基于交通出行量数据处理进行出行线路规划的方法及系统与流程

阅读：评论：0

1.本发明涉及数据处理方法及系统，尤其涉及一种基于数据处理的路线规划方法及系统。

背景技术：

2.当前，城市出行面临着自驾开车道路拥堵，乘坐公共交通出行效率低、速度慢的痛点。
3.基于此，为了推行更加高效的绿交通方式，现有技术中已有一些方案来进行定制公共交通线路。然而，现有技术中对于公共交通线路的定制通常是基于用户访谈或线下调查数据，然后依靠分析师的业务经验进行线路设计和站点设置，并对设计方案给出定性分析和评估。这种方法具有以下缺点：
4.首先，其缺乏数据支撑和决策依据。由于这种方法主要依赖用户访谈或线下调查数据，导致采样率低，数据覆盖面不足，因此无法大规模的分析客流分布和发现潜客，也就无法很好的支撑线路设计。
5.其次，这种方法的设计周期长且效果难以预测。现有方法由于数据样本的限制以及基于经验进行设计，因此缺乏有效的手段进行效果预测，方案落地前只能进行定性的判断，要实际落地并运行一段时间后才能得到数据反馈再进行优化，设计周期很长。
6.从效果的角度来说，现有方法设计的线路方案成功率非常低，这导致了巨大的成本浪费，也是制约定制公共交通规模化的关键卡点。
7.基于此，期望获得一种基于交通出行量数据处理而进行出行线路规划的方法及系统，从而可以解决上述技术问题。

技术实现要素：

8.本发明的目的之一在于提供一种基于交通出行量数据处理进行出行线路规划的方法，该方法可以根据收集到的交通出行量数据分析出交通出行量集散的地点，从而根据交通出行量设计出能够覆盖区域内最大交通出行量的路线，并大幅缩短路线设计的周期，同时提高交通路线运行的成功率。
9.基于根据上述发明目的，本发明提出了一种基于交通出行量数据处理进行出行线路规划的方法，其包括步骤：
10.获取用户报活点并提取用户报活点特征；
11.基于用户报活点特征，从用户报活点中筛选出用户停留点；
12.基于用户停留点获取交通出行量数据，所述交通出行量数据包括用户起点、用户终点以及用户起点和用户终点之间的交通出行量；其中所述交通出行量数据为下述各项的一个或多个：基于设定区域内全时间段的所有用户停留点而获得的全量交通出行量数据；基于交通数据的比对，以从全量交通出行量数据中遴选出的出行不方便的交通出行量数据；基于设定的时间段，以从全量交通出行量数据中遴选出的分时交通出行量数据；基于指
定子区域，以从全量交通出行量数据中遴选出的区域交通出行量数据；
13.对交通出行量数据进行聚合，确定出行线路的起点、终点、起点和数；
14.对各所述中间站点区域内选择的若干个中间站点进行寻优，以从各中间站点区域内筛选出覆盖交通出行量最大的中间站点位置；
15.基于出行线路的起点、终点以及中间站点位置输出出行线路路径。
16.本发明所述的方法采用交通出行量数据作为出行线路规划的依据。而交通出行量数据来自于用户停留点的判断。例如，对于某一个用户来说，其在一天之内会具有很多行动轨迹，这些行动轨迹会产生大量的报活点，在这些报活点中有些属于用户的停留点，而有些则仅仅是用户的途径点，因此需要基于一些特征来从大量的报活点中筛选出该用户的停留点。
17.在筛选出用户停留点以后，就可以获得各用户行动轨迹的起点和终点。然后，基于设定区域内的所有用户的起点和终点就可以知晓每一个起点和终点之间的交通出行量数据。需要说明的是，交通出行量数据并不一定是基于所有用户停留点获得的，在一些实施方式中，如果一个用户停留点基于其自身数据属性被判断为中转类型的停留点，则可以将其从用户停留点中剔除。
18.对于一个设定的大区域来说，由于该区域内存在大量活动的用户，由此获得的交通出行量数据的量非常大。因此需要对这些大量的交通出行量数据进行聚合，例如采用网格化方法进行聚合，例如采用h1-h9网格化聚合方法，在一些更具体的实施方式中，可以采用h3网格化聚合方法，从而获得交通出行量较大的若干个小区域。例如对于整个上海市闵行区和徐汇区的交通出行量数据进行网格化聚合，可以得到交通出行量较大的若干个区域，例如莘庄区域、漕河泾开发区区域、徐家汇区域等。由此，就可以结合需要设定规划路线(例如公共交通线路)的起点和终点，以及若干个途径区域。
19.但是，对于每一个途径区域来说，由于该区域地理范围相对来说还是较大，因此本发明从该区域内选择的若干个站点中选择出能够覆盖最大交通出行量的站点，并以此为依据对线路进行规划。
