CN110969299A - 交通路线生成的方法、装置、计算机设备及存储介质 - Google Patents

交通路线生成的方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN110969299A
CN110969299A CN201911199147.7A CN201911199147A CN110969299A CN 110969299 A CN110969299 A CN 110969299A CN 201911199147 A CN201911199147 A CN 201911199147A CN 110969299 A CN110969299 A CN 110969299A
Authority
CN
China
Prior art keywords
cluster
destination
passengers
passenger
bus
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
Application number
CN201911199147.7A
Other languages
English (en)
Inventor
卢洪志
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.)
Zhejiang Dasou Vehicle Software Technology Co Ltd
Original Assignee
Zhejiang Dasou Vehicle Software 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 Zhejiang Dasou Vehicle Software Technology Co Ltd filed Critical Zhejiang Dasou Vehicle Software Technology Co Ltd
Priority to CN201911199147.7A priority Critical patent/CN110969299A/zh
Publication of CN110969299A publication Critical patent/CN110969299A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06Q10/04—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
    • 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

Landscapes

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

Abstract

本发明公开了一种交通路线生成的方法、装置、计算机设备及存储介质，根据潜在乘客模型，将获取的公交清算数据进行筛选，根据该筛选后的公交清算数据获取潜在乘客数据集；根据聚类算法将公交站点进行聚类并生成目的地簇，并根据该乘客人数将该目的地簇逆序排列，从排序第一的目的地簇开始遍历查询该目的地簇；根据该来源信息确定与该目的地簇对应的该出发地簇，根据该出发地簇和该目的地簇生成交通路线，从而解决了班车的交通路线生成不具有快速性、准确性和全面性的问题。

