System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及智慧交通领域,具体而言,涉及一种基站识别方法、装置、电子设备及计算机可读存储介质。
技术介绍
1、交通方式的识别,对于了解城市居民出行结构的变化,进而优化交通服务设施的供给,具有重要的现实意义。精准判定居民出行方式是城市交通规划与管理的关键内容,绿色交通占比也是城市体检的重要指标,而城市体检领域的指标还包括了轨道周边800m范围的人口覆盖率。毫无疑问,轨道交通是绿色出行、降低机动化出行碳排放的重要一环,而且轨道交通也一直是超大和特大城市基础设施建设的重要内容。在当前高质量发展,存量运营的背景之下,精准识别轨道站点的服务范围,提高轨道的利用效率,显得尤为迫切。
2、传统的轨道交通出行识别,主要依托于交通调查,但当前的调查存在周期长(每5年一次)、频率低、成本高的特点,无法及时反映最新的交通需求动态:以北京市为例,自1986年实施第一次综合交通大调查以来,2000年后开始固定,每5年举行一次,至今仅完成了5次大调查;就天津来说,1981年在全国首次进行了综合交通调查,1993年、2000年、2011年、2017年又分别进行了调查。
3、近年来新兴的ic(integrated circuit,集成电路)卡数据,为轨道交通的出行量识别提供了很好的支持,但是该数据仅仅能识别出在轨道内部的轨道出行od(o代表起点origin、d代表终点destination)。
4、而当前,随着移动互联网技术的发展,借助各类地铁app刷二维码进出地铁站的现象已越发普遍,这也在一定程度上影响到了ic卡数据的可
5、但是,在实际情况中,往往只有地下的地铁站存在专设的地铁专用基站,而地面的地铁站(尤其是郊区的地面地铁站)大多不存在专设的基站,所以现有技术无法确定地面的地铁站所采用的服务基站,导致后续对郊区之间以及郊区和中心城区之间的轨道出行链的识别误差偏大,影响决策的科学性。
技术实现思路
1、本专利技术的目的在于提供一种基站识别方法、装置、电子设备及计算机可读存储介质,以改善现有技术存在的问题。
2、本专利技术的实施例可以这样实现:
3、第一方面,本专利技术提供一种基站识别方法,包括:
4、根据指定区域在指定时段内的手机信令数据集,确定每个出行用户的至少一条出行轨迹;所述出行轨迹包括所述出行用户沿途使用手机进行指令交互的多个基站;
5、确定所述指定区域内每个地铁站周围布设半径内的至少一个候选基站;
6、基于所述指定区域的专用基站信息和站点信息、全部所述出行轨迹以及所述指定区域的用地类型构成信息,确定所述指定区域内每个地铁站的每个候选基站的特征数据;所述特征数据反映所述候选基站的类型属性、在所述指定时段的服务人次变化情况以及周围的用地类型构成情况;
7、基于所述指定区域内每个地铁站的每个候选基站的特征数据,从所有候选基站中识别出所有的有效地铁基站,并确定每个所述有效地铁基站所服务的地铁站。
8、可选的,所述确定所述指定区域内每个地铁站周围布设半径内的至少一个候选基站的步骤,包括:
9、获取所述专用基站信息和所述站点信息;所述专用基站信息包括所述指定区域中每个专用地铁基站的位置和其服务的地铁站;所述站点信息包括所述指定区域内每个地铁站的位置;
10、基于每个所述专用地铁基站的位置和其服务的每个地铁站的位置,计算每个所述专用地铁基站与其服务的地铁站之间的分布距离;
11、基于全部的分布距离,确定专用地铁基站与其服务地铁站之间的布设半径;
12、针对所述指定区域的每个地铁站,将所述地铁站周围布设半径内的所有基站均作为所述地铁站的候选基站,得到所述指定区域内每个地铁站的每个候选基站。
13、可选的,所述专用基站信息包括多个专用地铁基站及其服务的地铁站;所述站点信息包括所述指定区域的每个地铁站的站点类型;所述站点类型包括地面站和地下站;所述特征数据包括属性标签和综合特征向量;
14、所述基于所述指定区域的专用基站信息和站点信息、全部所述出行轨迹以及所述指定区域的用地类型构成信息,确定所述指定区域内每个地铁站的每个候选基站的特征数据的步骤,包括:
15、基于所述专用基站信息和所述站点信息,确定所述指定区域内每个地铁站所对应每个候选基站的属性标签;所述属性标签为0、1、2、3中的一个;其中,所述属性标签为0代表所述候选基站对应的地铁站属于地下站且存在另外的专用地铁基站;所述属性标签为1代表所述候选基站对应的地铁站属于地下站,并且所述候选基站为对应地铁站的专用地铁基站;所述属性标签为2代表所述候选基站对应的地铁站属于地面站,并且所述候选基站为对应地铁站的专用地铁基站;所述属性标签为3代表所述候选基站对应的地铁站不存在专用地铁基站;
16、基于全部所述出行轨迹和所述用地类型构成信息,确定所述指定区域内每个地铁站所对应每个候选基站的综合特征向量。
17、可选的,所述用地类型构成信息包括所述指定区域中若干兴趣点的位置和所属的用地类型;
18、所述基于全部所述出行轨迹和所述用地类型构成信息,确定所述指定区域内每个地铁站所对应每个候选基站的综合特征向量的步骤,包括:
19、将所述指定时段按照预设周期分割为多个颗粒时段;
20、针对每个地铁站所对应的每个候选基站,从全部出行轨迹中统计出所述候选基站在每个所述颗粒时段中的服务人次,得到所述候选基站的第一特征向量;
21、在以所述候选基站为中心的布设半径范围内,统计每种用地类型的兴趣点数量,得到所述候选基站的第二特征向量;
22、对所述候选基站的第一特征向量和第二特征向量进行标准化处理后进行拼接,得到所述候选基站的综合特征向量。
23、可选的,所述基于所述指定区域内每个地铁站的每个候选基站的特征数据,从所有候选基站中识别出所有的有效地铁基站,并确定每个所述有效地铁基站所服务的地铁站的步骤,包括:
24、基于所述属性标签为0、1和2的所有候选基站的综合特征向量和属性标签,生成分类识别模型;
25、利用所述分类识别模型,从所述属性标签为3的全部候选基站筛选出所有的特定地铁基站;所述特定地铁基站代表与附近的地铁站的出行用户的终端存在交互的基站;
26、将所述属性标签为1和2的所有候选基站以及全部特定地铁基站均作为有效地铁基站;
27、从所述专用基站信息中查找出每个属性标签为1的候选基站所服务的地铁站,并将每个所述特定地铁基站的服务对象设置为其周围最近的地铁站,得到每个所述有效地铁基站所服务的地铁站。
28、可选的,所述基于所述属性标签为0、1和2的所有候选基站的综合特征向量和属性标签,生成分类识别模型的步骤,包括:
29、根据所述属性标签为2的所本文档来自技高网...
【技术保护点】
1.一种基站识别方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述确定所述指定区域内每个地铁站周围布设半径内的至少一个候选基站的步骤,包括:
3.根据权利要求1所述的方法,其特征在于,所述专用基站信息包括多个专用地铁基站及其服务的地铁站;所述站点信息包括所述指定区域的每个地铁站的站点类型;所述站点类型包括地面站和地下站;所述特征数据包括属性标签和综合特征向量;
4.根据权利要求3所述的方法,其特征在于,所述用地类型构成信息包括所述指定区域中若干兴趣点的位置和所属的用地类型;
5.根据权利要求3所述的方法,其特征在于,所述基于所述指定区域内每个地铁站的每个候选基站的特征数据,从所有候选基站中识别出所有的有效地铁基站,并确定每个所述有效地铁基站所服务的地铁站的步骤,包括:
6.根据权利要求5所述的方法,其特征在于,所述基于所述属性标签为0、1和2的所有候选基站的综合特征向量和属性标签,生成分类识别模型的步骤,包括:
7.根据权利要求5所述的方法,其特征在于,所述利用所述分类识别模型,从所述属
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
9.根据权利要求8所述的方法,其特征在于,所述服务范围信息包括入站服务半径和出站服务半径;所述根据每条所述地铁出行轨迹所对应的进站地铁站和出站地铁站,确定所述指定区域内每个所述地铁站的服务范围信息的步骤,包括:
10.根据权利要求8所述的方法,其特征在于,所述服务范围信息包括入站热力图和出站热力图;
11.一种基站识别装置,其特征在于,包括:
12.一种电子设备,其特征在于,包括:存储器和处理器,所述存储器存储有软件程序,当所述电子设备运行时所述处理器执行所述软件程序以实现如权利要求1-10中任一项所述的基站识别方法。
13.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-10中任一项所述的基站识别方法。
...【技术特征摘要】
1.一种基站识别方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述确定所述指定区域内每个地铁站周围布设半径内的至少一个候选基站的步骤,包括:
3.根据权利要求1所述的方法,其特征在于,所述专用基站信息包括多个专用地铁基站及其服务的地铁站;所述站点信息包括所述指定区域的每个地铁站的站点类型;所述站点类型包括地面站和地下站;所述特征数据包括属性标签和综合特征向量;
4.根据权利要求3所述的方法,其特征在于,所述用地类型构成信息包括所述指定区域中若干兴趣点的位置和所属的用地类型;
5.根据权利要求3所述的方法,其特征在于,所述基于所述指定区域内每个地铁站的每个候选基站的特征数据,从所有候选基站中识别出所有的有效地铁基站,并确定每个所述有效地铁基站所服务的地铁站的步骤,包括:
6.根据权利要求5所述的方法,其特征在于,所述基于所述属性标签为0、1和2的所有候选基站的综合特征向量和属性标签,生成分类识别模型的步骤,包括:
7.根据权利要求5所...
【专利技术属性】
技术研发人员:冯永恒,王春兰,罗剑锋,张航,闫嘉,张岩,
申请(专利权)人:智慧足迹数据科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。