CN110428627B - 一种公交出行潜力区域识别方法及识别系统 - Google Patents

一种公交出行潜力区域识别方法及识别系统 Download PDF

Info

Publication number
CN110428627B
CN110428627B CN201910802001.0A CN201910802001A CN110428627B CN 110428627 B CN110428627 B CN 110428627B CN 201910802001 A CN201910802001 A CN 201910802001A CN 110428627 B CN110428627 B CN 110428627B
Authority
CN
China
Prior art keywords
area
grid
bus
data
real
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
CN201910802001.0A
Other languages
English (en)
Other versions
CN110428627A (zh
Inventor
邵凌霜
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.)
Beijing Yuanguang Zhixing Information Technology Co ltd
Original Assignee
Beijing Yuanguang Zhixing Information Technology 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 Beijing Yuanguang Zhixing Information Technology Co ltd filed Critical Beijing Yuanguang Zhixing Information Technology Co ltd
Priority to CN201910802001.0A priority Critical patent/CN110428627B/zh
Publication of CN110428627A publication Critical patent/CN110428627A/zh
Application granted granted Critical
Publication of CN110428627B publication Critical patent/CN110428627B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • 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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Databases & Information Systems (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Chemical & Material Sciences (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Analytical Chemistry (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供一种公交出行潜力区域识别方法及识别系统，所述识别方法包括：获取每一个城市的职住空间数据和用户查询实时公交数据；根据每一个城市的职住空间数据和用户查询实时公交数据，统计每一个城市的每一个网格区域内在预定时间段内查询实时公交数据的用户数；计算每一个网格区域内在预定时间段内查询实时公交数据的用户数与对应网格区域的总人口数的比例；根据所述比例，确定每一个网格区域为公交出行潜力区域或非公交出行潜力区域。本发明将城市的职住空间数据与城市的用户查询实时公交数据进行融合，得到城市的每一个网格区域内的用户查询公交线路的比例人数，来确定公交出行潜力区域，以便对公交出行潜力区域进行公交规划及调度。