Description

交通路线生成的方法、装置、计算机设备及存储介质
技术领域
本申请涉及交通技术领域，特别是涉及一种交通路线生成的方法、装置、计算机设备及存储介质。
背景技术
随着城市的快速发展，城市人口迅速增长，尤其是像北京、上海这样的大城市，人口增加带来的私家车数量的大量增长，加剧了交通拥堵和环境污染的问题；班车运营系统能够充分发挥城市公共交通的作用，有效缓解交通拥堵和环境污染的问题。在相关技术中，传统的班车生成方法是在大量乘客去往的同一目的地进行实地调研，然后反推乘客出发地，譬如在办公区上班的人群，但基于人工的线下调研往往时间过长，包括当面询问以及问卷调查等，并且此类结论只能代表部分群体，因此导致班车的交通路线生成不具有快速性、准确性和全面性。
针对相关技术中，班车的交通路线生成不具有快速性、准确性和全面性的问题，目前尚未提出有效的解决方案。
发明内容
针对相关技术中，班车的交通路线生成不具有快速性、准确性和全面性的问题，本发明提供了一种交通路线生成的方法、装置、计算机设备及存储介质。
根据本发明的一个方面，提供了一种交通路线生成的方法，所述方法包括：
根据潜在乘客模型，将获取的公交清算数据进行筛选，根据所述筛选后的公交清算数据获取潜在乘客数据集；其中，依据乘客的出行需求建立所述潜在乘客模型；
根据聚类算法将公交站点进行聚类并生成目的地簇，并根据所述潜在乘客数据集统计所述目的地簇的乘客人数和来源信息；
根据所述乘客人数将所述目的地簇逆序排列，从排序第一的目的地簇开始遍历查询所述目的地簇；根据所述来源信息确定与所述目的地簇对应的所述出发地簇，根据所述出发地簇和所述目的地簇生成交通路线。
在其中一个实施例中，所述根据所述来源信息确定与所述目的地簇对应的所述出发地簇，根据所述目的地簇和所述出发地簇生成交通路线包括：
将所述排列第一的目的地簇设置为第一目的地簇，并根据所述来源信息设置与所述第一目的地簇对应的第一出发地簇，且根据所述来源信息设置与所述第一目的地簇对应的第二出发地簇；
在所述第一出发地簇的乘客人数大于预设乘客数的情况下，生成从所述第一出发地簇出发直达所述第一目的地簇的第一交通路线；
在所述第一出发地簇的乘客人数小于或等于所述预设乘客数的情况下，获取所述第一出发地簇和所述第二出发地簇的总乘客人数，在所述总乘客人数大于所述预设乘客数的情况下，生成从所述第一出发地簇出发，途经所述第二出发地簇到达所述目的地簇的第二交通路线。
在其中一个实施例中，所述根据所述来源信息设置与所述第一目的地簇对应的第二出发地簇之后，所述在所述第一出发地簇的乘客人数大于预设乘客数的情况下，生成从所述第一出发地簇出发直达所述第一目的地簇的第一交通路线之前，所述方法包括：
根据交通工具的座位数、上座率和转换率获取所述预设乘客数，其中，所述预设乘客数与所述座位数成正比，与所述上座率成正比，且与所述转换率成反比，所述转换率为潜在乘客转换为所述交通工具的乘客的转换率。
在其中一个实施例中，所述根据潜在乘客模型，将获取的公交清算数据进行筛选，根据所述筛选后的公交清算数据获取潜在乘客数据集包括：
根据所述公交清算数据的上车点、下车点和时间信息，筛选出所述公交清算数据中符合所述潜在乘客模型的第一出行需求的第一数据集；
根据所述上车点、下车点和时间信息，获取乘客通勤距离和换乘次数，根据所述乘客通勤距离和换乘次数，筛选出所述第一数据集中符合所述潜在乘客模型的第二出行需求的潜在乘客数据集；其中，所述第一出行需求包括出行时间和地点固定，所述第二出行需求包括以下至少之一：出行距离大于预设公里；换乘次数大于或等于预设次数。
在其中一个实施例中，所述根据所述公交清算数据的上车点、下车点和时间信息，筛选出所述公交清算数据中符合所述潜在乘客模型的第一出行需求的第一数据集包括：
根据所述上车点、下车点和时间信息对所述公交清算数据的卡号进行统计，获取出行时间固定的所述卡号，根据所述卡号筛选出所述第一数据集；或者，
根据所述时间信息，统计所述公交清算数据的卡号在工作日内出现的次数，在所述次数大于或者等于工作日预设倍数的情况下，获取所述卡号，根据所述卡号筛选出所述第一数据集。
在其中一个实施例中，所述根据所述乘客通勤距离和换乘次数，筛选出所述第一数据集中符合所述潜在乘客模型的第二出行需求的潜在乘客数据集包括：
根据所述乘客通勤距离和换乘次数从所述第一数据集中筛选出第二数据集，并根据所述公交清算数据的换乘次数信息，从所述第二数据集中筛选出所述潜在乘客数据集。
在其中一个实施例中，所述根据所述目的地簇和所述出发地簇生成交通路线之后，所述方法包括：
将所述交通路线的路线参数和可视化元素发送给终端进行显示，其中，所述路线参数包括所述目的地簇、所述出发地簇和所述乘客人数，所述可视化元素包括表示所述路线参数的表格或图表。
