CN102324128A - 基于ic卡记录的公交站间od客流预测方法及装置 - Google Patents
基于ic卡记录的公交站间od客流预测方法及装置 Download PDFInfo
- Publication number
- CN102324128A CN102324128A CN201110136063A CN201110136063A CN102324128A CN 102324128 A CN102324128 A CN 102324128A CN 201110136063 A CN201110136063 A CN 201110136063A CN 201110136063 A CN201110136063 A CN 201110136063A CN 102324128 A CN102324128 A CN 102324128A
- Authority
- CN
- China
- Prior art keywords
- data
- card
- passenger flow
- bus
- time
- 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.)
- Granted
Links
Images
Landscapes
- Devices For Checking Fares Or Tickets At Control Points (AREA)
Abstract
本发明公开了一种基于时变IC卡记录的公交站间OD客流预测方法及装置,属于城市公共交通规划、运营与管理技术领域。该方法利用公交车车载IC卡POS机与GPS定位仪器识别乘客上车或上下车站点信息,并将其实时地传输至数据中心,以获取时变的客流数据并结合IC卡历史数据及公交线路的特征,估算OD客流,最终对下一时段的客流信息进行预测。本发明有利于城市智能公交数据的有效利用和公交系统的实时调度。
Description
技术领域
本发明涉及一种基于IC卡记录的公交站间OD(起讫点)客流预测方法及装置,属于城市公共交通规划、运营与管理技术领域。
背景技术
作为智能公共交通系统的关键支持数据——动态公交客流数据的实时获取、处理和分析是目前研究的重点与难点,它需要随时间变化不断地更新、处理。随着信息技术的发展,许多大城市开始使用公交IC卡收费系统,它不仅大幅度提高了公共交通行业的劳动生产率,并为市民提供了方便的乘车环境,而且为动态公交客流数据的获取及短时预测提供了一种新的方法与手段。
目前使用广泛的公交车OD估算方法有:居民公交出行调查,即公交车上随车对乘客出行的起止点、目的、时间、距离、次数等进行问讯调查;居民公交IC卡匹配方法,利用公交IC卡的收费系统平台和现有的计算机数据库技术,通过数据库分类处理,将全市范围内的公交IC卡数据分解到公交线路上。根据当日的调度日志和公交线路的站点位置与行车时间的隶属度函数,获得每一个IC卡记录的上车地点和车辆的行驶方向等信息。系统数据库记录每个IC卡的近期出行记录,根据近期出行记录推断每条IC卡记录的下车站点,以及下车时间。
目前使用广泛的公交OD客流预测的方法有:在一般的规划出行产生模型上对居民全方式进行划分,也就是在全方式出行预测后由方式划分得到公交出行OD,最后得到的结果为交通小区之间和内部的公交客流分布。上述公交OD客流的估算及预测方法较复杂,工作量大,精度有待提高而且不具有时效性,难以满足公交运营的实时调度需求。
发明内容
针对现有城市公交运营管理的OD客流获取、估算及预测效率低、精度差等问题,本发明提出了一种基于IC卡记录的公交站间OD客流预测方法及装置,该方法能够根据已存储的历史IC卡数据和实时传输的IC卡数据对下一时段的OD客流进行预测,同时针对一票制公交线路还提供了一种OD客流估算方法,本发明中的估算及预测方法简单高效。
本发明提供了一种基于时变IC卡记录的公交站间OD客流预测方法,包括:数据实时获取步骤,数据处理中心实时获取各公交站点的公交IC卡的刷卡数据;数据质量控制步骤,对公交IC卡的刷卡数据进行分类,并对有问题数据进行修正,所述公交IC卡数据包括已存储的公交IC卡历史刷卡数据及实时传输的公交IC卡刷卡数据;OD客流预测步骤,根据实时传输的客流数据和已存储的历史客流数据,对下一时段的公交OD客流进行预测。
本发明提供了一种基于时变IC卡记录的公交站间OD客流预测系统,包括,数据实时获取模块,用于实时获取各公交站点的公交IC卡的刷卡数据;数据质量控制模块,用于对公交IC卡的刷卡数据进行分类,并对有问题数据进行修正,所述公交IC卡数据包括已存储的公交IC卡历史刷卡数据及实时传输的公交IC卡刷卡数据;OD客流预测模块,用于根据实时传输的客流数据和已存储的历史客流数据,对下一时段的公交OD客流进行预测。
