CN110096804A - 基于移动终端数据的高速公路服务区的布局方法及系统 - Google Patents

Abstract

本公开公开了基于移动终端数据的高速公路服务区的布局方法及系统，采用多元线性回归模型，依据既有服务区B的理想面积、既有服务区B最近邻高速公路的车流量、既有服务区B最近邻高速公路的人流量、既有服务区B的地理优势度、既有服务区B的邻接既有服务区C实际面积和既有服务区C每个功能区域的功能完善度，建立服务区理想面积预测模型；将待建服务区A最近邻高速公路的车流量、待建服务区A最近邻高速公路的人流量、待建服务区A的地理优势度、既有服务区B的实际面积和既有服务区B每个功能区域的功能完善度，输入到服务区理想面积预测模型中，输出待建服务区A的理想面积。

Description

基于移动终端数据的高速公路服务区的布局方法及系统

技术领域

本公开涉及交通规划数据分析领域，尤其涉及基于移动终端数据的高速公路服务区的布局方法及系统。

背景技术

本部分的陈述仅仅是提到了与本公开相关的背景技术，并不必然构成现有技术。

高速公路服务区是保障行车安全，提高高速公路服务水平，保证运输迅速、经济，缓解驾驶员在生理上的过度疲劳和汽车在使用上的极限状态，为车辆提供加油、检测、维修服务，保证高速公路安全、畅通而必不可少的重要附属设施。服务区布局规划的核心内容是要在给定高速公路网络上，对诸多可能布局方案进行优化，最终确定经济合理、服务功能全面的最优布局。

服务区位置的选定：规划服务设施在考虑为司乘人员提供便利的同时，必须考虑如何有效充分地利用服务设施。服务设施要保持一定的间距，但又不能机械地按一定的间距简单布置。服务设施的设置要综合考虑沿线城市的位置与大小、交通量及交通性质、景观、沿线构造物的状况、管理维修方便、建设费用等问题。美国、日本、以及西欧一些发达国家非常重视服务区的建设，服务区的功能也非常完善。如日本高速公路服务区规定，标准间距为50km，最大为100km。我国服务区的布局主要参考欧美和日本等国家的资料进行布局规划。一般确定服务区间距为50km，停车区间距为25km。

在实现本公开的过程中，发明人发现现有技术中存在以下技术问题：

缺少标准规范：目前，在服务设施设计中存在的最大问题是，缺少我国自己制定的符合我国国情的国家或行业规范，绝大部分设计参照了日本的设计规范，由于我国的道路交通有着自己的特性，加上设计人员对日本的规范认识不深入，使得我国早期的服务设施设计存在较多的弊病，这种状况随着经验的积累有所改善，但仍未彻底解决，系统地制定我国自己的服务设施设计规范，是非常急迫的问题。

对服务区的路网性质和交通性质认识不足：在高速公路服务设施建设初期，由于高速公路尚未成网，车辆在高速公路上的行驶里程一般较短，同时高速公路上的交通量也不大，修建了服务设施，其闲置率较高。人们普遍认为服务设施修多了，修大了，这种认识的普遍性造成以后数年中服务设施的间距越来越大，建设规模越来越小。但是随着高速公路里程逐渐增加，逐渐成网和交通量的不断增大，服务设施的利用率越来越高，有的甚至是难堪重负。尤其是客流高峰期，服务区不能给司乘人员提供按时的服务，严重影响了高速公路的服务水平和质量。由此可知，高速公路服务区实际需要规模与规范规定的建设规模之间存在较大差异，按照现行规范确定服务区规模已不适宜。因此服务设施的设计应该从路网的全局着眼，认真分析交通的性质。

现有技术中存在的技术问题是：既有的研究都是通过交通调查来对服务区进行规划和布局，但是交通调查数据属于传统数据，其存在一定的缺陷或问题：例如数据收集过程历时长，工作量大，获取难度高等，导致数据获取成本大，数据及时性不强；碍于数据收集的技术与时间成本等诸多因素，数据精确度不高；再者，部分数据无法通过调查获得，需要经过专门设计，数据质量有限，或者为定性数据；此外，数据质量本身也难以验证。对高速公路服务区的布局过程没有实现车流量、客流量的精确计算，进而导致高速公路服务区的面积设置、数量设置以及位置设置均不合理，浪费资源且满足不了高速公路乘客的各种服务需求。

