CN111861843A - 基于交通可达性的覆盖设施盲区查找方法及装置 - Google Patents
基于交通可达性的覆盖设施盲区查找方法及装置 Download PDFInfo
- Publication number
- CN111861843A CN111861843A CN202010751912.8A CN202010751912A CN111861843A CN 111861843 A CN111861843 A CN 111861843A CN 202010751912 A CN202010751912 A CN 202010751912A CN 111861843 A CN111861843 A CN 111861843A
- Authority
- CN
- China
- Prior art keywords
- facility
- traffic
- data
- grid
- reachability
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000009826 distribution Methods 0.000 claims abstract description 66
- 230000002776 aggregation Effects 0.000 claims abstract description 40
- 238000004220 aggregation Methods 0.000 claims abstract description 40
- 238000004458 analytical method Methods 0.000 claims abstract description 24
- 238000007621 cluster analysis Methods 0.000 claims abstract description 24
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 8
- 238000005520 cutting process Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Economics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Remote Sensing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例提供一种基于交通可达性的覆盖设施盲区查找方法及装置，方法包括：获取目标区域的交通线路数据和设施分布数据；根据所述交通线路数据和设施分布数据对所述目标区域进行设施的交通可达性分析，获取各设施的交通可达性；根据所述各设施的交通可达性，获取不可达的设施；对不可达的设施进行聚类分析，获取具有聚集特征且不可达的设施簇；对所述具有聚集特征且不可达的设施簇进行方向分布分析，获取覆盖设施盲区。本发明实施例能够较为方便迅速且准确地获取覆盖设施盲区，从而可以引导交通资源的更合理配置，提高资源利用效率，更好的满足居民出行需求，改善出行体验。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种基于交通可达性的覆盖设施盲区查找方法及装置。
背景技术
交通运输事业在我国的发展过程中发挥着基础性、先导性、战略性以及服务性功能，加快建设交通强国，打造现代化综合交通体系，必将为建设美丽中国、促进社会进步提供坚强保障。
如何找到交通覆盖盲区对引导交通资源的更合理配置，提高资源利用效率，更好的满足居民出行需求以及改善出行体验具有重大意义。
然而现有技术中不存在确定交通覆盖盲区的具体技术方案，导致无法确定交通覆盖盲区，进而无法引导交通资源进行合理化配置。
发明内容
针对现有技术中的问题，本发明实施例提供一种基于交通可达性的覆盖设施盲区查找方法及装置。
具体地，本发明实施例提供了以下技术方案：
第一方面，本发明实施例提供了一种基于交通可达性的覆盖设施盲区查找方法，包括：
获取目标区域的交通线路数据和设施分布数据；其中，所述目标区域为待查找交通覆盖盲区的区域，所述交通线路数据包括公交所行驶的路线与相应的时间成本信息，所述设施分布数据包括各设施的位置信息；
根据所述交通线路数据和设施分布数据对所述目标区域进行设施的交通可达性分析，获取各设施的交通可达性；
根据所述各设施的交通可达性，获取不可达的设施；
对不可达的设施进行聚类分析，获取具有聚集特征且不可达的设施簇；
对所述具有聚集特征且不可达的设施簇进行方向分布分析，获取覆盖设施盲区。
进一步地，根据所述交通线路数据和设施分布数据对所述目标区域进行设施的交通可达性分析，获取各设施的交通可达性，包括：
在ArcGIS中对交通路线数据使用要素转栅格工具获取公交线路栅格数据；其中，字段参数选择为时间成本属性，转换为栅格数据后使用符号系统计算唯一值；
对所述公交线路栅格数据使用重分类工具获取成本栅格；其中，重分类的新值取为栅格成本，Nodata设置为步行成本距离；
对所述成本栅格按照所述目标区域进行栅格裁剪；
对所述成本栅格与所述设施分布数据使用成本距离工具获取各设施的交通可达性。
进一步地，根据所述各设施的交通可达性，获取不可达的设施，包括：
根据预设需求确定是否可达的判断阈值；
在ArcGIS中使用重分类工具按所述判断阈值进行2分类，对重分类结果中小于所述判断阈值的一类采用栅格转面工具转化为矢量面数据，对所述矢量面数据与交通路线数据采用空间连接工具进行空间连接，获取空间连接结果；
对空间连接结果进行筛选得到交通未覆盖的矢量面数据，借助矢量裁剪工具利用所述交通未覆盖的矢量面数据对设施分布数据进行裁剪得到不可达的设施。
进一步地，对不可达的设施进行聚类分析，获取具有聚集特征且不可达的设施簇，包括：
采用聚类分析方法，对不可达的设施进行聚类分析，获取具有聚集特征且不可达的设施簇，分离出孤立的不具有聚集特征的设施。
进一步地，对所述具有聚集特征且不可达的设施簇进行方向分布分析，获取覆盖设施盲区，包括：
在ArcGIS中对所述具有聚集特征且不可达的设施簇采用标准差椭圆工具，调节标准差倍数，获取覆盖设施盲区，表现为一个椭圆区域。
第二方面，本发明实施例还提供了一种基于交通可达性的覆盖设施盲区查找装置，包括：
第一获取模块，用于获取目标区域的交通线路数据和设施分布数据；其中，所述目标区域为待查找交通覆盖盲区的区域，所述交通线路数据包括公交所行驶的路线与相应的时间成本信息，所述设施分布数据包括各设施的位置信息；
第二获取模块，用于根据所述交通线路数据和设施分布数据对所述目标区域进行设施的交通可达性分析，获取各设施的交通可达性；
第三获取模块，用于根据所述各设施的交通可达性，获取不可达的设施；
第四获取模块，用于对不可达的设施进行聚类分析，获取具有聚集特征且不可达的设施簇；
第五获取模块，用于对所述具有聚集特征且不可达的设施簇进行方向分布分析，获取覆盖设施盲区。
进一步地，所述第二获取模块，具体用于：
在ArcGIS中对交通路线数据使用要素转栅格工具获取公交线路栅格数据；其中，字段参数选择为时间成本属性，转换为栅格数据后使用符号系统计算唯一值；
对所述公交线路栅格数据使用重分类工具获取成本栅格；其中，重分类的新值取为栅格成本，Nodata设置为步行成本距离；
对所述成本栅格按照所述目标区域进行栅格裁剪；
对所述成本栅格与所述设施分布数据使用成本距离工具获取各设施的交通可达性。
进一步地，所述第三获取模块，具体用于：
根据预设需求确定是否可达的判断阈值；
在ArcGIS中使用重分类工具按所述判断阈值进行2分类，对重分类结果中小于所述判断阈值的一类采用栅格转面工具转化为矢量面数据，对所述矢量面数据与交通路线数据采用空间连接工具进行空间连接，获取空间连接结果；
对空间连接结果进行筛选得到交通未覆盖的矢量面数据，借助矢量裁剪工具利用所述交通未覆盖的矢量面数据对设施分布数据进行裁剪得到不可达的设施。
第三方面，本发明实施例还提供了一种电子设备，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，所述处理器执行所述程序时实现如第一方面所述基于交通可达性的覆盖设施盲区查找方法的步骤。
第四方面，本发明实施例还提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所述基于交通可达性的覆盖设施盲区查找方法的步骤。
由上面技术方案可知，本发明实施例提供的基于交通可达性的覆盖设施盲区查找方法及装置，根据所述交通线路数据和设施分布数据对所述目标区域进行设施的交通可达性分析，获取各设施的交通可达性，然后根据所述各设施的交通可达性，获取不可达的设施，接着对不可达的设施进行聚类分析，获取具有聚集特征且不可达的设施簇，最后对所述具有聚集特征且不可达的设施簇进行方向分布分析，获取覆盖设施盲区。由此可见，本发明实施例能够较为方便迅速且准确地获取覆盖设施盲区，从而可以引导交通资源的更合理配置，提高资源利用效率，更好的满足居民出行需求，改善出行体验。
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是本发明一实施例提供的基于交通可达性的覆盖设施盲区查找方法的流程图；
图2是本发明一实施例提供的交通可达性操作流程图；
图3是本发明一实施例提供的交通可达性示意图；
图4是本发明一实施例提供的可达成本距离阈值筛选结果示意图；
图5是本发明一实施例提供的不可达设施矢量面数据示意图；
图6是本发明一实施例提供的聚类分析结果示意图；
图7是本发明一实施例提供的覆盖盲区结果示意图。
图8是本发明一实施例提供的基于交通可达性的覆盖设施盲区查找装置的结构示意图；
图9是本发明一实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1示出了本发明实施例提供的基于交通可达性的覆盖设施盲区查找方法的流程图。如图1所示，本发明实施例提供的基于交通可达性的覆盖设施盲区查找方法包括如下步骤：
步骤101：获取目标区域的交通线路数据和设施分布数据；
在本步骤中，所述目标区域为待查找交通覆盖盲区的区域，所述交通线路数据包括公交所行驶的路线与相应的时间成本信息，所述设施分布数据包括各设施的位置信息；这里的公交包括公交车、地铁等公共交通设备。这里的设施包括学校、医院、公司等有乘车需求的场所。
步骤102：根据所述交通线路数据和设施分布数据对所述目标区域进行设施的交通可达性分析，获取各设施的交通可达性；
在本步骤中，通过交通线路数据和设施分布数据对目标区域进行设施的交通可达性分析，获取各设施的交通可达性，从而为后续覆盖设施盲区的查找铺设基础。举例来说，可以在ArcGIS中对交通路线数据使用要素转栅格工具，将字段设置为所采集的成本字段，如行使时间等，设置环境参数中分析范围为所述目标区域，对转换后的栅格使用符号系统计算唯一值，然后使用重分类工具对栅格进行重分类，使用栅格裁剪工具裁剪出重分类后的目标区域栅格，然后导入设施分布数据并使用成本距离工具获取各设施的交通可达性，可以使用栅格计算器工具和符号系统对所述各设施的交通可达性结果进行调整。
步骤103：根据所述各设施的交通可达性，获取不可达的设施；
在本步骤中，根据所述各设施的交通可达性可以获取不可达的设施。例如，设置是否可达的判断阈值为180，在设施成本距离为180内若有公交线路经过则认为该设施被覆盖即可达，反之，在设施成本距离为180内若没有公交线路经过则认为该设施不可达。
步骤104：对不可达的设施进行聚类分析，获取具有聚集特征且不可达的设施簇；
在本步骤中，由于后续需要确定覆盖设施盲区，因此，需要对不可达的设施进行聚类分析，获取具有聚集特征且不可达的设施簇。
步骤105：对所述具有聚集特征且不可达的设施簇进行方向分布分析，获取覆盖设施盲区。
在本步骤中，可以在ArcGIS中对具有聚集特征且不可达的设施簇采用方向分布工具，尤其是使用标准差椭圆工具，调节合适的标准差倍数，获取所述覆盖设施盲区，得到覆盖设施盲区的椭圆边界。
由上面技术方案可知，本实施例提供的基于交通可达性的覆盖设施盲区查找方法，根据所述交通线路数据和设施分布数据对所述目标区域进行设施的交通可达性分析，获取各设施的交通可达性，然后根据所述各设施的交通可达性，获取不可达的设施，接着对不可达的设施进行聚类分析，获取具有聚集特征且不可达的设施簇，最后对所述具有聚集特征且不可达的设施簇进行方向分布分析，获取覆盖设施盲区。由此可见，本实施例能够较为方便迅速且准确地获取覆盖设施盲区，从而可以引导交通资源的更合理配置，提高资源利用效率，更好的满足居民出行需求，改善出行体验。
基于上述实施例的内容，在本实施例中，如图2所示，上述步骤102根据所述交通线路数据和设施分布数据对所述目标区域进行设施的交通可达性分析，获取各设施的交通可达性，包括：
步骤1021：在ArcGIS中对交通路线数据使用要素转栅格工具获取公交线路栅格数据；其中，字段参数选择为时间成本属性，转换为栅格数据后使用符号系统计算唯一值；
步骤1022：对所述公交线路栅格数据使用重分类工具获取成本栅格；其中，重分类的新值取为栅格成本，Nodata设置为步行成本距离；
步骤1023：对所述成本栅格按照所述目标区域进行栅格裁剪；
步骤1024：对所述成本栅格与所述设施分布数据使用成本距离工具获取各设施的交通可达性。
在本步骤中，对所述成本栅格与所述设施分布数据使用ArcGIS中成本距离工具，在该工具中设置输入要素源数据为所述设施分布数据，输入成本栅格数据为所述成本栅格，计算得到每个单元(设施)到成本面上最近源的最小累积成本距离，即各设施的交通可达性。
在本实施例中，需要对所述成本栅格与所述设施分布数据使用成本距离工具获取设施的交通可达性，可使用栅格计算器工具对结果进行调整，可使用符号系统进行可视化设置，参见图3交通可达性示意图。
在本实施例中，步骤1021中公交线路的时间成本属性设置为5.2分钟每公里，步骤1022中Nodata的步行时间成本属性设置为15分钟每公里，步骤1024中使用栅格计算器对栅格数值除以50；
在本实施例中，需要说明的是，正如前面所述，可以使用栅格计算器工具和符号系统对所述各设施的交通可达性结果进行调整。由于在本实施例中对时间成本属性的设置为5.2和15，会使步骤1024所得的最小累积成本距离数值过大，因而对其整体缩小(实际上不会对结果造成任何影响，但会对下文阈值确定结果有影响，因为缩小了50倍)。同时，栅格计算器可以对交通可达性结果进行调整，便于单位换算等。
基于上述实施例的内容，在本实施例中，根据所述各设施的交通可达性，获取不可达的设施，包括：
根据预设需求确定是否可达的判断阈值；
在ArcGIS中使用重分类工具按所述判断阈值进行2分类，对重分类结果中小于所述判断阈值的一类采用栅格转面工具转化为矢量面数据，对所述矢量面数据与交通路线数据采用空间连接工具进行空间连接，获取空间连接结果；
对空间连接结果进行筛选得到交通未覆盖的矢量面数据，借助矢量裁剪工具利用所述交通未覆盖的矢量面数据对设施分布数据进行裁剪得到不可达的设施。
在本实施例中，对所述矢量面数据与交通路线数据采用空间连接工具并对空间连接结果数据按字段条件Join_Count＝0进行筛选得到交通未覆盖的矢量面数据，最后采用矢量裁剪工具用所述交通未覆盖的矢量面数据对设施分布数据进行裁剪得到不可达的设施。
在本实施例中，具体来说，可以根据设置的阈值获取不可达的设施。需要说明的是，通过步骤1024可以获得设施成本距离(每个单元到成本面上最近源的最小累积成本距离)，然后通过设施成本距离与判断阈值的比较结果可以确定是否可达。例如，设置是否可达的判断阈值为180，在设施成本距离为180内若有公交线路经过则认为该设施被覆盖即可达，反之，在设施成本距离为180内若没有公交线路经过则认为该设施不可达。在本实施例中，可使用ArcGIS中重分类工具按所述阈值进行2分类，对重分类结果中小于阈值的一类采用栅格转面工具转化为矢量面数据，对所述矢量面数据与交通路线数据采用空间连接工具并对空间连接结果数据按字段条件Join_Count＝0进行筛选得到交通未覆盖的矢量面数据，最后采用矢量裁剪工具用所述交通未覆盖的矢量面数据对设施分布数据进行裁剪得到不可达的设施。在本实施例中，假设设置阈值为180，所得可达成本距离阈值筛选结果示意图参见图4，所得不可达设施矢量面数据示意图参见图5。
基于上述实施例的内容，在本实施例中，对不可达的设施进行聚类分析，获取具有聚集特征且不可达的设施簇，包括：
采用聚类分析方法，对不可达的设施进行聚类分析，获取具有聚集特征且不可达的设施簇，分离出孤立的不具有聚集特征的设施。
在本实施例中，可对获取得到的不可达设施进行聚类分析，获取具有聚集特征且不可达的设施簇。例如，可以使用DBSCAN算法进行聚类分析。
在本实施例中，在使用DBSCAN算法对不可达设施进行聚类分析时，得到的具有聚集特征且不可达的设施簇如图6所示，其中，实心设施为具有聚集特征且不可达的设施簇(包括左中部分的一个聚集堆和左下部分的另一个聚集堆)，空心设施为孤立的未明显聚集的设施(散落在目标区域的各个位置)。
基于上述实施例的内容，在本实施例中，对所述具有聚集特征且不可达的设施簇进行方向分布分析，获取覆盖设施盲区，包括：
在ArcGIS中对所述具有聚集特征且不可达的设施簇采用标准差椭圆工具，调节标准差倍数，获取覆盖设施盲区，表现为一个椭圆区域。
在本实施例中，对所述具有聚集特征且不可达的设施簇进行方向分布分析，获取覆盖设施盲区，例如采用标准差椭圆工具，得到覆盖设施盲区的椭圆边界。参见图7，可以使用标准差椭圆工具对图6中左中部分的聚集堆设置2倍标准差椭圆，对图6中左下部分的聚集堆设置1倍标准差椭圆，最后获得2个覆盖设施盲区的椭圆边界。
图8示出了本发明实施例提供的基于交通可达性的覆盖设施盲区查找装置的结构示意图。如图8所示，本发明实施例提供的基于交通可达性的覆盖设施盲区查找装置，包括：第一获取模块21、第二获取模块22、第三获取模块23、第四获取模块24和第五获取模块25，其中：
第一获取模块21，用于获取目标区域的交通线路数据和设施分布数据；其中，所述目标区域为待查找交通覆盖盲区的区域，所述交通线路数据包括公交所行驶的路线与相应的时间成本信息，所述设施分布数据包括各设施的位置信息；
第二获取模块22，用于根据所述交通线路数据和设施分布数据对所述目标区域进行设施的交通可达性分析，获取各设施的交通可达性；
第三获取模块23，用于根据所述各设施的交通可达性，获取不可达的设施；
第四获取模块24，用于对不可达的设施进行聚类分析，获取具有聚集特征且不可达的设施簇；
第五获取模块25，用于对所述具有聚集特征且不可达的设施簇进行方向分布分析，获取覆盖设施盲区。
基于上述实施例的内容，在本实施例中，所述第二获取模块22，具体用于：
在ArcGIS中对交通路线数据使用要素转栅格工具获取公交线路栅格数据；其中，字段参数选择为时间成本属性，转换为栅格数据后使用符号系统计算唯一值；
对所述公交线路栅格数据使用重分类工具获取成本栅格；其中，重分类的新值取为栅格成本，Nodata设置为步行成本距离；
对所述成本栅格按照所述目标区域进行栅格裁剪；
对所述成本栅格与所述设施分布数据使用成本距离工具获取各设施的交通可达性。
基于上述实施例的内容，在本实施例中，所述第三获取模块23，具体用于：
根据预设需求确定是否可达的判断阈值；
在ArcGIS中使用重分类工具按所述判断阈值进行2分类，对重分类结果中小于所述判断阈值的一类采用栅格转面工具转化为矢量面数据，对所述矢量面数据与交通路线数据采用空间连接工具进行空间连接，获取空间连接结果；
对空间连接结果进行筛选得到交通未覆盖的矢量面数据，借助矢量裁剪工具利用所述交通未覆盖的矢量面数据对设施分布数据进行裁剪得到不可达的设施。
由于本发明实施例提供的基于交通可达性的覆盖设施盲区查找装置，可以用于执行上述实施例所述的基于交通可达性的覆盖设施盲区查找方法，其工作原理和有益效果类似，故此处不再详述，具体内容可参见上述实施例的介绍。
在本实施例中，需要说明的是，本发明实施例的装置中的各个模块可以集成于一体，也可以分离部署。上述模块可以合并为一个模块，也可以进一步拆分成多个子模块。
基于相同的发明构思，本发明又一实施例提供了一种电子设备，参见图9，所述电子设备具体包括如下内容：处理器301、存储器302、通信接口303和通信总线304；
其中，所述处理器301、存储器302、通信接口303通过所述通信总线304完成相互间的通信；
所述处理器301用于调用所述存储器302中的计算机程序，所述处理器执行所述计算机程序时实现上述基于交通可达性的覆盖设施盲区查找方法的全部步骤，例如，所述处理器执行所述计算机程序时实现下述过程：获取目标区域的交通线路数据和设施分布数据；其中，所述目标区域为待查找交通覆盖盲区的区域，所述交通线路数据包括公交所行驶的路线与相应的时间成本信息，所述设施分布数据包括各设施的位置信息；根据所述交通线路数据和设施分布数据对所述目标区域进行设施的交通可达性分析，获取各设施的交通可达性；根据所述各设施的交通可达性，获取不可达的设施；对不可达的设施进行聚类分析，获取具有聚集特征且不可达的设施簇；对所述具有聚集特征且不可达的设施簇进行方向分布分析，获取覆盖设施盲区。
可以理解的是，所述计算机程序可以执行的细化功能和扩展功能可参照上面实施例的描述。
基于相同的发明构思，本发明又一实施例提供了一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述基于交通可达性的覆盖设施盲区查找方法的全部步骤，例如，所述处理器执行所述计算机程序时实现下述过程：获取目标区域的交通线路数据和设施分布数据；其中，所述目标区域为待查找交通覆盖盲区的区域，所述交通线路数据包括公交所行驶的路线与相应的时间成本信息，所述设施分布数据包括各设施的位置信息；根据所述交通线路数据和设施分布数据对所述目标区域进行设施的交通可达性分析，获取各设施的交通可达性；根据所述各设施的交通可达性，获取不可达的设施；对不可达的设施进行聚类分析，获取具有聚集特征且不可达的设施簇；对所述具有聚集特征且不可达的设施簇进行方向分布分析，获取覆盖设施盲区。
可以理解的是，所述计算机程序可以执行的细化功能和扩展功能可参照上面实施例的描述。
此外，上述的存储器中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案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中，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)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、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发明实施例方案的目的。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基于交通可达性的覆盖设施盲区查找方法。
此外，在本发明中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
此外，在本发明中，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。
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 (10)
1.一种基于交通可达性的覆盖设施盲区查找方法，其特征在于，包括：
获取目标区域的交通线路数据和设施分布数据；其中，所述目标区域为待查找交通覆盖盲区的区域，所述交通线路数据包括公交所行驶的路线与相应的时间成本信息，所述设施分布数据包括各设施的位置信息；
根据所述交通线路数据和设施分布数据对所述目标区域进行设施的交通可达性分析，获取各设施的交通可达性；
根据所述各设施的交通可达性，获取不可达的设施；
对不可达的设施进行聚类分析，获取具有聚集特征且不可达的设施簇；
对所述具有聚集特征且不可达的设施簇进行方向分布分析，获取覆盖设施盲区。
2.根据权利要求1所述的基于交通可达性的覆盖设施盲区查找方法，其特征在于，根据所述交通线路数据和设施分布数据对所述目标区域进行设施的交通可达性分析，获取各设施的交通可达性，包括：
在ArcGIS中对交通路线数据使用要素转栅格工具获取公交线路栅格数据；其中，字段参数选择为时间成本属性，转换为栅格数据后使用符号系统计算唯一值；
对所述公交线路栅格数据使用重分类工具获取成本栅格；其中，重分类的新值取为栅格成本，Nodata设置为步行成本距离；
对所述成本栅格按照所述目标区域进行栅格裁剪；
对所述成本栅格与所述设施分布数据使用成本距离工具获取各设施的交通可达性。
3.根据权利要求2所述的基于交通可达性的覆盖设施盲区查找方法，其特征在于，根据所述各设施的交通可达性，获取不可达的设施，包括：
根据预设需求确定是否可达的判断阈值；
在ArcGIS中使用重分类工具按所述判断阈值进行2分类，对重分类结果中小于所述判断阈值的一类采用栅格转面工具转化为矢量面数据，对所述矢量面数据与交通路线数据采用空间连接工具进行空间连接，获取空间连接结果；
对空间连接结果进行筛选得到交通未覆盖的矢量面数据，借助矢量裁剪工具利用所述交通未覆盖的矢量面数据对设施分布数据进行裁剪得到不可达的设施。
4.根据权利要求1所述的基于交通可达性的覆盖设施盲区查找方法，其特征在于，对不可达的设施进行聚类分析，获取具有聚集特征且不可达的设施簇，包括：
采用聚类分析方法，对不可达的设施进行聚类分析，获取具有聚集特征且不可达的设施簇，分离出孤立的不具有聚集特征的设施。
5.根据权利要求1所述的基于交通可达性的覆盖设施盲区查找方法，其特征在于，对所述具有聚集特征且不可达的设施簇进行方向分布分析，获取覆盖设施盲区，包括：
在ArcGIS中对所述具有聚集特征且不可达的设施簇采用标准差椭圆工具，调节标准差倍数，获取覆盖设施盲区，表现为一个椭圆区域。
6.一种基于交通可达性的覆盖设施盲区查找装置，其特征在于，包括：
第一获取模块，用于获取目标区域的交通线路数据和设施分布数据；其中，所述目标区域为待查找交通覆盖盲区的区域，所述交通线路数据包括公交所行驶的路线与相应的时间成本信息，所述设施分布数据包括各设施的位置信息；
第二获取模块，用于根据所述交通线路数据和设施分布数据对所述目标区域进行设施的交通可达性分析，获取各设施的交通可达性；
第三获取模块，用于根据所述各设施的交通可达性，获取不可达的设施；
第四获取模块，用于对不可达的设施进行聚类分析，获取具有聚集特征且不可达的设施簇；
第五获取模块，用于对所述具有聚集特征且不可达的设施簇进行方向分布分析，获取覆盖设施盲区。
7.根据权利要求6所述的基于交通可达性的覆盖设施盲区查找装置，其特征在于，所述第二获取模块，具体用于：
在ArcGIS中对交通路线数据使用要素转栅格工具获取公交线路栅格数据；其中，字段参数选择为时间成本属性，转换为栅格数据后使用符号系统计算唯一值；
对所述公交线路栅格数据使用重分类工具获取成本栅格；其中，重分类的新值取为栅格成本，Nodata设置为步行成本距离；
对所述成本栅格按照所述目标区域进行栅格裁剪；
对所述成本栅格与所述设施分布数据使用成本距离工具获取各设施的交通可达性。
8.根据权利要求7所述的基于交通可达性的覆盖设施盲区查找装置，其特征在于，所述第三获取模块，具体用于：
根据预设需求确定是否可达的判断阈值；
在ArcGIS中使用重分类工具按所述判断阈值进行2分类，对重分类结果中小于所述判断阈值的一类采用栅格转面工具转化为矢量面数据，对所述矢量面数据与交通路线数据采用空间连接工具进行空间连接，获取空间连接结果；
对空间连接结果进行筛选得到交通未覆盖的矢量面数据，借助矢量裁剪工具利用所述交通未覆盖的矢量面数据对设施分布数据进行裁剪得到不可达的设施。
9.一种电子设备，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1～5任一项所述基于交通可达性的覆盖设施盲区查找方法的步骤。
10.一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1～5任一项所述基于交通可达性的覆盖设施盲区查找方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010751912.8A CN111861843A (zh) | 2020-07-30 | 2020-07-30 | 基于交通可达性的覆盖设施盲区查找方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010751912.8A CN111861843A (zh) | 2020-07-30 | 2020-07-30 | 基于交通可达性的覆盖设施盲区查找方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111861843A true CN111861843A (zh) | 2020-10-30 |
Family
ID=72946280
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010751912.8A Pending CN111861843A (zh) | 2020-07-30 | 2020-07-30 | 基于交通可达性的覆盖设施盲区查找方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111861843A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112734607A (zh) * | 2020-12-25 | 2021-04-30 | 临沂大学 | 基于基础教育设施的可达性分析评价方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180058932A1 (en) * | 2016-08-12 | 2018-03-01 | China Institute Of Water Resources And Hydropower Research | Method for analyzing the types of water sources based on natural geographical features |
| CN109548041A (zh) * | 2017-09-22 | 2019-03-29 | 中国移动通信集团浙江有限公司 | 一种无线覆盖分析方法及系统 |
| AU2020100703A4 (en) * | 2020-05-05 | 2020-06-11 | Li, Xiaolan Miss | A method of spatial accessibility evaluation of urban facility services based on GIS |
-
2020
- 2020-07-30 CN CN202010751912.8A patent/CN111861843A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180058932A1 (en) * | 2016-08-12 | 2018-03-01 | China Institute Of Water Resources And Hydropower Research | Method for analyzing the types of water sources based on natural geographical features |
| CN109548041A (zh) * | 2017-09-22 | 2019-03-29 | 中国移动通信集团浙江有限公司 | 一种无线覆盖分析方法及系统 |
| AU2020100703A4 (en) * | 2020-05-05 | 2020-06-11 | Li, Xiaolan Miss | A method of spatial accessibility evaluation of urban facility services based on GIS |
Non-Patent Citations (4)
| Title |
|---|
| 李灵杰等: "基于路网可达性的青海交通运输覆盖度分析", 《西安建筑科技大学学报(自然科学版)》, no. 02, 30 April 2018 (2018-04-30), pages 83 - 91 * |
| 杜光远等: "基于路径规划数据的公共交通站点覆盖水平评价方法", 《交通运输研究》, no. 02, 15 April 2020 (2020-04-15), pages 71 - 78 * |
| 邓敏等: "《空间分析》", 28 February 2015, 高等学校统编教材, pages: 95 - 97 * |
| 高力强等: "基于网络分析法的城市公园可达性优化研究――以石家庄市长安区为例", 《石家庄铁道大学学报(社会科学版)》, no. 02, 30 June 2020 (2020-06-30), pages 111 - 116 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112734607A (zh) * | 2020-12-25 | 2021-04-30 | 临沂大学 | 基于基础教育设施的可达性分析评价方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3318985A1 (en) | Driving route matching method and apparatus and storage medium | |
| CN110298553A (zh) | 一种基于gis的国土空间规划方法、系统和设备 | |
| CN105430032A (zh) | 结合终端地理位置推送信息的方法及服务器 | |
| JP2018534647A (ja) | レーザ点群に基づく都市道路の認識方法、装置、記憶媒体及び機器 | |
| CN110765219A (zh) | 地理围栏生成方法、装置、计算机设备和存储介质 | |
| CN110298687B (zh) | 一种区域吸引力评估方法及设备 | |
| CN109556622A (zh) | 一种兴趣点查找方法和装置 | |
| CN109995611B (zh) | 流量分类模型建立及流量分类方法、装置、设备和服务器 | |
| Rodríguez-Déniz et al. | A frontier-based hierarchical clustering for airport efficiency benchmarking | |
| CN104123305A (zh) | 地理数据处理方法及其系统 | |
| WO2018045529A1 (zh) | 一种网络站址规划方法及装置 | |
| CN111210158B (zh) | 目标地址确定方法、装置、计算机设备和存储介质 | |
| CN111881243A (zh) | 一种出租车轨迹热点区域分析方法及系统 | |
| CN111861843A (zh) | 基于交通可达性的覆盖设施盲区查找方法及装置 | |
| CN108806254B (zh) | 城市交通走廊的识别方法、装置及计算机可读存储介质 | |
| CN110657813B (zh) | 优化地图中规划道路的方法和装置 | |
| CN113516105B (zh) | 一种车道检测方法、装置及计算机可读存储介质 | |
| CN114253975A (zh) | 一种负载感知的路网最短路径距离计算方法及装置 | |
| 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 | |
| JP2003256757A (ja) | 空間データ分析装置、空間データ分析方法、及び空間データ分析プログラム | |
| CN110505632B (zh) | 站址规划方法和装置 | |
| CN116824868A (zh) | 车辆非法停驻点识别及拥堵预测方法、装置、设备及介质 | |
| US9692651B2 (en) | Method and apparatus for improving network performance | |
| CN114630269A (zh) | 信号处理方法、装置、设备及存储介质 | |
| Henning et al. | Methodology for determining critical locations in road networks based on graph theory |
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 |