具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

图1示出了根据本公开的迁徙方式确定方法的一个实施例的流程100。该迁徙方式确定方法包括以下步骤：

步骤101，采集区域内的交通枢纽的兴趣面数据。

在本实施例中，迁徙方式确定方法的执行主体可以采集区域内的交通枢纽的兴趣面数据。

通常，通过不定时地派出测绘车辆前往区域内的各个交通枢纽，可以测绘各个交通枢纽的AOI(Area Of Interest，兴趣面)数据。区域可以是任意范围内的区域，其可以被划分为多个子区域。例如，区域可以是国家，子区域可以是城市。又例如，区域可以是省份，子区域可以是城市。再例如，区域可以是世界，子区域可以是国家。交通枢纽可以是区域交通运输系统的重要组成部分，是不同运输方式的交通网络运输线路的交汇点，包括但不限于飞机场、火车站、客车站、收费站、服务区等等。兴趣面数据可以是指的是地图数据中的区域状的地理实体。这里的区域状的地理实体是交通枢纽。

步骤102，采集发生跨子区域出行的迁徙个体的定位数据。

在本实施例中，上述执行主体可以采集发生跨子区域出行的迁徙个体的定位数据。

其中，跨子区域出行的迁徙个体就是从区域内的一个子区域移动到另一个子区域的个体。其定位数据就是迁徙个体从一个子区域移动到另一个子区域的定位数据。定位数据除了包括迁徙个体的起点和终点的位置数据之外，还包括起点和终点的定位时间。

步骤103，将定位数据与兴趣面数据进行匹配，确定定位数据所落入的兴趣面数据。

在本实施例中，上述执行主体可以将定位数据与兴趣面数据进行匹配，确定定位数据所落入的兴趣面数据。

通常，定位数据包括迁徙个体的起点和终点的位置数据，兴趣面数据包括交通枢纽的地理范围数据。将定位数据与兴趣面数据进行匹配，若迁徙个体的起点和/或终点的位置数据落入交通枢纽的地理范围数据中，则匹配成功，定位数据落入交通枢纽的兴趣面数据；反之，则匹配失败，定位数据未落入交通枢纽的兴趣面数据。

步骤104，根据定位数据所落入的兴趣面数据，确定迁徙个体的迁徙方式。

在本实施例中，上述执行主体可以根据定位数据所落入的兴趣面数据，确定迁徙个体的迁徙方式。

通常，根据定位数据所落入的兴趣面数据，可以确定迁徙个体的迁徙方式。例如，当迁徙个体的定位数据落在了飞机场时，其采用的迁徙方式被判定为飞机；当迁徙个体的定位数据落在了火车站时，其采用的迁徙方式被判定为火车；当迁徙个体的定位数据落在了汽车站时，其采用的迁徙方式被判定为客车；当迁徙个体的定位数据落在了服务区或收费站时，其采用的迁徙方式被判定为自驾。

在一些实施例中，在得到迁徙个体的迁徙方式之后，上述执行主体还可以点对点的分析各个子区域间的迁徙方式情况。子区域间的迁徙方式情况在交通领域有着巨大的价值。从政府的角度来看可以指导各地交管部门去直接优化本城市的交通设施配置，也可以针对性的对本地的交通设施配置进行前瞻性的布局。从社会的角度来看，可以借此分析两个子区域间联系的紧密度及具体的方式方法，或由此分析某一子区域的居民的出行习惯等。

本公开结合了时空定位数据和地图兴趣面数据，通过研究迁徙个体定位的行为去分析其采用的具体迁徙方式，产生的数据覆盖任意区域内的子区域，使得产生的数据不受人为的主观意志影响，更加全面、准确。首先，时空大数据是以定位数据为基础的，数量级上以亿次为单位。其次，时空大数据具有相当的客观性，不受人为的主观意志影响。最后，时空大数据由于覆盖面广，所以可以达到点对点分析子区域间迁徙方式的效果。

