国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      基于聚類的區(qū)域出行意愿強(qiáng)度分析方法、裝置及選址方法

      文檔序號(hào):10512827閱讀:415來源:國(guó)知局
      基于聚類的區(qū)域出行意愿強(qiáng)度分析方法、裝置及選址方法
      【專利摘要】本發(fā)明涉及一種基于聚類的區(qū)域出行意愿強(qiáng)度分析方法,解決了現(xiàn)有技術(shù)的不足,技術(shù)方案為:數(shù)據(jù)采集步驟,采用爬蟲技術(shù)采集各個(gè)目標(biāo)區(qū)域的公交、出租車、自行車或其他公共交通的出行軌跡記錄,數(shù)據(jù)分揀步驟,對(duì)由數(shù)據(jù)采集步驟采集到的出行軌跡記錄進(jìn)行數(shù)據(jù)清洗,得到以結(jié)構(gòu)化形式存儲(chǔ)的出行軌跡記錄,聚類分析步驟,采用聚類算法,對(duì)結(jié)構(gòu)化存儲(chǔ)的出行軌跡記錄進(jìn)行時(shí)空網(wǎng)絡(luò)分析,得出聚類分析結(jié)果,出行意愿強(qiáng)度分析步驟,根據(jù)聚類分析結(jié)果計(jì)算各個(gè)目標(biāo)區(qū)域的出行意愿強(qiáng)度。
      【專利說明】
      基于聚類的區(qū)域出行意愿強(qiáng)度分析方法、裝置及選址方法
      技術(shù)領(lǐng)域
      [0001]本發(fā)明涉及一種區(qū)域出行意愿強(qiáng)度分析方法、裝置及選址方法,特別涉及一種基于聚類的區(qū)域出行意愿強(qiáng)度分析方法、裝置及選址方法。
      【背景技術(shù)】
      [0002]隨著新能源汽車行業(yè)的快速發(fā)展,充電粧數(shù)量有限的瓶頸逐漸顯現(xiàn)出來,同時(shí)由于充電粧的位置明顯不合理而導(dǎo)致其使用率偏低。為使電動(dòng)汽車充電粧得到合理利用,目前主要基于在已有充電粧的基礎(chǔ)上,采用0-1規(guī)劃及覆蓋的數(shù)學(xué)模型對(duì)充電粧的位置進(jìn)行分配,采取動(dòng)態(tài)調(diào)整與靜態(tài)增設(shè)的方法,使得目標(biāo)函數(shù)(即對(duì)規(guī)劃后的電動(dòng)汽車充電粧的利用率)最大。然而,我們并沒有更多關(guān)注充電粧建站地點(diǎn)在市民出行意愿網(wǎng)絡(luò)中的重要性,導(dǎo)致現(xiàn)有的充電粧建設(shè)利用效率低,用地較多,使用和維護(hù)的成本較高。

      【發(fā)明內(nèi)容】

      [0003]本發(fā)明的目的在于解決上述現(xiàn)有技術(shù)選址后部分充電粧的位置明顯不合理而導(dǎo)致其使用率偏低的問題,提供了一種基于聚類的區(qū)域出行意愿強(qiáng)度分析方法、裝置及選址方法。
      [0004]本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是:一種基于聚類的區(qū)域出行意愿強(qiáng)度分析方法,包括以下步驟:
      [0005]數(shù)據(jù)采集步驟,采用爬蟲技術(shù)采集各個(gè)目標(biāo)區(qū)域的公交、出租車、自行車或其他公共交通的出行軌跡記錄,
      [0006]數(shù)據(jù)分揀步驟,對(duì)由數(shù)據(jù)采集步驟采集到的出行軌跡記錄進(jìn)行數(shù)據(jù)清洗,得到以結(jié)構(gòu)化形式存儲(chǔ)的出行軌跡記錄,
      [0007]聚類分析步驟,采用聚類算法,對(duì)結(jié)構(gòu)化存儲(chǔ)的出行軌跡記錄進(jìn)行時(shí)空網(wǎng)絡(luò)分析,得出聚類分析結(jié)果,
      [0008]出行意愿強(qiáng)度分析步驟,根據(jù)聚類分析結(jié)果計(jì)算各個(gè)目標(biāo)區(qū)域的出行意愿強(qiáng)度。
      [0009]本發(fā)明可以對(duì)某一個(gè)區(qū)域內(nèi)多種不同的交通工具進(jìn)行整體統(tǒng)計(jì),而不是僅僅局限與某一個(gè)點(diǎn)的一種交通工具進(jìn)行數(shù)據(jù)統(tǒng)計(jì),根據(jù)聚類分析,可以在一定范圍內(nèi)統(tǒng)計(jì)所有種類的公共交通工具的出行記錄,對(duì)市民出行強(qiáng)度分析的實(shí)時(shí)性以及準(zhǔn)確性較高,對(duì)市民出行軌跡進(jìn)行時(shí)空分析,同時(shí)提供了市民出行意愿強(qiáng)度計(jì)算方法,最終為充電粧選址部署提供參考依據(jù),同時(shí)也可對(duì)現(xiàn)有公共交通網(wǎng)絡(luò)進(jìn)行調(diào)整,應(yīng)用范圍廣闊,是現(xiàn)有技術(shù)的完美補(bǔ)充。
      [0010]作為優(yōu)選,所述數(shù)據(jù)采集步驟中,采集的數(shù)據(jù)包括身份ID、出發(fā)地點(diǎn)經(jīng)瑋度、目的地點(diǎn)經(jīng)瑋度、出發(fā)時(shí)間和到達(dá)時(shí)間。該裝置部署在互聯(lián)網(wǎng)環(huán)境下,通過數(shù)據(jù)采集器自行爬取互聯(lián)網(wǎng)中的出行數(shù)據(jù),并通過數(shù)據(jù)分揀器進(jìn)行數(shù)據(jù)清洗,清洗后的出行數(shù)據(jù)存入海量數(shù)據(jù)存儲(chǔ)器、基于爬蟲技術(shù),采集公交、出租車、自行車等出行數(shù)據(jù),支持分布式部署。
      [0011 ]作為優(yōu)選,在數(shù)據(jù)分揀步驟中,將采集到的出發(fā)時(shí)間結(jié)構(gòu)化為出發(fā)時(shí)間集:stt ime[0..n-1 ],出發(fā)地點(diǎn)經(jīng)瑋度結(jié)構(gòu)化為出發(fā)地點(diǎn)集:locat1n[0..n_l ] = {(xo,yo),(χι,yi),…,(myn)},!!為采集到的所有出行軌跡記錄的條數(shù),在聚類分析步驟中,以出發(fā)地點(diǎn)為維度和出發(fā)時(shí)間為維度分別進(jìn)行聚類分析。
      [0012]由于出現(xiàn)意愿不僅僅與地域相關(guān)還與節(jié)假日、休息日相關(guān)因此,在分類時(shí)不僅以出發(fā)地點(diǎn)為維度進(jìn)行聚類分析,還以出發(fā)時(shí)間為維度進(jìn)行聚類分析。
      [0013]作為優(yōu)選,以出發(fā)時(shí)間為維度的聚類分析步驟,包括,
      [00?4] 時(shí)間聚類步驟一,首先選取出行軌跡記錄出發(fā)時(shí)間的m個(gè)初始中心,記為a[O ]=sttime[0],a[I] =sttime[I],…,a[m_l] =sttime[m_l] (m<n);
      [0015]時(shí)間聚類步驟二,將sttime[0]至sttime[n_l]內(nèi)所有出發(fā)時(shí)間,分別與a[0],a[l]至a[m-l]進(jìn)行比較,sttime[0]至sttime[n-l]內(nèi)所有出發(fā)時(shí)間對(duì)應(yīng)有一個(gè)最小差值a[i],并標(biāo)記為i,對(duì)于所有標(biāo)記為i的點(diǎn)重新計(jì)算a[i] = {所有標(biāo)記為i的s11ime[ j]之和}/標(biāo)記為i的個(gè)數(shù);
      [0016]時(shí)間聚類步驟三,重復(fù)時(shí)間聚類步驟二,直到所有a[i]的變化小于給定的閾值,完成以出發(fā)時(shí)間為維度的聚類分析;
      [0017]同時(shí)以出發(fā)地點(diǎn)為維度的聚類分析包括,
      [0018]地點(diǎn)聚類步驟一,首先選取出行軌跡記錄出發(fā)地點(diǎn)的k個(gè)初始中心,分別記為b[0]=locat1n[0],b[ I ] = locat1n[ I ],…,b[k_l ] = locat1n[k_l ] (k<n);
      [0019]地點(diǎn)聚類步驟二,將locat1n[0]至locat1n[n_l]內(nèi)所有經(jīng)瑋度數(shù)據(jù),分別與b
      [O],b[ I],至,b[k_l]比較,locat1n[0]至locat1n[n_l]內(nèi)所有經(jīng)瑋度數(shù)據(jù)對(duì)應(yīng)有一個(gè)最小距離b[ i ],并標(biāo)記為i ;對(duì)于所有標(biāo)記為i的點(diǎn),重新計(jì)算b[ i ] = {所有標(biāo)記為i的locat1n[j]之和}/標(biāo)記為i的個(gè)數(shù);
      [0020]地點(diǎn)聚類步驟三,重復(fù)地點(diǎn)聚類步驟二,直到所有b[i]的變化小于給定的閾值,完成以出發(fā)地點(diǎn)為維度的聚類分析。
      [0021]作為優(yōu)選,根據(jù)聚類分析后所得的分類結(jié)果,計(jì)算出各個(gè)目標(biāo)區(qū)域的時(shí)間權(quán)值和區(qū)域權(quán)值,時(shí)間權(quán)值=所在區(qū)域類的出行時(shí)間總和/總出行時(shí)間總和;區(qū)域權(quán)值=所在區(qū)域類的記錄數(shù)/總記錄數(shù);目標(biāo)區(qū)域的出行意愿強(qiáng)度為目標(biāo)區(qū)域所屬的時(shí)間權(quán)值與區(qū)域權(quán)值的乘積。