CN110021164B - 基于行驶时间数据的网约车路网占有率分析方法 - Google Patents
基于行驶时间数据的网约车路网占有率分析方法 Download PDFInfo
- Publication number
- CN110021164B CN110021164B CN201910157950.8A CN201910157950A CN110021164B CN 110021164 B CN110021164 B CN 110021164B CN 201910157950 A CN201910157950 A CN 201910157950A CN 110021164 B CN110021164 B CN 110021164B
- Authority
- CN
- China
- Prior art keywords
- month
- vehicle
- vehicles
- time
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
Abstract
本发明公开了一种基于行驶时间数据的网约车路网占有率分析方法,具体包括以下步骤:S1、对经过每个交叉路口的每辆车的车辆信息进行记录并存储,计算出一个月内每辆私家车的行驶里程和每辆非私家车的行驶里程,得到该月内私家车行驶里程排名表;S2、确定出网约车的数量;S3、得到该月内所有网约车的行驶总时间;S4、得到该月内所有车辆的行驶总时间;S5、将该月内所有网约车的行驶总时间与所有车辆的行驶总时间进行比较,得到该月内网约车的路网占有率。本发明避免了花费大量的人力物力做调查,仅需通过对已储存的数据进行有目的的提取,即可完成相应的工作,避免了人为调查失误造成的分析不准确,提高了分析结果的准确度、可信度。
Description
技术领域
本发明涉及交通大数据分析技术领域,具体是一种基于行驶时间数据的网约车路网占有率分析方法。
背景技术
基于我国互联网发展迅猛与市场环境的变化的双重因素推动作用下,网约车——一种结合了移动互联网与百姓日常出行生活的服务,逐渐出现在人们的视野中,并吸引了大量的用户。据滴滴平台发布的数据,其目前有超过2000万的司机,每天在途运行的司机更是超过了260万,因此,网约车的出行里程与路网中其他车辆的出行里程对比分析是评价其对道路影响程度的重要指标。目前,网约车管理平台对网约车的重点放在了如何更好的管理网约车这一方面,而对于网约车对道路交通拥堵造成的影响考虑较少。
发明内容
本发明的目的是提供一种基于行驶时间数据的网约车路网占有率分析方法,利用大数据作为支撑,为分析带来了新路径,使分析更加准确可靠,令评价网约车对道路影响更有说服力。
本发明的技术方案如下:
一种基于行驶时间数据的网约车路网占有率分析方法,其特征在于:具体包括以下步骤:
S1、对经过每个交叉路口的每辆车的车辆信息进行记录并存储,每辆车的车辆信息包括有该辆车的车牌号、车辆类型、经过各交叉路口所处的时间和经过的各交叉路口所在的位置,利用所记录并存储的每辆车的车辆信息,分别计算出一个月内每辆私家车的行驶里程和每辆非私家车的行驶里程,对该月内每辆私家车的行驶里程行进行降序排列,得到该月内私家车行驶里程排名表;
S2、从城市的车辆管理所查询本城市的网约车数量X,并以此网约车数量X为标准,将该月内私家车行驶里程排名表中前X名的私家车定义为疑似网约车,采用人工现场实际调查的方法,对被定义为疑似网约车的私家车进行调查核实,确定出其中网约车的数量Y,Y≤X;
S3、提取所述步骤S1中该月内每辆私家车经过各交叉路口所处的时间,得到该月内Y数量网约车中每辆网约车经过各交叉路口所处的时间,以天为单位,将每天Y数量网约车中每辆网约车经过各交叉路口所处的时间中每两个相邻的两个时间相减,然后将得到的各时间差值相加,得到该月内每天Y数量网约车中每辆网约车的行驶时间,然后通过累加得到该月内Y数量网约车中所有网约车的行驶总时间;
S4、提取所述步骤S1中该月内每辆车经过各交叉路口所处的时间,得到该月内每辆车经过各交叉路口所处的时间,以天为单位,将每天每辆车经过各交叉路口所处的时间中每两个相邻的两个时间相减,然后将得到的各时间差值相加,得到该月内每天每辆车的行驶时间,然后通过累加得到该月内所有车辆的行驶总时间;
S5、将该月内Y数量网约车中所有网约车的行驶总时间与所有车辆的行驶总时间进行比较,得到该月内Y数量网约车中所有网约车的行驶总时间与所有车辆的行驶总时间的比值,即为该月内网约车的路网占有率。
所述的一种基于行驶时间数据的网约车路网占有率分析方法,其特征在于:所述的步骤S1具体包括:
S11、对经过每个交叉路口的每辆车的车辆信息进行记录并存储,每辆车的车辆信息包括有该辆车的车牌号、车辆类型、经过各交叉路口所处的时间和经过的各交叉路口所在的位置;
S12、提取所记录并存储的每辆车的车辆信息中每辆车的车牌号和车辆类型,识别并分类出每辆私家车与每辆非私家车;
S13、提取所记录并存储的每辆私家车的车辆信息中每辆私家车经过各交叉路口所处的时间和经过的各交叉路口所在的位置,以该月内每辆私家车经过各交叉路口所处的时间的先后顺序为依据,对该月内每辆私家车经过的各交叉路口所在的位置之间的距离进行累加,得到该月内每辆私家车的行驶里程;
S14、提取所记录并存储的每辆非私家车的车辆信息中每辆非私家车经过各交叉路口所处的时间和经过的各交叉路口所在的位置,以该月内每辆非私家车经过各交叉路口所处的时间的先后顺序为依据,对该月内每辆非私家车经过的各交叉路口所在的位置之间的距离进行累加,得到该月内每辆非私家车的行驶里程;
S15、对该月内每辆私家车的行驶里程行进行降序排列,得到该月内私家车行驶里程排名表。
所述的一种基于行驶时间数据的网约车路网占有率分析方法,其特征在于:所述的步骤S5具体包括:
S51、将该月内工作日时段Y数量网约车中所有网约车的行驶总时间与所有车辆的行驶总时间进行比较,得到该月内工作日时段Y数量网约车中所有网约车的行驶总时间与所有车辆的行驶总时间的比值,即为该月内工作日时段网约车的路网占有率;
S52、将该月内非工作日时段Y数量网约车中所有网约车的行驶总时间与所有车辆的行驶总时间进行比较,得到该月内非工作日时段Y数量网约车中所有网约车的行驶总时间与所有车辆的行驶总时间的比值,即为该月内非工作日时段网约车的路网占有率。
本发明的有益效果:
本发明基于行驶时间数据,在分析网约车对路网的占有率中,避免了花费大量的人力物力做调查,仅需通过对已储存的数据进行有目的的提取,即可完成相应的工作,且避免了人为调查失误造成的分析不准确,提高了分析结果的准确度、可信度。
附图说明
图1为本发明流程图。
图2为本发明实施例中步骤S1的细分步骤流程示意图。
图3为本发明实施例中步骤S5的细分步骤流程示意图。
具体实施方式
下面结合图1至图3,对本发明做进一步叙述。
如图1所示,一种基于行驶时间数据的网约车路网占有率分析方法,具体包括以下步骤:
S1、对经过每个交叉路口的每辆车的车辆信息进行记录并存储,每辆车的车辆信息包括有该辆车的车牌号、车辆类型、经过各交叉路口所处的时间和经过的各交叉路口所在的位置,利用所记录并存储的每辆车的车辆信息,分别计算出一个月内每辆私家车的行驶里程和每辆非私家车的行驶里程,对该月内每辆私家车的行驶里程行进行降序排列,得到该月内私家车行驶里程排名表;
S2、从城市的车辆管理所查询本城市的网约车数量X,并以此网约车数量X为标准,将该月内私家车行驶里程排名表中前X名的私家车定义为疑似网约车,采用人工现场实际调查的方法,对被定义为疑似网约车的私家车进行调查核实,确定出其中网约车的数量Y,Y≤X;
S3、提取所述步骤S1中该月内每辆私家车经过各交叉路口所处的时间,得到该月内Y数量网约车中每辆网约车经过各交叉路口所处的时间,以天为单位,将每天Y数量网约车中每辆网约车经过各交叉路口所处的时间中每两个相邻的两个时间相减,然后将得到的各时间差值相加,得到该月内每天Y数量网约车中每辆网约车的行驶时间,然后通过累加得到该月内Y数量网约车中所有网约车的行驶总时间;
S4、提取所述步骤S1中该月内每辆车经过各交叉路口所处的时间,得到该月内每辆车经过各交叉路口所处的时间,以天为单位,将每天每辆车经过各交叉路口所处的时间中每两个相邻的两个时间相减,然后将得到的各时间差值相加,得到该月内每天每辆车的行驶时间,然后通过累加得到该月内所有车辆的行驶总时间;
S5、将该月内Y数量网约车中所有网约车的行驶总时间与所有车辆的行驶总时间进行比较,得到该月内Y数量网约车中所有网约车的行驶总时间与所有车辆的行驶总时间的比值,即为该月内网约车的路网占有率。
具体的,如图2所示,上述实施例中的步骤S1具体包括:
S11、对经过每个交叉路口的每辆车的车辆信息进行记录并存储,每辆车的车辆信息包括有该辆车的车牌号、车辆类型、经过各交叉路口所处的时间和经过的各交叉路口所在的位置;
S12、提取所记录并存储的每辆车的车辆信息中每辆车的车牌号和车辆类型,识别并分类出每辆私家车与每辆非私家车;
S13、提取所记录并存储的每辆私家车的车辆信息中每辆私家车经过各交叉路口所处的时间和经过的各交叉路口所在的位置,以该月内每辆私家车经过各交叉路口所处的时间的先后顺序为依据,对该月内每辆私家车经过的各交叉路口所在的位置之间的距离进行累加,得到该月内每辆私家车的行驶里程;
S14、提取所记录并存储的每辆非私家车的车辆信息中每辆非私家车经过各交叉路口所处的时间和经过的各交叉路口所在的位置,以该月内每辆非私家车经过各交叉路口所处的时间的先后顺序为依据,对该月内每辆非私家车经过的各交叉路口所在的位置之间的距离进行累加,得到该月内每辆非私家车的行驶里程;
S15、对该月内每辆私家车的行驶里程行进行降序排列,得到该月内私家车行驶里程排名表。
具体的,如图3所示,上述实施例中的步骤S5具体包括:
S51、将该月内工作日时段Y数量网约车中所有网约车的行驶总时间与所有车辆的行驶总时间进行比较,得到该月内工作日时段Y数量网约车中所有网约车的行驶总时间与所有车辆的行驶总时间的比值,即为该月内工作日时段网约车的路网占有率;
S52、将该月内非工作日时段Y数量网约车中所有网约车的行驶总时间与所有车辆的行驶总时间进行比较,得到该月内非工作日时段Y数量网约车中所有网约车的行驶总时间与所有车辆的行驶总时间的比值,即为该月内非工作日时段网约车的路网占有率。
以上的实施例仅仅是对本发明的优选实施方案进行描述,并非对本发明的保护范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案作出的变形和改进,均应落入本发明的保护范围内。
Claims (3)
1.一种基于行驶时间数据的网约车路网占有率分析方法,其特征在于:具体包括以下步骤:
S1、对经过每个交叉路口的每辆车的车辆信息进行记录并存储,每辆车的车辆信息包括有该辆车的车牌号、车辆类型、经过各交叉路口所处的时间和经过的各交叉路口所在的位置,利用所记录并存储的每辆车的车辆信息,分别计算出一个月内每辆私家车的行驶里程和每辆非私家车的行驶里程,对该月内每辆私家车的行驶里程行进行降序排列,得到该月内私家车行驶里程排名表;
S2、从城市的车辆管理所查询本城市的网约车数量X,并以此网约车数量X为标准,将该月内私家车行驶里程排名表中前X名的私家车定义为疑似网约车,采用人工现场实际调查的方法,对被定义为疑似网约车的私家车进行调查核实,确定出其中网约车的数量Y,Y≤X;
S3、提取所述步骤S1中该月内每辆私家车经过各交叉路口所处的时间,得到该月内Y数量网约车中每辆网约车经过各交叉路口所处的时间,以天为单位,将每天Y数量网约车中每辆网约车经过各交叉路口所处的时间中每两个相邻的两个时间相减,然后将得到的各时间差值相加,得到该月内每天Y数量网约车中每辆网约车的行驶时间,然后通过累加得到该月内Y数量网约车中所有网约车的行驶总时间;
S4、提取所述步骤S1中该月内每辆车经过各交叉路口所处的时间,得到该月内每辆车经过各交叉路口所处的时间,以天为单位,将每天每辆车经过各交叉路口所处的时间中每两个相邻的两个时间相减,然后将得到的各时间差值相加,得到该月内每天每辆车的行驶时间,然后通过累加得到该月内所有车辆的行驶总时间;
S5、将该月内Y数量网约车中所有网约车的行驶总时间与所有车辆的行驶总时间进行比较,得到该月内Y数量网约车中所有网约车的行驶总时间与所有车辆的行驶总时间的比值,即为该月内网约车的路网占有率。
2.根据权利要求1所述的一种基于行驶时间数据的网约车路网占有率分析方法,其特征在于:所述的步骤S1具体包括:
S11、对经过每个交叉路口的每辆车的车辆信息进行记录并存储,每辆车的车辆信息包括有该辆车的车牌号、车辆类型、经过各交叉路口所处的时间和经过的各交叉路口所在的位置;
S12、提取所记录并存储的每辆车的车辆信息中每辆车的车牌号和车辆类型,识别并分类出每辆私家车与每辆非私家车;
S13、提取所记录并存储的每辆私家车的车辆信息中每辆私家车经过各交叉路口所处的时间和经过的各交叉路口所在的位置,以该月内每辆私家车经过各交叉路口所处的时间的先后顺序为依据,对该月内每辆私家车经过的各交叉路口所在的位置之间的距离进行累加,得到该月内每辆私家车的行驶里程;
S14、提取所记录并存储的每辆非私家车的车辆信息中每辆非私家车经过各交叉路口所处的时间和经过的各交叉路口所在的位置,以该月内每辆非私家车经过各交叉路口所处的时间的先后顺序为依据,对该月内每辆非私家车经过的各交叉路口所在的位置之间的距离进行累加,得到该月内每辆非私家车的行驶里程;
S15、对该月内每辆私家车的行驶里程行进行降序排列,得到该月内私家车行驶里程排名表。
3.根据权利要求1所述的一种基于行驶时间数据的网约车路网占有率分析方法,其特征在于:所述的步骤S5具体包括:
S51、将该月内工作日时段Y数量网约车中所有网约车的行驶总时间与所有车辆的行驶总时间进行比较,得到该月内工作日时段Y数量网约车中所有网约车的行驶总时间与所有车辆的行驶总时间的比值,即为该月内工作日时段网约车的路网占有率;
S52、将该月内非工作日时段Y数量网约车中所有网约车的行驶总时间与所有车辆的行驶总时间进行比较,得到该月内非工作日时段Y数量网约车中所有网约车的行驶总时间与所有车辆的行驶总时间的比值,即为该月内非工作日时段网约车的路网占有率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910157950.8A CN110021164B (zh) | 2019-03-02 | 2019-03-02 | 基于行驶时间数据的网约车路网占有率分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910157950.8A CN110021164B (zh) | 2019-03-02 | 2019-03-02 | 基于行驶时间数据的网约车路网占有率分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110021164A CN110021164A (zh) | 2019-07-16 |
CN110021164B true CN110021164B (zh) | 2020-09-04 |
Family
ID=67189220
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910157950.8A Active CN110021164B (zh) | 2019-03-02 | 2019-03-02 | 基于行驶时间数据的网约车路网占有率分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110021164B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116409328A (zh) * | 2021-12-31 | 2023-07-11 | 比亚迪股份有限公司 | 用户类型的识别方法、电子设备及可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102419905A (zh) * | 2011-08-12 | 2012-04-18 | 北京航空航天大学 | 基于交通波理论的高速公路事故的交通影响范围确定方法 |
CN106327871A (zh) * | 2016-09-06 | 2017-01-11 | 华南理工大学 | 一种融合历史数据和预约数据的高速公路拥挤预测方法 |
CN106898143A (zh) * | 2017-04-10 | 2017-06-27 | 合肥学院 | 一种无人驾驶汽车的交通流量建模方法 |
CN107464417A (zh) * | 2017-07-27 | 2017-12-12 | 温州市鹿城区中津先进科技研究院 | 基于出行路径大数据分析的交通调度管控方法 |
JP2018044564A (ja) * | 2016-09-12 | 2018-03-22 | 株式会社Soken | 運転支援装置、運転支援方法 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101923777A (zh) * | 2009-06-12 | 2010-12-22 | 深圳市融创天下科技发展有限公司 | 一种通过电子眼视频自动判断交通拥堵等级的方法 |
RU2539676C2 (ru) * | 2013-05-22 | 2015-01-20 | Илья Викторович Барский | Комплекс видеофиксации и измерения скорости движения и координат транспортных средств |
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 |
CN104185064B (zh) * | 2014-05-30 | 2018-04-27 | 华为技术有限公司 | 媒体文件标识方法和装置 |
EP3333825A1 (en) * | 2016-12-12 | 2018-06-13 | Safran Identity & Security | Method and a system for checking an average speed of a vehicle in a section of road |
CN107180288B (zh) * | 2017-07-21 | 2020-05-01 | 东软集团股份有限公司 | 驾驶行为能耗测算方法、装置、存储介质及电子设备 |
KR20190014667A (ko) * | 2017-08-03 | 2019-02-13 | 서석원 | 레이저를 이용한 속도 검출장치 |
CN107591002B (zh) * | 2017-09-21 | 2020-06-02 | 电子科技大学 | 一种基于分布式光纤的高速公路交通参数实时估计方法 |
CN108596053B (zh) * | 2018-04-09 | 2020-06-02 | 华中科技大学 | 一种基于ssd和车辆姿态分类的车辆检测方法和系统 |
CN108537391B (zh) * | 2018-04-25 | 2021-12-07 | 哈尔滨工业大学 | 一种基于出租车轨迹数据的出租车停靠站设置优化方法 |
CN108847022B (zh) * | 2018-06-08 | 2021-04-16 | 浙江银江智慧交通集团有限公司 | 一种微波交通数据采集设备的异常值检测方法 |
CN109118770A (zh) * | 2018-09-11 | 2019-01-01 | 东南大学 | 一种基于交通监测数据的路段通行能力挖掘方法 |
CN110164133A (zh) * | 2019-06-13 | 2019-08-23 | 广东联合电子服务股份有限公司 | 节假日高速公路路网通行效率评估方法、电子设备、介质 |
-
2019
- 2019-03-02 CN CN201910157950.8A patent/CN110021164B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102419905A (zh) * | 2011-08-12 | 2012-04-18 | 北京航空航天大学 | 基于交通波理论的高速公路事故的交通影响范围确定方法 |
CN106327871A (zh) * | 2016-09-06 | 2017-01-11 | 华南理工大学 | 一种融合历史数据和预约数据的高速公路拥挤预测方法 |
JP2018044564A (ja) * | 2016-09-12 | 2018-03-22 | 株式会社Soken | 運転支援装置、運転支援方法 |
CN106898143A (zh) * | 2017-04-10 | 2017-06-27 | 合肥学院 | 一种无人驾驶汽车的交通流量建模方法 |
CN107464417A (zh) * | 2017-07-27 | 2017-12-12 | 温州市鹿城区中津先进科技研究院 | 基于出行路径大数据分析的交通调度管控方法 |
Non-Patent Citations (1)
Title |
---|
高速公路拥挤的识别及成因判断;李金武;《企业导报》;20100415(第7期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110021164A (zh) | 2019-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tong et al. | A framework for developing driving cycles with on‐road driving data | |
Husnjak et al. | Telematics system in usage based motor insurance | |
CN106529754B (zh) | 基于大数据分析的出租车运营情况评估方法 | |
Papadimitriou et al. | Exposure data and risk indicators for safety performance assessment in Europe | |
Pernestål et al. | Effects of driverless vehicles: Comparing simulations to get a broader picture | |
CN111191949B (zh) | 网约车辆异常行驶行为识别方法、装置、电子设备 | |
CN108345987B (zh) | 一种道路基础设施建设项目影响评价决策支持系统及方法 | |
CN107918826B (zh) | 一种驾驶环境感知的司机评价与调度方法 | |
CN114501336B (zh) | 一种公路出行量测算方法、装置、电子设备及存储介质 | |
CN110021164B (zh) | 基于行驶时间数据的网约车路网占有率分析方法 | |
CN110021163B (zh) | 基于行驶里程数据的网约车路网占有率分析方法 | |
US10163339B2 (en) | Monitoring traffic congestion | |
Navandar et al. | Empirical analysis of level of service based on users perception at manual tollbooth operation in India | |
CN111680888B (zh) | 基于rfid数据确定路网容量的方法 | |
CN106355541A (zh) | 一种基于gps数据的出租车打车难易度识别方法 | |
CN114169588A (zh) | 一种交通运力的预测方法、装置、设备及存储介质 | |
Sun et al. | Secondary accident data fusion for assessing long-term performance of transportation systems | |
US20050288948A1 (en) | Systems, methods and computer readable media for measuring the performance and travel efficiency of a technician | |
Xu et al. | A framework for ongoing performance monitoring of bus lane system | |
Kalila et al. | Big data fusion to estimate urban fuel consumption: a case study of riyadh | |
CN108009671B (zh) | 车辆的调度方法及装置 | |
CN107591003B (zh) | 基于车辆识别数据的城市路网消散能力提取方法 | |
CN112766567B (zh) | 一种城市路网规划实施效果的评价方法、系统以及存储介质 | |
CN114407661A (zh) | 基于数据驱动的电动车能耗预测方法、系统、设备及介质 | |
Chu | A guidebook for using automatic passenger counter data for national transit database (NTD) reporting. |
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 |