CN110992686B - 交通出行大数据分析方法 - Google Patents
交通出行大数据分析方法 Download PDFInfo
- Publication number
- CN110992686B CN110992686B CN201911166259.2A CN201911166259A CN110992686B CN 110992686 B CN110992686 B CN 110992686B CN 201911166259 A CN201911166259 A CN 201911166259A CN 110992686 B CN110992686 B CN 110992686B
- Authority
- CN
- China
- Prior art keywords
- big data
- travel
- line
- user
- station
- 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
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种交通出行大数据分析方法、介质及设备,其中方法包括:获取待分析区域的综合信息,并根据所述综合信息提取所述待分析区域的大数据特征点;获取用户的出行数据,并根据所述出行数据计算用户对应的出行路线,以及根据所述出行路线的起点和终点进行大数据特征点的匹配,以完成大数据特征线的绘制;根据所述大数据特征线判断任意两个大数据特征点之间的线路是否为干线线路,并根据判断结果生成干线分析报告;能够对大量出行数据进行有效分析,进而对交通规划提供可靠的分析结果,提高交通资源利用率。
Description
技术领域
本发明涉及信息处理技术领域,特别涉及一种交通出行大数据分析方法、一种计算机可读存储介质以及一种计算机设备。
背景技术
在日常生活中,人们在乘坐各种交通工具(例如,公交、地铁、快速公交、私家车等)出行时,必不可少地会产生出行数据(例如,公交进站数据、公交出站数据、停车场进场数据、停车场出场数据等);而在一个城市中,每天所产生的出行数据是数以十万计,甚至是数以百万计的。
然而,相关技术中,缺乏对现有大量出行数据的有效利用,在对出行数据进行分析的过程中,多仅是通过对各个站点的客流量进行统计,最终得到的统计结果可参考性较差。
发明内容
本发明旨在至少在一定程度上解决上述技术中的技术问题之一。为此,本发明的一个目的在于提出一种交通出行大数据分析方法,能够对大量出行数据进行有效分析,进而对交通规划提供可靠的分析结果,提高交通资源利用率。
本发明的第二个目的在于提出一种计算机可读存储介质。
本发明的第三个目的在于提出一种计算机设备。
为达到上述目的,本发明第一方面实施例提出了一种交通出行大数据分析方法,包括以下步骤:获取待分析区域的综合信息,并根据所述综合信息提取所述待分析区域的大数据特征点;获取用户的出行数据,并根据所述出行数据计算用户对应的出行路线,以及根据所述出行路线的起点和终点进行大数据特征点的匹配,以完成大数据特征线的绘制;根据所述大数据特征线判断任意两个大数据特征点之间的线路是否为干线线路,并根据判断结果生成干线分析报告。
根据本发明实施例的交通出行大数据分析方法,首先,获取待分析区域的综合信息,并根据该综合信息提取待分析区域的大数据特征点,接着,获取用户的出行数据,并根据出行数据计算用户对应的出行路线,以及根据该出行路线的起点和终点进行大数据特征点的匹配,以完成大数据特征线的绘制;然后,根据大数据特征线判断任意两个大数据特征点之间的线路是否为干线线路,并根据判断结果生成干线分析报告,从而实现对大量出行数据进行有效分析,进而对交通规划提供可靠的分析结果,提高交通资源利用率。
另外,根据本发明上述实施例提出的交通出行大数据分析方法还可以具有如下附加的技术特征:
可选地,在根据所述出行数据计算用户对应的出行路线之前,还包括:根据所述出行数据计算该用户在预设时段内的出行次数,并判断所述出行次数是否大于预设的次数阈值;如果是,则将该用户作为高频用户;如果否,则将该用户作为低频用户。
可选地,根据所述出行数据计算用户对应的出行路线,包括:根据高频用户在预设时段内的出行数据计算该高频用户的第一出行路线;根据低频用户在非预设时段内的出行数据计算该低频用户的第二出行路线。
可选地,所述出行数据包括所述用户对应的唯一可识别ID、出行时间、出行起点和出行终点。
可选地,根据所述大数据特征线判断任意两个大数据特征点之间的线路是否为干线线路,包括:获取任意两个大数据特征点之间的大数据特征线所对应的像素信息,并根据所述像素信息判断该大数据特征线的像素值是否大于预设的像素阈值。
