基于轨迹数据的街道可骑行性评估方法、装置和存储介质

摘要

本发明公开一种基于轨迹数据的街道可骑行性评估方法，所述基于轨迹数据的街道可骑行性评估方法包括以下步骤：获取目标街道对共享单车可骑行的评价指标，其中，所述评价指标包括获取目标街道的骑行需求、所述目标街道的属性、所述目标街道的单车供给以及共享单车在所述目标街道的骑行频次；对各个所述评价指标进行回归分析，得到每个所述评价指标的分值；根据各个所述分值确定所述目标街道对共享单车的可骑行结果。本发明还公开一种基于轨迹数据的街道可骑行性评估装置和存储介质。本发明提高了城市街道的可骑行确定效率。

说明书

技术领域

本发明涉及共享单车技术领域，尤其涉及一种基于轨迹数据的街道可骑行性评估方法、装置和存储介质。

背景技术

作为新型的绿色交通出行工具，共享单车不仅有效的解决居民出行最后一公里的问题，而且促进慢行系统回归人们视野。

此外，共享单车的骑行还需要考虑到盈利的问题。对于一些街道的环境比较适合骑行，经营者可以申请在这类街道多布置共享单车，而另外一些街道不适合骑行，则经营者可以此类街道少布置或者不布置共享单车。为了筛选适用共享单车骑行的城市街道，可以对城市街道的可骑行进行研究。

目前，对于城市街道的可骑行的研究是基于人员采集街道的信息以及共享单车在街道的骑行数据，人工所采集的信息并不一定准确且耗时较长，导致城市街道的可骑行确定效率低下。

发明内容

本发明的主要目的在于提供一种基于轨迹数据的街道可骑行性评估方法、装置和存储介质，旨在城市街道的可骑行确定效率低下的问题。

为实现上述目的，本发明提供一种基于轨迹数据的街道可骑行性评估方法，所述基于轨迹数据的街道可骑行性评估方法包括以下步骤：

获取目标街道对共享单车可骑行的评价指标，其中，所述评价指标包括获取目标街道的骑行需求、所述目标街道的属性、所述目标街道的单车供给以及共享单车在所述目标街道的骑行频次；

对各个所述评价指标进行回归分析，得到每个所述评价指标的分值；

根据各个所述分值确定所述目标街道对共享单车的可骑行结果。

在一实施例中，所述根据各个所述分值确定所述目标街道对共享单车的可骑行结果的步骤包括：

确定所述分值在所述分值对应的评价指标上的分值等级；

根据各个所述分值等级确定所述目标街道对共享单车的可骑行结果。

在一实施例中，所述根据各个所述分值等级确定所述目标街道对共享单车的可骑行结果的步骤包括：

确定每个所述评价指标在预设矩阵中的位置；

将所述评价指标对应的分值等级，添加至所述评价指标在所述预设矩阵的位置，得到评价矩阵；

根据所述评价矩阵确定所述目标街道对共享单车的可骑行结果。

在一实施例中，所述对各个所述评价指标进行回归分析，得到每个所述评价指标的分值的步骤包括：

根据回归模型对各个所述评价指标进行回归分析，得到各个所述评价指标对应的权重，并根据所述权重确定所述评价指标的系数；

确定每个所述评价指标的初始评分，并根据所述评价指标对应的所述初始评分以及所述系数确定所述评价指标对应的分值。

在一实施例中，所述评价指标包括骑行频次，所述获取目标街道对共享单车可骑行的评价指标的步骤包括：

获取各个共享单车在预设时间段内的骑行轨迹；

确定途径所述目标街道的骑行轨迹的数量，并根据所述数量以及所述预设时间段确定所述骑行频次。

在一实施例中，所述评价指标包括骑行需求，所述获取目标街道对共享单车可骑行的评价指标的步骤包括：

确定所述目标街道与站点之间的距离以及所述目标街道的长度；

根据所述距离以及所述长度确定所述骑行需求。

在一实施例中，所述评价指标包括目标街道的属性，所述属性包括目标街道的坡度、目标街道的绿化覆盖率、目标街道的道路质量、目标街道的骑行道的尺寸参数、目标街道对共享单车的停靠区域的尺寸参数、所述停靠区域的数量以及目标街道的安全参数。

为实现上述目的，本发明还提供一种基于轨迹数据的街道可骑行性评估装置，其特征在于，所述基于轨迹数据的街道可骑行性评估装置包括存储器、处理器以及存储在所述存储器并可在所述处理器上运行的确定程序，所述确定程序被所述处理器执行时实现如上所述的基于轨迹数据的街道可骑行性评估方法的各个步骤。