发明内容

为了解决现有技术的不足，本公开提供了基于移动终端数据的高速公路服务区的布局方法及系统；

第一方面，本公开提供了基于移动终端数据的高速公路服务区的布局方法；

基于移动终端数据的高速公路服务区的布局方法，包括：

采用多元线性回归模型，依据既有服务区B的理想面积、既有服务区B最近邻高速公路的车流量、既有服务区B最近邻高速公路的人流量、既有服务区B的地理优势度、既有服务区B的邻接既有服务区C实际面积和既有服务区C每个功能区域的功能完善度，建立服务区理想面积预测模型；

将待建服务区A最近邻高速公路的车流量、待建服务区A最近邻高速公路的人流量、待建服务区A的地理优势度、既有服务区B的实际面积和既有服务区B每个功能区域的功能完善度，输入到服务区理想面积预测模型中，输出待建服务区A的理想面积。

进一步地，所述方法，还包括：

依据蜂窝数据X，获取待建服务区A最近邻高速公路的车流量和待建服务区A最近邻高速公路的人流量；

依据蜂窝数据Y，获取既有服务区B最近邻高速公路的车流量和既有服务区B最近邻高速公路的人流量。

进一步地，所述方法，还包括：

依据WiFi热点连接数据Z，获取既有服务区B的理想面积和每个功能区域的功能完善度；

依据WiFi热点连接数据P，获取既有服务区C每个功能区域的功能完善度。

第二方面，本公开还提供了基于移动终端数据的高速公路服务区的布局系统；

基于移动终端数据的高速公路服务区的布局系统，包括：

服务区理想面积预测模型建立模块，其被配置为采用多元线性回归模型，依据既有服务区B的理想面积、既有服务区B最近邻高速公路的车流量、既有服务区B最近邻高速公路的人流量、既有服务区B的地理优势度、既有服务区B的邻接既有服务区C实际面积和既有服务区C每个功能区域的功能完善度，建立服务区理想面积预测模型；

预测模块，其被配置为将待建服务区A最近邻高速公路的车流量、待建服务区A最近邻高速公路的人流量、待建服务区A的地理优势度、既有服务区B的实际面积和既有服务区B每个功能区域的功能完善度，输入到服务区理想面积预测模型中，输出待建服务区A的理想面积。

第三方面，本公开还提供了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面中所述方法的步骤。

第四方面，本公开还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面中所述方法的步骤。

与现有技术相比，本公开的有益效果是：

因为采用多元线性回归模型，对既有服务区B和既有服务区B的邻接既有服务区C的各个物理参量之间的关系进行学习，所以，可以利用待建服务区A和待建服务区A的邻接既有服务区B的数据，实现待建服务区A理想面积的预测。

因为服务区理想面积预测模型考虑了服务区自身的高速公路的车流量、人流量、地理优势，也考虑了服务区邻接服务区的实际面积和功能完善度，所以，可以实现服务区自身的理想面积的精确预测。

因为依据蜂窝数据，获取待建服务区最近邻高速公路的车流量和待建服务区最近邻高速公路的人流量，相比其他数据获取车流量和人流量，更加精细化，结果更加实时且准确；

因为依据WiFi热点连接数据，获取既有服务区的理想面积和每个功能区域的功能完善度，相比其他数据获取的理想面积和功能完善度，更加精细化，结果更加实时且准确。

附图说明

构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。

图1为实施例一的方法流程图。

具体实施方式

应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

实施例一：本实施例提供了基于移动终端数据的高速公路服务区的布局方法；

如图1所示，基于移动终端数据的高速公路服务区的布局方法，包括：

采用多元线性回归模型，依据既有服务区B的理想面积、既有服务区B最近邻高速公路的车流量、既有服务区B最近邻高速公路的人流量、既有服务区B的地理优势度、既有服务区B的邻接既有服务区C实际面积和既有服务区C每个功能区域的功能完善度，建立服务区理想面积预测模型；

将待建服务区A最近邻高速公路的车流量、待建服务区A最近邻高速公路的人流量、待建服务区A的地理优势度、既有服务区B的实际面积和既有服务区B每个功能区域的功能完善度，输入到服务区理想面积预测模型中，输出待建服务区A的理想面积。

作为一个或多个实施例，所述方法，还包括：数据采集步骤：

根据某个待建服务区A的设定位置，确定待建服务区的最近邻既有服务区B；

采集待建服务区A的所有移动终端的蜂窝数据X；

采集既有服务区B的所有移动终端的蜂窝数据Y和WiFi热点连接数据Z；

采集既有服务区B的最近邻既有服务区C的WiFi热点连接数据P。

作为一个或多个实施例，所述方法，还包括：

依据蜂窝数据X，获取待建服务区A最近邻高速公路的车流量和待建服务区A最近邻高速公路的人流量；

依据蜂窝数据Y，获取既有服务区B最近邻高速公路的车流量和既有服务区B最近邻高速公路的人流量。

作为一个或多个实施例，所述方法，还包括：

依据WiFi热点连接数据Z，获取既有服务区B的理想面积和每个功能区域的功能完善度；

依据WiFi热点连接数据P，获取既有服务区C每个功能区域的功能完善度。

作为一个或多个实施例，所述方法，还包括：

依据待建服务区A分别与最近邻城市中心位置和风景区的距离，计算待建服务区A的地理优势度；

依据既有服务区B分别与最近邻城市中心位置和风景区的距离，计算既有服务区B的地理优势度。

作为一个或多个实施例，所述方法，还包括：

设定待建服务区的数量和每个待建服务区的位置；

构造收入目标函数；

构造资金约束条件、数量约束条件和服务区间距约束条件；

根据目标函数和约束条件，计算收入最大值时，所对应的待建服务区的数量和待建服务区的位置；

将收入最大值所对应的待建服务区的数量和位置输出。

作为一个或多个实施例，所述收入目标函数的构造过程，具体包括：

获取待建服务区的理想面积，计算待建服务区的建造成本；

根据待建服务区最近邻高速公路的车流量、待建服务区最近邻高速公路的人流量、设定的平均每辆车在待建服务区的消费额度和平均每个人在待建服务区的消费额度，计算待建服务区的收益总额；

构建待建服务区的收入目标函数，目标函数中收入总额等于收益总额减去建造成本。

应理解的，所述功能区域，包括以下区域的一种或多种：厕所区、餐厅区、加油区、汽车维修区、休息区、住宿区或商店区。

作为一个或多个实施例，所述蜂窝数据，包括：用户移动终端的用户标识、用户移动终端连接的基站编号、用户移动终端连接基站的时间点和每个时间点用户移动终端所处的位置。

作为一个或多个实施例，所述WiFi热点连接数据，包括：用户移动终端的用户标识、用户移动终端所连接的WiFi热点的对应关系、用户移动终端连接WiFi热点的上线时间点、用户移动终端连接WiFi热点的下线时间点和被连接的时间长度。

作为一个或多个实施例，依据蜂窝数据X，获取待建服务区A最近邻高速公路的车流量，具体包括：

在设定时间范围内，获取距离待建服务区A中心点设定半径范围内且距离待建服务区A最近的高速公路上的所有移动终端的蜂窝数据；根据获取的蜂窝数据，提取用户移动终端的物理位置移动轨迹；将物理位置移动轨迹与已知的高速公路路网数据进行匹配和去重处理，得到待建服务区最近邻高速公路的车流量。

作为一个或多个实施例，待建服务区A最近邻高速公路的人流量，包括：

在设定时间范围内，获取距离待建服务区A中心点设定半径范围内且距离待建服务区A最近的高速公路上的所有移动终端的蜂窝数据；根据获取的蜂窝数据，提取用户移动终端的物理位置移动轨迹；对物理位置移动轨迹进行计数，计数结果即为待建服务区A最近邻高速公路的人流量。

应理解的，既有服务区B最近邻高速公路的车流量和人流量的计算方式与待建服务区A的最近邻高速公路的车流量和人流量的计算公式一致。

作为一个或多个实施例，所述根据获取的蜂窝数据，提取用户移动终端的物理位置移动轨迹，具体步骤包括：

根据获取的蜂窝数据，提取用户移动终端的用户标识、用户移动终端连接的基站编号、用户移动终端连接基站的时间点和每个时间点用户移动终端所处的位置；

按照时间点顺序对用户移动终端所处的位置进行连线，得到用户移动终端的物理位置移动轨迹。

作为一个或多个实施例，将物理位置移动轨迹与已知的高速公路路网数据进行匹配和去重处理，得到待建服务区最近邻高速公路的车流量，具体步骤包括：

如果存在N条物理位置移动轨迹的用户移动速度是相同的、共享行程比例大于设定阈值且同时切换连接基站，则认定该N条物理位置移动轨迹对应的用户移动终端的用户是乘坐同一辆车辆，进而根据速度相同的轨迹个数和速度对该同一辆车辆进行型号统计，根据轨迹个数对同一辆车辆中的用户人数进行统计；N为正整数，N的取值范围是大于等于2；

将用户移动终端的物理位置移动轨迹与已知的高速公路路网数据进行匹配，如果若干条物理位置移动轨迹之间的间距小于设定阈值，则随机保留一条物理位置移动轨迹，剔除其余物理位置移动轨迹；如果某一条物理位置移动轨迹与高速公路路网线路在设定长度范围内吻合，则判定为得到一条匹配成功的轨迹；

根据匹配成功的轨迹数量，得到待建服务区最近邻高速公路的不同车型的车流量。

作为一个或多个实施例，根据速度相同的轨迹个数和速度对该同一辆车辆进行型号统计，速度相同的轨迹个数小于5人且汽车最高时速超到90公里时，认为是私家车；速度相同的轨迹个数小于3人且汽车最高时速不超过90公里时，认为是大型货车；速度相同的轨迹个数大于5人时，认为是客车；当其他情况认为是其它中型车。

作为一个或多个实施例，判断车辆在待建服务区最近邻服务区中心点设定半径范围内的速度是否低于设定阈值，如果低于设定阈值，则表示当前车辆进入待建服务区最近邻服务区；如果不低于设定阈值，则表示当前车辆未进入待建服务区最近邻服务区；进而得到待建服务区最近邻服务区内停留的不同车型的车辆数。

作为一个或多个实施例，通过车辆进入服务区时间和离开服务区时间可得到其在服务区停留时间，得到人的进出服务区时间及停留时间。进而，在停留时间内计算进入服务区的人流量和车流量，即可得到进入服务区的平均/高峰小时人流量和驶入服务区的平均/高峰小时车流量，再通过加权平均获得不同车型加权小时人流量/车流量。由道路流量和进入流量的比值可得各服务区的进入率(人)和驶入率(车)。

作为一个或多个实施例，依据WiFi热点连接数据Z，获取既有服务区B的理想面积，包括：

假设高速公路服务区内每个功能区与WiFi热点之间的关系是一一对应的；

获取既有服务区B内每个功能区每小时WiFi热点连接的用户移动终端数量，用户移动终端数量即人数，进而得到每个功能区的每小时活动人数；

利用每个功能区域每个小时的活动人数，乘以当前功能区域中每人单位面积，得到当前功能区域的第一面积，当前功能区域的第一面积与当前功能区域的配套面积进行求和，得到当前功能区域的理想面积；将所有的功能区域的实际面积进行求和，得到整个既有服务区B的理想面积。

作为一个或多个实施例，获取获取既有服务区B的每个功能区域的功能完善度，包括：

统计既有服务区B内每个功能区域的WiFi热点的数量，根据预设的WiFi热点数量与功能完善度分值的对应关系，得到既有服务区B的功能完善度分值。

作为一个或多个实施例，依据待建服务区A分别与最近邻城市中心位置和风景区的距离，计算待建服务区A的地理优势度，包括：

计算待建服务区A与最近邻城市中心位置的第一距离，计算待建服务区A与最近的5A风景区的第二距离，将第一距离和第二距离求和得到第三距离，将所有待建服务区的第三距离按照从小到大进行排序，对排序后的各个待建服务区赋予不同的分值，排序越靠前的分值越大，该分值即为地理优势度。

