CN116862097B - 一种信息确定方法及设备 - Google Patents
一种信息确定方法及设备 Download PDFInfo
- Publication number
- CN116862097B CN116862097B CN202310682308.8A CN202310682308A CN116862097B CN 116862097 B CN116862097 B CN 116862097B CN 202310682308 A CN202310682308 A CN 202310682308A CN 116862097 B CN116862097 B CN 116862097B
- Authority
- CN
- China
- Prior art keywords
- commute
- area
- determining
- region
- analyzed
- 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 79
- 230000002159 abnormal effect Effects 0.000 claims abstract description 48
- 230000015654 memory Effects 0.000 claims description 32
- 238000004458 analytical method Methods 0.000 claims description 21
- 238000009826 distribution Methods 0.000 claims description 20
- 238000004891 communication Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 description 35
- 238000010586 diagram Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000011835 investigation Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000005291 magnetic effect Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000005294 ferromagnetic effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (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)
Abstract
本申请实施例公开了一种信息确定方法,该方法包括:获取待分析区域对应的第一通勤关系;其中,第一通勤关系表征待分析区域中多个子区域之间通勤人口的通勤情况;从待分析区域中确定人口居住集聚的第一区域和人口工作集聚的第二区域;基于异常通勤时长,从第一通勤关系中确定第一区域与第二区域之间的目标通勤关系;基于目标通勤关系,从待分析区域中确定存在异常通勤情况的目标区域。本申请实施例还公开了一种信息确定设备。
Description
技术领域
本申请涉及数据分析领域的公共交通服务能力检测技术,尤其涉及一种信息确定方法及设备。
背景技术
随着城市规模的扩大,通勤耗时的增加影响着城市的运行效率;其中,为了减少通勤耗时,通常采用问卷调查的方式确定城市中公共交通服务能力比较弱(即存在异常通勤情况)的目标区域,以便后续对该目标区域的公共交通设施进行优化;但是,上述确定城市中公共交通服务能力弱的目标区域的过程复杂,且效率低。
发明内容
为解决上述技术问题,本申请实施例期望提供一种信息确定方法及设备,解决了相关技术中确定目标区域的过程复杂,且效率低的问题。
本申请的技术方案是这样实现的:
一种信息确定方法,所述方法包括:
获取待分析区域对应的第一通勤关系;其中,所述第一通勤关系表征所述待分析区域中多个子区域之间通勤人口的通勤情况;
从所述待分析区域中确定人口居住集聚的第一区域和人口工作集聚的第二区域;
基于异常通勤时长,从所述第一通勤关系中确定所述第一区域与所述第二区域之间的目标通勤关系;
基于所述目标通勤关系,从所述待分析区域中确定存在异常通勤情况的目标区域。
上述方案中,所述获取待分析区域对应的第一通勤关系,包括:
基于目标尺寸参数,对所述待分析区域进行区域划分,得到多个子区域;
获取所述多个子区域中每两个子区域之间对应的通勤人数和通勤时长;
基于每一子区域的位置信息、所述每两个子区域之间对应的通勤人数和通勤时长,建立所述第一通勤关系。
上述方案中,所述从所述待分析区域中确定人口居住集聚的第一区域和人口工作集聚的第二区域,包括:
确定每一子区域的居住人口数量和所述每一子区域的工作人口数量;
对所述多个子区域的居住人口数量进行核密度分析得到第一核密度图,并对所述多个子区域的工作人口数量进行核密度分析得到第二核密度图;
基于所述第一核密度图,从所述待分析区域中确定所述第一区域,并基于所述第二核密度图从所述待分析区域中确定所述第二区域。
上述方案中,所述基于所述第一核密度图,从所述待分析区域中确定所述第一区域,并基于所述第二核密度图从所述待分析区域中确定所述第二区域,包括:
基于所述第一核密度图中栅格的第一密度值的分布情况,从所述第一核密度图中确定第一图像区域,并基于所述第二核密度图中栅格的第二密度值的分布情况,从所述第二核密度图中确定第二图像区域;其中,所述第一图像区域的边界上每一栅格的第一密度值相同;所述第二图像区域的边界上每一栅格的第二密度值均相同;
基于所述第一图像区域对应的所述第一密度值确定第一密度阈值,并基于所述第二图像区域对应的所述第二密度值确定第二密度阈值;
基于所述第一密度阈值和所述第一图像区域,从所述待分析区域中确定所述第一区域;
基于所述第二密度阈值和所述第二图像区域,从所述待分析区域中确定所述第二区域。
上述方案中,所述基于所述第一图像区域对应的所述第一密度值确定第一密度阈值,并基于所述第二图像区域对应的所述第二密度值确定第二密度阈值,包括:
基于所述第一图像区域对应的所述第一密度值,确定相同的第一密度值对应的第一图像区域的数量;
确定第一密度值与对应的第一图像区域的数量之间的第一变化情况,并基于所述第一变化情况,确定所述第一密度阈值;
基于所述第二图像区域对应的第二密度值,确定相同的第二密度值对应的第二图像区域的数量;
确定第二密度值与对应的第二图像区域的数量之间的第二变化情况,并基于所述第二变化情况,确定所述第二密度阈值。
上述方案中,所述基于异常通勤时长,从所述第一通勤关系中确定所述第一区域与所述第二区域之间的目标通勤关系,包括:
基于所述第一区域的位置信息和所述第二区域的位置信息,从所述第一通勤关系中确定所述第一区域与所述第二区域之间的第二通勤关系;
基于所述异常通勤时长,从所述第二通勤关系中确定所述目标通勤关系。
上述方案中,所述基于所述目标通勤关系,从所述待分析区域中确定存在异常通勤情况的目标区域,包括:
基于所述目标通勤关系,获取第一时间段对应的第一通勤路径;
基于所述目标通勤关系,获取第二时间段对应的第二通勤路径;其中,所述第一时间段内所述待分析区域的通勤人数大于所述第二时间内所述待分析区域的通勤人数;
基于所述通勤方式,对所述第一通勤路径和所述第二通勤路径进行分段分析,以从所述待分析区域中确定所述目标区域。
上述方案中,所述方法还包括:
基于所述第一通勤关系,确定所述待分析区域对应的通勤人口的第一平均通勤时长;
基于所述第一通勤关系,从所述待分析区域对应的通勤人数中确定满足第一参考时长的第一通勤人数、满足第二参考时长的第二通勤人数;其中,所述第一参考时长小于所述第二参考时长;
基于所述第一平均通勤时长、所述第一通勤人数和第二通勤人数,确定所述待分析区域的公共交通服务能力。
上述方案中,所述方法还包括:
基于所述第一区域的位置信息和所述第二区域的位置信息,从所述第一通勤关系中确定所述第一区域与所述第二区域之间的第二通勤关系;
基于所述第二通勤关系,确定所述第一区域与所述第二区域之间通勤人口的第二平均通勤时长;
基于所述第二通勤关系,从所述第一区域与所述第二区域之间对应的通勤人数中确定满足第一参考时长的第三通勤人数和满足第二参考时长的第四通勤人数;其中,所述第一参考时长小于所述第二参考时长;
基于所述第二平均通勤时长、所述第三通勤人数和所述第四通勤人数,确定第一区域与所述第二区域之间的公共交通服务能力。
一种信息确定设备,所述设备包括:处理器、存储器和通信总线;
所述通信总线用于实现所述处理器和所述存储器之间的通信连接;
所述处理器用于执行所述存储器中存储的信息确定程序,以实现上述的信息确定方法的步骤。
本申请的实施例所提供的信息确定方法及设备,获取待分析区域对应的第一通勤关系;其中,第一通勤关系表征待分析区域中多个子区域之间通勤人口的通勤情况;从待分析区域中确定人口居住集聚的第一区域和人口工作集聚的第二区域;基于异常通勤时长,从第一通勤关系中确定第一区域与第二区域之间的目标通勤关系;基于目标通勤关系,从待分析区域中确定存在异常通勤情况的目标区域;如此,可以基于异常通勤时长,从第一通勤关系中确定第一区域与第二区域之间的目标通勤关系,之后基于目标通勤关系,从待分析区域中确定目标区域,实现了自动化地确定待分析区域中存在异常通勤情况的目标区域,不需要采用问卷调查的方式确定目标区域,简化了确定目标区域的过程,解决了相关技术中确定目标区域的过程复杂,且效率低的问题。
附图说明
图1为本申请实施例提供的一种信息确定方法的流程示意图;
图2为本申请实施例提供的另一种信息确定方法的流程示意图;
图3为本申请实施例提供的一种信息确定方法中从第一核密度图中确定第一目标图像区域的过程示意图;
图4为本申请实施例提供的一种信息确定设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。
应当理解,此处所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。
本申请实施例提供一种信息确定方法,该方法可以应用于信息确定设备,参照图1所示,该方法包括以下步骤:
步骤101、获取待分析区域对应的第一通勤关系。
其中,第一通勤关系表征待分析区域中多个子区域之间通勤人口的通勤情况。
在本申请实施例中,信息确定设备可以是具备数据采集和处理能力的设备;待分析区域可以是指定的地理单元;第一通勤关系可以是用户输入至信息确定设备的,也可以是信息确定设备响应于接收到的用于获取第一通勤关系的获取指令从网络上下载的,还可以是信息确定设备采集待分析区域对应的历史通勤数据,并基于该历史通勤数据确定的。如此,可以灵活选择获取方式来获取第一通勤关系,提高了获取第一通勤关系的灵活性。
其中,多个子区域是设定的最小的地理单元;也就是说,将子区域作为最小的通勤单元,通勤的起点(即居住地)的位置信息,可以采用起点所在的子区域的位置信息来表示,通勤的终点(即工作地)的位置信息,用终点所在的子区域的位置信息来表示。如此,以子区域的位置信息作为最小的通勤单元,以便对待分析区域对应的通勤数据进行整合,得到第一通勤关系,降低了后续基于第一通勤关系,从待分析区域中确定目标区域的复杂度。
其中,第一通勤关系可以包括多个通勤对;每一通勤对包括居住地的位置信息、工作地的位置信息、通勤人数和通勤时长;第一通勤关系也可以理解为是居住地的位置信息、工作地的位置信息、通勤人数和通勤时长之间的对应关系。
在一种可行的实现方式中,第一通勤关系可以是根据待分析区域对应的历史通勤数据直接生成的,还可以是基于待分析区域对应的历史通勤数据,预测得到公共交通通勤规划数据,并基于公共交通通勤规划数据生成的。
步骤102、从待分析区域中确定人口居住集聚的第一区域和人口工作集聚的第二区域。
在本申请实施例中,可以基于第一通勤关系,确定待分析区域中居住人口的分布情况和工作人口的分布情况,并基于居住人口的分布情况,从待分析区域中确定人口居住集聚的第一区域,基于工作人口的分布情况,从待分析区域中确定工作人口集聚的第二区域。其中,第一区域的数量可以是至少一个;第二区域的数量可以是至少一个。第一区域可以包括多个子区域;第二区域可以包括多个子区域。
步骤103、基于异常通勤时长,从第一通勤关系中确定第一区域与第二区域之间的目标通勤关系。
其中,异常通勤时长可以是人为设定的,也可以是根据第一通勤关系中涉及的通勤时间的分布情况确定的。异常通勤时长也可以称之为极端通勤时长。在一种可行的实现方式中,异常通勤时长可以是1个小时。
在本申请实施例中,可以基于异常通勤时长,从第一通勤关系中确定通勤时长满足异常通勤时长的第一区域与第二区域之间的通勤关系,得到目标通勤关系;其中,目标通勤关系中涉及的通勤对可以称之为人口职住集聚地的极端通勤对;每一极端通勤对中的通勤时长均大于或等于异常通勤时长。如此,考虑了居住集聚地与工作集聚地之间的极端通勤情况,确定目标通勤关系,提高了确定的目标通勤关系的重要性和准确率。
步骤104、基于目标通勤关系,从待分析区域中确定存在异常通勤情况的目标区域。
其中,异常通勤情况可以根据通勤时长来确定;目标区域可以理解为重要性高,且公共交通服务能力弱的区域;目标区域具体可以为第一区域与第二区域之间极端通勤所涉及的部分区域或全部区域。
在本申请实施例中,基于目标通勤关系,可以获取第一区域与第二区域之间的目标通勤路径,并从待分析区域中目标通勤路径对应的区域中确定目标区域;如此,从待分析区域中目标通勤路径对应的区域中确定目标区域,缩小了对目标区域的搜索范围,降低了确定目标区域的过程的复杂度;而且考虑到了居住集聚地与工作集聚地之间的极端通勤情况,来基于目标通勤关系确定目标区域,提高了确定的目标区域的准确率,保障了确定的目标区域的有效性。
本申请的实施例所提供的信息确定方法,获取待分析区域对应的第一通勤关系;其中,第一通勤关系表征待分析区域中多个子区域之间通勤人口的通勤情况;从待分析区域中确定人口居住集聚的第一区域和人口工作集聚的第二区域;基于异常通勤时长,从第一通勤关系中确定第一区域与第二区域之间的目标通勤关系;基于目标通勤关系,从待分析区域中确定存在异常通勤情况的目标区域;如此,可以基于异常通勤时长,从第一通勤关系中确定第一区域与第二区域之间的目标通勤关系,之后基于目标通勤关系,从待分析区域中确定目标区域,实现了自动化地从待分析区域中确定目标区域,不需要采用问卷调查的方式确定目标区域,简化了确定目标区域的过程,解决了相关技术中确定目标区域的过程复杂,且效率低的问题。
基于前述实施例,本申请的实施例提供一种信息确定方法,应用于信息确定设备,参照图2所示,该方法包括以下步骤:
步骤201、基于目标尺寸参数,对待分析区域进行区域划分,得到多个子区域。
在本申请实施例中,待分析区域可以是根据公共交通服务能力评估的需要划定研究的地理单元;目标尺寸参数可以预先设置的,也可以是根据待分析区域的尺寸确定的。其中,多个子区域的面积均相同;通过将待分析区域划分为多个子区域,提高了后续从待分析区域检测出目标区域的检测精度。其中,目标区域可以是根据通勤人数确定的重要性高,且通勤时长满足通勤时长阈值的区域。
在一种可行的实现方式中,待分析区域可以是城市规划项目中指定的研究区域。待分析区域具体可以是城市A的中心城区、建成区、建设用地区域或人口密集区;目标尺寸参数具体可以是长为100米,宽为100米,如此,可以将待分析区域划分为多个长为100米宽为100米的子区域。
步骤202、获取多个子区域中每两个子区域之间对应的通勤人数和通勤时长。
在本申请实施例中,可以调度地图平台提供的公共交通规划路径的应用程序编程接口(Application Programming Interface,API),获取基于多个子区域对应的历史通勤数据及实时路况综合预测的多个子区域中每两个子区域对应的通勤时长。当然,还可以从历史通勤数据中确定多个子区域中每两个子区域之间对应的通勤时长。也就是说,得到的通勤时长可以是预测的,也可以是历史的。
在一种可行的实现方式中,可以以每个子区域中居住人口所在的区域为起点,以该居住人口对应的工作地所在的子区域为终点,通过调度地图平台提供的公共交通规划路径的API接口,获取预测的第一时间段每两个区域之间的通勤时长。其中,第一时间段可以指的是通勤量(即通勤人数)比较大的早高峰时段。通勤时长中包括起点的经纬度、终点的经纬度、乘坐公共交通工具出行的总时长;乘坐公共交通工具出行的总时长包含了起点到地铁站或公交站点的步行时长、乘坐公交或地铁的时长、站点换乘的步行时长、以及从地铁站或公交站点到终点的步行时长。
在本申请实施例中,可以以每个子区域中居住人口所在的区域为起点,以该居住人口对应的工作地所在的子区域为终点,确定通勤人数,具体可以以子区域B为例,假设有8个人在子区域B中居住,有2个人在子区域B中工作,其中,8个居住的人中2个人的工作区域为子区域C,6个人的工作区域为子区域D,则确定子区域B与子区域C之间的通勤人数为2,子区域B与子区域D之间的通勤人数为6。如此,按照这种方式可以得到每两个子区域之间对应的通勤人数。
步骤203、基于每一子区域的位置信息、每两个子区域之间对应的通勤人数和通勤时长,建立第一通勤关系。
其中,子区域的位置信息可以包括子区域的经度和纬度。
在本申请实施例中,可以基于每一子区域的位置信息,每两个子区域之间对应的通勤人数和通勤时长,建立多个子区域中每两个子区域之间的第一通勤关系。
需要说明的是,第一通勤关系中还可以包括每两个子区域之间的加权通勤时长,以减少后续基于第一通勤关系从待分析区域中目标区域的计算量。
在一种可行的实现方式中,第一通勤关系可以以表格的形式来展示,如下述表1所示:
表(1)
其中,“O_x”表示居住人口所在的子区域的经度;“O_y”表示居住人口所在的子区域的纬度;“D_x”表示该居住人口对应的工作地所在的子区域的经度;“D_y”表示该居住人口对应的工作地所在的子区域的纬度。“pop”表示通勤人数。total_duration表示两个区域之间单个人乘坐公共公交工具通勤的总通勤时长;total_duration_wt表示加权通勤时长;其中,加权通勤时长是将两个区域之间的通勤人数乘以单个人乘坐公共公交工具通勤的通勤时长得到的
步骤204、确定每一子区域的居住人口数量和每一子区域的工作人口数量。
在本申请实施例,可以从基于位置服务的数据和/或手机信令数据中确定每一子区域的居住人口数量和每一子区域的工作人口数量。
在一种可行的实现方式中,子区域B中居住人口数量为8,工作人口数量为2。
步骤205、对多个子区域的居住人口数量进行核密度分析得到第一核密度图,并对多个子区域的工作人口数量进行核密度分析得到第二核密度图。
在本申请实施例中,核密度分析用于计算要素在其周围邻域中的密度,核密度值(简称密度值)越高,表明要素在单位空间内的分布越密集;对多个子区域的居住人口数量进行核密度分析,密度值越高的区域说明居住人口相对密集;对多个子区域的工作人口数量进行核密度分析,密度值越高的区域说明工作人口相对密集;如此,通过核密度分析可以识别待分析区域中主要职住地。
其中,核密度分析的关键参数为核密度带宽、像元大小、权重值。带宽越大,参与计算的要素点越多,生成的核密度图中栅格越平滑且概化程度越高;带宽越小,生成的核密度图中栅格所显示的信息越详细,高值区也越多越分散;核密度带宽的选择存在调试过程,针对不同带宽输出的核密度图,去除密度高值区过小、过多、以及密度高值区过于综合的情况,得到稳定范围内的带宽值。
在一种可行的实现方式中,城市级的核密度分析带宽一般选择300至500米。
其中,像元大小即输出栅格的最小单元。一般而言,像元设置越小,输出的核密度图的平滑度越高;像元大小的选择则考虑在运行速度可接受的情况下设置较小尺度。在一种可行的实现方式中,城市级核密度分析的像元大小取1至10米左右已属于较精细的水平。
其中,权重值表示要素点参与计算的权重。在核密度分析中,权重值即为每个子区域的居住人口数量或工作人口数量。核密度分析可在ArcMap、ArcGIS PRO、QGIS(QuantumGIS)等平台上实现,也可通过python实现。
步骤206、基于第一核密度图,从待分析区域中确定第一区域,并基于第二核密度图从待分析区域中确定第二区域。
在本申请实施例中,可以对第一核密度图进行分析,以从第一核密度图中确定第一图像区域,并对多个第一图像区域进行筛选,得到第一目标图像区域,之后从待分析区域中确定与第一目标图像区域对应的区域为第一区域;可以对第二核密度图进行分析,以从第二核密度图中确定多个第二图像区域,并对多个第二图像区域进行筛选,得到第二目标图像区域,之后从待分析区域中确定与第二目标图像区域对应的区域为第二区域。
需要说明的是,步骤206可以通过步骤A1~A4来实现:
步骤A1、基于第一核密度图中栅格的第一密度值的分布情况,从第一核密度图中确定第一图像区域,并基于第二核密度图中栅格的第二密度值的分布情况,从第二核密度图中确定第二图像区域。
其中,第一图像区域的边界上每一栅格的第一密度值均相同;第二图像区域的边界上每一栅格的第二密度值均相同。
在本申请实施例中,可以基于第一核密度图中栅格的第一密度值的分布情况,确定具有相同第一密度值的栅格所围成的图像区域,得到多个第一图像区域,并基于第二核密度图中栅格的第二密度值的分布情况,确定具有相同第二密度值的栅格所围成的图像区域,得到多个第二图像区域。
在一种可行的实现方式中,第一核密度图为基于居住人口数量的栅格图;第二核密度图为基于工作人口数量的栅格图,此时还不能以量化的方式从第一核密度图中自动划出居住人口密集区的矢量边界,以及从第二核密度图中自动划出工作人口密集的矢量边界;因此,可以使用ArcGIS中的Contour(等值线)工具,基于第一核密度图中栅格的第一密度值的分布情况,对第一核密度图进行处理,以在第一核密度图中标记出等值线,将等值线围合形成的不规则闭合曲线作为等值圈,并将等值圈所围成的区域作为第一图像区域;可以使用ArcGIS中的Contour(等值线)工具,基于第二核密度图中栅格的第二密度值的分布情况,对第二核密度图进行处理,以在第二核密度图中标记出核密度等值线,将第二核密度图中等值线围合形成的不规则闭合曲线作为等值圈,并将第二核密度图中等值圈所围成的图像区域作为第二图像区域。
在一种可行的实现方式中,等值间隔设置为10,则按每10个密度值形成一条等值线。
步骤A2、基于第一图像区域对应的第一密度值确定第一密度阈值,并基于第二图像区域对应的第二密度值确定第二密度阈值。
其中,第一图像区域的数量为多个;第一图像区域对应的第一密度值为第一图像区域的边界上栅格的密度值。第二图像区域的数量为多个;第二图像区域对应的第二密度值为第二图像区域的边界上栅格的密度值。
在本申请实施例中,针对每一第一密度值,可以确定第一密度值对应的第一图像区域的数量,之后基于确定的第一密度值与第一密度值对应的第一图像区域的数量之间的第一变化情况,确定第一密度阈值;针对第二密度值,可以确定第二密度值对应的第二图像区域的数量,之后基于确定的第二密度值与第二密度值对应的第二区域的数量之间的第二变化情况,确定第二密度阈值。
需要说明的是,步骤A2可以通过步骤a1~a4来实现:
步骤a1、基于第一图像区域对应的第一密度值,确定相同的第一密度值对应的第一图像区域的数量。
在本申请实施例中,对第一图像区域对应的第一密度值进行统计,确定相同的第一密度值对应的第一图像区域的数量。
在一种可行的实现方式中,第一图像区域的数量为9个,9个第一图像区域对应的第一密度值依次为60、60、60、60、70、70、70、80、80;其中,第一密度值为60对应的第一图像区域的数量为4个,第一密度值为70对应的第一图像区域的数量为3个,第一密度值为80对应的第一图像区域的数量为2个。
步骤a2、确定第一密度值与对应的第一图像区域的数量之间的第一变化情况,并基于第一变化情况,确定第一密度阈值。
在本申请实施例中,可以根据相同的第一密度值对应的第一图像区域的数量,拟合得到第一密度值随着第一图像区域的数量变化的第一曲线,根据第一曲线确定斜率最大的点对应的第一密度值为第一密度阈值。其中,第一曲线表示第一密度值与对应的第一图像区域的数量之间的第一变化情况。其中,第一曲线上的点的纵坐标表示第一密度值,横坐标表示该第一密度值对应的第一图像区域的数量。
其中,从第一曲线可以看出第一密度值越大,该第一密度值对应的第一图像区域的数量越少。
步骤a3、基于第二图像区域对应的第二密度值,确定相同的第二密度值对应的第二图像区域的数量。
需要说明的是,步骤a3的实现过程与步骤a1的实现过程类似,具体可以参照步骤a1的实现过程,本申请实施例在此不再赘述。
步骤a4、确定第二密度值与对应的第二图像区域的数量之间的第二变化情况,并基于第二变化情况,确定第二密度阈值。
需要说明的是,步骤a4的实现过程与步骤a2的实现过程类似,具体可以参照步骤a2的实现过程,本申请实施例在此不再赘述。
步骤A3、基于第一密度阈值和第一图像区域,从待分析区域中确定第一区域。
在本申请实施例中,可以基于第一密度阈值,对多个第一图像区域进行筛选,确定满足第一密度阈值的候选图像区域,并基于候选图像区域对应的居住人口数量,从候选图像区域中确定满足居住人口数量阈值的图像,得到第一目标图像区域,之后从待分析区域中确定第一目标图像区域对应的区域为第一区域。
具体地,可以从多个第一图像区域中确定第一密度值大于或等于第一密度阈值的第一图像区域,得到候选图像区域,并确定每一候选图像区域对应的居住人口的数量,从多个候选图像区域中确定居住人口数量大于或等于居住人口数量阈值的候选图像区域,得到第一目标图像区域。
在一种可行的实现方式中,如图3中(a)所示为第一核密度图,明显可以看出此时还不能以量化的方式从第一核密度图中自动划出居住人口密集区的矢量边界,之后如图3中(b)所示,可以使用ArcGIS中的Contour(等值线)工具,基于第一核密度图中栅格的第一密度值的分布情况,对第一核密度图进行处理,以在第一核密度图中标记出核密度等值线,之后如图3中(c)所示,可以基于确定的第一密度阈值和第一图像区域中的居住人口数量,从多个该等值线围成的第一图像区域中确定第一目标图像区域。其中,第一目标图像区域可以称之为居住人口的集聚图像区域。
步骤A4、基于第二密度阈值和第二图像区域,从待分析区域中确定第二区域。
需要说明的是,步骤A4的实现过程与步骤A3的实现过程类似,具体可以参照步骤A3的实现过程,本申请实施例在此不再赘述。
步骤207、基于第一区域的位置信息和第二区域的位置信息,从第一通勤关系中确定第一区域与第二区域之间的第二通勤关系。
其中,第一区域中包括多个子区域;第二区域中包括多个子区域。
在本申请实施例中,可以基于第一区域的位置信息和第二区域的位置信息,对第一通勤关系进行筛选,以得到第一区域的位置信息和第二区域的位置信息对应的通勤关系,得到第二通勤关系。
在一种可行的实现方式中,可以从第一通勤关系中将经纬度落在第一区域和第二区域的通勤关系筛选出来,之后对筛选得到的通勤关系中居住人口所在的子区域打上所属第一区域的标签,并对筛选得到的通勤关系中居住人口对应的工作地所在子区域打上所属第二区域的标签,得到第二通勤关系,如下述表(2)所示:
表(2)
步骤208、基于异常通勤时长,从第二通勤关系中确定目标通勤关系。
在本申请实施例中,可以基于异常通勤时长,对第二通勤关系进行筛选,得到目标通勤关系。
在一种可行的实现方式中,可以从第二通勤关系中确定通勤时长大于异常通勤时长的通勤关系,得到目标通勤关系。
步骤209、基于目标通勤关系,获取第一时间段对应的第一通勤路径。
其中,第一时间段可以是早高峰时间段。
在本申请实施例,可以基于目标通勤关系,获取第一时间段对应的第一初始通勤路径,从第一初始通勤路径中确定最短通勤时长对应的路径,得到第一通勤路径。
当然,还可以确定时长浮动范围,并基于最短通勤时长和时长浮动范围,确定通勤时长范围,从第一初始通勤路径中确定通勤时长范围内的路径为第一通勤路径。如此,可以避免遗漏通勤时长接近的其它路径。其中,目标通勤关系中涉及的每两个子区域之间可能只有一条第一通勤路径,也可以有多条通勤时长接近的第一通勤路径。
在一种可行的实现方式中,第一时间段可以是早上8点到8点半,时长浮动范围为5分钟。
步骤210、基于目标通勤关系,获取第二时间段对应的第二通勤路径。
其中,第一时间段内待分析区域的通勤人数大于第二时间内待分析区域的通勤人数。第二时间段可以是平峰时间段。
在本申请实施例,可以基于目标通勤关系,获取第二时间段对应的第二初始通勤路径,从第二初始通勤路径中确定最短通勤时长对应的路径,得到第二通勤路径。
当然,还可以确定时长浮动范围,并基于最短通勤时长和时长浮动范围,确定通勤时长范围,从第二初始通勤路径中确定通勤时长范围内的路径为第二通勤路径。
在一种可行的实现方式中,第二时间段可以是中午12点到12点半。
步骤211、基于通勤方式,对第一通勤路径和第二通勤路径进行分段分析,以从待分析区域中确定目标区域。
其中,通勤方式有三种;第一种为步行+地铁;第二种为步行+公交;第三种为步行+地铁+公交。
在本申请实施例中,基于通勤方式,将第一通勤路径和第二通勤路径进行分段,从第一通勤路径和第二通勤路径中确定步行时长超过步行时长阈值的路径,作为第一异常路径,并将第一异常路径中步行段的路径对应的区域作为目标区域。
在一种可行的实现方式中,步行时长阈值为15分钟。
针对目标通勤关系中的每对通勤对,确定每对通勤对对应的第一通勤路径和该对通勤对对应的第二通勤路径,将通勤对对应的仅高峰期超过异常通勤时长的第二通勤路径所涉及的区域作为目标区域;以及将平峰期和高峰期均超过异常通勤时长的第一通勤路径和第二通勤路径所涉及的区域作为目标区域。
需要说明的是,可以将上述第一异常路径中步行段的路径、通勤对对应的仅高峰期超过异常通勤时长的第二通勤路径在地图中高亮显示,以及将平峰期和高峰期均超过异常通勤时长的第一通勤路径和第二通勤路径在地图上高亮显示,以显示对应的目标区域,并输出。
此外,还可以筛选出仅高峰超过60分钟的通勤对,计算高峰时段平均耗时多于平峰时段平均耗时的百分比。然后筛选出额外耗时最多的通勤对,观察其公共线路和空间分布在高峰平峰两个时段的差异,找出高峰期通勤时间增加的原因,例如公交车线路是否受高峰期路况拥堵影响等。然后筛选出高峰平峰时段均超过60分钟的通勤对,分别对比两个时段的平均总耗时、步行总耗时间、换乘次数等特征,尤其是平峰时段的特征,并找出这些通勤对在平峰时段也无法在60分钟内完成通勤的原因。
基于前述实施例,在本申请的其它实施例中,该信息确定方法还包括以下步骤:
步骤212、基于第一通勤关系,确定待分析区域对应的通勤人口的第一平均通勤时长。
在本申请实施例中,基于第一通勤关系,可以确定待分析区域对应的通勤人口的总量和待分析区域对应的通勤人口的通勤总时长,并根据待分析区域对应的通勤人口的总量和待分析区域对应的通勤人口的通勤总时长,确定第一平均通勤时长。
步骤213、基于第一通勤关系,从待分析区域对应的通勤人数中确定满足第一参考时长的第一通勤人数、满足第二参考时长的第二通勤人数。
其中,第一参考时长小于第二参考时长。第一参考时长可以表示理想状态下的通勤时长,第二参考时长可以表示不可忍受的通勤时长。
在本申请实施例中,可以从待分析区域对应的通勤人数中确定通勤时长小于第一参考时长的通勤人数,得到第一通勤人数;从待分析区域对应的通勤人数中确定通勤时长大于第二参考时长的通勤时长,得到第二通勤人数。
在一种可行的实现方式中,第一参考时长为45分钟,第二参考时长为60分钟。
步骤214、基于第一平均通勤时长、第一通勤人数和第二通勤人数,确定待分析区域的公共交通服务能力。
在本申请实施例中,可以计算第一通勤人数与待分析区域对应的总的通勤人数的比值,得到第一比值,并计算第二通勤人数与待分析区域对应的总的通勤人数的比值,得到第二比值,之后基于第一比值、第一比例阈值、第二比值、第二比例阈值、第一平均通勤时长和平均通勤时长阈值,确定待分析区域的公共交通服务能力。第一比例阈值为衡量理想通勤人数的阈值,第二比例阈值为衡量极端通勤人数的阈值。
具体地,当第一平均通勤时长小于或等于平均通勤时长阈值、第一比值小于第一比例阈值、第二比值大于第二比例阈值,则表明第一平均通勤时长达标,但是理想通勤人数未达标,极端通勤人数仍需要降低,此时确定待分析区域的通勤能力一般还需要改进;当第一平均通勤时长小于或等于平均通勤时长阈值、第一比值大于或等于第一比例阈值、第二比值小于或等于第二比例阈值,则确定待分析区域的通勤能力较强。当第一平均通勤时长大于平均通勤时长阈值、第一比值小于第一比例阈值、第二比值大于第二比例阈值,则确定待分析区域的通勤能力较弱。
在一种可行的实现方式中,平均通勤时长阈值为45分钟,第一比例阈值为80%,第二比例阈值为15%;目标设定为“平均公交通勤时间”不超过45分钟,“45分钟公交通勤人口占比”大于80%,“60分钟公交通勤人口占比”低于15%。而实际计算的“平均公交通勤时间”为41分钟,“45分钟公交通勤人口占比”为61%,“60分钟公交通勤人口占比”为16%。那么“平均公交通勤时间”满足目标要求,但理想通勤时间人口数未达标,与目标相比仍有19%的优化空间。极端通勤人口数与目标要求相比仍需降低1%的人口占比,此时确定待分析区域的公共交通服务能力一般。
此外,目标设定为“平均公交通勤时间”比上一年减少5分钟,“45分钟公交通勤人口占比”比上一年增加5%,“60分钟公交通勤人口占比”比上一年降低5%。则可通过计算两年的三项指标并进行对比,从而评估总体公共服务水平有无改进,是否达到改进目标,与原改进目标相比差多少,以此进一步确定公共交通服务能力。
步骤215、基于第一区域的位置信息和第二区域的位置信息,从第一通勤关系中确定第一区域与第二区域之间的第二通勤关系。
需要说明的是,步骤215的实现过程与步骤207的实现过程相同,具体可以参考步骤207的具体实现过程,本申请实施例在此不作限定。
步骤216、基于第二通勤关系,确定第一区域与第二区域之间通勤人口的第二平均通勤时长。
需要说明的是,步骤216的具体实现过程,与步骤212的具体实现过程类型,具体可以参照步骤212的实现过程,本申请实施例在此不做限定。
步骤217、基于第二通勤关系,从第一区域与第二区域之间对应的通勤人数中确定满足第一参考时长的第三通勤人数和满足第二参考时长的第四通勤人数。
其中,第一参考时长小于第二参考时长。
需要说明的是,步骤217的具体实现过程,与步骤213的具体实现过程类型,具体可以参照步骤213的实现过程,本申请实施例在此不做限定。
步骤218、基于第二平均通勤时长、第三通勤人数和第四通勤人数,确定第一区域与第二区域之间的公共交通服务能力。
在本申请实施例中,可以计算第三通勤人数与第一区域与第二区域之间的总的通勤人数的比值,得到第三比值,并计算第四通勤人数与第一区域与第二区域之间的总的通勤人数的比值,得到第四比值,之后基于第三比值、第一比例阈值、第四比值、第二比例阈值、第二平均通勤时长和平均通勤时长阈值,确定第一区域与第二区域之间的公共交通服务能力。其中,第一比例阈值为衡量理想通勤人数的阈值,第二比例阈值为衡量极端通勤人数的阈值。
具体地,当第二平均通勤时长小于或等于平均通勤时长阈值、第三比值小于第一比例阈值、第四比值大于第二比例阈值,则表明第二平均通勤时长达标,但是理想通勤人数未达标,极端通勤人数仍需要降低,此时第一区域与第二区域之间的公共交通服务能力一般还需要改进;当第二平均通勤时长小于或等于平均通勤时长阈值、第三比值大于或等于第一比例阈值、第四比值小于或等于第二比例阈值,则确定第一区域与第二区域之间的公共交通服务能力较强。当第二平均通勤时长大于平均通勤时长阈值、第三比值小于第一比例阈值、第四比值大于第二比例阈值,则确定第一区域与第二区域之间的公共交通服务能力较弱。
需要说明的是,本申请实施例中与其它实施例中相同步骤和相同内容的说明,可以参照其他实施例中的描述,此处不再赘述。
本申请的实施例所提供的信息确定方法,可以基于异常通勤时长,从第一通勤关系中确定第一区域与第二区域之间的目标通勤关系,之后基于目标通勤关系,从待分析区域中确定目标区域,实现了自动化地确定待分析区域中存在异常通勤情况的目标区域,不需要采用问卷调查的方式确定目标区域,简化了确定目标区域的过程,解决了相关技术中确定目标区域的过程复杂,且效率低的问题。而且,由于可将公共交通支撑城市通勤服务能力弱的区域识别到路径尺度,极大提高了问题区域识别的精度,有助相关规划和工程人员针对具体的线路和路网提改善策略,从而提升城市整体的精细化公共服务治理能力。
基于前述实施例,本申请的实施例提供一种信息确定设备,该设备可以应用于图1~图2对应的实施例提供的信息确定方法中,参照图4所示,该设备可以包括:处理器31、存储器32和通信总线33;
通信总线33用于实现处理器31和存储器32之间的通信连接;
处理器31用于执行存储器32中的信息确定程序,以实现以下步骤:
获取待分析区域对应的第一通勤关系;其中,第一通勤关系表征待分析区域中多个子区域之间通勤人口的通勤情况;
从待分析区域中确定人口居住集聚的第一区域和人口工作集聚的第二区域;
基于异常通勤时长,从第一通勤关系中确定第一区域与第二区域之间的目标通勤关系;
基于目标通勤关系,从待分析区域中确定存在异常通勤情况的目标区域。
在本申请其他实施例中,处理器31用于执行存储器32中的信息确定程序的获取待分析区域对应的第一通勤关系,以实现以下步骤:
基于目标尺寸参数,对待分析区域进行区域划分,得到多个子区域;
获取多个子区域中每两个子区域之间对应的通勤人数和通勤时长;
基于每一子区域的位置信息、每两个子区域之间对应的通勤人数和通勤时长,建立第一通勤关系。
在本申请其他实施例中,处理器31用于执行存储器32中的信息确定程序的从待分析区域中确定人口居住集聚的第一区域和人口工作集聚的第二区域,以实现以下步骤:
确定每一子区域的居住人口数量和每一子区域的工作人口数量;
对多个子区域的居住人口数量进行核密度分析得到第一核密度图,并对多个子区域的工作人口数量进行核密度分析得到第二核密度图;
基于第一核密度图,从待分析区域中确定第一区域,并基于第二核密度图从待分析区域中确定第二区域。
在本申请其他实施例中,处理器31用于执行存储器32中的信息确定程序的基于第一核密度图,从待分析区域中确定第一区域,并基于第二核密度图从待分析区域中确定第二区域,以实现以下步骤:
基于第一核密度图中栅格的第一密度值的分布情况,从第一核密度图中确定第一图像区域,并基于第二核密度图中栅格的第二密度值的分布情况,从第二核密度图中确定第二图像区域;其中,第一图像区域的边界上每一栅格的第一密度值均相同;第二图像区域的边界上每一栅格的第二密度值均相同;
基于第一图像区域对应的第一密度值确定第一密度阈值,并基于第二图像区域对应的第二密度值确定第二密度阈值;
基于第一密度阈值和第一图像区域,从待分析区域中确定第一区域;
基于第二密度阈值和第二图像区域,从待分析区域中确定第二区域。
在本申请其他实施例中,处理器31用于执行存储器32中的信息确定程序的基于第一图像区域对应的第一密度值确定第一密度阈值,并基于第二图像区域对应的第二密度值确定第二密度阈值,以实现以下步骤:
基于第一图像区域对应的第一密度值,确定相同的第一密度值对应的第一图像区域的数量;
确定第一密度值与对应的第一图像区域的数量之间的第一变化情况,并基于第一变化情况,确定第一密度阈值;
基于第二图像区域对应的第二密度值,确定相同的第二密度值对应的第二图像区域的数量;
确定第二密度值与对应的第二图像区域的数量之间的第二变化情况,并基于第二变化情况,确定第二密度阈值。
在本申请其他实施例中,处理器31用于执行存储器32中的信息确定程序的基于异常通勤时长,从第一通勤关系中确定第一区域与第二区域之间的目标通勤关系,以实现以下步骤:
基于第一区域的位置信息和第二区域的位置信息,从第一通勤关系中确定第一区域与第二区域之间的第二通勤关系;
基于异常通勤时长,从第二通勤关系中确定目标通勤关系。
在本申请其他实施例中,处理器31用于执行存储器32中的信息确定程序的基于目标通勤关系,从待分析区域中确定存在异常通勤情况的目标区域,以实现以下步骤:
基于目标通勤关系,获取第一时间段对应的第一通勤路径;
基于目标通勤关系,获取第二时间段对应的第二通勤路径;其中,第一时间段内待分析区域的通勤人数大于第二时间内待分析区域的通勤人数;
基于通勤方式,对第一通勤路径和第二通勤路径进行分段分析,以从待分析区域中确定目标区域。
在本申请其他实施例中,处理器31用于执行存储器32中的信息确定程序,以实现以下步骤:
基于第一通勤关系,确定待分析区域对应的通勤人口的第一平均通勤时长;
基于第一通勤关系,从待分析区域对应的通勤人数中确定满足第一参考时长的第一通勤人数、满足第二参考时长的第二通勤人数;其中,第一参考时长小于第二参考时长;
基于第一平均通勤时长、第一通勤人数和第二通勤人数,确定待分析区域的公共交通服务能力。
在本申请其他实施例中,处理器31用于执行存储器32中的信息确定程序,以实现以下步骤:
基于第一区域的位置信息和第二区域的位置信息,从第一通勤关系中确定第一区域与第二区域之间的第二通勤关系;
基于第二通勤关系,确定第一区域与第二区域之间通勤人口的第二平均通勤时长;
基于第二通勤关系,从第一区域与第二区域之间对应的通勤人数中确定满足第一参考时长的第三通勤人数和满足第二参考时长的第四通勤人数;其中,第一参考时长小于第二参考时长;
基于第二平均通勤时长、第三通勤人数和第四通勤人数,确定第一区域与第二区域之间的公共交通服务能力。
需要说明的是,本实施例中处理器所执行的步骤的具体实现过程,可以参照图1~图2对应的实施例提供的信息确定方法中的实现过程,此处不再赘述。
本申请的实施例所提供的信息确定设备,可以基于异常通勤时长,从第一通勤关系中确定第一区域与第二区域之间的目标通勤关系,之后基于目标通勤关系,从待分析区域中确定目标区域,实现了自动化地确定待分析区域中存在异常通勤情况的目标区域,不需要采用问卷调查的方式确定目标区域,简化了确定目标区域的过程,解决了相关技术中确定目标区域的过程复杂,且效率低的问题。
基于前述实施例,本申请的实施例提供一种计算机可读存储介质,该计算机可读存储介质存储有一个或者多个程序,该一个或者多个程序可被一个或者多个处理器执行,以实现图1~图2对应的实施例提供的信息确定方法的步骤。
需要说明的是,上述计算机可读存储介质可以是只读存储器(Read Only Memory,ROM)、可编程只读存储器(Programmable Read-Only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,EPROM)、电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,EEPROM)、磁性随机存取存储器(Ferromagnetic Random Access Memory,FRAM)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(Compact Disc Read-Only Memory,CD-ROM)等存储器;也可以是包括上述存储器之一或任意组合的各种电子设备,如移动电话、计算机、平板设备、个人数字助理等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所描述的方法。
本申请是参照根据本申请实施例的方法、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。
以上仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (7)
1.一种信息确定方法,其特征在于,所述方法包括:
获取待分析区域对应的第一通勤关系;其中,所述第一通勤关系表征所述待分析区域中多个子区域之间通勤人口的通勤情况;
从所述待分析区域中确定人口居住集聚的第一区域和人口工作集聚的第二区域,包括:确定每一子区域的居住人口数量和所述每一子区域的工作人口数量;对所述多个子区域的居住人口数量进行核密度分析得到第一核密度图,并对所述多个子区域的工作人口数量进行核密度分析得到第二核密度图;基于所述第一核密度图中栅格的第一密度值的分布情况,从所述第一核密度图中确定第一图像区域,并基于所述第二核密度图中栅格的第二密度值的分布情况,从所述第二核密度图中确定第二图像区域;其中,所述第一图像区域的边界上每一栅格的第一密度值均相同;所述第二图像区域的边界上每一栅格的第二密度值均相同;基于所述第一图像区域对应的第一密度值确定第一密度阈值,并基于所述第二图像区域对应的第二密度值确定第二密度阈值;基于所述第一密度阈值和所述第一图像区域,从所述待分析区域中确定所述第一区域;基于所述第二密度阈值和所述第二图像区域,从所述待分析区域中确定所述第二区域;
基于异常通勤时长,从所述第一通勤关系中确定所述第一区域与所述第二区域之间的目标通勤关系;
基于所述目标通勤关系,从所述待分析区域中确定存在异常通勤情况的目标区域;
所述基于所述第一图像区域对应的第一密度值确定第一密度阈值,并基于所述第二图像区域对应的第二密度值确定第二密度阈值,包括:
基于所述第一图像区域对应的第一密度值,确定相同的第一密度值对应的第一图像区域的数量;
确定第一密度值与对应的第一图像区域的数量之间的第一变化情况,并基于所述第一变化情况,确定所述第一密度阈值;
基于所述第二图像区域对应的第二密度值,确定相同的第二密度值对应的第二图像区域的数量;
确定第二密度值与对应的第二图像区域的数量之间的第二变化情况,并基于所述第二变化情况,确定所述第二密度阈值。
2.根据权利要求1所述的方法,其特征在于,所述获取待分析区域对应的第一通勤关系,包括:
基于目标尺寸参数,对所述待分析区域进行区域划分,得到多个子区域;
获取所述多个子区域中每两个子区域之间对应的通勤人数和通勤时长;
基于每一子区域的位置信息、所述每两个子区域之间对应的通勤人数和通勤时长,建立所述第一通勤关系。
3.根据权利要求1所述的方法,其特征在于,所述基于异常通勤时长,从所述第一通勤关系中确定所述第一区域与所述第二区域之间的目标通勤关系,包括:
基于所述第一区域的位置信息和所述第二区域的位置信息,从所述第一通勤关系中确定所述第一区域与所述第二区域之间的第二通勤关系;
基于所述异常通勤时长,从所述第二通勤关系中确定所述目标通勤关系。
4.根据权利要求1所述的方法,其特征在于,所述基于所述目标通勤关系,从所述待分析区域中确定存在异常通勤情况的目标区域,包括:
基于所述目标通勤关系,获取第一时间段对应的第一通勤路径;
基于所述目标通勤关系,获取第二时间段对应的第二通勤路径;其中,所述第一时间段内所述待分析区域的通勤人数大于所述第二时间内所述待分析区域的通勤人数;
基于通勤方式,对所述第一通勤路径和所述第二通勤路径进行分段分析,以从所述待分析区域中确定所述目标区域。
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:
基于所述第一通勤关系,确定所述待分析区域对应的通勤人口的第一平均通勤时长;
基于所述第一通勤关系,从所述待分析区域对应的通勤人数中确定满足第一参考时长的第一通勤人数、满足第二参考时长的第二通勤人数;其中,所述第一参考时长小于所述第二参考时长;
基于所述第一平均通勤时长、所述第一通勤人数和第二通勤人数,确定所述待分析区域的公共交通服务能力。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
基于所述第一区域的位置信息和所述第二区域的位置信息,从所述第一通勤关系中确定所述第一区域与所述第二区域之间的第二通勤关系;
基于所述第二通勤关系,确定所述第一区域与所述第二区域之间通勤人口的第二平均通勤时长;
基于所述第二通勤关系,从所述第一区域与所述第二区域之间对应的通勤人数中确定满足第一参考时长的第三通勤人数和满足第二参考时长的第四通勤人数;其中,所述第一参考时长小于所述第二参考时长;
基于所述第二平均通勤时长、所述第三通勤人数和所述第四通勤人数,确定所述第一区域与所述第二区域之间的公共交通服务能力。
7.一种信息确定设备,其特征在于,所述设备包括:处理器、存储器和通信总线;
所述通信总线用于实现所述处理器和所述存储器之间的通信连接;
所述处理器用于执行所述存储器中存储的信息确定程序,以实现如权利要求1~6任一项所述的信息确定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310682308.8A CN116862097B (zh) | 2023-06-08 | 2023-06-08 | 一种信息确定方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310682308.8A CN116862097B (zh) | 2023-06-08 | 2023-06-08 | 一种信息确定方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116862097A CN116862097A (zh) | 2023-10-10 |
CN116862097B true CN116862097B (zh) | 2024-05-31 |
Family
ID=88229436
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310682308.8A Active CN116862097B (zh) | 2023-06-08 | 2023-06-08 | 一种信息确定方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116862097B (zh) |
Citations (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103279534A (zh) * | 2013-05-31 | 2013-09-04 | 西安建筑科技大学 | 基于智能公交***数据的公交卡乘客通勤od分布估计方法 |
CN103500502A (zh) * | 2013-10-07 | 2014-01-08 | 胡吉安 | 一种解决城市道路交通拥堵的方案 |
CN106710437A (zh) * | 2016-12-26 | 2017-05-24 | 中国矿业大学(北京) | 电子地图的编制方法和*** |
CN106971534A (zh) * | 2017-02-09 | 2017-07-21 | 江苏智通交通科技有限公司 | 基于号牌数据的通勤出行特征分析方法 |
CN107305590A (zh) * | 2017-06-14 | 2017-10-31 | 北京市交通信息中心 | 一种基于手机信令数据的城市交通出行特征确定方法 |
CN107622467A (zh) * | 2017-10-09 | 2018-01-23 | 北京航空航天大学 | 一种通勤出行模式提取方法及装置 |
CN108122131A (zh) * | 2017-12-15 | 2018-06-05 | 东南大学 | 基于公共自行车刷卡数据的通勤行为和职住地识别方法 |
CN110428126A (zh) * | 2019-06-18 | 2019-11-08 | 华南农业大学 | 一种基于多源开放数据的城市人口空间化处理方法及*** |
CN110473132A (zh) * | 2019-08-27 | 2019-11-19 | 上海云砥信息科技有限公司 | 一种基于移动通信数据的区域职住平衡评价方法 |
CN110580404A (zh) * | 2019-07-26 | 2019-12-17 | 东南大学 | 一种基于城市多模式交通网络的网络运能确定方法 |
CN110705904A (zh) * | 2019-10-15 | 2020-01-17 | 中国城市规划设计研究院 | 一种在线交通承载能力评价*** |
CN111126713A (zh) * | 2019-12-31 | 2020-05-08 | 方正国际软件(北京)有限公司 | 基于卡口数据的时空热点预测方法、装置及控制器 |
CN111121796A (zh) * | 2018-10-30 | 2020-05-08 | 北京嘀嘀无限科技发展有限公司 | 一种通勤路线规划方法及装置、计算机设备 |
CN111915200A (zh) * | 2020-08-10 | 2020-11-10 | 北京大学 | 一种基于公交分担率的精细空间尺度的城市公共交通供需状态划分方法 |
CN112131330A (zh) * | 2020-09-16 | 2020-12-25 | 上海交通大学 | 一种自由流动模式下共享汽车的运营区域选址布局方法 |
CN112836991A (zh) * | 2021-03-03 | 2021-05-25 | 河南省信息咨询设计研究有限公司 | 站点规划方法、装置、终端设备和可读存储介质 |
CN113128899A (zh) * | 2021-04-30 | 2021-07-16 | 中国城市规划设计研究院 | 一种基于移动位置数据的城市通勤特征解析*** |
CN113128970A (zh) * | 2021-04-26 | 2021-07-16 | 中山大学 | 一种基于ic卡数据的公交通勤识别方法 |
CN113205213A (zh) * | 2021-04-30 | 2021-08-03 | 中国城市规划设计研究院 | 一种基于互联网地图数据的公交评价方法及*** |
CN115049167A (zh) * | 2022-08-16 | 2022-09-13 | 北京市城市规划设计研究院 | 交通态势预测方法、装置、设备及存储介质 |
CN115588086A (zh) * | 2022-08-31 | 2023-01-10 | 中国电信股份有限公司 | 地图划分方法、装置、计算机可读存储介质及处理器 |
CN116070489A (zh) * | 2023-01-20 | 2023-05-05 | 广州市城市规划勘测设计研究院 | 一种基于矢量场模型的职住空间分析方法 |
CN116070783A (zh) * | 2023-03-07 | 2023-05-05 | 北京航空航天大学 | 一种混动传动***在通勤路段下的学习型能量管理方法 |
CN117314089A (zh) * | 2023-09-28 | 2023-12-29 | 苏州规划设计研究院股份有限公司 | 一种城市轨道和公交接驳薄弱区域识别方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6584401B2 (en) * | 2001-11-27 | 2003-06-24 | Hewlett-Packard Development Company, Lp. | Automatic gathering and analysis of data on commute paths |
EP3134887A4 (en) * | 2014-04-24 | 2017-08-30 | Beijing Didi Infinity Science and Technology Limited | System and method for managing supply of service |
-
2023
- 2023-06-08 CN CN202310682308.8A patent/CN116862097B/zh active Active
Patent Citations (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103279534A (zh) * | 2013-05-31 | 2013-09-04 | 西安建筑科技大学 | 基于智能公交***数据的公交卡乘客通勤od分布估计方法 |
CN103500502A (zh) * | 2013-10-07 | 2014-01-08 | 胡吉安 | 一种解决城市道路交通拥堵的方案 |
CN106710437A (zh) * | 2016-12-26 | 2017-05-24 | 中国矿业大学(北京) | 电子地图的编制方法和*** |
CN106971534A (zh) * | 2017-02-09 | 2017-07-21 | 江苏智通交通科技有限公司 | 基于号牌数据的通勤出行特征分析方法 |
CN107305590A (zh) * | 2017-06-14 | 2017-10-31 | 北京市交通信息中心 | 一种基于手机信令数据的城市交通出行特征确定方法 |
CN107622467A (zh) * | 2017-10-09 | 2018-01-23 | 北京航空航天大学 | 一种通勤出行模式提取方法及装置 |
CN108122131A (zh) * | 2017-12-15 | 2018-06-05 | 东南大学 | 基于公共自行车刷卡数据的通勤行为和职住地识别方法 |
CN111121796A (zh) * | 2018-10-30 | 2020-05-08 | 北京嘀嘀无限科技发展有限公司 | 一种通勤路线规划方法及装置、计算机设备 |
CN110428126A (zh) * | 2019-06-18 | 2019-11-08 | 华南农业大学 | 一种基于多源开放数据的城市人口空间化处理方法及*** |
CN110580404A (zh) * | 2019-07-26 | 2019-12-17 | 东南大学 | 一种基于城市多模式交通网络的网络运能确定方法 |
CN110473132A (zh) * | 2019-08-27 | 2019-11-19 | 上海云砥信息科技有限公司 | 一种基于移动通信数据的区域职住平衡评价方法 |
CN110705904A (zh) * | 2019-10-15 | 2020-01-17 | 中国城市规划设计研究院 | 一种在线交通承载能力评价*** |
CN111126713A (zh) * | 2019-12-31 | 2020-05-08 | 方正国际软件(北京)有限公司 | 基于卡口数据的时空热点预测方法、装置及控制器 |
CN111915200A (zh) * | 2020-08-10 | 2020-11-10 | 北京大学 | 一种基于公交分担率的精细空间尺度的城市公共交通供需状态划分方法 |
CN112131330A (zh) * | 2020-09-16 | 2020-12-25 | 上海交通大学 | 一种自由流动模式下共享汽车的运营区域选址布局方法 |
CN112836991A (zh) * | 2021-03-03 | 2021-05-25 | 河南省信息咨询设计研究有限公司 | 站点规划方法、装置、终端设备和可读存储介质 |
CN113128970A (zh) * | 2021-04-26 | 2021-07-16 | 中山大学 | 一种基于ic卡数据的公交通勤识别方法 |
CN113128899A (zh) * | 2021-04-30 | 2021-07-16 | 中国城市规划设计研究院 | 一种基于移动位置数据的城市通勤特征解析*** |
CN113205213A (zh) * | 2021-04-30 | 2021-08-03 | 中国城市规划设计研究院 | 一种基于互联网地图数据的公交评价方法及*** |
CN115049167A (zh) * | 2022-08-16 | 2022-09-13 | 北京市城市规划设计研究院 | 交通态势预测方法、装置、设备及存储介质 |
CN115588086A (zh) * | 2022-08-31 | 2023-01-10 | 中国电信股份有限公司 | 地图划分方法、装置、计算机可读存储介质及处理器 |
CN116070489A (zh) * | 2023-01-20 | 2023-05-05 | 广州市城市规划勘测设计研究院 | 一种基于矢量场模型的职住空间分析方法 |
CN116070783A (zh) * | 2023-03-07 | 2023-05-05 | 北京航空航天大学 | 一种混动传动***在通勤路段下的学习型能量管理方法 |
CN117314089A (zh) * | 2023-09-28 | 2023-12-29 | 苏州规划设计研究院股份有限公司 | 一种城市轨道和公交接驳薄弱区域识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116862097A (zh) | 2023-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10121366B2 (en) | Method and system for modeling and processing vehicular traffic data and information and applying thereof | |
CN110849384B (zh) | 导航路线生成方法、装置、可读存储介质和计算机设备 | |
US20190329788A1 (en) | Road condition status prediction method, device, and server, and storage medium | |
CN112863172B (zh) | 高速公路交通运行状态判定方法、预警方法、装置及终端 | |
CN108427679B (zh) | 一种人流分布处理方法及其设备 | |
CN106558220B (zh) | 一种公路交通量的统计方法及装置 | |
CN111583641A (zh) | 道路拥堵分析方法、装置、设备和存储介质 | |
CN116431923B (zh) | 一种针对城市道路的交通出行预测方法、设备及介质 | |
Sevlian et al. | Travel time estimation using floating car data | |
CN111626648A (zh) | 查勘任务调度方法、装置、计算机设备和存储介质 | |
CN112069635B (zh) | 一种换电柜的部署方法、装置、介质及电子设备 | |
CN111311193B (zh) | 公共服务资源的配置方法和装置 | |
Gore et al. | Congestion index and reliability-based freeway level of service | |
CN111380530A (zh) | 导航方法及相关产品 | |
CN110262863B (zh) | 一种终端主界面的展示方法和装置 | |
CN116862097B (zh) | 一种信息确定方法及设备 | |
CN109934496B (zh) | 区域间通行影响确定方法、装置、设备和介质 | |
CN115759660A (zh) | 一种无人驾驶车辆的调度方法、装置、设备和介质 | |
CN115034686A (zh) | 作业行为量化方法、装置、计算机设备和存储介质 | |
CN112036940B (zh) | 数据的处理方法、装置、设备和存储介质 | |
CN115081983A (zh) | 派单方法、装置、设备及存储介质 | |
CN113961826A (zh) | 摄像头查找方法、装置、智能终端及计算机可读存储介质 | |
CN111242723B (zh) | 用户子女情况判断方法、服务器及计算机可读存储介质 | |
CN113095634A (zh) | 一种任务处理方法、装置及设备 | |
CN115222936A (zh) | 过期兴趣点的确定方法、装置、电子设备及存储介质 |
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 |