一种基于分布式机器学习的行车站点优化更新方法和系统技术方案

本申请公开一种基于分布式机器学习的行车站点优化更新方法和系统。将固定时间段内单条线路全部行车的车况信息进行站内和上下行分类，获得上下行分类所对应的疑似单行站点数据；以单辆行车为单位，将疑似单行站点数据通过Bisecting k

【技术实现步骤摘要】
一种基于分布式机器学习的行车站点优化更新方法和系统


[0001]本申请实施例涉及智能公交
，具体涉及一种基于分布式机器学习的行车站点优化更新方法和系统。

技术介绍

[0002]在地图上展示公交行驶线路往往是依据公交公司所给出的线路文件，当公交公司对公交线路进行调整变更后，原始站点数据信息往往不能及时更新，或是站点数据本身就存在误差，从而导致实际行车线路与地图数据库内站点位置偏差较大。目前更新站点信息大致有以下三种方式：向公交公司申请获得最新的线路文件；通过调用第三方地图服务商的API接口；经用户反馈，进行手工标注。上述三种更新站点信息的方式，都存在及时性的问题。如采用第一种方式，则公交公司没有通知到应用方线路已变更的义务；采用第二种方式，虽然不需要考虑站点更新问题，第三方地图服务商会维护站点数据，但时效性也不强，他们往往也是依赖第三种方式，即根据用户反馈来进行人工站点标注。而一旦涉及到用户反馈，也就会存在时间上的延迟和人工成本等问题。

技术实现思路

[0003]本申请实施例的目的在于提出了一种基于分布式机器学习的行车站点优本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于分布式机器学习的行车站点优化更新方法，其特征在于，所述方法包括：S1：将固定时间段内单条线路全部行车的车况信息进行站内和上下行分类，获得所述上下行分类所对应的疑似单行站点数据；S2：以单辆行车为单位，将所述疑似单行站点数据通过Bisecting k
‑
Means算法进行第一层聚类处理，获得每辆行车对应的初始单行站点数据；S3：利用k
‑
Means算法对所述初始单行站点数据进行第二层聚类处理，获得每辆行车的最终单行站点数据，基于时间顺序将所述最终单行站点数据进行串联处理，获得每辆行车的实际行驶线路；以及S4：将所述实际行驶线路与原始线路进行差异度计算，以更新所述差异度小于设定阈值的原始线路的站点位置信息，获得优化后的行车站点线路。2.根据权利要求1所述的方法，其特征在于，所述S2步骤前还包括利用墨卡托投影将所述疑似单行站点数据的经纬度坐标轴转化为墨卡托单元。3.根据权利要求1所述的方法，其特征在于，所述S3步骤还包括对所述最终单行站点数据中的每个最终单行站点和对应的原始线路站点的进行平均误差函数计算，具体的计算公式如下：其中，N表示最终单行站点的个数，y
i
表示第i个最终单行站点的向量值，x
i
表示第i个原始线路站点的向量值，i表示自然数，且i≤N。4.根据权利要求1所述的方法，其特征在于，所述S3步骤后还包括对所述实际行驶线路和所述原始线路进行线路特征转换成两个行向量。5.根据权利要求1所述的方法，其特征在于，所述S4步骤还包括响应于将所述全部行车的实际行驶线路根据对应的差异度大小进行降序排序，选取差异度小于设定阈值且差异度最小的实际行驶线路作为最优匹配线路，并根据所述最优匹配线路更新对应的站点信息。6.一种基于分布式机器学习算法的行车站点优化更新系统，其特征在于，所述系统包括：疑似单行站点模块，配置用于...

【专利技术属性】
技术研发人员：王泽兵，蔡素贤，王皓桦，林华森，罗敬贤，
申请(专利权)人：汉纳森厦门数据股份有限公司，
类型：发明
国别省市：