CN111178577A - 一种基于geohash算法的服务站选址方法 - Google Patents
一种基于geohash算法的服务站选址方法 Download PDFInfo
- Publication number
- CN111178577A CN111178577A CN201911159518.9A CN201911159518A CN111178577A CN 111178577 A CN111178577 A CN 111178577A CN 201911159518 A CN201911159518 A CN 201911159518A CN 111178577 A CN111178577 A CN 111178577A
- Authority
- CN
- China
- Prior art keywords
- geohash
- vehicle
- data
- track
- service 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.)
- Granted
Links
- 238000010187 selection method Methods 0.000 title claims abstract description 14
- 230000002159 abnormal effect Effects 0.000 claims description 33
- 238000010586 diagram Methods 0.000 claims description 19
- 238000000034 method Methods 0.000 claims description 16
- 238000003032 molecular docking Methods 0.000 claims description 16
- 239000003086 colorant Substances 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000000611 regression analysis Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000013459 approach Methods 0.000 claims description 3
- 238000011835 investigation Methods 0.000 abstract description 7
- 238000005457 optimization Methods 0.000 abstract description 4
- 238000007405 data analysis Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
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"
- G06Q10/043—Optimisation of two dimensional placement, e.g. cutting of clothes or wood
-
- G06Q50/40—
Abstract
本发明公开了一种基于GEOHASH特征值的汽车服务站选址方法,以运行车辆进行数据采集,整合车辆实时数据、路网数据、服务站信息,根据车辆实际运行轨迹和停靠轨迹,以高频行车区域,匹配出现有服务盲区,在服务盲区查找高频停靠点,确定为推荐的新建服务站地址,可以识别现有服务的盲区,并有针对性的指导新服务站部署,不仅节省人为考察的效率低、成本高问题,而且为高效的宏观布局提供依据,以实现对现有服务网络布局优化、科学识别服务网络空白区域,从而解决当前人工实地考察低效问题。
Description
技术领域
本发明属于车联网技术领域,涉及一种基于GEOHASH特征值的汽车服务站选址方法。
背景技术
服务站是高速公路必要的服务场所,传统的服务站选址主要靠人为实地考察、测量等方式,反复确认后确定。这样不仅浪费大量的人力物力、财力,成本高、且效率低。为了更好的提供服务,有必要提出一种新的选址方法。
发明内容
本发明解决的技术问题在于提供一种基于GEOHASH特征值的汽车服务站选址方法,通过大数据分析,以商用车汽车市场保有量为基础,整合车辆实时数据进行选址,以实现对现有服务网络布局优化。
本发明是通过以下技术方案来实现:
一种基于GEOHASH特征值的汽车服务站选址方法,包括以下操作:
1)采集服务器接收的运行车辆所安装的车载终端实时发送的车辆行驶数据,然后对采集的源数据根据解析协议进行解析处理,得到包括车辆终端号、数据生成时间、经纬度坐标、导航数据在内的数据维度;
