CN102324111B - 基于公交ic卡数据的车辆运行方向判断方法 - Google Patents

Abstract

一种基于公交IC卡数据的车辆运行方向判断方法，包括：公交站点客流数据提取；通过计算单车单日公交IC数据中每个相邻交易记录的交易时间间隔，提取单车单日首个班次交易记录；提取首班次站点客流数据；根据交通调查结果或公交企业运营数据统计站点客流经验数据；基于动态时间扭曲法的车辆运行方向判断；利用动态时间扭曲法计算首班次站点客流与上、下行方向的站点客流经验数据的扭曲距离，判断车辆运行方向；解决了基于公交IC卡数据统计一票制线路不同运行方向公交客流量的问题，使公交线路运营中存在的客流方向不均衡问题得以量化，帮助公交规划、运营、管理部门掌握公交线路的客流时空变化特征，为公交线网优化、调度运营等提供决策依据。

Description

基于公交IC卡数据的车辆运行方向判断方法

技术领域

本发明涉及一种根据公交IC卡交易数据判断公交车辆运行方向的方法，属于公交信息数据处理领域。

背景技术

公交IC卡数据掘收费系统为公交出行分析提供了低成本的海量数据，但由于系统设计目的是为方便乘客付费与票款清算，未考虑交通领域的应用，故IC卡数据缺少了一些必要的出行信息。如我国大部分城市的公交线路都是一票制线路（单次刷卡），缺少乘客下车站点信息，因此不能直接从公交IC卡数据中获取公交车辆（班次）的运行方向及乘客出行方向信息，用于交通分析。

目前已有的处理方法包括：1）将车辆调度信息表中的各班次车辆号与IC卡数据中的车辆号进行匹配，判断各班次车辆运行行驶方向，但该种方法依赖于电子化的调度信息表，需要建立较为复杂的关系数据库。2）通过安装车载GPS设备，对GPS定位信息与公交IC卡进行融合处理获取车辆运行方向，但该方法受到公交车辆GPS设备覆盖率限制，且目前容易出现数据丢失情况，不能保证每个班次的方向都能被获取。

事实上，根据公交客流统计结果可知，在固定时间段内（如早高峰），公交站点客流量及客流流向都具有一定的规律性，这种规律让使用者只需要掌握公交IC卡一种数据，便能通过数据挖掘手段，来判断每个运营班次车辆及乘客的运行方向。

发明内容

本发明目的在于，通过提供一种基于公交IC卡数据的车辆运行方向判断方法，获取一票制公交线路每个运营班次的车辆运行方向信息，进而实现统计不同运行方向的公交客流量，使得公交线路运营中存在的客流方向不均衡的问题得以量化，且获取的信息是随时间与空间的变化而变化，更有助于公交规划、运营、管理部门掌握公交线路的客流特征，为公交线网优化、调度运营等提供决策依据。

本发明是采用以下技术手段实现的：

一种基于公交IC卡数据的车辆运行方向判断方法，包括：公交站点客流数据提取；基于动态时间扭曲法的车辆运行方向判断。

所述的公交站点客流数据提取，包括如下步骤：

步骤1.1：提取单车单日首个班次交易记录；

即通过计算公交IC数据中每组相邻交易记录的交易时间间隔，找到每辆车每天第一个运行班次的交易数据。

对于单个公交车辆而言，其运行班次的运行方向是上、下行交替出现，而单车每天的公交IC卡数据是按照乘客交易时间由早到晚排列，故单个车辆每个班次的最后一个刷卡交易记录，与该车辆执行的下一班次的首个刷卡交易记录在数据库中是相邻记录。由于每个运营班次的末端部分站点经常无人上车（无交易记录），且公交车辆进站后至再次发车也需要等待一定时间，故每班次的最后交易记录与下一班次的首个交易记录的交易时间间隔较大，一般在15~20分钟以上，而每个班次内的相邻交易记录时间间隔则较小，一般不超过5~10分钟。根据此规律，设定判断阈值为15分钟，若相邻交易记录的交易时间间隔大于15分钟，则认定这两个记录分别属于不同的班次，根据此方法找到单车单日公交IC卡数据中首个班次的所有交易数据。以北京市市政公交一卡通为例，其单车单日公交IC卡数据格式如表1。

表 1单车单日公交IC卡数据样表

步骤1.2：提取首班次站点客流数据；

提取首班次的交易数据后，将在同一站点发生的交易记录合并，并统计每个站点交易记录的个数。由于在同一站点的交易记录交易时间（刷卡时间）间隔较小，设判断阈值为30秒，若相邻交易记录交易时间间隔小于30秒，则认为是同一站点的交易记录，反之则分别属于相邻两个站点的交易记录。将间隔小于30秒的交易记录合并为一组并统计交易记录个数，作为首班次的站点客流数据。

步骤1.3：站点客流经验数据统计；

本发明所述的经验站点客流数据，是指针对某一条公交线路，从一段较长时期的历史客流数中统计得到的站点客流经验数据，该数据可从公交运营企业获取，也可根据调查数据统计。单条公交线路的站点客流经验数据，包括上、下行方向客流数据，为反映站点客流随时间变化特征，统计时根据交通时段的不同分别统计。

所述的基于动态时间扭曲法的车辆运行方向判断，包括如下步骤：

步骤2.1首班次车辆运行方向判断；

该步骤是利用动态时间扭曲法，将需要判断方向的首班次站点客流数据与站点客流经验数据进行相似性测量，通过计算对象数据与上行或下行客流经验数据的相似程度，判断运行方向。

设需要判断的首班次站点客流数据为P，站点客流经验数据为Q。

P=p₁,p₂,…,p_i,…p_m

Q=q₁,q₂,…,q_j,…q_n

由于各班次中可能出现个别站点无乘客上车，没有乘客上车的站点不出现在客流数据中，故m与n的长度可能不同，但动态时间扭曲法正适用于判断那些变化规律相似，但长度不同的两组数据，因此m与n的不同并不影响计算结果。

构建一个m×n矩阵Dist(m,n)，其中第(m,n)个元素是两个序列的点p_m和q_n之间的最小扭曲距离Dist(p_m,q_n)，计算为：

Dist(m,n)=d(p_m,q_n)+min{Dist(m-1,n-1),Dist(m-1,n),Dist(m,n-1)}

上式中，d(p_m,q_n)为p_m和q_n两点之间的欧几里德距离，计算为：

$d(p_m,q_n)=\sqrt{{(p_m-q_n)}^2}$

从Dist(1,1)开始依次计算，Dist(m,n)即为相似性测量的两组数据的最小扭曲距离。计算Dist(1,1)时，Dist(m-1,n-1),Dist(m-1,n),Dist(m,n-1)均为0，即当m-1=0或n-1=0时，设定Dist(m-1,n-1),Dist(m-1,n),Dist(m,n-1)为0。

例如有两组数据，分别为p_m=（1，2，3，1）和q_n=（3，4，5，6，3，3），则该两组数据的最小扭曲距离计算结果如表2，矩阵中每一步计算的两点最小扭曲距离以灰色格子显示，该两组数据的最小扭曲距离为11。

表 2 最小扭曲距离算例

计算时将需要判断的对象数据分别与上、下行客流经验数据进行计算，与哪个方向的经验客流数据扭曲距离值小，则说明被判断的数据与该方向经验数据更接近，其代表的班次的车辆运行方向也与经验数据代表的方向相同。

步骤2.2 单车单日公交IC卡数据班次车辆运行方向判断。

根据公交站点客流数据提取方法中的步骤1.1中所述方法，提取单车单日公交IC卡数据所有运行班次。判断出首班次车辆运行方向后，根据单个车辆上、下行运行方向交替出现的原则，判断后续每个班次车辆的运行方向。

本发明与现有技术相比，具有以下明显的优势和有益效果：

处理方法包括：公交站点客流数据提取；基于动态时间扭曲法的车辆运行方向判断。以计算机技术、数据挖掘技术为依托，从公交IC卡数据中提取出单车单日首班次站点客流数据（一票制公交线路），根据交通调查或公交企业运营数据统计站点客流经验数据（上、下行方向），利用动态时间扭曲法将需要判断方向的站点客流数据与客流经验数据进行相似性测量，从而判断对象数据所属班次的车辆运行方向，解决了基于公交IC卡数据统计一票制线路不同运行方向公交客流量的问题，使公交线路运营中存在的客流方向不均衡问题得以量化，帮助公交规划、运营、管理部门掌握公交线路的客流时空变化特征，为公交线网优化、调度运营等提供决策依据。

附图说明

图1 公交站点客流数据提取流程图；

图2 基于动态时间扭曲法的车辆运行方向判断流程图；

图3公交53路首班次站点客流曲线图；

图4 公交53路站点客流经验数据曲线图；

图5 动态时间扭曲法计算结果示意图；

图6 a上行首班次站点客流曲线；

图6 b下行首班次站点客流曲线。

具体实施方式

下面结合附图对本发明的具体实施例加以说明：

请参阅图1所示为本发明所给出的公交站点客流数据提取流程图，图2为基于动态时间扭曲法的车辆运行方向判断流程图，图3为公交53路首班次站点客流曲线图，图4为公交53路站点客流经验数据曲线图，图5动态时间扭曲法计算结果示意图进行本发明具体实施方案的详细说明：

本发明总体实施框架是首先适用于在常规状态下一票制（单次刷卡）公交线路,对于公交延误特别大或紧急状况下产生的公交IC卡数据仍然存在偏差。

本发明具体实施步骤如下：

第一步：将公交IC卡原始数据导入到数据库中,提取公交站点客流数据，

按照不同的IC卡接口类型分别将IC卡原始数据导入到如oracle、SQL等大型数据库中的不同表中，并将各线路按公司分类，提取各公交公司所运营的线路信息，再对需要处理的线路数据（以北京市公交53路为例）进行筛选，提取线路单个车辆单个运营日的数据。计算单车单日数据中相邻交易记录的交易时间间隔，若时间间隔大于15分钟（900秒），则认为是不同班次的分界点，提取出首班次所有客流数据。根据首班次内相邻交易时间间隔计算结果，将时间间隔小于30s的交易记录合并为一组，并统计每组交易记录的个数，即为首班次站点客流数据，如图3所示为首班次站点客流曲线图（共10个单车单日首班次站点客流数据，只限工作日早高峰）。

根据交通调查统计线路站点客流经验数据，选取北京市公交53路作为调查对象（为期一个月，只限工作日早高峰），统计其上、下行两个方向的客流经验数据，如图4所示。

第二步：利用动态时间扭曲法，判断各班次车辆运行方向。

获得首班次站点客流数据及上下行站点客流数据如表3所示，构建以首班次站点客流数据为行、站点客流经验数据为列的矩阵，根据动态时间扭曲法，对每组首班次站点客流数据分别与上下行方向经验数据计算，获得首班次站点客流数据与客流经验数据的扭曲距离，与哪个方向客流经验扭曲距离小，则表示该首班次车辆运行方向与客流经验数据所代表运行方向相同。图5所示动态时间扭曲法计算结果示意图，识别出各班次车辆运行方向后，图6所示为按不同方向统计站点客流曲线，（a）为上行方向，（b）为下行方向。

表 3 首班次站点客流数据及站点客流经验数据

最后应说明的是：以上示例仅用以说明本发明而并非限制本发明所描述的技术方案；因此，尽管本说明书参照上述的示例对本发明已进行了详细的说明，但是，本领域的普通技术人员应当理解，仍然可以对本发明进行修改或等同替换；而一切不脱离发明的精神和范围的技术方案及其改进，其均应涵盖在本发明的权利要求范围当中。

Claims (1)

1.一种基于公交IC卡数据的车辆运行方向判断方法，包括：公交站点客流数据提取；基于动态时间扭曲法的车辆运行方向判断；其特征在于包括如下步骤：

所述的公交站点客流数据提取，包括如下步骤：

步骤1.1：提取单车单日首个班次交易记录；

计算公交IC数据中每组相邻交易记录的交易时间间隔，获取每辆车每天第一个运营班次的交易数据；

设定判断阈值为15分钟，若相邻交易记录的交易时间间隔大于15分钟，则认定这两个记录分别属于不同的班次，根据此方法找到单车单日公交IC卡数据中首个班次的所有交易数据；

步骤1.2：提取首班次站点客流数据；

提取首班次的交易数据后，将在同一站点发生的交易记录合并，并统计每个站点交易记录的个数；设判断阈值为30秒，若相邻交易记录交易时间间隔小于30秒，则认为是同一站点的交易记录，反之则分别属于相邻两个站点的交易记录；将间隔小于30秒的交易记录合并为一组并统计交易记录个数，作为首班次的站点客流数据；

步骤1.3：站点客流经验数据统计；

经验站点客流数据，是指针对某一条公交线路，从一段较长时期的历史客流数中统计得到的站点客流经验数据，该数据可从公交运营企业获取，也可根据调查数据统计；单条公交线路的站点客流经验数据，包括上、下行方向客流数据，为反映站点客流随时间变化特征，统计时根据交通时段的不同分别统计；

所述的基于动态时间扭曲法的车辆运行方向判断，包括如下步骤：

步骤2.1首班次车辆运行方向判断；

该步骤是利用动态时间扭曲法，将需要判断方向的首班次站点客流数据与站点客流经验数据进行相似性测量，通过计算对象数据与上行或下行客流经验数据的相似程度，判断运行方向；

设需要判断的首班次站点客流数据为P，站点客流经验数据为Q；

P=p₁,p₂,…,p_i,…p_m

Q=q₁,q₂,…,q_j,…q_n

其中m，n代表站点序号；由于各班次中可能出现个别站点无乘客上车，没有乘客上车的站点不出现在客流数据中，故m与n的长度可能不同，

构建一个m×n矩阵Dist(m,n)，其中第(m,n)个元素是两个序列的点p_m和q_n之间的最小扭曲距离Dist(p_m,q_n)，计算为：

Dist(m,n)=d(p_m,q_n)+min{Dist(m-1,n-1),Dist(m-1,n),Dist(m,n-1)}

上式中，d(p_m,q_n)为p_m和q_n两点之间的欧几里德距离，计算为：

从Dist(1,1)开始依次计算，Dist(m,n)即为相似性测量的两组数据的最小扭曲距离；当m-1=0或n-1=0时，设定Dist(m-1,n-1),Dist(m-1,n),Dist(m,n-1)为0；

计算时将需要判断的对象数据分别与上、下行客流经验数据进行计算，与哪个方向的经验客流数据扭曲距离值小，则说明被判断的数据与该方向经验数据更接近，其代表的班次的车辆运行方向也与经验数据代表的方向相同；

步骤2.2 单车单日公交IC卡数据班次车辆运行方向判断；

根据公交站点客流数据提取方法中的步骤1.1中所述方法，提取单车单日公交IC卡数据所有运行班次；判断出首班次车辆运行方向后，根据单个车辆上、下行运行方向交替出现的原则，判断后续每个班次车辆的运行方向。 

Images