Description

一种公交出行潜力区域识别方法及识别系统
技术领域
本发明属于交通领域，尤其涉及一种公交出行潜力区域识别方法及识别系统。
背景技术
随着移动互联网及大数据技术的发展，用户使用智能手机应用产生了大量的用户数据及位置数据。随着城市的扩大，一个城市的交通规划非常重要，影响着每一位用户的出行，公交作为重要的交通工具，城市的每一个不同的区域对于公交出行的需求的了解是非常重要的。
传统的收集公交出行需求数据的方式，主要是依靠人工进行调研分析，这种方式耗时费力而且收集的公交出行需求数据覆盖面窄。
发明内容
为克服上述现有的通过人工调研耗时耗力且不准确的问题或者至少部分地解决上述问题，本发明实施例提供一种公交出行潜力区域识别方法及识别系统。
根据本发明实施例的第一方面，提供一种公交出行潜力区域识别方法，包括：
获取每一个城市的职住空间数据和用户查询实时公交数据；
根据每一个城市的职住空间数据和用户查询实时公交数据，统计每一个城市的每一个网格区域内在预定时间段内查询实时公交数据的用户数；
计算每一个网格区域内在预定时间段内查询实时公交数据的用户数与对应网格区域的总人口数的比例；
根据所述比例，确定每一个网格区域为公交出行潜力区域或非公交出行潜力区域。
在上述技术方案的基础上，本发明还可以作如下改进。
进一步的，将每一个城市划分为多个网格区域，每一个城市的职住空间数据由所述多个网格区域的职住空间数据组成。
进一步的，每一个网格区域的职住空间数据采用网格字段表示，每一个网格字段包括城市标识、网格区域的标识、网格区域的中心点经纬度坐标、网格区域的边长、网格区域对应职住关系的属性和网格区域的总人口数，其中，所述网格区域对应职住关系的属性包括居住地和工作地；
每一条用户查询实时公交数据采用用户查询数据字段表示，所述用户查询数据字段包括城市标识、用户查询公交线路或站点时所在位置的经纬度、用户唯一标识和用户进行查询操作的时间点。
进一步的，所述根据每一个城市的职住空间数据和用户查询实时公交数据，分析得到每一个城市的每一个网格区域内在预定时间段内查询实时公交数据的用户数包括：
对于任一城市，计算所述任一城市的每一个网格区域内的人口密度；
筛选出人口密度大于第一预设阈值的居住地网格区域，构成居住地网格区域集合，以及筛选出人口密度大于第二预设阈值的工作地网格区域，构成工作地网格区域集合；
统计所述居住地网格集合中的每一个居住地网格在早高峰时间段内查询实时公交数据的用户数，以及统计所述工作地网格集合中的每一个工作地网格区域在晚高峰时间段内查询实时公交数据的用户数。
进一步的，所述统计所述居住地网格集合中的每一个居住地网格在早高峰时间段内查询实时公交数据的用户数包括：
根据每一条用户查询实时公交数据中的用户进行查询操作的时间点和用户查询公交线路或站点时所在位置的经纬度，统计在所述早高峰时间段内，用户查询公交线路或站点时所在位置的经纬度落入每一个居住地网格区域内的查询用户数。
进一步的，所述统计所述工作地网格集合中的每一个工作地网格区域在晚高峰时间段内查询实时公交数据的用户数包括：
根据每一条用户查询实时公交数据中的用户进行查询操作的时间点和用户查询公交线路或站点时所在位置的经纬度，统计在所述晚高峰时间段内，用户查询公交线路或站点时所在位置的经纬度落入每一个工作地网格区域内的查询用户数。
进一步的，所述根据所述比例，确定每一个网格区域为公交出行潜力区域或非公交出行潜力区域包括：
若所述比例小于第三预设阈值，则对应的网格区域为公交出行潜力区域，否则，对应的网格区域为非公交出行潜力区域。
根据本发明实施例第二方面提供一种公交出行潜力区域识别系统，包括：
获取模块，用于获取每一个城市的职住空间数据和用户查询实时公交数据；
统计模块，用于根据每一个城市的职住空间数据和用户查询实时公交数据，统计每一个城市的每一个网格区域内在预定时间段内查询实时公交数据的用户数；
计算模块，用于计算每一个网格区域内在预定时间段内查询实时公交数据的用户数与对应网格区域的总人口数的比例；
确定模块，用于根据所述比例，确定每一个网格区域为公交出行潜力区域或非公交出行潜力区域。
根据本发明实施例的第三个方面，还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器调用所述程序指令能够执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的公交出行潜力区域识别方法。
根据本发明实施例的第四个方面，还提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的公交出行潜力区域识别方法。
本发明实施例提供一种公交出行潜力区域识别方法及识别系统，将城市的职住空间数据与城市的用户查询实时公交数据进行融合，得到城市的每一个网格区域内的用户查询公交线路的比例人数，来确定公交出行潜力区域，以便对公交出行潜力区域进行公交规划及调度。
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一简单地介绍，显而易见地，下面描述中的附图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为本发明一个实施例提供的公交潜区域识别方法整体流程示意图；
