CN114936724A - 一种基于大数据的路线预测推荐方法和系统 - Google Patents
一种基于大数据的路线预测推荐方法和系统 Download PDFInfo
- Publication number
- CN114936724A CN114936724A CN202210876711.XA CN202210876711A CN114936724A CN 114936724 A CN114936724 A CN 114936724A CN 202210876711 A CN202210876711 A CN 202210876711A CN 114936724 A CN114936724 A CN 114936724A
- Authority
- CN
- China
- Prior art keywords
- stop
- route
- stations
- data
- station
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000012544 monitoring process Methods 0.000 claims description 59
- 238000005516 engineering process Methods 0.000 claims description 17
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000003032 molecular docking Methods 0.000 abstract description 22
- 238000010586 diagram Methods 0.000 description 8
- 238000007596 consolidation process Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011161 development Methods 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman 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
- G06Q10/04—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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例涉及路线预测推荐技术领域,具体公开了一种基于大数据的路线预测推荐方法和系统。本发明实施例通过获取多个必要停靠站点和临时停靠记录数据;获取多个重点停靠站点;进行路线预测规划;获取多个附带停靠站点的站点等待人数;将路线等待人数最多的预测规划路线标记为推荐规划路线。能够对上一段时间的公交车进行路线记录,预测重点停靠站点,结合预设的多个必要停靠站点进行路线预测规划,生成多个预测规划路线,并进行人数监测,将路线等待人数最多的预测规划路线标记为推荐规划路线,从而能够根据现实的乘客需要,合理进行公交路线的预测与推荐,使得推荐规划路线更加适合乘客的需要,避免公共交通资源不能够得到有效的利用。
Description
技术领域
本发明属于路线预测推荐技术领域,尤其涉及一种基于大数据的路线预测推荐方法和系统。
背景技术
公共汽车是最为普遍的一种大众运输工具,随着城市化和机动化的发展,使城市人口和地域不断增加,对公共交通的需求相应快速增长,因此公交车的数量也越来越多。现有的公交车通常都是按照固定的交通路线行驶,沿着交通路线,在固定的多个站点停靠,这种固定交通路线的公交车行驶,虽然能够让使得公交车的管理更加方便,但是对于一些上下车人数少的站点,还需要公交车频繁的停靠,对于一些上下车人数多的站点,公交车停靠的次数不能够满足现实的需要,这就导致公共交通资源不能够得到有效的利用。
发明内容
本发明实施例的目的在于提供一种基于大数据的路线预测推荐方法和系统,旨在解决背景技术中提出的问题。
为实现上述目的,本发明实施例提供如下技术方案:
一种基于大数据的路线预测推荐方法,所述方法具体包括以下步骤:
获取预设的多个必要停靠站点和对应的必要停靠位置,并对上一段时间公交车进行路线记录,获取临时停靠记录数据;
对所述临时停靠记录数据进行整理分析,生成整理分析结果,根据所述整理分析结果预测多个重点停靠站点,并获取多个所述重点停靠站点对应的重点停靠位置;
根据多个所述重点停靠位置和多个所述必要停靠位置进行路线预测规划,生成多个预测规划路线;
基于大数据技术,对多个所述预测规划路线所经过的多个附带停靠站点进行人数监测,获取多个所述附带停靠站点对应的站点等待人数;
根据多个所述站点等待人数,统计并比较多个所述预测规划路线对应的路线等待人数,将路线等待人数最多的预测规划路线标记为推荐规划路线。
作为本发明实施例技术方案进一步的限定,所述方法还包括以下步骤:
将所述推荐规划路线中的多个附带停靠站点标记为路线停靠站点;