待建服务区A的每个功能区域的面积，根据设定比例划分。

作为一个或多个实施例，资金约束条件，是指：

所有待建服务区的建设成本求和，小于等于预算设定值。

作为一个或多个实施例，数量约束条件，是指：

所有待建服务区的建设个数求和，小于等于设定最大数。

作为一个或多个实施例，服务区间距约束条件，是指：

待建服务区与相邻服务的距离大于第一设定阈值，小于第二设定阈值。

手机信令数据是手机用户与发射基站或者微站之间的通讯数据，产生于手机的位置移动，打电话、发短信、规律性位置请求，除去通话记录清单外，这些数据字段中始终带有时间和位置。无线网络的覆盖范围在国内越来越广泛，Wi-Fi最主要的优势在于不需要布线，可以不受布线条件的限制，非常符合个人和社会信息化的需求，Wi-Fi数据同样也会记录用户的时间和位置。若按数据时空分辨率分类，移动终端上的蜂窝网数据和Wi-Fi数据为高时间-高空间数据，强调数据的时空粒度。若是按数据状态进行分类，移动终端数据数据属于动态数据，强调数据的变化及状态。

用户的移动终端数据可以很好地反映该用户的移动特征。相较于GPS数据更高的精度，蜂窝网数据的空间分辨率多为基站，城市内多为两百米左右，乡村地区则更大。但后者的用户覆盖率更广，并且在高速公路服务区的场景下，这种空间精度是足够的。蜂窝网的时间分辨率则可以精确到秒，但运营商多提供汇总到小时层面的数据，由于我们的主要获取目标是平均小时/高峰小时的人流量/车流量，所以这也是合适的。WIFI是由AP(AccessPoint)和无线网卡组成的无线网络。AP一般称为网络桥接器或接入点，它是当作传统的有线局域网络与无线局域网络之间的桥梁，Wi-Fi数据的字段除了连接时间，还会记录所连接的AP。通常用户在服务区的不同功能区时会连接不同的AP，从而Wi-Fi数据就记录用户在服务区内的行为轨迹。蜂窝网数据粗粒度但覆盖范围大，Wi-Fi数据范围小但粒度更精细，将二者结合可以很好地满足高速公路服务区分析的要求。

我们利用目前可以获取的运营商蜂窝网数据和服务区Wi-Fi数据，建立了服务区布局规划的需求模型，成本模型和收益模型，在有限的资金、土地资源制约下，以最大化满足进入服务区的车辆、司机、乘客的需求的同时，获得最大的经济效益并尽量降低施工成本为目标，确定新建与改建服务区的数量，位置，规模。从而有效避免由于服务区规划设计不合理导致的不断改建、重建，达到资源节约的目的。本发明提出的服务区布局与规模规划方法，填补了目前服务区布局与规模领域按需规划的研究空白，具有准确度高、成本低和调整灵活及时等特点。

本实施例基于移动数据对服务区布局与规模作出规划，建立选址优化模型；依据布局选址原则，服务区的规划建设，在有限的资金、土地资源制约下，以最大化满足进入服务区的车辆、司机、乘客的需求的同时，获得最大的经济效益并尽量降低施工成本为目标，确定新建服务区的数量，位置，规模。从而有效避免由于服务区规划设计不合理导致的不断改建、重建，达到资源节约的目的。

实施例二：本实施例提供了基于移动终端数据的高速公路服务区的布局系统；

基于移动终端数据的高速公路服务区的布局系统，包括：

服务区理想面积预测模型建立模块，其被配置为采用多元线性回归模型，依据既有服务区B的理想面积、既有服务区B最近邻高速公路的车流量、既有服务区B最近邻高速公路的人流量、既有服务区B的地理优势度、既有服务区B的邻接既有服务区C实际面积和既有服务区C每个功能区域的功能完善度，建立服务区理想面积预测模型；

预测模块，其被配置为将待建服务区A最近邻高速公路的车流量、待建服务区A最近邻高速公路的人流量、待建服务区A的地理优势度、既有服务区B的实际面积和既有服务区B每个功能区域的功能完善度，输入到服务区理想面积预测模型中，输出待建服务区A的理想面积。