本發(fā)明可以對(duì)某一個(gè)區(qū)域內(nèi)多種不同的交通工具進(jìn)行整體統(tǒng)計(jì),而不是僅僅局限與某一個(gè)點(diǎn)的一種交通工具進(jìn)行數(shù)據(jù)統(tǒng)計(jì),根據(jù)聚類分析,可以在一定范圍內(nèi)統(tǒng)計(jì)所有種類的公共交通工具的出行記錄,出行意愿強(qiáng)度可以明確對(duì)各個(gè)區(qū)域的出行意愿進(jìn)行排名也能夠反應(yīng)出各個(gè)區(qū)域出行情況的大致比例,對(duì)市民出行軌跡進(jìn)行時(shí)空分析,同時(shí)提供了市民出行意愿強(qiáng)度計(jì)算方法,最終為充電粧選址部署提供參考依據(jù),同時(shí)也可對(duì)現(xiàn)有公共交通網(wǎng)絡(luò)進(jìn)行調(diào)整,應(yīng)用范圍廣闊,是現(xiàn)有技術(shù)的完美補(bǔ)充。
      [0022]—種基于聚類的區(qū)域出行意愿強(qiáng)度分析裝置,其特征在于:采用如權(quán)利要求6所述的基于聚類的區(qū)域出行意愿強(qiáng)度分析方法,包括以下器件:
      [0023]數(shù)據(jù)采集器,采用爬蟲技術(shù)采集各個(gè)目標(biāo)區(qū)域的公交、出租車、自行車或其他公共交通的出行軌跡記錄,
      [0024]數(shù)據(jù)分揀器,對(duì)由數(shù)據(jù)采集器采集到的出行軌跡記錄進(jìn)行數(shù)據(jù)清洗,得到以結(jié)構(gòu)化形式存儲(chǔ)的出行軌跡記錄,
      [0025]聚類分析器,采用聚類算法,對(duì)結(jié)構(gòu)化存儲(chǔ)的出行軌跡記錄進(jìn)行時(shí)空網(wǎng)絡(luò)分析,得出聚類分析結(jié)果,
      [0026]出行意愿強(qiáng)度分析器,根據(jù)聚類分析結(jié)果計(jì)算各個(gè)目標(biāo)區(qū)域的出行意愿強(qiáng)度。
      [0027]本發(fā)明可以對(duì)某一個(gè)區(qū)域內(nèi)多種不同的交通工具進(jìn)行整體統(tǒng)計(jì),而不是僅僅局限與某一個(gè)點(diǎn)的一種交通工具進(jìn)行數(shù)據(jù)統(tǒng)計(jì),根據(jù)聚類分析,可以在一定范圍內(nèi)統(tǒng)計(jì)所有種類的公共交通工具的出行記錄,對(duì)市民出行強(qiáng)度分析的實(shí)時(shí)性以及準(zhǔn)確性較高,對(duì)市民出行軌跡進(jìn)行時(shí)空分析,同時(shí)提供了市民出行意愿強(qiáng)度計(jì)算方法,最終為充電粧選址部署提供參考依據(jù),同時(shí)也可對(duì)現(xiàn)有公共交通網(wǎng)絡(luò)進(jìn)行調(diào)整,應(yīng)用范圍廣闊,是現(xiàn)有技術(shù)的完美補(bǔ)充。
      [0028]—種基于聚類的區(qū)域出行意愿強(qiáng)度分析的選址方法,用于充電粧選址,采用如權(quán)利要求7所述的基于聚類的區(qū)域出行意愿強(qiáng)度分析裝置,根據(jù)目標(biāo)區(qū)域的出行意愿強(qiáng)度進(jìn)行充電粧布置,當(dāng)目標(biāo)區(qū)域出行意愿強(qiáng)度大于設(shè)定閾值時(shí)布置充電粧。本發(fā)明充電粧選址充分考慮了市民的出行意愿,建設(shè)的充電粧,有更好的利用效率,可以節(jié)約用地,降低使用和維護(hù)的成本。
      [0029]作為優(yōu)選,所述數(shù)據(jù)采集步驟中采用爬蟲技術(shù)采集各個(gè)目標(biāo)區(qū)域包括公交、出租車在內(nèi)的機(jī)動(dòng)車公共交通的出行軌跡記錄,并以機(jī)動(dòng)車公共交通的出行軌跡記錄作為數(shù)據(jù)來源依次執(zhí)行數(shù)據(jù)分揀步驟、聚類分析步驟,采用聚類算法和出行意愿強(qiáng)度分析步驟得出各個(gè)目標(biāo)區(qū)域的機(jī)動(dòng)車出行意愿強(qiáng)度,當(dāng)目標(biāo)區(qū)域的機(jī)動(dòng)車出行意愿強(qiáng)度大于設(shè)定閾值時(shí)布置充電粧。本發(fā)明中至采取了機(jī)動(dòng)車的公共交通的出行軌跡記錄,以與電動(dòng)汽車相類似的機(jī)動(dòng)車作為參考,對(duì)于充電粧的選址更為精準(zhǔn)。
      [0030]作為優(yōu)選,所述數(shù)據(jù)采集步驟中采用爬蟲技術(shù)采集各個(gè)目標(biāo)區(qū)域包括公交、出租車在內(nèi)的機(jī)動(dòng)車公共交通的出行軌跡記錄,并以機(jī)動(dòng)車公共交通的出行軌跡記錄作為數(shù)據(jù)來源依次執(zhí)行數(shù)據(jù)分揀步驟、聚類分析步驟,采用聚類算法和出行意愿強(qiáng)度分析步驟得出各個(gè)目標(biāo)區(qū)域的機(jī)動(dòng)車出行意愿強(qiáng)度,所述數(shù)據(jù)采集步驟中采用爬蟲技術(shù)采集各個(gè)目標(biāo)區(qū)域包括公共自行車在內(nèi)的非機(jī)動(dòng)車公共交通的出行軌跡記錄,并以非機(jī)動(dòng)車公共交通的出行軌跡記錄作為數(shù)據(jù)來源依次執(zhí)行數(shù)據(jù)分揀步驟、聚類分析步驟,采用聚類算法和出行意愿強(qiáng)度分析步驟得出各個(gè)目標(biāo)區(qū)域的非機(jī)動(dòng)車出行意愿強(qiáng)度,目標(biāo)區(qū)域的機(jī)動(dòng)車出行意愿強(qiáng)度與非機(jī)動(dòng)車出行意愿強(qiáng)度的差值為目標(biāo)區(qū)域的目標(biāo)區(qū)域出行意愿強(qiáng)度,當(dāng)目標(biāo)區(qū)域出行意愿強(qiáng)度大于設(shè)定閾值時(shí)布置充電粧。本發(fā)明在選址時(shí)充分考慮非機(jī)動(dòng)車的公共出行,因?yàn)榉菣C(jī)動(dòng)車和機(jī)動(dòng)車之間的最佳適用距離是有差異的,當(dāng)非機(jī)動(dòng)車公共出行意愿較為強(qiáng)烈時(shí),相對(duì)降低電動(dòng)汽車充電粧的建設(shè),可以將有限的資源進(jìn)行更好的分配,可以進(jìn)一步提高每個(gè)充電粧的利用效率。
      [0031]本發(fā)明的實(shí)質(zhì)性效果是:本發(fā)明可以對(duì)某一個(gè)區(qū)域內(nèi)多種不同的交通工具進(jìn)行整體統(tǒng)計(jì),而不是僅僅局限與某一個(gè)點(diǎn)的一種交通工具進(jìn)行數(shù)據(jù)統(tǒng)計(jì),根據(jù)聚類分析,可以在一定范圍內(nèi)統(tǒng)計(jì)所有種類的公共交通工具的出行記錄,對(duì)市民出行強(qiáng)度分析的實(shí)時(shí)性以及準(zhǔn)確性較高,對(duì)市民出行軌跡進(jìn)行時(shí)空分析,同時(shí)提供了市民出行意愿強(qiáng)度計(jì)算方法,最終為充電粧選址部署提供參考依據(jù),同時(shí)也可對(duì)現(xiàn)有公共交通網(wǎng)絡(luò)進(jìn)行調(diào)整,應(yīng)用范圍廣闊,是現(xiàn)有技術(shù)的完美補(bǔ)充,本發(fā)明充電粧選址充分考慮了市民的出行意愿,建設(shè)的充電粧,有更好的利用效率,可以節(jié)約用地,降低使用和維護(hù)的成本。
      【附圖說明】
      [0032]圖1為本發(fā)明中基于聚類的區(qū)域出行意愿強(qiáng)度分析裝置的一種結(jié)構(gòu)示意圖。
      [0033]圖中:1、數(shù)據(jù)采集器,2、數(shù)據(jù)分揀器,3、聚類分析器,4、出行意愿強(qiáng)度分析器,5、互聯(lián)網(wǎng)。
      【具體實(shí)施方式】
      [0034]下面通過具體實(shí)施例,并結(jié)合附圖,對(duì)本發(fā)明的技術(shù)方案作進(jìn)一步的具體說明。
      [0035]實(shí)施例:
      [0036]—種基于聚類的區(qū)域出行意愿強(qiáng)度分析方法,其特征在于:包括以下步驟:
      [0037]數(shù)據(jù)采集步驟,采用爬蟲技術(shù)采集各個(gè)目標(biāo)區(qū)域的公交、出租車、自行車或其他公共交通的出行軌跡記錄,
      [0038]數(shù)據(jù)分揀步驟,對(duì)由數(shù)據(jù)采集步驟采集到的出行軌跡記錄進(jìn)行數(shù)據(jù)清洗,得到以結(jié)構(gòu)化形式存儲(chǔ)的出行軌跡記錄,
      [0039]聚類分析步驟,采用聚類算法,對(duì)結(jié)構(gòu)化存儲(chǔ)的出行軌跡記錄進(jìn)行時(shí)空網(wǎng)絡(luò)分析,得出聚類分析結(jié)果,
      [0040]出行意愿強(qiáng)度分析步驟,根據(jù)聚類分析結(jié)果計(jì)算各個(gè)目標(biāo)區(qū)域的出行意愿強(qiáng)度。
      [0041]所述數(shù)據(jù)采集步驟中,采集的數(shù)據(jù)包括身份ID、出發(fā)地點(diǎn)經(jīng)瑋度、目的地點(diǎn)經(jīng)瑋度、出發(fā)時(shí)間和到達(dá)時(shí)間。
      [0042]在數(shù)據(jù)分揀步驟中,對(duì)出行軌跡記錄的出發(fā)時(shí)間轉(zhuǎn)化為十進(jìn)制,將采集到的出發(fā)時(shí)間結(jié)構(gòu)化為出發(fā)時(shí)間集:s 11 i m e [ 0..η -1 ],出發(fā)地點(diǎn)經(jīng)瑋度結(jié)構(gòu)化為出發(fā)地點(diǎn)集:locat1n[0..η_1 ] = {(xo,yo),(xi,yi),...,(xn—i,yn—i)},n為采集到的所有出行軌跡記錄的條數(shù),
      [0043]在聚類分析步驟中,以出發(fā)地點(diǎn)為維度和出發(fā)時(shí)間為維度分別進(jìn)行聚類分析。
      [0044]以出發(fā)時(shí)間為維度的聚類分析步驟,包括,
      [0045]時(shí)間聚類步驟一,首先選取出行軌跡記錄出發(fā)時(shí)間的m個(gè)初始中心,記為a [O]=sttime[0],a[I] =sttime[I],…,a[m_l] =sttime[m_l] (m<n);
      [0046]時(shí)間聚類步驟二,將sttime[0]至sttime[n-l]內(nèi)所有出發(fā)時(shí)間,分別與a[0],a[l]至a[m-l]進(jìn)行比較,sttime[0]至sttime[n-l]內(nèi)所有出發(fā)時(shí)間對(duì)應(yīng)有一個(gè)最小差值a[i],并標(biāo)記為i,對(duì)于所有標(biāo)記為i的點(diǎn)重新計(jì)算a[i] = {所有標(biāo)記為i的s11ime[ j]之和}/標(biāo)記為i的個(gè)數(shù);
      [0047]時(shí)間聚類步驟三,重復(fù)時(shí)間聚類步驟二,直到所有a[i]的變化小于給定的閾值,完成以出發(fā)時(shí)間為維度的聚類分析;
      [0048]同時(shí)以出發(fā)地點(diǎn)為維度的聚類分析包括,
      [0049]地點(diǎn)聚類步驟一,首先選取出行軌跡記錄出發(fā)地點(diǎn)的k個(gè)初始中心,分別記為b[0]=locat1n[0],b[ I ] = locat1n[ I ],…,b[k_l ] = locat1n[k_l ] (k<n);
      [0050]地點(diǎn)聚類步驟二,將locat1n[0]至locat1n[n_l]內(nèi)所有經(jīng)瑋度數(shù)據(jù),分別與b
      [O],b[ I],至,b[k_l]比較,locat1n[0]至locat1n[n_l]內(nèi)所有經(jīng)瑋度數(shù)據(jù)對(duì)應(yīng)有一個(gè)最小距離b[ i ],并標(biāo)記為i ;對(duì)于所有標(biāo)記為i的點(diǎn),重新計(jì)算b[ i ] = {所有標(biāo)記為i的locat1n[j]之和}/標(biāo)記為i的個(gè)數(shù);
      [0051]地點(diǎn)聚類步驟三,重復(fù)地點(diǎn)聚類步驟二,直到所有b[i]的變化小于給定的閾值,完成以出發(fā)地點(diǎn)為維度的聚類分析。
      [0052]根據(jù)聚類分析后所得的分類結(jié)果,計(jì)算出各個(gè)目標(biāo)區(qū)域的時(shí)間權(quán)值和區(qū)域權(quán)值,時(shí)間權(quán)值=所在區(qū)域類的出行時(shí)間總和/總出行時(shí)間總和;區(qū)域權(quán)值=所在區(qū)域類的記錄數(shù)/總記錄數(shù);目標(biāo)區(qū)域的出行意愿強(qiáng)度為目標(biāo)區(qū)域所屬的時(shí)間權(quán)值與區(qū)域權(quán)值的乘積。
      [0053]一種基于聚類的區(qū)域出行意愿強(qiáng)度分析裝置,其特征在于:采用如上述實(shí)施例的基于聚類的區(qū)域出行意愿強(qiáng)度分析方法,包括以下器件:
      [0054]數(shù)據(jù)采集器I,采用爬蟲技術(shù)采集各個(gè)目標(biāo)區(qū)域的公交、出租車、自行車或其他公共交通的出行軌跡記錄,
      [0055]數(shù)據(jù)分揀器2,對(duì)由數(shù)據(jù)采集器采集到的出行軌跡記錄進(jìn)行數(shù)據(jù)清洗,得到以結(jié)構(gòu)化形式存儲(chǔ)的出行軌跡記錄,
      [0056]聚類分析器3,采用聚類算法,對(duì)結(jié)構(gòu)化存儲(chǔ)的出行軌跡記錄進(jìn)行時(shí)空網(wǎng)絡(luò)分析,得出聚類分析結(jié)果,
      [0057]出行意愿強(qiáng)度分析器4,根據(jù)聚類分析結(jié)果計(jì)算各個(gè)目標(biāo)區(qū)域的出行意愿強(qiáng)度。
      [0058]一種基于聚類的區(qū)域出行意愿強(qiáng)度分析的選址方法,用于充電粧選址,采用如上述實(shí)施例的基于聚類的區(qū)域出行意愿強(qiáng)度分析裝置,根據(jù)目標(biāo)區(qū)域的出行意愿強(qiáng)度進(jìn)行充電粧布置,當(dāng)目標(biāo)區(qū)域出行意愿強(qiáng)度大于設(shè)定閾值時(shí)布置充電粧。
