CN112566025A - 公交客流来源去向识别方法、装置、电子设备和存储介质 - Google Patents

公交客流来源去向识别方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN112566025A
CN112566025A CN202011462187.9A CN202011462187A CN112566025A CN 112566025 A CN112566025 A CN 112566025A CN 202011462187 A CN202011462187 A CN 202011462187A CN 112566025 A CN112566025 A CN 112566025A
Authority
CN
China
Prior art keywords
passenger
station
bus
buffer
thiessen
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.)
Granted
Application number
CN202011462187.9A
Other languages
English (en)
Other versions
CN112566025B (zh
Inventor
程晓明
于泳波
钱林波
杨涛
侯佳
於昊
李旭
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.)
Nanjing Institute Of City & Transport Planning Co ltd
Original Assignee
Nanjing Institute Of City & Transport Planning 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 Nanjing Institute Of City & Transport Planning Co ltd filed Critical Nanjing Institute Of City & Transport Planning Co ltd
Priority to CN202011462187.9A priority Critical patent/CN112566025B/zh
Publication of CN112566025A publication Critical patent/CN112566025A/zh
Application granted granted Critical
Publication of CN112566025B publication Critical patent/CN112566025B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
    • G06Q50/40—
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请提供一种公交客流来源去向识别方法、装置、电子设备和存储介质，所述公交客流来源去向识别方法包括：根据目标区域的各个基站的地理信息生成多个泰森多边形；根据所述目标区域内的各个移动终端的移动轨迹与公交线路在所述多个泰森多边形中的重合比对结果生成泰森多边形序列；基于所述泰森多边形序列确定所述各个移动终端对应的乘客乘坐公交的上车站点和下车站点；根据所述各个移动终端对应的乘客在进入所述上车站点之前的地理位置轨迹与离开所述下车站点之后的地理位置轨迹，确定每个所述乘客对应所述上车站点的来源地和下车站点的去向地。

Description

公交客流来源去向识别方法、装置、电子设备和存储介质
技术领域
本申请涉及交通规划领域，具体而言，涉及一种公交客流来源去向识别方法、装置、电子设备和存储介质。
背景技术
目前，汽车使用率增加、道路容量不足或设计不妥以及道路交会处过多导致交通拥堵，增加了工作人员通勤的时间，使得工作人员可用于工作或者生产的时间减少，而造成驾驶人及该区域经济上的损失。通过对公交客流来源去向识别用以规划交通，对缓解城市交通拥堵起到重要作用。
目前针对公交客流来源去向分布尚无准确的量化方法，因此，存在对交通公交客流来源去向分布识别不准的问题。
发明内容
有鉴于此，本申请实施例的目的在于提供一种公交客流来源去向识别方法、装置、电子设备和存储介质，用以解决上述对交通公交客流来源去向分布识别不准的问题。
为了解决上述技术问题，第一方面，本申请实施例提供一种公交客流来源去向识别方法，包括：
根据目标区域的各个基站的地理信息生成多个泰森多边形；
根据所述目标区域内的各个移动终端的移动轨迹与公交线路在所述多个泰森多边形中的重合比对结果生成泰森多边形序列；
基于所述泰森多边形序列确定所述各个移动终端对应的乘客乘坐公交的上车站点和下车站点；
根据所述各个移动终端对应的乘客在进入所述上车站点之前的地理位置轨迹与离开所述下车站点之后的地理位置轨迹，确定每个所述乘客对应所述上车站点的来源地和下车站点的去向地。
在上述实现过程中，通过根据获取到的基站的地理信息生成泰森多边形，将公交线路与乘客移动轨迹进行比对，识别乘客乘坐以及离开公交的站点。由此可见，能够准确地针对公交客流来源去向分布的量化，从而能够解决交通公交客流来源去向分布识别不准的技术问题。
可选的，所述各个基站的地理信息包括：所述各个基站的经纬度数据；所述根据所述基站的地理信息生成泰森多边形包括：根据各个基站的经纬度数据，以每个基站的位置作为一个所述泰森多边形的形心，基于德洛内三角网构建所述多个泰森多边形。
在上述实现过程中，可以通过获取基站的经纬度数据，基于德洛内(Delaunay)三角网，以各个基站的位置作为该泰森多边形的形心，从而构建各个基站对应的泰森多边形。能够适应各个基站之间的地理位置相隔不均的数据特点，从而表示各个基站之间的线性特征。由此可见，能够在不计算乘客与基站之间距离的情况下，判断地图中向随机位置的某个乘客提供信号对应的基站。
可选的，在所述根据所述目标区域内的各个移动终端的移动轨迹与公交线路在所述多个泰森多边形中的重合比对结果生成泰森多边形序列之前，所述方法还包括：
针对所述公交线路中任意相邻的两个公交站点之间的路段，沿所述路段的指定参照线，根据预设的单位长度和单位宽度生成至少一个缓冲区，并对每个所述缓冲区进行编号；
根据所述多个泰森多边形与每个所述缓冲区的地理信息，确定各个所述各个基站对应服务的缓冲区；其中，针对任一基站，当所述基站所在的泰森多边形包含的地理信息与至少一个缓冲区的地理信息存在交集时，所述至少一个缓冲区为所述基站对应服务的缓冲区，所述基站为对应服务的缓冲区提供信号。
在上述实现过程中，可以针对公交线路中任意相邻的两个站点，沿路段的指定参照线，根据预设的单位长度和单位宽度生成缓冲区，并对缓冲区进行编号，通过分析缓冲区以及基站的地理信息，当基站所在的泰森多边形包含的地理信息中与缓存区存在交集时，确定该基站为对应服务的缓冲区提供信号。由此可见，通过将公交线路之间的站点进行更细致的划分，能够更精确的为每个路段确定对应提供信号的基站。
