CN103714391A - 用于推算公交系统中乘行路径的方法和装置 - Google Patents
用于推算公交系统中乘行路径的方法和装置 Download PDFInfo
- Publication number
- CN103714391A CN103714391A CN201210379565.6A CN201210379565A CN103714391A CN 103714391 A CN103714391 A CN 103714391A CN 201210379565 A CN201210379565 A CN 201210379565A CN 103714391 A CN103714391 A CN 103714391A
- Authority
- CN
- China
- Prior art keywords
- passenger
- transfer
- getting
- probability
- bus
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/02—Reservations, e.g. for tickets, services or events
- G06Q10/025—Coordination of plural reservations, e.g. plural trip segments, transportation combined with accommodation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
Abstract
本发明公开了一种用于推算公交系统中乘行路径的方法和装置,该装置包含:单线起点-终点(OD)推算装置,被配置用于根据历史数据,由一个公交线路的上车数据,推算该线路上乘客的下车站点,作为推算的乘客的下车站点,其中,所述上车数据包含预定的时段内乘客的上车站点和在该站点上车的人数;换乘线路推算装置,被配置用于根据该单线上的上车数据和从单线OD推算装置得到的推算的乘客的下车站点,推算出乘客的换乘线路,作为推算的乘客的换乘线路。
Description
技术领域
本发明涉及城市公共交通服务,更具体地,涉及为规划公交线路而预测公交系统中乘行路径。
背景技术
现代城市中,对公共交通服务的需求日益增长。公共交通服务的一个目标,是以方便、快捷的方式将乘客安全运送到目的地。为此,需要很好地规划公交线路。规划公交线路的一个主要方式是通过换乘站组成交通网络。如果一个乘客要从出发地去往一个目的地,而出发地与目的地之间没有直达的公交车,乘客可以乘坐一个线路的公交车到达换乘站,在换乘站下车后换乘另一个线路的公交车,经过一次或更多次换乘后,到达目的地。对于该乘客来说,如果有从出发地直达目的地的公交车,那是有益的。事实上,每个公交乘客都有类似的需求。然而,对于公交服务提供商来说,要在一个地点A到另外一个地点B之间设置直达公交车,需要了解以A为出发地、B为目的地的乘客的人数。通常用一个起点(Origin)-终点(Destination)对<A,B>,即OD对<A,B>,表示乘客从起点A到达终点B的乘客的人数。对于公交服务提供商来说,一个重要问题是获得关于任何两个地点A和B的OD对<A,B>。
现有技术中已经有人提出了预测单一公交线路上不同时段的OD的方法。然而,上述方法一般需要公交站点的上车乘客数和下车乘客数;并且,预测单一公交线路上的OD,而考虑乘客的换乘行为,所能提供的信息具有局限性。
发明内容
本发明的各种实施例旨在提供一种推算乘客的乘行路径的改进方法。
根据本发明的一个方面,提供一种用于推算公交系统中乘行路径的装置,包含:单线起点-终点(OD)推算装置,被配置用于根据历史数据,由一个公交线路的上车数据,推算该线路上乘客的下车站点,作为推算的乘客的下车站点,其中,所述上车数据包含预定的时段内乘客的上车站点和在该站点上车的人数;换乘线路推算装置,被配置用于根据所述上车数据和从单线OD推算装置得到的推算的乘客的下车站点,推算出乘客的换乘线路,作为推算的乘客的换乘线路。
根据本发明的另一个方面,提供一种用于推算公交系统中乘行路径的方法,包含:(a)单线起点-终点(OD)推算步骤,根据历史数据,由一个公交线路的上车数据,推算该线路上乘客的下车站点,作为推算的乘客的下车站点,其中,所述上车数据包含预定的时段内乘客的上车站点和在该站点上车的人数;(b)换乘线路推算步骤,根据所述上车数据和从单线OD推算步骤得到的推算的乘客的下车站点,推算出乘客的换乘线路,作为推算的乘客的换乘线路。
本发明各种实施例可以应用于区域中各站点间OD的推算。
附图说明
通过结合附图对本公开示例性实施方式进行更详细的描述,本公开的上述以及其它目的、特征和优势将变得更加明显,其中,在本公开示例性实施方式中,相同的参考标号通常代表相同部件。
图1示出了适于用来实现本发明实施方式的示例性计算机系统/服务器12的框图;
图2表示按照本发明一个实施例的用于推算公交系统中乘行路径的装置的框图;
图3A-3C示意性表示公交系统中多个公交线路的分布;
图4A示意性地表示按照本发明一个实施例的用于推算公交系统中乘行路径的方法的流程图;
图4B示意性地表示按照本发明另一个实施例的用于推算公交系统中乘行路径的方法的流程图。
具体实施方式
下面将参照附图更详细地描述本公开的优选实施方式。虽然附图中显示了本公开的优选实施方式,然而应该理解,可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
所属技术领域的技术人员知道,本发明可以实现为系统、方法或计算机程序产品。因此,本公开可以具体实现为以下形式,即:可以是完全的硬件、也可以是完全的软件(包括固件、驻留软件、微代码等),还可以是硬件和软件结合的形式,本文一般称为“电路”、“模块”或“系统”。此外,在一些实施例中,本发明还可以实现为在一个或多个计算机可读介质中的计算机程序产品的形式,该计算机可读介质中包含计算机可读的程序代码。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于——无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言-诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言-诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)-连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
下面将参照本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述本发明。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机程序指令实现。这些计算机程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,这些计算机程序指令通过计算机或其它可编程数据处理装置执行,产生了实现流程图和/或框图中的方框中规定的功能/操作的装置。
也可以把这些计算机程序指令存储在能使得计算机或其它可编程数据处理装置以特定方式工作的计算机可读介质中,这样,存储在计算机可读介质中的指令就产生出一个包括实现流程图和/或框图中的方框中规定的功能/操作的指令装置(instruction means)的制造品(manufacture)。
也可以把计算机程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机或其它可编程装置上执行的指令能够提供实现流程图和/或框图中的方框中规定的功能/操作的过程。
