CN114501336A

CN114501336A - 一种公路出行量测算方法、装置、电子设备及存储介质

Info

Publication number: CN114501336A
Application number: CN202210141541.0A
Authority: CN
Inventors: 夏晶; 赵倩阳; 于丹阳; 陈建华; 胡希元; 隋丽娜; 王屾; 秦芬芬; 林成功; 李贺华; 吕阳; 黄晓凡; 何涛
Original assignee: China Academy of Transportation Sciences
Current assignee: China Academy of Transportation Sciences
Priority date: 2022-02-16
Filing date: 2022-02-16
Publication date: 2022-05-13
Anticipated expiration: 2042-02-16
Also published as: CN114501336B

Abstract

本发明实施例公开了一种公路出行量测算方法、装置、电子设备及存储介质，所述测算方法包括：获取基础手机信令数据集；对所述基础手机信令数据集进行数据清洗处理，以得到多条待测算信令数据；根据各待测算信令数据中的通信基站信息和定位轨迹信息获取对应的用户公路出行数据；将所述用户公路出行数据的类型划分为跨区域的第一出行类型和区域内的第二出行类型；根据划分后的第一出行类型和第二出行类型的用户出行数据分别计算第一类公路出行量和第二类公路出行量；汇总第一类公路出行量和第二类公路出行量得到目标地区预设时间范围内的公路出行量。本申请通过对手机信令数据的处理，以及对出行类型的划分，能够更加全面且准确的统计公路出行量。

Description

一种公路出行量测算方法、装置、电子设备及存储介质

技术领域

本发明涉及数据处理领域，尤其涉及一种公路出行量测算方法、装置、电子设备及存储介质。

背景技术

目前，公路旅客运输量统计方法主要有以下两种：

(1)通过每2-3年开展一次运输量抽样调查，以抽样调查基数结合月度波动系数方法进行非调查月度的数据统计。

(2)运用交通运输企业一套表联网直报系统统计从事公路旅客运输业务且拥有客运车辆的经营业户的月度客运量。

上述统计方法的统计对象均为从事营业性旅客运输的公路运输工具及公路上运营的车辆产生的运输量，统计口径小，忽略了在公路上的其他新业态运输方式如私家车、城乡巴士、网约车等产生的出行量，导致营业性公路客运量统计结果与全国客运真实承载水平和公众出行需求不相匹配。

因此，亟需一种更加准确、更加全面的公路旅客运输量统计方法。

发明内容

为了解决上述技术问题，本申请实施例提供了一种公路出行量测算方法、装置、电子设备及计算机可读存储介质，具体方案如下：

第一方面，本申请实施例提供了一种公路出行量测算方法，所述测算方法包括：

获取目标地区预设时间范围内的基础手机信令数据集；

对所述基础手机信令数据集进行数据清洗处理，以得到目标手机信令数据集，其中，所述目标手机信令数据集包括多条待测算信令数据，每一条待测算信令数据均具有对应的手机识别号；

根据各待测算信令数据中的通信基站信息和定位轨迹信息获取对应各手机识别号的用户出行数据；

根据所述用户出行数据中的出行定位信息，将所述用户出行数据的类型划分为第一出行类型和第二出行类型，其中，其中，所述第一出行类型为轨迹跨预设区域的出行，所述第二出行类型为轨迹在预设区域内的出行；

基于预设的出行方式划分规则划分所述第一出行类型的用户出行数据，并根据划分后的第一出行类型的用户出行数据计算第一类公路出行量；

基于预设的城区/非城区划分规则划分所述第二出行类型的用户出行数据，并根据划分后的第二出行类型的用户出行数据计算第二类公路出行量；

根据所述第一类公路出行量和所述第二类公路出行量计算目标地区预设时间范围内的公路出行量。

根据本申请实施例的一种具体实施方式，对所述基础手机信令数据集进行数据清洗处理的步骤，包括：

根据所述手机识别号、时间戳和蜂窝小区标号三个筛选字段对所述基础手机信令数据集中的全部手机信令数据进行轮询，并对每一手机信令数据同步执行以下筛选步骤：

保留所述手机信令数据中同时具有所述手机识别号、所述时间戳和所述蜂窝小区标号的记录数据；

若所述手机信令数据记录的事件类型中包括失败类型数据，删除所述手机信令数据；

识别并过滤所述手机信令数据中的乒乓数据。

根据本申请实施例的一种具体实施方式，保留手机信令数据中同时具有所述手机识别号、所述时间戳和所述蜂窝小区标号的记录数据的步骤，还包括：

若所述手机信令数据包括的记录数据中出行重复数据，保留一条记录数据并删除重复部分数据，其中，所述重复数据为所述手机识别号、所述时间戳和所述蜂窝小区标号三个筛选字段均相同的手机信令数据。