为实现上述目的，本发明还提供一种存储介质，所述存储介质存储确定程序，所述确定程序被处理器执行时如上所述的基于轨迹数据的街道可骑行性评估方法的各个步骤。

本发明提供的基于轨迹数据的街道可骑行性评估方法、装置和存储介质，装置获取目标街道的骑行需求、目标街道的属性、目标街道的单车供给以及共享单车在所述目标街道的骑行频次等评价指标，并对各个评价指标进行回归分析得到每个评价指标的分值，再根据各个分值确定目标街道对共享单车的可骑行结果。本发明中通过装置自动的确定城市街道对共享单车可骑行结果，无需依靠人工获取数据，提高了城市街道的可骑行确定效率。

附图说明

图1为本发明实施例涉及的基于轨迹数据的街道可骑行性评估装置的硬件结构示意图；

图2为本发明基于轨迹数据的街道可骑行性评估方法第一实施例的流程示意图；

图3为本发明基于轨迹数据的街道可骑行性评估方法第二实施例的流程示意图；

图4为本发明基于轨迹数据的街道可骑行性评估方法第三实施例的流程示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例的主要解决方案是：获取目标街道对共享单车可骑行的评价指标，其中，所述评价指标包括获取目标街道的骑行需求、所述目标街道的属性、所述目标街道的单车供给以及共享单车在所述目标街道的骑行频次；对各个所述评价指标进行回归分析，得到每个所述评价指标的分值；根据各个所述分值确定所述目标街道对共享单车的可骑行结果。

本发明中通过装置自动的确定城市街道对共享单车可骑行结果，无需依靠人工获取数据，提高了城市街道的可骑行确定效率。

参照图1，图1是本发明实施例方案涉及的基于轨迹数据的街道可骑行性评估装置的硬件结构示意图。

如图1所示，本发明实施例方案涉及是基于轨迹数据的街道可骑行性评估装置，基于轨迹数据的街道可骑行性评估装置可以包括：处理器101，例如CPU，通信总线102，存储器103。其中，通信总线102用于实现这些组件之间的连接通信。存储器103可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器103可选的还可以是独立于前述处理器101的存储装置。本领域技术人员可以理解，图1中示出的结构并不构成对基于轨迹数据的街道可骑行性评估装置的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种计算机存储介质的存储器103中可以包括确定程序。

在图1所示的装置中，处理器101可以用于调用存储器103中存储的确定程序，并执行以下操作：

获取目标街道对共享单车可骑行的评价指标，其中，所述评价指标包括获取目标街道的骑行需求、所述目标街道的属性、所述目标街道的单车供给以及共享单车在所述目标街道的骑行频次；

对各个所述评价指标进行回归分析，得到每个所述评价指标的分值；

根据各个所述分值确定所述目标街道对共享单车的可骑行结果。

在一实施例中，处理器101可以调用存储器103中存储的确定程序，还执行以下操作：

确定所述分值在所述分值对应的评价指标上的分值等级；

根据各个所述分值等级确定所述目标街道对共享单车的可骑行结果。

在一实施例中，处理器101可以调用存储器103中存储的确定程序，还执行以下操作：

确定每个所述评价指标在预设矩阵中的位置；

将所述评价指标对应的分值等级，添加至所述评价指标在所述预设矩阵的位置，得到评价矩阵；

根据所述评价矩阵确定所述目标街道对共享单车的可骑行结果。

在一实施例中，处理器101可以调用存储器103中存储的确定程序，还执行以下操作：

根据回归模型对各个所述评价指标进行回归分析，得到各个所述评价指标对应的权重，并根据所述权重确定所述评价指标的系数；

确定每个所述评价指标的初始评分，并根据所述评价指标对应的所述初始评分以及所述系数确定所述评价指标对应的分值。

在一实施例中，处理器101可以调用存储器103中存储的确定程序，还执行以下操作：

获取各个共享单车在预设时间段内的骑行轨迹；

确定途径所述目标街道的骑行轨迹的数量，并根据所述数量以及所述预设时间段确定所述骑行频次。

在一实施例中，处理器101可以调用存储器103中存储的确定程序，还执行以下操作：

确定所述目标街道与站点之间的距离以及所述目标街道的长度；

根据所述距离以及所述长度确定所述骑行需求。

在一实施例中，处理器101可以调用存储器103中存储的确定程序，还执行以下操作：

所述评价指标包括目标街道的属性，所述属性包括目标街道的坡度、目标街道的绿化覆盖率、目标街道的道路质量以及目标街道的骑行道的尺寸参数、目标街道对共享单车的停靠区域的尺寸参数、停靠区域的数量以及目标街道的安全参数。

本实施例根据上述方案，装置获取目标街道的骑行需求、目标街道的属性、目标街道的单车供给以及共享单车在所述目标街道的骑行频次等评价指标，并对各个评价指标进行回归分析得到每个评价指标的分值，再根据各个分值确定目标街道对共享单车的可骑行结果。本发明中通过装置自动的确定城市街道对共享单车可骑行结果，无需依靠人工获取数据，提高了城市街道的可骑行确定效率。

基于上述基于轨迹数据的街道可骑行性评估装置的硬件构架，提出本发明基于轨迹数据的街道可骑行性评估方法的实施例。

参照图2，图2为本发明基于轨迹数据的街道可骑行性评估方法的第一实施例，所述基于轨迹数据的街道可骑行性评估方法包括以下步骤：

步骤S10，获取目标街道对共享单车可骑行的评价指标，其中，所述评价指标包括获取目标街道的骑行需求、所述目标街道的属性、所述目标街道的单车供给以及共享单车在所述目标街道的骑行频次；

在本实施例中，执行主体为基于轨迹数据的街道可骑行性评估装置，为了便于描述，以下以装置指代基于轨迹数据的街道可骑行性评估装置。

用户可以在装置中输入需要进行共享单车可骑行研究的街道，街道即为目标街道。装置在获取到输入的目标街道后，获取目标街道对共享单车可骑行的评价指标。评价指标包括获取目标街道的骑行需求、目标街道的属性、目标街道的单车供给以及共享单车在所述目标街道的骑行频次。

具体的，装置可以视为共享单车的后台服务器，或者装置与后台服务器通信连接，装置获取各个共享单车在预设时间段内的骑行轨迹，预设时间段即为用户所设定的时间段，例如，预设时间段默认为最近一周、最后一个月等。骑行轨迹中包括有共享单车的行程路径以及行程轨迹的每个位置所对应的街道名称，装置将途径目标街道的骑行轨迹进行筛选，从而得到途径目标街道的骑行轨迹的数量，再通过数量以及预设时间段确定骑行频次。例如，预设时间段为最近一周，数量为50次，则目标街道的骑行频次为50次/周。

评价指标还包括骑行需求。骑行需求表征人们在目标街道骑行共享单车的需求，骑行需求可以通过目标街道与站点之间的距离以及目标街道的长度来确定。例如，目标街道上有公交站点或者地铁站点，则人们无需进行长距离的行走，即可进行交通工具的搭乘，也即无需进行骑行。又例如，目标街道的较长时，则人们步行去往目的地的时间较长，因此需要在目标街道进行骑行。因而，装置可以根据目标街道与站点之间的距离、目标街道的长度确定骑行需求。具体而言，可以设置距离对应的权重以及长度对应的权重，并基于权重、距离以及长度进行加权计算得到分值，若是分值大于阈值，则有骑行需求，若小于阈值，则无骑行需求。当然，可以用分值直接表征骑行需求。

评价指标还包括目标街道的属性，属性包括目标街道的坡度、目标街道的绿化覆盖率、目标街道的道路质量以及目标街道的骑行道的尺寸参数目标街道对共享单车的停靠区域的尺寸参数、停靠区域的数量以及目标街道的安全参数。具体的，停靠区域的尺寸参数即为停靠区域的面积，停靠区域指的是街道为共享单车划分停靠的区域，面积越大，目标街道对共享单车的支持力度越大；同理，停靠区域的数量越多，目标街道对共享单车的支持力度越大。此外，安全参数指的是目标街道上共享单车的丢失以及损害的比例，也即安全参数指的是目标街道上的居民对共享单车的破坏程度，安全参数可以通过目标街道中丢失的共享单车的数量以及损害的数量的总数量除以该街道共享单车的总数量的比值。

评价指标还包括目标街道的单车供给，单车供给可以分为动态供给和静态供给两方面。单车动态供给可以通过轨迹数据提取在某一累积时长内街道上的被使用的单车量。单车静态供给则可以通过统计在某一时长内单车GPS没有发生变化的单车数量。

