CN109711438A - 大巴交通线路获取方法、装置及设备 - Google Patents
大巴交通线路获取方法、装置及设备 Download PDFInfo
- Publication number
- CN109711438A CN109711438A CN201811503176.3A CN201811503176A CN109711438A CN 109711438 A CN109711438 A CN 109711438A CN 201811503176 A CN201811503176 A CN 201811503176A CN 109711438 A CN109711438 A CN 109711438A
- Authority
- CN
- China
- Prior art keywords
- user
- signaling data
- bus
- place
- terminal
- 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.)
- Pending
Links
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明实施例提供的大巴交通线路获取方法、装置及设备，根据通信网络的第一信令数据，获取往返于第一地点和第二地点的用户以及各所述用户的终端对应的第二信令数据；根据各所述用户的终端对应的第二信令数据，获取每个时段内用户聚集的上车点；根据每个时段内用户聚集的上车点，获取大巴的交通线路信息；通过对通信网络信令数据进行分析，对现有的大巴交通线路进行优化，与现有技术中人工采样调查相比，降低了时间成本和人力成本，并且，使得优化后的大巴交通线路能够满足用户的出行需求，提升用户出行体验。
Description
技术领域
本发明实施例涉及信息处理技术领域，尤其涉及一种大巴交通线路获取方法、装置及设备。
背景技术
随着社会经济的迅速发展和城市规模的不断扩大，频繁异地往返需求日益增多，例如：上班族晚上回A地居住，白天去B地工作。相比于出租车、拼车、私家车出行带来的道路拥堵、尾气排放、安全隐患等问题，大巴成为一种更绿色、更便捷、更优惠的出行选择。
现有技术中，在对大巴路线规划时，基于人工调查用户的出行行为。然而，人工调查用户的出行行为，采样率低，周期长，花费大，数据准确性无法保证，使得大巴线路可能无法满足用户需求。
发明内容
本发明实施例提供一种大巴交通线路获取方法、装置及设备，用以降低优化大巴交通线路的时间成本和人力成本，使得优化后的大巴交通线路能够满足用户的出行需求，提升用户出行体验。
第一方面，本发明实施例提供一种大巴交通线路获取方法，包括：
根据通信网络的第一信令数据，获取往返于第一地点和第二地点的用户以及各所述用户的终端对应的第二信令数据；其中，所述信令数据为终端与基站的交互信令，所述信令数据包括交互信令的时间以及小区信息；
根据各所述用户的终端对应的第二信令数据，获取每个时段内用户聚集的上车点；
根据每个时段内用户聚集的上车点，获取大巴的交通线路信息。
可选的，所述根据通信网络的第一信令数据，获取往返于第一地点和第二地点的用户以及各所述用户的终端对应的第二信令数据，包括：
根据通信网络的第一信令数据，获取在预设时间段往返于第一地点和第二地点，且往返次数大于预设次数的用户以及各所述用户的终端对应的第二信令数据。
可选的，所述根据各所述用户的终端对应的第二信令数据，获取每个时段内用户聚集的上车点，包括：
根据各所述用户的终端对应的第二信令数据，获取每个时段对应的第三信令数据；
将各所述第三信令数据作为聚类模型的输入，获取所述聚类模型输出的用户聚集的上车点。
可选的，所述根据通信网络的第一信令数据，获取往返与第一地点和第二地点的用户以及各所述用户的终端对应的第二信令数据，包括：
将所述通信网络的第一信令数据输入至分类选择模型，获取所述分类选择模型输出的往返于第一地点和第二地点的用户；
根据所述第一信令数据，获取各所述用户的终端对应的第二信令数据。
可选的，所述将所述通信网络的第一信令数据输入至分类选择模型，获取所述分类选择模型输出的往返于第一地点和第二地点的用户之前，还包括：
获取待训练用户对应的信令数据集，对各用户对应的信令数据进行标签标注，其中，所述标签用于指示所述用户是否往返与第一地点和第二地点；
根据所述待训练用户的信令数据集，对待训练的分类选择模型进行训练，得到训练后的分类选择模型。
可选的，所述根据每个时段内用户聚集的上车点，获取大巴的交通线路信息，包括：