2)对数据维度内的异常数据进行过滤,得到车辆轨迹数据;
3)采用GEOHASH算法对车辆轨迹数据进行轨迹热点和停靠热点计算,其中轨迹热点计算为:根据车辆导航数据,将车辆的运行轨迹绘制在地图上;按照轨迹出现的频次高低,用颜色区分出不同轨迹频次的高低,最终形成轨迹热力图;针对全量的导航数据进行GEOHASH计算,统计车辆进入每个 GEOHASH编码范围内的次数;
所述的停靠热点计算为:根据停靠事件的定义,在车辆导航数据中将发生停靠的区域提取出来,绘制在地图上,并用颜色区分出不同停靠频次的高低,最终形成停靠热力图;根据停靠时间区分为长时停靠区域、白天停靠区域、夜晚停靠区域,分别提取出3类停靠区域并在停靠热力图上标示;
4)循环执行1)至3),直至一段时间内的全部车辆轨迹数据处理完毕;循环执行期间内,分别对轨迹热点和停靠热点中具有相同的GEOHASH特征值出现的次数进行累加;
5)通过GEOHASH特征值查询行政编码映射表,得到各省市的 GEOHASH特征值,按省市区域分类分别计算出每个GEOHASH特征值的位置与各省市已有服务站的距离;
6)通过回归分析选出轨迹和停靠GEOHASH特征值大、且与已有服务站距离远的轨迹GEOHASH特征值和停靠GEOHASH特征值,以其经纬度坐标作为新建服务站选址的位置,并映射在地图上。
所述的采集的源数据至少包括10万辆运行车辆发来的车辆行驶数据。
所述的对异常数据的过滤是去除异常车辆终端号、异常数据生成时间和异常经纬度坐标;
所述的异常车辆终端号为:数据格式错误的车辆终端号;
异常数据生成时间为:数据生成时间超出当前日期一定期限;
所述的异常经纬度坐标为:对每辆车上传的经纬度坐标按照时间进行排序,依次计算车辆在连续相邻两个位置之间的距离、时间,如果速度大于预设阈值,则判定为异常经纬度坐标。
所述GEOHASH算法是根据二分递归法对划定范围的边界经纬度进行逼近编码,得到GEOHASH特征值;设地球纬度区间是[-90,90],某地或边界的纬度是x、经度为y,其纬度或经度的逼近编码为:
1)在区间[-90,90]进行二分为[-90,0),[0,90],称为左右区间,若x或y属于右区间[0,90],则给标记为1;
2)接着将区间[0,90]进行二分为[0,45),[45,90],若x或y属于左区间 [0,45),则给标记为0;
3)递归上述过程,x总是属于某个区间[a,b],在递归中属于左区间则记录0,属于右区间则记录1;
4)随着递归进行每次迭代区间[a,b]的缩小,并越来越逼近其纬度或经度;则产生一个由0和/或1组成的序列表示其纬度或经度,序列的长度与给定的区间划分次数相关;
5)然后依据偶数位放经度,奇数位放纬度的设置,把纬度、经度的序列编码组合生成其地址编码串;
6)将地址编码串转成十进制,再进行base32编码,得到GEOHASH特征值。
进一步的,在进行轨迹热点和停靠热点计算时,轨迹热点的GEOHASH 特征值为5位编码长度;停靠热点的GEOHASH特征值为7位编码长度;
对相同的GEOHASH特征值进行累加是对具有相同编码的字符串进行出现次数的累加;
所述的停靠事件的定义为:进入任意编码长度为7的GEOHASH编码的区域,停留时间大于10分钟认为车辆在该区域发生停靠。
进一步的,在统计车辆进入每个GEOHASH编码范围内的次数时,若一分钟时间范围内连续60条数据属于同一个GEOHASH范围则只记为1次,如果中间有一次在其他GEOHASH范围内则记为2次。
进一步的,所述的GEOHASH特征值大的筛选为:
按照省市分类,对省市区域内的GEOHASH特征值分别进行排序,选取属于现有服务站盲区位置排名前10~20的热点区域,当作新建服务站选址的位置;所述的盲区为距离现有任意服务站大于5公里的区域。
与现有技术相比,本发明具有以下有益的技术效果:
本发明提供的基于GEOHASH特征值的汽车服务站选址方法,通过大数据分析,以商用车汽车市场保有量为基础,整合车辆实时数据、路网数据、服务站信息,根据车辆实际运行轨迹和停靠轨迹,以高频行车区域,匹配出现有服务盲区,在服务盲区查找高频停靠点,确定为推荐的新建服务站地址,可以识别现有服务的盲区,并有针对性的指导新服务站部署,不仅节省人为考察的效率低、成本高问题,而且为高效的宏观布局提供依据,以实现对现有服务网络布局优化、科学识别服务网络空白区域,从而解决当前人工实地考察低效问题。
附图说明
图1为本发明的方法流程示意图;
图2为区域的GeoHash字符串示意图;
图3为本发明展示的全国范围内的选址的区域和地址示意图;
图4为西北地区的选址的区域和地址示意图;
图5为华南地区的选址的区域和地址示意图;
图6为服务站点位置示意图。
具体实施方式
下面结合实施例对本发明做进一步详细描述,所述是对本发明的解释而不是限定。