若所述待测算信令数据的所述手机识别号、所述时间戳和所述蜂窝小区标号三个筛选字段中任一筛选字段出现重复数据，保留一条对应筛选字段并删除所述重复数据。

根据本申请实施例的一种具体实施方式，根据各待测算信令数据中的通信基站信息和定位轨迹信息获取对应各手机识别号的用户出行数据的步骤，包括：

将所述通信基站信息转换为经纬度信息；

根据所述经纬度信息和所述定位轨迹信息获取对应每一个手机识别号的出行定位信息；

根据预设的驻留点识别规则和驻留区域识别规则从同一手机识别号的所述出行定位信息中识别出驻留点和驻留区域；

根据同一手机识别号的驻留点和驻留区域得到对应手机识别号的用户出行数据，所述用户出行数据包括出行轨迹、出行距离和出行时间。

根据本申请实施例的一种具体实施方式，根据所述用户出行数据中的出行定位信息，将所述用户出行数据的类型划分为第一出行类型和第二出行类型的步骤，包括：

若根据所述用户出行数据判定所述用户出行轨迹为跨省出行和跨市出行，则将所述用户出行数据的类型划分为第一出行类型；

若根据所述用户出行数据判定所述用户出行轨迹为市内出行，则将所述用户出行数据的类型划分为所述第二出行类型。

根据本申请实施例的一种具体实施方式，基于预设的出行方式划分规则划分所述第一出行类型的用户出行数据，并根据划分后的第一出行类型的用户出行数据计算第一类公路出行量的步骤，包括：

根据所述第一出行类型的用户出行数据获取属于第一出行类型的第一出行总量；

若所述第一出行类型的用户出行数据的出行速度满足民航速度阈值，且出行距离满足民航距离阈值，将所述用户出行数据对应的用户统计为民航出行量，所述出行速度为出行距离/出行时间；

若所述第一出行类型的用户出行数据的出行轨迹与动车线路匹配，且出行速度满足动车速度阈值，将所述用户出行数据对应的用户统计为动车出行量；

根据所述动车出行量和所述动车出行量在营业性铁路客运量中的占比，计算铁路出行量；

根据所述第一出行总量、所述民航出行量和所述铁路出行量计算第一类公路出行量。

根据本申请实施例的一种具体实施方式，基于预设的出行方式划分规则划分所述第一出行类型的用户出行数据，并根据划分后的第一出行类型的用户出行数据计算第一类公路出行量的步骤，还包括：

根据预设参考数据库中的数据对所述民航出行量、所述铁路出行量和所述第一类公路出行量进行数据校验；

若目标统计出行量与所述预设参考数据库中的参考客运总量的比值大于预设的公路出行误差阈值，跳转执行统计所述第一出行总量的步骤，其中，所述目标统计出行量为所述民航出行量、所述铁路出行量和所述第一类公路出行量之和；

若所述民航出行量与所述预设参考数据库中的民航参考客运量的比值大于预设的民航出行误差阈值，跳转执行统计所述民航出行量的步骤；

若所述铁路出行量与所述预设参考数据库中的铁路参考客运量的比值大于预设的铁路出行误差阈值，跳转执行统计所述铁路出行量的步骤。

根据本申请实施例的一种具体实施方式，基于预设的城区/非城区划分规则划分所述第二出行类型的用户出行数据，并根据划分后的第二出行类型的用户出行数据计算第二类公路出行量的步骤，包括：

根据预设的城区/非城区划分规则划分出目标地区的城区集合和非城区集合；

根据所述第二出行类型的用户出行数据、目标地区的城区集合和非城区集合，计算属于第二出行类型的第二出行总量、城区道路出行量以及地铁出行量；

根据所述第二出行总量、城区道路出行量以及地铁出行量计算第二类公路出行量。

第二方面，本申请实施例还提出了一种公路出行量测算装置，所述测算装置包括：

第一获取模块，用于获取目标地区预设时间范围内的基础手机信令数据集；

清洗模块，用于对所述基础手机信令数据集进行数据清洗处理，以得到目标手机信令数据集，其中，所述目标手机信令数据集包括多条待测算信令数据，每一条待测算信令数据均具有对应的手机识别号；

第二获取模块，用于根据各待测算信令数据中的通信基站信息和定位轨迹信息获取对应各手机识别号的用户出行数据；

划分模块，用于根据所述用户出行数据中的出行定位信息，将所述用户出行数据的类型划分为第一出行类型和第二出行类型，其中，所述第一出行类型的出行距离远大于所述第二出行类型的出行距离；

第一计算模块，用于基于预设的出行方式划分规则划分所述第一出行类型的用户出行数据，并根据划分后的第一出行类型的用户出行数据计算第一类公路出行量；

第二计算模块，用于基于预设的城区/非城区划分规则划分所述第二出行类型的用户出行数据，并根据划分后的第二出行类型的用户出行数据计算第二类公路出行量；

第三计算模块，用于根据所述第一类公路出行量和所述第二类公路出行量计算目标地区预设时间范围内的公路出行量。

第三方面，本申请实施例提供了一种电子设备，包括处理器和存储器，所述存储器存储有计算机程序，所述计算机程序在所述处理器上运行时执行第一方面所述的公路出行量测算方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序在处理器上运行时执行第一方面所述的公路出行量测算方法。

本申请实施例提供了一种公路出行量测算方法、装置、电子设备及存储介质，所述测算方法包括：获取目标地区预设时间范围内的基础手机信令数据集；对所述基础手机信令数据集进行数据清洗处理，以得到多条待测算信令数据；根据各待测算信令数据中的通信基站信息和定位轨迹信息获取对应各手机识别号的用户出行数据；根据所述用户出行数据中的出行定位信息，将所述用户出行数据的类型划分为第一出行类型和第二出行类型；根据划分后的第一出行类型的用户出行数据计算第一类公路出行量；根据划分后的第二出行类型的用户出行数据计算第二类公路出行量；汇总第一类公路出行量和第二类公路出行量则得到了目标地区预设时间范围内的公路出行量。本申请实施例通过基础手机信令的处理，以及出行类型的划分，能够更加全面且准确的统计公路出行量。

附图说明

为了更清楚地说明本发明的技术方案，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本发明保护范围的限定。在各个附图中，类似的构成部分采用类似的编号。

图1示出了本申请实施例提供的一种公路出行量测算方法的方法流程示意图；

图2示出了本申请实施例提供的一种公路出行量测算方法中用户出行数据的轨迹示意图；

图3示出了本申请实施例提供的一种公路出行量预测装置的装置模块示意图。

具体实施方式

下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的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。

在下文中，可在本发明的各种实施例中使用的术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合，并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。

此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

除非另有限定，否则在这里使用的所有术语(包括技术术语和科学术语)具有与本发明的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义，除非在本发明的各种实施例中被清楚地限定。

参考图1，为本申请实施例提供的一种公路出行量测算方法的方法流程示意图，本申请实施例提供了一种公路出行量测算方法，如图1所示，所述公路出行量测算方法包括：

步骤S101，获取目标地区预设时间范围内的基础手机信令数据集；

在具体实施例中，所述公路出行量是指用户利用营业性交通工具和非营业性交通工具在公路上完成的旅客出行量，所述公路出行量不包括城市内部城市道路的出行量，可以拆分为跨一级行政区公路出行量、跨二级行政区公路出行量和二级行政区内城区与非城区之间的公路出行量，二级行政区内非城区与非城区之间的公路出行量。

所述一级行政区包括省、直辖市，所述二级行政区包括地级市、地区、自治州和盟。具体的，所述一级行政区和所述二级行政区的定义也可以根据实际应用场景进行自适应替换，此处不对所述一级行政区和所述二级行政区包括的部分作唯一限定。

所述目标地区可以根据用户需要选择的任意地区范围，在本实施例中所述目标地区为包括省级行政区、市级行政区、县级行政区的地区范围。

所述预设时间范围可以根据用户需要选择任意时间范围，在本实施例中，所述预设时间范围可以为一天、一个月或一年。

从手机运营商获取预设时间范围内的基础手机信令数据，其中，所述手机运行商可以为联通、移动、电信等运行商，此处不对手机运行商作具体限定。

所述基础手机信令数据集内包括目标地区内预设时间范围所有的手机信令数据，所述手机信令数据包括手机识别号(Mobile Equipment IDentifier，简称MSID)、用户身份信息、信令获取时间、通信基站信息和事件类型等数据。

具体的，所述手机识别号对应唯一的一台终端设备，可以通过所述手机信令数据中的手机识别号和用户身份信息关联对应的使用用户，在后续的用户出行数据获取步骤和出行量统计步骤中，可以通过手机识别号确认对应用户的出行数据，并将一个手机识别号记为一个出行量。

从运营商端获取所述基础手机信令数据集后，可以通过对所述手机信令数据按日、按城市统计手机识别号MSID，结合各省统计局发布的城市常住人口数、运营商在该城市的市场占有率，评估手机信令数据量是否合理，防止所述基础手机信令数据集因存储、传输等原因导致的数据总量缺失影响出行量推算精准度。

对得到的手机信令数据进行扩样，将统计数据、互联网数据、人工智能话单数据相结合，以单一运营商用户为源头，识别用户所在位置，通过卷积神经网络深度学习将用户位置、通话时间、通话时长等因素与对象用户位置建立联系，所述对象用户包括现有各运营商的全部用户，估计目标区域内各运营商用户的占比，并在此基础上，以相关部门公布的运营商实际占比对预估值进行校验，得到全国手机信令OD数据。

计算所述基础手机信令数据集中手机信令数据中预设时间范围内每日性别比例，年龄结构比例，并运用ADF检验方法，判定数据稳定性。

步骤S102，对所述基础手机信令数据集进行数据清洗处理，以得到目标手机信令数据集，其中，所述目标手机信令数据集包括多条待测算信令数据，每一条待测算信令数据均具有对应的手机识别号；

在具体实施例中，所述基础手机信令数据集中的手机信令数据中可能会存在缺失、重复、潜在定位错误、产生“乒乓切换”现象等异常情况，在进行测算和划分步骤前，还需要对所述基础手机信令数据集进行数据清洗以得到具有完整手机信令数据的目标手机信令数据集。

具体的，按照数据清洗规则对数据进行清洗，对缺失、重复、潜在定位错误、产生“乒乓切换”现象的数据进行删除、修复等处理。

清洗后的目标手机信令数据集中的每一条待测算信令数据均具有唯一的手机识别号，用于进行数量统计。

识别并过滤所述基础手机信令数据集中的乒乓数据。

在具体实施例中，对应一个手机识别号的手机信令数据中包括多条记录数据，所述记录数据包括手机与基站之间的通信内容、通信时间、通信位置等数据信息。

将手机识别号MSID、时间戳TimeStamp和蜂窝小区标号CellID定义为三个筛选字段，对所述基础手机信令数据集进行轮询，并根据预设的筛选规则对基础手机信令数据集中手机信令数据的记录数据进行筛选。

具体的，所述筛选步骤包括：

步骤一，将所述手机识别号、所述时间戳和所述蜂窝小区标号三个筛选字段值至少一个为空的记录视为缺失数据，删除所有缺失数据，保留同时具有所述手机识别号、所述时间戳和所述蜂窝小区标号的记录。

步骤二，将手机识别号MSID、时间戳TimeStamp和蜂窝小区标号CellID这三个关键字段都相同的记录定义为重复数据，保留一条记录，其它重复记录数据直接删除。

步骤三，手机信令数据中事件类型EventID字段记录了信令数据的类型，若所述事件类型中存在失败类型数据，这种情况下手机定位的位置信息无法反映用户的真实位置，删除包括失败类型数据的手机信令数据。

步骤四，设计识别与过滤算法，将“乒乓切换”现象导致的大量失真且冗余的数据进行过滤。

具体的，当用户处于多个基站覆盖区域的重合处时，手机不断的在多个基站之间来回切换连接，但实际情况下用户并未在多个基站内来回移动，此部分基站通信数据为乒乓数据。

具体的，所述识别与过滤算法可以采用现有技术中任意一种识别和过滤乒乓数据的算法，此处不作限定。

步骤S103，根据各待测算信令数据中的通信基站信息和定位轨迹信息获取对应各手机识别号的用户出行数据；

在具体实施例中，根据通信基站位置和手机定位技术，进行用户位置识别，形成具有时间信息和空间信息的用户出行数据。

识别出行驻留点，判断旅客某一段时间出行的所有起终点。对起点、终点进行聚类分析，识别用户出行的区域。

将所述通信基站信息转换为经纬度信息；

在具体实施例中，将信令数据中的移动通信基站信息转换成经纬度信息，对与每一个手机识别号MSID对应的待测算信令数据的定位数据，按照定位数据的获取时间进行排序，生成每一位用户的定位轨迹信息，所述定位信息如图2所示。

对所述定位轨迹信息中的点进行识别，识别出定位点。对于所有定位点，若某一点长时间无位置移动变化，且用户在该点停留的时间超过提前设定的驻留时间阈值T，将该点定为驻留点。

对于其余定位点，若两个相邻定位点之间距离较小、移动时间较短，如图2中P4点到P5点和P5点到P6点所示，认为用户在这个区域内小范围移动，或者是由于定位误差产生的类似用户位置移动效果，将此类定位点形成区域定义为驻留区域，用户在该驻留区域停留的时间超过设定的驻留时间阈值，将该区域的几何中心点定为驻留点，其中，所述驻留时间阈值T可以为0.5小时，所述驻留点如图2中的P8点所示。

计算相邻两个驻留点之间的距离，距离超过设定的驻留距离阈值D，将这两个驻留点定义为出行的起点和终点，其中，所述起点和终点可以如图2的P2点和P8点所示。

需知的，所述驻留时间阈值和所述驻留距离阈值的选择可以根据实际应用场景进行适应性替换，上述限定不作唯一限定。

步骤S104，根据所述用户出行数据中的出行定位信息，将所述用户出行数据的类型划分为第一出行类型和第二出行类型，其中，所述第一出行类型为轨迹跨预设区域的出行，所述第二出行类型为轨迹在预设区域内的出行；

在具体实施例中，待测算的公路出行量包括跨省公路出行量、跨市公路出行量和市内跨区/县公路出行量，对于不同类型的公路出行量可以采用不同的测算方式，以提升测算公路出行量的速度。

在进行具体测算步骤之前，还需要根据对应每一手机识别号的用户出行数据中的出行定位信息，将全部用户出行数据划分为第一出行类型的出行数据和第二出行类型的出行数据。

若根据所述用户出行数据判定所述用户出行轨迹为市内跨区/县出行，则将所述用户出行数据的类型划分为所述第二出行类型。

在具体实施例中，可以根据用户出行数据中的起点和终点进行聚类分析，并根据同一用户的用户出行数据的起点位置和终点位置判断所述用户出行轨迹的所属类型。当用户出行数据的起点位置和终点位置分别位于不同的省级行政区域或市级行政区域，且用户在所述起点和所述终点的驻留时间均超过了第一驻留时间阈值时，将用户出行轨迹划分为跨省出行和跨市出行，并将用户出行数据的类型划分为第一出行类型，其中，所述第一驻留时间阈值可以为3小时或更长的时间。

当用户出行起点和终点位于同一城市的不同区县，且用户在所述起点和所述终点的驻留时间均超过第二驻留时间阈值时，定义该出行为市内跨区/县出行，其中，所述第二驻留时间阈值可以为0.5小时或更长的时间。

具体的，所述聚类方法可以采用K-means方法、K-中心点方法、CLARANS方法等常用聚类算法，此处不对本实施例使用的聚类方法作具体限定。

步骤S105，基于预设的出行方式划分规则划分所述第一出行类型的用户出行数据，并根据划分后的第一出行类型的用户出行数据计算第一类公路出行量；

在具体实施例中，通过对不同出行方式的特性进行归纳分析，结合手机信令的特点，可以建立基于手机信令的旅客出行方式判别模型。并通过所述旅客出行方式判别模型区分铁路、公路、民航出行方式，在统计完各类出行方式的出行量后，可以通过预设的计算规则计算出第一类公路出行量。

具体的，所述第一类公路出行量为跨省公路出行量和跨市公路出行量。

在具体实施例中，在划分完第一出行类型和第二出行类型的用户出行数据后，则可以根据属于第一出行类型的用户数据的手机识别号数量统计属于第一出行类型的第一出行总量，其中，所述第一出行总量为跨省出行总量和跨市出行总量之和V′_p+c。

统计民航出行量的步骤包括，获取第一出行类型的用户出行数据，并将所述用户出行数据中的出行速度与所述民航速度阈值进行比较，将所述用户出行数据中的出行距离与所述民航距离阈值进行比较。若所述出行速度超过所述民航速度阈值，若所述出行距离超过所述民航距离阈值，则可以将所述用户出行数据对应的用户统计为民航出行量，即记录所述用户出行数据对应的手机识别号。

具体的，在判断民航出行量时，还可以根据待测算手机信令数据的信令消失时间作为判断依据，信令消失时间为手机关机时间或手机打开飞行模式的时间。

举例来说，可以按照信令消失时间T_disappear＞30分钟(min)，出行速度S≥360千米每小时(km/h)，飞机出行的最小航行距离D_flight＞170千米(km)的标准识别出飞机出行方式，并计算得出民航出行量V′_plane。

统计铁路出行量的步骤包括，获取第一出行类型的用户出行数据，将用户出行轨迹与动车线路进行匹配，再将用户出行数据中的出行速度与预设的动车速度阈值进行比较。若线路匹配且所述出行速度超过所述动车速度阈值，将所述用户出行数据对应的用户统计为动车出行量。

在统计完动车出行量后，根据预设的动车出行量在营业性铁路客运量中的占比，计算出铁路出行量。

所述动车速度阈值的设置可以根据实际应用场景进行设置，需知的，所述动车速度阈值可以设置为180千米每小时。

具体的，计算信令铁路出行量V′_train的步骤，可以由动车(含高铁)出行量V′_high-speed与当月动车(含高铁)客运量V_high-speed在当月营业性铁路客运量V_train中占比推算得来。

所述推算公式为V′_train＝V_trainV′_high-speed/V_high-speed。

统计第一类公路出行量V′_{p+c highway}的步骤包括，通过跨省出行总量和跨市出行总量之和V′_p+c减去民航出行量V′_plane和铁路出行量V′_train得到。

具体的，所述第一类公路出行量的计算公式为V′_{p+c highway}＝V′_p+c-V′_plane-V′_train。

在具体实施例中，具体的，在计算得到所述公路出行量后，还需要对计算所述第一类公路出行量的步骤进行核算验证。运用相关部门统计数据进行数据外部校核，将基于手机信令数据测算的所述民航出行量、所述铁路出行量和所述第一类公路出行量和各方式各区域出行量、与月度营业性客运量数据对比，验证数据准确性，分析数据差异的合理性。

在具体实施例中，核算验证所述第一类公路出行量的准确性的步骤包括，通过公式

计算目标统计出行量V′与同期营业性客运量V的比值。当比值小于或等于公路出行总量误差阈值时，定义该公路出行量数据准确；当比值大于所述公路出行总量误差阈值时，跳转至上述测算步骤S105中获取第一出行总量的步骤，并重新执行测算步骤S105。

分别计算测算出的铁路出行量、民航出行量与同期行业统计月报误差率。

测算出的铁路出行量误差率σ_train，为信令铁路出行量V′_train与营业性铁路客运量V_train比值，其中，σ_train＝V′_train/V_train。当所述铁路出行量误差率小于或等于铁路客运量误差阈值时，定义该铁路出行量数据准确；当所述铁路出行量误差率大于所述铁路客运量误差阈值时，跳转至上述测算步骤S105中计算铁路出行量的步骤，并在对应位置重新执行测算步骤S105。

测算出的民航出行量误差率σ_plane，为信令民航出行量V′_plane与营业性民航客运量V_plane比值，其中，σ_plane＝V′_plane/V_plane。当所述民航出行量误差率小于或等于民航客运量误差阈值时，定义该民航出行量数据准确；当所述民航出行量误差率大于所述民航客运量误差阈值时，跳转至上述测算步骤S105中计算民航出行量的步骤，并在对应位置重新执行测算步骤S105。

所述的所述公路出行总量、铁路出行量和民航出行量误差阈值可以根据实际应用场景进行设置，需知的所述公路出行总量误差阈值需不低于2，所述铁路出行量和民航出行量误差阈值需不低于0.2。

步骤S106，基于预设的城区/非城区划分规则划分所述第二出行类型的用户出行数据，并根据划分后的第二出行类型的用户出行数据计算第二类公路出行量；

在具体实施例中，所述第二出行类型的用户出行数据包括市内用户出行的用户出行数据，即区县级行政区域的用户出行数据。

预设的城区/非城区划分规则包括：

规则一，将全国36个中心城市以中心城区范围加上地表覆被遥感影像识别为建设用地的区域作为城区识别范围，纳入城区集合。

规则二，对于所述36个中心城市以外的城市，根据预设的城乡统计代码对村级、乡级城乡属性进行聚类后，对于聚类后的县级行政区域，将主城区和城乡结合区的数量之和占该区(县级市)城乡总数量大于30％的县级行政区域，纳入城区集合。

规则三，对于规则二中未被识别为城区的县级行政区域，将区(县级市)城市道路里程占公路里程和城市道路里程之和大于20％且区(县级市)城区面积占市区总面积大于20％的县级行政区域，纳入城区集合。

规则四，对于不满足规则二和规则三的城市内其他区县级行政区域识别为非城区范围，纳入非城区集合。

通过上述规则，建立基于手机信令数据的城区/非城区划分方法模型，对目标地区内所有区县级行政单位进行了城区/非城区划分，并根据所述城区集合和所述非城区集合识别待测算信令数据中城市内城区公路出行和非城区间公路出行。

在具体实施例中，所述地铁出行量的识别步骤包括，获取所述待测算手机信令数据，若所述待测算手机信令数据中包括与地下地铁基站的交互信息且满足相邻地铁站点3-5分钟通信时间间隔，则将所述待测算手机信令数据统计为地铁出行量V′_metro。其中，所述地铁基站的数量应该大于2。

依据上述实施例中城区/非城区划分方法，可以得到目标地区的城区集合和非城区集合，从而能够计算所述第二出行总量V′_d和城市道路出行量V′_{urban road}，其中，所述第二出行总量为市内跨区/县出行总量。然后通过计算公式V′_{d highway}＝V′_d-V′_metro-V′_{urban road}计算第二类公路出行量V′_{d highway}。

所述第二类公路出行量V′_{d highway}即市内跨区/县公路出行量。

步骤S107，根据所述第一类公路出行量和所述第二类公路出行量计算目标地区预设时间范围内的公路出行量。

在具体实施例中，所述目标地区预设时间范围内的公路出行量V′_highway也称行业口径公路出行量，所述行业口径公路出行量为去除城市内道路交通出行以外的全部公路出行量，相当于跨省公路出行量、跨市公路出行量与市内跨区/县公路出行量之和。

通过公式行业口径公路出行量V′_highway＝V′_{p+c highway}+V′_{d highway}可以计算得到目标地区预设时间范围内的公路出行量。

另外，在统计完除城市道路外的全部公路出行量后，还需要进一步计算所述全部公路出行量与营业性客运量之比，以完成对公路出行量的测算。

具体的，计算所述全部公路出行量与营业性客运量之比的步骤，包括基于预设的企业一套表联网直报调查系统，获取全国跨省、跨市、市内跨区/县及县内班线客运企业客运量

将各班线客运量加总，按占比拆分行业统计月报客运量数据，计算得到行业月报公路总量V_highway中跨省、跨市、市内跨区/县班线客运量，校核非营业性公路出行量与营业性公路客运量比值。

更具体的，根据一套表中跨省、跨市、跨区/县客运量占比，推算营业性月报中跨省、跨市、跨区/县公路客运量V_{p highway}、V_{c highway}、V_{d highway}，其中，

分别计算得出跨省、跨市、跨区/县公路出行量中非营业性公路出行量与营业性跨省、跨市、跨区/县公路客运量之比(ρ_p、ρ_c、ρ_d)，

其中，V′_{p highway}、V′_{c highway}和V′_{d highway}分别为手机信令测算的跨省公路出行量、跨市公路出行量和市内跨区/县公路出行量。

根据一套表中跨省、跨市、跨区/县客运总量占比，推算营业性月报中跨省、跨市、跨区/县公路客运总量。

计算得出跨省、跨市、跨区/县公路出行总量中非营业性公路出行量与营业性跨省、跨市、跨区/县公路客运总量V_{p+c+d highway}之比，

其中，V′_{p+c+d highway}为手机信令中跨省、跨市、跨区/县公路出行总量，V′_{p+c+d highway}＝V′_{p highway}+V′_{c highway}+V′_{d highway}。

本实施例提供的公路出行量测算方法，通过预设的出行类型划分方法划分不同区域间的出行类型，并进行对应的统计计算，从而能够得到对应各类型交通方式的出行总量；通过预设的城区/非城区划分方法划分目标区域的不同地区，从而能够清楚的计算得到对应省、市、县三级区域的全部公路出行量。本实施例的公路出行量测算方法能够完整的统计用户使用营业性交通工具以及非营业性交通工具进行的公路出行，并能够基于预设的核算方法校验统计结果的准确性，进一步提高了所述核算方法的可靠性。

参考图3，为本申请实施例提供的一种公路出行量测算装置300的装置模块示意图，本申请实施例提供的公路出行量测算装置300，如图3所示，所述公路出行量测算装置300包括：

第一获取模块301，用于获取目标地区预设时间范围内的基础手机信令数据集；

清洗模块302，用于对所述基础手机信令数据集进行数据清洗处理，以得到目标手机信令数据集，其中，所述目标手机信令数据集包括多条待测算信令数据，每一条待测算信令数据均具有对应的手机识别号；

第二获取模块303，用于根据各待测算信令数据中的通信基站信息和定位轨迹信息获取对应各手机识别号的用户出行数据；

划分模块304，用于根据所述用户出行数据中的出行定位信息，将所述用户出行数据的类型划分为第一出行类型和第二出行类型，其中，所述第一出行类型的出行距离远大于所述第二出行类型的出行距离；

第一计算模块305，用于基于预设的出行方式划分规则划分所述第一出行类型的用户出行数据，并根据划分后的第一出行类型的用户出行数据计算第一类公路出行量；

第二计算模块306，用于基于预设的城区/非城区划分规则划分所述第二出行类型的用户出行数据，并根据划分后的第二出行类型的用户出行数据计算第二类公路出行量；

第三计算模块307，用于根据所述第一类公路出行量和所述第二类公路出行量计算目标地区预设时间范围内的公路出行量。

另外，本申请实施例还提供了一种电子设备，包括处理器和存储器，所述存储器存储有计算机程序，所述计算机程序在所述处理器上运行时执行上述实施例中的公路出行量测算方法。

本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序在处理器上运行时执行上述实施例中的公路出行量测算方法。

综上所述，本申请实施例提供了一种公路出行量测算方法、装置、电子设备及存储介质，本申请准确把握了信令数据定位精度高、数据客观性强、不受人工干预、样本量大、覆盖面广的特征，构建了全口径分交通出行方式的旅客交通出行量统计模型，能够填补行业统计中私家车、网约车、城乡巴士等新型出行方式产生的出行量的空白，全面统计了全社会公众公路出行量以及我国公路网产生的全部客运量，客观评估了不同出行方式尤其是公路在综合交通运输中的贡献程度。另外，本申请实施例提供的一种公路出行量测算装置、电子设备及计算机可读存储介质的具体实施方式可以参考上述方法实施的具体实施方式，此处不再一一赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和结构图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，结构图和/或流程图中的每个方框、以及结构图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本发明各个实施例中的各功能模块或单元可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或更多个模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是智能手机、个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

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，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。

Claims

1.一种公路出行量测算方法，其特征在于，所述测算方法包括：

获取目标地区预设时间范围内的基础手机信令数据集；

根据所述用户出行数据中的出行定位信息，将所述用户出行数据的类型划分为第一出行类型和第二出行类型，其中，所述第一出行类型为轨迹跨预设区域的出行，所述第二出行类型为轨迹在预设区域内的出行；

2.根据权利要求1所述的测算方法，其特征在于，对所述基础手机信令数据集进行数据清洗处理的步骤，包括：

识别并过滤所述手机信令数据中的乒乓数据。

3.根据权利要求2所述的测算方法，其特征在于，保留手机信令数据中同时具有所述手机识别号、所述时间戳和所述蜂窝小区标号的记录数据的步骤，还包括：

4.根据权利要求1所述的测算方法，其特征在于，根据各待测算信令数据中的通信基站信息和定位轨迹信息获取对应各手机识别号的用户出行数据的步骤，包括：

将所述通信基站信息转换为经纬度信息；

5.根据权利要求1所述的测算方法，其特征在于，根据所述用户出行数据中的出行定位信息，将所述用户出行数据的类型划分为第一出行类型和第二出行类型的步骤，包括：

6.根据权利要求1所述的测算方法，其特征在于，基于预设的出行方式划分规则划分所述第一出行类型的用户出行数据，并根据划分后的第一出行类型的用户出行数据计算第一类公路出行量的步骤，包括：

7.根据权利要求6所述的测算方法，其特征在于，基于预设的出行方式划分规则划分所述第一出行类型的用户出行数据，并根据划分后的第一出行类型的用户出行数据计算第一类公路出行量的步骤，还包括：

8.根据权利要求1所述的测算方法，其特征在于，基于预设的城区/非城区划分规则划分所述第二出行类型的用户出行数据，并根据划分后的第二出行类型的用户出行数据计算第二类公路出行量的步骤，包括：

9.一种公路出行量测算装置，其特征在于，所述测算装置包括：

10.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有计算机程序，所述计算机程序在所述处理器上运行时执行权利要求1-8任一项所述的公路出行量测算方法。

11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，所述计算机程序在处理器上运行时执行权利要求1-8中任一项所述的公路出行量测算方法。