继续参考图2，其示出了根据本公开的迁徙方式确定方法的又一个实施例的流程200。该迁徙方式确定方法包括以下步骤：

步骤201，采集区域内的交通枢纽的兴趣面数据。

在本实施例中，迁徙方式确定方法的执行主体可以采集区域内的交通枢纽的兴趣面数据。

通常，通过不定时地派出测绘车辆前往区域内的各个交通枢纽，可以测绘各个交通枢纽的AOI数据。区域可以是任意范围内的区域，其可以被划分为多个子区域。交通枢纽可以是区域交通运输系统的重要组成部分，是不同运输方式的交通网络运输线路的交汇点，包括但不限于飞机场、火车站、客车站、收费站、服务区等等。对于飞机场、火车站、客车站、服务区的情况，由于迁徙个体都会进入其地理范围内，因此可以将其地理范围数据直接作为其兴趣面数据。对于交通枢纽是收费站的情况，由于迁徙个体不会进入其地理范围内，但是会进入其地理范围附近，因此可以以收费站的中心点为圆心，向外扩展预设长度(例如50米)，生成收费站的兴趣面数据。从而能够为收费站生成合适的兴趣面数据。

步骤202，采集发生跨子区域出行的迁徙个体的定位数据。

在本实施例中，步骤202具体操作已在图1所示的实施例中步骤102进行了详细的介绍，在此不再赘述。

步骤203，将定位数据按照时间顺序进行排序。

在本实施例中，上述执行主体可以将定位数据按照时间顺序进行排序。例如，按照时间先后顺序对定位数据从前往后进行排序。

步骤204，将定位时间小于起点时间和/或大于终点时间的定位数据删除。

在本实施例中，上述执行主体可以将定位时间小于起点时间和/或大于终点时间的定位数据删除。

这里，为了定位数据的准确性，可以对定位数据进行去噪处理，删除不在迁徙时间段内的定位数据。其中，定位时间小于起点时间和/或大于终点时间的定位数据就是不在迁徙时间段内的定位数据。

步骤205，采用hive脚本得到定位数据与兴趣面数据的交集。

在本实施例中，上述执行主体可以采用hive脚本得到定位数据与兴趣面数据的交集，以确定定位数据所落入的兴趣面数据。

其中，hive是基于Hadoop的一个数据仓库工具，用来进行数据提取、转化、加载，这是一种可以存储、查询和分析存储在Hadoop中的大规模数据的机制。hive数据仓库工具能将结构化的数据文件映射为一张数据库表，并提供SQL查询功能，能将SQL语句转变成MapReduce任务来执行。Hive的优点是学习成本低，可以通过类似SQL语句实现快速MapReduce统计，使MapReduce变得更加简单，而不必开发专门的MapReduce应用程序。hive十分适合对数据仓库进行统计分析。

步骤206，根据定位数据所落入的兴趣面数据，确定迁徙个体的迁徙方式。

在本实施例中，步骤206具体操作已在图1所示的实施例中步骤104进行了详细的介绍，在此不再赘述。

步骤207，若迁徙个体采用多种迁徙方式，根据权重对多个迁徙方式进行排序。

在本实施例中，若迁徙个体采用多种迁徙方式，上述执行主体可以根据权重对多个迁徙方式进行排序。

通常，迁徙个体在一次迁徙行为中可能会采用一次迁徙方式，也可能会采用多次迁徙方式。若定位数据落入一个交通枢纽的兴趣面数据，则采用一次迁徙方式，若定位数据落入多个交通枢纽的兴趣面数据，则采用多次迁徙方式。例如，定位数据落入飞机场和火车站，则采用飞机和火车的迁徙方式。

对于采用多次迁徙方式的一次迁徙行为就需要根据权重对多次迁徙方式进行排序。不同的迁徙方式设置有不同的权重。通常，按照飞机、火车、客车和自驾的顺序，其权重越来越小。例如，对于迁徙个体在一次迁徙行为中采用飞机和火车的迁徙方式，其排序是飞机在前，火车在后。

步骤208，将权重最大的迁徙方式确定为迁徙个体的迁徙方式。

在本实施例中，上述执行主体可以将权重最大的迁徙方式确定为迁徙个体的迁徙方式。

对于采用多次迁徙方式的一次迁徙行为，根据权重对多次迁徙方式进行排序。然后从中选择排序靠前的迁徙行为。例如，迁徙个体在一次迁徙行为中采用了飞机和火车的迁徙方式，则其迁徙方式将会被确定为飞机。这种相斥的方法确保了迁徙个体在一次迁徙过程中的迁徙方式只会有一种，符合人的认知。例如，一个迁徙个体从廊坊前往深圳，先坐了火车到北京，然后再从北京坐飞机到深圳。此时，他采用了火车和飞机两种迁徙方式。但是，他在向别人描述他是怎么从廊坊到深圳时往往只会说坐飞机，而不会说先坐火车再坐飞机。