根据本发明的一个方面，提供了一种交通路线生成的装置，所述装置包括筛选模块和生成模块；
所述筛选模块根据潜在乘客模型，将获取的公交清算数据进行筛选，根据所述筛选后的公共清算数据获取潜在乘客数据集；其中，依据乘客的出行需求建立所述潜在乘客模型；
所述生成模块根据聚类算法将公交站点进行聚类并生成目的地簇，并根据所述潜在乘客数据集统计所述目的地簇的乘客人数和来源信息；
所述生成模块根据所述乘客人数将所述目的地簇逆序排列，从排序第一的目的地簇开始遍历查询所述目的地簇；所述生成模块根据所述来源信息确定与所述目的地簇对应的出发地簇，根据所述出发地簇和所述目的地簇生成交通路线。
根据本发明的另一个方面，提供了一种计算机设备，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计算机程序时实现上述任一所述方法的步骤。
根据本发明的另一个方面，提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述任一所述方法的步骤。
通过本发明，采用一种交通路线生成的方法、装置、计算机设备及存储介质，根据潜在乘客模型，将获取的公交清算数据进行筛选，根据该筛选后的公交清算数据获取潜在乘客数据集；根据聚类算法将公交站点进行聚类并生成目的地簇，并根据该乘客人数将该目的地簇逆序排列，从排序第一的目的地簇开始遍历查询该目的地簇；根据该来源信息确定与该目的地簇对应的该出发地簇，根据该出发地簇和该目的地簇生成交通路线，从而解决了班车的交通路线生成不具有快速性、准确性和全面性的问题。
附图说明
图1为根据本发明实施例中一种交通路线生成应用场景的示意图；
图2为根据本发明实施例的一种交通路线生成方法的流程图一；
图3为根据本发明实施例的一种交通路线生成方法的流程图二；
图4为根据本发明实施例的一种交通路线生成策略的示意图一；
图5为根据本发明实施例的一种交通路线生成策略的示意图二；
图6为根据本发明实施例的一种交通路线生成方法的流程图三；
图7为根据本发明实施例的一种交通路线生成方法的流程图四；
图8为根据本发明实施例的一种交通路线生成装置的结构框图一；
图9为根据本发明实施例的一种交通路线生成装置的结构框图二；
图10为根据本发明实施例的一种计算机设备内部的结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在本实施例中，提供了一种交通路线生成的方法，图1为根据本发明实施例中一种交通路线生成应用场景的示意图，如图1所示，在该应用环境中，终端11通过网络与服务器12进行通信。该服务器12获取潜在乘客数据集，根据聚类算法将公交站点进行聚类并生成目的地簇，并根据该潜在乘客数据集统计所述目的地簇的乘客人数和来源信息；该服务器12根据该乘客人数和该来源信息生成交通路线；该终端11获取该交通路线的路线参数进行显示，例如，该终端11通过电子地图上进行显示，其中，所述路线参数包括该目的地簇、该出发地簇和该乘客人数。该终端11可以但不限于是各种智能手机、个人计算机、笔记本电脑和平板电脑，该服务器12可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在本实施例中，提供了一种交通路线生成的方法，图2为根据本发明实施例的一种交通路线生成方法的流程图一，如图2所示，该方法包括如下步骤：
步骤S202，根据潜在乘客模型，将获取的公交清算数据进行筛选，根据该筛选后的公交清算数据获取潜在乘客数据集；其中，依据乘客的出行需求建立该潜在乘客模型；其中，该公交清算数据集主要是指使用公交一卡通而产生的数据，该公交一卡通指在城市内使用公共交通工具，如公交、地铁等，都可以统一进行支付的接触式或非接触式小额支付卡，该潜在乘客模型定义了班车潜在用户的特征，以及与该特征相关的参数，例如，该特征包括乘客出行行为和换乘次数等；并根据潜在乘客模型的要求处理该公交清算数据，以获取该潜在乘客数据集。
步骤S204，根据聚类算法将公交站点进行聚类并生成目的地簇，并根据该潜在乘客数据集统计该目的地簇的乘客人数和来源信息；其中，可以通过公共交通的站点名称来获取其位置数据(如GPS坐标)，例如通过高德或百度的应用程序接口(ApplicationProgramming Interface，简称为API)就可以实现。获取各个公交站点的位置数据后，可以用聚类算法结合人工判断对该公交站点进行聚类来生成簇，并定义处于簇核心位置一定范围内(如500米内)的所有站点为同一出发地或目的地；对簇进行编号，每个簇内包括若干个站点的集合。
