CN113766430A - 基于5g网络的城市轨道拥堵分析方法及装置 - Google Patents
基于5g网络的城市轨道拥堵分析方法及装置 Download PDFInfo
- Publication number
- CN113766430A CN113766430A CN202111072371.7A CN202111072371A CN113766430A CN 113766430 A CN113766430 A CN 113766430A CN 202111072371 A CN202111072371 A CN 202111072371A CN 113766430 A CN113766430 A CN 113766430A
- Authority
- CN
- China
- Prior art keywords
- station
- base station
- target
- information
- site
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 51
- 238000012544 monitoring process Methods 0.000 claims abstract description 109
- 238000013507 mapping Methods 0.000 claims description 28
- 238000000034 method Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- 239000002609 medium Substances 0.000 description 9
- 238000004891 communication Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 210000001367 artery Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000012120 mounting media Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- H04W4/029—Location-based management or tracking services
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/06—Testing, supervising or monitoring using simulated traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Signal Processing (AREA)
- Entrepreneurship & Innovation (AREA)
- Computer Networks & Wireless Communication (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了基于5G网络的城市轨道拥堵分析方法及装置,本申请将每个目标监测站点与5G基站进行映射形成第一匹配关系,将交通线路与5G基站映射形成第二匹配关系,并根据实时的用户的位置信息以及第一匹配关系和第二匹配关系计算用户所在位置的拥堵情况以及获取用户的出行轨迹,并且根据用户所在位置的拥堵情况可以进一步分析用户对应的交通线路的拥堵指数,实施例采用5G网络具有高速、低时延以及覆盖广的特点,能够确保真实追踪用户的出行轨迹,并且精准预测每个站点的用户容量以及分析轨道交通的拥堵指数,提高交通拥堵监测技术的准确性和可靠性,降低监测成本和实现难度。
Description
技术领域
本发明涉及一种城市轨道监测技术领域,尤其涉及一种基于5G网络的城市轨道拥堵分析方法及装置。
背景技术
目前,城市轨道交通是城市公共交通的主干线,客流运送的大动脉,是城市的生命线工程,承担着市内各区域客流和物流的通达、城市对市外交通的连接流转。随着社会经济的发展和人民生活水平的逐步提高以及人口城镇化率越来越高,对城市轨道的压力也随着越来越大。城市交通出行的体量越来越的情况下,轨道交通的拥堵将会成为影响人们日常生活和工作的重要因素,同时还会严重制约经济的增长,增加城市安全隐患,对城市管理带来极大的困扰。如今对城市轨道交通进行监测和测评是帮助提成乘客运输质量的重要手段。
但是,现有的拥堵分析方法存在以下缺陷:
现阶段城市轨道交通的拥堵分析主要是依赖现场交通战场监管人员的肉眼监测和视频辅助监控,现场监管和视频监控虽然可以知道当前拥堵情况,但是无法精确统计当前人数,无法量化。另外对于下一时刻的人群聚集情况无法预知。
后来在4G时代采用基于4G网络对轨道交通进行监测,但是存在基站覆盖范围太大,在密集的城市背景下导致轨道用户的识别存在很大的差异。比如地铁站点进站出站用户的识别,由于基站覆盖广,会将地铁站点出站的用户识别为进站人员,另外,受限于4G网络的速率,在轨道交通告诉出现的用户会由于信号强度问题导致手机端午而产生出行用户失联的情况,无法追踪用户真实出行轨迹,进而影响了轨道交通拥堵的判断。
发明内容
为了克服现有技术的不足,本发明的目的在于提供一种基于5G网络的城市轨道交通分析方法,其基于5G网络可以对用户的行走轨迹真实追踪,精准统计轨道交通拥堵情况。
第一方面,本申请实施例提供一种基于5G网络的城市轨道交通分析方法,包括:
获取每个目标监测站点的站点信息,基于所述站点信息将每个目标监测站点与5G基站进行映射,以获得5G基站与目标监测站点之间的第一匹配关系;
根据所述站点信息生成任意两个目标监测站点之间的交通线路以及交通线路所对应的线路信息,并基于所述线路信息将每条交通线路与5G基站进行映射,以获得5G基站与交通线路之间的第二匹配关系;
实时采集目标用户的位置信息,并根据所述第一匹配关系和所述第二匹配关系获取所述目标用户在轨道交通中的出行轨迹;
根据目标用户的位置信息获取该位置信息对应的站点客流容量,基于所述站点客流容量分析站点拥堵评分;
根据每一个所述目标监测站点的站点客流容量以及第二匹配关系计算该目标监测站点所在交通线路的拥堵指数。
进一步的,所述获取每个目标监测站点的站点信息,包括:
选取任意一个目标监测站点,获取所述目标监测站点的站点名称;
按顺序分给所述目标监测站点一个站点ID,将所述站点名称和所述站点ID作为所述目标监测站点的站点信息。
进一步的,所述基于所述站点信息将每个目标监测站点与5G基站进行映射,以获得5G基站与目标监测站点之间的第一匹配关系,包括:
获取每一个5G基站的基站编号和位置信息;
基于所述5G基站的位置信息获取每一个5G基站覆盖的目标监测站点的站点名称;
将每一个目标监测站点的站点信息与对应的5G基站的基站编号进行映射,以获得5G基站与目标监测站点之间的第一匹配关系。
进一步的,所述线路信息包括线路ID,所述基于所述线路信息将每条交通线路与5G基站进行映射,以获得5G基站与交通线路之间的第二匹配关系,包括:
获取每条交通线路所对应的全部5G基站为目标基站,获取目标基站的基站编号;
获取每一个目标基站在所述交通线路上的路点的路点信息,所述路点信息包括路点ID和路点经纬度信息;
将路点信息与目标基站的基站编号进行绑定,并将绑定后的基站编号与对应的交通线路的线路ID进行映射,获得5G基站与交通线路之间的第二匹配关系。
进一步的,所述实时采集目标用户的位置信息,并根据所述第一匹配关系和所述第二匹配关系获取所述目标用户在轨道交通中的出行轨迹,包括:
实时采集目标用户的出行数据,所述出行数据包括位置信息和时间信息,基于所述目标用户的出行数据判断所述目标用户是否发生乒乓切换;
当所述目标用户发生乒乓切换时,从所述目标用户的多组出行数据中剔除异常的出行数据;
根据目标用户的位置信息以及所述第一匹配关系获取目标用户当前对应的站点ID以及基站编号;
根据所述站点ID、所述基站编号以及第二匹配关系获取目标用户当前对应的线路ID;
根据所述线路ID获得目标用户在轨道交通中的出行轨迹。
进一步的,所述基于所述目标用户的出行数据判断所述目标用户是否发生乒乓切换,包括:
根据目标用户的出行数据,获取目标用户在预设时长内切换的全部小区,所述小区为任意一个5G基站的覆盖区域;
计算在预设时长内目标用户从一个小区切换到另一个小区的第一次数以及从另一个小区切换到一个小区的第二次数;或者计算目标用户从一个小区切换到另一个小区的第一时间以及目标用户从另一个小区切换到一个小区的第二时间;
计算第一次数和第二次数的和是否大于第一阈值,或者计算第二时间与第一时间的差是否小于第二阈值。
进一步的,所述根据每一个所述目标监测站点的站点客流容量以及第二匹配关系计算该目标监测站点所在交通线路的拥堵指数,包括:
获取目标监测站点当前的站点客流容量;
根据第二匹配关系获取该目标监测站点所在的交通线路为目标线路;
获取目标线路上的路点数量以及计算目标线路上全部目标监测站点的总站点客流容量;
计算总站点客流容量与路点数量之间的比值,根据所述比值计算该目标监测站点所在交通线路的拥堵指数。
第二方面,本申请实施例提供一种基于5G网络的城市轨道交通分析装置,包括:
站点信息获取模块:用于获取每个目标监测站点的站点信息,基于所述站点信息将每个目标监测站点与5G基站进行映射,以获得5G基站与目标监测站点之间的第一匹配关系;
匹配关系建立模块:用于根据所述站点信息生成任意两个目标监测站点之间的交通线路以及交通线路所对应的线路信息,并基于所述线路信息将每条交通线路与5G基站进行映射,以获得5G基站与交通线路之间的第二匹配关系;
出行轨迹生成模块:用于实时采集目标用户的位置信息,并根据所述第一匹配关系和所述第二匹配关系获取所述目标用户在轨道交通中的出行轨迹;
拥堵评分分析模块:用于根据目标用户的位置信息获取该位置信息对应的站点客流容量,基于所述站点客流容量分析站点拥堵评分;
拥堵指数分析模块:用于根据每一个所述目标监测站点的站点客流容量以及第二匹配关系计算该目标监测站点所在交通线路的拥堵指数。
第三方面,本申请实施例提供一种计算机设备,包括:存储器以及一个或多个处理器;
所述存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本申请第一方面任一所述的基于5G网络的城市轨道交通分析方法。
第四方面,本申请实施例提供一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如本申请第一方面任一所述的基于5G网络的城市轨道交通分析方法。
相比现有技术,本发明的有益效果在于:
本申请实施例将每个目标监测站点与5G基站进行映射形成第一匹配关系,将交通线路与5G基站映射形成第二匹配关系,并根据实时的用户的位置信息以及第一匹配关系和第二匹配关系计算用户所在位置的拥堵情况以及获取用户的出行轨迹,并且根据用户所在位置的拥堵情况可以进一步分析用户对应的交通线路的拥堵指数,实施例采用5G网络具有高速、低时延以及覆盖广的特点,能够确保真实追踪用户的出行轨迹,并且精准预测每个站点的用户容量以及分析轨道交通的拥堵指数,提高交通拥堵监测技术的准确性和可靠性,降低监测成本和实现难度。
附图说明
图1为本发明的一种基于5G网络的城市轨道交通分析方法的流程图;
图2为本发明的一种基于5G网络的城市轨道交通分析装置的结构图;
图3为本发明的一种计算机设备的模块结构图;
图4为本发明的站点与5G基站在交通线路中的分布图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚,下面结合附图对本申请具体实施例作进一步的详细描述。可以理解的是,此处所描述的具体实施例仅仅用于解释本申请,而非对本申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
本申请实施例提供了一种基于5G网络的城市轨道交通分析方法及装置。本申请实施例将每个目标监测站点与5G基站进行映射形成第一匹配关系,将交通线路与5G基站映射形成第二匹配关系,并根据实时的用户的位置信息以及第一匹配关系和第二匹配关系计算用户所在位置的拥堵情况以及获取用户的出行轨迹,并且根据用户所在位置的拥堵情况可以进一步分析用户对应的交通线路的拥堵指数。也即是,以地铁轨道交通为例,基于5G基站的基站信息、站点信息可以获知到某一条地铁轨道线路上的任意一个站点上的客流量,从而可以了解到该站点上的拥堵情况以及轨道线路上两个站点之间的拥堵指数。通过对用户的行走路径分析,可以知道用户的动向,了解用户在轨道线路上行走的下一个站点位置,进而可以进一步推测下一个站点的拥堵情况,基于此可以进行提前预警等处理。实施例采用5G网络具有高速、低时延以及覆盖广的特点,能够确保真实追踪用户的出行轨迹,并且精准预测每个站点的用户容量以及分析轨道交通的拥堵指数,提高交通拥堵监测技术的准确性和可靠性,降低监测成本和实现难度。
下面分别进行详细说明。
图1给出了本申请实施例提供的一种基于5G网络的城市轨道交通分析方法的流程图,本申请实施例提供的一种基于5G网络的城市轨道交通分析方法可以由一种基于5G网络的城市轨道交通分析装置来执行,该一种基于5G网络的城市轨道交通分析装置可以通过硬件和/或软件的方式实现,并集成在计算机设备中。
下面以基于5G网络的城市轨道交通分析装置执行基于5G网络的城市轨道交通分析方法为例进行描述。参考图1,该基于5G网络的城市轨道交通分析方法包括:
步骤101:获取每个目标监测站点的站点信息,基于所述站点信息将每个目标监测站点与5G基站进行映射,以获得5G基站与目标监测站点之间的第一匹配关系。
实施例中,站点也即是任意一个人为事先命名、并且具有对应位置信息的地点。通常的,站点是一条交通线路,包括公交线路、地铁线路所规划设计的上下车站点。当需要对某一个行政区域或者地理区域进行拥堵分析时,将该行政区域或地理区域中的全部站点定义为目标监测站点。实施例中,站点信息包括站点ID和站点名称,其中站点ID是根据预先设定的区域中对全部站点依次进行编码所获得,站点ID是唯一的,根据站点ID获得唯一对应的站点。例如,一个目标监测站点的站点ID为204,站点名称为XX客运站。
上述中,获取每个目标监测站点的站点信息具体包括选取任意一个目标监测站点,获取所述目标监测站点的站点名称;按顺序分给所述目标监测站点一个站点ID,将所述站点名称和所述站点ID作为所述目标监测站点的站点信息。
进一步的,所述基于所述站点信息将每个目标监测站点与5G基站进行映射,以获得5G基站与目标监测站点之间的第一匹配关系,包括:获取每一个5G基站的基站编号和位置信息;基于所述5G基站的位置信息获取每一个5G基站覆盖的目标监测站点的站点名称;将每一个目标监测站点的站点信息与对应的5G基站的基站编号进行映射,以获得5G基站与目标监测站点之间的第一匹配关系。实施例中,5G基站通常覆盖多个站点,5G基站对应有基站信息,该基站信息包括基站编号和位置信息。同样的,基站编号是根据预设设定的某个区域中全部5G基站一次进行编号获得。例如一个5G基站的基站编号为1789-111。示例性的,基站编号为1789-111的5G基站覆盖的站点有站点a、站点b和站点c,则可以形成三个第一匹配关系,即是站点a与该5G基站进行映射获得一个第一匹配关系,站点b与与该5G基站进行映射获得一个第一匹配关系,站点c与该5G基站进行映射获得一个第一匹配关系。
步骤102:根据所述站点信息生成任意两个目标监测站点之间的交通线路以及交通线路所对应的线路信息,并基于所述线路信息将每条交通线路与5G基站进行映射,以获得5G基站与交通线路之间的第二匹配关系。
实施例中,交通线路至少包括两个目标监测站点,在目标监测站点与目标监测站点之间建立线路。示例性的,交通线路A包括站点a、站点b、站点c和站点d,其中端点的站点分别是站点a和站点d,可以说交通线路A是站点a和站点d的连线,但站点a、站点b、站点c和站点d均是该交通线路A上的站点。线路信息可以包括线路ID、线路名称以及该线路所包含的站点ID,可以是始发站点和终点站点的站点ID,也可以是线路上全部站点的站点ID。
具体的,获取每条交通线路所对应的全部5G基站为目标基站,获取目标基站的基站编号;获取每一个目标基站在所述交通线路上的路点的路点信息,所述路点信息包括路点ID和路点经纬度信息;将路点信息与目标基站的基站编号进行绑定,并将绑定后的基站编号与对应的交通线路的线路ID进行映射,获得5G基站与交通线路之间的第二匹配关系。
结合图4,以地铁线路为例,两个地铁站点之间的连线为交通线路,地铁沿线设置有很多5G基站,但是5G基站并不直接建设在地铁轨道线路上,因此将5G基站拟合到该交通线路中的某个点上。具体拟合方式是,5G基站有辐射的方向角,对着任意某个方向,在该方向上所有手机用户都会附着在该5G基站上,当用户沿着地铁线路行走时,智能手机会跟沿线周边的5G基站通信,当5G基站获取手机信号之后就可以得知手机用户在地铁线路上的某个点上,该点则定义为路点,也即是5G基站沿着某一个方向辐射到地铁线路上的点。如图4所示,地铁站点1到地铁站点2,这条线路涉及5G基站1、5G基站2、5G基站3,其中5G基站1在线路中对应路点1,5G基站2在线路中对应路点2,5G基站3在线路中对应路点3。
步骤103:实时采集目标用户的位置信息,并根据所述第一匹配关系和所述第二匹配关系获取所述目标用户在轨道交通中的出行轨迹。
采集目标用户的位置信息通常的借助目标用户所持有智能终端获得,智能终端例如为智能手机、平板电脑、笔记本电脑、智能手环、智能手表等,智能终端内设置有定位模块能够对智能终端的位置进行采集。
具体的,实时采集目标用户的出行数据,所述出行数据包括位置信息和时间信息,基于所述目标用户的出行数据判断所述目标用户是否发生乒乓切换;当所述目标用户发生乒乓切换时,从所述目标用户的多组出行数据中剔除异常的出行数据;根据目标用户的位置信息以及所述第一匹配关系获取目标用户当前对应的站点ID以及基站编号;根据所述站点ID、所述基站编号以及第二匹配关系获取目标用户当前对应的线路ID;根据所述线路ID获得目标用户在轨道交通中的出行轨迹。
上述乒乓切换是指用户在两个或两个以上小区之间来回频繁切换的现象。乒乓切换常发生在小区覆盖重叠区和小区边界位置,不仅浪费系统资源,而且会降低通信质量。移动用户信息数据中普遍存在乒乓切换现象,这将严重影响交通参数估计的准确性。
更为具体的,基于所述目标用户的出行数据判断所述目标用户是否发生乒乓切换,包括:根据目标用户的出行数据,获取目标用户在预设时长内切换的全部小区,所述小区为任意一个5G基站的覆盖区域;计算在预设时长内目标用户从一个小区切换到另一个小区的第一次数以及从另一个小区切换到一个小区的第二次数;计算第一次数和第二次数的和是否大于第一阈值。本示例性中涉及的公式为Δh=|hij+hji|,其中,hij为由小区i切换到小区j的次数,hji为由小区j切换到小区i的次数。在给定时间t内,若Δh>2,则认为小区i与小区j之间发生了乒乓切换。
另一个示例中,还可以是计算目标用户从一个小区切换到另一个小区的第一时间以及目标用户从另一个小区切换到一个小区的第二时间;计算第二时间与第一时间的差是否小于第二阈值。也即是Δt=t2-t1,其中,t1是由小区i切换到小区j的时间,t2是由小区k切换到小区i的时间,k与j可以相等;若Δt<τ,则认为小区i→j→k→…→i之间发生了乒乓切换,作为优选的,可设置τ=1min。
过滤乒乓切换的实现前提步骤具体是,构建用户的小区时序集合{Celli|i=1,2,3,…,n},n为用户连接过的小区数,以集合{Celli}中的每个小区作为起始小区,然后分别用准则1和准则2对其进行检查;若{Celli→Cellj}符合准则1(准则2),则令Cij1=1(Cij2=1);否则,则令Cij1=0(Cij2=0);以集合{Celli}中的每个小区作为起始小区,若有Cij1=1或Cij2=1,则认为Celli→Cellj间发生了乒乓切换并将对应的小区过滤;若有Cij1=0且Cij2=0,则认为Celli→Cellj间没有发生乒乓切换。
步骤104:根据目标用户的位置信息获取该位置信息对应的站点客流容量,基于所述站点客流容量分析站点拥堵评分。
根据站点客流容量分析站点拥堵评分例如是将不同站点客流容量分为不同等级的拥堵程度,对应不同的拥堵评分。例如,当站点客流容量大于3000人时,定义为严重拥堵,当站点客流容量在2000到3000之间时,定义为中度拥堵。
步骤105:根据每一个所述目标监测站点的站点客流容量以及第二匹配关系计算该目标监测站点所在交通线路的拥堵指数。
具体的,所述根据每一个所述目标监测站点的站点客流容量以及第二匹配关系计算该目标监测站点所在交通线路的拥堵指数,包括:获取目标监测站点当前的站点客流容量;根据第二匹配关系获取该目标监测站点所在的交通线路为目标线路;获取目标线路上的路点数量以及计算目标线路上全部目标监测站点的总站点客流容量;计算总站点客流容量与路点数量之间的比值,根据所述比值计算该目标监测站点所在交通线路的拥堵指数。例如,当该比值大于设定的某一个阈值,则定义为严重拥堵,产生红色告警,在用户终端上显示该两个站点之间的线路为红色。该拥堵指数也即是相当于计算用户密度指数。
本申请为了完整的追踪轨道交通出行用户的位置,集合5G网络的高密度和低时延的特点,在轨道交通的站点之间配置了线路,每一条线路上都要配置路点(即5G基站),用户即使在高速运行的地铁上,也能保持手机的上网通信,在每次做基站切换时,记录用户的当前所在基站,然后拟合到线路上,保证用户在道路上的轨迹不偏移和缺省。
如图2所示,本申请实施例还提供一种基于5G网络的城市轨道交通分析装置,包括站点信息获取模块201、匹配关系建立模块202、出行轨迹生成模块203、拥堵评分分析模块204和拥堵指数分析模块205,其中,站点信息获取模块201:用于获取每个目标监测站点的站点信息,基于所述站点信息将每个目标监测站点与5G基站进行映射,以获得5G基站与目标监测站点之间的第一匹配关系;匹配关系建立模块202:用于根据所述站点信息生成任意两个目标监测站点之间的交通线路以及交通线路所对应的线路信息,并基于所述线路信息将每条交通线路与5G基站进行映射,以获得5G基站与交通线路之间的第二匹配关系;出行轨迹生成模块203:用于实时采集目标用户的位置信息,并根据所述第一匹配关系和所述第二匹配关系获取所述目标用户在轨道交通中的出行轨迹;拥堵评分分析模块204:用于根据目标用户的位置信息获取该位置信息对应的站点客流容量,基于所述站点客流容量分析站点拥堵评分;拥堵指数分析模块205:用于根据每一个所述目标监测站点的站点客流容量以及第二匹配关系计算该目标监测站点所在交通线路的拥堵指数。
一个示例中,地铁A站与地铁B站的两个站点都有5G基站,在该两个站点之间的交通线路上一个又20个路点,每一个路点都配置有5G基站。在6月1日的09:00am有3530人在地铁A站,有210人在地铁B站,20个路点加起来有6250人。根据本实施例提供的客流量计算方式以及拥堵情况判定为地铁A站的客流量超过了设定阈值,为验证拥堵,此时产生红色告警,而地铁B站当前的人生小于站点容量,可判定拥堵评分对应为站点畅通。由于整条线路的总人数是6250,路点数量是20,则可以计算到比值为310.25,假设180为拥堵指数的最高阈值,则310.25已经远远大于该最高阈值,因此产生该地铁A站到地铁B站之间轨道线路的红色告警。
如图3所示,本申请实施例还提供一种计算机设备,包括:存储器301以及一个或多个处理器302;所述存储器301,用于存储一个或多个程序;当所述一个或多个程序被所述一个或多个处理器302执行,使得所述一个或多个处理器实现如本申请所述的基于5G网络的城市轨道交通分析方法。
本申请实施例还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如上述实施例提供的基于5G网络的城市轨道交通分析方法,该基于5G网络的城市轨道交通分析方法包括:获取每个目标监测站点的站点信息,基于所述站点信息将每个目标监测站点与5G基站进行映射,以获得5G基站与目标监测站点之间的第一匹配关系根据所述站点信息生成任意两个目标监测站点之间的交通线路以及交通线路所对应的线路信息,并基于所述线路信息将每条交通线路与5G基站进行映射,以获得5G基站与交通线路之间的第二匹配关系;实时采集目标用户的位置信息,并根据所述第一匹配关系和所述第二匹配关系获取所述目标用户在轨道交通中的出行轨迹;根据目标用户的位置信息获取该位置信息对应的站点客流容量,基于所述站点客流容量分析站点拥堵评分;根据每一个所述目标监测站点的站点客流容量以及第二匹配关系计算该目标监测站点所在交通线路的拥堵指数。
存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括:安装介质,例如CD-ROM、软盘或磁带装置;计算机系统存储器或随机存取存储器,诸如DRAM、DDRRAM、SRAM、EDORAM,兰巴斯(Rambus)RAM等;非易失性存储器,诸如闪存、磁介质(例如硬盘或光存储);寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外,存储介质可以位于程序在其中被执行的第一计算机系统中,或者可以位于不同的第二计算机系统中,第二计算机系统通过网络(诸如因特网)连接到第一计算机系统。第二计算机系统可以提供程序指令给第一计算机用于执行。术语“存储介质”可以包括可以驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。
当然,本申请实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的基于5G网络的城市轨道交通分析方法,还可以执行本申请任意实施例所提供的基于5G网络的城市轨道交通分析方法中的相关操作。
上述实施例中提供的基于5G网络的城市轨道交通分析装置、设备及存储介质可执行本申请任意实施例所提供的基于5G网络的城市轨道交通分析方法,未在上述实施例中详尽描述的技术细节,可参见本申请任意实施例所提供的基于5G网络的城市轨道交通分析方法。
上述实施方式仅为本发明的优选实施方式,不能以此来限定本发明保护的范围,本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。
Claims (10)
1.一种基于5G网络的城市轨道交通分析方法,其特征在于,包括:
获取每个目标监测站点的站点信息,基于所述站点信息将每个目标监测站点与5G基站进行映射,以获得5G基站与目标监测站点之间的第一匹配关系;
根据所述站点信息生成任意两个目标监测站点之间的交通线路以及交通线路所对应的线路信息,并基于所述线路信息将每条交通线路与5G基站进行映射,以获得5G基站与交通线路之间的第二匹配关系;
实时采集目标用户的位置信息,并根据所述第一匹配关系和所述第二匹配关系获取所述目标用户在轨道交通中的出行轨迹;
根据目标用户的位置信息获取该位置信息对应的站点客流容量,基于所述站点客流容量分析站点拥堵评分;
根据每一个所述目标监测站点的站点客流容量以及第二匹配关系计算该目标监测站点所在交通线路的拥堵指数。
2.根据权利要求1所述的城市轨道交通分析方法,其特征在于,所述获取每个目标监测站点的站点信息,包括:
选取任意一个目标监测站点,获取所述目标监测站点的站点名称;
按顺序分给所述目标监测站点一个站点ID,将所述站点名称和所述站点ID作为所述目标监测站点的站点信息。
3.根据权利要求2所述的城市轨道交通分析方法,其特征在于,所述基于所述站点信息将每个目标监测站点与5G基站进行映射,以获得5G基站与目标监测站点之间的第一匹配关系,包括:
获取每一个5G基站的基站编号和位置信息;
基于所述5G基站的位置信息获取每一个5G基站覆盖的目标监测站点的站点名称;
将每一个目标监测站点的站点信息与对应的5G基站的基站编号进行映射,以获得5G基站与目标监测站点之间的第一匹配关系。
4.根据权利要求2所述的城市轨道交通分析方法,其特征在于,所述线路信息包括线路ID,所述基于所述线路信息将每条交通线路与5G基站进行映射,以获得5G基站与交通线路之间的第二匹配关系,包括:
获取每条交通线路所对应的全部5G基站为目标基站,获取目标基站的基站编号;
获取每一个目标基站在所述交通线路上的路点的路点信息,所述路点信息包括路点ID和路点经纬度信息;
将路点信息与目标基站的基站编号进行绑定,并将绑定后的基站编号与对应的交通线路的线路ID进行映射,获得5G基站与交通线路之间的第二匹配关系。
5.根据权利要求1所述的城市轨道交通分析方法,其特征在于,所述实时采集目标用户的位置信息,并根据所述第一匹配关系和所述第二匹配关系获取所述目标用户在轨道交通中的出行轨迹,包括:
实时采集目标用户的出行数据,所述出行数据包括位置信息和时间信息,基于所述目标用户的出行数据判断所述目标用户是否发生乒乓切换;
当所述目标用户发生乒乓切换时,从所述目标用户的多组出行数据中剔除异常的出行数据;
根据目标用户的位置信息以及所述第一匹配关系获取目标用户当前对应的站点ID以及基站编号;
根据所述站点ID、所述基站编号以及第二匹配关系获取目标用户当前对应的线路ID;
根据所述线路ID获得目标用户在轨道交通中的出行轨迹。
6.根据权利要求5所述的城市轨道交通分析方法,其特征在于,所述基于所述目标用户的出行数据判断所述目标用户是否发生乒乓切换,包括:
根据目标用户的出行数据,获取目标用户在预设时长内切换的全部小区,所述小区为任意一个5G基站的覆盖区域;
计算在预设时长内目标用户从一个小区切换到另一个小区的第一次数以及从另一个小区切换到一个小区的第二次数;或者计算目标用户从一个小区切换到另一个小区的第一时间以及目标用户从另一个小区切换到一个小区的第二时间;
计算第一次数和第二次数的和是否大于第一阈值,或者计算第二时间与第一时间的差是否小于第二阈值。
7.根据权利要求4所述的城市轨道交通分析方法,其特征在于,所述根据每一个所述目标监测站点的站点客流容量以及第二匹配关系计算该目标监测站点所在交通线路的拥堵指数,包括:
获取目标监测站点当前的站点客流容量;
根据第二匹配关系获取该目标监测站点所在的交通线路为目标线路;
获取目标线路上的路点数量以及计算目标线路上全部目标监测站点的总站点客流容量;
计算总站点客流容量与路点数量之间的比值,根据所述比值计算该目标监测站点所在交通线路的拥堵指数。
8.一种基于5G网络的城市轨道交通分析装置,其特征在于,包括:
站点信息获取模块:用于获取每个目标监测站点的站点信息,基于所述站点信息将每个目标监测站点与5G基站进行映射,以获得5G基站与目标监测站点之间的第一匹配关系;
匹配关系建立模块:用于根据所述站点信息生成任意两个目标监测站点之间的交通线路以及交通线路所对应的线路信息,并基于所述线路信息将每条交通线路与5G基站进行映射,以获得5G基站与交通线路之间的第二匹配关系;
出行轨迹生成模块:用于实时采集目标用户的位置信息,并根据所述第一匹配关系和所述第二匹配关系获取所述目标用户在轨道交通中的出行轨迹;
拥堵评分分析模块:用于根据目标用户的位置信息获取该位置信息对应的站点客流容量,基于所述站点客流容量分析站点拥堵评分;
拥堵指数分析模块:用于根据每一个所述目标监测站点的站点客流容量以及第二匹配关系计算该目标监测站点所在交通线路的拥堵指数。
9.一种计算机设备,其特征在于,包括:存储器以及一个或多个处理器;
所述存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7任一所述的基于5G网络的城市轨道交通分析方法。
10.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7任一所述的基于5G网络的城市轨道交通分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111072371.7A CN113766430B (zh) | 2021-09-14 | 2021-09-14 | 基于5g网络的城市轨道拥堵分析方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111072371.7A CN113766430B (zh) | 2021-09-14 | 2021-09-14 | 基于5g网络的城市轨道拥堵分析方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113766430A true CN113766430A (zh) | 2021-12-07 |
CN113766430B CN113766430B (zh) | 2023-11-10 |
Family
ID=78795391
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111072371.7A Active CN113766430B (zh) | 2021-09-14 | 2021-09-14 | 基于5g网络的城市轨道拥堵分析方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113766430B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115223369A (zh) * | 2022-08-16 | 2022-10-21 | 中国银行股份有限公司 | 交通疏导方法和装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017084221A1 (zh) * | 2015-11-16 | 2017-05-26 | 中兴通讯股份有限公司 | 交通状态的获取方法及装置 |
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 |
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 |
CN112530166A (zh) * | 2020-12-01 | 2021-03-19 | 江苏欣网视讯软件技术有限公司 | 基于信令数据与大数据分析识别公交出行上下车站点的方法与系统 |
-
2021
- 2021-09-14 CN CN202111072371.7A patent/CN113766430B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017084221A1 (zh) * | 2015-11-16 | 2017-05-26 | 中兴通讯股份有限公司 | 交通状态的获取方法及装置 |
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 |
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 |
CN112530166A (zh) * | 2020-12-01 | 2021-03-19 | 江苏欣网视讯软件技术有限公司 | 基于信令数据与大数据分析识别公交出行上下车站点的方法与系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115223369A (zh) * | 2022-08-16 | 2022-10-21 | 中国银行股份有限公司 | 交通疏导方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113766430B (zh) | 2023-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10984652B2 (en) | Method and system for modeling and processing vehicular traffic data and information and applying thereof | |
CN110111575B (zh) | 一种基于复杂网络理论的城市交通流量网络分析方法 | |
Caceres et al. | Traffic flow estimation models using cellular phone data | |
CN101270997B (zh) | 基于gps数据的浮动车动态实时交通信息处理方法 | |
Wang et al. | Estimating dynamic origin-destination data and travel demand using cell phone network data | |
CN108322891B (zh) | 基于用户手机信令的交通区域拥堵识别方法 | |
WO2018122806A1 (zh) | 一种基于行程时间分布的多模态交通异常检测方法 | |
CN102521973A (zh) | 一种手机切换定位的道路匹配方法 | |
CN103116990B (zh) | 基于手机切换定位的交通车速车载采集系统及方法 | |
CN112132236A (zh) | 一种基于聚类算法的需求子区划分、线路规划方法及装置 | |
Xing et al. | Traffic volume estimation in multimodal urban networks using cell phone location data | |
CN102768797B (zh) | 一种城市路况信息评价方法及装置 | |
CN109410576A (zh) | 多源数据融合的路况分析方法、装置、存储介质及系统 | |
Kalatian et al. | Travel mode detection exploiting cellular network data | |
CN113766430A (zh) | 基于5g网络的城市轨道拥堵分析方法及装置 | |
Demissie | Combining datasets from multiple sources for urban and transportation planning: Emphasis on cellular network data | |
CN112734216A (zh) | 一种基于通信定位数据的居民出行目的的识别方法 | |
Shan et al. | Feasibility study of urban road traffic state estimation based on taxi GPS data | |
CN113569978B (zh) | 一种出行轨迹识别方法、装置、计算机设备及存储介质 | |
TWI569225B (zh) | A Method of Estimating Traffic Information Based on Multiple Regression Model of Mobile Network Signaling | |
KR102302486B1 (ko) | 도시 도로의 운행 속도 처리 방법, 도시 도로의 운행 속도 처리 장치, 기기 및 비휘발성 컴퓨터 저장 매체 | |
Arregui et al. | Impact of the road network configuration on map‐matching algorithms for FCD in urban environments | |
CN111402575A (zh) | 一种交通运行状态的评估方法及装置 | |
CN110189029A (zh) | 一种基于大规模手机位置数据的自行车骑车与停车需求评估方法 | |
Sun et al. | Deep learning-based probability model for traffic information estimation |
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 |