图2为本发明另一个实施例提供的统计查询实时公交数据的用户数的方法流程图；
图3为本发明一个实施例提供的公交出行潜力区域识别系统整体结构示意图；
图4为本发明另一个实施例提供的公交出行潜力区域识别系统整体结构示意图；
图5为本发明实施例提供的电子设备整体结构示意图。
具体实施方式
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一简单地介绍，显而易见地，下面描述中的附图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的前提下，还可以根据这些附图获得其他的附图。
参见图1，提供了本发明一个实施例的公交出行潜力区域识别方法，该识别方法包括：获取每一个城市的职住空间数据和用户查询实时公交数据；根据每一个城市的职住空间数据和用户查询实时公交数据，统计每一个城市的每一个网格区域内在预定时间段内查询实时公交数据的用户数；计算每一个网格区域内在预定时间段内查询实时公交数据的用户数与对应网格区域的总人口数的比例；根据所述比例，确定每一个网格区域为公交出行潜力区域或非公交出行潜力区域。
具体的，本发明实施例中，对每一个城市区域进行网格化，得到多个网格化区域，对于一个城市的每一个网格化区域，统计每一个网格化区域内在预定时间段内查询公交数据的用户数，并计算每一个网格区域内查询公交数据的用户数与网格区域总人口数的比例，即一个网格区域内有多少用户在预定时间段内查询公交数据。根据每一个网格区域内查询公交数据的用户数与网格区域总人口数的比例，来确定该网格区域为公交出行潜力区域或者非公交出行潜力区域。如果一个网格区域为公交出行潜力区域，则需要对该网格区域的公交线路进行调度。
本发明实施例将城市的职住空间数据与城市的用户查询实时公交数据进行融合，得到城市的每一个网格区域内的用户查询公交线路的比例人数，来确定公交出行潜力区域，以便对公交出行潜力区域进行公交规划及调度。
在本发明的一个实施例中，将每一个城市划分为多个网格区域，每一个城市的职住空间数据由所述多个网格区域的职住空间数据组成。
具体的，本发明实施例对每一个城市进行网格化处理，将每一个城市划分为多个网格区域，那么每一个城市的职住空间数据可以细分为多个网格区域的职住空间数据。
其中，在本发明实施例中，每一个网格区域的职住空间数据采用网格字段表示，每一个网格字段包括城市标识、网格区域的标识、网格区域的中心点经纬度坐标、网格区域的边长、网格区域对应职住关系的属性和网格区域的总人口数，其中，所述网格区域对应职住关系的属性包括居住地和工作地。每一条用户查询实时公交数据采用用户查询数据字段表示，所述用户查询数据字段包括城市标识、用户查询公交线路或站点时所在位置的经纬度、用户唯一标识和用户进行查询操作的时间点。
具体的，每一个网格字段包括{city,gridCode,gridCenter[lon,lat],gridSideLength,gridAttribute[live|work],numberOfPeople}，其中，city为城市标识、gridCode为网格区域的标识、gridCenter为该网格区域的中心点经纬度坐标、gridSideLength为网格区域的边长(m)、其中，每一个网格区域为正方形区域，gridAttribute为该网格区域对应职住关系的属性：居住地或(live)或工作地(work)，即该网格区域为居住地网格区域还是工作地网格区域、numberOfPeople为该网格内的总人口数。
对于用户查询实时公交数据，每一条用户查询实时公交数据可采用用户查询数据字段表示，每一个用户查询数据字段包括{city,position[lon,lat],userCode,queryTime}，其中，city为城市标识、position[lon,lat]为用户查询公交线路或站点时所处位置的经纬度，即用户查询公交线路时的位置坐标、userCode为用户唯一标识，其中，用户唯一标识可以为用户设备码或手机号等、queryTime为用户进行查询操作的时间点。
参见图2，在本发明的一个实施例中，所述根据每一个城市的职住空间数据和用户查询实时公交数据，统计每一个城市的每一个网格区域内在预定时间段内查询实时公交数据的用户数包括：对于任一城市，计算所述任一城市的每一个网格区域内的人口密度；筛选出人口密度大于第一预设阈值的居住地网格区域，构成居住地网格区域集合，以及筛选出人口密度大于第二预设阈值的工作地网格区域，构成工作地网格区域集合；统计所述居住地网格区域集合中的每一个居住地网格在早高峰时间段内查询实时公交数据的用户数，以及统计所述工作地网格区域集合中的每一个工作地网格区域在晚高峰时间段内查询实时公交数据的用户数。
具体的，对于每一个城市的职住空间数据，如果需要研究一个城市预定时间段内的公交出行潜力区域，则对该城市的预定时间段内的职住空间数据进行处理。首先，计算该城市每一个网格区域的人口密度populationDensity(人/每平方千米)，计算公式为：
Figure BDA0002182583150000071
其中，每一个网格区域对应的网格字段中包括网格区域对应职住关系的属性：居住地或(live)或工作地(work)，根据每一个网格区域的属性可知每一个网格区域为居住地还是工作地，以下将属性为居住地的网格区域称为居住地网格区域，将属性为工作地的网格区域称为工作地网格区域。
计算出每一个网格区域的人口密度后，筛选出人口密度大于第一预设阈值的居住地网格区域(例如，第一预设阈值为1000人/每平方千米)，筛选出的人口密度大于第一预设阈值的居住地网格区域构成居住地网格区域集合；以及筛选出人口密度大于第二预设阈值的工作地网格区域(例如，例如：1500人/每平方千米)，筛选出的人口密度大于第二预设阈值的工作地网格区域构成工作地网格区域集合。
对于筛选出的居住地网格区域集合，统计其中的每一个居住地网格在早高峰时间段内查询实时公交数据的用户数，以及对于筛选出的工作地网格区域集合，统计其中的每一个工作地网格区域在晚高峰时间段内查询实时公交数据的用户数。
在本发明的一个实施例中，所述统计所述居住地网格集合中的每一个居住地网格在早高峰时间段内查询实时公交数据的用户数包括：根据每一条用户查询实时公交数据中的用户进行查询操作的时间点和用户查询公交线路或站点时所在位置的经纬度，统计在所述早高峰时间段内，用户查询公交线路或站点时所在位置的经纬度落入每一个居住地网格区域内的查询用户数。
其中，对于居住地网格区域集合，统计其中的每一个居住地网格在早高峰时间段内查询实时公交数据的用户数的具体方法为：从居住地网格区域集合中取出某个网格区域的网格区域标识gridCode，通过网格区域标识gridCod获取对应的网格区域中心点的经纬度坐标gridCenter，在用户查询数据中筛选出落入以gridCenter为中心点，gridSideLength为边长的正方形区域内的所有查询数据集合USER_LIVE，其中，在早高峰时间段内，同一个用户可能会多次查询公交线路，这种情况下会重复统计，因此，在统计时去除USER_LIVE集合中用户唯一标识userCode值相同的元素，得到USER_UNIQUE_LIVE集合。通过用户查询公交线路时的操作时间筛选出早高峰时间段(例如：早7:00至9:00)内的查询数据集合,统计出集合中元素的总数即为该网格区域对应的早高峰时间段内公交查询用户数。
在本发明的一个实施例中，所述统计所述工作地网格集合中的每一个工作地网格区域在晚高峰时间段内查询实时公交数据的用户数包括：根据每一条用户查询实时公交数据中的用户进行查询操作的时间点和用户查询公交线路或站点时所在位置的经纬度，统计在所述晚高峰时间段内，用户查询公交线路或站点时所在位置的经纬度落入每一个工作地网格区域内的查询用户数。
具体的，与上述统计每一个居住地网格在早高峰时间段内查询实时公交数据的用户数相似，本发明实施例对于工作地网格区域集合，统计其中的每一个工作地网格在晚高峰时间段内查询实时公交数据的用户数的具体方法为：由从工作地网格区域集合中取出某个网格区域的网格区域唯一标识gridCode，通过gridCode获取对应的网格区域中心点的经纬度坐标gridCenter，在用户查询数据中筛选出落入以gridCenter为中心点gridSideLength为边长的正方形区域内的所有查询数据集合USER_WORK。其中，在晚高峰时间段内，同一个用户可能会多次查询公交线路，这种情况下会重复统计，因此，在统计时去除USER_WORK集合中用户唯一标识userCode值相同的元素,得到USER_UNIQUE_WORK集合。通过用户查询公交线路时的操作时间筛选出晚高峰时间段(例如：晚17:00至19:00)内的查询数据集合，统计出查询数据集合中元素的总数即为该网格区域对应的晚高峰时间段公交查询用户数。
在本发明的一个实施例中，所述根据所述比例，确定每一个网格区域为公交出行潜力区域或非公交出行潜力区域包括：若所述比例小于第三预设阈值，则对应的网格区域为公交出行潜力区域，否则，对应的网格区域为非公交出行潜力区域。
通过前述实施例，分别统计出了居住地网格区域集合中的每一个居住地网格在早高峰时间段内查询实时公交数据的用户数，以及工作地网格区域集合中的每一个工作地网格区域在晚高峰时间段内查询实时公交数据的用户数。本实施例分别确定居住地网格区域集合中每一个居住地网格区域是否为公交出行潜力区域，以及工作地网格区域集合中的每一个工作地网格区域是否为公交出行潜力区域。
具体为，计算每一个居住地网格在早高峰时间段内查询实时公交数据的用户数与对应居住地网格区域的总人数之间的比例，当该比例小于某一阈值时(比如，10％)，则该居住地网格区域为公交出行潜力区域，否则，该居住地网格区域为非公交出行潜力区域。同样的，计算每一个工作地网格在晚高峰时间段内查询实时公交数据的用户数与对应工作地网格区域的总人数之间的比例，当该比例小于某一阈值时(比如，10％)，则该该工作地网格区域为公交出行潜力区域，否则，该工作地网格区域为非公交出行潜力区域。
在本发明的一个实施例中，提供了一种公交出行潜力区域识别系统，该识别系统用于实现前述各实施例中的方法。因此，在前述公交出行潜力区域识别方法的各实施例中的描述和定义，可以用于本发明实施例中各个执行模块的理解。图3为本发明实施例提供的公交出行潜力区域识别系统的整体结构示意图，该公交出行潜力区域识别系统包括获取模块21、统计模块22、计算模块23和确定模块24。
其中，获取模块21，用于获取每一个城市的职住空间数据和用户查询实时公交数据。
统计模块22，用于根据每一个城市的职住空间数据和用户查询实时公交数据，统计每一个城市的每一个网格区域内在预定时间段内查询实时公交数据的用户数。
计算模块23，用于计算每一个网格区域内在预定时间段内查询实时公交数据的用户数与对应网格区域的总人口数的比例。
确定模块24，用于根据所述比例，确定每一个网格区域为公交出行潜力区域或非公交出行潜力区域。
其中，将每一个城市划分为多个网格区域，每一个城市的职住空间数据由所述多个网格区域的职住空间数据组成。每一个网格区域的职住空间数据采用网格字段表示，每一个网格字段包括城市标识、网格区域的标识、网格区域的中心点经纬度坐标、网格区域的边长、网格区域对应职住关系的属性和网格区域的总人口数，其中，所述网格区域对应职住关系的属性包括居住地和工作地。每一条用户查询实时公交数据采用用户查询数据字段表示，所述用户查询数据字段包括城市标识、用户查询公交线路或站点时所在位置的经纬度、用户唯一标识和用户进行查询操作的时间点。
参见图4，上述实施例提供的一种公交出行潜力区域识别系统还包括筛选模块25，其中，计算模块23还用于对于任一城市，计算所述任一城市的每一个网格区域内的人口密度。筛选模块25，用于筛选出人口密度大于第一预设阈值的居住地网格区域，构成居住地网格区域集合，以及筛选出人口密度大于第二预设阈值的工作地网格区域，构成工作地网格区域集合。相应的，统计模块22用于统计居住地网格集合中的每一个居住地网格在早高峰时间段内查询实时公交数据的用户数，以及统计工作地网格集合中的每一个工作地网格区域在晚高峰时间段内查询实时公交数据的用户数。
统计模块22进一步用于：根据每一条用户查询实时公交数据中的用户进行查询操作的时间点和用户查询公交线路或站点时所在位置的经纬度，统计在所述早高峰时间段内，用户查询公交线路或站点时所在位置的经纬度落入每一个居住地网格区域内的查询用户数；以及根据每一条用户查询实时公交数据中的用户进行查询操作的时间点和用户查询公交线路或站点时所在位置的经纬度，统计在所述晚高峰时间段内，用户查询公交线路或站点时所在位置的经纬度落入每一个工作地网格区域内的查询用户数。
确定模块24，具体用于若所述比例小于第三预设阈值，则确定对应的网格区域为公交出行潜力区域，否则，确定对应的网格区域为非公交出行潜力区域。
本实施例提供一种电子设备，图5为本发明实施例提供的电子设备整体结构示意图，该设备包括：至少一个处理器01、至少一个存储器02和总线03；其中，处理器01和存储器02通过总线03完成相互间的通信；存储器02存储有可被处理器01执行的程序指令，处理器01调用程序指令能够执行上述各方法实施例所提供的方法，例如包括：获取每一个城市的职住空间数据和用户查询实时公交数据；根据每一个城市的职住空间数据和用户查询实时公交数据，统计每一个城市的每一个网格区域内在预定时间段内查询实时公交数据的用户数；计算每一个网格区域内在预定时间段内查询实时公交数据的用户数与对应网格区域的总人口数的比例；根据所述比例，确定每一个网格区域为公交出行潜力区域或非公交出行潜力区域。
本实施例提供一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储计算机指令，计算机指令使计算机执行上述各方法实施例所提供的方法，例如包括：获取每一个城市的职住空间数据和用户查询实时公交数据；根据每一个城市的职住空间数据和用户查询实时公交数据，统计每一个城市的每一个网格区域内在预定时间段内查询实时公交数据的用户数；计算每一个网格区域内在预定时间段内查询实时公交数据的用户数与对应网格区域的总人口数的比例；根据所述比例，确定每一个网格区域为公交出行潜力区域或非公交出行潜力区域。
本发明实施例提供的一种公交出行潜力区域识别方法及识别系统，通过城市职住空间数据推导出某一网格区域的人口密度，并结合该网格区域早晚高峰时间段用户查询公交线路的人数，识别出该网格区域是否为公交出行潜力区域，将城市的职住空间数据与城市的用户查询实时公交数据进行融合，能够快速准确地识别出公交出行的潜力区域，避免了因单一职住空间数据未能充分揭示该职住区域对公交出行的程度，同时也规避了只有用户查询实时公交数据无法有效判别某一区域的职住属性及人口密度的缺点，本发明实施例具有数据采集成本低廉，识别技术简便有效等优势。
本领域普通技术人员可以理解：实现上述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。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
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各实施方式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。基于这样的理解，上述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，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，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)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上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精神和范围。

Claims (9)

1.一种公交出行潜力区域识别方法，其特征在于，包括：
获取每一个城市的职住空间数据和用户查询实时公交数据；
根据每一个城市的职住空间数据和用户查询实时公交数据，统计每一个城市的每一个网格区域内在预定时间段查询实时公交数据的用户数；
计算每一个网格区域内在预定时间段内查询实时公交数据的用户数与对应网格区域的总人口数的比例；
根据所述比例，确定每一个网格区域为公交出行潜力区域或非公交出行潜力区域；
其中，所述根据所述比例，确定每一个网格区域为公交出行潜力区域或非公交出行潜力区域包括：
若所述比例小于第三预设阈值，则对应的网格区域为公交出行潜力区域，否则，对应的网格区域为非公交出行潜力区域。
2.根据权利要求1所述的公交出行潜力区域识别方法，其特征在于，将每一个城市划分为多个网格区域，每一个城市的职住空间数据由所述多个网格区域的职住空间数据组成。
3.根据权利要求2所述的公交出行潜力区域识别方法，其特征在于，每一个网格区域的职住空间数据采用网格字段表示，每一个网格字段包括城市标识、网格区域的标识、网格区域的中心点经纬度坐标、网格区域的边长、网格区域对应职住关系的属性和网格区域的总人口数，其中，所述网格区域对应职住关系的属性包括居住地和工作地；
每一条用户查询实时公交数据采用用户查询数据字段表示，所述用户查询数据字段包括城市标识、用户查询公交线路或站点时所在位置的经纬度、用户唯一标识和用户进行查询操作的时间点。
4.根据权利要求3所述的公交出行潜力区域识别方法，其特征在于，所述根据每一个城市的职住空间数据和用户查询实时公交数据，统计每一个城市的每一个网格区域内在预定时间段查询实时公交数据的用户数包括：
对于任一城市，计算所述任一城市的每一个网格区域内的人口密度；
筛选出人口密度大于第一预设阈值的居住地网格区域，构成居住地网格区域集合，以及筛选出人口密度大于第二预设阈值的工作地网格区域，构成工作地网格区域集合，其中，所述居住地网格区域指对应职住关系的属性为居住地的网格区域，所述工作地网格区域指对应职住关系的属性为该工作地的网格区域；
统计所述居住地网格集合中的每一个居住地网格区域在早高峰时间段内查询实时公交数据的用户数，以及统计所述工作地网格集合中的每一个工作地网格区域在晚高峰时间段内查询实时公交数据的用户数。
5.根据权利要求4所述的公交出行潜力区域识别方法，其特征在于，所述统计所述居住地网格集合中的每一个居住地网格区域在早高峰时间段内查询实时公交数据的用户数包括：
根据每一条用户查询实时公交数据中的用户进行查询操作的时间点和用户查询公交线路或站点时所在位置的经纬度，统计在所述早高峰时间段内，用户查询公交线路或站点时所在位置的经纬度落入每一个居住地网格区域内的查询用户数。
6.根据权利要求4所述的公交出行潜力区域识别方法，所述统计所述工作地网格集合中的每一个工作地网格区域在晚高峰时间段内查询实时公交数据的用户数包括：
根据每一条用户查询实时公交数据中的用户进行查询操作的时间点和用户查询公交线路或站点时所在位置的经纬度，统计在所述晚高峰时间段内，用户查询公交线路或站点时所在位置的经纬度落入每一个工作地网格区域内的查询用户数。
7.一种公交潜力识别系统，其特征在于，包括：
获取模块，用于获取每一个城市的职住空间数据和用户查询实时公交数据；
统计模块，用于根据每一个城市的职住空间数据和用户查询实时公交数据，统计每一个城市的每一个网格区域内在预定时间段查询实时公交数据的用户数；
计算模块，用于计算每一个网格区域内在预定时间段内查询实时公交数据的用户数与对应网格区域的总人口数的比例；
确定模块，用于根据所述比例，确定每一个网格区域为公交出行潜力区域或非公交出行潜力区域；
其中，确定模块具体用于：
若所述比例小于第三预设阈值，则对应的网格区域为公交出行潜力区域，否则，对应的网格区域为非公交出行潜力区域。
8.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述公交出行潜力区域识别方法的步骤。
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至6任一项所述公交出行潜力区域识别方法的步骤。
CN201910802001.0A 2019-08-28 2019-08-28 一种公交出行潜力区域识别方法及识别系统 Active CN110428627B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910802001.0A CN110428627B (zh) 2019-08-28 2019-08-28 一种公交出行潜力区域识别方法及识别系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910802001.0A CN110428627B (zh) 2019-08-28 2019-08-28 一种公交出行潜力区域识别方法及识别系统