图1示出了适于用来实现本发明实施方式的示例性计算机系统/服务器12的框图。图1显示的计算机系统/服务器12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图1所示,计算机系统/服务器12以通用计算设备的形式表现。计算机系统/服务器12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机系统/服务器12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机系统/服务器12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机系统/服务器12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图1未显示,通常称为“硬盘驱动器”)。尽管图1中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机系统/服务器12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该计算机系统/服务器12交互的设备通信,和/或与使得该计算机系统/服务器12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,计算机系统/服务器12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与计算机系统/服务器12的其它模块通信。应当明白,尽管图中未示出,可以结合计算机系统/服务器12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
本发明推算公交系统中乘行路径的方法,可以在图1所示的计算机系统100上执行。
本发明的总体构思是,通过综合运用单线OD推算和换乘线路推算,推算推算公交系统中乘客的乘行路径,从而推断乘客完整的乘行路径的OD。
下面参照附图,说明本发明的各种实施方式。
参看图4,图4示意性地表示按照本发明一个实施例的用于推算公交系统中乘行路径的装置的框图。
概括来说,图4所示的用于推算公交系统中乘行路径的装置的实施例包含一个单线起点-终点(OD)推算装置210和一个换乘线路推算装置220。
单线OD推算装置210被配置用于根据历史数据,由一个公交线路的上车数据,推算该线路上乘客的下车站点,作为推算的乘客的下车站点,其中,所述上车数据包含预定的时段内乘客的上车站点和在该站点上车的人数。
换乘线路推算装置220被配置用于根据该单线(例如100路)上的上车数据和从单线OD推算装置210得到的推算的乘客的下车站点,推算出乘客的换乘线路,作为推算的乘客的换乘线路。
将推算的乘客换乘线路作为一个单线,进一步应用单线OD推算装置210,就可以推算出乘客该换乘线路上的下车站点,如此循环,可以推算出乘客的最后一个换乘线路和在最后一个换乘线路上的下车站点。乘客最初上车的站点到推算出的最后一个换乘线路上的下车站点之间的路径,构成了公交系统中乘行路径,该出行路径最初起点和最后终点,就是推算的乘客的起点和终点。
下面结合附图,进一步说明单线OD推算装置210的实施方式。
按照本发明一个实施例,所述单线OD推算装置210包含:下车概率计算器211和下车站点分配器213。
下车概率计算器211被配置用于根据乘客行为分析数据214,计算乘客在各个站点下车的概率。下车站点分配器213被配置用于根据下车概率计算器211计算的乘客在各个站点下车的概率,为乘客分配下车站点,作为推算的乘客的下车站点。
下面以第100路公交车的上行线作为一个单线的例子,说明单线OD推算装置210的操作。
作为输入,单线OD推算装置210获得第100路公交车的上行线的上车数据。这里,上车数据包含预定的时段内乘客的上车站点和在该站点上车的人数,例如在时间7:00-9:00之间,第100路公交车的上行线的各站点A、B、C、D、E、F、G、H上车的乘客的数量。
可以以各种方式获得乘客的上车数据,例如-但不限于-从公交车上配置的读卡机获得上车数据。
单线OD推算装置210根据历史数据,由上车数据,推算该单线上的乘客的下车站点,作为推算的乘客的下车站点。例如,乘客X在站点C上车,则推算出其在站点D、E、F、G、H中的某一站点下车。
可以采用现有技术中存在的任何方案,根据历史数据,由上车数据推算该单线上的乘客的下车站点。
按照本发明一个实施例,可以根据从历史数据分析得出的乘客行为分析数据,由上车数据,推算该单线上的乘客的下车站点。为此,所述单线OD推算装置210包含一个下车概率计算器211和一个下车站点分配器213。其中,下车概率计算器211被配置用于根据乘客行为分析数据214,计算乘客在各个站点下车的概率。下车站点分配器213被配置用于根据下车概率计算器211计算的乘客在各个站点下车的概率,为乘客分配下车站点,作为推算的乘客的下车站点。
按照本发明一个实施例,所述乘客行为分析数据214包含下述的一个或多个:潮汐客流数据214_1;乘车站数概率分布214_2。
众所周知,公交客流具有类似潮汐的特点,例如某一个站点在早高峰上车的乘客很多,在晚高峰下车的乘客就很多,并且早高峰特定时段的上车乘客的数量与晚高峰特定时段的下车乘客的数量,具有比较稳定的正比例关系。术语“潮汐客流数据”,指的是在与当前线路的方向相反的方向上一个对应的时段各个站点的上车人数,这是可以从历史数据中得到的。例如,100路下行线的站点顺序为(H,G,F,E,D,C,B,A),在时间段17:00-19:00在站点D,E,F,G,H的上车人数,分别为20,10,30,20,20。如表1-1所示。
表1-1
站点 | D | E | F | G | H |
下行上车人数 | 20 | 10 | 30 | 20 | 20 |
在乘客行为分析数据214仅仅包含潮汐客流数据的情况下,下车概率计算器211根据表1-1,计算在时间段7:00-9:00在站点C上车的乘客X在站点D,E,F,G,H下车的概率。如表1-2所示。
表1-2
站点 | D | E | F | G | H |
下车概率P1 | 0.2 | 0.1 | 0.3 | 0.2 | 0.2 |
表1-2表示,乘客X在站点D,E,F,G,H下车的概率P1,分别为0.2,0.1,0.3,0.2,0.2,记为P1(D)=0.2,...。
乘坐公交车的乘客从上车到下车所经过的站点数,服从一定的概率分布规律,术语“乘车站数概率分布”,就是指这样的概率分布。关于乘车站数概率分布的数据,可以通过分析历史数据而导出。
例如,100路乘坐站数概率分布,如下表2-1所示。
表2-1
乘车站数 | 1 | 2 | 3 | 4 | 5 | … |
下车概率 | 10% | 15% | 40% | 20% | 5% | … |
表2-1表示,在100路公交车上乘1站、2站、3站、4站、5站的概率,分别为10%、15%、40%、20%、5%,...。
在乘客行为分析数据214仅仅包含乘车站数概率分布情况下,下车概率计算器211,根据表2-2所示的乘坐站数概率分布,计算在站点C上车的乘客X在站点D,E,F,G,H下车的概率,如表2-2所示。
表2-2
站点 | D | E | F | G | H |
与站点C的间隔数 | 1 | 2 | 3 | 4 | 5 |
下车概率P2 | 0.1 | 0.15 | 0.4 | 0.2 | 0.15 |
表2-2表示,乘客X在站点D,E,F,G,H下车的概率P2,分别为0.1、0.15、0.4、0.2、0.15,记为P2(D)=0.1,...。
