CN111854786A - 班车路线规划的可视化方法、装置、设备及介质 - Google Patents

班车路线规划的可视化方法、装置、设备及介质 Download PDF

Info

Publication number
CN111854786A
CN111854786A CN202010738467.1A CN202010738467A CN111854786A CN 111854786 A CN111854786 A CN 111854786A CN 202010738467 A CN202010738467 A CN 202010738467A CN 111854786 A CN111854786 A CN 111854786A
Authority
CN
China
Prior art keywords
regular bus
candidate
route
view
bus route
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
CN202010738467.1A
Other languages
English (en)
Inventor
刘强强
李�权
汤春峰
林焕彬
陈天健
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.)
WeBank Co Ltd
Original Assignee
WeBank 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 WeBank Co Ltd filed Critical WeBank Co Ltd
Priority to CN202010738467.1A priority Critical patent/CN111854786A/zh
Publication of CN111854786A publication Critical patent/CN111854786A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34Route searching; Route guidance
    • G01C21/3407Route searching; Route guidance specially adapted for specific applications
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34Route searching; Route guidance
    • G01C21/3407Route searching; Route guidance specially adapted for specific applications
    • G01C21/3423Multimodal routing, i.e. combining two or more modes of transportation, where the modes can be any of, e.g. driving, walking, cycling, public transport
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34Route searching; Route guidance
    • G01C21/3407Route searching; Route guidance specially adapted for specific applications
    • G01C21/343Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34Route searching; Route guidance
    • G01C21/3453Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3492Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/23Clustering techniques
    • G06F18/232Non-hierarchical techniques

Abstract

本发明公开了一种班车路线规划的可视化方法、装置、设备及介质,涉及金融科技领域,所述班车路线规划的可视化方法包括以下步骤:将收集的乘车数据进行聚类后得到可选站点,基于所述可选站点的多维时空信息生成班车路线比较视图,而后基于所述班车路线比较视图输出班车路线比较结果,并基于所述比较结果和筛选条件确定候选班车路线,接下来根据所述候选班车路线中各个站点的多维时空信息确定所述候选班车路线对应的多维考量指标,基于所述多维考量指标生成所述候选班车路线的可视化分析图。本发明提高了班车路线的规划效率,从而减少乘坐班车的员工对应的通勤时间,间接地提高员工的工作效率。