其中，该聚类算法可以为k-means聚类算法，其步骤是随机选取K个公交站点作为初始聚类中心，然后计算每个公交站点与各个初始聚类中心之间的距离，把每个公交站点分配给距离它最近的初始聚类中心；该初始聚类中心以及分配给它们的公交站点就代表一个聚类，每分配一个样本，根据该聚类中现有的公交站点重新计算该聚类的聚类中心；这个过程将不断重复直到没有(或最小数目)公交站点被重新分配给不同的聚类，或者没有(或最小数目)聚类中心再发生变化，从而最终生成该目的地簇；该聚类算法也可以为DBSCAN(Density-Based Spatial Clustering of Applications with Noise，具有噪声的基于密度的聚类方法)，DBSCAN是一个比较有代表性的基于密度的聚类算法；其步骤是任选一个公交站点开始，找出与该公交站点距离在扫描半径之内(包括扫描半径)的所有附近站点，如果附近站点的数量大于或等于最少数目，则该公交站点与其附近站点形成一个簇，并且该公交站点被标记为已访问；然后递归，以相同的方法处理该簇内所有未被标记为已访问的站点，从而对簇进行扩展；最终生成该目的地簇。
步骤S206，根据该乘客人数将该目的地簇逆序排列，从排序第一的目的地簇开始遍历查询该目的地簇；根据该来源信息确定与该目的地簇对应的该出发地簇，根据该出发地簇和该目的地簇生成交通路线；其中，将目的地簇按照人数进行逆排序，从人数最多的目的地簇开始，根据该来源信息遍历与该目的地簇关联的出发地簇，从而生成交通路线。
相关技术中的路线生成方法进行实地调研的时间过长，而本发明实施例通过上述步骤S202至S206，根据潜在乘客模型，将获取的公交清算数据进行筛选并获取潜在乘客数据集，从而可以在短时间内准确发现潜在乘客；并在此基础上根据聚类算法将公交站点进行聚类并生成目的地簇，从人数最多的目的地簇开始，遍历与该目的地簇关联的出发地簇，并生成与公交车相比停靠较少的交通路线，节省了乘客的通勤时间和费用，解决了班车的交通路线生成不具有快速性、准确性和全面性的问题；此外可以根据公共交通的发展变化进行路线的动态调整，有利于降低班车的获客成本，提交运营效率和管理。
在一个实施例中，提供了一种交通路线生成的方法，图3为根据本发明实施例的一种交通路线生成方法的流程图二，如图3所示，该方法包括如下步骤：
步骤S302，将该排列第一的目的地簇设置为第一目的地簇，并根据该来源信息设置与该第一目的地簇对应的第一出发地簇，且根据该来源信息设置与该第一目的地簇对应的第二出发地簇；其中，因为潜在乘客转化为客运巴士等班车的乘客时有一定的转化率，因此该第一出发地簇或该第二出发地簇中的人数，应至少高于满足1辆班车上座率所需的乘客数，如公式1所示：
Figure BDA0002295424700000071
其中，C为出发地簇中的预设乘客数，B为客运巴士的座位数，r为上座率，t为潜在乘客转化为客运巴士乘客的转化率；通过该预设乘客数的确定，便于掌握出发地簇的乘客人数，从而进一步提高了该交通路线生成的效率。
步骤S304，在该第一出发地簇的乘客人数大于预设乘客数的情况下，生成从该第一出发地簇出发直达该第一目的地簇的第一交通路线；其中，当第一出发地簇的人数大于该预设乘客数，即第一出发地簇的人数大于该出发地簇中的乘客总数C，可以有1辆班车满足上座率的需要；同理，当第一出发地簇的人数为出发地簇中的乘客总数C的N倍时，可以有N辆班车满足上座率的需要；图4为根据本发明实施例的一种交通路线生成策略的示意图一，如图4所示，其中，第一目的地簇有对应的该第一出发地簇，假设出发地簇中的人数要高于70才能满足1辆客运巴士的上座率，因为该第一出发地簇1中人数大于70，则可以有从该第一出发地簇出发直达该第一目的地簇的第一交通路线。
步骤S306，在该第一出发地簇的乘客人数小于或等于该预设乘客数的情况下，获取该第一出发地簇和该第二出发地簇的总乘客人数，在该总乘客人数大于该预设乘客数的情况下，生成从该第一出发地簇出发，途经该第二出发地簇到达该目的地簇的第二交通路线；其中，当第一出发地簇的人数不足C时，可以考虑其加上临近的(如距离2公里之内的)出发地簇中人数之和是否大于等于C，如果两个或三个出发地簇中的人数大于等于C，则可以安排1辆班车经停这几个出发地簇，也可以满足上座率的需要；图5为根据本发明实施例的一种交通路线生成策略的示意图二，如图5所示，该第一出发地簇、该第二出发地簇中单个簇的人数不高于70，但这两个簇的人数之和高于70，因此可以有从该第一出发地簇出发途经该第二出发地簇的第二交通路线。
通过上述步骤S302至S306，比较该第一出发地簇的乘客人数与预设乘客数，根据该比较结果，自适应生成符合实际情况的交通路线，从而实现了对该交通路线生成的进一步优化，同时节约了班车的运营成本。
在一个实施例中，提供了一种交通路线生成的方法，图6为根据本发明实施例的一种交通路线生成方法的流程图三，如图6所示，该方法包括如下步骤：
步骤S602，根据该公交清算数据的上车点、下车点和时间信息，筛选出该公交清算数据中符合该潜在乘客模型的第一出行需求的第一数据集；其中，潜在乘客具有以下特征条件：1.乘客有较为规律的出行行为，例如在相对固定的时间段内出行，出发地、目的地较为固定等，因为班车可能是预留座位的，具有日常通勤行为的上班族是首选的潜在客户；2.乘客出行距离为中远途，即出发地和目的地距离20公里及以上，且路上通勤时间较长，如通勤时间超过2个小时；3.从出发地到目的地具有至少两次及以上的换乘，因为换乘交通工具时的不确定性，例如交通工具班次间隔很长，或交通拥堵造成公交工具不准时等，使乘客可能会考虑乘坐无需换乘的、直达目的地的公交；其中，同时具有特征条件1、2的乘客对乘坐班车需求较为强烈，可以作为潜在用户的基础集；特征条件3是可选条件，同时符合特征条件1、2、3的乘客集合可以作为生成线路时优先考虑的对象；该公交清算数据至少包括以下字段信息：卡号、上车\进站日期、上车\进站时间、交易发生日期、交易发生时间、线路编号、上车站\入口站号和下车站\出口站号。其中，公交和地铁的结算信息中字段名可能不同，如公共汽车使用上车日期，地铁字段名为进站日期，但在模型中字段代表的意义大致相同，即记录了乘客开始使用交通工具的日期，这不会影响模型的计算。为寻找该潜在乘客，可以用具有一定连续时间长度(如一个星期或一个月)的城市公共交通清算数据来获取该潜在乘客数据集。
其中，按照乘车日期和时间，使用公交清算数据对卡号进行数量统计，并按照工作日日期进行排序，如果每天上下班时间(如上午7:30～9:00，下午5:30～7:00)同一卡号连续出现，则将该数据放入第一数据集，遍历所有公交清算数据，得到符合特征条件1的第一数据集；还可以统计某一卡号在工作日内出现的次数，如果满足C≥D×4，则将该数据放入第一数据集；其中，C为某一卡号在工作日内出现的次数，D为工作日天数；遍历所有公交清算数据，在工作日内出现的次数大于或者等于工作日预设倍数的情况下，得到符合特征条件1的第一数据集，该预设倍数可以为4。
步骤S604，根据该上车点、下车点和时间信息，获取乘客通勤距离和换乘次数，根据该乘客通勤距离和换乘次数，筛选出该第一数据集中符合该潜在乘客模型的第二出行需求的潜在乘客数据集；其中，该第一出行需求包括出行时间和地点固定，该第二出行需求包括以下至少之一：出行距离大于预设公里；换乘次数大于或等于预设次数；即该第一出行需求包括该特征条件1，该第二出行需求包括该特征条件2和特征条件3，该预设公里可以为20公里，该预设次数可以为两次；
其中，对该第一数据集中同一卡号的记录，按乘车日期进行统计，获得当日内乘坐交通工具总共所耗费的时间和总换乘次数；根据数据记录中的上车站\入口站号和下车站\出口站号信息，可以计算出站点之间的距离，其中站点之间的距离可以通过百度或高德的API获取；对该数据进行处理，获得与该卡号关联的日均单程通勤时间、通勤距离和换乘次数，将该数据的集合保存为第二数据集；对该第二数据集中的数据进行条件过滤，将满足日均单程通勤时间大于等于2小时，或单程通勤里程数大于等于20公里的数据保存为第三数据集，该第三数据集中的数据符合特征条件1和特征条件2；对该第三数据集中的数据进行数据查询过滤，将该第三数据集中日均单程换乘次数大于等于2的数据保存为第四数据集，该第四数据集中的数据符合特征条件1、特征条件2和特征条件3；如果客运巴士运力资源充足，可以选择将该第三数据集保存为该潜在乘客数据集来生成路线；如果客运巴士运力资源不足，则可以选择将该第四数据集保存为该潜在乘客数据集来生成路线。
通过上述步骤S602至S606，根据乘客的特征条件建立该潜在乘客模型，并根据该潜在乘客模型，使用公交清算数据递进筛选出潜在乘客数据集，进一步缩小了查找潜在乘客的范围，节省了交通路线生成的时间，进一步提高了交通路线生成的准确性和全面性。
在一个实施例中，提供了一种交通路线生成的方法，图7为根据本发明实施例的一种交通路线生成方法的流程图四，如图7所示，该方法包括如下步骤：
步骤S702，将该交通路线的路线参数发送给终端进行显示，其中，该路线参数包括该目的地簇、该出发地簇和该乘客人数；其中，该显示方式包括但不限于：在电子地图上显示路线元素，例如在电子地图上显示目的地、出发地、乘客人数等，以及在电子地图上显示用于表示路线相关信息的表格、图表等可视化元素。
通过上述步骤S702，通过终端在电子地图等应用程序上显示该交通路线的路线参数，包括该目的地簇、该出发地簇和该乘客人数，以及用于表示路线相关信息的表格、图表等可视化元素，从而便于乘客出行，实现了班车站点的实时动态监控与远程管理。
应该理解的是，虽然图2、图3、图6和图7的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2、图3、图6和图7中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在本实施例中，提供了一种交通路线生成的装置，图8为根据本发明实施例的一种交通路线生成装置的结构框图一，如图8所示，该装置包括筛选模块82和生成模块84；
