CN113779398A - 一种共享单车接驳轨道交通骑行行为识别方法及系统 - Google Patents

一种共享单车接驳轨道交通骑行行为识别方法及系统 Download PDF

Info

Publication number
CN113779398A
CN113779398A CN202111072270.XA CN202111072270A CN113779398A CN 113779398 A CN113779398 A CN 113779398A CN 202111072270 A CN202111072270 A CN 202111072270A CN 113779398 A CN113779398 A CN 113779398A
Authority
CN
China
Prior art keywords
riding
identification
shared bicycle
behavior
user
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
Application number
CN202111072270.XA
Other languages
English (en)
Other versions
CN113779398B (zh
Inventor
蒋源
李星
谭月
乔俊杰
邹禹坤
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.)
Chengdu Planning And Design Institute
Original Assignee
Chengdu Planning And Design Institute
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 Chengdu Planning And Design Institute filed Critical Chengdu Planning And Design Institute
Priority to CN202111072270.XA priority Critical patent/CN113779398B/zh
Publication of CN113779398A publication Critical patent/CN113779398A/zh
Application granted granted Critical
Publication of CN113779398B publication Critical patent/CN113779398B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F16/90—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
    • 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
    • G06F16/95—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
    • 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

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Remote Sensing (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种共享单车接驳轨道交通骑行行为识别方法及系统，属于共享单车接驳骑行行为识别技术领域，所述方法包括如下步骤：制定共享单车接驳骑行行为识别圈；根据共享单车接驳骑行行为识别圈框选共享单车，并根据共享单车对应用户骑行数据识别出接驳骑行用户；将接驳骑行用户对应的骑行行为识别为接驳骑行行为，所述系统包括共享单车接驳骑行行为识别圈模块、接驳骑行用户识别模块和接驳骑行行为识别模块；本方案根据大量调查结果制定了精确的共享单车接驳骑行行为识别圈，从识别共享单车转变到依据骑行者骑行特征和规律进一步识别出接驳骑行用户，并将接驳骑行用户对应的骑行行为识别为接驳骑行行为；提升了共享单车接驳骑行行为准确度。