Description

班车路线规划的可视化方法、装置、设备及介质
技术领域
本发明涉及数据可视化技术领域,尤其涉及一种班车路线规划的可视化方法、装置、设备及介质。
背景技术
伴随着城市的规模的扩张和城市区域功能区的划分,企业员工工作地和居住地分离的问题日益严重,并且很多企业的位置在城市的核心区域附近虽然交通便利但是随之而来的也是高额的居住成本,很多员工并不能负担起居住在靠近地铁站或者公交站附近的高昂的房租,即使居住在附近地铁站或者公交站附近,但是这些公共交通的设立是基于整个城市的交通的需求进行规划设计的,运行速度慢并且耗时较长。因此工作地和居住地的分离使得城市居民的平均通勤时间和通行距离在不断的增长。在此背景下企业通勤班车应运而生,企业通勤班车属于定制化通勤班车中的一种。企业通勤班车是企业为方便员工上下班而安排的有固定线路并定时行驶的服务车辆。
目前现有的企业通勤班车的的线路设计主要依赖于人工进行需求分析,收集员工的家庭住址然后人工设置线路。少量自动化的方法,主要集中在对现有的班车线路的改进上,获取某些站点上的员工数据,然后在这个基础上对现有的线路进行优化,或者根据员工的家庭住址设立站点。理想情况下的班车设置不仅仅依赖于位置信息,还和员工的的出行时间,出行的规律模式息息相关,现有的班车路线规划方法无法挖掘出深层次的用户需求,比如有些部门的员工经常需要加班,无法赶上班车。
发明内容
本发明的主要目的在于提供一种班车路线规划的可视化方法、装置、设备及介质,旨在解决现有的班车路线规划的站点和出行时间不合理,导致乘坐班车的员工对应的通勤时间长,间接地影响员工的工作效率的技术问题。
为实现上述目的,本发明提供一种班车路线规划的可视化方法,所述班车路线规划的可视化方法包括步骤:
将收集的乘车数据进行聚类后得到可选站点,基于所述可选站点的多维时空信息生成班车路线比较视图;
基于所述班车路线比较视图输出班车路线比较结果,并基于所述比较结果和筛选条件确定候选班车路线;
根据所述候选班车路线中各个站点的多维时空信息确定所述候选班车路线对应的多维考量指标,基于所述多维考量指标生成所述候选班车路线的可视化分析图。
可选地,所述将收集的乘车数据进行聚类后得到可选站点,基于所述可选站点的多维时空信息生成班车路线比较视图的步骤包括;
获取班车路线对应的起始上车位置的所述乘车数据,对所述乘车数据依次进行角度聚类和距离聚类,根据聚类结果确定所述可选站点,并得到聚类区域数据和聚类系数;
通过第三方平台获取可选站点的位置数据,所述可选站点到达相邻站点的参考距离,并获取所述可选站点在目标时间点到达相邻站点的参考耗时,以及所述可选站点到达替代站点的指标数据;
将所述聚类区域数据、所述聚类系数、所述可选站点的位置数据,所述参考耗时、所述参考距离以及所述指标数据对应保存为所述多维时空信息;
将所述多维时空信息中的一种或多种进行展示,生成所述班车路线比较视图。
可选地,所述班车路线比较视图包括聚类视图、投影视图和路线调整视图,所述将所述多维时空信息中的一种或多种进行展示,生成所述班车路线比较视图的步骤包括:
根据所述聚类区域数据和所述聚类系数构建所述聚类视图;
基于所述聚类视图确定班车路线的行驶方向,根据所述行驶方向对应的可选站点的位置数据,生成所述投影视图;
将所述投影视图确定所述行驶方向的各个可选站点的参考耗时、所述参考距离以及所述指标数据进行表示,生成所述路线调整视图。
可选地,所述基于所述聚类视图确定班车路线的行驶方向,根据所述行驶方向对应的可选站点的位置数据,生成所述投影视图的步骤包括:
获取目标时间点,基于所述目标时间点确定所述行驶方向对应的可选站点;
将所述行驶方向对应的可选站点的位置数据表示在预先生成的地图中,生成所述投影视图。
可选地,所述将所述投影视图确定所述行驶方向的各个可选站点的参考耗时、所述参考距离以及所述指标数据进行表示,生成所述路线调整视图的步骤包括:
利用条形分布图分组显示组内各个可选站点的参考耗时、所述参考距离以及所述指标数据,其中,组内各个可选站点是基于乘车数据的聚类结果确定的;
在各个分组中选择一个可选站点作为候选站点,并将所述各个候选站点进行连线,得到所述路线调整视图。
可选地,所述候选班车路线的可视化分析图包括所述候选班车路线对应的时刻表视图,所述多维考量指标包括但不限于所述候选班车路线到达各个候选站点对应的到达时间、行驶距离;
所述基于所述多维考量指标生成所述候选班车路线的可视化分析图的步骤包括:
将所述到达时间设为所述时刻表的横坐标,将所述行驶距离设为所述时刻表的纵坐标;
根据所述达时间和所述行驶距离确定各个候选站点的坐标值;
分别根据所述坐标值将所述各个候选站点表示在所述坐标中,并将代表所述候选站点的坐标点连线,获得所述时刻表视图。
可选地,所述候选班车路线的可视化分析图包括所述候选班车路线的雷达视图,所述基于所述多维考量指标生成所述候选班车路线的可视化分析图的步骤包括:
基于所述班车路线比较视图获取所述多维考量指标,其中,所述多维考量指标包括但不限于所述候选班车路线对应的乘车人数、平均步行时间和路程、路线行驶时间和路程;
基于所述候选班车路线对应的乘车人数、平均步行时间和路程、路线行驶时间和路程所围成的图形,得到所述候选班车路线的雷达视图。
此外,为实现上述目的,本发明还提供一种班车路线规划的可视化装置,所述班车路线规划的可视化装置包括:
第一生成模块,用于将收集的乘车数据进行聚类后得到可选站点,基于所述可选站点的多维时空信息生成班车路线比较视图;
筛选模块,用于基于所述班车路线比较视图输出班车路线比较结果,并基于所述比较结果和筛选条件确定候选班车路线;
第二生成模块,用于根据所述候选班车路线中各个站点的多维时空信息确定所述候选班车路线对应的多维考量指标,基于所述多维考量指标生成所述候选班车路线的可视化分析图。
此外,为实现上述目的,本发明还提供一种班车路线规划的可视化设备,所述班车路线规划的可视化设备包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的班车路线规划的可视化程序,所述班车路线规划的可视化程序被所述处理器执行时实现班车路线规划的可视化方法的步骤。
此外,为实现上述目的,本发明还提供一种可读存储介质,所述可读存储介质上存储有班车路线规划的可视化程序,所述班车路线规划的可视化程序被处理器执行时实现如上所述的班车路线规划的可视化方法的步骤。
本发明通过将收集的乘车数据进行聚类后得到可选站点,基于所述可选站点的多维时空信息生成班车路线比较视图,而后基于所述班车路线比较视图输出班车路线比较结果,并基于所述比较结果和筛选条件确定候选班车路线,接下来根据所述候选班车路线中各个站点的多维时空信息确定所述候选班车路线对应的多维考量指标,基于所述多维考量指标生成所述候选班车路线的可视化分析图。实现了通过可视视图显示的内容,通过比较视图和分析视图有效挖掘乘坐班车的员工出行时间,出行的规律等深层次的用户需求,从而来合理设置班车路线和站点,进而提高了班车路线的规划效率,从而减少乘坐班车的员工对应的通勤时间,间接地提高员工的工作效率。
附图说明
图1是本发明班车路线规划的可视化方法第一实施例的流程示意图;
图2是本发明班车路线规划的可视化方法实施例中聚类视图的一种示意图;
图3是本发明班车路线规划的可视化方法实施例中投影视图的一种示意图;
图4是本发明班车路线规划的可视化方法实施例中路线调整视图的一种示意图;
图5是本发明班车路线规划的可视化方法实施例中统计视图的一种示意图;
图6是本发明班车路线规划的可视化方法实施例中时刻表视图和雷达视图的一种示意图;
图7是本发明班车路线规划的可视化装置较佳实施例的功能示意图模块图;
图8是本发明班车路线规划的可视化方法实施例方案涉及的硬件运行环境的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提供一种班车路线规划的可视化方法,参照图1,图1为本发明班车路线规划的可视化方法第一实施例的流程示意图。
本发明实施例提供了班车路线规划的可视化方法的实施例,需要说明的是,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
所述班车路线规划的可视化方法包括:
步骤S100,将收集的乘车数据进行聚类后得到可选站点,基于所述可选站点的多维时空信息生成班车路线比较视图;
在本实施例中,乘车数据至少包括:乘车人,乘车的开始时间点和结束时间点,下车点位置和下车点标识,乘车距离。用于规划班车路线的乘车数据可以从公司各个部门员工的打车报销数据中获取,也可以是从历史班车数据中获取。具体地,通过乘车人可以用姓名或工号等标识,根据乘车人可以确定其所在部门,进而统计其所在部门对应的乘车数据。通过乘车的开始时间点和结束时间点,可以计算该乘车记录对应的乘车时间,如果存在多个相同下车点的乘车数据,可以计算从公司到该下车点的平均时间。下车位置一般指下车点实际的经纬度,也就是位置坐标,可以准确标注下车点,下车点标识指其名称,用于识别下车位置,乘车距离可以通过下车位置和公司位置计算得到。
进一步地,收集到的乘车数据的数据量很大,通过聚类后得到有价值的可选站点,然后根据这些可选站点的多维时空信息生成班车路线比较视图。
具体地,步骤S100包括:
步骤S110,获取班车路线对应的起始上车位置的所述乘车数据,对所述乘车数据依次进行角度聚类和距离聚类,根据聚类结果确定所述可选站点,并得到聚类区域数据和聚类系数;
步骤S120,通过第三方平台获取可选站点的位置数据,所述可选站点到达相邻站点的参考距离,并获取所述可选站点在目标时间点到达相邻站点的参考耗时,以及所述可选站点到达替代站点的指标数据;
步骤S130,将所述聚类区域数据、所述聚类系数、所述可选站点的位置数据,所述参考耗时、所述参考距离以及所述指标数据对应保存为所述多维时空信息;
步骤S140,将所述多维时空信息中的一种或多种进行展示,生成所述班车路线比较视图。
在本实施例中,获取班车路线对应的起始上车位置的所述乘车数据,起始上车位置为班车路线对应的始发站,一般情况指公司,为了描述方便,班车路线对应的起始上车位置就默认为公司。
当得到乘车数据后,收集到的乘车数据的数据量巨大,现有技术主要依赖于人工进行需求分析或对现有的班车线路的改进,无法有效的挖掘出深层次的用户需求,导致乘坐班车的员工对应的通勤时间长,间接地影响员工的工作效率,故本申请采用可视化的方法,通过乘车数据确定候选站点,并对候选站点的参数进行比对和分析,从而指导规划班车路线,提高班车路线的规划效率,减少乘坐班车的员工对应的通勤时间,间接地提高员工的工作效率。可视化的视图包括:聚类视图、投影视图、班车路线比较视图、时刻表视图和雷达视图。聚类视图用于显示班车线路的规划数量与班车路线方向的对应关系,其中,聚类数量就是计划开几个方向的班车;投影视图用于显示乘车数据中各下车点在电子地图中的位置;路线调整视图可以显示可选站点的指标参数,根据指标参数可以进行站点筛选;时刻表视图用于显示一条班车路线的所有站点名称以及到达时间等,供用户查看;雷达视图显示班车路线对应的指标数据,可以进行路线之间的比较。
根据乘车数据中各个下车点位置,以公司所在的位置为原点,可以计算得到每个下车点相对于公司的角度,然后进行角度聚类,可以采用K-Means(K均值)聚类方法,得到不同聚类系数对应的聚类区域数据,其中,聚类系数包括聚类数量和聚类的轮廓系数,聚类区域数据包括各个聚类方向对应的下站点数量以及角度分布情况。进一步地,选定一个聚类方向,该聚类方向包括很多的下站点,继续对该聚类方向中的所有下车点进行距离聚类,得到不同聚类对应的可选站点,同一个聚类中的所有下车点共用一个可选站点,这些下车点对应的乘车人,默认都会从同一个可选站点下车。
进一步地,通过第三方平台,如百度地图等,获取可选站点的位置数据,可选站点到达相邻站点的参考距离,并获取可选站点在目标时间点到达相邻站点的参考耗时,以及可选站点到达替代站点的指标数据,将聚类区域数据、聚类系数、可选站点的位置数据,参考耗时、参考距离以及指标数据对应保存为多维时空信息;将多维时空信息中的一种或多种进行展示,生成班车路线比较视图。
具体地,步骤S140包括:
步骤S141,根据所述聚类区域数据和所述聚类系数构建所述聚类视图;
在本实施例中,聚类系数包括聚类数量和聚类的轮廓系数,聚类区域数据包括各个聚类方向对应的下站点数量以及角度分布情况。如图2所示,对聚类视图进行介绍,聚类视图由两部分组成,上面的图的横坐标是聚类数量,纵坐标是聚类的轮廓系数,轮廓系数越大,聚类数量越合适,故在聚类的轮廓系数中选择一个极大值,其对应的聚类数量为9,也就是推荐开通9个方向的班车。需要说明的是,在该图中轮廓系数最大值对应的聚类数量为2,说明推荐开通2个方向的班车,但是一个公司班车开通方向为2是不合理,所以不选择2。下面的图是用盒须图表示的每个聚类区域数据的分布。当确定了聚类数量为9时,则开通9个方向的班车,在该图中纵坐标表示每个聚类方向的标识以及其包括的下站点数量;横坐标为角度,以公司所在位置为原点,用盒须图表示不同聚类方向中下站点的角度分布情况,在图中还标识出该聚类区域包括的下站点对应的最小角度和最大角度。其中,盒须图是一种用作显示一组数据分散情况资料的统计图。
步骤S142,基于所述聚类视图确定班车路线的行驶方向,根据所述行驶方向对应的可选站点的位置数据,生成所述投影视图;
具体地,步骤S142包括:
步骤a,获取目标时间点,基于所述目标时间点确定所述行驶方向对应的可选站点;
步骤b,将所述行驶方向对应的可选站点的位置数据表示在预先生成的地图中,生成所述投影视图。
在本实施例中,根据乘车数据确定乘车数据中各个可选站点对应的位置数据,并确定班车路线的行驶方向,从而筛选出该行驶方向对应的可选站点,再将行驶方向对应的可选站点的位置数据表示在电子地图中,生成投影视图。具体地,首先确定班车路线的行驶方向,同时确定班车出发时间,出发时间不同,对应的可选站点数量、乘车人数、路程以及路线行驶时间等都可能存在不同;确定班车出发时间后,再确定该行驶方向对应的可选站点,最后将可选站点的位置数据投影到地图中。投影视图是在电子地图中显示各个下车点对应的位置,如图3所示,右上角勾选了D-Cluster 3,表示对该聚类方向进行站点规划,即确定了班车路线的行驶方向,该行驶方向对应的可选站点在投影图中显示,同时投影图中会高亮显示推荐站点,同时在路线调整视图中也会显示有效下车点具体分布。在投影图的左下角位置有个坐标示意图,横坐标代表时间,纵坐标代表乘车人数,一般选择人数较多的时间作为出发时间,如21:30或21:55。另外,投影图中的每个小圆圈代表一个下车点,在投影图中,根据聚类区域数据在地图中将各个聚类方向用实线划分出来。
步骤S143,将所述投影视图确定所述行驶方向的各个可选站点的参考耗时、所述参考距离以及所述指标数据进行表示,生成所述路线调整视图。
具体地,步骤S143包括:
步骤c,利用条形分布图分组显示组内各个可选站点的参考耗时、所述参考距离以及所述指标数据,其中,组内各个可选站点是基于乘车数据的聚类结果确定的;
步骤d,在各个分组中选择一个可选站点作为候选站点,并将所述各个候选站点进行连线,得到所述路线调整视图。
在本实施例中,根据乘车数据确定可选站点到达其他下车点的参考耗时和参考距离,以及指标数据,指标数据包括:可选站点到其替代站点的可达概率和距离代价,其中,可达概率又包括200米可达、400米可达、600米可达、800米可达、1000米可达;可达概率和距离代价用于统计各个下车点之间的距离,建议维持在1km以内,也就是减少人下车后的步行距离。参考耗时和参考距离都采用加权求平均的方法进行计算,一个可选站点会对应有多个乘车人,该可选站点的权重就等于该可选站点对应的人数除以其所在聚类中的总人数。各个下站点或站点之间的距离和行驶时间,可以从第三方平台,如百度地图等获取。
举例说明,如图4所示,图中的R-Cluster 0~R-Cluster 8表示被选中的聚类方向的所有下车点聚类后分为9组,在图中可以看到各聚类组包括的可选站点数量,如R-Cluster 6下方有4个矩形框,表示有4个可选站点,当前是选了第二个可选站点作为候选站点。设第一个可选站点有5人下车,第二个可选站点有7人下车(候选站点),第三个可选站点有3人下车,第四个可选站点有4人下车,那么第一个可选站点的权重为:5/(5+3+4)=0.42,第三个可选站点的权重为:3/(5+3+4)=0.25,第四个可选站点的权重为:4/(5+3+4)=0.33。
进一步地,在路线调整视图中支持候选站点的调整,如R-Cluster 6下方有4个矩形框,表示有4个可选站点,可以根据可选站点对应的指标数据进行比较,从而确定较优的可选站点,作为候选站点。举例说明,R-Cluster2有2个可选站点,假设当选定第一个可选站点为候选站点时,得到平均距离为820米,平均时间为9.68分钟,800米覆盖率为93%;当选定第二个可选站点为候选站点时,得到平均距离为768米,平均时间为12.94分钟,800米覆盖率为76%。虽然第一个可选站点的距离较长点但是平均时间会短点,并且800米覆盖率会大些,可能是因为一些天桥等因素的存在会导致虽然距离短,但是耗时长,所以综合比较,将第一个可选站点作为该区域聚类的一个候选站点。
步骤S200,基于所述班车路线比较视图输出班车路线比较结果,并基于所述比较结果和筛选条件确定候选班车路线;
在本实施例中,班车路线比较视图包括聚类视图、投影视图和路线调整视图,聚类视图用于显示聚类数量与轮廓系数的对应关系,轮廓系数越大,聚类数量越合适,从而通过聚类视图可以确定候选班车路线对应的行驶方向数量;进一步地,投影视图用于显示乘车数据中各下车点在电子地图中的位置,支持单独显示一个或多个行驶方向的各个下车点位置,投影图中的每个小圆圈代表一个下车点,通过投影图可以直观地查看到各个下车点的分布情况,从而为候选站点的筛选提供参考;进一步地,路线调整视图可以显示候选站点的指标参数,根据指标参数可以进行站点筛选,从而确定更合适的候选班车路线。其中,指标参数包括候选站点到达其他下车点的参考耗时和参考距离,以及候选站点到其替代站点的可达概率和距离代价,通过这些指标参数,可以从多个维度进行比较,从而规划出更合理、更能满足员工需求的班车路线。
步骤S300,根据所述候选班车路线中各个站点的多维时空信息确定所述候选班车路线对应的多维考量指标,基于所述多维考量指标生成所述候选班车路线的可视化分析图。
在本实施例中,多维考量指标包括但不限于所述候选班车路线到达各个候选站点对应的到达时间、行驶距离,候选班车路线对应的乘车人数、平均步行时间和路程、路线行驶时间和路程,根据这些多维考量指标进一步生成候选班车路线的可视化分析图,可视化分析图包括时刻表视图和雷达视图,时刻表视图用于显示一条班车路线的所有站点名称以及到达时间等,以供用户查看;雷达视图显示班车路线对应的乘车人数、平均步行时间和路程、路线行驶时间和路程等指标数据,可以进行路线之间的比较。
需要说明的是,可视化的视图还包括统计视图,统计视图可以显示乘车数据的总体情况,统计图按乘车人所属的部门不同,分别进行各部门乘车数据统计。乘车数据至少包括:乘车人,乘车的开始时间点和结束时间点,下车点位置和下车点标识,乘车距离。乘车数据可以从公司各个部门员工的打车报销数据中获取,也可以是从历史班车数据中获取。
对各个乘车数据进行可视化编码,得到可视化后的乘车数据。预先建立乘车人与部门的映射关系,根据乘车的开始时间点和结束时间点,对应得到可视化后的乘车记录对应的乘车时间;以部门为单位,统计各部门的乘车数据,对应得到可视化后的部门总里程数、订单数量以及平均里程数。具体地,采用表格的形式来表示可视化后的乘车数据。统计图还包括用阴影图形式显示的乘车的开始时间点和结束时间点。具体地,如图5所示,从上到下第一表格表示可视化后的部门总里程数、订单数量以及平均里程数,第二幅图表示乘车的开始时间点和结束时间点。
本实施例通过将收集的乘车数据进行聚类后得到可选站点,基于所述可选站点的多维时空信息生成班车路线比较视图,而后基于所述班车路线比较视图输出班车路线比较结果,并基于所述比较结果和筛选条件确定候选班车路线,接下来根据所述候选班车路线中各个站点的多维时空信息确定所述候选班车路线对应的多维考量指标,基于所述多维考量指标生成所述候选班车路线的可视化分析图。实现了通过可视视图显示的内容,通过比较视图和分析视图有效挖掘乘坐班车的员工出行时间,出行的规律等深层次的用户需求,从而来合理设置班车路线和站点,进而提高了班车路线的规划效率,从而减少乘坐班车的员工对应的通勤时间,间接地提高员工的工作效率。
进一步地,提出本发明班车路线规划的可视化方法第二实施例,所述班车路线规划的可视化方法第二实施例与所述班车路线规划的可视化方法第一实施例的区别在于,所述候选班车路线的可视化分析图包括所述候选班车路线对应的时刻表视图,所述多维考量指标包括但不限于所述候选班车路线到达各个候选站点对应的到达时间、行驶距离,所述步骤S300包括:
步骤S310,将所述到达时间设为所述时刻表的横坐标,将所述行驶距离设为所述时刻表的纵坐标;
步骤S320,根据所述到达时间和所述行驶距离确定各个候选站点的坐标值;
步骤S330,分别根据所述坐标值将所述各个候选站点表示在所述坐标中,并将代表所述候选站点的坐标点连线,获得所述时刻表视图。
在本实施例中,候选班车路线的可视化分析图包括候选班车路线对应的时刻表视图,在路线调整视图中获取班车路线对应的候选站点的时刻表数据,其中,时刻表数据至少包括候选班车路线到达候选站点的到达时间、行驶距离,候选站点的标识,然后根据候选站点的指标数据显示在班车路线规划对应的时刻表视图。
具体地,时刻表视图的横坐标为到达时间,纵坐标为聚类方向用于表示该站点属于哪个聚类方向,并且每个聚类方向还给出从公司到各个候选站点的行驶距离。如图6所示,由左到右,第一幅图为时刻表视图,图中有9个聚类方向,也就是有9个候选站点,2个班车的发车时间分别为21:30和21:55,从图中可以查看各个候选站点的到达时间。
进一步地,所述候选班车路线的可视化分析图包括所述候选班车路线的雷达视图,具体地,步骤S300包括:
步骤S340,基于所述班车路线比较视图获取所述多维考量指标,其中,所述多维考量指标包括但不限于所述候选班车路线对应的乘车人数、平均步行时间和路程、路线行驶时间和路程;
步骤S350,基于所述候选班车路线对应的乘车人数、平均步行时间和路程、路线行驶时间和路程所围成的图形,得到所述候选班车路线的雷达视图。
在本实施例中,乘车数据确定班车路线对应的指标数据,根据班车路线对应的指标数据构建雷达视图。具体地,根据乘车数据确定候选班车路线对应的乘车人数、平均步行时间和路程、路线行驶时间和路程、可达概率等,如图6所示,由左到右,第二幅图为雷达视图,班车路线对应的指标数据包括:行驶距离,行驶时间,乘车人数、平均步行距离、平均步行时间以及800米可达概率。根据雷达视图中显示的多趟班车路线对应的指标数据,进一步进行直观综合比较。
本实施例通过根据所述候选班车路线中各个站点的多维时空信息确定所述候选班车路线对应的多维考量指标,基于所述多维考量指标生成所述候选班车路线的可视化分析图,通过可视化分析图显示的内容来合理设置班车路线和站点,从而提高了班车路线的规划效率,从而减少乘坐班车的员工对应的通勤时间,间接地提高员工的工作效率。
此外,本发明还提供一种班车路线规划的可视化装置,参照图7,所述班车路线规划的可视化装置包括:
第一生成模块10,用于将收集的乘车数据进行聚类后得到可选站点,基于所述可选站点的多维时空信息生成班车路线比较视图;
筛选模块20,用于基于所述班车路线比较视图输出班车路线比较结果,并基于所述比较结果和筛选条件确定候选班车路线;
第二生成模块30,用于根据所述候选班车路线中各个站点的多维时空信息确定所述候选班车路线对应的多维考量指标,基于所述多维考量指标生成所述候选班车路线的可视化分析图。
进一步地,所述第一生成模块10还用于:
获取班车路线对应的起始上车位置的所述乘车数据,对所述乘车数据依次进行角度聚类和距离聚类,根据聚类结果确定所述可选站点,并得到聚类区域数据和聚类系数;
通过第三方平台获取可选站点的位置数据,所述可选站点到达相邻站点的参考距离,并获取所述可选站点在目标时间点到达相邻站点的参考耗时,以及所述可选站点到达替代站点的指标数据;
将所述聚类区域数据、所述聚类系数、所述可选站点的位置数据,所述参考耗时、所述参考距离以及所述指标数据对应保存为所述多维时空信息;
将所述多维时空信息中的一种或多种进行展示,生成所述班车路线比较视图。
进一步地,所述第一生成模块10还用于:
根据所述聚类区域数据和所述聚类系数构建所述聚类视图;
基于所述聚类视图确定班车路线的行驶方向,根据所述行驶方向对应的可选站点的位置数据,生成所述投影视图;
将所述投影视图确定所述行驶方向的各个可选站点的参考耗时、所述参考距离以及所述指标数据进行表示,生成所述路线调整视图。
进一步地,所述第一生成模块10还用于:
获取目标时间点,基于所述目标时间点确定所述行驶方向对应的可选站点;
将所述行驶方向对应的可选站点的位置数据表示在预先生成的地图中,生成所述投影视图。
进一步地,所述第一生成模块10还用于:
利用条形分布图分组显示组内各个可选站点的参考耗时、所述参考距离以及所述指标数据,其中,组内各个可选站点是基于乘车数据的聚类结果确定的;
在各个分组中选择一个可选站点作为候选站点,并将所述各个候选站点进行连线,得到所述路线调整视图。
进一步地,所述第二生成模块30还用于:
所述基于所述多维考量指标生成所述候选班车路线的可视化分析图的步骤包括:
将所述到达时间设为所述时刻表的横坐标,将所述行驶距离设为所述时刻表的纵坐标;
根据所述达时间和所述行驶距离确定各个候选站点的坐标值;
分别根据所述坐标值将所述各个候选站点表示在所述坐标中,并将代表所述候选站点的坐标点连线,获得所述时刻表视图。
进一步地,所述第二生成模块30还用于:
基于所述班车路线比较视图获取所述多维考量指标,其中,所述多维考量指标包括但不限于所述候选班车路线对应的乘车人数、平均步行时间和路程、路线行驶时间和路程;
基于所述候选班车路线对应的乘车人数、平均步行时间和路程、路线行驶时间和路程所围成的图形,得到所述候选班车路线的雷达视图。
本发明班车路线规划的可视化装置具体实施方式与上述班车路线规划的可视化方法各实施例基本相同,在此不再赘述。
此外,本发明还提供一种班车路线规划的可视化设备。如图8所示,图8是本发明实施例方案涉及的硬件运行环境的结构示意图。
需要说明的是,图8即可为班车路线规划的可视化设备的硬件运行环境的结构示意图。本发明实施例班车路线规划的可视化设备可以是PC,便携计算机等终端设备。
如图8所示,该班车路线规划的可视化设备可以包括:处理器1001,例如CPU,存储器1005,用户接口1003,网络接口1004,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图7中示出的班车路线规划的可视化设备结构并不构成对班车路线规划的可视化设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图8所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及班车路线规划的可视化程序。其中,操作系统是管理和控制班车路线规划的可视化设备硬件和软件资源的程序,支持班车路线规划的可视化程序以及其它软件或程序的运行。
在图8所示的班车路线规划的可视化设备中,用户接口1003主要用于连接终端设备,与终端设备进行数据通信,如接收终端设备发送的待识别图像或者待训练图像;网络接口1004主要用于后台服务器,与后台服务器进行数据通信;处理器1001可以用于调用存储器1005中存储的班车路线规划的可视化程序,并执行如上所述的班车路线规划的可视化方法的步骤。
本发明班车路线规划的可视化设备具体实施方式与上述班车路线规划的可视化方法各实施例基本相同,在此不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
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上述实施例方法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,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的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,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种班车路线规划的可视化方法,其特征在于,所述班车路线规划的可视化方法包括以下步骤:
将收集的乘车数据进行聚类后得到可选站点,基于所述可选站点的多维时空信息生成班车路线比较视图;
基于所述班车路线比较视图输出班车路线比较结果,并基于所述比较结果和筛选条件确定候选班车路线;
根据所述候选班车路线中各个站点的多维时空信息确定所述候选班车路线对应的多维考量指标,基于所述多维考量指标生成所述候选班车路线的可视化分析图。
2.根据权利要求1所述的方法,其特征在于,所述将收集的乘车数据进行聚类后得到可选站点,基于所述可选站点的多维时空信息生成班车路线比较视图的步骤包括:
获取班车路线对应的起始上车位置的所述乘车数据,对所述乘车数据依次进行角度聚类和距离聚类,根据聚类结果确定所述可选站点,并得到聚类区域数据和聚类系数;
通过第三方平台获取可选站点的位置数据,所述可选站点到达相邻站点的参考距离,并获取所述可选站点在目标时间点到达相邻站点的参考耗时,以及所述可选站点到达替代站点的指标数据;
将所述聚类区域数据、所述聚类系数、所述可选站点的位置数据,所述参考耗时、所述参考距离以及所述指标数据对应保存为所述多维时空信息;
将所述多维时空信息中的一种或多种进行展示,生成所述班车路线比较视图。
3.根据权利要求2所述的方法,其特征在于,所述班车路线比较视图包括聚类视图、投影视图和路线调整视图,所述将所述多维时空信息中的一种或多种进行展示,生成所述班车路线比较视图的步骤包括:
根据所述聚类区域数据和所述聚类系数构建所述聚类视图;
基于所述聚类视图确定班车路线的行驶方向,根据所述行驶方向对应的可选站点的位置数据,生成所述投影视图;
将所述投影视图确定所述行驶方向的各个可选站点的参考耗时、所述参考距离以及所述指标数据进行表示,生成所述路线调整视图。
4.根据权利要求3所述的方法,其特征在于,所述基于所述聚类视图确定班车路线的行驶方向,根据所述行驶方向对应的可选站点的位置数据,生成所述投影视图的步骤包括:
获取目标时间点,基于所述目标时间点确定所述行驶方向对应的可选站点;
将所述行驶方向对应的可选站点的位置数据表示在预先生成的地图中,生成所述投影视图。
5.根据权利要求3所述的方法,其特征在于,所述将所述投影视图确定所述行驶方向的各个可选站点的参考耗时、所述参考距离以及所述指标数据进行表示,生成所述路线调整视图的步骤包括:
利用条形分布图分组显示组内各个可选站点的参考耗时、所述参考距离以及所述指标数据,其中,组内各个可选站点是基于乘车数据的聚类结果确定的;
在各个分组中选择一个可选站点作为候选站点,并将所述各个候选站点进行连线,得到所述路线调整视图。
6.根据权利要求1所述的方法,其特征在于,所述候选班车路线的可视化分析图包括所述候选班车路线对应的时刻表视图,所述多维考量指标包括但不限于所述候选班车路线到达各个候选站点对应的到达时间、行驶距离;
所述基于所述多维考量指标生成所述候选班车路线的可视化分析图的步骤包括:
将所述到达时间设为所述时刻表的横坐标,将所述行驶距离设为所述时刻表的纵坐标;
根据所述达时间和所述行驶距离确定各个候选站点的坐标值;
分别根据所述坐标值将所述各个候选站点表示在所述坐标中,并将代表所述候选站点的坐标点连线,获得所述时刻表视图。
7.根据权利要求1所述的方法,其特征在于,所述候选班车路线的可视化分析图包括所述候选班车路线的雷达视图,所述基于所述多维考量指标生成所述候选班车路线的可视化分析图的步骤包括:
基于所述班车路线比较视图获取所述多维考量指标,其中,所述多维考量指标包括但不限于所述候选班车路线对应的乘车人数、平均步行时间和路程、路线行驶时间和路程;
基于所述候选班车路线对应的乘车人数、平均步行时间和路程、路线行驶时间和路程所围成的图形,得到所述候选班车路线的雷达视图。
8.一种班车路线规划的可视化装置,其特征在于,所述班车路线规划的可视化装置包括:
第一生成模块,用于将收集的乘车数据进行聚类后得到可选站点,基于所述可选站点的多维时空信息生成班车路线比较视图;
筛选模块,用于基于所述班车路线比较视图输出班车路线比较结果,并基于所述比较结果和筛选条件确定候选班车路线;
第二生成模块,用于根据所述候选班车路线中各个站点的多维时空信息确定所述候选班车路线对应的多维考量指标,基于所述多维考量指标生成所述候选班车路线的可视化分析图。
9.一种班车路线规划的可视化设备,其特征在于,所述班车路线规划的可视化设备包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的班车路线规划的可视化程序,所述班车路线规划的可视化程序被所述处理器执行时实现如权利要求1至7任一项中所述的班车路线规划的可视化方法的步骤。
10.一种可读存储介质,其特征在于,所述可读存储介质上存储有班车路线规划的可视化程序,所述班车路线规划的可视化程序被处理器执行时实现如权利要求1至7任一项所述的班车路线规划的可视化方法的步骤。
CN202010738467.1A 2020-07-28 2020-07-28 班车路线规划的可视化方法、装置、设备及介质 Pending CN111854786A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010738467.1A CN111854786A (zh) 2020-07-28 2020-07-28 班车路线规划的可视化方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010738467.1A CN111854786A (zh) 2020-07-28 2020-07-28 班车路线规划的可视化方法、装置、设备及介质

Publications (1)

Publication Number Publication Date
CN111854786A true CN111854786A (zh) 2020-10-30

Family

ID=72948391

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010738467.1A Pending CN111854786A (zh) 2020-07-28 2020-07-28 班车路线规划的可视化方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN111854786A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113326989A (zh) * 2021-06-15 2021-08-31 北京沃东天骏信息技术有限公司 一种车辆路线优化的方法和系统
CN114936724A (zh) * 2022-07-25 2022-08-23 四川语璐科技有限公司 一种基于大数据的路线预测推荐方法和系统
CN115034522A (zh) * 2022-08-10 2022-09-09 深圳市四格互联信息技术有限公司 基于员工下班时间及下车站点的通勤班车动态调度方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113326989A (zh) * 2021-06-15 2021-08-31 北京沃东天骏信息技术有限公司 一种车辆路线优化的方法和系统
CN114936724A (zh) * 2022-07-25 2022-08-23 四川语璐科技有限公司 一种基于大数据的路线预测推荐方法和系统
CN114936724B (zh) * 2022-07-25 2022-09-20 四川语璐科技有限公司 一种基于大数据的路线预测推荐方法和系统
CN115034522A (zh) * 2022-08-10 2022-09-09 深圳市四格互联信息技术有限公司 基于员工下班时间及下车站点的通勤班车动态调度方法

Similar Documents

Publication Publication Date Title
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
CN111854786A (zh) 班车路线规划的可视化方法、装置、设备及介质
CN111882235B (zh) 一种网格化的企业管理服务监测方法
CN104809112B (zh) 一种基于多源数据的城市公交发展水平综合评价方法
US20190285426A1 (en) System and method for deriving operation information of a fleet and analyzing the same
CN112418556B (zh) 一种基于互联网共享平台下的网格化服务系统
CN112288311A (zh) 一种基于poi数据的居住区配套设施便捷度计量方法
Mao et al. Customer attractiveness evaluation and classification of urban commercial centers by crowd intelligence
Bertini et al. Using archived data to generate transit performance measures
Cheng et al. Mining customized bus demand spots based on smart card data: A case study of the Beijing public transit system
CN116796904A (zh) 一种轨道交通新线客流预测方法、系统、电子设备及介质
Lu et al. Reliability analysis of centralized versus decentralized zoning strategies for paratransit services
CN116975785B (zh) 一种基于cim模型的多源异构数据融合分析方法及系统
CN111797145A (zh) 一种电力客户容忍度评价分类方法
US20160092819A1 (en) Alliance partner determination method and alliance partner determination apparatus
Yue et al. Classification and determinants of high-speed rail stations using multi-source data: A case study in Jiangsu Province, China
Krygsman et al. Functional transport regions in South Africa: an examination of national commuter data
Causevic et al. Potentials and advantages of applying geographic information systems in various fields of traffic engineering
Vitale et al. A smartphone based DSS platform for assessing transit service attributes
CN112948483A (zh) 一种城市大数据可视化系统
CN114996373B (zh) 基于地理信息系统的公交大数据系统、方法及存储介质
Albadvi et al. A statistical analysis framework for bus reliability evaluation based on AVL data: A case study of Qazvin, Iran
CN114862276B (zh) 产城大数据协同分析应用方法及系统
Mao et al. Customer Attractiveness Evaluation and Classification of Urban Commercial Centers by
Curtis et al. Benchmarking public transport accessibility in Australasian cities

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