CN102568199A - 平均乘车距离的确定方法和装置 - Google Patents
平均乘车距离的确定方法和装置 Download PDFInfo
- Publication number
- CN102568199A CN102568199A CN2011104245184A CN201110424518A CN102568199A CN 102568199 A CN102568199 A CN 102568199A CN 2011104245184 A CN2011104245184 A CN 2011104245184A CN 201110424518 A CN201110424518 A CN 201110424518A CN 102568199 A CN102568199 A CN 102568199A
- Authority
- CN
- China
- Prior art keywords
- bus
- card
- record
- checking card
- checking
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012216 screening Methods 0.000 claims abstract description 35
- 238000012217 deletion Methods 0.000 claims description 16
- 230000037430 deletion Effects 0.000 claims description 16
- 238000004080 punching Methods 0.000 abstract 10
- 230000008569 process Effects 0.000 description 13
- 230000003203 everyday effect Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 4
- 238000013499 data model Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 241000931705 Cicada Species 0.000 description 1
- 230000035508 accumulation Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
-
- 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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/012—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from other sources than vehicle or roadside beacons, e.g. mobile networks
-
- 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
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
Landscapes
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Chemical & Material Sciences (AREA)
- General Business, Economics & Management (AREA)
- Analytical Chemistry (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
- Devices For Checking Fares Or Tickets At Control Points (AREA)
Abstract
本发明实施例公开了一种平均乘车距离的确定方法和装置,涉及智能交通领域,用于解决如何自动确定平均乘车距离的问题。本发明中,获取至少一个时间周期内的乘车打卡记录,每条乘车打卡记录包含一个***以及打卡数据;对获取到的乘车打卡记录进行筛选,筛选后得到的每个时间周期内的乘车打卡记录满足以下条件:对于该时间周期内的每条乘车打卡记录,该时间周期内仅存在一条与该条乘车打卡记录配对的其他乘车打卡记录,配对的两条乘车打卡记录所包含的***相同;根据筛选后得到的每个时间周期内的乘车打卡记录,确定所述至少一个时间周期内的平均乘车距离。采用本发明,实现了平均乘车距离的自动确定方案。
Description
技术领域
本发明涉及智能交通领域,尤其涉及一种平均乘车距离的确定方法和装置。
背景技术
公交乘客的乘车距离和起始点流向是城市公共交通线网布设和优化的基本依据,传统的乘车距离的获取基本依靠人工调查的方式,即在乘客上车时向乘客发放调查表格,乘客按照自己的出行情况填写表格,然后在下车时回收表格,根据回收的表格来确定乘车距离。这在实际操作时会由于乘客填写表格的方便性和乘客的配合程度低等原因带来一些困难,从而很难保证调查数据的准确性。
因此有必要实现一种平均乘车距离的自动确定方法,以提高数据计算的精度,进而使决策者能够科学制定运营调度策略,合理调配人车资源。
发明内容
本发明实施例提供一种平均乘车距离的确定方法和装置,用于解决如何自动确定平均乘车距离的问题。
一种平均乘车距离的确定方法,该方法包括:
获取至少一个时间周期内的乘车打卡记录,每条乘车打卡记录包含一个***以及打卡数据;
对获取到的乘车打卡记录进行筛选,筛选后得到的每个时间周期内的乘车打卡记录满足以下条件:对于该时间周期内的每条乘车打卡记录,该时间周期内仅存在一条与该条乘车打卡记录配对的其他乘车打卡记录,配对的两条乘车打卡记录所包含的***相同;
根据筛选后得到的每个时间周期内的乘车打卡记录,确定所述至少一个时间周期内的平均乘车距离。
一种平均乘车距离的确定装置,该装置包括:
打卡记录获取单元,用于获取至少一个时间周期内的乘车打卡记录,每条乘车打卡记录包含一个***以及打卡数据;
打卡记录筛选单元,用于对获取到的乘车打卡记录进行筛选,筛选后得到的每个时间周期内的乘车打卡记录满足以下条件:对于该时间周期内的每条乘车打卡记录,该时间周期内仅存在一条与该条乘车打卡记录配对的其他乘车打卡记录,配对的两条乘车打卡记录所包含的***相同;
平均乘车距离确定单元,用于根据筛选后得到的每个时间周期内的乘车打卡记录,确定所述至少一个时间周期内的平均乘车距离。
本方案中,在获取至少一个时间周期内的乘车打卡记录后,对获取到的乘车打卡记录进行筛选,使得筛选后每个时间周期内包含成对出现的乘车打卡记录,即每个时间周期内的乘车打卡记录满足以下条件:对于该时间周期内的每条乘车打卡记录,该时间周期内仅存在一条与该条乘车打卡记录配对的其他乘车打卡记录,配对的两条乘车打卡记录所包含的***相同;然后,根据筛选后得到的每个时间周期内的乘车打卡记录,确定至少一个时间周期内的平均乘车距离。可见,本发明实现了平均乘车距离的自动确定方案,进而使决策者能够科学制定运营调度策略,合理调配人车资源。
附图说明
图1为本发明实施例提供的方法流程示意图;
图2为本发明实施例提供的装置结构示意图。
具体实施方式
为了实现平均乘车距离的自动确定方案,本发明实施例提供一种平均乘车距离的确定方法,本方法中,在获取至少一个时间周期内的乘车打卡记录后,对获取到的乘车打卡记录进行筛选,使得筛选后每个时间周期内包含成对出现的乘车打卡记录,即对于同一个***,存在该***的两次打卡记录,然后根据筛选后得到的乘车打卡记录确定平均乘车距离。
参见图1,本发明实施例提供的平均乘车距离的确定方法,包括以下步骤:
步骤10:获取至少一个时间周期内的乘车打卡记录,每条乘车打卡记录包含一个***以及打卡数据;
步骤11:对获取到的乘车打卡记录进行筛选,筛选后得到的每个时间周期内的乘车打卡记录满足以下条件:对于该时间周期内的每条乘车打卡记录,该时间周期内仅存在一条与该条乘车打卡记录配对的其他乘车打卡记录,配对的两条乘车打卡记录所包含的***相同;
步骤12:根据筛选后得到的每个时间周期内的乘车打卡记录,确定所述至少一个时间周期内的平均乘车距离。
步骤11中,对获取到的乘车打卡记录进行筛选,具体实现可以如下:
对于每个时间周期内的每条乘车打卡记录,执行如下操作:
确定在当前乘车打卡记录所在的时间周期内是否存在所包含***相同的其他乘车打卡记录;在确定不存在时,将该条乘车打卡记录删除。
进一步的,为了使得筛选结果更加准确,进而使得平均乘车距离的确定结果更加准确,可以执行如下进一步的乘车打卡记录筛选操作:
上述在确定在当前乘车打卡记录所在的时间周期内存在所包含***相同的其他乘车打卡记录时,可以确定所包含***相同的其他乘车打卡记录是否多于一条,若多于一条,则将包含该***的乘车打卡记录全部删除。
进一步的,为了使得筛选结果更加准确,进而使得平均乘车距离的确定结果更加准确,在完成上述乘车打卡记录的删除操作之后,可以执行如下进一步的乘车打卡记录筛选操作:
对于每个时间周期内的配对的每两条乘车打卡记录,执行如下操作:
将当前两条乘车打卡记录中打卡时间较早的一条乘车打卡记录作为第一上车打卡记录,另一条乘车打卡记录作为第一下车打卡记录;分别在其他各时间周期内查找所包含***与该两条乘车打卡记录所包含***相同的且配对的两条乘车打卡记录,若没有查找到,则不执行任何操作;若查找到,则将查找到的两条乘车打卡记录中打卡时间较早的一条乘车打卡记录作为第二上车打卡记录,另一条乘车打卡记录作为第二下车打卡记录;确定第一上车打卡记录对应的车辆位置与第二上车打卡记录对应的车辆位置之间的距离、以及第一下车打卡记录对应的车辆位置与第二下车打卡记录对应的车辆位置之间的距离是否超过设定距离门限值内,在确定均为否时,将第二上车打卡记录和第二下车打卡记录删除。
具体的,可以按照如下公式一确定第一上车打卡记录对应的车辆位置与第二上车打卡记录对应的车辆位置之间的距离S上:
公式一:S上=arcCos[sinΦ1sinΦ2+cosΦ1cosΦ2cos(λ1-λ2)]×R×1000
其中:Φ1表示第一上车打卡记录对应的车辆位置的纬度值,Φ2表示第二上车打卡记录对应的车辆位置的纬度值;λ1表示第一上车打卡记录对应的车辆位置的经度值;λ2表示第二上车打卡记录对应的车辆位置的经度值;R为地球半径,单位为公里;
按照如下公式二确定第一下车打卡记录对应的车辆位置与第二下车打卡记录对应的车辆位置之间的距离S下:
公式二:S下=arcCos[sinα1sinα2+cosα1cosα2cos(β1-β2)]×R×1000;
其中:α1表示第一下车打卡记录对应的车辆位置的纬度值,α2表示第二下车打卡记录对应的车辆位置的纬度值;β1表示第一下车打卡记录对应的车辆位置的经度值;β2表示第二下车打卡记录对应的车辆位置的经度值;R为地球半径,单位为公里。
一条上车打卡记录对应的车辆位置的信息,可以从车辆的GPS装置中读取到,例如,某一条上车打卡记录中包含的线路编号为10、打卡时间为上午10点,则在车辆的GPS装置中读取线路10、上午10点对应的车辆位置信息作为该上车打卡记录对应的车辆位置信息。
步骤12中,根据筛选后得到的每个时间周期内的乘车打卡记录,确定所述至少一个时间周期内的平均乘车距离,具体实现可以如下:
对于每个时间周期内的每条乘车打卡记录,根据该乘车打卡记录中的打卡数据确定该乘车打卡记录对应的站点编号和线路编号;
根据每个时间周期内的配对的每两条乘车打卡记录对应的站点编号以及对应的线路的平均站距,确定所述至少一个时间周期内的平均乘车距离。
这里,乘车打卡记录对应的线路编号可以从该乘车打卡记录的打卡数据中读取;乘车打卡记录对应的站点编号可以按照如下方式获取:首先获取该乘车打卡记录对应的车辆位置的信息,然后根据预先设定的车辆位置与站点编号的对应关系,确定该乘车打卡记录对应的车辆位置所对应的站点编号,该站点编号即为该乘车打卡记录对应的站点编号。
具体的,可以按照如下公式三确定所述平均乘车距离L:
公式三:
其中,表示第i个时间周期内的第j个配对的两条乘车打卡记录中时间较晚的打卡记录对应的站点编号;表示第i个时间周期内的第j个配对的两条乘车打卡记录中时间较早的打卡记录对应的站点编号;Aij表示第i个时间周期内的第j个配对的两条乘车打卡记录对应的线路的平均站距;mi表示第i个时间周期内的乘车打卡记录的数目,n表示时间周期的数目。
公式三的确定方法如下:
假设第一天的乘车打卡记录的总数为m1,第二天的乘车打卡记录的总数为m2,第n天的乘车打卡记录的总数为mn;
第一天总的打卡记录数为m1,假设Sja为m1的打卡记录中第j个卡的第一次打卡记录对应的站点序号,Sjb为m1的打卡记录中第j个卡的第二次打卡记录对应的站点序号,Aj为第j个卡打卡所在线路的平均站距,则第一天的记录中乘车距离的和为将n天的数据累加起来即为:
采用公式三确定平均乘车距离时,站点编号需要为数字。并且需要预先设定每个线路的平均站距。
本方法中可以将一天即24小时作为一个时间周期,当然,还可以将任何其他长度的时间段作为一个时间周期,比如一小时、一周等。
本方法中,乘车打卡记录可以是公交车等的乘车打卡记录。
本方法中,乘车打卡记录中的打卡数据可以包括打卡时间、乘客信息、卡类型信息、卡余额信息、乘坐的车辆信息、车辆的线路信息等。卡类型可以是IC卡等。
下面结合具体实施例对本发明进行说明:
实施例一:
有些地面公交由于上车需要打卡而下车无需打卡,从而无法得知乘客的下车地点,但是存在乘客乘车到达目的地点后又乘车从目的地点返回的特点,此特点在早高峰和晚高峰体现的尤其明显,本实施例就通过对一段时间内公交乘车打卡记录的分析,得出具有此特点的数据模型,根据数据模型中的数据计算得出平均乘车距离。
步骤一:获取n天内的乘车打卡记录;
步骤二:对获取到的乘客打卡记录进行筛选;筛选后得到的每天内的乘车打卡记录满足以下条件:对于该天内的每条乘车打卡记录,该天内仅存在一条与该条乘车打卡记录配对的其他乘车打卡记录,配对的两条乘车打卡记录所包含的***相同;
具体的:首先,对于每天内的每条乘车打卡记录,确定在该天内是否存在所包含***与该条乘车打卡记录所包含***相同的其他乘车打卡记录;在确定不存在时,将该条乘车打卡记录删除;
然后,对于每天内的配对的每两条乘车打卡记录,执行如下操作:
将当前两条乘车打卡记录中打卡时间较早的一条乘车打卡记录作为第一上车打卡记录,另一条乘车打卡记录作为第一下车打卡记录;分别在其他各时间周期内查找所包含***与该两条乘车打卡记录所包含***相同的且配对的两条乘车打卡记录,若没有查找到,则不执行任何操作;若查找到,则将查找到的两条乘车打卡记录中打卡时间较早的一条乘车打卡记录作为第二上车打卡记录,另一条乘车打卡记录作为第二下车打卡记录;
按照公式一确定第一上车打卡记录对应的车辆位置与第二上车打卡记录对应的车辆位置之间的第一距离;按照公式二确定第一下车打卡记录对应的车辆位置与第二下车打卡记录对应的车辆位置之间的第二距离;确定第一距离和第二距离是否超过设定距离门限值内,在确定为否时,将第二上车打卡记录和第二下车打卡记录删除。例如,设定距离门限值可以为400米。
步骤三:根据筛选后得到的每天内的乘车打卡记录,确定乘客在n天内的平均乘车距离。
具体的,首先,对于每天内的每条乘车打卡记录,根据该乘车打卡记录中的打卡数据确定该乘车打卡记录对应的站点编号和线路编号;
然后,按照公式三确定乘客在n天内的平均乘车距离。
实施例二:
本实施例针对既存在上车需要打卡、下车无需打卡,又存在上车和下车均需要打卡的情况。
步骤一:获取n天内的乘车打卡记录;
步骤二:对获取到的乘客打卡记录进行筛选;筛选后得到的每天内的乘车打卡记录满足以下条件:对于该天内的每条乘车打卡记录,该天内仅存在一条与该条乘车打卡记录配对的其他乘车打卡记录,配对的两条乘车打卡记录所包含的***相同;
具体的:首先,对于每天内的每条乘车打卡记录,确定在该天内是否存在所包含***与该条乘车打卡记录所包含***相同的其他乘车打卡记录;在确定不存在时,将该条乘车打卡记录删除;在确定存在时,确定所包含***与该条乘车打卡记录所包含***相同的其他乘车打卡记录是否多于一条,若多于一条,则将该条乘车打卡记录以及所包含***与该条乘车打卡记录所包含***相同的其他乘车打卡记录全部删除;
然后,对于每天内的配对的每两条乘车打卡记录,执行如下操作:
将当前两条乘车打卡记录中打卡时间较早的一条乘车打卡记录作为第一上车打卡记录,另一条乘车打卡记录作为第一下车打卡记录;分别在其他各时间周期内查找所包含***与该两条乘车打卡记录所包含***相同的且配对的两条乘车打卡记录,若没有查找到,则不执行任何操作;若查找到,则将查找到的两条乘车打卡记录中打卡时间较早的一条乘车打卡记录作为第二上车打卡记录,另一条乘车打卡记录作为第二下车打卡记录;
按照公式一确定第一上车打卡记录对应的车辆位置与第二上车打卡记录对应的车辆位置之间的第一距离;按照公式二确定第一下车打卡记录对应的车辆位置与第二下车打卡记录对应的车辆位置之间的第二距离;确定第一距离和第二距离是否超过设定距离门限值内,在确定为否时,将第二上车打卡记录和第二下车打卡记录删除。例如,设定距离门限值可以为400米。
步骤三:根据筛选后得到的每天内的乘车打卡记录,确定乘客在n天内的平均乘车距离。
具体的,首先,对于每天内的每条乘车打卡记录,根据该乘车打卡记录中的打卡数据确定该乘车打卡记录对应的站点编号和线路编号;
然后,按照公式三确定乘客在n天内的平均乘车距离。
采用上述两个实施例,可以科学计算平均乘车距离。传统方法中对于常规公交乘客乘车距离大多采用调查取样的方式,不科学也很难获得比较准确的结果。本发明通过建立具有相同流动规律的数据模型,采用倒推法计算得出平均乘车距离,并可以结合城市公交运行速度等数据得出乘客平均乘车时间,为衡量城市公交服务水平提供依据。
采用上述两个实施例,可以为公交客流OD矩阵推算提供依据。目前国内对公交客流OD矩阵的推算主要有概率论模型、BP神经网络模型、结构化模型、重力模型和最小二乘模型等,其共同点是都需要对客流数据进行部分调查,以验证公交客流符合泊松分布,进而得出OD矩阵。本发明通过分析公交乘客出行特征,计算得出平均乘车距离,以方便形成公交客流OD矩阵。
参见图2,本发明实施例提供一种平均乘车距离的确定装置,该装置包括:
打卡记录获取单元20,用于获取至少一个时间周期内的乘车打卡记录,每条乘车打卡记录包含一个***以及打卡数据;
打卡记录筛选单元21,用于对获取到的乘车打卡记录进行筛选,筛选后得到的每个时间周期内的乘车打卡记录满足以下条件:对于该时间周期内的每条乘车打卡记录,该时间周期内仅存在一条与该条乘车打卡记录配对的其他乘车打卡记录,配对的两条乘车打卡记录所包含的***相同;
平均乘车距离确定单元22,用于根据筛选后得到的每个时间周期内的乘车打卡记录,确定所述至少一个时间周期内的平均乘车距离。
进一步的,所述打卡记录筛选单元21用于:
对于每个时间周期内的每条乘车打卡记录,确定在该时间周期内是否存在所包含***与该条乘车打卡记录所包含***相同的其他乘车打卡记录;在确定不存在时,将该条乘车打卡记录删除。
进一步的,所述打卡记录筛选单元21还用于:
在确定存在时,确定所包含***与该条乘车打卡记录所包含***相同的其他乘车打卡记录是否多于一条,若多于一条,则将该条乘车打卡记录以及所包含***与该条乘车打卡记录所包含***相同的其他乘车打卡记录全部删除。
进一步的,所述打卡记录筛选单元21还用于:
