CN115424467A - 一种基于公共交通的信息采集系统 - Google Patents
一种基于公共交通的信息采集系统 Download PDFInfo
- Publication number
- CN115424467A CN115424467A CN202210997454.5A CN202210997454A CN115424467A CN 115424467 A CN115424467 A CN 115424467A CN 202210997454 A CN202210997454 A CN 202210997454A CN 115424467 A CN115424467 A CN 115424467A
- Authority
- CN
- China
- Prior art keywords
- unit
- information
- prediction
- link
- data
- 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 claims abstract description 15
- 238000013500 data storage Methods 0.000 claims abstract description 9
- 238000000605 extraction Methods 0.000 claims description 17
- 230000005856 abnormality Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000013075 data extraction Methods 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 5
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
Images
Classifications
-
- 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
Abstract
本发明涉及公共交通技术领域，公开了一种基于公共交通的信息采集系统，包括数据采集单元，其用于采集公共汽车行驶过程中的数据；数据存储单元，其用于存储地图信息以及数据采集单元的信息；行驶时间预测单元，其用于通过数据存储单元存储的信息来计算公共汽车的行驶时间；信息推送单元，其在目标公共汽车的待预测行程开始前后将行驶时间预测单元的预测结果发送给用户；本发明的系统通过采集公共交通信息，并通过公共交通信息的处理来预测公共汽车的行程的行驶时间，配合采集的信息生成历史数据库的支持，本发明能够对暴雨拥堵等突发状况下公共汽车的行程时间进行更准确的预测。
Description
技术领域
本发明涉及公共交通技术领域，更具体地说，它涉及一种基于公共交通的信息采集系统。
背景技术
城市公共交通，是指在城市人民政府确定的区域内，利用公共汽(电)车(含有轨电车)、城市轨道交通系统和有关设施，按照核定的线路、站点、时间、票价运营，为公众提供基本出行服务的活动；
随着智慧城市的建设和发展，对于城市公共交通系统的大数据采集和处理提出了更高的要求，现有技术中实现公共汽车行程预测是通过车速以及路程来预测行程时间，难以预测暴雨拥堵等突发状况下的行程时间。
发明内容
本发明提供一种基于公共交通的信息采集系统，解决相关技术中如何预测公共汽车暴雨拥堵等突发状况下的行程时间的技术问题。
根据本发明的一个方面，提供了一种基于公共交通的信息采集系统，包括：
数据采集单元，其用于采集公共汽车行驶过程中的数据；公共汽车行驶中的数据包括位置信息、车速信息、启动时间信息、停止时间信息、乘客上下车记录信息；
数据存储单元，其用于存储地图信息以及数据采集单元的信息；
地图信息包括节点的信息以及连接节点的链路的信息，其中节点的信息即为公共汽车站的信息，链路的信息即为公交路线的信息；节点的信息包括节点的ID或名称、节点的位置；
行驶时间预测单元，其用于通过数据存储单元存储的信息来计算公共汽车的行驶时间；
行驶时间预测单元包括第一历史数据提取单元、第一预测单元、第一链路提取单元、匹配单元，第二预测单元和校正单元，其中第一历史数据提取单元用于提取目标公共汽车的第一历史数据，目标公共汽车的第一历史数据是指在待预测行程的前三周的同一天的出发时刻最接近的目标公共汽车的行程的历史数据；
第一预测单元用于通过第一历史数据计算目标公共汽车的待预测行程的行驶时间作为第一预测单元的预测结果；
对于待预测行程的每一个链路的行驶时间进行计算，将前三周的历史数据中对应的一个链路的行驶时间计算平均值作为待预测行程的对应的链路的行驶时间；
第一链路提取单元用于提取目标公共汽车停止之前的四个链路的行驶过程中的数据作为目标历史数据；
匹配单元用于提取对应于第一链路提取单元所提取的四个链路的一年内的同一周的同一天的同一时段的行驶过程中的数据；
匹配单元所提取的数据根据提取的时间和公共汽车来生成多个匹配数据，每个匹配数据包括一个公共汽车在一个时段对应于第一链路提取单元所提取的四个链路的行驶过程中的数据；
计算匹配数据与目标历史数据的相似度，计算公式如下：
其中d为匹配数据与目标历史数据的相似度，lyk为目标历史数据的第k个链路的行驶时间，lmk为匹配数据的第k个链路的行驶时间；
第二预测单元将匹配数据按照与目标历史数据的相似度由高至低进行排序，提取前三个相似度最高的匹配数据所对应的完整的目标公共汽车行程数据，基于提取的目标公共汽车行程数据计算目标公共汽车的待预测行程的行驶时间作为第二预测单元的预测结果；
对于待预测行程的每一个链路的行驶时间进行计算，将前三个相似度最高的匹配数据所对应的完整的目标公共汽车行程数据中对应的一个链路的行驶时间计算平均值作为待预测行程的对应的链路的行驶时间；
校正单元将第二预测单元与第一预测单元的预测结果进行对比，如果第二预测单元与第一预测单元的相似度低于设定的第一阈值，则将第一预测单元的预测结果作为最终预测结果，如果第二预测单元与第一预测单元的相似度大于或等于设定的第一阈值，则将第二预测单元的预测结果作为最终预测结果；
信息推送单元，其在目标公共汽车的待预测行程开始前将第一预测单元的预测结果发送给用户，在目标公共汽车的待预测行程开始后将实时更新的最终预测结果发送给用户。
进一步地，数据采集单元包括行车记录单元和乘客记录单元，其中行车记录单元用于采集公共汽车的位置信息、车速信息、启动时间信息和停止时间信息；
乘客记录单元用于记录乘客上下车的时间和数量。
进一步地，行驶时间预测单元按照设定的周期更新最终预测结果，按照设定的周期由第二预测单元计算第二预测单元的预测结果，然后生成新的最终预测结果。
进一步地，信息推送单元将第一预测单元的预测结果和最终预测结果结合地图信息生成预测地图，预测地图包括目标公共汽车的目标行程的链路、节点和每个链路的行驶时间，预测地图对应的生成一个网址；
信息推送单元将预测地图对应的网址映射一个短链接，然后将短链接发送到用户的终端；
短链接的生成包括：生成一个十进制的初始字符，然后在该初始字符的基础上增加n+1获得第一字符，n为已经存在的网址与短链接的映射的总数量，将第一字符转换为六十二进制之后获得第二字符，第二字符前缀域名之后获得短链接。
信息推送单元包括预测地图生成单元、短链接生成单元、短信生成单元和短信发送单元，其中预测地图生成单元用于将第一预测单元的预测结果和最终预测结果结合地图信息生成预测地图；
短链接生成单元用于将预测地图对应的网址映射一个短链接，然后将短链接发送到用户的终端；
短信生成单元用于生成包含短链接的短信；
短信发送单元用于将短信发送到用户的终端。
进一步地，信息推送单元记录短链接的访问记录和发送记录，访问记录包括终端ID、访问时间、短链接ID；
发送记录包括终端ID、发送时间、短链接ID；
短链接ID是指短链接在信息推送单元存储时标记的ID。
提取一个时间段内的访问记录得到第一访问记录集合，提取同一个时间段内的发送记录得到第一发送记录集合；
整理第一访问记录集合获得第二访问记录集合，整理第一访问记录集合的方法是对多个除访问时间外相同的访问记录进行删除操作，仅保留其中任意一个访问记录；
计算第二访问记录集合中的访问记录的数量S和第一发送记录集合中发送记录的数量Q；
如果S≤nQ，则判断信息推送单元存在异常，如果，S＞nQ则判断信息推送单元不存在异常；其中n为调整系数，可以根据统计短链接的点击率进行确定，0≤n≤1。
信息推送单元还包括记录单元、记录提取单元和异常判断单元，其中记录单元用于记录短链接的访问记录和发送记录；
记录提取单元用于提取一个时间段内的访问记录得到第一访问记录集合，提取同一个时间段内的发送记录得到第一发送记录集合；
异常判断单元基于第二访问记录集合中的访问记录的数量S和第一发送记录集合中发送记录的数量Q判断信息推送单元是否存在异常。
本发明的有益效果在于：
本发明的系统通过采集公共交通信息，并通过公共交通信息的处理来预测公共汽车的行程的行驶时间，配合采集的信息生成历史数据库的支持，本发明能够对暴雨拥堵等突发状况下公共汽车的行程时间进行更准确的预测。
附图说明
图1是本发明的一种基于公共交通的信息采集系统的模块示意图；
图2是本发明的数据采集单元的模块示意图；
图3是本发明的行驶时间预测单元的模块示意图；
图4是本发明的信息推送单元的模块示意图一；
图5是本发明的信息推送单元的模块示意图二。
图中：数据采集单元110，数据存储单元120，行驶时间预测单元130，信息推送单元140，行车记录单元111，乘客记录单元112，第一历史数据提取单元131，第一预测单元132，第一链路提取单元133，匹配单元134，第二预测单元135，校正单元136，预测地图生成单元141，短链接生成单元142，短信生成单元143，短信发送单元144，记录单元145，记录提取单元146，异常判断单元147。
具体实施方式
现在将参考示例实施方式讨论本文描述的主题。应该理解，讨论这些实施方式只是为了使得本领域技术人员能够更好地理解从而实现本文描述的主题，并非是对权利要求书中所阐述的保护范围、适用性或者示例的限制。可以在不脱离本说明书内容的保护范围的情况下，对所讨论的元素的功能和排列进行改变。各个示例可以根据需要，省略、替代或者添加各种过程或组件。另外，相对一些示例所描述的特征在其他例子中也可以进行组合。
实施例一
如图1-图5所示，一种基于公共交通的信息采集系统，包括：
数据采集单元110，其用于采集公共汽车行驶过程中的数据，公共汽车行驶中的数据包括位置信息、车速信息、启动时间信息、停止时间信息、乘客上下车记录信息；
作为一种数据采集单元110的具体实施方式，其包括行车记录单元111、乘客记录单元112，其中行车记录单元111用于采集公共汽车的位置信息、车速信息、启动时间信息和停止时间信息；乘客记录单元112用于记录乘客上下车的时间和数量；
数据存储单元120，其用于存储地图信息以及数据采集单元110的信息；
地图信息包括节点的信息以及连接节点的链路的信息，其中节点的信息即为公共汽车站的信息，链路的信息即为公交路线的信息，节点的信息包括节点的ID或名称、节点的位置；
行驶时间预测单元130，其用于通过数据存储单元120存储的信息来计算公共汽车的行驶时间；
行驶时间预测单元130包括第一历史数据提取单元131、第一预测单元132、第一链路提取单元133、匹配单元134，第二预测单元135和校正单元136，其中第一历史数据提取单元131用于提取目标公共汽车的第一历史数据，目标公共汽车的第一历史数据是指在待预测行程的前三周的同一天的出发时刻最接近的目标公共汽车的行程的历史数据；例如待预测行程为周三，出发时刻为8点；提取的第一历史数据应该是前三周的周三出发时刻最靠近8点的一个行程的历史数据；
第一预测单元132用于通过第一历史数据计算目标公共汽车的待预测行程的行驶时间作为第一预测单元132的预测结果；
具体的，对于待预测行程的每一个链路的行驶时间进行计算，将前三周的历史数据中对应的一个链路的行驶时间计算平均值作为待预测行程的对应的链路的行驶时间；
第一链路提取单元133用于提取目标公共汽车停止之前的四个链路的行驶过程中的数据作为目标历史数据；
匹配单元134用于提取对应于第一链路提取单元133所提取的四个链路的一年内的同一周的同一天的同一时段的行驶过程中的数据；
例如第一链路提取单元133提取目标公共汽车停止之前的ABCD四个链路的行驶过程中的数据，则匹配单元134提取对应于ABCD四个链路的公共汽车行驶过程中的数据，按照时间进行提取，所提取的数据中行驶通过ABCD四个链路的时段与第一链路提取单元133提取的四个链路的行驶时段在起点上差值小于30min，目标公共汽车停止之前的四个链路的行驶过程中的数据在周三的8点从A链路出发，则提取的数据中从A链路出发的时间同样在周三的7：30～8：30；
匹配单元134所提取的数据根据提取的时间和公共汽车来生成多个匹配数据，每个匹配数据包括一个公共汽车在一个时段对应于第一链路提取单元133所提取的四个链路的行驶过程中的数据；
计算匹配数据与目标历史数据的相似度，计算公式如下：
其中d为匹配数据与目标历史数据的相似度，lyk为目标历史数据的第k个链路的行驶时间，lmk为匹配数据的第k个链路的行驶时间；
第二预测单元135将匹配数据按照与目标历史数据的相似度由高至低进行排序，提取前三个相似度最高的匹配数据所对应的完整的目标公共汽车行程数据，基于提取的目标公共汽车行程数据计算目标公共汽车的待预测行程的行驶时间作为第二预测单元的预测结果；
对于待预测行程的每一个链路的行驶时间进行计算，将前三个相似度最高的匹配数据所对应的完整的目标公共汽车行程数据中对应的一个链路的行驶时间计算平均值作为待预测行程的对应的链路的行驶时间；
校正单元136将第二预测单元135与第一预测单元132的预测结果进行对比，如果第二预测单元135与第一预测单元132的相似度低于设定的第一阈值，则将第一预测单元132的预测结果作为最终预测结果，如果第二预测单元135与第一预测单元132的相似度大于或等于设定的第一阈值，则将第二预测单元135的预测结果作为最终预测结果；
行驶时间预测单元130按照设定的周期更新最终预测结果，由于第一预测单元132的预测结果是不变的，因此只需要间隔设定的时间由第二预测单元135计算第二预测单元135的预测结果，然后生成最终预测结果即可。
信息推送单元140，其在目标公共汽车的待预测行程开始前将第一预测单元132的预测结果发送给用户，在目标公共汽车的待预测行程开始后将实时更新的最终预测结果发送给用户；
信息推送单元140将第一预测单元132的预测结果和最终预测结果结合地图信息生成预测地图，预测地图包括目标公共汽车的目标行程的链路、节点和每个链路的行驶时间，预测地图对应的生成一个网址；
信息推送单元140将预测地图对应的网址映射一个短链接，然后将短链接发送到用户的终端；
短链接的生成包括：生成一个十进制的初始字符，然后在该初始字符的基础上增加n+1获得第一字符，n为已经存在的网址与短链接的映射的总数量，将第一字符转换为六十二进制之后获得第二字符，第二字符前缀域名之后获得短链接；
信息推送单元140包括预测地图生成单元141、短链接生成单元142、短信生成单元143和短信发送单元144，其中预测地图生成单元141用于将第一预测单元132的预测结果和最终预测结果结合地图信息生成预测地图；
短链接生成单元142用于将预测地图对应的网址映射一个短链接，然后将短链接发送到用户的终端；
短信生成单元143用于生成包含短链接的短信；
短信发送单元144用于将短信发送到用户的终端；
短信发送单元144发送的短信包含的短链接指向的预测地图所对应的目标公共汽车和目标行程应该是用户所订阅或请求的。
信息推送单元140记录短链接的访问记录和发送记录，访问记录包括终端ID、访问时间、短链接ID；
发送记录包括终端ID、发送时间、短链接ID；
短链接ID是指短链接在信息推送单元140存储时标记的ID。
提取一个时间段内的访问记录得到第一访问记录集合，提取同一个时间段内的发送记录得到第一发送记录集合；
整理第一访问记录集合获得第二访问记录集合，整理第一访问记录集合的方法是对多个除访问时间外相同的访问记录进行删除操作，仅保留其中任意一个访问记录；
计算第二访问记录集合中的访问记录的数量S和第一发送记录集合中发送记录的数量Q；
如果S≤nQ，则判断信息推送单元140存在异常，如果，S＞nQ则判断信息推送单元140不存在异常；其中n为调整系数，可以根据统计短链接的点击率进行确定，0≤n≤1。
信息推送单元140还包括记录单元145、记录提取单元146和异常判断单元147，其中记录单元145用于记录短链接的访问记录和发送记录；
记录提取单元146用于提取一个时间段内的访问记录得到第一访问记录集合，提取同一个时间段内的发送记录得到第一发送记录集合；
异常判断单元147基于第二访问记录集合中的访问记录的数量S和第一发送记录集合中发送记录的数量Q判断信息推送单元140是否存在异常。
在通过短信发送预测地图的过程中，通过上述的判断方法能够判断出信息推送单元140所应用的DNS服务器被劫持的异常，避免用户通过短链接访问预测地图时跳转到包含不良内容的网址。
上面对本实施例的实施例进行了描述，但是本实施例并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本实施例的启示下，在不脱离本实施例宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本实施例的保护之内。
Claims (9)
1.一种基于公共交通的信息采集系统，其特征在于，包括：
数据采集单元，其用于采集公共汽车行驶过程中的数据；
数据存储单元，其用于存储地图信息以及数据采集单元的信息；
地图信息包括节点的信息以及连接节点的链路的信息，其中节点的信息即为公共汽车站的信息，链路的信息即为公交路线的信息；
行驶时间预测单元，其用于通过数据存储单元存储的信息来计算公共汽车的行驶时间；
行驶时间预测单元包括第一历史数据提取单元、第一预测单元、第一链路提取单元、匹配单元，第二预测单元和校正单元，其中第一历史数据提取单元用于提取目标公共汽车的第一历史数据，目标公共汽车的第一历史数据是指在待预测行程的前三周的同一天的出发时刻最接近的目标公共汽车的行程的历史数据；
第一预测单元用于通过第一历史数据计算目标公共汽车的待预测行程的行驶时间作为第一预测单元的预测结果；
对于待预测行程的每一个链路的行驶时间进行计算，将前三周的历史数据中对应的一个链路的行驶时间计算平均值作为待预测行程的对应的链路的行驶时间；
第一链路提取单元用于提取目标公共汽车停止之前的四个链路的行驶过程中的数据作为目标历史数据；
匹配单元用于提取对应于第一链路提取单元所提取的四个链路的一年内的同一周的同一天的同一时段的行驶过程中的数据；
匹配单元所提取的数据根据提取的时间和公共汽车来生成多个匹配数据，每个匹配数据包括一个公共汽车在一个时段对应于第一链路提取单元所提取的四个链路的行驶过程中的数据；
计算匹配数据与目标历史数据的相似度，计算公式如下：
其中d为匹配数据与目标历史数据的相似度，lyk为目标历史数据的第k个链路的行驶时间，lmk为匹配数据的第k个链路的行驶时间；
第二预测单元将匹配数据按照与目标历史数据的相似度由高至低进行排序，提取前三个相似度最高的匹配数据所对应的完整的目标公共汽车行程数据，基于提取的目标公共汽车行程数据计算目标公共汽车的待预测行程的行驶时间作为第二预测单元的预测结果；
对于待预测行程的每一个链路的行驶时间进行计算，将前三个相似度最高的匹配数据所对应的完整的目标公共汽车行程数据中对应的一个链路的行驶时间计算平均值作为待预测行程的对应的链路的行驶时间；
校正单元将第二预测单元与第一预测单元的预测结果进行对比，如果第二预测单元与第一预测单元的相似度低于设定的第一阈值，则将第一预测单元的预测结果作为最终预测结果，如果第二预测单元与第一预测单元的相似度大于或等于设定的第一阈值，则将第二预测单元的预测结果作为最终预测结果；
信息推送单元，其在目标公共汽车的待预测行程开始前将第一预测单元的预测结果发送给用户，在目标公共汽车的待预测行程开始后将实时更新的最终预测结果发送给用户。
2.根据权利要求1所述的一种基于公共交通的信息采集系统，其特征在于，数据采集单元包括行车记录单元和乘客记录单元，其中行车记录单元用于采集公共汽车的位置信息、车速信息、启动时间信息和停止时间信息；
乘客记录单元用于记录乘客上下车的时间和数量。
3.根据权利要求1所述的一种基于公共交通的信息采集系统，其特征在于，节点的信息包括节点的ID或名称、节点的位置。
4.根据权利要求1所述的一种基于公共交通的信息采集系统，其特征在于，公共汽车行驶中的数据包括位置信息、车速信息、启动时间信息、停止时间信息、乘客上下车记录信息。
5.根据权利要求1所述的一种基于公共交通的信息采集系统，其特征在于，行驶时间预测单元按照设定的周期更新最终预测结果，按照设定的周期由第二预测单元计算第二预测单元的预测结果，然后生成新的最终预测结果。
6.根据权利要求1所述的一种基于公共交通的信息采集系统，其特征在于，信息推送单元将第一预测单元的预测结果和最终预测结果结合地图信息生成预测地图，预测地图包括目标公共汽车的目标行程的链路、节点和每个链路的行驶时间，预测地图对应的生成一个网址；
信息推送单元将预测地图对应的网址映射一个短链接，然后将短链接发送到用户的终端；
短链接的生成包括：生成一个十进制的初始字符，然后在该初始字符的基础上增加n+1获得第一字符，n为已经存在的网址与短链接的映射的总数量，将第一字符转换为六十二进制之后获得第二字符，第二字符前缀域名之后获得短链接。
7.根据权利要求6所述的一种基于公共交通的信息采集系统，其特征在于，信息推送单元包括预测地图生成单元、短链接生成单元、短信生成单元和短信发送单元，其中预测地图生成单元用于将第一预测单元的预测结果和最终预测结果结合地图信息生成预测地图；
短链接生成单元用于将预测地图对应的网址映射一个短链接，然后将短链接发送到用户的终端；
短信生成单元用于生成包含短链接的短信；
短信发送单元用于将短信发送到用户的终端。
8.根据权利要求6所述的一种基于公共交通的信息采集系统，其特征在于，信息推送单元记录短链接的访问记录和发送记录，访问记录包括终端ID、访问时间、短链接ID；
发送记录包括终端ID、发送时间、短链接ID；
提取一个时间段内的访问记录得到第一访问记录集合，提取同一个时间段内的发送记录得到第一发送记录集合；
整理第一访问记录集合获得第二访问记录集合，整理第一访问记录集合的方法是对多个除访问时间外相同的访问记录进行删除操作，仅保留其中任意一个访问记录；
计算第二访问记录集合中的访问记录的数量S和第一发送记录集合中发送记录的数量Q；
如果S≤nQ，则判断信息推送单元存在异常，如果，S＞nQ则判断信息推送单元不存在异常；其中n为调整系数，可以根据统计短链接的点击率进行确定，0≤n≤1。
9.根据权利要求8所述的一种基于公共交通的信息采集系统，其特征在于，信息推送单元还包括记录单元、记录提取单元和异常判断单元，其中记录单元用于记录短链接的访问记录和发送记录；
记录提取单元用于提取一个时间段内的访问记录得到第一访问记录集合，提取同一个时间段内的发送记录得到第一发送记录集合；
异常判断单元基于第二访问记录集合中的访问记录的数量S和第一发送记录集合中发送记录的数量Q判断信息推送单元是否存在异常。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210997454.5A CN115424467B (zh) | 2022-08-19 | 2022-08-19 | 一种基于公共交通的信息采集系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210997454.5A CN115424467B (zh) | 2022-08-19 | 2022-08-19 | 一种基于公共交通的信息采集系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115424467A true CN115424467A (zh) | 2022-12-02 |
| CN115424467B CN115424467B (zh) | 2023-10-24 |
Family
ID=84198879
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210997454.5A Active CN115424467B (zh) | 2022-08-19 | 2022-08-19 | 一种基于公共交通的信息采集系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115424467B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007242046A (ja) * | 2007-05-07 | 2007-09-20 | Hokuriku Regional Development Bureau Ministry Land Infrastructure & Transport | バス接近情報通知システム |
| CN101388143A (zh) * | 2007-09-14 | 2009-03-18 | 同济大学 | 基于浮动车数据的公交到站时间预测方法及系统 |
| CN103177561A (zh) * | 2011-12-26 | 2013-06-26 | 北京掌城科技有限公司 | 公交实时路况的生成方法及系统 |
| CN104064028A (zh) * | 2014-06-23 | 2014-09-24 | 银江股份有限公司 | 基于多元信息数据的公交到站时间预测方法及系统 |
| CN106935027A (zh) * | 2015-12-30 | 2017-07-07 | 沈阳美行科技有限公司 | 一种基于行驶数据的交通信息预测方法及装置 |
| KR20180121240A (ko) * | 2017-04-28 | 2018-11-07 | 주식회사 엘비씨소프트 | 빅데이터를 활용한 대중교통 통행시간 예측/예보 시스템 |
| CN111554085A (zh) * | 2020-07-09 | 2020-08-18 | 中邮建技术有限公司 | 一种公共交通一体化出行智能服务装置及其应用方法 |
| CN113470365A (zh) * | 2021-09-01 | 2021-10-01 | 北京航空航天大学杭州创新研究院 | 一种面向有缺失数据的公交车到站时间预测方法 |
| CN113888857A (zh) * | 2021-10-11 | 2022-01-04 | 南京微道科技有限公司 | 基于车联网的公共交通管理系统、装置及方法 |
| CN114202922A (zh) * | 2021-12-09 | 2022-03-18 | 贵阳移动金融发展有限公司 | 一种公共交通出行服务大数据采集分析平台 |
-
2022
- 2022-08-19 CN CN202210997454.5A patent/CN115424467B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007242046A (ja) * | 2007-05-07 | 2007-09-20 | Hokuriku Regional Development Bureau Ministry Land Infrastructure & Transport | バス接近情報通知システム |
| CN101388143A (zh) * | 2007-09-14 | 2009-03-18 | 同济大学 | 基于浮动车数据的公交到站时间预测方法及系统 |
| CN103177561A (zh) * | 2011-12-26 | 2013-06-26 | 北京掌城科技有限公司 | 公交实时路况的生成方法及系统 |
| CN104064028A (zh) * | 2014-06-23 | 2014-09-24 | 银江股份有限公司 | 基于多元信息数据的公交到站时间预测方法及系统 |
| CN106935027A (zh) * | 2015-12-30 | 2017-07-07 | 沈阳美行科技有限公司 | 一种基于行驶数据的交通信息预测方法及装置 |
| KR20180121240A (ko) * | 2017-04-28 | 2018-11-07 | 주식회사 엘비씨소프트 | 빅데이터를 활용한 대중교통 통행시간 예측/예보 시스템 |
| CN111554085A (zh) * | 2020-07-09 | 2020-08-18 | 中邮建技术有限公司 | 一种公共交通一体化出行智能服务装置及其应用方法 |
| CN113470365A (zh) * | 2021-09-01 | 2021-10-01 | 北京航空航天大学杭州创新研究院 | 一种面向有缺失数据的公交车到站时间预测方法 |
| CN113888857A (zh) * | 2021-10-11 | 2022-01-04 | 南京微道科技有限公司 | 基于车联网的公共交通管理系统、装置及方法 |
| CN114202922A (zh) * | 2021-12-09 | 2022-03-18 | 贵阳移动金融发展有限公司 | 一种公共交通出行服务大数据采集分析平台 |
Non-Patent Citations (1)
| Title |
|---|
| 王茁: "基于预测算法的公交车实时到站时间查询系统", 华东交通大学学报, vol. 35, no. 001, pages 46 - 54 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115424467B (zh) | 2023-10-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ma et al. | Transit smart card data mining for passenger origin information extraction | |
| CN109000668B (zh) | 基于车联网的实时智能导航方法 | |
| CN103177575B (zh) | 城区出租车动态在线调度优化系统及其方法 | |
| CN108242149A (zh) | 一种基于交通数据的大数据分析方法 | |
| CN110298516B (zh) | 一种基于客流od数据的拆分过长公交线路的方法、装置、移动端设备及服务器 | |
| CN105427594B (zh) | 一种基于双向上车客流的公交断面客流量获取方法及系统 | |
| CN104240529B (zh) | 一种预测公交到站时间的方法及系统 | |
| CN111932925A (zh) | 一种公共交通站点的出行客流的确定方法、装置及系统 | |
| CN110969861B (zh) | 一种车辆识别方法、装置、设备及计算机存储介质 | |
| CN110400462B (zh) | 基于模糊理论的轨道交通客流监测预警方法及其系统 | |
| CN108803559A (zh) | 车辆故障分析方法、装置和系统 | |
| CN109637134A (zh) | 一种公交设备匹配方法 | |
| CN108196280A (zh) | 一种通过gps推断公交线路方法 | |
| CN109461306A (zh) | 一种公交车辆满载率的计算方法 | |
| CN111091222A (zh) | 人流量预测方法、装置及系统 | |
| CN108242146B (zh) | 基于公交卡数据分析乘客乘车站点及时间的方法和系统 | |
| CN111161531A (zh) | 一种基于公交车载终端判断线路正返程和进出站的方法 | |
| CN110556014B (zh) | 智能公交调度平台系统 | |
| CN106530679B (zh) | 微公交运行管理系统及方法 | |
| CN114078322B (zh) | 一种公交运行状态评价方法、装置、设备及存储介质 | |
| CN115424467A (zh) | 一种基于公共交通的信息采集系统 | |
| CN116386305A (zh) | 基于信息反馈的乘车方法 | |
| CN111624638A (zh) | 基于大数据系统的行踪追溯及监控报告的生成方法 | |
| CN116204576B (zh) | 一种公共交通数据生成gtfs格式数据的生成方法及系统 | |
| CN116205460A (zh) | 基于乘客画像和eta数据的公交报站生成方法、装置及应用 |
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 |