      [0059]本實(shí)施例還可以是采用動(dòng)態(tài)調(diào)整方式進(jìn)行首批次的充電粧建設(shè),當(dāng)目標(biāo)區(qū)域的機(jī)動(dòng)車出行意愿強(qiáng)度大于設(shè)定閾值時(shí),建設(shè)充電粧,同時(shí)在一個(gè)周期內(nèi)繼續(xù)進(jìn)行出行意愿強(qiáng)度的分析,并根據(jù)調(diào)整后的出行意愿強(qiáng)度進(jìn)行第二批次的充電粧選址建設(shè),重復(fù)進(jìn)行。直到交通狀態(tài)達(dá)到預(yù)定目標(biāo)或是成本達(dá)到上限為止。
      [0060]本實(shí)施例可以對(duì)某一個(gè)區(qū)域內(nèi)多種不同的交通工具進(jìn)行整體統(tǒng)計(jì),而不是僅僅局限與某一個(gè)點(diǎn)的一種交通工具進(jìn)行數(shù)據(jù)統(tǒng)計(jì),根據(jù)聚類分析,可以在一定范圍內(nèi)統(tǒng)計(jì)所有種類的公共交通工具的出行記錄,對(duì)市民出行強(qiáng)度分析的實(shí)時(shí)性以及準(zhǔn)確性較高,對(duì)市民出行軌跡進(jìn)行時(shí)空分析,同時(shí)提供了市民出行意愿強(qiáng)度計(jì)算方法,最終為充電粧選址部署提供參考依據(jù),同時(shí)也可對(duì)現(xiàn)有公共交通網(wǎng)絡(luò)進(jìn)行調(diào)整,應(yīng)用范圍廣闊,是現(xiàn)有技術(shù)的完美補(bǔ)充,本發(fā)明充電粧選址充分考慮了市民的出行意愿,建設(shè)的充電粧,有更好的利用效率,可以節(jié)約用地,降低使用和維護(hù)的成本。
      [0061 ] 實(shí)施例2:
      [0062]本實(shí)施例與實(shí)施例1基本相同,不同之處在于,所述數(shù)據(jù)采集步驟中采用爬蟲技術(shù)采集各個(gè)目標(biāo)區(qū)域包括公交、出租車在內(nèi)的機(jī)動(dòng)車公共交通的出行軌跡記錄,并以機(jī)動(dòng)車公共交通的出行軌跡記錄作為數(shù)據(jù)來源依次執(zhí)行數(shù)據(jù)分揀步驟、聚類分析步驟,采用聚類算法和出行意愿強(qiáng)度分析步驟得出各個(gè)目標(biāo)區(qū)域的機(jī)動(dòng)車出行意愿強(qiáng)度,當(dāng)目標(biāo)區(qū)域的機(jī)動(dòng)車出行意愿強(qiáng)度大于設(shè)定閾值時(shí)布置充電粧。本實(shí)施例中,閾值可以為多重閾值,閾值與充電粧數(shù)目存在對(duì)應(yīng)關(guān)系。例如,當(dāng)目標(biāo)區(qū)域的機(jī)動(dòng)車出行意愿強(qiáng)度大于第一設(shè)定閾值時(shí),建設(shè)30個(gè)充電粧,目標(biāo)區(qū)域的機(jī)動(dòng)車出行意愿強(qiáng)度大于第二設(shè)定閾值時(shí),建設(shè)20個(gè)充電粧。
      [0063]實(shí)施例3:
      [0064]本實(shí)施例與實(shí)施例1基本相同,不同之處在于,所述數(shù)據(jù)采集步驟中采用爬蟲技術(shù)采集各個(gè)目標(biāo)區(qū)域包括公交、出租車在內(nèi)的機(jī)動(dòng)車公共交通的出行軌跡記錄,并以機(jī)動(dòng)車公共交通的出行軌跡記錄作為數(shù)據(jù)來源依次執(zhí)行數(shù)據(jù)分揀步驟、聚類分析步驟,采用聚類算法和出行意愿強(qiáng)度分析步驟得出各個(gè)目標(biāo)區(qū)域的機(jī)動(dòng)車出行意愿強(qiáng)度,所述數(shù)據(jù)采集步驟中采用爬蟲技術(shù)采集各個(gè)目標(biāo)區(qū)域包括公共自行車在內(nèi)的非機(jī)動(dòng)車公共交通的出行軌跡記錄,并以非機(jī)動(dòng)車公共交通的出行軌跡記錄作為數(shù)據(jù)來源依次執(zhí)行數(shù)據(jù)分揀步驟、聚類分析步驟,采用聚類算法和出行意愿強(qiáng)度分析步驟得出各個(gè)目標(biāo)區(qū)域的非機(jī)動(dòng)車出行意愿強(qiáng)度,目標(biāo)區(qū)域的機(jī)動(dòng)車出行意愿強(qiáng)度與非機(jī)動(dòng)車出行意愿強(qiáng)度的差值為目標(biāo)區(qū)域的目標(biāo)區(qū)域出行意愿強(qiáng)度,當(dāng)目標(biāo)區(qū)域出行意愿強(qiáng)度大于設(shè)定閾值時(shí)布置充電粧。若非機(jī)動(dòng)車出行意愿強(qiáng)度大于設(shè)定值,則在相應(yīng)區(qū)域增設(shè)非機(jī)動(dòng)車交通工具。非機(jī)動(dòng)車交通工具包括公共自行車和公共自行車還車點(diǎn)。
      [0065]本發(fā)明在選址時(shí)充分考慮非機(jī)動(dòng)車的公共出行,因?yàn)榉菣C(jī)動(dòng)車和機(jī)動(dòng)車之間的最佳適用距離是有差異的,當(dāng)非機(jī)動(dòng)車公共出行意愿較為強(qiáng)烈時(shí),相對(duì)降低電動(dòng)汽車充電粧的建設(shè),可以將有限的資源進(jìn)行更好的分配,可以進(jìn)一步提高每個(gè)充電粧的利用效率。
      [0066]以上所述的實(shí)施例只是本發(fā)明的一種較佳的方案,并非對(duì)本發(fā)明作任何形式上的限制,在不超出權(quán)利要求所記載的技術(shù)方案的前提下還有其它的變體及改型。
      【主權(quán)項(xiàng)】
      1.一種基于聚類的區(qū)域出行意愿強(qiáng)度分析方法,其特征在于:包括以下步驟: 數(shù)據(jù)采集步驟,采用爬蟲技術(shù)采集各個(gè)目標(biāo)區(qū)域的公交、出租車、自行車或其他公共交通的出行軌跡記錄, 數(shù)據(jù)分揀步驟,對(duì)由數(shù)據(jù)采集步驟采集到的出行軌跡記錄進(jìn)行數(shù)據(jù)清洗,得到以結(jié)構(gòu)化形式存儲(chǔ)的出行軌跡記錄, 聚類分析步驟,采用聚類算法,對(duì)結(jié)構(gòu)化存儲(chǔ)的出行軌跡記錄進(jìn)行時(shí)空網(wǎng)絡(luò)分析,得出聚類分析結(jié)果, 出行意愿強(qiáng)度分析步驟,根據(jù)聚類分析結(jié)果計(jì)算各個(gè)目標(biāo)區(qū)域的出行意愿強(qiáng)度。2.根據(jù)權(quán)利要求1所述的基于聚類的區(qū)域出行意愿強(qiáng)度分析方法,其特征在于:所述數(shù)據(jù)采集步驟中,采集的數(shù)據(jù)包括身份ID、出發(fā)地點(diǎn)經(jīng)瑋度、目的地點(diǎn)經(jīng)瑋度、出發(fā)時(shí)間和到達(dá)時(shí)間。3.根據(jù)權(quán)利要求2所述的基于聚類的區(qū)域出行意愿強(qiáng)度分析方法,其特征在于:在數(shù)據(jù)分揀步驟中,將采集到的出發(fā)時(shí)間結(jié)構(gòu)化為出發(fā)時(shí)間集:sttime [0..η-1 ],出發(fā)地點(diǎn)經(jīng)瑋度結(jié)構(gòu)化為出發(fā)地點(diǎn)集:locat1n[0..n_l ] = {(xo,yo),(xi,yi),…,(xn—i,yn—ι)},11為采集到的所有出行軌跡記錄的條數(shù),在聚類分析步驟中,以出發(fā)地點(diǎn)為維度和出發(fā)時(shí)間為維度分別進(jìn)行聚類分析。4.根據(jù)權(quán)利要求3所述的基于聚類的區(qū)域出行意愿強(qiáng)度分析方法,其特征在于: 以出發(fā)時(shí)間為維度的聚類分析步驟,包括, 時(shí)間聚類步驟一,首先選取出行軌跡記錄出發(fā)時(shí)間的m個(gè)初始中心,記為a[0] = Sttime[0],a[I]=sttime[I],…,a[m_l] =sttime[m_l] (m<n); 時(shí)間聚類步驟二,將stt ime [0]至stt ime [n-1]內(nèi)所有出發(fā)時(shí)間,分別與a [0],a[l]至a[m-1]進(jìn)行比較,sttime[0]至sttime[n-l]內(nèi)所有出發(fā)時(shí)間對(duì)應(yīng)有一個(gè)最小差值a[i],并標(biāo)記為i,對(duì)于所有標(biāo)記為i的點(diǎn)重新計(jì)算a[i] = {所有標(biāo)記為i的sttime[ j]之和}/標(biāo)記為i的個(gè)數(shù); 時(shí)間聚類步驟三,重復(fù)時(shí)間聚類步驟二,直到所有a[i]的變化小于給定的閾值,完成以出發(fā)時(shí)間為維度的聚類分析; 同時(shí)以出發(fā)地點(diǎn)為維度的聚類分析包括, 地點(diǎn)聚類步驟一,首先選取出行軌跡記錄出發(fā)地點(diǎn)的k個(gè)初始中心,分別記為b[0] =locat1n[0],b[ I ] = locat1n[ I ],…,b[k_l ] = locat1n[k_l ] (k<n); 地點(diǎn)聚類步驟二,將locat 1n[0]至locat1n [n-1]內(nèi)所有經(jīng)瑋度數(shù)據(jù),分別與b[0],b[1],至,b[k_l]比較,locat1n[0]至locat1n[n_l]內(nèi)所有經(jīng)瑋度數(shù)據(jù)對(duì)應(yīng)有一個(gè)最小距離b[i],并標(biāo)記為i ;對(duì)于所有標(biāo)記為i的點(diǎn),重新計(jì)算b[i] = {所有標(biāo)記為i的locat1n[ j]之和}/標(biāo)記為i的個(gè)數(shù); 地點(diǎn)聚類步驟三,重復(fù)地點(diǎn)聚類步驟二,直到所有b[i]的變化小于給定的閾值,完成以出發(fā)地點(diǎn)為維度的聚類分析。5.根據(jù)權(quán)利要求4所述的基于聚類的區(qū)域出行意愿強(qiáng)度分析方法,其特征在于:根據(jù)聚類分析后所得的分類結(jié)果,計(jì)算出各個(gè)目標(biāo)區(qū)域的時(shí)間權(quán)值和區(qū)域權(quán)值,時(shí)間權(quán)值=所在區(qū)域類的出行時(shí)間總和/總出行時(shí)間總和;區(qū)域權(quán)值=所在區(qū)域類的記錄數(shù)/總記錄數(shù);目標(biāo)區(qū)域的出行意愿強(qiáng)度為目標(biāo)區(qū)域所屬的時(shí)間權(quán)值與區(qū)域權(quán)值的乘積。6.—種基于聚類的區(qū)域出行意愿強(qiáng)度分析裝置,其特征在于:采用如權(quán)利要求5所述的基于聚類的區(qū)域出行意愿強(qiáng)度分析方法,包括以下器件: 數(shù)據(jù)采集器,采用爬蟲技術(shù)采集各個(gè)目標(biāo)區(qū)域的公交、出租車、自行車或其他公共交通的出行軌跡記錄, 數(shù)據(jù)分揀器,對(duì)由數(shù)據(jù)采集器采集到的出行軌跡記錄進(jìn)行數(shù)據(jù)清洗,得到以結(jié)構(gòu)化形式存儲(chǔ)的出行軌跡記錄, 聚類分析器,采用聚類算法,對(duì)結(jié)構(gòu)化存儲(chǔ)的出行軌跡記錄進(jìn)行時(shí)空網(wǎng)絡(luò)分析,得出聚類分析結(jié)果, 出行意愿強(qiáng)度分析器,根據(jù)聚類分析結(jié)果計(jì)算各個(gè)目標(biāo)區(qū)域的出行意愿強(qiáng)度。7.—種基于聚類的區(qū)域出行意愿強(qiáng)度分析的選址方法,用于充電粧選址,其特征在于:采用如權(quán)利要求6所述的基于聚類的區(qū)域出行意愿強(qiáng)度分析裝置,根據(jù)目標(biāo)區(qū)域的出行意愿強(qiáng)度進(jìn)行充電粧布置,當(dāng)目標(biāo)區(qū)域出行意愿強(qiáng)度大于設(shè)定閾值時(shí)布置充電粧。8.根據(jù)權(quán)利要求7所述的基于聚類的區(qū)域出行意愿強(qiáng)度分析的選址方法,其特征在于:所述數(shù)據(jù)采集步驟中采用爬蟲技術(shù)采集各個(gè)目標(biāo)區(qū)域包括公交、出租車在內(nèi)的機(jī)動(dòng)車公共交通的出行軌跡記錄,并以機(jī)動(dòng)車公共交通的出行軌跡記錄作為數(shù)據(jù)來源依次執(zhí)行數(shù)據(jù)分揀步驟、聚類分析步驟,采用聚類算法和出行意愿強(qiáng)度分析步驟得出各個(gè)目標(biāo)區(qū)域的機(jī)動(dòng)車出行意愿強(qiáng)度,當(dāng)目標(biāo)區(qū)域的機(jī)動(dòng)車出行意愿強(qiáng)度大于設(shè)定閾值時(shí)布置充電粧。9.根據(jù)權(quán)利要求7所述的基于聚類的區(qū)域出行意愿強(qiáng)度分析的選址方法,其特征在于:所述數(shù)據(jù)采集步驟中采用爬蟲技術(shù)采集各個(gè)目標(biāo)區(qū)域包括公交、出租車在內(nèi)的機(jī)動(dòng)車公共交通的出行軌跡記錄,并以機(jī)動(dòng)車公共交通的出行軌跡記錄作為數(shù)據(jù)來源依次執(zhí)行數(shù)據(jù)分揀步驟、聚類分析步驟,采用聚類算法和出行意愿強(qiáng)度分析步驟得出各個(gè)目標(biāo)區(qū)域的機(jī)動(dòng)車出行意愿強(qiáng)度,所述數(shù)據(jù)采集步驟中采用爬蟲技術(shù)采集各個(gè)目標(biāo)區(qū)域包括公共自行車在內(nèi)的非機(jī)動(dòng)車公共交通的出行軌跡記錄,并以非機(jī)動(dòng)車公共交通的出行軌跡記錄作為數(shù)據(jù)來源依次執(zhí)行數(shù)據(jù)分揀步驟、聚類分析步驟,采用聚類算法和出行意愿強(qiáng)度分析步驟得出各個(gè)目標(biāo)區(qū)域的非機(jī)動(dòng)車出行意愿強(qiáng)度,目標(biāo)區(qū)域的機(jī)動(dòng)車出行意愿強(qiáng)度與非機(jī)動(dòng)車出行意愿強(qiáng)度的差值為目標(biāo)區(qū)域的目標(biāo)區(qū)域出行意愿強(qiáng)度,當(dāng)目標(biāo)區(qū)域出行意愿強(qiáng)度大于設(shè)定閾值時(shí)布置充電粧。
      【文檔編號(hào)】G06Q50/26GK105868860SQ201610217598
      【公開日】2016年8月17日
      【申請(qǐng)日】2016年4月7日
      【發(fā)明人】何若虛, 李喆煒
      【申請(qǐng)人】浙江萬馬新能源有限公司
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
      1