Publications (2)

Publication Number Publication Date
CN110428627A CN110428627A (zh) 2019-11-08
CN110428627B true CN110428627B (zh) 2020-11-10

Family

ID=68417847

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910802001.0A Active CN110428627B (zh) 2019-08-28 2019-08-28 一种公交出行潜力区域识别方法及识别系统

Country Status (1)

Country Link
CN (1) CN110428627B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111508220B (zh) * 2020-04-10 2022-07-29 重庆交通开投科技发展有限公司 基于公交人口分布精准进行末端接驳的方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103578265B (zh) * 2012-07-18 2015-07-08 北京掌城科技有限公司 基于出租车gps数据的打车热点获取方法
CN103985247B (zh) * 2014-04-24 2016-08-24 北京嘀嘀无限科技发展有限公司 基于城市叫车需求分布密度的出租车运力调度系统
CN104361117B (zh) * 2014-12-01 2018-04-27 北京趣拿软件科技有限公司 一种城市热门打车点推荐方法及系统
CN104867065B (zh) * 2015-06-05 2021-07-02 北京嘀嘀无限科技发展有限公司 处理订单的方法和设备
KR101647835B1 (ko) * 2015-03-12 2016-08-11 주식회사 스마트시티그리드 비콘을 이용한 대중교통 광고 방법 및 시스템
CN106549993A (zh) * 2015-09-21 2017-03-29 阿里巴巴集团控股有限公司 一种站点规划方法和装置
CN108205792A (zh) * 2016-12-16 2018-06-26 方正国际软件(北京)有限公司 一种城市热点区域分析方法和装置
CN110134746A (zh) * 2019-04-10 2019-08-16 阿里巴巴集团控股有限公司 在电子地图上智能显示热点区域信息的方法及装置

Also Published As

Publication number Publication date
CN110428627A (zh) 2019-11-08

Similar Documents

Publication Publication Date Title
CN107547633B (zh) 一种用户常驻点的处理方法、装置和存储介质
CN110020221B (zh) 职住分布确认方法、装置、服务器及计算机可读存储介质
US20120220274A1 (en) Position information analysis device and position information analysis method
CN109360421B (zh) 一种基于机器学习的交通信息预测方法及装置、电子终端
CN110503353B (zh) 一种配送区域表达方法及装置
CN109151890A (zh) 一种移动终端定位方法及装置
CN108733774B (zh) 一种基于大数据的失业人口动态监测方法
EP2915151A1 (en) Handling location data in a mobile communications network
Reis et al. Measuring space: A review of spatial metrics for urban growth and shrinkage
CN111311193B (zh) 公共服务资源的配置方法和装置
CN112738729A (zh) 一种用手机信令数据判别探亲返乡游客的方法及系统
CN110428627B (zh) 一种公交出行潜力区域识别方法及识别系统
CN116703132B (zh) 共享车辆动态调度的管理方法、装置及计算机设备
CN111459723A (zh) 终端数据处理系统
CN105184435A (zh) 一种外勤人员管理方法及系统
CN109547931B (zh) 确定移动终端所在地的服务器
CN112287503B (zh) 用于交通需求预测的动态空间网络构建方法
Zhong et al. Multi-objective optimization approach of shelter location with maximum equity: an empirical study in Xin Jiekou district of Nanjing, China
CN111428197B (zh) 数据处理方法、装置及设备
CN112862283A (zh) 基于层次分析的城管派遣方法和系统
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
CN112541047A (zh) 一种适用于多级网格化管理系统的海量数据聚合方法
CN114360255B (zh) 一种流量确定方法、装置、存储介质及电子装置
CN115511343A (zh) 一种城市核心区域的确定方法、装置、设备以及存储介质
CN111242723B (zh) 用户子女情况判断方法、服务器及计算机可读存储介质

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