Description

一种共享单车接驳轨道交通骑行行为识别方法及系统
技术领域
本发明属于共享单车接驳骑行行为识别技术领域，尤其涉及一种共享单车接驳轨道交通骑行行为识别方法及系统。
背景技术
共享单车接驳骑行行为是指用户通过使用共享单车骑行至轨道站点或公交站点后，换乘至轨道交通或常规公交前往下一个目的地的行为，但由于共享单车骑行数据中的用户ID编号与轨道刷卡、公交刷卡数据中的用户ID编号完全不一致，无法直接采用数据表关联的方式进行接驳骑行行为的识别。
目前的方案大多采用空间范围框选的方法进行识别，即以轨道站点、公交站点为中心，一定距离，如轨道站点通常为500米，公交站点通常为300米为半径构建圆形识别圈，再利用ArcGIS平台或其他空间算法技术，用识别圈框选中的共享单车取车、还车的点位数据，被框选中的点位数据对应的骑行即识别为接驳骑行；
目前的方案主要存在两大缺点，导致识别的准确性不足：
(1)识别圈的大小通常按工程经验值确定，导致识别的误差较大，如以轨道站点500米为半径的识别圈为例，识别圈框选中的共享单车车辆大部分远离轨道站点，不属于接驳换乘骑行。
(2)识别圈中的共享单车，并非是真实用于接驳骑行的车辆，由于识别圈直接框选中的是车辆，而非骑行者，难以保障骑行者在轨道站点、公交站点取用、归还车辆后，真正换乘至轨道交通或常规公交。
发明内容
针对现有技术中的上述不足，本发明提供的一种共享单车接驳轨道交通骑行行为识别方法及系统提升了对真实共享单车接驳行为识别的准确性，解决了依据骑行者骑行特征和骑行规律识别出接驳骑行用户及其接驳骑行行为的问题。
为了达到上述发明目的，本发明采用的技术方案为：
本发明提供一种共享单车接驳轨道交通骑行行为识别方法，包括如下步骤：
S1、制定共享单车接驳骑行行为识别圈；
S2、根据共享单车接驳骑行行为识别圈框选共享单车，并根据共享单车对应用户骑行数据识别出接驳骑行用户；
S3、将接驳骑行用户对应的骑行行为识别为接驳骑行行为。
本发明的有益效果为：本发明提供的共享单车接驳骑行行为识别方法以共享单车骑行数据作为核心数据，以轨道站点地理信息数据、建筑及道路红线地理信息数据为辅进行多元数据融合识别共享单车接驳骑行行为，根据大量调查结果制定了精确的共享单车接驳骑行行为识别圈，分别以轨道站点出入口和公交站点为中心制定识别圈，从识别共享单车转变到依据骑行者骑行特征和规律进行识别出接驳骑行用户，并将接驳骑行用户对应的骑行行为识别为接驳骑行行为，提升了共享单车接驳骑行行为准确度。
进一步地，所述步骤S1具体包括如下步骤：
S11、根据不同轨道站点出入口和公交站点的客流量制定对应的识别距离阈值与客流量对照表；
S12、根据所述对照表中的客流量定义不同轨道站点出入口和公交站点对应的识别圈半径，并利用所述识别圈半径构建圆形识别圈；
S13、根据城市建筑物轮廓及城市道路面数据对圆形识别圈进行裁剪，得到共享单车接驳骑行行为识别圈。
采用上述进一步方案的有益效果为：基于ArcGIS平台，使用城市建筑物轮廓及城市道路面数据，对圆形“识别圈”进行裁剪，剩余部分为共享单车接驳骑行行为识别圈，以避免位于站点周边建筑楼宇和正在道路行驶的共享单车车辆被误识别为接驳骑行共享单车。
进一步地，所述步骤S2的具体步骤如下：
S21、根据共享单车接驳骑行行为识别圈内框选共享单车，并通过查询共享单车对应的用户ID，得到对应用户骑行数据；
S22、根据用户骑行数据分析骑行特征和骑行规律，筛选出预设时间内在该识别圈内且在固定时段取用或归还共享单车大于或等于设定阈值的骑行者，并将所述骑行者识别为接驳骑行用户。