参见图1,一种基于GEOHASH特征值的汽车服务站选址方法,包括以下操作:
1)采集服务器接收的运行车辆所安装的车载终端实时发送的车辆行驶数据,然后对采集的源数据根据解析协议进行解析处理,得到包括车辆终端号、数据生成时间、经纬度坐标、导航数据在内的数据维度;
2)对数据维度内的异常数据进行过滤,得到车辆轨迹数据;
3)采用GEOHASH算法对车辆轨迹数据进行轨迹热点和停靠热点计算,其中轨迹热点计算为:根据车辆导航数据,将车辆的运行轨迹绘制在地图上;按照轨迹出现的频次高低,用颜色区分出不同轨迹频次的高低,最终形成轨迹热力图;针对全量的导航数据进行GEOHASH计算,统计车辆进入每个 GEOHASH编码范围内的次数;
所述的停靠热点计算为:根据停靠事件的定义,在车辆导航数据中将发生停靠的区域提取出来,绘制在地图上,并用颜色区分出不同停靠频次的高低,最终形成停靠热力图;根据停靠时间区分为长时停靠区域、白天停靠区域、夜晚停靠区域,分别提取出3类停靠区域并在停靠热力图上标示;
4)循环执行1)至3),直至一段时间内的全部车辆轨迹数据处理完毕;循环执行期间内,分别对轨迹热点和停靠热点中具有相同的GEOHASH特征值出现的次数进行累加;
5)通过GEOHASH特征值查询行政编码映射表,得到各省市的 GEOHASH特征值,按省市区域分类分别计算出每个GEOHASH特征值的位置与各省市已有服务站的距离;
6)通过回归分析选出轨迹和停靠GEOHASH特征值大、且与已有服务站距离远的轨迹GEOHASH特征值和停靠GEOHASH特征值,以其经纬度坐标作为新建服务站选址的位置,并映射在地图上。
进一步的,所述的采集的源数据至少包括10万辆运行车辆发来的车辆行驶数据。具体的,实施例中采集了接入的56万车辆数据进行了全国、西北、华北区域的选址分析。
进一步的,所述的对异常数据的过滤是去除异常车辆终端号、异常数据生成时间和异常经纬度坐标;
所述的异常车辆终端号为:数据格式错误的车辆终端号;
异常数据生成时间为:数据生成时间超出当前日期一定期限;比如只处理10天以前至当前时刻的数据,不属于这个时间范围内生成的数据当作异常数据处理;
所述的异常经纬度坐标为:对每辆车上传的经纬度坐标按照时间进行排序,依次计算车辆在连续相邻两个位置之间的距离、时间,如果速度大于预设阈值,则判定为异常经纬度坐标。
进一步的,所述GEOHASH算法是根据二分递归法对划定范围的边界经纬度进行逼近编码,得到GEOHASH特征值;设地球纬度区间是[-90,90],某地或边界的纬度是x、经度为y,其纬度或经度的逼近编码为:
1)在区间[-90,90]进行二分为[-90,0),[0,90],称为左右区间,若x或y属于右区间[0,90],则给标记为1;
2)接着将区间[0,90]进行二分为[0,45),[45,90],若x或y属于左区间 [0,45),则给标记为0;
3)递归上述过程,x总是属于某个区间[a,b],在递归中属于左区间则记录0,属于右区间则记录1;
4)随着递归进行每次迭代区间[a,b]的缩小,并越来越逼近其纬度或经度;则产生一个由0和/或1组成的序列表示其纬度或经度,序列的长度与给定的区间划分次数相关;
5)然后依据偶数位放经度,奇数位放纬度的设置,把纬度、经度的序列编码组合生成其地址编码串;
6)将地址编码串转成十进制,再进行base32编码,得到GEOHASH特征值。
具体的,在进行轨迹热点和停靠热点计算时,轨迹热点的GEOHASH特征值为5位编码长度;停靠热点的GEOHASH特征值为7位编码长度;
对相同的GEOHASH特征值进行累加是对具有相同编码的字符串进行出现次数的累加;
所述的停靠事件的定义为:进入任意编码长度为7的GEOHASH编码的区域,停留时间大于10分钟认为车辆在该区域发生停靠。
当在统计车辆进入每个GEOHASH编码范围内的次数时,若一分钟时间范围内连续60条数据属于同一个GEOHASH范围则只记为1次,如果中间有一次在其他GEOHASH范围内则记为2次。
具体的,所述的GEOHASH特征值大的筛选为:
按照省市分类,对省市区域内的GEOHASH特征值分别进行排序,选取属于现有服务站盲区位置排名前10~20的热点区域,当作新建服务站选址的位置;所述的盲区为距离现有任意服务站大于5公里的区域。
下面给出具体的GEOHASH特征值确定的实施例:
设地球纬度区间是[-90,90],北海公园的纬度是39.928167,可以通过下面算法对纬度39.928167进行逼近编码:
1)区间[-90,90]进行二分为[-90,0),[0,90],称为左右区间,可以确定39.928167属于右区间[0,90],给标记为1;
2)接着将区间[0,90]进行二分为[0,45),[45,90],可以确定39.928167属于左区间[0,45),给标记为0;
