CN112732778A - 基于手机信令的交通枢纽客流流向识别方法、计算机系统、服务器与存储介质 - Google Patents
基于手机信令的交通枢纽客流流向识别方法、计算机系统、服务器与存储介质 Download PDFInfo
- Publication number
- CN112732778A CN112732778A CN202011582616.6A CN202011582616A CN112732778A CN 112732778 A CN112732778 A CN 112732778A CN 202011582616 A CN202011582616 A CN 202011582616A CN 112732778 A CN112732778 A CN 112732778A
- Authority
- CN
- China
- Prior art keywords
- indoor
- scene
- sub
- signaling
- time
- 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
Links
- 230000011664 signaling Effects 0.000 title claims abstract description 83
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000012546 transfer Methods 0.000 claims abstract description 56
- 238000010295 mobile communication Methods 0.000 claims description 6
- 238000003032 molecular docking Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 2
- 101000764625 Homo sapiens Transmembrane inner ear expressed protein Proteins 0.000 description 1
- 102100026225 Transmembrane inner ear expressed protein Human genes 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/40—Transportation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/40—Information sensed or collected by the things relating to personal data, e.g. biometric data, records or preferences
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/20—Services signaling; Auxiliary data signalling, i.e. transmitting data via a non-traffic channel
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/03—Data mining
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本发明提供一种基于手机信令的交通枢纽客流流向识别方法、计算机系统、服务器与存储介质,包括:获取待分析场站区域内的各交通场景的室分基站数据,每个室分基站只覆盖一个室分场景;获取处于交通枢纽范围内的用户的信令数据,对统计时间段内的用户的信令数据按照时间顺序排列构造用户的信令轨迹;基于用户的信令轨迹,提取从第一次出现在场站室分基站到最后一次出现在场站室分基站的轨迹段,获得对应室分场景下的室分轨迹,每个室分轨迹被配置具有其对应的室分场景标签;基于所有室分场景下的室分轨迹,提取各交通工具之间换乘量;根据交通工具之间换乘量,获取室分场景下的平均接驳时间。
Description
技术领域
本发明属于智能交通技术领域,尤其是手机信令数据在城市智能交通识别与管理上的应用,具体涉及基于机信令的交通枢纽客流流向识别方法与系统。
背景技术
城市综合交通枢纽为整合铁路、公路、航空、内河航运、海港和运输管道等交通方式为一体的协同枢纽体系。综合交通枢纽是综合交通运输体系的重要组成部分,是衔接多种运输方式、辐射一定区域的客、货运中心。对交通枢纽的交通流量数据,尤其是乘客的换乘数据的识别,尤其可获得对交通枢纽的各种不同交通方式之间的配合关系,实现合理的运力调配和协调。
发明内容
为实现上述目的,本发明第一方面提出一种基于手机信令的交通枢纽客流流向识别方法,包括以下步骤:
步骤1、获取待分析场站区域内的各交通场景的室分基站数据,每个室分基站只覆盖一个室分场景;
步骤2、获取处于交通枢纽范围内的用户的信令数据,对统计时间段内的用户的信令数据按照时间顺序排列构造用户的信令轨迹;
步骤3、基于步骤2获取的用户的信令轨迹,提取从第一次出现在场站室分基站到最后一次出现在场站室分基站的轨迹段,获得对应室分场景下的室分轨迹,每个室分轨迹被配置具有其对应的室分场景标签;
步骤4、基于所有室分场景下的室分轨迹,提取各交通工具之间换乘量;
步骤5、根据交通工具之间换乘量,获取室分场景下的平均接驳时间。
其中,所述步骤2中,根据处于交通枢纽范围内的用户的信令数据获得对应的信令轨迹点集合Pcid,Pcid={(P1,T1),(P2,T3),(P3,T3)…(Pn,Tn)},其中Pi表示Ti时刻的基站的经纬度坐标,i表示获得的信令数据的序号,n表示某个移动终端上报的信令数据的总数量;所述信令数据为用于的移动通信终端进行室分基站扇区切换时上报的包含终端号码、时间以及室分基站经纬度的数据。
其中,所述步骤3中提取轨迹段的处理包括以下步骤:
St2.1结合室分基站的数据和信令轨迹数据,对统计时间段内的用户轨迹数据进行过滤,具体包括:遍历每个用户信令轨迹的每个室分基站工参,从第一次出现室分基站id开始切割,到最后一次出现该室分基站id结束切割,保留切割好的轨迹数据作为需要分析的室分轨迹;
St2.2对室分轨迹打上室分场景标签,所述室分场景标签包括火车站台、公交车站、地铁站、出租车上车点、航空楼以及码头中的一种,每个室分轨迹对应一个室分场景标签。
其中,所述步骤4中提取换乘量的处理包括以下步骤:
St3.1遍历室分轨迹,从第一个室分场景开始,如果在某场景停留时长超过第一预设时长T1,保留该段室分轨迹,判定为一次室分场景停留;并从该室分场景结束的轨迹点开始继续遍历,直到用户的室分轨迹遍历结束为止,识别出所有室分场景停留;
当下一个室分场景与上一个室分场景的室分场景标签不同,且停留超过第二预设时长T2时,判定为一次场景切换,即换乘,则从上一个室分场景到下一个室分场景记为一个换乘OD段;
St3.4对于每一次换乘OD段,计算OD运动时长;
OD运动时长=下一个场景室分基站第一次出现的上报时间点-上一个场景室分基站最后一次出现的上报时间点;
OD等待时间=下一个场景最后一次出现的上报时间点-下一个场景室分基站第一次出现的上报时间点;
则,确定两个室分场景之间换乘OD段的换乘时长=OD运动时长+OD等待时间;
St3.5过滤换乘OD段中起点和终点点在同一个场景室分基站的数据,得到的换乘OD清单数据,作为待分析场站区域内的各交通场景的交通工具之间的换乘量。
其中,所述步骤5中,根据换乘OD清单数据,输出换乘时两个室分场景下的平均接驳时间;
平均接驳时间=两个场景下所有换乘OD段的换乘时长的平均值。
由此,本发明在处理过程中,输出
本发明第二方面提出一种基于手机信令的交通枢纽客流流向识别装置,包括:
用于获取待分析场站区域内的各交通场景的室分基站数据的模块,每个室分基站只覆盖一个室分场景;
用于获取处于交通枢纽范围内的用户的信令数据的模块,对统计时间段内的用户的信令数据按照时间顺序排列构造用户的信令轨迹;
用于根据用户的信令轨迹,提取从第一次出现在场站室分基站到最后一次出现在场站室分基站的轨迹段,获得对应室分场景下的室分轨迹的模块,每个室分轨迹被配置具有其对应的室分场景标签;
用于基于所有室分场景下的室分轨迹,提取各交通工具之间换乘量的模块;
用于根据交通工具之间换乘量,获取室分场景下的平均接驳时间的模块。
本发明第三方面提出一种基于手机信令识别交通枢纽客流流向的计算机系统,包括:
一个或多个处理器;
存储器,存储可被操作的指令,所述指令在通过所述一个或多个处理器执行时使得所述一个或多个处理器执行操作,所述操作包括执行前述基于信令数据的交通枢纽客流流向识别方法的过程。
本发明第四方面提出一种基于手机信令识别交通枢纽客流流向的服务器,包括:
一个或多个处理器;
存储器,存储可被操作的指令,所述指令在通过所述一个或多个处理器执行时使得所述一个或多个处理器执行操作,所述操作包括执行前述基于信令数据的交通枢纽客流流向识别方法的过程。
本发明提出的基于手机信令大数据识别交通枢纽客流流向识别方法,基于交通场景内的室分基站的信令数据,分析各交通方式之间客流交换方向与强度,挖掘综合枢纽内部客流分布的时空特性,对解决现阶段综合交通枢纽规划设计不统一、建设时序不同步、运营管理不协调、方式衔接不顺畅等问题,构建便捷、安全、高效的综合交通运输体系。
本发明基于信令数据进行交通枢纽的客流流向识别,主要包括换乘量和换乘时间的识别,体现流向性。数据的完整性和融合程度高,综合考虑交通枢纽中的多种交通方式以及不同人使用的支付方式,如果采用传统的刷卡或者手机支付,则数据不完整;本发明基于信令数据,融合在各种不同的交通场景下的投币、手机移动端支付、特殊免费证、刷卡、银联支付等多种乘客支付方式对应的用户,避免传统仅仅依赖于刷卡数据带来的数据失真和缺陷,更加全面、整体上反应交通枢纽范围内的乘客流动和流向的实际情况,数据更全面,精准度更高。
基于此基础的交通枢纽的客流流向(换乘)的识别,可以使得交通枢纽的各种交通运力的科学安排和调配提供准确、全面的数据支持,合理调整各个交通方式的班次和运行。
应当理解,前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。另外,所要求保护的主题的所有组合都被视为本公开的发明主题的一部分。
结合附图从下面的描述中可以更加全面地理解本发明教导的前述和其他方面、实施例和特征。本发明的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见,或通过根据本发明教导的具体实施方式的实践中得知。
附图说明
附图不意在按比例绘制。在附图中,在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见,在每个图中,并非每个组成部分均被标记。现在,将通过例子并参考附图来描述本发明的各个方面的实施例,其中:
图1是本发明示例性实施例的交通枢纽客流流向识别的流程图。
具体实施方式
为了更了解本发明的技术内容,特举具体实施例并配合所附图式说明如下。
在本公开中参照附图来描述本发明的各方面,附图中示出了许多说明的实施例。本公开的实施例不必定意在包括本发明的所有方面。应当理解,上面介绍的多种构思和实施例,以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施,这是因为本发明所公开的构思和实施例并不限于任何实施方式。另外,本发明公开的一些方面可以单独使用,或者与本发明公开的其他方面的任何适当组合来使用。
结合图1所示,根据本发明示例性实施例的基于手机信令的交通枢纽客流流向识别方法,包括以下步骤:
步骤1、获取待分析场站区域内的各交通场景的室分基站数据,每个室分基站只覆盖一个室分场景;其中,室分场景包括待分析场站区域内的火车站台、公交车站、地铁站、出租车上车点、航空楼以及码头中的一个或者多个;
步骤2、获取处于交通枢纽范围内的用户的信令数据,对统计时间段内的用户的信令数据按照时间顺序排列构造用户的信令轨迹;
步骤3、基于步骤2获取的用户的信令轨迹,提取从第一次出现在场站室分基站到最后一次出现在场站室分基站的轨迹段,获得对应室分场景下的室分轨迹,每个室分轨迹被配置具有其对应的室分场景标签;
步骤4、基于所有室分场景下的室分轨迹,提取各交通工具之间换乘量;
步骤5、根据交通工具之间换乘量,获取室分场景下的平均接驳时间。
在步骤2中,根据处于交通枢纽范围内的用户的信令数据获得对应的信令轨迹点集合Pcid,Pcid={(P1,T1),(P2,T3),(P3,T3)…(Pn,Tn)},其中Pi表示Ti时刻的基站的经纬度坐标,i表示获得的信令数据的序号,n表示某个移动终端上报的信令数据的总数量;信令数据为用于的移动通信终端进行室分基站扇区切换时上报的包含终端号码、时间以及室分基站经纬度的数据。
如下表所表示的交通场站区域内的室分基站关系。
通过用户的信令数据,获得其基础的信令轨迹。基础轨迹表如下表所示(作为本发明的输入数据)。
用户基础轨迹表dw_lbs(原始轨迹)
Name | Code |
用户号码 | msisdn |
IMEI | imei |
用户归属城市 | reg_city |
用户归属省份 | reg_prov |
开始时间 | start_time |
开始基站 | start_ci |
开始基站经度 | start_lng |
开始基站纬度 | start_lat |
结束时间 | enc_time |
结束基站 | end_ci |
结束基站经度 | end_lng |
结束基站纬度 | end_lat |
停留时长 | duration |
TAC/LAV | lac |
网格 | grid |
位置来源 | data_type |
IMSI | imsi |
日期 | dt |
上报城市 | city |
其中,优选地在步骤3中,提取轨迹段的处理包括以下步骤:
St2.1结合室分基站的数据和信令轨迹数据,对统计时间段内的用户轨迹数据进行过滤,具体包括:遍历每个用户信令轨迹的每个室分基站工参,从第一次出现室分基站id开始切割,到最后一次出现该室分基站id结束切割,保留切割好的轨迹数据作为需要分析的室分轨迹;
St2.2对室分轨迹打上室分场景标签,室分场景标签包括火车站台、公交车站、地铁站、出租车上车点、航空楼以及码头中的一种,每个室分轨迹对应一个室分场景标签。
其中,在步骤4中提取换乘量的处理包括以下步骤:
St3.1遍历室分轨迹,从第一个室分场景开始,如果在某场景停留时长超过第一预设时长T1,保留该段室分轨迹,判定为一次室分场景停留;并从该室分场景结束的轨迹点开始继续遍历,直到用户的室分轨迹遍历结束为止,识别出所有室分场景停留;
当下一个室分场景与上一个室分场景的室分场景标签不同,且停留超过第二预设时长T2时,判定为一次场景切换,即换乘,则从上一个室分场景到下一个室分场景记为一个换乘OD段;
St3.4对于每一次换乘OD段,计算OD运动时长;
OD运动时长=下一个场景室分基站第一次出现的上报时间点-上一个场景室分基站最后一次出现的上报时间点;
OD等待时间=下一个场景最后一次出现的上报时间点-下一个场景室分基站第一次出现的上报时间点;
则,确定两个室分场景之间换乘OD段的换乘时长=OD运动时长+OD等待时间;
St3.5过滤换乘OD段中起点和终点点在同一个场景室分基站的数据,得到的换乘OD清单数据,作为待分析场站区域内的各交通场景的交通工具之间的换乘量。
其中,在步骤5中,根据换乘OD清单数据,输出换乘时两个室分场景下的平均接驳时间;
平均接驳时间=两个场景下所有换乘OD段的换乘时长的平均值。
由此,通过上述处理,获得的输出量如下:
1、交通枢纽内各交通工具之间接驳量TD_TRAFFIC_HUB_CONNECT_VOLUME
Name | Code |
交通枢纽编号 | traffic_hub_id |
前交通方式 | from_mode_change |
后交通方式 | to_mode_change |
接驳量 | connect_volume |
统计时间(统一按照结束时间) | stat_time |
入库时间 | updata_time |
2、交通枢纽内各交通工具之间接驳时长TD_TRAFFIC_HUB_CONNECT_TMIE
Name | Code |
交通枢纽编号 | traffic_hub_id |
前交通方式 | from_mode_change |
后交通方式 | to_mode_change |
平均接驳时长 | connect_time |
统计时间 | stat_time |
入库时间 | updata_time |
根据本发明的以上实施例的实施,还提出一种基于手机信令的交通枢纽客流流向识别装置,包括:
用于获取待分析场站区域内的各交通场景的室分基站数据的模块,每个室分基站只覆盖一个室分场景;
用于获取处于交通枢纽范围内的用户的信令数据的模块,对统计时间段内的用户的信令数据按照时间顺序排列构造用户的信令轨迹;
用于根据用户的信令轨迹,提取从第一次出现在场站室分基站到最后一次出现在场站室分基站的轨迹段,获得对应室分场景下的室分轨迹的模块,每个室分轨迹被配置具有其对应的室分场景标签;
用于基于所有室分场景下的室分轨迹,提取各交通工具之间换乘量的模块;
用于根据交通工具之间换乘量,获取室分场景下的平均接驳时间的模块。
根据本发明的实施例,还公开一种基于手机信令识别交通枢纽客流流向的计算机系统,包括:
一个或多个处理器;
存储器,存储可被操作的指令,指令在通过一个或多个处理器执行时使得一个或多个处理器执行操作,操作包括执行前述基于信令数据的交通枢纽客流流向识别方法的过程。
根据本发明的实施例,还公开一种基于手机信令识别交通枢纽客流流向的服务器,包括:
一个或多个处理器;
存储器,存储可被操作的指令,指令在通过一个或多个处理器执行时使得一个或多个处理器执行操作,操作包括执行权利前述基于信令数据的交通枢纽客流流向识别方法的过程。
根据本发明的实施例,还公开一种包括用于由电子设备的一个或多个处理器执行的一个或多个程序的非易失性计算机可读存储介质,所述一个或多个程序包括指令,所述指令在由所述一个或多个处理器执行时使所述电子设备执行根据前述的交通枢纽客流流向识别方法。
虽然本发明已以较佳实施例揭露如上,然其并非用以限定本发明。本发明所属技术领域中具有通常知识者,在不脱离本发明的精神和范围内,当可作各种的更动与润饰。因此,本发明的保护范围当视权利要求书所界定者为准。
Claims (10)
1.一种基于手机信令的交通枢纽客流流向识别方法,其特征在于,包括以下步骤:
步骤1、获取待分析场站区域内的各交通场景的室分基站数据,每个室分基站只覆盖一个室分场景;
步骤2、获取处于交通枢纽范围内的用户的信令数据,对统计时间段内的用户的信令数据按照时间顺序排列构造用户的信令轨迹;
步骤3、基于步骤2获取的用户的信令轨迹,提取从第一次出现在场站室分基站到最后一次出现在场站室分基站的轨迹段,获得对应室分场景下的室分轨迹,每个室分轨迹被配置具有其对应的室分场景标签;
步骤4、基于所有室分场景下的室分轨迹,提取各交通工具之间换乘量;
步骤5、根据交通工具之间换乘量,获取室分场景下的平均接驳时间。
2.根据权利要求1所述的基于手机信令的交通枢纽客流流向识别方法,其特征在于,所述室分场景包括待分析场站区域内的火车站台、公交车站、地铁站、出租车上车点、航空楼以及码头中的一个或者多个。
3.根据权利要求1所述的基于手机信令的交通枢纽客流流向识别方法,其特征在于,所述步骤2中,根据处于交通枢纽范围内的用户的信令数据获得对应的信令轨迹点集合Pcid,Pcid={(P1,T1),(P2,T3),(P3,T3)…(Pn,Tn)},其中Pi表示Ti时刻的基站的经纬度坐标,i表示获得的信令数据的序号,n表示某个移动终端上报的信令数据的总数量;所述信令数据为用于的移动通信终端进行室分基站扇区切换时上报的包含终端号码、时间以及室分基站经纬度的数据。
4.根据权利要求1所述的基于手机信令的交通枢纽客流流向识别方法,其特征在于,所述步骤3中提取轨迹段的处理包括以下步骤:
St2.1结合室分基站的数据和信令轨迹数据,对统计时间段内的用户轨迹数据进行过滤,具体包括:遍历每个用户信令轨迹的每个室分基站工参,从第一次出现室分基站id开始切割,到最后一次出现该室分基站id结束切割,保留切割好的轨迹数据作为需要分析的室分轨迹;
St2.2对室分轨迹打上室分场景标签,所述室分场景标签包括火车站台、公交车站、地铁站、出租车上车点、航空楼以及码头中的一种,每个室分轨迹对应一个室分场景标签。
5.根据权利要求1所述的基于手机信令的交通枢纽客流流向识别方法,其特征在于,所述步骤4中提取换乘量的处理包括以下步骤:
St3.1遍历室分轨迹,从第一个室分场景开始,如果在某场景停留时长超过第一预设时长T1,保留该段室分轨迹,判定为一次室分场景停留;并从该室分场景结束的轨迹点开始继续遍历,直到用户的室分轨迹遍历结束为止,识别出所有室分场景停留;
当下一个室分场景与上一个室分场景的室分场景标签不同,且停留超过第二预设时长T2时,判定为一次场景切换,即换乘,则从上一个室分场景到下一个室分场景记为一个换乘OD段;
St3.4对于每一次换乘OD段,计算OD运动时长;
OD运动时长=下一个场景室分基站第一次出现的上报时间点-上一个场景室分基站最后一次出现的上报时间点;
OD等待时间=下一个场景最后一次出现的上报时间点-下一个场景室分基站第一次出现的上报时间点;
则,确定两个室分场景之间换乘OD段的换乘时长=OD运动时长+OD等待时间;
St3.5过滤换乘OD段中起点和终点点在同一个场景室分基站的数据,得到的换乘OD清单数据,作为待分析场站区域内的各交通场景的交通工具之间的换乘量。
6.根据权利要求5所述的基于手机信令的交通枢纽客流流向识别方法,其特征在于,所述步骤5中,根据换乘OD清单数据,输出换乘时两个室分场景下的平均接驳时间;
平均接驳时间=两个场景下所有换乘OD段的换乘时长的平均值。
7.一种基于手机信令的交通枢纽客流流向识别装置,其特征在于,包括:
用于获取待分析场站区域内的各交通场景的室分基站数据的模块,每个室分基站只覆盖一个室分场景;
用于获取处于交通枢纽范围内的用户的信令数据的模块,对统计时间段内的用户的信令数据按照时间顺序排列构造用户的信令轨迹;
用于根据用户的信令轨迹,提取从第一次出现在场站室分基站到最后一次出现在场站室分基站的轨迹段,获得对应室分场景下的室分轨迹的模块,每个室分轨迹被配置具有其对应的室分场景标签;
用于基于所有室分场景下的室分轨迹,提取各交通工具之间换乘量的模块;
用于根据交通工具之间换乘量,获取室分场景下的平均接驳时间的模块。
8.一种基于手机信令识别交通枢纽客流流向的计算机系统,其特征在于,包括:
一个或多个处理器;
存储器,存储可被操作的指令,所述指令在通过所述一个或多个处理器执行时使得所述一个或多个处理器执行操作,所述操作包括执行所述权利要求1-6中任意一项所述基于信令数据的交通枢纽客流流向识别方法的过程。
9.一种基于手机信令识别交通枢纽客流流向的服务器,其特征在于,包括:
一个或多个处理器;
存储器,存储可被操作的指令,所述指令在通过所述一个或多个处理器执行时使得所述一个或多个处理器执行操作,所述操作包括执行所述权利要求1-6中任意一项所述基于信令数据的交通枢纽客流流向识别方法的过程。
10.一种包括用于由电子设备的一个或多个处理器执行的一个或多个程序的非易失性计算机可读存储介质,所述一个或多个程序包括指令,其特征在于,所述指令在由所述一个或多个处理器执行时使所述电子设备执行根据所述权利要求1-6中任意一项所述的交通枢纽客流流向识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011582616.6A CN112732778B (zh) | 2020-12-28 | 2020-12-28 | 基于手机信令的交通枢纽客流流向识别方法、计算机系统、服务器与存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011582616.6A CN112732778B (zh) | 2020-12-28 | 2020-12-28 | 基于手机信令的交通枢纽客流流向识别方法、计算机系统、服务器与存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112732778A true CN112732778A (zh) | 2021-04-30 |
CN112732778B CN112732778B (zh) | 2023-06-20 |
Family
ID=75606623
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011582616.6A Active CN112732778B (zh) | 2020-12-28 | 2020-12-28 | 基于手机信令的交通枢纽客流流向识别方法、计算机系统、服务器与存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112732778B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113283508A (zh) * | 2021-05-28 | 2021-08-20 | 中国联合网络通信集团有限公司 | 客流预测方法、装置、设备及存储介质 |
CN113573238A (zh) * | 2021-06-11 | 2021-10-29 | 北京交通大学 | 一种基于手机信令的联程旅客出行链识别方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015096400A1 (zh) * | 2013-12-24 | 2015-07-02 | 中兴通讯股份有限公司 | 一种利用移动通信数据挖掘进行公交规划的方法 |
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 |
CN111681421A (zh) * | 2020-06-10 | 2020-09-18 | 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对外客运枢纽集疏空间分布分析方法 |
-
2020
- 2020-12-28 CN CN202011582616.6A patent/CN112732778B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015096400A1 (zh) * | 2013-12-24 | 2015-07-02 | 中兴通讯股份有限公司 | 一种利用移动通信数据挖掘进行公交规划的方法 |
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 |
CN111681421A (zh) * | 2020-06-10 | 2020-09-18 | 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对外客运枢纽集疏空间分布分析方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113283508A (zh) * | 2021-05-28 | 2021-08-20 | 中国联合网络通信集团有限公司 | 客流预测方法、装置、设备及存储介质 |
CN113283508B (zh) * | 2021-05-28 | 2023-11-10 | 中国联合网络通信集团有限公司 | 客流预测方法、装置、设备及存储介质 |
CN113573238A (zh) * | 2021-06-11 | 2021-10-29 | 北京交通大学 | 一种基于手机信令的联程旅客出行链识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112732778B (zh) | 2023-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102853842B (zh) | 导航路径的规划方法、装置及系统 | |
CN100382127C (zh) | 使用专用短程通信给乘客提供公共汽车到达时间的方法 | |
CN112732778A (zh) | 基于手机信令的交通枢纽客流流向识别方法、计算机系统、服务器与存储介质 | |
CN101123551B (zh) | 一种基于通信和网格计算技术的智能公交系统 | |
CN112686466B (zh) | 地铁乘客的路径确认方法及装置 | |
CN110460962B (zh) | 轨道交通用户识别方法和装置 | |
CN102316544B (zh) | 机车无线通信中多工作模式切换方法及其系统 | |
CN102467771A (zh) | 用于识别智能卡与移动电话之间的关联关系的系统和方法 | |
CN104809905A (zh) | 基于手机终端的公交到站信息定制推送系统及方法 | |
CN105427594A (zh) | 一种基于双向上车客流的公交断面客流量获取方法及系统 | |
CN103295120A (zh) | 物流公司运力分析系统及其运力分析的方法 | |
CN204856892U (zh) | 基于物联网的城市公共交通智能化管理系统 | |
CN102663895A (zh) | 集装箱码头集卡交通阻塞提示系统及实现方法 | |
CN105791422A (zh) | 轨道交通运营信息平台及基于该平台的轨道交通定位方法 | |
CN104318113A (zh) | 基于乘客换乘的时空特征推算乘客上车站点的方法及系统 | |
CN100387098C (zh) | 一种基于位置的信息提供方法和系统 | |
CN201397579Y (zh) | 一种交通管理系统 | |
CN111091222A (zh) | 人流量预测方法、装置及系统 | |
CN114820264A (zh) | 公共交通工具换乘数据处理方法、装置、设备、存储介质 | |
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 | |
CN103294673A (zh) | 一种公共交通工具实时运营数据的采集与发布方法 | |
CN109685927A (zh) | 移动收费方法、装置、设备和介质 | |
CN103945433A (zh) | 一种网络弱覆盖区域确定方法及装置 | |
CN115860404A (zh) | 交通枢纽布局的评价方法、装置、设备、介质及产品 | |
CN110085048A (zh) | 一种基于gps数据的公交车实时到离站点计算方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |