CN112087743A - 一种面向智慧交通的高铁虚拟卡口到发旅客分析方法 - Google Patents
一种面向智慧交通的高铁虚拟卡口到发旅客分析方法 Download PDFInfo
- Publication number
- CN112087743A CN112087743A CN202010987877.XA CN202010987877A CN112087743A CN 112087743 A CN112087743 A CN 112087743A CN 202010987877 A CN202010987877 A CN 202010987877A CN 112087743 A CN112087743 A CN 112087743A
- Authority
- CN
- China
- Prior art keywords
- speed rail
- station
- mobile phone
- speed
- virtual
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W8/00—Network data management
- H04W8/18—Processing of user or subscriber data, e.g. subscribed services, user preferences or user profiles; Transfer of user or subscriber data
- H04W8/183—Processing at user equipment or user record carrier
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/18—Network planning tools
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W8/00—Network data management
- H04W8/18—Processing of user or subscriber data, e.g. subscribed services, user preferences or user profiles; Transfer of user or subscriber data
- H04W8/20—Transfer of user or subscriber data
- H04W8/205—Transfer to or from user equipment or user record carrier
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明涉及一种面向智慧交通的高铁虚拟卡口到发旅客分析方法,所述方法包括以下步骤:确定高铁站的覆盖基站;确定该高铁站与相邻高铁站之间高铁线路的覆盖基站;基于运营商覆盖基站构建该高铁站与相邻高铁站之间高铁线路的虚拟卡口;基于手机用户与运营商蜂窝基站之间的通信大数据和虚拟卡口,建立高铁站到发旅客大数据分析模型,准实时持续输出高铁站的到站旅客人数、发送旅客人数和联票不出站换乘的途经旅客人数;实现简单,效果可控,采集信息维度高,统计难度小,数据实时性高,为高铁运营管理提供精准的数据支撑。
Description
技术领域
本发明涉及高铁客流监测分析技术领域,更具体地说,涉及一种面向智慧交通的高铁虚拟卡口到发旅客分析方法。
背景技术
高速铁路行业正处于快速发展时期,越来越多的高铁线路建成和投入运营,同时也给高铁客运的管理提出了更高的要求。高铁线路和站点规划、公共交通设施建设、客流疏远组织、高铁车次调度等高铁运营管理需要收集大量的数据进行分析。
铁路系统内部,高速铁路发送量可以通过当天的实名制验票、售票情况、检票情况等等得出较为准确的数字,但是一般时效性不够高,另外只能统计到从本车站检票上车始发的旅客,途经或者不出站换乘包括买短乘长的旅客则没有办法统计到。在到站客流方面,由于限售的普遍存在,买短补长、买长去短等情况在客流高峰普遍存在,高峰时有的高铁站出站部分出站闸口采用人工放行的方式,较难准确统计到到站客流,另外,相近的时间不同方向的列车相继到站后,高铁站也没有办法准确统计到各个线路的到站客流有多少。另外,途经客流和不出站换乘客流,则更是难以统计。传统的数据采集成本高,周期长,工作量大,采集信息维度少,采样点有限,统计难度大,不能及时有效反映高铁铁路运行的真实状况。
发明内容
本发明的目的在于提出一种面向智慧交通的高铁虚拟卡口到发旅客分析方法,以解决现有技术中高铁客流数据采集信息维度少、统计难度大、不能及时有效反映高铁铁路运行的真实状况的问题。
本发明的上述技术目的是通过以下技术方案得以实现的:
一种面向智慧交通的高铁虚拟卡口到发旅客分析方法,所述方法包括以下步骤:
确定高铁站的覆盖基站;
确定该高铁站与相邻高铁站之间高铁线路的覆盖基站;
构建该高铁站与相邻高铁站之间高铁线路的虚拟卡口;
基于手机用户和虚拟卡口,建立该高铁站的旅客分析模型。
在其中一个实施例中,所述确定高铁站的覆盖基站具体为:
根据高铁站位置、边界轮廓地图、运营商高铁站基站建站规划和基站经纬度位置,确定高铁站的覆盖基站信息;通过现场对高铁站各楼层、各位置进行测试,对确定的高铁站覆盖基站信息进行修正。
在其中一个实施例中,所述确定该高铁站与相邻高铁站之间高铁线路的覆盖基站具体为:
根据高铁轨道位置、线路走向、运营商基站建站规划和高铁沿线基站经纬度位置,确定高铁沿线的覆盖基站信息;通过乘坐高铁对高铁线路上实际占用的基站信号进行测试,对确定的高铁沿线覆盖基站信息进行修正。
在其中一个实施例中,所述构建该高铁站与相邻高铁站之间高铁线路的虚拟卡口具体为:
将该高铁站及与该高铁站相连的相邻高铁站之间的线路区间,利用通信运营商的蜂窝基站按高铁线路构建成多个虚拟卡口。
在其中一个实施例中,所述基于手机用户和虚拟卡口,建立该高铁站的旅客分析模型具体为:
建立该高铁站到站抵达旅客分析模型;
建立该高铁站离站出发旅客分析模型;
建立该高铁站联票不出站换乘旅客分析模型。
在其中一个实施例中,所述建立该高铁站到站抵达旅客分析模型具体为:
筛选当前T时刻出现在该高铁站的手机用户,得到第一手机用户;
从第一手机用户中筛选出T-1时间段内未出现在该高铁站的手机用户,得到第二手机用户;
从第二手机用户中进一步筛选出T-1至T-3时间段内曾出现在该高铁站的各个方向虚拟卡口的手机用户,得到第三手机用户;
计算第三手机用户从虚拟卡口至该高铁站区间的位移速度,筛选出速度满足高铁、动车速度的用户,即位移速度大于120km/h的用户,得到第四手机用户;
第四手机用户则识别为当前T时刻按各个虚拟卡口方向进行统计到达该高铁站的旅客。
在其中一个实施例中,所述建立该高铁站离站出发旅客分析模型具体为:
筛选T-1时间内曾出现在该高铁站的手机用户,得到第五手机用户;
从第五手机用户中筛选当前T时间段内已离开该高铁站的手机用户,得到第六手机用户;
从第六手机用户中进一步筛选在T+1至T+3时间段内出现在该高铁站的各个方向任一虚拟卡口的手机用户,得到第七手机用户;
计算第七手机用户从该高铁站至虚拟卡口区间的位移速度,筛选速度满足高铁、动车速度的用户,即位移速度大于120km/h的用户,得到第八手机用户;
第八手机用户则识别为当T时刻按各个虚拟卡口方向进行统计从该高铁站出发的实时旅客。
在其中一个实施例中,所述建立该高铁站联票不出站换乘旅客分析模型具体为:
筛选当前T时刻在该高铁站出现的手机用户,得到第九手机用户;
从第九手机用户中筛选T-24至T-1时间段内在该高铁站第一方向虚拟卡口出现过的手机用户,得到第十手机用户;
计算第十手机用户从第一方向虚拟卡口至该高铁站的位移速度,筛选速度满足高铁、动车速度的用户,即位移速度大于120km/h的用户,得到第十一手机用户;
继续从第十一手机用户中提取T+1至T+3时间段内出现在该高铁站其他第二方向虚拟卡口的手机用户,得到第十二手机用户;
计算第十二手机用户从该高铁站离开至中第二方向虚拟卡口区间的位移速度,筛选速度满足高铁、动车速度的用户,即位移速度大于120km/h的用户,得到第十三手机用户;
第十三手机用户则识别为T时刻的联票不出站换乘旅客。
在其中一个实施例中,T为当前5分钟粒度。
在其中一个实施例中,构建虚拟卡口其中,对于该高铁站和相邻高铁站的选择,该高铁站一端为分析的站点,相邻高铁站选择临高铁站地市的第一个高铁站或距离该高铁站行驶时长为15分钟至30分钟的高铁站。
本发明的有益效果是:本发明通过确定高铁站、高铁站与相邻高铁站之间的覆盖基站并构建成虚拟卡口,基于旅客移动终端与蜂窝基站之间的通信大数据和虚拟卡口,建立该高铁站的旅客分析模型,准实时持续输出高铁站的到站旅客人数、发送旅客人数和联票不出站换乘旅客人数;实现简单,效果可控,采集信息维度高,统计难度小,数据实时性高,为高铁运营管理提供精准的数据支撑。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是一种面向智慧交通的高铁虚拟卡口到发旅客分析方法的步骤示意图;
图2是一种面向智慧交通的高铁虚拟卡口到发旅客分析方法的高铁站点及线路示意图;
图3是一种面向智慧交通的高铁虚拟卡口到发旅客分析方法的虚拟卡口示意图;
图4是一种面向智慧交通的高铁虚拟卡口到发旅客分析方法的实施例中广州南站实时到站旅客分析结果示意图;
图5是一种面向智慧交通的高铁虚拟卡口到发旅客分析方法的实施例中广州南站实时发送旅客分析结果示意图;
图6是一种面向智慧交通的高铁虚拟卡口到发旅客分析方法的实施例中广州南站联票换乘旅客分析结果示意图。
具体实施方式
下面,结合附图以及具体实施方式,对本发明做进一步描述,需要说明的是,在不相冲突的前提下,以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
请参照图1,示出了本发明的一种面向智慧交通的高铁虚拟卡口到发旅客分析方法,所述方法包括以下步骤:
100、确定高铁站的覆盖基站;
高铁站作为重要的客流聚集交通场景,通信运营商都在高铁站建立良好的信号覆盖,包括室外宏站、专用于覆盖高铁站的室内微蜂窝基站等。
具体地,根据高铁站位置、边界轮廓地图、运营商高铁站基站建站规划和基站经纬度位置,确定高铁站的覆盖基站信息;通过现场对高铁站各楼层、各位置进行测试,对确定的高铁站覆盖基站信息进行修正。
在本发明实施例中,对高铁站覆盖的基站小区进行确定,如下表:
地市 | 高铁站 | 基站小区 | 基站小区CGI | 基站类型 |
XX市 | 高铁站A | XXX站1D-HLW-1 | cgi-01 | 4G |
XX市 | 高铁站A | XXX站1D-HLW-101 | cgi-02 | 4G |
XX市 | 高铁站A | XXX站1D-ZLW-101 | cgi-03 | 4G |
XX市 | 高铁站A | XXX站2E-ZLW-201 | cgi-04 | 4G |
XX市 | 高铁站A | XXX站2E-ZLW-202 | cgi-05 | 4G |
XX市 | 高铁站A | XXX站2E-ZLW-203 | cgi-06 | 4G |
XX市 | 高铁站A | XXX站2E-ZLW-204 | cgi-07 | 4G |
200、确定该高铁站与相邻高铁站之间高铁线路的覆盖基站;
高速铁路运行速度快,车厢内信号衰减大,因此高铁线路上对信号覆盖要求更为严格,有条件的地方,运营商基本都会采取专网建设基站,开通对高铁的网络覆盖,不具备专网覆盖的地方,也会采取多种优化方式,保证对高铁轨道线路的信号覆盖。
具体地,根据高铁轨道位置、线路走向、运营商基站建站规划和高铁沿线基站经纬度位置,确定高铁沿线的覆盖基站信息;通过乘坐高铁对高铁线路上实际占用的基站信号进行测试,对确定的高铁沿线覆盖基站信息进行修正。
在本发明实施例中,对该高铁站与相邻高铁站之间高铁线路覆盖的基站小区进行确定,如下表:
300、构建该高铁站与相邻高铁站之间高铁线路的虚拟卡口;
卡口一般是指位于某些特定的地方的设施设备,用于对通行的人、车辆、物品等进行拍摄、检测、检查、记录等。虚拟卡口是相对于物理卡口而言,在本方案中,虚拟卡口指的是将所分析的高铁站及与该高铁站相连的相邻高铁站之间的线路区间,利用通信运营商的蜂窝基站按高铁线路构建成多个虚拟卡口。
具体地,将该高铁站及与该高铁站相连的相邻高铁站之间的线路区间,利用通信运营商的蜂窝基站按高铁线路构建成多个虚拟卡口。
在本发明实施例中,请参照图2,A市10的高铁站X与线路相连的周边相邻的D市40高铁站X1、B市20高铁站X2、D市40高铁站X3、C市30高铁站X4及中间的高铁线路区间组成四个虚拟卡口。虚拟卡口的范围需要延展至相邻地市,经过该高铁站的每一条线路均按两个方向构建虚拟卡口(孤立线路的起终点高铁站则只有一个方向)。
在本发明实施例中,乘客使用手机进行接打电话、收发短彩信、开启移动上网使用各类APP或者浏览网页(包括相关APP后台相关信息的更新、接收等行为)时,手机均会与运营商网络实时进行信令交互,手机会上报当前所接收到的信号的基站;或者在静默状态下,手机会周期性地与运营商网络进行交互,上报其在网状态;此外,当手机跨过地市边界时,必须向运营商网络发起位置更新消息,报告手机当前的网络位置和连接的基站,以便当有电话、短彩信接入或者需要上网时网络可以在用户没有关机的情况下随时随地寻呼到用户的手机。因此,只要在用户开机情况下,运营商网络可以持续实现对用户手机的基站定位。同理,当乘客携带手机搭乘高铁时,通过采集运营商网络的信令进行跟踪分析,可以实时获取到乘客手机所占用的基站,通过手机对乘客进行定位。虽然高铁移动速度快,但并不影响上述定位过程。此外,本方案虚拟卡口的设立,跨过了地市边界,因此,当手机跨过地市边界时,向运营商网络发起位置更新消息,故可以保证获取到用户的位置变化。故此,通过监测手机用户的位置及位移变化,从而分析手机用户是否以及何时出现在高铁站或虚拟卡口的线路区间,进而可以分析用户是否属于到站旅客、出发旅客、途经旅客。
在本发明实施例中,对虚拟卡口的基站表示,如下表:
在本发明实施例中,请参照图3,构建虚拟卡口,包括第一虚拟卡口61、第二虚拟卡口62、第三虚拟卡口63和第四虚拟卡口64;其中对于该高铁站和相邻高铁站的选择,该高铁站一端为分析的站点,相邻高铁站可根据高铁或动车的行驶速度、线路邻近高铁站的位置分布、距离长短选择合适的站点,如选择临高铁站地市的第一个高铁站或距离该高铁站行驶时长为15分钟至30分钟的高铁站。
400、基于手机用户和虚拟卡口,建立该高铁站的旅客分析模型。
采用大数据分析方法,构建了高铁到站抵达旅客模型,基于运营商手机通信大数据、高铁站和虚拟卡口覆盖基站、旅客手机实时基站位置及位置变化,根据模型条件,逐步清洗过滤得到高铁到站旅客。
410、建立该高铁站到站抵达旅客分析模型;
411、T为当前5分钟粒度,筛选当前T时刻出现在该高铁站的手机用户,得到第一手机用户;
412、从第一手机用户中筛选出T-1时间段内即5分钟内未出现在该高铁站的手机用户,得到第二手机用户;过滤掉可能来乘坐高铁的用户;
413、从第二手机用户中进一步筛选出T-1至T-3时间段内即15分钟内曾出现在该高铁站的各个方向虚拟卡口的手机用户,得到第三手机用户;表明是通过乘坐高铁到达的用户;
414、计算第三手机用户从虚拟卡口至该高铁站区间的位移速度,筛选出速度满足高铁、动车速度的用户,即位移速度大于120km/h的用户,得到第四手机用户;
415、第四手机用户则识别为当前T时刻按各个虚拟卡口方向进行统计到达该高铁站的旅客。
420、建立该高铁站离站出发旅客分析模型。
采用大数据分析方法,构建了高铁离站出发旅客模型,基于运营商手机通信大数据、高铁站和虚拟卡口覆盖基站、旅客手机实时基站位置及位置变化,根据模型条件,逐步清洗过滤得到高铁离站旅客。
421、T为当前5分钟粒度,筛选T-1时间内即5分钟内曾出现在该高铁站的手机用户,得到第五手机用户;
422、从第五手机用户中筛选当前T时间段内已离开该高铁站的手机用户,得到第六手机用户;
423、从第六手机用户中进一步筛选在T+1至T+3时间段内即15分钟内出现在该高铁站的各个方向任一虚拟卡口的手机用户,得到第七手机用户;
424、计算第七手机用户从该高铁站至虚拟卡口区间的位移速度,筛选速度满足高铁、动车速度的用户,即位移速度大于120km/h的用户,得到第八手机用户;
425、第八手机用户则识别为当T时刻按各个虚拟卡口方向进行统计从该高铁站出发的实时旅客。
430、建立该高铁站联票不出站换乘旅客分析模型。
在本发明实施例中,该高铁站联票不出站换乘旅客分析模型分析的是2小时内完成换乘的乘客。采用大数据分析方法,构建了高铁联票不出站换乘旅客模型,基于运营商手机通信大数据、高铁站和虚拟卡口覆盖基站、旅客手机实时基站位置及位置变化,根据模型条件,逐步清洗过滤得到高铁换乘途经旅客。
431、T为当前5分钟粒度,筛选当前T时刻在该高铁站出现的手机用户,得到第九手机用户;
432、从第九手机用户中筛选T-24至T-1时间段内即此刻往前2小时内在该高铁站第一方向虚拟卡口出现过的手机用户,得到第十手机用户;
433、计算第十手机用户从第一方向虚拟卡口至该高铁站的位移速度,筛选速度满足高铁、动车速度的用户,即位移速度大于120km/h的用户,得到第十一手机用户;
434、继续从第十一手机用户中提取T+1至T+3时间段内即此刻之后15分钟内出现在该高铁站其他第二方向虚拟卡口的手机用户,得到第十二手机用户;
435、计算第十二手机用户从该高铁站离开至中第二方向虚拟卡口区间的位移速度,筛选速度满足高铁、动车速度的用户,即位移速度大于120km/h的用户,得到第十三手机用户;
436、第十三手机用户则识别为T时刻的联票不出站换乘旅客。
在本发明实施例中,采用广州南站高铁站为例,根据广州南站铁路轨道建设现状,目前主要分为南行(往中山珠海,广珠城轨,含往江门支线)、北行(往清远韶关,武广高铁)、东行(往东莞虎门,广深港客运专线)、西行(往佛山肇庆,南广高铁、贵广高铁)四个方向,根据列车停靠规律选择每个方向互补的一段线路作为虚拟卡口设定点。
南向卡口:顺德容桂站至广州南即广珠城际铁路
北向卡口:清远站至广州北站至广州南站即武广客运专线
西向卡口:肇庆东至佛山西至广州南即贵广高铁、南(宁)广(州)高铁
东向卡口(城轨):东莞虎门站至广州南即广深港客运专线
高铁站卡口:广州南站月台、候车厅
在本发明实施例中,采用中国移动数据,通过基站维表和测试出东西南北四个方向的虚拟卡口覆盖基站,广州南站的覆盖基站。
在本发明实施例中,广州南站实时到站旅客模型:假设T为当前5分钟粒度,筛选当前T时刻出现在广州南站的手机用户,得到第一手机用户;从第一手机用户中筛选T-1五分钟未出现在广州南站的手机用户,得到第二手机用户;从第二手机用户中进一步筛选T-1至T-3十五分钟内曾出现在南向、北向、东向、西向任一虚拟卡口的手机用户,得到第三手机用户;计算第三手机用户从虚拟卡口至广州南站的位移速度,筛选速度大于120km/h的用户,得到第四手机用户。第四手机用户则为当前T五分钟时刻到达广州南站的旅客,按各个虚拟卡口方向进行统计到站旅客人数。
在本发明实施例中,请参照图4,根据某日10:00至11:00,广州南站每五分钟粒度东西南北四个虚拟卡口到站旅客人数分析结果示意图。
在本发明实施例中,广州南站实时发送旅客模型:假设T为当前5分钟粒度,筛选T-1五分钟驻留在广州南站的手机用户,得到第五手机用户;从第五手机用户中筛选当前T五分钟未出现在广州南站的手机用户,得到第六手机用户;从第六手机用户中进一步筛选在T+1至T+3十五分钟内出现在南向、北向、东向、西向任一虚拟卡口的手机用户,得到第七手机用户;计算第七手机用户从广州南站至虚拟卡口的位移速度,筛选速度大于120km/h的用户,得到第八手机用户。第八手机用户则为T五分钟时刻从广州南站出发的实时旅客,按四个虚拟卡口方向进行统计离站旅客人数。
在本发明实施例中,请参照图5,某日10:00至11:00,广州南站每五分钟粒度往东西南北四个虚拟卡口离站旅客人数分析结果示意图。
在本发明实施例中,广州南站联票不出站换乘旅客模型:(1)假设T为当前5分钟,提取当前T时刻在广州南站出现的手机用户,得到第九手机用户;(2)从第九手机用户筛选T-24至T-1时间段即此刻往前2小时内在南向、北向、东向、西向第一虚拟卡口出现过的手机用户,得到第十手机用户;(3)计算第十手机用户中用户从虚拟卡口至广州南站的位移速度,筛选速度大于120km/h的用户,得到第十一手机用户;(4)从第十一手机用户提取T+1至T+3即T时刻之后15分钟内出现在其他三个方向第二虚拟卡口(与第一虚拟卡口不同的虚拟卡口)出现过的手机用户,得到第十二手机用户;(5)计算第十二手机用户中用户从广州南站离开至第二虚拟卡口区间的位移速度,筛选速度大于120km/h的用户,得到第十三手机用户。第十三手机用户记为T时刻联票不出站换乘旅客。
其中:
(2)中T-24至T-1即前2小时内在南向卡口出现过的用户,则(4)中提取T+1至T+3十五分钟内在北向、东向、西向卡口出现过的用户;
(2)中T-24至T-1即前2小时内在北向卡口出现过的用户,则(4)中提取T+1至T+3十五分钟内在南向、东向、西向卡口出现过的用户;
(2)中T-24至T-1即前2小时内在东向卡口出现过的用户,则(4)中提取T+1至T+3十五分钟内在南向、北向、西向卡口出现过的用户;
(2)中T-24至T-1即前2小时内在西向卡口出现过的用户,则(4)中提取T+1至T+3十五分钟内在南向、北向、东向卡口出现过的用户。
在本发明实施例中,请参照图6,某日10:00至11:00,每五分钟粒度途经广州南站联票不出站换乘旅客人数分析结果示意图。
在本发明实施例中,本发明基于旅客随身携带的移动终端(手机)的位置变化及所占用的蜂窝基站信号的变化来实现,在通信网络中,手机不间断地会主动或被动与当前服务的蜂窝基站及相邻蜂窝基站发生信令交互,通过采集片区乃至全网的蜂窝基站通信数据,利用大数据建模、分析和挖掘技术,从而得到高铁乘客是到站还是离站,从哪条线路哪个方向哪个时间到达或者离开。
本发明所研究的虚拟卡口+运营商手机通信大数据建模的高铁到发旅客分析方法,实现简单,效果可控,数据实时性高,有良好的技术积累和数据基础,成本、技术难度和效果三者之间有效平衡。三大运营商对手机用户与通信网络的交互信令早已实现全量实时采集和结构化、标准化、脱敏处理,数据实时性高,数据真实可靠,数据完整;虚拟卡口可以根据不同线路和高铁站的实际情况进行调整优化,方法灵活,能满足高铁站通用场景和个性化场景分析需求;到站旅客模型、离站旅客模型、途经旅客模型,同样可以进行不断训练和调整,使模型分析结果更加准确。
本发明采用虚拟卡口技术,基于运营商通信大数据,可以提供高铁到站客流、离站客流、途经客流、总客流、客流趋势、客流来源地等分析功能,为高铁管理部门、铁路运营企业、站场管理服务工作人员对高铁日常出行、重要节假日以及暑运、春运期间的客流组织、客运疏导、运营调度、客流分析提供数据支撑和决策支撑服务。可以及时掌握站场客流,管理站场秩序;洞悉旅客出行习惯和规律,科学组织和疏运高铁客流、车次;进行密集客流预警,预防群体性安全事件发生。
对高铁管理部门及用户,本发明的应用可以取得以下收益:1.改变传统的高铁客流分析和监控体系,基于庞大的手机用户群体数据和多样的手机应用数据,制定精准定位算法,无论对高铁运营管理部门进行交通监控还是对个人的出行指导都有重大的意义;2.为政府公共安全管理提供有力的支撑,通过与相关部门合作,高铁线路和站点实时客流分析、交通疏导分析、站点规划、线路规划等工作,大大提升政府部门的工作成效;3.大大降低调研成本的同时,也更能真实反映人们在高铁出行中的实际状况,为高铁运营管理提供更精准的数据支撑,提高效率。
上述实施方式仅为本发明的优选实施方式,不能以此来限定本发明保护的范围,本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。
Claims (10)
1.一种面向智慧交通的高铁虚拟卡口到发旅客分析方法,其特征在于:所述方法包括以下步骤:
确定高铁站的覆盖基站;
确定该高铁站与相邻高铁站之间高铁线路的覆盖基站;
构建该高铁站与相邻高铁站之间高铁线路的虚拟卡口;
基于运营商手机通信大数据和虚拟卡口,建立该高铁站的旅客分析模型。
2.根据权利要求1所述的一种面向智慧交通的高铁虚拟卡口到发旅客分析方法,其特征在于:所述确定高铁站的覆盖基站具体为:
根据高铁站位置、边界轮廓地图、运营商高铁站基站建站规划和基站经纬度位置,确定高铁站的覆盖基站信息;通过现场对高铁站各楼层、各位置进行测试,对确定的高铁站覆盖基站信息进行修正。
3.根据权利要求1所述的一种面向智慧交通的高铁虚拟卡口到发旅客分析方法,其特征在于:所述确定该高铁站与相邻高铁站之间高铁线路的覆盖基站具体为:
根据高铁轨道位置、线路走向、运营商基站建站规划和高铁沿线基站经纬度位置,确定高铁沿线的覆盖基站信息;通过乘坐高铁对高铁线路上实际占用的基站信号进行测试,对确定的高铁沿线覆盖基站信息进行修正。
4.根据权利要求1所述的一种面向智慧交通的高铁虚拟卡口到发旅客分析方法,其特征在于:所述构建该高铁站与相邻高铁站之间高铁线路的虚拟卡口具体为:
将该高铁站及与该高铁站相连的相邻高铁站之间的线路区间,利用通信运营商的蜂窝基站按高铁线路构建成多个虚拟卡口。
5.根据权利要求1所述的一种面向智慧交通的高铁虚拟卡口到发旅客分析方法,其特征在于:所述基于手机用户和虚拟卡口,建立该高铁站的旅客分析模型具体为:
建立该高铁站到站抵达旅客分析模型;
建立该高铁站离站出发旅客分析模型;
建立该高铁站联票不出站换乘旅客分析模型。
6.根据权利要求5所述的一种面向智慧交通的高铁虚拟卡口到发旅客分析方法,其特征在于:所述建立该高铁站到站抵达旅客分析模型具体为:
筛选当前T时刻出现在该高铁站的手机用户,得到第一手机用户;
从第一手机用户中筛选出T-1时间段内未出现在该高铁站的手机用户,得到第二手机用户;
从第二手机用户中筛选出T-1至T-3时间段内曾出现在该高铁站的各个方向虚拟卡口的手机用户,得到第三手机用户;
计算第三手机用户从虚拟卡口至该高铁站区间的位移速度,筛选出速度满足高铁、动车速度的用户,即位移速度大于120km/h的用户,得到第四手机用户;
第四手机用户则识别为当前T时刻按各个虚拟卡口方向进行统计到达该高铁站的旅客。
7.根据权利要求5所述的一种面向智慧交通的高铁虚拟卡口到发旅客分析方法,其特征在于:所述建立该高铁站离站出发旅客分析模型具体为:
筛选T-1时间内曾出现在该高铁站的手机用户,得到第五手机用户;
从第五手机用户中筛选当前T时间段内已离开该高铁站的手机用户,得到第六手机用户;
从第六手机用户中筛选在T+1至T+3时间段内出现在该高铁站的各个方向任一虚拟卡口的手机用户,得到第七手机用户;
计算第七手机用户从该高铁站至虚拟卡口区间的位移速度,筛选速度满足高铁、动车速度的用户,即位移速度大于120km/h的用户,得到第八手机用户;
第八手机用户则识别为当T时刻按各个虚拟卡口方向进行统计从该高铁站出发的实时旅客。
8.根据权利要求5所述的一种面向智慧交通的高铁虚拟卡口到发旅客分析方法,其特征在于:所述建立该高铁站联票不出站换乘旅客分析模型具体为:
筛选当前T时刻在该高铁站出现的手机用户,得到第九手机用户;
从第九手机用户中筛选T-24至T-1时间段内在该高铁站第一方向虚拟卡口出现过的手机用户,得到第十手机用户;
计算第十手机用户从第一方向虚拟卡口至该高铁站的位移速度,筛选速度满足高铁、动车速度的用户,即位移速度大于120km/h的用户,得到第十一手机用户;
继续从第十一手机用户中提取T+1至T+3时间段内出现在该高铁站第二方向虚拟卡口的手机用户,得到第十二手机用户;
计算第十二手机用户从该高铁站离开至中第二方向虚拟卡口区间的位移速度,筛选速度满足高铁、动车速度的用户,即位移速度大于120km/h的用户,得到第十三手机用户;
第十三手机用户则识别为T时刻的联票不出站换乘旅客。
9.根据权利要求6-8任一项所述的一种面向智慧交通的高铁虚拟卡口到发旅客分析方法,其特征在于:T为当前5分钟粒度。
10.根据权利要求4所述的一种面向智慧交通的高铁虚拟卡口到发旅客分析方法,其特征在于:构建虚拟卡口其中,对于该高铁站和相邻高铁站的选择,该高铁站一端为分析的站点,相邻高铁站选择临高铁站地市的第一个高铁站或距离该高铁站行驶时长为15分钟至30分钟的高铁站。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010987877.XA CN112087743A (zh) | 2020-09-18 | 2020-09-18 | 一种面向智慧交通的高铁虚拟卡口到发旅客分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010987877.XA CN112087743A (zh) | 2020-09-18 | 2020-09-18 | 一种面向智慧交通的高铁虚拟卡口到发旅客分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112087743A true CN112087743A (zh) | 2020-12-15 |
Family
ID=73738248
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010987877.XA Pending CN112087743A (zh) | 2020-09-18 | 2020-09-18 | 一种面向智慧交通的高铁虚拟卡口到发旅客分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112087743A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113676918A (zh) * | 2021-09-26 | 2021-11-19 | 广州瀚信通信科技股份有限公司 | 基于5g网络的交通枢纽人群迁徙分析方法及装置 |
CN117035243A (zh) * | 2023-10-10 | 2023-11-10 | 中国铁塔股份有限公司吉林省分公司 | 面向基站规划的业务需求调研报告分析方法及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010018221A (ja) * | 2008-07-14 | 2010-01-28 | Railway Technical Res Inst | プログラム、旅客流動推定装置、運転整理案作成装置、旅客流動推定方法及び運転整理案作成方法 |
US20110246209A1 (en) * | 2010-03-31 | 2011-10-06 | Intuit Inc. | Method and system for predicting customer flow and arrival times using positional tracking of mobile devices |
CN107644390A (zh) * | 2017-09-26 | 2018-01-30 | 深圳大学 | 一种取得轨道站台客流数据的方法及装置 |
CN109905845A (zh) * | 2018-12-10 | 2019-06-18 | 华南理工大学 | 一种基于手机信令的公交客流od获取方法 |
CN109996299A (zh) * | 2017-12-30 | 2019-07-09 | 中国移动通信集团河北有限公司 | 高铁用户识别方法、装置、设备及介质 |
CN110020980A (zh) * | 2019-04-08 | 2019-07-16 | 江苏号百信息服务有限公司 | 基于手机信令数据的机场到发旅客识别与客情分析方法 |
CN110113718A (zh) * | 2019-05-31 | 2019-08-09 | 南京瑞栖智能交通技术产业研究院有限公司 | 一种基于手机信令数据的铁路交通枢纽人口类型识别方法 |
CN110149593A (zh) * | 2019-04-10 | 2019-08-20 | 北京交通大学 | 基于移动台信令的路网客流状态辨识方法 |
CN110910293A (zh) * | 2019-11-01 | 2020-03-24 | 广州丰石科技有限公司 | 一种基于基站位置的地铁人群行为标签识别方法 |
CN111222744A (zh) * | 2019-11-18 | 2020-06-02 | 西南交通大学 | 基于信令数据的建成环境与轨道客流分布关系确定方法 |
-
2020
- 2020-09-18 CN CN202010987877.XA patent/CN112087743A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010018221A (ja) * | 2008-07-14 | 2010-01-28 | Railway Technical Res Inst | プログラム、旅客流動推定装置、運転整理案作成装置、旅客流動推定方法及び運転整理案作成方法 |
US20110246209A1 (en) * | 2010-03-31 | 2011-10-06 | Intuit Inc. | Method and system for predicting customer flow and arrival times using positional tracking of mobile devices |
CN107644390A (zh) * | 2017-09-26 | 2018-01-30 | 深圳大学 | 一种取得轨道站台客流数据的方法及装置 |
CN109996299A (zh) * | 2017-12-30 | 2019-07-09 | 中国移动通信集团河北有限公司 | 高铁用户识别方法、装置、设备及介质 |
CN109905845A (zh) * | 2018-12-10 | 2019-06-18 | 华南理工大学 | 一种基于手机信令的公交客流od获取方法 |
CN110020980A (zh) * | 2019-04-08 | 2019-07-16 | 江苏号百信息服务有限公司 | 基于手机信令数据的机场到发旅客识别与客情分析方法 |
CN110149593A (zh) * | 2019-04-10 | 2019-08-20 | 北京交通大学 | 基于移动台信令的路网客流状态辨识方法 |
CN110113718A (zh) * | 2019-05-31 | 2019-08-09 | 南京瑞栖智能交通技术产业研究院有限公司 | 一种基于手机信令数据的铁路交通枢纽人口类型识别方法 |
CN110910293A (zh) * | 2019-11-01 | 2020-03-24 | 广州丰石科技有限公司 | 一种基于基站位置的地铁人群行为标签识别方法 |
CN111222744A (zh) * | 2019-11-18 | 2020-06-02 | 西南交通大学 | 基于信令数据的建成环境与轨道客流分布关系确定方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113676918A (zh) * | 2021-09-26 | 2021-11-19 | 广州瀚信通信科技股份有限公司 | 基于5g网络的交通枢纽人群迁徙分析方法及装置 |
CN113676918B (zh) * | 2021-09-26 | 2023-11-10 | 广州瀚信通信科技股份有限公司 | 基于5g网络的交通枢纽人群迁徙分析方法及装置 |
CN117035243A (zh) * | 2023-10-10 | 2023-11-10 | 中国铁塔股份有限公司吉林省分公司 | 面向基站规划的业务需求调研报告分析方法及系统 |
CN117035243B (zh) * | 2023-10-10 | 2024-01-30 | 中国铁塔股份有限公司吉林省分公司 | 面向基站规划的业务需求调研报告分析方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101510357B (zh) | 一种基于手机信号数据检测交通状态的方法 | |
CN102595323B (zh) | 基于手机定位数据的居民出行特征参数的获取方法 | |
White et al. | Extracting origin destination information from mobile phone data | |
WO2015096400A1 (zh) | 一种利用移动通信数据挖掘进行公交规划的方法 | |
CN103985247A (zh) | 基于城市叫车需求分布密度的出租车运力调度系统 | |
CN112087743A (zh) | 一种面向智慧交通的高铁虚拟卡口到发旅客分析方法 | |
CN105632173A (zh) | 利用出租车gps数据进行城市公交系统的优化识别方法 | |
CN105070057A (zh) | 一种道路实时路况的监测方法 | |
CN103295394A (zh) | 基于广义gps数据的出租车候客站点备选地址确定方法 | |
CN109711523A (zh) | 一种基于app客户端的地铁客流信息实时发布系统及方法 | |
CN103906086B (zh) | 一种基于移动网络的人员流向监测方法和装置 | |
CN102881155A (zh) | 基于出租车智能终端的乘降热点区域分析的方法 | |
CN112036757A (zh) | 基于手机信令和浮动车数据的停车换乘停车场的选址方法 | |
CN109819038A (zh) | 一种基于客流信息实时上传的地铁综合管控系统及方法 | |
CN113282575A (zh) | 基于手机信令的铁路车站客流特征提取方法 | |
CN109816085A (zh) | 一种基于现场展示的地铁客流信息实时发布系统及方法 | |
CN111833476A (zh) | 基于移动端固定线路运行的公交车辆司机绩效考勤方法 | |
CN112711576B (zh) | 一种识别手机信令数据高铁、飞机城际出行方式的方法 | |
CN111508220B (zh) | 基于公交人口分布精准进行末端接驳的方法 | |
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 | |
CN104715606A (zh) | 一种基于手机终端的城市综合交通枢纽换乘客流量检测系统 | |
CN114466312B (zh) | 基于手机信令数据的地铁站出入口无障碍设施评价方法 | |
CN115988422A (zh) | 基于出行链解析的多层次轨道交通换乘客流提取方法 | |
CN102281499B (zh) | 一种基于多用户群体运动特征的交通工具定位系统及方法 | |
CN107545761B (zh) | 一种用于采集公交车留站客流的方法 |
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 |