CN114036358A - 自驾游的数据分析方法、装置、设备和存储介质 - Google Patents
自驾游的数据分析方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN114036358A CN114036358A CN202111226203.9A CN202111226203A CN114036358A CN 114036358 A CN114036358 A CN 114036358A CN 202111226203 A CN202111226203 A CN 202111226203A CN 114036358 A CN114036358 A CN 114036358A
- Authority
- CN
- China
- Prior art keywords
- self
- driving
- tour
- target
- traffic data
- 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
- 238000007405 data analysis Methods 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000011161 development Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- 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
- G06Q50/14—Travel agencies
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本申请涉及一种自驾游的数据分析方法、装置、设备和存储介质。所述方法包括:根据预设指标的指标信息设置多个自驾游类型;其中,所述自驾游类型包括本地自驾一日游、本地自驾过夜游、跨地市自驾一日游以及跨地市自驾过夜游;所述预设指标为表征自驾游的信息指标;获取目标日期内目标地址对应的目标交通数据;根据所述目标交通数据确定出与所述预设指标对应的目标指标信息,并根据所述目标指标信息确定出各用户的目标自驾游类型。
Description
技术领域
本申请涉及交通信息技术领域,特别是涉及一种自驾游的数据分析方法、装置、设备和存储介质。
背景技术
近年来,随着社会经济技术的快速发展,自驾游逐渐成为一种较为主流的旅行方式。为了进一步对自驾游的数据进行分析,目前的技术方案一般通过用户输入或者通过定位装置获取到用户的自驾游的行程起点和行程终点,并确定出用户的自驾游的行程长度;但是这种技术方案仅能够确定出自驾游的行程长度,且是针对每个用户个体得出对应的行程长度;并且在需要获取多个用户的自驾游的行程长度时,需要针对各不同用户分别获取对应的自驾游的行程起点和行程终点,操作过程繁琐。
因此,如何对自驾游的数据进行分析,以提高对自驾游的数据分析的全面性和便捷度,是本领域技术人员目前需要解决的技术问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够对自驾游的数据进行分析,以提高对自驾游的数据分析的全面性和便捷度的自驾游的数据分析方法、装置、设备和存储介质。
一种自驾游的数据分析方法,所述方法包括:
根据预设指标的指标信息设置多个自驾游类型;其中,所述自驾游类型包括本地自驾一日游、本地自驾过夜游、跨地市自驾一日游以及跨地市自驾过夜游;所述预设指标为表征自驾游的信息指标;
获取目标日期内目标地址对应的目标交通数据;
根据所述目标交通数据确定出与所述预设指标对应的目标指标信息,并根据所述目标指标信息确定出各用户的目标自驾游类型。
在其中一个实施例中,所述获取目标日期内目标地址对应的目标交通数据,包括:
获取目标区域中与出口通行数据表对应的区域交通数据;其中,所述目标地址隶属于所述目标区域;
根据车辆类型、所述目标地址、所述目标日期、最小行程距离和最小行程时长对所述区域交通数据进行筛选,得出所述目标日期内所述目标地址的所述目标交通数据。
在其中一个实施例中,所述根据所述目标交通数据确定出与所述预设指标对应的目标指标信息,并根据所述目标指标信息确定出各用户分别对应的目标自驾游类型,包括:
根据所述目标交通数据确定出各车辆的行程数、行程终点的归属地和停留时间;
根据各所述车辆分别对应的所述行程数、所述行程终点的归属地和所述停留时间确定出与各所述用户分别对应的目标自驾游类型。
在其中一个实施例中,所述根据各所述车辆分别对应的所述行程数、所述行程终点的归属地和所述停留时间确定出与各所述用户分别对应的目标自驾游类型,包括:
若所述行程数为1,且所述行程终点的归属地与行程起点的归属地在同一归属地,确定对应的用户的目标自驾游类型为所述本地自驾过夜游;
若所述行程数为1,所述行程终点的归属地与行程起点的归属地不在同一归属地,确定对应的用户的目标自驾游类型为所述跨地市自驾过夜游;
若所述行程数为2,停留时间大于预设时长,且所述行程终点的归属地与行程起点的归属地在同一归属地,确定对应的用户的目标自驾游类型为所述本地自驾一日游;
若所述行程数为2,停留时间大于预设时长,所述行程终点的归属地与行程起点的归属地不在同一归属地,确定对应的用户的目标自驾游类型为所述跨地市一日游。
在其中一个实施例中,所述方法还包括:
根据所述目标指标信息统计各不同的所述自驾游类型分别对应的平均停留时间和平均行驶距离。
在其中一个实施例中,所述方法还包括:
获取多个不同年度的相同时间段的自驾游信息;其中,所述自驾游信息包括各所述自驾游类型的数量、各所述自驾游类型的所述平均停留时间和所述平均行驶距离;
对各所述自驾游信息进行分析,确定出各不同的所述自驾游类型的发展趋势。
在其中一个实施例中,所述方法还包括:
利用各所述自驾游类型的各所述行程终点以及与各所述自驾游类型对应的所述平均停留时间和平均行驶距离确定出各所述行程终点的吸引力程度。
一种自驾游的数据分析装置,所述装置包括:
设置模块,用于根据预设指标的指标信息设置多个自驾游类型;其中,所述自驾游类型包括本地自驾一日游、本地自驾过夜游、跨地市自驾一日游以及跨地市自驾过夜游;所述预设指标为表征自驾游的信息指标;
获取模块,用于获取目标日期内目标地址对应的目标交通数据;
分析模块,用于根据所述目标交通数据确定出与所述预设指标对应的目标指标信息,并根据所述目标指标信息确定出各用户的目标自驾游类型。
一种自驾游的数据分析设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
根据预设指标的指标信息设置多个自驾游类型;其中,所述自驾游类型包括本地自驾一日游、本地自驾过夜游、跨地市自驾一日游以及跨地市自驾过夜游;所述预设指标为表征自驾游的信息指标;
获取目标日期内目标地址对应的目标交通数据;
根据所述目标交通数据确定出与所述预设指标对应的目标指标信息,并根据所述目标指标信息确定出各用户的目标自驾游类型。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
根据预设指标的指标信息设置多个自驾游类型;其中,所述自驾游类型包括本地自驾一日游、本地自驾过夜游、跨地市自驾一日游以及跨地市自驾过夜游;所述预设指标为表征自驾游的信息指标;
获取目标日期内目标地址对应的目标交通数据;
根据所述目标交通数据确定出与所述预设指标对应的目标指标信息,并根据所述目标指标信息确定出各用户的目标自驾游类型。
上述自驾游的数据分析方法、装置、设备和存储介质,通过根据预设指标的指标信息设置多个自驾游类型;其中,自驾游类型包括本地自驾一日游、本地自驾过夜游、跨地市自驾一日游以及跨地市自驾过夜游;因此在根据目标日期内目标地址对应的目标交通数据确定出目标指标信息后,能够根据目标指标信息更精准地确定出各用户的目标自驾游类型;并且通过获取目标日期内目标地址对应的目标交通数据,直接利用根据目标交通数据确定出的目标指标信息确定各用户对应的目标自驾游类型,可以同时针对多个用户分别确定出各用户分别对应的自驾游类型,因此能够提高对自驾游的数据分析的全面性和便捷度。
附图说明
图1为一个实施例中自驾游的数据分析方法的应用环境图;
图2为一个实施例中自驾游的数据分析方法的流程示意图;
图3为一个实施例中确定出目标交通数据的流程示意图;
图4为一个实施例中确定出各用户的目标自驾游类型的流程示意图;
图5为一个实施例中自驾游的数据分析装置的结构框图;
图6为一个实施例中自驾游的数据分析设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的自驾游的数据分析方法,可以应用于如图1所示的应用环境中。该环境涉及自驾游的数据分析设备102和交通数据站的交通数据采集设备104,自驾游的数据分析设备102与交通数据采集设备104通信连接。其中,交通数据采集设备104可以是设置于各高速路口的数据采集设备,用于采集对应高速路口的交通数据并发送给自驾游的数据分析设备102,交通数据采集设备104也可以是在获取到其他交通数据采集设备104采集的对应高速路口的交通数据并进行汇总后,将汇总后的交通数据统一发送给自驾游的数据分析设备102。自驾游的数据分析设备102从交通数据采集设备104获取全部的交通数据,并根据目标日期、目标地址,从获取到的全部的交通数据中筛选出目标交通数据,然后对目标交通数据进行分析,得出对应的目标指标信息,以根据目标指标信息确定出各用户分别对应的目标自驾游类型。自驾游的数据分析设备102可以但不限于是各种个人计算机、笔记本电脑,此外,自驾游的数据分析设备102还可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种自驾游的数据分析方法,以该方法应用于图1中的自驾游的数据分析设备102为例进行说明,包括以下步骤:
步骤202,根据预设指标的指标信息设置多个自驾游类型;其中,自驾游类型包括本地自驾一日游、本地自驾过夜游、跨地市自驾一日游以及跨地市自驾过夜游;预设指标为表征自驾游的信息指标。
具体的,预设指标为表征自驾游的信息指标,根据预设指标的指标信息可以区分各不同的自驾游类型。在实际操作中,预设指标一般是多个,根据多个预设指标的指标信息的不同组合情况,设置多个不同的自驾游类型。并且,当预设指标对应的信息为文字时,根据预设指标的信息类型设置对应的自驾游类型;当预设指标对应的信息为数值时,根据预设指标的数据范围设置对应的自驾游类型。
在本实施例中,预设指标可以包括行程数、行程起点、行程终点以及停留时间等,自驾游类型包括本地自驾一日游、本地自驾过夜游、跨地市自驾一日游以及跨地市自驾过夜游;其中,本地自驾一日游指的是旅游行程的行程起点和行程终点在同一地市,且在同一天内往返于行程起点和行程终点的自驾游;本地自驾过夜游指的是旅游行程的行程起点和行程终点在同一地市,且不在同一天内往返于行程起点和行程终点的自驾游;跨地市自驾一日游指的是旅游行程的行程起点和行程终点不在同一地市,且在同一天内往返于行程起点和行程终点的自驾游;跨地市自驾过夜游指的是旅游行程的行程起点和行程终点不在同一地市,且不在同一天内往返于行程起点和行程终点的自驾游。
步骤204,获取目标日期内目标地址对应的目标交通数据。
在本实施例中,目标地址一般为根据行政区域划分的地址,如可以是某个省级行政区,如云南省、北京市等,也可以是市级行政区,如昆明市、丽江市等,还可以是地级行政区,如昆明市内各不同区,本实施例对此不做限定。目标日期即需要进行自驾游数据分析的某一个日期,即确定出某一天24小时内用户的目标自驾游类型。需要说明的是,当需要对一段时间内的自驾游的数据进行分析时,具体是将该时间段内的每一天分别作为目标日期进行自驾游的数据分析;本实施例对一段时间的具体时长不做限定,例如,例如可以是周末两天、三天小长假、五一、十一、春节等节假日;更具体的,当需要对国庆七天假期内的自驾游的数据进行分析,需要将国庆七天内的每一天分别设置为目标日期进行自驾游的数据分析,得出对应的分析结果。
在获取目标交通数据时,可以是先获取包括目标地址、目标日期在内的全部交通数据,再在确定出目标日期和目标地址后,从全部交通数据中筛选出对应的目标交通数据。其中,全部交通数据为根据预设字段获取到的交通数据,预设字段包括但不限于入口站名称、出口站名称、出口日期及时间、入口日期及时间等。另外,在其他实施例中,也可以是先确定出目标日期和目标地址,再依据目标日期、目标地址和预设字段采集对应的交通数据,采集到的交通数据即为目标交通数据。
步骤206,根据目标交通数据确定出与预设指标对应的目标指标信息,并根据目标指标信息确定出各用户分别对应的目标自驾游类型。
具体的,在获取到目标交通数据后,对目标交通数据进行分析,根据目标交通数据确定出与预设指标对应的目标指标信息。例如,根据目标交通数据确定出与各用户分别对应的行程数、行程起点、行程终点以及停留时间等。然后根据目标指标信息与预先设置的各不同自驾游类型的指标信息的对应关系,以及各目标指标信息与各用户的对应关系,确定出与各用户对应的目标自驾游类型。
更具体的,在实际操作中,同一车牌对应的交通数据即为同一用户的交通数据,根据同一车牌对应的交通数据确定出的目标指标信息,即为对应的用户的目标指标信息。根据目标指标信息确定出不同用户分别对应的行程起点和行程终点,因此能够根据行程起点和行程终点确定出对应用户的自驾游为本地自驾游还是跨地市自驾游;根据目标指标信息确定出不同用户分别对应的行程时长,确定出对应用户的自驾游为一日游还是过夜游,综合目标指标信息,能够确定出各用户分别对应的目标自驾游类型。
本发明实施例提供的一种自驾游的数据分析方法,通过根据预设指标的指标信息设置多个自驾游类型;其中,自驾游类型包括本地自驾一日游、本地自驾过夜游、跨地市自驾一日游以及跨地市自驾过夜游;因此在根据目标日期内目标地址对应的目标交通数据确定出目标指标信息后,能够根据目标指标信息更精准地确定出各用户的目标自驾游类型;并且通过获取目标日期内目标地址对应的目标交通数据,直接利用根据目标交通数据确定出的目标指标信息确定各用户对应的目标自驾游类型,可以同时针对多个用户分别确定出各用户分别对应的自驾游类型,因此能够提高对自驾游的数据分析的全面性和便捷度。
在上述实施例的基础上,本实施例对技术方案作了进一步的说明和优化,具体的,本实施例中,获取目标日期内目标地址对应的目标交通数据,包括:
获取目标区域中与出口通行数据表对应的区域交通数据;其中,目标地址隶属于目标区域;
根据车辆类型、目标地址、目标日期、最小行程距离和最小行程时长对区域交通数据进行筛选,得出目标日期内目标地址的目标交通数据。
具体的,目标区域为包括目标地址的更大范围的区域,即目标地址隶属于目标区域;通过获取目标区域中的各高速路口的交通数据,获取与目标区域对应的区域交通数据,即区域交通数据包括目标地址的交通数据。更具体的,在采集交通数据时,具体是根据出口通行数据表中的预设字段采集对应的交通数据。如表1所示,为本实施例提供的一种出口通行数据表。
表1出口通行数据表
在本实施例中,在获取到目标区域的区域交通数据后,还可以进一步对区域交通数据进行预处理操作,预处理操作包括对区域交通数据进行格式转换和删除缺失值;其中,格式转换指的是将区域交通数据中相同预设字段的交通数据转换为统一单位格式;缺失值指的是在某时刻没有采集到与预设字段对应的交通数据或者某时刻的交通数据丢失,导致该时刻的预设字段对应的交通数据为空的情况,因此在检测到区域交通数据中的缺失值时,删除该缺失值;后续利用预处理后的区域交通数据进行分析,能够进一步提高对自驾游的数据分析的便捷度和准确度。
如图3所示,为本实施例提供的一种确定出目标交通数据的流程示意图。具体的,在得出区域交通数据后,根据预设字段对区域交通数据进行反复清洗、筛选,确定出符合自驾游定义的目标交通数据;具体包括如下步骤:
步骤302,对区域交通数据进行筛选,保留7座及以下的车辆对应的交通数据,删除普通车牌对应的交通数据。一般的,车辆类型包括轿车、载货车、客车、挂车和摩托车等。本实施例中,是将轿车确定为符合自驾游定义的车辆类型,因此对预设字段为“出口计费车型代码”和“出口车种代码”对应的区域交通数据进行筛选,筛选出7座及以下的车辆;并且,对预设字段为“出口实际车辆车牌号”对应的区域交通数据进行筛选,删除车牌号中首字符不是文字的车牌号以及车牌号中包含“警”字的车牌号对应的车辆的交通数据,得出满足车辆类型要求的交通数据。
步骤304,对区域交通数据进行筛选,删除非目标地址的交通数据。
在实际操作中,获取预设字段为“出口站名称”和“入口站名称”对应的区域交通数据,并根据获取到的预设字段对应的区域交通数据,判断各车辆对应的出口站或入口站是否属于目标地址,若是,则表示该交通数据为目标地址对应的交通数据,否则表示该交通数据不是目标地址对应的交通数据,因此删除该交通数据。
步骤306,对区域交通数据进行筛选,删除非目标日期的交通数据。
目标日期指的是需要进行自驾游的数据分析的日期,本实施例中的目标日期为某一天的时间;更具体的,目标日期为某一天0:00:00至该日23:59:59之间的时间,具体通过获取区域交通数据中预设字段为“入口时间”和“出口日期及时间”对应的交通数据,筛选出入口时间或者出口时间在目标日期内的区域交通数据,即得出满足目标时间要求的交通数据。
步骤308,对区域交通数据进行筛选,删除行程距离小于最小行程距离对应的交通数据。
需要说明的是,一般将出行距离超10km的行程才定义为自驾游的行程,因此需要确定最小行程距离,并判断各车辆对应的交通数据的行程距离是否大于该最小行程距离;若行程距离大于该最小行程距离,表示该车辆对应的交通数据符合自驾游的定义;若小于,则表示该车辆对应的交通数据不符合自驾游的定义,因此删除该车辆对应的交通数据。在本实施例中,通过获取区域交通数据中预设字段为“计费总里程数”对应的交通数据,判断各车辆对应的行程距离是否大于10km;若是,则表示该车辆对应的交通数据符合自驾游的定义;若否,则表示该交通数据不符合自驾游的定义,因此删除该车辆对应的交通数据。
步骤310,对区域交通数据进行筛选,删除行程时长小于最小行程时长对应的交通数据。
需要说明的是,一般将出行时间超过6分钟的行程才定义为自驾游的行程,即自驾游的最小行程时长为6分钟,自驾游的出值需大于0.1。在实际操作中,获取区域交通数据中预设字段为“入口时间”和“出口日期及时间”对应的区域交通数据,根据出口时间和入口时间计算出各车辆对应的交通数据的行程时长,判断计算出的各车辆对应的行程时长是否大于最小行程时长;若是,表示该车辆对应的交通数据符合自驾游的定义;若否,表示该车辆对应的交通数据不符合自驾游的定义,因此删除该车辆对应的交通数据。
可见,按照本实施例的方法,通过获取目标区域中与出口通行数据表对应的区域交通数据,并根据预设字段对区域交通数据进行筛选,能够快速便捷地从大量的区域交通数据中确定出符合自驾游定义的目标交通数据,进而能够提高进行自驾游的数据分析的效率。
另外需要说明的是,交通数据每日数据体量可达到千万条级别,在实际操作中,可利用Clickhouse、PostgreSQL等处理工具进行数据分析。其中,ClickHouse一种列式存储数据库(DBMS),主要用于在线分析处理查询(OLAP),能够使用SQL查询实时生成分析数据报告。具体的,将获取到的区域交通数据存储在Clickhouse中,且每次有新的交通数据入库时,Clickhouse都会通过雾化视图计算相同车牌(同一辆车)是否有往返操作。由于ClickHouse是列式数据库,因此其计算速度超过传统行式数据库数倍。其中,PostgreSQL是一种特性非常齐全的自由软件的对象-关系型数据库管理***(ORDBMS),是以加州大学计算机系开发的POSTGRES,4.2版本为基础的对象关系型数据库管理***。PostgreSQL支持大部分的SQL标准并且提供了很多其他现代特性,如复杂查询、外键、触发器、视图、事务完整性、多版本并发控制等。另有部分数据计算是基于Apache Spark,其中,Apache Spark是专为大规模数据处理而设计的快速通用的计算引擎。数据存储为PostgreSQL分区表;按数据同步即确定出目标交通数据;数据分层计算即根据目标交通数据确定出目标指标信息,并落地到PostgreSQL;再依据目标指标信息确定各用户对应的目标自驾游类型;最后统计输出结果到app层落地PostgreSQL。
可见,利用利用Clickhouse、PostgreSQL等处理工具进行数据分析,能够提高数据分析的效率,在实际操作中,还可以利用其他的处理工具,本实施例对此不做限定。
在一个实施例中,根据目标交通数据确定出与预设指标对应的目标指标信息,并根据目标指标信息确定出各用户分别对应的目标自驾游类型,包括:
根据目标交通数据确定出各车辆的行程数、行程终点的归属地和停留时间。
具体的,在确定出目标交通数据后,对目标交通数据进行分析,确定出各车辆分别对应的行程数。其中,行程数指的是在某个目标日期内,用户从行程起点出发,到达行程终点的一次单向车程。
在本实施例中,确定车辆的行程数的方法包括:确定各车辆分别对应的入口站,入口站也就是用户自驾游的行程起点;判断同一车牌号在该入口站出现的次数,若出现次数为1,表示该车辆在目标日期内的行程数为1;若出现次数为2,表示该车辆在目标日期内的行程数为2。
需要说明的是,确定行程终点的归属地的目的是为了判断用户的行程起点和行程终点是否属于同一目标地址,以便于确定用户对应的自驾游为本地自驾游还是跨地市自驾游。
具体的,停留时间指的是到达行程终点至再次从行程终点出发的时间间隔;通过获取车辆在行程终点的出站时间和从行程终点再次出发时对应的进站时间,根据该车辆的进站时间和出站时间之间的时间差,确定出用户在行程终点的停留时间。
根据各车辆分别对应的行程数、行程终点的归属地和停留时间确定出与各用户分别对应的目标自驾游类型。
具体的,针对每个用户而言,根据用户的目标指标信息的组合情况,确定出对应用户的目标自驾游类型。
如图4所示,为本发明实施例提供的一种确定出各用户的目标自驾游类型的流程示意图。作为一种优选的实施方式,根据各车辆分别对应的行程数、行程终点的归属地和停留时间确定出与各用户分别对应的目标自驾游类型,包括:
若行程数为1,且行程终点的归属地与行程起点的归属地在同一归属地,确定对应的用户的目标自驾游类型为本地自驾过夜游;
若行程数为1,行程终点的归属地与行程起点的归属地不在同一归属地,确定对应的用户的目标自驾游类型为跨地市自驾过夜游;
若行程数为2,停留时间大于预设时长,且行程终点的归属地与行程起点的归属地在同一归属地,确定对应的用户的目标自驾游类型为本地自驾一日游;
若行程数为2,停留时间大于预设时长,行程终点的归属地与行程起点的归属地不在同一归属地,确定对应的用户的目标自驾游类型为跨地市一日游。
具体的,在本实施例中,获取用户的行程数、行程终点和停留时间等目标指标数据;然后判断行程数是否为1;若为1,则表示该用户在目标日期内为单程出行,用户在行程终点过夜;然后进一步判断行程起点和行程终点的归属地是否为同一归属地,若为同一归属地,则表示该用户在同一归属地出行,因此确定该用户的目标自驾游类型为本地自驾过夜游;若不为同一归属地,则表示该用户不在同一归属地出行,因此确定该用户的目标自驾游类型为跨地市自驾过夜游;
若不为1,则判断该行程数是否为2;若为2,则表示用户在目标日期内往返于行程起点和行程终点;然后进一步判断该用户的停留时间是否大于预设时长;预设时长一般根据平均旅游时间或者旅游最低时间设置,本实施例优选地设置预设时长为6小时,即当判定出用户在行程终点的停留时间大于或等于6小时时,才认定该用户在行程终点旅游;然后进一步判断行程起点和行程终点的归属地是否为同一归属地,若为同一归属地,则表示该用户在同一归属地出行,因此确定该用户的目标自驾游类型为本地自驾一日游;
若不为同一归属地,则表示该用户不在同一归属地出行,因此确定该用户的目标自驾游类型为跨地市自驾一日游;若用户的停留时间小于预设时长,则表示该用户只是路过该行程终点,判定该用户并不是自驾游。
可见,在本实施例中,根据行程数、行程终点的归属地和停留时间就可以确定出用户的自驾游类型,确定过程便捷准确。
在上述实施例的基础上,本实施例对技术方案作了进一步的说明和优化,具体的,本实施例中,方法还包括:
根据目标指标信息统计各不同的自驾游类型分别对应的平均停留时间和平均行驶距离。
具体的,平均停留时间指的是相同自驾游类型的用户在行程终点所停留的时间的平均值;例如,针对本地自驾一日游这一自驾游类型,分别获取该自驾游类型的各用户在行程终点的停留时间,然后利用各停留时间计算出该自驾游类型对应的平均停留时间。
具体的,平均行驶距离指的是相同自驾游类型的用户的出行行程的平均距离;例如,针对本地自驾一日游这一自驾游类型,分别获取该自驾游类型的各用户的出行行程,然后利用各出行行程计算出该自驾游类型对应的平均行驶距离。
需要说明的是,可以是针对某一种自驾游类型确定出对应的平均停留时间和平均行驶距离,可以是针对各自驾游类型分别确定出对应的平均停留时间和平均行驶距离,本实施例对此不做限定。
可见,本实施例通过进一步确定出不同自驾游类型对应的平均停留时间和平均行驶距离,能够便捷直观地确定出各自驾游类型的区别。
此外,在实际操作中,在确定出各自驾游类型分别对应的平均停留时间和平均行驶距离之后,还可以利用预设显示装置对确定出的信息进行展示,即利用预设显示装置对每一种自驾游类型以及与各自驾游类型分别对应的平均停留时间和平均行驶距离进行可视化展示,因此能够更进一步提高查看自驾游类型及区别的便捷度。
在上述实施例的基础上,本实施例对技术方案作了进一步的说明和优化,具体的,本实施例中,方法还包括:
获取多个不同年度的相同时间段的自驾游信息;其中,自驾游信息包括各自驾游类型的数量、各自驾游类型的平均停留时间和平均行驶距离;
对各自驾游信息进行分析,确定出各不同的自驾游类型的发展趋势。
具体的,不同年度的相同时间段的自驾游信息指的是年份不同但日期相同的自驾游信息,例如,2018-2021年连续4年中每一年的劳动节的自驾游信息。自驾游信息包括各自驾游类型的数量,例如2018-2021年连续4年中每一年的5月1日的四种自驾游类型分别对应的数量,并获取与每一年对应的四种自驾游类型分别对应的平均停留时间和平均行驶距离。
在一种具体的实施方式中,通过获取各不同年度的目标日期的自驾游信息,综合各年度的自驾游信息进行分析,例如,将每一年的中秋节的各不同自驾游类型的数量进行比较,确定各不同自驾游类型的数量是随年度增长而增长,还是各不同自驾游类型的数量随年度增长而降低;或者,根据各不同年度的自驾游类型的平均停留时间,例如,各不同年度的本地自驾一日游的平均停留时间是逐年增长,还是逐年降低等。根据自驾游类型的数量的变化情况以及各自驾游类型的平均停留时间和平均行驶距离的变化情况,确定出各不同的自驾游类型的发展趋势。
本实施例通过对自驾游信息进行分析,确定各不同自驾游类型的同比涨幅情况,确定出各不同的自驾游类型的发展趋势,从而判断旅游行业的发展情况;并且可以在周末或节假日来临时,根据分析结果有效监控自驾游出行人次、范围和时长。
在上述实施例的基础上,本实施例对技术方案作了进一步的说明和优化,具体的,本实施例中,方法还包括:
利用各目标自驾游类型的各行程终点以及与各目标自驾游类型对应的平均停留时间和平均行驶距离确定出各行程终点的吸引力程度。
具体的,在本实施例中,是在确定出各用户分别对应的目标自驾游类型以及获取各目标自驾游类型分别对应的行程终点、平均停留时间和平均行驶距离后,根据平均停留时间、平均行驶距离的大小,确定出对应的行程终点吸引力程度。可以理解的是,一般来说,行程终点对应的平均停留时间越长、平均行驶距离越长,表示该行程终点的吸引力越大。
本实施例通过进一步确定出行程终点的吸引力程度,能够确定出热门的自驾游目的地,从而引导当地景区/乡村进行招商引资,扩大规模,助力乡村旅游发展,与乡村振兴计划结合,为后续发展旅游业决策提供依据。
应该理解的是,虽然上述实施例涉及的各流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,上述实施例涉及的各流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图5所示,提供了一种自驾游的数据分析装置,包括:设置模块502、获取模块504和分析模块506,其中:
设置模块502,用于根据预设指标的指标信息设置多个自驾游类型;其中,自驾游类型包括本地自驾一日游、本地自驾过夜游、跨地市自驾一日游以及跨地市自驾过夜游;预设指标为表征自驾游的信息指标;
获取模块504,用于获取目标日期内目标地址对应的目标交通数据;
分析模块506,用于根据目标交通数据确定出与预设指标对应的目标指标信息,并根据目标指标信息确定出各用户的目标自驾游类型。
在一个实施例中,获取模块包括:
获取子模块,用于获取目标区域中与出口通行数据表对应的区域交通数据;其中,目标地址隶属于目标区域;
筛选子模块,用于根据车辆类型、目标地址、目标日期、最小行程距离和最小行程时长对区域交通数据进行筛选,得出目标日期内目标地址的目标交通数据。
在一个实施例中,分析模块包括:
第一确定子模块,用于根据目标交通数据确定出各车辆的行程数、行程终点的归属地和停留时间;
第二确定子模块,用于根据各车辆分别对应的行程数、行程终点的归属地和停留时间确定出与各用户分别对应的目标自驾游类型。
在一个实施例中,第二确定子模块包括:
第一确定单元,用于在行程数为1,且行程终点的归属地与行程起点的归属地在同一归属地时,确定对应的用户的自驾游类型为本地自驾过夜游;
第二确定单元,用于在行程数为1,行程终点的归属地与行程起点的归属地不在同一归属地时,确定对应的用户的自驾游类型为跨地市自驾过夜游;
第三确定单元,用于在行程数为2,停留时间大于预设时长,且行程终点的归属地与行程起点的归属地在同一归属地时,确定对应的用户的自驾游类型为本地自驾一日游;
第四确定单元,用于在行程数为2,停留时间大于预设时长,行程终点的归属地与行程起点的归属地不在同一归属地时,确定对应的用户的自驾游类型为跨地市一日游。
在一个实施例中,一种自驾游的数据分析装置还包括:
统计模块,用于根据目标指标信息统计各不同的自驾游类型分别对应的平均停留时间和平均行驶距离。
在一个实施例中,一种自驾游的数据分析装置还包括:
第一分析模块,用于获取多个不同年度的相同时间段的自驾游信息;其中,自驾游信息包括各自驾游类型的数量、各自驾游类型的平均停留时间和平均行驶距离;
第二分析模块,用于对各自驾游信息进行分析,确定出各不同的自驾游类型的发展趋势。
在一个实施例中,一种自驾游的数据分析装置还包括:
第三分析模块,用于利用各自驾游类型的各行程终点以及与各自驾游类型对应的平均停留时间和平均行驶距离确定出各行程终点的吸引力程度。
关于自驾游的数据分析装置的具体限定可以参见上文中对于自驾游的数据分析方法的限定,在此不再赘述。上述自驾游的数据分析装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于自驾游的数据分析设备中的处理器中,也可以以软件形式存储于自驾游的数据分析设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种自驾游的数据分析设备,该自驾游的数据分析设备可以是终端,其内部结构图可以如图6所示。该自驾游的数据分析设备包括通过***总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该自驾游的数据分析设备的处理器用于提供计算和控制能力。该自驾游的数据分析设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该自驾游的数据分析设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种自驾游的数据分析方法。该自驾游的数据分析设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该自驾游的数据分析设备的输入装置可以是显示屏上覆盖的触摸层,也可以是自驾游的数据分析设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的自驾游的数据分析设备的限定,具体的自驾游的数据分析设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种自驾游的数据分析设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
根据预设指标的指标信息设置多个自驾游类型;其中,自驾游类型包括本地自驾一日游、本地自驾过夜游、跨地市自驾一日游以及跨地市自驾过夜游;预设指标为表征自驾游的信息指标;
获取目标日期内目标地址对应的目标交通数据;
根据目标交通数据确定出与预设指标对应的目标指标信息,并根据目标指标信息确定出各用户的目标自驾游类型。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
根据预设指标的指标信息设置多个自驾游类型;其中,自驾游类型包括本地自驾一日游、本地自驾过夜游、跨地市自驾一日游以及跨地市自驾过夜游;预设指标为表征自驾游的信息指标;
获取目标日期内目标地址对应的目标交通数据;
根据目标交通数据确定出与预设指标对应的目标指标信息,并根据目标指标信息确定出各用户的目标自驾游类型。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种自驾游的数据分析方法,其特征在于,所述方法包括:
根据预设指标的指标信息设置多个自驾游类型;其中,所述自驾游类型包括本地自驾一日游、本地自驾过夜游、跨地市自驾一日游以及跨地市自驾过夜游;所述预设指标为表征自驾游的信息指标;
获取目标日期内目标地址对应的目标交通数据;
根据所述目标交通数据确定出与所述预设指标对应的目标指标信息,并根据所述目标指标信息确定出各用户的目标自驾游类型。
2.根据权利要求1所述的方法,其特征在于,所述获取目标日期内目标地址对应的目标交通数据,包括:
获取目标区域中与出口通行数据表对应的区域交通数据;其中,所述目标地址隶属于所述目标区域;
根据车辆类型、所述目标地址、所述目标日期、最小行程距离和最小行程时长对所述区域交通数据进行筛选,得出所述目标日期内所述目标地址的所述目标交通数据。
3.根据权利要求1所述的方法,其特征在于,所述根据所述目标交通数据确定出与所述预设指标对应的目标指标信息,并根据所述目标指标信息确定出各用户分别对应的目标自驾游类型,包括:
根据所述目标交通数据确定出各车辆的行程数、行程终点的归属地和停留时间;
根据各所述车辆分别对应的所述行程数、所述行程终点的归属地和所述停留时间确定出与各所述用户分别对应的目标自驾游类型。
4.根据权利要求3所述的方法,其特征在于,所述根据各所述车辆分别对应的所述行程数、所述行程终点的归属地和所述停留时间确定出与各所述用户分别对应的目标自驾游类型,包括:
若所述行程数为1,且所述行程终点的归属地与行程起点的归属地在同一归属地,确定对应的用户的目标自驾游类型为所述本地自驾过夜游;
若所述行程数为1,所述行程终点的归属地与行程起点的归属地不在同一归属地,确定对应的用户的目标自驾游类型为所述跨地市自驾过夜游;
若所述行程数为2,停留时间大于预设时长,且所述行程终点的归属地与行程起点的归属地在同一归属地,确定对应的用户的目标自驾游类型为所述本地自驾一日游;
若所述行程数为2,停留时间大于预设时长,所述行程终点的归属地与行程起点的归属地不在同一归属地,确定对应的用户的目标自驾游类型为所述跨地市一日游。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述目标指标信息统计各不同的所述自驾游类型分别对应的平均停留时间和平均行驶距离。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
获取多个不同年度的相同时间段的自驾游信息;其中,所述自驾游信息包括各所述自驾游类型的数量、各所述自驾游类型的所述平均停留时间和所述平均行驶距离;
对各所述自驾游信息进行分析,确定出各不同的所述自驾游类型的发展趋势。
7.根据权利要求3所述的方法,其特征在于,所述方法还包括:
利用各所述自驾游类型的各所述行程终点以及与各所述自驾游类型对应的所述平均停留时间和平均行驶距离确定出各所述行程终点的吸引力程度。
8.一种自驾游的数据分析装置,其特征在于,所述装置包括:
设置模块,用于根据预设指标的指标信息设置多个自驾游类型;其中,所述自驾游类型包括本地自驾一日游、本地自驾过夜游、跨地市自驾一日游以及跨地市自驾过夜游;所述预设指标为表征自驾游的信息指标;
获取模块,用于获取目标日期内目标地址对应的目标交通数据;
分析模块,用于根据所述目标交通数据确定出与所述预设指标对应的目标指标信息,并根据所述目标指标信息确定出各用户的目标自驾游类型。
9.一种自驾游的数据分析设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111226203.9A CN114036358A (zh) | 2021-10-21 | 2021-10-21 | 自驾游的数据分析方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111226203.9A CN114036358A (zh) | 2021-10-21 | 2021-10-21 | 自驾游的数据分析方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114036358A true CN114036358A (zh) | 2022-02-11 |
Family
ID=80141673
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111226203.9A Pending CN114036358A (zh) | 2021-10-21 | 2021-10-21 | 自驾游的数据分析方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114036358A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111726980A (zh) * | 2018-11-20 | 2020-09-29 | 南京德朔实业有限公司 | 手推式自驱行进机器 |
CN112800348A (zh) * | 2021-01-26 | 2021-05-14 | 浙江旅游职业学院 | 一种基于手机信令大数据的旅游行为识别方法 |
-
2021
- 2021-10-21 CN CN202111226203.9A patent/CN114036358A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111726980A (zh) * | 2018-11-20 | 2020-09-29 | 南京德朔实业有限公司 | 手推式自驱行进机器 |
CN112800348A (zh) * | 2021-01-26 | 2021-05-14 | 浙江旅游职业学院 | 一种基于手机信令大数据的旅游行为识别方法 |
Non-Patent Citations (2)
Title |
---|
ABDUL WAHID 等: "Adaptive route planning in spatial road networks", 2016 INTERNATIONAL CONFERENCE ON WIRELESS COMMUNICATIONS, SIGNAL PROCESSING AND NETWORKING (WISPNET), 15 September 2016 (2016-09-15), pages 1281 - 1285 * |
孙兰军: "高速公路大数据分析与应用创新平台建设探析", 山东交通科技, 25 June 2020 (2020-06-25), pages 98 - 101 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ping et al. | Impact of driver behavior on fuel consumption: Classification, evaluation and prediction using machine learning | |
Lee et al. | Analysis of the passenger pick-up pattern for taxi location recommendation | |
CN104484993B (zh) | 用于交通小区划分的手机信令信息的处理方法 | |
Li et al. | Go slow to go fast: minimal on-road time route scheduling with parking facilities using historical trajectory | |
US20220260380A1 (en) | System and Method for Estimating and Predicting Vehicle Trip Energy Consumption | |
CN113128791B (zh) | 基于moves模型的机动车排放清单测算方法及装置 | |
CN110969834B (zh) | 处理方法、装置、计算机设备、存储介质及车辆调度*** | |
CN113538067B (zh) | 一种基于机器学习的城际网约车需求预测方法及*** | |
Chen et al. | Quantifying on-road vehicle emissions during traffic congestion using updated emission factors of light-duty gasoline vehicles and real-world traffic monitoring big data | |
CN117455237A (zh) | 一种基于多源数据的道路交通事故风险预测方法 | |
Kan et al. | Understanding space-time patterns of vehicular emission flows in urban areas using geospatial technique | |
Czégé et al. | Review on construction procedures of driving cycles | |
CN116433053B (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
Wang et al. | Verification and Analysis of Traffic Evaluation Indicators in Urban Transportation System Planning Based on Multi-Source Data–A Case Study of Qingdao City, China | |
Andersen et al. | An advanced data warehouse for integrating large sets of GPS data | |
Putri et al. | A distributed system for finding high profit areas over big taxi trip data with MognoDB and spark | |
CN114036358A (zh) | 自驾游的数据分析方法、装置、设备和存储介质 | |
CN116013084A (zh) | 交通管控场景确定方法、装置、电子设备及存储介质 | |
Kalila et al. | Big data fusion to estimate urban fuel consumption: a case study of riyadh | |
CN114407661A (zh) | 基于数据驱动的电动车能耗预测方法、***、设备及介质 | |
Elleuch et al. | Collection and exploration of GPS based vehicle traces database | |
Chen et al. | Examining regional mobility patterns of public transit and automobile users based on the smart card and mobile Internet data: a case study of Chengdu, China | |
CN114169247A (zh) | 仿真交通流的生成方法、装置、设备和计算机可读存储介质 | |
CN110942622B (zh) | 一种基于停车场实时运营大数据的停车场规划方法 | |
Gracious et al. | Characterizing Bus Travel Time using Advanced Data Visualization Techniques |
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 |