采用上述进一步方案的有益效果为：通过识别圈内的共享单车，反查骑行者的骑行数据识别接驳骑行用户，并采用一周内至少三次在该识别圈范围内取用或归还共享单车为筛选标准，提升了接驳骑行者的判断准确度。
一种共享单车接驳轨道交通骑行行为识别方法的识别系统，包括共享单车接驳骑行行为识别圈模块、接驳骑行用户识别模块和接驳骑行行为识别模块；
所述接驳骑行行为识别圈模块的交通站点数据输入端作为共享单车接驳骑行行为识别方法的识别系统的输入端；所述接驳骑行行为识别圈模块的接驳骑行行为识别圈输出信号端与接驳骑行用户识别模块的接驳骑行行为识别圈输入信号端连接；所述接驳骑行用户识别模块的接驳骑行用户数据输出端与接驳骑行行为识别模块的接驳骑行用户数据输入端连接；所述接驳骑行行为识别模块的接驳骑行行为输出端作为共享单车接驳骑行行为识别方法的识别系统的输出端。
本发明的有益效果为：本发明提供的共享单车接驳骑行行为识别方法的识别系统用于实现共享单车接驳骑行行为，并分别以轨道站点出入口和公交站点为中心制定识别圈，从识别共享单车转变到依据骑行者骑行特征和规律进行识别出接驳骑行用户，提升了共享单车接驳骑行行为准确度。
进一步地，所述共享单车接驳骑行行为识别圈模块包括识别距离阈值与客流量对照表构造单元、圆形识别圈构造单元和共享单车接驳骑行行为识别圈构造单元；
所述识别距离阈值与客流量对照表构造单元用于根据交通站点数据，利用大数据分析构造对应的识别距离阈值与客流量对照表，其中，交通站点数据为不同轨道站点出入口和公交站点的客流量；所述圆形识别圈构造单元用于根据所述对照表中的客流量和识别距离阈值，得到不同轨道站点出入口和公交站点对应的圆形识别圈，其中，对照表中的识别距离阈值为识别圈半径；所述共享单车接驳骑行行为识别圈构造单元用于根据城市建筑物轮廓及城市道路面数据对圆形识别圈进行裁剪，得到共享单车接驳骑行行为识别圈。
采用上述进一步方案的有益效果为：所述识别距离阈值与客流量对照表构造单元根据大量调查结果及回归分析结果得到识别距离阈值与客流量对照表；所述圆形识别圈构造单元通过所选交通站点处的客流量根据对照表得到该交通站点处识别圈的半径，并根据该半径构造圆形识别圈；所述共享单车接驳骑行行为识别圈构造单元将识别圈内建筑物，街道截除，将无效面积内的共享单车和街道上正在移动的共享单车排除，得到共享单车接驳骑行行为识别圈，用于所述接驳骑行用户识别模块进一步获取用户骑行数据。
进一步地，所述接驳骑行用户识别模块包括用户骑行数据获取单元和接驳骑行用户识别单元；
所述用户骑行数据获取单元用于根据共享单车接驳骑行行为识别圈内框选的共享单车，并通过查询共享单车对应的用户ID，得到对应用户骑行数据；所述接驳骑行用户识别单元用于根据用户骑行数据分析骑行特征和骑行规律，筛选出预设时间内在该识别圈内且在固定时段取用或归还共享单车大于或等于设定阈值的骑行者，得到接驳骑行用户数据。
采用上述进一步方案的有益效果为：所述用户骑行数据获取单元根据共享单车接驳骑行行为识别圈内框选的共享单车，并通过查询被框选共享单车对应的骑行用户数据表；所述接驳骑行用户识别单元根据用户骑行数据表分析用户骑行特征和骑行规律，判断是否为接驳骑行用户，得到接驳骑行用户数据，所述接驳骑行用户数据用于进一步接驳骑行行为模块识别接驳骑行行为。
进一步地，所述接驳骑行行为识别模块根据接驳骑行用户数据将该骑行用户对应的骑行行为识别为接驳骑行行为。
采用上述进一步方案的有益效果为：所述接驳骑行行为识别模块根据接驳骑行用户数据的用户ID，对应得到各接驳骑行用户的骑行数据，并将各接驳骑行用户的骑行行为识别为接驳骑行行为。
附图说明
图1为本发明实施例中共享单车接驳骑行行为识别方法的步骤流程图。
图2为本发明实施例中共享单车接驳骑行行为识别方法的识别系统的框图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
如图1所示，在本发明的一个实施例中，本发明提供一种共享单车接驳轨道交通骑行行为识别方法，包括如下步骤：
S1、制定共享单车接驳骑行行为识别圈；
所述步骤S1具体包括如下步骤：
S11、根据不同轨道站点出入口和公交站点的客流量制定对应的识别距离阈值与客流量对照表；
根据调查结果及回归分析结果，本申请提供不同客流量轨道站点出入口和公交站点为中心的共享单车接驳骑行行为识别圈对应的识别距离阈值与客流量对照表，所述识别距离阈值与客流量对照表如表1所示：
表1
Figure BDA0003260815580000061
S12、根据所述对照表中的客流量定义不同轨道站点出入口和公交站点对应的识别圈半径，并利用ArcGIS根据所述识别圈半径构建圆形识别圈；
通过客流量定义识别圈大小：城市交通轨道站点客流量直接影响其慢行接驳距离是交通领域研究的公知常识，例如金融城站点客流量高于武侯大道站点，金融城客流接驳平均距离为1.6公里远高于武侯大道的1.1公里。本方法通过大量调查成都已开行轨道站点实际状况，结合大数据分析形成对不同客流量能量级站点对应的识别圈大小建议取值。
S13、利用ArcGIS根据城市建筑物轮廓及城市道路面数据对圆形识别圈进行裁剪，得到共享单车接驳骑行行为识别圈；
基于ArcGIS平台，使用城市建筑物轮廓及城市道路面数据，对圆形“识别圈”进行裁剪，剩余部分为共享单车接驳骑行行为识别圈，以避免位于站点周边建筑楼宇和正在道路行驶的共享单车车辆被误识别为接驳骑行共享单车。
S2、根据共享单车接驳骑行行为识别圈框选共享单车，并根据共享单车对应用户骑行数据识别出接驳骑行用户；
所述步骤S2的具体步骤如下：
S21、根据共享单车接驳骑行行为识别圈内框选共享单车，并通过查询共享单车对应的用户ID，得到对应用户骑行数据；
在实际的用户骑行数据表格中，共享单车的编号与其对应的用户数据处于同一行中，使用ArcGIS圈选处车辆后，就可以直接锁定到共享单车对应的各骑行者，所述实际的用户骑行数据表格如表2所示：
表2
单车编号 车辆经度 车辆维度 取车时间 还车时间 用户编号
XXX XXX XXX XXX XXX XX
所述实际的用户骑行数据表格包括共享单车自身的单车编号、关于车辆位置信息的车辆经度和车辆维度，以及用户骑行相关的取车时间、换车时间和用户编号等信息，可通过用户骑行数据表得到单车使用信息与实际骑行用户编号之间的联系；
S22、根据用户骑行数据分析骑行特征和骑行规，律筛选出预设时间内在该识别圈内且在固定时段取用或归还共享单车大于或等于预设阈值的骑行者，并将所述骑行者识别为接驳骑行用户；
将识别时间放大，如连续识别3个月的接驳换乘车辆，再将这些识别车辆数据按照用户编号进行统计分析，统计每个用户在3个月中被识别到的次数，得到用户骑行表，并根据次数来判断他是否为长期的接驳骑行者，以此来规避骑行者仅为去轨道站点周边区域而碰巧停在轨道站附近的情况，提高识别精度；如果将识别时间以周为单位来统计，真正的用户基本上在工作日只要有车就会去骑行，因此可选择5个工作日中有3次接驳就可识别为接驳骑行者，所述用户骑行表如表3所示：
表3
Figure BDA0003260815580000081
Figure BDA0003260815580000091
通过识别圈内的共享单车，反查骑行者的骑行数据识别接驳骑行用户，并采用一周内至少三次在该识别圈范围内取用或归还共享单车为筛选标准，提升了接驳骑行者的判断准确度。
S3、将接驳骑行用户对应的骑行行为识别为接驳骑行行为。
为相对准确设置轨道站点出入口和公交站点为中心的共享单车接驳骑行行为识别圈的半径，本方案在成都和上海两市开展现场调查，调查轨道站点出入口和公交站点的周边取用或归还共享单车车辆的真实接驳骑行行为占使用共享单车比例，通过调查分析发现，轨道站点出入口、公交站点普遍具有接驳骑行行为的识别距离阈值，即超过这一距离阈值后，真实接驳骑行行为比例大幅降低；同时，轨道站点出入口和公交站点为中心的共享单车接驳骑行行为识别圈的识别距离阈值主要受其客流量影响，且呈正相关关系。
本发明的有益效果为：本发明提供的共享单车接驳骑行行为识别方法根据大量调查结果制定了精确的共享单车接驳骑行行为识别圈，分别以轨道站点出入口和公交站点为中心制定识别圈，从识别共享单车转变到依据骑行者骑行特征和规律进行识别出接驳骑行用户，并将接驳骑行用户对应的骑行行为识别为接驳骑行行为，提升了共享单车接驳骑行行为准确度；本方法以共享单车骑行数据作为核心数据，以轨道站点地理信息数据、建筑及道路红线地理信息数据为辅进行数据融合识别，显著提升了共享单车接驳轨道交通骑行行为的识别准确度。
如图2所示，在本发明的另一实施例中，本发明提供一种共享单车接驳轨道交通骑行行为识别方法的识别系统，包括共享单车接驳骑行行为识别圈模块、接驳骑行用户识别模块和接驳骑行行为识别模块；
所述接驳骑行行为识别圈模块的交通站点数据输入端作为共享单车接驳骑行行为识别方法的识别系统的输入端；所述接驳骑行行为识别圈模块的接驳骑行行为识别圈输出信号端与接驳骑行用户识别模块的接驳骑行行为识别圈输入信号端连接；所述接驳骑行用户识别模块的接驳骑行用户数据输出端与接驳骑行行为识别模块的接驳骑行用户数据输入端连接；所述接驳骑行行为识别模块的接驳骑行行为输出端作为共享单车接驳骑行行为识别方法的识别系统的输出端。
所述共享单车接驳骑行行为识别圈模块包括识别距离阈值与客流量对照表构造单元、圆形识别圈构造单元和共享单车接驳骑行行为识别圈构造单元；
所述识别距离阈值与客流量对照表构造单元用于根据交通站点数据，利用大数据分析构造对应的识别距离阈值与客流量对照表，其中，交通站点数据为不同轨道站点出入口和公交站点的客流量；所述圆形识别圈构造单元用于根据所述对照表中的客流量和识别距离阈值，得到不同轨道站点出入口和公交站点对应的圆形识别圈，其中，对照表中的识别距离阈值为识别圈半径；所述共享单车接驳骑行行为识别圈构造单元用于根据城市建筑物轮廓及城市道路面数据对圆形识别圈进行裁剪，得到共享单车接驳骑行行为识别圈。
所述接驳骑行用户识别模块包括用户骑行数据获取单元和接驳骑行用户识别单元；
所述用户骑行数据获取单元用于根据共享单车接驳骑行行为识别圈内框选的共享单车，并通过查询共享单车对应的用户ID，得到对应用户骑行数据；所述接驳骑行用户识别单元用于根据用户骑行数据分析骑行特征和骑行规律，筛选出预设时间内在该识别圈内且在固定时段取用或归还共享单车大于或等于设定阈值的骑行者，得到接驳骑行用户数据。
所述接驳骑行行为识别模块根据接驳骑行用户数据将该骑行用户对应的骑行行为识别为接驳骑行行为。
如图2所示实施例提供的共享单车接驳骑行行为识别方法的识别系统可以执行上述方法实施例所示的技术方案，其实现原理与有益效果类似，此处不在赘述。

Claims (7)

1.一种共享单车接驳轨道交通骑行行为识别方法，其特征在于，包括如下步骤：
S1、制定共享单车接驳骑行行为识别圈；
S2、根据共享单车接驳骑行行为识别圈框选共享单车，并根据共享单车对应用户骑行数据识别出接驳骑行用户；
S3、将接驳骑行用户对应的骑行行为识别为接驳骑行行为。
2.根据权利要求1所述的共享单车接驳轨道交通骑行行为识别方法，其特征在于，所述步骤S1具体包括如下步骤：
S11、根据不同轨道站点出入口和公交站点的客流量制定对应的识别距离阈值与客流量对照表；
S12、根据所述对照表中的客流量定义不同轨道站点出入口和公交站点对应的识别圈半径，并利用所述识别圈半径构建圆形识别圈；
S13、根据城市建筑物轮廓及城市道路面数据对圆形识别圈进行裁剪，得到共享单车接驳骑行行为识别圈。
3.根据权利要求1所述的共享单车接驳轨道交通骑行行为识别方法，其特征在于，所述步骤S2的具体步骤如下：
S21、根据共享单车接驳骑行行为识别圈内框选共享单车，并通过查询共享单车对应的用户ID，得到对应用户骑行数据；
S22、根据用户骑行数据分析骑行特征和骑行规律，筛选出预设时间内在该识别圈内且在固定时段取用或归还共享单车大于或等于设定阈值的骑行者，并将所述骑行者识别为接驳骑行用户。
4.一种如权利要求1-3任一所述的共享单车接驳轨道交通骑行行为识别方法的识别系统，其特征在于，包括共享单车接驳骑行行为识别圈模块、接驳骑行用户识别模块和接驳骑行行为识别模块；
所述接驳骑行行为识别圈模块的交通站点数据输入端作为共享单车接驳骑行行为识别方法的识别系统的输入端；所述接驳骑行行为识别圈模块的接驳骑行行为识别圈输出信号端与接驳骑行用户识别模块的接驳骑行行为识别圈输入信号端连接；所述接驳骑行用户识别模块的接驳骑行用户数据输出端与接驳骑行行为识别模块的接驳骑行用户数据输入端连接；所述接驳骑行行为识别模块的接驳骑行行为输出端作为共享单车接驳骑行行为识别方法的识别系统的输出端。
5.根据权利要求4所述的共享单车接驳轨道交通骑行行为识别方法的识别系统，其特征在于，所述共享单车接驳骑行行为识别圈模块包括识别距离阈值与客流量对照表构造单元、圆形识别圈构造单元和共享单车接驳骑行行为识别圈构造单元；
所述识别距离阈值与客流量对照表构造单元用于根据交通站点数据，利用大数据分析构造对应的识别距离阈值与客流量对照表，其中，交通站点数据为不同轨道站点出入口和公交站点的客流量；所述圆形识别圈构造单元用于根据所述对照表中的客流量和识别距离阈值，得到不同轨道站点出入口和公交站点对应的圆形识别圈，其中，对照表中的识别距离阈值为识别圈半径；所述共享单车接驳骑行行为识别圈构造单元用于根据城市建筑物轮廓及城市道路面数据对圆形识别圈进行裁剪，得到共享单车接驳骑行行为识别圈。
6.根据权利要求5所述的共享单车接驳轨道交通骑行行为识别方法的识别系统，其特征在于，所述接驳骑行用户识别模块包括用户骑行数据获取单元和接驳骑行用户识别单元；
所述用户骑行数据获取单元用于根据共享单车接驳骑行行为识别圈内框选的共享单车，并通过查询共享单车对应的用户ID，得到对应用户骑行数据；所述接驳骑行用户识别单元用于根据用户骑行数据分析骑行特征和骑行规律，筛选出预设时间内在该识别圈内且在固定时段取用或归还共享单车大于或等于设定阈值的骑行者，得到接驳骑行用户数据。
7.根据权利要求5所述的共享单车接驳轨道交通骑行行为识别方法的识别系统，其特征在于，所述接驳骑行行为识别模块根据接驳骑行用户数据将该骑行用户对应的骑行行为识别为接驳骑行行为。
CN202111072270.XA 2021-09-14 2021-09-14 一种共享单车接驳轨道交通骑行行为识别方法及系统 Active CN113779398B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111072270.XA CN113779398B (zh) 2021-09-14 2021-09-14 一种共享单车接驳轨道交通骑行行为识别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111072270.XA CN113779398B (zh) 2021-09-14 2021-09-14 一种共享单车接驳轨道交通骑行行为识别方法及系统

Publications (2)

Publication Number Publication Date
CN113779398A true CN113779398A (zh) 2021-12-10
CN113779398B CN113779398B (zh) 2024-02-02

Family

ID=78843258

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111072270.XA Active CN113779398B (zh) 2021-09-14 2021-09-14 一种共享单车接驳轨道交通骑行行为识别方法及系统

Country Status (1)

Country Link
CN (1) CN113779398B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016045195A1 (zh) * 2014-09-22 2016-03-31 北京交通大学 一种城轨路网客流估算方法
WO2019037375A1 (zh) * 2017-08-19 2019-02-28 包小波 共享单车的交接和停放方法及交接识别系统
US20190228492A1 (en) * 2018-01-25 2019-07-25 Toyota Jidosha Kabushiki Kaisha Shared ride reservation system
CN110110902A (zh) * 2019-04-16 2019-08-09 东南大学 一种共享单车接驳轨道交通站点的可达性测算方法
CN110543503A (zh) * 2019-09-06 2019-12-06 天津农学院 针对固定桩位共享单车骑行规律和异常行为的数据挖掘方法
CN110633307A (zh) * 2019-08-19 2019-12-31 北京建筑大学 城市公共自行车接驳地铁时空分析方法
CN111553761A (zh) * 2020-04-23 2020-08-18 天津市城市规划设计研究院 一种提取共享单车接驳轨道骑行的方法
CN113160597A (zh) * 2021-03-23 2021-07-23 广州宸祺出行科技有限公司 一种拥塞路段优化下车点的推送方法及装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016045195A1 (zh) * 2014-09-22 2016-03-31 北京交通大学 一种城轨路网客流估算方法
WO2019037375A1 (zh) * 2017-08-19 2019-02-28 包小波 共享单车的交接和停放方法及交接识别系统
US20190228492A1 (en) * 2018-01-25 2019-07-25 Toyota Jidosha Kabushiki Kaisha Shared ride reservation system
CN110110902A (zh) * 2019-04-16 2019-08-09 东南大学 一种共享单车接驳轨道交通站点的可达性测算方法
CN110633307A (zh) * 2019-08-19 2019-12-31 北京建筑大学 城市公共自行车接驳地铁时空分析方法
CN110543503A (zh) * 2019-09-06 2019-12-06 天津农学院 针对固定桩位共享单车骑行规律和异常行为的数据挖掘方法
CN111553761A (zh) * 2020-04-23 2020-08-18 天津市城市规划设计研究院 一种提取共享单车接驳轨道骑行的方法
CN113160597A (zh) * 2021-03-23 2021-07-23 广州宸祺出行科技有限公司 一种拥塞路段优化下车点的推送方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
万涛;李乐园;马山;施澄;: "融合手机信令数据与共享单车数据的轨道站点辐射范围分析研究", 上海城市规划, no. 06, pages 25 - 30 *
申犁帆;张纯;: "共享单车接驳与城市轨道交通通勤的相互关系研究――基于北京市的实证分析", 中国建筑教育, no. 01, pages 116 - 127 *

Also Published As

Publication number Publication date
CN113779398B (zh) 2024-02-02

Similar Documents

Publication Publication Date Title
CN111653097B (zh) 一种基于手机信令数据且含个人属性修正的城市出行方式综合识别方法
CN109410568B (zh) 基于用户画像和换乘规律的下车站点推测方法及系统
CN112017447B (zh) 一种基于gps位置信息判定车辆逆行违规的方法及系统
CN107463940A (zh) 基于手机数据的车辆类型识别方法和设备
CN103794061B (zh) 基于多种定位数据计算道路融合行程车速的方法
CN105117789A (zh) 基于手机信令数据的居民出行方式综合判别的方法
CN105303854A (zh) 一种出行路线数据的处理方法和装置
CN104766473A (zh) 基于多模式公交数据匹配的公共交通出行特征提取方法
CN107240289A (zh) 一种公交车线路优化管理方法及系统
CN104064028A (zh) 基于多元信息数据的公交到站时间预测方法及系统
CN111091720A (zh) 基于信令数据和浮动车数据的拥堵路段识别方法及装置
CN106781509A (zh) 一种基于v2v的协作式城市道路拥堵检测方法
CN109872533A (zh) 一种基于空间数据的车道级实时交通情报处理方法
CN103295120B (zh) 物流公司运力分析系统及其运力分析的方法
CN110634290B (zh) 一种基于自行车轨迹数据的逆行行为识别方法
CN111341135B (zh) 基于兴趣点及导航数据的手机信令数据出行方式识别方法
CN106997662A (zh) 一种城市公交车工况构建方法
CN115511320A (zh) 一种城市道路方法规划及设备
CN112767686B (zh) 一种基于多源数据融合的公路网汽车排放估算方法
CN112004191B (zh) 基于手机信令和公交车gps数据的公交专用道设置方法
CN113779398A (zh) 一种共享单车接驳轨道交通骑行行为识别方法及系统
CN112988855A (zh) 一种基于数据挖掘的地铁乘客分析方法及系统
CN107578114B (zh) 一种判定公交换乘对有效性的方法及装置
CN111553761A (zh) 一种提取共享单车接驳轨道骑行的方法
CN111624638A (zh) 基于大数据系统的行踪追溯及监控报告的生成方法

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