20.在本发明所述的基于交通出行量数据处理进行出行线路规划的方法中，所述交通出行量数据可以为下述各项的至少其中之一：
21.基于设定区域内(例如整个城市内，整个城区内)全时间段的所有用户停留点而获得的全量交通出行量数据(全量od，“o”表示起点，“d”表示终点)；
22.基于交通数据的比对，以从全量交通出行量数据中遴选出的出行不方便的交通出行量数据(不方便od)；
23.基于设定的时间段(例如早高峰时段或晚高峰时段)，以从全量交通出行量数据中遴选出的分时交通出行量数据(分时od)；
24.基于指定子区域(例如从人民广场到陆家嘴，又例如一个园区，还例如设定的地理围栏内的区域)，以从全量交通出行量数据中遴选出的区域交通出行量数据(区域od)。
25.上述不方便od是指公共交通出行不方便的od。其中交通数据的比对规则可以根据需要进行设定，例如交通起止点间搭乘公共交通时间是自驾开行时间1.5倍以上且公共交通时间减去自驾开行时间大于10分钟的od，又例如换乘次数超过4次的od。
26.在本发明的一些实施方式中，如果在规划出行线路时，基于目前已有的公交线路
的体验较差，而需要考虑已有的公交线路客流，则可以以全量od为基础，规划出行线路。
27.在本发明的另一些实施方式中，如果在规划出行线路时，不需要考虑已有的公交线路客流，而重点考虑交通出行不方便的客流时，则可以依据不方便od规划出行线路。
28.在本发明的又一些实施方式中，由于在某些区域，除了特定的时间段，例如早高峰和晚高峰，其他时间段的交通出行量不大，那么在规划出行线路时，可以依据分时od规划出行线路。
29.进一步地，在一些实施方式中，本发明所述的基于交通出行量数据进行出行线路规划的方法采用动态规划算法对各所述中间站点区域内选择的若干个中间站点进行寻优。其中动态规划算法公式可以为：
[0030][0031]
其中r表示reward函数，s表示该出行线路的起点，其为该出行线路的一个节点，e表示该出行线路的终点，其也为该出行线路的一个节点，k表示该出行线路的目标站点数，r(s，a)表示节点s到节点a的reward，等于节点s的邻居和节点a的邻居之间的所有交通量之和。
[0032]
进一步地，在本发明的一些实施方式中，所述用户报活点接收自外部的传输。或者，在本发明的另一些实施方式中，主动采集用户报活点。
[0033]
需要说明的是，在本发明中，用户报活点是经过脱敏处理的防止隐私泄露的报活点。
[0034]
进一步地，在本发明的一些实施方式中，采用时间戳表征用户停留点的时间特征。也即所述用户停留点具有时间戳，由此基于用户停留点获得的交通出行量数据就具有了时间特征，从而可以进一步基于各个时间段的交通出行量数据的特点来规划出行线路，例如针对早高峰或晚高峰时间段规划出行线路。
[0035]
进一步地，在本发明的一些实施方式中，当提取的用户报活点特征包括下述各项的至少其中之一时：该位置具有消费记录、该位置为办公区域、该位置为住宅区域、停留在该位置的时长超过设定的阈值，判断该用户报活点为用户停留点。
[0036]
进一步地，在本发明的一些实施方式中，采用bilstm深度学习模型，基于输入其中的用户报活点特征，从用户报活点中筛选出用户停留点。
[0037]
如前文所述的，由于用户报活点的数量巨大，为了高效地从用户报活点中筛选出对交通出行量数据具有意义的用户停留点，可以先用一部分确定已知的用户停留点对二分类的bilstm深度学习模型进行训练，使其基于这些具有停留点特征的停留点，来输出该点是停留点的判断。停留点特征可以包括，例如该位置具有消费记录、该位置为办公区域、该位置为住宅区域、停留在该位置的时长超过设定的阈值。由此，向经过训练的bilstm深度学习模型中输入具有报活点特征的报活点，就可以筛分出用户停留点和不是用户停留点的其他点，例如用户途径点。
[0038]
进一步地，在本发明所述的基于交通出行量数据处理进行出行线路规划的方法中，所述出行线路的参数包括下述各项的至少其中之一：设置的站点数、各站点有效覆盖半径、站点最低交通出行量以及线路非直线系数。
[0039]
本发明的另一目的在于提供一种基于交通出行量数据处理进行出行线路规划的
系统，该系统可以根据收集到的交通出行量数据分析出交通出行量集散的地点，从而根据交通出行量设计出能够覆盖区域内最大交通出行量的路线，并大幅缩短路线规划设计的周期，同时提高路线运行的成功率。
[0040]
基于根据上述发明目的，本发明提出了一种基于交通出行量数据处理进行出行线路规划的系统，其包括：
[0041]
交通出行量数据分析引擎，其获取用户报活点并提取用户报活点特征；基于用户报活点特征，从用户报活点中筛选出用户停留点；以及基于用户停留点获取交通出行量数据，所述交通出行量数据包括用户起点、用户终点以及用户起点和用户终点之间的交通出行量；
[0042]
线路规划引擎，其对交通出行量数据进行聚合，确定出行线路的起点、终点、起点和终点之间的若干个中间站点区域以及出行线路的参数；对所述各中间站点区域内的选择的若干个中间站点进行寻优，以从各中间站点区域内筛选出覆盖交通出行量最大的中间站点位置；然后基于出行线路的起点、终点以及中间站点位置输出出行线路路径；
[0043]
其中所述交通出行量数据为下述各项的一个或多个：
[0044]
基于设定区域内全时间段的所有用户停留点而获得的全量交通出行量数据；
[0045]
基于交通数据的比对，以从全量交通出行量数据中遴选出的出行不方便的交通出行量数据；
[0046]
基于设定的时间段，以从全量交通出行量数据中遴选出的分时交通出行量数据；
[0047]
基于指定子区域，以从全量交通出行量数据中遴选出的区域交通出行量数据。
[0048]
如上文所述的，在本发明所述的基于交通出行量数据处理进行出行线路规划的系统中，所述交通出行量数据为下述各项的其中之一：
[0049]
基于设定区域内(例如整个城市内，整个城区内)全时间段的所有用户停留点而获得的全量交通出行量数据(全量od，“o”表示起点，“d”表示终点)；
[0050]
基于交通数据的比对，以从全量交通出行量数据中遴选出的出行不方便的交通出行量数据(不方便od)；
[0051]
基于设定的时间段(例如早高峰时段或晚高峰时段)，以从全量交通出行量数据中遴选出的分时交通出行量数据(分时od)；
[0052]
基于指定子区域(例如从人民广场到陆家嘴，又例如一个园区，还例如设定的地理围栏内的区域)，以从全量交通出行量数据中遴选出的区域交通出行量数据(区域od)。
[0053]
上述不方便od是指公共交通出行不方便的od。其中交通数据的比对规则可以根据需要进行设定，例如交通起止点间搭乘公共交通时间是自驾开行时间1.5倍以上且公共交通时间减去自驾开行时间大于10分钟的od，又例如换乘次数超过4次的od。
[0054]
在本发明所述的基于交通出行量数据处理进行出行线路规划的系统的一些实施方式中，如果在规划出行线路时，基于目前已有的公交线路的体验较差，而需要考虑已有的公交线路客流，则可以以全量od为基础，规划出行线路。
[0055]
在本发明所述的基于交通出行量数据处理进行出行线路规划的系统的另一些实施方式中，如果在规划出行线路时，不需要考虑已有的公交线路客流，而重点考虑交通出行不方便的客流时，则可以依据不方便od规划出行线路。
[0056]
在本发明所述的基于交通出行量数据处理进行出行线路规划的系统的又一些实
施方式中，由于在某些区域，除了特定的时间段，例如早高峰和晚高峰，其他时间段的交通出行量不大，那么在规划出行线路时，可以依据分时od规划出行线路。
[0057]
进一步地，在本发明所述的基于交通出行量数据处理进行出行线路规划的系统中，所述交通出行量数据分析引擎采用动态规划算法对各所述中间站点区域内选择的若干个中间站点进行寻优。
[0058]
进一步地，在本发明所述的基于交通出行量数据处理进行出行线路规划的系统的一些实施方式中，所述交通出行量数据分析引擎接收用户主动上报的用户报活点。
[0059]
进一步地，在本发明所述的基于交通出行量数据处理进行出行线路规划的系统的另一些实施方式中，所述交通出行量数据分析引擎主动从用户处采集用户报活点。
[0060]
进一步地，在本发明所述的基于交通出行量数据处理进行出行线路规划的系统的一些实施方式中，所述交通出行量数据分析引擎采用时间戳表征用户停留点的时间特征。由此，基于用户停留点获得的交通出行量数据就具有了时间特征，从而可以进一步基于各个时间段的交通出行量数据的特点，规划出行线路，例如针对早高峰或晚高峰时间段规划出行线路。
[0061]
进一步地，在本发明所述的基于交通出行量数据处理进行出行线路规划的系统的一些实施方式中，当所述交通出行量数据分析引擎提取的用户报活点特征包括下述各项的至少其中之一时：该位置具有消费记录、该位置为办公区域、该位置为住宅区域、停留在该位置的时长超过设定的阈值；所述交通出行量数据分析引擎判断该用户报活点为用户停留点。
[0062]
进一步地，在本发明所述的基于交通出行量数据处理进行出行线路规划的系统的一些实施方式中，所述交通出行量数据分析引擎采用bilstm深度学习模型从用户报活点中筛选出用户停留点。
[0063]
由于用户报活点的数量巨大，为了高效地从用户报活点中筛选出对交通出行量数据具有意义的用户停留点，可以先用一部分确定已知的用户停留点对二分类的bilstm深度学习模型进行训练，使其基于这些具有停留点特征的停留点，来输出该点是停留点的判断。停留点特征可以包括，例如该位置具有消费记录、该位置为办公区域、该位置为住宅区域、停留在该位置的时长超过设定的阈值。由此，向经过训练的bilstm深度学习模型中输入具有报活点特征的报活点，就可以筛分出用户停留点和不是用户停留点的其他点，例如用户途径点。
[0064]
进一步地，在本发明所述的基于交通出行量数据处理进行出行线路规划的系统的一些实施方式中，所述出行线路的参数包括下述各项的至少其中之一：设置的站点数、各站点有效覆盖半径、站点最低交通出行量以及线路非直线系数。
[0065]
本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行上文所述的基于交通出行量数据进行出行线路规划方法所包括的步骤。
[0066]
本发明还提供了一种计算设备，其包括存储器和处理器，所述存储器中存储有可执行代码，当所述处理器执行可执行代码时，其执行上文所述的基于交通出行量数据进行出行线路规划方法所包括的步骤。
[0067]
本发明所述的基于交通出行量数据处理进行出行线路规划的方法及系统具有以
下有益效果：
[0068]
本发明基于对用户报活点的采集可以获得时间、空间各个维度的od数据，从而用于出行线路分析和设计，从而有效解决了传统方法缺乏数据支撑和决策依据的问题。
[0069]
本发明能够在时空分散的大量出行需求中，筛选出空间和时间上较为密集且量级大的od数据，并根据这些od数据设计线路走向和站点，解决了规划的路线开行成功率低的核心难点。
[0070]
本发明通过od数据可以获得设定时间和空间范围内的交通通行量，从而可以出行线路进行细致的定量分析和优化，在线路开通前就可以预测线路上的交通出行量，因此有效解决了传统方法优化周期长且效果难以预测的问题。
附图说明
[0071]
图1显示了本发明所述的基于交通出行量数据处理进行出行线路规划的方法在一种实施方式下的流程示意图。
[0072]
图2示例性的显示了本发明所述的基于交通出行量数据处理进行出行线路规划的方法在一种实施方式下的停留点。
[0073]
图3示例性地显示了本发明所述的基于交通出行量数据处理进行出行线路规划的方法在一种实施方式下的od数据。
[0074]
图4示例性地显示了本发明所述的基于交通出行量数据处理进行出行线路规划的方法在一种实施方式下的出行线路。
具体实施方式
[0075]
下面将结合说明书附图和具体的实施例来对本发明所述的基于交通出行量数据处理进行出行线路规划的方法及系统进行进一步地详细说明，但是该详细说明不构成对本发明的限制。
[0076]
图1显示了本发明所述的基于交通出行量数据处理进行出行线路规划的方法在一种实施方式下的流程示意图
[0077]
如图1所示的，在一种实施方式中，本发明所述的基于交通出行量数据处理进行出行线路规划的方法包括步骤：
[0078]
100：获取用户报活点，并提取用户报活点特征。
[0079]
在本发明的一些实施方式中，用户报活点可以是基于用户的主动上报而获得的。在本发明的另一些实施方式中，也可以对用户报活点进行主动采集而获得。
[0080]
需要说明的是，在本发明中，用户报活点优选的是经过脱敏处理的防止隐私泄露的报活点。
[0081]
200：基于用户报活点特征，从用户报活点中筛选出用户停留点。
[0082]