可选的，所述根据所述目标区域内的各个移动终端的移动轨迹与公交线路在所述多个泰森多边形中的重合比对结果生成泰森多边形序列，包括：
生成所述基站的地理信息和所述多个泰森多边形的对应关系字典；
根据所述对应关系字典，将所述各个移动终端的移动轨迹与所述各个基站对应服务的缓冲区进行比对，以确定所述泰森多边形序列，以及筛选出可能乘坐所述公交的目标乘客，所述泰森多边形序列中的任一泰森多边形中包含与任一移动终端的移动轨迹相交的缓冲区，所述目标乘客为移动轨迹与至少一个缓冲区存在交集的移动终端对应的乘客。
在上述实现过程中，可以通过生成基站的地理信息与泰森多边形的对应关系字典，能够实现将各个移动终端的移动轨迹与多个缓冲区进行比对。根据比对结果，确定多个乘客对应的泰森多边形序列，并筛选出可能乘坐公交的乘客。由此可见，通过生成对应关系字典，能够对大量的乘客信息进行过滤分析，从中筛选出可能乘坐公交的目标乘客。
可选的，所述根据所述移动终端的移动轨迹与公交线路在所述泰森多边形中的重合比对结果生成泰森多边形序列，还包括：
获取所述公交线路经过的所有缓冲区的信息，并基于所述所有缓冲区的信息将任意两个相邻站点之间的缓冲区标记为一类，以得到多个缓冲区类；
根据所述公交的定位信息确定所述公交进入目标缓冲区类以及离开所述目标缓冲区类的时间点，所述目标缓冲区类是所述多个缓冲区类中的任一缓冲区类；
根据所述目标乘客的移动轨迹，确定所述目标乘客在预设时段内与所述目标缓冲区类有交集的泰森多边形，以得到所述目标乘客对应的泰森多边形序列，所述预设时段是根据所述公交进入所述目标缓冲区类以及离开所述目标缓冲区类的时间点确定的。
在上述实现过程中，可以通过将任意两个相邻站点之间的缓冲区标记为一类，建立缓冲区类，通过缓冲区类与乘客轨迹进行对比，得到每个目标乘客对应的泰森多边形，以使在之后的步骤中，识别出乘客对应的上车站点以及下车站点。
可选的，所述基于所述泰森多边形序列确定所述各个移动终端的对应乘客的乘坐公交的上车站点和下车站点，包括：
针对所述目标乘客中的每个乘客对应的任一泰森多边形序列，确定所述任一泰森多边形序列中的任一缓冲区类中，与所述每个乘客的移动轨迹存在交集的缓冲区，并根据所述存在交集的缓冲区的数量，以及所述任一缓冲区类中缓冲区的总数量，获取所述每个乘客与所述公交在所述任一缓冲区类的相似度，以得到所述每个乘客与所述公交在各个缓冲区类的相似度；
根据所述每个乘客与所述公交在各个缓冲区类的相似度，保留相似度大于或等于预设相似度阈值的缓冲区类，以得到所述每个乘客对应的缓冲区类序列；
针对所述目标乘客中第一乘客对应的缓冲区类序列，获取所述缓冲区类序列中的第一个缓冲区类，以及所述缓冲区类序列中的最后一个缓冲区类，将所述第一个缓冲区类中的第一个缓冲区对应的站点确定为所述第一乘客乘坐所述公交的所述上车站点，将所述最后一个缓冲区类中的最后一个缓冲区对应的站点确定为所述第一乘客乘坐所述公交的下车站点，所述第一乘客为所述目标乘客中的任一乘客。
在上述实现过程中，通过分析每个乘客对应的泰森多边形序列，确定泰森多边形中的缓冲区中与乘客的移动轨迹存在交集的缓冲区，根据缓冲区的数量以及该缓冲区类中缓冲区的总数量，确定每个目标乘客与公交在各个缓冲区类的相似度，通过设置相似度阈值，保留相似度大于或等于阈值的相似度阈值的缓冲区类，得到保留下的每个乘客对应的缓冲区序列，识别保留下的第一乘客的缓冲区类序列的第一个缓冲区类以及最后一个缓冲区类，确定第一乘客乘坐以及离开公交站点。由此可见，能够通过泰森多边形中的缓冲区中与乘客的移动轨迹存在交集的缓冲区，确定每个目标乘客与公交在各个缓冲区类的相似度，通过设置相似度阈值，筛选出乘坐公交的乘客，并根据缓冲区序列确定乘客乘坐公交的站点以及离开公交的站点，为识别客流的来源地以及去向地提供基础。
可选的，基于每个乘客乘坐所述公交的上车站点和下车站点，获取所述每个乘客进入所述上车站点之前的第一移动轨迹，以及离开所述下车站点之后的第二移动轨迹；
针对所述每个乘客，基于所述第一移动轨迹，确定所述每个乘客停留时长超过预设时长阈值且与上车站点距离最近的泰森多边形作为本次出行的起点，并基于所述第二移动轨迹，确定所述每个乘客停留时长超过所述预设时长阈值且与下车站点距离最近的泰森多边形作为本次出行的终点；
根据所述每个乘客对应的所述起点和所述终点，确定所述公交线路中各个站点的客流来源地和去向地。
在上述实现过程中，通过设置时长阈值，确定乘客在乘坐公交之前停留超过时长阈值的且与上车站点最近的泰森多边形为乘客的来源地，乘客在乘坐公交之后停留超过时长阈值的且与上车站点最近的泰森多边形为乘客的去向地。由此可见，通过将公交线路与乘客移动轨迹进行比对，识别乘客乘坐以及离开公交的站点，通过提取乘客的乘坐公交站点之前的地理位置轨迹与离开公交站点之后的地理位置轨迹，确定乘客的来源地以及去向地。能够准确地针对公交客流来源去向分布的量化，从而能够解决交通公交客流来源去向分布识别不准的技术问题，有利于对交通运输基础设施建设发展的规划和交通运输组织管理的规划，缓解城市交通拥堵，减少工作人员的通勤的时间。
第二方面，本申请实施例提供一种公交客流来源去向识别装置，包括：
生成模块，用于根据目标区域的各个基站的地理信息生成多个泰森多边形；
比对模块，用于根据所述目标区域内的各个移动终端的移动轨迹与公交线路在所述多个泰森多边形中的重合比对结果生成泰森多边形序列；
确定模块，用于基于所述泰森多边形序列确定所述各个移动终端对应的乘客乘坐公交的上车站点和下车站点；
处理模块，用于根据所述各个移动终端对应的乘客在进入所述上车站点之前的地理位置轨迹与离开所述下车站点之后的地理位置轨迹，确定每个所述乘客对应所述上车站点的来源地和下车站点的去向地。
在上述实现过程中，通过生成泰森多边形，将公交线路与乘客移动轨迹进行比对，识别乘客乘坐以及离开公交的站点，之后提取乘客的乘坐公交站点之前的地理位置轨迹与离开公交站点之后的地理位置轨迹，确定乘客的来源地以及去向地。由此可见，能够准确地针对公交客流来源去向分布的量化，从而能够解决交通公交客流来源去向分布识别不准的技术问题。
可选的，所述各个基站的地理信息包括：所述各个基站的经纬度数据；所述根据所述基站的地理信息生成泰森多边形包括：根据各个基站的经纬度数据，以每个基站的位置作为一个所述泰森多边形的形心，基于德洛内三角网构建所述多个泰森多边形。
可选的，所述装置还包括：
编号模块，用于针对所述公交线路中任意相邻的两个公交站点之间的路段，沿所述路段的指定参照线，根据预设的单位长度和单位宽度生成至少一个缓冲区，并对每个所述缓冲区进行编号；
缓冲区确定模块，用于根据所述多个泰森多边形与每个所述缓冲区的地理信息，确定各个所述各个基站对应服务的缓冲区；其中，针对任一基站，当所述基站所在的泰森多边形包含的地理信息与至少一个缓冲区的地理信息存在交集时，所述至少一个缓冲区为所述基站对应服务的缓冲区，所述基站为对应服务的缓冲区提供信号。
可选的，所述比对模块，具体用于：生成所述基站的地理信息和所述多个泰森多边形的对应关系字典；
根据所述对应关系字典，将所述各个移动终端的移动轨迹与所述各个基站对应服务的缓冲区进行比对，以确定所述泰森多边形序列，以及筛选出可能乘坐所述公交的目标乘客，所述泰森多边形序列中的任一泰森多边形中包含与任一移动终端的移动轨迹相交的缓冲区，所述目标乘客为移动轨迹与至少一个缓冲区存在交集的移动终端对应的乘客。
可选的，所述比对模块，还具体用于：获取所述公交线路经过的所有缓冲区的信息，并基于所述所有缓冲区的信息将任意两个相邻站点之间的缓冲区标记为一类，以得到多个缓冲区类；
根据所述公交的定位信息确定所述公交进入目标缓冲区类以及离开所述目标缓冲区类的时间点，所述目标缓冲区类是所述多个缓冲区类中的任一缓冲区类；
根据所述目标乘客的移动轨迹，确定所述目标乘客在预设时段内与所述目标缓冲区类有交集的泰森多边形，以得到所述目标乘客对应的泰森多边形序列，所述预设时段是根据所述公交进入所述目标缓冲区类以及离开所述目标缓冲区类的时间点确定的。
可选的，所述确定模块，具体用于：针对所述目标乘客中的每个乘客对应的任一泰森多边形序列，确定所述任一泰森多边形序列中的任一缓冲区类中，与所述每个乘客的移动轨迹存在交集的缓冲区，并根据所述存在交集的缓冲区的数量，以及所述任一缓冲区类中缓冲区的总数量，获取所述每个乘客与所述公交在所述任一缓冲区类的相似度，以得到所述每个乘客与所述公交在各个缓冲区类的相似度；
根据所述每个乘客与所述公交在各个缓冲区类的相似度，保留相似度大于或等于预设相似度阈值的缓冲区类，以得到所述每个乘客对应的缓冲区类序列；
针对所述目标乘客中第一乘客对应的缓冲区类序列，获取所述缓冲区类序列中的第一个缓冲区类，以及所述缓冲区类序列中的最后一个缓冲区类，将所述第一个缓冲区类中的第一个缓冲区对应的站点确定为所述第一乘客乘坐所述公交的所述上车站点，将所述最后一个缓冲区类中的最后一个缓冲区对应的站点确定为所述第一乘客乘坐所述公交的下车站点，所述第一乘客为所述目标乘客中的任一乘客。
可选的，所述装置还包括：
轨迹获取模块，用于基于每个乘客乘坐所述公交的上车站点和下车站点，获取所述每个乘客进入所述上车站点之前的第一移动轨迹，以及离开所述下车站点之后的第二移动轨迹；
站点确定模块，用于针对所述每个乘客，基于所述第一移动轨迹，确定所述每个乘客停留时长超过预设时长阈值且与上车站点距离最近的泰森多边形作为本次出行的起点，并基于所述第二移动轨迹，确定所述每个乘客停留时长超过所述预设时长阈值且与下车站点距离最近的泰森多边形作为本次出行的终点；
客流分布确定模块，用于根据所述每个乘客对应的所述起点和所述终点，确定所述公交线路中各个站点的客流来源地和去向地。
由此可见，通过使用上述装置，能够准确地针对公交客流来源去向分布的量化，从而能够解决交通公交客流来源去向分布识别不准的技术问题，有利于对交通运输基础设施建设发展的规划和交通运输组织管理的规划，缓解城市交通拥堵，减少工作人员的通勤的时间。
第三方面，本申请实施例提供一种电子设备，述电子设备包括存储器和处理器，所述存储器中存储有程序指令，所述处理器运行所述程序指令时，执行上述第一方面任一项所述方法中的步骤。
第四方面，本申请实施例一种计算机可读存储介质，包括：其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述第一方面中任一项所述方法中的步骤。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本申请实施例提供的一种公交客流来源去向识别方法的流程图；
图2为本申请实施例提供的一种生成泰森多边形的流程图；
图3为本申请实施例提供的一种生成缓冲区步骤的流程图；
图4为本申请实施例提供的一种缓冲区的示意图；
图5为本申请实施例提供的一种生成泰森多边形序列步骤的流程图；
图6为本申请实施例提供的另一种生成泰森多边形序列步骤的流程图；
图7为本申请实施例提供的一种比对乘客轨迹和泰森多边形的示意图；
图8为本申请实施例提供的一种确定乘客上车站点以及下车站点的步骤的流程图；
图9为本申请实施例提供的一种确定乘客来源地以及去向地步骤的流程图；
图10为本申请实施例提供的一种公交客流来源去向识别装置。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。
图1为本申请实施例提供的一种公交客流来源去向识别方法的流程图，请参见图1，该公交客流来源去向识别方法可以包括如下步骤：
在步骤S101中，根据目标区域的各个基站的地理信息生成多个泰森多边形。
其中，基站可以是移动通讯基站，也可以是无线电台站等具有通信功能的基站，根据各个基站的地理信息生成各个基站对应的泰森多边形，从而确定地图中任一位置对应的提供信号的基站。其中，泰森多边形是一组由连接两邻点线段的垂直平分线组成的连续多边形，一个泰森多边形内的任一点到构成该多边形的控制点的距离小于到其他多边形控制点(即相当于其他泰森多边形的形心)的距离，根据泰森多边形的原理，可以在不计算乘客与基站的距离的情况下，确定图中对任一位置的乘客提供信号的基站。
在步骤S102中，根据所述目标区域内的各个移动终端的移动轨迹与公交线路在所述多个泰森多边形中的重合比对结果生成泰森多边形序列。
其中，可以通过全球定位系统(GPS，Global Positioning System)，北斗卫星导航系统(BDS，BeiDou Navigation Satellite System)获取移动终端的定位信息从而得到移动终端对应的移动轨迹，也可以通过LBS基站定位(LBS，Location Based Service)的方式获取移动终端的定位信息。可以通过地理信息系统(GIS，Geographic InformationSystem)获取公交线路。移动终端可以是手机、平板电脑，也可以是智能手表。
上述实施方式根据获取到的位于目标区域内的各个移动终端的地理信息生成对应的移动轨迹，与公交线路在多个泰森多边形中进行重合比对，生成泰森多边形序列，泰森多边形序列中包含移动终端的移动轨迹与公交线路重合的每个泰森多边形。
示例性的，可以获取手机用户的地理信息生成对应的移动轨迹，将移动轨迹与公交线路在多个泰森多边形中进行重合比对，得到手机用户的移动轨迹与交通线路重合的每个泰森多边形，可以将每个泰森多边形进行编号，将这些重合的泰森多边形的编号集合在一起，生成泰森多边形序列。
在步骤S103中，基于所述泰森多边形序列确定所述各个移动终端对应的乘客乘坐公交的上车站点和下车站点。
其中，可以将泰森多边形序列中的第一个泰森多边形中对应的站点作为乘客乘坐公交的上车站点，将泰森多边形序列中的最后一个泰森多边形中对应的站点作为乘客乘坐公交的下车站点。
示例性的，以城市公交为例，乘客依次经过了编号1至5的泰森多边形，则确定编号为1的泰森多边形对应的站点为乘客的乘坐公交的站点，编号为5的泰森多边形对应的站点为乘客的离开公交的站点。应当注意到的是，泰森多边形序列中的包含的泰森多边形按照时间先后进行排列，若乘客依次经过编号5至1的泰森多边形则表示乘客乘坐公交的站点和离开公交的站点分别为编号5和编号1的泰森多边形对应的站点。
在步骤S104中，根据所述乘客的乘坐公交站点之前的地理位置轨迹与离开公交站点之后的地理位置轨迹，确定所述乘客对应所述乘坐公交站点的来源地和对应所述离开公交站点的去向地。
由此可见，可以通过进一步获取乘客的上车站点之前的地理位置轨迹与下车站点之后的地理位置轨迹，更准确的确定乘客的来源地以及去向地。
上述步骤通过将公交线路与乘客移动轨迹进行比对，识别乘客乘坐以及离开公交的站点，通过提取乘客的上车站点之前的地理位置轨迹与下车站点之后的地理位置轨迹，确定乘客的来源地以及去向地。能够准确地针对公交客流来源去向分布的量化，从而能够解决交通公交客流来源去向分布识别不准的技术问题，有利于对交通运输基础设施建设发展的规划和交通运输组织管理的规划，缓解城市交通拥堵，减少工作人员的通勤的时间。
图2为本申请实施例提供的一种生成泰森多边形的流程图，请参见图2，该生成泰森多边形的步骤可以包括如下：
在步骤S201中，获取各个基站的经纬度数据。
其中，可以通过基站云平台获取基站的经纬度数据。
示例性的，可以将基站的经纬度数据记为BS＝(id,lng,lat)，其中id为基站编号，lng和lat分别为基站的经度和纬度。
在步骤S202中，根据每个基站的经纬度数据，以每个基站作为一个泰森多边形的形心，基于德洛内(Delaunay)三角网构建多个泰森多边形。
其中，德洛内三角网是一系列相连但不重叠的三角形的集合，这些三角形的外接圆不包括面内的其他任何点，由此可见，通过上述实施方式，可以结合使用德洛内三角网和泰森多边形，用不规则的小面块模拟交通路线中不规则的地理单元，可以对地图中任意位置的乘客做邻域分析，确定向乘客的移动终端提供信号的基站。
图3为本申请实施例提供的一种生成缓冲区步骤的流程图，请参见图3，该生成缓冲区的步骤可以如下：
在步骤S301中，针对所述公交线路中任意相邻的两个公交站点之间的路段，沿所述路段的指定参照线，根据预设的单位长度和单位宽度生成至少一个缓冲区，并对每个所述缓冲区进行编号。
示例性的，以城市公交为例，请参看图4，可以沿城市公交路线的中心线，以长度200米为单位，分别生成宽度为100米的缓冲区，将缓冲区记为buf＝(id_b,lng_b,lat_b,stop_b,stop_a)，其中id_b为缓冲区的编号，在图4中，两个站点之间缓冲区的编号分别为1、2、3和4，lng_b和lat_b分别为缓冲区中心的经纬度，stop_b和stop_a分别为该缓冲区所处前后两个公交站点。
由此可见，通过将公交线路之间的站点进行更细致的划分，能够更精确的为每个路段确定对应提供信号的基站，通过对缓冲区进行编号，能够将所有缓冲区区分开来。
在步骤S302中，根据所述多个泰森多边形与每个所述缓冲区的地理信息，确定各个所述各个基站对应服务的缓冲区；其中，针对任一基站，当所述基站所在的泰森多边形包含的地理信息与至少一个缓冲区的地理信息存在交集时，所述至少一个缓冲区为所述基站对应服务的缓冲区，所述基站为对应服务的缓冲区提供信号。
其中，可以通过根据缓冲区的面积大小以及缓冲区中心的经纬度与基站的对应的泰森多边形进行比对，确定各个基站对应服务的缓冲区。
示例性的，当基站对应的泰森多边形将至少一个缓冲区包括在内时，则确定此基站为对应服务的缓冲区提供信号。
除了基站对应的泰森多边形将至少一个缓冲区完全包括时确定其对应关系，还可以是当基站对应的泰森多边形中包括至少一个缓冲区的面积的预设比例以上时，则确定此基站为对应服务的缓冲区提供信号。该预设比例可以是50％、60％等。
由此可见，通过上述方法，可以针对公交线路中任意相邻的两个站点之间的路段，基于预设的单位长度和单位宽度生成至少一个缓冲区，通过生成缓冲区将站点之间的路段进行更细致的划分，能够在后续的步骤中更准确的识别乘客乘坐以及离开公交的站点。
图5为本申请实施例提供的一种生成泰森多边形序列步骤的流程图，请参见图5，该生成泰森多边形序列的步骤可以包括如下：
在步骤S501中，生成所述基站的地理信息和所述多个泰森多边形的对应关系字典。
示例性的，可以将泰森多边形的特征记为vor＝(id_v,lng_c,lat_c)，其中，id_v是泰森多边形编号，lng_c和lat_c是泰森多边形形心点的经度和纬度，因此可以将对应关系字典记为bs_vor_dict＝{bs_id:vor_id}，用以表示多个基站与多个泰森多边形之间的对应关系。
在步骤S502中，根据所述对应关系字典，将所述各个移动终端的移动轨迹与所述各个基站对应服务的缓冲区进行比对，以确定所述泰森多边形序列，以及筛选出可能乘坐所述公交的目标乘客，所述泰森多边形序列中的任一泰森多边形中包含与任一移动终端的移动轨迹相交的缓冲区，所述目标乘客为移动轨迹与至少一个缓冲区存在交集的移动终端对应的乘客。
其中，将各个移动终端的移动轨迹与所述各个基站对应服务的缓冲区进行比对，确定移动终端经过的所有缓冲区的编号。
示例性的，泰森多边形序列中可以包含对应移动轨迹经过的所有缓冲区的编号，根据泰森多边形序列中的泰森多边形中包含与目标乘客移动轨迹相交的缓冲区，筛选出可能乘坐公交的目标乘客。
由此可见，可以通过生成对应关系字典，对大量的乘客信息进行过滤分析，能够从中筛选出可能乘坐公交的目标乘客。
图6为本申请实施例提供的另一种生成泰森多边形序列步骤的流程图，请参见图6，该生成泰森多边形序列的步骤可以包括如下：
在步骤S601中，获取所述公交线路经过的所有缓冲区的信息，并基于所述所有缓冲区的信息将任意两个相邻站点之间的缓冲区标记为一类，以得到多个缓冲区类。
示例性的，针对某一条公交线路，获取其经过的所有缓冲区的信息，将任意两个相邻站点之间的缓冲区归为一类，记为buf_class＝(stop_b,stop_a,{buf})，其中{buf}的长度为该缓冲区类中包含缓冲区的个数，当一条线路有N个站点时，则有N-1个缓冲区类buf_class。
在步骤S602中，根据所述公交的定位信息确定所述公交进入目标缓冲区类以及离开所述目标缓冲区类的时间点，所述目标缓冲区类是所述多个缓冲区类中的任一缓冲区类。
其中，可以通过从GPS中提取公交进入和离开缓冲区类的时间点。
在步骤S603中，根据所述目标乘客的移动轨迹，确定所述目标乘客在预设时段内与所述目标缓冲区类有交集的泰森多边形，以得到所述目标乘客对应的泰森多边形序列，所述预设时段是根据所述公交进入所述目标缓冲区类以及离开所述目标缓冲区类的时间点确定的。
请参看图7，图中的1、2、3和4缓冲区为一个缓冲区类，通过目标乘客的移动轨迹，与图中的泰森多边形进行比对，确定目标乘客在预设时段内与所述目标缓冲区类有交集的所有泰森多边形。
示例性的，可以将公交进入缓冲区类的时间点记为t1，离开缓冲区类的时间点记为t2，其中，作为本申请方案提供的一种实施例，还可以设置目标乘客与公交时间数据的误差阈值T，用以筛选出目标乘客在(t1-T，t2+T)时间段与缓冲区类中有交集的泰森多边形序列。
图8为本申请实施例提供的一种确定乘客上车站点以及下车站点的步骤的流程图，请参见图8，该确定乘客上车站点以及下车站点的步骤可以包括如下：
在步骤S801中，针对所述目标乘客中的每个乘客对应的任一泰森多边形序列，确定所述任一泰森多边形序列中的任一缓冲区类中，与所述每个乘客的移动轨迹存在交集的缓冲区，并根据所述存在交集的缓冲区的数量，以及所述任一缓冲区类中缓冲区的总数量，获取所述每个乘客与所述公交在所述任一缓冲区类的相似度，以得到所述每个乘客与所述公交在各个缓冲区类的相似度。
其中，可以通过根据公交的线路确定经过的所有缓冲区类中的第一个缓冲区类以及最后一个缓冲区类，当公交线路不是环形的轨迹时，也可以通过提取公交经过每个站点的时间确定缓冲区中的第一个区类以及最后一个区类。
示例性的，针对任一缓冲区类A，通过将任一目标乘客B对应的泰森多边形序列中与该缓冲区类A有交集的缓冲区数量记为M，也即目标乘客B在(t1-T，t2+T)时间段与该缓冲区类A有交集的缓冲区数量M，将缓冲区类A的{buf}的长度，也即缓冲区类A中的缓冲区总数量记为len，根据S＝M/len，计算出目标乘客与公交在缓冲区类的相似度S。
在步骤S802中，根据所述目标乘客中的每个乘客与所述公交在各个缓冲区类的相似度，保留相似度大于或等于预设相似度阈值的缓冲区类，以得到所述每个乘客对应的缓冲区类序列。
示例性的，可以预设相似度阈值thd，保留相似度S大于或等于预设相似度阈值thd的缓冲区类。
在步骤S803中，针对所述目标乘客中第一乘客对应的缓冲区类序列，获取所述缓冲区类序列中的第一个缓冲区类，以及所述缓冲区类序列中的最后一个缓冲区类，将所述第一个缓冲区类中的第一个缓冲区对应的站点确定为所述第一乘客乘坐所述公交的所述上车站点，将所述最后一个缓冲区类中的最后一个缓冲区对应的站点确定为所述第一乘客乘坐所述公交的下车站点，所述第一乘客为所述目标乘客中的任一乘客。
由此可见，通过上述实现步骤，能够通过泰森多边形中的缓冲区中与乘客的移动轨迹存在交集的缓冲区，确定每个目标乘客与公交在各个缓冲区类的相似度，通过设置相似度阈值，筛选出乘坐公交的乘客，能够使获得的乘客数据更准确，有效性更高，因此，能够更准确的确定乘客乘坐公交的站点以及离开公交的站点。
图9为本申请实施例提供的一种确定乘客来源地以及去向地步骤的流程图，请参见图9，该确定乘客来源地以及去向地的步骤可以包括如下：
在步骤S901中，基于每个乘客乘坐所述公交的上车站点和下车站点，获取所述每个乘客进入所述上车站点之前的第一移动轨迹，以及离开所述下车站点之后的第二移动轨迹。
其中，对于保留下来的结果，读取乘客缓冲区类数据中的第一个缓冲区类i和最后一个缓冲区类j，则确定乘客乘坐公交的站点为缓冲区类i中第一个缓冲区buf对应的站点stop_b，乘客离开公交的站点为缓冲区类j中最后一个缓冲区buf对应的站点stop_a。
在步骤S902中，针对所述每个乘客，基于所述第一移动轨迹，确定所述每个乘客停留时长超过预设时长阈值且与上车站点距离最近的泰森多边形作为本次出行的起点，并基于所述第二移动轨迹，确定所述每个乘客停留时长超过所述预设时长阈值且与下车站点距离最近的泰森多边形作为本次出行的终点。
其中，可以通过进一步获取每个乘客进入上车站点之前的第一移动轨迹，以及通过设置时长阈值，以得到乘客停留时长超过预设时长阈值且与乘客的上车站点距离最近的泰森多边形，确定此泰森多边形对应的区域作为所述乘客本次出行的起点；可以通过进一步获取每个乘客到达下车站点之后的第二移动轨迹，以及通过设置时长阈值，以得到乘客停留时长超过预设时长阈值且与乘客的上车站点距离最近的泰森多边形，确定此泰森多边形对应的区域作为所述乘客本次出行的终点。
在步骤S903中，根据所述每个乘客对应的所述起点和所述终点，确定所述公交线路中各个站点的客流来源地和去向地。
其中，可以通过设置时长阈值thd_t，取乘客的第一移动轨迹中最靠近缓冲区类i且停留时长超过thd_t的泰森多边形，确定此泰森多边形对应的区域作为乘客的来源地，同理，取乘客的第二移动轨迹中最靠近缓存区类j且停留时长超过thd_t的泰森多边形，确定此泰森多边形对应的区域作为乘客的去向地。
由此可见，通过确定乘客在乘坐公交之前停留超过时长阈值的且与上车站点最近的泰森多边形为乘客的来源地，乘客在乘坐公交之后停留超过时长阈值的且与上车站点最近的泰森多边形为乘客的去向地。由此可见，通过将公交线路与乘客移动轨迹进行比对，识别乘客乘坐以及离开公交的站点，通过提取乘客的乘坐公交站点之前的地理位置轨迹与离开公交站点之后的地理位置轨迹，确定乘客的来源地以及去向地。
因此，通过上述方法，能够准确地针对公交客流来源去向分布的量化，从而能够解决交通公交客流来源去向分布识别不准的技术问题，有利于对交通运输基础设施建设发展的规划和交通运输组织管理的规划，缓解城市交通拥堵，减少工作人员的通勤的时间。
图10为本申请实施例提供的一种公交客流来源去向识别装置100，请参见图10，该装置可以包括：
生成模块1001，用于根据目标区域的各个基站的地理信息生成多个泰森多边形；
比对模块1002，用于根据所述目标区域内的各个移动终端的移动轨迹与公交线路在所述多个泰森多边形中的重合比对结果生成泰森多边形序列；
其中，所述比对模块，可以具体用于：生成所述基站的地理信息和所述多个泰森多边形的对应关系字典；
根据所述对应关系字典，将所述各个移动终端的移动轨迹与所述各个基站对应服务的缓冲区进行比对，以确定所述泰森多边形序列，以及筛选出可能乘坐所述公交的目标乘客，所述泰森多边形序列中的任一泰森多边形中包含与任一移动终端的移动轨迹相交的缓冲区，所述目标乘客为移动轨迹与至少一个缓冲区存在交集的移动终端对应的乘客。
所述比对模块，还可以具体用于：获取所述公交线路经过的所有缓冲区的信息，并基于所述所有缓冲区的信息将任意两个相邻站点之间的缓冲区标记为一类，以得到多个缓冲区类；
根据所述公交的定位信息确定所述公交进入目标缓冲区类以及离开所述目标缓冲区类的时间点，所述目标缓冲区类是所述多个缓冲区类中的任一缓冲区类；
根据所述目标乘客的移动轨迹，确定所述目标乘客在预设时段内与所述目标缓冲区类有交集的泰森多边形，以得到所述目标乘客对应的泰森多边形序列，所述预设时段是根据所述公交进入所述目标缓冲区类以及离开所述目标缓冲区类的时间点确定的。
确定模块1003，用于基于所述泰森多边形序列确定所述各个移动终端对应的乘客乘坐公交的上车站点和下车站点；
其中，所述确定模块，可以具体用于：针对所述目标乘客中的每个乘客对应的任一泰森多边形序列，确定所述任一泰森多边形序列中的任一缓冲区类中，与所述每个乘客的移动轨迹存在交集的缓冲区，并根据所述存在交集的缓冲区的数量，以及所述任一缓冲区类中缓冲区的总数量，获取所述每个乘客与所述公交在所述任一缓冲区类的相似度，以得到所述每个乘客与所述公交在各个缓冲区类的相似度；
根据所述每个乘客与所述公交在各个缓冲区类的相似度，保留相似度大于或等于预设相似度阈值的缓冲区类，以得到所述每个乘客对应的缓冲区类序列；
针对所述目标乘客中第一乘客对应的缓冲区类序列，获取所述缓冲区类序列中的第一个缓冲区类，以及所述缓冲区类序列中的最后一个缓冲区类，将所述第一个缓冲区类中的第一个缓冲区对应的站点确定为所述第一乘客乘坐所述公交的所述上车站点，将所述最后一个缓冲区类中的最后一个缓冲区对应的站点确定为所述第一乘客乘坐所述公交的下车站点，所述第一乘客为所述目标乘客中的任一乘客。
处理模块1004，用于根据所述各个移动终端对应的乘客在进入所述上车站点之前的地理位置轨迹与离开所述下车站点之后的地理位置轨迹，确定每个所述乘客对应所述上车站点的来源地和下车站点的去向地。
其中，通过生成泰森多边形，将公交线路与乘客移动轨迹进行比对，识别乘客乘坐以及离开公交的站点，之后提取乘客的乘坐公交站点之前的地理位置轨迹与离开公交站点之后的地理位置轨迹，确定乘客的来源地以及去向地。由此可见，能够准确地针对公交客流来源去向分布的量化，从而能够解决交通公交客流来源去向分布识别不准的技术问题。
其中，所述各个基站的地理信息包括：所述各个基站的经纬度数据；所述根据所述基站的地理信息生成泰森多边形包括：根据各个基站的经纬度数据，以每个基站的位置作为一个所述泰森多边形的形心，基于德洛内三角网构建所述多个泰森多边形。
在本申请提供的实施例中，公交客流来源去向识别装置80还可以包括：
编号模块1005，可以用于针对所述公交线路中任意相邻的两个公交站点之间的路段，沿所述路段的指定参照线，根据预设的单位长度和单位宽度生成至少一个缓冲区，并对每个所述缓冲区进行编号；
缓冲区确定模块1006，可以用于根据所述多个泰森多边形与每个所述缓冲区的地理信息，确定各个所述各个基站对应服务的缓冲区；其中，针对任一基站，当所述基站所在的泰森多边形包含的地理信息与至少一个缓冲区的地理信息存在交集时，所述至少一个缓冲区为所述基站对应服务的缓冲区，所述基站为对应服务的缓冲区提供信号。
轨迹获取模块1007，可以用于基于每个乘客乘坐所述公交的上车站点和下车站点，获取所述每个乘客进入所述上车站点之前的第一移动轨迹，以及离开所述下车站点之后的第二移动轨迹。
站点确定模块1008，可以用于针对所述每个乘客，基于所述第一移动轨迹，确定所述每个乘客停留时长超过预设时长阈值且与上车站点距离最近的泰森多边形作为本次出行的起点，并基于所述第二移动轨迹，确定所述每个乘客停留时长超过所述预设时长阈值且与下车站点距离最近的泰森多边形作为本次出行的终点。
客流分布确定模块1009，可以用于根据所述每个乘客对应的所述起点和所述终点，确定所述公交线路中各个站点的客流来源地和去向地。
基于同一发明构思，本申请实施例中还提供一种电子设备，所述电子设备包括存储器和处理器，所述存储器中存储有程序指令，所述处理器运行所述程序指令时，执行上述任一项所述方法中的步骤。
基于同一发明构思，本申请实施例中还提供一种计算机可读存储介质，包括：其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述任一项所述方法中的步骤。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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，又例如，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。
另外，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。
再者，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
需要说明的是，功能如果以软件功能模块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)执行本申请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(Read-Only Memory，ROM)随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
在本文中，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。
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种公交客流来源去向识别方法，其特征在于，包括：
根据目标区域的各个基站的地理信息生成多个泰森多边形；
根据所述目标区域内的各个移动终端的移动轨迹与公交线路在所述多个泰森多边形中的重合比对结果生成泰森多边形序列；
基于所述泰森多边形序列确定所述各个移动终端对应的乘客乘坐公交的上车站点和下车站点；
根据所述各个移动终端对应的乘客在进入所述上车站点之前的地理位置轨迹与离开所述下车站点之后的地理位置轨迹，确定每个所述乘客对应所述上车站点的来源地和下车站点的去向地。
2.根据权利要求1所述的方法，其特征在于，所述各个基站的地理信息包括：所述各个基站的经纬度数据；所述根据所述基站的地理信息生成泰森多边形包括：根据各个基站的经纬度数据，以每个基站的位置作为一个所述泰森多边形的形心，基于德洛内三角网构建所述多个泰森多边形。
3.根据权利要求1所述的方法，其特征在于，在所述根据所述目标区域内的各个移动终端的移动轨迹与公交线路在所述多个泰森多边形中的重合比对结果生成泰森多边形序列之前，所述方法还包括：
针对所述公交线路中任意相邻的两个公交站点之间的路段，沿所述路段的指定参照线，根据预设的单位长度和单位宽度生成至少一个缓冲区，并对每个所述缓冲区进行编号；
根据所述多个泰森多边形与每个所述缓冲区的地理信息，确定各个所述各个基站对应服务的缓冲区；其中，针对任一基站，当所述基站所在的泰森多边形包含的地理信息与至少一个缓冲区的地理信息存在交集时，所述至少一个缓冲区为所述基站对应服务的缓冲区，所述基站为对应服务的缓冲区提供信号。
4.根据权利要求3所述的方法，其特征在于，所述根据所述目标区域内的各个移动终端的移动轨迹与公交线路在所述多个泰森多边形中的重合比对结果生成泰森多边形序列，包括：
生成所述基站的地理信息和所述多个泰森多边形的对应关系字典；
根据所述对应关系字典，将所述各个移动终端的移动轨迹与所述各个基站对应服务的缓冲区进行比对，以确定所述泰森多边形序列，以及筛选出可能乘坐公交的目标乘客，所述泰森多边形序列中的任一泰森多边形中包含与任一移动终端的移动轨迹相交的缓冲区，所述目标乘客为移动轨迹与至少一个缓冲区存在交集的移动终端对应的乘客。
5.根据权利要求4所述的方法，其特征在于，所述根据所述移动终端的移动轨迹与公交线路在所述泰森多边形中的重合比对结果生成泰森多边形序列，还包括：
获取所述公交线路经过的所有缓冲区的信息，并基于所述所有缓冲区的信息将任意两个相邻站点之间的缓冲区标记为一类，以得到多个缓冲区类；
根据所述公交的定位信息确定所述公交进入目标缓冲区类以及离开所述目标缓冲区类的时间点，所述目标缓冲区类是所述多个缓冲区类中的任一缓冲区类；
根据所述目标乘客的移动轨迹，确定所述目标乘客在预设时段内与所述目标缓冲区类有交集的泰森多边形，以得到所述目标乘客对应的泰森多边形序列，所述预设时段是根据所述公交进入所述目标缓冲区类以及离开所述目标缓冲区类的时间点确定的。
6.根据权利要求5所述的方法，其特征在于，所述基于所述泰森多边形序列确定所述各个移动终端的对应乘客的乘坐公交的上车站点和下车站点，包括：
针对所述目标乘客中的每个乘客对应的任一泰森多边形序列，确定所述任一泰森多边形序列中的任一缓冲区类中，与所述每个乘客的移动轨迹存在交集的缓冲区，并根据所述存在交集的缓冲区的数量，以及所述任一缓冲区类中缓冲区的总数量，获取所述每个乘客与所述公交在所述任一缓冲区类的相似度，以得到所述每个乘客与所述公交在各个缓冲区类的相似度；
根据所述每个乘客与所述公交在各个缓冲区类的相似度，保留相似度大于或等于预设相似度阈值的缓冲区类，以得到所述每个乘客对应的缓冲区类序列；
针对所述目标乘客中第一乘客对应的缓冲区类序列，获取所述缓冲区类序列中的第一个缓冲区类，以及所述缓冲区类序列中的最后一个缓冲区类，将所述第一个缓冲区类中的第一个缓冲区对应的站点确定为所述第一乘客乘坐所述公交的所述上车站点，将所述最后一个缓冲区类中的最后一个缓冲区对应的站点确定为所述第一乘客乘坐所述公交的下车站点，所述第一乘客为所述目标乘客中的任一乘客。
7.根据权利要求1-6任一所述的方法，其特征在于，还包括：
基于每个乘客乘坐所述公交的上车站点和下车站点，获取所述每个乘客进入所述上车站点之前的第一移动轨迹，以及离开所述下车站点之后的第二移动轨迹；
针对所述每个乘客，基于所述第一移动轨迹，确定所述每个乘客停留时长超过预设时长阈值且与上车站点距离最近的泰森多边形作为本次出行的起点，并基于所述第二移动轨迹，确定所述每个乘客停留时长超过所述预设时长阈值且与下车站点距离最近的泰森多边形作为本次出行的终点；
根据所述每个乘客对应的所述起点和所述终点，确定所述公交线路中各个站点的客流来源地和去向地。
8.一种公交客流来源去向识别装置，其特征在于，包括：
生成模块，用于根据目标区域的各个基站的地理信息生成多个泰森多边形；
比对模块，用于根据所述目标区域内的各个移动终端的移动轨迹与公交线路在所述多个泰森多边形中的重合比对结果生成泰森多边形序列；
确定模块，用于基于所述泰森多边形序列确定所述各个移动终端对应的乘客乘坐公交的上车站点和下车站点；
处理模块，用于根据所述各个移动终端对应的乘客在进入所述上车站点之前的地理位置轨迹与离开所述下车站点之后的地理位置轨迹，确定每个所述乘客对应所述上车站点的来源地和下车站点的去向地。
9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器中存储有程序指令，所述处理器运行所述程序指令时，执行权利要求1至7中任一项所述方法中的步骤。
10.一种计算机可读存储介质，其特征在于，包括：其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现权利要求1至7中任一项所述方法的步骤。
CN202011462187.9A 2020-12-10 2020-12-10 公交客流来源去向识别方法、装置、电子设备和存储介质 Active CN112566025B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011462187.9A CN112566025B (zh) 2020-12-10 2020-12-10 公交客流来源去向识别方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011462187.9A CN112566025B (zh) 2020-12-10 2020-12-10 公交客流来源去向识别方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN112566025A true CN112566025A (zh) 2021-03-26
CN112566025B CN112566025B (zh) 2021-10-01

Family

ID=75062791

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011462187.9A Active CN112566025B (zh) 2020-12-10 2020-12-10 公交客流来源去向识别方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN112566025B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115393994A (zh) * 2022-08-25 2022-11-25 中铁第四勘察设计院集团有限公司 一种轨道交通非付费区换乘快速安检通行系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105761191A (zh) * 2016-02-02 2016-07-13 东南大学 一种城市动态空间结构圈层界定法
CN106470427A (zh) * 2015-08-20 2017-03-01 中国移动通信集团黑龙江有限公司 一种小区场景的划分方法及装置
CN108920481A (zh) * 2018-04-20 2018-11-30 中国地质大学（武汉） 一种基于手机定位数据的道路网重建方法及系统
CN109547930A (zh) * 2019-01-10 2019-03-29 南京市城市与交通规划设计研究院股份有限公司 基于运营商数据的城市轨道交通客流来源分析的方法及装置
US20190141662A1 (en) * 2017-09-28 2019-05-09 Massachusetts Institute Of Technology Base Station Ordering for Localization
US20200068339A1 (en) * 2018-08-24 2020-02-27 SafeGraph, Inc. Hyper-locating places-of-interest in builidngs
EP3644580A1 (en) * 2018-10-25 2020-04-29 Kido Dynamics SA Human mobility measuring method
CN111343585A (zh) * 2020-02-28 2020-06-26 重庆邮电大学 一种基于隐马尔可夫模型的移动用户轨迹地图匹配方法
CN111653099A (zh) * 2020-06-10 2020-09-11 南京瑞栖智能交通技术产业研究院有限公司 基于手机信令数据的公交客流od获取方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106470427A (zh) * 2015-08-20 2017-03-01 中国移动通信集团黑龙江有限公司 一种小区场景的划分方法及装置
CN105761191A (zh) * 2016-02-02 2016-07-13 东南大学 一种城市动态空间结构圈层界定法
US20190141662A1 (en) * 2017-09-28 2019-05-09 Massachusetts Institute Of Technology Base Station Ordering for Localization
CN108920481A (zh) * 2018-04-20 2018-11-30 中国地质大学（武汉） 一种基于手机定位数据的道路网重建方法及系统
US20200068339A1 (en) * 2018-08-24 2020-02-27 SafeGraph, Inc. Hyper-locating places-of-interest in builidngs
EP3644580A1 (en) * 2018-10-25 2020-04-29 Kido Dynamics SA Human mobility measuring method
CN109547930A (zh) * 2019-01-10 2019-03-29 南京市城市与交通规划设计研究院股份有限公司 基于运营商数据的城市轨道交通客流来源分析的方法及装置
CN111343585A (zh) * 2020-02-28 2020-06-26 重庆邮电大学 一种基于隐马尔可夫模型的移动用户轨迹地图匹配方法
CN111653099A (zh) * 2020-06-10 2020-09-11 南京瑞栖智能交通技术产业研究院有限公司 基于手机信令数据的公交客流od获取方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
JIANSU PU: "Visual analysis of people"s mobility pattern from mobile phone data", 《PROCEEDINGS OF THE 2011 VISUAL INFORMATION COMMUNICATION - INTERNATIONAL SYMPOSIUMAUGUST 2011 ARTICLE》 *
于泳波: "地铁客流来源分布特征研究_以南京地铁为例", 《品质交通与协同共治——2019年中国城市交通规划年会论文集》 *
于泳波: "基于手机信令数据的城市轨道客流路径识别方法_以南京地铁为例", 《2019世界交通运输大会论文集（上）》 *
葛奔: "基于泰森多边形服务分区的常规公交站点布局优化", 《武汉工程大学学报》 *
邴昊天: "基于数据挖掘的公共交通用户出行行为分析", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115393994A (zh) * 2022-08-25 2022-11-25 中铁第四勘察设计院集团有限公司 一种轨道交通非付费区换乘快速安检通行系统
CN115393994B (zh) * 2022-08-25 2023-12-19 中铁第四勘察设计院集团有限公司 一种轨道交通非付费区换乘快速安检通行系统

Also Published As

Publication number Publication date
CN112566025B (zh) 2021-10-01

Similar Documents

Publication Publication Date Title
CN107506864B (zh) 一种客运巴士路线规划方法和装置
CN102667404B (zh) 用探测数据来分析兴趣点的方法
CN104167092B (zh) 一种确定出租车上下客热点区域中心的方法以及装置
CN107403550B (zh) 公交路网数据采集方法、装置和终端设备
CN114363842B (zh) 基于手机信令数据的公交乘客下车站点预测方法及装置
US10489431B2 (en) Digital location-based data methods and product
Cai et al. A novel trip coverage index for transit accessibility assessment using mobile phone data
CN109859505B (zh) 高速站点的预警处理方法、装置、服务器和介质
CN111324824A (zh) 一种目的地推荐方法、其装置、电子设备及可读存储介质
Cvijovic et al. Conditional transit signal priority for connected transit vehicles
CN106251628B (zh) 一种确定机动车的交通出行量的方法及装置
CN112566025B (zh) 公交客流来源去向识别方法、装置、电子设备和存储介质
CN113627669A (zh) 交通路线优化处理方法、装置及设备
CN113538952A (zh) 公交车间隔异常识别与预警系统、方法、设备及存储介质
CN110675646B (zh) 公交站点位置获取方法及装置
CN114559989B (zh) 一种列车定位方法、装置、终端设备以及存储介质
Ou et al. Big data processing and analysis on the impact of COVID-19 on public transport delay
US20150330798A1 (en) Grid-based arrival time prediction
CN108875032B (zh) 区域类型确定方法及装置
CN108038151B (zh) 一种监控区域确定方法和系统
CN113066284A (zh) 数据处理方法和数据处理装置
Tian et al. Identifying residential and workplace locations from transit smart card data
CN112733112A (zh) 一种用户出行方式的确定方法、装置、电子设备和存储介质
CN110349428B (zh) 识别用户是否正在前往公交站点的方法及装置
KR101740471B1 (ko) 버스운행관리시스템의 정보를 이용하여 교통정보를 생성하는 방법

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
GR01 Patent grant
GR01 Patent grant