在删除乘车打卡记录之后,对于每个时间周期内的配对的每两条乘车打卡记录,将该两条乘车打卡记录中打卡时间较早的一条乘车打卡记录作为第一上车打卡记录,另一条乘车打卡记录作为第一下车打卡记录;分别在其他各时间周期内查找所包含***与该两条乘车打卡记录所包含***相同的且配对的两条乘车打卡记录,在查找到时,将查找到的两条乘车打卡记录中打卡时间较早的一条乘车打卡记录作为第二上车打卡记录,另一条乘车打卡记录作为第二下车打卡记录;确定第一上车打卡记录对应的车辆位置与第二上车打卡记录对应的车辆位置之间的距离、以及第一下车打卡记录对应的车辆位置与第二下车打卡记录对应的车辆位置之间的距离是否超过设定距离门限值内,在确定为否时,将第二上车打卡记录和第二下车打卡记录删除。
进一步的,所述打卡记录筛选单元21还用于:按照如下公式确定第一上车打卡记录对应的车辆位置与第二上车打卡记录对应的车辆位置之间的距离S上:
S上=arcCos[sinΦ1sinΦ2+cosΦ1cosΦ2cos(λ1-λ2)]×R×1000
其中:Φ1表示第一上车打卡记录对应的车辆位置的纬度值,Φ2表示第二上车打卡记录对应的车辆位置的纬度值;λ1表示第一上车打卡记录对应的车辆位置的经度值;λ2表示第二上车打卡记录对应的车辆位置的经度值;R为地球半径,单位为公里;
按照如下公式确定第一下车打卡记录对应的车辆位置与第二下车打卡记录对应的车辆位置之间的距离S下:
S下=arcCos[sinα1sinα2+cosα1cosα2cos(β1-β2)]×R×1000;
其中:α1表示第一下车打卡记录对应的车辆位置的纬度值,α2表示第二下车打卡记录对应的车辆位置的纬度值;β1表示第一下车打卡记录对应的车辆位置的经度值;β2表示第二下车打卡记录对应的车辆位置的经度值;R为地球半径,单位为公里。
进一步的,所述平均乘车距离确定单元22用于:
对于每个时间周期内的每条乘车打卡记录,根据该条乘车打卡记录中的打卡数据确定该乘车打卡记录对应的站点编号和线路编号;
根据每个时间周期内的配对的每两条乘车打卡记录对应的站点编号以及对应的线路的平均站距,确定所述至少一个时间周期内的平均乘车距离。
进一步的,所述平均乘车距离确定单元22用于:按照如下公式确定所述平均乘车距离L:
其中,表示第i个时间周期内的第j个配对的两条乘车打卡记录中时间较晚的打卡记录对应的站点编号;表示第i个时间周期内的第j个配对的两条乘车打卡记录中时间较早的打卡记录对应的站点编号;Aij表示第i个时间周期内的第j个配对的两条乘车打卡记录对应的线路的平均站距;mi表示第i个时间周期内的乘车打卡记录的数目,n表示时间周期的数目。
进一步的,所述时间周期为24小时。
综上,本发明的有益效果包括:
本发明实施例提供的方案中,在获取至少一个时间周期内的乘车打卡记录后,对获取到的乘车打卡记录进行筛选,使得筛选后每个时间周期内包含成对出现的乘车打卡记录,即每个时间周期内的乘车打卡记录满足以下条件:对于该时间周期内的每条乘车打卡记录,该时间周期内仅存在一条与该条乘车打卡记录配对的其他乘车打卡记录,配对的两条乘车打卡记录所包含的***相同;然后,根据筛选后得到的每个时间周期内的乘车打卡记录,确定所述至少一个时间周期内的平均乘车距离。可见,本发明实现了平均乘车距离的自动确定方案,进而使决策者能够科学制定运营调度策略,合理调配人车资源。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (16)
1.一种平均乘车距离的确定方法,其特征在于,该方法包括:
获取至少一个时间周期内的乘车打卡记录,每条乘车打卡记录包含一个***以及打卡数据;
对获取到的乘车打卡记录进行筛选,筛选后得到的每个时间周期内的乘车打卡记录满足以下条件:对于该时间周期内的每条乘车打卡记录,该时间周期内仅存在一条与该条乘车打卡记录配对的其他乘车打卡记录,配对的两条乘车打卡记录所包含的***相同;
根据筛选后得到的每个时间周期内的乘车打卡记录,确定所述至少一个时间周期内的平均乘车距离。
2.如权利要求1所述的方法,其特征在于,所述对获取到的乘车打卡记录进行筛选,具体包括:
对于每个时间周期内的每条乘车打卡记录,确定在该时间周期内是否存在所包含***相同的其他乘车打卡记录;在确定不存在时,将该条乘车打卡记录删除。
3.如权利要求2所述的方法,其特征在于,在确定存在时,进一步包括:
确定所包含***相同的其他乘车打卡记录是否多于一条,若多于一条,则将包含该***的乘车打卡记录全部删除。
4.如权利要求2所述的方法,其特征在于,在删除乘车打卡记录之后,进一步包括:
对于每个时间周期内的配对的每两条乘车打卡记录,将该两条乘车打卡记录中打卡时间较早的一条乘车打卡记录作为第一上车打卡记录,另一条乘车打卡记录作为第一下车打卡记录;分别在其他各时间周期内查找所包含***与该两条乘车打卡记录所包含***相同的且配对的两条乘车打卡记录,在查找到时,将查找到的两条乘车打卡记录中打卡时间较早的一条乘车打卡记录作为第二上车打卡记录,另一条乘车打卡记录作为第二下车打卡记录;确定第一上车打卡记录对应的车辆位置与第二上车打卡记录对应的车辆位置之间的距离、以及第一下车打卡记录对应的车辆位置与第二下车打卡记录对应的车辆位置之间的距离是否超过设定距离门限值内,在确定为否时,将第二上车打卡记录和第二下车打卡记录删除。
5.如权利要求4所述的方法,其特征在于,按照如下公式确定第一上车打卡记录对应的车辆位置与第二上车打卡记录对应的车辆位置之间的距离S上:
S上=arcCos[sinΦ1sinΦ2+cosΦ1cosΦ2cos(λ1-λ2)]×R×1000
其中:Φ1表示第一上车打卡记录对应的车辆位置的纬度值,Φ2表示第二上车打卡记录对应的车辆位置的纬度值;λ1表示第一上车打卡记录对应的车辆位置的经度值;λ2表示第二上车打卡记录对应的车辆位置的经度值;R为地球半径,单位为公里;
按照如下公式确定第一下车打卡记录对应的车辆位置与第二下车打卡记录对应的车辆位置之间的距离S下:
S下=arcCos[sinα1sinα2+cosα1cosα2cos(β1-β2)]×R×1000;
其中:α1表示第一下车打卡记录对应的车辆位置的纬度值,α2表示第二下车打卡记录对应的车辆位置的纬度值;β1表示第一下车打卡记录对应的车辆位置的经度值;β2表示第二下车打卡记录对应的车辆位置的经度值;R为地球半径,单位为公里。
6.如权利要求1所述的方法,其特征在于,所述根据筛选后得到的每个时间周期内的乘车打卡记录,确定乘客在所述至少一个时间周期内的平均乘车距离,具体包括:
对于每个时间周期内的每条乘车打卡记录,根据该条乘车打卡记录中的打卡数据确定该乘车打卡记录对应的站点编号和线路编号;
根据每个时间周期内的配对的每两条乘车打卡记录对应的站点编号以及对应的线路的平均站距,确定所述至少一个时间周期内的平均乘车距离。
8.如权利要求1-7中任一所述的方法,其特征在于,所述时间周期为24小时。
9.一种平均乘车距离的确定装置,其特征在于,该装置包括:
打卡记录获取单元,用于获取至少一个时间周期内的乘车打卡记录,每条乘车打卡记录包含一个***以及打卡数据;
打卡记录筛选单元,用于对获取到的乘车打卡记录进行筛选,筛选后得到的每个时间周期内的乘车打卡记录满足以下条件:对于该时间周期内的每条乘车打卡记录,该时间周期内仅存在一条与该条乘车打卡记录配对的其他乘车打卡记录,配对的两条乘车打卡记录所包含的***相同;
平均乘车距离确定单元,用于根据筛选后得到的每个时间周期内的乘车打卡记录,确定所述至少一个时间周期内的平均乘车距离。
10.如权利要求9所述的装置,其特征在于,所述打卡记录筛选单元用于:
对于每个时间周期内的每条乘车打卡记录,确定在该时间周期内是否存在所包含***相同的其他乘车打卡记录;在确定不存在时,将该条乘车打卡记录删除。
11.如权利要求10所述的装置,其特征在于,所述打卡记录筛选单元还用于:
在确定存在时,确定所包含***相同的其他乘车打卡记录是否多于一条,若多于一条,则将包含该***的乘车打卡记录全部删除。
12.如权利要求10所述的装置,其特征在于,所述打卡记录筛选单元还用于:
在删除乘车打卡记录之后,对于每个时间周期内的配对的每两条乘车打卡记录,将该两条乘车打卡记录中打卡时间较早的一条乘车打卡记录作为第一上车打卡记录,另一条乘车打卡记录作为第一下车打卡记录;分别在其他各时间周期内查找所包含***与该两条乘车打卡记录所包含***相同的且配对的两条乘车打卡记录,在查找到时,将查找到的两条乘车打卡记录中打卡时间较早的一条乘车打卡记录作为第二上车打卡记录,另一条乘车打卡记录作为第二下车打卡记录;确定第一上车打卡记录对应的车辆位置与第二上车打卡记录对应的车辆位置之间的距离、以及第一下车打卡记录对应的车辆位置与第二下车打卡记录对应的车辆位置之间的距离是否超过设定距离门限值内,在确定为否时,将第二上车打卡记录和第二下车打卡记录删除。
13.如权利要求12所述的装置,其特征在于,所述打卡记录筛选单元还用于:按照如下公式确定第一上车打卡记录对应的车辆位置与第二上车打卡记录对应的车辆位置之间的距离S上:
S上=arcCos[sinΦ1sinΦ2+cosΦ1cosΦ2cos(λ1-λ2)]×R×1000
其中:Φ1表示第一上车打卡记录对应的车辆位置的纬度值,Φ2表示第二上车打卡记录对应的车辆位置的纬度值;λ1表示第一上车打卡记录对应的车辆位置的经度值;λ2表示第二上车打卡记录对应的车辆位置的经度值;R为地球半径,单位为公里;
按照如下公式确定第一下车打卡记录对应的车辆位置与第二下车打卡记录对应的车辆位置之间的距离S下:
S下=arcCos[sinα1sinα2+cosα1cosα2cos(β1-β2)]×R×1000;
其中:α1表示第一下车打卡记录对应的车辆位置的纬度值,α2表示第二下车打卡记录对应的车辆位置的纬度值;β1表示第一下车打卡记录对应的车辆位置的经度值;β2表示第二下车打卡记录对应的车辆位置的经度值;R为地球半径,单位为公里。
14.如权利要求9所述的装置,其特征在于,所述平均乘车距离确定单元用于:
对于每个时间周期内的每条乘车打卡记录,根据该条乘车打卡记录中的打卡数据确定该乘车打卡记录对应的站点编号和线路编号;
根据每个时间周期内的配对的每两条乘车打卡记录对应的站点编号以及对应的线路的平均站距,确定所述至少一个时间周期内的平均乘车距离。
16.如权利要求9-15中任一所述的装置,其特征在于,所述时间周期为24小时。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110424518.4A CN102568199B (zh) | 2011-12-16 | 2011-12-16 | 平均乘车距离的确定方法和装置 |
PCT/CN2011/084299 WO2013086749A1 (zh) | 2011-12-16 | 2011-12-20 | 平均乘车距离的确定方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110424518.4A CN102568199B (zh) | 2011-12-16 | 2011-12-16 | 平均乘车距离的确定方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102568199A true CN102568199A (zh) | 2012-07-11 |
CN102568199B CN102568199B (zh) | 2014-10-01 |
Family
ID=46413519
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110424518.4A Active CN102568199B (zh) | 2011-12-16 | 2011-12-16 | 平均乘车距离的确定方法和装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN102568199B (zh) |
WO (1) | WO2013086749A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109451466A (zh) * | 2018-12-25 | 2019-03-08 | 宁波市轨道交通集团有限公司 | 一种用于城市轨道交通支持实时与离线的od匹配*** |
CN115061995A (zh) * | 2022-06-10 | 2022-09-16 | 吉林云帆智能工程有限公司 | 一种轨道车辆在途监测数据规则库模型 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101540098A (zh) * | 2009-04-30 | 2009-09-23 | 北京工业大学 | 基于公交ic卡线路的匹配方法 |
CN101582200A (zh) * | 2009-05-31 | 2009-11-18 | 杭州全动科技有限公司 | 全天候行车管理***及管理方法 |
CN101615207A (zh) * | 2009-07-10 | 2009-12-30 | 重庆大学 | 一种获取公交ic卡持卡乘客上车站点的方法 |
CN102044146A (zh) * | 2010-12-02 | 2011-05-04 | 北京交通发展研究中心 | 基于一票制公交ic卡数据推算上车站点的方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007264911A (ja) * | 2006-03-28 | 2007-10-11 | Hitachi Kanagawa Manufacturing Solution Co Ltd | 路線バスの乗降データ収集処理システム |
CN102097002B (zh) * | 2010-11-22 | 2013-09-18 | 东南大学 | 一种基于ic卡数据获取公交站点od的方法及*** |
-
2011
- 2011-12-16 CN CN201110424518.4A patent/CN102568199B/zh active Active
- 2011-12-20 WO PCT/CN2011/084299 patent/WO2013086749A1/zh active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101540098A (zh) * | 2009-04-30 | 2009-09-23 | 北京工业大学 | 基于公交ic卡线路的匹配方法 |
CN101582200A (zh) * | 2009-05-31 | 2009-11-18 | 杭州全动科技有限公司 | 全天候行车管理***及管理方法 |
CN101615207A (zh) * | 2009-07-10 | 2009-12-30 | 重庆大学 | 一种获取公交ic卡持卡乘客上车站点的方法 |
CN102044146A (zh) * | 2010-12-02 | 2011-05-04 | 北京交通发展研究中心 | 基于一票制公交ic卡数据推算上车站点的方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109451466A (zh) * | 2018-12-25 | 2019-03-08 | 宁波市轨道交通集团有限公司 | 一种用于城市轨道交通支持实时与离线的od匹配*** |
CN115061995A (zh) * | 2022-06-10 | 2022-09-16 | 吉林云帆智能工程有限公司 | 一种轨道车辆在途监测数据规则库模型 |
Also Published As
Publication number | Publication date |
---|---|
WO2013086749A1 (zh) | 2013-06-20 |
CN102568199B (zh) | 2014-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Long et al. | Evaluating the effectiveness of urban growth boundaries using human mobility and activity records | |
CN105677804B (zh) | 权威站点的确定以及权威站点数据库的建立方法和装置 | |
CN109299438B (zh) | 一种基于网约车数据的公共交通设施供给水平评价方法 | |
US8594925B2 (en) | Constructing travel itineraries from tagged geo-temporal photographs | |
Thomas et al. | Automatic trip detection with the Dutch mobile mobility panel: towards reliable multiple-week trip registration for large samples | |
CN102324128A (zh) | 基于ic卡记录的公交站间od客流预测方法及装置 | |
CN110222959B (zh) | 一种基于大数据的城市就业可达性测算方法及*** | |
CN104937375A (zh) | 目的地预测装置、目的地预测方法、目的地显示方法 | |
Ram et al. | SMARTBUS: A web application for smart urban mobility and transportation | |
Nocera et al. | Micro and Macro modelling approaches for the evaluation of the carbon impacts of transportation | |
CN107403550B (zh) | 公交路网数据采集方法、装置和终端设备 | |
CN105654721A (zh) | 一种采用公交ic卡和车载gps数据计算公交od量的方法 | |
Montini et al. | Searching for parking in GPS data | |
CN110362640B (zh) | 一种基于电子地图数据的任务分配方法及装置 | |
CN112069635B (zh) | 一种换电柜的部署方法、装置、介质及电子设备 | |
CN110310153A (zh) | 一种交易预测方法及装置 | |
CN111476501B (zh) | 装卸工程车的工作量计量方法、装置、设备及介质 | |
CN110555432A (zh) | 一种兴趣点处理方法、装置、设备和介质 | |
CN113838303B (zh) | 停车场推荐方法、装置、电子设备及存储介质 | |
CN102568199B (zh) | 平均乘车距离的确定方法和装置 | |
CN202853620U (zh) | 基于移动设备的居民出行调查装置 | |
CN113379162B (zh) | 农村公路机动车行驶量估计方法 | |
Jariyasunant | Improving traveler information and collecting behavior data with smartphones | |
CN110992686B (zh) | 交通出行大数据分析方法 | |
US20120290496A1 (en) | Method of calculating delivery operation workload and apparatus for the same |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |