CN115641243B - 通勤廊道确定方法、装置、设备和存储介质 - Google Patents
通勤廊道确定方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN115641243B CN115641243B CN202211533319.1A CN202211533319A CN115641243B CN 115641243 B CN115641243 B CN 115641243B CN 202211533319 A CN202211533319 A CN 202211533319A CN 115641243 B CN115641243 B CN 115641243B
- Authority
- CN
- China
- Prior art keywords
- corridor
- commuting
- node
- target
- network
- 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.)
- Active
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供一种通勤廊道确定方法、装置、设备和存储介质,涉及交通技术领域,该方法包括:获取目标区域内多个通勤者的通勤数据;对目标区域内的通勤者的位置信息进行网格化处理,得到通勤数据对应的多个网格;根据各个网格,构建通勤网络;各个网格作为通勤网络中的节点;步骤a、将通勤网络中的各个节点分别划分在不同的初始通勤廊道中;步骤b、从初始通勤廊道中,确定各个节点对应的目标廊道,将各个节点分别划分到对应的目标廊道中,得到更新后的各个目标廊道;步骤c、将更新后的各个目标廊道作为通勤网络中的各个节点;将更新后的各个目标廊道作为目标区域中的通勤廊道。本发明实施例的方法实现了通勤廊道的准确识别。
Description
技术领域
本发明涉及交通技术领域,尤其涉及一种通勤廊道确定方法、装置、设备和存储介质。
背景技术
我国超大城市往往存在职住分离问题,交通规划师往往需关注多个就业中心与居住卫星城之间的主要通勤廊道的空间治理,以完成道路交通和轨道交通基础设施的布局与实施方案。
相关技术中,通勤廊道的确定停留在交通大区通勤期望线层面,且交通大区划分多以行政区、街乡或是环路为边界,依赖规划师的经验判断,较为主观,无法准确有效的识别出城市中的通勤廊道。
发明内容
针对现有技术中的问题,本发明实施例提供一种通勤廊道确定方法、装置、设备和存储介质。
具体地,本发明实施例提供了以下技术方案:
第一方面,本发明实施例提供了一种通勤廊道确定方法,包括:
获取目标区域内多个通勤者的通勤数据;所述通勤数据包括通勤者的互联网位置服务数据中的出发地和目的地的位置信息;
对目标区域内的通勤者的所述位置信息进行网格化处理,得到通勤数据对应的多个网格;
根据各个所述网格,构建通勤网络;各个所述网格作为通勤网络中的节点;
步骤a、将通勤网络中的各个节点分别划分在不同的初始通勤廊道中;
步骤b、从所述初始通勤廊道中,确定各个所述节点对应的目标廊道,将各个节点分别划分到对应的所述目标廊道中,得到更新后的各个目标廊道;
步骤c、将更新后的各个目标廊道作为通勤网络中的各个节点;重复执行步骤a-步骤c,直至通勤通网络中的节点不再变化;
将更新后的各个所述目标廊道作为目标区域中的通勤廊道。
进一步地,所述从所述初始通勤廊道中,确定各个所述节点对应的目标廊道,将各个节点分别划分到对应的所述目标廊道中,得到更新后的各个目标廊道,包括:
对于每个节点,将各个节点划分到各个相邻廊道中,得到各个相邻廊道的模块度变化量;所述模块度用于表示所述通勤廊道的划分质量;
根据各个所述相邻廊道的模块度变化量,确定目标廊道;
将各个所述节点分别加入到对应的目标廊道中,得到更新后的目标廊道。
进一步地,所述对于每个节点,将各个节点划分到各个相邻廊道中,得到各个相邻廊道的模块度变化量,包括:
对于每个节点,将各个节点划分到各个相邻廊道中,得到划分后的各个相邻廊道的模块度;
根据划分前各个相邻廊道的模块度和划分后各个相邻廊道的模块度,确定各个相邻廊道的模块度变化量。
进一步地,所述对于每个节点,将各个节点划分到各个相邻廊道中,得到各个相邻廊道的模块度变化量,包括:
对于每个节点,将各个节点划分到各个相邻廊道中,得到划分后的各个相邻廊道的模块度;
根据划分前各个相邻廊道的模块度和划分后各个相邻廊道的模块度,确定各个相邻廊道的模块度变化量。
进一步地,所述对目标区域内的通勤者的所述位置信息进行网格化处理,得到通勤数据对应的多个网格之后,还包括:
根据各个所述网格之间的距离,对所述网格进行清洗。
第二方面,本发明实施例还提供了一种通勤廊道确定装置,包括:
获取模块,用于获取目标区域内多个通勤者的通勤数据;所述通勤数据包括通勤者的互联网位置服务数据中的出发地和目的地的位置信息;
构建模块,用于对目标区域内的通勤者的所述位置信息进行网格化处理,得到通勤数据对应的多个网格;
根据各个所述网格,构建通勤网络;各个所述网格作为通勤网络中的节点;
确定模块,用于步骤a、将通勤网络中的各个节点分别划分在不同的初始通勤廊道中;
步骤b、从所述初始通勤廊道中,确定各个所述节点对应的目标廊道,将各个节点分别划分到对应的所述目标廊道中,得到更新后的各个目标廊道;
步骤c、将更新后的各个目标廊道作为通勤网络中的各个节点,重复执行步骤a-步骤c,直至通勤通网络中的节点不再变化;
将更新后的各个所述目标廊道作为目标区域中的通勤廊道。
第三方面,本发明实施例还提供了一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现如第一方面所述通勤廊道确定方法的步骤。
第四方面,本发明实施例还提供了一种非暂态计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面所述通勤廊道确定方法的步骤。
第五方面,本发明实施例还提供了一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如第一方面所述通勤廊道确定方法的步骤。
本发明实施例提供的通勤廊道确定方法、装置、设备和存储介质,通过获取目标区域内多个通勤者的通勤数据;其中,通勤数据包括通勤者的互联网位置服务数据中的出发地和目的地的位置信息,通勤者的互联网位置服务数据所反映的出行特征相较于传统抽样调查获得的个体出行特征,能够以大样本、低成本、高空间精度提供高频更新的通勤监测指标,从而提高目标区域内通勤者的通勤数据的获取准确性和及时性,进而也就可以提高通勤廊道的识别准确率和识别效率。进一步地,本发明实施例中对目标区域内的通勤者的位置信息进行网格化处理,得到通勤数据对应的多个网格。其中,目标区域内的通勤者的位置信息进行网格化处理后,网格数量将明显小于网格化前的通勤者的位置信息的数量,因而可以有效降低通勤网络中节点个数,减少通勤廊道识别时间,提高通勤廊道识别效率。进一步地,在构建通勤网络后,本发明实施例中首先将通勤网络中的各个节点分别划分在不同的初始通勤廊道中,也就是将各个网格划分到不同的初始通勤廊道中,得到初始的通勤廊道,进而将通勤廊道进行合并,直至通勤通网络中的节点不再变化,则将更新后的各个目标廊道作为目标区域中的通勤廊道,从而也就实现了通勤廊道的准确识别。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的通勤廊道确定方法的流程示意图;
图2是本发明实施例提供的目标区域内通勤者的通勤数据示意图;
图3是本发明实施例提供的通勤数据进行网格化处理的示意图;
图4是本发明实施例提供的另一通勤廊道确定方法的流程示意图;
图5是本发明实施例提供的通勤廊道的识别结果示意图;
图6是本发明实施例提供的通勤廊道确定装置的结构示意图;
图7是本发明实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动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。
本发明实施例的方法可以应用于交通场景中,实现通勤廊道的准确识别。
相关技术中,通勤廊道的确定停留在交通大区通勤期望线层面,且交通大区划分多以行政区、街乡或是环路为边界,依赖规划师的经验判断,较为主观,无法准确有效的识别出城市中的通勤廊道。
本发明实施例的通勤廊道确定方法,通过获取目标区域内多个通勤者的通勤数据;其中,通勤数据包括通勤者的互联网位置服务数据中的出发地和目的地的位置信息,通勤者的互联网位置服务数据所反映的出行特征相较于传统抽样调查获得的个体出行特征,能够以大样本、低成本、高空间精度提供高频更新的通勤监测指标,从而提高目标区域内通勤者的通勤数据的获取准确性和及时性,进而也就可以提高通勤廊道的识别准确率和识别效率。进一步地,本发明实施例中对目标区域内的通勤者的位置信息进行网格化处理,得到通勤数据对应的多个网格。其中,目标区域内的通勤者的位置信息进行网格化处理后,网格数量将明显小于网格化前的通勤者的位置信息的数量,因而可以有效降低通勤网络中节点个数,减少通勤廊道识别时间,提高通勤廊道识别效率。进一步地,在构建通勤网络后,本发明实施例中首先将通勤网络中的各个节点分别划分在不同的初始通勤廊道中,也就是将各个网格划分到不同的初始通勤廊道中,得到初始的通勤廊道,进而将通勤廊道进行合并,直至通勤通网络中的节点不再变化,则将更新后的各个目标廊道作为目标区域中的通勤廊道,从而也就实现了通勤廊道的准确识别。
下面结合图1-图7以具体的实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1是本发明实施例提供的通勤廊道确定方法一实施例的流程示意图。如图1所示,本实施例提供的方法,包括:
步骤101、获取目标区域内多个通勤者的通勤数据;通勤数据包括通勤者的互联网位置服务数据中的出发地和目的地的位置信息;
具体地,相关技术中,通勤廊道的确定停留在交通大区通勤期望线层面,且交通大区划分多以行政区、街乡或是环路为边界,依赖规划师的经验判断,较为主观,无法准确有效的识别出城市中的通勤廊道。
为了解决上述问题,本发明实施例中首先获取目标区域内多个通勤者的通勤数据;可选地,通勤数据包括通勤者的互联网位置服务数据中的出发地和目的地的位置信息;其中,通勤者的互联网位置服务数据所反映的出行特征相较于传统抽样调查获得的个体出行特征,能够以大样本、低成本、高空间精度提供高频更新的通勤监测指标,从而提高目标区域内通勤者的通勤数据的获取准确性和及时性,进而也就可以提高通勤廊道的识别准确率和识别效率。可选地,通勤数据包括通勤者的居住地、工作地、常驻点数据、通勤者的通勤距离等信息。
例如,图2所示为基于互联网位置服务数据,确定的目标区域的2017-2022年的通勤者的通勤数据;其中,通勤者的出发地和目的地的位置相连接。
步骤102、对目标区域内的通勤者的位置信息进行网格化处理,得到通勤数据对应的多个网格;
具体地,本发明实施例中在获取目标区域内多个通勤者的通勤数据后,对目标区域内的通勤者的位置信息进行网格化处理,得到通勤数据对应的多个网格;可选地,将目标区域内通勤者居住地、工作地、常驻点数据网格化,汇聚至2km*2km大小的连续网格,从而可以减少通勤网络中节点个数,减少通勤廊道识别时间,提高通勤廊道识别效率。
例如,如图3所示,对目标区域内的通勤者的位置信息进行网格化处理,得到通勤数据对应的多个网格。其中,目标区域内的通勤者的位置信息进行网格化处理后,网格数量将明显小于网格化前的通勤者的位置信息的数量,因而可以有效降低通勤网络中节点个数,减少通勤廊道识别时间,提高通勤廊道识别效率。可选地,网格的大小可以基于实际情况进行选择,本发明实施例中不做限定。
步骤103、根据各个网格,构建通勤网络;各个网格作为通勤网络中的节点;
具体地,在对目标区域内的通勤者的位置信息进行网格化处理,得到通勤数据对应的多个网格后,就可以基于得到的多个网格构建通勤网络;可选地,将各个网格作为通勤网络中的节点,将各个网格之间的连接关系作为通勤网络中各个节点之间的边;可选地,各个网格之间的连接关系基于通勤者的出发地和目的地确定的,如通勤者A的出发地a对应的网格x,通勤者A的目的地b对应的网格y,则网格x和网格y之间存在连接关系;可选地,将网格之间的连接数量作为通勤网络中各个节点之间的边的权重;可选地,连接数量越大,节点之间的边的权重越大。
步骤104、步骤a、将通勤网络中的各个节点分别划分在不同的初始通勤廊道中;
步骤b、从初始通勤廊道中,确定各个节点对应的目标廊道,将各个节点分别划分到对应的目标廊道中,得到更新后的各个目标廊道;
步骤c、将更新后的各个目标廊道作为通勤网络中的各个节点;重复执行步骤a-步骤c,直至通勤通网络中的节点不再变化;
具体地,在构建通勤网络后,本发明实施例中首先将通勤网络中的各个节点分别划分在不同的初始通勤廊道中,也就是将各个网格划分到不同的初始通勤廊道中,得到初始的通勤廊道。
然后,从初始通勤廊道中,确定各个节点对应的目标廊道,将各个节点分别划分到对应的目标廊道中,得到更新后的各个目标廊道,也就是通过确定各个节点对应的目标廊道,将各个节点分别划分到对应的目标廊道中,从而确定了哪些廊道应该进行合并,从而得到合并后的目标廊道。可选地,可以基于通勤廊道的模块度确定是否进行廊道的合并;其中,通勤廊道的模块度用于表示通勤廊道的划分质量。
最后,将更新后的各个目标廊道作为通勤网络中的各个节点,也就是将合并后的目标廊道重新作为通勤网络中的节点,重新确定各个节点对应的廊道是否需要合并;也就是进行第一轮合并后重新构建通勤网络,在新构建的通勤网络中重复进行节点(通勤廊道)的合并,直至通勤通网络中的节点不再变化,也就是通勤网络的结构不再发生变化,最终通勤网络中的节点所对应的廊道就是确定出的目标区域的通勤廊道。
步骤105、将更新后的各个目标廊道作为目标区域中的通勤廊道。
具体地,在从初始通勤廊道中,确定各个节点对应的目标廊道,将各个节点分别划分到对应的目标廊道中,得到更新后的各个目标廊道后,且将更新后的各个目标廊道作为通勤网络中的各个节点,重复进行节点的合并得到合并更新后的通勤廊道,直至通勤通网络中的节点不再变化,也就是通勤网络的结构不再发生变化的情况下,则将更新后的各个目标廊道作为目标区域中的通勤廊道,从而也就实现了通勤廊道的准确识别。
上述实施例的方法,通过获取目标区域内多个通勤者的通勤数据;其中,通勤数据包括通勤者的互联网位置服务数据中的出发地和目的地的位置信息,通勤者的互联网位置服务数据所反映的出行特征相较于传统抽样调查获得的个体出行特征,能够以大样本、低成本、高空间精度提供高频更新的通勤监测指标,从而提高目标区域内通勤者的通勤数据的获取准确性和及时性,进而也就可以提高通勤廊道的识别准确率和识别效率。进一步地,本发明实施例中对目标区域内的通勤者的位置信息进行网格化处理,得到通勤数据对应的多个网格。其中,目标区域内的通勤者的位置信息进行网格化处理后,网格数量将明显小于网格化前的通勤者的位置信息的数量,因而可以有效降低通勤网络中节点个数,减少通勤廊道识别时间,提高通勤廊道识别效率。进一步地,在构建通勤网络后,本发明实施例中首先将通勤网络中的各个节点分别划分在不同的初始通勤廊道中,也就是将各个网格划分到不同的初始通勤廊道中,得到初始的通勤廊道,进而将通勤廊道进行合并,直至通勤通网络中的节点不再变化,则将更新后的各个目标廊道作为目标区域中的通勤廊道,从而也就实现了通勤廊道的准确识别。
在一实施例中,从初始通勤廊道中,确定各个节点对应的目标廊道,将各个节点分别划分到对应的目标廊道中,得到更新后的各个目标廊道,包括:
对于每个节点,将各个节点划分到各个相邻廊道中,得到各个相邻廊道的模块度变化量;模块度用于表示通勤廊道的划分质量;
根据各个相邻廊道的模块度变化量,确定目标廊道;
将各个节点分别加入到对应的目标廊道中,得到更新后的目标廊道。
具体地,本发明实施例在构建通勤网络后,首先将通勤网络中的各个节点分别划分在不同的初始通勤廊道中,进而不断地遍历通勤网络中的节点,尝试将节点分别划分到各个相邻廊道中,通过比较节点给每个相邻廊道带来的模块度的变化,从而从相邻廊道中确定目标廊道,并将各个节点分别加入到对应的目标廊道中,得到更新后的目标廊道,实现了通勤网络中节点的合并,也就实现了通勤廊道的合并。
在一实施例中,对于每个节点,将各个节点划分到各个相邻廊道中,得到各个相邻廊道的模块度变化量,包括:
对于每个节点,将各个节点划分到各个相邻廊道中,得到划分后的各个相邻廊道的模块度;
根据划分前各个相邻廊道的模块度和划分后各个相邻廊道的模块度,确定各个相邻廊道的模块度变化量。
具体地,本发明实施例在构建通勤网络后,首先将通勤网络中的各个节点分别划分在不同的初始通勤廊道中,进而不断地遍历通勤网络中的节点,尝试将节点划分到各个相邻廊道中,就可以得到划分后的各个相邻廊道的模块度;其中,模块度用于表示通勤廊道的划分质量;可选地,模块度的具体计算公式如下所示:
其中表示节点间连接的权重,即与节点i相连的所有边的权重之和,表示节点i和j的指数,函数表示节点i,j是否位于同一廊道(同一廊道取1,否则取0),表示通勤网络整体的连接权重和。
进一步,通过比较节点给每个相邻廊道带来的模块度的变化,即通过比较划分前各个相邻廊道的模块度和划分后各个相邻廊道的模块度之间的差值,确定目标廊道,从而将各个节点分别加入到对应的目标廊道中,得到更新后的目标廊道,实现了通勤网络中节点的合并,也就实现了通勤廊道的合并。
在一实施例中,根据各个相邻廊道的模块度变化量,确定目标廊道,包括:
将模块度变化量大于第一阈值的相邻廊道作为目标廊道。
具体地,通过比较节点给每个相邻廊道带来的模块度的变化,即通过比较划分前各个相邻廊道的模块度和划分后各个相邻廊道的模块度之间的差值,确定目标廊道;可选地,可以将划分前和划分后模块度之间的差值最大的通勤廊道作为目标廊道,将节点加入到目标廊道中实现合并;也可以将划分前和划分后模块度之间的差值大于第一阈值的通勤廊道作为目标廊道,将节点加入到目标廊道中实现合并。
示例性的,利用如下方法确定目标区域的通勤廊道:
1、首先初始化,将通勤网络中每个节点划分在不同的通勤廊道中;也就是将通勤网络中每个节点看成一个独立的通勤廊道,此时通勤廊道的数目与通勤网络中节点的个数相同;
2、对于每个节点i,依次尝试把节点i分配到其每个邻接节点所在的廊道,计算此时邻接的各个节点对应的廊道的模块度,判断划分前后的模块度的差值是否为正数,若为正数,则接受本次的划分,若不为正数,则放弃本次的划分;可选地,计算分配前与分配后的模块度变化ΔQ,并记录ΔQ最大的那个邻接节点,如果maxΔQ>0,则把节点i分配ΔQ最大的那个邻接节点所在的廊道,否则保持不变;
3、重复步骤1和步骤2,直到不能再增大模块度为止,也就是所有节点的廊道不再变化;
4、构造新的通勤网络图,新的通勤网络图中的每个节点代表的是步骤3中划分出来的每个廊道,继续执行步骤2和步骤3,直到通勤网络的结构不再改变为止。
上述实施例的方法,通过将通勤网络中的各个节点分别划分在不同的初始通勤廊道中,进而不断地遍历通勤网络中的节点,尝试将节点划分到各个相邻廊道中,通过比较节点给每个相邻廊道带来的模块度的变化,从而从相邻廊道中确定目标廊道,并将各个节点分别加入到对应的目标廊道中,得到更新后的目标廊道,实现了通勤廊道的合并,从而也就得到了目标区域中的目标通勤廊道,实现了目标区域中通勤廊道的准确识别。
在一实施例中,对目标区域内的通勤者的位置信息进行网格化处理,得到通勤数据对应的多个网格之后,还包括:
根据各个网格之间的距离,对网格进行清洗。
具体地,本发明实施中在对目标区域内的通勤者的位置信息进行网格化处理,得到通勤数据对应的多个网格之后,根据各个网格之间的距离,对网格进行清洗;可选地,去除距离超过80km和小于1km的网格,也就是去除居家工作和长距离跨市通勤人群,从而保证通勤廊道的识别结果的合理性和准确性,提高通勤数据的有效性,提高通勤廊道的识别效率。
上述实施例的方法,在对目标区域内的通勤者的位置信息进行网格化处理,得到通勤数据对应的多个网格之后,根据各个网格之间的距离,对网格进行清洗,从而可以提高通勤数据的有效性,提高通勤廊道的识别效率和准确性。
示例性的,如图4所示的通勤廊道确定方法,首先将目标区域中的通勤数据进行网格化;可选地,将京内通勤者居住地、工作地、常驻点数据网格化,汇聚至2km*2km大小的连续网格,减少网络图节点个数,从而减少通勤廊道识别时间;其次,需进行数据清洗,去除数据中通勤距离超过80km和小于1km的通勤出发地目的地(ORIGIN-DESTINATION,OD)数据,暂不考虑居家工作和长距离通勤人群,以保证通勤廊道确定结果的合理性;再次,保留合理的通勤出发地和目的地的对数据,并重新构建网络图;若通勤出发地和目的地OD对人口数大于0则增加该OD对之间的边;随后,以OD交换对通勤者人口数量为权重,进行通勤廊道识别,并将识别出的通勤廊道进行可视化处理。
示例性的,如图5所示的通勤廊道识别结果,北京市的主要通勤廊道为:东部从通州到CBD及周边方向;北部从天通苑到北辰、亚运村CBD以北;西北部从昌平到回龙观再到上地、中关村方向;西部由门头沟石景山到核心区西部;西南方向从房山到丰台科技园的方向;东南方向其他通州大兴居住组团至亦庄新城就业中心。本发明实施例中通勤廊道识别效果较好(如表1所示,模块度大于0.5),运算时间短(如表1所示的环境下,运行时间在2-3min左右)。
表
本发明实施例中,通过通勤廊道的识别,可以为基础设施建设项目的决策提供更为直观的通勤廊道划分示意图,从而可以整合并规划廊道内的轨道道路交通基础设施资源,更有针对性地在有限预算下,提升交通基础设施网络服务水平,促进四网融合。
下面对本发明提供的通勤廊道确定装置进行描述,下文描述的通勤廊道确定装置与上文描述的通勤廊道确定方法可相互对应参照。
图6是本发明提供的通勤廊道确定装置的结构示意图。本实施例提供的通勤廊道确定装置,包括:
获取模块710,用于获取目标区域内多个通勤者的通勤数据;通勤数据包括通勤者的互联网位置服务数据中的出发地和目的地的位置信息;
构建模块720,用于对目标区域内的通勤者的位置信息进行网格化处理,得到通勤数据对应的多个网格;
根据各个网格,构建通勤网络;各个网格作为通勤网络中的节点;
确定模块730,用于步骤a、将通勤网络中的各个节点分别划分在不同的初始通勤廊道中;
步骤b、从初始通勤廊道中,确定各个节点对应的目标廊道,将各个节点分别划分到对应的目标廊道中,得到更新后的各个目标廊道;
步骤c、将更新后的各个目标廊道作为通勤网络中的各个节点;
重复执行步骤a-步骤c,直至通勤通网络中的节点不再变化;
将更新后的各个目标廊道作为目标区域中的通勤廊道。
可选地,所述确定模块730,具体用于:对于每个节点,将各个节点划分到各个相邻廊道中,得到各个相邻廊道的模块度变化量;模块度用于表示通勤廊道的划分质量;
根据各个相邻廊道的模块度变化量,确定目标廊道;
将各个节点分别加入到对应的目标廊道中,得到更新后的目标廊道。
可选地,所述确定模块730,具体用于:对于每个节点,将各个节点划分到各个相邻廊道中,得到划分后的各个相邻廊道的模块度;
根据划分前各个相邻廊道的模块度和划分后各个相邻廊道的模块度,确定各个相邻廊道的模块度变化量。
可选地,所述确定模块730,具体用于:将模块度变化量大于第一阈值的相邻廊道作为目标廊道。
可选地,所述构建模块720,还用于:根据各个网格之间的距离,对网格进行清洗。
本发明实施例的装置,其用于执行前述任一方法实施例中的方法,其实现原理和技术效果类似,此次不再赘述。
图7示例了一种电子设备的实体结构示意图,该电子设备可以包括:处理器(processor)810、通信接口(Communications Interface)820、存储器(memory)830和通信总线840,其中,处理器810,通信接口820,存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令,以执行通勤廊道确定方法,该方法包括:获取目标区域内多个通勤者的通勤数据;通勤数据包括通勤者的互联网位置服务数据中的出发地和目的地的位置信息;对目标区域内的通勤者的位置信息进行网格化处理,得到通勤数据对应的多个网格;根据各个网格,构建通勤网络;各个网格作为通勤网络中的节点;步骤a、将通勤网络中的各个节点分别划分在不同的初始通勤廊道中;步骤b、从初始通勤廊道中,确定各个节点对应的目标廊道,将各个节点分别划分到对应的目标廊道中,得到更新后的各个目标廊道;步骤c、将更新后的各个目标廊道作为通勤网络中的各个节点;重复执行步骤a-步骤c,直至通勤通网络中的节点不再变化;将更新后的各个目标廊道作为目标区域中的通勤廊道。
此外,上述的存储器830中的逻辑指令可以通过软件功能单元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。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法所提供的通勤廊道确定方法,该方法包括:获取目标区域内多个通勤者的通勤数据;通勤数据包括通勤者的互联网位置服务数据中的出发地和目的地的位置信息;对目标区域内的通勤者的位置信息进行网格化处理,得到通勤数据对应的多个网格;根据各个网格,构建通勤网络;各个网格作为通勤网络中的节点;步骤a、将通勤网络中的各个节点分别划分在不同的初始通勤廊道中;步骤b、从初始通勤廊道中,确定各个节点对应的目标廊道,将各个节点分别划分到对应的目标廊道中,得到更新后的各个目标廊道;步骤c、将更新后的各个目标廊道作为通勤网络中的各个节点;重复执行步骤a-步骤c,直至通勤通网络中的节点不再变化;将更新后的各个目标廊道作为目标区域中的通勤廊道。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各提供的通勤廊道确定方法,该方法包括:获取目标区域内多个通勤者的通勤数据;通勤数据包括通勤者的互联网位置服务数据中的出发地和目的地的位置信息;对目标区域内的通勤者的位置信息进行网格化处理,得到通勤数据对应的多个网格;根据各个网格,构建通勤网络;各个网格作为通勤网络中的节点;步骤a、将通勤网络中的各个节点分别划分在不同的初始通勤廊道中;步骤b、从初始通勤廊道中,确定各个节点对应的目标廊道,将各个节点分别划分到对应的目标廊道中,得到更新后的各个目标廊道;步骤c、将更新后的各个目标廊道作为通勤网络中的各个节点;重复执行步骤a-步骤c,直至通勤通网络中的节点不再变化;将更新后的各个目标廊道作为目标区域中的通勤廊道。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (5)
1.一种通勤廊道确定方法,其特征在于,包括:
获取目标区域内多个通勤者的通勤数据;所述通勤数据包括通勤者的互联网位置服务数据中的出发地和目的地的位置信息;
对目标区域内的通勤者的所述位置信息进行网格化处理,得到通勤数据对应的多个网格;
根据各个所述网格,构建通勤网络;各个所述网格作为通勤网络中的节点;
步骤a、将通勤网络中的各个节点分别划分在不同的初始通勤廊道中;
步骤b、从所述初始通勤廊道中,确定各个所述节点对应的目标廊道,将各个节点分别划分到对应的所述目标廊道中,得到更新后的各个目标廊道;
步骤c、将更新后的各个目标廊道作为通勤网络中的各个节点;重复执行步骤a-步骤c,直至通勤通网络中的节点不再变化;
将更新后的各个所述目标廊道作为目标区域中的通勤廊道;
所述从所述初始通勤廊道中,确定各个所述节点对应的目标廊道,将各个节点分别划分到对应的所述目标廊道中,得到更新后的各个目标廊道,包括:
对于每个节点,将各个节点划分到各个相邻廊道中,得到各个相邻廊道的模块度变化量;所述模块度用于表示所述通勤廊道的划分质量;
根据各个所述相邻廊道的模块度变化量,确定目标廊道;
将各个所述节点分别加入到对应的目标廊道中,得到更新后的目标廊道;
所述对于每个节点,将各个节点划分到各个相邻廊道中,得到各个相邻廊道的模块度变化量,包括:
对于每个节点,将各个节点划分到各个相邻廊道中,得到划分后的各个相邻廊道的模块度;所述对于每个节点,将各个节点划分到各个相邻廊道中,得到划分后的各个相邻廊道的模块度,包括:在构建通勤网络后,将通勤网络中的各个节点分别划分在不同的初始通勤廊道中,遍历通勤网络中的节点,将所述节点划分到各个相邻廊道中,得到划分后的各个相邻廊道的模块度;所述模块度可以基于如下方式确定:
;
其中表示节点间连接的权重,即与节点i相连的所有边的权重之和,表示节点i和j的指数, 函数表示节点i, j是否位于同一廊道,表示通勤网络整体的连接权重和;
根据划分前各个相邻廊道的模块度和划分后各个相邻廊道的模块度,确定各个相邻廊道的模块度变化量;
所述根据各个所述相邻廊道的模块度变化量,确定目标廊道,包括:
将模块度变化量大于第一阈值的相邻廊道作为目标廊道。
2.根据权利要求1所述的通勤廊道确定方法,其特征在于,所述对目标区域内的通勤者的所述位置信息进行网格化处理,得到通勤数据对应的多个网格之后,还包括:
根据各个所述网格之间的距离,对所述网格进行清洗。
3.一种通勤廊道确定装置,其特征在于,包括:
获取模块,用于获取目标区域内多个通勤者的通勤数据;所述通勤数据包括通勤者的互联网位置服务数据中的出发地和目的地的位置信息;
构建模块,用于对目标区域内的通勤者的所述位置信息进行网格化处理,得到通勤数据对应的多个网格;
根据各个所述网格,构建通勤网络;各个所述网格作为通勤网络中的节点;
确定模块,用于步骤a、将通勤网络中的各个节点分别划分在不同的初始通勤廊道中;
步骤b、从所述初始通勤廊道中,确定各个所述节点对应的目标廊道,将各个节点分别划分到对应的所述目标廊道中,得到更新后的各个目标廊道;
步骤c、将更新后的各个目标廊道作为通勤网络中的各个节点,重复执行步骤a-步骤c,直至通勤通网络中的节点不再变化;
将更新后的各个所述目标廊道作为目标区域中的通勤廊道;
所述确定模块具体用于对于每个节点,将各个节点划分到各个相邻廊道中,得到各个相邻廊道的模块度变化量;所述模块度用于表示所述通勤廊道的划分质量;
根据各个所述相邻廊道的模块度变化量,确定目标廊道;
将各个所述节点分别加入到对应的目标廊道中,得到更新后的目标廊道;
所述确定模块具体用于在构建通勤网络后,将通勤网络中的各个节点分别划分在不同的初始通勤廊道中,遍历通勤网络中的节点,将所述节点划分到各个相邻廊道中,得到划分后的各个相邻廊道的模块度;所述模块度可以基于如下方式确定:
;
其中表示节点间连接的权重,即与节点i相连的所有边的权重之和,表示节点i和j的指数,函数表示节点i, j是否位于同一廊道,表示通勤网络整体的连接权重和;
根据划分前各个相邻廊道的模块度和划分后各个相邻廊道的模块度,确定各个相邻廊道的模块度变化量;
所述确定模块具体用于将模块度变化量大于第一阈值的相邻廊道作为目标廊道。
4.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1或2所述的通勤廊道确定方法。
5.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1或2所述的通勤廊道确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211533319.1A CN115641243B (zh) | 2022-12-02 | 2022-12-02 | 通勤廊道确定方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211533319.1A CN115641243B (zh) | 2022-12-02 | 2022-12-02 | 通勤廊道确定方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115641243A CN115641243A (zh) | 2023-01-24 |
CN115641243B true CN115641243B (zh) | 2023-05-02 |
Family
ID=84949110
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211533319.1A Active CN115641243B (zh) | 2022-12-02 | 2022-12-02 | 通勤廊道确定方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115641243B (zh) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19804195A1 (de) * | 1998-02-03 | 1999-08-05 | Siemens Ag | Bahnplanungsverfahren für eine mobile Einheit zur Flächenbearbeitung |
DE102004061636A1 (de) * | 2004-12-17 | 2006-07-06 | Eads Deutschland Gmbh | Zur Implementierung in ein Computersystem vorgesehenes Verfahren zur Ermittlung optimierter Bahnen eines Fahrzeugs sowie System zur Ermittlung optimierter Soll-Bahnen |
CN103220340B (zh) * | 2013-03-28 | 2016-08-17 | 北京交通大学 | 一种道路交通传感器网络节点的语义编码方法 |
CN104750938A (zh) * | 2015-04-09 | 2015-07-01 | 广东省城乡规划设计研究院 | 一种基于gis的城市通风廊道识别方法及系统 |
CN112000755B (zh) * | 2020-08-14 | 2024-03-12 | 青岛市城市规划设计研究院 | 一种基于手机信令数据的区域出行廊道识别方法 |
CN112381078B (zh) * | 2021-01-18 | 2021-05-07 | 腾讯科技(深圳)有限公司 | 基于高架的道路识别方法、装置、计算机设备和存储介质 |
CN113326593B (zh) * | 2021-05-19 | 2023-03-17 | 深圳市规划和自然资源数据管理中心 | 一种顾及规划布局与要素配置合理性的生态空间网络优化方法 |
-
2022
- 2022-12-02 CN CN202211533319.1A patent/CN115641243B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115641243A (zh) | 2023-01-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107241512B (zh) | 基于手机数据的城际交通出行方式判断方法和设备 | |
CN108955693B (zh) | 一种路网匹配的方法及系统 | |
CN113077090B (zh) | 客流预测方法、系统及计算机可读存储介质 | |
CN108763687B (zh) | 公交网络拓扑属性与空间属性的分析方法 | |
CN111985710A (zh) | 一种公交乘客出行站点预测方法、存储介质及服务器 | |
CN110413905B (zh) | 获取道路线形的方法、装置、设备及存储介质 | |
CN108683448B (zh) | 适用于航空网络的影响力节点识别方法及系统 | |
CN107818534B (zh) | 一种具有空间约束的人类活动网络区域划分方法 | |
CN110972073B (zh) | 一种基于手机大数据及步行可达性的生活圈划定方法 | |
US8738559B2 (en) | Graph partitioning with natural cuts | |
CN110275929B (zh) | 一种基于网格分割的候选路段筛选方法及网格分割方法 | |
CN110555992A (zh) | 一种基于gps轨迹数据的出租车行驶路径信息提取方法 | |
CN115860520B (zh) | 一种高铁枢纽与城市公共交通动静态时空可达性评估方法 | |
CN115879737A (zh) | 一种基于密度和出入度平衡聚类的共享单车站点选址方法 | |
CN115641718B (zh) | 一种基于卡口流量相似性和语义关联的短时交通流预测方法 | |
CN108280463A (zh) | 车辆搭载无人机双层路径的优化方法及装置 | |
CN114548811A (zh) | 一种机场可达性的检测方法、装置、电子设备及存储介质 | |
CN115988421A (zh) | 一种基于时间权重聚类的职住地估计方法及装置 | |
CN112020012A (zh) | 一种移动轨迹重建及道路匹配方法、存储介质及服务器 | |
Daniel et al. | GIS-based study on the association between road centrality and socio-demographic parameters: A case study | |
CN115641243B (zh) | 通勤廊道确定方法、装置、设备和存储介质 | |
CN111310340B (zh) | 基于人类移动的城市区域交互异常关系识别方法及设备 | |
CN112860996A (zh) | 一种兴趣点处理方法、装置、电子设备和介质 | |
CN116150178A (zh) | 一种基于dbscan聚类算法的空间可达性测算方法 | |
CN115662124A (zh) | 一种基于网络编码的gps轨迹数据路段流量匹配方法 |
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 |