3)递归上述过程39.928167总是属于某个区间[a,b]。随着每次迭代区间 [a,b]总在缩小,并越来越逼近39.928167;
4)如果给定的纬度x(39.928167)属于左区间,则记录0,如果属于右区间则记录1,这样随着算法的进行会产生一个序列1011100,序列的长度跟给定的区间划分次数有关。
根据以下纬度逼近算编码
同理,地球经度区间是[-180,180],可以对经度116.389550进行编码;根据以下经度算编码
bit | min | mid | max |
1 | -180 | 0.000 | 180 |
1 | 0.000 | 90 | 180 |
0 | 90 | 135 | 180 |
1 | 90 | 112.5 | 135 |
0 | 112.5 | 123.75 | 135 |
0 | 112.5 | 118.125 | 123.75 |
1 | 112.5 | 115.3125 | 118.125 |
0 | 115.3125 | 116.71875 | 118.125 |
1 | 115.3125 | 116.015625 | 116.71875 |
1 | 116.015625 | 116.3671875 | 116.71875 |
通过上述计算,北海公园纬度产生的编码为10111 00011,经度产生的编码为11010 01011;偶数位放经度,奇数位放纬度,把2串编码组合生成新串: 11100 1110100100 01111。
最后使用用0-9、b-z(去掉a,i,l,o)这32个字母进行base32编码,首先将1110011101 00100 01111转成十进制,对应着28、29、4、15,十进制对应的编码就是wx4g。
GeoHash将二维的经纬度转换成字符串,比如图2展示了北京9个区域的GeoHash字符串,分别是WX4ER,WX4G2、WX4G3等等,每一个字符串代表了某一矩形区域,字符串越长,表示的范围越精确,比如下表所示的范围。
可以看出,当geohash base32编码长度为5时,精度在2.4千米左右,而当编码长度为7时,精度在76米左右,轨迹热点和停靠热点选择编码长度分别为5和7。
下面给出基于GEOHASH特征值的汽车服务站选址方法的实施例,具体包括以下步骤:
步骤一,车辆轨迹数据提取:车载终端实时采集车辆行驶数据,上报存储于服务器数据库;然后采集的源数据并根据协议进行解析处理得到(EC2 标准协议)数据维度,需要提取的数据维度包括:车辆终端号、数据生成时间、经纬度坐标。
步骤二,车辆轨迹数据清洗:对异常时间、异常终端号(数据格式)、异常经纬度坐标的数据进行过滤;其中,异常经纬度坐标的判定方式为:对每辆车上报的经纬度坐标按照时间进行排序,依次计算车辆在连续相邻两个位置之间的距离、时间,如果速度大于预设阈值,则判定为异常经纬度坐标。
步骤三,采用GEOHASH算法对解析处理后的车辆轨迹数据进行轨迹热点和停靠热点计算;
轨迹热点:根据车辆GPS数据,将车辆的运行轨迹绘制在地图上,按照轨迹出现的频次高低,用颜色显示出轨迹行驶频次的高低,最终形成轨迹热力图。针对全量的GPS数据进行GEOHASH计算,统计车辆进入每个 GEOHASH范围内的次数(做去重处理)。假如一分钟时间范围内连续60条数据属于同一个GEOHASH只记为1次,如果中间有一次在其他GEOHASH 范围内则记为2次。
停靠热点:根据车辆GPS数据,按照停靠事件定义,将发生停靠的区域提取出来,绘制在地图上,并用颜色显示出停靠频次的高低,最终形成停靠热力图。根据长时停靠区域、白天停靠区域、夜晚停靠区域的定义,分别提取出3类停靠区域并在停靠热力图上标示出来。
步骤四,循环执行步骤一至步骤三,直至一段时间内的全部车辆轨迹数据处理完毕;循环执行期间内,对相同的GEOHASH特征值出现的次数进行累加。
步骤五:通过轨迹GEOHASH特征值查询行政编码映射表得到各省市的 GEOHASH特征值,按省市区域分类分别计算出每个GEOHASH特征值的位置与各省市已有服务站的距离。
步骤六:回归分析选出轨迹GEOHASH特征值大,且与已有服务站距离远的轨迹GEOHASH特征值和停靠GEOHASH特征值,作为新建服务站选址的位置。
下面给出筛选结果的实施例。
按照上述方法,计算2018年的车辆运行数据,在轨迹热点、现有服务站布局基础上,展示出建议选址的区域和地址,如图3所示,其中红圈表示建议选择的区域,圈内五角星表示推荐的新部站地址。
参见图4所示的西北地区的展示,现有服务站分布比较稀疏,推荐站点沿主干道分布,贯穿在主要城市之间。根据图示,重点关注交通干道周边的盲点区域,评价现有服务站的位置(匹配车辆实际轨迹和停靠)能否满足服务要求,进一步筛选出合适的服务站地址。
参见图5所示的华南地区的展示,现有服务站分布比较密集,推荐站点主要分布在现有服务站的间隔“空白”区域,实际是对原服务站布局的查漏补缺,可根据站点整体布局情况,新建站点或对现有服务站位置进行调整。
参见图6所示的服务站点位置示意图,点击圈内五角星,会弹出建议站点的具体位置。本发明不仅节省人为考察的效率低、成本高问题,而且为高效的宏观布局提供依据,以实现对现有服务网络布局优化、科学识别服务网络空白区域,从而解决当前人工实地考察低效问题。
以上给出的实施例是实现本发明较优的例子,本发明不限于上述实施例。本领域的技术人员根据本发明技术方案的技术特征所做出的任何非本质的添加、替换,均属于本发明的保护范围。
Claims (7)
1.一种基于GEOHASH特征值的汽车服务站选址方法,其特征在于,包括以下操作:
1)采集服务器接收的运行车辆所安装的车载终端实时发送的车辆行驶数据,然后对采集的源数据根据解析协议进行解析处理,得到包括车辆终端号、数据生成时间、经纬度坐标、导航数据在内的数据维度;
2)对数据维度内的异常数据进行过滤,得到车辆轨迹数据;
3)采用GEOHASH算法对车辆轨迹数据进行轨迹热点和停靠热点计算,其中轨迹热点计算为:根据车辆导航数据,将车辆的运行轨迹绘制在地图上;按照轨迹出现的频次高低,用颜色区分出不同轨迹频次的高低,最终形成轨迹热力图;针对全量的导航数据进行GEOHASH计算,统计车辆进入每个GEOHASH编码范围内的次数;
所述的停靠热点计算为:根据停靠事件的定义,在车辆导航数据中将发生停靠的区域提取出来,绘制在地图上,并用颜色区分出不同停靠频次的高低,最终形成停靠热力图;根据停靠时间区分为长时停靠区域、白天停靠区域、夜晚停靠区域,分别提取出3类停靠区域并在停靠热力图上标示;
4)循环执行1)至3),直至一段时间内的全部车辆轨迹数据处理完毕;循环执行期间内,分别对轨迹热点和停靠热点中具有相同的GEOHASH特征值出现的次数进行累加;
5)通过GEOHASH特征值查询行政编码映射表,得到各省市的GEOHASH特征值,按省市区域分类分别计算出每个GEOHASH特征值的位置与各省市已有服务站的距离;
6)通过回归分析选出轨迹和停靠GEOHASH特征值大、且与已有服务站距离远的轨迹GEOHASH特征值和停靠GEOHASH特征值,以其经纬度坐标作为新建服务站选址的位置,并映射在地图上。
2.如权利要求1所述的基于GEOHASH特征值的汽车服务站选址方法,其特征在于,所述的采集的源数据至少包括10万辆运行车辆发来的车辆行驶数据。
3.如权利要求1所述的基于GEOHASH特征值的汽车服务站选址方法,其特征在于,所述的对异常数据的过滤是去除异常车辆终端号、异常数据生成时间和异常经纬度坐标;
所述的异常车辆终端号为:数据格式错误的车辆终端号;
异常数据生成时间为:数据生成时间超出当前日期一定期限;
所述的异常经纬度坐标为:对每辆车上传的经纬度坐标按照时间进行排序,依次计算车辆在连续相邻两个位置之间的距离、时间,如果速度大于预设阈值,则判定为异常经纬度坐标。
4.如权利要求1所述的基于GEOHASH特征值的汽车服务站选址方法,其特征在于,所述GEOHASH算法是根据二分递归法对划定范围的边界经纬度进行逼近编码,得到GEOHASH特征值;设地球纬度区间是[-90,90],某地或边界的纬度是x、经度为y,其纬度或经度的逼近编码为:
1)在区间[-90,90]进行二分为[-90,0),[0,90],称为左右区间,若x或y属于右区间[0,90],则给标记为1;
2)接着将区间[0,90]进行二分为[0,45),[45,90],若x或y属于左区间[0,45),则给标记为0;
3)递归上述过程,x总是属于某个区间[a,b],在递归中属于左区间则记录0,属于右区间则记录1;
4)随着递归进行每次迭代区间[a,b]的缩小,并越来越逼近其纬度或经度;则产生一个由0和/或1组成的序列表示其纬度或经度,序列的长度与给定的区间划分次数相关;
5)然后依据偶数位放经度,奇数位放纬度的设置,把纬度、经度的序列编码组合生成其地址编码串;
6)将地址编码串转成十进制,再进行base32编码,得到GEOHASH特征值。
5.如权利要求1或4所述的基于GEOHASH特征值的汽车服务站选址方法,其特征在于,在进行轨迹热点和停靠热点计算时,轨迹热点的GEOHASH特征值为5位编码长度;停靠热点的GEOHASH特征值为7位编码长度;
对相同的GEOHASH特征值进行累加是对具有相同编码的字符串进行出现次数的累加;
所述的停靠事件的定义为:进入任意编码长度为7的GEOHASH编码的区域,停留时间大于10分钟认为车辆在该区域发生停靠。
6.如权利要求1或4所述的基于GEOHASH特征值的汽车服务站选址方法,其特征在于,在统计车辆进入每个GEOHASH编码范围内的次数时,若一分钟时间范围内连续60条数据属于同一个GEOHASH范围则只记为1次,如果中间有一次在其他GEOHASH范围内则记为2次。