按照本发明一个实施例,单线起点-终点(OD)推算装置210可以进一步包含一个权重设置器215。例如,在同时采用设置潮汐客流数据和乘车站数概率分布的情况下,所述权重设置器用于为换乘线路概率计算器211分别设置潮汐客流数据和乘车站数概率分布的权重。
例如,假设潮汐客流数据的权重w1=2,乘车站数概率分布的权重w2=1。下车概率计算器211利用公式P3=(P1*w1+P2*w2)/(w1+w2),由表2-1和2-2所示的概率数据,计算在站点C上车的乘客X在站点D,E,F,G,H下车的概率,如表3所示。
表3
站点 | D | E | F | G | H |
P1 | 0.2 | 0.1 | 0.3 | 0.2 | 0.2 |
P2 | 0.1 | 0.15 | 0.4 | 0.2 | 0.15 |
P3 | 0.17 | 0.12... | 0.33... | 0.2... | 0.18 |
以上以在站点C上车的乘客为例,描述了下车概率计算器211根据乘客行为分析数据214,计算在站点C上车的乘客在各个站点下车的概率的各种实施例。
下车概率计算器211还可以根据乘客行为分析数据214,计算在站点C以外的其它任何站点上车的乘客在各个站点下车的概率,其计算方式与上文所述的类似,这里不再赘述。
下车概率计算器211计算的乘客在各个站点下车的概率,可以被下车站点分配器213用来为乘客分配下车站点,作为推算的乘客的下车站点。
例如,仅以表3所示的C站上车的乘客在站点D、E、F、G、H下车的概率P3为例,下车站点分配器213可以按照表3所示的概率分布,为站点C上车的每个乘客随机分配一个下车站点,作为推算的乘客的下车站点。显然,对于站点C上车的所有乘客来说,推算的乘客的下车站点总体上符合下车概率计算器211计算的乘客在各个站点下车的概率。
同样,下车站点分配器213可以根据下车概率计算器211计算的在站点C以外的其它任何站点(例如站点D)上车的乘客在各个站点下车的概率,为每个乘客随机分配一个下车站点,作为推算的乘客的下车站点,其分配方式与上文所述的类似,这里不再赘述。计算在站点C以外的其它任何站点上车的乘客用来为乘客分配下车站点,作为推算的乘客的下车站点。结果,对于所有站点上车的所有乘客来说,推算的乘客的下车站点,总体上符合下车概率计算器211计算的乘客在各个站点下车的概率。
以上说明的是单线OD推算装置210的实施方式。
下面说明换乘线路推算装置220的实施方式。
按照本发明一个实施例,可以根据从历史数据分析得出的乘客行为分析数据,根据单线上的乘客X的上车数据和从单线OD推算装置210得到的推算的乘客的下车站点F,推算出乘客的换乘线路,作为推算的乘客的换乘线路。
为此,所述换乘线路推算装置220包含一个换乘线路概率计算器221和一个换乘线路分配器223。其中,换乘线路概率计算器221被配置用于根据乘客行为分析数据224,计算乘客换乘各个线路的概率。换乘线路分配器223被配置用于根据换乘线路概率计算器221计算的乘客换乘各个线路的概率,为乘客分配换乘线路,作为推算的乘客的换乘线路。
下面结合附图3A和3B,以在第100路公交车的上行线的C站上车的乘客X为例,说明换乘线路推算装置220的操作。
按照本发明一个实施例,所述乘客行为分析数据224可以包含:换乘角约束数据224_1。下面参看图3A,说明换乘线路推算装置220利用换乘角约束数据推算出乘客的换乘线路的实施方式。
图3A是表示多个公交线路的分布的示意图。图3A中示出四条公交线路:100路、200路、300路和400路,它们分别由曲线311、321、331和341表示。图3A中还示出了100路公交线路的两个站点C和F,以及200路公交线路的站点0、300路公交线路的站点P和400路公交线路的站点Q。
如图3A所示,假设推算的乘客X的下车站点为F,可换乘站点集S(F)=(200路,300路,400路),即站点F周围可换乘的线路为200路、300路和400路。
术语“换乘角”,指的是换乘前的线路的方向与换乘后的线路的方向之间的夹角。如图3A所示,换乘前的线路方向如箭头312所示,如果换乘200路,换乘后的200路的线路方向如箭头322所示,在这种情况下,换乘角是箭头312与箭头322之间的夹角,或者记为“换乘角CFO”。类似地,图3A中的箭头332和342分别表示换乘后的300路和400路的线路方向。
换乘角约束数据,是对历史数据进行乘客行为分析而得到的关于换乘角对乘客换乘行为的影响的数据,例如换乘线路吸引度函数。
在乘客行为分析数据224仅仅包含换乘角约束数据的情况下,换乘线路概率计算器221按照下列步骤计算乘客换乘各个线路的概率。
1.对可换乘线路集中的每一条线路,利用单线OD推算装置210,推算如果该乘客换乘到那条线路,则他可能在何处下车。例如,先利用单线OD推算装置210推算出这三条线路上的可能下车站点,假设为200路的0站,300路的P站,400路的Q站。
2.计算上一条线路的上车站点--下车站点--换乘线路的下车站点之间的夹角,即换乘角T_angle。例如,根据推算的200路的0站,300路的P站,400路的Q站,计算出三个换乘角CFO=80°、CFP=170°、CFQ=70°。
3.根据换乘角约束数据和换乘角计算各换乘线路的吸引度。例如根据一个换乘线路吸引度函数和换乘角计算各换乘线路的吸引度。如上文所述,换乘线路吸引度函数是对历史数据进行乘客行为分析而得到的经验公式,是换乘角的一个函数,例如可以表达为:
Acc=10+0.1*(T_angle-90°)
其中Acc表示换乘线路的吸引度。根据上式,可以计算出200路、300路、400路作为换乘线路的吸引度分别为9,18,8。
4.根据换乘线路的吸引度计算乘客换乘各个线路的概率。在本例中,换乘200路的概率为9/(9+18+8)=9/35,换乘300路、400路的概率分别为18/35和8/35。
以上描述的过程和结果,如表4所示。
表4
换乘线路 | 200 | 300 | 400 |
推算的下车站点 | 0 | P | Q |
换乘角T_angle | CFO=80° | CFP=170° | CFQ=70° |
吸引度Acc | 9 | 18 | 8 |
换乘概率P4 | 9/35 | 18/35 | 8/35 |
换乘线路分配器223可以按照换乘概率P4,为推算在F站下车的乘客X随机分配一个换乘线路,作为推算的乘客X的换乘线路。
以下说明在乘客行为分析数据224仅仅包含换乘角约束数据的情况下,换乘线路概率计算器221计算乘客换乘各个线路的概率。
按照本发明一个实施例,所述乘客行为分析数据224可以包含:相似度约束数据224_2。下面参看图3B,说明换乘线路推算装置220利用相似度约束数据推算出乘客的换乘线路的实施方式。
图3B示意性地表示了四个公交线路100路、200路、300路、400路的公线站分布。如图所示,曲线311b、321b、331b和341b分别表示100路、200路、300路和400路公交线路。
术语“相似度”,是指两个公交线路从某站开始的共线站数。如图3B所示,在100路公交线311b上站点C上车的乘客X,推算的下车站为站点F。从站点F算起,100路公交线311与200路、300路、400路公交线分别有不同数量的共线站点,100路公交线311b与200路公交线路321b的共线站点数为4,与300路公交线路331b的共线站点数为0,与400路公交线路341b的共线站点数为7,因此,100路与200路、300路、400路的相似度Sim分别为4、0、7。
相似度约束数据,是对历史数据进行乘客行为分析而得到的关于相似度对乘客换乘行为的影响的数据,例如相似度评估规则。
换乘线路概率计算器221按照相似度约束数据和相似度,计算乘客换乘各个线路的概率。例如根据一个预定的相似度评估规则,计算乘客换乘各个线路的概率。如上文所述,相似度评估规则是对历史数据进行乘客行为分析而得到的经验规则,是相似度的一个函数,例如可以表达为:
P=10-Sim
其中,P表示换乘的概率。根据上式,可以计算出在F站点换乘200路、300路、400路的概率分别为6,10,3,或者6/19,10/19,3/19,后者是是对6,10,3这三个值进行归一化的结果。
以上描述的过程和结果,如表5所示。
表5
换乘线路 | 200 | 300 | 400 |
公线站点数 | 4 | 0 | 7 |
换乘概率P5 | 6/19 | 10/19 | 3/19 |
换乘线路分配器223可以按照换乘概率P5,为推算在F站下车的乘客X随机分配一个换乘线路,作为推算的乘客X的换乘线路。
以上描述了在乘客行为分析数据224仅仅包含换乘角约束数据或者仅仅包含相似度约束数据的情况下,换乘线路概率计算器221计算乘客换乘各个线路的概率的操作。
按照本发明一个实施例,换乘线路概率计算器221可以进一步包含一个权重设置器225。例如,在同时采用设置换乘角约束数据和相似度约束数据的情况下,所述权重设置器225用于为换乘线路概率计算器221分别设置换乘角约束数据和相似度约束数据的权重。
例如,假设换乘角约束数据的权重w3=1,相似度约束数据的权重w4=2。换乘线路概率计算器221,根据表4和表5所示的概率数据,计算乘客X在站点F换乘线路200路、300路、400路的概率P6=(P4*w3+P5*w4)/(w3+w4)=(P4+P5*2)/3,如表6所示。
表6
换乘线路 | 200路 | 300路 | 400路 |
换乘概率P4 | 9/35 | 18/35 | 8/35 |
换乘概率P5 | 6/19 | 10/19 | 3/19 |
加权换乘概率P6 | 0.3 | 0.52 | 0.18 |
表6中的加权换乘线路概率P6的值0.3、0.52和0.18,分别是换乘线路200路、300路、400路的加权概率的归一化值。换乘线路分配器223可以按照换乘概率P6,为推算在F站下车的乘客X随机分配一个换乘线路,作为推算的乘客X的换乘线路。
以上以在站点C上车的乘客X为例,描述了换乘线路概率计算器221根据乘客行为分析数据224,计算在推算的乘客X的下车点F换乘各个线路的概率的各种实施例。
换乘线路概率计算器221还可以以类似的方式,计算在F站点以外的其它任何站点下车的乘客换乘各个线路的概率,其计算方式与上文所述的类似,这里不再赘述。
换乘线路概率计算器221计算的乘客换乘各个线路的概率,可以被换乘线路分配器223用来为乘客分配换乘线路,作为推算的乘客的换乘线路。
例如,仅以表6所示的在F站下车的乘客换乘200路、300路、400路的归一化概率P6为例,换乘线路分配器223可以按照表6所示的概率分布,为推算在F站下车的每个乘客随机分配一个换乘线路,作为推算的乘客的换乘线路。显然,对于在F站下车的所有乘客来说,推算的乘客的换乘线路总体上符合换乘线路概率计算器221计算的乘客换乘各个线路的概率。
同样,换乘线路分配器223可以根据换乘线路概率计算器221计算的在F站以外的其它任何站点下车的乘客换乘各个线路的概率,为每个乘客随机分配一个换乘线路,作为推算的乘客的换乘线路,其分配方式与上文所述的类似,这里不再赘述。计算在F站点以外的其它任何站点下车的乘客用来为乘客分配换乘线路,作为推算的乘客的换乘线路。结果,对于所有站点上车的所有乘客来说,推算的乘客的换乘线路,总体上符合换乘线路概率计算器221计算的乘客换乘各个线路的概率。
以上结合附图2,说明了本发明的用于推算公交系统中乘行路径的装置的各种实施方式。需要指出的附图2及其说明,仅仅是示意性的而非限定性的,例如,乘客行为分析数据214和乘客行为分析数据224在图中是分离的,然而,这仅仅是为了便于表示和说明,显然,它们是可以集成在一起的。类似地,权重设置器215和权重设置器225也可以一个集成的部件,并且还可以与乘客行为分析数据集成在一起。因此,所属技术领域的技术人员在不改变图2所示的装置的基本功能的情况下,可以对其作出各种显而易见的修改或变通。
按照同一个发明构思,本发明还提供用于推算公交系统中乘行路径的方法,特别是推算公交系统中乘行路径的装置的使用方法。
参看图4A,图4A表示按照本发明一个实施例的用于推算公交系统中乘行路径的方法的流程图。
图4A所示的方法的过程400A,是针对一个乘客的进行的过程,包含两个步骤:
(a)单线起点-终点(OD)推算步骤410;和
(b)换乘线路推算步骤420。
单线OD推算步骤410,由一个公交线路的上车数据,推算该线路上乘客的下车站点,作为推算的乘客的下车站点,其中,所述上车数据包含预定的时段内乘客的上车站点和在该站点上车的人数。例如(参看图3A),乘客X在100路公交线路的站点C上车,步骤410推算乘客X在F站下车。
然后,在换乘线路推算步骤420,根据该单线上的上车数据和从单线OD推算步骤得到的推算的乘客的下车站点,推算出乘客的换乘线路,作为推算的乘客的换乘线路。例如,在步骤410推算出乘客X在站点F下车后,步骤420可以进一步推算乘客X的换乘线路是300路。
按照本发明一个实施例,换乘线路推算步骤420包含:
下车概率计算步骤,根据乘客行为分析数据,计算乘客在各个站点下车的概率;下车站点分配步骤,根据下车概率计算步骤计算的乘客在各个站点下车的概率,为乘客分配下车站点,作为推算的乘客的下车站点。
按照本发明一个实施例,所述乘客行为分析数据包含下述的一个或多个:潮汐客流数据;乘车站数概率分布。
按照本发明一个实施例,该方法进一步包含:为下车概率计算步骤分别设置潮汐客流数据和乘车站数概率分布的权重。
按照本发明一个实施例,其中,换乘线路推算步骤420包含:
换乘线路概率计算步骤,根据乘客行为分析数据,计算乘客换乘各个线路的概率;换乘线路分配步骤,根据换乘线路概率计算步骤计算的乘客换乘各个线路的概率,为乘客分配换乘线路,作为推算的乘客的换乘线路。
按照本发明一个实施例,所述乘客行为分析数据包含下述的一个或多个:换乘角约束数据;相似度约束数据。
按照本发明一个实施例,该方法进一步包含:为换乘线路概率计算步骤分别设置换乘角约束数据和乘车站数概率分布的权重。
以上说明的按照本发明的各种实施例的方法,针对一个乘客,推算其在一个线路上的下车站点和下一个换乘线路,例如推算乘客X在100路公交车的站点F下车,换乘300路公交车。
在步骤410,根据乘客在当前线路的上车站点和该上车站点的上车人数以及乘客行为分析数据,推算乘客的下车站点。
在步骤420,根据乘客行为分析数据,推算乘客在下车站点的换乘线路。
按照本发明一个实施例,图4A所示的方法进一步包含:
(c)换乘线路OD推算步骤,根据乘客在换乘线路的上车站点和该上车站点的上车人数,以及乘客行为分析数据,推算乘客的下车站点。
步骤(c)在步骤420后执行,实际上,步骤(c)相当于步骤410,如图4A中的虚线箭头所示。此时,步骤410中的当前线路就是在步骤420中推算的换乘线路。因此,步骤410相当于根据乘客在换乘线路的上车站点和该上车站点的上车人数,以及乘客行为分析数据,推算乘客的下车站点。
例如,参看附图3A,继续上面的例子,在推算乘客X换乘300路公交车后,步骤(c)进一步推算乘客X在300路的站点P下车。该步骤的实现方式,与步骤410的实现相同,只不过是用换乘线路(例如300路)作为步骤410中的公交线路(例如100路)。
以上的过程,假设乘客的换乘次数为1。现实生活中,乘客的换乘次数是不同的,例如,有的乘客不换乘,有的乘客需要换乘两次甚至更多次,这些都依具体情况不同(例如不同的城市)而不同。然而,例如在给定的城市中,乘客换乘次数总体上服从一定的概率分布,这种换乘次数概率分布是可以通过分析历史数据、抽样调查等手段获得的。
按照本发明一个实施例,在可以获得换乘次数概率分布的情况下,可以扩展图4A所示的过程400A,其中,在步骤410之前,根据换乘次数概率分布,为乘客分配一个换乘次数;在步骤410之后,按照所分配的换乘次数,重复地执行步骤420和步骤410。
换言之,在步骤(a)之前,根据换乘次数概率分布,为乘客分配一个换乘次数;在步骤(a)之后,其中,按照所分配的换乘次数,重复地执行步骤(b)和步骤(c)。
参看图4B,图4B是表示按照本发明另一个实施例的用于推算公交系统中乘行路径的方法的流程图。图4B所示的过程400B包括的步骤410和420,与图4A中包括的步骤410和420的功能相同,因此可以说是图4A所示的过程400A的扩展。
过程400B从步骤401开始,该步骤是一个初始化步骤,该步骤例如获得上车人数W(L,S,T),即在时段T内在线路L、站点S的上车人数。
然后,在步骤403,按照换乘次数概率分布,为乘客随机分配一个换乘次数t(t>=0),并将实际换乘次数T清零。
如果t=0,表示按照换乘次数概率分布随机分配的结果是,该乘客将不换乘其它公交线路;如果t>1,表示按照换乘次数概率分布随机分配的结果是,该乘客将t次换乘其它公交线路。
将实际换乘次数T清零,表示乘客还没有换乘其它公交线路的行为。
在步骤410,根据乘客在当前线路的上车站点和该上车站点的上车人数以及乘客行为分析数据,推算乘客的下车站点。
在步骤413,判断实际换乘次数T是否等于分配的换乘次数t。
如果是,则过程400结束,如标记410所示的那样;否则,过程前进到步骤420。
在步骤420,推算乘客在下车站点的换乘线路。
然后,在步骤415,将实际换乘次数T的值递增1。然后,过程前进到步骤410,推算乘客的下车站点。此时,当前线路就是在步骤420中推算的换乘线路。因此,执行步骤410相当于根据乘客在换乘线路的上车站点和该上车站点的上车人数,以及乘客行为分析数据,推算乘客的下车站点。
下面结合图2和图3C,示意性地说明执行一次过程400B的完整的实例。3C示意性表示公交系统中多个公交线路的分布,图中示出了五条公交线路:100路、200路、300路、400路,以及100路上的站点C、F,300路上的站点L、M,500路上的站点P、Q。
本例中,过程400B包含步骤S1-S8。
S1.(步骤401)假设早高峰时段([7:00,9:00])100路上行线C站有W(100,C,[7:00,9:00])个乘客上车,100路上行线在C站之后还有D,E,F,G,H五站,则对C站上车的其中的一个乘客X,作如下推算;
S2.(步骤403),按照换乘次数概率分布,为乘客随机分配一个换乘次数t=2,并将实际换乘次数T清零。
S3.(步骤410),推算乘客在100路上行线的下车站点,具体过程如下:
S3_1.根据潮汐客流数据214_1,按照100路下行线在对应潮汐时间段(此处为早高峰[7:00,9:00]的对应时段,即晚高峰时段[17:00,19:00])的上车人数计算下车概率。假设100路下行线在晚高峰时段D,E,F,G,H的上车人数比例为2∶1∶3∶2∶2,则根据潮汐客流数据,该乘客在100路上行的D,E,F,G,H下车的归一化概率P1为0.2,0.1,0.3,0.2,0.2(表1-2)。
S3_2)按照乘车站数概率分布214计算下车概率。假设100路上行线在早高峰时段的站数分布为:乘坐1站、2站、3站、4站、5站的人数比例为10∶15∶40∶20∶15,则该乘客在100路上行的D,E,F,G,H下车的归一化概率为P2=0.1∶0.15∶0.4∶0.2∶0.15;(表2-2)
S3_3)根据规则权重设置器215,假设潮汐客流数据和乘车站数概率分布的权重分别为2和1,则该乘客在100路上行的D,E,F,G,H下车的融合概率为
(0.2*2+0.1)∶(0.1*2+0.15)∶(0.3*2+0.4)∶(0.2*2+0.2)∶(0.2*2+0.15)
归一化后为P3=0.17∶0.12∶0.33∶0.2∶0.18(标记216);
S3_4)下车站点分配器213根据按照各站下车概率P3(标记216),用概率随机数的方式为乘客X选择一个下车站点,例如100路的F站。
然后,重复t次地执行步骤420和步骤410。由于换乘次数t=2,实际换乘次数T=0,所以要重复t次地执行步骤420和步骤410,过程如下:第一次换乘
S4.(步骤420)假设F站附近有3条线路:200、300和400路(图3C),
S4_1.根据换乘角约束224_1计算3条线路的换乘概率,假设结果为P4=9/35∶18/35∶8/35(表4);
S4_2)根据相似度约束224_2计算3条线路的换乘概率,假设结果为P5=6/19∶10/19∶3/19(表5);
S4_3.假设权重设置器225配置的换乘角约束和相似度约束的权重分别为1和2,则加权概率为P6=(9/35+2*6/19)∶(18/35+2*10/19)∶(8/35+2*3/19)或0.3∶0.52∶0.18(标记226,表6);
S4_4.使用换乘线路分配器223,按照各线路换乘概率226,用概率随机数的方式为乘客X选择下一条换乘线路,例如推算换乘至300路,在L站上车;
S5.使用类似S2的方式执行单线下车站点推算(步骤410),推算乘客在300路的下车站点,例如在300路-M站下车(图3C)。
第二次换乘
S6.使用类似S4的方式执行换乘线路推算(步骤420),推算乘客在M站的第二次换乘线路,例如,推算换乘至500路,在P站上车(图3C);
S7.(步骤410)使用类似S2的方式执行单线下车站点推算(步骤410),推算乘客在500路的下车站点,例如在500路的Q站下车(图3C);
S8.整理推算结果:乘客X的乘行路径为:
100路C站上车→100路F站下车→换乘至300路L站上车→300路M站下车→换乘至500路P站上车→500路Q站下车,则该乘客X相应的OD对为<C,Q>。
以上描述了用于推算公交系统中乘行路径的方法的各种实施例。所属技术领域的技术人员应当明白,可以采用现有技术中的各种技术,对上述方法的结果作出进一步的处理。以下示意性地表示这样一种处理的过程。
S9.验证所推算路径的合理性。以上例中推算的乘客X相应的OD对<C,Q>为例,可以通过以下方式验证路径合理性:搜索OD对<C,Q>之间的最优乘车路径集,如果推算的路径存在于该最优路径集,则表示该乘客的推算路径是合理的,OD推算成功;否则,重复执行步骤S2-S8,直到推算到一条合理的路径。
S10.对于所有线路L、所有时段T、所有站点S的上车乘客,以W(L,S,T)为输入,重复进行S1-S9的OD推算,完成后可以得到所有乘客的推算路径。
S11.进行原发上车人数拟合
原发上车人数,表示在时段T内由出发点直接前往线路L的站点S上车乖行的乘客人数,记为U(L,S,T)。换乘上车人数,表示在时段T内从别的线路换乘到线路L的站点S上车的乘客人数,记为V(L,S,T)。实测上车人数,表示在时段T内在线路L、站点S的上车人数,记为W(L,S,T),其中包括了原发上车人数和换乘上车人数,图2中标记212所指示的单车上车数据中包含W(L,S,T)。图4B所示的过程400B中,初始化步骤401包括对原发上车人数U(L,S,T)、换乘上车人数V(L,S,T)进行初始化,即,对所有线路L、站点S、时段T,令U(L,S,T)=W(L,S,T),V(L,S,T)=0。
进行原发上车人数拟合的过程,是对上述步骤S1-S10进行迭代的过程,以下是一个示意性的说明。
S11_1.对所有乘客的推算路径,根据其换乘线路和站点更新各线路各站点的换乘上车人数,比如乘客X的推算乘行路径中有换乘站点300路L站和500路P站,则V(300,L,[7:00,9:00]+a)、V(200,P,[7:00,9:00]+a+b)都要增加1,其中a为100路C站到F站在早高峰的平均旅行时间,b为300路L站到M站的早高峰平均旅行时间,假设a=30分钟,b=15分钟,则上述换乘上车人数可以表示为V(300,L,[7:30,9:30]),V(500,P,[7:45,9:45]);