可选地,在根据所述大数据特征线判断任意两个大数据特征点之间的线路是否为干线线路之后,还包括:计算每个大数据特征点到所述干线线路的垂直距离,并判断所述垂直距离是否小于预设的第一距离阈值;如果是,则将该大数据特征点作为该干线线路对应的环线特征点,以便根据所述环线特征点生成环线分析报告。
可选地,在将该大数据特征点作为该干线线路对应的环线特征点之后,还包括:获取所述干线线路上每个站点的站点信息,并根据所述站点信息计算干线线路上各站点与所述环线特征点之间的直线距离,以及判断所述直线距离是否小于预设的第二距离阈值;如果是,则将该站点作为该环线特征点对应的候选站点;获取每个候选站点对应的客流量信息,并根据所述客流量信息选取环线站点,以便根据所述环线站点和所述环线特征点生成环线分析报告。
为达到上述目的,本发明第二方面实施例提出了一种计算机可读存储介质,其上存储有交通出行大数据分析程序,该交通出行大数据分析程序被处理器执行时实现如上述的交通出行大数据分析方法。
根据本发明实施例的计算机可读存储介质,通过存储交通出行大数据分析程序,以使得处理器在执行该交通出行大数据分析程序时,实现如上述的交通出行大数据分析方法,从而实现对大量出行数据进行有效分析,进而对交通规划提供可靠的分析结果,提高交通资源利用率。
为达到上述目的,本发明第三方面实施例提出了一种计算机设备,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,所述处理器执行所述程序时,实现如上述的交通出行大数据分析方法。
根据本发明实施例的计算机设备,通过存储器对交通出行大数据分析程序进行存储,以使得处理器在执行该存储器上存储的交通出行大数据分析时,实现如上述的交通出行大数据分析方法,从而实现对大量出行数据进行有效分析,进而对交通规划提供可靠的分析结果,提高交通资源利用率。
附图说明
图1为根据本发明实施例的交通出行大数据分析方法的流程示意图;
图2为根据本发明实施例的用户类别分析过程的流程示意图;
图3为根据本发明实施例的环线分析过程的流程示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
相关技术中,缺乏对现有大量出行数据的有效利用,分析方式单一,使得最终分析结果的可参考性差,根据本发明实施例的交通出行大数据分析方法,首先,获取待分析区域的综合信息,并根据该综合信息提取待分析区域的大数据特征点,接着,获取用户的出行数据,并根据出行数据计算用户对应的出行路线,以及根据该出行路线的起点和终点进行大数据特征点的匹配,以完成大数据特征线的绘制;然后,根据大数据特征线判断任意两个大数据特征点之间的线路是否为干线线路,并根据判断结果生成干线分析报告,从而实现对大量出行数据进行有效分析,进而对交通规划提供可靠的分析结果,提高交通资源利用率。
为了更好的理解上述技术方案,下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
请参阅图1,图1为根据本发明实施例的交通出行大数据分析方法的流程示意图,如图1所示,该交通出行大数据分析方法包括以下步骤:
S101,获取待分析区域的综合信息,并根据综合信息提取待分析区域的大数据特征点。
也就是说,首先,获取待分析区域的综合信息,然后,根据获取到的综合信息对待分析区域进行分析,以提取待分析区域中的大数据特征点。
其中,综合信息可以包含多种数据。
作为一种示例,综合信息包括人口数据、资源数据、环境数据、经济数据、社会文化数据等。
作为另一种示例,综合信息包括待分析区域中的学校信息(例如,学校分布、学校师资、学校生源等)、医院信息、企业信息(例如,区域中企业数量、每个企业对应的员工数量、企业纳税情况等)、绿化面积信息、行政分布信息等。
因此,在此不对综合信息的具体内容进行限定。
可以理解,通过对综合信息进行分析,即可有效提取待分析区域中的大数据特征点,例如,在获取到企业信息之后,如果当前范围内企业数量大于预设数量阈值,且企业纳税大于预设的纳税阈值,同时,当前范围内类型为工业制造类的企业大于80%,则认为当前范围为工业园区,提取当前范围的几何中心点为大数据特征点,并为该大数据特征点赋值为工业园区。
S102,获取用户的出行数据,并根据出行数据计算用户对应的出行路线,以及根据出行路线的起点和终点进行大数据特征点的匹配,以完成大数据特征线的绘制。
也就是说,获取用户在出行过程中产生的出行数据,并根据该出行数据计算该用户对应的出行路线,以及根据出行路线的起点和重点进行大数据特征点的匹配,以完成该用户对应的大数据特征线的绘制。
其中,用户的出行数据包含的信息可以有多种。
作为一种示例,出行数据包括用户对应的唯一可识别ID(例如,手机号码、及时通信账号、身份证号、银行卡号等)、出行时间、出行起点和出行终点。
作为另一种示例,出行数据包括用户出行所使用的交通工具信息(例如,车牌号码、公交车车牌信息等)、出行数据对应的时间信息、关联出行信息(例如,同乘人员数量、同乘人员信息等)。
其中,获取用户的出行数据,并根据该出行数据计算该用户对应的出行路线的方式可以有多种。
作为一种示例,当用户的出行方式为自驾出行时,通过用户出入停车场的数据进行用户出行数据的获取,用户驶出停车场的地点可视为出行起点,而用户驶入停车场的地点可视为出行终点。
作为另一种示例,当用户的出行方式为乘坐地铁时,可以通过用户出入地铁站点时所产生的数据来获取用户的出行数据。
作为又一种方式,当用户的出行方式为乘坐公交时,可以通过用户在公交车上的刷卡行为来获取用户的出行数据。具体地,当一自然日为统计频率时,当天用户的第一次刷卡站点可视为用户出行起点,而下一次刷卡站点则可视为第一次刷卡站点对应的出行终点。
可以理解,在出行起点与出行终点确定之后,出行起点与出行终点的定位信息可知,而大数据特征点的定位信息也是可知的,从而,可以通过定位信息的匹配,为出行起点和出行终点匹配与之在距离上最为接近的大数据特征点,并在匹配完成之后,对两个大数据特征点进行连线,以完成大数据特征线的绘制。
S103,根据大数据特征线判断任意两个大数据特征点之间的线路是否为干线线路,并根据判断结果生成干线分析报告。
也就是说,当对每个用户对应的大数据特征线进行绘制之后,则可以根据所有的大数据特征线对任意两个大数据特征点之间的线路进行分析,从而判断该线路是否为干线线路,并根据判断结果生成待分析区域对应的干线分析报告。
其中,根据大数据特征线判断任意两个大数据特征点之间的线路是否为干线线路的方式可以有多种。
作为一种示例,首先,为任意两个大数据特征点之间的线路分配唯一可识别ID,并为该唯一可识别ID关联大数据特征线统计数量,设定初始值为0,接着,当任意两个大数据特征点绘制大数据特征线之后,对与其关联的大数据特征线统计数量进行加1的操作,以对大数据特征线的数量进行统计;然后,在分析过程中,判断任意两个大数据特征点之间的大数据特征线的数量是否大于预设的数量阈值,如果是,则认为该任意两个大数据特征点之间的线路为干线线路。
作为另一种示例,根据大数据特征线判断任意两个大数据特征点之间的线路是否为干线线路,包括:获取任意两个大数据特征点之间的大数据特征线所对应的像素信息,并根据像素信息判断该大数据特征线的像素值是否大于预设的像素阈值。
即言,首先,预设任意两个大数据特征点之间连线的划线区域,接着,在需要进行任意两个大数据特征点之间绘制大数据特征线时,在指定的划线区域进行两个点之间的连线;然后,在分析过程中,获取指定划线区域的像素值,并判断该像素值是否达到预设的像素阈值来判断当前两个大数据特征点之间的线路是否为干线线路。
可以理解,首先,在根据待分析区域的综合信息进行大数据特征点的提取,接着,根据提取的大数据特征点结合每个用户的出行数据进行大数据特征线的绘制,从而,在对大量用户对应的大数据特征线进行绘制之后,即可形成可视化的待分析区域的大数据交通出行画像;即言,通过这种“点-线-面”的方式,可以直观地对待分析区域的大数据交通出行状况进行展示;具体地,管理者可以通过该大数据交通出行画像中任意两个特征点之间的大数据特征线的颜色深度、粗细程度等可视化特征判断任意两个特征点之间的交通出行状况,从而大大提高决策者的分析判断准确性和效率。
在一些实施例中,为了提高大数据特征线的绘制准确率,如图2所示,本发明实施例提出的交通出行大数据分析方法在根据出行数据计算用户对应的出行路线之前,还包括:
S201,根据出行数据计算该用户在预设时段内的出行次数。
S202,判断出行次数是否大于预设的次数阈值;如果是,则执行步骤S203;如果否,则执行步骤S204。
S203,将该用户作为高频用户。
S204,将该用户作为低频用户。
其中,预设时段的方式可以有多种,例如,可以将时间划分为工作日、非工作日、节假日,以生成多个预设时段;或者,将工作日划分为通勤时段和非通勤时段,而非工作日则不作划分;或者,根据每个线路的客流量信息将每个线路对应的预设时段划分为高峰时段和非高峰时段;因此,在此不对时段的预设方式进行限定。
作为一种示例,首先,将时间划分为工作日和非工作日,其中,工作日划分为通勤时段(例如,早上7点至早上9点、下午5点至下午7点)和非通勤时段;接着,获取用户的出行数据,并根据该出行数据判断用户在通勤时段内的出行次数是否大于预设的次数阈值(例如,将次数阈值设置为2),如果是,则认为该用户为高频用户,如果否,则认为该用户为低频用户,从而,当用户为高频用户时,可以根据该高频用户在通勤时段内的出行数据计算该高频用户的第一出行路线,而如果用户为低频用户,则可以根据该低频用户在非通勤时段内的出行数据计算该低频用户的第二出行路线。
在一些实施例中,为了提高本发明实施例提出的交通出行大数据分析方法的分析结果可参考性,如图3所示,在根据大数据特征线判断任意两个大数据特征点之间的线路是否为干线线路之后,还包括:
S301,计算每个大数据特征点到干线线路的垂直距离。
S302,判断垂直距离是否小于预设的第一距离阈值。
S303,如果是,则将该大数据特征点作为该干线线路对应的环线特征点。
S304,获取干线线路上每个站点的站点信息,并根据站点信息计算干线线路上各站点与环线特征点之间的直线距离。
S305,判断直线距离是否小于预设的第二距离阈值。
S306,如果是,则将该站点作为该环线特征点对应的候选站点。
S307,获取每个候选站点对应的客流量信息,并根据客流量信息选取环线站点,以便根据环线站点和环线特征点生成环线分析报告。
作为一种示例,首先预设第一距离阈值为5KM,接着,在干线线路确定之后,计算每个大数据特征点到干线线路的垂直距离,并判断该垂直距离是否小于5KM,如果是,则认为该大数据特征点是该干线线路对应的环线特征点,然后,在确定环线特征点之后,获取干线线路上每个站点的站点信息(例如,站点名称、站点经纬度信息等),并根据站点信息计算干线线路上各个站点与环线特征之间的直线距离,以及判断该直线距离是否小于预设的第二距离阈值,如果是,则将该站点作为该环线特征点对应的候选站点;接着,获取每个候选站点所对应的客流量信息,并根据客流量信息选取环线站点,以便根据环线站点和环线特征点生成环线分析报告。可以理解,该环线分析的目的在于解决人们出行过程中“最后一公里”(即离开主干道之后的出行路程)的交通问题,而为了合理地安排环线交通的设置,首先,获取干线线路可达的大数据特征点,而在选取之后,后续在进行交通规划时,可以将该大数据特征点作为公交的候选站点、共享单车候选投放点等;进一步地,根据大数据特征点与干线线路之间的距离获取候选站点,并根据候选站点的客流量进行环线站点的选取,从而,可以为公交线路的选取、共享单车投放点的选取提供依据。
可以理解,在交通大数据出行画像中以可视化的形式对干线线路分析结果和环线线路分析结果进行展示,可以使得决策者在交通规划的过程中获取更多的可靠信息;并且,该信息的获取方式直接、快捷;大幅降低决策者在决策过程中的分析判断过程,同时,提高决策准确性。
综上所述,根据本发明实施例的交通出行大数据分析方法,首先,获取待分析区域的综合信息,并根据该综合信息提取待分析区域的大数据特征点,接着,获取用户的出行数据,并根据出行数据计算用户对应的出行路线,以及根据该出行路线的起点和终点进行大数据特征点的匹配,以完成大数据特征线的绘制;然后,根据大数据特征线判断任意两个大数据特征点之间的线路是否为干线线路,并根据判断结果生成干线分析报告,从而实现对大量出行数据进行有效分析,进而对交通规划提供可靠的分析结果,提高交通资源利用率。
为了实现上述实施例,本发明实施例提出了一种计算机可读存储介质,其上存储有交通出行大数据分析程序,该交通出行大数据分析程序被处理器执行时实现如上述的交通出行大数据分析方法。
根据本发明实施例的计算机可读存储介质,通过存储交通出行大数据分析程序,以使得处理器在执行该交通出行大数据分析程序时,实现如上述的交通出行大数据分析方法,从而实现对大量出行数据进行有效分析,进而对交通规划提供可靠的分析结果,提高交通资源利用率。
为了实现上述实施例,本发明实施例提出了一种计算机设备,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,所述处理器执行所述程序时,实现如上述的交通出行大数据分析方法。
根据本发明实施例的计算机设备,通过存储器对交通出行大数据分析程序进行存储,以使得处理器在执行该存储器上存储的交通出行大数据分析时,实现如上述的交通出行大数据分析方法,从而实现对大量出行数据进行有效分析,进而对交通规划提供可靠的分析结果,提高交通资源利用率。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
应当注意的是,在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
在本发明的描述中,需要理解的是,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不应理解为必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (7)
1.一种交通出行大数据分析方法,其特征在于,包括以下步骤:
获取待分析区域的综合信息,并根据所述综合信息提取所述待分析区域的大数据特征点;
获取用户的出行数据,并根据所述出行数据计算用户对应的出行路线,以及根据所述出行路线的起点和终点进行大数据特征点的匹配,以完成大数据特征线的绘制;
根据所述大数据特征线判断任意两个大数据特征点之间的线路是否为干线线路,并根据判断结果生成干线分析报告;
其中,在根据所述大数据特征线判断任意两个大数据特征点之间的线路是否为干线线路之后,还包括:
计算每个大数据特征点到所述干线线路的垂直距离,并判断所述垂直距离是否小于预设的第一距离阈值;
如果是,则将该大数据特征点作为该干线线路对应的环线特征点,以便根据所述环线特征点生成环线分析报告;
在将该大数据特征点作为该干线线路对应的环线特征点之后,还包括:
获取所述干线线路上每个站点的站点信息,并根据所述站点信息计算干线线路上各站点与所述环线特征点之间的直线距离,以及判断所述直线距离是否小于预设的第二距离阈值;
如果是,则将该站点作为该环线特征点对应的候选站点;
获取每个候选站点对应的客流量信息,并根据所述客流量信息选取环线站点,以便根据所述环线站点和所述环线特征点生成环线分析报告。
2.如权利要求1所述的交通出行大数据分析方法,其特征在于,在根据所述出行数据计算用户对应的出行路线之前,还包括:
根据所述出行数据计算该用户在预设时段内的出行次数,并判断所述出行次数是否大于预设的次数阈值;
如果是,则将该用户作为高频用户;
如果否,则将该用户作为低频用户。
3.如权利要求2所述的交通出行大数据分析方法,其特征在于,根据所述出行数据计算用户对应的出行路线,包括:
根据高频用户在预设时段内的出行数据计算该高频用户的第一出行路线;
根据低频用户在非预设时段内的出行数据计算该低频用户的第二出行路线。
4.如权利要求1所述的交通出行大数据分析方法,其特征在于,所述出行数据包括所述用户对应的唯一可识别ID、出行时间、出行起点和出行终点。
5.如权利要求1所述的交通出行大数据分析方法,其特征在于,根据所述大数据特征线判断任意两个大数据特征点之间的线路是否为干线线路,包括:
获取任意两个大数据特征点之间的大数据特征线所对应的像素信息,并根据所述像素信息判断该大数据特征线的像素值是否大于预设的像素阈值。
6.一种计算机可读存储介质,其特征在于,其上存储有交通出行大数据分析程序,该交通出行大数据分析程序被处理器执行时实现如权利要求1-5中任一项所述的交通出行大数据分析方法。
7.一种计算机设备,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程序时,实现如权利要求1-5中任一项所述的交通出行大数据分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911166259.2A CN110992686B (zh) | 2019-11-25 | 2019-11-25 | 交通出行大数据分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911166259.2A CN110992686B (zh) | 2019-11-25 | 2019-11-25 | 交通出行大数据分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110992686A CN110992686A (zh) | 2020-04-10 |
CN110992686B true CN110992686B (zh) | 2021-07-20 |
Family
ID=70086605
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911166259.2A Active CN110992686B (zh) | 2019-11-25 | 2019-11-25 | 交通出行大数据分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110992686B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114202254B (zh) * | 2022-02-15 | 2022-05-27 | 中国矿业大学(北京) | 一种城市轨道交通通勤分布估计方法及系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002190013A (ja) * | 2000-12-21 | 2002-07-05 | Nec Corp | 画像認識による渋滞検知システム及び渋滞検知方法 |