根据每个时段内用户聚集的上车点，获取第一地点与第二地点之间的大巴交通线路以及班次信息，其中，所述大巴交通线路覆盖所述用户聚集的上车点。
可选的，所述聚类模型为K-Means算法聚类模型。
第二方面，本发明实施例提供一种大巴交通线路获取装置，包括：
第一获取模块，用于根据通信网络的第一信令数据，获取往返于第一地点和第二地点的用户以及各所述用户的终端对应的第二信令数据；其中，所述信令数据为终端与基站的交互信令，所述信令数据包括交互信令的时间以及小区信息；
第二获取模块，用于根据各所述用户的终端对应的第二信令数据，获取每个时段内用户聚集的上车点；
第三获取模块，用于根据每个时段内用户聚集的上车点，获取大巴的交通线路信息。
可选的，所述第一获取模块具体用于：
根据通信网络的第一信令数据，获取在预设时间段往返于第一地点和第二地点，且往返次数大于预设次数的用户以及各所述用户的终端对应的第二信令数据。
可选的，所述第二获取模块具体用于：
根据各所述用户的终端对应的第二信令数据，获取每个时段对应的第三信令数据；
将各所述第三信令数据作为聚类模型的输入，获取所述聚类模型输出的用户聚集的上车点。
可选的，所述第一获取模块具体用于：
将所述通信网络的第一信令数据输入至分类选择模型，获取所述分类选择模型输出的往返于第一地点和第二地点的用户；
根据所述第一信令数据，获取各所述用户的终端对应的第二信令数据。
可选的，所述装置还包括：训练模块，用于：
获取待训练用户对应的信令数据集，对各用户对应的信令数据进行标签标注，其中，所述标签用于指示所述用户是否往返与第一地点和第二地点；
根据所述待训练用户的信令数据集，对待训练的分类选择模型进行训练，得到训练后的分类选择模型。
可选的，所述第三获取模块具体用于：
根据每个时段内用户聚集的上车点，获取第一地点与第二地点之间的大巴交通线路以及班次信息，其中，所述大巴交通线路覆盖所述用户聚集的上车点。
可选的，所述聚类模型为K-Means算法聚类模型。
第三方面，本发明实施例提供一种大巴交通线路获取设备，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如第一方面任一项所述的方法。
第四方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如第一方面任一项所述的方法。
本发明实施例提供的大巴交通线路获取方法、装置及设备，根据通信网络的第一信令数据，获取往返于第一地点和第二地点的用户以及各所述用户的终端对应的第二信令数据；根据各所述用户的终端对应的第二信令数据，获取每个时段内用户聚集的上车点；根据每个时段内用户聚集的上车点，获取大巴的交通线路信息；通过对通信网络信令数据进行分析，对现有的大巴交通线路进行优化，与现有技术中人工采样调查相比，降低了时间成本和人力成本，并且，使得优化后的大巴交通线路能够满足用户的出行需求，提升用户出行体验。
附图说明
为了更清楚地说明本发明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发明的一些实施例，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为本发明实施例提供的大巴交通线路获取过程示意图；
图2为本发明实施例提供的大巴交通线路获取方法的流程示意图一；
图3为本发明实施例提供的大巴交通线路获取方法的流程示意图二；
图4为本发明实施例提供的大巴交通线路获取装置的结构示意图一；
图5为本发明实施例提供的大巴交通线路获取装置的结构示意图二；
图6为本发明实施例提供的大巴交通线路获取设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
如前所述，现有技术中，在对大巴路线规划时，基于人工调查用户的出行行为。然而，人工调查用户的出行行为，采样率低，周期长，花费大，数据准确性无法保证，使得大巴线路可能无法满足用户需求。
为了解决上述问题，本发明实施例提供一种大巴交通线路获取方法、装置及设备。下面结合图1对本发明实施例的应用场景以及实现原理进行介绍。图1为本发明实施例提供的大巴交通线路获取过程示意图，如图1所示，本发明实施例的方法由大巴交通线路获取装置执行，其中，该装置可以为软件和/或硬件的形式。
如图1所示，大巴交通线路获取装置的输入为通信网络的信令数据，该装置通过对信令数据的分析和处理，得到大巴交通线路信息。其中，一种可选实施方式中，该装置与运营商的信令服务器连接，通过运营商的信令服务器获取通信网络的信令数据。另一种可选的实施方式中，该装置还可以作为运营商信令服务器的一部分，即，该装置以软件和/或硬件的形式集成到信令服务器中。
可以理解的，本实施例的大巴交通线路获取装置还可以通过其他方式获取通信网络信令数据，本发明实施例不作具体限定。
需要说明的是，本发明实施例提供的大巴交通线路获取方法，可适用于城际大巴、城内大巴、公交、甚至还可以适用于地铁、高铁等轨道交通。本发明实施例对此不作具体限定。
本发明实施例提供的大巴交通线路获取方法，通过对通信网络信令数据进行分析，对现有的大巴交通线路进行优化，与现有技术中人工采样调查相比，降低了时间成本和人力成本，并且，使得优化后的大巴交通线路能够满足用户的出行需求，提升用户出行体验。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
图2为本发明实施例提供的大巴交通线路获取方法的流程示意图一，本实施例的方法可以由图1中的大巴交通线路获取装置执行，该装置可以为软件和/或硬件的形式。
如图2所示，本实施例的方法，包括：
S201：根据通信网络的第一信令数据，获取往返于第一地点和第二地点的用户以及各所述用户的终端对应的第二信令数据；其中，所述信令数据为终端与基站的交互信令，所述信令数据包括交互信令的时间以及小区信息。
具体的，本实施例的大巴交通线路获取装置可以从运营商的信令服务器获取通信网络的第一信令数据。其中，第一信令数据为待调研区域的所有用户的信令数据。
可以理解的，本实施例中的信令数据为用户终端与基站的交互信令，包括控制面信令和/或数据面信令。信令数据中包括信令交互的时间以及小区信息。其中，小区信息为信令交互时刻终端所在的服务小区的信息。
根据通信网络的第一信令数据，可以获取到往返于第一地点和第二地点的用户。其中，第一地点和第二地点可以为待调研交通线路的起点和终端。例如：待调研线路为A地至B地的线路，则第一地点可以A地，第二地点可以为B地。
具体的，覆盖某一地点的小区可能会有多个，因此，可以事先确定出覆盖第一地点的第一小区列表、覆盖第二地点的第二小区列表。进而，根据信令数据中的小区信息可以确定出用户所在的地点信息。
一种可选的实施方式中，在第一信令数据中，找出第一时间位于第一小区列表、第二时间位于第二小区列表的信令数据，或者，第一时间位于第二小区列表、第二时间位于第一小区列表的信令数据，这些信令数据对应的用户为往返于第一地点和第二地点的用户。
例如：若某用户对应的信令数据中，早上6:00-7:00和晚上21:00-22:00位于第一小区列表(即位于第一地点)，中午11:00-13:00位于第二小区列表(即位于第二地点)，则可以确定该用户为往返于第一地点和第二地点的用户。需要说明的是，上述列举的时间仅为示例，本发明实施例并不以此为限。
另一种可选的实施方式中，根据通信网络的第一信令数据，获取在预设时间段往返于第一地点和第二地点，且往返次数大于预设次数的用户以及各所述用户的终端对应的第二信令数据。
在上述实施方式的基础上，本实施方式中，还考虑了用户的往返频次，若用户在某个时间段内在第一地点和第二地点的往返次数大于预测次数，则将该用户作为待调研用户。例如：某用户在一个月内往返于第一地点和第二地点的往返次数大于15次，则将该用户作为待调研用户。
为了描述方便，本实施例中，将待调研用户的终端对应的信令数据称为第二信令数据。
需要说明的是，S201中根据第一信令数据，获取往返于第一地点和第二地点的用户以及所述用户的终端对应的第二信令数据，还可以由其他实施方式，例如：采用机器学习算法，建立分类选择模型，利用分类选择模型获取第一地点和第二地点的用户。
S202：根据各所述用户的终端对应的第二信令数据，获取每个时段内用户聚集的上车点。
可以理解的，对于往返于第一地点和第二地点的大巴，第一地点和第二地点的范围可能较大，例如：往返于第一城区和第二城区的大巴，为了方便第一城区的乘客上车，通常会在第一城区的不同位置设置上车点，例如：在第一城区设置3个或者5个上车点。在第二城区的不同位置设置下车点，例如：在第二城区设置3个或5个上车点。
因此，本实施例中，通过上述步骤获取到待调研用户对应的信令数据后，对待调研用户的信令数据进行分析，获取到用户聚集的上车点，例如：获取到8:00-8:30用户聚集的上车点，8:30-9:00用户聚集的上车点。
具体实施过程中，可以根据信令数据中的小区信息确定用户的上车点。
需要说明的是，本发明实施例中，根据各用户的终端对应的第二信令数据，获取每个时段内用户聚集的上车点可以有多种实施方式，例如：可以采用现有的机器学习算法实现。本发明实施例对此不作具体限定，一种可选的实施方式可以参见后续实施例的详细描述。
S203：根据每个时段内用户聚集的上车点，获取大巴的交通线路信息。
具体的，根据每个时段内用户聚集的上车点，确定优化后的大巴交通线路信息。可以理解的，优化后的大巴交通线路信息覆盖了所述用户聚集的上车点。
进一步的，还可以统计每个时间段内的用户聚集的上车点对应的用户数量，并根据用户数量，确定大巴的班次信息。例如：若某个时段内，这些聚集上车点对应的用户数量较多，则增加该时段内的大巴发车频次。若某个时段内，这些聚集上车点对应的用户数量较少，则减少该时段内的大巴发车频次。
本发明实施例提供的大巴交通线路获取方法，根据通信网络的第一信令数据，获取往返于第一地点和第二地点的用户以及各所述用户的终端对应的第二信令数据；根据各所述用户的终端对应的第二信令数据，获取每个时段内用户聚集的上车点；根据每个时段内用户聚集的上车点，获取大巴的交通线路信息；通过对通信网络信令数据进行分析，对现有的大巴交通线路进行优化，与现有技术中人工采样调查相比，降低了时间成本和人力成本，并且，使得优化后的大巴交通线路能够满足用户的出行需求，提升用户出行体验。
图3为本发明实施例提供的大巴交通线路获取方法的流程示意图二，在上述实施例的基础上，本实施例对本发明的实施方式进行了细化。
如图3所示，本实施例的方法，包括：
S301：获取待训练用户对应的信令数据集，对各用户对应的信令数据进行标签标注，其中，所述标签用于指示所述用户是否往返与第一地点和第二地点，根据所述待训练用户的信令数据集，对待训练的分类选择模型进行训练，得到训练后的分类选择模型。
本实施例中，分类选择模型的目的是选择分类出经常往返于第一地点和第二地点的用户。下面简单介绍分类选择模型的建立方法。
首先准备待训练数据，获取待训练用户对应的信令数据集，并对各用户对应的信令数据进行标签标注，例如：标签可以为0或者1，1表示该用户为往返于第一地点和第二地点的用户，0表示该用户不是往返于第一地点和第二地点的用户。
然后根据待训练用户的信令数据集，对待训练的分类选择模型进行训练，得到训练后的分类选择模型。
一种可选的实施方式中，该分类选择模型采用支持向量机(Support VectorMachine，SVM)模型。SVM模型为一种有监督的机器学习模型。
本实施例中，SVM模型是通过非线性映射，把第一信令数据映射到一个高维乃至无穷维的特征空间中，使得在原来的样本空间中非线性可分的问题转化为在特征空间中的线性可分的问题，从而选择分类出往返于第一地点和第二地点的用户。其中，SVM模型的核函数可以采用多项式核函数(Polynomial kernel)。
需要说明的是，本发明实施例对于分类选择模型的训练过程不作具体限定，可以采用现有的机器学习算法的训练过程。
本实施例中，根据待训练的信令数据集，对选用Polynomial kernel的SVM模型进行训练，得到SVM模型对应的曲线方程，通过该曲线方程可以分类出往返于第一地点和第二地点的用户。
S302：将所述通信网络的第一信令数据输入至分类选择模型，获取所述分类选择模型输出的往返于第一地点和第二地点的用户，根据所述第一信令数据，获取各所述用户的终端对应的第二信令数据。
分类选择模型训练好之后，可以利用该分类模型对待分类的第一信令数据进行分类。具体的，将通信网络的第一信令数据输入至分类选择模型中，该分类选择模型会输出往返于第一地点和第二地点的用户集合。这些用户则作为待调研用户，将这些用户的终端对应的信令数据作为第二信令数据。
S303：根据各所述用户的终端对应的第二信令数据，获取每个时段对应的第三信令数据，将各所述第三信令数据作为聚类模型的输入，获取所述聚类模型输出的用户聚集的上车点。
本实施例中，聚类模型的目的是选择出第一地点和第二地点对应的交通线路中的人数最多的上车点，从而为大巴的地点选择和班次安排提供参考。
一种可选的实施方式中，所述聚类模型采用K-Means算法聚类模型。K-Means算法聚类模型属于非监督性学习算法，无需训练过程。
具体的，按照不同时段，统计每个时段范围内用户上车频率较高的上车点的数量，设为M。设置K-Means算法的K值为M，让K-Means算法迭代计算。对于每个聚类，选择用户数量最多的上车点作为该聚类的上车点，连接各个聚类最多的上车点成为最优交通线路。
S304：根据每个时段内用户聚集的上车点，获取第一地点与第二地点之间的大巴交通线路以及班次信息，其中，所述大巴交通线路覆盖所述用户聚集的上车点。
具体的，根据每个时段内用户聚集的上车点，确定优化后的大巴交通线路信息。可以理解的，优化后的大巴交通线路信息覆盖了所述用户聚集的上车点。
进一步的，还可以统计每个时间段内的用户聚集的上车点对应的用户数量，并根据用户数量，确定大巴的班次信息。例如：若某个时段内，这些聚集上车点对应的用户数量较多，则增加该时段内的大巴发车频次。若某个时段内，这些聚集上车点对应的用户数量较少，则减少该时段内的大巴发车频次。
本发明实施例中，基于通信网络的信令数据，通过采用分类选择模型，获取往返于第一地点和第二地点的用户，并通过采用K-Means算法聚类模型获取往返于第一地点和第二地点交通线路上的用户聚集的上车点，根据用户聚集的上车点，获取大巴的交通线路信息，提高了大巴交通线路的准确性，与现有技术中人工采样调查相比，降低了时间成本和人力成本，并且，使得优化后的大巴交通线路能够满足用户的出行需求，提升用户出行体验。
图4为本发明实施例提供的大巴交通线路获取装置的结构示意图一，如图4所示，本实施例的大巴交通线路获取装置400，包括：第一获取模块401、第二获取模块402和第三获取模块403。
其中，第一获取模块401，用于根据通信网络的第一信令数据，获取往返于第一地点和第二地点的用户以及各所述用户的终端对应的第二信令数据；其中，所述信令数据为终端与基站的交互信令，所述信令数据包括交互信令的时间以及小区信息；
第二获取模块402，用于根据各所述用户的终端对应的第二信令数据，获取每个时段内用户聚集的上车点；
第三获取模块403，用于根据每个时段内用户聚集的上车点，获取大巴的交通线路信息。
本发明实施例提供的大巴交通线路获取装置，可用于执行如图2所示的方法实施例，其实现原理和技术效果类似，此处不再赘述。
图5为本发明实施例提供的大巴交通线路获取装置的结构示意图二，在图4所示实施例的基础上，本实施例提供的大巴交通线路获取装置400，还可以包括：训练模块404。
可选的，所述第一获取模块401具体用于：
根据通信网络的第一信令数据，获取在预设时间段往返于第一地点和第二地点，且往返次数大于预设次数的用户以及各所述用户的终端对应的第二信令数据。
可选的，所述第二获取模块402具体用于：
根据各所述用户的终端对应的第二信令数据，获取每个时段对应的第三信令数据；
将各所述第三信令数据作为聚类模型的输入，获取所述聚类模型输出的用户聚集的上车点。
可选的，所述第一获取模块401具体用于：
将所述通信网络的第一信令数据输入至分类选择模型，获取所述分类选择模型输出的往返于第一地点和第二地点的用户；
根据所述第一信令数据，获取各所述用户的终端对应的第二信令数据。
可选的，所述训练模块404，用于：
获取待训练用户对应的信令数据集，对各用户对应的信令数据进行标签标注，其中，所述标签用于指示所述用户是否往返与第一地点和第二地点；
根据所述待训练用户的信令数据集，对待训练的分类选择模型进行训练，得到训练后的分类选择模型。
可选的，所述第三获取模块403具体用于：
根据每个时段内用户聚集的上车点，获取第一地点与第二地点之间的大巴交通线路以及班次信息，其中，所述大巴交通线路覆盖所述用户聚集的上车点。
可选的，所述聚类模型为K-Means算法聚类模型。
本实施例提供的大巴交通线路获取装置，可用于执行上述任一方法实施例的技术方案，其实现原理和技术效果类似，此处不作赘述。
图6为本发明实施例提供的大巴交通线路获取设备的结构示意图，如图6所示，本实施例提供的大巴交通线路获取设备600，包括：至少一个处理器601和存储器602。其中，处理器601、存储器602通过总线603连接。
在具体实现过程中，至少一个处理器601执行所述存储器602存储的计算机执行指令，使得至少一个处理器601执行上述任一方法实施例的大巴交通线路获取方法。
处理器601的具体实现过程可参见上述方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。
在上述的图6所示的实施例中，应理解，处理器可以是中央处理单元(英文：Central Processing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：Digital Signal Processor，简称：DSP)、专用集成电路(英文：Application SpecificIntegrated Circuit，简称：ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器。
总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(Peripheral Component，PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture，EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
本发明实施例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中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现上述任一方法实施例中的大巴交通线路获取方法。
上述的计算机可读存储介质，上述可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。可读存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(Application Specific IntegratedCircuits，简称：ASIC)中。当然，处理器和可读存储介质也可以作为分立组件存在于设备中。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种大巴交通线路获取方法，其特征在于，包括：
根据通信网络的第一信令数据，获取往返于第一地点和第二地点的用户以及各所述用户的终端对应的第二信令数据；其中，所述信令数据为终端与基站的交互信令，所述信令数据包括交互信令的时间以及小区信息；
根据各所述用户的终端对应的第二信令数据，获取每个时段内用户聚集的上车点；
根据每个时段内用户聚集的上车点，获取大巴的交通线路信息。
2.根据权利要求1所述的方法，其特征在于，所述根据通信网络的第一信令数据，获取往返于第一地点和第二地点的用户以及各所述用户的终端对应的第二信令数据，包括：
根据通信网络的第一信令数据，获取在预设时间段往返于第一地点和第二地点，且往返次数大于预设次数的用户以及各所述用户的终端对应的第二信令数据。
3.根据权利要求1所述的方法，其特征在于，所述根据各所述用户的终端对应的第二信令数据，获取每个时段内用户聚集的上车点，包括：
根据各所述用户的终端对应的第二信令数据，获取每个时段对应的第三信令数据；
将各所述第三信令数据作为聚类模型的输入，获取所述聚类模型输出的用户聚集的上车点。
4.根据权利要求1所述的方法，其特征在于，所述根据通信网络的第一信令数据，获取往返与第一地点和第二地点的用户以及各所述用户的终端对应的第二信令数据，包括：
将所述通信网络的第一信令数据输入至分类选择模型，获取所述分类选择模型输出的往返于第一地点和第二地点的用户；
根据所述第一信令数据，获取各所述用户的终端对应的第二信令数据。
5.根据权利要求4所述的方法，其特征在于，所述将所述通信网络的第一信令数据输入至分类选择模型，获取所述分类选择模型输出的往返于第一地点和第二地点的用户之前，还包括：
获取待训练用户对应的信令数据集，对各用户对应的信令数据进行标签标注，其中，所述标签用于指示所述用户是否往返与第一地点和第二地点；
根据所述待训练用户的信令数据集，对待训练的分类选择模型进行训练，得到训练后的分类选择模型。
6.根据权利要求1所述的方法，其特征在于，所述根据每个时段内用户聚集的上车点，获取大巴的交通线路信息，包括：
根据每个时段内用户聚集的上车点，获取第一地点与第二地点之间的大巴交通线路以及班次信息，其中，所述大巴交通线路覆盖所述用户聚集的上车点。
7.根据权利要求4所述的方法，其特征在于，所述聚类模型为K-Means算法聚类模型。
8.一种大巴交通线路获取装置，其特征在于，包括：
第一获取模块，用于根据通信网络的第一信令数据，获取往返于第一地点和第二地点的用户以及各所述用户的终端对应的第二信令数据；其中，所述信令数据为终端与基站的交互信令，所述信令数据包括交互信令的时间以及小区信息；
第二获取模块，用于根据各所述用户的终端对应的第二信令数据，获取每个时段内用户聚集的上车点；
第三获取模块，用于根据每个时段内用户聚集的上车点，获取大巴的交通线路信息。
9.一种大巴交通线路获取设备，其特征在于，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如权利要求1至7任一项所述的方法。
10.一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中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1至7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811503176.3A CN109711438A (zh) | 2018-12-10 | 2018-12-10 | 大巴交通线路获取方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811503176.3A CN109711438A (zh) | 2018-12-10 | 2018-12-10 | 大巴交通线路获取方法、装置及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109711438A true CN109711438A (zh) | 2019-05-03 |
Family
ID=66255572
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811503176.3A Pending CN109711438A (zh) | 2018-12-10 | 2018-12-10 | 大巴交通线路获取方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109711438A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111507810A (zh) * | 2020-05-27 | 2020-08-07 | 海南太美航空股份有限公司 | 基于聚类分析的航班服务方法及系统 |
| CN112541551A (zh) * | 2020-12-16 | 2021-03-23 | 中国联合网络通信集团有限公司 | 加油站用户信息处理方法、装置及服务器 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104573874A (zh) * | 2015-01-26 | 2015-04-29 | 中国联合网络通信集团有限公司 | 一种公交线路的规划方法和装置 |
| CN104732756A (zh) * | 2013-12-24 | 2015-06-24 | 中兴通讯股份有限公司 | 一种利用移动通信数据挖掘进行公交规划的方法 |
| CN105336155A (zh) * | 2014-08-12 | 2016-02-17 | 中国科学院深圳先进技术研究院 | 公交班次加派方法及系统 |
| CN106503843A (zh) * | 2016-10-20 | 2017-03-15 | 上海萃图数字科技有限公司 | 一种基于手机信令数据的常规公交线网优化与调整方法 |
| CN106792514A (zh) * | 2016-11-30 | 2017-05-31 | 南京华苏科技有限公司 | 基于信令数据的用户职住地分析方法 |
| CN107133318A (zh) * | 2017-05-03 | 2017-09-05 | 北京市交通信息中心 | 一种基于手机信令数据的人口识别方法 |
| CN108564226A (zh) * | 2018-04-25 | 2018-09-21 | 哈尔滨工业大学 | 一种基于出租车gps及手机信令数据的公交线路优化方法 |
-
2018
- 2018-12-10 CN CN201811503176.3A patent/CN109711438A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104732756A (zh) * | 2013-12-24 | 2015-06-24 | 中兴通讯股份有限公司 | 一种利用移动通信数据挖掘进行公交规划的方法 |
| CN105336155A (zh) * | 2014-08-12 | 2016-02-17 | 中国科学院深圳先进技术研究院 | 公交班次加派方法及系统 |
| CN104573874A (zh) * | 2015-01-26 | 2015-04-29 | 中国联合网络通信集团有限公司 | 一种公交线路的规划方法和装置 |
| CN106503843A (zh) * | 2016-10-20 | 2017-03-15 | 上海萃图数字科技有限公司 | 一种基于手机信令数据的常规公交线网优化与调整方法 |
| CN106792514A (zh) * | 2016-11-30 | 2017-05-31 | 南京华苏科技有限公司 | 基于信令数据的用户职住地分析方法 |