作为一个或多个实施例，所述系统，还包括：数据采集模块，其被配置为：

根据某个待建服务区A的设定位置，确定待建服务区的最近邻既有服务区B；

采集待建服务区A的所有移动终端的蜂窝数据X；

采集既有服务区B的所有移动终端的蜂窝数据Y和WiFi热点连接数据Z；

采集既有服务区B的最近邻既有服务区C的WiFi热点连接数据P。

作为一个或多个实施例，所述系统，还包括：第一数据预处理模块，其被配置为：

依据蜂窝数据X，获取待建服务区A最近邻高速公路的车流量和待建服务区A最近邻高速公路的人流量；

依据蜂窝数据Y，获取既有服务区B最近邻高速公路的车流量和既有服务区B最近邻高速公路的人流量。

作为一个或多个实施例，所述系统，还包括：第二数据预处理模块，其被配置为：

依据WiFi热点连接数据Z，获取既有服务区B的理想面积和每个功能区域的功能完善度；

依据WiFi热点连接数据P，获取既有服务区C每个功能区域的功能完善度。

作为一个或多个实施例，所所述系统，还包括：第三数据预处理模块，其被配置为：

依据待建服务区A分别与最近邻城市中心位置和风景区的距离，计算待建服务区A的地理优势度；

依据既有服务区B分别与最近邻城市中心位置和风景区的距离，计算既有服务区B的地理优势度。

实施例三：本实施例提供了一种电子设备；

本公开还提供了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成方法中的各个操作，为了简洁，在此不再赘述。

所述电子设备可以是移动终端以及非移动终端，非移动终端包括台式计算机，移动终端包括智能手机(Smart Phone，如Android手机、IOS手机等)、智能眼镜、智能手表、智能手环、平板电脑、笔记本电脑、个人数字助理等可以进行无线通信的移动互联网设备。

应理解，在本公开中，该处理器可以是中央处理单元CPU，该处理器还算可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC，现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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。

该存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。

在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。结合本公开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。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元即算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其他的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能的划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外一点，所显示或讨论的相互之间的耦合或者直接耦合或者通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性、机械或其它的形式。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.基于移动终端数据的高速公路服务区的布局方法，其特征是，包括：

采用多元线性回归模型，依据既有服务区B的理想面积、既有服务区B最近邻高速公路的车流量、既有服务区B最近邻高速公路的人流量、既有服务区B的地理优势度、既有服务区B的邻接既有服务区C实际面积和既有服务区C每个功能区域的功能完善度，建立服务区理想面积预测模型；

将待建服务区A最近邻高速公路的车流量、待建服务区A最近邻高速公路的人流量、待建服务区A的地理优势度、既有服务区B的实际面积和既有服务区B每个功能区域的功能完善度，输入到服务区理想面积预测模型中，输出待建服务区A的理想面积。

2.如权利要求1所述的方法，其特征是，所述方法，还包括：数据采集步骤：

根据某个待建服务区A的设定位置，确定待建服务区的最近邻既有服务区B；

采集待建服务区A的所有移动终端的蜂窝数据X；

采集既有服务区B的所有移动终端的蜂窝数据Y和WiFi热点连接数据Z；

采集既有服务区B的最近邻既有服务区C的WiFi热点连接数据P。

3.如权利要求1所述的方法，其特征是，所述方法，还包括：

依据蜂窝数据X，获取待建服务区A最近邻高速公路的车流量和待建服务区A最近邻高速公路的人流量；

依据蜂窝数据Y，获取既有服务区B最近邻高速公路的车流量和既有服务区B最近邻高速公路的人流量。

4.如权利要求1所述的方法，其特征是，所述方法，还包括：

依据WiFi热点连接数据Z，获取既有服务区B的理想面积和每个功能区域的功能完善度；

依据WiFi热点连接数据P，获取既有服务区C每个功能区域的功能完善度。

5.如权利要求1所述的方法，其特征是，所述方法，还包括：

依据待建服务区A分别与最近邻城市中心位置和风景区的距离，计算待建服务区A的地理优势度；

依据既有服务区B分别与最近邻城市中心位置和风景区的距离，计算既有服务区B的地理优势度。

6.如权利要求1所述的方法，其特征是，所述方法，还包括：

设定待建服务区的数量和每个待建服务区的位置；

构造收入目标函数；

构造资金约束条件、数量约束条件和服务区间距约束条件；

根据目标函数和约束条件，计算收入最大值时，所对应的待建服务区的数量和待建服务区的位置；

将收入最大值所对应的待建服务区的数量和位置输出。

7.如权利要求1所述的方法，其特征是，依据蜂窝数据X，获取待建服务区A最近邻高速公路的车流量，具体包括：

在设定时间范围内，获取距离待建服务区A中心点设定半径范围内且距离待建服务区A最近的高速公路上的所有移动终端的蜂窝数据；根据获取的蜂窝数据，提取用户移动终端的物理位置移动轨迹；将物理位置移动轨迹与已知的高速公路路网数据进行匹配和去重处理，得到待建服务区最近邻高速公路的车流量；

或者，

待建服务区A最近邻高速公路的人流量，包括：

在设定时间范围内，获取距离待建服务区A中心点设定半径范围内且距离待建服务区A最近的高速公路上的所有移动终端的蜂窝数据；根据获取的蜂窝数据，提取用户移动终端的物理位置移动轨迹；对物理位置移动轨迹进行计数，计数结果即为待建服务区A最近邻高速公路的人流量；

或者，

所述根据获取的蜂窝数据，提取用户移动终端的物理位置移动轨迹，具体步骤包括：

根据获取的蜂窝数据，提取用户移动终端的用户标识、用户移动终端连接的基站编号、用户移动终端连接基站的时间点和每个时间点用户移动终端所处的位置；

按照时间点顺序对用户移动终端所处的位置进行连线，得到用户移动终端的物理位置移动轨迹；

或者，

将物理位置移动轨迹与已知的高速公路路网数据进行匹配和去重处理，得到待建服务区最近邻高速公路的车流量，具体步骤包括：

如果存在N条物理位置移动轨迹的用户移动速度是相同的、共享行程比例大于设定阈值且同时切换连接基站，则认定该N条物理位置移动轨迹对应的用户移动终端的用户是乘坐同一辆车辆，进而根据速度相同的轨迹个数和速度对该同一辆车辆进行型号统计，根据轨迹个数对同一辆车辆中的用户人数进行统计；N为正整数，N的取值范围是大于等于2；

将用户移动终端的物理位置移动轨迹与已知的高速公路路网数据进行匹配，如果若干条物理位置移动轨迹之间的间距小于设定阈值，则随机保留一条物理位置移动轨迹，剔除其余物理位置移动轨迹；如果某一条物理位置移动轨迹与高速公路路网线路在设定长度范围内吻合，则判定为得到一条匹配成功的轨迹；

根据匹配成功的轨迹数量，得到待建服务区最近邻高速公路的不同车型的车流量；

或者，

依据WiFi热点连接数据Z，获取既有服务区B的理想面积，包括：

假设高速公路服务区内每个功能区与WiFi热点之间的关系是一一对应的；

获取既有服务区B内每个功能区每小时WiFi热点连接的用户移动终端数量，用户移动终端数量即人数，进而得到每个功能区的每小时活动人数；

利用每个功能区域每个小时的活动人数，乘以当前功能区域中每人单位面积，得到当前功能区域的第一面积，当前功能区域的第一面积与当前功能区域的配套面积进行求和，得到当前功能区域的理想面积；将所有的功能区域的实际面积进行求和，得到整个既有服务区B的理想面积；

或者，

获取获取既有服务区B的每个功能区域的功能完善度，包括：

统计既有服务区B内每个功能区域的WiFi热点的数量，根据预设的WiFi热点数量与功能完善度分值的对应关系，得到既有服务区B的功能完善度分值；

或者，

依据待建服务区A分别与最近邻城市中心位置和风景区的距离，计算待建服务区A的地理优势度，包括：

计算待建服务区A与最近邻城市中心位置的第一距离，计算待建服务区A与最近的5A风景区的第二距离，将第一距离和第二距离求和得到第三距离，将所有待建服务区的第三距离按照从小到大进行排序，对排序后的各个待建服务区赋予不同的分值，排序越靠前的分值越大，该分值即为地理优势度。

8.基于移动终端数据的高速公路服务区的布局系统，其特征是，包括：

服务区理想面积预测模型建立模块，其被配置为采用多元线性回归模型，依据既有服务区B的理想面积、既有服务区B最近邻高速公路的车流量、既有服务区B最近邻高速公路的人流量、既有服务区B的地理优势度、既有服务区B的邻接既有服务区C实际面积和既有服务区C每个功能区域的功能完善度，建立服务区理想面积预测模型；

预测模块，其被配置为将待建服务区A最近邻高速公路的车流量、待建服务区A最近邻高速公路的人流量、待建服务区A的地理优势度、既有服务区B的实际面积和既有服务区B每个功能区域的功能完善度，输入到服务区理想面积预测模型中，输出待建服务区A的理想面积。

9.一种电子设备，其特征是，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-7任一项方法所述的步骤。

10.一种计算机可读存储介质，其特征是，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-7任一项方法所述的步骤。