例如，对于某一个用户来说，其在一天之内会具有很多行动轨迹，这些行动轨迹会产生大量的报活点，在这些报活点中有些属于用户的停留点，而有些则仅仅是用户的途径点，因此需要基于一些停留点特征来从大量的报活点中筛选出该用户的停留点。由此，对于一定区域内的所有用户来说，就可以获得所有这些用户的停留点。
[0083]
在本发明的一些优选实施方式中，用户停留点具有时间戳，例如，如图2所示的停
留点，由此基于用户停留点获得的交通出行量数据就具有了时间特征，从而可以进一步基于各个时间段的交通出行量数据的特点，规划出行线路，例如针对早高峰或晚高峰时间段规划出行线路。
[0084]
在从用户报活点中筛选出用户停留点时，需要根据用户停留点的特征进行筛选，这些特征可以表征该点为停留点而非途径点。在一些实施方式中，用户停留点的特征可以是：该位置具有消费记录、该位置为办公区域、该位置为住宅区域、停留在该位置的时长超过设定的阈值的至少其中之一。
[0085]
另外，由于用户报活点的数量巨大，为了高效地从用户报活点中筛选出对交通出行量数据具有意义的用户停留点，可以先用一部分确定已知的用户停留点对二分类的bilstm深度学习模型进行训练，使其基于这些具有停留点特征的停留点，来输出该点是停留点的判断。停留点特征可以包括，例如该位置具有消费记录、该位置为办公区域、该位置为住宅区域、停留在该位置的时长超过设定的阈值。由此，向经过训练的bilstm深度学习模型中输入具有报活点特征的报活点，就可以筛分出用户停留点和不是用户停留点的其他点，例如用户途径点。
[0086]
300：基于用户停留点获取交通出行量数据(od数据)，其中交通出行量数据包括用户起点、用户终点以及用户起点和用户终点之间的交通出行量。
[0087]
在筛选出用户停留点以后，就可以获得各用户行动轨迹的起点和终点。然后，基于设定区域内的所有用户的起点和终点就可以知晓每一个起点和终点之间的交通出行量数据。
[0088]
在一些实施方式中，交通出行量数据并不一定是基于所有用户停留点获得的。例如，如图3所示的，基于图2所示的筛选出来的停留点，进一步基于停留点自身数据属性，例如根据其消费数据记录，发现具有10点整这个时间戳的停留点是地铁站的出口，因此该点被判断为中转类型的停留点，将其剔除，则如图3所示的，od数据基于9点整、10点半、12点、19点和22点这几个用户停留点获得。
[0089]
400：对交通出行量数据进行聚合，确定出行线路的起点、终点、起点和终点之间的若干个中间站点区域以及出行线路的参数。
[0090]
对于一个设定的大区域来说，由于该区域内存在大量活动的用户，由此获得的交通出行量数据的量非常大。因此需要对这些大量的交通出行量数据进行聚合，例如采用网格化方法进行聚合，进一步具体的可以采用h1-h9网格化聚合方法，在一些更具体的实施方式中，可以采用h3网格化聚合方法，从而获得交通出行量较大的若干个小区域。由此，就可以结合需要设定规划公共交通路线的起点和终点，以及若干个途径区域。
[0091]
500：采用动态规划算法对所述各中间站点区域内的选择的若干个中间站点进行寻优，以从各中间站点区域内筛选出覆盖交通出行量最大的中间站点位置。
[0092]
可以想到的是，对于每一个途径区域来说，该区域地理范围相对来说还是较大，因此本发明采用动态规划算法从该区域内选择的若干个站点中选择出能够覆盖最大交通出行量的站点。其中动态规划算法公式可以为：
[0093][0094]
其中r为reward函数，s表示该出行线路的起点，其为该出行线路的一个节点，e表
示该出行线路的终点，其也为该出行线路的一个节点，k表示该出行线路的目标站点数，r(s，a)表示节点s到节点a的reward，等于节点s的邻居和节点a的邻居之间的所有交通量之和。
[0095]
在实际的计算过程中，对于指定的起点和终点，如果od数据过于稀疏，无法到满足条件的中间站点，则可以将起点和终点直接连线，而获得规划的出行线路。
[0096]
另外，当选择的中间站点数量过多时，即使限定了候选人的数目，计算量依然很大，则可以对候选人按照单步收益进行排序(贪婪策略)，并设置超时时间。极端情况下，其给出的解基本等于贪婪解。采用这种计算方法也可以很快获得中间站点的寻优结果。
[0097]
600：基于出行线路的起点、终点以及中间站点位置输出出行线路。
[0098]
图4示例性地显示了本发明所述的基于交通出行量数据处理进行出行线路规划的方法在一种实施方式下的出行线路。如图4中所示的，其中万达广场和梅山饭店分别是设定的起点和终点，中间的四个站点是经过中间站点区域内动态规划算法寻优后获得的，覆盖交通出行量最大的站点。将这六个站点首尾依次相连，就是输出的规划出行线路。
[0099]
在一些实施方式中，在规划出行线路时，输入的是od数据、设定的起点和终点坐标，以及出行线路的参数，输出的就是中间各站点的坐标。
[0100]
在一些实施方式中，输入的出行线路的参数可以包括下述各项的至少其中之一：设置的站点数、各站点有效覆盖半径、站点最低交通出行量以及线路非直线系数。
[0101]
需要说明的是，在一些实施方式中，对于某条出行线路的起点和终点，可以根据需求直接设定。而在另一些实施方式中，某条出行线路的起点和终点也可以基于od数据的分析而获得，例如从od数据中获知客流集散量较大的点，则可以将其设置为起点或终点。
[0102]
在本发明的一些实施方式中，如果在规划出行线路时，基于目前已有的公交线路的体验较差，而需要考虑已有的公交线路客流，则可以以全量od(基于设定区域内全时间段的所有用户停留点而获得的全量交通出行量数据)为基础，规划出行线路。
[0103]
在本发明的另一些实施方式中，如果在规划出行线路时，不需要考虑已有的公交线路客流，而重点考虑交通出行不方便的客流时，则可以通过交通数据的比对而获得不方便od，然后依据不方便od规划出行线路。上述不方便od是指公共交通出行不方便的od。其中交通数据的比对规则可以根据需要进行设定，例如交通起止点间搭乘公共交通时间是自驾开行时间1.5倍以上且公共交通时间减去自驾开行时间大于10分钟的od，又例如换乘次数超过4次的od，又或者公交绕行系数高于设定阈值的od，又或者到最近站点的步行距离超过设定阈值的od。
[0104]
在本发明的又一些实施方式中，由于在某些区域，除了特定的时间段，例如早高峰和晚高峰，其他时间段的交通出行量不大，那么在规划出行线路时，可以依据分时od(基于设定的时间段从全量交通出行量数据中遴选出的分时交通出行量数据)规划出行线路。
[0105]
在本发明的其他一些实施方式中，还可以基于指定子区域(例如一个园区，又例如设定的地理围栏内的区域)，以从全量交通出行量数据中遴选出的区域交通出行量数据(区域od)，然后基于该区域od规划出行线路。
[0106]
本发明的一种实施方式还提供了一种基于交通出行量数据处理进行出行线路规划的系统，其包括：
[0107]
交通出行量数据分析引擎，其基于用户停留点的特征，从用户报活点中筛选出用
户停留点，并基于用户停留点获取交通出行量数据，所述交通出行量数据包括起点、终点以及起点和终点之间的交通出行量；
[0108]
线路规划引擎，其对交通出行量数据进行聚合，确定出行线路的起点、终点、起点和终点之间的若干个中间站点区域以及出行线路的参数；所述线路规划引擎采用动态规划算法对所述各中间站点区域内的若干个中间站点进行寻优，以从各中间站点区域内筛选出覆盖交通出行量最大的中间站点位置；然后基于出行线路的起点、终点以及中间站点位置输出出行线路路径；
[0109]
其中所述交通出行量数据为下述各项的一个或多个：
[0110]
基于设定区域内全时间段的所有用户停留点而获得的全量交通出行量数据；
[0111]
基于交通数据的比对，以从全量交通出行量数据中遴选出的出行不方便的交通出行量数据；
[0112]
基于设定的时间段，以从全量交通出行量数据中遴选出的分时交通出行量数据；
[0113]
基于指定子区域，以从全量交通出行量数据中遴选出的区域交通出行量数据。
[0114]
在本发明所述的基于交通出行量数据处理进行出行线路规划的系统的一些实施方式中，所述用户报活点为用户主动上报并传输至交通出行量数据分析引擎。
[0115]
在本发明所述的基于交通出行量数据处理进行出行线路规划的系统的另一些实施方式中，所述交通出行量数据分析引擎主动从用户处采集用户报活点。
[0116]
在本发明所述的基于交通出行量数据处理进行出行线路规划的系统的一些实施方式中，所述用户停留点具有时间戳。由此基于用户停留点获得的交通出行量数据就具有了时间特征，从而可以进一步基于各个时间段的交通出行量数据的特点，规划出行线路，例如针对早高峰或晚高峰时间段规划出行线路。
[0117]
在本发明所述的基于交通出行量数据处理进行出行线路规划的系统的一些实施方式中，所述用户停留点的特征包括下述各项的至少其中之一：该位置具有消费记录、该位置为办公区域、该位置为住宅区域、停留在该位置的时长超过设定的阈值。
[0118]
在本发明所述的基于交通出行量数据处理进行出行线路规划的系统的一些实施方式中，所述交通出行量数据分析引擎采用深度学习模型基于用户停留点的特征，从用户报活点中筛选出用户停留点。在更具体的实施例中，所述交通出行量数据分析引擎可以采用bilstm深度学习模型基于用户停留点的特征，从用户报活点中筛选出用户停留点。
[0119]
在本发明所述的基于交通出行量数据处理进行出行线路规划的系统的一些实施方式中，如果在规划出行线路时，基于目前已有的公交线路的体验较差，而需要考虑已有的公交线路客流，则可以以全量od为基础，规划出行线路。
[0120]
在本发明所述的基于交通出行量数据处理进行出行线路规划的系统的另一些实施方式中，如果在规划出行线路时，不需要考虑已有的公交线路客流，而重点考虑交通出行不方便的客流时，则可以依据不方便od规划出行线路。
[0121]
在本发明所述的基于交通出行量数据处理进行出行线路规划的系统的又一些实施方式中，由于在某些区域，除了特定的时间段，例如早高峰和晚高峰，其他时间段的交通出行量不大，那么在规划出行线路时，可以依据分时od规划出行线路。
[0122]
本发明的一种实施方式还提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行上文所述的基于交通出行量数据
进行出行线路规划方法所包括的步骤。
[0123]
本发明的一种实施方式还提供了一种计算设备，其包括存储器和处理器，所述存储器中存储有可执行代码，当所述处理器执行可执行代码时，其执行上文所述的基于交通出行量数据进行出行线路规划方法所包括的步骤。
[0124]
采用本发明所述的方法和系统获得的出行线路，可以采用现有的大规模并行图计算技术结合城市交通路网图，来对其客流量进行预测，由此可以获知本发明的技术效果。
[0125]
由此可见，本发明所述的方法及系统可以基于数据处理真正挖掘增量客流，使得原来不乘坐公共交通的乘客更有可能乘坐公共交通出行，而不是在现有的出行线路之间进行客流的重新分配。
[0126]
此外，在依据不方便od而规划出行线路的技术方案中，其不会与其他已有的公交线路产生冲突，而能够很好地解决公交不方便人的出行需求。
[0127]
本发明所述的方法容易验证，可以通过地图的路径规划，验证该od现有的出行线路是否真的不方便。
[0128]
需要注意的是，以上列举的仅为本发明的具体实施例，显然本发明不限于以上实施例，随之有着许多的类似变化。本领域的技术人员如果从本发明公开的内容直接导出或联想到的所有变形，均应属于本发明的保护范围。

技术特征：

1.一种基于交通出行量数据处理进行出行线路规划的方法，其包括步骤：获取用户报活点并提取用户报活点特征；基于用户报活点特征，从用户报活点中筛选出用户停留点；基于用户停留点获取交通出行量数据，所述交通出行量数据包括用户起点、用户终点以及用户起点和用户终点之间的交通出行量；其中所述交通出行量数据为下述各项的一个或多个：基于设定区域内全时间段的所有用户停留点而获得的全量交通出行量数据；基于交通数据的比对，以从全量交通出行量数据中遴选出的出行不方便的交通出行量数据；基于设定的时间段，以从全量交通出行量数据中遴选出的分时交通出行量数据；基于指定子区域，以从全量交通出行量数据中遴选出的区域交通出行量数据；对交通出行量数据进行聚合，确定出行线路的起点、终点、起点和终点之间的若干个中间站点区域以及出行线路的参数；对各所述中间站点区域内选择的若干个中间站点进行寻优，以从各中间站点区域内筛选出覆盖交通出行量最大的中间站点位置；基于出行线路的起点、终点以及中间站点位置输出出行线路路径。2.如权利要求1所述的基于交通出行量数据处理进行出行线路规划的方法，其中，采用动态规划算法对各所述中间站点区域内选择的若干个中间站点进行寻优。3.如权利要求1所述的基于交通出行量数据处理进行出行线路规划的方法，其中，接收用户报活点或者主动采集用户报活点，以获取所述用户报活点。4.如权利要求1所述的基于交通出行量数据处理进行出行线路规划的方法，其中，采用时间戳表征用户停留点的时间特征。5.如权利要求1所述的基于交通出行量数据处理进行出行线路规划的方法，其中，当提取的用户报活点特征包括下述各项的至少其中之一时：该位置具有消费记录、该位置为办公区域、该位置为住宅区域、停留在该位置的时长超过设定的阈值，判断该用户报活点为用户停留点。6.如权利要求1所述的基于交通出行量数据处理进行出行线路规划的方法，其中，采用bilstm深度学习模型从用户报活点中筛选出用户停留点。7.如权利要求1所述的基于交通出行量数据处理进行出行线路规划的方法，其中，所述出行线路的参数包括下述各项的至少其中之一：设置的站点数、各站点有效覆盖半径、站点最低交通出行量以及线路非直线系数。8.一种基于交通出行量数据处理进行出行线路规划的系统，其中，包括：交通出行量数据分析引擎，其获取用户报活点并提取用户报活点特征；基于用户报活点特征，从用户报活点中筛选出用户停留点；以及基于用户停留点获取交通出行量数据，所述交通出行量数据包括用户起点、用户终点以及用户起点和用户终点之间的交通出行量；线路规划引擎，其对交通出行量数据进行聚合，确定出行线路的起点、终点、起点和终点之间的若干个中间站点区域以及出行线路的参数；对各所述中间站点区域内的选择的若干个中间站点进行寻优，以从各中间站点区域内筛选出覆盖交通出行量最大的中间站点位置；然后基于出行线路的起点、终点以及中间站点位置输出出行线路路径；其中所述交通出行量数据为下述各项的一个或多个：基于设定区域内全时间段的所有用户停留点而获得的全量交通出行量数据；
基于交通数据的比对，以从全量交通出行量数据中遴选出的出行不方便的交通出行量数据；基于设定的时间段，以从全量交通出行量数据中遴选出的分时交通出行量数据；基于指定子区域，以从全量交通出行量数据中遴选出的区域交通出行量数据。9.如权利要求8所述的基于交通出行量数据处理进行出行线路规划的系统，其中，所述交通出行量数据分析引擎采用动态规划算法对各所述中间站点区域内选择的若干个中间站点进行寻优。10.如权利要求8所述的基于交通出行量数据处理进行出行线路规划的系统，其中，所述交通出行量数据分析引擎接收用户报活点，或者交通出行量数据分析引擎主动采集用户报活点。11.如权利要求8所述的基于交通出行量数据处理进行出行线路规划的系统，其中，所述交通出行量数据分析引擎采用时间戳表征用户停留点的时间特征。12.如权利要求8所述的基于交通出行量数据处理进行出行线路规划的系统，其中，当所述交通出行量数据分析引擎提取的用户报活点特征包括下述各项的至少其中之一时：该位置具有消费记录、该位置为办公区域、该位置为住宅区域、停留在该位置的时长超过设定的阈值；所述交通出行量数据分析引擎判断该用户报活点为用户停留点。13.如权利要求8所述的基于交通出行量数据处理进行出行线路规划的系统，其中，所述交通出行量数据分析引擎采用bilstm深度学习模型从用户报活点中筛选出用户停留点。14.如权利要求8所述的基于交通出行量数据处理进行出行线路规划的系统，其中，所述出行线路的参数包括下述各项的至少其中之一：设置的站点数、各站点有效覆盖半径、站点最低交通出行量以及线路非直线系数。15.一种计算机可读存储介质，其上存储有计算机程序，其中，当所述计算机程序在计算机中执行时，令计算机执行如权利要求1-7中的任意一项所述的方法所包括的步骤。16.一种计算设备，其包括存储器和处理器，其中，所述存储器中存储有可执行代码，当所述处理器执行可执行代码时，其执行如权利要求1-7中的任意一项所述的方法所包括的步骤。

技术总结

本发明公开了一种基于交通出行量数据处理进行出行线路规划的方法，其包括步骤：获取用户报活点并提取用户报活点特征；基于用户报活点特征，从用户报活点中筛选出用户停留点；基于用户停留点获取交通出行量数据，所述交通出行量数据包括用户起点、用户终点以及用户起点和用户终点之间的交通出行量；对交通出行量数据进行聚合，确定出行线路的起点、终点、起点和数；对各所述中间站点区域内选择的若干个中间站点进行寻优，以从各中间站点区域内筛选出覆盖交通出行量最大的中间站点位置；基于出行线路的起点、终点以及中间站点位置输出出行线路路径。相应地，本发明还公开了基于交通出行量数据处理进行出行线路规划的系统。量数据处理进行出行线路规划的系统。量数据处理进行出行线路规划的系统。