将所述推荐规划路线发送至多个所述路线停靠站点、多个所述必要停靠站点和多个所述重点停靠站点。
作为本发明实施例技术方案进一步的限定,所述获取预设的多个必要停靠站点对应的必要停靠位置,并对上一段时间公交车进行路线记录,获取临时停靠记录数据具体包括以下步骤:
获取预设的必要停靠数据;
对所述必要停靠数据分析,获取多个必要停靠站点和对应的必要停靠位置;
对上一段时间公交车进行路线记录,获取临时停靠记录数据。
作为本发明实施例技术方案进一步的限定,所述对所述临时停靠记录数据进行整理分析,生成整理分析结果,根据所述整理分析结果预测多个重点停靠站点,并获取多个所述重点停靠站点对应的重点停靠位置具体包括以下步骤:
对所述临时停靠记录数据进行整理分析,生成整理分析结果;
根据所述整理分析结果,获取多个临时停靠站点和对应的流动人数;
根据多个所述流动人数,对相应的多个临时停靠站点进行排列,生成站点排列结果;
根据所述站点排列结果预测多个重点停靠站点,并获取多个所述重点停靠站点对应的重点停靠位置。
作为本发明实施例技术方案进一步的限定,所述基于大数据技术,对多个所述预测规划路线所经过的多个附带停靠站点进行人数监测,获取多个所述附带停靠站点对应的站点等待人数具体包括以下步骤:
获取多个所述预测规划路线所经过的多个附带停靠站点;
基于大数据技术,对多个所述附带停靠站点进行人数监测,生成人数监测数据;
对所述人数监测数据进行分析,获取多个所述附带停靠站点对应的站点等待人数。
作为本发明实施例技术方案进一步的限定,所述根据多个所述站点等待人数,统计并比较多个所述预测规划路线对应的路线等待人数,将路线等待人数最多的预测规划路线标记为推荐规划路线具体包括以下步骤:
根据多个所述站点等待人数,统计多个所述预测规划路线对应的路线等待人数;
对多个所述路线等待人数进行排列比较,生成排列比较结果;
根据所述排列比较结果,将路线等待人数最多的预测规划路线标记为推荐规划路线。
一种基于大数据的路线预测推荐系统,所述系统包括停靠数据记录获取单元、重点停靠站点获取单元、预测规划路线生成单元、附带站点人数监测单元和推荐规划路线标记单元,其中:
停靠数据记录获取单元,用于获取预设的多个必要停靠站点和对应的必要停靠位置,并对上一段时间公交车进行路线记录,获取临时停靠记录数据;
重点停靠站点获取单元,用于对所述临时停靠记录数据进行整理分析,生成整理分析结果,根据所述整理分析结果预测多个重点停靠站点,并获取多个所述重点停靠站点对应的重点停靠位置;
预测规划路线生成单元,用于根据多个所述重点停靠位置和多个所述必要停靠位置进行路线预测规划,生成多个预测规划路线;
附带站点人数监测单元,用于基于大数据技术,对多个所述预测规划路线所经过的多个附带停靠站点进行人数监测,获取多个所述附带停靠站点对应的站点等待人数;
推荐规划路线标记单元,用于根据多个所述站点等待人数,统计并比较多个所述预测规划路线对应的路线等待人数,将路线等待人数最多的预测规划路线标记为推荐规划路线。
作为本发明实施例技术方案进一步的限定,所述停靠数据记录获取单元具体包括:
必要停靠数据获取模块,用于获取预设的必要停靠数据;
必要停靠位置获取模块,用于对所述必要停靠数据分析,获取多个必要停靠站点和对应的必要停靠位置;
临时停靠数据获取模块,用于对上一段时间公交车进行路线记录,获取临时停靠记录数据。
作为本发明实施例技术方案进一步的限定,所述重点停靠站点获取单元具体包括:
记录数据整理分析模块,用于对所述临时停靠记录数据进行整理分析,生成整理分析结果;
临时站点人数获取模块,用于根据所述整理分析结果,获取多个临时停靠站点和对应的流动人数;
站点排列结果生成模块,用于根据多个所述流动人数,对相应的多个临时停靠站点进行排列,生成站点排列结果;
重点停靠站点预测模块,用于根据所述站点排列结果预测多个重点停靠站点,并获取多个所述重点停靠站点对应的重点停靠位置。
作为本发明实施例技术方案进一步的限定,所述附带站点人数监测单元具体包括:
附带停靠站点获取模块,用于获取多个所述预测规划路线所经过的多个附带停靠站点;
附带站点人数监测模块,用于基于大数据技术,对多个所述附带停靠站点进行人数监测,生成人数监测数据;
人数监测数据分析模块,用于对所述人数监测数据进行分析,获取多个所述附带停靠站点对应的站点等待人数。
与现有技术相比,本发明的有益效果是:
本发明实施例通过获取多个必要停靠站点和临时停靠记录数据;获取多个重点停靠站点;进行路线预测规划;获取多个附带停靠站点的站点等待人数;将路线等待人数最多的预测规划路线标记为推荐规划路线。能够对上一段时间公交车进行路线记录,预测多个重点停靠站点,结合预设的多个必要停靠站点进行路线预测规划,生成多个预测规划路线,并进行人数监测,将路线等待人数最多的预测规划路线标记为推荐规划路线,从而能够根据现实的乘客需要,合理进行公交路线的预测与推荐,使得推荐规划路线更加适合乘客的需要,避免公共交通资源不能够得到有效的利用。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例。
图1示出了本发明实施例提供的方法的流程图。
图2示出了本发明实施例提供的方法的又一流程图。
图3示出了本发明实施例提供的方法中获取临时停靠记录数据的流程图。
图4示出了本发明实施例提供的方法中预测多个重点停靠站点的流程图。
图5示出了本发明实施例提供的方法中附带停靠站点人数监测的流程图。
图6示出了本发明实施例提供的方法中标记推荐规划路线的流程图。
图7示出了本发明实施例提供的系统的应用架构图。
图8示出了本发明实施例提供的系统中停靠数据记录获取单元的结构框图。
图9示出了本发明实施例提供的系统中重点停靠站点获取单元的结构框图。
图10示出了本发明实施例提供的系统中附带站点人数监测单元的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
可以理解的是,在现有的技术中,公交车通常都是按照固定的交通路线行驶,沿着交通路线,在固定的多个站点停靠,这种固定交通路线的公交车行驶,虽然能够让使得公交车的管理更加方便,但是对于一些上下车人数少的站点,还需要公交车频繁的停靠,对于一些上下车人数多的站点,公交车停靠的次数不能够满足现实的需要,这就导致公共交通资源不能够得到有效的利用。
为解决上述问题,本发明实施例通过获取多个必要停靠站点和临时停靠记录数据;获取多个重点停靠站点;进行路线预测规划;获取多个附带停靠站点的站点等待人数;将路线等待人数最多的预测规划路线标记为推荐规划路线。能够对上一段时间公交车进行路线记录,预测多个重点停靠站点,结合预设的多个必要停靠站点进行路线预测规划,生成多个预测规划路线,并进行人数监测,将路线等待人数最多的预测规划路线标记为推荐规划路线,从而能够根据现实的乘客需要,合理进行公交路线的预测与推荐,使得推荐规划路线更加适合乘客的需要,避免公共交通资源不能够得到有效的利用。
图1示出了本发明实施例提供的方法的流程图。
具体的,一种基于大数据的路线预测推荐方法,所述方法具体包括以下步骤:
步骤S101,获取预设的多个必要停靠站点和对应的必要停靠位置,并对上一段时间公交车进行路线记录,获取临时停靠记录数据。
在本发明实施例中,通过获取预设的必要停靠数据,对必要停靠数据进行分析,得到多个必要停靠站点和对应的必要停靠位置,并对上一段时间公交车进行路线记录,在上一段时间公交车完成整个时间段的公交路线行驶之后,得到上一段时间公交车的临时停靠记录数据。
可以理解的是,上一段时间可以是上一个运行班次时间、上一个月、上一个季度或上一年等,且每一路公交都具有多个运行班次,每个运行班次的公交车都需要按照经过预设的多个必要停靠站点,多个必要停靠站点之间距离相对较远,每个运行班次的公交车可以按照多个必要停靠站点进行路线的即时调整,但是不管如何调整,都必须经过多个必要停靠站点进行停靠。
具体的,图3示出了本发明实施例提供的方法中获取临时停靠记录数据的流程图。
其中,在本发明提供的优选实施方式中,所述获取预设的多个必要停靠站点对应的必要停靠位置,并对上一段时间公交车进行路线记录,获取临时停靠记录数据具体包括以下步骤:
步骤S1011,获取预设的必要停靠数据。
步骤S1012,对所述必要停靠数据分析,获取多个必要停靠站点和对应的必要停靠位置。
步骤S1013,对上一段时间公交车进行路线记录,获取临时停靠记录数据。
进一步的,所述基于大数据的路线预测推荐方法还包括以下步骤:
步骤S102,对所述临时停靠记录数据进行整理分析,生成整理分析结果,根据所述整理分析结果预测多个重点停靠站点,并获取多个所述重点停靠站点对应的重点停靠位置。
在本发明实施例中,通过对临时停靠记录数据进行整理分析,生成整理分析结果,整理分析结果中包含多个临时停靠站点,还包含每个临时停靠站点对应的流动人数,通过按照流动人数的大小,将多个临时停靠站点进行依次排列,得到站点排列结果,通过站点排列结果,标记排在前五的临时停靠站点为重点停靠站点,进而获取五个重点停靠站点分别对应的重点停靠位置。
可以理解的是,流动人数是对应临时停靠站点上车和下车的人数;流动人数排名前五的临时停靠站点,在上一段时间公交车的行驶过程中上车和下车的人相对较多,可以预测到当前班次公交车的行驶过程中,这五个流动人数排名靠前的临时停靠站点还可能存在较多的上车和下车的人,因此可以将这五个临时停靠站点标记为重点停靠站点。
具体的,图4示出了本发明实施例提供的方法中预测多个重点停靠站点的流程图。
其中,在本发明提供的优选实施方式中,所述对所述临时停靠记录数据进行整理分析,生成整理分析结果,根据所述整理分析结果预测多个重点停靠站点,并获取多个所述重点停靠站点对应的重点停靠位置具体包括以下步骤:
步骤S1021,对所述临时停靠记录数据进行整理分析,生成整理分析结果。
步骤S1022,根据所述整理分析结果,获取多个临时停靠站点和对应的流动人数。
步骤S1023,根据多个所述流动人数,对相应的多个临时停靠站点进行排列,生成站点排列结果。
步骤S1024,根据所述站点排列结果预测多个重点停靠站点,并获取多个所述重点停靠站点对应的重点停靠位置。
进一步的,所述基于大数据的路线预测推荐方法还包括以下步骤:
步骤S103,根据多个所述重点停靠位置和多个所述必要停靠位置进行路线预测规划,生成多个预测规划路线。
在本发明实施例中,根据多个重点停靠位置和多个必要停靠位置进行路线预测规划,生成多个经过多个重点停靠位置和多个必要停靠位置的预测规划路线。具体的,每个预测规划路线都经过多个重点停靠位置和多个必要停靠位置,但是每个预测规划路线又具有不同的具体路线,能够经过其他对应的附带停靠站点。
步骤S104,基于大数据技术,对多个所述预测规划路线所经过的多个附带停靠站点进行人数监测,获取多个所述附带停靠站点对应的站点等待人数。
在本发明实施例中,获取多个预测规划路线所经过的多个附带停靠站点,基于大数据技术,获取每个附带停靠站点的站点监控数据,对多个站点监控数据进行人数监测,生成人数监测数据,并通过人数监测数据进行等待人数统计,得到每个附带停靠站点对应的站点等待人数。
可以理解的是,每个预测规划路线均由多个必要停靠站点、多个重点停靠站点和多个附带停靠站点组成,多个预测规划路线之间具有相同的多个必要停靠站点和多个重点停靠站点,多个预测规划路线之间可能具有相同的部分附带停靠站点,但是多个预测规划路线之间不具有完全相同的多个部分附带停靠站点,每个预测规划路线的停靠站点数目相同。
具体的,图5示出了本发明实施例提供的方法中附带停靠站点人数监测的流程图。
其中,在本发明提供的优选实施方式中,所述基于大数据技术,对多个所述预测规划路线所经过的多个附带停靠站点进行人数监测,获取多个所述附带停靠站点对应的站点等待人数具体包括以下步骤:
步骤S1041,获取多个所述预测规划路线所经过的多个附带停靠站点。
步骤S1042,基于大数据技术,对多个所述附带停靠站点进行人数监测,生成人数监测数据。
步骤S1043,对所述人数监测数据进行分析,获取多个所述附带停靠站点对应的站点等待人数。
进一步的,所述基于大数据的路线预测推荐方法还包括以下步骤:
步骤S105,根据多个所述站点等待人数,统计并比较多个所述预测规划路线对应的路线等待人数,将路线等待人数最多的预测规划路线标记为推荐规划路线。
在本发明实施例中,将每个预测规划路线对应的多个附带停靠站点的站点等待人数分别相加,得到多个路线等待人数,将多个路线等待人数进行排列比较,生成排列比较结果,根据排列比较结果,选取路线等待人数最多的预测规划路线,并将该预测规划路线标记为推荐规划路线。
具体的,图6示出了本发明实施例提供的方法中标记推荐规划路线的流程图。
其中,在本发明提供的优选实施方式中,所述根据多个所述站点等待人数,统计并比较多个所述预测规划路线对应的路线等待人数,将路线等待人数最多的预测规划路线标记为推荐规划路线具体包括以下步骤:
步骤S1051,根据多个所述站点等待人数,统计多个所述预测规划路线对应的路线等待人数。
步骤S1052,对多个所述路线等待人数进行排列比较,生成排列比较结果。
步骤S1053,根据所述排列比较结果,将路线等待人数最多的预测规划路线标记为推荐规划路线。
进一步的,图2示出了本发明实施例提供的方法的又一流程图。
具体的,在本发明提供的又一个优选实施方式中,所述方法还包括以下步骤:
步骤S106,将所述推荐规划路线中的多个附带停靠站点标记为路线停靠站点。
步骤S107,将所述推荐规划路线发送至多个所述路线停靠站点、多个所述必要停靠站点和多个所述重点停靠站点。
在本发明实施例中,将推荐规划路线发送至多个路线停靠站点、多个必要停靠站点和多个重点停靠站点,从而可以在多个路线停靠站点、多个必要停靠站点和多个重点停靠站点展示推荐规划路线,方便在多个路线停靠站点、多个必要停靠站点和多个重点停靠站点进行乘车等待的乘客知晓当前班次的公交车的具体行驶路线,方便乘客根据推荐规划路线进行下车站点的规划。
进一步的,图7示出了本发明实施例提供的系统的应用架构图。
其中,在本发明提供的又一个优选实施方式中,一种基于大数据的路线预测推荐系统,包括:
停靠数据记录获取单元101,用于获取预设的多个必要停靠站点和对应的必要停靠位置,并对上一段时间公交车进行路线记录,获取临时停靠记录数据。
在本发明实施例中,停靠数据记录获取单元101通过获取预设的必要停靠数据,对必要停靠数据进行分析,得到多个必要停靠站点和对应的必要停靠位置,并对上一段时间公交车进行路线记录,在上一段时间公交车完成整个时间段的公交路线行驶之后,得到上一段时间公交车的临时停靠记录数据。
具体的,图8示出了本发明实施例提供的系统中停靠数据记录获取单元101的结构框图。
其中,在本发明提供的优选实施方式中,所述停靠数据记录获取单元101具体包括:
必要停靠数据获取模块1011,用于获取预设的必要停靠数据。
必要停靠位置获取模块1012,用于对所述必要停靠数据分析,获取多个必要停靠站点和对应的必要停靠位置。
临时停靠数据获取模块1013,用于对上一段时间公交车进行路线记录,获取临时停靠记录数据。
进一步的,所述基于大数据的路线预测推荐系统还包括:
重点停靠站点获取单元102,用于对所述临时停靠记录数据进行整理分析,生成整理分析结果,根据所述整理分析结果预测多个重点停靠站点,并获取多个所述重点停靠站点对应的重点停靠位置。
在本发明实施例中,重点停靠站点获取单元102通过对临时停靠记录数据进行整理分析,生成整理分析结果,整理分析结果中包含多个临时停靠站点,还包含每个临时停靠站点对应的流动人数,通过按照流动人数的大小,将多个临时停靠站点进行依次排列,得到站点排列结果,通过站点排列结果,标记排在前五的临时停靠站点为重点停靠站点,进而获取五个重点停靠站点分别对应的重点停靠位置。
具体的,图9示出了本发明实施例提供的系统中重点停靠站点获取单元102的结构框图。
其中,在本发明提供的优选实施方式中,所述重点停靠站点获取单元102具体包括:
记录数据整理分析模块1021,用于对所述临时停靠记录数据进行整理分析,生成整理分析结果。
临时站点人数获取模块1022,用于根据所述整理分析结果,获取多个临时停靠站点和对应的流动人数。
站点排列结果生成模块1023,用于根据多个所述流动人数,对相应的多个临时停靠站点进行排列,生成站点排列结果。
重点停靠站点预测模块1024,用于根据所述站点排列结果预测多个重点停靠站点,并获取多个所述重点停靠站点对应的重点停靠位置。
进一步的,所述基于大数据的路线预测推荐系统还包括:
预测规划路线生成单元103,用于根据多个所述重点停靠位置和多个所述必要停靠位置进行路线预测规划,生成多个预测规划路线。
在本发明实施例中,预测规划路线生成单元103根据多个重点停靠位置和多个必要停靠位置进行路线预测规划,生成多个经过多个重点停靠位置和多个必要停靠位置的预测规划路线。具体的,每个预测规划路线都经过多个重点停靠位置和多个必要停靠位置,但是每个预测规划路线又具有不同的具体路线,能够经过其他对应的附带停靠站点。
附带站点人数监测单元104,用于基于大数据技术,对多个所述预测规划路线所经过的多个附带停靠站点进行人数监测,获取多个所述附带停靠站点对应的站点等待人数。
在本发明实施例中,附带站点人数监测单元104获取多个预测规划路线所经过的多个附带停靠站点,基于大数据技术,获取每个附带停靠站点的站点监控数据,对多个站点监控数据进行人数监测,生成人数监测数据,并通过人数监测数据进行等待人数统计,得到每个附带停靠站点对应的站点等待人数。
具体的,图10示出了本发明实施例提供的系统中附带站点人数监测单元104的结构框图。
其中,在本发明提供的优选实施方式中,所述附带站点人数监测单元104具体包括:
附带停靠站点获取模块1041,用于获取多个所述预测规划路线所经过的多个附带停靠站点。
附带站点人数监测模块1042,用于基于大数据技术,对多个所述附带停靠站点进行人数监测,生成人数监测数据。
人数监测数据分析模块1043,用于对所述人数监测数据进行分析,获取多个所述附带停靠站点对应的站点等待人数。
进一步的,所述基于大数据的路线预测推荐系统还包括:
推荐规划路线标记单元105,用于根据多个所述站点等待人数,统计并比较多个所述预测规划路线对应的路线等待人数,将路线等待人数最多的预测规划路线标记为推荐规划路线。
在本发明实施例中,推荐规划路线标记单元105将每个预测规划路线对应的多个附带停靠站点的站点等待人数分别相加,得到多个路线等待人数,将多个路线等待人数进行排列比较,生成排列比较结果,根据排列比较结果,选取路线等待人数最多的预测规划路线,并将该预测规划路线标记为推荐规划路线。
综上所述,本发明实施例能够对上一段时间公交车进行路线记录,预测多个重点停靠站点,结合预设的多个必要停靠站点进行路线预测规划,生成多个预测规划路线,并进行人数监测,将路线等待人数最多的预测规划路线标记为推荐规划路线,从而能够根据现实的乘客需要,合理进行公交路线的预测与推荐,使得推荐规划路线更加适合乘客的需要,避免公共交通资源不能够得到有效的利用。
应该理解的是,虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于大数据的路线预测推荐方法,其特征在于,所述方法具体包括以下步骤:
获取预设的多个必要停靠站点和对应的必要停靠位置,并对上一段时间的公交车进行路线记录,获取临时停靠记录数据;
对所述临时停靠记录数据进行整理分析,生成整理分析结果,根据所述整理分析结果预测多个重点停靠站点,并获取多个所述重点停靠站点对应的重点停靠位置;
根据多个所述重点停靠位置和多个所述必要停靠位置进行路线预测规划,生成多个预测规划路线;
基于大数据技术,对多个所述预测规划路线所经过的多个附带停靠站点进行人数监测,获取多个所述附带停靠站点对应的站点等待人数;
根据多个所述站点等待人数,统计并比较多个所述预测规划路线对应的路线等待人数,将路线等待人数最多的预测规划路线标记为推荐规划路线。
2.根据权利要求1所述的基于大数据的路线预测推荐方法,其特征在于,所述方法还包括以下步骤:
将所述推荐规划路线中的多个附带停靠站点标记为路线停靠站点;
将所述推荐规划路线发送至多个所述路线停靠站点、多个所述必要停靠站点和多个所述重点停靠站点。
3.根据权利要求1所述的基于大数据的路线预测推荐方法,其特征在于,所述获取预设的多个必要停靠站点对应的必要停靠位置,并对上一段时间的公交车进行路线记录,获取临时停靠记录数据具体包括以下步骤:
获取预设的必要停靠数据;
对所述必要停靠数据分析,获取多个必要停靠站点和对应的必要停靠位置;
对上一段时间的公交车进行路线记录,获取临时停靠记录数据。
4.根据权利要求1所述的基于大数据的路线预测推荐方法,其特征在于,所述对所述临时停靠记录数据进行整理分析,生成整理分析结果,根据所述整理分析结果预测多个重点停靠站点,并获取多个所述重点停靠站点对应的重点停靠位置具体包括以下步骤:
对所述临时停靠记录数据进行整理分析,生成整理分析结果;
根据所述整理分析结果,获取多个临时停靠站点和对应的流动人数;
根据多个所述流动人数,对相应的多个临时停靠站点进行排列,生成站点排列结果;
根据所述站点排列结果预测多个重点停靠站点,并获取多个所述重点停靠站点对应的重点停靠位置。
5.根据权利要求1所述的基于大数据的路线预测推荐方法,其特征在于,所述基于大数据技术,对多个所述预测规划路线所经过的多个附带停靠站点进行人数监测,获取多个所述附带停靠站点对应的站点等待人数具体包括以下步骤:
获取多个所述预测规划路线所经过的多个附带停靠站点;
基于大数据技术,对多个所述附带停靠站点进行人数监测,生成人数监测数据;
对所述人数监测数据进行分析,获取多个所述附带停靠站点对应的站点等待人数。
6.根据权利要求1所述的基于大数据的路线预测推荐方法,其特征在于,所述根据多个所述站点等待人数,统计并比较多个所述预测规划路线对应的路线等待人数,将路线等待人数最多的预测规划路线标记为推荐规划路线具体包括以下步骤:
根据多个所述站点等待人数,统计多个所述预测规划路线对应的路线等待人数;
对多个所述路线等待人数进行排列比较,生成排列比较结果;
根据所述排列比较结果,将路线等待人数最多的预测规划路线标记为推荐规划路线。
7.一种基于大数据的路线预测推荐系统,其特征在于,所述系统包括停靠数据记录获取单元、重点停靠站点获取单元、预测规划路线生成单元、附带站点人数监测单元和推荐规划路线标记单元,其中:
停靠数据记录获取单元,用于获取预设的多个必要停靠站点和对应的必要停靠位置,并对上一段时间的公交车进行路线记录,获取临时停靠记录数据;
重点停靠站点获取单元,用于对所述临时停靠记录数据进行整理分析,生成整理分析结果,根据所述整理分析结果预测多个重点停靠站点,并获取多个所述重点停靠站点对应的重点停靠位置;
预测规划路线生成单元,用于根据多个所述重点停靠位置和多个所述必要停靠位置进行路线预测规划,生成多个预测规划路线;
附带站点人数监测单元,用于基于大数据技术,对多个所述预测规划路线所经过的多个附带停靠站点进行人数监测,获取多个所述附带停靠站点对应的站点等待人数;
推荐规划路线标记单元,用于根据多个所述站点等待人数,统计并比较多个所述预测规划路线对应的路线等待人数,将路线等待人数最多的预测规划路线标记为推荐规划路线。
8.根据权利要求7所述的基于大数据的路线预测推荐系统,其特征在于,所述停靠数据记录获取单元具体包括:
必要停靠数据获取模块,用于获取预设的必要停靠数据;
必要停靠位置获取模块,用于对所述必要停靠数据分析,获取多个必要停靠站点和对应的必要停靠位置;
临时停靠数据获取模块,用于对上一段时间的公交车进行路线记录,获取临时停靠记录数据。
9.根据权利要求7所述的基于大数据的路线预测推荐系统,其特征在于,所述重点停靠站点获取单元具体包括:
记录数据整理分析模块,用于对所述临时停靠记录数据进行整理分析,生成整理分析结果;
临时站点人数获取模块,用于根据所述整理分析结果,获取多个临时停靠站点和对应的流动人数;
站点排列结果生成模块,用于根据多个所述流动人数,对相应的多个临时停靠站点进行排列,生成站点排列结果;
重点停靠站点预测模块,用于根据所述站点排列结果预测多个重点停靠站点,并获取多个所述重点停靠站点对应的重点停靠位置。
10.根据权利要求7所述的基于大数据的路线预测推荐系统,其特征在于,所述附带站点人数监测单元具体包括:
附带停靠站点获取模块,用于获取多个所述预测规划路线所经过的多个附带停靠站点;
附带站点人数监测模块,用于基于大数据技术,对多个所述附带停靠站点进行人数监测,生成人数监测数据;
人数监测数据分析模块,用于对所述人数监测数据进行分析,获取多个所述附带停靠站点对应的站点等待人数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210876711.XA CN114936724B (zh) | 2022-07-25 | 2022-07-25 | 一种基于大数据的路线预测推荐方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210876711.XA CN114936724B (zh) | 2022-07-25 | 2022-07-25 | 一种基于大数据的路线预测推荐方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114936724A true CN114936724A (zh) | 2022-08-23 |
CN114936724B CN114936724B (zh) | 2022-09-20 |
Family
ID=82868985
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210876711.XA Active CN114936724B (zh) | 2022-07-25 | 2022-07-25 | 一种基于大数据的路线预测推荐方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114936724B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170032291A1 (en) * | 2013-12-24 | 2017-02-02 | Zte Corporation | Bus Planning Method Using Mobile Communication Data Mining |
CN107506864A (zh) * | 2017-08-30 | 2017-12-22 | 国信优易数据有限公司 | 一种客运巴士路线规划方法和装置 |
CN107560627A (zh) * | 2016-06-30 | 2018-01-09 | 高德信息技术有限公司 | 一种公交路线规划方法及装置 |
EP3407306A1 (en) * | 2017-05-23 | 2018-11-28 | Siemens Aktiengesellschaft | Method for deduplication of public transport stations in overlapping geographical areas and corresponding route planner or ticketing system |
CN111854786A (zh) * | 2020-07-28 | 2020-10-30 | 深圳前海微众银行股份有限公司 | 班车路线规划的可视化方法、装置、设备及介质 |
CN112329989A (zh) * | 2020-10-19 | 2021-02-05 | 北京中恒云科技有限公司 | 一种基于云计算的公交线路规划方法、设备及存储介质 |
-
2022
- 2022-07-25 CN CN202210876711.XA patent/CN114936724B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170032291A1 (en) * | 2013-12-24 | 2017-02-02 | Zte Corporation | Bus Planning Method Using Mobile Communication Data Mining |
CN107560627A (zh) * | 2016-06-30 | 2018-01-09 | 高德信息技术有限公司 | 一种公交路线规划方法及装置 |
EP3407306A1 (en) * | 2017-05-23 | 2018-11-28 | Siemens Aktiengesellschaft | Method for deduplication of public transport stations in overlapping geographical areas and corresponding route planner or ticketing system |
CN107506864A (zh) * | 2017-08-30 | 2017-12-22 | 国信优易数据有限公司 | 一种客运巴士路线规划方法和装置 |
CN111854786A (zh) * | 2020-07-28 | 2020-10-30 | 深圳前海微众银行股份有限公司 | 班车路线规划的可视化方法、装置、设备及介质 |
CN112329989A (zh) * | 2020-10-19 | 2021-02-05 | 北京中恒云科技有限公司 | 一种基于云计算的公交线路规划方法、设备及存储介质 |
Non-Patent Citations (3)
Title |
---|
YAHYA PERANGINANGIN等: "Route Recommendation Using Community Detection Algorithm (Case: Kota Bandung)", 《2018 6TH INTERNATIONAL CONFERENCE ON INFORMATION AND COMMUNICATION TECHNOLOGY (ICOICT)》 * |
刘祺: "基于出租车需求的定制公交站点选址与线路规划研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
梁宇杰 等: "面向首都大学生的定制公交线路规划模型及算法研究", 《大连交通大学学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114936724B (zh) | 2022-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zannat et al. | Emerging big data sources for public transport planning: A systematic review on current state of art and future research directions | |
Barabino et al. | Regularity diagnosis by automatic vehicle location raw data | |
Büchel et al. | Review on statistical modeling of travel time variability for road-based public transport | |
Rama et al. | A reliability analysis of railway switches | |
CN105390013A (zh) | 一种利用公交ic卡预测公交到站时间的方法 | |
Pi et al. | Understanding transit system performance using avl-apc data: An analytics platform with case studies for the pittsburgh region | |
Foell et al. | Predictability of public transport usage: A study of bus rides in Lisbon, Portugal | |
CN109903555A (zh) | 一种基于大数据的公交乘客下车数据预测方法及系统 | |
CN111126654B (zh) | 一种共享车辆骑回概率和丢失概率预测方法及装置 | |
CN112598331A (zh) | 轨道交通的动态调度方法、系统、计算机设备和存储介质 | |
CN111797926B (zh) | 城际迁徙行为识别方法、装置、计算机设备及存储介质 | |
Kathuria et al. | Travel-time variability analysis of bus rapid transit system using GPS data | |
CN114936724B (zh) | 一种基于大数据的路线预测推荐方法和系统 | |
Liu et al. | Data analytics approach for train timetable performance measures using automatic train supervision data | |
EP2682926B1 (en) | Traffic delay detection by mining ticket validation transactions | |
CN115691125A (zh) | 基于城市轨道交通设施系统的可靠度分析方法及相关装置 | |
US20190017832A1 (en) | Method and apparatus for providing recorded, anonymized routes | |
US20120173474A1 (en) | Method and system for predicting travel time background | |
Nguyen et al. | Understanding the factors that influence the probability and time to streetcar bunching incidents | |
Reck et al. | Ridesourcing for the first/last mile: how do transfer penalties impact travel time savings? | |
CN110969299A (zh) | 交通路线生成的方法、装置、计算机设备及存储介质 | |
Ashwini et al. | Variability Analysis of Public Transit Bus Travel Time Using GPS Logs: A Case Study | |
CN109447306B (zh) | 基于最大似然回归树的地铁事故延误时间预测方法 | |
Li et al. | Assessing the financial and social costs of public transport in differing operating environments and with endogenous demand | |
CN114550492A (zh) | 一种车辆信息的处理方法、装置、电子设备及存储介质 |
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 |