选集群添加至对应的优先级队列,并输出所述优先级队列中优先级最高的目标集群。
进一步地,所述城市交通走廊的识别应用程序被处理器执行时还实现如下操作:
根据所述路线段的经纬度确认相邻路线段,将相邻路线段聚类后组成所述集群线路;
统计所述集群线路中各路线段的权值总和,在确认所述权值总和大于预设最小权值时,确认所述集群线路为可扩展的预选集群。
进一步地,所述城市交通走廊的识别应用程序被处理器执行时还实现如下操作:
将经纬度数据相邻的路线段组成目标路线段;
计算所述目标路线段与组成所述目标路线段的路线段的间隔距离,在确认所述间隔距离小于预设距离时,确认所述目标路线段为有效的相邻路线段。
进一步地,所述城市交通走廊的识别应用程序被处理器执行时还实现如下操作:
以所述目标路线段与组成所述目标路线段的路线段的最大角度,计算所述目标路线段中点与所述路线段的间隔距离;
在确认所述间隔距离小于预设距离时,确认所述目标路线段为有效的相邻路线段。
进一步地,所述城市交通走廊的识别应用程序被处理器执行时还实现如下操作:
根据所述优先级队列中各预选集群的权值总和分别为各预选集群赋予不同的优先级等级;
遍历所述优先级队列中所有预选集群的优先级等级,输出优先级最高的目标集群。
进一步地,所述城市交通走廊的识别应用程序被处理器执行时还实现如下操作:
确认输出的所述目标集群中的目标路线段;
在所述优先级队列的其他预选集群中删除所述目标路线段。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (9)
1.一种城市交通走廊的识别方法,其特征在于,所述城市交通走廊的识别方法包括以下步骤:
根据目标城市道路的经纬度划分路线段,并获取已划分的所述路线段的权值;
将已划分的所述路线段及对应的权值输入预设的集群算法,根据所述集群算法的处理流程输出目标集群;
根据所述目标集群中的路线段确认所述目标城市的交通线路走廊;
其中,所述将已划分的所述路线段及对应的权值输入预设的集群算法,根据所述集群算法的处理流程输出目标集群的步骤,包括:
根据所述路线段的经纬度划分集群线路,并以所述集群线路中路线段的权值总和确认可扩展的预选集群;
将所述预选集群添加至对应的优先级队列,并输出所述优先级队列中优先级最高的目标集群。
2.如权利要求1所述的城市交通走廊的识别方法,其特征在于,所述根据目标城市道路的经纬度划分路线段,并获取已划分的所述路线段的权值的步骤,包括:
统计所述路线段在预设时间段内的流动人口数量,并以统计到的所述流动人口数量作为所述路线段的权值。
3.如权利要求1所述的城市交通走廊的识别方法,其特征在于,所述根据所述路线段的经纬度划分集群线路,并以所述集群线路中路线段的权值总和确认可扩展的预选集群的步骤,包括:
根据所述路线段的经纬度确认相邻路线段,将相邻路线段聚类后组成所述集群线路;
统计所述集群线路中各路线段的权值总和,在确认所述权值总和大于预设最小权值时,确认所述集群线路为可扩展的预选集群。
4.如权利要求3所述的城市交通走廊的识别方法,其特征在于,所述根据所述路线段的经纬度确认相邻路线段,将相邻路线段聚类后组成所述集群线路的步骤,包括:
将经纬度数据相邻的路线段组成目标路线段;
计算所述目标路线段与组成所述目标路线段的路线段的间隔距离,在确认所述间隔距离小于预设距离时,确认所述目标路线段为有效的相邻路线段。
5.如权利要求4所述的城市交通走廊的识别方法,其特征在于,所述计算所述目标路线段与组成所述目标路线段的路线段的间隔距离,在确认所述间隔距离小于预设距离时,确认所述目标路线段为有效的相邻路线段的步骤,包括:
以所述目标路线段与组成所述目标路线段的路线段的最大角度,计算所述目标路线段中点与所述路线段的间隔距离;
在确认所述间隔距离小于预设距离时,确认所述目标路线段为有效的相邻路线段。
6.如权利要求1所述的城市交通走廊的识别方法,其特征在于,所述将所述预选集群添加至对应的优先级队列,并输出所述优先级队列中优先级最高的目标集群的步骤,包括:
根据所述优先级队列中各预选集群的权值总和分别为各预选集群赋予不同的优先级等级;
遍历所述优先级队列中所有预选集群的优先级等级,输出优先级最高的目标集群。
7.如权利要求6所述的城市交通走廊的识别方法,其特征在于,所述遍历所述优先级队列中所有预选集群的优先级等级,输出优先级最高的目标集群的步骤之后,还包括:
确认输出的所述目标集群中的目标路线段;
在所述优先级队列的其他预选集群中删除所述目标路线段。
8.一种城市交通走廊的识别装置,其特征在于,所述城市交通走廊的识别装置包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述城市交通走廊的识别方法的步骤。
9.一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上存储有城市交通走廊的识别应用程序,所述城市交通走廊的识别应用程序被处理器执行时实现如权利要求1至7中任一项所述城市交通走廊的识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810686619.0A CN108806254B (zh) | 2018-06-28 | 2018-06-28 | 城市交通走廊的识别方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810686619.0A CN108806254B (zh) | 2018-06-28 | 2018-06-28 | 城市交通走廊的识别方法、装置及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108806254A CN108806254A (zh) | 2018-11-13 |
CN108806254B true CN108806254B (zh) | 2020-05-26 |
Family
ID=64072475
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810686619.0A Active CN108806254B (zh) | 2018-06-28 | 2018-06-28 | 城市交通走廊的识别方法、装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108806254B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112543427B (zh) * | 2020-12-01 | 2021-11-09 | 江苏欣网视讯软件技术有限公司 | 基于信令轨迹及大数据分析识别城市交通走廊的方法与系统 |
CN113094802B (zh) * | 2021-04-30 | 2023-05-16 | 中国电建集团中南勘测设计研究院有限公司 | 一种公路路基建模方法及系统 |
CN114758498B (zh) * | 2022-04-01 | 2023-06-20 | 中南大学 | 基于多向最优扩展的城市有向交通廊道识别方法 |
CN117953691B (zh) * | 2024-03-26 | 2024-06-07 | 腾讯科技(深圳)有限公司 | 交通数据处理方法、装置、电子设备及存储介质 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101751777B (zh) * | 2008-12-02 | 2011-11-16 | 同济大学 | 基于空间聚类分析的城市路网交通小区动态划分方法 |
US20130166188A1 (en) * | 2011-12-21 | 2013-06-27 | Microsoft Corporation | Determine Spatiotemporal Causal Interactions In Data |
US8831875B2 (en) * | 2012-09-12 | 2014-09-09 | International Business Machines Corporation | Solving traffic congestion using vehicle grouping |
CN105608505B (zh) * | 2015-12-22 | 2020-02-11 | 重庆邮电大学 | 一种基于手机信令数据的居民轨道交通出行方式识别方法 |
CN105702031B (zh) * | 2016-03-08 | 2018-02-23 | 北京航空航天大学 | 基于宏观基本图的路网关键路段识别方法 |
CN106056903B (zh) * | 2016-06-22 | 2018-11-27 | 江苏迪纳数字科技股份有限公司 | 基于gps数据的道路拥塞区域的检测方法 |
CN106503382A (zh) * | 2016-10-28 | 2017-03-15 | 新奥科技发展有限公司 | 一种城市道路规划方法及装置 |
CN107423897A (zh) * | 2017-07-20 | 2017-12-01 | 青岛大学 | 一种利用公共交通档案评价公共交通网络的方法 |
CN107749161A (zh) * | 2017-09-27 | 2018-03-02 | 东北林业大学 | 基于城市交通规划的公共交通系统及规划方法 |
-
2018
- 2018-06-28 CN CN201810686619.0A patent/CN108806254B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108806254A (zh) | 2018-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108806254B (zh) | 城市交通走廊的识别方法、装置及计算机可读存储介质 | |
Zhao et al. | A trajectory clustering approach based on decision graph and data field for detecting hotspots | |
US11305780B2 (en) | Road condition status prediction method, device, and server, and storage medium | |
CN110298553A (zh) | 一种基于gis的国土空间规划方法、系统和设备 | |
CN109493119B (zh) | 一种基于poi数据的城市商业中心识别方法及系统 | |
WO2021203728A1 (zh) | 一种展业区域的选址方法、装置、计算机设备和介质 | |
CN110472999B (zh) | 基于地铁和共享单车数据的客流模式分析方法及装置 | |
JP5785973B2 (ja) | 新規出店候補地分析装置及び方法及びプログラム | |
CN111161887A (zh) | 基于人口迁徙大数据的流行病疫区返程人群规模预测方法 | |
US20230004614A1 (en) | Method and Apparatus for Displaying Map Points of Interest, And Electronic Device | |
CN110674208B (zh) | 用于确定用户的职住地信息的方法和装置 | |
JP2021047184A (ja) | ナビゲーションに用いられる方法、装置、デバイス、及びコンピュータが読み取り可能な記憶媒体 | |
CN115049158A (zh) | 城市系统运行状态的预测方法、系统、存储介质及终端 | |
KR20180134553A (ko) | 혼잡도 제공 시스템 및 방법 | |
CN111611992A (zh) | 确定兴趣面的方法、装置和计算机设备 | |
WO2017221856A1 (ja) | 分析装置、分析方法、および記憶媒体 | |
CN110555432A (zh) | 一种兴趣点处理方法、装置、设备和介质 | |
Yap et al. | A global feature-rich network dataset of cities and dashboard for comprehensive urban analyses | |
CN111310340B (zh) | 基于人类移动的城市区域交互异常关系识别方法及设备 | |
CN111008730B (zh) | 基于城市空间结构的人群聚集度预测模型构建方法及装置 | |
CN116935643A (zh) | 交通管理方法、装置、设备及存储介质 | |
CN112380443B (zh) | 导乘推荐方法、装置、计算机设备和存储介质 | |
AU2018101529A4 (en) | A device of evaluating the dewing conditions of a house | |
CN116842123B (zh) | 搬迁位置预测方法、地图更新方法、装置及设备 | |
CN111611497B (zh) | 城市通勤特征测度的方法、系统、设备及存储介质 |
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 |