S11_2.上车人数误差评估:假设300路L站的换乘上车人数V(300,L,[7:30,9:30])为50,本次迭代中的原发上车人数U(300,L,[7:30,9:30])为100,输入数据中的实测上车人数W(300,L,[7:30,9:30])为120,则300路L站总上车人数误差e(300,L,[7:30,9:30])为(50+100)-120=30;
S11_3.迭代修正:统计所有线路、站点、时段的上车人数误差e(L,S,T)的均方根,如果该误差值e达到了规定的误差容限,则停止迭代,否则,将原发上车人数修正,例如300路L站的原发上车人数U(300,L,[7:30,9:30])可修正成100*(120/150)=80,再次重复S1-S10的迭代过程。
对所有线路、站点、时段进行上述过程,整理推算结果:按照OD对将相关乘客数进行加和,可以得到最终的OD矩阵。
以上说明了本发明的推算公交系统中乘行路径的方法的各种实施方式。由于上文已经详细说明了本发明的推算公交系统中乘行路径的装置的各种实施方式,在对推算公交系统中乘行路径的方法的各种实施方式的说明中,省略了与对推算公交系统中乘行路径的装置的各种实施方式的说明中重复的、或者可以从中导出的内容。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (16)
1.一种用于推算公交系统中乘行路径的装置,包含:
单线起点-终点OD推算装置,被配置用于根据历史数据,由一个公交线路的上车数据,推算该线路上乘客的下车站点,作为推算的乘客的下车站点,其中,所述上车数据包含预定的时段内乘客的上车站点和在该站点上车的人数;
换乘线路推算装置,被配置用于根据所述上车数据和从单线OD推算装置得到的推算的乘客的下车站点,推算出乘客的换乘线路,作为推算的乘客的换乘线路。
2.权利要求1的装置,其中,所述单线OD推算装置包含:
下车概率计算器,被配置用于根据乘客行为分析数据,计算乘客在各个站点下车的概率;
下车站点分配器,被配置用于根据下车概率计算器计算的乘客在各个站点下车的概率,为乘客分配下车站点,作为推算的乘客的下车站点。
3.权利要求2的装置,其中,所述乘客行为分析数据包含下述的一个或多个:
潮汐客流数据;
乘车站数概率分布。
4.权利要求3的装置,进一步包含权重设置器,其中,所述权重设置器被配置用于为下车概率计算器分别设置潮汐客流数据和乘车站数概率分布的权重。
5.权利要求1的装置,其中,所述换乘线路推算装置包含:
换乘线路概率计算器,被配置用于根据乘客行为分析数据,计算乘客换乘各个线路的概率;
换乘线路分配器,被配置用于根据换乘线路概率计算器计算的乘客换乘各个线路的概率,为乘客分配换乘线路,作为推算的乘客的换乘线路。
6.权利要求5的装置,其中,所述乘客行为分析数据包含下述的一个或多个:
换乘角约束数据;
相似度约束数据。
7.权利要求6的装置,进一步包含权重设置器,其中,所述权重设置器用于为换乘线路概率计算器分别设置换乘角约束数据和乘车站数概率分布的权重。
8.一种用于推算公交系统中乘行路径的方法,包含:
(a)单线起点-终点OD推算步骤,根据历史数据,由一个公交线路的上车数据,推算该线路上乘客的下车站点,作为推算的乘客的下车站点,其中,所述上车数据包含预定的时段内乘客的上车站点和在该站点上车的人数;
(b)换乘线路推算步骤,根据所述上车数据和从单线OD推算步骤得到的推算的乘客的下车站点,推算出乘客的换乘线路,作为推算的乘客的换乘线路。
9.权利要求8的方法,其中,步骤(a)包含:
下车概率计算步骤,根据乘客行为分析数据,计算乘客在各个站点下车的概率;
下车站点分配步骤,根据下车概率计算步骤计算的乘客在各个站点下车的概率,为乘客分配下车站点,作为推算的乘客的下车站点。
10.权利要求9的方法,其中,所述乘客行为分析数据包含下述的一个或多个:潮汐客流数据;乘车站数概率分布。
11.权利要求10的方法,进一步包含:
为下车概率计算步骤分别设置潮汐客流数据和乘车站数概率分布的权重。
12.权利要求8的方法,其中,步骤(b)包含:
换乘线路概率计算步骤,根据乘客行为分析数据,计算乘客换乘各个线路的概率;
换乘线路分配步骤,根据换乘线路概率计算步骤计算的乘客换乘各个线路的概率,为乘客分配换乘线路,作为推算的乘客的换乘线路。
13.权利要求12的方法,其中,所述乘客行为分析数据包含下述的一个或多个:换乘角约束数据;相似度约束数据。
14.权利要求13的方法,进一步包含:为换乘线路概率计算步骤分别设置换乘角约束数据和乘车站数概率分布的权重。
15.权利要求8至14的任何之一的方法,进一步包含:
(c)换乘线OD推算步骤,根据乘客在换乘线路的上车站点和该上车站点的上车人数,以及乘客行为分析数据,推算乘客的下车站点。
16.权利要求15的方法,其中,进一步包含:
在步骤(a)之前,根据换乘次数概率分布,为乘客分配一个换乘次数;
其中,按照所分配的换乘次数,重复地执行步骤(b)和步骤(c)。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210379565.6A CN103714391A (zh) | 2012-09-29 | 2012-09-29 | 用于推算公交系统中乘行路径的方法和装置 |
US14/038,321 US20140095230A1 (en) | 2012-09-29 | 2013-09-26 | Infering travel path in public transportation system |
US14/063,731 US20140095423A1 (en) | 2012-09-29 | 2013-10-25 | Infering travel path in public transportation system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210379565.6A CN103714391A (zh) | 2012-09-29 | 2012-09-29 | 用于推算公交系统中乘行路径的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103714391A true CN103714391A (zh) | 2014-04-09 |
Family
ID=50386059
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210379565.6A Pending CN103714391A (zh) | 2012-09-29 | 2012-09-29 | 用于推算公交系统中乘行路径的方法和装置 |
Country Status (2)
Country | Link |
---|---|
US (2) | US20140095230A1 (zh) |
CN (1) | CN103714391A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106155650A (zh) * | 2015-04-01 | 2016-11-23 | 神讯电脑(昆山)有限公司 | 交通工具入站可能性信息的计算方法及其显示系统 |
CN106874432A (zh) * | 2017-01-24 | 2017-06-20 | 华南理工大学 | 一种公共交通乘客出行时空轨迹提取方法 |
CN108240817A (zh) * | 2016-12-27 | 2018-07-03 | 上海擎感智能科技有限公司 | 电子导航方法及装置 |
CN108389420A (zh) * | 2018-03-13 | 2018-08-10 | 重庆邮电大学 | 一种基于历史出行特征的公交乘客下车站点实时识别方法 |
CN110084442A (zh) * | 2019-05-16 | 2019-08-02 | 重庆大学 | 一种联合公交和轨道交通刷卡数据进行客流od计算的方法 |
CN110222892A (zh) * | 2019-06-06 | 2019-09-10 | 武汉元光科技有限公司 | 乘客的下车站点预测方法及装置 |
CN110348614A (zh) * | 2019-06-24 | 2019-10-18 | 武汉烽火信息集成技术有限公司 | 一种获取乘客od的方法及公交客流的预测方法 |
CN111047858A (zh) * | 2019-11-20 | 2020-04-21 | 青岛海信网络科技股份有限公司 | 一种融合算法的公交客流出行od确定方法及装置 |
US11023809B2 (en) * | 2014-07-14 | 2021-06-01 | Gerrit Böhm | Capacity prediction for public transport vehicles |
CN113255552A (zh) * | 2021-06-04 | 2021-08-13 | 深圳市城市交通规划设计研究中心股份有限公司 | 公交车载视频乘客od分析系统、方法、装置及存储介质 |
CN113393012A (zh) * | 2021-01-15 | 2021-09-14 | 中山大学南方学院 | 一种基于云平台的短时公交客流预测系统及预测方法 |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2843063B1 (de) * | 2013-09-02 | 2016-07-13 | Loesche GmbH | Verfahren zur Aufbereitung von Stahlwerkschlacken sowie hydraulisches mineralisches Bindemittel |
JP6432205B2 (ja) * | 2014-08-15 | 2018-12-05 | 富士通株式会社 | 予約管理方法、予約管理プログラムおよび予約管理装置 |
CN104952129A (zh) * | 2015-05-28 | 2015-09-30 | 成都亿邻通科技有限公司 | 一种提供公交车内拥堵状况的方法 |
CN105096232B (zh) * | 2015-09-18 | 2018-09-07 | 宇龙计算机通信科技(深圳)有限公司 | 一种用于公共交通工具的空座提醒方法及系统 |
CN108831182A (zh) * | 2018-05-07 | 2018-11-16 | 佛山科学技术学院 | 一种城市公交网络od矩阵构建方法 |
US11164335B2 (en) | 2018-11-06 | 2021-11-02 | International Business Machines Corporation | Passenger travel route inferencing in a subway system |
CN109493601B (zh) * | 2018-11-21 | 2021-02-09 | 青岛大学 | 一种公交支线设置方法 |
DE102019205017B3 (de) * | 2019-04-08 | 2020-07-02 | Zf Friedrichshafen Ag | Intentionsbestimmung eines Personenverkehrsmittels |
CN110162520B (zh) * | 2019-04-23 | 2021-07-20 | 中国科学院深圳先进技术研究院 | 面向地铁乘客的朋友推荐方法及系统 |
CN110135475A (zh) * | 2019-04-26 | 2019-08-16 | 重庆大学 | 一种基于一票制公交车刷卡数据的上车站点推算方法 |
CN110390489A (zh) * | 2019-07-29 | 2019-10-29 | 悉地(苏州)勘察设计顾问有限公司 | 一种公交中途站泊位通行能力分析方法 |
CN112447054B (zh) * | 2019-08-30 | 2022-01-07 | 比亚迪股份有限公司 | 控制车辆行驶的方法和设备 |
CN111339159B (zh) * | 2020-02-24 | 2023-08-18 | 交通运输部科学研究院 | 一种一票制公交数据的分析挖掘方法 |
CN112363999B (zh) * | 2020-10-13 | 2023-01-03 | 厦门市国土空间和交通研究中心(厦门规划展览馆) | 一种公共交通的客流分析方法、装置、设备、存储介质 |
CN112348230B (zh) * | 2020-10-14 | 2023-04-07 | 北京交通大学 | 一种地铁乘客出行路径识别方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100185486A1 (en) * | 2009-01-21 | 2010-07-22 | Disney Enterprises, Inc. | Determining demand associated with origin-destination pairs for bus ridership forecasting |
US8417409B2 (en) * | 2009-11-11 | 2013-04-09 | Google Inc. | Transit routing system for public transportation trip planning |
US8538686B2 (en) * | 2011-09-09 | 2013-09-17 | Microsoft Corporation | Transport-dependent prediction of destinations |
US10430736B2 (en) * | 2012-05-25 | 2019-10-01 | Conduent Business Services, Llc | System and method for estimating a dynamic origin-destination matrix |
US8977496B2 (en) * | 2012-05-25 | 2015-03-10 | Xerox Corporation | System and method for estimating origins and destinations from identified end-point time-location stamps |
US20140035921A1 (en) * | 2012-07-31 | 2014-02-06 | Xerox Corporation | Analysis and visualization of passenger movement in a transportation system |
US8972185B1 (en) * | 2012-10-01 | 2015-03-03 | Google Inc. | Constructing a transit transfer network from transit data |
-
2012
- 2012-09-29 CN CN201210379565.6A patent/CN103714391A/zh active Pending
-