步骤S20，对各个所述评价指标进行回归分析，得到每个所述评价指标的分值；

装置在得到各个评价指标后，对各个评价指标进行回归分析，也即基于回归算法对各个评价指标进行运算得到每个评价指标对可骑行的影响程度，进而基于影响程度得到每个评价指标对应的权重。每个评价指标具有对应的分值，且装置中存储有评价指标的类型与分值之间的映射关系，装置基于每一个评价指标得到对应的映射关系，再将评价指标的初始评分代入映射关系即可得到每个评价指标的分值。初始评分可以是评价指标中各个因素之和，例如，评价指标包括目标街道的属性，属性包括目标街道的坡度、目标街道的绿化覆盖率、目标街道的道路质量以及目标街道的骑行道的尺寸参数，坡度、绿化覆盖率、目标街道的道路质量以及目标街道的骑行道的尺寸参数分别对应一个小分值，且坡度越大，分值越小；绿化覆盖率、目标街道的道路质量以及目标街道的骑行道的尺寸参数越大，各自对应的小分值越大，各个小分值之和即为初始评分。

步骤S30，根据各个所述分值确定所述目标街道对共享单车的可骑行结果。

装置在确定每个评价指标的分值后，即可根据各个分值确定目标街道对共享单车的可骑行结果。例如，各个分值与对应的权重进行加权计算得到总分值，若是总分值大于预设分值，则可骑行结果即为高；若是总分值小于或等于预设分值，则可骑行结果为低。

在本实施例提供的技术方案中，装置获取目标街道的骑行需求、目标街道的属性、目标街道的单车供给以及共享单车在所述目标街道的骑行频次等评价指标，并对各个评价指标进行回归分析得到每个评价指标的分值，再根据各个分值确定目标街道对共享单车的可骑行结果。本发明中通过装置自动的确定城市街道对共享单车可骑行结果，无需依靠人工获取数据，提高了城市街道的可骑行确定效率。

参照图3，图3为本发明基于轨迹数据的街道可骑行性评估方法的第二实施例，基于第一实施例，所述步骤S30包括：

步骤S31，确定所述分值在所述分值对应的评价指标上的分值等级；

步骤S32，根据各个所述分值等级确定所述目标街道对共享单车的可骑行结果。

在本实施例中，每个评价指标具有对应的等级，且不同的评价指标的等级确定方式不同。装置在得到每个评价指标对应的分值后，即可按照评价指标的等级确定方式，确定分值在分值对应的评价指标上的分值等级，分值等级可以为高低二个等级。装置在确定每个分值等级后，即可根据各个分值等级确定目标街道对共享单车的可骑行结果。

此外，装置可以通过各个分值等级构成的矩阵确定可骑行结果。具体的，每个评级指标在矩阵中有固定的位置，故，装置确定每个评价指标在预设矩阵中的位置，再将评价指标对应的分值等级添加至该评价指标在预设矩阵的位置得到评价矩阵，在根据评价举证得到可骑行结果。例如，骑行需求在矩阵中的位置为第一个位置、单车供给在矩阵的位置为第二个位置、属性在矩阵的位置为第三个位置、骑行频次在矩阵的位置为第四个位置，若评价矩阵为(高，高，低，高)和(高，高，高，高)，则可骑行结果为可骑行高。

在本实施例提供的技术方案，装置确定分值在分值对应的评价指标上的分值等级，再根据各个分值等级准确的确定目标街道对共享单车的可骑行结果。

参照图4，图4为本发明基于轨迹数据的街道可骑行性评估方法的第三实施例，基于第一或第二实施例，所述步骤S20包括：

步骤S21，根据回归模型对各个所述评价指标进行回归分析，得到各个所述评价指标对应的权重，并根据所述权重确定所述评价指标的系数；

步骤S22，确定每个所述评价指标的初始评分，并根据所述评价指标对应的所述初始评分以及所述系数确定所述评价指标对应的分值。

在本实施例中，装置中设有回归模型，装置可以通过回归模型对各个评价指标进行归回分析，从而得到各个评价指标对应的权重，权重可以换算成评价指标对应的系数。装置再得到每个评价指标的初始评分，即可根据初始频分以及系数得到该评价指标对应的分值。

需要说明的是，回归模型可以通过训练样本进行训练，一个训练样本即为一个街道的各个评价指标的权重。

在本实施例中，装置通过回归模型对各个评价指标进行快速的回归分析，从而进一步提高了城市街道的可骑行确定效率。

本发明还提供一种基于轨迹数据的街道可骑行性评估装置，所述基于轨迹数据的街道可骑行性评估装置包括存储器、处理器以及存储在所述存储器并可在所述处理器上运行的确定程序，所述确定程序被所述处理器执行时实现如上实施例所述的基于轨迹数据的街道可骑行性评估方法的各个步骤。

本发明还提供一种存储介质，所述存储介质存储确定程序，所述确定程序被处理器执行时如上实施例所述的基于轨迹数据的街道可骑行性评估方法的各个步骤。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。