从图2中可以看出，与图1对应的实施例相比，本实施例中的迁徙方式确定方法突出了定位数据去噪步骤、定位数据与兴趣面数据匹配步骤和迁徙方式确定步骤。由此，本实施例描述的方案对定位数据进行去噪处理，删除不在迁徙时间段内的定位数据，能够提高定位数据的准确性。利用hive脚本得到定位数据与兴趣面数据的交集，学习成本低。对于采用多次迁徙方式的一次迁徙行为，根据权重对多次迁徙方式进行排序，从中选择排序靠前的迁徙行为，符合人的认知。

进一步参考图3，其示出了可以实现本公开实施例的迁徙方式确定方法的场景图。如图3所示，基于时空大数据的迁徙方式研究方法主要依托于地图应用所产生的能够定位数据和兴趣面数据，主要的方法步骤如下：

step1：采集全国主要的交通枢纽的AOI数据。交通枢纽包括但不限于飞机场、火车站、客车站、收费站、服务区等等。

step2：采集发生跨城出行的迁徙个体的定位数据。

step3：采用hive脚本得到定位数据与兴趣面数据的交集。

step4：根据定位数据所落入的兴趣面数据，确定迁徙个体的迁徙方式。当迁徙个体的定位数据落在了飞机场时，其采用的迁徙方式被判定为飞机；当迁徙个体的定位数据落在了火车站时，其采用的迁徙方式被判定为火车；当迁徙个体的定位数据落在了汽车站时，其采用的迁徙方式被判定为客车；当迁徙个体的定位数据落在了服务区或收费站时，其采用的迁徙方式被判定为自驾。

其中，step1和step2主要是起到数据采集的作用。step3为数据计算逻辑。step4为迁徙方式产出。

进一步参考图4，其示出了迁徙个体的迁徙方式的结果示意图。如图4所示，在得到迁徙个体的迁徙方式之后，还可以点对点的分析各个城市间的迁徙方式情况。包括任意两个城市间迁入迁出的热度排行，及各个迁徙方式的比例。

进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种迁徙方式确定装置的一个实施例，该装置实施例与图1所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的迁徙方式确定装置500可以包括：第一采集模块501、第二采集模块502、匹配模块503和第一确定模块504。其中，第一采集模块501，被配置成采集区域内的交通枢纽的兴趣面数据，其中，区域被划分为多个子区域；第二采集模块502，被配置成采集发生跨子区域出行的迁徙个体的定位数据；匹配模块503，被配置成将定位数据与兴趣面数据进行匹配，确定定位数据所落入的兴趣面数据；第一确定模块504，被配置成根据定位数据所落入的兴趣面数据，确定迁徙个体的迁徙方式。

在本实施例中，迁徙方式确定装置500中：第一采集模块501、第二采集模块502、匹配模块503和第一确定模块504的具体处理及其所带来的技术效果可分别参考图1对应实施例中的步骤101-104的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，第一采集模块501进一步被配置成：若交通枢纽是收费站，以收费站的中心点为圆心，向外扩展预设长度，生成收费站的兴趣面数据。

在本实施例的一些可选的实现方式中，迁徙方式确定装置500还包括：第一排序模块，被配置成将定位数据按照时间顺序进行排序；删除模块，被配置成将定位时间小于起点时间和/或大于终点时间的定位数据删除。

在本实施例的一些可选的实现方式中，匹配模块503进一步被配置成：采用hive脚本得到定位数据与兴趣面数据的交集。

在本实施例的一些可选的实现方式中，迁徙方式确定装置500还包括：第二排序模块，被配置成若迁徙个体采用多种迁徙方式，根据权重对多个迁徙方式进行排序；第二确定模块，被配置成将权重最大的迁徙方式确定为迁徙个体的迁徙方式。

本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如迁徙方式确定方法。例如，在一些实施例中，迁徙方式确定方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的迁徙方式确定方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行迁徙方式确定方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。