CN113392987B - 基于多源数据融合的公交站点位置修复方法 - Google Patents
基于多源数据融合的公交站点位置修复方法 Download PDFInfo
- Publication number
- CN113392987B CN113392987B CN202110493965.9A CN202110493965A CN113392987B CN 113392987 B CN113392987 B CN 113392987B CN 202110493965 A CN202110493965 A CN 202110493965A CN 113392987 B CN113392987 B CN 113392987B
- Authority
- CN
- China
- Prior art keywords
- data
- line
- bus
- station
- matching
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000004927 fusion Effects 0.000 title claims abstract description 16
- 230000003068 static effect Effects 0.000 claims abstract description 36
- 101100030351 Schizosaccharomyces pombe (strain 972 / ATCC 24843) dis2 gene Proteins 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 2
- 230000002194 synthesizing effect Effects 0.000 claims description 2
- 230000000875 corresponding effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000007480 spreading Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000007500 overflow downdraw method Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
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
- G06Q10/20—Administration of product repair or maintenance
-
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- 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
- G06F16/903—Querying
- G06F16/90335—Query processing
- G06F16/90344—Query processing by using string matching techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Remote Sensing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Entrepreneurship & Innovation (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Operations Research (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Quality & Reliability (AREA)
- Radar, Positioning & Navigation (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明涉一种基于多源数据融合的公交站点位置修复方法,本发明解决现有技术的问题,其技术方案要点是:包括以下步骤,步骤一,从若干数据源处获取基础数据并进行数据对应;步骤二,获取每条线路的起末站,根据起末站中文方向名的唯一性,对线路方向进行匹配;步骤三,在获得了线路匹配关系表之后,将各个数据源的公交静态站点进行匹配,关联字段包括,线路名、首末站方向名和站点名,以公交数据为主表关联上各个数据源的经纬度;步骤四,将公交交易数据与GPS融合;步骤五,在得到交易数据信息之后,根据每个站台位置附近的交易量确定数据来源的站点位置是最可靠的站点位置。
Description
技术领域
本发明涉及了一种公交站点位置定位方法,特别是涉及了一种基于多源数据融合的公交站点位置修复方法。
背景技术
大数据时代,为实现精确化数字运营,提升居民生活质量,基础数据是重中之重。不仅要求获得足够多源的数据,并且要对数据加之融合,提取出关键信息,保留准确数据,剔除异常数据。不同的数据能够给出不同角度的信息,对于这些信息,采取一定的方法模型分析,能够获得预期的效果。数据智能,改变公共出行,在对数据的运营与处理上,公交数据大脑产品给出了全栈的数字公交解决方案。与此同时,对于基础数据的准确性,稳定性,可靠性等多方面也提出了更高层次的要求。公交数据的准确性问题无法避免,但是可以采取一些措施在源头处最大程度的解决掉部分问题。防止数据质量问题蔓延至下游各个岗位,造成大量的时间浪费。公交数据中最为基础的数据是公交静态数据,包括线路数据、站点数据、线路站点关系数据、公交车辆数据、公交分公司数据等等。每一项数据都承担着关键的角色,其中公交静态站点数据的公交站点位置信息的准确性,是一个重要的方面,其会影响到线路轨迹,车辆报站等相关数据。作为一项基础数据,保证其准确可靠一直是我们核心工作之一。公交静态站点位置信息的生成,现有技术都是基于公交公司的实地测量,并没有数据融合修改公交静态站点位置的方法和应用。以杭州为例,当前公交站点达到个2万多个,如此多的公交站,数据测量难以保证每个站点位置的准确性,数据记录,保存,上传等过程中也难免会发生数据错误,并且公交静态站点位置数据维护周期较长,公交公司一般会在在很长一段时间都使用一份数据,在市政道路维护改变过程中,公交站的位置也会发生改变,公交公司并不能做到每次变更都记录在案,更新到公交数据库中。所以对于公交静态站点位置数据的准确性,公交原始数据是无法保证的。面对这种情况,如何提升公交静态站点数据位置的准确性,是一个棘手并且十分重要的问题。
发明内容
针对上述背景技术中如何提升公交静态站点数据位置的准确性的问题,本发明提供了一种基于多源数据融合的公交站点位置修复方法。
本发明解决其技术问题所采用的技术方案是:一种基于多源数据融合的公交站点位置修复方法,包括以下步骤,
步骤一,从若干数据源处获取基础数据,分类汇总并存储到数据库中;
步骤二,获取每条线路的起末站,根据起末站中文名称的唯一性,对线路方向进行匹配;
步骤三,在获得了线路匹配关系表之后,将各个数据源的公交静态站点进行匹配,关联字段包括,线路名、首末站方向名和站点名,以公交数据为主表关联上各个数据源的经纬度;
步骤四,将公交交易数据与GPS融合,扩展交易数据中的经纬度坐标,再通过班次数据过滤出有效数据;
步骤五,在得到交易数据信息之后,根据每个站台位置附近的交易量确定数据来源的站点位置是最可靠的站点位置。
相比于现有技术,本申请中采用了多源数据融合的方式,纠正错误数据,提高数据准确性,保证数据质量,为后续数据分析打下坚实的基础,并且由于经过反复验证,因此可以防止问题蔓延,提高全流程,全生命周期的数据可靠性。
作为优选,在所述步骤一中,通过数据库取出公交静态站点表,获得最近若干天的公交交易数据、班次数据及GPS数据;在各个渠道的静态站点位置数据获取之后,对数据进行对应处理,采用文本相似度法将公交静态站点与异源地图数据的静态站点进行对应。
作为优选,在步骤二中,采用字符串编辑距离法对线路方向进行匹配。
对于每一份不同源数据的线路起末站合成为一个线路方向,遍历所有线路站点数据获取中文线路方向的集合;
按照中文线路方向对数据进行分组;
遍历多个数据源的公交静态站点数据,取出各个数据源的线路方向和相同线路方向下的线路名,根据字符串编辑距离遍历两边线路名进行匹配,给出字符串编辑距离dis1,同时,使用正则方法,取出线路名中的数字,对两边数字进行编辑距离计算,获得dis2,之后设定一个可靠性定量权重值,用于衡量两边线路名的匹配可靠性,可靠性权重计算方法如下:
Reliability=dis2 * 10 + dis1;
当Reliability= 0 时,两边线路名和方向完全一致匹配;
当0<Reliability<设定值时,两边数据的线路编号一致,对同一个线路方向,两边线路名做笛卡尔积,获得Reliability,采用公交静态站点数据作为主表,取同一个线路方向和线路名下,其他源数据线路名Reliability最小的线路进行匹配;
当Reliability>设定值时,给出备选线路,经由人工介入,标记数据线路匹配情况;
最终,获得线路和线路方向匹配关系表。
作为优选,线路和线路方向匹配关系表中的表字段包括:公交数据线路名、公交数据线路方向、异源地图数据一线路名、异源地图数据一线路方向、公交异源地图数据一匹配可靠性、异源地图数据二线路名、异源地图数据二线路方向和公交异源地图数据二数据匹配可靠性,因为公交数据作为主表,保留主表全部数据,如果按照关联条件,次表内容与主表关联上,则写入次表数据;如关联不上,则次表对应内容为空。
作为优选,首先,取若干天的GPS数据与交易数据,将交易数据与GPS进行关联,为每一笔交易,找到最近若干秒钟内时间最接近的GPS位置,作为每笔交易数据的位置信息;
之后,保留车辆班次内GPS与交易数据作为冗余数据;
最终,得到包含以下字段的数据:车、线路、方向、用户、交易时间、经度和纬度。
作为优选,遍历每一个公交站点,根据若干线路站点位置的信息,计算每个站点位置设定距离内发生的交易数据量,取总交易量最大的位置作为修正位置,得出最终结果。
本发明的实质性效果是:通过数据融合的方法,借助当下逐渐普及的移动支付数据和实时GPS数据,结合移动互联网开放数据,实现快速构建公交线网数据体系,并智能提取站点经纬度坐标。相比于现有技术,本申请中采用了多源数据融合的方式,纠正错误数据,提高数据准确性,保证数据质量,为后续数据分析打下坚实的基础,并且由于经过反复验证,因此可以防止问题蔓延,提高全流程,全生命周期的数据可靠性。
附图说明
图1为本发明的一种核心流程示意图。
具体实施方式
下面通过具体实施例,对本发明的技术方案作进一步的具体说明。
实施例1:
一种基于多源数据融合的公交站点位置修复方法(参见附图1),包括以下步骤,
步骤一,从若干数据源处获取基础数据并进行数据对应;
步骤二,获取每条线路的起末站,根据起末站中文方向名的唯一性,对线路方向进行匹配;
步骤三,在获得了线路匹配关系表之后,将各个数据源的公交静态站点进行匹配,关联字段包括,线路名、首末站方向名和站点名,以公交数据为主表关联上各个数据源的经纬度;
步骤四,将公交交易数据与GPS融合;
步骤五,在得到交易数据信息之后,根据每个站台位置附近的交易量确定数据来源的站点位置是最可靠的站点位置。
在所述步骤一中,通过数据库取出公交静态站点表,获得最近30天的公交交易数据、班次数据及GPS数据;采用申请异源地图数据账号及秘钥,以包括调用API在内的方式获得异源地图数据的公交静态站点表;在各个渠道的静态站点位置数据获取之后,对数据进行对应处理,采用文本相似度法将公交静态站点与异源地图数据的静态站点位置进行对应。
步骤一中,需要的输入数据包括几部分,数据及其字段需求如下:
公交静态站点表,字段包括:线路名、方向、站点名、站点经度、站点纬度、当前线路方向的首站、当前线路方向的末站。
例如:1路,上行,杭州西湖站、37,120,雷峰塔、白堤;
异源地图数据一的地图站点表,字段包括:线路名、方向、站点名、站点经度、站点纬度、当前线路方向的首站、当前线路方向的末站;
异源地图数据二的静态站点表,字段包括:线路名、方向、站点名、站点经度、站点纬度、当前线路方向的首站、当前线路方向的末站;
公交车报站表:车辆ID、时间、经度、纬度;
公交车交易表:用户ID、交易时间、车辆ID;
班次数据:线路、方向、车辆、班次开始时间、班次结束时间。
在步骤二中,采用字符串编辑距离法对线路方向进行匹配。
此时,根据公交线路站点数据情况,并没有采用常规的先匹配线路再匹配方向的方案,而是先给出每条线路的起末站,根据起末站中文方向名的唯一性,对线路方向进行匹配。采用这种方法是因为我们发现,大部分线路站点的首末站在不同来源数据里是能够较好的保持一致的,而线路名在不同源数据里,会有各种表示,比如A数据源叫做“1路快”,B数据源叫做“1路K”,C数据源叫做“K1”。经常的,会发现不同源数据的线路名是否有“路”字难以保持一致。因此首先获得各个站点的线路方向的信息,对各个渠道的线路信息进行对应,这里采用的方法是字符串编辑距离。
字符串的编辑距离,是指利用字符操作,把字符串A转换成字符串B所需要的最少操作数。其中,字符操作包括:删除一个字符、插入一个字符、修改一个字符。例如对于字符串"if"和"iff",可以通过插入一个'f'或者删除一个'f'来达到目的。具体的操作方法如下:对于每一份不同源数据的线路起末站合成为一个线路方向,如“1路”,“上行”,“西湖到吴山广场”。采用“西湖到吴山广场”作为该线路方向的中文线路方向。遍历所有线路站点数据获取中文线路方向的集合。
在所述步骤三中,按照中文线路方向对数据进行分组;
遍历多个数据源的公交静态站点数据,取出各个数据源的线路方向和相同线路方向下的线路名,根据字符串编辑距离遍历两边线路名进行匹配,给出字符串编辑距离dis1,同时,使用正则方法,取出线路名中的数字,对两边数字进行编辑距离计算,获得dis2,之后设定一个可靠性定量权重值,用于衡量两边线路名的匹配可靠性,可靠性权重计算方法如下:
Reliability=dis2 * 10 + dis1;
当Reliability= 0 时,两边线路名和方向完全一致匹配;
当0<Reliability< 10 时,两边数据的线路编号一致,对同一个线路方向,两边线路名做笛卡尔积,获得Reliability,采用公交静态站点数据作为主表,取同一个线路方向和线路名下,其他源数据线路名Reliability最小的线路进行匹配;
当Reliability> 10 时,给出备选线路,经由人工介入,标记数据线路匹配情况;
最终,获得线路和线路方向匹配关系表。线路和线路方向匹配关系表中的表字段包括:公交数据线路名、公交数据线路方向、异源地图数据一线路名、异源地图数据一线路方向、公交异源地图数据一匹配可靠性、异源地图数据二线路名、异源地图数据二线路方向和公交异源地图数据二匹配可靠性,因为公交数据作为主表,保留主表全部数据,如果按照关联条件,次表内容与主表关联上,则写入次表数据;如关联不上,则次表对应内容为空。此时会在一条数据得到各个数据源静态站点位置(可能为空)。
在所述步骤四中包括以下子步骤:
在得到交易数据信息之后,可以根据每个站台位置附近的交易量确定哪个数据来源的站点位置是最可靠的站点位置。对于站点概念,这里需要区分线路站点与站台:线路站点:某条公交线路经过的站点,站台:某些线路经过的站点,一个站台可以关联着多个线路站点。对于一个公交静态线路站点,基于多源头的数据,可能多个源头数据的位置能够保持一致,此时根据业务经验,位置一致的判定条件是直线距离小于20米。也有可能位置是不一致的。对于存在不一致的情况,就需要根据GPS与交易数据确定,究竟哪个位置是最真实的公交站点位置。数据修复时,这里考虑的是站台的概念,即,暂时认为公交数据的站台没有错误,只是其位置存在错误。静态站点位置修复的具体方法如下:
遍历每一个公交站点,根据已经关联上的异源地图数据站点位置的信息,计算每个站点位置20米内发生的交易数据量,取总交易量最大的位置作为修正位置,得出最终结果。
本实施例通过数据融合的方法,借助当下逐渐普及的移动支付数据和实时GPS数据,结合移动互联网开放数据,实现快速构建公交线网数据体系,并智能提取站点经纬度坐标。相比于现有技术,本申请中采用了多源数据融合的方式,纠正错误数据,提高数据准确性,保证数据质量,为后续数据分析打下坚实的基础,并且由于经过反复验证,因此可以防止问题蔓延,提高全流程,全生命周期的数据可靠性。
以上所述的实施例只是本发明的一种较佳的方案,并非对本发明作任何形式上的限制,在不超出权利要求所记载的技术方案的前提下还有其它的变体及改型。
Claims (5)
1.一种基于多源数据融合的公交站点位置修复方法,其特征在于,包括以下步骤,
步骤一,从若干数据源处获取基础数据,分类汇总并存储到数据库中;
步骤二,获取每条线路的起末站,根据起末站中文名称的唯一性,对线路方向进行匹配, 在步骤二中,采用字符串编辑距离法对线路方向进行匹配;
在步骤二中,
对于每一份不同源数据的线路起末站合成为一个线路方向,遍历所有线路站点数据获取中文线路方向的集合;
按照中文线路方向对数据进行分组;
遍历多个数据源的公交静态站点数据,取出各个数据源的线路方向和相同线路方向下的线路名,根据字符串编辑距离遍历两边线路名进行匹配,给出字符串编辑距离dis1,同时,使用正则方法,取出线路名中的数字,对两边数字进行编辑距离计算,获得dis2,之后设定一个可靠性定量权重值,用于衡量两边线路名的匹配可靠性,可靠性权重计算方法如下:
Reliability=dis2 * A + dis1;
当Reliability= 0 时,两边线路名和方向完全一致匹配,A为设定值;
当0<Reliability< 设定值A时,两边数据的线路编号一致,对同一个线路方向,两边线路各做笛卡尔积,更新Reliability,采用公交静态站点数据作为主表,取同一个线路方向和线路名下,其他源数据线路名Reliability最小的线路进行匹配;
当Reliability>设定值A时,给出备选线路,经由人工介入,标记数据线路匹配情况;
最终,获得线路和线路方向匹配关系表;
步骤三,在获得了匹配关系表之后,将各个数据源的公交静态站点进行匹配,关联字段包括,线路名、首末站方向名和站点名,以公交数据为主表关联上各个数据源的经纬度;
步骤四,将公交交易数据与GPS融合,扩展交易数据中的经纬度坐标,再通过班次数据过滤出有效数据;
步骤五,在得到交易数据信息之后,根据每个站台位置附近的交易量确定数据来源的站点位置是最可靠的站点位置。
2.根据权利要求1所述的基于多源数据融合的公交站点位置修复方法,其特征在于,在所述步骤一中,通过数据库取出公交静态站点表,获得最近若干天的公交交易数据、班次数据及GPS数据;在各个渠道的公交静态站点位置数据获取之后,对数据进行对应处理,采用文本相似度法将公交静态站点与异源地图数据的公交静态站点位置进行对应。
3.根据权利要求1所述的基于多源数据融合的公交站点位置修复方法,其特征在于,线路和线路方向匹配关系表中的表字段包括:公交数据线路名、公交数据线路方向、异源地图数据一的线路名、异源地图数据一的线路方向、公交异源地图数据一匹配可靠性、异源地图数据二线路名、异源地图数据二线路方向和公交异源地图数据二匹配可靠性,因为公交数据作为主表,保留主表全部数据,如果按照关联条件,次表内容与主表关联上,则写入次表数据;如关联不上,则次表对应内容为空。
4.根据权利要求1所述的基于多源数据融合的公交站点位置修复方法,其特征在于,在所述步骤四中包括以下子步骤:
首先,取若干天的GPS数据与交易数据,将交易数据与GPS进行关联,为每一笔交易,找到最近若干秒钟内时间最接近的GPS位置,作为每笔交易数据的位置信息;
之后,保留车辆班次内GPS与交易数据作为冗余数据;
最终,得到包含以下字段的数据:车、线路、方向、用户、交易时间、经度和纬度。
5.根据权利要求1所述的基于多源数据融合的公交站点位置修复方法,其特征在于,遍历每一个公交站点,根据若干线路站点位置的信息,计算每个站点位置设定距离内发生的交易数据量,取总交易量最大的位置作为修正位置,得出最终结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110493965.9A CN113392987B (zh) | 2021-05-07 | 2021-05-07 | 基于多源数据融合的公交站点位置修复方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110493965.9A CN113392987B (zh) | 2021-05-07 | 2021-05-07 | 基于多源数据融合的公交站点位置修复方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113392987A CN113392987A (zh) | 2021-09-14 |
CN113392987B true CN113392987B (zh) | 2022-10-14 |
Family
ID=77616858
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110493965.9A Active CN113392987B (zh) | 2021-05-07 | 2021-05-07 | 基于多源数据融合的公交站点位置修复方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113392987B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114543824A (zh) * | 2022-01-14 | 2022-05-27 | 北京百度网讯科技有限公司 | 确定车辆行驶线路的方法、装置、设备、介质及产品 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104282142A (zh) * | 2014-10-10 | 2015-01-14 | 江苏三棱科技发展有限公司 | 一种基于出租车gps数据的公交站台设置方法 |
CN105976604A (zh) * | 2016-06-21 | 2016-09-28 | 东南大学 | 一种基于gis和公交gps数据的公交线路匹配方法 |
CN112381906A (zh) * | 2020-10-13 | 2021-02-19 | 厦门市交通研究中心 | 一种公交模型基础线网自动绘制方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106448233B (zh) * | 2016-08-19 | 2017-12-05 | 大连理工大学 | 基于大数据的公交线路时刻表协同优化方法 |
CN107818131A (zh) * | 2017-09-20 | 2018-03-20 | 上海保橙网络科技有限公司 | 一种使用二进制字符串来比较行程路径的方法 |
-
2021
- 2021-05-07 CN CN202110493965.9A patent/CN113392987B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104282142A (zh) * | 2014-10-10 | 2015-01-14 | 江苏三棱科技发展有限公司 | 一种基于出租车gps数据的公交站台设置方法 |
CN105976604A (zh) * | 2016-06-21 | 2016-09-28 | 东南大学 | 一种基于gis和公交gps数据的公交线路匹配方法 |
CN112381906A (zh) * | 2020-10-13 | 2021-02-19 | 厦门市交通研究中心 | 一种公交模型基础线网自动绘制方法 |
Non-Patent Citations (1)
Title |
---|
"城市公交乘客下车站点推算方法和有效性评价";李佳怡等;《武汉大学学报(信息科学版)》;20180831;正文第1-3页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113392987A (zh) | 2021-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020228706A1 (zh) | 基于围栏地址的坐标数据处理方法、装置和计算机设备 | |
Zielstra et al. | Assessing the effect of data imports on the completeness of openstreetmap–au nited s tates case study | |
Barron et al. | A comprehensive framework for intrinsic OpenStreetMap quality analysis | |
CN110020433B (zh) | 一种基于企业关联关系的工商高管人名消歧方法 | |
CN101988961B (zh) | 地理位置数据采集系统 | |
CN108320515B (zh) | 一种交通事故地点路网自动匹配校验方法及系统 | |
CN110472066A (zh) | 一种城市地理语义知识图谱的构建方法 | |
CN107391514A (zh) | 一种数据普查成果输出方法 | |
CN104050237A (zh) | 一种道路测绘方法和系统 | |
CN110146789B (zh) | 一种智能运检通报方法及装置 | |
CN104215254A (zh) | 路径导航的方法和装置 | |
CN113392987B (zh) | 基于多源数据融合的公交站点位置修复方法 | |
CN112381906B (zh) | 一种公交模型基础线网自动绘制方法 | |
CN109284446A (zh) | 一种poi信息融合方法 | |
CN109816982A (zh) | 基于共享单车轨迹的虚拟路网非机动车道属性修正方法 | |
US8521344B2 (en) | System and method for generating a route navigation database | |
CN108021638A (zh) | 一种离线地理编码非结构化地址解析系统 | |
CN116539055A (zh) | 一种自然灾害应急路网地图服务方法及系统 | |
CN114758493B (zh) | 一种基于数据融合的高速公路交通流量监测方法及系统 | |
Roxas Jr et al. | Cost overruns and the proposed Panay-Guimaras-Negros inter-island bridge project, Philippines | |
CN114443665A (zh) | 一种可视化测试用导航数据库数据创建和管理系统 | |
Lazorenko-Hevel et al. | Automation of quality control of digital topographic maps at the scale 1: 50 000 of the Main State Topographic Map in Ukraine | |
Tavassoli et al. | Quantifying error in transit assignment using smart card data in a large-scale multimodal transit network | |
Dimond et al. | Estimating and editing transit topology over the road graph using supply data feeds | |
CN105786954B (zh) | 一种交点文件的呈现方法 |
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 |