CN109670671B - 公交线网评价方法及装置 - Google Patents

公交线网评价方法及装置 Download PDF

Info

Publication number
CN109670671B
CN109670671B CN201811352612.1A CN201811352612A CN109670671B CN 109670671 B CN109670671 B CN 109670671B CN 201811352612 A CN201811352612 A CN 201811352612A CN 109670671 B CN109670671 B CN 109670671B
Authority
CN
China
Prior art keywords
travel
demand information
travel demand
public transportation
network
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
CN201811352612.1A
Other languages
English (en)
Other versions
CN109670671A (zh
Inventor
赵星
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.)
Advanced New Technologies Co Ltd
Advantageous New Technologies Co Ltd
Original Assignee
Advanced New Technologies Co Ltd
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 Advanced New Technologies Co Ltd filed Critical Advanced New Technologies Co Ltd
Priority to CN201811352612.1A priority Critical patent/CN109670671B/zh
Publication of CN109670671A publication Critical patent/CN109670671A/zh
Application granted granted Critical
Publication of CN109670671B publication Critical patent/CN109670671B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)

Abstract

本说明书一个或多个实施例公开了一种公交线网评价方法及装置，上述方法根据公交线网和地铁线网的交通数据，结合各出行需求信息计算各出行需求信息所对应的路径规划指标，并根据各出行需求信息所对应的路径规划指标对公交线网的出行效率进行评价分析，其中，各出行需求信息所对应的路径规划指标包括步行时长、步行距离、等车时长、换乘次数、换乘时长、乘车时长中的一个或者多个。本说明书一个或多个实施例提供了一种对公交线网的出行效率进行评价的方法，同时提高了评价公交线网的出行效率的准确率。

Description

公交线网评价方法及装置
技术领域
本说明书涉及计算机技术领域，尤其涉及一种公交线网评价方法及装置。
背景技术
公共交通是城市综合交通系统中的重要组成部分。随着社会经济的发展和公共交通的不断完善，乘坐公共交通工具出行已经成为居民的主要出行方式之一，因此准确的评价公共交通中的公交线网的出行效率，以根据出行效率对公交线网进行适应性调整就显得尤为重要。
然而，目前通常评价公交线网的指标包括人群覆盖密度、线路的直线度、里程数以及密度等，并没有关于对公交线网的出行效率的评价方法。
发明内容
本说明书一个或多个实施例的目的是提供一种公交线网评价方法及装置，用以解决现有技术中无法对公交线网的出行效率进行评价的问题。
为解决上述技术问题，本说明书一个或多个实施例是这样实现的：
一方面，本说明书一个或多个实施例提供一种公交线网评价方法，包括：
获取多个出行需求信息，其中，各所述出行需求信息均包括用户出行起点、用户出行终点和出行人次；
根据公交线网和地铁线网的交通数据，结合各所述出行需求信息计算各所述出行需求信息所对应的路径规划指标；其中，各所述出行需求信息所对应的路径规划指标包括步行时长、步行距离、等车时长、换乘次数、换乘时长、乘车时长中的一个或者多个；
根据各所述出行需求信息所对应的路径规划指标对所述公交线网的出行效率进行评价分析。
可选的，所述获取多个出行需求信息包括：
将待分析的行政区域映射为网格图；
获取所述网格图中与各网格对应的出行需求信息；
对所述网格图中与各网格对应的出行需求信息进行整合以得到所述多个出行需求信息。
可选的，所述根据公交线网和地铁线网的交通数据，结合各所述出行需求信息计算各所述出行需求信息所对应的路径规划指标包括：
根据公交线网和地铁线网的交通数据，结合各所述出行需求信息中的用户出行起点和用户出行终点计算与各所述出行需求信息对应的最佳出行路径；
获取与各所述出行需求信息对应的最佳出行路径的路径指标，其中，所述路径指标包括步行时长、步行距离、等车时长、换乘次数、换乘时长、乘车时长中的一个或者多个；
将与各所述出行需求信息对应的最佳出行路径的路径指标确定为对应的各所述出行需求信息所对应的路径规划指标。
可选的，所述根据公交线网和地铁线网的交通数据，结合各所述出行需求信息中的用户出行起点和用户出行终点计算与各所述出行需求信息对应的最佳出行路径包括：
根据公交线网和地铁线网的交通数据，结合各所述出行需求信息中的用户出行起点和用户出行终点确定与各所述出行需求信息对应的候选出行路径；
计算与各所述出行需求信息对应的候选出行路径的出行时长；
将与各所述出行需求信息对应的所述出行时长最短的候选出行路径确定为与各所述出行需求信息对应的最佳出行路径。
可选的，所述根据各所述出行需求信息所对应的路径规划指标对所述公交线网的出行效率进行评价分析包括：
对各所述出行需求信息所对应的路径规划指标进行计算以得到所述公交线网的评价指标；
根据所述公交线网的评价指标对所述公交线网的出行效率进行评价分析。
可选的，所述出行需求信息所对应的路径规划指标包括步行时长、步行距离、等车时长、换乘次数、换乘时长、乘车时长；
所述对各所述出行需求信息所对应的路径规划指标进行计算以得到所述公交线网的评价指标包括：
根据各所述出行需求信息所对应的路径规划指标中的换乘次数、各所述出行需求信息中的出行人次计算平均换乘系数；
根据各所述出行需求信息所对应的路径规划指标中的步行时长、等车时长、乘车时长并结合各所述出行需求信息中的出行人次计算平均出行时长；
根据各所述出行需求信息所对应的路径规划指标中的步行距离以及各所述出行需求信息中的出行人次计算平均步行时长；
根据各所述出行需求信息所对应的路径规划指标中的换乘时长和等车时长中的等待换乘车辆的时长并结合各所述出行需求信息中的出行人次计算平均换乘时长；
将所述平均换乘系数、所述平均出行时长、所述平均步行时长以及所述平均换乘时长确定为公交线网的评价指标。
可选的，所述根据所述公交线网的评价指标对所述公交线网的出行效率进行评价分析包括：
根据一公交线网评价标准表获取所述公交线网的评价指标的评价分数；
根据所述公交线网的评价指标的评价分数对所述公交线网的出行效率进行评价分析。
另一方面，本说明书一个或多个实施例提供一种公交线网评价装置，包括：
获取模块，用于获取多个出行需求信息，其中，各所述出行需求信息均包括用户出行起点、用户出行终点和出行人次；
计算模块，用于根据公交线网和地铁线网的交通数据，结合各所述出行需求信息计算各所述出行需求信息所对应的路径规划指标；其中，各所述出行需求信息所对应的路径规划指标包括步行时长、步行距离、等车时长、换乘次数、换乘时长、乘车时长中的一个或者多个；
评价模块，用于根据各所述出行需求信息所对应的路径规划指标对所述公交线网的出行效率进行评价分析。
可选的，所述获取模块包括：
映射单元，用于将待分析的行政区域映射为网格图；
第一获取单元，用于获取所述网格图中与各网格对应的出行需求信息；
整合单元，用于对所述网格图中与各网格对应的出行需求信息进行整合以得到所述多个出行需求信息。
可选的，所述计算模块包括：
第一计算单元，用于根据公交线网和地铁线网的交通数据，结合各所述出行需求信息中的用户出行起点和用户出行终点计算与各所述出行需求信息对应的最佳出行路径；
第二获取单元，用于获取与各所述出行需求信息对应的最佳出行路径的路径指标，其中，所述路径指标包括步行时长、步行距离、等车时长、换乘次数、换乘时长、乘车时长中的一个或者多个；
确定单元，用于将与各所述出行需求信息对应的最佳出行路径的路径指标确定为对应的各所述出行需求信息所对应的路径规划指标。
可选的，所述第一计算单元包括：
第一确定子单元，用于根据公交线网和地铁线网的交通数据，结合各所述出行需求信息中的用户出行起点和用户出行终点确定与各所述出行需求信息对应的候选出行路径；
第一计算子单元，用于计算与各所述出行需求信息对应的候选出行路径的出行时长；
第二确定子单元，用于将与各所述出行需求信息对应的所述出行时长最短的候选出行路径确定为与各所述出行需求信息对应的最佳出行路径。
可选的，所述评价模块包括：
第二计算单元，用于对各所述出行需求信息所对应的路径规划指标进行计算以得到所述公交线网的评价指标；
评价单元，用于根据所述公交线网的评价指标对所述公交线网的出行效率进行评价分析。
可选的，所述出行需求信息所对应的路径规划指标包括步行时长、步行距离、等车时长、换乘次数、换乘时长、乘车时长；
所述第二计算单元包括：
第二计算子单元，用于根据各所述出行需求信息所对应的路径规划指标中的换乘次数、各所述出行需求信息中的出行人次计算平均换乘系数；
第三计算子单元，用于根据各所述出行需求信息所对应的路径规划指标中的步行时长、等车时长、乘车时长并结合各所述出行需求信息中的出行人次计算平均出行时长；
第四计算子单元，用于根据各所述出行需求信息所对应的路径规划指标中的步行距离以及各所述出行需求信息中的出行人次计算平均步行时长；
第五计算子单元，用于根据各所述出行需求信息所对应的路径规划指标中的换乘时长和等车时长中的等待换乘车辆的时长并结合各所述出行需求信息中的出行人次计算平均换乘时长；
第三确定子单元，用于将所述平均换乘系数、所述平均出行时长、所述平均步行时长以及所述平均换乘时长确定为公交线网的评价指标。
可选的，所述评价单元包括：
获取子单元，用于根据一公交线网评价标准表获取所述公交线网的评价指标的评价分数；
评价子单元，用于根据所述公交线网的评价指标的评价分数对所述公交线网的出行效率进行评价分析。
再一方面，本说明书一个或多个实施例提供一种公交线网评价设备，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：
获取多个出行需求信息，其中，各所述出行需求信息均包括用户出行起点、用户出行终点和出行人次；
根据公交线网和地铁线网的交通数据，结合各所述出行需求信息计算各所述出行需求信息所对应的路径规划指标；其中，各所述出行需求信息所对应的路径规划指标包括步行时长、步行距离、等车时长、换乘次数、换乘时长、乘车时长中的一个或者多个；
根据各所述出行需求信息所对应的路径规划指标对所述公交线网的出行效率进行评价分析。
再一方面，本说明书一个或多个实施例提供一种存储介质，用于存储计算机可执行指令，所述可执行指令在被执行时实现以下流程：
获取多个出行需求信息，其中，各所述出行需求信息均包括用户出行起点、用户出行终点和出行人次；
根据公交线网和地铁线网的交通数据，结合各所述出行需求信息计算各所述出行需求信息所对应的路径规划指标；其中，各所述出行需求信息所对应的路径规划指标包括步行时长、步行距离、等车时长、换乘次数、换乘时长、乘车时长中的一个或者多个；
根据各所述出行需求信息所对应的路径规划指标对所述公交线网的出行效率进行评价分析。
采用本说明书一个或多个实施例的技术方案，根据公交线网和地铁线网的交通数据，结合各出行需求信息计算各出行需求信息所对应的路径规划指标，并根据各出行需求信息所对应的路径规划指标对公交线网的出行效率进行评价分析，其中，各出行需求信息所对应的路径规划指标包括步行时长、步行距离、等车时长、换乘次数、换乘时长、乘车时长中的一个或者多个。一方面，提供了一种对公交线网的出行效率进行评价的方法，且该方法步骤简单易于执行；另一方面，由于根据交通线网和地铁线网的交通数据并结合各出行需求信息计算各出行需求信息所对应的路径规划指标，以根据各出行需求信息所对应的路径规划指标对公交线网进行评价，既考虑了整体的出行需求信息还考虑了整体的公交线网和地铁线网，因此提高了评价公交线网的出行效率的准确率；又一方面，由于各出行需求信息所对应的路径规划指标包括步行时长、步行距离、等车时长、换乘次数、换乘时长、乘车时长中的一个或者多个，即可以从多个维度对公交线网的出行效率进行评价，进一步的提高了评价公交线网的出行效率的准确率。
附图说明
为了更清楚地说明本说明书一个或多个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，显而易见地，下面描述中的附图仅仅是本说明书一个或多个实施例中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是根据本说明书一实施例的一种公交线网评价方法的示意性流程图；
图2是根据本说明书一实施例的获取多个出行需求信息的示意性流程图；
图3是根据本说明书一实施例的待分析的行政区域的地图的示意图；
图4是将图3中的待分析的行政区域映射为网格图的示意图；
图5是根据本说明书一个实施例中计算各出行需求信息所对应的路径规划指标的流程图；
图6是根据本说明书一个实施例中计算公交线网的评价指标的流程图；
图7是根据本说明书另一个实施例中一种公交线网评价装置的示意性框图；
图8是根据本说明书另一个实施例中一种公交线网评价设备的示意性框图。
具体实施方式
本说明书一个或多个实施例提供一种公交线网评价方法及装置，用以解决现有技术中无法对公交线网的出行效率进行评价的问题。
为了使本技术领域的人员更好地理解本说明书一个或多个实施例中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书一个或多个实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书一个或多个实施例保护的范围。
图1是根据本说明书一实施例的一种公交线网评价方法的示意性流程图，该方法的执行主体例如可以为终端设备或服务器，其中，终端设备例如可以为个人计算机等，服务器例如可以为独立的一个服务器，也可以是由多个服务器组成的服务器集群，本示例性实施例对此不做特殊限定。如图1所示，该方法可以包括步骤S102、步骤S104以及步骤S106，其中：
步骤S102、获取多个出行需求信息，其中，各所述出行需求信息均包括用户出行起点、用户出行终点和出行人次。
在本申请实施例中，获取多个出行需求信息的方式可以包括以下两种，其中：
方式一、如图2所示，可以包括以下步骤：
步骤S202、将待分析的行政区域映射为网格图。具体的，可以获取待分析的行政区域的地图，并通过一网格在待分析的行政区域的地图中将待分析的行政区域划分为多个子区域，以及将划分后的待分析的行政区域的地图确定为网格图，其中，一个网格覆盖的区域即为一个子区域的范围，网格的大小可以根据一站路的长度进行设置等，本示例性实施例对此不做特殊限定。所述网格的形状例如可以为长方形、正方形等，本示例性实施例对此不做特殊特殊限定。例如，图3是根据本说明书一实施例的待分析的行政区域的地图的示意图，图4是将图3中的待分析的行政区域映射为网格图的示意图，其中，网格图中包括多个网格，且虚线标识出的正方形为一个网格。需要说明的是，上述待分析的行政区域例如可以为整个城市，也可以为一个城市中的一个区，本示例性实施例对此不作特殊限定。
步骤S204、获取所述网格图中与各网格对应的出行需求信息。具体的，可以获取网格图中与各网格对应的子区域中的每个用户的出行需求信息，并将各网格对应的子区域中的所有用户的出行需求信息的集合确定为对应的各网格对应的出行需求信息。例如，若网格图中包括第一网格至第N网格，首先可以获取第一网格对应的子区域中的每个用户的出行需求信息，重复上述过程，即可得到第二网格至第N网格对应的子区域中的每个用户的出行需求信息，然后，将第一网格对应的子区域中的所有用户的出行需求信息进行集合即可得到与第一网格对应的出行需求信息，重复上述过程，即可得到与第二网格至第N网格对应的出行需求信息。
各用户的出行需求信息例如可以包括用户出行起点、用户出行终点、用户的出行次数、出行时间等，本示例性实施例对此不做特殊限定。需要说明的是，由于通常一个用户出行的起点和终点可能存在多个，因此，一个用户的出行需求信息可以为多个。
获取与各网格对应的子区域中的每个用户的出行需求信息的方式可以包括：采用对各网格对应的子区域中的每个用户的出行需求信息进行问卷调查的方式；或者，由于随着科技的发展，使用各种地图应用软件查找出行路径的方式已经成为用户查询出行路径的常用方式，因此可以在各大地图应用软件的历史数据中，获取每个用户的历史查询记录，并根据各用户的历史查询记录中的出行起点、出行终点以及查询时间，确定各用户的出行需求信息，以及根据各用户的出行需求信息中的用户出行起点确定各用户所属的子区域，进而根据各用户的出行需求信息并结合各用户所属的子区域确定各子区域中的用户的出行需求信息，从而得到各网格对应的子区域中的用户的出行需求信息。需要说明的是，上述获取各网格对应的子区域中的用户的出行需求信息的方式仅为示例性的，并不用于限定本发明。
步骤S206、对所述网格图中与各网格对应的出行需求信息进行整合以得到所述多个出行需求信息。具体的，首先，可以根据与各网格对应的出行需求信息中的每个用户的出行需求信息中的出行起点和出行终点，确定与各网格对应的出行需求信息中的每个用户的出行需求信息中的用户出行起点和用户出行终点分别所属的网格；然后，将与所有网格对应的出行需求信息中的所有用户的出行需求信息进行集合，并对集合后的用户的出行需求信息进行分类，以得到多个出行类别，具体的分类过程可以包括：将用户出行起点所属的网格相同且用户出行终点所属的网格相同的用户的出行需求信息和用户出行起点所属的网格与用户出行终点所属的网格相同且用户出行终点所属的网格和用户出行起点所属的网格相同的用户的出行需求信息划分为同一个出行类别；最后，分别将各出行类别中的所有用户的出行需求信息中的出行次数相加，以得到与各出行类别对应的总的出行人次，并将每个出行类别中的任意一个用户的出行需求信息中的用户出行起点和用户出行终点作为各出行类别对应的用户出行起点和用户出行终点，或者在每个出行类别对应的两个网格中分别确定一个位置，并获取确定的每个网格中的位置在待分析的行政区域中的位置，并将每个网格中的位置在待分析的行政区域中的位置中的一个位置确定为用户出行起点，另一个确定为用户出行终点；将每个出行类别确定为一个出行需求信息，其中，将各出行类别对应的总的出行人次确定为对应的各出行需求信息中的出行人次，将各出行类别对应的用户出行起点和用户出行终点确定为对应的各出行需求信息中的用户出行起点和用户出行终点。
方式二、可以首先获取待分析的行政区域中的每个用户的出行需求信息，由于各用户的出行需求信息已经在上文中进行了说明，因此此处不在赘述；然后，通过聚类算法对待分析的行政区域中的用户的出行需求信息进行分类，即将出行需求信息相似的用户的出行需求信息划分为一个出行类别，以得到多个出行类别，其中每个出行类别包括至少一个用户的出行需求信息，例如，若用户A的出行需求信息包括用户出行起点a、用户出行终点b，用户B的出行需求信息包括用户出行起点a、用户出行终点b，由于用户A和用户B的出行需求信息中的用户出行起点相同且用户出行终点相同，因此用户A和用户B的出行需求信息属于同一个出行类别；再例如，用户A的出行需求信息包括用户出行起点a、用户出行终点b，用户B的出行需求信息包括用户出行起点b、用户出行终点a，由于用户A的出行需求信息中的用户出行起点和用户B的出行需求信息中的用户出行终点相同，且用户A的出行需求信息中的用户出行终点和用户B的出行需求信息中的用户出行起点相同，因此用户A和用户B的出行需求信息属于同一个出行类别；再例如，若用户A的出行需求信息包括用户出行起点a、用户出行终点b，用户B的出行需求信息包括用户出行起点c、用户出行终点d，若用户A的出行需求信息中的用户出行起点a和用户B的出行需求信息中的用户出行起点c之间的距离小于一预设距离，且用户A的出行需求信息中的用户出行终点b和用户B的出行需求信息中的用户出行终点d之间的距离小于预设距离，则用户A和用户B的出行需求信息属于一个出行类别；最后，分别将各出行类别中的所有用户的出行需求信息中的出行次数相加，以得到与各出行类别对应的总的出行人次，并将每个出行类别中的任意一个用户的出行需求信息中的用户出行起点和用户出行终点作为各出行类别对应的用户出行起点和用户出行终点；将每一个出行类别确定为一个出行需求信息，其中，将各出行类别对应的总的出行人次确定为对应的各出行需求信息中的出行人次，将各出行类别对应的用户出行起点和用户出行终点确定为对应的各出行需求信息中的用户出行起点和用户出行终点。需要说明的时，上述聚类算法例如可以为K-Means(K均值)聚类算法，均值漂移聚类等，本示例性实施例对此不做特殊限定。上述预设距离的具体数值可以为20米，30米等，本示例性实施例对此不作特殊限定。
需要说明的是，上述获取多个出行需求信息的方式仅为示例性的，并不用于限定本发明。
步骤S104、根据公交线网和地铁线网的交通数据，结合各所述出行需求信息计算各所述出行需求信息所对应的路径规划指标；其中，各所述出行需求信息所对应的路径规划指标均包括步行时长、步行距离、等车时长、换乘次数、换乘时长、乘车时长中的一个或者多个。
在本申请实施例中，公交线网的交通数据可以包括公交线网中的公交线的数量、每条公交线的路径和站点、从每个公交线的起点到终点的总时长、每个公交线上的公交车的数量，每个公交线上的首班车的发车时间、末班车的发车时间以及相邻发出的两辆车的发车时间的间隔时长、每条公交线的里程数等，本示例性实施例对此不作特殊限定。地铁线网的交通数据可以包括地铁线网中的地铁线的条数、每条地铁线的里程数、每条地铁线的站点数、每条地铁线上的车辆的数量，每条地铁线的首班车的发车时间、每条地铁线的末班车的发车时间、每条地铁线的相邻发车的两辆车的间隔时长、每跑完各条地铁线的时长等，本示例性实施例对此不作特殊限定。
图5是根据本说明书一个实施例中计算各出行需求信息所对应的路径规划指标的流程图。如图5所示，包括以下步骤S502、步骤S504以及步骤S506，其中：
步骤S502、根据公交线网和地铁线网的交通数据，结合各所述出行需求信息中的用户出行起点和用户出行终点计算与各所述出行需求信息对应的最佳出行路径。
在本申请实施例中，可以根据公交线网和地铁线网的交通数据，结合各出行需求信息中的用户出行起点和用户出行终点确定与各所述出行需求信息对应的候选出行路径，即在公交线网和地铁线网的交通数据中，分别匹配出能够从各出行需求信息中的用户出行起点到用户出行终点的出行路径，需要说明的是，出行路径指公共出行路径，即通过搭乘公交和/或地铁的出行路径，并将能够从各出行需求信息中的用户出行起点到用户出行终点的出行路径确定为对应的与各出行需求信息对应的候选出行路径。与出行需求信息对应的候选出行路径的数量可以为1个，可以为2个、3个、4个等，本示例性实施例对此不作特殊限定。候选出行路径例如为：步行100米到达公交站A、并从公交站A搭乘公交车B并在公交站C从公交车B下车。需要说明的是，还可以根据公交线网和地铁线网的交通数据、各出行需求信息中的用户出行起点和用户出行终点并结合一路径规划引擎确定与各出行需求信息对应的候选出行路径，上述路径规划引擎例如可以为各大地图应用软件，本示例性实施例对此不作特殊限定。
在与各出行需求信息对应的候选出行路径中确定与各出行需求信息对应的最佳出行路径可以包括以下三种方式：
方式一、计算与各出行需求信息对应的候选出行路径的出行时长，将与各出行需求信息对应的出行时长最短的候选出行路径确定为与各出行需求信息对应的最佳出行路径。例如，若一个出行需求信息对应的候选出行路径的数量为三个，分别为第一候选出行路径、第二候选出行路径以及第三候选出行路径。通过公交线网和地铁线网的交通数据计算通过第一候选出行路径从该出行需求信息中的用户出行起点到用户出行终点的总时长，并将该总时长确定为第一候选出行路径的出行时长，重复上述过程即可得到第二候选出行路径的出行时长和第三候选出行路径的出行时长，按照出行时长由小到达的顺序对第一候选出行路径至第三候选出行路径进行排序，并将排在第一位的候选出行路径确定为与该出行需求信息对应的最佳出行路径。
下面，举例对候选出行路径的出行时长进行说明，若候选出行路径为通过一辆公交车就可以直达，且不需要走路，则该候选出行路径的出行时长包括等公交车的时长以及乘坐公交车的时长(即在公交车上的运输时间)；若候选出行路径为步行100米后乘坐公交车即可到达，则该候选出行路径的出行时长包括步行100米的时长、等公交车的时长和乘坐公交车的时长；若候选出行路径为步行200米后乘坐公交车再换乘地铁即可到达，则该候选出行路径的出行时长包括步行200米的时长、等公交车的时长、乘坐公交车的时长、换乘时长(即从公交车下来走到地铁站的时长)、等地铁的时长以及乘坐地铁的时长。
方式二、获取与各出行需求信息对应的候选出行路径的步行距离，将与各出行需求信息对应的步行距离最短的候选出行路径确定为与各出行需求信息对应的最佳出行路径。上述步行距离指在整个候选出行路径中需要行走的总距离，例如，若候选出行路径为通过公交车即可直达，无需走路，则该候选出行路径的步行距离为0；若候选出行路径为先步行100米再乘坐公交车即可到达，则该候选出行路径的步行距离为100米；若候选出行路径为乘坐公交车然后换乘地铁即可到达，则该候选出行路径的步行距离为从公交车换乘地铁的步行距离。
方式三，获取与各出行需求信息对应的候选出行路径的换乘次数，将与各出行需求信息对应的换乘次数最少的候选出行路径确定为与各出行需求信息对应的最佳出行路径。
步骤S504、获取与各所述出行需求信息对应的最佳出行路径的路径指标，其中，所述路径指标可以包括步行时长、步行距离、等车时长、换乘次数、换乘时长、乘车时长等中的一个或者多个。
在本申请实施例中，可以根据公交线网和地铁线网的交通数据计算各出行需求信息对应的最佳出行路径的路径指标。其中，步行时长指通过最佳出行路径从用户出行起点到用户出行终点的过程中总共行走的时长。步行距离指通过最佳出行路径从用户出行起点到用户出行终点总共行走的距离。等车时长包括等待公交和/或地铁时间的时长。换乘次数指通过最佳出行路径从用户出行起点到用户出行终点总共换乘的次数，即更换公共交通工具(地铁、公交)的次数。换乘时长指通过最佳出行路径从用户出行起点到用户出行终点的过程中更换公共交通工具所行走的时长。乘车时长指通过最佳出行路径从用户出行起点到用户出行终点的过程中乘坐公交和/或地铁的时长。
步骤S506，将与各所述出行需求信息对应的最佳出行路径的路径指标确定为对应的各所述出行需求信息所对应的路径规划指标，即各出行需求信息所对应的路径规划指标可以包括：步行时长、步行距离、等车时长、换乘次数、换乘时长、乘车时长等中的一个或者多个。
步骤S106、根据各所述出行需求信息所对应的路径规划指标对所述公交线网的出行效率进行评价分析。
在本申请实施例中，可以对各出行需求信息所对应的路径规划指标进行计算以得到公交线网的评价指标，以及根据公交线网的评价指标对公交线网的出行效率进行评价分析。
具体的，若出行需求信息所对应的路径规划指标包括步行时长、步行距离、等车时长、换乘人次、换乘时长、乘车时长，则如图6所示，公交线网的评价指标的计算过程可以包括：
步骤S602、根据各所述出行需求信息所对应的路径规划指标中的换乘次数、各所述出行需求信息中的出行人次计算平均换乘系数，即根据各出行需求信息对应的路径规划指标中的换乘次数判断与各出行信息对应的最佳出行路径是否发生换乘，若换乘次数为0，则出行需求信息所对应的最佳出行路径未换乘，若换乘次数大于0，则出行需求信息所对应的最佳出行路径发生换乘。若出行需求信息所对应的最佳出行路径发生换乘，则该出行需求信息中的出行人次为该出行需求信息对应的换乘人次，若出行需求信息所对应的最佳出行路径未换乘，则该出行需求信息对应的换乘人次为0。基于上述原理，计算出每个出行需求信息对应的换乘人次，通过将所有出行需求信息中的出行人次以及所有出行需求信息对应的换乘人次求和，并将求和的结果与所有出行需求信息中的出行人次的总和的比值确定为平均换乘系数。
步骤S604、根据各所述出行需求信息所对应的路径规划指标中的步行时长、等车时长、乘车时长并结合各所述出行需求信息中的出行人次计算平均出行时长。
在本申请实施例中，可以将各出行需求信息所对应的路径规划指标中的步行时长、等车时长、乘车时长求和，即可得到与各出行需求信息对应的一人次的出行时长；将与各出行需求信息对应的一人次的出行时长乘以对应的各出行需求信息中的出行人次，即可得到各出行需求信息对应的总的出行时长；将所用出行需求信息对应的总的出行时长相加之后除以所有出行需求信息中的出行人次的总和得到的数值即为平均出行时长。
步骤S606、根据各所述出行需求信息所对应的路径规划指标中的步行距离以及各所述出行需求信息中的出行人次计算平均步行时长。
在本申请实施例中，可以计算各出行需求信息所对应的路径规划指标中的步行距离与对应的各出行需求信息中的出行人次的乘积，并将得到的乘积确定为各出行需求所对应的总的步行距离；将所有出行需求信息所对应的总的步行距离进行求和之后除以所有出行需求信息中的出行人次的和，即可得到平均步行距离，以及将平均步行距离与用户的平均步行速度的比值确定为平均步行时长。
步骤S608、根据各所述出行需求信息所对应的路径规划指标中的换乘时长和等车时长中的等待换乘车辆的时长并结合各所述出行需求信息中的出行人次计算平均换乘时长。
在本申请实施例中，可以分别将各出行需求信息所对应的路径规划指标中的换乘时长和等车时长中的等待换乘车辆的时长求和之后乘以对应的各出行需求信息中的出行人次，以得到各出行需求信息对应的总的换乘时长，将所有出行需求信息对应的总的换乘时长的总和与所有出行需求信息中的出行人次的总和的比值确定为平均换乘时长。
步骤S610、将所述平均换乘系数、所述平均出行时长、所述平均步行时长以及所述平均换乘时长确定为公交线网的评价指标。
根据公交线网的评价指标对公交线网的出行效率进行评价分析的方式可以包括以下两种：
第一种，根据一公交线网评价标准表获取所述公交线网的评价指标的评价分数；根据所述公交线网的评价指标的评价分数对所述公交线网的出行效率进行评价分析。
在本申请实施例中，公交线网评价标准表中可以包括公交线网的各评价指标在不同数值范围的评价分数。例如，若评价指标包括上述步骤S610中的平均换乘系数、平均出行时长、平均步行时长以及平均换乘时长，则公交线网评价标准表中包括平均换乘系数在不同数值范围的评价分数、平均出行时长在不用数值范围内的评价分数、平均步行时长在不同数值范围内的评价分数、平均换乘时长在不用数值范围内的评价分数，其中，平均换乘系数的数值越大，其评价分数越低，平均换乘系数的数值越小，其评价分数越高；平均出行时长的数值越大，其评价分数越低，平均出行时长的数值越小，其评价分数越高；平均步行时长的数值越大，其评价分数越低，平均步行时长的数值越小，其评价分数越高；平均换乘时长的数值越大，其评价分数越低，平均换乘时长的数值越小，其评价分数越高。
基于上述公交线网评价标准表，通过将公交线网的评价指标的名称和数值与上述公交线网评价标准表中的评价指标的名称和数值范围进行匹配，即可到公交线网的评价指标的评价分数。可以通过将公交线网的评价指标的评价分数进行求和，以根据求和后的数值对公交线网的出行效率进行评价。例如，求和后的数值越大，则公交线网的出行效率越高，求和后的数值越小，则公交线网的出行效率越低。
第二种，可以根据公交线网的评价指标并通过一由深度学习网络构建的评价模型计算公交线网的评价分数，以根据公交线网的评价分数对公交线网的出行效率进行评价。
其中，构建深度学习网络的过程可以包括：获取多个训练公交线网中的各训练公交线网的评价指标，以及各训练公交线网的评价分数；将各训练公交线网的评价指标作为输入，将各训练公交线网的评价分数作为输出输入至深度学习网络中，以对深度学习网络进行训练，以得到深度学习网络中的各参数的数值，进而根据深度学习网络中的各参数的数值得到评价模型。
在对公交线网的出行效率进行评价时，可以直接将公交线网的评价指标输入至评价模型中，评价模型根据评价指标输出公交线网的评价分数，以根据公交线网的评价分数对公交线网的出行效率进行评价。若公交线网的评价分数和公交线网的出行效率成负相关关系，则公交线网的评价分数越高，则其出行效率越低，公交线网的评价分数越低，则其出行效率越高；若公交线网的评价分数与公交线网的出行效率成正相关关系，则公交线网的评价分数越低，则其出行效率越低，公交线网的评价分数越高，则其出行效率越高。
由上可知，提供了一种对公交线网的出行效率进行评价的方法，且该方法步骤简单易于执行；此外，由于根据公交线网和地铁线网的交通数据并结合各出行需求信息计算各出行需求信息所对应的路径规划指标，以根据各出行需求信息所对应的路径规划指标对公交线网进行评价，既考虑了整体的出行需求信息还考虑了整体的公交线网和地铁线网，因此提高了评价公交线网的出行效率的准确率；另外，由于各出行需求信息所对应的路径规划指标包括步行时长、步行距离、等车时长、换乘次数、换乘时长、乘车时长中的一个或者多个，即可以从多个维度对公交线网的出行效率进行评价，进一步的提高了评价公交线网的出行效率的准确率。
需要说明的是，通过上述方法不仅可以评价公交线网的出行效率进行评价，还可以在公交线网中增加公交线之后，可以通过上述方式对原有的公交线网的出行效率进行评价，并对新增公交线的公交线网的出行效率进行评价，以及通过对原有的公交线网的出行效率的评价和新增公交线后的公交线网的出行效率的评价进行对比，分析新增公交线对原有的公交线网的影响，以对新增公交线进行评价。
对应上述公交线网评价方法，基于相同的思路，本申请实施例还提供了一种公交线网评价装置，该装置可应用于终端设备或服务器，图7为本申请实施例提供的公交线网评价装置的结构框图，如图7所述，该公交线网评价装置700可以包括：获取模块702、计算模块704、评价模块706，其中：
获取模块702，可以用于获取多个出行需求信息，其中，各所述出行需求信息均包括用户出行起点、用户出行终点和出行人次；
计算模块704，可以用于根据公交线网和地铁线网的交通数据，结合各所述出行需求信息计算各所述出行需求信息所对应的路径规划指标；其中，各所述出行需求信息所对应的路径规划指标包括步行时长、步行距离、等车时长、换乘次数、换乘时长、乘车时长中的一个或者多个；
评价模块706，可以用于根据各所述出行需求信息所对应的路径规划指标对所述公交线网的出行效率进行评价分析。
可选的，所述获取模块702可以包括：
映射单元，用于将待分析的行政区域映射为网格图；
第一获取单元，用于获取所述网格图中与各网格对应的出行需求信息；
整合单元，用于对所述网格图中与各网格对应的出行需求信息进行整合以得到所述多个出行需求信息。
可选的，所述计算模块704可以包括：
第一计算单元，用于根据公交线网和地铁线网的交通数据，结合各所述出行需求信息中的用户出行起点和用户出行终点计算与各所述出行需求信息对应的最佳出行路径；
第二获取单元，用于获取与各所述出行需求信息对应的最佳出行路径的路径指标，其中，所述路径指标包括步行时长、步行距离、等车时长、换乘次数、换乘时长、乘车时长中的一个或者多个；
确定单元，用于将与各所述出行需求信息对应的最佳出行路径的路径指标确定为对应的各所述出行需求信息所对应的路径规划指标。
可选的，所述第一计算单元包括：
第一确定子单元，用于根据公交线网和地铁线网的交通数据，结合各所述出行需求信息中的用户出行起点和用户出行终点确定与各所述出行需求信息对应的候选出行路径；
第一计算子单元，用于计算与各所述出行需求信息对应的候选出行路径的出行时长；
第二确定子单元，用于将与各所述出行需求信息对应的所述出行时长最短的候选出行路径确定为与各所述出行需求信息对应的最佳出行路径。
可选的，所述评价模块706可以包括：
第二计算单元，用于对各所述出行需求信息所对应的路径规划指标进行计算以得到所述公交线网的评价指标；
评价单元，用于根据所述公交线网的评价指标对所述公交线网的出行效率进行评价分析。
可选的，所述出行需求信息所对应的路径规划指标包括步行时长、步行距离、等车时长、换乘次数、换乘时长、乘车时长；
所述第二计算单元包括：
第二计算子单元，用于根据各所述出行需求信息所对应的路径规划指标中的换乘次数、各所述出行需求信息中的出行人次计算平均换乘系数；
第三计算子单元，用于根据各所述出行需求信息所对应的路径规划指标中的步行时长、等车时长、乘车时长并结合各所述出行需求信息中的出行人次计算平均出行时长；
第四计算子单元，用于根据各所述出行需求信息所对应的路径规划指标中的步行距离以及各所述出行需求信息中的出行人次计算平均步行时长；
第五计算子单元，用于根据各所述出行需求信息所对应的路径规划指标中的换乘时长和等车时长中的等待换乘车辆的时长并结合各所述出行需求信息中的出行人次计算平均换乘时长；
第三确定子单元，用于将所述平均换乘系数、所述平均出行时长、所述平均步行时长以及所述平均换乘时长确定为公交线网的评价指标。
可选的，所述评价单元包括：
获取子单元，用于根据一公交线网评价标准表获取所述公交线网的评价指标的评价分数；
评价子单元，用于根据所述公交线网的评价指标的评价分数对所述公交线网的出行效率进行评价分析。
本申请实施例提供的公交线网评价装置，提供了一种对公交线网的出行效率进行评价的装置，且该装置的执行步骤简单易于执行；此外，由于根据公交线网和地铁线网的交通数据并结合各出行需求信息计算各出行需求信息所对应的路径规划指标，以根据各出行需求信息所对应的路径规划指标对公交线网进行评价，既考虑了整体的出行需求信息还考虑了整体的公交线网和地铁线网，因此提高了评价公交线网的出行效率的准确率；另外，由于各出行需求信息所对应的路径规划指标包括步行时长、步行距离、等车时长、换乘次数、换乘时长、乘车时长中的一个或者多个，即可以从多个维度对公交线网的出行效率进行评价，进一步的提高了评价公交线网的出行效率的准确率。
进一步地，基于上述图1至图6所示的方法，本申请实施例还提供了一种公交线网评价设备，如图8所示。
公交线网评价设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上的处理器801和存储器802，存储器802中可以存储有一个或一个以上存储应用程序或数据。其中，存储器802可以是短暂存储或持久存储。存储在存储器802的应用程序可以包括一个或一个以上模块(图示未示出)，每个模块可以包括对公交线网评价设备中的一系列计算机可执行指令。更进一步地，处理器801可以设置为与存储器802通信，在公交线网评价设备上执行存储器802中的一系列计算机可执行指令。公交线网评价设备还可以包括一个或一个以上电源803，一个或一个以上有线或无线网络接口804，一个或一个以上输入输出接口805，一个或一个以上键盘806等。
在一个具体的实施例中，公交线网评价设备包括有存储器，以及一个或一个以上的程序，其中一个或者一个以上程序存储于存储器中，且一个或者一个以上程序可以包括一个或一个以上模块，且每个模块可以包括对公交线网评价设备中的一系列计算机可执行指令，且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令：
获取多个出行需求信息，其中，各所述出行需求信息均包括用户出行起点、用户出行终点和出行人次；
根据公交线网和地铁线网的交通数据，结合各所述出行需求信息计算各所述出行需求信息所对应的路径规划指标；其中，各所述出行需求信息所对应的路径规划指标包括步行时长、步行距离、等车时长、换乘次数、换乘时长、乘车时长中的一个或者多个；
根据各所述出行需求信息所对应的路径规划指标对所述公交线网的出行效率进行评价分析。
可选的，计算机可执行指令在被执行时，所述获取多个出行需求信息可以包括：
将待分析的行政区域映射为网格图；
获取所述网格图中与各网格对应的出行需求信息；
对所述网格图中与各网格对应的出行需求信息进行整合以得到所述多个出行需求信息。
可选的，计算机可执行指令在被执行时，所述根据公交线网和地铁线网的交通数据，结合各所述出行需求信息计算各所述出行需求信息所对应的路径规划指标包括：
根据公交线网和地铁线网的交通数据，结合各所述出行需求信息中的用户出行起点和用户出行终点计算与各所述出行需求信息对应的最佳出行路径；
获取与各所述出行需求信息对应的最佳出行路径的路径指标，其中，所述路径指标包括步行时长、步行距离、等车时长、换乘次数、换乘时长、乘车时长中的一个或者多个；
将与各所述出行需求信息对应的最佳出行路径的路径指标确定为对应的各所述出行需求信息所对应的路径规划指标。
可选的，计算机可执行指令在被执行时，所述根据公交线网和地铁线网的交通数据，结合各所述出行需求信息中的用户出行起点和用户出行终点计算与各所述出行需求信息对应的最佳出行路径可以包括：
根据公交线网和地铁线网的交通数据，结合各所述出行需求信息中的用户出行起点和用户出行终点确定与各所述出行需求信息对应的候选出行路径；
计算与各所述出行需求信息对应的候选出行路径的出行时长；
将与各所述出行需求信息对应的所述出行时长最短的候选出行路径确定为与各所述出行需求信息对应的最佳出行路径。
可选的，计算机可执行指令在被执行时，所述根据各所述出行需求信息所对应的路径规划指标对所述公交线网的出行效率进行评价分析可以包括：
对各所述出行需求信息所对应的路径规划指标进行计算以得到所述公交线网的评价指标；
根据所述公交线网的评价指标对所述公交线网的出行效率进行评价分析。
可选的，计算机可执行指令在被执行时，所述出行需求信息所对应的路径规划指标可以包括步行时长、步行距离、等车时长、换乘次数、换乘时长、乘车时长；
所述对各所述出行需求信息所对应的路径规划指标进行计算以得到所述公交线网的评价指标可以包括：
根据各所述出行需求信息所对应的路径规划指标中的换乘次数、各所述出行需求信息中的出行人次计算平均换乘系数；
根据各所述出行需求信息所对应的路径规划指标中的步行时长、等车时长、乘车时长并结合各所述出行需求信息中的出行人次计算平均出行时长；
根据各所述出行需求信息所对应的路径规划指标中的步行距离以及各所述出行需求信息中的出行人次计算平均步行时长；
根据各所述出行需求信息所对应的路径规划指标中的换乘时长和等车时长中的等待换乘车辆的时长并结合各所述出行需求信息中的出行人次计算平均换乘时长；
将所述平均换乘系数、所述平均出行时长、所述平均步行时长以及所述平均换乘时长确定为公交线网的评价指标。
可选的，计算机可执行指令在被执行时，所述根据所述公交线网的评价指标对所述公交线网的出行效率进行评价分析可以包括：
根据一公交线网评价标准表获取所述公交线网的评价指标的评价分数；
根据所述公交线网的评价指标的评价分数对所述公交线网的出行效率进行评价分析。
本申请实施例提供的公交线网评价设备，提供了一种对公交线网的出行效率进行评价的设备，且该设备的执行步骤简单易于执行；此外，由于根据公交线网和地铁线网的交通数据并结合各出行需求信息计算各出行需求信息所对应的路径规划指标，以根据各出行需求信息所对应的路径规划指标对公交线网进行评价，既考虑了整体的出行需求信息还考虑了整体的公交线网和地铁线网，因此提高了评价公交线网的出行效率的准确率；另外，由于各出行需求信息所对应的路径规划指标包括步行时长、步行距离、等车时长、换乘次数、换乘时长、乘车时长中的一个或者多个，即可以从多个维度对公交线网的出行效率进行评价，进一步的提高了评价公交线网的出行效率的准确率。
进一步的，本申请实施例还提供了一种存储介质，用于存储计算机可执行指令，一种具体的实施例中，该存储介质可以为U盘、光盘、硬盘等，该存储介质存储的计算机可执行指令在被处理器执行时，能实现以下流程：
获取多个出行需求信息，其中，各所述出行需求信息均包括用户出行起点、用户出行终点和出行人次；
根据公交线网和地铁线网的交通数据，结合各所述出行需求信息计算各所述出行需求信息所对应的路径规划指标；其中，各所述出行需求信息所对应的路径规划指标包括步行时长、步行距离、等车时长、换乘次数、换乘时长、乘车时长中的一个或者多个；
根据各所述出行需求信息所对应的路径规划指标对所述公交线网的出行效率进行评价分析。
可选的，该存储介质存储的计算机可执行指令在被处理器执行时，所述获取多个出行需求信息可以包括：
将待分析的行政区域映射为网格图；
获取所述网格图中与各网格对应的出行需求信息；
对所述网格图中与各网格对应的出行需求信息进行整合以得到所述多个出行需求信息。
可选的，该存储介质存储的计算机可执行指令在被处理器执行时，所述根据公交线网和地铁线网的交通数据，结合各所述出行需求信息计算各所述出行需求信息所对应的路径规划指标包括：
根据公交线网和地铁线网的交通数据，结合各所述出行需求信息中的用户出行起点和用户出行终点计算与各所述出行需求信息对应的最佳出行路径；
获取与各所述出行需求信息对应的最佳出行路径的路径指标，其中，所述路径指标包括步行时长、步行距离、等车时长、换乘次数、换乘时长、乘车时长中的一个或者多个；
将与各所述出行需求信息对应的最佳出行路径的路径指标确定为对应的各所述出行需求信息所对应的路径规划指标。
可选的，该存储介质存储的计算机可执行指令在被处理器执行时，所述根据公交线网和地铁线网的交通数据，结合各所述出行需求信息中的用户出行起点和用户出行终点计算与各所述出行需求信息对应的最佳出行路径可以包括：
根据公交线网和地铁线网的交通数据，结合各所述出行需求信息中的用户出行起点和用户出行终点确定与各所述出行需求信息对应的候选出行路径；
计算与各所述出行需求信息对应的候选出行路径的出行时长；
将与各所述出行需求信息对应的所述出行时长最短的候选出行路径确定为与各所述出行需求信息对应的最佳出行路径。
可选的，该存储介质存储的计算机可执行指令在被处理器执行时，所述根据各所述出行需求信息所对应的路径规划指标对所述公交线网的出行效率进行评价分析可以包括：
对各所述出行需求信息所对应的路径规划指标进行计算以得到所述公交线网的评价指标；
根据所述公交线网的评价指标对所述公交线网的出行效率进行评价分析。
可选的，该存储介质存储的计算机可执行指令在被处理器执行时，所述出行需求信息所对应的路径规划指标可以包括步行时长、步行距离、等车时长、换乘次数、换乘时长、乘车时长；
所述对各所述出行需求信息所对应的路径规划指标进行计算以得到所述公交线网的评价指标可以包括：
根据各所述出行需求信息所对应的路径规划指标中的换乘次数、各所述出行需求信息中的出行人次计算平均换乘系数；
根据各所述出行需求信息所对应的路径规划指标中的步行时长、等车时长、乘车时长并结合各所述出行需求信息中的出行人次计算平均出行时长；
根据各所述出行需求信息所对应的路径规划指标中的步行距离以及各所述出行需求信息中的出行人次计算平均步行时长；
根据各所述出行需求信息所对应的路径规划指标中的换乘时长和等车时长中的等待换乘车辆的时长并结合各所述出行需求信息中的出行人次计算平均换乘时长；
将所述平均换乘系数、所述平均出行时长、所述平均步行时长以及所述平均换乘时长确定为公交线网的评价指标。
可选的，该存储介质存储的计算机可执行指令在被处理器执行时，所述根据所述公交线网的评价指标对所述公交线网的出行效率进行评价分析可以包括：
根据一公交线网评价标准表获取所述公交线网的评价指标的评价分数；
根据所述公交线网的评价指标的评价分数对所述公交线网的出行效率进行评价分析。
本申请实施例中的存储介质存储的计算机可执行指令在被处理器执行时，提供了一种对公交线网的出行效率进行评价的方法，且该方法步骤简单易于执行；此外，由于根据公交线网和地铁线网的交通数据并结合各出行需求信息计算各出行需求信息所对应的路径规划指标，以根据各出行需求信息所对应的路径规划指标对公交线网进行评价，既考虑了整体的出行需求信息还考虑了整体的公交线网和地铁线网，因此提高了评价公交线网的出行效率的准确率；另外，由于各出行需求信息所对应的路径规划指标包括步行时长、步行距离、等车时长、换乘次数、换乘时长、乘车时长中的一个或者多个，即可以从多个维度对公交线网的出行效率进行评价，进一步的提高了评价公交线网的出行效率的准确率。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device，PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书一个或多个实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本说明书一个或多个实施例可提供为方法、系统、或计算机程序产品。因此，本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书一个或多个实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书一个或多个实施例是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，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、商品或者设备不仅包括那些要素，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、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上仅为本说明书一个或多个实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书一个或多个实施例可以有各种更改和变化。凡在本说明书一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书一个或多个实施例的权利要求范围之内。

Claims (10)

1.一种公交线网评价方法，其特征在于，包括：
获取待分析的行政区域的多个出行需求信息，其中，所述获取待分析的行政区域的多个出行需求信息包括：获取所述待分析的行政区域中的每个用户的出行需求信息；通过聚类算法对所述待分析的行政区域中的用户的出行需求信息进行分类，得到多个出行类别；确定所述多个出行类别中的各出行类别对应的出行需求信息，从而获取所述多个出行需求信息，各所述出行需求信息均包括用户出行起点、用户出行终点和出行人次；
根据公交线网和地铁线网的交通数据，结合各所述出行需求信息计算各所述出行需求信息所对应的路径规划指标；其中，各所述出行需求信息所对应的路径规划指标均包括步行时长、步行距离、等车时长、换乘次数、换乘时长、乘车时长中的一个或者多个；
根据各所述出行需求信息所对应的路径规划指标以及各出行需求信息中的出行人次对所述待分析的行政区域的公交线网的出行效率进行评价分析。
2.根据权利要求1所述的公交线网评价方法，其特征在于，所述获取多个出行需求信息包括：
将待分析的行政区域映射为网格图；
获取所述网格图中与各网格对应的出行需求信息；
对所述网格图中与各网格对应的出行需求信息进行整合以得到所述多个出行需求信息。
3.根据权利要求1所述的公交线网评价方法，其特征在于，所述根据公交线网和地铁线网的交通数据，结合各所述出行需求信息计算各所述出行需求信息所对应的路径规划指标包括：
根据公交线网和地铁线网的交通数据，结合各所述出行需求信息中的用户出行起点和用户出行终点计算与各所述出行需求信息对应的最佳出行路径；
获取与各所述出行需求信息对应的最佳出行路径的路径指标，其中，所述路径指标包括步行时长、步行距离、等车时长、换乘次数、换乘时长、乘车时长中的一个或者多个；
将与各所述出行需求信息对应的最佳出行路径的路径指标确定为对应的各所述出行需求信息所对应的路径规划指标。
4.根据权利要求3所述的公交线网评价方法，其特征在于，所述根据公交线网和地铁线网的交通数据，结合各所述出行需求信息中的用户出行起点和用户出行终点计算与各所述出行需求信息对应的最佳出行路径包括：
根据公交线网和地铁线网的交通数据，结合各所述出行需求信息中的用户出行起点和用户出行终点确定与各所述出行需求信息对应的候选出行路径；
计算与各所述出行需求信息对应的候选出行路径的出行时长；
将与各所述出行需求信息对应的所述出行时长最短的候选出行路径确定为与各所述出行需求信息对应的最佳出行路径。
5.根据权利要求1所述的公交线网评价方法，其特征在于，所述根据各所述出行需求信息所对应的路径规划指标对所述待分析的行政区域的公交线网的出行效率进行评价分析包括：
对各所述出行需求信息所对应的路径规划指标进行计算以得到所述公交线网的评价指标；
根据所述公交线网的评价指标对所述公交线网的出行效率进行评价分析。
6.根据权利要求5所述的公交线网评价方法，其特征在于，所述出行需求信息所对应的路径规划指标包括步行时长、步行距离、等车时长、换乘次数、换乘时长、乘车时长；
所述对各所述出行需求信息所对应的路径规划指标进行计算以得到所述公交线网的评价指标包括：
根据各所述出行需求信息所对应的路径规划指标中的换乘次数、各所述出行需求信息中的出行人次计算平均换乘系数；
根据各所述出行需求信息所对应的路径规划指标中的步行时长、等车时长、乘车时长并结合各所述出行需求信息中的出行人次计算平均出行时长；
根据各所述出行需求信息所对应的路径规划指标中的步行距离以及各所述出行需求信息中的出行人次计算平均步行时长；
根据各所述出行需求信息所对应的路径规划指标中的换乘时长和等车时长中的等待换乘车辆的时长并结合各所述出行需求信息中的出行人次计算平均换乘时长；
将所述平均换乘系数、所述平均出行时长、所述平均步行时长以及所述平均换乘时长确定为公交线网的评价指标。
7.根据权利要求5所述的公交线网评价方法，其特征在于，所述根据所述公交线网的评价指标对所述公交线网的出行效率进行评价分析包括：
根据一公交线网评价标准表获取所述公交线网的评价指标的评价分数；
根据所述公交线网的评价指标的评价分数对所述公交线网的出行效率进行评价分析。
8.一种公交线网评价装置，其特征在于，包括：
获取模块，用于获取待分析的行政区域的多个出行需求信息，其中，所述获取待分析的行政区域的多个出行需求信息包括：获取所述待分析的行政区域中的每个用户的出行需求信息；通过聚类算法对所述待分析的行政区域中的用户的出行需求信息进行分类，得到多个出行类别；确定所述多个出行类别中的各出行类别对应的出行需求信息，从而获取所述多个出行需求信息，各所述出行需求信息均包括用户出行起点、用户出行终点和出行人次；
计算模块，用于根据公交线网和地铁线网的交通数据，结合各所述出行需求信息计算各所述出行需求信息所对应的路径规划指标；其中，各所述出行需求信息所对应的路径规划指标包括步行时长、步行距离、等车时长、换乘次数、换乘时长、乘车时长中的一个或者多个；
评价模块，用于根据各所述出行需求信息所对应的路径规划指标以及各出行需求信息中的出行人次对所述待分析的行政区域的公交线网的出行效率进行评价分析。
9.一种公交线网评价设备，其特征在于，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：
获取待分析的行政区域的多个出行需求信息，其中，所述获取待分析的行政区域的多个出行需求信息包括：获取所述待分析的行政区域中的每个用户的出行需求信息；通过聚类算法对所述待分析的行政区域中的用户的出行需求信息进行分类，得到多个出行类别；确定所述多个出行类别中的各出行类别对应的出行需求信息，从而获取所述多个出行需求信息，各所述出行需求信息均包括用户出行起点、用户出行终点和出行人次；
根据公交线网和地铁线网的交通数据，结合各所述出行需求信息计算各所述出行需求信息所对应的路径规划指标；其中，各所述出行需求信息所对应的路径规划指标包括步行时长、步行距离、等车时长、换乘次数、换乘时长、乘车时长中的一个或者多个；
根据各所述出行需求信息所对应的路径规划指标以及各出行需求信息中的出行人次对所述公交线网的出行效率进行评价分析。
10.一种存储介质，用于存储计算机可执行指令，其特征在于，所述可执行指令在被执行时实现以下流程：
获取待分析的行政区域的多个出行需求信息，其中，所述获取待分析的行政区域的多个出行需求信息包括：获取所述待分析的行政区域中的每个用户的出行需求信息；通过聚类算法对所述待分析的行政区域中的用户的出行需求信息进行分类，得到多个出行类别；确定所述多个出行类别中的各出行类别对应的出行需求信息，从而获取所述多个出行需求信息，各所述出行需求信息均包括用户出行起点、用户出行终点和出行人次；
根据公交线网和地铁线网的交通数据，结合各所述出行需求信息计算各所述出行需求信息所对应的路径规划指标；其中，各所述出行需求信息所对应的路径规划指标包括步行时长、步行距离、等车时长、换乘次数、换乘时长、乘车时长中的一个或者多个；
根据各所述出行需求信息所对应的路径规划指标以及各出行需求信息中的出行人次对所述待分析的行政区域的公交线网的出行效率进行评价分析。
CN201811352612.1A 2018-11-14 2018-11-14 公交线网评价方法及装置 Active CN109670671B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811352612.1A CN109670671B (zh) 2018-11-14 2018-11-14 公交线网评价方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811352612.1A CN109670671B (zh) 2018-11-14 2018-11-14 公交线网评价方法及装置

Publications (2)

Publication Number Publication Date
CN109670671A CN109670671A (zh) 2019-04-23
CN109670671B true CN109670671B (zh) 2023-08-04

Family

ID=66142086

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811352612.1A Active CN109670671B (zh) 2018-11-14 2018-11-14 公交线网评价方法及装置

Country Status (1)

Country Link
CN (1) CN109670671B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110223116B (zh) * 2019-06-06 2021-07-06 武汉元光科技有限公司 公交线网信息问卷调查方法及装置
CN110555991B (zh) * 2019-08-30 2023-04-18 中电信用服务有限公司 一种线路质量优化的系统和方法
CN111859170A (zh) * 2019-09-24 2020-10-30 北京嘀嘀无限科技发展有限公司 出发地信息的确定方法、装置、电子设备及存储介质
CN110991794B (zh) * 2019-10-28 2024-01-19 上海城市交通设计院有限公司 一种城市轨道、公交两网融合水平评价方法
CN112967500A (zh) * 2021-02-22 2021-06-15 重庆交通开投科技发展有限公司 基于多元数据的公交换乘识别方法
CN116664370B (zh) * 2023-07-28 2024-01-19 腾讯科技（深圳）有限公司 一种数据处理方法、装置及计算机设备、存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000276688A (ja) * 1999-03-29 2000-10-06 Hitachi Software Eng Co Ltd 輸送計画作成方法及びシステム
CN106981204A (zh) * 2017-04-01 2017-07-25 三峡大学 一种信息处理方法及装置

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101308555A (zh) * 2008-06-27 2008-11-19 北京工业大学 多模式公交出行路径寻优方法
CN103364002B (zh) * 2012-03-30 2017-06-23 北京掌行通信息技术有限公司 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
CN105118014A (zh) * 2015-09-18 2015-12-02 常州普适信息科技有限公司 一种公交线网网格化评价方法
CN107024217B (zh) * 2016-02-01 2019-06-11 北京迈维出行科技有限公司 城际交通的路线规划的方法、装置及系统
CN107806882B (zh) * 2016-09-08 2020-05-08 高德信息技术有限公司 一种路线规划方法及装置
CN107545320B (zh) * 2017-07-03 2021-07-06 北京交通大学 一种基于图论的城市轨道交通乘客路径规划方法及系统
CN107679652B (zh) * 2017-09-20 2021-01-05 汉海信息技术(上海)有限公司 共乘路线的规划方法、客户端、服务器及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000276688A (ja) * 1999-03-29 2000-10-06 Hitachi Software Eng Co Ltd 輸送計画作成方法及びシステム
CN106981204A (zh) * 2017-04-01 2017-07-25 三峡大学 一种信息处理方法及装置

Also Published As

Publication number Publication date
CN109670671A (zh) 2019-04-23

Similar Documents

Publication Publication Date Title
CN109670671B (zh) 公交线网评价方法及装置
US10976168B2 (en) Frequency based transit trip characterizations
CN110516708B (zh) 一种基于轨迹与路网匹配的路径预测方法
US9123259B2 (en) Discovering functional groups of an area
CN105091890B (zh) 用于推荐候选路径的方法和装置
US9250075B2 (en) Generating travel time data
Alsolami et al. Hybrid statistical and machine learning methods for road traffic prediction: A review and tutorial
Zhou et al. Traffic flow analysis and prediction based on GPS data of floating cars
CN112069635B (zh) 一种换电柜的部署方法、装置、介质及电子设备
Sun et al. Identifying tourists and locals by K-means clustering method from mobile phone signaling data
Koolwal et al. A comprehensive survey on trajectory-based location prediction
Horn et al. QZTool—automatically generated origin-destination matrices from cell phone trajectories
Garg et al. Mining bus stops from raw GPS data of bus trajectories
CN110009124B (zh) 一种确定公交站点的数据处理方法、服务器和系统
Aziz et al. A novel approach to estimate emissions from large transportation networks: Hierarchical clustering-based link-driving-schedules for EPA-MOVES using dynamic time warping measures
CN108391235B (zh) 一种数据分析方法及装置
CN113888867A (zh) 一种基于lstm位置预测的车位推荐方法及系统
Leng Urban computing using call detail records: mobility pattern mining, next-location prediction and location recommendation
Hu et al. Discovering urban travel demands through dynamic zone correlation in location-based social networks
Yuan et al. Discovering functional zones in a city using human movements and points of interest
Lu et al. A parking occupancy prediction approach based on spatial and temporal analysis
CN116957121A (zh) 地铁换乘客流的预测方法、装置及设备
Graells-Garrido et al. Toward finding latent cities with non-negative matrix factorization
Bucher Vision paper: Using volunteered geographic information to improve mobility prediction
CN112487016A (zh) 一种无人驾驶车辆局部路径规划方法及装置

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20200924

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman, British Islands

Applicant after: Advanced innovation technology Co.,Ltd.

Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands

Applicant before: Alibaba Group Holding Ltd.

Effective date of registration: 20200924

Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman, British Islands

Applicant after: Innovative advanced technology Co.,Ltd.

Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman, British Islands

Applicant before: Advanced innovation technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant