CN116664370A - 一种数据处理方法、装置及计算机设备、存储介质 - Google Patents
一种数据处理方法、装置及计算机设备、存储介质 Download PDFInfo
- Publication number
- CN116664370A CN116664370A CN202310938220.8A CN202310938220A CN116664370A CN 116664370 A CN116664370 A CN 116664370A CN 202310938220 A CN202310938220 A CN 202310938220A CN 116664370 A CN116664370 A CN 116664370A
- Authority
- CN
- China
- Prior art keywords
- grids
- traffic
- grid
- list
- transfer
- 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
- 238000003860 storage Methods 0.000 title claims abstract description 59
- 238000003672 processing method Methods 0.000 title claims abstract description 38
- 238000012546 transfer Methods 0.000 claims abstract description 398
- 238000000034 method Methods 0.000 claims abstract description 51
- 238000012545 processing Methods 0.000 claims description 37
- 238000004590 computer program Methods 0.000 claims description 17
- 238000012512 characterization method Methods 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 abstract description 55
- 238000005516 engineering process Methods 0.000 description 32
- 230000008569 process Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 12
- 238000013473 artificial intelligence Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 239000011159 matrix material Substances 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 4
- 238000013439 planning Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000003190 augmentative effect Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- PUIYMUZLKQOUOZ-UHFFFAOYSA-N isoproturon Chemical compound CC(C)C1=CC=C(NC(=O)N(C)C)C=C1 PUIYMUZLKQOUOZ-UHFFFAOYSA-N 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Navigation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本申请公开了一种数据处理方法、装置及计算机设备、存储介质,该方法包括:获取目标区域内包括的第一交通线路列表以及站点列表的交通线路信息;根据交通线路信息确定目标区域的线路换乘指示图,该线路换乘指示图包括目标区域内任意两条交通线路之间的最少换乘次数;对目标区域进行网格划分得到N个网格,并根据线路换乘指示图确定N个网格中任意两个网格之间的最少换乘次数;根据N个网格中任意两个网格之间的最少换乘次数确定目标区域的目标换乘系数,目标换乘系数用于对目标区域的交通线路以及站点进行调整。通过该方法,可以提高换乘系数确定的效率,节约计算成本。
Description
技术领域
本申请涉及计算机技术领域,具体涉及一种数据处理方法、一种数据处理装置、一种计算机设备以及一种计算机可读存储介质。
背景技术
换乘系数是评价公共交通系统发展水平的一项重要指标,其定义为乘车出行人次与换乘人次之和除以乘车出行人次,可以反映乘客在公共交通系统中出行平均所需的换乘次数,良好的公共交通线网系统应当具备较低的换乘系数。
目前,换乘次数的确定依赖于大数据、电子地图导航等能力,具体过程为通过位置大数据能力对区域内所有居民在一段时期内的出行行为起终点(起讫点)进行挖掘后,对于每一对起终点,通过调用电子地图导航能力(如接口),获取公共交通出行场景下居民的出行路线,从而判断居民该段出行是否存在换乘行为,有多少次换乘行为,从而由个体层面进行向上汇总,最终统计区域内的平均换乘系数。这种方法依赖个体用户和电子导航,个体数据量庞大,导致计算成本高。
因此,如何高效地确定换乘系数成为亟待解决的技术问题。
发明内容
本申请实施例提供了一种数据处理方法、装置及计算机设备、存储介质,可以有效提高确定指定区域内换乘系数的效率,节约计算成本。
本申请实施例一方面公开了一种数据处理方法,该方法包括:
获取目标区域内的交通线路信息,所述交通线路信息包括第一交通线路列表、站点列表;
根据所述第一交通线路列表以及所述站点列表确定所述目标区域的线路换乘指示图,所述线路换乘指示图包括所述目标区域内任意两条交通线路之间的最少换乘次数;
对所述目标区域进行网格划分得到N个网格,并根据所述线路换乘指示图确定所述N个网格中任意两个网格之间的最少换乘次数,N为大于1的整数;
根据所述N个网格中任意两个网格之间的最少换乘次数确定所述目标区域的目标换乘系数,所述目标换乘系数用于指示所述目标区域中交通系统的换乘系数。
本申请实施例一方面公开了一种数据处理装置,该装置包括:
获取单元,用于获取目标区域内的交通线路信息,所述交通线路信息包括第一交通线路列表、站点列表;
确定单元,用于根据所述第一交通线路列表以及所述站点列表确定所述目标区域的线路换乘指示图,所述线路换乘指示图包括所述目标区域内任意两条交通线路之间的最少换乘次数;
处理单元,用于对所述目标区域进行网格划分得到N个网格,并根据所述线路换乘指示图确定所述N个网格中任意两个网格之间的最少换乘次数,N为大于1的整数;
所述确定单元,还用于根据所述N个网格中任意两个网格之间的最少换乘次数确定所述目标区域的目标换乘系数,所述目标换乘系数用于指示所述目标区域中交通系统的换乘系数。
本申请实施例一方面公开了一种计算机设备,该计算机设备包括处理器,适于实现一条或多条计算机程序;以及,计算机存储介质,所述计算机存储介质存储有一条或多条计算机程序,所述一条或多条计算机程序适于由所述处理器加载并执行以上述的数据处理方法。
本申请实施一方面公开了一种计算机可读存储介质,该计算机可读存储介质存储有一条或多条计算机程序,所述一条或多条计算机程序适于由处理器加载并执行上述的数据处理方法。
本申请实施例一方面公开了一种计算机程序产品,该计算机程序产品包括计算机程序,该计算机程序存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机程序,处理器执行该计算机程序,使得该计算机设备执行上述的数据处理方法。
本申请实施例中,通过获取的目标区域内的交通线路信息包括的第一交通线路列表以及站点列表确定出目标区域的线路换乘指示图,该线路换乘指示图包括目标区域内任意两条交通线路之间的最少换乘次数,可以通过计算交通线路间的最少换乘次数,相较于通过地图模拟导航出行情况进而确定换乘系数而言,可以节约计算成本。然后对目标区域进行网格划分得到N个网格,并根据线路换乘指示图确定N个网格中任意两个网格之间的最少换乘次数,通过网格级别的最少换乘次数来取代个体级别的计算,大幅减少计算量级,由于不涉及个体数据,因此在一定程度上还可以保护乘客的隐私数据。最后根据N个网格中任意两个网格之间的最少换乘次数确定目标区域的目标换乘系数,目标换乘系数用于指示目标区域中交通系统的换乘系数。因此,本申请实施例提供的数据方法在换乘系数的确定过程中,以网格级别的最少换乘次数估算来取代个体级别的计算,大幅减少计算量级,并且在群体尺度上的统计不会涉及个体数据,有效保障数据隐私。同时,通过线路间的最少换乘次数计算来取代成本高昂的导航计算,同时也减少对复杂的电子地图导航能力的依赖。因此,本申请实施例提供的数据处理方法可以提高换乘系数确定的效率,节约计算成本。
附图说明
为了更清楚地说明本申请实施例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简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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是本申请实施例公开的一种数据处理系统的网络架构示意图;
图2是本申请实施例公开的一种数据处理方法的流程示意图;
图3是本申请实施例公开的一种线路换乘指示图的构建流程图;
图4是本申请实施例公开的一种线路换乘指示图的示意图;
图5是本申请实施例公开的一种数据处理装置的结构示意图;
图6是本申请实施例公开的一种计算机设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
为了更清楚地理解本申请实施例所提供的技术方案,在此先对本申请实施例涉及的一些关键术语进行介绍:
一、换乘系数
换乘系数的规范定义是衡量公共交通线网系统中乘客直达程度的指标。在一个区域中,换乘系数是评价公共交通系统发展水平的一项重要指标,可以反映乘客在公共交通系统中出行平均所需的换乘次数,良好的公共交通线网系统应当具备较低的换乘系数。本申请提出的数据处理方法是为了高效的确定换乘系数,可以根据换乘系数确定指定区域的交通线路以及交通站点的合理性,以便于更好对指定区域的线路以及站点进行调整。
二、交通线路
交通线路(transport line)是按一定技术标准与规模进行修建,并具备必要运输设施和技术设备,旨在运送各种客货运的交通道路。包括铁路、公路、内河航道、海上航线、空中航线,管道和索道等。广义的还包括城市内部各种交通道路。在本申请实施例中,交通线路包括但不仅限于公交线路、铁路线路以及轨道交通线路。每条交通线路都有对应的线路标识,每条交通线路可以至少包括两个站点(起点、终点以及其他途径站点)。
三、人工智能
人工智能(Artificial Intelligence,AI)是指利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。AI技术是一门综合学科,其涉及的领域较为广泛。其中,人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。而本申请实施例提供的数据处理方法主要涉及AI技术中的机器学习(Machine Learning,ML)技术,主要是利用机器学习的方法构建任务处理集群。
四、云技术
云技术(Cloud technology)是指在广域网或局域网内将硬件、软件、网络等系列资源统一起来,实现数据的计算、储存、处理和共享的一种托管技术。云技术是基于云计算商业模式应用的网络技术、信息技术、整合技术、管理平台技术、应用技术等的总称,可以组成资源池,按需所用,灵活便利。云计算技术将变成重要支撑。云存储(cloud storage)是在云计算概念上延伸和发展出来的一个新的概念,分布式云存储系统(以下简称存储系统)是指通过集群应用、网格技术以及分布存储文件系统等功能,将网络中大量各种不同类型的存储设备(存储设备也称之为存储节点)通过应用软件或应用接口集合起来协同工作,共同对外提供数据存储和业务访问功能的一个存储系统。云数据库(Cloud Database),简而言之可视为电子化的文件柜——存储电子文件的处所,用户可以对文件中的数据进行新增、查询、更新、删除等操作。所谓“数据库”是以一定方式储存在一起、能与多个用户共享、具有尽可能小的冗余度、与应用程序彼此独立的数据集合。
五、区块链
区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。
本申请实施例提供了一种数据处理方案,该方案包括:①获取目标区域内的交通线路信息,交通线路信息包括第一交通线路列表以及站点列表。②根据第一交通线路列表以及站点列表确定目标区域的线路换乘指示图,线路换乘指示图包括目标区域内任意两条交通线路之间的最少换乘次数,通过计算交通线路间的最少换乘次数,相较于通过地图模拟导航出行情况进而确定换乘系数而言,可以节约计算成本。③对目标区域进行网格划分得到N个网格,并根据线路换乘指示图确定N个网格中任意两个网格之间的最少换乘次数,N为大于1的整数;通过网格级别的最少换乘次数来取代个体级别的计算,大幅减少计算量级,由于不涉及个体数据,因此在一定程度上还可以保护乘客的隐私数据。④根据N个网格中任意两个网格之间的最少换乘次数确定目标区域的目标换乘系数,目标换乘系数用于指示目标区域中交通系统的换乘系数。综上所述,本申请实施例提供的数据方法在换乘系数的确定过程中,以网格级别的最少换乘次数估算来取代个体级别的计算,大幅减少计算量级,并且在群体尺度上的统计不会涉及个体数据,有效保障数据隐私。同时,通过线路间的最少换乘次数计算来取代成本高昂的导航计算,同时也减少对复杂的电子地图导航能力的依赖。因此,本申请实施例提供的数据处理方法可以提高换乘系数确定的效率,节约计算成本。
在一种可能的实现方式中,本申请实施例的数据处理方法可以基于人工智能技术实现。随着人工智能技术研究和进步,人工智能技术在多个领域展开研究和应用,例如常见的智能家居、智能穿戴设备、虚拟助理、智能音箱、智能营销、无人驾驶、自动驾驶、无人机、机器人、智能医疗、智能客服、车联网、自动驾驶、智慧交通等,相信随着技术的发展,人工智能技术将在更多的领域得到应用,并发挥越来越重要的价值。具体的,本申请实施例提供的数据处理方法可以应用于自动驾驶以及智慧交通。
在一种可能的实现方式中,本申请提供的数据处理方法可以基于云技术实现。具体可以涉及云技术中的云存储、云数据库、大数据中的一种或者多种。例如,从云数据库中获取执行该数据处理方法所需要的数据(例如目标区域内的交通线路信息包括的第一交通线路列表、站点列表等),或者利用云存储来存储执行该数据处理方法所产生的数据(例如目标区域的线路换乘指示图以及目标换乘系数等)。
在一种可能的实现方式中,本申请提供的数据处理方法还可以基于区块链技术实现。例如,执行该数据处理方法所需要的数据(例如目标区域内的交通线路信息包括的第一交通线路列表、站点列表等)可以是以区块的形式存储在区块链上;也可以将执行该数据处理方法所产生的数据(例如目标区域的线路换乘指示图以及目标区域的目标换乘系数)以区块的形式存储到区块链上;另外,执行该数据处理方法的数据处理设备可以是区块链网络中的节点设备。
请参见图1,为本申请实施例公开的一种数据处理系统的架构示意图,该数据处理系统100中至少可以包括终端设备101以及服务器102。终端设备101指的是任意一个需要统计换乘数据的设备,在一些实际的应用场景中,终端设备101可以是公共交通管理部门的设备。终端设备101主要用于发送获取目标换乘系数的请求,以及接收服务器102返回的目标换乘系数。服务器102主要用于执行该数据处理方法,根据获取的交通线路信息确定出目标区域的线路换乘指示图,然后再基于线路换乘指示图确定出任意两个网格之间的最少换乘次数,最后根据网格之间的最少换乘次数进行目标换乘系数的估算,以确定目标区域的目标换乘系数。终端设备101和与服务器102可以通过有线通信的方式建立直接地通信连接,或者可以通过无线通信的方式建立间接地通信连接,本申请实施例对此不进行限定。
在一种实施方式中,终端设备101包括但不限于:智能手机、平板电脑、智能可穿戴设备、智能语音交互设备、智能家电、个人电脑、车载终端、智能摄像头、虚拟现实设备(如AR(Augmented Reality,增强现实)设备)等等设备,本申请对此不作限制。服务器102可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(Content Delivery Network,内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器,本申请实施例对此不进行限定。
在本申请实施例中,结合该数据处理系统,数据处理方法可以包括:服务器102获取包括第一交通线路列表以及站点列表的交通线路信息,然后根据第一交通线路列表以及站点列表确定目标区域的线路换乘指示图,线路换乘指示图包括目标区域内任意两条交通线路之间的最少换乘次数,通过计算交通线路间的最少换乘次数,相较于通过地图模拟导航出行情况进而确定换乘系数而言,可以节约计算成本;再对目标区域进行网格划分得到N个网格,并根据线路换乘指示图确定N个网格中任意两个网格之间的最少换乘次数;最后根据N个网格中任意两个网格之间的最少换乘次数确定目标区域的目标换乘系数,目标换乘系数用于指示目标区域中交通系统的换乘系数。在换乘系数的确定过程中,以网格级别的最少换乘次数估算来取代个体级别的计算,大幅减少计算量级,并且在群体尺度上的统计不会涉及个体数据,有效保障数据隐私。同时,通过线路间的最少换乘次数计算来取代成本高昂的导航计算,同时也减少对复杂的电子地图导航能力的依赖。因此,本申请实施例提供的数据处理方法可以提高换乘系数确定的效率,节约计算成本。
在一种可能的实现方式中,可以将该数据处理方法应用于公共交通线路规划场景,具体包括:获取公共交通线路规划场景下待规划区域的交通线路信息,该交通线路信息包括待规划区域所有的交通线路列表以及站点列表;然后根据该交通线路列表以及该站点列表确定该待规划区域的线路换乘指示图,该线路换乘指示图包括待规划区域内任意两条交通线路之间的最少换乘次数;再对待规划区域进行网格划分得到N个网格,并根据该线路换乘指示图确定N个网格中任意两个网格之间的最少换乘次数;最后根据N个网格中任意两个网格之间的最少换乘次数确定该待规划区域的目标换乘系数。确定出待规划区域的目标换乘系数后,根据目标换乘系数的大小,可以进行公共交通线路和公共交通站点的调整,以使得该指定区域的公共交通线路和公共交通站点更合理,更方便人们出行。
在可行的实施方式中,可以将本申请实施例提供的数据处理方法作为一个通用方案应用于各类公共交通线路和站点的规划,包括但不仅限于公交车、出租车、地铁以及高铁等公共交通线路的规划。
需要特别说明的是,在本申请中,涉及到的数据处理过程中的相关数据,例如目标区域内的交通线路信息包括的第一交通线路列表以及站点列表等。在本申请以上实施例运用到具体产品或技术中时,需获得用户许可或同意,且相关数据收集、使用和处理过程需遵守国家和地区的相关法律法规和标准,符合合法、正当、必要的原则,不涉及获取法律法规禁止或限制的数据类型。在一些可选的实施例中,本申请实施例中所涉及的相关数据是经过对象单独授权后获取的,另外,在获取对象单独授权时,向对象表明所涉及的相关数据的用途。
下面将对本申请实施例提出的数据处理方法进行详细介绍。
请参见图2,为本申请实施例公开的一种数据处理方法的流程示意图,该数据处理方法可以由计算机设备执行,计算机设备可以是图1示出的服务器102,该数据处理方法具体可以包括但不仅限于以下步骤:
S201:获取目标区域内的交通线路信息,交通线路信息包括第一交通线路列表以及站点列表。
在一种可能的实现方式中,若终端设备想要知道某目标区域内的目标换乘系数时,先向服务器发送获取请求,该获取请求中携带目标区域的指示信息,指示信息可以是起始经纬度信息,根据起始经纬度信息可以确定出目标区域。然后服务器再针对目标区域进行进一步处理,包括:获取目标区域内的交通线路信息,交通线路信息包括第一交通线路列表以及站点列表。第一交通线路列表中的每一条交通线路以及站点列表中的每个站点都有唯一的标识信息,且每个站点都有位置信息,可以通过经纬度信息进行表示。
站点列表中的每个站点可以由一个四元组数据进行表示。例如,四元组数据(167,114.1572,23.6599,[12,35,108,277,375])表示一个站点,该站点的唯一标识ID为Station_ID=167,该站点所在坐标经度Lon=114.1572、纬度Lat=23.6599,交通线路12、35、108、277、375经过该站点,即Line_ID_List=[12,35,108,377,275]。以此为例,目标区域中每个站点都对应一个四元组数据,根据每个站点的四元组数据,经过去重合并等操作,可以确定出该目标区域的第一交通线路列表以及站点列表。
在可选的实施例中,当交通线路的上行线路和下行线路不同时。例如,有的交通线路是单行线路,往返路线可能不同,需要进行上行线路和下行线路的区别,也就是将一条线路当作两条线路进行区分。
S202:根据第一交通线路列表以及站点列表确定目标区域的线路换乘指示图,线路换乘指示图包括目标区域内任意两条交通线路之间的最少换乘次数。
其中,线路换乘指示图可以理解成一个带权图,以交通线路作为图的节点(可以用线路标识表示不同的交通线路,交通线路的线路标识是唯一的),交通线路与交通线路间所需的最少换乘次数为交通线路对应节点与交通线路对应节点之间的边的权重。通过构建出来的线路换乘指示图,可以快速得到从一个交通线路到另一个交通线路所需的最少的换乘次数。假设目标区域内有M条交通线路,根据该线路换乘指示图,可以查询到M条交通线路中任意两条交通线路的最少换乘次数。
在一种可能的实现方式中,构建线路换乘指示图需要先根据第一交通线路列表包括的交通线路以及站点列表包括的站点,确定目标区域内任意两条交通线路之间的最少换乘次数;然后根据目标区域内任意两条交通线路之间的最少换乘次数以及第一交通线路列表包括的交通线路的线路标识,构建目标区域的线路换乘指示图。
其中,根据第一交通线路列表包括的交通线路以及站点列表包括的站点,确定目标区域内任意两条交通线路之间的最少换乘次数,可以包括:①以第一交通线路列表中的第i条交通线路为起点,根据站点列表搜索参考交通线路的途径站点列表,参考交通线路为第一交通线路列表中的任意一条;这里参考交通线路也可以是第i条交通线路,相当于对第i条交通线路进行初始化,第i条交通线路到第i条交通线路的最少换乘次数即为0。②根据途径站点列表中每个站点对应的交通线路列表确定可换乘交通线路列表,先找到每个站点对应的交通线路列表,然后对其进行去重合并处理,得到可换乘交通线路列表。③根据设定规则确定第i条交通线路到第j条交通线路的最少换乘次数以及更新后的参考交通线路,第j条交通线路为可换乘交通线路列表中的任意一条。其中,设定规则为:1、将第i条交通线路到参考交通线路的换乘加1作为第一数值,将第i条交通线路到第j条交通线路的换次数作为第二数值,从第一数值和第二数值中选择较小的数值作为第i条交通线路和第j条交通线路之间的最少换乘次数;2从可换乘交通线路列表中,选择满足未被搜索且多个第i条交通线路和第j条交通线路之间的最少换乘次数值中最小的j,将j作为更新后的参考交通线路。通过该设定规则可以不断更新参考交通线路,从而确定出第i条线路到第一交通线路列表中任意一条交通线路的最少换乘次数。④直到第一交通线路列表中的所有交通线路作为起点并完成搜索后,得到目标区域内任意两条交通线路之间的最少换乘次数。即第一交通线路列表中的任意一条交通线路作为第i条交通线路,重复执行步骤①-③。
为了更清楚线路换乘指示图的构建过程,可以对其进行更详细地阐述,如图3所示,是本申请实施例公开的一种目标区域的线路换乘指示图的构建过程的流程示意图:
S301:获取目标区域第一交通线路列表。在这个过程中,先定义一个交通线路列表L1来表示,初始化为空。然后遍历目标区域内的所有站点(即目标区域内的所有四元组数据),取出各个站点的交通线路列表中各个交通线路的唯一标识ID,将其放入交通线路列表L1中,记为N,表明目标区域内的交通线路一共有N条。
S302:创建二维矩阵G,大小为N×N,每个元素用G[i][j]表示。将矩阵中的所有值初始化为无穷大,G[i][j]的含义为交通线路i到交通线路j的最少换乘次数。
S303:遍历第一交通线路列表中的每一条交通线路,记当前遍历的交通线路为i,开始针对交通线路i,搜索其他交通线路到交通线路i的最少换乘次数,并针对交通线路i进行初始化:
a)记当前搜索的线路为cur,初始化cur为i,并更新G[i][i]= 0,即交通线路i到交通线路i的换乘次数;
b)定义数组visited,大小为N,初始化为0。visited[i] = 0代表线路i尚未在本次搜索中被访问,visited[i]= 1代表线路i已在本次搜索中被访问。
S304:更新visited[cur] = 1,遍历当前搜索的交通线路cur上的每个站点,搜集每个站点上的其他途径交通线路,得到当前搜索交通线路cur的可换乘交通线路列表,对于可换乘交通线路列表中的每条可换乘交通线路j,按下式公式(1)更新G[i][j]:
G[i][j]= min(G[i][cur]+ 1, G[i][j])(1)
S305:从可换乘交通线路列表中,选择满足visited[j] = 0且G[i][j]最小的交通线路j作为新的当前搜索交通线路cur,更新cur = j,回到步骤S304。如果已经不存在满足条件的交通线路j,则退出搜索,回到步骤S303,遍历第一交通线路列表中除第i条交通线路之外的下一条交通线路并展开搜索。
S306:遍历完第一交通线路列表所有交通线路,得到计算后的二维矩阵G,G[i][j]的值为线路i到线路j的最少换乘次数。
S307:根据返回二维矩阵G进行线路换乘指示图的构建,即将第一交通线路列表中的每一条交通线路作为图的节点,以线路标识进行表示,然后从二维矩阵G查询任意两条交通线路之间的最少换乘次数作为两点之间边的权重。针对目标区域中的第i条交通线路到第j条交通线路,获取第i条交通线路以及第j条交通线路的线路标识;以及从二维矩阵中获取第i条交通线路到第j条交通线路的最少换成次数。将第i条交通线路以及第j条交通线路的线路标识作为线路换乘指示图的点,将第i条交通线路到第j条交通线路的最少换成次数作为最少换乘次数图作为两点之间的边。
请参见图4,是本申请实施例公开的一种线路换乘指示图的示意图,从图4中可以看出,该线路换乘指示图指示出该区域内一共包括5条交通线路,分别用15标识线路1、121标识线路1、322标识线路2、61标识线路5以及688标识线路4,任意一条边对应有一个权重值,表示的是两条交通线路之间的最少换成次数。如交通线路1到交通线路4的最少换乘次数为2,交通线路3到交通线路2的最少换乘次数为1。
S203:对目标区域进行网格划分得到N个网格,并根据线路换乘指示图确定N个网格中任意两个网格之间的最少换乘次数,N为大于1的整数。
在一种可能的实现方式中,在对目标区域进行空间剖分,将其划分为规整的N个网格,N为大于1的整数(在实际的应用场景中,N至少为2)。网格大小是可以自定义调整的参数。例如,网格大小包括但不限于100m、200m等,即每个网格为边长为100m或者200m的正方形。
进一步,根据线路换乘指示图确定出划分的N个网格中任意两个网格之间的最少换乘次数。包括以下步骤:先确定出N个网格中每个网格的第二交通线路列表。对于其中任意一个网格,这里的第二交通线路列表包括该网格内或者该网格指定范围内的所有交通线路。可以定义每个网格的第二交通线路列表集合L2,L2[i]是一个列表,存储了第i个网格的所有交通线路。
由于N个网格是按照一定规则直接对目标区域进行划分的,没有进行人口或者站点这些的区分,可能有些网格内没有交通线路,也就是L2[i]不存在。若N个网格中的第三网格不存在交通线路,则基于站点索引指示信息和设定索引半径构建第三网格的第二交通线路列表,第三网格为N个网格中的任意一个网格。站点索引指示信息指的是一种索引路径以及索引途径站点,站点索引指示信息是根据预设索引构建方法以及目标区域内的站点列表构建的,在本申请中,预设索引构建方法包括但不限于四叉树、R树等,根据预设索引构建方法将站点列表进行部署,从而得到站点索引指示信息。设定索引半径为d,是一个自定义参数。例如,d=500m,则是搜索第三网格周围半径为500m以内的交通线路,然后将所有交通线路进行去重合并,得到第三网格对应的第二交通线路列表。d=500m表示第三网格内的居民最多可以步行500m到达乘车站点。在搜索交通线路时,可以是以第三网格的中心点进行搜索,也可以是以第三网格中人口密度最大的位置处为中心点进行搜索。进一步,当确定出第三网格的第二交通线路列表后,其中该第二交通线路列表很可能为空,若第三网格对应的第二交通线路列表为空,则表示第三网格不适宜公共交通出行。
在一种可能的实现方式中,从第一网格开始,确定第一网格和N个网格中除第一网格之外的其他网格之间的最少换乘次数,先确定第一网格和第二网格之间的最少换乘次数:假设第一网格和第二网格均存在第二交通线路列表,确定第一网格和第二网格之间的距离,该距离可以指的是两个网格中心点之间的距离,也可以指的是距离最近的两个站点的距离(若两个网格均存在交通线路时)。若是第一网格和第二网格的距离小于或者等于距离阈值,则跳过确定第一网格和第二网格之间的最少换乘次数的步骤,转而确定第一网格到第三网格之间的最少换乘次数。例如,距离阈值可以是120m,若第一网格到第二网格小于或者等于120m时,居民可优先选择步行或骑行等方式出行,没有必要选择公共交通出行,因此可以直接跳过该计算步骤。
若是第一网格和第二网格的距离大于距离阈值,说明靠步行或者骑行耗时较长,需要换乘,在这种情况下,若第一网格对应的第二交通线路列表和第二网格对应的第二交通线路列表之间存在重合的交通线路,则确定第一网格和第二网格之间的最少换乘次数为0。第一网格和第二网格存在重合的交通线路,也就是说第一网格可以通过该重合的交通线路直达第二网格,不需要换乘。若第一网格对应的第二交通线路列表和第二网格对应的第二交通线路列表之间不存在重合的交通线路,则根据线路换乘指示图、第一网格的第二交通线路列表以及第二网格的第二交通路列表确定第一网格和第二网格之间的最少换乘次数。定义第一网格到第二网格的最少换乘次数num,初始化为N(目标区域内有N条交通线路,该值为换乘的最大值),遍历L2[1]中的交通线路、遍历L2[2]中的交通线路,分别记为L21、L22,并从线路换乘指示图中查询G[L21][L22]的值,若有G[L21][L22]<num,则更新num=G[L21][L22]。例如,遍历L2[1]中的交通线路、遍历L2[2]中的交通线路后,得到第一网格内的交通线路为线路1、线路2,第二网格内的交通线路为线路3、线路4以及线路5。然后从线路换乘指示图查询线路1到线路3、线路4以及线路5的最少换乘次数,查询线路2到线路3、线路4以及线路5的最少换乘次数,然后将其中的最小值作为第一网格和第二网格之间的最少换乘次数。
针对N个网格中的第i个网格和第j个网格都按照这样的方式确定最少换乘稀疏,遍历L2[i]中的交通线路、遍历L2[j]中的交通线路,分别记为L2i、L2j,并从线路换乘指示图中查询G[L2i][L2j]的值,若有G[L2i][L2j]<num,则更新num=G[L2i][L2j]。遍历完成后,将num记为第i个网格和第j个网格的最少换乘次数。
根据上述过程,当确定出第一网格和N个网格中除第一网格之外的其他网格之间的最少换乘次数,又从第二网格开始,确定出第二网格和N个网格中除第二网格之外的其他网格之间的最少换乘次数。当N个网格中所有网格都遍历完成后,得到N个网格中任意两个网格之间的最少换乘次数。
S204:根据N个网格中任意两个网格之间的最少换乘次数确定目标区域的目标换乘系数。
在本申请实施例中,可以根据以下三种方式中的一种来确定目标区域的目标换乘系数:
方式一:计算N个网格中任意两个网格之间的最少换乘次数之间的平均换乘次数,即直接计算任意两个网格之间的最少换乘次数的平均值,将该平均值作为平均换乘次数;然后根据平均换乘次数和设定数值确定目标区域的目标换乘系数。设定数值是一个自定义值,可以根据先验知识总结得出。在本申请中,设定数值设置成1,对应的,目标换乘系数的计算公式如公式(2):
目标换乘系数=平均换乘次数+1(设定数值)(2)
例如,目标区域一共被划分成四个网格,然后确定该目标区域的目标换乘系数包括:将四个网格进行两两组对,得到6个网格对(包括有效网格对和无效网格对,无效网格对的最少换乘次数为0),然后将6个网格对对应的最少换乘次数相加再除以6,得到目标区域的平均换乘次数,平均换乘次数+1,即目标换乘系数。
方式二:获取N个网格中任意两个网格之间的出行数量或者通勤数量,这个数量是设定的一段时间内的,这个大数据可以直接对其进行统计。其中,出行数量:从第一网格出发,到达第二网格的数量(设备、车辆、人),出行可以是任何目的,例如通勤、购物、游玩、就医、就学等。通勤数量:分别居住或工作在第一网格和第二网格,例如在第一网格居住,在第二网格上班,目的仅限于上下班。可以单独从数据库中分别获取出行数量和通勤数量;也可以先获取出行数量,然后从出行数量中获取通勤数量。根据任意两个网格之间的出行数量或者通勤数量确定任意两个网格之间的联系数据,将任意两个网格之间的出行数量或者通勤数量作为联系数据。然后根据任意两个网格之间的联系数据确定任意两个网格之间的权重数据,可以是将联系数据直接作为权重数据,也可以是对联系数据进行约束后得到权重数据。最后根据N个网格中任意两个网格之间的权重数据以及任意两个网格之间的最少换乘次数确定目标区域的平均换乘次数,即加权平均处理。具体的,将任意两个网格之间的权重数据与对应的两个网格的最少换乘次数相乘,再将所有乘积相加除以权重数据之和,得到目标区域的平均换乘次数。例如,目标区域一共被划分成四个网格,进行两两组对,得到6个网格对,然后将6个网格对的最少换乘次数分别和对应网格对的权重数据相乘并相加,最后除以6个权重数据之和,就可以得到目标区域的平均换乘次数。最后,根据平均换乘次数和设定数值确定目标区域的目标换乘系数。利用公式(2),将平均换乘次数和设置数值相加得到目标区域的目标换乘系数。
方式三:获取N个网格中各个网格的规模表征数据,规模表征数据包括各个网格中的对象统计数据、兴趣点数量、建筑面积中的一种或多种,对象统计数据又包括居住人口以及工作人口,居住人口中包括工作人口,规模表征数据可以是其中一种,也可以是对多种进行平均处理或者加权平均处理后得到的;然后确定N个网格中任意两个网格之间的距离;根据N个网格中任意两个网格之间的距离以及各个网格的规模表征数据确定N个网格中任意两个网格之间的联系数据,规模表征数据可以取对象统计数据、兴趣点数量、建筑面积中的任意一种,也可以是取对象统计数据、兴趣点数量、建筑面积中的多种进行平均处理后得到的。
假设第i个网格的规模表征数据为,第j网格的规模表征为/>,第i个网格与第j个网格之间的距离为/>,那么第i个网格与第j个网格的联系数据/>可以用以下公式(3)确定:
(3)
