CN108171534B - 一种车载广告公交线路推荐方法及装置 - Google Patents
一种车载广告公交线路推荐方法及装置 Download PDFInfo
- Publication number
- CN108171534B CN108171534B CN201711310513.2A CN201711310513A CN108171534B CN 108171534 B CN108171534 B CN 108171534B CN 201711310513 A CN201711310513 A CN 201711310513A CN 108171534 B CN108171534 B CN 108171534B
- Authority
- CN
- China
- Prior art keywords
- bus
- station
- candidate
- passenger
- line
- 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
- 238000000034 method Methods 0.000 title claims abstract description 83
- 238000005065 mining Methods 0.000 claims abstract description 32
- 238000009412 basement excavation Methods 0.000 claims abstract description 10
- 230000006870 function Effects 0.000 claims description 118
- 238000012163 sequencing technique Methods 0.000 claims description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 230000002093 peripheral effect Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 21
- 238000005516 engineering process Methods 0.000 abstract description 6
- 230000008569 process Effects 0.000 description 26
- 238000004364 calculation method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 230000008901 benefit Effects 0.000 description 7
- 238000000605 extraction Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 238000007418 data mining Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010187 selection method Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000008685 targeting Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 230000003068 static effect Effects 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0242—Determining effectiveness of advertisements
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Navigation (AREA)
Abstract
本发明提供了一种车载广告公交线路推荐方法及装置,该方法包括获取指定区域内的公交线路及各公交线路所覆盖的公交车站;收集与公交车相关的数据并从公交车相关数据中挖掘各公交车站的多维属性;根据广告投放意图确定广告投放场景,将广告投放场景与各公交车站的多维属性匹配,获取匹配的公交车站多维属性;根据匹配出的公交车站多维属性在各公交线路中选取至少一条公交线路,并作为该广告投放场景的广告投放公交线路进行推荐。本发明实施例借助先进的数据挖掘技术来深度挖掘公交车和乘客的时空流动性,为广告投放公交线路的选取提供准确的信息支撑,并根据广告投放场景有针对性地选择合适的广告投放线路,使公交车体的广告发挥最大效果。
Description
技术领域
本发明涉及数据挖掘技术领域,特别是涉及一种车载广告公交线路推荐方法及装置。
背景技术
在各大城市中,大量居民会选择公交***出行,如北京每天有超过一千万人选择公交车通勤。公交广告覆盖人群广、区域大,因此与静态广告相比具有更显著的优势,已经成为了户外广告主流形式。
公交车体广告方案中最为关键的内容之一便是选择广告投放线路。然而,城市中公交路网纷繁复杂,不同公交线路的地理位置分布不同、周边城市功能区有差异、覆盖乘客人群不同,导致不同公交线路、不同时段的广告受众不同,从而对不同类型广告的反响也不同。这使得公交车体广告精准投放成为所有广告主的目标,即针对目标人群、目标区域以及目标主题的精准投放,在最适宜的时间、地点将最适合的广告传播给最适合的受众,从而发挥广告的最大价值。
现有技术中存在一个通病,即通常以乘客量大作为唯一标准来选择公交线路,然而公交线路以及乘客具有各自的特征,且特征都具有时空动态特性,现有技术没有捕捉和分析这一特点,导致无法将广告传播给最恰当的受众,从而无法保证广告的投放效果。例如,有些公交线路覆盖较多商业办公区、有些公交线路覆盖较多旅游景区,这两种线路上的乘客受众、以及他们在乘坐公交时的心理状态是不相同的,因此对不同类型广告的敏感度和反响是不同的。
另外,由于城市中,尤其是广泛使用公交车体广告投放的大中型城市中,公交线路纷繁复杂,人工选择投放线路的方法效率低、可扩展性、可伸缩性及可操作性较差,而且广告投放效果无法预估。
综上,现有技术普遍没有分析公交线路及乘客的特征以及特征的时空动态特性,从而很难使公交车体广告发挥最大的效果。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的车载广告公交线路推荐方法及装置。
根据本发明的一方面,提供了一种车载广告公交线路推荐方法,包括:
获取指定区域内的公交线路及各公交线路所覆盖的公交车站;
收集与公交车相关的数据,并从公交车相关数据中挖掘各公交车站的多维属性;
根据广告投放意图确定广告投放场景,将所述广告投放场景与各公交车站的多维属性匹配,获取匹配的公交车站多维属性;
根据匹配出的公交车站多维属性在各公交线路中选取至少一条公交线路,并作为该广告投放场景的广告投放公交线路进行推荐。
可选地,所述公交车相关数据包括以下至少之一:地图数据、公交车站数据、公交线路数据、智能公交卡数据SCT、用户兴趣点POI数据。
可选地,从公交车相关数据中挖掘各公交车站的多维属性,包括:
对所述智能公交卡数据进行处理,计算得到乘客的轨迹数据,根据乘客的轨迹数据中途经车站序列计算各公交车站的枢纽度,枢纽度用于度量公交车站作为中转车站的数量;
依据所述公交车站数据获取公交车站地理位置信息,基于公交车站地理位置信息及其周边指定距离以内的POI数据,计算出各公交车站的功能主题分布;
根据所述公交车站的地理位置信息以及地图数据,确定各公交车站的行政区划归属。
可选地,所述智能公交卡数据中包括公交线路编号、乘客上下车时间、乘客上下车车站编号,所述对所述智能公交卡数据进行处理,计算得到乘客的轨迹数据,包括:
将智能公交卡数据中的乘客上下车车站编号记为车站收费编号;
基于所述乘客上下车车站收费编号,按照预设策略计算出智能公交卡数据中乘客上下车车站的逻辑编号;
依据所述乘客上下车车站的逻辑编号确定所述乘客途经车站编号序列,从而得到包含公交线路编号、乘客上下车时间、所述乘客途经车站编号序列的乘客轨迹数据。
可选地,基于所述乘客上下车车站收费编号,按照预设策略计算出乘客上车车站的逻辑编号,包括:
将同一公交车上的智能公交卡数据按照乘客上车时间进行排序,得到排序后的智能公交卡数据;
对排序后的智能公交卡数据进行分组,将排序后的智能公交卡数据中的乘客上车车站收费编号相同的分为一组;
对每一组智能公交卡数据使用聚类算法进行聚类,得到的聚类个数作为车站收费编号对应的实际车站个数;
针对每个聚类中的智能公交卡数据计算上车时间平均值;
将多个聚类按照上车时间平均值进行排序,并按照排序确定每个聚类中智能公交卡数据的乘客上车车站逻辑编号。
可选地,根据乘客的轨迹数据中途经车站序列计算出各公交车站的枢纽度,包括:
基于所述乘客轨迹数据挖掘出长度大于n的序列,记为目标序列,n为正整数;
统计目标序列中与各序列相同的乘客轨迹数量,并作为相应序列的权值;
基于目标序列中各序列的权值,将包含相同车站的序列进行合并,得到连接模式网络;
根据连接模式网络,计算公交线路上的每个公交车站的枢纽度。
可选地,基于公交车站地理位置信息及其周边指定距离以内的POI数据,计算出各公交车站的功能主题分布,包括:
基于公交车站的地理位置信息以及POI数据中的地理位置信息,针对每个公交车站,获取其周边指定距离以内的所有POI数据;
将所有POI数据中的描述信息进行提取,并合并到一个文档;基于合并的文档,使用主题分布模型LDA分析每个公交车站的功能主题分布;
确定需要保留的功能主题,统计每个公交车站周边指定距离以内符合需要保留的功能主题的POI数量,从而得到最终的每个公交车站的功能主题分布。
可选地,根据广告投放意图确定广告投放场景,包括:
若所述广告投放意图不区分广告受众,确定广告投放场景为广泛传播场景;
若所述广告投放意图具有功能主题属性,确定广告投放场景为定向功能主题场景;
若所述广告投放意图具有行政区划属性,确定广告投放场景为定向行政区域场景。
可选地,将所述广告投放场景与各公交车站的多维属性匹配,获取匹配的公交车站多维属性,包括:
若广告投放场景为广泛传播场景,根据广泛传播场景从各公交车站多维属性中匹配出的多维属性为,各公交车站的枢纽度;
若广告投放场景为定向功能主题场景,根据定向功能主题场景从各公交车站多维属性中匹配出的多维属性为,各公交车站的功能主题分布;
若广告投放场景为定向行政区域场景,根据定向行政区域场景从各公交车站多维属性中匹配出的多维属性为,各公交车站的行政区划归属。
可选地,若所述广告投放场景为广泛传播场景,根据匹配出的公交车站多维属性在各公交线路中选取至少一条公交线路,并作为该广告投放场景的广告投放公交线路进行推荐,包括:
将指定区域内的公交线路组成候选线路集合,提取所述候选线路集合中公交线路覆盖的公交车站,组成候选车站集合;
遍历所述乘客轨迹数据,提取包含有所述候选车站集合中任意公交车站的乘客轨迹数据,并组成候选轨迹集合;
结合每个公交车站的枢纽度,计算所述候选轨迹集合中的每条乘客轨迹对于所述候选线路集合中的公交线路的权重;
根据每条乘客轨迹对于所述候选线路集合的公交线路中的权重,计算所述候选线路集合中的任意公交线路的覆盖度,并选取覆盖度最大的公交线路作为广告投放公交线路进行推荐。
可选地,若所述广告投放场景为定向功能主题场景,根据匹配出的公交车站多维属性在各公交线路中选取至少一条公交线路,并作为该广告投放场景的广告投放公交线路进行推荐,包括:
设定广告目标功能主题;
将指定区域内的公交线路组成候选线路集合,提取所述候选线路集合中公交线路覆盖的公交车站,组成候选车站集合;
根据设定的所述广告目标功能主题和公交车站的功能主题分布,计算所述候选车站集合中的每个公交车站的目标功能主题权重;
遍历所述乘客轨迹数据,提取包含有所述候选车站集合中任意公交车站的乘客轨迹数据,并组成候选轨迹集合;
基于每个公交车站的目标功能主题权重,计算所述候选轨迹集合中的每条乘客轨迹对于所述候选线路集合中的公交线路的权重;
根据每条乘客轨迹对于所述候选线路集合的公交线路中的权重,计算所述候选线路集合中的任意公交线路的覆盖度,并选取覆盖度最大的公交线路作为广告投放公交线路进行推荐。
可选地,根据设定的所述广告目标功能主题和公交车站的功能主题分布,计算所述候选车站集合中每个公交车站的目标功能主题权重,包括:
确定所述候选车站集合中各公交车站的功能主题分布;
从各公交车站的功能主题分布所包含的POI数据中,统计与所述广告目标功能主题相关的POI数量;
依据统计出的POI数量,计算所述候选车站集合中每个公交车站的目标功能主题权重。
可选地,若广告投放场景为定向行政区域场景,根据匹配出的公交车站多维属性在各公交线路中选取至少一条公交线路,并作为该广告投放场景的广告投放公交线路进行推荐,包括:
设定广告目标行政区域;
将指定区域内的公交线路组成候选线路集合,提取所述候选线路集合中公交线路覆盖的公交车站,组成候选车站集合;
根据设定的广告目标行政区域和公交车站的行政区划归属,计算所述候选车站集合中的每个公交车站的目标行政区域权重;
遍历所述乘客轨迹数据,提取包含有所述候选车站集合中任意公交车站的乘客轨迹数据,并组成候选轨迹集合;
基于每个公交车站的目标行政区域权重,计算所述候选轨迹集合中的每条乘客轨迹对于所述候选线路集合中的公交线路的权重;
根据每条乘客轨迹对于所述候选线路集合的公交线路中的权重,计算所述候选线路集合中的任意公交线路的覆盖度,并选取覆盖度最大的公交线路作为广告投放公交线路进行推荐。
可选地,根据每条乘客轨迹对于所述候选线路集合的公交线路中的权重,计算所述候选线路集合中的任意公交线路的覆盖度,包括:
遍历所述候选线路集合中所有公交线路,对于任一公交线路,在所述候选车站集合中提取所述任一公交线路覆盖的公交站集合,并在所述候选轨迹集合中提取该公交站集合覆盖的所有乘客轨迹;
根据每条乘客轨迹对于所述候选线路集合的公交线路中的权重,对该公交站集合覆盖的所有乘客轨迹在所述任一公交线路的权重求和,得到所述任一公交线路的覆盖度。
可选地,所述选取覆盖度最大的公交线路作为广告投放公交线路进行推荐,包括:
从所述候选线路集合中选取覆盖度最大的公交线路,将选取的公交线路添加至预置的已挑选公交线路集合中,并将其从所述候选线路集合中删除;
确定选取的公交线路覆盖的乘客轨迹,将该乘客轨迹添加至预置的已覆盖乘客轨迹集合中,并从所述候选轨迹集合中删除;
判断已挑选公交线路集合中的公交线路的数量是否等于预设阈值;若否,则继续在删减后的候选线路中选取覆盖度最大的公交线路添加至所述预置的已挑选公交线路集合中,直到已挑选公交线路集合中的公交线路的数量等于预设阈值;
将预置的已挑选公交线路集合中的公交线路作为广告投放公交线路进行推荐。
根据本发明的另一方面,还提供了一种车载广告公交线路推荐装置,包括:
获取模块,适于获取指定区域内的公交线路及各公交线路所覆盖的公交车站;
挖掘模块,适于收集与公交车相关数据,并从公交车相关数据中挖掘各公交车站的多维属性;
确定模块,适于根据广告投放意图确定广告投放场景,将所述广告投放场景与各公交车站的多维属性匹配,获取匹配的公交车站多维属性;
推荐模块,适于根据匹配出的公交车站多维属性在各公交线路中选取至少一条公交线路,并作为该广告投放场景的广告投放公交线路进行推荐。
可选地,所述公交车相关数据包括以下至少之一:地图数据、公交车站数据、公交线路数据、智能公交卡数据SCT、用户兴趣点POI数据。
可选地,所述挖掘模块还适于:
对所述智能公交卡数据进行处理,计算得到乘客的轨迹数据,根据乘客的轨迹数据中途经车站序列计算各公交车站的枢纽度;枢纽度用于度量公交车站作为中转车站的数量;
依据所述公交车站数据获取公交车站地理位置信息,基于公交车站地理位置信息及其周边指定距离以内的POI数据,计算出各公交车站的功能主题分布;
根据所述公交车站的地理位置信息以及地图数据,确定各公交车站的行政区划归属。
可选地,所述智能公交卡数据中包括公交线路编号、乘客上下车时间、乘客上下车车站编号,所述挖掘模块还适于:
将智能公交卡数据中的乘客上下车车站编号记为车站收费编号;
基于所述乘客上下车车站收费编号,按照预设策略计算出智能公交卡数据中乘客上下车车站的逻辑编号;
依据所述乘客上下车车站的逻辑编号确定所述乘客途经车站编号序列,从而得到包含公交线路编号、乘客上下车时间、所述乘客途经车站编号序列的乘客轨迹数据。
可选地,所述挖掘模块还适于:
将同一公交车上的智能公交卡数据按照乘客上车时间进行排序,得到排序后的智能公交卡数据;
对排序后的智能公交卡数据进行分组,将排序后的智能公交卡数据中的乘客上车车站收费编号相同的分为一组;
对每一组智能公交卡数据使用聚类算法进行聚类,得到的聚类个数作为车站收费编号对应的实际车站个数;
针对每个聚类中的智能公交卡数据计算上车时间平均值;
将多个聚类按照上车时间平均值进行排序,并按照排序确定每个聚类中智能公交卡数据的乘客上车车站逻辑编号。
可选地,所述挖掘模块还适于:
基于所述乘客轨迹数据挖掘出长度大于n的序列,记为目标序列,n为正整数;
统计目标序列中与各序列相同的乘客轨迹数量,并作为相应序列的权值;
基于目标序列中各序列的权值,将包含相同车站的序列进行合并,得到连接模式网络;
根据连接模式网络,计算公交线路上的每个公交车站的枢纽度。
可选地,所述挖掘模块还适于:基于公交车站的地理位置信息以及POI数据中的地理位置信息,针对每个公交车站,获取其周边指定距离以内的所有POI数据;
将所有POI数据中的描述信息进行提取,并合并到一个文档;基于合并的文档,使用主题分布模型LDA分析每个公交车站的功能主题分布;
确定需要保留的功能主题,统计每个公交车站周边指定距离以内符合需要保留的功能主题的POI数量,从而得到最终的每个公交车站的功能主题分布。
可选地,所述确定模块还适于:
若所述广告投放意图不区分广告受众,确定广告投放场景为广泛传播场景;
若所述广告投放意图具有功能主题属性,确定广告投放场景为定向功能主题场景;
若所述广告投放意图具有行政区划属性,确定广告投放场景为定向行政区域场景。
可选地,所述确定模块还适于:
若广告投放场景为广泛传播场景,根据广泛传播场景从各公交车站多维属性中匹配出的多维属性为,各公交车站的枢纽度;
若广告投放场景为定向功能主题场景,根据定向功能主题场景从各公交车站多维属性中匹配出的多维属性为,各公交车站的功能主题分布;
若广告投放场景为定向行政区域场景,根据定向行政区域场景从各公交车站多维属性中匹配出的多维属性为,各公交车站的行政区划归属。
可选地,若所述广告投放场景为广泛传播场景,所述推荐模块还适于:
将指定区域内的公交线路组成候选线路集合,提取所述候选线路集合中公交线路覆盖的公交车站,组成候选车站集合;
遍历所述乘客轨迹数据,提取包含有所述候选车站集合中任意公交车站的乘客轨迹数据,并组成候选轨迹集合;
结合每个公交车站的枢纽度,计算所述候选轨迹集合中的每条乘客轨迹对于所述候选线路集合中的公交线路的权重;
根据每条乘客轨迹对于所述候选线路集合的公交线路中的权重,计算所述候选线路集合中的任意公交线路的覆盖度,并选取覆盖度最大的公交线路作为广告投放公交线路进行推荐。
可选地,若所述广告投放场景为定向功能主题场景,所述推荐模块还适于:
设定广告目标功能主题;
将指定区域内的公交线路组成候选线路集合,提取所述候选线路集合中公交线路覆盖的公交车站,组成候选车站集合;
根据设定的所述广告目标功能主题和公交车站的功能主题分布,计算所述候选车站集合中的每个公交车站的目标功能主题权重;
遍历所述乘客轨迹数据,提取包含有所述候选车站集合中任意公交车站的乘客轨迹数据,并组成候选轨迹集合;
基于每个公交车站的目标功能主题权重,计算所述候选轨迹集合中的每条乘客轨迹对于所述候选线路集合中的公交线路的权重;
根据每条乘客轨迹对于所述候选线路集合的公交线路中的权重,计算所述候选线路集合中的任意公交线路的覆盖度,并选取覆盖度最大的公交线路作为广告投放公交线路进行推荐。
可选地,所述推荐模块还适于:
确定所述候选车站集合中各公交车站的功能主题分布;
从各公交车站的功能主题分布所包含的POI数据中,统计与所述广告目标功能主题相关的POI数量;
依据统计出的POI数量,计算所述候选车站集合中每个公交车站的目标功能主题权重。
可选地,若广告投放场景为定向行政区域场景,所述推荐模块还适于:
设定广告目标行政区域;
将指定区域内的公交线路组成候选线路集合,提取所述候选线路集合中公交线路覆盖的公交车站,组成候选车站集合;
根据设定的广告目标行政区域和公交车站的行政区划归属,计算所述候选车站集合中的每个公交车站的目标行政区域权重;
遍历所述乘客轨迹数据,提取包含有所述候选车站集合中任意公交车站的乘客轨迹数据,并组成候选轨迹集合;
基于每个公交车站的目标行政区域权重,计算所述候选轨迹集合中的每条乘客轨迹对于所述候选线路集合中的公交线路的权重;
根据每条乘客轨迹对于所述候选线路集合的公交线路中的权重,计算所述候选线路集合中的任意公交线路的覆盖度,并选取覆盖度最大的公交线路作为广告投放公交线路进行推荐。
可选地,所述推荐模块还适于:
遍历所述候选线路集合中所有公交线路,对于任一公交线路,在所述候选车站集合中提取所述任一公交线路覆盖的公交站集合,并在所述候选轨迹集合中提取该公交站集合覆盖的所有乘客轨迹;
根据每条乘客轨迹对于所述候选线路集合的公交线路中的权重,对该公交站集合覆盖的所有乘客轨迹在所述任一公交线路的权重求和,得到所述任一公交线路的覆盖度。
可选地,所述推荐模块还适于:
从所述候选线路集合中选取覆盖度最大的公交线路,将选取的公交线路添加至预置的已挑选公交线路集合中,并将其从所述候选线路集合中删除;
确定选取的公交线路覆盖的乘客轨迹,将该乘客轨迹添加至预置的已覆盖乘客轨迹集合中,并从所述候选轨迹集合中删除;
判断已挑选公交线路集合中的公交线路的数量是否等于预设阈值;若否,则继续在删减后的候选线路中选取覆盖度最大的公交线路添加至所述预置的已挑选公交线路集合中,直到已挑选公交线路集合中的公交线路的数量等于预设阈值;
将预置的已挑选公交线路集合中的公交线路作为广告投放公交线路进行推荐。
根据本发明的又一方面,还提供了一种电子设备,包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行根据上文所述的车载广告公交线路推荐方法。
根据本发明的又一方面,还提供了一种计算机存储介质,其中,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行根据上文所述的车载广告公交线路推荐方法。
在本发明实施例中,首先,获取指定区域内的公交线路及各公交线路所覆盖的公交车站。然后,收集与公交车相关的数据并从公交车相关数据中挖掘各公交车站的多维属性。进而,根据广告投放意图确定广告投放场景,将广告投放场景与各公交车站的多维属性匹配,获取匹配的公交车站多维属性。最后,根据匹配出的公交车站多维属性在各公交线路中选取至少一条公交线路,并作为该广告投放场景的广告投放公交线路进行推荐。由此,本发明实施例通过收集关于公交车和公交乘客的大数据,借助先进的数据挖掘技术来深度挖掘公交车和乘客的时空流动性以及公交车站的多维属性,从而为广告投放公交线路的选取提供准确的信息支撑。并且,通过了解广告投放者的广告投放意图来确定出广告投放场景,并依据广告投放场景和公交车站的多维属性选取合适的投放公交线路,来为广告投放者推荐出最佳的公交线路,从而可以根据广告投放场景有针对性地选择合适的广告投放线路,以使公交车体的广告发挥最大效果。
进一步地,本发明实施例还有效地克服了现有技术中广告投放线路的选择标准较为固定(以乘客量大或者线路长度最长作为固有标准来选择公交线路),而无法在最适宜的时间、地点将最适合的广告传播给最适合的受众,无法发挥广告的最大价值的问题。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
根据下文结合附图对本发明具体实施例的详细描述,本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了现有技术中的公交广告投放的场景示意图;
图2示出了根据本发明一个实施例的车载广告公交线路推荐方法的流程示意图;
图3示出了根据本发明另一个实施例的计算乘客的轨迹数据的方法的流程示意图;
图4示出了根据本发明一个实施例的北京510路公交车各车站编号示意图;
图5示出了根据本发明一个实施例的Temproal-IdeaGraph算法的流程示意图;
图6示出了根据本发明一个实施例的车载广告公交线路推荐装置的结构示意图;
图7示出了用于执行根据本发明的车载广告公交线路推荐方法的计算设备的框图;以及
图8示出了用于保持或者携带实现根据本发明的车载广告公交线路推荐方法的程序代码的存储单元。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
为了更加清楚地介绍本发明实施例,首先介绍公交广告的投放场景。图1为需要进行公交广告投放的场景。其中,广告主的需求是从公交网络中选择k条线路,并将广告投放在k条线路的公交车上。为了解决这个问题,广告主需要在不同广告投放场景中考虑多个因素,例如广告主题、投放区域、覆盖人群数目、公交线路的属性(如公交线路周围POI(Pointof Interests,用户兴趣点数据)分布)、公交站点是枢纽还是普通等等。例如,枢纽站的换乘人数要远远大于普通站点,所以广告投放到枢纽站的效果要好。但是,广告投放的难点在于如何度量站点的多维属性。要想完成精准地广告投放任务,一个亟待解决的重要问题就是如何在城市公交网络中搜索最佳广告投放线路。
具体涉及到三方面的挑战。第一、海量规模的公交网络,使得从海量公交线路中选择k条线路进行广告推广这个问题的求解空间非常大。第二、乘客的时空移动性,使得不能孤立地进行公交线路提取,而需要考虑时间和空间上下文进行综合求解(例如在工作日,大量乘客在居住地和工作场所之间进行通勤,而到了周末,通勤起始点则变为了购物区和旅游景点)。第三、线路的属性多样化,包括公交站点在整个公交网络中的位置、其所处的行政区域、周围POI环境等均是影响广告推广效果的因素。其中,用户兴趣点数据POI为城市中所有公共场所的信息,例如学校、公园、餐厅、商场、影院、4S店、写字楼、公共建筑、社区等。一条记录包含一个场所的信息,具体包括场所名称、地址、经纬度坐标、场所描述等。
为解决上述技术问题,本发明实施例提供了一种车载广告公交线路推荐方法。图2示出了根据本发明一个实施例的车载广告公交线路推荐方法的流程示意图。参见图2,该方法至少包括步骤S202至步骤S208。
步骤S202,获取指定区域内的公交线路及各公交线路所覆盖的公交车站。
该步骤中,指定区域可以是指定城市(如北京市、石家庄市等)、指定省份(如河北省、山东省等)、指定城市中的某一行政区域(如北京海淀区、北京朝阳区等)等等,本发明对指定区域不做具体的限定。
步骤S204,收集与公交车相关的数据,并从公交车相关数据中挖掘各公交车站的多维属性。
该步骤中,与公交车相关的数据可以包括地图数据、公交车站数据、公交线路数据、SCT(Smart Card Transaction,智能公交卡数据)、用户兴趣点POI数据等多源异构大数据。其中,智能公交卡数据SCT为持卡者乘坐公交车的记录。一条记录包括持卡者一次乘车记录,具体包括公交卡ID、公交卡类型、记录***时间、公交线路ID、公交车ID、乘客上车时间、乘客下车时间、上车车站ID、下车车站ID等。
步骤S206,根据广告投放意图确定广告投放场景,将广告投放场景与各公交车站的多维属性匹配,获取匹配的公交车站多维属性。
该步骤中,广告投放意图包括不区分广告受众的投放意图、倾向功能主题的投放意图,倾向行政区划的投放意图等等。广告投放场景包括广泛传播场景、定向功能主题场景、定向行政区域场景等等。
步骤S208,根据匹配出的公交车站多维属性在各公交线路中选取至少一条公交线路,并作为该广告投放场景的广告投放公交线路进行推荐。
本发明实施例通过收集关于公交车和公交乘客的大数据,借助先进的数据挖掘技术来深度挖掘公交车和乘客的时空流动性以及公交车站的多维属性,从而为广告投放公交线路的选取提供准确的信息支撑。并且,通过了解广告投放者的广告投放意图来确定出广告投放场景,并依据广告投放场景和公交车站的多维属性选取合适的投放公交线路,来为广告投放者推荐出最佳的公交线路,从而可以根据广告投放场景有针对性地选择合适的广告投放线路,以使公交车体的广告发挥最大效果。
进一步地,本发明实施例还有效地克服了现有技术中广告投放线路的选择标准较为单一(仅仅以乘客量大作为唯一标准来选择公交线路),无法在最适宜的时间、地点将最适合的广告传播给最适合的受众,无法发挥广告的最大价值的问题。
参见上文件步骤S202和S204,获取指定区域内的公交线路及各公交线路所覆盖的公交车站时,可以使用JavaScript技术从预置的地图API获取指定区域的公交车线路和公交车站。
公交车站的多维属性包括公交车站的枢纽度、公交车站的功能主题分布以及公交车站的行政区划归属等。其中,枢纽度用于度量公交车站作为中转车站的数量,车站公交车数量越多、换乘人数越大,则枢纽度越大,同时还能度量公交车站客流量。功能主题分布是指具有某种功能特点的区域,如学区、景区、住宅区等。行政区划归属是指行政管理区域,如北京市的东城区、西城区、海淀区等。
从公交车相关数据中挖掘各公交车站的枢纽度时,可以对智能公交卡数据进行处理,先计算得到乘客的轨迹数据,然后再根据乘客的轨迹数据中途经车站序列计算各公交车站的枢纽度。
从公交车相关数据中挖掘各公交车站的功能主题分布时,依据公交车站数据获取公交车站地理位置信息,基于公交车站地理位置信息及其周边指定距离以内的POI数据,计算出各公交车站的功能主题分布。
从公交车相关数据中挖掘各公交车站的行政区划归属时,根据公交车站的地理位置信息以及地图数据,从而确定各公交车站的行政区划归属。
下面分别对挖掘各公交车站的枢纽度、公交车站的功能主题分布、公交车站的行政区划归属的具体过程进行介绍。
现介绍各公交车站的枢纽度的挖掘过程。
通过上文内容可知,若要计算各公交车站的枢纽度,第一步,需要先计算得到乘客的轨迹数据,对乘客的轨迹数据的计算实际上是对智能公交卡数据的预处理过程。具体的,乘客的轨迹数据的计算过程请参见图3及如下步骤:
步骤S302,从智能公交卡数据中获取公交线路编号、乘客上下车时间、乘客上下车车站编号。
步骤S304,将智能公交卡数据中的乘客上下车车站编号记为车站收费编号。
步骤S306,基于乘客上下车车站收费编号,按照预设策略计算出智能公交卡数据中乘客上下车车站的逻辑编号。
由于在现有技术中,智能公交卡数据中(上车和下车)车站编号为车站的收费编号。因此存在多个车站共用同一编号的问题。如图4所示为北京510路公交车各车站编号,在智能公交卡数据中“地铁林萃桥站”和“京师园北门”的编号相同(都为4)。这种编号方式会导致无法精确分析每个车站的客流量和枢纽度的问题,因此需要将车站的收费编号映射为实际的逻辑编号。后文将会具体介绍如何将车站的收费编号映射为实际的逻辑编号。
步骤S308,依据乘客上下车车站的逻辑编号确定乘客途经车站编号序列,从而得到包含公交线路编号、乘客上下车时间、乘客途经车站编号序列的乘客轨迹数据。
例如,以北京510路公交车为例,通过分析得到乘客A途经车站编号序列为“双泉堡东”、“地铁林萃桥站”、“京师园北门”、“林萃路口北”,且乘客A的上车时间为8:00,下车时间为8:40。从而可以得到乘客A的轨迹数据为在8:00时刻从“双泉堡东”乘坐510路公交,乘坐四站地后于8:40到达“林萃路口北”下车。此处公交线路编号采用公交车的编号,当然还可以采用其他唯一编码作为相应的公交线路编号,本发明实施例对此不做具体限定。
在本发明一实施例中,将车站的收费编号映射为实际的逻辑编号的过程可以是:首先,将同一公交车上的智能公交卡数据按照乘客上车时间进行排序,得到排序后的智能公交卡数据。
其次,对排序后的智能公交卡数据进行分组,将排序后的智能公交卡数据中的乘客上车车站收费编号相同的分为一组。如图4中的北京510路公交车中,可以将“双泉堡东”分为第一组,“地铁林萃桥站”和“京师园北门”分为第二组、“南沟泥河”分为四组,显示的其他车站分为三组。
然后,对每一组智能公交卡数据使用聚类算法进行聚类,得到的聚类个数作为车站收费编号对应的实际车站个数。此处,可以采用K-Means算法对每一组智能公交卡数据进行聚类。当然还可以采用其他的聚类算法,本发明实施例对此不做具体限定。例如,第一组车站“双泉堡东”对应的智能公交卡数据聚类后,得到的聚类个数为1个,第二组车站“地铁林萃桥站”和“京师园北门”对应的智能公交卡数据聚类后,得到的聚类个数为2个。
最后,针对每个聚类中的智能公交卡数据计算上车时间平均值,将多个聚类按照上车时间平均值进行排序,并按照排序确定每个聚类中智能公交卡数据的乘客上车车站逻辑编号。例如将每个聚类中上车时间平均值小的排在前面,上车时间平均值大的排在后面。
同理,采用上述方式可以计算出乘客下车车站的逻辑编号,此处不再赘述。
计算各公交车站的枢纽度的第二步,在计算得到乘客的轨迹数据之后,根据乘客的轨迹数据中途经车站序列计算出各公交车站的枢纽度。
本发明实施例可以采用Temproal-IdeaGraph算法挖掘公交车站枢纽度属性,该算法可挖掘数据中的序列以及各个元素主体之间的关系网络。图5为Temproal-IdeaGraph算法的流程示意图,参见图5,该算法可以包括如下步骤:
步骤一、序列模式挖掘,基于乘客轨迹数据挖掘出长度大于n(n为正整数)的序列,并将该序列记为目标序列。统计目标序列中与各序列相同的乘客轨迹数量,并作为相应序列的权值。该实施例中,所有序列集合记为P,某序列记为p,序列p的权值记为w(p);
步骤二、序列模式合并,基于目标序列中各序列的权值,将包含相同车站的序列进行合并,得到连接模式网络。
步骤三、枢纽车站发现,根据连接模式网络,计算公交线路上的每个公交车站的枢纽度。枢纽度的计算公式如公式1-1所示:
上述公式1中的各参数的计算参见如下公式1-2至1-5:
其中,上述公式中,si为车站i,H(si)为车站si枢纽度,Lstarti为起始车站为si的序列集合,Lendi为终止车站为si的序列集合,li→j为其实车站为si、终止车站为sj的序列。
现介绍各公交车站的功能主题分布的挖掘过程。
首先,基于公交车站的地理位置信息以及POI数据中的地理位置信息,针对每个公交车站,获取其周边指定距离以内的所有POI数据。例如,针对每个公交车站,获取其周边1km距离以内的所有POI数据。指定距离还可以是其他数值,本发明实施例对此不做具体限定。
然后,将所有POI数据中的描述信息进行提取,并合并到一个文档;基于合并的文档,使用主题分布模型LDA(Latent Dirichlet Allocation)分析每个公交车站的功能主题分布;
最后,确定需要保留的功能主题,统计每个公交车站周边指定距离以内符合需要保留的功能主题的POI数量,从而得到最终的每个公交车站的功能主题分布。例如,可以根据广告推广领域常识,去除无关主题、合并相似主题,假设最终只保留民宅、旅游、家居、办公室、公司、汽车、购物、教育、市场、***10个主题。那么,对针对每个保留主题统计公交车站附近符合该主题的POI数量,从而得到公交车站的主题分布:其中,s为公交车站,为公交车站s第i个主题POI数量,i∈1,2,…,10。
现介绍各公交车站的行政区划归属的挖掘过程。
相对于上文公交车站的枢纽度和功能主题分布的挖掘过程,公交车站的行政区划归属的挖掘较为简单,即可以直接根据公交车站地理位置的经纬度坐标,并借助地图数据确定公交车站的行政区划属性。地图数据可以使用JavaScript技术从预置的地图API中获取。
参见上文件步骤S206,上文介绍,广告投放场景包括广泛传播场景、定向功能主题场景、定向行政区域场景等等。下面对如何根据广告投放者的广告投放意图确定广告投放场景进行介绍。
广泛传播场景,可以保证公交线路方案覆盖最广泛的乘客轨迹,即广告受众最多。例如,投放的广告为旅游度假区广告,这类广告不区分受众,传播范围越广越好,因此选取广泛传播场景。由此,当广告投放意图不区分广告受众时,可以确定广告投放场景为广泛传播场景。
定向功能主题场景,适用于投放的广告有明显的主题倾向,可以针对相应的受众进行传播,从而大大提升广告的效果和性价比。例如,招聘网站广告,应投放在较多经过商业和办公区的公交线路上。由此,当广告投放意图具有功能主题属性时,确定广告投放场景为定向功能主题场景。
定向行政区域场景,适用于投放的广告有明显的行政区域倾向,需要只针对相关区域的受众进行传播。例如,核心城区的商场广告,应着重投放在核心城区(而非郊区)的公交线路上。由此,当广告投放意图具有行政区划属性时,确定广告投放场景为定向行政区域场景。
基于上文对广告投放场景的介绍,现对广告投放场景与各公交车站的多维属性进行匹配,匹配得到的公交车站多维属性的过程进行介绍。
具体的,若广告投放场景为广泛传播场景,根据广泛传播场景从各公交车站多维属性中匹配出的多维属性为,各公交车站的枢纽度。若广告投放场景为定向功能主题场景,匹配出的多维属性为各公交车站的功能主题分布。若广告投放场景为定向行政区域场景,匹配出的多维属性为各公交车站的行政区划归属。
参见上文步骤S208,匹配出的公交车站多维属性不同,在各公交线路中选取公交线路的依据不同,从而推荐的公交线路也不同。现对根据公交车站的不同多维属性在各公交线路中选取至少一条公交线路,并作为该广告投放场景的广告投放公交线路进行推荐的过程分别进行介绍。
在本发明一实施例中,当广告投放场景为广泛传播场景,且匹配出的多维属性为各公交车站的枢纽度时,对广告投放公交线路进行推荐的过程如下。
首先,将指定区域内的公交线路组成候选线路集合,提取候选线路集合中公交线路覆盖的公交车站,组成候选车站集合。
其次,遍历乘客轨迹数据,提取包含有候选车站集合中任意公交车站的乘客轨迹数据,并组成候选轨迹集合。
然后,结合每个公交车站的枢纽度,计算候选轨迹集合中的每条乘客轨迹对于候选线路集合中的公交线路的权重。
最后,根据每条乘客轨迹对于候选线路集合的公交线路中的权重,计算候选线路集合中的任意公交线路的覆盖度,并选取覆盖度最大的公交线路作为广告投放公交线路进行推荐。在该实施例中,对覆盖度的计算可以采用如下方式。首先,遍历候选线路集合中所有公交线路,对于任一公交线路,在候选车站集合中提取任一公交线路覆盖的公交站集合,并在候选轨迹集合中提取该公交站集合覆盖的所有乘客轨迹。其次,根据每条乘客轨迹对于候选线路集合的公交线路中的权重,对该公交站集合覆盖的所有乘客轨迹在任一公交线路的权重求和,得到任一公交线路的覆盖度。
在本发明一实施例中,在选取覆盖度最大的公交线路作为广告投放公交线路进行推荐的过程中,首先,从候选线路集合中选取覆盖度最大的公交线路,将选取的公交线路添加至预置的已挑选公交线路集合(该公交线路集合的初始状态为空)中,并将其从候选线路集合中删除。其次,确定选取的公交线路覆盖的乘客轨迹,将该乘客轨迹添加至预置的已覆盖乘客轨迹集合(该乘客轨迹集合的初始状态为空)中,并从候选轨迹集合中删除。然后,判断已挑选公交线路集合中的公交线路的数量是否等于预设阈值(如预设阈值为3条、5条等);若否,则继续在删减后的候选线路中选取覆盖度最大的公交线路添加至预置的已挑选公交线路集合中,直到已挑选公交线路集合中的公交线路的数量等于预设阈值。最后,将预置的已挑选公交线路集合中的公交线路作为广告投放公交线路进行推荐。
为了更加清楚地体现本发明方案,下面以一具体实施例对在广泛传播场景下,对广告投放公交线路进行推荐的过程进行具体介绍。该实施例的指定区域为北京市。该实施例度量各个公交车站的枢纽度,枢纽度越大,车站客流量越大,途经此车站的广告受众越多。该方法命名为Hub-KRQ,具体步骤如下:
步骤1-1,已挑选公交线路集合设置为空,记为BRresult;已覆盖乘客轨迹集合设置为空,记为Trajcovered;
步骤1-2,将北京市所有公交线路作为候选线路集合,记为BRcan;
步骤1-3,根据公交线路数据提取BRcan所覆盖的所有公交车站,并组成候选车站集合,记为Scan;
步骤1-4,遍历乘客轨迹数据,如果乘客轨迹序列中包含Scan中任意车站,则提取乘客轨迹数据,并组成候选轨迹集合,记为Trajcan;
步骤1-5,根据公式2-1和2-2计算Trajcan中所有轨迹对于BRcan中所有线路的权重w(traj;br):
w(traj;br)=∑s∈itsH(s)公式2-1;its=Its[traj]∩Its[br]公式2-2
其中,Irs[br]为公交线路br覆盖的公交车站集合,Its[traj]为轨迹traj覆盖的公交车站集合,its为公交线路br与轨迹traj覆盖的公交线路交集,H(s)为公交车站枢纽度;
步骤1-6,遍历BRcan中的所有公交线路,对任意公交线路br,在Scan中提取其覆盖的所有公交车站集合,记为Sbr,在Trajcan中提取Sbr覆盖的乘客轨迹,记为Trajbr,对Trajbr中所有乘客轨迹对于线路权重求和,得到公交线路br的覆盖度Cbr,如下公式2-3:
其中,Irs[br]为提取br覆盖的公交车站集合Sbr,Ist[Irs[br]]为提取Sbr覆盖的乘客轨迹集合Trajbr;
步骤1-7,选择BRcan中覆盖度最大的公交线路brmax,将其加入到已选中公交线路集合BRresult,并从候选公交线路集合BRcan中去除;
步骤1-8,根据公交线路数据提取BRcan所覆盖的所有公交车站,并组成候选车站集合,记为Scan;
步骤1-9,将brmax覆盖的乘客轨迹Trajbrmax从候选轨迹集合Trajcan中去除;
步骤1-10,重复步骤1-6至1-9,直到选出公交线路集合BRresult中公交线路数量满足广告投放者的要求。
本发明实施例对上述过程中各步骤之间的先后顺序不做具体的限定。
在本发明一实施例中,当广告投放场景为定向功能主题场景,且匹配出的多维属性为各公交车站的功能主题分布时,对广告投放公交线路进行推荐的过程如下。
首先,将指定区域内的公交线路组成候选线路集合,提取候选线路集合中公交线路覆盖的公交车站,组成候选车站集合。
其次,设定广告目标功能主题,并根据设定的广告目标功能主题和公交车站的功能主题分布,计算候选车站集合中的每个公交车站的目标功能主题权重。
在本发明一可选实施例中,在计算候选车站集合中每个公交车站的目标功能主题权重时,需要先确定候选车站集合中各公交车站的功能主题分布,从各公交车站的功能主题分布所包含的POI数据中,统计与广告目标功能主题相关的POI数量。进而依据统计出的POI数量,计算候选车站集合中每个公交车站的目标功能主题权重。
然后,遍历乘客轨迹数据,提取包含有候选车站集合中任意公交车站的乘客轨迹数据,并组成候选轨迹集合。
然后,基于每个公交车站的目标功能主题权重,计算候选轨迹集合中的每条乘客轨迹对于候选线路集合中的公交线路的权重。
最后,根据每条乘客轨迹对于候选线路集合的公交线路中的权重,计算候选线路集合中的任意公交线路的覆盖度,并选取覆盖度最大的公交线路作为广告投放公交线路进行推荐。覆盖度的计算可以参见上文实施例,此处不再赘述。
另外,本发明实施例对上述过程中各步骤之间的先后顺序不做具体的限定。
为了更加清楚地体现本发明方案,下面以一具体实施例对在定向功能主题场景下,对广告投放公交线路进行推荐的过程进行具体介绍。该实施例的指定区域为北京市。如果广告投放场景为定向功能主题场景,公交线路推荐方法考虑乘客轨迹途经地标的主题特征,该方法命名为Topic-KRQ,具体步骤如下:
步骤2-1,设定广告目标功能主题,记为集合Trajtargrt;
步骤2-2,已挑选公交线路集合设置为空,记为BRresult;已覆盖乘客轨迹集合设置为空,记为Trajcovered;
步骤2-3,将北京市所有公交线路作为候选线路集合,记为BRcan;
步骤2-4,根据公交线路数据提取BRcan所覆盖的所有公交车站,并组成候选车站集合,记为Scan;
步骤2-5,根据下面公式3-1计算Scan中每个公交车站的目标功能主题权重:
其中,TDs[t]为公交车站s与主题t相关的POI数量;
步骤2-6,遍历乘客轨迹数据,如果乘客轨迹序列中包含Scan中任意公交车站,则提取乘客轨迹候选数据,并组成候选轨迹集合,记为Trajcan;
步骤2-7,根据下面公式3-2和3-3计算Trajcan中所有乘客轨迹对于BRcan中所有线路的权重w(traj;br):
w(traj;br)=∑s∈itswtarget(s) 公式3-2;
its=Its[traj]∩Irs[br] 公式3-3;
其中,Irs[br]为公交线路br覆盖的公交车站集合,Its[traj]为轨迹traj覆盖的公交车站集合,its为公交线路br与轨迹traj覆盖的公交线路交集;
步骤2-8,遍历BRcan中所有公交线路,对任意公交线路br,在Scan中提取其覆盖的所有公交车站集合,记为Sbr,在Trajcan中提取Sbr覆盖的乘客轨迹,记为Trajbr,对Trajbr中所有轨迹对于线路权重求和,得到公交线路br的覆盖度Cbr,如下面公式3-4:
其中Irs[br]为提取br覆盖的公交车站集合Sbr,Ist[Irs[br]]为提取Sbr覆盖的乘客轨迹集合Trajbr;
步骤2-9,选择BRcan中覆盖度最大的公交线路brmax,将其加入到已选中公交线路集合BRresult,并从候选公交线路及和BRcan中去除;
步骤2-10,根据公交线路数据提取BRcan所覆盖的所有公交车站,并组成候选车站集合,记Scan;
步骤2-11,将brmax覆盖的乘客轨迹Trajbrmax从候选轨迹集合Trajcan中去除;
步骤2-12,重复2-6至2-11,直到选出公交线路集合BRresult中公交线路数量满足广告投放者的要求。
在本发明一实施例中,当广告投放场景为定向行政区域场景,且匹配出的多维属性为各公交车站的行政区划归属时,对广告投放公交线路进行推荐的过程如下,该过程与上文广告投放场景为定向功能主题场景时公交线路的推荐过程类似。
首先,将指定区域内的公交线路组成候选线路集合,提取候选线路集合中公交线路覆盖的公交车站,组成候选车站集合。
其次,设定广告目标行政区域,根据设定的广告目标行政区域和公交车站的行政区划归属,计算候选车站集合中的每个公交车站的目标行政区域权重。
在本发明一可选实施例中,在计算候选车站集合中的每个公交车站的目标行政区域权重时,先确定候选车站集合中各公交车站的行政区划归属。然后判断公交车站的行政区划归属与广告目标行政区域是否相同,若相同,该公交车站的目标行政区域的权重为1,若不同,该公交车站的目标行政区域的权重为0。
然后,遍历乘客轨迹数据,提取包含有候选车站集合中任意公交车站的乘客轨迹数据,并组成候选轨迹集合。
进而,基于每个公交车站的目标行政区域权重,计算候选轨迹集合中的每条乘客轨迹对于候选线路集合中的公交线路的权重。
最后,根据每条乘客轨迹对于候选线路集合的公交线路中的权重,计算候选线路集合中的任意公交线路的覆盖度,并选取覆盖度最大的公交线路作为广告投放公交线路进行推荐。覆盖度的计算可以参见上文实施例,此处不再赘述。
另外,本发明实施例对上述过程中各步骤之间的先后顺序不做具体的限定。
为了更加清楚地体现本发明方案,下面以一具体实施例对在定向行政区域场景下,对广告投放公交线路进行推荐的过程进行具体介绍。该实施例的指定区域为北京市。如果广告投放场景为定向行政区域场景,公交线路推荐方法考虑乘客轨迹途经地标的行政区域特征,该方法命名为District-KRQ,具体步骤如下:
步骤3-1,设定广告目标行政区域,记为集合DTarget;
步骤3-2,已挑选公交线路集合设置为空,记为RRresult;已覆盖乘客轨迹集合设置为空,记为Trajcovered;
步骤3-3,将北京市所有公交线路作为候选线路集合,记为BRcan;
步骤3-4,根据公交线路数据提取BRcan所覆盖的所有公交车站,并组成候选车站集合,记为Scan;
步骤3-5,计算Scan中每个公交车站的目标行政区域权重,如果公交车站所属行政区域为目标行政区域,则权重为1,否则权重为0:记为wTarget(s);
步骤3-6,遍历乘客轨迹数据,如果乘客轨迹序列中包含Scan中任意公交车站,则提取乘客轨迹候选数据,并组成候选轨迹集合,记为Trajcan;
步骤3-7,根据下面公式4-1和4-2计算Trajcan中所有乘客轨迹对于BRcan中所有线路的权重w(traj;br):
w(traj;br)=∑s∈itsWtarget(s) 公式4-1;
its=Its[traj]∩Irs[br] 公式4-2;
其中,Irs[br]为公交线路br覆盖的公交车站集合,Its[traj]为轨迹traj覆盖的公交车站集合,its为公交线路br与轨迹traj覆盖的公交线路交集;
步骤3-8,遍历BRcan中所有公交线路,对任意公交线路br,在Scan中提取其覆盖的所有公交车站集合,记为Sbr,在Trajcan中提取Sbr覆盖的乘客轨迹,记为Trajbr,对Trajbr中所有轨迹对于线路权重求和,得到公交线路br的覆盖度Cbr,如下公式4-3:
其中,Irs[br]为提取br覆盖的公交车站集合Sbr,Ist[Irs[br]]为提取Sbr覆盖的乘客轨迹集合Trajbr;
步骤3-9,选择BRcan中覆盖度最大的公交线路brmax,将其加入到已选中公交线路集合BRresult,并从候选公交线路及和BRcan中去除;
步骤3-10,根据公交线路数据提取BRcan所覆盖的所有公交车站,并组成候选车站集合,记为Scan;
步骤3-11,将brmax覆盖的乘客轨迹Trajbrmax从候选轨迹集合Trajcan中去除;
步骤3-12,重复3-6至3-11,直到选出公交线路集合BRresult中公交线路数量满足广告投放者的要求。
当然,无论针对哪一种广告投放场景,在根据公交车站的多维属性在各公交线路中选取至少一条公交线路时,还需要考虑广告投放者的投放需求,如投放时间范围(具体到小时)、公交线路数量(如2-3条线路、4条线路等)、公交线路长度范围(如5000米、3000米等)和公交线路客流量范围等等,从而结合投放需求在根据公交车站的多维属性在各公交线路中选取至少一条公交线路,并作为该广告投放场景的广告投放公交线路进行推荐。
在本发明一实施例中,当依据上述方案选取至少一条公交线路,并作为该广告投放场景的广告投放公交线路进行推荐之前,还可以对基于统计的特征属性按照预设策略对公交车身广告投放线路方案的投放效果进行衡量,当衡量结果达到预设的广告投放基准时,再进行推荐。
对公交车身广告投放线路方案的投放效果进行衡量的方式包括如下三种。
方式一、利用PTS(Pois To See)指标衡量投放效果,PTS指平均每个受众沿途所经过的预设主题区域数量,即基于统计的特征属性,衡量平均每个广告受众乘坐公交车时沿途所经过的预设主题区域数量,其中,PTS的值越大,投放效果越好。
方式二、基于统计的特征属性,衡量在预设数量的乘客轨迹中待投放广告产生的功能主题和/或行政区域影响力,其中,影响力数值越大,投放效果越好。
该方式中,采用T_GRP(Topic Gross Rating Points,功能主题毛评点)代表功能主题影响力,T_GRP与GRP(Gross Rating Points,毛评点)类似,用于评估在N个乘客轨迹中广告产生的功能主题影响力,计算公式为T_GRP=PTS×Coverage×N。其中,PTS表示受众对广告的敏感度,Coverage为广告覆盖率,由T_GRP可以评估广告在N个受众中产生的影响。广告覆盖率Coverage是指目标人群中广告受众所占的比例,即全部乘客轨迹中投放线路覆盖的乘客轨迹所占的比例,计算公式如下:
该公式中,traj为所有乘客轨迹集合,traj_covered为公交线路覆盖的广告受众的轨迹集合,numtraj为所有乘客轨迹集合中的轨迹数量,numtraj_covered为公交线路覆盖的广告受众轨迹集合中的轨迹数量。
另外,该方式中,采用D_GRP(District Gross Rating Points,行政区域毛评点)代表行政区域影响力。D_GRP与GRP类似,用于评估在N个乘客轨迹中广告产生的行政区域影响力,计算公式为D_GRP=TDC×OTS×N。其中,TDC指标为受众轨迹中覆盖目标行政区域的比例,OTS为受众平均接触广告的次数。
方式三、利用TDC(Targeted District Coverage)指标衡量投放效果,TDC指投放公交线路覆盖的轨迹中经过目标行政区域的比例,即基于统计的特征属性,衡量公交线路覆盖的轨迹中经过目标行政区域的比例,其中,TDC值越大,投放效果越好。当然,上述三种方式还可以进行任意形式的结合来衡量公交车身广告投放线路方案的投放效果。
在本发明一实施例中,在对公交车身广告投放线路方案的投放效果进行衡量之前,还可以将广告投放线路进行可视化显示,以方便广告投放者对广告投放线路的衡量和调整。例如,广告投放线路均为某一城市的公交线路,那么可以将广告投放线路显示在该城市的地图上。具体显示调整的步骤如下:
1)将投放线路方案可视化显示,通过预置接口调用地图,并在地图上新建图层,对新建图层的进行格式化划分,从而使用网格方式显示城市地图网格结果。同时,使用热度图方式显示各个网格的客流量。新建图层中,采用线状图方式显示方案中公交线路,沿途网格使用明显标识(如颜色、符号)填充;采用这种方式可以非常直观地将公交线路沿途覆盖的区域,即广告传播的区域进行可视化显示;
该步骤中,城市地图上的新建图层进行网格化时,可以先获取城市公交车站和公交线路经纬度信息,并设定城市中心坐标和广告投放区域,以1km(也可以为其他距离)为网格间距对地图数据上的新建图层进行网格切分。
各个网格的客流量的统计过程如下,在全天各个时段内(每个小时),计算每个公交车站上车和下车乘客数量的总和,减去公交卡ID重复的乘客数量,从而得到每个公交车站在该时段的乘客流量。根据公交车站经纬度信息和各公交车站乘客流量信息,从而计算得到每个地图网格全天时的乘客流量。
当然,依据该方式还可以计算得到每条公交线路的乘客流量,如在全天各个时段内(每个小时),计算每条公交线路所经过所有公交车站乘客流量的总和,减去公交卡ID重复的乘客数量,得到每条公交线路在该时段的乘客流量。
2)广告投放线路方案的公交线路特征统计,对当前投放线路方案中所有的公交线路特征进行统计,如公交线路数量、公交线路长度、客流量、途经行政区划或者功能主题区域、各行政区划或功能主题区域覆盖面积和总面积,从而对公交线路方案的广告投放效果进行衡量,衡量过程参见上文实施例;
3)广告投放线路方案个性化调整,根据当前的公交线路投放方案,如果需要调整,可以通过新建图层自由地在投放方案中添加新的公交线路或移除已有的公交线路,形成新的投放方案,并依照步骤2)统计新投放方案所有公交线路特征;
例如,广告投放公交线路数量为2、长度为56km、客流量27722人、旅行功能主题区域覆盖面积为25km2、购物功能主题覆盖面积为17km2,在广告投放线路中增加公交线路3,该线路覆盖西单购物中心、天安门广场等符合功能主题要求的区域。因此,调整后公交线路数量为3、长度为77km、客流量为77300、旅行功能主题区域覆盖面积为34km2、购物功能主题覆盖面积为25km2,此处提及的公交线路的长度、客流量以及覆盖面积都指的是公交线路1、公交线路2以及公交线路3的特征属性值的和。
4)多投放方案人工对比分析评估,通过将生成的新的投放方案和通过选取至少一条公交线路得到的投放方案在不同的新建图层上分别进行显示,并在不同投放方案视图中进行切换,从而可以从视图效果和属性特征两方面对不同的方案进行对比分析,以辅助人工充分理解和对比衡量投放方案;
5)重复步骤3)和步骤4),直到形成最佳的广告投放公交线路方案,并将最佳的广告投放公交线路方案进行推荐。
基于同一发明构思,本发明实施例还提供了一种车载广告公交线路推荐装置。图6示出了根据本发明一个实施例的车载广告公交线路推荐装置的结构示意图。参见图6,车载广告公交线路推荐装置600至少包括获取模块610、挖掘模块620、确定模块630以及推荐模块640。
现介绍本发明实施例的车载广告公交线路推荐装置600的各组成或器件的功能以及各部分间的连接关系:
获取模块610,适于获取指定区域内的公交线路及各公交线路所覆盖的公交车站;
挖掘模块620,与获取模块610耦合,适于收集与公交车相关数据,并从公交车相关数据中挖掘各公交车站的多维属性;
确定模块630,与挖掘模块620耦合,适于根据广告投放意图确定广告投放场景,将广告投放场景与各公交车站的多维属性匹配,获取匹配的公交车站多维属性;
推荐模块640,与确定模块630耦合,适于根据匹配出的公交车站多维属性在各公交线路中选取至少一条公交线路,并作为该广告投放场景的广告投放公交线路进行推荐。
公交车相关数据包括以下至少之一:地图数据、公交车站数据、公交线路数据、智能公交卡数据SCT、用户兴趣点POI数据。
在本发明一实施例中,挖掘模块620还适于,对智能公交卡数据进行处理,计算得到乘客的轨迹数据,根据乘客的轨迹数据中途经车站序列计算各公交车站的枢纽度;枢纽度用于度量公交车站作为中转车站的数量。并依据公交车站数据获取公交车站地理位置信息,基于公交车站地理位置信息及其周边指定距离以内的POI数据,计算出各公交车站的功能主题分布。进而根据公交车站的地理位置信息以及地图数据,确定各公交车站的行政区划归属。
在本发明一实施例中,智能公交卡数据中包括公交线路编号、乘客上下车时间、乘客上下车车站编号,挖掘模块620还适于,首先,将智能公交卡数据中的乘客上下车车站编号记为车站收费编号。然后,基于乘客上下车车站收费编号,按照预设策略计算出智能公交卡数据中乘客上下车车站的逻辑编号。最后,依据乘客上下车车站的逻辑编号确定乘客途经车站编号序列,从而得到包含公交线路编号、乘客上下车时间、乘客途经车站编号序列的乘客轨迹数据。
在本发明一实施例中,挖掘模块620还适于,首先,将同一公交车上的智能公交卡数据按照乘客上车时间进行排序,得到排序后的智能公交卡数据。然后,对排序后的智能公交卡数据进行分组,将排序后的智能公交卡数据中的乘客上车车站收费编号相同的分为一组。进而,对每一组智能公交卡数据使用聚类算法进行聚类,得到的聚类个数作为车站收费编号对应的实际车站个数,并针对每个聚类中的智能公交卡数据计算上车时间平均值。最后,将多个聚类按照上车时间平均值进行排序,并按照排序确定每个聚类中智能公交卡数据的乘客上车车站逻辑编号。
在本发明一实施例中,挖掘模块620还适于,基于乘客轨迹数据挖掘出长度大于n的序列,记为目标序列,n为正整数,并统计目标序列中与各序列相同的乘客轨迹数量,并作为相应序列的权值。基于目标序列中各序列的权值,将包含相同车站的序列进行合并,得到连接模式网络,进而根据连接模式网络,计算公交线路上的每个公交车站的枢纽度。
在本发明一实施例中,挖掘模块620还适于,基于公交车站的地理位置信息以及POI数据中的地理位置信息,针对每个公交车站,获取其周边指定距离以内的所有POI数据,并将所有POI数据中的描述信息进行提取,并合并到一个文档;基于合并的文档,使用主题分布模型LDA分析每个公交车站的功能主题分布。从而确定需要保留的功能主题,统计每个公交车站周边指定距离以内符合需要保留的功能主题的POI数量,从而得到最终的每个公交车站的功能主题分布。
在本发明一实施例中,确定模块630还适于,若广告投放意图不区分广告受众,确定广告投放场景为广泛传播场景;若广告投放意图具有功能主题属性,确定广告投放场景为定向功能主题场景;若广告投放意图具有行政区划属性,确定广告投放场景为定向行政区域场景。
在本发明一实施例中,确定模块630还适于:
若广告投放场景为广泛传播场景,根据广泛传播场景从各公交车站多维属性中匹配出的多维属性为,各公交车站的枢纽度;
若广告投放场景为定向功能主题场景,根据定向功能主题场景从各公交车站多维属性中匹配出的多维属性为,各公交车站的功能主题分布;
若广告投放场景为定向行政区域场景,根据定向行政区域场景从各公交车站多维属性中匹配出的多维属性为,各公交车站的行政区划归属。
在本发明一实施例中,若广告投放场景为广泛传播场景,推荐模块640还适于,首先,将指定区域内的公交线路组成候选线路集合,提取候选线路集合中公交线路覆盖的公交车站,组成候选车站集合。然后,遍历乘客轨迹数据,提取包含有候选车站集合中任意公交车站的乘客轨迹数据,并组成候选轨迹集合。进而,结合每个公交车站的枢纽度,计算候选轨迹集合中的每条乘客轨迹对于候选线路集合中的公交线路的权重。最后,根据每条乘客轨迹对于候选线路集合的公交线路中的权重,计算候选线路集合中的任意公交线路的覆盖度,并选取覆盖度最大的公交线路作为广告投放公交线路进行推荐。
在本发明一实施例中,若广告投放场景为定向功能主题场景,推荐模块640还适于,首先,设定广告目标功能主题,并将指定区域内的公交线路组成候选线路集合,提取候选线路集合中公交线路覆盖的公交车站,组成候选车站集合。根据设定的广告目标功能主题和公交车站的功能主题分布,计算候选车站集合中的每个公交车站的目标功能主题权重。遍历乘客轨迹数据,提取包含有候选车站集合中任意公交车站的乘客轨迹数据,并组成候选轨迹集合。基于每个公交车站的目标功能主题权重,计算候选轨迹集合中的每条乘客轨迹对于候选线路集合中的公交线路的权重。根据每条乘客轨迹对于候选线路集合的公交线路中的权重,计算候选线路集合中的任意公交线路的覆盖度,并选取覆盖度最大的公交线路作为广告投放公交线路进行推荐。
在本发明一实施例中,推荐模块640还适于,确定候选车站集合中各公交车站的功能主题分布。并从各公交车站的功能主题分布所包含的POI数据中,统计与广告目标功能主题相关的POI数量。依据统计出的POI数量,计算候选车站集合中每个公交车站的目标功能主题权重。
在本发明一实施例中,若广告投放场景为定向行政区域场景,推荐模块640还适于,设定广告目标行政区域,并将指定区域内的公交线路组成候选线路集合,提取候选线路集合中公交线路覆盖的公交车站,组成候选车站集合。然后,根据设定的广告目标行政区域和公交车站的行政区划归属,计算候选车站集合中的每个公交车站的目标行政区域权重。遍历乘客轨迹数据,提取包含有候选车站集合中任意公交车站的乘客轨迹数据,并组成候选轨迹集合。进而基于每个公交车站的目标行政区域权重,计算候选轨迹集合中的每条乘客轨迹对于候选线路集合中的公交线路的权重。最后,根据每条乘客轨迹对于候选线路集合的公交线路中的权重,计算候选线路集合中的任意公交线路的覆盖度,并选取覆盖度最大的公交线路作为广告投放公交线路进行推荐。
在本发明一实施例中,推荐模块640还适于,首先,遍历候选线路集合中所有公交线路,对于任一公交线路,在候选车站集合中提取任一公交线路覆盖的公交站集合,并在候选轨迹集合中提取该公交站集合覆盖的所有乘客轨迹。然后,根据每条乘客轨迹对于候选线路集合的公交线路中的权重,对该公交站集合覆盖的所有乘客轨迹在任一公交线路的权重求和,得到任一公交线路的覆盖度。
在本发明一实施例中,推荐模块640还适于,首先,从候选线路集合中选取覆盖度最大的公交线路,将选取的公交线路添加至预置的已挑选公交线路集合中,并将其从候选线路集合中删除。然后确定选取的公交线路覆盖的乘客轨迹,将该乘客轨迹添加至预置的已覆盖乘客轨迹集合中,并从候选轨迹集合中删除。然后,判断已挑选公交线路集合中的公交线路的数量是否等于预设阈值;若否,则继续在删减后的候选线路中选取覆盖度最大的公交线路添加至预置的已挑选公交线路集合中,直到已挑选公交线路集合中的公交线路的数量等于预设阈值。最后,将预置的已挑选公交线路集合中的公交线路作为广告投放公交线路进行推荐。
根据上述任意一个优选实施例或多个优选实施例的组合,本发明实施例能够达到如下有益效果:
首先,获取指定区域内的公交线路及各公交线路所覆盖的公交车站。然后,收集与公交车相关的数据并从公交车相关数据中挖掘各公交车站的多维属性。进而,根据广告投放意图确定广告投放场景,将广告投放场景与各公交车站的多维属性匹配,获取匹配的公交车站多维属性。最后,根据匹配出的公交车站多维属性在各公交线路中选取至少一条公交线路,并作为该广告投放场景的广告投放公交线路进行推荐。由此,本发明实施例通过收集关于公交车和公交乘客的大数据,借助先进的数据挖掘技术来深度挖掘公交车和乘客的时空流动性以及公交车站的多维属性,从而为广告投放公交线路的选取提供准确的信息支撑。并且,通过了解广告投放者的广告投放意图来确定出广告投放场景,并依据广告投放场景和公交车站的多维属性选取合适的投放公交线路,来为广告投放者推荐出最佳的公交线路,从而可以根据广告投放场景有针对性地选择合适的广告投放线路,以使公交车体的广告发挥最大效果。
进一步地,本发明实施例还有效地克服了现有技术中广告投放线路的选择标准较为单一(仅仅以乘客量大作为唯一标准来选择公交线路),而无法在最适宜的时间、地点将最适合的广告传播给最适合的受众,无法发挥广告的最大价值的问题。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的车载广告公交线路推荐装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
本发明实施例还提供了一种电子设备,包括处理器、以及被安排成存储计算机可执行指令的存储器,可执行指令在被执行时使处理器执行根据上文任意一实施例的车载广告公交线路推荐方法。
本发明实施例还提供了一种计算机存储介质,其中,计算机可读存储介质存储一个或多个程序,一个或多个程序当被包括多个应用程序的电子设备执行时,使得电子设备执行上文任一实施例车载广告公交线路推荐方法。
例如,图7示出了可以实现车载广告公交线路推荐方法的计算设备。该计算设备传统上包括处理器710和存储器720形式的计算机程序产品或者计算机可读介质。存储器720可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。存储器720具有存储用于执行上述方法中的任何方法步骤的程序代码731’的存储空间730。例如,存储程序代码的存储空间730可以包括分别用于实现上面的方法中的各种步骤的各个程序代码731’。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。这些计算机程序产品包括诸如硬盘,紧致盘(CD)、存储卡或者软盘之类的程序代码载体。这样的计算机程序产品通常为例如图8所示的便携式或者固定存储单元。该存储单元可以具有与图7的计算设备中的存储器720类似布置的存储段、存储空间等。程序代码可以例如以适当形式进行压缩。通常,存储单元包括用于执行本发明的方法步骤的计算机可读代码731’,即可以由诸如710之类的处理器读取的代码,当这些代码由计算设备运行时,导致该计算设备执行上面所描述的方法中的各个步骤。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
至此,本领域技术人员应认识到,虽然本文已详尽示出和描述了本发明的多个示例性实施例,但是,在不脱离本发明精神和范围的情况下,仍可根据本发明公开的内容直接确定或推导出符合本发明原理的许多其他变型或修改。因此,本发明的范围应被理解和认定为覆盖了所有这些其他变型或修改。
Claims (28)
1.一种车载广告公交线路推荐方法,包括:
获取指定区域内的公交线路及各公交线路所覆盖的公交车站;
收集与公交车相关的数据,并从公交车相关数据中挖掘各公交车站的多维属性;其中,从公交车相关数据中挖掘各公交车站的多维属性,包括:
对智能公交卡数据进行处理,计算得到乘客的轨迹数据,根据乘客的轨迹数据中途经车站序列计算各公交车站的枢纽度,枢纽度用于度量公交车站作为中转车站的数量;
依据公交车站数据获取公交车站地理位置信息,基于公交车站地理位置信息及其周边指定距离以内的POI数据,计算出各公交车站的功能主题分布;
根据所述公交车站的地理位置信息以及地图数据,确定各公交车站的行政区划归属;
根据广告投放意图确定广告投放场景,将所述广告投放场景与各公交车站的多维属性匹配,获取匹配的公交车站多维属性;
根据匹配出的公交车站多维属性在各公交线路中选取至少一条公交线路,并作为该广告投放场景的广告投放公交线路进行推荐;
其中,根据广告投放意图确定广告投放场景,包括:
若所述广告投放意图不区分广告受众,确定广告投放场景为广泛传播场景;
若所述广告投放意图具有功能主题属性,确定广告投放场景为定向功能主题场景;
若所述广告投放意图具有行政区划属性,确定广告投放场景为定向行政区域场景。
2.根据权利要求1所述的方法,其中,所述公交车相关数据包括以下至少之一:地图数据、公交车站数据、公交线路数据、智能公交卡数据SCT、用户兴趣点POI数据。
3.根据权利要求2所述的方法,其中,所述智能公交卡数据中包括公交线路编号、乘客上下车时间、乘客上下车车站编号,所述对智能公交卡数据进行处理,计算得到乘客的轨迹数据,包括:
将智能公交卡数据中的乘客上下车车站编号记为车站收费编号;
基于所述乘客上下车车站收费编号,按照预设策略计算出智能公交卡数据中乘客上下车车站的逻辑编号;
依据所述乘客上下车车站的逻辑编号确定所述乘客途经车站编号序列,从而得到包含公交线路编号、乘客上下车时间、所述乘客途经车站编号序列的乘客轨迹数据。
4.根据权利要求3所述的方法,其中,基于所述乘客上下车车站收费编号,按照预设策略计算出乘客上车车站的逻辑编号,包括:
将同一公交车上的智能公交卡数据按照乘客上车时间进行排序,得到排序后的智能公交卡数据;
对排序后的智能公交卡数据进行分组,将排序后的智能公交卡数据中的乘客上车车站收费编号相同的分为一组;
对每一组智能公交卡数据使用聚类算法进行聚类,得到的聚类个数作为车站收费编号对应的实际车站个数;
针对每个聚类中的智能公交卡数据计算上车时间平均值;
将多个聚类按照上车时间平均值进行排序,并按照排序确定每个聚类中智能公交卡数据的乘客上车车站逻辑编号。
5.根据权利要求4所述的方法,其中,根据乘客的轨迹数据中途经车站序列计算出各公交车站的枢纽度,包括:
基于所述乘客轨迹数据挖掘出长度大于n的序列,记为目标序列,n为正整数;
统计目标序列中与各序列相同的乘客轨迹数量,并作为相应序列的权值;
基于目标序列中各序列的权值,将包含相同车站的序列进行合并,得到连接模式网络;
根据连接模式网络,计算公交线路上的每个公交车站的枢纽度。
6.根据权利要求5所述的方法,其中,基于公交车站地理位置信息及其周边指定距离以内的POI数据,计算出各公交车站的功能主题分布,包括:
基于公交车站的地理位置信息以及POI数据中的地理位置信息,针对每个公交车站,获取其周边指定距离以内的所有POI数据;
将所有POI数据中的描述信息进行提取,并合并到一个文档;基于合并的文档,使用主题分布模型LDA分析每个公交车站的功能主题分布;
确定需要保留的功能主题,统计每个公交车站周边指定距离以内符合需要保留的功能主题的POI数量,从而得到最终的每个公交车站的功能主题分布。
7.根据权利要求6所述的方法,其中,将所述广告投放场景与各公交车站的多维属性匹配,获取匹配的公交车站多维属性,包括:
若广告投放场景为广泛传播场景,根据广泛传播场景从各公交车站多维属性中匹配出的多维属性为,各公交车站的枢纽度;
若广告投放场景为定向功能主题场景,根据定向功能主题场景从各公交车站多维属性中匹配出的多维属性为,各公交车站的功能主题分布;
若广告投放场景为定向行政区域场景,根据定向行政区域场景从各公交车站多维属性中匹配出的多维属性为,各公交车站的行政区划归属。
8.根据权利要求7所述的方法,其中,若所述广告投放场景为广泛传播场景,根据匹配出的公交车站多维属性在各公交线路中选取至少一条公交线路,并作为该广告投放场景的广告投放公交线路进行推荐,包括:
将指定区域内的公交线路组成候选线路集合,提取所述候选线路集合中公交线路覆盖的公交车站,组成候选车站集合;
遍历所述乘客轨迹数据,提取包含有所述候选车站集合中任意公交车站的乘客轨迹数据,并组成候选轨迹集合;
结合每个公交车站的枢纽度,计算所述候选轨迹集合中的每条乘客轨迹对于所述候选线路集合中的公交线路的权重;
根据每条乘客轨迹对于所述候选线路集合的公交线路中的权重,计算所述候选线路集合中的任意公交线路的覆盖度,并选取覆盖度最大的公交线路作为广告投放公交线路进行推荐。
9.根据权利要求7或8所述的方法,其中,若所述广告投放场景为定向功能主题场景,根据匹配出的公交车站多维属性在各公交线路中选取至少一条公交线路,并作为该广告投放场景的广告投放公交线路进行推荐,包括:
设定广告目标功能主题;
将指定区域内的公交线路组成候选线路集合,提取所述候选线路集合中公交线路覆盖的公交车站,组成候选车站集合;
根据设定的所述广告目标功能主题和公交车站的功能主题分布,计算所述候选车站集合中的每个公交车站的目标功能主题权重;
遍历所述乘客轨迹数据,提取包含有所述候选车站集合中任意公交车站的乘客轨迹数据,并组成候选轨迹集合;
基于每个公交车站的目标功能主题权重,计算所述候选轨迹集合中的每条乘客轨迹对于所述候选线路集合中的公交线路的权重;
根据每条乘客轨迹对于所述候选线路集合的公交线路中的权重,计算所述候选线路集合中的任意公交线路的覆盖度,并选取覆盖度最大的公交线路作为广告投放公交线路进行推荐。
10.根据权利要求9所述的方法,其中,根据设定的所述广告目标功能主题和公交车站的功能主题分布,计算所述候选车站集合中每个公交车站的目标功能主题权重,包括:
确定所述候选车站集合中各公交车站的功能主题分布;
从各公交车站的功能主题分布所包含的POI数据中,统计与所述广告目标功能主题相关的POI数量;
依据统计出的POI数量,计算所述候选车站集合中每个公交车站的目标功能主题权重。
11.根据权利要求10所述的方法,其中,若广告投放场景为定向行政区域场景,根据匹配出的公交车站多维属性在各公交线路中选取至少一条公交线路,并作为该广告投放场景的广告投放公交线路进行推荐,包括:
设定广告目标行政区域;
将指定区域内的公交线路组成候选线路集合,提取所述候选线路集合中公交线路覆盖的公交车站,组成候选车站集合;
根据设定的广告目标行政区域和公交车站的行政区划归属,计算所述候选车站集合中的每个公交车站的目标行政区域权重;
遍历所述乘客轨迹数据,提取包含有所述候选车站集合中任意公交车站的乘客轨迹数据,并组成候选轨迹集合;
基于每个公交车站的目标行政区域权重,计算所述候选轨迹集合中的每条乘客轨迹对于所述候选线路集合中的公交线路的权重;
根据每条乘客轨迹对于所述候选线路集合的公交线路中的权重,计算所述候选线路集合中的任意公交线路的覆盖度,并选取覆盖度最大的公交线路作为广告投放公交线路进行推荐。
12.根据权利要求11所述的方法,其中,根据每条乘客轨迹对于所述候选线路集合的公交线路中的权重,计算所述候选线路集合中的任意公交线路的覆盖度,包括:
遍历所述候选线路集合中所有公交线路,对于任一公交线路,在所述候选车站集合中提取所述任一公交线路覆盖的公交站集合,并在所述候选轨迹集合中提取该公交站集合覆盖的所有乘客轨迹;
根据每条乘客轨迹对于所述候选线路集合的公交线路中的权重,对该公交站集合覆盖的所有乘客轨迹在所述任一公交线路的权重求和,得到所述任一公交线路的覆盖度。
13.根据权利要求12所述的方法,其中,所述选取覆盖度最大的公交线路作为广告投放公交线路进行推荐,包括:
从所述候选线路集合中选取覆盖度最大的公交线路,将选取的公交线路添加至预置的已挑选公交线路集合中,并将其从所述候选线路集合中删除;
确定选取的公交线路覆盖的乘客轨迹,将该乘客轨迹添加至预置的已覆盖乘客轨迹集合中,并从所述候选轨迹集合中删除;
判断已挑选公交线路集合中的公交线路的数量是否等于预设阈值;若否,则继续在删减后的候选线路中选取覆盖度最大的公交线路添加至所述预置的已挑选公交线路集合中,直到已挑选公交线路集合中的公交线路的数量等于预设阈值;
将预置的已挑选公交线路集合中的公交线路作为广告投放公交线路进行推荐。
14.一种车载广告公交线路推荐装置,包括:
获取模块,适于获取指定区域内的公交线路及各公交线路所覆盖的公交车站;
挖掘模块,适于收集与公交车相关数据,并从公交车相关数据中挖掘各公交车站的多维属性;其中,从公交车相关数据中挖掘各公交车站的多维属性,包括:
对智能公交卡数据进行处理,计算得到乘客的轨迹数据,根据乘客的轨迹数据中途经车站序列计算各公交车站的枢纽度,枢纽度用于度量公交车站作为中转车站的数量;
依据公交车站数据获取公交车站地理位置信息,基于公交车站地理位置信息及其周边指定距离以内的POI数据,计算出各公交车站的功能主题分布;
根据所述公交车站的地理位置信息以及地图数据,确定各公交车站的行政区划归属;
确定模块,适于根据广告投放意图确定广告投放场景,将所述广告投放场景与各公交车站的多维属性匹配,获取匹配的公交车站多维属性;
推荐模块,适于根据匹配出的公交车站多维属性在各公交线路中选取至少一条公交线路,并作为该广告投放场景的广告投放公交线路进行推荐;
其中,所述确定模块还适于:
若所述广告投放意图不区分广告受众,确定广告投放场景为广泛传播场景;
若所述广告投放意图具有功能主题属性,确定广告投放场景为定向功能主题场景;
若所述广告投放意图具有行政区划属性,确定广告投放场景为定向行政区域场景。
15.根据权利要求14所述的装置,其中,所述公交车相关数据包括以下至少之一:地图数据、公交车站数据、公交线路数据、智能公交卡数据SCT、用户兴趣点POI数据。
16.根据权利要求15所述的装置,其中,所述智能公交卡数据中包括公交线路编号、乘客上下车时间、乘客上下车车站编号,所述挖掘模块还适于:
将智能公交卡数据中的乘客上下车车站编号记为车站收费编号;
基于所述乘客上下车车站收费编号,按照预设策略计算出智能公交卡数据中乘客上下车车站的逻辑编号;
依据所述乘客上下车车站的逻辑编号确定所述乘客途经车站编号序列,从而得到包含公交线路编号、乘客上下车时间、所述乘客途经车站编号序列的乘客轨迹数据。
17.根据权利要求16所述的装置,其中,所述挖掘模块还适于:
将同一公交车上的智能公交卡数据按照乘客上车时间进行排序,得到排序后的智能公交卡数据;
对排序后的智能公交卡数据进行分组,将排序后的智能公交卡数据中的乘客上车车站收费编号相同的分为一组;
对每一组智能公交卡数据使用聚类算法进行聚类,得到的聚类个数作为车站收费编号对应的实际车站个数;
针对每个聚类中的智能公交卡数据计算上车时间平均值;
将多个聚类按照上车时间平均值进行排序,并按照排序确定每个聚类中智能公交卡数据的乘客上车车站逻辑编号。
18.根据权利要求17所述的装置,其中,所述挖掘模块还适于:
基于所述乘客轨迹数据挖掘出长度大于n的序列,记为目标序列,n为正整数;
统计目标序列中与各序列相同的乘客轨迹数量,并作为相应序列的权值;
基于目标序列中各序列的权值,将包含相同车站的序列进行合并,得到连接模式网络;
根据连接模式网络,计算公交线路上的每个公交车站的枢纽度。
19.根据权利要求18所述的装置,其中,所述挖掘模块还适于:基于公交车站的地理位置信息以及POI数据中的地理位置信息,针对每个公交车站,获取其周边指定距离以内的所有POI数据;
将所有POI数据中的描述信息进行提取,并合并到一个文档;基于合并的文档,使用主题分布模型LDA分析每个公交车站的功能主题分布;
确定需要保留的功能主题,统计每个公交车站周边指定距离以内符合需要保留的功能主题的POI数量,从而得到最终的每个公交车站的功能主题分布。
20.根据权利要求19所述的装置,其中,所述确定模块还适于:
若广告投放场景为广泛传播场景,根据广泛传播场景从各公交车站多维属性中匹配出的多维属性为,各公交车站的枢纽度;
若广告投放场景为定向功能主题场景,根据定向功能主题场景从各公交车站多维属性中匹配出的多维属性为,各公交车站的功能主题分布;
若广告投放场景为定向行政区域场景,根据定向行政区域场景从各公交车站多维属性中匹配出的多维属性为,各公交车站的行政区划归属。
21.根据权利要求20所述的装置,其中,若所述广告投放场景为广泛传播场景,所述推荐模块还适于:
将指定区域内的公交线路组成候选线路集合,提取所述候选线路集合中公交线路覆盖的公交车站,组成候选车站集合;
遍历所述乘客轨迹数据,提取包含有所述候选车站集合中任意公交车站的乘客轨迹数据,并组成候选轨迹集合;
结合每个公交车站的枢纽度,计算所述候选轨迹集合中的每条乘客轨迹对于所述候选线路集合中的公交线路的权重;
根据每条乘客轨迹对于所述候选线路集合的公交线路中的权重,计算所述候选线路集合中的任意公交线路的覆盖度,并选取覆盖度最大的公交线路作为广告投放公交线路进行推荐。
22.根据权利要求20或21所述的装置,其中,若所述广告投放场景为定向功能主题场景,所述推荐模块还适于:
设定广告目标功能主题;
将指定区域内的公交线路组成候选线路集合,提取所述候选线路集合中公交线路覆盖的公交车站,组成候选车站集合;
根据设定的所述广告目标功能主题和公交车站的功能主题分布,计算所述候选车站集合中的每个公交车站的目标功能主题权重;
遍历所述乘客轨迹数据,提取包含有所述候选车站集合中任意公交车站的乘客轨迹数据,并组成候选轨迹集合;
基于每个公交车站的目标功能主题权重,计算所述候选轨迹集合中的每条乘客轨迹对于所述候选线路集合中的公交线路的权重;
根据每条乘客轨迹对于所述候选线路集合的公交线路中的权重,计算所述候选线路集合中的任意公交线路的覆盖度,并选取覆盖度最大的公交线路作为广告投放公交线路进行推荐。
23.根据权利要求22所述的装置,其中,所述推荐模块还适于:
确定所述候选车站集合中各公交车站的功能主题分布;
从各公交车站的功能主题分布所包含的POI数据中,统计与所述广告目标功能主题相关的POI数量;
依据统计出的POI数量,计算所述候选车站集合中每个公交车站的目标功能主题权重。
24.根据权利要求23所述的装置,其中,若广告投放场景为定向行政区域场景,所述推荐模块还适于:
设定广告目标行政区域;
将指定区域内的公交线路组成候选线路集合,提取所述候选线路集合中公交线路覆盖的公交车站,组成候选车站集合;
根据设定的广告目标行政区域和公交车站的行政区划归属,计算所述候选车站集合中的每个公交车站的目标行政区域权重;
遍历所述乘客轨迹数据,提取包含有所述候选车站集合中任意公交车站的乘客轨迹数据,并组成候选轨迹集合;
基于每个公交车站的目标行政区域权重,计算所述候选轨迹集合中的每条乘客轨迹对于所述候选线路集合中的公交线路的权重;
根据每条乘客轨迹对于所述候选线路集合的公交线路中的权重,计算所述候选线路集合中的任意公交线路的覆盖度,并选取覆盖度最大的公交线路作为广告投放公交线路进行推荐。
25.根据权利要求24所述的装置,其中,所述推荐模块还适于:
遍历所述候选线路集合中所有公交线路,对于任一公交线路,在所述候选车站集合中提取所述任一公交线路覆盖的公交站集合,并在所述候选轨迹集合中提取该公交站集合覆盖的所有乘客轨迹;
根据每条乘客轨迹对于所述候选线路集合的公交线路中的权重,对该公交站集合覆盖的所有乘客轨迹在所述任一公交线路的权重求和,得到所述任一公交线路的覆盖度。
26.根据权利要求25所述的装置,其中,所述推荐模块还适于:
从所述候选线路集合中选取覆盖度最大的公交线路,将选取的公交线路添加至预置的已挑选公交线路集合中,并将其从所述候选线路集合中删除;
确定选取的公交线路覆盖的乘客轨迹,将该乘客轨迹添加至预置的已覆盖乘客轨迹集合中,并从所述候选轨迹集合中删除;
判断已挑选公交线路集合中的公交线路的数量是否等于预设阈值;若否,则继续在删减后的候选线路中选取覆盖度最大的公交线路添加至所述预置的已挑选公交线路集合中,直到已挑选公交线路集合中的公交线路的数量等于预设阈值;
将预置的已挑选公交线路集合中的公交线路作为广告投放公交线路进行推荐。
27.一种电子设备,包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行根据权利要求1-13任一个所述的车载广告公交线路推荐方法。
28.一种计算机存储介质,其中,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行根据权利要求1-13任一项所述的车载广告公交线路推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711310513.2A CN108171534B (zh) | 2017-12-11 | 2017-12-11 | 一种车载广告公交线路推荐方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711310513.2A CN108171534B (zh) | 2017-12-11 | 2017-12-11 | 一种车载广告公交线路推荐方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108171534A CN108171534A (zh) | 2018-06-15 |
CN108171534B true CN108171534B (zh) | 2021-06-15 |
Family
ID=62524896
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711310513.2A Active CN108171534B (zh) | 2017-12-11 | 2017-12-11 | 一种车载广告公交线路推荐方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108171534B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113570185B (zh) * | 2021-06-08 | 2024-05-24 | 深圳市综合交通设计研究院有限公司 | 一种基于gis的公交场站供需指数***及其发布方法 |
CN114708018B (zh) * | 2022-03-26 | 2023-10-27 | 武汉万驰机械设备租赁有限公司 | 一种基于数据分析的电子屏广告智能计费管理*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103077672A (zh) * | 2012-12-28 | 2013-05-01 | 合肥工业大学 | 地理位置相关的公交广告发布*** |
CN104134343A (zh) * | 2014-06-23 | 2014-11-05 | 上海城市交通设计院有限公司 | 一种基于交通卡数据的乘客上下车时间和位置的获取方法 |
US20150332354A1 (en) * | 2014-05-15 | 2015-11-19 | Ting Wang | Flexible fare bus framework to reduce bus bunching |
CN105956885A (zh) * | 2016-05-16 | 2016-09-21 | 温州市鹿城区中津先进科技研究院 | 车辆广告投放计价参考值的计算方法及装置 |
-
2017
- 2017-12-11 CN CN201711310513.2A patent/CN108171534B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103077672A (zh) * | 2012-12-28 | 2013-05-01 | 合肥工业大学 | 地理位置相关的公交广告发布*** |
US20150332354A1 (en) * | 2014-05-15 | 2015-11-19 | Ting Wang | Flexible fare bus framework to reduce bus bunching |
CN104134343A (zh) * | 2014-06-23 | 2014-11-05 | 上海城市交通设计院有限公司 | 一种基于交通卡数据的乘客上下车时间和位置的获取方法 |
CN105956885A (zh) * | 2016-05-16 | 2016-09-21 | 温州市鹿城区中津先进科技研究院 | 车辆广告投放计价参考值的计算方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108171534A (zh) | 2018-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108053240B (zh) | 生成车载广告投放公交线路方案的方法及装置 | |
García-Albertos et al. | Exploring the potential of mobile phone records and online route planners for dynamic accessibility analysis | |
Liu et al. | Characterizing mixed-use buildings based on multi-source big data | |
Benenson et al. | Public transport versus private car GIS-based estimation of accessibility applied to the Tel Aviv metropolitan area | |
Chung et al. | A trip reconstruction tool for GPS-based personal travel surveys | |
Liu et al. | Understanding intra-urban trip patterns from taxi trajectory data | |
Guan et al. | Delineating urban park catchment areas using mobile phone data: A case study of Tokyo | |
CN102595323B (zh) | 基于手机定位数据的居民出行特征参数的获取方法 | |
US20120277985A1 (en) | Method of analyzing points of interest with probe data | |
CN108427679B (zh) | 一种人流分布处理方法及其设备 | |
CN108154387B (zh) | 公交车身广告投放线路方案的评估方法及装置 | |
EP3014491B1 (en) | Displaying demographic data | |
US20150006255A1 (en) | Determining demographic data | |
CN108182593B (zh) | 基于地图数据的公交车身广告投放线路定制方法及装置 | |
CN108108997B (zh) | 车载广告投放公交线路选取方法及装置 | |
US20150213055A1 (en) | Digital location-based data methods and product | |
Liang et al. | Assessing the validity of mobile device data for estimating visitor demographics and visitation patterns in Yellowstone National Park | |
CN108171534B (zh) | 一种车载广告公交线路推荐方法及装置 | |
Chia et al. | Extending public transit accessibility models to recognise transfer location | |
CN108038728B (zh) | 公交车身广告投放线路方案生成方法、装置及电子设备 | |
Parkany et al. | Modeling stated and revealed route choice: consideration of consistency, diversion, and attitudinal variables | |
CN108197973B (zh) | 基于地图数据的车载广告公交线路推荐方法及装置 | |
CN108171970A (zh) | 一种获取公交车乘客轨迹的方法及装置 | |
Wang et al. | Flow-based accessibility measurement: The Place Rank approach | |
CN108053238B (zh) | 面向公交车身广告投放线路定制方法、装置及电子设备 |
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 |