CN113095709A - 一种计算旅客出行意愿指数的方法及系统 - Google Patents

一种计算旅客出行意愿指数的方法及系统 Download PDF

Info

Publication number
CN113095709A
CN113095709A CN202110443833.5A CN202110443833A CN113095709A CN 113095709 A CN113095709 A CN 113095709A CN 202110443833 A CN202110443833 A CN 202110443833A CN 113095709 A CN113095709 A CN 113095709A
Authority
CN
China
Prior art keywords
travel
interval
frequency
index
passenger
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
Application number
CN202110443833.5A
Other languages
English (en)
Inventor
郑辰子
王智勇
郑洪峰
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.)
Variflight Technology Co ltd
Original Assignee
Variflight Technology 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 Variflight Technology Co ltd filed Critical Variflight Technology Co ltd
Priority to CN202110443833.5A priority Critical patent/CN113095709A/zh
Publication of CN113095709A publication Critical patent/CN113095709A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • G06Q10/067—Enterprise or organisation modelling
    • 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
    • G06Q50/14—Travel agencies
    • 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
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种计算旅客出行意愿指数的方法及系统，通过获取预设时间段内旅客的计划出行频次数据；基于计划出行频次数据的分布情况确定频次区间；基于计划出行频次数据、频次区间建立指数计算模型；根据指数计算模型计算旅客出行意愿指数；本发明能够基于实际出行频次数据计算预设时间段内的旅客出行意愿指数，将出行意愿换算成更为直观的表达方式，相关行业可以参考旅客出行意愿指数，提供合理的资源来保障旅客出行需求。

Description

一种计算旅客出行意愿指数的方法及系统
技术领域
本发明涉及数据分析技术领域，尤其涉及一种计算旅客出行意愿指数的方法及系统。
背景技术
随着当前中国常态下疫情防控和运输保障的推进，中国旅客出行意愿出现回升，通过本次疫情情况来看，旅客的出行意愿受到影响极大，如何科学计算出旅客的出行意愿，对于旅游业、交通运输业等行业复工复产显得极为重要。2019年高德地图联合国家信息中心大数据发展部等机构共同发布了《2019年Q2中国主要城市交通分析报告》。《报告》首次发布“绿色出行意愿指数”，是依据高德地图公交和地铁、骑行、步行路线规划总次数占比，归一化处理后得出各城市的“绿色出行意愿指数”指数。
目前尚无针对旅客自身需求计算旅客出行意愿指数的方法，鉴于此，有必要提供一种计算旅客出行意愿指数的方法，让其他相关行业有所参考，提供合理的资源来保障旅客出行需求。
发明内容
为解决背景技术中存在的技术问题，本发明提出一种计算旅客出行意愿指数的方法及系统，能够计算预设时间段基于实际需求情况下的人们的出行意愿，将出行意愿换算成更为直观的表达方式。
本发明提出一种计算旅客出行意愿指数的方法，包括：
获取预设时间段内旅客的计划出行频次数据；
基于计划出行频次数据的分布情况确定频次区间；
基于计划出行频次数据、频次区间建立指数计算模型；
根据指数计算模型计算旅客出行意愿指数。
优选地，所述基于计划出行频次数据、频次区间建立指数计算模型，具体包括：
采用类区间平均值算法计算频次区间的区间平均值xi，其中xi表示第i个区间的平均值；
将计划出行频次数据与频次区间进行匹配，统计区间内计划出行频次数据的数据量fi，其中fi表示第i个区间的数据量；
采用加权平均算法建立指数计算模型：
Figure BDA0003036022700000021
其中
Figure BDA0003036022700000022
表示旅客出行意愿指数。
优选地，所述确定频次区间是采用连续属性值域划分的离散化方法确定，所述离散化方法采用的是bottom-up算法。
优选地，所述计划出行频次数据可以是商务出行频次数据或者旅游出行频次数据。
本发明还提出一种计算旅客出行意愿指数的系统，包括：
获取模块：配置用于获取预设时间段内旅客的计划出行频次数据；
频次区间确定模块：配置用于根据计划出行频次数据的分布情况确定频次区间；
计算模块：配置用于根据计划出行频次数据、频次区间建立指数计算模型，计算旅客出行意愿指数。
优选地，所述计算模块，具体包括：
平均值计算单元：用于根据类区间平均值算法计算频次区间的区间平均值xi，其中xi表示第i个区间的平均值；
数据量计算单元：用于将计划出行频次数据与频次区间进行匹配，统计区间内计划出行频次数据的数据量fi，其中fi表示第i个区间的数据量；
模型建立单元：用于根据加权平均算法建立指数计算模型：
Figure BDA0003036022700000031
其中
Figure BDA0003036022700000032
表示旅客出行意愿指数；
指数计算单元：用于根据指数计算模型计算旅客出行意愿指数
Figure BDA0003036022700000033
的值。
优选地，所述频次区间模块具体配置采用连续属性值域划分的离散化方法确定频次区间，所述离散化方法采用的是bottom-up算法。
优选地，所述计划出行频次数据可以是商务出行频次数据或者旅游出行频次数据。
本发明中，通过获取预设时间段内旅客的计划出行频次数据；基于计划出行频次数据的分布情况确定频次区间；基于计划出行频次数据、频次区间建立指数计算模型；根据指数计算模型计算旅客出行意愿指数；本发明能够基于实际出行频次数据计算预设时间段内的旅客出行意愿指数，将出行意愿换算成更为直观的表达方式，相关行业可以参考旅客出行意愿指数，提供合理的资源来保障旅客出行需求。
附图说明
图1为本发明提出的一种计算旅客出行意愿指数的方法的流程图。
具体实施方式
如图1所示，图1为本发明实施例提出的一种计算旅客出行意愿指数的方法的流程图。
参照图1，本发明实施例提出的一种计算旅客出行意愿指数的方法，包括：
S1：获取预设时间段内旅客的计划出行频次数据；
本发明实施例中，获取计划出行频次数据后，会对数据进行预处理，清洗数据，筛选去除空值以及异常值。
在其他一些实施例中，计划出行频次数据可以是商务出行频次数据或者旅游出行频次数据。
S2：基于计划出行频次数据的分布情况确定频次区间；
本发明实施例中，所述确定频次区间是采用连续属性值域划分的离散化方法确定，所述离散化方法采用的是bottom-up算法。具体的，首先根据计划出行频次数据的分布情况以及行业经验找出几个点作为割点来划分整个属性区间，然后在结果区间下递归地重复这一过程，最后通过合并相邻域的值形成区间。
S3：基于计划出行频次数据、频次区间建立指数计算模型；
本发明实施例中，步骤S3，具体包括：
采用类区间平均值算法计算频次区间的区间平均值xi，其中xi表示第i个区间的平均值；需要说明的是，所述区间平均值为区间端点的平均值；
将计划出行频次数据与频次区间进行匹配，统计区间内计划出行频次数据的数据量fi，其中fi表示第i个区间的数据量；具体的，根据计划出行频次数据中的频次值，将计划出行频次数据匹配到对应的频次区间中，统计各个区间内含有的计划出行频次数据的数量及权重为fi；
采用加权平均算法建立指数计算模型：
Figure BDA0003036022700000041
其中
Figure BDA0003036022700000042
表示旅客出行意愿指数。
S4：根据指数计算模型计算旅客出行意愿指数
Figure BDA0003036022700000043
其中
Figure BDA0003036022700000044
的值越高，说明旅客出行意愿越高，旅客计划出行的频次越高。
在其他一些实施例中，计划出行频次数据是商务出行频次数据，具体的，基于商务出行频次数据确定频次区间、计算区间平均值、统计区间内的数据量，通过指数计算模型计算旅客的商务出行意愿指数TWI-B(Business Travel Willingness Index)。
在其他一些实施例中，计划出行频次数据是旅游出行频次数据，具体的，基于旅游出行频次数据确定频次区间、计算区间平均值、统计区间内的数据量，通过指数计算模型计算旅客的旅行出行意愿指数旅游出行意愿指数TWI-L(Leisure Travel WillingnessIndex)。
在其他一些实施例中，还可以计算旅客的出行意向城市指数TWI-d(TravelWillingness Index for Destination)，具体的，获取预设时间段内旅客计划去往某一城市/地区的计划出行频次数据的数据量进行汇总，汇总量除以计划出行频次的总数据量，得到旅客的出行意向城市指数TWI-d；例如：某月的旅客计划出行数据中，计划出行频次数据的总数据量X，其中计划去往A城市计划出行频次数据的数据量为Y，则TWI-d＝Y/X。
本发明实施例中，通过获取预设时间段内旅客的计划出行频次数据；基于计划出行频次数据的分布情况确定频次区间；基于计划出行频次数据、频次区间建立指数计算模型；根据指数计算模型计算旅客出行意愿指数；本发明能够基于实际出行频次数据计算预设时间段内的旅客出行意愿指数，将出行意愿换算成更为直观的表达方式，相关行业可以参考旅客出行意愿指数，提供合理的资源来保障旅客出行需求。
基于同一发明构思，本发明实施例还提出一种计算旅客出行意愿指数的系统，包括：
获取模块：配置用于获取预设时间段内旅客的计划出行频次数据；
在其他一些实施例中，计划出行频次数据可以是商务出行频次数据或者旅游出行频次数据。
频次区间确定模块：配置用于根据计划出行频次数据的分布情况确定频次区间；
本发明实施例中，频次区间模块具体配置采用连续属性值域划分的离散化方法确定频次区间，所述离散化方法采用的是bottom-up算法。
计算模块：配置用于根据计划出行频次数据、频次区间建立指数计算模型，计算旅客出行意愿指数。
本发明实施例中，所述计算模块，具体包括：
平均值计算单元：用于根据类区间平均值算法计算频次区间的区间平均值xi，其中xi表示第i个区间的平均值；
数据量计算单元：用于将计划出行频次数据与频次区间进行匹配，统计区间内计划出行频次数据的数据量fi，其中fi表示第i个区间的数据量；
模型建立单元：用于根据加权平均算法建立指数计算模型：
Figure BDA0003036022700000061
其中
Figure BDA0003036022700000062
表示旅客出行意愿指数；
指数计算单元：用于根据指数计算模型计算旅客出行意愿指数
Figure BDA0003036022700000063
的值；
Figure BDA0003036022700000064
的值越高，说明旅客出行意愿越高，旅客计划出行的频次越高。
在其他一些实施例中，所述计划出行频次数据可以是商务出行频次数据，具体的，基于商务出行频次数据确定频次区间、计算区间平均值、统计区间内的数据量，通过指数计算模型计算旅客的商务出行意愿指数。
在其他一些实施例中，所述计划出行频次数据可以是旅游出行频次数据，具体的，基于旅游出行频次数据确定频次区间、计算区间平均值、统计区间内的数据量，通过指数计算模型计算旅客的旅行出行意愿指数旅游出行意愿指数。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (8)

1.一种计算旅客出行意愿指数的方法，其特征在于，包括：
获取预设时间段内旅客的计划出行频次数据；
基于计划出行频次数据的分布情况确定频次区间；
基于计划出行频次数据、频次区间建立指数计算模型；
根据指数计算模型计算旅客出行意愿指数。
2.根据权利要求1所述的计算旅客出行意愿指数的方法，其特征在于，所述基于计划出行频次数据、频次区间建立指数计算模型，具体包括：
采用类区间平均值算法计算频次区间的区间平均值xi，其中xi表示第i个区间的平均值；
将计划出行频次数据与频次区间进行匹配，统计区间内计划出行频次数据的数据量fi，其中fi表示第i个区间的数据量；
采用加权平均算法建立指数计算模型：
Figure FDA0003036022690000011
其中
Figure FDA0003036022690000012
表示旅客出行意愿指数。
3.根据权利要求1所述的计算旅客出行意愿指数的方法，其特征在于，所述确定频次区间是采用连续属性值域划分的离散化方法确定，所述离散化方法采用的是bottom-up算法。
4.根据权利要求1至3中任一项所述的计算旅客出行意愿指数的方法，其特征在于，所述计划出行频次数据可以是商务出行频次数据或者旅游出行频次数据。
5.一种计算旅客出行意愿指数的系统，其特征在于，包括：
获取模块：配置用于获取预设时间段内旅客的计划出行频次数据；
频次区间确定模块：配置用于根据计划出行频次数据的分布情况确定频次区间；
计算模块：配置用于根据计划出行频次数据、频次区间建立指数计算模型，计算旅客出行意愿指数。
6.根据权利要求5所述的计算旅客出行意愿指数的系统，其特征在于，所述计算模块，具体包括：
平均值计算单元：用于根据类区间平均值算法计算频次区间的区间平均值xi，其中xi表示第i个区间的平均值；
数据量计算单元：用于将计划出行频次数据与频次区间进行匹配，统计区间内计划出行频次数据的数据量fi，其中fi表示第i个区间的数据量；
模型建立单元：用于根据加权平均算法建立指数计算模型：
Figure FDA0003036022690000021
其中
Figure FDA0003036022690000022
表示旅客出行意愿指数；
指数计算单元：用于根据指数计算模型计算旅客出行意愿指数
Figure FDA0003036022690000023
的值。
7.根据权利要求5所述的计算旅客出行意愿指数的系统，其特征在于，所述频次区间模块具体配置采用连续属性值域划分的离散化方法确定频次区间，所述离散化方法采用的是bottom-up算法。
8.根据权利要求5至7中任一项所述的计算旅客出行意愿指数的系统，其特征在于，所述计划出行频次数据可以是商务出行频次数据或者旅游出行频次数据。
CN202110443833.5A 2021-04-23 2021-04-23 一种计算旅客出行意愿指数的方法及系统 Pending CN113095709A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110443833.5A CN113095709A (zh) 2021-04-23 2021-04-23 一种计算旅客出行意愿指数的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110443833.5A CN113095709A (zh) 2021-04-23 2021-04-23 一种计算旅客出行意愿指数的方法及系统

Publications (1)

Publication Number Publication Date
CN113095709A true CN113095709A (zh) 2021-07-09

Family

ID=76679647

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110443833.5A Pending CN113095709A (zh) 2021-04-23 2021-04-23 一种计算旅客出行意愿指数的方法及系统

Country Status (1)

Country Link
CN (1) CN113095709A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110301835A1 (en) * 2010-06-07 2011-12-08 James Bongiorno Portable vacation/travel planner, and family tour guide device
CN105868860A (zh) * 2016-04-07 2016-08-17 浙江万马新能源有限公司 基于聚类的区域出行意愿强度分析方法、装置及选址方法
CN107832982A (zh) * 2017-12-18 2018-03-23 广东广业开元科技有限公司 一种基于大数据旅游出行评估模型区域适旅指数计算方法
CN107958031A (zh) * 2017-11-20 2018-04-24 上海市城市建设设计研究总院（集团）有限公司 基于融合数据的居民出行od分布提取方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110301835A1 (en) * 2010-06-07 2011-12-08 James Bongiorno Portable vacation/travel planner, and family tour guide device
CN105868860A (zh) * 2016-04-07 2016-08-17 浙江万马新能源有限公司 基于聚类的区域出行意愿强度分析方法、装置及选址方法
CN107958031A (zh) * 2017-11-20 2018-04-24 上海市城市建设设计研究总院（集团）有限公司 基于融合数据的居民出行od分布提取方法
CN107832982A (zh) * 2017-12-18 2018-03-23 广东广业开元科技有限公司 一种基于大数据旅游出行评估模型区域适旅指数计算方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
匿名: "2020年6月旅客出行意愿指数分析.pdf", 《HTTPS：//MAX.BOOK118.COM/HTML/2020/1028/8061130052003011.SHTM》 *

Similar Documents

Publication Publication Date Title
CN105513370B (zh) 基于稀疏车牌识别数据挖掘的交通小区划分方法
CN107610469A (zh) 一种考虑多因素影响的日维度区域交通指数预测方法
Nielsen et al. Relevance of detailed transfer attributes in large-scale multimodal route choice models for metropolitan public transport passengers
CN101465059B (zh) 城市道路交通安全态势鉴判预警系统
CN104809344A (zh) 一种基于ic卡数据的公交站点区间客流估计方法
CN106448132A (zh) 一种常规公交服务指数实时评价系统及评价方法
WO2020108219A1 (zh) 基于交通安全风险的群体划分与差异性分析方法及系统
CN110459050B (zh) 一种基于混合决策树的短期公交客流预测方法
Sevlian et al. Travel time estimation using floating car data
CN110990661A (zh) 一种基于路网约束和密度聚类的兴趣区域出入口提取方法
CN115496288A (zh) 一种铁路客站应急疏散路径规划方案确定方法和装置
CN109544967B (zh) 一种基于低频avl数据的公交线网运行状态监控方法
CN109034578A (zh) 一种综合交通运输网络节点重要度评估方法
CN112149922A (zh) 高速公路隧道下行线出入口区域事故严重程度预测方法
CN113569659A (zh) 一种基于大数据的客流量分析方法、系统、智能终端及存储介质
CN114219521B (zh) 基于多源数据的体育中心选址评价方法
CN114462898A (zh) 基于地理信息的公路规划管理方法及系统
CN111914052B (zh) 一种区域空间关联关系确定方法及装置
CN113095709A (zh) 一种计算旅客出行意愿指数的方法及系统
CN111310340B (zh) 基于人类移动的城市区域交互异常关系识别方法及设备
Tian et al. Identifying residential and workplace locations from transit smart card data
CN115100394B (zh) 基于兴趣点Voronoi图的城市街区功能识别方法
CN110120154A (zh) 大规模路网下利用检测器数据的交通路况预测方法
Singh et al. Healthcare Vulnerability Mapping Using K-means++ Algorithm and Entropy Method: A Case Study of Ratnanagar Municipality
Ceder et al. Comparing public transport connectivity measures of major New Zealand cities

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210709