CN113111271B - 出行od数据扩样方法、装置、计算机设备及存储介质 - Google Patents
出行od数据扩样方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN113111271B CN113111271B CN202110424659.XA CN202110424659A CN113111271B CN 113111271 B CN113111271 B CN 113111271B CN 202110424659 A CN202110424659 A CN 202110424659A CN 113111271 B CN113111271 B CN 113111271B
- Authority
- CN
- China
- Prior art keywords
- data
- travel
- sample
- trip
- preset
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—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
- 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
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Mobile Radio Communication Systems (AREA)
- Telephone Function (AREA)
Abstract
本发明涉及大数据技术领域,提供了一种出行OD数据扩样方法、装置、计算机设备及存储介质,所述方法包括:获取手机信令数据,其中,所述手机信令数据包括手机信令的发送时间和发送地点;根据所述发送时间和所述发送地点,生成出行OD数据,其中,所述出行OD数据包括作为出发地的发送地点和作为目的地的发送地点之间的出行次数;利用预设双约束重力模型对所述出行OD数据进行扩样,得到扩样OD数据。本发明能够得到可以较为准确地反应出用户实际的出行情况的扩样OD数据。
Description
技术领域
本发明涉及大数据技术领域,具体而言,涉及一种出行OD数据扩样方法、装置、计算机设备及存储介质。
背景技术
随着现代信息技术的不断发展,数据信息越来越多,数据源也越来越广。同时,大数据技术因其可以对海量数据快速收集与挖掘,精细化获取更加及时高效的城市运行和人口活动特征,正受到越来越多的认识和应用,为社会治理与决策研判提供有效手段。
手机信令数据作为大数据的一种,具有无线通信网络的覆盖特性,以及无线通信网络具备的为手机用户提供不间断服务的特点,通常用于为交通规划提供真实可靠的基础数据。
然而,由于手机用户存在异网多卡现象,且基于数据安全的要求,不同运营商的数据不便于共享,故,单一运营商的数据无法准确反应出实际的用户出行情况。
发明内容
本发明的目的在于提供了一种出行OD数据扩样方法、装置、计算机设备及存储介质,其能够根据手机信令数据生成出行OD数据,再利用预设双约束重力模型对出行OD数据进行扩样,以得到可以较为准确地反应出用户实际的出行情况的扩样OD数据。
为了实现上述目的,本发明采用的技术方案如下:
第一方面,本发明提供一种出行OD数据扩样方法,所述方法包括:获取手机信令数据,其中,所述手机信令数据包括手机信令的发送时间和发送地点;根据所述发送时间和所述发送地点,生成出行OD数据,其中,所述出行OD数据包括作为出发地的发送地点和作为目的地的发送地点之间的出行次数;利用预设双约束重力模型对所述出行OD数据进行扩样,得到扩样OD数据。
第二方面,本发明提供一种出行OD数据扩样装置,所述装置包括:获取模块,用于获取手机信令数据,其中,所述手机信令数据包括手机信令的发送时间和发送地点;生成模块,用于根据所述发送时间和所述发送地点,生成出行OD数据,其中,所述出行OD数据包括作为出发地的发送地点和作为目的地的发送地点之间的出行次数;扩样模块,用于利用预设双约束重力模型对所述出行OD数据进行扩样,得到扩样OD数据。
第三方面,本发明提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现如上述的出行OD数据扩样方法。
第四方面,本发明提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述的出行OD数据扩样方法。
相对于现有技术,本发明通过获取手机信令数据,根据手机信令数据中的发送时间和发送地点,生成出行OD数据,利用预设双约束重力模型对出行OD数据进行扩样,得到扩样OD数据,该扩样OD数据可以较为准确地反应出用户的实际出行情况。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对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发明的某些实施例,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为本发明实施例提供的一种出行OD数据扩样方法的流程图。
图2为本发明实施例提供的另一种出行OD数据扩样方法的流程图。
图3为本发明实施例提供的另一种出行OD数据扩样方法的流程图。
图4为本发明实施例提供的出行OD数据扩样的示例图。
图5为本发明实施例提供的另一种出行OD数据扩样方法的流程图。
图6为本发明实施例提供的另一种出行OD数据扩样方法的流程图。
图7为本发明实施例提供的计算机设备的方框示意图。
图标:10-计算机设备;11-处理器;12-存储器;13-总线;14-通信接口;100-出行OD数据扩样装置;110-获取模块;120-生成模块;130-扩样模块。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中,需要说明的是,若出现术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该发明产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,若出现术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
需要说明的是,在不冲突的情况下,本发明的实施例中的特征可以相互结合。
近年来,手机信令数据被越来越多的交通规划领域的技术人员认同,原因是手机数据较其他数据源有着显著的优点:样本率极高(手机拥有率和使用率达到了相当高的比例),无群体性差异(各种人群均会使用手机),样本非常客观(没有认为因素干扰),采集更加方便(比人工调查时间短、提取方便),不受天气外界影响,调查时段远远超过人工等等。因而,利用手机信令数据,可以更有效地掌握用户的出行情况,能为交通规划提供真实可靠的基础数据。
然而,由于手机用户存在异网多卡现象,且基于数据安全要求,各运营商明细数据不易共享,无法汇总在一起除重、分析及统计,使得单一运营商所提供的手机数据无法反映全体人口的出行情况。因此,实际使用手机信令数据时,通常需要对一家电信运营商的统计结果进行扩样处理,现有的扩样方法主要是通过社会统计调查的方法来得到一定的外部参数,但此种方法成本高,同时得到的效果也并不理想,一定程度上使得出行数据真实性受到限制。
有鉴于此,本申请采用双约束重力模型,对由手机信令数据生成的出行OD数据进行扩样,最终得到能准确反应出实际的用户出行情况的扩样OD数据,下面将对此进行详细描述。
请参考图1,图1为本发明实施例提供的一种出行OD数据扩样方法的流程图,该方法包括以下步骤:
步骤S100,获取手机信令数据,其中,手机信令数据包括手机信令的发送时间和发送地点。
在本实施例中,手机信令数据是手机用户与发射基站或者微站之间的通信数据,只要手机一开机,并且手机屏幕上显示出运营商字样,手机信令数据就开始产生了。当用户使用手机拨打接听电话、发送接受短信、上网浏览网页等所有通讯行为,都会和手机附近的基站发送通信关系,由于通信基站的位置是固定且已知的,基站的位置信息就反映了用户的位置,因此手机信令数据中始终带有手机信令发送时间和发送地点(即发送位置)等信息。
在本实施例中,根据不同的需要,可以对不同的应用场景下的出行OD数据进行扩样,例如,可以筛选出手机信令数据中处于工作日通勤时段的数据,根据该数据生成出行OD数据,以便最终得到反映用户在工作日通信时段的出行情况的扩样OD数据。也可以取一天内或者一个星期内手机信令数据,根据该数据生成出行OD数据,以便最终得到反映用户在此一天内或者一个星期内的出行情况的扩样OD数据。
步骤S110,根据发送时间和发送地点,生成出行OD数据,其中,出行OD数据包括作为出发地的发送地点和作为目的地的发送地点之间的出行次数。
在本实施例中,作为一种具体实施方式,出行OD数据通常是以矩阵的形式表示,也称为出行OD矩阵,其以所有交通分区按行(起点区)与列(讫点区)排序,以任意两分区之间的手机用户的出行量为元素的矩阵。
在本实施例中,由于手机信令数据包括发送时间和发送地点,因此,根据发送时间可以确定对应的发送地点为出发地还是目的地,进而统计出发地和目的地之间的出行次数。
步骤S120,利用预设双约束重力模型对出行OD数据进行扩样,得到扩样OD数据。
在本实施例中,预设双约束重力模型可以是预先设置的模型,并且预先确定了该模型中的各个参数。将出行OD数据代入预设双约束重力模型,即可得到扩样OD数据。
本发明实施例提供的上述方法,其能够根据手机信令数据生成出行OD数据,再利用预设双约束重力模型对出行OD数据进行扩样,以得到可以较为准确地反应出用户实际的出行情况的扩样OD数据。
在图1的基础上,本发明实施例还提供了一种利用预设双约束重力模型对出行OD数据进行扩样的具体实施方式,请参照图2,步骤S120包括以下子步骤:
子步骤S120-10,按照出行OD数据中的出发地,计算出行产生量。
在本实施例中,出行产生量是对出行OD数据中的所有出发地的出行量汇总后得到。
子步骤S120-11,按照出行OD数据中的到达地,计算出行吸引量。
在本实施例中,出行吸引量是对出行OD数据中的所有到达地的出行量汇总后得到的。
在本实施例中,出行OD数据及出行产生量和出行吸引量如下表1所示:
表1
到达地1 | 到达地2 | 到达地3 | 出行产生量 | |
出发地1 | 4 | 2 | 2 | 8 |
出发地2 | 2 | 8 | 4 | 14 |
出发地3 | 2 | 4 | 4 | 10 |
出行吸引量 | 8 | 14 | 10 |
表1中,到达地1对应的出行吸引量为第一列数据的累加值,出发地1对应的出行产生量为第一行数据的累加值,其余的出行吸引量和出行产生量均与之类似,此处不再赘述。
子步骤S120-12,根据第一参数、第二参数、阻抗函数、出行产生量及出行吸引量,对出行OD数据进行扩样,得到扩样OD数据。
在本实施例中,预设双约束重力模型包括第一参数、第二参数、阻抗函数、出行产生量及出行吸引量,其中,出行产生量及出行吸引量可以根据出行OD数据计算得到,第一参数的取值和第二参数的取值可以在设置预设双约束重力模型后根据约束条件及守恒条件迭代更新后,得到最终第一参数和第二参数的取值。
在本实施例中,阻抗函数用于表征阻碍任意两个出发地和到达地之间出行的阻力因素,例如,两地之间的出行时间越长,或者两地之间的出行成本越高,则用户越不愿意在两地之间出行。阻抗函数可以是幂型、指数型、复合型及离散型等。
作为一种具体实施方式,预设双约束重力模型可以采用如下公式表示:
tij=aiOibjDjf(cij),其中,tij表示扩样OD数据,Oi表示出行发生量,Dj表示出行吸引量,f(cij)表示出发地i与到达地j之间的阻抗函数,cij表示出发地i与到达地j之间的阻抗参数,ai表示第一参数,bj表示第二参数,/>
在本实施例中,在设置预设双约束重力模型后,需要确定第一参数和第二参数的取值,本发明实施例还提供了一种确定第一参数和第二参数取值的具体实现方式,请参照图3,图3为本发明实施例提供的另一种出行OD数据扩样方法的流程图,该方法包括:
步骤S200,为第一参数设置第一取值。
在本实施例中,第一取值可以设置为1。
步骤S210,根据第一取值,计算第二参数的第二取值。
在本实施例中,根据第一取值,可以利用公式计算得到第二参数的第二取值。
步骤S220,利用预设约束条件,根据第二取值更新第一取值,再根据更新后的第一取值更新第二取值,迭代更新第一取值和第二取值的步骤,直至第一取值和第二取值均满足预设收敛条件,将此时的第一取值作为第一参数的最终取值,将此时的第二取值作为第二参数的最终取值。
在本实施例中,作为一种具体实现方式,预设约束条件可以是:
预设收敛条件可以是:
其中,m为迭代次数,ε为常数,预设约束条件和预设收敛条件中的其余各符号代表的含义在上文已有说明,此处不再赘述。
为了更清楚地体现本发明实施例中描述的出行OD数据扩样方法,请参照图4,图4为本发明实施例提供的出行OD数据扩样的示例图,图4(a)为以矩阵形式表示的出行OD数据,图4(b)为阻抗矩阵的一个示例,图4(c)为对图4(a)中的出行OD数据进行扩样,得到扩样后的扩样OD数据。由图4可以看出,经过扩样后,扩样OD数据更加合理。
需要说明的是,为了确保预设双约束重力模型的准确性,在得到扩样OD数据后,可以通过已有的统计年鉴和调查数据,进行扩样OD数据的校核,以便对预设双约束重力模型的准确性进行验证。
在本实施例中,由于不同的出行方式之间的差异较大,为了使最终扩样后的扩样OD数据更准确,本发明实施例还提供了一种按照出行方式生成每种出行方式对应的出行OD数据的方法,然后根据每种出行方式的出行OD数据分别进行扩样,最后对每种出行方式对应的扩样OD数据进行汇总,得到更准确的最终的扩样OD数据。请参照图5,图5为本发明实施例提供的另一种出行OD数据扩样方法的流程图,步骤S110包括以下子步骤:
步骤S1101,根据发送时间和发送地点,将手机信令数据按照出行方式划分,并生成不同出行方式对应的铁路出行OD数据、航空出行OD数据及公路出行OD数据。
在本实施例中,出行方式可以包括铁路出行、航空出行及公路出行三种方式。
作为具体的实施方式,对于铁路出行而言,由于铁路出行会历经多个基站点,根据出发地和到达地之间的距离和时间可以计算出行速度,因此根据手机信令数据中在出发地和到达地之间的历经的基站,以及出行速度,可以确定手机信令数据中以铁路出行方式产生的数据,根据该数据可以生成铁路出行OD数据。
对于航空出行而言,出发地和到达地通常属于不同的城市,且根据出发地和到达地之间的距离和时间可以计算出行速度,因此,根据出发地和到达地属于的城市及出行速度,可以确定手机信令数据中以航空出行方式产生的数据,根据该数据可以生成航空出行OD数据。
作为一种简单的实现方式,将手机信令数据中短暂停留或者途径的数据剔除掉,在此基础上再去掉铁路出行的手机信令数据和航空出行的手机信令数据,最终可以得到公路出行的手机信令数据,根据公路出行的手机信令数据可以生成公路出行OD数据。
在本实施例中,为了更精确地对不同的出行方式的出行OD数据进行扩样,本发明实施例还根据每种出行方式的特点,为每种出行方式设置与其匹配的阻抗函数。
对于铁路出行方式而言,阻抗函数可以根据铁路票务数据确定,即出发地和到达地之间通过买车票出行的出行量,对于航空出行方式而言,阻抗函数可以根据航空票务数据确定,即出发地和到达地之间通过买机票出行的出行量,对于公路出行方式而言,阻抗函数可以为根据预设出行时间和预设出行距离确定的幂指数函数。
在本实施例中,在得到不同出行方式的出行OD数据后,为了得到最终的扩样OD数据,本发明实施例还提供了一种得到扩样OD数据的具体实现方式,请继续参照图5,步骤S120包括以下子步骤:
子步骤S120-20,利用预设双约束重力模型分别对铁路出行OD数据、航空出行OD数据及公路出行OD数据进行扩样,得到扩样铁路OD数据、扩样航空OD数据及扩样公路OD数据。
在本实施例中,由于不同的出行方式存在较大差异,对不同的出行方式进行扩样时,采用的预设双约束重力模型中的阻抗函数也不同,则对应的预设双约束重力模型中的第一参数的取值、第二参数的取值也可以不同。
子步骤S120-21,统计扩样铁路OD数据、扩样航空OD数据及扩样公路OD数据,得到扩样OD数据。
在本实施例中,对扩样铁路OD数据、扩样航空OD数据及扩样公路OD数据进行统计,即将相同出发地和到达地的扩样铁路OD数据、扩样航空OD数据及扩样公路OD数据进行累加,即可以得到该出发地和到达地之间的扩样OD数据,对每一对出发地和到达地都进行如此统计,则得到所有出行方式的扩样OD数据。
本发明实施例提供的上述方法,通过对不同的出行方式分别按照对应的阻抗函数,对其进行扩样,最后再对不同出行方式扩样后的数据进行统计,实现了利用较少的手机信令数据即可得到较为准确的扩样OD数据。
为了执行上述实施例及各个可能的实施方式中的相应步骤,下面给出一种出行OD数据扩样装置100的实现方式。请参照图6,图6示出了本发明实施例提供的出行OD数据扩样装置100的方框示意图。出行OD数据扩样装置100,需要说明的是,本实施例所提供的出行OD数据扩样装置100,其基本原理及产生的技术效果和上述实施例相同,为简要描述,本实施例部分未提及指出。
出行OD数据扩样装置100包括获取模块110、生成模块120及扩样模块130。
获取模块110,用于:获取手机信令数据,其中,所述手机信令数据包括手机信令的发送时间和发送地点。
生成模块120,用于:根据所述发送时间和所述发送地点,生成出行OD数据,其中,所述出行OD数据包括作为出发地的发送地点和作为目的地的发送地点之间的出行次数。
作为一种具体实施方式,生成模块120具体用于:根据所述发送时间和所述发送地点,将所述手机信令数据按照出行方式划分,并生成不同出行方式对应的铁路出行OD数据、航空出行OD数据及公路出行OD数据。
扩样模块130,用于:利用预设双约束重力模型对所述出行OD数据进行扩样,得到扩样OD数据。
作为一种具体实施方式,预设双约束重力模型包括第一参数、第二参数、阻抗函数,扩样模块130具体用于:按照所述出行OD数据中的出发地,计算出行产生量;按照所述出行OD数据中的到达地,计算出行吸引量;根据所述第一参数、所述第二参数、所述阻抗函数、所述出行产生量及所述出行吸引量,对所述出行OD数据进行扩样,得到扩样OD数据。
作为一种具体实施方式,扩样模块130具体用于:利用所述预设双约束重力模型分别对所述铁路出行OD数据、所述航空出行OD数据及所述公路出行OD数据进行扩样,得到扩样铁路OD数据、扩样航空OD数据及扩样公路OD数据;统计所述扩样铁路OD数据、所述扩样航空OD数据及所述扩样公路OD数据,得到所述扩样OD数据。
作为一种具体实施方式,预设双约束重力模型包括阻抗函数,扩样模块130在利用所述预设双约束重力模型分别对所述铁路出行OD数据、所述航空出行OD数据及所述公路出行OD数据进行扩样,得到扩样铁路OD数据、扩样航空OD数据及扩样公路OD数据时,具体用于:当利用所述预设双约束重力模型对所述铁路出行OD数据进行扩样时,所述阻抗函数是根据所述铁路票务数据确定的;当利用所述预设双约束重力模型对所述航空出行OD数据进行扩样时,所述阻抗函数是根据所述航空票务数据确定的;当利用所述预设双约束重力模型对所述公路出行OD数据进行扩样时,所述阻抗函数为根据预设出行时间和预设出行距离确定的幂指数函数。
作为一种具体实施方式,预设双约束重力模型包括第一参数、第二参数,扩样模块130具体还用于:为所述第一参数设置第一取值;根据所述第一取值,计算所述第二参数的第二取值;利用预设约束条件,根据所述第二取值更新所述第一取值,再根据更新后的第一取值更新所述第二取值,迭代更新所述第一取值和所述第二取值的步骤,直至所述第一取值和所述第二取值均满足预设收敛条件,将此时的第一取值作为第一参数的最终取值,将此时的第二取值作为第二参数的最终取值。
作为一种具体实施方式,扩样模块130在更新第一取值和第二取值时采用的预设收敛条件为:和/>其中,ai为第一参数,bj为第二参数,m为迭代次数,ε为常数,i表示出发地,j表示目的地。
本发明实施例还提供了一种可以执行出行OD数据扩样方法的计算机设备10的方框示意图,请参照图7,图7示出了本发明实施例提供的计算机设备10的方框示意图,计算机设备10包括处理器11、存储器12、总线13、通信接口14。处理器11、存储器12通过总线13连接,处理器11通过通信接口14与外部设备通信。
处理器11可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器11中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器11可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
存储器12用于存储程序,例如本发明实施例中的出行OD数据扩样装置100,出行OD数据扩样装置100包括至少一个可以软件或固件(firmware)的形式存储于存储器12中的软件功能模块,处理器11在接收到执行指令后,执行所述程序以实现本发明实施例中的应用于计算机设备10的出行OD数据扩样方法。
存储器12可能包括高速随机存取存储器(RAM:Random Access Memory),也可能还包括非易失存储器(non-volatile memory)。可选地,存储器12可以是内置于处理器11中的存储装置,也可以是独立于处理器11的存储装置。
总线13可以是ISA总线、PCI总线或EISA总线等。图7仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
本发明实施例提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述的出行OD数据扩样方法。
综上所述,本发明实施例提供了一种出行OD数据扩样方法、装置、计算机设备及存储介质,所述方法包括:获取手机信令数据,其中,所述手机信令数据包括手机信令的发送时间和发送地点;根据所述发送时间和所述发送地点,生成出行OD数据,其中,所述出行OD数据包括作为出发地的发送地点和作为目的地的发送地点之间的出行次数;利用预设双约束重力模型对所述出行OD数据进行扩样,得到扩样OD数据。相对于现有技术,其能够根据手机信令数据生成出行OD数据,再利用预设双约束重力模型对出行OD数据进行扩样,以得到可以较为准确地反应出用户实际的出行情况的扩样OD数据。
以上所述,仅为本发明的具体实施方式,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,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (6)
1.一种出行OD数据扩样方法,其特征在于,所述方法包括:
获取手机信令数据,其中,所述手机信令数据包括手机信令的发送时间和发送地点;
根据所述发送时间和所述发送地点,生成出行OD数据,其中,所述出行OD数据包括作为出发地的发送地点和作为目的地的发送地点之间的出行次数;
利用预设双约束重力模型对所述出行OD数据进行扩样,得到扩样OD数据,所述预设双约束重力模型包括第一参数、第二参数、阻抗函数;
所述利用预设双约束重力模型对所述出行OD数据进行扩样,得到扩样OD数据的步骤包括:
按照所述出行OD数据中的出发地,计算出行产生量;
按照所述出行OD数据中的到达地,计算出行吸引量;
根据所述第一参数、所述第二参数、所述阻抗函数、所述出行产生量及所述出行吸引量,对所述出行OD数据进行扩样,得到扩样OD数据;
所述根据所述发送时间和所述发送地点,生成出行OD数据的步骤包括:
根据所述发送时间和所述发送地点,将所述手机信令数据按照出行方式划分,并生成不同出行方式对应的铁路出行OD数据、航空出行OD数据及公路出行OD数据;
所述利用预设双约束重力模型对所述出行OD数据进行扩样,得到扩样OD数据的步骤包括:
利用所述预设双约束重力模型分别对所述铁路出行OD数据、所述航空出行OD数据及所述公路出行OD数据进行扩样,得到扩样铁路OD数据、扩样航空OD数据及扩样公路OD数据,所述预设双约束重力模型包括阻抗函数;
统计所述扩样铁路OD数据、所述扩样航空OD数据及所述扩样公路OD数据,得到所述扩样OD数据;
所述利用所述预设双约束重力模型分别对所述铁路出行OD数据、所述航空出行OD数据及所述公路出行OD数据进行扩样,得到扩样铁路OD数据、扩样航空OD数据及扩样公路OD数据的步骤包括:
当利用所述预设双约束重力模型对所述铁路出行OD数据进行扩样时,所述阻抗函数是根据铁路票务数据确定的;
当利用所述预设双约束重力模型对所述航空出行OD数据进行扩样时,所述阻抗函数是根据航空票务数据确定的;
当利用所述预设双约束重力模型对所述公路出行OD数据进行扩样时,所述阻抗函数为根据预设出行时间和预设出行距离确定的幂指数函数。
2.如权利要求1所述的出行OD数据扩样方法,其特征在于,所述预设双约束重力模型包括第一参数、第二参数,所述利用预设双约束重力模型对所述出行OD数据进行扩样,得到扩样OD数据的步骤之前包括:
为所述第一参数设置第一取值;
根据所述第一取值,计算所述第二参数的第二取值;
利用预设约束条件,根据所述第二取值更新所述第一取值,再根据更新后的第一取值更新所述第二取值,迭代更新所述第一取值和所述第二取值的步骤,直至所述第一取值和所述第二取值均满足预设收敛条件,将此时的第一取值作为第一参数的最终取值,将此时的第二取值作为第二参数的最终取值。
3.如权利要求2所述的出行OD数据扩样方法,其特征在于,所述预设收敛条件为:和/>,其中,/>为第一参数,/>为第二参数,/>为迭代次数,/>为常数,/>表示出发地,/>表示目的地。
4.一种出行OD数据扩样装置,其特征在于,所述装置包括:
获取模块,用于获取手机信令数据,其中,所述手机信令数据包括手机信令的发送时间和发送地点;
生成模块,用于根据所述发送时间和所述发送地点,生成出行OD数据,其中,所述出行OD数据包括作为出发地的发送地点和作为目的地的发送地点之间的出行次数;
所述生成模块具体用于:根据所述发送时间和所述发送地点,将所述手机信令数据按照出行方式划分,并生成不同出行方式对应的铁路出行OD数据、航空出行OD数据及公路出行OD数据;
扩样模块,用于利用预设双约束重力模型对所述出行OD数据进行扩样,得到扩样OD数据,所述预设双约束重力模型包括第一参数、第二参数、阻抗函数;
所述扩样模块具体用于:按照所述出行OD数据中的出发地,计算出行产生量;按照所述出行OD数据中的到达地,计算出行吸引量;根据所述第一参数、所述第二参数、所述阻抗函数、所述出行产生量及所述出行吸引量,对所述出行OD数据进行扩样,得到扩样OD数据;
所述扩样模块具体还用于:利用所述预设双约束重力模型分别对所述铁路出行OD数据、所述航空出行OD数据及所述公路出行OD数据进行扩样,得到扩样铁路OD数据、扩样航空OD数据及扩样公路OD数据,所述预设双约束重力模型包括阻抗函数;统计所述扩样铁路OD数据、所述扩样航空OD数据及所述扩样公路OD数据,得到所述扩样OD数据;
所述扩样模块在具体用于利用所述预设双约束重力模型分别对所述铁路出行OD数据、所述航空出行OD数据及所述公路出行OD数据进行扩样,得到扩样铁路OD数据、扩样航空OD数据及扩样公路OD数据时具体用于:当利用所述预设双约束重力模型对所述铁路出行OD数据进行扩样时,所述阻抗函数是根据铁路票务数据确定的;当利用所述预设双约束重力模型对所述航空出行OD数据进行扩样时,所述阻抗函数是根据航空票务数据确定的;当利用所述预设双约束重力模型对所述公路出行OD数据进行扩样时,所述阻抗函数为根据预设出行时间和预设出行距离确定的幂指数函数。
5.一种计算机设备,包括存储器和处理器,其特征在于,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1-3中任一项所述的出行OD数据扩样方法。
6.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-3中任一项所述的出行OD数据扩样方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110424659.XA CN113111271B (zh) | 2021-04-20 | 2021-04-20 | 出行od数据扩样方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110424659.XA CN113111271B (zh) | 2021-04-20 | 2021-04-20 | 出行od数据扩样方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113111271A CN113111271A (zh) | 2021-07-13 |
CN113111271B true CN113111271B (zh) | 2023-08-29 |
Family
ID=76719007
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110424659.XA Active CN113111271B (zh) | 2021-04-20 | 2021-04-20 | 出行od数据扩样方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113111271B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114466313B (zh) * | 2022-01-28 | 2023-03-28 | 同济大学 | 一种基于手机信令数据的城际出行扩样方法 |
CN114501336B (zh) * | 2022-02-16 | 2023-03-17 | 交通运输部科学研究院 | 一种公路出行量测算方法、装置、电子设备及存储介质 |
CN114579063B (zh) * | 2022-05-07 | 2022-09-02 | 浙江口碑网络技术有限公司 | Od数据的存储及读取方法、装置、存储介质及计算机设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105513348A (zh) * | 2015-11-27 | 2016-04-20 | 西南交通大学 | 基于手机信令出行链的od矩阵获取方法 |
CN106920395A (zh) * | 2017-04-21 | 2017-07-04 | 杭州市综合交通研究中心 | 一种基于参数标定的交通阻抗计算方法 |
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 |
CN108629972A (zh) * | 2018-05-07 | 2018-10-09 | 广州市交通规划研究院 | 一种基于大数据和传统方法相结合的居民出行调查综合扩样校核方法 |
CN111291321A (zh) * | 2020-01-17 | 2020-06-16 | 悉地(苏州)勘察设计顾问有限公司 | 基于大数据的城市交通模型构建方法 |
CN112133090A (zh) * | 2020-08-14 | 2020-12-25 | 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多方式交通分布模型构建方法 |
CN112613662A (zh) * | 2020-12-23 | 2021-04-06 | 北京恒达时讯科技股份有限公司 | 公路交通量分析方法、装置、电子设备和存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013020611A1 (en) * | 2011-08-05 | 2013-02-14 | Telefonaktiebolaget L M Ericsson (Publ) | Generating an od matrix |
US11713975B2 (en) * | 2018-11-26 | 2023-08-01 | Uber Technologies, Inc. | Routing graph management in autonomous vehicle routing |
-
2021
- 2021-04-20 CN CN202110424659.XA patent/CN113111271B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105513348A (zh) * | 2015-11-27 | 2016-04-20 | 西南交通大学 | 基于手机信令出行链的od矩阵获取方法 |
CN106920395A (zh) * | 2017-04-21 | 2017-07-04 | 杭州市综合交通研究中心 | 一种基于参数标定的交通阻抗计算方法 |
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 |
CN108629972A (zh) * | 2018-05-07 | 2018-10-09 | 广州市交通规划研究院 | 一种基于大数据和传统方法相结合的居民出行调查综合扩样校核方法 |
CN111291321A (zh) * | 2020-01-17 | 2020-06-16 | 悉地(苏州)勘察设计顾问有限公司 | 基于大数据的城市交通模型构建方法 |
CN112133090A (zh) * | 2020-08-14 | 2020-12-25 | 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多方式交通分布模型构建方法 |
CN112613662A (zh) * | 2020-12-23 | 2021-04-06 | 北京恒达时讯科技股份有限公司 | 公路交通量分析方法、装置、电子设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
在公交客流分布预测中重力模型的参数标定及其应用研究;邹文杰等;《交通与计算机》;第第24卷卷(第第2期期);第47-51页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113111271A (zh) | 2021-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113111271B (zh) | 出行od数据扩样方法、装置、计算机设备及存储介质 | |
CN107431896B (zh) | 基于连接技术的无线覆盖验证 | |
CN102097004B (zh) | 一种基于手机定位数据的出行od矩阵获取方法 | |
US10750312B2 (en) | System and method for monitoring devices relative to a user defined geographic area | |
Wang et al. | On the serviceability of mobile vehicular cloudlets in a large-scale urban environment | |
CN103200238A (zh) | 地理围栏的智能网络信息系统 | |
CN105718465A (zh) | 地理围栏生成方法及装置 | |
CN105554704A (zh) | 推荐系统中基于假轨迹的位置隐私保护方法 | |
US20150195806A1 (en) | Method and apparatus for predicting mobility based on relative mobile characteristics | |
CN102984649A (zh) | 移动式WiFi网络的广告信息发布系统 | |
CN111325561A (zh) | 智能投诉处理方法、装置、电子设备及存储介质 | |
Caceres et al. | Inferring origin–destination trip matrices from aggregate volumes on groups of links: a case study using volumes inferred from mobile phone data | |
Hernández-Orallo et al. | New approaches for characterizing inter-contact times in opportunistic networks | |
CN110298687B (zh) | 一种区域吸引力评估方法及设备 | |
CN107038620A (zh) | 基于用户打车偏好的信息推送及装置 | |
Horn et al. | QZTool—automatically generated origin-destination matrices from cell phone trajectories | |
JP6056237B2 (ja) | 電波状況収集システムおよび方法 | |
CN114257957B (zh) | 网络规划方法及装置、计算设备和计算机可读存储介质 | |
Namiot et al. | On the analysis of statistics of mobile visitors | |
JP6223302B2 (ja) | 携帯端末を所持したユーザの滞在判定が可能な装置、プログラム及び方法 | |
CN104412287A (zh) | 信息共享系统、信息共享方法以及终端装置 | |
CN103917888A (zh) | 距离估计 | |
CN115087023B (zh) | 道路网络的分析方法及装置 | |
CN113887813A (zh) | 台风灾害预警方法、装置、服务器及存储介质 | |
CN106855979A (zh) | 数据关联系统与方法 |
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 |