CN117351720A - 公交站点位置确定方法、装置、电子设备及存储介质 - Google Patents
公交站点位置确定方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117351720A CN117351720A CN202311433928.4A CN202311433928A CN117351720A CN 117351720 A CN117351720 A CN 117351720A CN 202311433928 A CN202311433928 A CN 202311433928A CN 117351720 A CN117351720 A CN 117351720A
- Authority
- CN
- China
- Prior art keywords
- bus
- track
- user
- data
- points
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 238000012546 transfer Methods 0.000 claims description 44
- 238000009826 distribution Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 8
- 230000015654 memory Effects 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 16
- 238000013210 evaluation model Methods 0.000 description 12
- 230000002159 abnormal effect Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- 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
本公开实施例公开了一种公交站点位置确定方法、装置、电子设备及存储介质,该方法包括:获取多条用户乘车轨迹数据,用户乘车轨迹数据包括用户在公交导航场景下用户选择的公交导航线路乘坐公交车时的轨迹点的数据;针对每条用户乘车轨迹数据,将用户乘车轨迹数据中的轨迹点与其对应的公交导航线路中公交线路上公交站点进行匹配,得到与用户乘车轨迹数据中的轨迹点匹配的公交线路的公交站点;该公交导航线路包括一条或一条以上的公交线路中的线路;根据多条用户乘车轨迹数据中与同一公交线路的公交站点匹配的轨迹点的数据,确定同一公交线路上的公交站点对应的站点位置。该技术方案可以低本高效地挖掘出准确的公交站点位置。
Description
技术领域
本公开涉及公共交通技术领域,具体涉及一种公交站点位置确定方法、装置、电子设备及存储介质。
背景技术
近年来,随着互联网的快速发展,人们出行的时候逐渐习惯于通过电子地图来查询出行需要的公交路线以及上/下车公交站点,为用户导航到正确的公交站点才能方便用户公交出行,故公交站点位置的准确性问题成为公交出行中的重要问题。目前,为了保证公交站点位置的准确性,公交站点位置大部分是花费人力物力实地采集后,依据采集数据线上制作确定的,成本大,效率低。因此,如何低成本高效率地确定准确的公交站点位置成为目前亟待解决的技术问题。
发明内容
为了解决相关技术中的问题,本公开实施例提供一种公交站点位置确定方法、装置、电子设备及存储介质。
第一方面,本公开实施例中提供了一种公交站点位置确定方法。
具体地,所述公交站点位置确定方法,包括:
获取多条用户乘车轨迹数据,所述用户乘车轨迹数据包括用户在公交导航场景下按照用户选择的公交导航线路乘坐公交车时的轨迹点的数据,所述轨迹点的数据包括轨迹点位置;
针对每条用户乘车轨迹数据,根据所述用户乘车轨迹数据中的轨迹点的数据和所述用户选择公交导航线路中公交线路上公交站点的初始位置,对所述用户乘车轨迹数据中的轨迹点与所述公交线路上公交站点进行匹配,得到与所述用户乘车轨迹数据中的轨迹点匹配的公交线路的公交站点;其中,所述公交导航线路包括一条或一条以上的公交线路中的线路;
根据所述多条用户乘车轨迹数据中与同一公交线路的公交站点匹配的轨迹点的数据,确定所述同一公交线路上的公交站点对应的站点位置。
第二方面,本公开实施例中提供了一种公交站点位置确定装置,包括:
数据获取模块,被配置为获取多条用户乘车轨迹数据,所述用户乘车轨迹数据包括用户在公交导航场景下按照用户选择的公交导航线路乘坐公交车时的轨迹点的数据,所述轨迹点的数据包括轨迹点位置;
匹配模块,被配置为针对每条用户乘车轨迹数据,根据所述用户乘车轨迹数据中的轨迹点的数据和所述用户选择公交导航线路中公交线路上公交站点的初始位置,对所述用户乘车轨迹数据中的轨迹点与所述公交线路上公交站点进行匹配,得到与所述用户乘车轨迹数据中的轨迹点匹配的公交线路的公交站点;其中,所述公交导航线路包括一条或一条以上的公交线路中的线路;
位置确定模块,被配置为根据所述多条用户乘车轨迹数据中与同一公交线路的公交站点匹配的轨迹点的数据,确定所述同一公交线路上的公交站点对应的站点位置。
本公开实施例提供了一种电子设备,包括存储器和处理器,其中,所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行以实现如第一方面中任一项所述的方法。
第三方面,本公开实施例中提供了一种计算机可读存储介质,其上存储有计算机指令,该计算机指令被处理器执行时实现如第一方面中任一项所述的方法。
第四方面,本公开实施例中提供了一种计算机程序产品,包括计算机指令,该计算机指令被处理器执行时实现如第一方面中任一项所述的方法步骤。
根据本公开实施例提供的技术方案,可以获取多条用户乘车轨迹数据,所述用户乘车轨迹数据包括用户在公交导航场景下按照用户选择的公交导航线路乘坐公交车时的轨迹点的数据,所述轨迹点的数据包括轨迹点位置;针对每条用户乘车轨迹数据,根据所述用户乘车轨迹数据中的轨迹点的数据和所述用户选择公交导航线路中公交线路上公交站点的初始位置,对所述用户乘车轨迹数据中的轨迹点与所述公交线路上公交站点进行匹配,可以得到与所述用户乘车轨迹数据中的轨迹点匹配的公交线路的公交站点,可以按照用户乘坐公交车时的轨迹点在公交站点处聚集的原则,对所述多条用户乘车轨迹数据中与同一公交线路的公交站点匹配的轨迹点的数据,如此根据与公交站点有强绑定关系的用户乘车轨迹数据来进行公交站点位置的自动挖掘,低本高效,由于该用户乘车轨迹数据中的轨迹点可以真实地反应用户在公交站点上下车以及车辆在公交站点处停靠的特征,故可以准确地挖掘出公交站点位置。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
结合附图,通过以下非限制性实施方式的详细描述,本公开的其它特征、目的和优点将变得更加明显。在附图中:
图1示出根据本公开的实施例的公交站点位置确定方法的流程图;
图2A示出根据本公开一实施方式的目标轨迹点的聚类示意图;
图2B示出根据本公开一实施方式的一条用户乘车轨迹数据的示意图;
图2C示出根据本公开一实施方式的另一条用户乘车轨迹数据的示意图;
图3示出根据本公开的实施例的公交站点位置确定装置的结构框图;
图4示出根据本公开的实施例的电子设备的结构框图;
图5示出适于用来实现根据本公开实施例的方法的计算机系统的结构示意图。
具体实施方式
下文中,将参考附图详细描述本公开的示例性实施例,以使本领域技术人员可容易地实现它们。此外,为了清楚起见,在附图中省略了与描述示例性实施例无关的部分。
在本公开中,应理解,诸如“包括”或“具有”等的术语旨在指示本说明书中所公开的特征、数字、步骤、行为、部件、部分或其组合的存在,并且不排除一个或多个其他特征、数字、步骤、行为、部件、部分或其组合存在或被添加的可能性。
另外还需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,并且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准,并提供有相应的操作入口,供用户选择授权或者拒绝。
如上文所述,近年来,随着互联网的快速发展,人们出行的时候逐渐习惯于通过电子地图来查询出行需要的公交路线以及上/下车公交站点,为用户导航到正确的公交站点才能方便用户公交出行,故公交站点位置的准确性问题成为公交出行中的重要问题。目前,为了保证公交站点位置的准确性,公交站点位置大部分是花费人力物力实地采集后,依据采集数据线上制作确定的,成本大,效率低。因此,如何低成本高效率地确定准确的公交站点位置成为目前亟待解决的技术问题。
本公开提供了一种公交站点位置确定方法,该方法可以根据与公交站点有强绑定关系的用户乘车轨迹数据来进行公交站点位置的挖掘,由于该用户乘车轨迹数据中的轨迹点可以真实地反应用户在公交站点上下车以及车辆在公交站点处停靠的特征,故可以低本高效地挖掘出准确的公交站点位置。
图1示出根据本公开的实施例的公交站点位置确定方法的流程图。如图1所示,所述公交站点位置确定方法包括以下步骤S101-S103:
在步骤S101中,获取多条用户乘车轨迹数据,所述用户乘车轨迹数据包括用户在公交导航场景下按照用户选择的公交导航线路乘坐公交车时的轨迹点的数据,所述轨迹点的数据包括轨迹点位置;
在步骤S102中,针对每条用户乘车轨迹数据,根据所述用户乘车轨迹数据中的轨迹点的数据和其对应的公交导航线路中公交线路上公交站点的初始位置,对所述用户乘车轨迹数据中的轨迹点与所述公交线路上公交站点进行匹配,得到与所述用户乘车轨迹数据中的轨迹点匹配的公交线路的公交站点;其中,所述公交导航线路包括一条或一条以上的公交线路中的线路;
在步骤S103中,根据所述多条用户乘车轨迹数据中与同一公交线路的公交站点匹配的轨迹点的数据,确定所述同一公交线路上的公交站点对应的站点位置。
在一种可能的实施方式中,该公交站点位置确定方法适用于可执行公交站点位置确定的计算机、计算设备、服务器、服务器集群等设备。
在一种可能的实施方式中,在现实生活中,全国有近四百万个公交站点,而且这些公交站点还会因为城市建设如修路或公交线路调整而发生变化,如果定期去实地采集,成本很高,故提供一种公交站点位置确定方法,可以从用户乘车轨迹数据中自动挖掘公交站点的站点位置,如此就可以对目前记录的站点位置进行校准。
在一种可能的实施方式中,用户在出行时可以使用公交导航选择出行需要的公交导航线路,该用户在其选择的公交导航线路的引导下从出发点到乘车站点等车、乘车、在下车站点下车、从下车站点到目的地这一路的轨迹点的数据可以记为一条用户乘车轨迹数据,每条用户乘车轨迹数据对应一条公交导航线路。
在一种可能的实施方式中,该用户乘车轨迹数据指的是用户按照其选择的公交导航线路乘车时的轨迹点的数据,该轨迹点的数据包括轨迹点位置,该轨迹点的数据可以由定位传感器在响应定位时刻定位获取,比如说该定位传感器可以周期性地定位获取轨迹点位置。当然,在其他实施方式中,该轨迹点的数据还包括轨迹点时间,或者,该轨迹点的数据还包括轨迹点速度。由于用户都会在该公交线路的公交站点处上下车,公交车也都会在该公交线路的公交站点处停车以等候用户上下车,故用户乘车轨迹数据中的轨迹点会在公交站点处聚集,公交站点处的轨迹点速度会较小,由此可以看出该用户乘车轨迹数据与公交站点有强绑定关系,可以真实地反应用户在公交站点上下车以及车辆在公交站点处停靠的轨迹点特征。
在一种可能的实施方式中,每条公交导航线路中包含有一条或一条以上的公交线路中的线路,一条公交线路指的是任一路公交车对应的一个行驶方向上的一整条公交线路,任一路公交车都对应有两条固定的往返公交线路,该公交导航线路中的公交线路指的是该公交导航线路中涉及到公交车行驶部分的线路,当该公交导航线路为不需换乘的直达线路时,该公交导航线路中包含一条公交线路中的部分或全部线路,当该公交导航线路为需要换乘一次的换乘线路时,该公交导航线路中包含两条公交线路中每条公交线路的部分或全部线路,等等。服务器记录有该公交线路的该路公交车要停靠的公交站点的站点名称和初始位置,该公交站点的站点位置可能已发生变化或者不准确,已经不在该站点的初始位置,本实施方式主要是对该公交站点的站点位置进行挖掘,对发生变化的站点位置进行校准,得到准确的站点位置。
在一种可能的实施方式中,针对每条用户乘车轨迹数据,可以将该条用户乘车轨迹数据中的轨迹点与其对应的公交导航线路中公交线路上公交站点进行匹配,比如说,可以根据该条用户乘车轨迹数据中的轨迹点位置和其对应的公交导航线路中公交线路上公交站点的初始位置,将该条用户乘车轨迹数据中轨迹点与其距离最近的公交站点匹配,如此就可以得到与所述用户乘车轨迹数据中的轨迹点匹配的公交线路的公交站点。
在一种可能的实施方式中,不同的用户乘车轨迹数据中,有的对应不同的公交线路,有的对应相同的公交线路,比如说,用户乘车轨迹数据1对应1路公交车的公交线路上A1站至A2站的一条公交导航线路,用户乘车轨迹数据2对应1路公交车的公交线路上A1站通过A2站至A3站的一条公交导航线路,用户乘车轨迹数据3对应2路公交车的公交线路上B1站至B2站的一条公交导航线路,用户乘车轨迹数据4对应2路公交车的公交线路上B2站至B1站的一条公交导航线路;此时,用户乘车轨迹数据1和用户乘车轨迹数据2对应的是同一公交线路,匹配的都是1路公交车对应的公交线路1的公交站点;用户乘车轨迹数据3和用户乘车轨迹数据4对应的是两条往返的公交线路,用户乘车轨迹数据3匹配上的是2路公交车对应的公交线路2A的公交站点,用户乘车轨迹数据4匹配上的都是2路另一个方向上公交线路2B的公交站点。而有的一条用户乘车轨迹数据对应的公交导航线路中有两条不同的公交线路,比如说用户乘车轨迹数据5对应一条公交导航线路是先乘1路公交车从A1站至A2站,再换乘2路公交车从A2站至B1站;此时,用户乘车轨迹数据5中从A1站至A2站的轨迹点的数据与用户乘车轨迹数据1、用户乘车轨迹数据2对应的是同一公交线路,匹配的是1路公交的公交线路1上的公交站点。
在一种可能的实施方式中,由于不同公交线路上同一公交站点名称的站点位置可能不同,故在确定公交站点的站点位置时是针对不同公交线路来确定的,在进行轨迹分析时针对不同的公交线路,需要分析不同公交线路对应的轨迹点。故可以从该多条用户乘车轨迹数据获取与同一公交线路的公交站点匹配的轨迹点的数据,如此即可获得不同公交线路对应的不同轨迹点;仍以上述为例,可以获取用户乘车轨迹数据1、用户乘车轨迹数据2和用户乘车轨迹数据5中从A1站至A2站的轨迹点的数据为与1路公交线路1的公交站点匹配的轨迹点的数据。
在一种可能的实施方式中,可以对该同一公交线路的公交站点匹配的轨迹点的数据进行分析,通常情况下,在同一公交线路上,用户都会在该公交线路的公交站点处上下车,公交车也都会在该公交线路的公交站点处停车以等候用户上下车,故用户的轨迹点会在公交站点处大量聚集,同一条用户乘车轨迹数据中的轨迹点会在上下车的公交站点处聚集,由此可以看出该用户乘车轨迹数据与公交站点有强绑定关系,可以真实地反应用户在公交站点上下车以及车辆在公交站点处停靠的轨迹点特征;故可以依据该用户乘车轨迹数据与公交站点之间的强绑定关系,对多条用户乘车轨迹数据中与同一公交线路的公交站点匹配的轨迹点的数据进行数据分析,确定在该条公交线路的各公交站点处聚集的轨迹点,根据这些聚集的轨迹点的轨迹点位置可以确定该条公交线路的公交站点的位置。
本实施方式可以获取多条用户乘车轨迹数据,所述用户乘车轨迹数据包括用户在公交导航场景下按照用户选择的公交导航线路乘坐公交车时的轨迹点的数据,所述轨迹点的数据包括轨迹点位置;针对每条用户乘车轨迹数据,根据所述用户乘车轨迹数据中的轨迹点的数据和所述用户选择公交导航线路中公交线路上公交站点的初始位置,对所述用户乘车轨迹数据中的轨迹点与所述公交线路上公交站点进行匹配,可以得到与所述用户乘车轨迹数据中的轨迹点匹配的公交线路的公交站点,可以按照用户乘坐公交车时的轨迹点在公交站点处聚集的原则,对所述多条用户乘车轨迹数据中与同一公交线路的公交站点匹配的轨迹点的数据,如此根据与公交站点有强绑定关系的用户乘车轨迹数据来进行公交站点位置的自动挖掘,低本高效,由于该用户乘车轨迹数据中的轨迹点可以真实地反应用户在公交站点上下车以及车辆在公交站点处停靠的特征,故可以准确地挖掘出公交站点位置。
在一种可能的实施方式中,所述根据所述多条用户乘车轨迹数据中与同一公交线路的公交站点匹配的轨迹点的数据,确定所述同一公交线路上的公交站点对应的站点位置,包括:
根据多条用户乘车轨迹数据中与同一公交线路的公交站点匹配的轨迹点的数据,获取多个目标轨迹点,所述目标轨迹点为在所述同一公交线路上用户上车时的轨迹点和/或用户下车时的轨迹点;或者,所述目标轨迹点为用户乘坐公交车行驶在所述同一公交线路上的轨迹点;
根据多个目标轨迹点中匹配至同一个公交站点的目标轨迹点,确定所述同一个公交站点对应的站点位置。
在该实施方式中,仍以上述示例为例,可以从用户乘车轨迹数据1-5中获取与1路公交线路的公交站点匹配的轨迹点的数据为用户乘车轨迹数据1中的轨迹点的数据、用户乘车轨迹数据2中的轨迹点的数据和用户乘车轨迹数据5中从A1站至A2站的轨迹点的数据,并对这些轨迹点的数据进行分析,确定在这些轨迹点中的目标轨迹点。
在该实施方式中,该目标轨迹点可以是在所述同一公交线路上用户上车时的轨迹点和/或用户下车时的轨迹点,比如说,可以从用户乘车轨迹数据1中获取用户从1路公交车的公交线路1上A1站上车时的轨迹点以及从1路公交车的公交线路1上A2站下车时的轨迹点等等,从用户乘车轨迹数据2中获取用户从1路公交车的公交线路1上A1站上车时的轨迹点以及从1路公交车的公交线路1上A3站下车时的轨迹点等等。通常情况下,用户在公交站点上车之前会在该公交站点等待(此段时间内用户的轨迹点基本都在该公交站点附近),等到公交车到站后,会到公交车停靠处上车,公交车启动驶离该公交站点时会带动用户快速离开该公交站点(此时用户的轨迹点会快速远离该公交站点),用户在另一公交站点下车之前会在该公交车上(此段时间内用户的轨迹点会快速靠近该公交站点),等到公交车到站后,会下车(此时用户步行的轨迹点会在该公交站点附近缓慢变化),故可以根据该轨迹点的数据(轨迹点时间和轨迹点位置)确定用户上车时的轨迹点(比如说,用户在其上车公交站点附近速度变大前的最后一个轨迹点),以及用户下车时的轨迹点(比如说,用户在其下车公交站点附近速度变小前的最后一个轨迹点)。
在该实施方式中,该目标轨迹点还可以是用户乘坐公交车行驶在所述同一公交线路上的轨迹点,也即用户上车后和下车前的中间乘车的轨迹点,针对一条用户乘车轨迹数据,在确定同一公交线路中用户上车时的轨迹点和用户下车时的轨迹点后,可以直接将该用户上车时的轨迹点和用户下车时的轨迹点之间的轨迹点确定为目标轨迹点。
在该实施方式中,该多个目标轨迹点为在所述同一公交线路上用户上车时的轨迹点和/或用户下车时的轨迹点,比如说,多个用户在1路公交车的公交线路1上乘车导航时,可以从这多个用户的轨迹点中获取这些用户上下车时的轨迹点为目标轨迹点,假设有100个目标轨迹点a1-a100,其中,a1-a10是1路公交车的公交线路1上A1站的上车轨迹点,a2-a22是1路公交车的公交线路1上A1站的下车轨迹点,a23-a50是1路公交车的公交线路1上A3站的上车轨迹点等等。之前已经获取了与所述用户乘车轨迹数据中的轨迹点匹配的公交线路的公交站点,也即获取了与这些目标轨迹点匹配的公交线路的公交站点,这些目标轨迹点是从与同一公交线路的公交站点匹配的轨迹点中获取的,故这些目标轨迹点是同一公交线路对应的轨迹点,可以进一步获取这多个目标轨迹点中匹配至同一个公交站点(也即同一公交线路的同一个公交站点)的目标轨迹点,也即获取了在该同一个公交站点上下车的轨迹点,根据这些轨迹点的位置分布就可以挖掘出该同一个公交站点的站点位置,比如说,可以根据这些轨迹点的位置分布确定出这些轨迹点的中心位置为该同一个公交站点的站点位置,或者,可以根据这些轨迹点的位置分布确定出较多轨迹点聚集区域的中心位置为该同一个公交站点的站点位置等等。
或者,该多个目标轨迹点为不同用户乘坐公交车行驶在所述同一公交线路上的轨迹点,比如说,目标轨迹点b1-b1000,b1-b100是用户乘车轨迹数据1中用户乘坐1路公交车从公交线路1的A1站上车后到A2站下车前的乘车轨迹点,b101-b288用户乘车轨迹数据2中用户乘坐1路公交车从公交线路1的A1站上车后通过A2站到A3站下车前的乘车轨迹点等等。之前已经获取了与所述用户乘车轨迹数据中的轨迹点匹配的公交线路的公交站点,也即获取了与这些目标轨迹点匹配的公交线路的公交站点,这些目标轨迹点是从与同一公交线路的公交站点匹配的轨迹点中获取的,故这些目标轨迹点是同一公交线路对应的轨迹点,可以进一步获取这多个目标轨迹点中匹配至同一个公交站点(也即同一公交线路的同一个公交站点)的目标轨迹点,也即获取了在用户乘坐公交车时到达、停靠以及远离该同一个公交站点的轨迹点,在公交车停靠该同一个公交站点时会有大部分轨迹点会聚集在该同一个公交站点处,故根据这些同一个公交站点匹配的目标轨迹点的位置分布就可以挖掘出该同一个公交站点的站点位置,比如说,可以根据这些轨迹点的位置分布确定出较多轨迹点聚集区域的中心位置为该同一个公交站点的站点位置等等。
在一种可能的实施方式中,所述根据多个目标轨迹点中匹配至同一个公交站点的目标轨迹点,确定所述同一个公交站点对应的站点位置,包括:
对多个目标轨迹点中匹配至同一个公交站点的目标轨迹点进行聚类,得到至少一个聚类簇,所述至少一个聚类簇对应所述同一个公交站点;
计算所述至少一个聚类簇中每个聚类簇的站点可信度;
将至少一个聚类簇中站点可信度最高的聚类簇确定为目标聚类簇;
根据所述目标聚类簇中目标轨迹点的位置分布,确定所述同一个公交站点对应的站点位置。
在该实施方式中,在该目标轨迹点是在所述同一公交线路上用户上车时的轨迹点和/或用户下车时的轨迹点时,可以对该多个目标轨迹点中匹配至同一个公交站点的目标轨迹点进行聚类,如此聚类得到的聚类簇可以有一个或多个,每个聚类簇都是该同一个公交站点处上下车位置的聚类簇。此时使用的聚类算法可以是层次聚类方法,比如说将每个目标轨迹点都视为一个聚类,计算各个聚类之间的距离,寻找最近的两个聚类,将他们归为一类,重复计算各个聚类之间的距离,寻找最近的两个聚类,将他们归为一类;直到聚类之间的距离较大不能聚合为止,如此得到多个聚类簇。每个聚类簇内的目标轨迹点所覆盖位置区域都可能是该同一个公交站点的站点位置所在区域,故,可以计算这些聚类簇中每个聚类簇的站点可信度,该站点可信度指的是该聚类簇所覆盖区域是公交站点的站点位置所在区域的可信程度,将至少一个聚类簇中站点可信度最高的聚类簇确定为该同一个公交站点对应的站点位置所在的目标聚类簇,根据该目标聚类簇中目标轨迹点的位置分布,确定所述同一个公交站点对应的站点位置,比如说,可以将该聚类簇的中心位置确定为该同一个公交站点对应的站点位置。
在该实施方式中,在该目标轨迹点是用户乘坐公交车行驶在所述同一公交线路上的轨迹点时,对该多个目标轨迹点中匹配至同一个公交站点的目标轨迹点进行聚类,此时,使用的聚类算法可以是meanshift(均值漂移算法),实现无监督自动聚类。示例的,图2A示出根据本公开一实施方式的目标轨迹点的聚类示意图,如图2A所示,用户乘坐公交车行驶在公交线路上的轨迹点可以聚类得到多个聚类簇(图2A中每个虚线圈内的轨迹点为一个聚类簇),每个聚类簇都是该同一个公交站点附近的用户乘车轨迹点的聚类簇,故,可以计算这些聚类簇中每个聚类簇的站点可信度,比如说,真实站点附近行驶轨迹会较慢,目标轨迹点会较多,可以将聚集的目标轨迹点的数量较多且目标轨迹点的速度较慢的聚类簇的站点可信度设置为较高。将至少一个聚类簇中站点可信度最高的聚类簇确定为该同一个公交站点对应的站点位置所在的目标聚类簇,根据该目标聚类簇中目标轨迹点的位置分布,确定所述同一个公交站点对应的站点位置,比如说,可以将该聚类簇的中心位置确定为该同一个公交站点对应的站点位置。
这里需要说明的是,上述在对目标轨迹点进行聚类时还可以使用其他聚类算法,比如说基于密度的聚类算法等等。
在一种可能的实施方式中,所述轨迹点的数据还包括轨迹点速度,所述根据多条用户乘车轨迹数据中与同一公交线路的公交站点匹配的轨迹点的数据,获取多个目标轨迹点,包括:
针对每条乘车轨迹数据,根据所述用户乘车轨迹数据中与同一公交线路的上车公交站点和下车公交站点匹配的轨迹点的轨迹点速度,确定用户上车时的轨迹点和用户下车时的轨迹点;
将所述用户上车时的轨迹点和/或用户下车时的轨迹点作为目标轨迹点,或者,将用户上车时的轨迹点和用户下车时的轨迹点之间的轨迹点作为目标轨迹点。
在该实施方式中,每条用户乘车数据对应一条公交导航线路,一条公交导航线路可以包括一条公交线路或一条以上公交线路(比如说该条公交导航线路是换乘线路时,可以包括两条或两条以上公交线路)。
在该实施方式中,针对每条用户乘车数据,若该用户乘车数据对应的公交导航线路是直达线路不需要换乘时,该条用户乘车轨迹数据对应的公交导航线路上包括一条公交线路的上车公交站点和下车公交站点;若该用户乘车数据对应的公交导航线路是直达线路需要换乘时,该条用户乘车轨迹数据对应的公交导航线路上包括两条或两条以上公交线路的上车公交站点和下车公交站点,故本实施方式中针对每条用户乘车数据,可以获取该条用户乘车轨迹数据中与同一公交线路的上车公交站点和下车公交站点匹配的轨迹点。
示例的,图2B示出根据本公开一实施方式的一条用户乘车轨迹数据的示意图,如图2B所示,该条用户乘车轨迹数据是不需要换乘的直达线路,从公交线路1的A1站到A2站,从该条用户乘车轨迹数据可以获取公交线路1的上车公交站点A1站和下车公交站点A2站匹配的轨迹点。图2C示出根据本公开一实施方式的另一条用户乘车轨迹数据的示意图,如图2C所示,该条用户乘车轨迹数据是需要换乘的换乘线路,从公交线路1的A1站到A2站,再换乘到公交线路2的A2站到B1站。从该条用户乘车轨迹数据可以获取公交线路1的上车公交站点A1站和下车公交站点A2匹配的轨迹点,以及公交线路2的上车公交站点A2站和下车公交站点B1匹配的轨迹点。
在该实施方式中,如图2B或2C所示,用户在上车公交站点上车前是步行速度,低速运动(即相邻轨迹点相距较近),在上车后会随着公交车高速运动(即相邻轨迹点相距较远),在下车前会随着公交车高速运动,在下车公交站点下车后就变成步行速度,低速运动,故针对每条用户乘车轨迹数据,可以根据与同一公交线路的上车公交站点和下车公交站点匹配的轨迹点的速度,即上车公交站点和下车公交站点附近的轨迹点的轨迹点速度来确定用户上车时的轨迹点和用户下车时的轨迹点。示例的,预先设置速度阈值可以为10km/h(正常情况下,人类的步行速度不能连续达到10km/h,而乘车后才能连续达到的10km/h),如图2B所示,连续两个或两个以上的轨迹点的速度大于10km/h(即高速点)则认为用户在公交车上,轨迹点的速度小于10km/h(低速点)则认为用户在步行,可以将与该上车公交站点匹配的轨迹点中连续两个轨迹点的速度均大于10km/h前的最后一个低速的轨迹点认为是用户上车时的轨迹点201,将与该下车公交站点匹配的轨迹点中连续两个轨迹点的速度均大于10km/h后的第一个低速的轨迹点认为是用户下车时的轨迹点202。当然,在其他实施方式中,也可以根据轨迹点速度的变化率来确定目标轨迹点,如将与该上车公交站点匹配的轨迹点中变化率突然变大之前的最后一个轨迹点认为是用户上车时的轨迹点,将与该下车公交站点匹配的轨迹点变化率突然变大之后的第一个轨迹点认为是用户下车时的轨迹点等等。
在该实施方式中,在确定每条用户乘车轨迹中同一公交线路上用户上车时的轨迹点和/或用户下车时的轨迹点后,可以将所述用户上车时的轨迹点和/或用户下车时的轨迹点作为目标轨迹点,或者,将该用户上车时的轨迹点和用户下车时的轨迹点之间的轨迹点作为目标轨迹点。
在一种可能的实施方式中,所述计算所述至少一个聚类簇中每个聚类簇的站点可信度,包括:
针对所述至少一个聚类簇中的每个聚类簇,根据所述聚类簇内的目标轨迹点的站点可信度影响数据,计算所述聚类簇的站点可信度,所述站点可信度影响数据包括所述聚类簇内的目标轨迹点的用户数量、位置方差、速度一致性、与红绿灯路口的关系。
在该实施方式中,该站点可信度影响数据指的是对该聚类簇所覆盖区域包含该公交站点的站点位置的可信度有影响的各种数据,可以包括聚类簇内的目标轨迹点的用户数量、位置方差、速度一致性、与红绿灯路口的关系中的至少一种。
在该实施方式中,该聚类簇内的目标轨迹点的用户数量越多,说明可参考的样本越多样,站点可信度越高;公交站点附近的轨迹点通常都是聚集,故聚类簇内的目标轨迹点的位置方差越小说明,聚类簇内的目标轨迹点越聚集,站点可信度也越高;由于公交站点处轨迹点的速度基本都很小,速度一致性较高,而非公交站点处的聚类簇内的目标轨迹点的速度一致性不高,可能有的目标轨迹点的速度较高,有的目标轨迹点由于堵车而速度较低,故速度一致性越高,站点可信度也越高。除了公交站点所在区域容易形成用户数量较多、位置方差较小或速度一致性较高的聚类簇外,红绿灯路口处也较容易形成此类聚类簇,故,可以根据聚类簇与红绿灯路口的关系来确定该聚类簇的站点可信度,聚类簇所在区域与红绿灯路口越近,站点可信度越低。
在该实施方式中,可以根据上述一种或一种以上的站点可信度影响数据以及各种站点可信度影响数据对该站点可信度的影响权重,计算得到该聚类簇的站点可信度。
在一种可能的实施方式中,所述计算所述至少一个聚类簇中每个聚类簇的站点可信度,包括:
针对所述至少一个聚类簇中的每个聚类簇,使用预先训练好的评估模型,根据所述聚类簇内的目标轨迹点的轨迹点特征和所述聚类簇内目标轨迹点所在路段的路段特征,评估所述聚类簇的站点可信度。
在该实施方式中,该评估模型的可以是基于LSTM(Long Short Term Memory,长短时记忆)模型的时间序列预测模型,该评估模型的输入为所述聚类簇内的目标轨迹点的轨迹点特征和所述聚类簇内轨迹点所在路段的路段特征,输出为该聚类簇的站点可信度,该评估模型用于对所述聚类簇内的轨迹点特征和所述聚类簇内轨迹点所在路段的路段特征进行特征分析,确定该聚类簇的站点可信度。
在该实施方式中,该轨迹点特征指的是从该聚类簇内的目标轨迹点的轨迹点数据中提取的能够反应该聚类簇的站点可信度的特征,该轨迹点特征可以包括聚类簇内的目标轨迹点的数量,聚类簇内目标轨迹点的速度分布特征,比如说,聚类簇内超低速(速度小于等于3km/h)的目标轨迹点数量,聚类簇内中低速(速度大于3km/h小于等于6km/h)的目标轨迹点数量、聚类簇内中速(速度大于6km/h小于等于10km/h)的目标轨迹点数量、聚类簇内中高速(速度大于10km/h小于等于15km/h)的目标轨迹点数量、聚类簇内超高速(速度大于15km/h)的目标轨迹点数量、聚类簇内目标轨迹点的平均速度、最大速度、最小速度、速度标准差、上四分位速度、下四分位速度、中位速度中的至少一个。
在该实施方式中,该路段特征指的是从该聚类簇内目标轨迹点所在路段的相关数据中提取的能够反应该聚类簇的站点可信度的特征,该路段特征包括该路段的静态特征,该静态特征可以包括以下至少一种:该路段的入度道路数量、出度道路数量、是否属于交叉路口、路段的起点是否有红绿灯、路段的终点是否有红绿灯、道路等级(一级公路、二级公路等)、道路类型(路口、辅路、匝道等)功能等级(如主干路、次干路、支路等)、通行状态(如人车均可通行、仅人通行、仅车通行、人车均不通行等状态)、道路位置类型(如普通道路、轮渡航线、隧道、桥梁、地下交通通道灯)、道路铺设情况(未调查、土路未铺设、已铺设、部分铺设)、是否为高架路、是否在城区等等。该路段特征除了上述静态特征外还可以包括基于上述静态特征扩展的影响特征,比如说路段的起点有红绿灯灯时的影响系数、路段终点有红绿灯时的影响系数、路段起点为交叉路口时的影响系数、路段终点为交叉路口时的影响系数;其中,该路段的起点有红绿灯灯或路段终点有红绿灯时,红绿灯位置距离该聚类簇所覆盖区域越近,影响系数越大;该路段的起点为交叉路口或路段终点为交叉路口时,该交叉路口距离该聚类簇所覆盖区域越近,影响系数越大。
在该实施方式中,可以将该聚类簇对应的上轨迹特征和路段特征输入至该评估模型,执行该评估模型,就可以得到该评估模型输出的该聚类簇的站点可信度。
在该实施方式中,可以使用训练样本来训练得到该训练好的评估模型,该训练样本包括根据多条用本用户乘车轨迹数据中的目标轨迹点聚类成的聚类簇,以及该多条用本用户乘车轨迹数据对应的公交线路中的真实站点位置,可以使用该训练样本来训练该评估模型,直至该评估模型评估的聚类簇的站点可信度的准确性达到预定要求,即可得到训练好的评估模型。这里需要说明的是,该准确性可以参考该真实站点位置,真实站点位置所在的聚类簇的站点可信度最高,则说明评估准确。
在一种可能的实施方式中,在将所述用户乘车轨迹数据中的轨迹点与其对应的公交导航线路上公交站点的初始位置进行匹配之前,所述方法可以包括以下步骤:
针对每条用户乘车轨迹数据,将所述用户乘车轨迹数据中异常的轨迹点的数据清除。
在该实施方式中,可以检测每条用户乘车轨迹数据,如果该条用户乘车轨迹数据种存在异常的轨迹点,比如说该条用户乘车轨迹数据有两个轨迹点具有相同的轨迹点时间但是轨迹点位置不同,这是不可能存在的,视为异常;或者,比如说该条用户乘车轨迹数据中有一个轨迹点明显属于跳点,与其前后时间定位的轨迹点位置之间的相对位置关系明显不正常,也视为异常。可以将每条用户乘车轨迹数据中异常的轨迹点的数据清除掉,保证每条用户乘车轨迹数据的正确性,进而保证后续确定的站点位置的正确性。
在一种可能的实施方式中,针对每条用户乘车轨迹数据,在所述用户乘车轨迹数据对应的公交导航线路为换乘线路时,根据所述用户乘车轨迹数据中的轨迹点的数据和所述用户选择公交导航线路中公交线路上公交站点的初始位置,对所述用户乘车轨迹数据中的轨迹点与所述公交线路上公交站点进行匹配,得到与所述用户乘车轨迹数据中的轨迹点匹配的公交线路的公交站点,包括:
获取所述用户乘车轨迹数据中与换乘前后两个公交站点匹配的换乘轨迹点;
响应于所述换乘轨迹点中匹配至同一个公交站点的轨迹点不连续,将所述换乘轨迹点所在时间段中前一时间段内的轨迹点匹配至换乘前的公交线路的下车公交站点,后一时间段内的轨迹点匹配至换乘后的公交线路的上车公交站点。
在该实施方式中,针对每条用户乘车轨迹数据,在所述用户乘车轨迹数据对应的公交导航线路为换乘线路,即该公交导航线路包括两条或两条以上的公交线路时,在将所述用户乘车轨迹数据中的轨迹点与其对应的公交导航线路上公交站点的初始位置进行匹配,可以得到所述用户乘车轨迹数据中与换乘前后两条公交线路上的相邻公交站点匹配的换乘轨迹点。示例的,如图2C所示,该公交导航线路为先乘1路公交车从公交线路1的A1站至A2站,再换乘2路公交车从公交线路2的A2站至B1站,则公交线路1的A2站公交线路2的A2站为换乘前后两条公交线路上的相邻公交站点,可以获取匹配至该1路公交车的A2站的轨迹点和匹配至该2路公交车的A2站的轨迹点为换乘轨迹点。
在该实施方式中,换乘轨迹点中的匹配至同一个公交站点的轨迹点不连续指的是匹配至同一个公交站点的轨迹点之间存在有轨迹点匹配至另一不同的公交站点,比如说前一时刻的轨迹点位置匹配至1路公交车的A2站,后一时刻的轨迹点位置匹配至2路公交车的A2站,再后后一时刻的轨迹点位置又匹配至1路公交车的A2站,这就表明匹配至1路公交车的A2站的轨迹点不连续。
在该实施方式中,响应于所述换乘轨迹点中匹配至同一个公交站点的轨迹点不连续,可以按照先从换乘前的公交线路的公交站点处下车,再从换乘后的公交线路的公交站点处上车的时间先后顺序,将该换乘轨迹点所在时间段分为前后两个时间段,将前一时间段内的轨迹点匹配至换乘前的公交线路的下车公交站点,后一时间段内的轨迹点匹配至换乘后的公交线路的上车公交站点。
在该实施方式中,该前一时间段的开始时刻是该换乘轨迹点的开始时刻,该前一时间段的结束时刻是该换乘轨迹点中前一公交站点的下车轨迹点的轨迹点时间之后,该换乘轨迹点中后一公交站点的上车轨迹点的轨迹点时间之前;该后一时间段的开始时刻为该前一时间段的结束时刻,该后一时间段的结束时刻是该换乘轨迹点的结束时刻。
在一种可能的实施方式中,在将所述用户乘车轨迹数据中的轨迹点与其对应的公交导航线路上公交站点的初始位置进行匹配之前,所述方法还包括:
响应于所述用户乘车轨迹数据中轨迹点形成的实际轨迹线路与其对应的公交导航线路的相似度低于预定阈值,或者所述实际轨迹线路的线路方向与其对应的公交导航线路的线路方向不同,剔除所述用户乘车轨迹数据。
在该实施方式中,用户使用该对应的公交导航线路进行乘车行驶时,可能中途有事下车等原因,并未按照该对应的公交导航线路行驶,此时,所述用户乘车轨迹数据中轨迹点形成的实际轨迹线路就会与其对应的公交导航线路的相似度较小,低于预定阈值,此时,该用户乘车轨迹数据并不与该对应的公交导航线路中的公交线路有关系,不能使用该用户乘车轨迹数据来进行公交站点的挖掘,故可以剔除该用户乘车轨迹数据。
在该实施方式中,用户使用该对应的公交导航线路进行乘车行驶时,可能坐错方向,虽然用户乘车轨迹数据中轨迹点形成的实际轨迹线路就会与其对应的公交导航线路的相似度很高,但是该实际轨迹线路的线路方向与其对应的公交导航线路的线路方向不同,是反方向的,此时,该用户乘车轨迹数据并不与该对应的公交导航线路中的公交线路有关系,此时也要剔除所述用户乘车轨迹数据。
图3示出根据本公开的实施例的公交站点位置确定装置的结构框图。其中,该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。如图3所示,所述公交站点位置确定装置包括:
数据获取模块301,被配置为获取多条用户乘车轨迹数据,所述用户乘车轨迹数据包括用户在公交导航场景下按照用户选择的公交导航线路乘坐公交车时的轨迹点的数据,所述轨迹点的数据包括轨迹点位置;
匹配模块302,被配置为针对每条用户乘车轨迹数据,根据所述用户乘车轨迹数据中的轨迹点的数据和所述用户选择公交导航线路中公交线路上公交站点的初始位置,对所述用户乘车轨迹数据中的轨迹点与所述公交线路上公交站点进行匹配,得到与所述用户乘车轨迹数据中的轨迹点匹配的公交线路的公交站点;其中,所述公交导航线路包括一条或一条以上的公交线路中的线路;
位置确定模块303,被配置为根据所述多条用户乘车轨迹数据中与同一公交线路的公交站点匹配的轨迹点的数据,确定所述同一公交线路上的公交站点对应的站点位置。
在一种可能的实施方式中,所述位置确定模块被配置为:
根据多条用户乘车轨迹数据中与同一公交线路的公交站点匹配的轨迹点的数据,获取多个目标轨迹点,所述目标轨迹点为在所述同一公交线路上用户上车时的轨迹点和/或用户下车时的轨迹点;或者,所述目标轨迹点为用户乘坐公交车行驶在所述同一公交线路上的轨迹点;
根据多个目标轨迹点中匹配至同一个公交站点的目标轨迹点,确定所述同一个公交站点对应的站点位置。
在一种可能的实施方式中,所述位置确定模块中根据多个目标轨迹点中匹配至同一个公交站点的目标轨迹点,确定所述同一个公交站点对应的站点位置的部分被配置为:
对多个目标轨迹点中匹配至同一个公交站点的目标轨迹点进行聚类,得到至少一个聚类簇,所述至少一个聚类簇对应所述同一个公交站点;
计算所述至少一个聚类簇中每个聚类簇的站点可信度;
将至少一个聚类簇中站点可信度最高的聚类簇确定为目标聚类簇;
根据所述目标聚类簇中目标轨迹点的位置分布,确定所述同一个公交站点对应的站点位置。
在一种可能的实施方式中,所述轨迹点的数据还包括轨迹点速度,所述位置确定模块中所述根据多条用户乘车轨迹数据中与同一公交线路的公交站点匹配的轨迹点的数据,获取多个目标轨迹点的部分被配置为:
针对每条用户乘车轨迹数据,根据所述用户乘车轨迹数据中与同一公交线路的上车公交站点和下车公交站点匹配的轨迹点的轨迹点速度,确定用户上车时的轨迹点和用户下车时的轨迹点;
将所述用户上车时的轨迹点和/或用户下车时的轨迹点作为目标轨迹点,或者,将用户上车时的轨迹点和用户下车时的轨迹点之间的轨迹点作为目标轨迹点。
在一种可能的实施方式中,所述位置确定模块中计算所述至少一个聚类簇中每个聚类簇的站点可信度的部分被配置为:
针对所述至少一个聚类簇中的每个聚类簇,根据所述聚类簇内的目标轨迹点的站点可信度影响数据,计算所述聚类簇的站点可信度,所述站点可信度影响数据包括所述聚类簇内的目标轨迹点的用户数量、位置方差、速度一致性、与红绿灯路口的关系中的至少一种。
在一种可能的实施方式中,所述位置确定模块中计算所述至少一个聚类簇中每个聚类簇的站点可信度的部分被配置为:
针对所述至少一个聚类簇中的每个聚类簇,使用预先训练好的评估模型,根据所述聚类簇内的目标轨迹点的轨迹点特征和所述聚类簇内目标轨迹点所在路段的路段特征,评估所述聚类簇的站点可信度。
在一种可能的实施方式中,所述装置还包括:
数据清洗模块,被配置为在将所述用户乘车轨迹数据中的轨迹点与其对应的公交导航线路上公交站点的初始位置进行匹配之前,针对每条用户乘车轨迹数据,将所述用户乘车轨迹数据中异常的轨迹点的数据清除。
在一种可能的实施方式中,针对每条用户乘车轨迹数据,在所述用户乘车轨迹数据对应的公交导航线路为换乘线路时,将所述匹配模块被配置为:
获取所述用户乘车轨迹数据中与换乘前后两个公交站点匹配的换乘轨迹点;
响应于所述换乘轨迹点中匹配至同一个公交站点的轨迹点不连续,将所述换乘轨迹点所在时间段中前一时间段内的轨迹点匹配至换乘前的公交线路的下车公交站点,后一时间段内的轨迹点匹配至换乘后的公交线路的上车公交站点。
在一种可能的实施方式中,所述装置还包括:
剔除模块,被配置为在将所述用户乘车轨迹数据中的轨迹点与其对应的公交导航线路上公交站点的初始位置进行匹配之前,响应于所述用户乘车轨迹数据中轨迹点对应的实际轨迹与其对应的公交导航线路的相似度低于预定阈值,或者所述实际轨迹的轨迹方向与其对应的公交导航线路的线路方向不同,剔除所述用户乘车轨迹数据。
本装置实施方式中提及的技术术语和技术特征相同或相似,对于本装置中涉及的技术术语和技术特征的解释和说明可参考上述方法实施方式的解释的说明,此处不再赘述。
本公开还公开了一种电子设备,图4示出根据本公开的实施例的电子设备的结构框图。
如图4所示,所述电子设备400包括存储器401和处理器402,其中,存储器401用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器402执行以实现根据本公开的实施例的方法。
图5示出适于用来实现根据本公开实施例的方法的计算机系统的结构示意图。
如图5所示,计算机系统500包括处理单元501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行上述实施例中的各种处理。在RAM 503中,还存储有计算机系统500操作所需的各种程序和数据。处理单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入存储部分508。其中,所述处理单元501可实现为CPU、GPU、TPU、FPGA、NPU等处理单元。
特别地,根据本公开的实施例,上文描述的方法可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括计算机指令,该计算机指令被处理器执行时实现上文所述的方法步骤。在这样的实施例中,该计算机程序产品可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、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,在有些作为替换的实现中,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,两个接连地表示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,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操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。
描述于本公开实施例中所涉及到的单元或模块可以通过软件的方式实现,也可以通过可编程硬件的方式来实现。所描述的单元或模块也可以设置在处理器中,这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。
作为另一方面,本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中电子设备或计算机系统中所包含的计算机可读存储介质;也可以是单独存在,未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序,所述程序被一个或者一个以上的处理器用来执行描述于本公开的方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种公交站点位置确定方法,包括:
获取多条用户乘车轨迹数据,所述用户乘车轨迹数据包括用户在公交导航场景下按照用户选择的公交导航线路乘坐公交车时的轨迹点的数据,所述轨迹点的数据包括轨迹点位置;
针对每条用户乘车轨迹数据,根据所述用户乘车轨迹数据中的轨迹点的数据和所述用户选择公交导航线路中公交线路上公交站点的初始位置,对所述用户乘车轨迹数据中的轨迹点与所述公交线路上公交站点进行匹配,得到与所述用户乘车轨迹数据中的轨迹点匹配的公交线路的公交站点;其中,所述公交导航线路包括一条或一条以上的公交线路中的线路;
根据所述多条用户乘车轨迹数据中与同一公交线路的公交站点匹配的轨迹点的数据,确定所述同一公交线路上的公交站点对应的站点位置。
2.根据权利要求1所述的方法,其中,所述根据所述多条用户乘车轨迹数据中与同一公交线路的公交站点匹配的轨迹点的数据,确定所述同一公交线路上的公交站点对应的站点位置,包括:
根据多条用户乘车轨迹数据中与同一公交线路的公交站点匹配的轨迹点的数据,获取多个目标轨迹点,所述目标轨迹点为在所述同一公交线路上用户上车时的轨迹点和/或用户下车时的轨迹点;或者,所述目标轨迹点为用户乘坐公交车行驶在所述同一公交线路上的轨迹点;
根据多个目标轨迹点中匹配至同一个公交站点的目标轨迹点,确定所述同一个公交站点对应的站点位置。
3.根据权利要求2所述的方法,其中,所述根据多个目标轨迹点中匹配至同一个公交站点的目标轨迹点,确定所述同一个公交站点对应的站点位置,包括:
对多个目标轨迹点中匹配至同一个公交站点的目标轨迹点进行聚类,得到至少一个聚类簇,所述至少一个聚类簇对应所述同一个公交站点;
计算所述至少一个聚类簇中每个聚类簇的站点可信度;
将至少一个聚类簇中站点可信度最高的聚类簇确定为目标聚类簇;
根据所述目标聚类簇中目标轨迹点的位置分布,确定所述同一个公交站点对应的站点位置。
4.根据权利要求2所述的方法,其中,所述轨迹点的数据包括轨迹点速度,所述根据多条用户乘车轨迹数据中与同一公交线路的公交站点匹配的轨迹点的数据,获取多个目标轨迹点,包括:
针对每条用户乘车轨迹数据,根据所述用户乘车轨迹数据中与同一公交线路的上车公交站点和下车公交站点匹配的轨迹点的轨迹点速度,确定用户上车时的轨迹点和用户下车时的轨迹点;
将所述用户上车时的轨迹点和/或用户下车时的轨迹点作为目标轨迹点,或者,将用户上车时的轨迹点和用户下车时的轨迹点之间的轨迹点作为目标轨迹点。
5.根据权利要求3所述的方法,其中,所述计算所述至少一个聚类簇中每个聚类簇的站点可信度,包括:
针对所述至少一个聚类簇中的每个聚类簇,根据所述聚类簇内的目标轨迹点的站点可信度影响数据,计算所述聚类簇的站点可信度,所述站点可信度影响数据包括所述聚类簇内的目标轨迹点的用户数量、位置方差、速度一致性、与红绿灯路口的关系中的至少一种。
6.根据权利要求2所述的方法,其中,针对每条用户乘车轨迹数据,在所述用户乘车轨迹数据对应的公交导航线路为换乘线路时,根据所述用户乘车轨迹数据中的轨迹点的数据和所述用户选择公交导航线路中公交线路上公交站点的初始位置,对所述用户乘车轨迹数据中的轨迹点与所述公交线路上公交站点进行匹配,得到与所述用户乘车轨迹数据中的轨迹点匹配的公交线路的公交站点,包括:
确定所述用户乘车轨迹数据中与换乘前后两个公交站点匹配的换乘轨迹点;
响应于所述换乘轨迹点中匹配至同一个公交站点的轨迹点不连续,将所述换乘轨迹点所在时间段中前一时间段内的轨迹点匹配至换乘前的公交线路的下车公交站点,后一时间段内的轨迹点匹配至换乘后的公交线路的上车公交站点。
7.根据权利要求1所述的方法,其中,在将所述用户乘车轨迹数据中的轨迹点与其对应的公交导航线路上公交站点的初始位置进行匹配之前,所述方法还包括:
响应于所述用户乘车轨迹数据中轨迹点对应的实际轨迹与其对应的公交导航线路的相似度低于预定阈值,或者所述实际轨迹的轨迹方向与其对应的公交导航线路的线路方向不同,剔除所述用户乘车轨迹数据。
8.一种公交站点位置确定装置,包括:
数据获取模块,被配置为获取多条用户乘车轨迹数据,所述用户乘车轨迹数据包括用户在公交导航场景下按照用户选择的公交导航线路乘坐公交车时的轨迹点的数据,所述轨迹点的数据包括轨迹点位置;
匹配模块,被配置为针对每条用户乘车轨迹数据,根据所述用户乘车轨迹数据中的轨迹点的数据和所述用户选择公交导航线路中公交线路上公交站点的初始位置,对所述用户乘车轨迹数据中的轨迹点与所述公交线路上公交站点进行匹配,得到与所述用户乘车轨迹数据中的轨迹点匹配的公交线路的公交站点;其中,所述公交导航线路包括一条或一条以上的公交线路中的线路;
位置确定模块,被配置为根据所述多条用户乘车轨迹数据中与同一公交线路的公交站点匹配的轨迹点的数据,确定所述同一公交线路上的公交站点对应的站点位置。
9.一种电子设备,包括存储器和处理器;其中,所述存储器用于存储一条或多条计算机指令,所述一条或多条计算机指令被所述处理器执行以实现权利要求1至7任一项所述的方法步骤。
10.一种计算机可读存储介质,其上存储有计算机指令,其中,该计算机指令被处理器执行时实现权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311433928.4A CN117351720A (zh) | 2023-10-31 | 2023-10-31 | 公交站点位置确定方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311433928.4A CN117351720A (zh) | 2023-10-31 | 2023-10-31 | 公交站点位置确定方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117351720A true CN117351720A (zh) | 2024-01-05 |
Family
ID=89355737
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311433928.4A Pending CN117351720A (zh) | 2023-10-31 | 2023-10-31 | 公交站点位置确定方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117351720A (zh) |
-
2023
- 2023-10-31 CN CN202311433928.4A patent/CN117351720A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107305131B (zh) | 以节点为中心的导航优化 | |
US9513132B2 (en) | Measuring quality in optimal navigation routes by navigation systems | |
US10262213B2 (en) | Learning lanes from vehicle probes | |
CN1292392C (zh) | 使用道路交通状况信息估计行驶耗费时间的系统和方法 | |
Miwa et al. | Route identification and travel time prediction using probe-car data | |
US9002633B2 (en) | Method of determining and validating navigational priority settings utilizing probe data | |
CN110491158B (zh) | 一种基于多元数据融合的公交车到站时间预测方法及系统 | |
CN107490384B (zh) | 一种基于城市路网的最优静态路径选择方法 | |
KR20150128712A (ko) | 차량 라우팅 및 교통 관리를 위한 차선 레벨 차량 내비게이션 | |
CN104464310A (zh) | 城市区域多交叉口信号协同优化控制方法及系统 | |
WO2008005187A2 (en) | Inferring road speeds for context-sensitive routing | |
CN101964941A (zh) | 基于动态信息的智能导航与位置服务系统及方法 | |
CN107270925B (zh) | 一种用户车辆导航系统、装置及方法 | |
CN110646004B (zh) | 一种基于路况预测的智能导航方法及装置 | |
CN112767694B (zh) | 用于缓解道路拥堵的交通优化方法和装置 | |
CN102243811A (zh) | 车辆导航系统及推荐路径检索方法 | |
CN110363990A (zh) | 一种公交畅行指数获取方法、系统及装置 | |
CN112767683A (zh) | 一种基于反馈机制的路径诱导方法 | |
CN112991743A (zh) | 基于行驶路径的实时交通风险ai预测方法及其系统 | |
CN107917716A (zh) | 固定线路导航方法、装置、终端及计算机可读存储介质 | |
CN114155734A (zh) | 等灯信息确定方法和车辆信息显示方法 | |
CN111667083B (zh) | 网约车预估价确定方法和装置 | |
CN112633812A (zh) | 货运车辆的轨迹分段方法、装置、设备及存储介质 | |
CN114078322A (zh) | 一种公交运行状态评价方法、装置、设备及存储介质 | |
CN111710160A (zh) | 一种基于浮动车数据的行程时间预测方法 |
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 |