然后根据任意两个网格之间的联系数据确定任意两个网格之间的权重数据,可以是将联系数据直接作为权重数据,也可以是对联系数据进行约束后得到权重数据。再进行加权平均得到平均换乘次数,具体的,将N个网格中任意两个网格之间的权重数据和任意两个网格之间的最少换乘次数相乘再相加,最后除以权重数据之和,得到目标区域的平均换乘次数,最后根据平均换乘次数和设定数值确定目标区域的目标换乘系数。利用公式(2),将平均换乘次数和设置数值相加得到目标区域的目标换乘系数。
在可选的实施例中,可以先根据上述三种方法中的两种或者三种先分别确定出多个平均换乘次数,然后再将多个平均换乘次数进行平均处理,得到目标平均换乘次数,最后根据目标平均换乘次数和设定数值确定目标换乘系数。
在一种可能的实现方中,目标区域可以是一个需要确定目标换乘系数的区域,确定出目标区域的目标换乘系数后,就可以根据该目标换乘系数确定该目标区域中的交通系统的换乘系数,从而确定该目标区域换乘的难易程度,目标换乘系数越小,说明乘客在该目标区域内的换乘次数就越少,也说明该目标区域中的交通系统是比较合理的。
在另一种可能的实现方式中,目标区域可以是一个需要调整交通线路以及站点的区域,确定出目标区域的目标换乘系数后,将该目标换乘系数返回给终端设备,根据该目标换乘系数与换乘系数阈值可以确定是否需要对目标区域的交通线路以及站点进行调整。若目标换乘系数大于换乘系数阈值,则需要对目标区域的交通线路以及站点进行调整,以使得目标区域内的线路与站点更合理。若目标换乘系数小于或者等于换乘系数阈值,则不需要对目标区域的交通线路以及站点进行调整,进一步的,可以间隔一段时间后再次进行检测,因为随着时间的推移,可能已经调整了站点或者交通线路,间隔一段时间再确定一次,可以更及时的了解公共交通线网系统的情况。
在本申请实施例中,通过获取的目标区域内的交通线路信息包括的第一交通线路列表以及站点列表确定出目标区域的线路换乘指示图,该线路换乘指示图包括目标区域内任意两条交通线路之间的最少换乘次数,可以通过计算交通线路间的最少换乘次数,相较于通过地图模拟导航出行情况进而确定换乘系数而言,可以节约计算成本。然后对目标区域进行网格划分得到N个网格,并根据线路换乘指示图确定N个网格中任意两个网格之间的最少换乘次数,通过网格级别的最少换乘次数来取代个体级别的计算,大幅减少计算量级,由于不涉及个体数据,因此在一定程度上还可以保护乘客的隐私数据。最后根据N个网格中任意两个网格之间的最少换乘次数确定目标区域的目标换乘系数,目标换乘系数用于指示目标区域中的交通系统的换乘系数。因此,本申请实施例提供的数据方法在换乘系数的确定过程中,以网格级别的最少换乘次数估算来取代个体级别的计算,大幅减少计算量级,并且在群体尺度上的统计不会涉及个体数据,有效保障数据隐私。同时,通过线路间的最少换乘次数计算来取代成本高昂的导航计算,同时也减少对复杂的电子地图导航能力的依赖。因此,本申请实施例提供的数据处理方法可以提高换乘系数确定的效率,节约计算成本。
上述详细阐述了本申请实施例的方法,为了便于更好地实施本申请实施例的上述方案,相应地,下面提供了本申请实施例的装置。
请参见图5,图5是本申请实施例提供的一种数据处理装置的结构示意图,该数据处理装置可以设置于本申请实施例提供的计算机设备中。图5所示的数据处理装置可以是运行于计算机设备中的一个计算机程序(包括程序代码),该数据处理装置可以用于执行图2和图3所示的方法实施例中的部分或全部步骤。请参见图5,该数据处理装置可以包括如下单元:
获取单元501,用于获取目标区域内的交通线路信息,所述交通线路信息包括第一交通线路列表、站点列表;
确定单元502,用于根据所述第一交通线路列表以及所述站点列表确定所述目标区域的线路换乘指示图,所述线路换乘指示图包括所述目标区域内任意两条交通线路之间的最少换乘次数;
处理单元503,用于对所述目标区域进行网格划分得到N个网格,并根据所述线路换乘指示图确定所述N个网格中任意两个网格之间的最少换乘次数,N为大于1的整数;
确定单元502,还用于根据所述N个网格中任意两个网格之间的最少换乘次数确定所述目标区域的目标换乘系数,所述目标换乘系数用于指示所述目标区域中交通系统的换乘系数。
在一种可能的实现方式中,确定单元502根据所述第一交通线路列表以及所述站点列表确定所述目标区域的线路换乘指示图时,具体用于执行如下步骤:
根据所述第一交通线路列表包括的交通线路以及所述站点列表包括的站点,确定所述目标区域内任意两条交通线路之间的最少换乘次数;
根据所述目标区域内任意两条交通线路之间的最少换乘次数以及所述第一交通线路列表包括的交通线路的线路标识,构建所述目标区域的线路换乘指示图。
在一种可能的实现方式中,确定单元502根据所述第一交通线路列表包括的交通线路以及所述站点列表包括的站点,确定所述目标区域内任意两条交通线路之间的最少换乘次数时,具体用于执行如下步骤:
以所述第一交通线路列表中的第i条交通线路为起点,根据所述站点列表搜索参考交通线路的途径站点列表,所述参考交通线路为第一交通线路列表中的任意一条;
根据所述途径站点列表中每个站点对应的交通线路列表确定可换乘交通线路列表;
根据设定规则确定所述第i条交通线路到第j条交通线路的最少换乘次数以及更新后的参考交通线路,所述第j条交通线路为所述可换乘交通线路列表中的任意一条;
直到所述第一交通线路列表中的所有交通线路作为起点并完成搜索后,得到所述目标区域内任意两条交通线路之间的最少换乘次数。
在一种可能的实现方式中,确定单元502根据所述线路换乘指示图确定所述N个网格中任意两个网格之间的最少换乘次数时,具体用于执行如下步骤:
确定所述N个网格中每个网格的第二交通线路列表;
针对所述N个网格中的第一网格和第二网格,根据所述线路换乘指示图、所述第一网格的第二交通线路列表以及所述第二网格的第二交通线路列表确定所述第一网格和所述第二网格之间的最少换乘次数,所述第一网格和所述第二网格为所述N个网格中的任意两个网格;
直到所述N个网格中的所有网格遍历完之后,得到所述目标区域内所述N个网格中任意两个网格之间的最少换乘次数。
在一种可能的实现方式中,确定单元502确定所述N个网格中每个网格的第二交通线路列表时,具体用于执行如下步骤:
针对所述N个网格中的第三网格,若所述第三网格中不存在交通线路,则基于站点索引指示信息和设定索引半径构建所述第三网格的第二交通线路列表;所述站点索引指示信息是根据预设索引构建方法以及所述目标区域内的站点列表构建的,所述第三网格为所述N个网格中的任意一个网格。
在一种可能的实现方式中,确定单元502根据所述线路换乘指示图、所述第一网格的第二交通线路列表以及所述第二网格的第二交通线路列表确定所述第一网格和所述第二网格之间的最少换乘次数时,具体用于执行如下步骤:
确定所述N个网格中第一网格和第二网格之间的距离;
若所述距离大于距离阈值,且所述第一网格对应的第二交通线路列表和所述第二网格对应的第二交通线路列表之间不存在重合的交通线路,则根据所述线路换乘指示图、所述第一网格的第二交通线路列表以及所述第二网格的第二交通路列表确定所述第一网格和所述第二网格之间的最少换乘次数。
在一种实现方式中,确定单元502根据所述N个网格中任意两个网格之间的最少换乘次数确定所述目标区域的目标换乘系数时,具体用于执行如下步骤:
算所述N个网格中任意两个网格之间的最少换乘次数之间的平均换乘次数;
根据所述平均换乘次数和设定数值确定所述目标区域的目标换乘系数。
在一种实现方式中,确定单元502根据所述N个网格中任意两个网格之间的最少换乘次数确定所述目标区域的目标换乘系数时,具体用于执行如下步骤:
获取所述N个网格中任意两个网格之间的联系数据;
根据所述任意两个网格之间的联系数据确定所述任意两个网格之间的权重数据;
根据所述N个网格中所述任意两个网格之间的权重数据以及所述任意两个网格之间的最少换乘次数确定所述目标区域的目标换乘系数。
在一种实现方式中,获取单元501获取所述N个网格中任意两个网格之间的联系数据时,具体用于执行如下步骤:
获取所述N个网格中任意两个网格之间的出行数量或者通勤数量;
根据所述任意两个网格之间的出行数量或者通勤数量确定所述任意两个网格之间的联系数据。
在一种实现方式中,获取单元501获取所述N个网格中任意两个网格之间的联系数据时,具体用于执行如下步骤:
获取所述N个网格中各个网格的规模表征数据,所述规模表征数据包括各个网格中的对象统计数据、兴趣点数量、建筑面积中的一种或多种;
确定所述N个网格中任意两个网格之间的距离;
根据所述N个网格中任意两个网格之间的距离以及所述各个网格的规模表征数据确定所述N个网格中任意两个网格之间的联系数据。
根据本申请的另一个实施例,图5所示的数据处理装置中的各个单元可以分别或全部合并为一个或若干个另外的单元来构成,或者其中的某个(些)单元还可以再拆分为功能上更小的多个单元来构成,这可以实现同样的操作,而不影响本申请的实施例的技术效果的实现。上述单元是基于逻辑功能划分的,在实际应用中,一个单元的功能也可以由多个单元来实现,或者多个单元的功能由一个单元实现。在本申请的其它实施例中,数据处理装置也可以包括其它单元,在实际应用中,这些功能也可以由其它单元协助实现,并且可以由多个单元协作实现。
根据本申请的另一个实施例,可以通过在包括中央处理单元(CPU)、随机存取存储介质(RAM)、只读存储介质(ROM)等处理元件和存储元件的例如计算机的通用计算设备上运行能够执行如图2或者图3所示的部分或全部方法所涉及的各步骤的计算机程序(包括程序代码),来构造如图5中所示的数据处理装置,以及来实现本申请实施例的数据处理方法。计算机程序可以记载于例如计算机可读存储介质上,并通过计算机可读存储介质装载于上述计算设备中,并在其中运行。
本申请实施例中,通过获取的目标区域内的交通线路信息包括的第一交通线路列表以及站点列表确定出目标区域的线路换乘指示图,该线路换乘指示图包括目标区域内任意两条交通线路之间的最少换乘次数,可以通过计算交通线路间的最少换乘次数,相较于通过地图模拟导航出行情况进而确定换乘系数而言,可以节约计算成本。然后对目标区域进行网格划分得到N个网格,并根据线路换乘指示图确定N个网格中任意两个网格之间的最少换乘次数,通过网格级别的最少换乘次数来取代个体级别的计算,大幅减少计算量级,由于不涉及个体数据,因此在一定程度上还可以保护乘客的隐私数据。最后根据N个网格中任意两个网格之间的最少换乘次数确定目标区域的目标换乘系数,目标换乘系数用于对目标区域的交通线路以及站点进行调整。因此,本申请实施例提供的数据方法在换乘系数的确定过程中,以网格级别的最少换乘次数估算来取代个体级别的计算,大幅减少计算量级,并且在群体尺度上的统计不会涉及个体数据,有效保障数据隐私。同时,通过线路间的最少换乘次数计算来取代成本高昂的导航计算,同时也减少对复杂的电子地图导航能力的依赖。因此,本申请实施例提供的数据处理方法可以提高换乘系数确定的效率,节约计算成本。
基于上述方法以及装置实施例,本申请实施例提供了一种计算机设备。请参见图6,图6是本申请实施例提供的一种计算机设备的结构示意图,计算机设备可以是图1示出的服务器102。图6所示的计算机设备至少包括处理器601、输入接口602、输出接口603以及计算机可读存储介质604。其中,处理器601、输入接口602、输出接口603以及计算机可读存储介质604可通过总线或其他方式连接。
计算机可读存储介质604可以存储在计算机设备的存储器中,计算机可读存储介质604用于存储计算机程序,计算机程序包括计算机指令,处理器601用于执行计算机可读存储介质604存储的程序指令。处理器601(或称CPU(Central Processing Unit,中央处理器))是计算机设备的计算核心以及控制核心,其适于实现一条或多条计算机指令,具体适于加载并执行一条或多条计算机指令从而实现相应方法流程或相应功能。
本申请实施例还提供了一种计算机可读存储介质(Memory),计算机可读存储介质是计算机设备中的记忆设备,用于存放程序和数据。可以理解的是,此处的计算机可读存储介质既可以包括计算机设备中的内置存储介质,当然也可以包括计算机设备支持的扩展存储介质。计算机可读存储介质提供存储空间,该存储空间存储了计算机设备的操作系统。并且,在该存储空间中还存放了适于被处理器加载并执行的一条或多条的计算机指令,这些计算机指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是,此处的计算机可读存储介质可以是高速RAM存储器,也可以是非不稳定的存储器(Non-VolatileMemory),例如至少一个磁盘存储器;可选的还可以是至少一个位于远离前述处理器的计算机可读存储介质。
在一些实施例中,可由处理器601加载并执行计算机可读存储介质604中存放的一条或多条计算机指令,以实现上述有关图2以及图3所示的方法的相应步骤。具体实现中,计算机可读存储介质604中的计算机指令由处理器601加载并执行如下步骤:
获取目标区域内的交通线路信息,所述交通线路信息包括第一交通线路列表、站点列表;
根据所述第一交通线路列表以及所述站点列表确定所述目标区域的线路换乘指示图,所述线路换乘指示图包括所述目标区域内任意两条交通线路之间的最少换乘次数;
对所述目标区域进行网格划分得到N个网格,并根据所述线路换乘指示图确定所述N个网格中任意两个网格之间的最少换乘次数,N为大于1的整数;
根据所述N个网格中任意两个网格之间的最少换乘次数确定所述目标区域的目标换乘系数,所述目标换乘系数用于指示所述目标区域中交通系统的换乘系数。
在一种可能的实现方式中,计算机可读存储介质604中的计算机指令由处理器601加载并执行根据所述第一交通线路列表以及所述站点列表确定所述目标区域的线路换乘指示图时,具体用于执行如下步骤:
根据所述第一交通线路列表包括的交通线路以及所述站点列表包括的站点,确定所述目标区域内任意两条交通线路之间的最少换乘次数;
根据所述目标区域内任意两条交通线路之间的最少换乘次数以及所述第一交通线路列表包括的交通线路的线路标识,构建所述目标区域的线路换乘指示图。
在一种可能的实现方式中,计算机可读存储介质604中的计算机指令由处理器601加载并执行根据所述第一交通线路列表包括的交通线路以及所述站点列表包括的站点,确定所述目标区域内任意两条交通线路之间的最少换乘次数时,具体用于执行如下步骤:
以所述第一交通线路列表中的第i条交通线路为起点,根据所述站点列表搜索参考交通线路的途径站点列表,所述参考交通线路为第一交通线路列表中的任意一条;
根据所述途径站点列表中每个站点对应的交通线路列表确定可换乘交通线路列表;
根据设定规则确定所述第i条交通线路到第j条交通线路的最少换乘次数以及更新后的参考交通线路,所述第j条交通线路为所述可换乘交通线路列表中的任意一条;
直到所述第一交通线路列表中的所有交通线路作为起点并完成搜索后,得到所述目标区域内任意两条交通线路之间的最少换乘次数。
在一种可能的实现方式中,计算机可读存储介质604中的计算机指令由处理器601加载并执行根据所述线路换乘指示图确定所述N个网格中任意两个网格之间的最少换乘次数时,具体用于执行如下步骤:
确定所述N个网格中每个网格的第二交通线路列表;
针对所述N个网格中的第一网格和第二网格,根据所述线路换乘指示图、所述第一网格的第二交通线路列表以及所述第二网格的第二交通线路列表确定所述第一网格和所述第二网格之间的最少换乘次数,所述第一网格和所述第二网格为所述N个网格中的任意两个网格;
直到所述N个网格中的所有网格遍历完之后,得到所述目标区域内所述N个网格中任意两个网格之间的最少换乘次数。
在一种可能的实现方式中,计算机可读存储介质604中的计算机指令由处理器601加载并执行确定所述N个网格中每个网格的第二交通线路列表时,具体用于执行如下步骤:
针对所述N个网格中的第三网格,若所述第三网格中不存在交通线路,则基于站点索引指示信息和设定索引半径构建所述第三网格的第二交通线路列表;所述站点索引指示信息是根据预设索引构建方法以及所述目标区域内的站点列表构建的,所述第三网格为所述N个网格中的任意一个网格。
在一种可能的实现方式中,计算机可读存储介质604中的计算机指令由处理器601加载并执行根据所述线路换乘指示图、所述第一网格的第二交通线路列表以及所述第二网格的第二交通线路列表确定所述第一网格和所述第二网格之间的最少换乘次数时,具体用于执行如下步骤:
确定所述N个网格中第一网格和第二网格之间的距离;
若所述距离大于距离阈值,且所述第一网格对应的第二交通线路列表和所述第二网格对应的第二交通线路列表之间不存在重合的交通线路,则根据所述线路换乘指示图、所述第一网格的第二交通线路列表以及所述第二网格的第二交通路列表确定所述第一网格和所述第二网格之间的最少换乘次数。
在一种实现方式中,计算机可读存储介质604中的计算机指令由处理器601加载并执行根据所述N个网格中任意两个网格之间的最少换乘次数确定所述目标区域的目标换乘系数时,具体用于执行如下步骤:
算所述N个网格中任意两个网格之间的最少换乘次数之间的平均换乘次数;
根据所述平均换乘次数和设定数值确定所述目标区域的目标换乘系数。
在一种实现方式中,计算机可读存储介质604中的计算机指令由处理器601加载并执行根据所述N个网格中任意两个网格之间的最少换乘次数确定所述目标区域的目标换乘系数时,具体用于执行如下步骤:
获取所述N个网格中任意两个网格之间的联系数据;
根据所述任意两个网格之间的联系数据确定所述任意两个网格之间的权重数据;
根据所述N个网格中所述任意两个网格之间的权重数据以及所述任意两个网格之间的最少换乘次数确定所述目标区域的目标换乘系数。
在一种实现方式中,计算机可读存储介质604中的计算机指令由处理器601加载并执行获取所述N个网格中任意两个网格之间的联系数据时,具体用于执行如下步骤:
获取所述N个网格中任意两个网格之间的出行数量或者通勤数量;
根据所述任意两个网格之间的出行数量或者通勤数量确定所述任意两个网格之间的联系数据。
在一种实现方式中,计算机可读存储介质604中的计算机指令由处理器601加载并执行获取所述N个网格中任意两个网格之间的联系数据时,具体用于执行如下步骤:
获取所述N个网格中各个网格的规模表征数据,所述规模表征数据包括各个网格中的对象统计数据、兴趣点数量、建筑面积中的一种或多种;
确定所述N个网格中任意两个网格之间的距离;
根据所述N个网格中任意两个网格之间的距离以及所述各个网格的规模表征数据确定所述N个网格中任意两个网格之间的联系数据。
本申请实施例中,通过获取的目标区域内的交通线路信息包括的第一交通线路列表以及站点列表确定出目标区域的线路换乘指示图,该线路换乘指示图包括目标区域内任意两条交通线路之间的最少换乘次数,可以通过计算交通线路间的最少换乘次数,相较于通过地图模拟导航出行情况进而确定换乘系数而言,可以节约计算成本。然后对目标区域进行网格划分得到N个网格,并根据线路换乘指示图确定N个网格中任意两个网格之间的最少换乘次数,通过网格级别的最少换乘次数来取代个体级别的计算,大幅减少计算量级,由于不涉及个体数据,因此在一定程度上还可以保护乘客的隐私数据。最后根据N个网格中任意两个网格之间的最少换乘次数确定目标区域的目标换乘系数,目标换乘系数用于对目标区域的交通线路以及站点进行调整。因此,本申请实施例提供的数据方法在换乘系数的确定过程中,以网格级别的最少换乘次数估算来取代个体级别的计算,大幅减少计算量级,并且在群体尺度上的统计不会涉及个体数据,有效保障数据隐私。同时,通过线路间的最少换乘次数计算来取代成本高昂的导航计算,同时也减少对复杂的电子地图导航能力的依赖。因此,本申请实施例提供的数据处理方法可以提高换乘系数确定的效率,节约计算成本。
根据本申请的一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各种可选方式中提供的数据处理方法。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可能可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
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,可通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如上述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
以上所述,仅为本申请的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (13)
1.一种数据处理方法,其特征在于,所述方法包括:
获取目标区域内的交通线路信息,所述交通线路信息包括第一交通线路列表以及站点列表;
根据所述第一交通线路列表以及所述站点列表确定所述目标区域的线路换乘指示图,所述线路换乘指示图包括所述目标区域内任意两条交通线路之间的最少换乘次数;
对所述目标区域进行网格划分得到N个网格,并根据所述线路换乘指示图确定所述N个网格中任意两个网格之间的最少换乘次数,N为大于1的整数;
根据所述N个网格中任意两个网格之间的最少换乘次数确定所述目标区域的目标换乘系数,所述目标换乘系数用于指示所述目标区域中交通系统的换乘系数。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第一交通线路列表以及所述站点列表确定所述目标区域的线路换乘指示图,包括:
根据所述第一交通线路列表包括的交通线路以及所述站点列表包括的站点,确定所述目标区域内任意两条交通线路之间的最少换乘次数;
根据所述目标区域内任意两条交通线路之间的最少换乘次数以及所述第一交通线路列表包括的交通线路的线路标识,构建所述目标区域的线路换乘指示图。
3.根据权利要求2所述的方法,其特征在于,所述根据所述第一交通线路列表包括的交通线路以及所述站点列表包括的站点,确定所述目标区域内任意两条交通线路之间的最少换乘次数,包括:
以所述第一交通线路列表中的第i条交通线路为起点,根据所述站点列表搜索参考交通线路的途径站点列表,所述参考交通线路为所述第一交通线路列表中的任意一条;
根据所述途径站点列表中每个站点对应的交通线路列表确定可换乘交通线路列表;
根据设定规则确定所述第i条交通线路到第j条交通线路的最少换乘次数以及更新后的参考交通线路,所述第j条交通线路为所述可换乘交通线路列表中的任意一条;
直到所述第一交通线路列表中的所有交通线路作为起点并完成搜索后,得到所述目标区域内任意两条交通线路之间的最少换乘次数。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述根据所述线路换乘指示图确定所述N个网格中任意两个网格之间的最少换乘次数,包括:
确定所述N个网格中每个网格的第二交通线路列表;
针对所述N个网格中的第一网格和第二网格,根据所述线路换乘指示图、所述第一网格的第二交通线路列表以及所述第二网格的第二交通线路列表确定所述第一网格和所述第二网格之间的最少换乘次数,所述第一网格和所述第二网格为所述N个网格中的任意两个网格;
直到所述N个网格中的所有网格遍历完之后,得到所述目标区域内所述N个网格中任意两个网格之间的最少换乘次数。
5.根据权利要求4所述的方法,其特征在于,所述确定所述N个网格中每个网格的第二交通线路列表,包括:
针对所述N个网格中的第三网格,若所述第三网格中不存在交通线路,则基于站点索引指示信息和设定索引半径构建所述第三网格的第二交通线路列表;所述站点索引指示信息是根据预设索引构建方法以及所述目标区域内的站点列表构建的,所述第三网格为所述N个网格中的任意一个网格。
6.根据权利要求4所述的方法,其特征在于,所述根据所述线路换乘指示图、所述第一网格的第二交通线路列表以及所述第二网格的第二交通线路列表确定所述第一网格和所述第二网格之间的最少换乘次数,包括:
确定所述N个网格中第一网格和第二网格之间的距离;
若所述距离大于距离阈值,且所述第一网格对应的第二交通线路列表和所述第二网格对应的第二交通线路列表之间不存在重合的交通线路,则根据所述线路换乘指示图、所述第一网格的第二交通线路列表以及所述第二网格的第二交通路列表确定所述第一网格和所述第二网格之间的最少换乘次数。
7.根据权利要求1-3任一项所述的方法,其特征在于,所述根据所述N个网格中任意两个网格之间的最少换乘次数确定所述目标区域的目标换乘系数,包括:
计算所述N个网格中任意两个网格之间的最少换乘次数之间的平均换乘次数;
根据所述平均换乘次数和设定数值确定所述目标区域的目标换乘系数。
8.根据权利要求1-3任一项所述的方法,其特征在于,所述根据所述N个网格中任意两个网格之间的最少换乘次数确定所述目标区域的目标换乘系数,包括:
获取所述N个网格中任意两个网格之间的联系数据;
根据所述任意两个网格之间的联系数据确定所述任意两个网格之间的权重数据;
根据所述N个网格中所述任意两个网格之间的权重数据以及所述任意两个网格之间的最少换乘次数确定所述目标区域的目标换乘系数。
9.根据权利要求8所述的方法,其特征在于,所述获取所述N个网格中任意两个网格之间的联系数据,包括:
获取所述N个网格中任意两个网格之间的出行数量或者通勤数量;
根据所述任意两个网格之间的出行数量或者通勤数量确定所述任意两个网格之间的联系数据。
10.根据权利要求8所述的方法,其特征在于,所述获取所述N个网格中任意两个网格之间的联系数据,包括:
获取所述N个网格中各个网格的规模表征数据,所述规模表征数据包括各个网格中的对象统计数据、兴趣点数量、建筑面积中的一种或多种;
确定所述N个网格中任意两个网格之间的距离;
根据所述N个网格中任意两个网格之间的距离以及所述各个网格的规模表征数据确定所述N个网格中任意两个网格之间的联系数据。
11.一种数据处理装置,其特征在于,所述装置包括:
获取单元,用于获取目标区域内的交通线路信息,所述交通线路信息包括第一交通线路列表、站点列表;
确定单元,用于根据所述第一交通线路列表以及所述站点列表确定所述目标区域的线路换乘指示图,所述线路换乘指示图包括所述目标区域内任意两条交通线路之间的最少换乘次数;
处理单元,用于对所述目标区域进行网格划分得到N个网格,并根据所述线路换乘指示图确定所述N个网格中任意两个网格之间的最少换乘次数,N为大于1的整数;
所述确定单元,还用于根据所述N个网格中任意两个网格之间的最少换乘次数确定所述目标区域的目标换乘系数,所述目标换乘系数用于指示所述目标区域中交通系统的换乘系数。
12.一种计算机设备,其特征在于,所述计算机设备包括:
处理器,适于实现一条或多条计算机程序;以及,
计算机存储介质,所述计算机存储介质存储有一条或多条计算机程序,所述一条或多条计算机程序适于由所述处理器加载并执行如权利要求1-10任一项所述的数据处理方法。
13.一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存储有一条或多条计算机程序,所述一条或多条计算机程序适于由处理器加载并执行如权利要求1-10任一项所述的数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310938220.8A CN116664370B (zh) | 2023-07-28 | 2023-07-28 | 一种数据处理方法、装置及计算机设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310938220.8A CN116664370B (zh) | 2023-07-28 | 2023-07-28 | 一种数据处理方法、装置及计算机设备、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116664370A true CN116664370A (zh) | 2023-08-29 |
CN116664370B CN116664370B (zh) | 2024-01-19 |
Family
ID=87710029
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310938220.8A Active CN116664370B (zh) | 2023-07-28 | 2023-07-28 | 一种数据处理方法、装置及计算机设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116664370B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105118014A (zh) * | 2015-09-18 | 2015-12-02 | 常州普适信息科技有限公司 | 一种公交线网网格化评价方法 |
CN109670671A (zh) * | 2018-11-14 | 2019-04-23 | 阿里巴巴集团控股有限公司 | 公交线网评价方法及装置 |
CN111738484A (zh) * | 2020-04-28 | 2020-10-02 | 腾讯科技(深圳)有限公司 | 一种公交站点选址的方法、装置及计算机可读存储介质 |
CN112101676A (zh) * | 2020-09-23 | 2020-12-18 | 腾讯科技(深圳)有限公司 | 一种乘车路径规划方法、装置、计算机设备及存储介质 |
CN114820264A (zh) * | 2022-03-31 | 2022-07-29 | 支付宝(杭州)信息技术有限公司 | 公共交通工具换乘数据处理方法、装置、设备、存储介质 |
-
2023
- 2023-07-28 CN CN202310938220.8A patent/CN116664370B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105118014A (zh) * | 2015-09-18 | 2015-12-02 | 常州普适信息科技有限公司 | 一种公交线网网格化评价方法 |
CN109670671A (zh) * | 2018-11-14 | 2019-04-23 | 阿里巴巴集团控股有限公司 | 公交线网评价方法及装置 |
CN111738484A (zh) * | 2020-04-28 | 2020-10-02 | 腾讯科技(深圳)有限公司 | 一种公交站点选址的方法、装置及计算机可读存储介质 |
CN112101676A (zh) * | 2020-09-23 | 2020-12-18 | 腾讯科技(深圳)有限公司 | 一种乘车路径规划方法、装置、计算机设备及存储介质 |
CN114820264A (zh) * | 2022-03-31 | 2022-07-29 | 支付宝(杭州)信息技术有限公司 | 公共交通工具换乘数据处理方法、装置、设备、存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116664370B (zh) | 2024-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | T-DesP: Destination prediction based on big trajectory data | |
Zheng et al. | Big data for social transportation | |
KR101994496B1 (ko) | 정보 수집 및 검색을 통한 루트의 제공 기법 | |
Zear et al. | Intelligent transport system: A progressive review | |
Raubal et al. | Time geography for ad-hoc shared-ride trip planning in mobile geosensor networks | |
CN107742169A (zh) | 一种基于复杂网络的城市公交网络系统构建方法及性能评估方法 | |
Kozievitch et al. | Exploratory analysis of public transportation data in Curitiba | |
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 | |
Elgarej et al. | Optimized path planning for electric vehicle routing and charging station navigation systems | |
Liu et al. | Heuristic approach for the multiobjective optimization of the customized bus scheduling problem | |
Gupta et al. | Study of fuzzy logic and particle swarm methods in map matching algorithm | |
CN113793500B (zh) | 城市交通道路可计算路网的构建方法及系统 | |
Li et al. | Ant intelligence for solving optimal path‐covering problems with multi‐objectives | |
Picone et al. | Simulating smart cities with DEUS | |
CN116664370B (zh) | 一种数据处理方法、装置及计算机设备、存储介质 | |
Meishan | Design of intelligent planning system for tourist scenic route based on ant colony algorithm | |
CN105701555A (zh) | 用于划分路网的方法和系统 | |
CN113343956B (zh) | 路况信息的预测方法、装置和存储介质及电子设备 | |
CN112700073A (zh) | 公交线路规划方法和装置 | |
Yao et al. | Trip segmentation and mode detection for human mobility data | |
Xia et al. | Deeprailway: a deep learning system for forecasting railway traffic | |
Cai et al. | Multi-vehicles dynamic navigating method for large-scale event crowd evacuations | |
Liang et al. | Optimizing bus stop spacing using the simulated annealing algorithm with spatial interaction coverage model | |
Leong | On real-time distributed geographical database systems | |
Rahdar et al. | Resilient transportation network design under uncertain link capacity using a trilevel optimization model |
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 |