基于公共交通数据的区域人气聚集指数计算系统及方法

摘要

本发明提供一种基于公共交通数据的区域人气聚集指数计算系统及方法。所述方法包括以下步骤：S1、采集公共交通数据；S2、划分原始区和根据原始区建立缓冲区；S3、从公共交通数据中获得出入所述原始区的人员流动信息，以得到原始人气聚集指数；S4、从公共交通数据中获得出入所述原始区的缓冲区的人员流动信息，以得到缓冲区人气聚集指数；S5、根据原始人气聚集指数和缓冲区人气聚集指数累计值建立人气引导模型；S6、根据人气引导模型校正原始人气聚集指数，以获得最终人气聚集指数。本发明能够在不借助其他测量设备的情况下较准确的测得任意指定区域的人气聚集指数，较之以前依赖于视频或是红外仪器的测量方法更为节约成本，简单便捷。

说明书

技术领域

本发明涉及大数据处理技术领域，尤其涉及一种基于公共交通数据的区域 人气聚集指数计算系统和方法。

背景技术

人气聚集指数的测算是大数据处理领域中最为重要的问题之一，小到个人 出行，大到城市规划，处处都有人气聚集指数测算的影子。目前，企业和政府 都在追寻成本低廉、方便精准的人气聚集测算方法，以提高社会服务行业的整 体服务水平。

目前，全国很多商场、会场、医院、公园等公共场所采用红外感应或是视 频识别技术测算人气聚集指数，测算方式较为机械，存在设备部署繁复，数据 重复片面性等问题，造成由上述问题所带来的人力、物力、财力资源的浪费情 况，缺乏理性的数字化模型作为人气聚集测算的方向指引，更缺乏对大型区域 的人气聚集的宏观认识，从而使整个社会服务行业的服务能力达不到预期水平。

而且，国内流行的红外感应或是视频识别的人气聚集指数测算技术，都是 针对于某个极小区域的测算技术。无可否认，这种技术在测定通道，大门等单 向流动区域上有得天独厚的优势。但是在测定大厅、广场、公园、商圈等大中 型区域时，对于同一时间，相关设备不能保证空间上的全面覆盖；对于同一空 间，不同时间的信息会有重复和片面的现象。然而，随着社会化程度的不断提 高，人们对社会服务的需求日益增长，基于较大区域的新型人气聚集指数测算 也已经成为社会服务的重要组成部分。

鉴于上述现有技术的不足，希望有更为简单便捷的人气聚集指数的测算方 法。

发明内容

本发明解决的技术问题在于提供一种基于公共交通数据的区域人气聚集指 数计算系统和方法，可以在公共交通数据的基础上通过模型分析得出区域人气 聚集指数。

为了解决以上技术问题，本发明提供了一种基于公共交通数据的区域人气 聚集指数计算系统，其包括：公共交通数据模块、区域划分模块、数据处理模 块、人气引导模型模块，以及校正模块，

所述公共交通数据模块，用于采集公共交通数据；

所述区域划分模块，用于划分原始区和根据原始区建立缓冲区；

所述数据处理模块，用于根据公共交通数据获得原始区和缓冲区的人员流 动信息，并分别得到原始人气聚集指数和缓冲区人气聚集指数；

人气引导模型模块，用于根据原始人气聚集指数和缓冲区人气聚集指数累 计值建立人气引导模型；

所述校正模块，用于根据人气引导模型校正原始人气聚集指数，以获得最 终人气聚集指数。

优选的，所述区域由用户进行划分，所述原始区的区域面积大于1平方公 里，所述缓冲区为原始区向外外延500米～1000米。

优选的，所述人气聚集指数采用人气聚集指数公式进行计算，为人气聚集 指数=（进入区域人数-离开区域人数）/区域面积/统计时间，其中，进入区域人 数为统计时间内所有公共交通工具在此区域的下客数量，离开区域人数为统计 时间内所有公共交通工具在此区域的上客数量，区域面积为划定区域的面积， 统计时间为用户划定的测算时间。

优选的，所述人气引导模型为：人气引导指数=(缓冲区人气聚集指数累计 值/原始人气聚集指数累计值)*区域误差校正参数，其中，区域误差校正参数= （原始区面积/缓冲区面积）*（缓冲区参考半径/缓冲区半径）。

优选的，最终人气聚集指数=原始人气聚集指数*（1+人气引导指数）-缓冲 区人气聚集指数。

为了解决本发明的技术问题，还提供了一种基于公共交通数据的区域人气 聚集指数计算方法，其包括以下步骤：

S1、采集公共交通数据；

S2、划分原始区和根据原始区建立缓冲区；

S3、从公共交通数据中获得出入所述原始区的人员流动信息，以得到原始 人气聚集指数；

S4、从公共交通数据中获得出入所述原始区的缓冲区的人员流动信息，以 得到缓冲区人气聚集指数；

S5、根据原始人气聚集指数和缓冲区人气聚集指数累计值建立人气引导模 型；

S6、根据人气引导模型校正原始人气聚集指数，以获得最终人气聚集指数。

优选的，在步骤S1中，所述公共交通数据包括但不限于出租车、公交车、 地铁的交通数据。

优选的，在步骤S2中，所述区域由用户进行划分，所述原始区的区域面 积大于1平方公里，所述缓冲区为原始区向外外延500米～1000米。

优选的，在步骤S5中，所述人气引导模型为：人气引导指数=(缓冲区人气 聚集指数累计值/原始人气聚集指数累计值)*区域误差校正参数，其中，区域误 差校正参数=（原始区面积/缓冲区面积）*（缓冲区参考半径/缓冲区半径）。

优选的，在步骤S6中，最终人气聚集指数=原始人气聚集指数*（1+人气 引导指数）-缓冲区人气聚集指数。

本发明提供了一种基于公共交通数据的区域人气聚集指数计算系统及方 法，能够在不借助其他测量设备的情况下较准确的测得任意指定区域的人气聚 集指数，较之以前依赖于视频或是红外仪器的测量方法更为节约成本，简单便 捷。

附图说明

图1为本发明基于公共交通数据的区域人气聚集指数计算系统的示意图；

图2为本发明基于公共交通数据的区域人气聚集指数计算方法的流程图。

具体实施方式

下面将结合附图以及具体实施例来对本发明作进一步详细说明。

请参考图1，本发明提供了一种基于公共交通数据的区域人气聚集指数计 算系统100，其包括：公共交通数据模块20、区域划分模块30、数据处理模块 40、人气引导模型模块50，以及校正模块60。

所述公共交通数据模块20，用于采集公共交通数据，所述公共交通数据包 括但不限于出租车、公交车、地铁的交通数据。

所述区域划分模块30，用于划分原始区和根据原始区建立缓冲区；所述区 域由用户进行划分，所述原始区的区域面积大于1平方公里，所述缓冲区为原 始区向外外延500米～1000米。

所述数据处理模块40，用于根据公共交通数据获得原始区和缓冲区的人员 流动信息，并分别得到原始人气聚集指数和缓冲区人气聚集指数；所述人气聚 集指数采用人气聚集指数公式进行计算，为人气聚集指数=（进入区域人数-离 开区域人数）/区域面积/统计时间，其中，进入区域人数为统计时间内所有公 共交通工具在此区域的下客数量，离开区域人数为统计时间内所有公共交通工 具在此区域的上客数量，区域面积为划定区域的面积，统计时间为用户划定的 测算时间。

人气引导模型模块50，用于根据原始人气聚集指数和缓冲区人气聚集指数 累计值建立人气引导模型；所述人气引导模型为：人气引导指数=(缓冲区人气 聚集指数累计值/原始人气聚集指数累计值)*区域误差校正参数，其中，区域误 差校正参数=（原始区面积/缓冲区面积）*（缓冲区参考半径/缓冲区半径）。

所述校正模块60，用于根据人气引导模型校正原始人气聚集指数，以获得 最终人气聚集指数。最终人气聚集指数=原始人气聚集指数*（1+人气引导指数） -缓冲区人气聚集指数。

请参考图2，本发明还提供了一种基于公共交通数据的区域人气聚集指数 计算方法，其包括以下步骤：

S1、采集公共交通数据；

在步骤S1中，所述公共交通数据包括但不限于出租车、公交车、地铁的 交通数据。

S2、划分原始区和根据原始区建立缓冲区；

在步骤S2中，可以划分原始区和缓冲区。所述区域是由用户自由划分， 所述原始区一般是方圆1平方公里以上的中大型区域，几平方米的小型范围不 在本发明解决问题范围中。所述缓冲区一般是原始区向外外延500米～1000米， 并根据用户需求的不同和区域的所处位置可以有所增减。可以理解，原始区一 般是方圆1平方公里以上的中大型区域，缓冲区一般是原始区向外外延500米 ～1000米只是本发明实施例优选的方式，而在实际中原始区和缓冲区还可以其 它的范围。

S3、从公共交通数据中获得出入所述原始区的人员流动信息，以得到原始 人气聚集指数；

在步骤S3中，从公共交通数据中获得出入原始区的人员流动信息以确定 原始人气聚集指数。人气聚集指数计算公式：人气聚集指数=（进入区域人数- 离开区域人数）/区域面积/统计时间，其中进入区域人数为统计时间内所有公 共交通工具在此区域的下客数量（人），同理，离开区域人数为统计时间内所有 公共交通工具在此区域的上客数量（人）。区域面积为划定区域的面积（km2）。 统计时间为用户划定的测算时间。

S4、从公共交通数据中获得出入所述原始区的缓冲区的人员流动信息，以 得到缓冲区人气聚集指数；

在步骤S4中，从公共交通数据中获得出入缓冲区的人员流动信息以确定 缓冲区人气聚集指数。计算方法同S3，不同的是将S3中的原始区换成了缓冲 区。此处统计时间应当和S3的统计时间是同一时间段。

S5、根据原始人气聚集指数和缓冲区人气聚集指数累计值建立人气引导模 型；

在步骤S5中，原始人气聚集指数累计值和S3中的计算方法依然相同，不 同的是在此处将S3中的统计时间换成了一个具有普遍意义的累计时间，如1 个月、1年，或是每个周末、每个节假日、每天的上下班高峰期等等，进出区 域人数也是统计此累计时间内的人数。值得注意的是，S3中的统计时间和S5 中的累计时间在普遍意义上是一一对应的，不同的是时间长短，例如S3中的 统计时间是工作日的上下班高峰，S5的累计时间就应该是长时间段工作日的上 下班高峰。累计时间和统计时间的选取方式包括但不限于此例。

同理，缓冲区人气聚集指数累计值和S4中的计算方法依然相同，不同的 是在此处将S4中的统计时间换成了一个具有普遍意义的累计时间，进出区域 人数也是统计此累计时间内的人数。

此处，原始人气聚集指数累计时间和缓冲区人气聚集指数累计时间应该是 同一时间段。

接下来，通过分析原始区的原始人气聚集指数累计值和缓冲区人气聚集指 数累计值BV，获得人气引导模型。模型建立的核心是人气引导指数的确立： 人气引导指数=(缓冲区人气聚集指数累计值/原始人气聚集指数累计值)*区域误 差校正参数，其中，区域误差校正参数=（原始区面积/缓冲区面积）*（缓冲区 参考半径/缓冲区半径）。

S6、根据人气引导模型校正原始人气聚集指数，以获得最终人气聚集指数。

在步骤S6中，最终人气聚集指数=原始人气聚集指数*（1+人气引导指数） -缓冲区人气聚集指数。其中，原始人气聚集指数、缓冲区人气聚集指数分别由 S3和S4得出，人气引导指数由S5得出。

本发明提供了一种基于公共交通数据的区域人气聚集指数计算系统及方 法，能够在不借助其他测量设备的情况下较准确的测得任意指定区域的人气聚 集指数，较之以前依赖于视频或是红外仪器的测量方法更为节约成本，简单便 捷。

可以理解的是，对于本领域的普通技术人员来说，可以根据本发明的技术 构思做出其他各种相应的改变与变形，而所有这些改变与变形都应属于本发明 权利要求的保护范围。