CN111932411A - 一种确定城市用地功能的方法、装置及终端设备 - Google Patents
一种确定城市用地功能的方法、装置及终端设备 Download PDFInfo
- Publication number
- CN111932411A CN111932411A CN202011060033.7A CN202011060033A CN111932411A CN 111932411 A CN111932411 A CN 111932411A CN 202011060033 A CN202011060033 A CN 202011060033A CN 111932411 A CN111932411 A CN 111932411A
- Authority
- CN
- China
- Prior art keywords
- target
- bus station
- bus
- determining
- type
- 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 62
- 230000006870 function Effects 0.000 claims description 78
- 238000004590 computer program Methods 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 230000006399 behavior Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 11
- 238000007726 management method Methods 0.000 description 9
- 239000013598 vector Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000002759 z-score normalization 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
- G06Q50/10—Services
- G06Q50/16—Real estate
- G06Q50/165—Land development
-
- 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)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Economics (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (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)
- General Business, Economics & Management (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请适用于土地应用技术领域,提供了一种确定城市用地功能的方法、装置及终端设备,该方法包括:获取目标公交站在目标时间段的上车人数和下车人数,其中,所述目标公交站为目标区域中的公交站;基于所述上车人数和所述下车人数,计算所述目标公交站在目标时间段的流量系数;基于所述流量系数,确定所述目标区域的功能类型;本申请利用公交站的流量系数确定目标区域的功能类型,采用计算机实现功能分类,避免人为干预的主观影响,使判断的精度更高,且速度更快。
Description
技术领域
本申请属于土地应用技术领域,尤其涉及一种确定城市用地功能的方法、装置及终端设备。
背景技术
城市中的用地包括多种,例如,居住用地、绿化用地、商务用地等,在土地利用和经济活动的共同影响下,同类经济活动在空间上呈现高度聚集,因而形成了功能分区。
城市用地的功能划分,需要人为的采集每个区域中每块地的用处,根据每块地的用处人为划分区域的功能。人为划分主要是按照各类用地所占区域的面积大小,将占用面积最大的用地的类型作为区域的功能类型。随着城市的发展,城市的土地利用与空间结构也在不断的发生变化,通过人为确定城市用地的功能的方法精度低,不能满足城市迅速发展的需求。
发明内容
本申请实施例提供了一种确定城市用地功能的方法、装置及终端设备,可以解决城市用地的功能确定精度低的问题。
第一方面,本申请实施例提供了一种确定城市用地功能的方法,包括:
获取目标公交站在目标时间段的上车人数和下车人数,其中,所述目标公交站为目标区域中的公交站;
基于所述上车人数和所述下车人数,计算所述目标公交站在目标时间段的流量系数;
基于所述流量系数,确定所述目标区域的功能类型。
第二方面,本申请实施例提供了一种确定城市用地功能的装置,包括:
数据获取模块,用于获取目标公交站在目标时间段的上车人数和下车人数,其中,所述目标公交站为目标区域中的公交站;
数据计算模块,用于基于所述上车人数和所述下车人数,计算所述目标公交站在目标时间段的流量系数;
功能确定模块,用于基于所述流量系数,确定所述目标区域的功能类型。
第三方面,本申请实施例提供了一种终端设备,包括:存储器、处理器以及存储在所述存储器中并可在所述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第一方面中任一项所述的确定城市用地功能的方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现上述第一方面中任一项所述的确定城市用地功能的方法。
第五方面,本申请实施例提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行上述第一方面中任一项所述的确定城市用地功能的方法。
可以理解的是,上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
本申请实施例与现有技术相比存在的有益效果是:本申请获取目标区域中的目标公交站在目标时间段的上车人数和下车人数,基于上车人数和下车人数,计算目标公交站在目标时间段的流量系数,最后基于流量系数确定目标区域的功能类型;本申请利用公交站的流量系数确定目标区域的功能类型,采用计算机实现功能分类,避免人为干预的主观影响,使判断的精度更高,且速度更快。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请一实施例提供的确定城市用地功能的方法的应用场景示意图;
图2是本申请一实施例提供的确定城市用地功能的方法的流程示意图;
图3是本申请一实施例提供的目标区域的功能类型的确定方法的流程示意图;
图4是本申请一实施例提供的兴趣点的空间分布系数和结构分布系数的计算方法的流程示意图;
图5是本申请一实施例提供的确定城市用地功能的装置的结构示意图;
图6是本申请一实施例提供的终端设备的结构示意图;
图7是本申请一实施例提供的计算机的部分结构的框图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
图1为本申请实施例提供的确定城市用地功能的方法的应用场景示意图,上述确定城市用地功能的方法可以用于确定城市用地的功能类型。其中,数据采集设备10用于采集目标区域中目标公交站的上车人数和下车人数,处理器20用于获取数据采集设备10中的上车人数和下车人数,并对上车人数和下车人数进行处理得到目标区域的功能类型。
以下结合图1对本申请实施例的确定城市用地功能的方法进行详细说明。
图2示出了本申请提供的确定城市用地功能的方法的示意性流程图,参照图2,对该方法的详述如下:
S101,获取目标公交站在目标时间段的上车人数和下车人数,其中,所述目标公交站为目标区域中的公交站。
在本实施例中,目标区域可以是人为划分的区域,也可以处理器根据设置,按照划分标准进行划分。目标区域中的目标公交站可以是一个,也可以是多个。目标公交站的上车人数为在目标时间段在目标公交站停靠的所有公交车的上车人数之和。目标公交站的下车人数为在目标时间段在目标公交站停靠的所有公交车的下车人数之和。
得到目标公交站在目标时间段的上车人数和下车人数之后,可以将上车人数和下车人数存入统计表中与目标公交站对应的位置,以表格的形式存储各个目标公交站对应的上车人数和下车人数。
具体的,还可以对每个目标公交站建立上车人数统计向量和下车人数统计向量。例如,上车人数统计向量可以为<X1,1,X1,2,....,Xc,d>,c为目标公交站的编号,d为时间段,Xc,d为目标公交站c在d时间段的上车人数;下车人数统计向量可以为<Y1,1,Y1,2,....,Yc,d>,c为目标公交站的编号,d为时间段,Yc,d为目标公交站c在d时间段的下车人数。
在一种可能的实现方式中,步骤S101的实现过程可以包括:
S1011,获取视频采集装置采集的所述目标公交站的视频信息。
在本实施例中,视频采集装置可以设置在目标公交站区域,采集目标公交站上车人员和下车人员的视频信息。
视频采集装置还可以设置在公交车上,获取在目标时间段停靠在目标公交站的所有公交车上的视频信息作为目标公交站的视频信息。
S1012,基于所述视频信息,确定所述目标公交站在目标时间段的上车人数和下车人数。
在本实施例中,在获得视频信息后,对视频信息进行处理,得到上车人数和下车人数。其中对视频信息进行处理主要包括:截取视频信息中目标时间段的视频信息,得到目标时间段目标公交站的图像,对图像进行筛选,将不存在上车人员和/或下车人员的图像删除,保留的图像中均存在上车人员和/或下车人员。然后对保留的图像进行识别,得到图像中上车人数和下车人数。对图像中上车人数和下车人数的识别还可以采用深度学习网络进行识别,将图像输入深度学习网络中,通过深度学习网络识别图像中的上车人员和下车人员,最后输出图像中的上车人数和下车人数。
在一种可能的实现方式中,步骤S101中上车人数的获取方法还可以包括:
获取公交车上的刷卡量,其中,所述刷卡量为所述目标时间段内在所述目标公交站停靠的公交车上的刷卡数量;
基于所述公交车上的刷卡量,计算所述目标公交站在目标时间段的上车人数。
在本实施例中,由于乘客在上公交车时需要刷卡付费,因此通过统计在目标时间段内刷卡的次数可以得到上车人数。具体的,在从公交车上设置的刷卡设备中得到公交车上的刷卡数据后,可以对刷卡数据进行筛选,筛选出目标时间段内数卡的次数即为上车人数。
S102,基于所述上车人数和所述下车人数,计算所述目标公交站在目标时间段的流量系数。
在本实施例中,目标时间段的流量系数用于表征目标公交站在目标时间段的客流量的多少。
在获得上车人数统计向量和下车人数统计向量之后,可以将统计向量转换成二维时间序列数据,并对二维时间序列数据进行维度规约,使数据精简,然后通过构造函数得到流量系数。
在一种可能的实现方式中,步骤S102的实现过程可以包括:
将所述上车人数与所述下车人数的比值作为所述目标公交站在目标时间段的流量系数。
S103,基于所述流量系数,确定所述目标区域的功能类型。
在本实施例中,流量系数表征在目标公交站出行的人员的数量,基于在目标时间段目标公交站出行的人员的数量可以将目标区域进行分类。
作为举例,如果目标时间段为上午8点-9点,流量系数较大,说明在目标时间段在目标公交站上车人数较多,下车人数较少,说明大多数人要离开此处,因此,该目标公交站可能在居民区附近。反之,如果流量系数较小,则说明下车人数较多,人员需要来到此处,说明该目标公交站可能在办公区附近。
如图3所示,在一种可能的实现方式中,步骤S103的实现过程可以包括:
S1031,基于所述流量系数,利用聚类算法获得所述目标公交站的公交站类型,其中,所述公交站类型包括居住区类型、风景区类型、商业区类型、公共管理区类型、待开发区类型、科教文化类型中的至少一个。
在本实施例中,采用期望最大化算法(Expectation-maximization algorithm-EM聚类算法)对得到的目标公交站在目标时间段的流量系数进行聚类,确定目标公交站属于哪类公交站类型。
具体的,可以采用多个目标公交站多个目标时间段的流量系数,进行EM聚类算法中的参数估计,参数估计可以采用最大似然法进行。得到EM聚类算法中的参数之后,可以采用流量系数对目标公交站进行分类。
居住区类型表征目标公交站所在的位置周围居民楼较多。风景区类型表征目标公交站所在的位置处于风景区附近。商业区类型表征目标公交站所在的位置处于商业区附近。公共管理区类型表征目标公交站所在的位置处于公共管理区附近。待开发区类型表征目标公交站所在的位置处于待开发区附近。科教文化类型表征目标公交站所在的位置科教文化区附近。
可选的,还可以将流量系数输入训练好的深度学习模型中对目标公交站进行分类,输出目标公交站的类型。
S1032,确定各个公交站类型包括的目标公交站的数量。
在本实施例中,确定了目标区域中各个目标公交站的公交站类型,可以采用统计的方式统计各个公交站类型中包括的目标公交站的数量。
S1033,将包括目标公交站的数量最大的公交站类型作为所述目标区域的功能类型。
可选的,还可以利用公交站类型对应的权重和各个公交站类型包括的目标公交站的数量,计算类型数值,判断该类型数值对应的功能区间,将该类型数值所在的功能区间对应的功能类型作为目标区域的功能类型。
作为举例,如果居住区类型的权重为1、风景区类型的权重为2、商业区类型的权重为3、公共管理区类型的权重为4、待开发区类型的权重为5、科教文化类型的权重为6。目标区域中居住区类型的目标公交站的数量为6、风景区类型的目标公交站的数量为1、商业区类型的目标公交站的数量为2、公共管理区类型的目标公交站的数量为1、待开发区类型的目标公交站的数量为0、科教文化类型的目标公交站的数量为1。类型数值与功能类型的对应关系为:0-5对应风景区类型,6-10对应商业区类型,11-15对应公共管理区类型,16-20对应待开发区类型,21-25对应居住区类型,26-30对应科教文化类型。
目标区域的类型数值为A=1×6+2×1+3×2+4×1+5×0+6×1=24。24对应的功能类型为居住区类型,则目标区域为居住区类型。
本申请实施例中,通过获取目标区域中的目标公交站在目标时间段的上车人数和下车人数,基于上车人数和下车人数,计算目标公交站在目标时间段的流量系数,最后基于流量系数确定目标区域的功能类型;本申请利用公交站的流量系数确定目标区域的功能类型,采用计算机实现功能分类,避免人为干预的主观影响,使判断的精度更高,且速度更快。并且,本申请采用上车人数和下车人数确定目标区域的功能类型,利用了人员在目标区域中的活动做参考,使目标区域的功能类型的确定与人员出行行为相关联,使确定的目标区域的功能类型更准确。
如图4所示,在一种可能的实现方式中,在步骤S103之后,上述方法还可以包括:
S201,获取公交站区域中的各个兴趣点的信息,其中,所述公交站区域由所述目标公交站确定,所述兴趣点的信息包括所述兴趣点的类别。
在本实施例中,兴趣点即为POI点,兴趣点可以从地图上获取。每个POI包含四方面信息,名称、类别、坐标、分类。POI(信息点)是有分类的,有一级类和二级类,每个分类都有相应的行业的代码和名称对应。方便信息采集的记录和区分。一级分类包括01-餐饮,02-购物,03-住宿等。
兴趣点的信息包括所述兴趣点的类别编号,根据类别编号可以确定类别编号对应的类别。
公交站区域可以人为划分,也可以处理器按照划分规则确定。划分规则可以是以目标公交站位中心,以半径为预设值的圆形或方形,预设值可以根据需要选取,例如,500米。一个目标区域中可以包括一个或多个公交站区域。
S202,按照所述类别对所述兴趣点进行分类,确定各个类别包括的兴趣点的目标数量。
在本实施例中,由于兴趣点是有类别的,因此可以将相同类别的兴趣点划分在一个集合中,得到该类别对应的兴趣点集合。确定各个兴趣点集合中的兴趣点个数,即可得到兴趣点的数量。由于兴趣点的数量可能较为庞大,不同类别的兴趣点的数量级可能也会不同,因此数据处理不方便。为了使数据处理更方便,可以对兴趣点的初始数量进行处理,得到目标数量。
在一种可能的实现方式中,步骤S202的实现过程可以包括:
S2021,确定各个类别包括的所述兴趣点的初始数量。
在本实施例中,统计的各个类别的兴趣点的数量即为兴趣点的初始数量,也就是没有做数据处理的数量。由于各个类别的数量的数量级可能不同,因此需要对初始数量做数据处理。
作为举例,餐饮类的兴趣点的初始数量可能为5×106,购物类的兴趣点的初始数量可能为3×102。
S2022,对所述初始数量进行数据标准化处理,得到所述目标数量。
在本实施例中,数据标准化的方法可以包括Min-max标准化和z-score标准化,也就是将初始数量进行降维处理。
具体的,采用z-score标准化可以包括:
其中,为公交站区域m中第n类兴趣点的目标数量,为公交站区域m中第n类兴趣点的初始数量,为目标区域中第n类兴趣点的标准差,为目标区域各个公交站区域中第n类兴趣点的均值,q为公交站区域的个数,p为兴趣点的类别个数。
S203,基于所述各个类别包括的兴趣点的目标数量,确定所述公交站区域中各类兴趣点的空间分布系数和结构分布系数,其中,所述空间分布系数表征所述公交站区域中各类兴趣点的密集度,所述结构分布系数表征所述公交站区域中各类兴趣点的组成比例,其中,所述空间分布系数和所述结构分布系数用于确定出行人员的出行行为。
具体的,将第i类兴趣点的目标数量与所述公交站区域的面积的比值作为所述公交站区域中第i类兴趣点的空间分布系数,其中,i≥1;
将第i类兴趣点的目标数量与所述公交站区域中兴趣点的总数的比值作为所述公交站区域中第i类兴趣点的结构分布系数。
在本实施例中,出行人员的出行行为可以包括出行量、交通出行结构、交通出行目的、交通出行空间分布以及出行影响因素等。
在本实施例中,将各类兴趣点对应的空间分布系数按照大小顺序排列,空间分布系数可以反应出行人员的交通出行空间分布。可以结合目标时间段来确定不同时间人们出行空间分布。
将各类兴趣点对应的结构分布系数按照大小顺序排列,结构分布系数可以反应出行人员的交通出行结构。可以结合目标时间段来确定不同时间人们出行的结构,判断出行人员在目标时间段可能去的地点。另外,还可以根据各类兴趣点的空间分布系数和结构分布系数预测未来在该公交区域对应的目标公交站下车的出行人员的出行地点,或者向在该公交区域对应的目标公交站下车的出行人员推荐出行地点。
作为举例,如果目标时间段为周六上午9点-10点,购物类兴趣点的空间分布系数最大,则说明公交站区域中商场较多,在该公交站区域的目标公交站上车或下车的出行人员可能逛街购物的比较多,周六上午9点-10点人们出行空间在商场分布的比较多。
如果目标时间段为周六下午6点-7点,餐饮类兴趣点的结构分布系数最大,则说明公交站区域中餐厅较多,在该公交站区域的目标公交站上车或下车的出行人员可能吃饭的比较多,周六下午6点-7点人们出行结构在餐厅分布的比较多。
可选的,通过交通出行空间分布和交通出行结构可以预测人类活动的空间规律。
另外,还可以计算目标区域中各类兴趣点的空间分布系数和结构分布系数,具体的计算方法与上述步骤S203的计算方法相同,请参照S203,再次不再赘述。利用目标区域中各类兴趣点的空间分布系数和结构分布系数还可以确定目标区域的功能类型。具体的,可以将空间分布系数和/或结构分布系数最大的兴趣点的类别作为目标区域的功能类型。
计算目标区域的各类兴趣点的空间分布系数和结构分布系数,可以确定该目标区域的兴趣点的分布情况和分布结构。同时可以为后续区域整改提供参考。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的确定城市用地功能的方法,图5示出了本申请实施例提供的确定城市用地功能的装置的结构框图,为了便于说明,仅示出了与本申请实施例相关的部分。
参照图5,该装置300可以包括:数据获取模块310、数据计算模块320和功能确定模块330。
其中,数据获取模块310,用于获取目标公交站在目标时间段的上车人数和下车人数,其中,所述目标公交站为目标区域中的公交站;
数据计算模块320,用于基于所述上车人数和所述下车人数,计算所述目标公交站在目标时间段的流量系数;
功能确定模块330,用于基于所述流量系数,确定所述目标区域的功能类型。
在一种可能的实现方式中,数据获取模块310具体可以用于:
获取视频采集装置采集的所述目标公交站的视频信息;
基于所述视频信息,确定所述目标公交站在目标时间段的上车人数和下车人数。
在一种可能的实现方式中,数据计算模块320具体可以用于:
将所述上车人数与所述下车人数的比值作为所述目标公交站在目标时间段的流量系数。
在一种可能的实现方式中,功能确定模块330具体可以用于:
基于所述流量系数,利用聚类算法获得所述目标公交站的公交站类型,其中,所述公交站类型包括居住区类型、风景区类型、商业区类型、公共管理区类型、待开发区类型、科教文化类型中的至少一个;
确定各个公交站类型包括的目标公交站的数量;
将包括目标公交站的数量最大的公交站类型作为所述目标区域的功能类型。
在一种可能的实现方式中,与功能确定模块330相连的还包括:
信息获取模块,用于获取公交站区域中的各个兴趣点的信息,其中,所述公交站区域由所述目标公交站确定,所述兴趣点的信息包括所述兴趣点的类别;
第一计算模块,用于按照所述类别对所述兴趣点进行分类,确定各个类别包括的兴趣点的目标数量;
第二计算模块,用于基于所述各个类别包括的兴趣点的目标数量,确定所述公交站区域中各类兴趣点的空间分布系数和结构分布系数,其中,所述空间分布系数表征所述公交站区域中各类兴趣点的密集度,所述结构分布系数表征所述公交站区域中各类兴趣点的组成比例,其中,所述空间分布系数和所述结构分布系数用于确定出行人员的出行行为。
在一种可能的实现方式中,第一计算模块具体可以用于:
确定各个类别包括的所述兴趣点的初始数量;
对所述初始数量进行数据标准化处理,得到所述目标数量。
在一种可能的实现方式中,第二计算模块具体可以用于:
将第i类兴趣点的目标数量与所述公交站区域的面积的比值作为所述公交站区域中第i类兴趣点的空间分布系数,其中,i≥1;
将第i类兴趣点的目标数量与所述公交站区域中兴趣点的总数的比值作为所述公交站区域中第i类兴趣点的结构分布系数。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例还提供了一种终端设备,参见图6,该终端设备400可以包括:至少一个处理器410、存储器420以及存储在所述存储器420中并可在所述至少一个处理器410上运行的计算机程序,所述处理器410执行所述计算机程序时实现上述任意各个方法实施例中的步骤,例如图2所示实施例中的步骤S101至步骤S103。或者,处理器410执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能,例如图5所示模块310至330的功能。
示例性的,计算机程序可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器420中,并由处理器410执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序段,该程序段用于描述计算机程序在终端设备400中的执行过程。
本领域技术人员可以理解,图6仅仅是终端设备的示例,并不构成对终端设备的限定,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,例如输入输出设备、网络接入设备、总线等。
处理器410可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列 (Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器420可以是终端设备的内部存储单元,也可以是终端设备的外部存储设备,例如插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。所述存储器420用于存储所述计算机程序以及终端设备所需的其他程序和数据。所述存储器420还可以用于暂时地存储已经输出或者将要输出的数据。
总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component,PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
本申请实施例提供的确定城市用地功能的方法可以应用于计算机、平板电脑、笔记本电脑、上网本、个人数字助理(personal digital assistant,PDA)等终端设备上,本申请实施例对终端设备的具体类型不作任何限制。
以所述终端设备为计算机为例。图7示出的是与本申请实施例提供的计算机的部分结构的框图。参考图7,计算机包括:通信电路510、存储器520、输入单元530、显示单元540、音频电路550、无线保真(wireless fidelity,WiFi)模块560、处理器570以及电源580等部件。
下面结合图7对计算机的各个构成部件进行具体的介绍:
通信电路510可用于收发信息或通话过程中,信号的接收和发送,特别地,将图像采集设备发送的图像样本接收后,给处理器570处理;另外,将图像采集指令发送给图像采集设备。通常,通信电路包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(Low Noise Amplifier,LNA)、双工器等。此外,通信电路510还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议,包括但不限于全球移动通讯系统(Global System of Mobile communication,GSM)、通用分组无线服务(GeneralPacket Radio Service,GPRS)、码分多址(Code Division Multiple Access,CDMA)、宽带码分多址(Wideband Code Division Multiple Access, WCDMA)、长期演进(Long TermEvolution,LTE))、电子邮件、短消息服务(Short Messaging Service,SMS)等。
存储器520可用于存储软件程序以及模块,处理器570通过运行存储在存储器520的软件程序以及模块,从而执行计算机的各种功能应用以及数据处理。存储器520可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据计算机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器520可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
输入单元530可用于接收输入的数字或字符信息,以及产生与计算机的用户设置以及功能控制有关的键信号输入。具体地,输入单元530可包括触控面板531以及其他输入设备532。触控面板531,也称为触摸屏,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板531上或在触控面板531附近的操作),并根据预先设定的程式驱动相应的连接装置。可选的,触控面板531可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器570,并能接收处理器570发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板531。除了触控面板531,输入单元530还可以包括其他输入设备532。具体地,其他输入设备532可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元540可用于显示由用户输入的信息或提供给用户的信息以及计算机的各种菜单。显示单元540可包括显示面板541,可选的,可以采用液晶显示器(Liquid CrystalDisplay,LCD)、有机发光二极管(Organic Light-Emitting Diode, OLED)等形式来配置显示面板541。进一步的,触控面板531可覆盖显示面板541,当触控面板531检测到在其上或附近的触摸操作后,传送给处理器570以确定触摸事件的类型,随后处理器570根据触摸事件的类型在显示面板541上提供相应的视觉输出。虽然在图7中,触控面板531与显示面板541是作为两个独立的部件来实现计算机的输入和输入功能,但是在某些实施例中,可以将触控面板531与显示面板541集成而实现计算机的输入和输出功能。
音频电路550可提供用户与计算机之间的音频接口。音频电路550可将接收到的音频数据转换后的电信号,传输到扬声器由扬声器转换为声音信号输出;另一方面,传声器将收集的声音信号转换为电信号,由音频电路550接收后转换为音频数据,再将音频数据输出处理器570处理后,经通信电路510以发送给比如另一计算机,或者将音频数据输出至存储器520以便进一步处理。
WiFi属于短距离无线传输技术,计算机通过WiFi模块560可以帮助用户收发电子邮件、浏览网页和访问流式媒体等,它为用户提供了无线的宽带互联网访问。虽然图7示出了WiFi模块560,但是可以理解的是,其并不属于计算机的必须构成,完全可以根据需要在不改变发明的本质的范围内而省略。
处理器570是计算机的控制中心,利用各种接口和线路连接整个计算机的各个部分,通过运行或执行存储在存储器520内的软件程序和/或模块,以及调用存储在存储器520内的数据,执行计算机的各种功能和处理数据,从而对计算机进行整体监控。可选的,处理器570可包括一个或多个处理单元;优选的,处理器570可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器570中。
计算机还包括给各个部件供电的电源580(比如电池),优选的,电源580可以通过电源管理系统与处理器570逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现可实现上述确定城市用地功能的方法各个实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在移动终端上运行时,使得移动终端执行时实现可实现上述确定城市用地功能的方法各个实施例中的步骤。
所述集成的单元如果以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,本申请实现上述实施例方法中的全部或部分流程,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计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/网络设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/网络设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
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单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种确定城市用地功能的方法,其特征在于,包括:
获取目标公交站在目标时间段的上车人数和下车人数,其中,所述目标公交站为目标区域中的公交站;
基于所述上车人数和所述下车人数,计算所述目标公交站在目标时间段的流量系数;
基于所述流量系数,确定所述目标区域的功能类型。
2.如权利要求1所述的确定城市用地功能的方法,其特征在于,所述获取目标公交站在目标时间段的上车人数和下车人数,包括:
获取视频采集装置采集的所述目标公交站的视频信息;
基于所述视频信息,确定所述目标公交站在目标时间段的上车人数和下车人数。
3.如权利要求1所述的确定城市用地功能的方法,其特征在于,所述基于所述上车人数和所述下车人数,计算所述目标公交站在目标时间段的流量系数,包括:
将所述上车人数与所述下车人数的比值作为所述目标公交站在目标时间段的流量系数。
4.如权利要求1所述的确定城市用地功能的方法,其特征在于,所述基于所述流量系数,确定所述目标区域的功能类型,包括:
基于所述流量系数,利用聚类算法获得所述目标公交站的公交站类型,其中,所述公交站类型包括居住区类型、风景区类型、商业区类型、公共管理区类型、待开发区类型、科教文化类型中的至少一个;
确定各个公交站类型包括的目标公交站的数量;
将包括目标公交站的数量最大的公交站类型作为所述目标区域的功能类型。
5.如权利要求1至4任一项所述的确定城市用地功能的方法,其特征在于,在所述基于所述流量系数,确定所述目标区域的功能类型之后,还包括:
获取公交站区域中的各个兴趣点的信息,其中,所述公交站区域由所述目标公交站确定,所述兴趣点的信息包括所述兴趣点的类别;
按照所述类别对所述兴趣点进行分类,确定各个类别包括的兴趣点的目标数量;
基于所述各个类别包括的兴趣点的目标数量,确定所述公交站区域中各类兴趣点的空间分布系数和结构分布系数,其中,所述空间分布系数表征所述公交站区域中各类兴趣点的密集度,所述结构分布系数表征所述公交站区域中各类兴趣点的组成比例,其中,所述空间分布系数和所述结构分布系数用于确定出行人员的出行行为。
6.如权利要求5所述的确定城市用地功能的方法,其特征在于,所述确定各个类别包括的兴趣点的目标数量,包括:
确定各个类别包括的所述兴趣点的初始数量;
对所述初始数量进行数据标准化处理,得到所述目标数量。
7.如权利要求5所述的确定城市用地功能的方法,其特征在于,所述基于所述各个类别包括的兴趣点的目标数量,确定所述公交站区域中各类兴趣点的空间分布系数和结构分布系数,包括:
将第i类兴趣点的目标数量与所述公交站区域的面积的比值作为所述公交站区域中第i类兴趣点的空间分布系数,其中,i≥1;
将第i类兴趣点的目标数量与所述公交站区域中兴趣点的总数的比值作为所述公交站区域中第i类兴趣点的结构分布系数。
8.一种确定城市用地功能的装置,其特征在于,包括:
数据获取模块,用于获取目标公交站在目标时间段的上车人数和下车人数,其中,所述目标公交站为目标区域中的公交站;
数据计算模块,用于基于所述上车人数和所述下车人数,计算所述目标公交站在目标时间段的流量系数;
功能确定模块,用于基于所述流量系数,确定所述目标区域的功能类型。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述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如权利要求1至7任一项所述的确定城市用地功能的方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的确定城市用地功能的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011060033.7A CN111932411A (zh) | 2020-09-30 | 2020-09-30 | 一种确定城市用地功能的方法、装置及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011060033.7A CN111932411A (zh) | 2020-09-30 | 2020-09-30 | 一种确定城市用地功能的方法、装置及终端设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111932411A true CN111932411A (zh) | 2020-11-13 |
Family
ID=73334833
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011060033.7A Pending CN111932411A (zh) | 2020-09-30 | 2020-09-30 | 一种确定城市用地功能的方法、装置及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111932411A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112579718A (zh) * | 2020-12-14 | 2021-03-30 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种城市用地功能的识别方法、装置及终端设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201255897Y (zh) * | 2008-09-23 | 2009-06-10 | 长安大学 | 一种公交车人流量监测装置 |
CN202049539U (zh) * | 2011-03-28 | 2011-11-23 | 杭州鸿泉数字设备有限公司 | 车辆上下车人数智能计数实现装置 |
CN103021059A (zh) * | 2012-12-12 | 2013-04-03 | 天津大学 | 一种基于视频监控的公交客流计数方法 |
CN105788260A (zh) * | 2016-04-13 | 2016-07-20 | 西南交通大学 | 一种基于智能公交系统数据的公交乘客od推算方法 |
-
2020
- 2020-09-30 CN CN202011060033.7A patent/CN111932411A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201255897Y (zh) * | 2008-09-23 | 2009-06-10 | 长安大学 | 一种公交车人流量监测装置 |
CN202049539U (zh) * | 2011-03-28 | 2011-11-23 | 杭州鸿泉数字设备有限公司 | 车辆上下车人数智能计数实现装置 |
CN103021059A (zh) * | 2012-12-12 | 2013-04-03 | 天津大学 | 一种基于视频监控的公交客流计数方法 |
CN105788260A (zh) * | 2016-04-13 | 2016-07-20 | 西南交通大学 | 一种基于智能公交系统数据的公交乘客od推算方法 |
Non-Patent Citations (2)
Title |
---|
于翔: "基于城市公交刷卡数据和兴趣点的城市功能区识别研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
韩昊英等: "基于北京公交刷卡数据和兴趣点的功能区识别", 《城市规划》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112579718A (zh) * | 2020-12-14 | 2021-03-30 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种城市用地功能的识别方法、装置及终端设备 |
CN112579718B (zh) * | 2020-12-14 | 2023-12-29 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种城市用地功能的识别方法、装置及终端设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107172590B (zh) | 基于移动终端的活动状态信息处理方法、装置及移动终端 | |
CN109934512B (zh) | 一种预测模型的训练方法及系统 | |
CN107818411A (zh) | 基于WiFi检测和GPS定位的公交车动态调度系统及调度方法 | |
EP3627806A1 (en) | Method for generating user portrait, and terminal | |
CN105809959B (zh) | 乘客数量统计方法、装置及系统 | |
CN108257378A (zh) | 交通流量预测方法及装置 | |
US10075344B2 (en) | Dynamic resources planning mechanism based on cloud computing and smart device | |
CN107636768A (zh) | 用于提供健康信息的场境感知系统 | |
CN104160734A (zh) | 测量与移动装置关联的体验质量 | |
CN110400037B (zh) | 一种下车站点确定方法和装置 | |
KR102443534B1 (ko) | 메시징 서비스 환경에서의 사용자 상황 감지 및 사용자 상황에 기반한 메시징 서비스와의 인터랙션 | |
CN111459569A (zh) | 快捷交通方法、装置、电子设备及存储介质 | |
CN107766548A (zh) | 信息显示方法、装置、移动终端及可读存储介质 | |
CN108182240A (zh) | 兴趣点新增率预测模型训练及预测方法、装置及存储介质 | |
CN109064746A (zh) | 一种信息处理方法、终端和计算机可读存储介质 | |
CN108068846B (zh) | 一种地铁乘车调度方法及移动终端 | |
CN108388335B (zh) | 一种控制移动终端的方法和移动终端 | |
Acer et al. | Scaling crowdsourcing with mobile workforce: A case study with belgian postal service | |
CN115345464A (zh) | 业务订单的派单方法、装置、计算机设备及存储介质 | |
CN111932411A (zh) | 一种确定城市用地功能的方法、装置及终端设备 | |
CN111815011B (zh) | 消息发送方法、装置、计算机设备及存储介质 | |
CN107423123A (zh) | 任务调度方法、装置、存储介质及电子设备 | |
CN109472331A (zh) | 交通支付图形码的生成方法、装置、移动终端及存储介质 | |
CN112862289B (zh) | 一种临床研究从业者的信息匹配方法和装置 | |
CN115396907A (zh) | 优化小区的确定方法、装置及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201113 |
|
RJ01 | Rejection of invention patent application after publication |