2013
- 2013-09-26 US US14/038,321 patent/US20140095230A1/en not_active Abandoned
- 2013-10-25 US US14/063,731 patent/US20140095423A1/en not_active Abandoned
Non-Patent Citations (1)
Title |
---|
赵锦焕等: "公交客流OD矩阵推算", 《交通运输工程与信息学报》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11023809B2 (en) * | 2014-07-14 | 2021-06-01 | Gerrit Böhm | Capacity prediction for public transport vehicles |
CN106155650A (zh) * | 2015-04-01 | 2016-11-23 | 神讯电脑(昆山)有限公司 | 交通工具入站可能性信息的计算方法及其显示系统 |
CN106155650B (zh) * | 2015-04-01 | 2020-04-21 | 神讯电脑(昆山)有限公司 | 交通工具入站可能性信息的计算方法及其显示系统 |
CN108240817A (zh) * | 2016-12-27 | 2018-07-03 | 上海擎感智能科技有限公司 | 电子导航方法及装置 |
CN106874432A (zh) * | 2017-01-24 | 2017-06-20 | 华南理工大学 | 一种公共交通乘客出行时空轨迹提取方法 |
CN106874432B (zh) * | 2017-01-24 | 2019-08-20 | 华南理工大学 | 一种公共交通乘客出行时空轨迹提取方法 |
CN108389420A (zh) * | 2018-03-13 | 2018-08-10 | 重庆邮电大学 | 一种基于历史出行特征的公交乘客下车站点实时识别方法 |
CN110084442A (zh) * | 2019-05-16 | 2019-08-02 | 重庆大学 | 一种联合公交和轨道交通刷卡数据进行客流od计算的方法 |
CN110222892A (zh) * | 2019-06-06 | 2019-09-10 | 武汉元光科技有限公司 | 乘客的下车站点预测方法及装置 |
CN110222892B (zh) * | 2019-06-06 | 2021-07-06 | 武汉元光科技有限公司 | 乘客的下车站点预测方法及装置 |
CN110348614B (zh) * | 2019-06-24 | 2022-04-01 | 武汉烽火信息集成技术有限公司 | 一种获取乘客od的方法及公交客流的预测方法 |
CN110348614A (zh) * | 2019-06-24 | 2019-10-18 | 武汉烽火信息集成技术有限公司 | 一种获取乘客od的方法及公交客流的预测方法 |
CN111047858A (zh) * | 2019-11-20 | 2020-04-21 | 青岛海信网络科技股份有限公司 | 一种融合算法的公交客流出行od确定方法及装置 |
CN113393012A (zh) * | 2021-01-15 | 2021-09-14 | 中山大学南方学院 | 一种基于云平台的短时公交客流预测系统及预测方法 |
CN113255552A (zh) * | 2021-06-04 | 2021-08-13 | 深圳市城市交通规划设计研究中心股份有限公司 | 公交车载视频乘客od分析系统、方法、装置及存储介质 |
CN113255552B (zh) * | 2021-06-04 | 2024-03-26 | 深圳市城市交通规划设计研究中心股份有限公司 | 公交车载视频乘客od分析方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US20140095230A1 (en) | 2014-04-03 |
US20140095423A1 (en) | 2014-04-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103714391A (zh) | 用于推算公交系统中乘行路径的方法和装置 | |
CN104252653A (zh) | 在公共自行车站点之间调配自行车的方法和系统 | |
CN106504577A (zh) | 一种停车换乘出行路线规划方法及装置 | |
CN112537323B (zh) | 一种基于虚拟编组的列车运行方法及装置 | |
CN109543882B (zh) | 一种基于最优公交平均站间距的公交线网密度计算方法 | |
CN103364691A (zh) | 一种架空线-电缆混合线路分布式故障测距方法 | |
CN106803197A (zh) | 拼单方法和设备 | |
CN112381472B (zh) | 一种地铁接驳公交线路优化方法、装置及存储介质 | |
CN104215254A (zh) | 路径导航的方法和装置 | |
Wirasinghe et al. | Route layout analysis for express buses | |
CN105203120A (zh) | 导航路线评测方法及装置 | |
Zhang et al. | Shortest feasible paths with partial charging for battery-powered electric vehicles in smart cities | |
CN112085288A (zh) | 一种基于两阶段优化的物流配送路线推荐方法及系统 | |
Si et al. | Urban transit assignment model based on augmented network with in-vehicle congestion and transfer congestion | |
CN107545314B (zh) | 公共出行路线的排序方法及装置 | |
CN103226549A (zh) | 对列车运行图的显示进行重构的方法和装置 | |
JP7227862B2 (ja) | ポート開設場所提案装置 | |
CN115311887A (zh) | 优质公共服务资源可达性模型构建方法、设备及存储介质 | |
Almech et al. | A new approach to shortest route finding in a railway network with two track gauges and gauge changeovers | |
CN110567473B (zh) | 一种公交路径确定方法和系统 | |
CN113962599A (zh) | 一种城市轨道交通网络化运营管理方法及系统 | |
CN114676352A (zh) | 路线规划方法、装置、设备以及存储介质 | |
CN108204820B (zh) | 一种快速导航路径推测方法 | |
CN112288160A (zh) | 一种出行方案规划方法及相关设备 | |
Mamun et al. | Access and connectivity trade-offs in transit stop location |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140409 |
|
WD01 | Invention patent application deemed withdrawn after publication |