CN102637357B (zh) * | 2012-03-27 | 2013-11-06 | 山东大学 | 一种区域交通状态评价方法 |
CN106295868A (zh) * | 2016-08-03 | 2017-01-04 | 重庆市索美智能交通通讯服务有限公司 | 交通出行数据处理方法及装置 |
CN106781490A (zh) * | 2016-12-29 | 2017-05-31 | 广州交通信息化建设投资营运有限公司 | 城市道路交通运行分析评价系统 |
CN107886723B (zh) * | 2017-11-13 | 2021-07-20 | 深圳大学 | 一种交通出行调查数据处理方法 |
-
2019
- 2019-11-25 CN CN201911166259.2A patent/CN110992686B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110992686A (zh) | 2020-04-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019237522A1 (zh) | 车辆租赁方法、装置、计算机设备和存储介质 | |
CN109299438B (zh) | 一种基于网约车数据的公共交通设施供给水平评价方法 | |
CN110222959B (zh) | 一种基于大数据的城市就业可达性测算方法及系统 | |
WO2018058967A1 (zh) | 公交路线推荐方法、装置、设备及计算机存储介质 | |
Chakirov et al. | Use of public transport smart card fare payment data for travel behaviour analysis in Singapore | |
CN112863172B (zh) | 高速公路交通运行状态判定方法、预警方法、装置及终端 | |
WO2015096400A1 (zh) | 一种利用移动通信数据挖掘进行公交规划的方法 | |
CN104809344A (zh) | 一种基于ic卡数据的公交站点区间客流估计方法 | |
CN105206046A (zh) | 基于大数据的出租车服务站选址及可行性评价方法 | |
CN103699969A (zh) | 一种工单分配方法和装置 | |
CN114363842B (zh) | 基于手机信令数据的公交乘客下车站点预测方法及装置 | |
CN111932925A (zh) | 一种公共交通站点的出行客流的确定方法、装置及系统 | |
CN108427679B (zh) | 一种人流分布处理方法及其设备 | |
Martin et al. | Understanding travel behavior: Research scan | |
EP2495696A1 (en) | Management server, population information calculation management server, zero population distribution area management method, and population information calculation method | |
CN109035768B (zh) | 一种出租车绕路行为的识别方法 | |
CN105489021A (zh) | 一种基于用户行为数据的车主身份识别方法及装置 | |
CN103903437A (zh) | 基于视频交通检测数据的机动车出行od矩阵获取方法 | |
CN110992686B (zh) | 交通出行大数据分析方法 | |
CN105336155A (zh) | 公交班次加派方法及系统 | |
CN115083161A (zh) | 车辆停留点的评估方法、装置、电子设备及可读存储介质 | |
Zhou et al. | Big data for intrametropolitan human movement studies A case study of bus commuters based on smart card data | |
CN108596381B (zh) | 基于od数据的城市停车需求预测方法 | |
CN111612493A (zh) | 一种用户分群方法及装置 | |
CN110992081A (zh) | 用于线下服务商的数据处理方法及装置 |
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 |