7.如权利要求1或4所述的基于GEOHASH特征值的汽车服务站选址方法,其特征在于,所述的GEOHASH特征值大的筛选为:
按照省市分类,对省市区域内的GEOHASH特征值分别进行排序,选取属于现有服务站盲区位置排名前10~20的热点区域,当作新建服务站选址的位置;所述的盲区为距离现有任意服务站大于5公里的区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911159518.9A CN111178577B (zh) | 2019-11-22 | 2019-11-22 | 一种基于geohash算法的服务站选址方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911159518.9A CN111178577B (zh) | 2019-11-22 | 2019-11-22 | 一种基于geohash算法的服务站选址方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111178577A true CN111178577A (zh) | 2020-05-19 |
CN111178577B CN111178577B (zh) | 2023-12-29 |
Family
ID=70653741
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911159518.9A Active CN111178577B (zh) | 2019-11-22 | 2019-11-22 | 一种基于geohash算法的服务站选址方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111178577B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111988746A (zh) * | 2020-09-11 | 2020-11-24 | 腾讯科技(深圳)有限公司 | 用于车辆实时移动轨迹展示的方法、系统及存储介质 |
CN112837197A (zh) * | 2021-01-28 | 2021-05-25 | 南斗六星系统集成有限公司 | 一种基于局部覆盖盲区的专用车服务站选址方法 |
CN112905724A (zh) * | 2021-01-22 | 2021-06-04 | 武汉依迅北斗时空技术股份有限公司 | 一种渣土车可疑消纳场寻找方法及系统 |
CN113393030A (zh) * | 2021-06-11 | 2021-09-14 | 上海钧正网络科技有限公司 | 车辆运营区域潜力站点选址方法、系统、终端及介质 |
CN114500872A (zh) * | 2021-12-30 | 2022-05-13 | 浙江大华技术股份有限公司 | 摄像机与道路信息的匹配方法、计算机设备和存储介质 |
WO2023040883A1 (zh) * | 2021-09-15 | 2023-03-23 | 北京沃东天骏信息技术有限公司 | 区域识别方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105206046A (zh) * | 2015-10-10 | 2015-12-30 | 东南大学 | 基于大数据的出租车服务站选址及可行性评价方法 |
CN106571036A (zh) * | 2016-11-14 | 2017-04-19 | 中国联合网络通信集团有限公司 | 公共交通站点确定方法和装置 |
CN109297492A (zh) * | 2018-09-06 | 2019-02-01 | 中国电子科技集团公司电子科学研究院 | 一种移动轨迹驻停点的确定方法及装置 |
-
2019
- 2019-11-22 CN CN201911159518.9A patent/CN111178577B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105206046A (zh) * | 2015-10-10 | 2015-12-30 | 东南大学 | 基于大数据的出租车服务站选址及可行性评价方法 |
CN106571036A (zh) * | 2016-11-14 | 2017-04-19 | 中国联合网络通信集团有限公司 | 公共交通站点确定方法和装置 |
CN109297492A (zh) * | 2018-09-06 | 2019-02-01 | 中国电子科技集团公司电子科学研究院 | 一种移动轨迹驻停点的确定方法及装置 |
Non-Patent Citations (1)
Title |
---|