该筛选模块82根据潜在乘客模型，将获取的公交清算数据进行筛选，根据该筛选后的公共清算数据获取潜在乘客数据集；其中，依据乘客的出行需求建立该潜在乘客模型；
该生成模块84根据聚类算法将公交站点进行聚类并生成目的地簇，并根据该潜在乘客数据集统计该目的地簇的乘客人数和来源信息；
该生成模块84根据该乘客人数将该目的地簇逆序排列，从排序第一的目的地簇开始遍历查询出发地簇；该生成模块84根据该来源信息确定与该目的地簇对应的该出发地簇，根据该出发地簇和该目的地簇生成交通路线。
通过上述实施例，该筛选模块82根据潜在乘客模型，将获取的公交清算数据进行筛选并获取潜在乘客数据集，从而可以在短时间内准确发现潜在乘客；并在此基础上，该生成模块84根据聚类算法将公交站点进行聚类并生成目的地簇，从人数最多的目的地簇开始，该生成模块84遍历与该目的地簇关联的出发地簇，并生成与公交车相比停靠较少的交通路线，从而节省了乘客的通勤时间和费用，解决了班车的交通路线生成不具有快速性、准确性和全面性的问题。
在一个实施例中，该交通路线生成装置的该生成模块84还用于将该排列第一的目的地簇设置为第一目的地簇，并根据该来源信息设置与该第一目的地簇对应的第一出发地簇，和与该第一目的地簇对应的第二出发地簇；
该生成模块84在该第一出发地簇的乘客人数大于预设乘客数的情况下，生成从该第一出发地簇出发直达该第一目的地簇的第一交通路线；
该生成模块84在该第一出发地簇的乘客人数小于或等于该预设乘客数的情况下，获取第一出发地簇和第二出发地簇的总乘客人数，在该总乘客人数大于该预设乘客数的情况下，该生成模块84生成从该第一出发地簇出发，途经第二出发地簇到达该第一目的地簇的第二交通路线。
在一个实施例中，该交通路线生成装置的该筛选模块82还用于根据该公交清算数据的上车点、下车点和时间信息，筛选出该公交清算数据中符合该潜在乘客模型的第一出行需求的第一数据集；
该筛选模块82根据该上车点、下车点和时间信息，获取乘客通勤距离和换乘次数，该筛选模块82根据该乘客通勤距离和换乘次数，筛选出该第一数据集中符合该潜在乘客模型的第二出行需求的潜在乘客数据集；其中，该第一出行需求包括出行时间和地点固定，该第二出行需求包括以下至少之一：出行距离大于预设公里；换乘次数大于或等于预设次数。
在一个实施例中，提供了一种交通路线生成的装置，图9为根据本发明实施例的一种交通路线生成装置的结构框图二，如图9所示，该装置还包括显示模块92；
该显示模块92，用于将该交通路线的路线参数发送给终端进行显示，其中，该路线参数包括该目的地簇、该出发地簇和该乘客人数。
关于交通路线生成装置的具体限定可以参见上文中对于交通路线生成方法的限定，在此不再赘述。上述交通路线生成装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，图10为根据本发明实施例的一种计算机设备内部的结构图，如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储交通路线相关数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种交通路线生成方法。
本领域技术人员可以理解，图10中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，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，处理器执行计算机程序时实现上述各实施例提供的交通路线生成方法中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述各实施例提供的交通路线生成方法中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种交通路线生成的方法，其特征在于，所述方法包括：
根据潜在乘客模型，将获取的公交清算数据进行筛选，根据所述筛选后的公交清算数据获取潜在乘客数据集；其中，依据乘客的出行需求建立所述潜在乘客模型；
根据聚类算法将公交站点进行聚类并生成目的地簇，并根据所述潜在乘客数据集统计所述目的地簇的乘客人数和来源信息；
根据所述乘客人数将所述目的地簇逆序排列，从排序第一的目的地簇开始遍历查询所述目的地簇；根据所述来源信息确定与所述目的地簇对应的出发地簇，根据所述出发地簇和所述目的地簇生成交通路线。
2.根据权利要求1所述的方法，其特征在于，所述根据所述来源信息确定与所述目的地簇对应的所述出发地簇，根据所述目的地簇和所述出发地簇生成交通路线包括：
将所述排列第一的目的地簇设置为第一目的地簇，并根据所述来源信息设置与所述第一目的地簇对应的第一出发地簇，且根据所述来源信息设置与所述第一目的地簇对应的第二出发地簇；
在所述第一出发地簇的乘客人数大于预设乘客数的情况下，生成从所述第一出发地簇出发直达所述第一目的地簇的第一交通路线；
在所述第一出发地簇的乘客人数小于或等于所述预设乘客数的情况下，获取所述第一出发地簇和所述第二出发地簇的总乘客人数，在所述总乘客人数大于所述预设乘客数的情况下，生成从所述第一出发地簇出发，途经所述第二出发地簇到达所述目的地簇的第二交通路线。
3.根据权利要求2所述的方法，其特征在于，所述根据所述来源信息设置与所述第一目的地簇对应的第二出发地簇之后，所述在所述第一出发地簇的乘客人数大于预设乘客数的情况下，生成从所述第一出发地簇出发直达所述第一目的地簇的第一交通路线之前，所述方法包括：
根据交通工具的座位数、上座率和转换率获取所述预设乘客数，其中，所述预设乘客数与所述座位数成正比，与所述上座率成正比，且与所述转换率成反比，所述转换率为潜在乘客转换为所述交通工具的乘客的转换率。
4.根据权利要求1所述的方法，其特征在于，所述根据潜在乘客模型，将获取的公交清算数据进行筛选，根据所述筛选后的公交清算数据获取潜在乘客数据集包括：
根据所述公交清算数据的上车点、下车点和时间信息，筛选出所述公交清算数据中符合所述潜在乘客模型的第一出行需求的第一数据集；
根据所述上车点、下车点和时间信息，获取乘客通勤距离和换乘次数，根据所述乘客通勤距离和换乘次数，筛选出所述第一数据集中符合所述潜在乘客模型的第二出行需求的潜在乘客数据集；其中，所述第一出行需求包括出行时间和地点固定，所述第二出行需求包括以下至少之一：出行距离大于预设公里；换乘次数大于或等于预设次数。
5.根据权利要求4所述的方法，其特征在于，所述根据所述公交清算数据的上车点、下车点和时间信息，筛选出所述公交清算数据中符合所述潜在乘客模型的第一出行需求的第一数据集包括：
根据所述上车点、下车点和时间信息对所述公交清算数据的卡号进行统计，获取出行时间固定的所述卡号，根据所述卡号筛选出所述第一数据集；或者，
根据所述时间信息，统计所述公交清算数据的卡号在工作日内出现的次数，在所述次数大于或者等于工作日预设倍数的情况下，获取所述卡号，根据所述卡号筛选出所述第一数据集。
6.根据权利要求4所述的方法，其特征在于，所述根据所述乘客通勤距离和换乘次数，筛选出所述第一数据集中符合所述潜在乘客模型的第二出行需求的潜在乘客数据集包括：
根据所述乘客通勤距离和换乘次数，从所述第一数据集中筛选出第二数据集，并根据所述公交清算数据的换乘次数信息从所述第二数据集中筛选出所述潜在乘客数据集。
7.根据权利要求1至6任一项所述的方法，其特征在于，所述根据所述目的地簇和所述出发地簇生成交通路线之后，所述方法包括：
将所述交通路线的路线参数和可视化元素发送给终端进行显示，其中，所述路线参数包括所述目的地簇、所述出发地簇和所述乘客人数，所述可视化元素包括表示所述路线参数的表格或图表。
8.一种交通路线生成的装置，其特征在于，所述装置包括筛选模块和生成模块；
所述筛选模块根据潜在乘客模型，将获取的公交清算数据进行筛选，根据所述筛选后的公共清算数据获取潜在乘客数据集；其中，依据乘客的出行需求建立所述潜在乘客模型；
所述生成模块根据聚类算法将公交站点进行聚类并生成目的地簇，并根据所述潜在乘客数据集统计所述目的地簇的乘客人数和来源信息；
所述生成模块根据所述乘客人数将所述目的地簇逆序排列，从排序第一的目的地簇开始遍历查询所述目的地簇；所述生成模块根据所述来源信息确定与所述目的地簇对应的出发地簇，根据所述出发地簇和所述目的地簇生成交通路线。
9.一种计算机设备，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计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
CN201911199147.7A 2019-11-29 2019-11-29 交通路线生成的方法、装置、计算机设备及存储介质 Pending CN110969299A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911199147.7A CN110969299A (zh) 2019-11-29 2019-11-29 交通路线生成的方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911199147.7A CN110969299A (zh) 2019-11-29 2019-11-29 交通路线生成的方法、装置、计算机设备及存储介质

Publications (1)

Publication Number Publication Date
CN110969299A true CN110969299A (zh) 2020-04-07

Family

ID=70032088

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911199147.7A Pending CN110969299A (zh) 2019-11-29 2019-11-29 交通路线生成的方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN110969299A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113393080A (zh) * 2021-05-07 2021-09-14 华迪计算机集团有限公司 公共交通客运机构乘客信息管理系统及方法
CN113536112A (zh) * 2021-06-11 2021-10-22 五邑大学 一种乘客接驳预测方法、装置及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107506864A (zh) * 2017-08-30 2017-12-22 国信优易数据有限公司 一种客运巴士路线规划方法和装置
WO2019003672A1 (ja) * 2017-06-28 2019-01-03 株式会社日立製作所 交通需要予測装置、及び交通需要予測方法
CN109359682A (zh) * 2018-10-11 2019-02-19 北京市交通信息中心 一种基于f-dbscan迭代聚类的机场巴士候选站点筛选方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019003672A1 (ja) * 2017-06-28 2019-01-03 株式会社日立製作所 交通需要予測装置、及び交通需要予測方法
CN107506864A (zh) * 2017-08-30 2017-12-22 国信优易数据有限公司 一种客运巴士路线规划方法和装置
CN109359682A (zh) * 2018-10-11 2019-02-19 北京市交通信息中心 一种基于f-dbscan迭代聚类的机场巴士候选站点筛选方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113393080A (zh) * 2021-05-07 2021-09-14 华迪计算机集团有限公司 公共交通客运机构乘客信息管理系统及方法
CN113536112A (zh) * 2021-06-11 2021-10-22 五邑大学 一种乘客接驳预测方法、装置及存储介质

Similar Documents

Publication Publication Date Title
Gurumurthy et al. Analyzing the dynamic ride-sharing potential for shared autonomous vehicle fleets using cellphone data from Orlando, Florida
Narayanan et al. Shared autonomous vehicle services: A comprehensive review
CN107506864B (zh) 一种客运巴士路线规划方法和装置
Rahman et al. Analysis of bus travel time distributions for varying horizons and real-time applications
Ma et al. Designing optimal autonomous vehicle sharing and reservation systems: A linear programming approach
US9043151B2 (en) Large scale demand responsive transit framework
Liu et al. Dynamic shared autonomous taxi system considering on-time arrival reliability
WO2019237522A1 (zh) 车辆租赁方法、装置、计算机设备和存储介质
US20140035921A1 (en) Analysis and visualization of passenger movement in a transportation system
WO2015096400A1 (zh) 一种利用移动通信数据挖掘进行公交规划的方法
CN113256987A (zh) 基于多源数据融合的居民出行链生成方法及共乘查询方法
CN110276020B (zh) 识别用户出行目的地的方法和装置
Saberi et al. Definition and properties of alternative bus service reliability measures at the stop level
Pi et al. Understanding transit system performance using avl-apc data: An analytics platform with case studies for the pittsburgh region
CN110348614A (zh) 一种获取乘客od的方法及公交客流的预测方法
CN110969834A (zh) 处理方法、装置、计算机设备、存储介质及车辆调度系统
CN110969299A (zh) 交通路线生成的方法、装置、计算机设备及存储介质
CN111915200B (zh) 一种基于公交分担率的精细空间尺度的城市公共交通供需状态划分方法
US20210173855A1 (en) Method, apparatus, and computer program product for dynamic population estimation
Aemmer et al. Measurement and classification of transit delays using GTFS-RT data
Dock et al. Methodology to gather multimodal urban trip generation data
CN107862865B (zh) 一种出行信息的预测方法及装置
JP2005018375A (ja) 携帯端末を用いた情報収集提供システム
Lee et al. Incorporating e-technology to advantage in a greener taxi industry and its impact on driving performance and safety
Massobrio Urban mobility data analysis in Montevideo, Uruguay

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