CN112269846A - 一种基于大数据的出行路径规划系统 - Google Patents
一种基于大数据的出行路径规划系统 Download PDFInfo
- Publication number
- CN112269846A CN112269846A CN202011153855.XA CN202011153855A CN112269846A CN 112269846 A CN112269846 A CN 112269846A CN 202011153855 A CN202011153855 A CN 202011153855A CN 112269846 A CN112269846 A CN 112269846A
- Authority
- CN
- China
- Prior art keywords
- value
- nodes
- range
- unit
- node
- 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.)
- Withdrawn
Links
Images
Classifications
-
- 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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- 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"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Remote Sensing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于大数据的出行路径规划系统,包括目的录入单元、行为搜集单元、需求分析单元、主动分析单元、地图库、数据融汇单元、控制器、存储单元、显示单元和管理单元;本发明通过目的录入单元录入目标信息,目标信息即为用户想去的旅游景点的相关限定数据,之后目的录入单元用于将目的地传输到行为搜集单元,同时将热程值范围和节点数传输到需求分析单元;之后行为搜集单元接收目的录入单元传输的目的地,并结合地图库对目的地进行初窥处理,得到所有待选节点Di及其对应的热程值Rci。
Description
技术领域
本发明属于路径规划领域,涉及出行规划技术,具体是一种基于大数据的出行路径规划系统。
背景技术
公开号为CN108917776A的专利公开了一种小区内路径规划系统及路径规划方法,所述小区内路径规划系统包括安装在小区内的多个路径规划装置,每个路径规划装置均包括的测距模块,识别模块,移动检测模块及处理器,灯光控制模块,通信模块;路径规划装置的通信模块与中心计算机相连,中心计算机计算出路径后,将路径中的节点按从起点到终点的顺序依次列出,再找出这些节点对应的路径规划装置,并依次向对应地址的路径规划装置逐步发送亮灯命令。本发明最终通过中心计算机与路径规划装置的配合,通过相应灯具的亮灭,以灯光导航的形式实现。
但是,该专利中,缺乏一种针对用户出行时,想去的一些旅游景点缺乏很好的路径规划,当前在进行路径规划时,也很少考虑到根据不同景区的不同情况进行合理的路径规划,便于游客去一些自己想去的景点,想去程度依人流决定,对应不同的路径进行综合选定,为了实现这一技术特征,现提供一种解决方案。
发明内容
本发明的目的在于提供一种基于大数据的出行路径规划系统。
本发明的目的可以通过以下技术方案实现:
一种基于大数据的出行路径规划系统,包括目的录入单元、行为搜集单元、需求分析单元、主动分析单元、地图库、数据融汇单元、控制器、存储单元、显示单元和管理单元;
其中,所述目的录入单元用于用户录入目标信息,目标信息包括目的地、节点数和热程值范围;目的地为用户想去的目的地,热程值范围为用户需要录入的热程值的具体范围,热程值具体定义和计算方式见后文,节点数为用户想去景点数量;所述目的录入单元用于将目的地传输到行为搜集单元,所述目的录入单元用于将热程值范围和节点数传输到需求分析单元;
所述行为搜集单元接收目的录入单元传输的目的地,并结合地图库对目的地进行初窥处理,得到所有待选节点Di及其对应的热程值Rci,i=1...n;
行为搜集单元用于将所有待选节点Di及其对应的热程值Rci传输到主动分析单元;所述主动分析单元用于将待选节点Di及其对应的热程值Rci传输到数据融汇单元,所述数据融汇单元接收主动分析单元传输的待选节点Di及其对应的热程值Rci;