索源: "基于出行需求波动的共享单车停放点选址规划研究", 《中国优秀硕士学位论文全文数据库》, no. 7, pages 4 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111988746A (zh) * | 2020-09-11 | 2020-11-24 | 腾讯科技(深圳)有限公司 | 用于车辆实时移动轨迹展示的方法、系统及存储介质 |
CN112905724A (zh) * | 2021-01-22 | 2021-06-04 | 武汉依迅北斗时空技术股份有限公司 | 一种渣土车可疑消纳场寻找方法及系统 |
CN112905724B (zh) * | 2021-01-22 | 2022-06-24 | 武汉依迅北斗时空技术股份有限公司 | 一种渣土车可疑消纳场寻找方法及系统 |
CN112837197A (zh) * | 2021-01-28 | 2021-05-25 | 南斗六星系统集成有限公司 | 一种基于局部覆盖盲区的专用车服务站选址方法 |
CN113393030A (zh) * | 2021-06-11 | 2021-09-14 | 上海钧正网络科技有限公司 | 车辆运营区域潜力站点选址方法、系统、终端及介质 |
WO2023040883A1 (zh) * | 2021-09-15 | 2023-03-23 | 北京沃东天骏信息技术有限公司 | 区域识别方法和装置 |
CN114500872A (zh) * | 2021-12-30 | 2022-05-13 | 浙江大华技术股份有限公司 | 摄像机与道路信息的匹配方法、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111178577B (zh) | 2023-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111178577A (zh) | 一种基于geohash算法的服务站选址方法 | |
CN110264709B (zh) | 基于图卷积网络的道路的交通流量的预测方法 | |
CN107958031B (zh) | 基于融合数据的居民出行od分布提取方法 | |
CN111653096B (zh) | 一种基于手机信令数据的城市出行方式识别方法 | |
CN112288131B (zh) | 公交站点优化方法、电子设备及计算机可读存储介质 | |
CN109815993B (zh) | 基于gps轨迹的区域特征提取、数据库建立及路口识别方法 | |
CN112270460A (zh) | 一种基于多源数据的超重货车货源站点识别方法 | |
CN102779410B (zh) | 一种多源异类海量交通数据融合的并行实现方法 | |
CN111599183B (zh) | 一种自动驾驶场景分类识别系统及方法 | |
CN107194525A (zh) | 一种基于手机信令的城市中心评估方法 | |
CN111210612A (zh) | 基于公交gps数据与站点信息提取公交线路轨迹的方法 | |
CN112734532A (zh) | 基于共享电单车借还车点数据的通勤行为识别方法 | |
CN103310199A (zh) | 基于高分辨率遥感数据的车辆型号识别方法 | |
CN115830729A (zh) | 基于高速公路etc数据融合的车辆出行信息提取方法 | |
CN110460962A (zh) | 轨道交通用户识别方法和装置 | |
CN105608895A (zh) | 一种基于局部异常因子的城市交通拥堵路段检测方法 | |
CN112365595A (zh) | 基于报警数据点要素的鉴别交通事故多发点的分析方法 | |
CN115967950B (zh) | 基于手机数据的特征与时序双驱动城际出行模式辨识方法 | |
CN116061953A (zh) | 一种基于行驶轨迹数据的货车危险驾驶行为判别评价方法 | |
CN116013084A (zh) | 交通管控场景确定方法、装置、电子设备及存储介质 | |
CN115795332A (zh) | 一种用户出行模式识别的方法 | |
CN115630056A (zh) | 一种基于gps轨迹定位的道路巡查量化考核系统及方法 | |
CN109871377B (zh) | 基于车载电子标签数据质量控制的交通异常区段识别方法 | |
CN114091581A (zh) | 一种基于稀疏轨迹的车辆运营行为类型识别方法 | |
CN110942622B (zh) | 一种基于停车场实时运营大数据的停车场规划方法 |
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 |