CN113919662A - 一种绿色出行比例指标测算方法及装置 - Google Patents
一种绿色出行比例指标测算方法及装置 Download PDFInfo
- Publication number
- CN113919662A CN113919662A CN202111109495.8A CN202111109495A CN113919662A CN 113919662 A CN113919662 A CN 113919662A CN 202111109495 A CN202111109495 A CN 202111109495A CN 113919662 A CN113919662 A CN 113919662A
- Authority
- CN
- China
- Prior art keywords
- trip
- travel
- mode
- calculating
- green
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 147
- 238000011835 investigation Methods 0.000 claims abstract description 49
- 238000012544 monitoring process Methods 0.000 claims abstract description 46
- 238000012795 verification Methods 0.000 claims abstract description 17
- 230000008859 change Effects 0.000 claims description 88
- 238000012546 transfer Methods 0.000 claims description 31
- 238000003860 storage Methods 0.000 claims description 16
- 230000011664 signaling Effects 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 238000011160 research Methods 0.000 abstract 1
- 238000004364 calculation method Methods 0.000 description 39
- 238000005259 measurement Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000006399 behavior Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000005021 gait Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 231100000989 no adverse effect Toxicity 0.000 description 1
- 230000003068 static effect Effects 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
- G06Q10/06—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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G06Q50/40—
Abstract
本发明公开了一种绿色出行比例指标测算方法及装置,涉及交通出行技术领域,自动测算绿色出行比例指标,高效准确,本发明的主要技术方案为:本发明是首先构建交通出行结构,包括目标绿色出行方式、目标非绿色出行方式以及其他出行方式,在该交通出行结构下,利用获取到的交通运行监测数据和预设核算方法,核算轨道交通出行量和地面公交出行量,以及测算自行车出行量、步行出行量和研究范围的总出行量,从而运算得到目标绿色出行方式出行量和总出行量之间比值,再利用接收预设调查方法反馈的绿色出行比例进行验证,从而确保测算得到最终的目标绿色出行方式对应的绿色出行比例指标是准确的。本发明主要应用于实现自动测算绿色出行比例指标。
Description
技术领域
本发明涉及交通出行技术领域,尤其涉及一种绿色出行比例指标测算方法及装置。
背景技术
绿色出行比例指标作为重要的衡量城市交通的指标,其发展方向符合我国低碳绿色节能环保的大趋势,国内许多城市将其列为规划指标。绿色出行比例定义为公众选择绿色出行方式(一般指轨道交通、地面公交、自行车、步行四种方式)占全方式的比例。定期测算、监测绿色出行比例指标,及时预警指标变化趋势,对指标达到目标值非常重要。
目前,测算绿色出行比例指标一般采用以下两种方法:一种方法是,进行抽样调查,公布抽样调查扩样后结果;另一种方法是,通过交通运行监测数据核算指标。
但是,对于现有采用的上述两种方法:就前者方法而言,如果需要大规模的抽样调查,虽然能够得到较为准确的结果,但其成本过高,且数据处理时间慢,通常需要一年以上的时间实施调查并处理数据,不能实现以年度甚至更小粒度为单位定期监测指标,但如果是小规模抽样调查样本少,即便根据相关参数扩样,准确性仍然不高;就后者方法而言,现有可供使用的监测数据的仅有公交、地铁、出租车三种方式客运量,私家车方式、步行、自行车方式无法直接得到出行量数据,进而无法测算得到准确的绿色出行比例指标。
发明内容
有鉴于此,本发明提供一种绿色出行比例指标测算方法及装置,主要目的在于综合交通运行监测数据、预设核算方法以及接收预设调查方法得到的多源数据,实现自动测算绿色出行比例指标,操作简单高效,也提高了测算的准确率。
为了达到上述目的,本发明主要提供如下技术方案:
本申请第一方面提供了一种绿色出行比例指标测算方法,该方法包括:
构建交通出行结构,所述交通出行结构包括:目标绿色出行方式、目标非绿色出行方式以及其他出行方式,所述目标绿色出行方式包含了轨道交通方式、地面公交方式、自行车方式、步行方式;
利用获取到的交通运行监测数据,核算所述轨道交通方式对应的第一出行量和所述地面公交方式对应的第二出行量;
利用第一预设核算方法,测算所述自行车方式对应的第三出行量;
利用第二预设核算方法,测算所述步行方式对应的第四出行量;
利用第三预设核算方法,测算所述交通出行结构对应的总出行量;
根据所述第一出行量、所述第二出行量、所述第三出行量、所述第四出行量以及所述总出行量,计算所述目标绿色出行方式的出行量与所述总出行量之间的比值,标记为第一指标值;
接收预设调查方法反馈的所述目标绿色出行方式对应调查所得出行量与调查所得交通出行结构总出行量之间的比值,标记为第二指标值;
若所述第一指标值和所述第二指标值之间误差小于预设阈值,则将所述第一指标值作为所述目标绿色出行方式对应的绿色出行比例指标。
在本申请第一方面的一些变更实施方式中,利用获取到的交通运行监测数据,核算所述轨道交通方式对应的第一出行量,包括:
利用轨道交通的AFC刷卡进站数据,计算在预设时间范围和地域范围内轨道交通方式对应的出行量。
在本申请第一方面的一些变更实施方式中,利用获取到的交通运行监测数据,核算所述地面公交方式对应的第二出行量,包括:
配置地面公交换乘系数、轨道交通地面公交换乘系数;
统计在所述预设时间范围和地域范围内地面公交的AFC刷卡乘车数据,作为地面公交客运量;
利用所述轨道交通地面公交换乘系数与所述第一出行量相乘,计算得到接驳轨道交通客运量;
根据所述地面公交客运量与所述接驳轨道交通客运量之间差值,再除以所述地面公交换乘系数,计算得到地面公交方式对应的出行量。
在本申请第一方面的一些变更实施方式中,所述利用第一预设核算方法,测算所述自行车方式对应的第三出行量,包括:
利用在所述预设时间范围和地域范围内监测得到的共享单程骑行数据,计算自行车方式对应的出行量;
接收经调查反馈的在所述预设时间范围和地域范围内对应的自行车出行量;
获取在所述预设时间范围和地域范围内对应的历史自行车出行量;
根据经调查得到的所述自行车出行量、所述历史自行车出行量,计算同比变化率,标记为第一变化率值;
根据计算得到的所述自行车方式对应的出行量、所述历史自行车出行量,计算同比变化率,标记为第二变化率值;
若判断所述第一变化率值和所述第二变化率值之间误差落入预设误差区间,则分别向所述第一变化率值和所述第二变化率值分配权重;
根据计算得到的所述自行车方式对应的出行量、所述第一变化率值对应权重、所述第二变化率值对应权重,重新修正计算自行车出行方式对应的出行量。
在本申请第一方面的一些变更实施方式中,所述目标非绿色出行方式包含出租车方式、小汽车方式,在所述利用第三预设核算方法,测算所述交通出行结构对应的总出行量之前,所述方法还包括:
利用获取到的交通运行监测数据,核算所述出租车方式对应的第五出行量和所述小汽车方式对应的第六出行量。
在本申请第一方面的一些变更实施方式中,所述利用第三预设核算方法,测算所述交通出行结构对应的总出行量,包括:
利用获取到在所述预设时间范围和地域范围内的手机信令数据,推算交通出行结构对应的总出行量区间,标记为第一总出行量区间;
利用所述第一总出行量区间、所述目标绿色出行方式对应的出行量、所述目标非绿色出行方式对应的出行量,推算得到其他出行方式对应的出行量区间;
接收经调查反馈的其他出行方式对应的出行比例区间;
利用所述其他出行方式对应的出行量区间、所述其他出行方式对应的出行比例区间,计算交通出行结构对应的总出行区间,标记为第二总出行量区间;
根据所述第一总出行量区间和所述第二总出行量区间取区间交集;
从所述区间交集中选取中间值,作为目标总出行量。
在本申请第一方面的一些变更实施方式中,所述方法还包括:
对交通出行结构中的出行方式对应的出行量进行验证;
根据验证结果,判断是否需要对出行量进行修正。
本申请第二方面提供了一种绿色出行比例指标测算装置,该装置包括:
构建单元,用于构建交通出行结构,所述交通出行结构包括:目标绿色出行方式、目标非绿色出行方式以及其他出行方式,所述目标绿色出行方式包含了轨道交通方式、地面公交方式、自行车方式、步行方式;
核算单元,用于利用获取到的交通运行监测数据,核算所述轨道交通方式对应的第一出行量和所述地面公交方式对应的第二出行量;
测算单元,用于利用第一预设核算方法,测算所述自行车方式对应的第三出行量;
所述测算单元,还用于利用第二预设核算方法,测算所述步行方式对应的第四出行量;
所述测算单元,还用于利用第三预设核算方法,测算所述交通出行结构对应的总出行量;
计算单元,用于根据所述第一出行量、所述第二出行量、所述第三出行量、所述第四出行量以及所述总出行量,计算所述目标绿色出行方式的出行量与所述总出行量之间的比值,标记为第一指标值;
接收单元,用于接收预设调查方法反馈的所述目标绿色出行方式对应调查所得出行量与调查所得交通出行结构总出行量之间的比值,标记为第二指标值;
确定单元,用于若所述第一指标值和所述第二指标值之间误差小于预设阈值,则将所述第一指标值作为所述目标绿色出行方式对应的绿色出行比例指标。
在本申请第二方面的一些变更实施方式中,所述核算单元包括:
计算模块,用于利用轨道交通的AFC刷卡进站数据,计算在预设时间范围和地域范围内轨道交通方式对应的出行量。
在本申请第二方面的一些变更实施方式中,所述核算单元包括:
配置模块,用于配置地面公交换乘系数、轨道交通地面公交换乘系数;
统计模块,用于统计在所述预设时间范围和地域范围内地面公交的AFC刷卡乘车数据,作为地面公交客运量;
所述计算模块,用于利用所述轨道交通地面公交换乘系数与所述第一出行量相乘,计算得到接驳轨道交通客运量;
所述计算模块,用于根据所述地面公交客运量与所述接驳轨道交通客运量之间差值,再除以所述地面公交换乘系数,计算得到地面公交方式对应的出行量。
在本申请第二方面的一些变更实施方式中,所述测算单元包括:
第一计算模块,用于利用在所述预设时间范围和地域范围内监测得到的共享单程骑行数据,计算自行车方式对应的出行量;
接收模块,用于接收经调查反馈的在所述预设时间范围和地域范围内对应的自行车出行量;
获取模块,用于获取在所述预设时间范围和地域范围内对应的历史自行车出行量;
第二计算模块,用于根据经调查得到的所述自行车出行量、所述历史自行车出行量,计算同比变化率,标记为第一变化率值;
所述第二计算模块,用于根据计算得到的所述自行车方式对应的出行量、所述历史自行车出行量,计算同比变化率,标记为第二变化率值;
分配模块,用于若判断所述第一变化率值和所述第二变化率值之间误差落入预设误差区间,则分别向所述第一变化率值和所述第二变化率值分配权重;
修正模块,用于根据计算得到的所述自行车方式对应的出行量、所述第一变化率值对应权重、所述第二变化率值对应权重,重新修正计算自行车出行方式对应的出行量。
在本申请第二方面的一些变更实施方式中,所述目标非绿色出行方式包含出租车方式、小汽车方式,所述装置还包括:
所述核算单元,还用于在所述利用第三预设核算方法,测算所述交通出行结构对应的总出行量之前,利用获取到的交通运行监测数据,核算所述出租车方式对应的第五出行量和所述小汽车方式对应的第六出行量。
在本申请第二方面的一些变更实施方式中,所述测算单元还包括:
推算模块,用于利用获取到在所述预设时间范围和地域范围内的手机信令数据,推算交通出行结构对应的总出行量区间,标记为第一总出行量区间;
第三计算模块,还用于利用所述目标绿色出行方式对应的出行量、所述目标非绿色出行方式对应的出行量,计算两种出行量和;
所述接收模块,用于接收经调查反馈的其他出行方式对应的出行比例区间;
所述推算模块,还用于根据所述其他出行方式对应的出行比例区间,推算所述两种出行量和对应的出行比例区间;
第三计算模块,还用于根据所述两种出行量和、所述所述两种出行量和对应的出行比例区间,计算交通出行结构对应的总出行区间,标记为第二总出行量区间;
交集模块,用于根据所述第一总出行量区间和所述第二总出行量区间取区间交集;
确定模块,用于从所述区间交集中选取中间值,作为目标总出行量。
在本申请第二方面的一些变更实施方式中,所述装置还包括:
验证单元,用于对交通出行结构中的出行方式对应的出行量进行验证;
修正单元,用于根据验证结果,判断是否需要对出行量进行修正。
本申请第三方面提供了一种存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行如上述的绿色出行比例指标测算方法。
本申请第四方面提供了一种电子设备,所述设备包括至少一个处理器、以及与所述处理器连接的至少一个存储器、总线;
其中,所述处理器、所述存储器通过所述总线完成相互间的通信;
所述处理器用于调用所述存储器中的程序指令,以执行如上述的绿色出行比例指标测算方法。
借由上述技术方案,本发明提供的技术方案至少具有下列优点:
本发明提供一种绿色出行比例指标测算方法及装置,本发明是首先构建交通出行结构包括目标绿色出行方式、目标非绿色出行方式以及其他出行方式,继而在该交通出行结构下,利用获取到的交通运行监测数据和预设核算方法,核算轨道交通方式出行量和地面公交方式出行量,以及测算自行车方式出行量、步行方式出行量和该交通出行结构的总出行量,从而运算得到目标绿色出行方式出行量和总出行量之间比值,再利用接收预设调查方法反馈的绿色出行比例进行验证,从而确保测算得到最终的目标绿色出行方式对应的绿色出行比例指标是准确的。相较于现有技术,解决了现有采用两种方法成本高、效率低、不够准确的技术问题,本发明综合交通运行监测数据、预设核算方法以及接收预设调查方法得到的多源数据,实现自动测算绿色出行比例指标,操作简单高效,也提高了测算的准确率。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1为本发明实施例提供的一种绿色出行比例指标测算方法流程图;
图2为本发明实施例提供的另一种绿色出行比例指标测算方法流程图;
图3为本发明实施例例举的绿色出行比例指标测算的数据核算简易流程示意图;
图4为本发明实施例提供的一种绿色出行比例指标测算装置的组成框图;
图5为本发明实施例提供的另一种绿色出行比例指标测算装置的组成框图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
本发明实施例提供了一种绿色出行比例指标测算方法,如图1所示,该方法是综合交通运行监测数据、预设核算方法以及接收预设调查方法得到的多源数据,实现自动测算绿色出行比例指标,对此本发明实施例提供以下具体步骤:
101、构建交通出行结构,交通出行结构包括:目标绿色出行方式、目标非绿色出行方式以及其他出行方式,目标绿色出行方式包含了轨道交通方式、地面公交方式、自行车方式、步行方式。
其中,需要说明的是,目标绿色出行方式为当前可明确的绿色出行方式,目标非绿色出行方式为当前可明确的非绿色出行方式,其他出行方式为现今交通出行结构中除了目标绿色出行结构和非绿色出行结构的其他部分。因随着科技发展,将来会有更多其他出行方式展现,从而在此本发明实施例中例举的几种出行方式都是就当前而言确定的绿色或非绿色出行方式。
在本发明实施例中,绿色出行比例主要是定义为公众选择绿色出行方式(一般指轨道交通、地面公交、自行车、步行的这四种方式)占全方式的比例,依据此,构建交通出行结构中的目标绿色出行方式可以包含:轨道交通方式、地面公交方式、自行车方式、步行方式,该目标绿色出行方式也是本发明实施例最终需要测算的对象。对于目标非绿色出行结构可以是出租车方式或者小汽车方式。
需要说明的是,而对于其他出行方式可以是助力车、特殊人群(残疾人)出行工具等等,由于在其他出行方式中绿色出行方式占比也是比较小的,对于基数庞大的出行方式出行总量而言,是可以忽略不计的,也就是即使最终测算的绿色出行比例指标不包含该其他出行方式中存在的绿色出行方式,最终测算结果也是偏差不大,没有不良影响的。所以在本发明实施例中主要测算的绿色出行比例指标是指上述目标绿色出行方式所占出行总量的比例指标。
进一步,需要说明的是,本发明实施例需要预先搭建一个自动化执行工具,使用该自动化执行工具执行下述步骤101-108,完成自动化测算绿色出行比例指标。
102、利用获取到的交通运行监测数据,核算轨道交通方式对应的第一出行量和地面公交方式对应的第二出行量。
其中,交通运行监测数据可以是交通监测系统监测到人们日常出行所产生的出行数据,例如,搭乘地铁或公交需要刷卡,经人们日常出行,监测到的刷卡数据就是归属于交通运行监测数据。
在本发明实施例中,可以通过互联网通信从第三方服务器端,利用采集到搭乘轨道交通的交通运行监测数据,来核算轨道交通方式出行量,以及利用搭乘地面公交的交通运行监测数据,来核算地面公交方式出行量。具体,对于采集的数据,需要预设设定时间范围和地域范围,进而后续确保获取的每个出行方式对应的出行量都是归属于在相同时间范围和地域范围内的,以方便完成后续最终计算在预设设定时间范围和地域范围内对应的绿色出行比例指标。
需要说明的是,本发明实施例中的“第一”、“第二”以及下述的“第三、第四、第五、第六”不存在先后顺序,仅是用于区别指代并标识了不同出行方式对应的出行量。对于本发明实施例,标记轨道交通出行量为“第一出行量”,标记地面公交出行量为“第二出行量”。
103、利用第一预设核算方法,测算自行车方式对应的第三出行量。
在本发明实施例中,为了与其他出行方式区别,将自行车出行量标记为“第三出行量”,为了测算自行车出行量,该第一预设核算方法主要是综合了两部分:公式计算自行车出现量和利用调查反馈数据验证公式计算结果。
具体的,公式计算自行车出行量,主要是借助大众普遍适用的共享单车实现统计的,得到在预设时间范围和地域范围内自行车方式出行量。而对于调查方法,主要是结合调查得到变化趋势,反复验证结果,本发明实施例不做限定。本发明实施例目的是综合公式计算和线下调查实现得到更加准确的自行车出行量数据。
104、利用第二预设核算方法,测算步行方式对应的第四出行量。
在本发明实施例中,为了与其他出行方式区别,将步行出行量标记为“第四出行量”,为了测算步行出行量,该第二预设核算方法主要是综合了两部分:公式计算步行出现量和利用调查反馈数据验证公式计算结果。
具体的,公式计算步行出行量,主要是借助监测数据计算的,例如:在不同道路类型上选择监测点位,道路类型包括快速路、主干路、次干路、支路,点位选择包括住宅区、商业街、写字楼、商超、公园等各类型,每月选择2个工作日,全天对监测点位的步行流量数据进行监控,最终统计得到预设时间范围和地域内的步行出行量。
而对于调查方法,主要是结合调查得到变化趋势,反复验证结果,本发明实施例不做限定。本发明实施例目的是综合公式计算和线下调查实现得到更加准确的步行出行量数据。
105、利用第三预设核算方法,测算交通出行结构对应的总出行量。
在本发明实施例中,该总出行量为对应步骤101交通出行结构的总出行量,具体的,该第三预设核算方法可以是利用交通监测数据得到方法、调查方法等等,此处不做具体限定。
106、根据第一出行量、第二出行量、第三出行量、第四出行量以及总出行量,计算目标绿色出行方式的出行量与总出行量之间的比值,标记为第一指标值。
在本发明实施例中,根据第一出行量、第二出行量、第三出行量、第四出行量相加之和,得到目标绿色出行方式出行量(即轨道交通方式、地面公交方式、自行车方式和步行方式),利用该目标绿色出行方式出行量除以总出行量,就得到的比值,标记为第一指标值,该指标值表示目标绿色出行方式占比。
107、接收预设调查方法反馈的目标绿色出行方式对应调查所得出行量与调查所得交通出行结构总出行量之间的比值,标记为第二指标值。
在本发明实施例中,是利用本步骤对步骤106得到的第一指标值进行校核,具体的,是接收经预设调查方法得到的绿色出行方式占比(即第二指标值),利用该第二指标值进行步骤108的校核操作。
108、若第一指标值和第二指标值之间误差小于预设阈值,则将第一指标值作为目标绿色出行方式对应的绿色出行比例指标。
在本发明实施例中,主要是通过比较第一指标值和第二指标值之间误差,具体的,利用一个预设阈值去衡量两者之间误差大或小,若误差小于该预设阈值,则确认第一指标值足以准确去代表目标绿色出行比例,而否则情况,则需要重新测算每种出行方式出行量,再重新计算目标绿色出行比例指标。
本发明实施例提供一种绿色出行比例指标测算方法,本发明实施例是首先构建交通出行结构包括目标绿色出行方式、目标非绿色出行方式以及其他出行方式,继而在该交通出行结构下,利用获取到的交通运行监测数据和预设核算方法,核算轨道交通方式出行量和地面公交方式出行量,以及测算自行车方式出行量、步行方式出行量和该交通出行结构的总出行量,从而运算得到目标绿色出行方式出行量和总出行量之间比值,再利用接收预设调查方法反馈的绿色出行比例进行验证,从而确保测算得到最终的目标绿色出行方式对应的绿色出行比例指标是准确的。相较于现有技术,解决了现有采用两种方法成本高、效率低、不够准确的技术问题,本发明实施例综合交通运行监测数据、预设核算方法以及接收预设调查方法所得到的多源数据,实现自动测算绿色出行比例指标,操作简单高效,也提高了测算的准确率。
为了对上述实施例做出更加详细的说明,本发明实施例还提供了另一种绿色出行比例指标测算方法,如图2所示,对此本发明实施例提供以下具体步骤:
201、构建交通出行结构,交通出行结构包括:目标绿色出行方式、目标非绿色出行方式以及其他出行方式,目标绿色出行方式包含了轨道交通方式、地面公交方式、自行车方式、步行方式。
在本发明实施例中,对本步骤陈述,参见步骤101,此处不再赘述。
202、利用获取到的交通运行监测数据,核算轨道交通方式对应的第一出行量和地面公交方式对应的第二出行量。
在本发明实施例中,核算轨道交通出行量,主要是利用轨道交通的自动售票检票系统(Auto Fare Collection,AFC)刷卡进站数据,AFC是集计算机技术、信息收集和处理技术、机械制造于一体的自动化售票、检票系统,具有很强的智能化功能。自动售检票系统的便捷和准确性大大优于传统的纸票售票方式,它可以克服人工售检票模式中固有的速度慢、财务漏洞多、出错率高、劳动强度大等缺点,在防止假票,杜绝人情票,防止工作人员作弊,提高管理水平,减轻劳动强度,不仅是地铁和交通系统发展的一个趋势,也是城市信息化建设的一个重要体现。
根据该AFC刷卡进站数据,可以获取出行者进站、出站站点,统计出指标测算范围的进站量,进而实现计算在预设时间范围和地域范围内轨道交通方式对应的出行量,具体的,可以采用如下公式1:
轨道交通出行量=轨道交通进站量;
在本发明实施例中,核算地面公交方式对应的出行量的具体实施步骤包括如下:
首先,配置地面公交换乘系数、轨道交通地面公交换乘系数。具体的,在实施过程中,该两个系数可以预先配置为区间值。
其次,统计在预设时间范围和地域范围内地面公交的AFC刷卡乘车数据,作为地面公交客运量。利用轨道交通地面公交换乘系数与第一出行量相乘,计算得到接驳轨道交通客运量。具体的,可以采用如下公式2:
接驳轨道交通客运量=轨道交通地面公交换乘系数×轨道交通出行量;
最后,根据地面公交客运量与接驳轨道交通客运量之间差值,再除以地面公交换乘系数,计算得到地面公交方式对应的出行量。具体的,可以采用如下公式3:
地面公交出行量=(地面公交客运量-接驳轨道交通的客运量)/地面公交换乘系数;
需要说明的是,结合上述公式2和公式3分析,在核算地面公交出行量过程中有涉及考虑到存在轨道交通和地面公交换乘的情况,继而得到更加准确的地面公交出行量。
203、利用第一预设核算方法,测算自行车方式对应的第三出行量。
在本发明实施例中,为了测算自行车出行量,该第一预设核算方法主要是综合了两部分:公式计算自行车出现量和利用调查反馈数据验证公式计算结果。
对于公式计算自行车出行量的具体实施步骤,可以包括如下:
首先,利用在预设时间范围和地域范围内监测得到的共享单程骑行数据,计算自行车方式对应的出行量,具体的,可以采用如下公式4:
自行车出行量1=(共享单车骑行量/共享单车占比)×(1-自行车接驳系数);
其中,该共享单车占比和自行车接驳系数是预先配置的,自行车接驳系数可以配置为区间值,共享单车占比受不同时间、不同空间范围影响较大,需经实地调查给出参考值而进行配置。
对于利用调查反馈数据验证公式计算结果的具体实施步骤,可以包括如下:
首先,接收经调查反馈的在预设时间范围和地域范围内对应的自行车出行量;获取在预设时间范围和地域范围内对应的历史自行车出行量。根据经调查得到的自行车出行量、历史自行车出行量,计算同比变化率,标记为第一变化率值。
需要说明的是,对于该第一变化率值,相当于是利用调查方法获取的已知数据(自行车出行量和历史自行车出行量)而进行计算得到的。
其次,根据计算得到的自行车方式对应的出行量、历史自行车出行量,计算同比变化率,标记为第二变化率值。需要说明的是,该计算得到自行车方式对应出行量为上述部分(即公式计算自行车出行量)得到的。
最后,若判断第一变化率值和第二变化率值之间误差落入预设误差区间,则分别向第一变化率值和第二变化率值分配权重;根据计算得到的自行车方式对应的出行量、第一变化率值对应权重、第二变化率值对应权重,重新修正计算自行车出行方式对应的出行量。
具体的,为简明清晰地阐述本步骤,将第一变化率值标识为a%,将第二变化率值标识为b%,若|a-b|≤3,则直接采用公式计算结果。若|a-b|≥10,则考虑公式参数或调查结果误差过大,需重新计算。若3<|a-b|<10,则修正结果,以公式结果、调查结果权重分别为0.3、0.7重新计算自行车出行量,例举采用如下公式5:
自行车出行量2=自行车出行量1*(1+0.3*a%+0.7*b%);
需要说明的是,以上数值3、10、0.3、0.7仅为例举示例,本发明实施例对如何设置预设误差区间和分配的权重不做具体限定。
204、利用第二预设核算方法,测算步行方式对应的第四出行量。
在本发明实施例中,为了测算步行出行量,该第二预设核算方法主要是综合了两部分:公式计算步行出现量和利用调查反馈数据验证公式计算结果。
对于公式计算步行出现量的具体实施步骤可以如下:
在不同道路类型上选择监测点位,道路类型包括快速路、主干路、次干路、支路,点位选择包括住宅区、商业街、写字楼、商超、公园等各类型,每月选择2个工作日,全天对监测点位的步行流量数据进行监控。
对于利用调查反馈数据验证公式计算结果的具体实施步骤可以如下:
首先,在调查中,因调查是连续年度进行的调查,因此可对比连续年度的变化值,接收经调查反馈的在预设时间范围和地域范围内对应的步行出行量;获取在预设时间范围和地域范围内对应的历史步行出行量。根据经调查得到的步行出行量、历史步行出行量,计算同比变化率,标记为第三变化率值。
需要说明的是,对于该第三变化率值,相当于是利用调查方法获取的已知数据(步行出行量和历史步行出行量)而进行计算得到的。
其次,根据计算得到的步行方式对应的出行量、历史步行出行量,计算同比变化率,标记为第四变化率值。需要说明的是,该计算得到步行方式对应出行量为上述部分(即公式计算步行出行量)得到的。
最后,若判断第三变化率值和第四变化率值之间误差落入预设误差区间,则分别向第三变化率值和第四变化率值分配权重;根据计算得到的步行方式对应的出行量、第三变化率值对应权重、第四变化率值对应权重,重新修正计算步行方式对应的出行量
为便于简明清楚陈述,为简明清晰地阐述本步骤,将第三变化率值标识为a%,将第四变化率值标识为b%。若5≤|a-b|,则直接采用公式计算结果b%。若|a-b|≥15,则考虑公式参数或调查结果误差过大,需重新计算。若5<|a-b|<15,则修正结果,以公式结果、调查结果权重分别为0.2、0.8,计算c=0.2*a+0.8*b,例举采用如下公式6:
步行出行量=历史步行出行量×(1+c%);
需要说明的是,以上数值5、15、0.2、0.8仅为例举示例,本发明实施例对如何设置预设误差区间和分配的权重不做具体限定。
205、利用第三预设核算方法,测算交通出行结构对应的总出行量。
在本发明实施例中,采用的第三预设核算方法主要为:先是利用交通监测数据得到一个第一总出行量区间,再结合调查方法得到的第二总出行量区间来进行校核,最终测算出交通出行结构对应的总出行量。
在本步骤205中,首先,对于利用交通监测数据得到一个总出行量区间的具体实施步骤,可以如下:利用获取到在预设时间范围和地域范围内的手机信令数据,推算交通出行结构对应的总出行量区间,标记为第一总出行量区间。
其中,手机信令数据是指:随着信息化和大数据技术的普及,通过手机信令数据获取居民的出行状况等技术手段开始出现,在无线通信系统中,信令是除了传输用户信息之外,为使全网有序工作,用来保证正常通信所需要的控制信号,信令触发的主要流程包括手机关机、主叫、被叫、收发短信、服务请求、位置区切换等。
在本发明实施例中,利用手机信令数据得到发生交通出行行为的主要方法为:基于移动终端(手机)在移动网络间的位置区域切换记录,形成个人出行位置-时间序列,通过时间差和模拟的路径距离差,形成起点-停留点-终点的出行记录,通过大规模的统计和归类,进行交通出行的初步判断。
以上,对于本发明实施例,主要就是借助手机信令数据分析用户发生了交通出行行为,该出行行为是包括了目标绿色出行方式和目标非绿色出行方式的,进而经统计得到在预设时间范围和地域范围内发生的交通出行行为的总出行量。
在本步骤205中,其次,结合调查方法得到的第二总出行量区间的具体实施步骤,可以包括如下:
第一步骤,利用目标绿色出行方式对应的出行量、目标非绿色出行方式对应的出行量,计算两种出行量和。
本步骤中,目标绿色出行方式为:轨道交通方式、地面公交方式、自行车方式、步行方式;目标非绿色出行方式为:出租车方式和小汽车方式。
对于目标绿色出行方式,可以结合步骤202-204得到的第一出行量、第二出行量、第三出行量和第四出行量并进行求和运算。对于出租车方式和小汽车方式分别标识为第五出行量和第六出行量,对于获取方法,具体陈述如下:
首先,利用获取到的交通运行监测数据,核算出租车方式对应的第五出行量,具体的,可以基于行业统计出租车运次统计数据实现测算出行量,采用如下公式7:
出租车出行量=出租车运次*乘载率;
其中,乘载率为预先配置参数,该参数的阈值为[1.3,1.5]。
其次,利用获取到的交通运行监测数据,核算小汽车方式对应的第六出行量,具体的,包括如下:
现有装载于小汽车上的追踪车辆状态装置,可追踪到车辆的行车定位、点火状态、时间、里程等信息,例如:目前该装置覆盖北京市3万左右的小汽车。采用该样本数据判断小汽车出行量的变化趋势,采用公式8实现测算小汽车出行量:
小汽车出行量=上一年出行量×保有量变化幅度×出车率变化幅度×出行次数变化幅度×乘载率变化幅度;
其中,保有量变化幅度来自于小汽车保有量统计数据,出车率变化幅度、出行次数变化幅度、乘载率变化幅度均来自于样本数据。
其中有三个参数,出车率、出行次数、乘载率都是预先配置的,其参数参考区间分别为[50%,65%]、[2.6,3.7]、[1.1,1.35],该阈值范围适用于特大城市及大城市的中心城区范围。
以上,在本发明实施例中,利用目标绿色出行方式对应的出行量、目标非绿色出行方式对应的出行量,计算两种出行量和。
第二步骤,接收经调查反馈的其他出行方式对应的出行比例区间,根据其他出行方式对应的出行比例区间,推算两种出行量和对应的出行比例区间,根据两种出行量和(目标绿色出行量和目标非绿色出行量)、该两种出行量和对应的出行比例区间,计算交通出行结构对应的总出行区间,标记为第二总出行量区间。具体实施步骤,陈述如下:
首先,接收经调查反馈的其他出行方式对应的出行比例区间,由于交通出行结构为包括:目标绿色出行方式、目标非绿色出行方式和其他出行方式,因此能够根据1减去“其他出行方式对应的出行比例区间”,相应的,推算出这两种出行方式(即目标绿色出行方式和目标非绿色出行方式)对应的出行比例区间。
那么进一步的,利用“两种出行量和”除以“两种出行方式对应的出行比例区间”,计算得到交通出行结构对应的总出行区间,标记为第二总出行量区间。
第三步骤,根据第一总出行量区间和第二总出行量区间取区间交集,从区间交集中选取中间值,作为目标总出行量。具体实施步骤可以包括为:根据第一总出行量区间和第二总出行量区间取区间交集,从区间交集中选取中间值,作为最终的目标总出行量。
需要说明的是,在本发明实施例中,还可以利用目标总出行量和目标绿色出行方式和目标非绿色出行方式对应的六个出行方式出行量,进行进一步的反向验证操作,具体实施方法为如下:
利用目标总出行量减去六个出行方式出行量和,得到其他出行方式出行量,那么再利用该其他出行方式出行量除以目标总出行量,得到目标其他出行方式比例,继而再验证该目标其他出行方式比例是否落入了之前接收的“经调查反馈的其他出行方式对应的出行比例区间”,如果是,则验证操作通过,并确认该目标总出行量是准确的。
但如果不是,那么就重新调整“经调查反馈的其他出行方式对应的出行比例区间”,重新执行步骤205中的“第二步骤”,继而重新输出一个第二总出行量区间,再重新计算一个目标总出行量,再继续进行上述验证操作,看得到其他出行方式比例是否落入到本次经调整的“经调查反馈的其他出行方式对应的出行比例区间”,如果是,则验证操作通过,并确认本轮目标总出行量是准确的。但如果不是,那么再重复执行一遍获取目标总出行量操作,直到验证操作通过,才可以确认最终所需的目标总出行量。
206、根据第一出行量、第二出行量、第三出行量、第四出行量以及总出行量,计算目标绿色出行方式的出行量与总出行量之间的比值,标记为第一指标值。
在本发明实施例中,主要采用公式9实现测算目标绿色出行比例指标:
绿色出行比例=(轨道交通出行量+地面公交出行量+步行出行量+自行车出行量)/总出行量。
207、接收预设调查方法反馈的目标绿色出行方式对应调查所得出行量与调查所得交通出行结构总出行量之间的比值,标记为第二指标值。
208、若第一指标值和第二指标值之间误差小于预设阈值,则将第一指标值作为目标绿色出行方式对应的绿色出行比例指标。
在本发明实施例中,对于步骤206-208的陈述,参见步骤106-108,此处不再赘述,但是此处需要说明的是,若第一指标值和第二指标值之间误差大于预设阈值,则重新测算目标绿色出行比例指标,具体的,例如,在本发明实施例中由于计算不同出行方式出行量时会应用到配置的相关系数或参数,所以在重新测算目标绿色出行比例指标过程中,也应该合理地修改这些相关系数或参数,以获取到每个出行方式更加准确的出行量,进而用于计算最终目标绿色出行比例指标。
例如,在测算目标绿色出行比例指标过程中,涉及到如下相关系数或参数,如表一:
209、对交通出行结构中的出行方式对应的出行量进行验证,根据验证结果,判断是否需要对出行量进行修正。
在本发明实施例中,主要是接收相关调查法提供的数据反馈进行验证操作的,具体的可以是验证每个出行方式出行量数值变化趋势,进而判断是否需要对上述步骤201-208过程中出行量进行修正,以便于进一步的校准最终测算的目标绿色出行比例指标。
具体的,对于指标准确性验证,可以包括如下:
1、交通指数验证机动化出行量变化趋势
交通指数反映城市道路交通拥堵状况,其数值与机动化出行量的变化趋势相一致。
2、核查线调查数据验证各方式出行量变化趋势
核查线调查数据可获取城市主要道路的各方式流量数据,各方式流量数据变化趋势应与各方式出行量的变化趋势相一致。
3、卡口数据验证小汽车出行量变化趋势
高清卡口系统可对经过的汽车拍下图像,识别出车辆牌照,进而采集到的车辆的信息数据。可通过卡口数据获取上路小客车数据,与小汽车出行量变化趋势进行比对。
在本发明实施例中,结合步骤201-209,本发明实施例还给出了绿色出行比例指标测算的数据核算简易流程示意图,如图3,从而方便于协助清楚展示上述步骤。
进一步的,作为对上述图1、图2所示方法的实现,本发明实施例提供了一种绿色出行比例指标测算装置。该装置实施例与前述方法实施例对应,为便于阅读,本装置实施例不再对前述方法实施例中的细节内容进行逐一赘述,但应当明确,本实施例中的装置能够对应实现前述方法实施例中的全部内容。该装置应用于自动测算绿色出行比例指标,具体如图4所示,该装置包括:
构建单元31,用于构建交通出行结构,所述交通出行结构包括:目标绿色出行方式、目标非绿色出行方式以及其他出行方式,所述目标绿色出行方式包含了轨道交通方式、地面公交方式、自行车方式、步行方式;
核算单元32,用于利用获取到的交通运行监测数据,核算所述轨道交通方式对应的第一出行量和所述地面公交方式对应的第二出行量;
测算单元33,用于利用第一预设核算方法,测算所述自行车方式对应的第三出行量;
所述测算单元33,还用于利用第二预设核算方法,测算所述步行方式对应的第四出行量;
所述测算单元33,还用于利用第三预设核算方法,测算所述交通出行结构对应的总出行量;
计算单元34,用于根据所述第一出行量、所述第二出行量、所述第三出行量、所述第四出行量以及所述总出行量,计算所述目标绿色出行方式的出行量与所述总出行量之间的比值,标记为第一指标值;
接收单元35,用于接收预设调查方法反馈的所述目标绿色出行方式对应调查所得出行量与调查所得交通出行结构总出行量之间的比值,标记为第二指标值;
确定单元36,用于若所述第一指标值和所述第二指标值之间误差小于预设阈值,则将所述第一指标值作为所述目标绿色出行方式对应的绿色出行比例指标。
进一步,如图5所示,所述核算单元32包括:
计算模块321,用于利用轨道交通的AFC刷卡进站数据,计算在预设时间范围和地域范围内轨道交通方式对应的出行量。
进一步,如图4所示,所述核算单元32包括:
配置模块322,用于配置地面公交换乘系数、轨道交通地面公交换乘系数;
统计模块323,用于统计在所述预设时间范围和地域范围内地面公交的AFC刷卡乘车数据,作为地面公交客运量;
所述计算模块321,用于利用所述轨道交通地面公交换乘系数与所述第一出行量相乘,计算得到接驳轨道交通客运量;
所述计算模块321,用于根据所述地面公交客运量与所述接驳轨道交通客运量之间差值,再除以所述地面公交换乘系数,计算得到地面公交方式对应的出行量。
进一步,如图5所示,所述测算单元33包括:
第一计算模块3301,用于利用在所述预设时间范围和地域范围内监测得到的共享单程骑行数据,计算自行车方式对应的出行量;
接收模块3302,用于接收经调查反馈的在所述预设时间范围和地域范围内对应的自行车出行量;
获取模块3303,用于获取在所述预设时间范围和地域范围内对应的历史自行车出行量;
第二计算模块3304,用于根据经调查得到的所述自行车出行量、所述历史自行车出行量,计算同比变化率,标记为第一变化率值;
所述第二计算模块3304,用于根据计算得到的所述自行车方式对应的出行量、所述历史自行车出行量,计算同比变化率,标记为第二变化率值;
分配模块3305,用于若判断所述第一变化率值和所述第二变化率值之间误差落入预设误差区间,则分别向所述第一变化率值和所述第二变化率值分配权重;
修正模块3306,用于根据计算得到的所述自行车方式对应的出行量、所述第一变化率值对应权重、所述第二变化率值对应权重,重新修正计算自行车出行方式对应的出行量。
进一步,如图5所示,所述目标非绿色出行方式包含出租车方式、小汽车方式,所述装置还包括:
所述核算单元32,还用于在所述利用第三预设核算方法,测算所述交通出行结构对应的总出行量之前,利用获取到的交通运行监测数据,核算所述出租车方式对应的第五出行量和所述小汽车方式对应的第六出行量。
进一步,如图4所示,所述测算单元33还包括:
推算模块3307,用于利用获取到在所述预设时间范围和地域范围内的手机信令数据,推算交通出行结构对应的总出行量区间,标记为第一总出行量区间;
第三计算模块3308,还用于利用所述目标绿色出行方式对应的出行量、所述目标非绿色出行方式对应的出行量,计算两种出行量和;
所述接收模块3302,还用于接收经调查反馈的其他出行方式对应的出行比例区间;
所述推算模块3307,还用于根据所述其他出行方式对应的出行比例区间,推算所述两种出行量和对应的出行比例区间;
第三计算模块3308,用于根据所述两种出行量和、所述所述两种出行量和对应的出行比例区间,计算交通出行结构对应的总出行区间,标记为第二总出行量区间;
交集模块3309,用于根据所述第一总出行量区间和所述第二总出行量区间取区间交集;
确定模块3310,用于从所述区间交集中选取中间值,作为目标总出行量。
进一步,如图5所示,所述装置还包括:
验证单元37,用于对交通出行结构中的出行方式对应的出行量进行验证;
修正单元38,用于根据验证结果,判断是否需要对出行量进行修正。
综上所述,本发明实施例提供一种绿色出行比例指标测算方法及装置,本发明实施例是首先构建交通出行结构包括目标绿色出行方式、目标非绿色出行方式以及其他出行方式,继而在该交通出行结构下,利用获取到的交通运行监测数据和预设核算方法,核算轨道交通方式出行量和地面公交方式出行量,以及测算自行车方式出行量、步行方式出行量和该交通出行结构的总出行量,从而运算得到目标绿色出行方式出行量和总出行量之间比值,再利用接收预设调查方法反馈的绿色出行比例进行验证,从而确保测算得到最终的目标绿色出行方式对应的绿色出行比例指标是准确的。相较于现有技术,解决了现有采用两种方法成本高、效率低、不够准确的技术问题,本发明实施例综合交通运行监测数据、预设核算方法以及接收预设调查方法得到的多源数据,实现自动测算绿色出行比例指标,操作简单高效,也提高了测算的准确率。
所述绿色出行比例指标测算装置包括处理器和存储器,上述构建单元、核算单元、测算单元、计算单元、接收单元和确定单元等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来综合交通运行监测数据、预设核算方法以及接收预设调查方法得到的多源数据,实现自动测算绿色出行比例指标,操作简单高效,也提高了测算的准确率。
本发明实施例提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现所述绿色出行比例指标测算方法。
本发明实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行所述绿色出行比例指标测算方法。
本发明实施例提供了一种电子设备,设备包括至少一个处理器、以及与处理器连接的至少一个存储器、总线;其中,处理器、存储器通过总线完成相互间的通信;处理器用于调用存储器中的程序指令,以执行上述的绿色出行比例指标测算方法。
本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:
一种绿色出行比例指标测算方法,所述方法包括:构建交通出行结构,所述交通出行结构包括:目标绿色出行方式、目标非绿色出行方式以及其他出行方式,所述目标绿色出行方式包含了轨道交通方式、地面公交方式、自行车方式、步行方式;利用获取到的交通运行监测数据,核算所述轨道交通方式对应的第一出行量和所述地面公交方式对应的第二出行量;利用第一预设核算方法,测算所述自行车方式对应的第三出行量;利用第二预设核算方法,测算所述步行方式对应的第四出行量;利用第三预设核算方法,测算所述交通出行结构对应的总出行量;根据所述第一出行量、所述第二出行量、所述第三出行量、所述第四出行量以及所述总出行量,计算所述目标绿色出行方式的出行量与所述总出行量之间的比值,标记为第一指标值;接收预设调查方法反馈的所述目标绿色出行方式对应调查所得出行量与调查所得交通出行结构总出行量之间的比值,标记为第二指标值;若所述第一指标值和所述第二指标值之间误差小于预设阈值,则将所述第一指标值作为所述目标绿色出行方式对应的绿色出行比例指标。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
在一个典型的配置中,设备包括一个或多个处理器(CPU)、存储器和总线。设备还可以包括输入/输出接口、网络接口等。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种绿色出行比例指标测算方法,其特征在于,所述方法包括:
构建交通出行结构,所述交通出行结构包括:目标绿色出行方式、目标非绿色出行方式以及其他出行方式,所述目标绿色出行方式包含了轨道交通方式、地面公交方式、自行车方式、步行方式;
利用获取到的交通运行监测数据,核算所述轨道交通方式对应的第一出行量和所述地面公交方式对应的第二出行量;
利用第一预设核算方法,测算所述自行车方式对应的第三出行量;
利用第二预设核算方法,测算所述步行方式对应的第四出行量;
利用第三预设核算方法,测算所述交通出行结构对应的总出行量;
根据所述第一出行量、所述第二出行量、所述第三出行量、所述第四出行量以及所述总出行量,计算所述目标绿色出行方式的出行量与所述总出行量之间的比值,标记为第一指标值;
接收预设调查方法反馈的所述目标绿色出行方式对应调查所得出行量与调查所得交通出行结构总出行量之间的比值,标记为第二指标值;
若所述第一指标值和所述第二指标值之间误差小于预设阈值,则将所述第一指标值作为所述目标绿色出行方式对应的绿色出行比例指标。
2.根据权利要求1所述的方法,其特征在于,利用获取到的交通运行监测数据,核算所述轨道交通方式对应的第一出行量,包括:
利用轨道交通的AFC刷卡进站数据,计算在预设时间范围和地域范围内轨道交通方式对应的出行量。
3.根据权利要求1所述的方法,其特征在于,利用获取到的交通运行监测数据,核算所述地面公交方式对应的第二出行量,包括:
配置地面公交换乘系数、轨道交通地面公交换乘系数;
统计在所述预设时间范围和地域范围内地面公交的AFC刷卡乘车数据,作为地面公交客运量;
利用所述轨道交通地面公交换乘系数与所述第一出行量相乘,计算得到接驳轨道交通客运量;
根据所述地面公交客运量与所述接驳轨道交通客运量之间差值,再除以所述地面公交换乘系数,计算得到地面公交方式对应的出行量。
4.根据权利要求1所述的方法,其特征在于,所述利用第一预设核算方法,测算所述自行车方式对应的第三出行量,包括:
利用在所述预设时间范围和地域范围内监测得到的共享单程骑行数据,计算自行车方式对应的出行量;
接收经调查反馈的在所述预设时间范围和地域范围内对应的自行车出行量;
获取在所述预设时间范围和地域范围内对应的历史自行车出行量;
根据经调查得到的所述自行车出行量、所述历史自行车出行量,计算同比变化率,标记为第一变化率值;
根据计算得到的所述自行车方式对应的出行量、所述历史自行车出行量,计算同比变化率,标记为第二变化率值;
若判断所述第一变化率值和所述第二变化率值之间误差落入预设误差区间,则分别向所述第一变化率值和所述第二变化率值分配权重;
根据计算得到的所述自行车方式对应的出行量、所述第一变化率值对应权重、所述第二变化率值对应权重,重新修正计算自行车出行方式对应的出行量。
5.根据权利要求1所述的方法,其特征在于,所述目标非绿色出行方式包含出租车方式、小汽车方式,在所述利用第三预设核算方法,测算所述交通出行结构对应的总出行量之前,所述方法还包括:
利用获取到的交通运行监测数据,核算所述出租车方式对应的第五出行量和所述小汽车方式对应的第六出行量。
6.根据权利要求5所述的方法,其特征在于,所述利用第三预设核算方法,测算所述交通出行结构对应的总出行量,包括:
利用获取到在所述预设时间范围和地域范围内的手机信令数据,推算交通出行结构对应的总出行量区间,标记为第一总出行量区间;
利用所述目标绿色出行方式对应的出行量、所述目标非绿色出行方式对应的出行量,计算两种出行量和;
接收经调查反馈的其他出行方式对应的出行比例区间;
根据所述其他出行方式对应的出行比例区间,推算所述两种出行量和对应的出行比例区间;
根据所述两种出行量和、所述所述两种出行量和对应的出行比例区间,计算交通出行结构对应的总出行区间,标记为第二总出行量区间;
根据所述第一总出行量区间和所述第二总出行量区间取区间交集;
从所述区间交集中选取中间值,作为目标总出行量。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
对交通出行结构中的出行方式对应的出行量进行验证;
根据验证结果,判断是否需要对出行量进行修正。
8.一种绿色出行比例指标测算装置,其特征在于,所述装置包括:
构建单元,用于构建交通出行结构,所述交通出行结构包括:目标绿色出行方式、目标非绿色出行方式以及其他出行方式,所述目标绿色出行方式包含了轨道交通方式、地面公交方式、自行车方式、步行方式;
核算单元,用于利用获取到的交通运行监测数据,核算所述轨道交通方式对应的第一出行量和所述地面公交方式对应的第二出行量;
测算单元,用于利用第一预设核算方法,测算所述自行车方式对应的第三出行量;
所述测算单元,还用于利用第二预设核算方法,测算所述步行方式对应的第四出行量;
所述测算单元,还用于利用第三预设核算方法,测算所述交通出行结构对应的总出行量;
计算单元,用于根据所述第一出行量、所述第二出行量、所述第三出行量、所述第四出行量以及所述总出行量,计算所述目标绿色出行方式的出行量与所述总出行量之间的比值,标记为第一指标值;
接收单元,用于接收预设调查方法反馈的所述目标绿色出行方式对应调查所得出行量与调查所得交通出行结构总出行量之间的比值,标记为第二指标值;
确定单元,用于若所述第一指标值和所述第二指标值之间误差小于预设阈值,则将所述第一指标值作为所述目标绿色出行方式对应的绿色出行比例指标。
9.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行如权利要求1-7中任一项所述的绿色出行比例指标测算方法。
10.一种电子设备,其特征在于,所述设备包括至少一个处理器、以及与所述处理器连接的至少一个存储器、总线;
其中,所述处理器、所述存储器通过所述总线完成相互间的通信;
所述处理器用于调用所述存储器中的程序指令,以执行如权利要求1-7中任一项所述的绿色出行比例指标测算方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111109495.8A CN113919662A (zh) | 2021-09-22 | 2021-09-22 | 一种绿色出行比例指标测算方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111109495.8A CN113919662A (zh) | 2021-09-22 | 2021-09-22 | 一种绿色出行比例指标测算方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113919662A true CN113919662A (zh) | 2022-01-11 |
Family
ID=79235536
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111109495.8A Pending CN113919662A (zh) | 2021-09-22 | 2021-09-22 | 一种绿色出行比例指标测算方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113919662A (zh) |
-
2021
- 2021-09-22 CN CN202111109495.8A patent/CN113919662A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xie et al. | Analysis of traffic crashes involving pedestrians using big data: Investigation of contributing factors and identification of hotspots | |
Hussain et al. | Transit OD matrix estimation using smartcard data: Recent developments and future research challenges | |
Jarašūniene | Research into intelligent transport systems (ITS) technologies and efficiency | |
Batterman et al. | Temporal variation of traffic on highways and the development of accurate temporal allocation factors for air pollution analyses | |
Wang et al. | Estimating dynamic origin-destination data and travel demand using cell phone network data | |
Chen et al. | Data analytics approach for travel time reliability pattern analysis and prediction | |
CN105139638A (zh) | 一种出租车载客点选取的方法及系统 | |
You et al. | A GPS data processing framework for analysis of drayage truck tours | |
Turner et al. | Measuring and estimating congestion using travel time–based procedures | |
Dypvik Landmark et al. | Mobile phone data in transportation research: methods for benchmarking against other data sources | |
CN110853156A (zh) | 融合公交gps轨迹与ic卡数据的乘客od识别方法 | |
CN107993437B (zh) | 新增公交路线的方法、装置、计算机设备和存储介质 | |
Chepuri et al. | Travel time reliability analysis on selected bus route of mysore using GPS data | |
Cyril et al. | Electronic ticket machine data analytics for public bus transport planning | |
JP2007257514A (ja) | 塵芥収集車、塵芥収集車の運行管理システム、センタ装置、及び塵芥収集車の運行管理方法 | |
Dowling et al. | Incorporating travel-time reliability into the congestion management process: a primer. | |
WO2003098556A1 (en) | A system for evaluating a vehicles usage within zones | |
CN113919662A (zh) | 一种绿色出行比例指标测算方法及装置 | |
CN111680707A (zh) | 基于公交系统的刷卡数据分析方法、电子终端及存储装置 | |
CN113192338B (zh) | 基于多源数据的提升货运车辆通行效率的方法及装置 | |
McCormack et al. | GPS truck data performance measures program in Washington State | |
De Palma et al. | Traffic congestion pricing methods and technologies | |
TWI635447B (zh) | 乘車需求量預測方法及系統 | |
CN111754760A (zh) | 一种确定公交下车站点的方法、装置及上位机 | |
Dion et al. | New Data and Methods for Estimating Regional Truck Movements |
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 |