所述目的录入单元用于将节点数和热程值范围传输到数据融汇单元,所述数据融汇单元接收需求分析单元传输的节点数和热程值范围;所述数据融汇单元用于结合待选节点Di及其对应的热程值Rci对节点数和热程值范围进行自规划分析,具体分析步骤如下:
SS01:获取到热程值范围和节点数;
SS02:根据热程值范围自动获取到所有满足对应热程值Rci属于该范围的待选节点Di,将其标记为初选节点Cdj,j=1...m,其中m≤n;
SS03:获取到节点数,根据节点筛选分析得到满足条件的初选节点Cdj;
SS04:得到满足条件的初选节点Cdj,j=1...m;
SS05:自动将初选节点Cdj进行组合,将节点数标记为Jd,得到Jd个初选节点Cdj任意组合形成的所有路径组,将该路径组标记为潜在路径组Lo,o=1...k;
SS06:获取到所有的潜在路径组Lo,o=1...k;
SS07:自动获取到所有的潜在路径组Lo的路径长度,该路径长度即为潜在路径组内所有初选节点都经历时需要的路程;将路径长度标记为Clo,o=1...k;
SS08:获取到热程值范围的中值,之后任选一潜在路径组Lo;
SS9:获取到该潜在路径组内所有初选节点的热程值与热程值范围的中值的差值,对所有的差值求绝对值之后自动求和,得到的和值为对应潜在路径组的匹配值To;
SS10:任选下一潜在路径组Lo,重复步骤SS10-SS11,直到对所有的潜在路径组Lo处理完毕,得到所有潜在路径组Lo的匹配值To,o=1...k;
SS11:自动利用公式计算所有潜在路径组的选值Qxo,具体计算公式为:
Qxo=0.377*To+0.623*Clo;
式中,0.377和0.623均为预设的权值;
SS12:将选值Qxo从大到小进行排序,排名前三的标记为选中路径组;
所述管理单元与控制器通信连接,用于录入所有的预设值。
进一步地,所述初窥处理具体步骤如下:
步骤一:获取到目的地;
步骤二:根据目的地,自动结合地图库,以目的地为圆心,指定数值为半径画圆,得到圆形的选定区域;
步骤三:获取到选定区域内的所有旅游景点,将所有的旅游景点标记为待选节点;
步骤四:将待选节点标记为Di,i=1...n;
步骤五:获取到所有待选节点的单日旅行人数Pi,i=1...n;
步骤六:之后获取到所有的待选节点Di,自动获取其指定距离J1范围内的所有酒店数量,并将酒店数量标记为休转值Zi,i=1...n,且Zi与Di、Pi均为一一对应;
步骤七:获取到所有的待选节点Di,及其对应的休转值Zi和单日旅行人数Pi,自动计算各个待选节点Di的热程值Rci,具体计算公式为:
Rci=0.427*Zi+0.573*Pi,i=1...n;
0.427和0.573均为对应的因素预设的权值;
步骤八:得到所有待选节点Di及其对应的热程值Rci,i=1...n;
进一步地,步骤五中的单日旅行人数Pi确定方式如下:
S1:令i=1,选取对应的待选节点;
S2:获取到当下所属季节,调取上一年度对应该季度的旅游数据,旅游数据包括对应待选节点每一天的旅游人数;
S3:之后获取到该三个季度中每一个月的最高人数和最低人数,分别得到三个单高人数Gj和单低人数Rj,j=1、2、3;其中G1和D1对应表示为第一个月的单高人数和单低人数;
S4:获取到单高人数Gj,j=1、2、3;求取Gj的平均值;
S5:将三个单高人数减去Gj,j=1、2、3的平均值后分别取绝对值,将绝对值最大的对应的单高人数去除;
S6:对剩余的两个单高人数进行均值求取,将求取得到的值标记为视高值;
S7:获取到单低人数Rj,j=1、2、3;求取Dj的平均值;
S8:将三个单低人数减去Rj,j=1、2、3的平均值后分别取绝对值,将绝对值最大的对应的单低人数去除;
S9:对剩余的两个单低人数进行均值求取,将求取得到的值标记为视低值;
S10:将视高值和视低值的平均值标记为对应待选节点的单日旅行人数;
S11:令i=i+1,选取对应的待选节点;重复步骤S2-S11,直到对所有的待选节点处理完成,得到所有待选节点Di的单日旅行人数,将其标记为Pi,i=1...n;且Di与Pi一一对应。
进一步地,步骤SS03中的节点筛选分析具体步骤为:
当m-节点数≥X1时,此时自动进入步骤SS05,否则进入步骤SS04;其中X1为预设值;
获取到热程值范围,以及所有的热程值Rci;
计算到低于热程值范围的最大热程值Rci与热程值范围最低值差值的绝对值,得到第一绝对值;
之后计算到高于热程值范围的最小热程值Rci与热程值范围最高值差值的绝对值,得到第二绝对值;
当第一绝对值大于第二绝对值时,则从大于热程值范围的最小热程值对应的待选节点开始进行选择,将其标记为初选节点,之后选择小于热程值范围的最大热程值对应的待选节点,依次交替选择距离热程值范围上下的热程值对应的待选节点,将其标记为初选节点,直到初选节点Cdj满足m-节点数≥X1时结束;
当第一绝对值小于等于第二绝对值时,则从小于热程值范围的最大热程值对应的待选节点开始进行选择,将其标记为初选节点,之后选择大于热程值范围的最小热程值对应的待选节点,依次交替选择距离热程值范围上下的热程值对应的待选节点,将其标记为初选节点,直到初选节点Cdj满足m-节点数≥X1时结束。
进一步地,所述数据融汇单元用于将选中路径组传输到控制器,所述控制器用于将选中路径组传输到显示单元和存储单元。
进一步地,所述显示单元接收控制器传输的选中路径组并进行实时显示。
进一步地,所述存储单元接收控制器传输的选中路径组并进行实时存储。
本发明的有益效果:
本发明通过目的录入单元录入目标信息,目标信息即为用户想去的旅游景点的相关限定数据,之后目的录入单元用于将目的地传输到行为搜集单元,同时将热程值范围和节点数传输到需求分析单元;
之后行为搜集单元接收目的录入单元传输的目的地,并结合地图库对目的地进行初窥处理,得到所有待选节点Di及其对应的热程值Rci;
之后利用主动分析单元用于将待选节点Di及其对应的热程值Rci传输到数据融汇单元,同时目的录入单元用于将节点数和热程值范围传输到数据融汇单元,最后数据融汇单元用于结合待选节点Di及其对应的热程值Rci对节点数和热程值范围进行自规划分析,得到用户所需路径;综合考虑用户需求和相关景点情况,给出最适合的路径。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明。
图1为本发明的系统框图。
具体实施方式
如图1所示,一种基于大数据的出行路径规划系统,包括目的录入单元、行为搜集单元、需求分析单元、主动分析单元、地图库、数据融汇单元、控制器、存储单元、显示单元和管理单元;
其中,所述目的录入单元用于用户录入目标信息,目标信息包括目的地、节点数和热程值范围;目的地为用户想去的目的地,热程值范围为用户需要录入的热程值的具体范围,热程值具体定义和计算方式见后文,节点数为用户想去景点数量;所述目的录入单元用于将目的地传输到行为搜集单元,所述目的录入单元用于将热程值范围和节点数传输到需求分析单元;
所述行为搜集单元接收目的录入单元传输的目的地,并结合地图库对目的地进行初窥处理,初窥处理具体步骤如下:
步骤一:获取到目的地;
步骤二:根据目的地,自动结合地图库,以目的地为圆心,指定数值为半径画圆,得到圆形的选定区域;
步骤三:获取到选定区域内的所有旅游景点,将所有的旅游景点标记为待选节点;
步骤四:将待选节点标记为Di,i=1...n;
步骤五:获取到所有待选节点的单日旅行人数Pi,i=1...n;单日旅行人数Pi确定方式如下:
S1:令i=1,选取对应的待选节点;
S2:获取到当下所属季节,调取上一年度对应该季度的旅游数据,旅游数据包括对应待选节点每一天的旅游人数;
S3:之后获取到该三个季度中每一个月的最高人数和最低人数,分别得到三个单高人数Gj和单低人数Rj,j=1、2、3;其中G1和D1对应表示为第一个月的单高人数和单低人数;
S4:获取到单高人数Gj,j=1、2、3;求取Gj的平均值;
S5:将三个单高人数减去Gj,j=1、2、3的平均值后分别取绝对值,将绝对值最大的对应的单高人数去除;
S6:对剩余的两个单高人数进行均值求取,将求取得到的值标记为视高值;
S7:获取到单低人数Rj,j=1、2、3;求取Dj的平均值;
S8:将三个单低人数减去Rj,j=1、2、3的平均值后分别取绝对值,将绝对值最大的对应的单低人数去除;
S9:对剩余的两个单低人数进行均值求取,将求取得到的值标记为视低值;
S10:将视高值和视低值的平均值标记为对应待选节点的单日旅行人数;
S11:令i=i+1,选取对应的待选节点;重复步骤S2-S11,直到对所有的待选节点处理完成,得到所有待选节点Di的单日旅行人数,将其标记为Pi,i=1...n;且Di与Pi一一对应;
步骤六:之后获取到所有的待选节点Di,自动获取其指定距离J1范围内的所有酒店数量,并将酒店数量标记为休转值Zi,i=1...n,且Zi与Di、Pi均为一一对应;
步骤七:获取到所有的待选节点Di,及其对应的休转值Zi和单日旅行人数Pi,自动计算各个待选节点Di的热程值Rci,具体计算公式为:
Rci=0.427*Zi+0.573*Pi,i=1...n;
0.427和0.573均为对应的因素预设的权值,因为不同因素对最终结果影响不同,故引入预设的权值进行体现;
步骤八:得到所有待选节点Di及其对应的热程值Rci,i=1...n;
行为搜集单元用于将所有待选节点Di及其对应的热程值Rci传输到主动分析单元;所述主动分析单元用于将待选节点Di及其对应的热程值Rci传输到数据融汇单元,所述数据融汇单元接收主动分析单元传输的待选节点Di及其对应的热程值Rci;
所述目的录入单元用于将节点数和热程值范围传输到数据融汇单元,所述数据融汇单元接收需求分析单元传输的节点数和热程值范围;所述数据融汇单元用于结合待选节点Di及其对应的热程值Rci对节点数和热程值范围进行自规划分析,具体分析步骤如下:
SS01:获取到热程值范围和节点数;
SS02:根据热程值范围自动获取到所有满足对应热程值Rci属于该范围的待选节点Di,将其标记为初选节点Cdj,j=1...m,其中m≤n;
SS03:获取到节点数,当m-节点数≥X1时,此时自动进入步骤SS05,否则进入步骤SS04;其中X1为预设值;
SS04:获取到热程值范围,以及所有的热程值Rci;
计算到低于热程值范围的最大热程值Rci与热程值范围最低值差值的绝对值,得到第一绝对值;
之后计算到高于热程值范围的最小热程值Rci与热程值范围最高值差值的绝对值,得到第二绝对值;
当第一绝对值大于第二绝对值时,则从大于热程值范围的最小热程值对应的待选节点开始进行选择,将其标记为初选节点,之后选择小于热程值范围的最大热程值对应的待选节点,依次交替选择距离热程值范围上下的热程值对应的待选节点,将其标记为初选节点,直到初选节点Cdj满足m-节点数≥X1时结束;进入下一步;
当第一绝对值小于等于第二绝对值时,则从小于热程值范围的最大热程值对应的待选节点开始进行选择,将其标记为初选节点,之后选择大于热程值范围的最小热程值对应的待选节点,依次交替选择距离热程值范围上下的热程值对应的待选节点,将其标记为初选节点,直到初选节点Cdj满足m-节点数≥X1时结束;进入下一步;
SS05:得到满足条件的初选节点Cdj,j=1...m;
SS06:自动将初选节点Cdj进行组合,将节点数标记为Jd,得到Jd个初选节点Cdj任意组合形成的所有路径组,将该路径组标记为潜在路径组Lo,o=1...k;
SS07:获取到所有的潜在路径组Lo,o=1...k;
SS08:自动获取到所有的潜在路径组Lo的路径长度,该路径长度即为潜在路径组内所有初选节点都经历时需要的路程;将路径长度标记为Clo,o=1...k;
SS09:获取到热程值范围的中值,之后任选一潜在路径组Lo;
SS10:获取到该潜在路径组内所有初选节点的热程值与热程值范围的中值的差值,对所有的差值求绝对值之后自动求和,得到的和值为对应潜在路径组的匹配值To;
SS11:任选下一潜在路径组Lo,重复步骤SS10-SS11,直到对所有的潜在路径组Lo处理完毕,得到所有潜在路径组Lo的匹配值To,o=1...k;
SS12:自动利用公式计算所有潜在路径组的选值Qxo,具体计算公式为:
Qxo=0.377*To+0.623*Clo;
式中,0.377和0.623均为预设的权值;
SS13:将选值Qxo从大到小进行排序,排名前三的标记为选中路径组;
所述数据融汇单元用于将选中路径组传输到控制器,所述控制器用于将选中路径组传输到显示单元和存储单元;
所述显示单元接收控制器传输的选中路径组并进行实时显示;
所述存储单元接收控制器传输的选中路径组并进行实时存储;
所述管理单元与控制器通信连接,用于录入所有的预设值。
一种基于大数据的出行路径规划系统,在工作时,首先通过目的录入单元录入目标信息,目标信息即为用户想去的旅游景点的相关限定数据,之后目的录入单元用于将目的地传输到行为搜集单元,同时将热程值范围和节点数传输到需求分析单元;
之后行为搜集单元接收目的录入单元传输的目的地,并结合地图库对目的地进行初窥处理,得到所有待选节点Di及其对应的热程值Rci;
之后利用主动分析单元用于将待选节点Di及其对应的热程值Rci传输到数据融汇单元,同时目的录入单元用于将节点数和热程值范围传输到数据融汇单元,最后数据融汇单元用于结合待选节点Di及其对应的热程值Rci对节点数和热程值范围进行自规划分析,得到用户所需路径;综合考虑用户需求和相关景点情况,给出最适合的路径。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (7)
1.一种基于大数据的出行路径规划系统,其特征在于,包括目的录入单元、行为搜集单元、需求分析单元、主动分析单元、地图库、数据融汇单元、控制器、存储单元、显示单元和管理单元;
其中,所述目的录入单元用于用户录入目标信息,目标信息包括目的地、节点数和热程值范围;目的地为用户想去的目的地,热程值范围为用户需要录入的热程值的具体范围,节点数为用户想去景点数量;所述目的录入单元用于将目的地传输到行为搜集单元,所述目的录入单元用于将热程值范围和节点数传输到需求分析单元;
所述行为搜集单元接收目的录入单元传输的目的地,并结合地图库对目的地进行初窥处理,得到所有待选节点Di及其对应的热程值Rci,i=1...n;
所述行为搜集单元用于将所有待选节点Di及其对应的热程值Rci传输到主动分析单元;所述主动分析单元用于将待选节点Di及其对应的热程值Rci传输到数据融汇单元,所述数据融汇单元接收主动分析单元传输的待选节点Di及其对应的热程值Rci;
所述目的录入单元用于将节点数和热程值范围传输到数据融汇单元,所述数据融汇单元接收需求分析单元传输的节点数和热程值范围;所述数据融汇单元用于结合待选节点Di及其对应的热程值Rci对节点数和热程值范围进行自规划分析,具体分析步骤如下:
SS01:获取到热程值范围和节点数;
SS02:根据热程值范围自动获取到所有满足对应热程值Rci属于该范围的待选节点Di,将其标记为初选节点Cdj,j=1...m,其中m≤n;
SS03:获取到节点数,根据节点筛选分析得到满足条件的初选节点Cdj;
SS04:得到满足条件的初选节点Cdj,j=1...m;
SS05:自动将初选节点Cdj进行组合,将节点数标记为Jd,得到Jd个初选节点Cdj任意组合形成的所有路径组,将该路径组标记为潜在路径组Lo,o=1...k;
SS06:获取到所有的潜在路径组Lo,o=1...k;
SS07:自动获取到所有的潜在路径组Lo的路径长度,该路径长度即为潜在路径组内所有初选节点都经历时需要的路程;将路径长度标记为Clo,o=1...k;
SS08:获取到热程值范围的中值,之后任选一潜在路径组Lo;
SS9:获取到该潜在路径组内所有初选节点的热程值与热程值范围的中值的差值,对所有的差值求绝对值之后自动求和,得到的和值为对应潜在路径组的匹配值To;
SS10:任选下一潜在路径组Lo,重复步骤SS10-SS11,直到对所有的潜在路径组Lo处理完毕,得到所有潜在路径组Lo的匹配值To,o=1...k;
SS11:自动利用公式计算所有潜在路径组的选值Qxo,具体计算公式为:
Qxo=0.377*To+0.623*Clo;
式中,0.377和0.623均为预设的权值;
SS12:将选值Qxo从大到小进行排序,排名前三的标记为选中路径组;
所述管理单元与控制器通信连接,用于录入所有的预设值。
2.根据权利要求1所述的一种基于大数据的出行路径规划系统,其特征在于,所述初窥处理具体步骤如下:
步骤一:获取到目的地;
步骤二:根据目的地,自动结合地图库,以目的地为圆心,指定数值为半径画圆,得到圆形的选定区域;
步骤三:获取到选定区域内的所有旅游景点,将所有的旅游景点标记为待选节点;
步骤四:将待选节点标记为Di,i=1...n;
步骤五:获取到所有待选节点的单日旅行人数Pi,i=1...n;
步骤六:之后获取到所有的待选节点Di,自动获取其指定距离J1范围内的所有酒店数量,并将酒店数量标记为休转值Zi,i=1...n,且Zi与Di、Pi均为一一对应;
步骤七:获取到所有的待选节点Di,及其对应的休转值Zi和单日旅行人数Pi,自动计算各个待选节点Di的热程值Rci,具体计算公式为:
Rci=0.427*Zi+0.573*Pi,i=1...n;
0.427和0.573均为预设的权值;
步骤八:得到所有待选节点Di及其对应的热程值Rci,i=1...n。
3.根据权利要求2所述的一种基于大数据的出行路径规划系统,其特征在于,步骤五中的单日旅行人数Pi确定方式如下:
S1:令i=1,选取对应的待选节点;
S2:获取到当下所属季节,调取上一年度对应该季度的旅游数据,旅游数据包括对应待选节点每一天的旅游人数;
S3:之后获取到该三个季度中每一个月的最高人数和最低人数,分别得到三个单高人数Gj和单低人数Rj,j=1、2、3;其中G1和D1对应表示为第一个月的单高人数和单低人数;
S4:获取到单高人数Gj,j=1、2、3;求取Gj的平均值;
S5:将三个单高人数减去Gj,j=1、2、3的平均值后分别取绝对值,将绝对值最大的对应的单高人数去除;
S6:对剩余的两个单高人数进行均值求取,将求取得到的值标记为视高值;
S7:获取到单低人数Rj,j=1、2、3;求取Dj的平均值;
S8:将三个单低人数减去Rj,j=1、2、3的平均值后分别取绝对值,将绝对值最大的对应的单低人数去除;
S9:对剩余的两个单低人数进行均值求取,将求取得到的值标记为视低值;
S10:将视高值和视低值的平均值标记为对应待选节点的单日旅行人数;
S11:令i=i+1,选取对应的待选节点;重复步骤S2-S11,直到对所有的待选节点处理完成,得到所有待选节点Di的单日旅行人数,将其标记为Pi,i=1...n;且Di与Pi一一对应。
4.根据权利要求1所述的一种基于大数据的出行路径规划系统,其特征在于,步骤SS03中的节点筛选分析具体步骤为:
当m-节点数≥X1时,此时自动进入步骤SS05,否则进入步骤SS04;其中X1为预设值;
获取到热程值范围,以及所有的热程值Rci;
计算到低于热程值范围的最大热程值Rci与热程值范围最低值差值的绝对值,得到第一绝对值;
之后计算到高于热程值范围的最小热程值Rci与热程值范围最高值差值的绝对值,得到第二绝对值;
当第一绝对值大于第二绝对值时,则从大于热程值范围的最小热程值对应的待选节点开始进行选择,将其标记为初选节点,之后选择小于热程值范围的最大热程值对应的待选节点,依次交替选择距离热程值范围上下的热程值对应的待选节点,将其标记为初选节点,直到初选节点Cdj满足m-节点数≥X1时结束;
当第一绝对值小于等于第二绝对值时,则从小于热程值范围的最大热程值对应的待选节点开始进行选择,将其标记为初选节点,之后选择大于热程值范围的最小热程值对应的待选节点,依次交替选择距离热程值范围上下的热程值对应的待选节点,将其标记为初选节点,直到初选节点Cdj满足m-节点数≥X1时结束。
5.根据权利要求1所述的一种基于大数据的出行路径规划系统,其特征在于,所述数据融汇单元用于将选中路径组传输到控制器,所述控制器用于将选中路径组传输到显示单元和存储单元。
6.根据权利要求1所述的一种基于大数据的出行路径规划系统,其特征在于,所述显示单元接收控制器传输的选中路径组并进行实时显示。
7.根据权利要求1所述的一种基于大数据的出行路径规划系统,其特征在于,所述存储单元接收控制器传输的选中路径组并进行实时存储。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011153855.XA CN112269846A (zh) | 2020-10-26 | 2020-10-26 | 一种基于大数据的出行路径规划系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011153855.XA CN112269846A (zh) | 2020-10-26 | 2020-10-26 | 一种基于大数据的出行路径规划系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112269846A true CN112269846A (zh) | 2021-01-26 |
Family
ID=74341590
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011153855.XA Withdrawn CN112269846A (zh) | 2020-10-26 | 2020-10-26 | 一种基于大数据的出行路径规划系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112269846A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113014647A (zh) * | 2021-02-25 | 2021-06-22 | 浙江正元智慧科技股份有限公司 | 一种基于大数据的运维平台远程数据采集系统 |
CN113052472A (zh) * | 2021-03-31 | 2021-06-29 | 杭州京威盛智能科技有限公司 | 基于资源整合的医院智能服务系统 |
-
2020
- 2020-10-26 CN CN202011153855.XA patent/CN112269846A/zh not_active Withdrawn
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113014647A (zh) * | 2021-02-25 | 2021-06-22 | 浙江正元智慧科技股份有限公司 | 一种基于大数据的运维平台远程数据采集系统 |
CN113014647B (zh) * | 2021-02-25 | 2022-05-03 | 浙江正元智慧科技股份有限公司 | 一种基于大数据的运维平台远程数据采集系统 |
CN113052472A (zh) * | 2021-03-31 | 2021-06-29 | 杭州京威盛智能科技有限公司 | 基于资源整合的医院智能服务系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104634343B (zh) | 一种基于多目标优化的景区路线自动规划方法 | |
Rong et al. | Du-parking: Spatio-temporal big data tells you realtime parking availability | |
CN107784380B (zh) | 一种巡检最短路径的优化方法及优化系统 | |
CN105674995B (zh) | 一种基于用户出行轨迹获取通勤路线的方法及装置 | |
CN112269846A (zh) | 一种基于大数据的出行路径规划系统 | |
CN113011925B (zh) | 基于大数据的商业空间品质评价方法、系统、设备及介质 | |
Kanoh et al. | Hybrid genetic algorithm for dynamic multi-objective route planning with predicted traffic in a real-world road network | |
CN110598957B (zh) | 路径规划方法、装置、计算机设备及存储介质 | |
Silva et al. | odNEAT: An algorithm for distributed online, onboard evolution of robot behaviours | |
CN112686429B (zh) | 移动机器人及其基于自适应遗传算法的路径规划方法 | |
CN106681996A (zh) | 确定地理范围内兴趣区域、兴趣点的方法和装置 | |
CN105136147A (zh) | 一种室内导航方法、装置以及终端 | |
CN101459915A (zh) | 基于遗传算法的无线传感器网络节点覆盖优化方法 | |
CN109117863A (zh) | 基于深度卷积生成对抗网络的绝缘子样本扩充方法及装置 | |
CN111695225A (zh) | 一种公交复合复杂网络模型及其公交调度优化方法 | |
CN108827842A (zh) | 一种基于pm2.5的空气质量最优路径规划方法及系统 | |
CN111783295B (zh) | 城市社区特定人行为链动态识别与预测评估方法及系统 | |
Halim et al. | On finding optimum commuting path in a road network: a computational approach for smart city traveling | |
Qiu et al. | RPSBPT: A route planning scheme with best profit for taxi | |
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 | |
Turner et al. | Evolving direct perception models of human behavior in building systems | |
Nunes et al. | Taxi pick-ups route optimization using genetic algorithms | |
Eroğlu et al. | Genetic algorithm in electrical transmission lines path finding problems | |
Abo-Zahhad et al. | Integrated model of DNA sequence numerical representation and artificial neural network for human donor and acceptor sites prediction | |
CN112365153A (zh) | 视力障碍者旅游计划制定方法及相关装置 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210126 |
|
WW01 | Invention patent application withdrawn after publication |