| CN107133318A (zh) * | 2017-05-03 | 2017-09-05 | 北京市交通信息中心 | 一种基于手机信令数据的人口识别方法 |
| CN108564226A (zh) * | 2018-04-25 | 2018-09-21 | 哈尔滨工业大学 | 一种基于出租车gps及手机信令数据的公交线路优化方法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111507810A (zh) * | 2020-05-27 | 2020-08-07 | 海南太美航空股份有限公司 | 基于聚类分析的航班服务方法及系统 |
| CN112541551A (zh) * | 2020-12-16 | 2021-03-23 | 中国联合网络通信集团有限公司 | 加油站用户信息处理方法、装置及服务器 |
| CN112541551B (zh) * | 2020-12-16 | 2023-11-24 | 中国联合网络通信集团有限公司 | 加油站用户信息处理方法、装置及服务器 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106483952B (zh) | 用于识别用于自主操作的候选路段的方法、系统和介质 | |
| WO2019047905A1 (zh) | 一种交通路况分析系统、方法以及装置 | |
| CN107247718A (zh) | 一种地图数据的更新方法和装置、导航系统及服务器 | |
| CN110489799A (zh) | 交通拥堵仿真处理方法及相关装置 | |
| CN105674994A (zh) | 获取行车路线的方法、装置及导航设备 | |
| CN104183128B (zh) | 交通状态确定方法及装置 | |
| CN109561387A (zh) | 调整电子围栏的方法、装置及服务器 | |
| CN109165787A (zh) | 公交路线定制方法、装置以及设备 | |
| CN108573315A (zh) | 一种提示信息确定方法、系统及计算机可读存储介质 | |
| CN110288205A (zh) | 交通影响评价方法及装置 | |
| CN109635335A (zh) | 驾驶风险预测方法、装置、计算机设备及存储介质 | |
| CN113627669B (zh) | 交通路线优化处理方法、装置及设备 | |
| CN109711438A (zh) | 大巴交通线路获取方法、装置及设备 | |
| CN107341166A (zh) | 一种车载app的推荐方法及系统 | |
| CN107506433A (zh) | 城市发展空间格局情景模拟系统 | |
| Hashi et al. | GIS based heuristic solution of the vehicle routing problem to optimize the school bus routing and scheduling | |
| CN109299408A (zh) | 信息推送方法、装置、车辆、存储介质及电子设备 | |
| CN107014392A (zh) | 一种路线规划方法及设备 | |
| Button et al. | A note on the effects of the number of low-cost airlines on small tourist airports' efficiencies | |
| CN107688867A (zh) | 班车线路调整方法及系统 | |
| CN111400425A (zh) | 一种路径自动优化选择的方法和系统 | |
| CN110530386A (zh) | 一种基于改进Dijkstra算法的动态最短路径规划方法 | |
| CN104680782B (zh) | 一种交通控制云端系统 | |
| CN108391235A (zh) | 一种数据分析方法及装置 | |
| CN108198413A (zh) | 一种大数据及自主深度学习的智能交通缓堵方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190503 |
|
| RJ01 | Rejection of invention patent application after publication |