相对于现有技术而言,本发明对一票制与分段计价制公交线路的历史及时变数据进行高效修正,并利用修正后的历史数据和实时传输的数据对下一时段的OD客流进行预测。对一票制公交线路,本发明还提供了一种OD客流估算方法。本发明中的估算及预测方法简便高效,计算精度高,能够把握客流的时变性。
附图说明
图1为本发明的总体流程图;
图2为OD客流预测方法流程图;
图3为数据质量控制流程图;
图4为本发明的系统结构示意图;
图5为OD客流预测模块结构示意图;
图6为数据质量控制模块结构示意图;
图7为本发明的方法流程图;
图8为公交OD客流估算与预测流程;
图9为分段计价制IC卡数据质量控制流程图;
图10为分段计价制同站点编号数据处理流程;
图11为公交OD短时预测流程图;
图12为公交客流预测数据传递流程图;
图13为OD预测输出界面示意图;
图14为断面客流预测输出界面示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例
参照图1,一种基于时变IC卡记录的公交站间OD客流预测方法,包括如下步骤:数据实时获取步骤110,数据处理中心实时获取各公交站点的公交IC卡的刷卡数据。数据质量控制步骤120,对公交IC卡的刷卡数据进行分类,并对有问题数据进行修正,所述公交IC卡数据包括已存储的公交IC卡历史刷卡数据及实时传输的公交IC卡刷卡数据。OD客流预测步骤130,根据实时传输的客流数据和已存储的历史客流数据,对下一时段的公交OD客流进行预测。
参照图2,OD客流预测步骤包括:客流总量预测步骤210,数据处理中心根据实时传输的t-1时段和t时段的客流总量、以及已存储的历史客流总量,预测线路在t+1时段的客流总量Yt+1。OD客流预测子步骤220,根据t+1时段的客流总量Yt+1预测线路在t+1时段的OD客流,计算方法如下:Ai,j=ai,j+P(j-i)·Nt+1·γ,Nt+1=Bt+1-Yt+1,式中:Ai,j为预测的线路在t+1时段从站点i到站点j的OD客流;ai,j为t+1时段从站点i到站点j的历史OD客流;P(j-i)为乘车站距为(j-i)的标准化概率;γ为历史数据中从站点i到站点j的IC卡刷卡客流占该线路上所有乘车站距为(j-i)的IC卡刷卡客流量的比例;Bt+1为t+1时段的历史客流总量;Yt+1为预测的t+1时段的公交线路客流总量。
OD客流预测子步骤中的历史OD客流ai,j,获取方法如下:对于分段计价制公交线路,直接读取OD客流;对于一票制公交线路,通过估算获取OD客流。一票制线路中估算OD客流的方法包括如下步骤:扩样系数计算步骤,计算线路在该时段的扩样系数a。OD客流估算步骤,通过下式估算该线路由站点i到站点j的OD客流ai,j:其中:N为该时间段内,该线路的IC卡刷卡总量;γ为该时间段内,从站点i到站点j的IC卡刷卡客流占该线路所有乘车站距为(j-i)的IC卡刷卡客流的比例。
参见图3,数据质量控制步骤包括:数据筛选步骤310:筛选IC卡数据,保留数据的有效字段;对于分段计价制线路,有效字段包括公交线路编号、公交车辆编号、上车时间、下车时间、上车站点编号和下车站点编号;对于一票制公交线路,有效字段包括公交线路编号、公交车辆编号、上车时间和上车站点编号。数据类型判断步骤320:对筛选后的IC卡数据判断其数据类型,对于分段计价制公交线路IC卡数据类型分为正确数据、丢失数据、错误数据和零站距数据;对于一票制公交线路IC卡数据类型分为正确数据、丢失数据和错误数据。数据修正步骤330,对分段计价制公交线路中的丢失数据、错误数据和零站距数据以及一票制公交线路中的丢失数据、错误数据进行修正。
参见图4,一种基于时变IC卡记录的公交站间OD客流预测系统,包括:数据实时获取模块410,用于实时获取各公交站点的公交IC卡的刷卡数据。数据质量控制模块420,用于对公交IC卡的刷卡数据进行分类,并对有问题数据进行修正,所述公交IC卡数据包括已存储的公交IC卡历史刷卡数据及实时传输的公交IC卡刷卡数据。OD客流预测模块430,用于根据实时传输的客流数据和已存储的历史客流数据,对下一时段的公交OD客流进行预测。
参见图5,OD客流预测模块包括:客流总量预测单元510,用于根据实时传输的t-1时段和t时段的客流总量、以及已存储的历史客流总量,预测线路在t+1时段的客流总量Yt+1。OD客流预测单元520,用于根据t+1时段的客流总量Yt+1预测线路在t+1时段的OD客流,计算方法如下:Ai,j=ai,j+P(j-i)·Nt-1·γ,Nt+1=Bt+1-Yt+1,上式中:Ai,j为预测的线路在t+1时段从站点i到站点j的OD客流;ai,j为t+1时段从站点i到站点j的历史OD客流;P(j-i)为乘车站距为(j-i)的标准化概率;γ为历史数据中从站点i到站点j的IC卡刷卡客流占该线路上所有乘车站距为(j-i)的IC卡刷卡客流量的比例;Bt+1为t+1时段的历史客流总量;Yt+1为预测的t+1时段的公交线路客流总量。
OD客流预测单元含有一票制公交线路OD客流估算子单元,包括:扩样系数计算子单元,用于计算线路在该时段的扩样系数a;OD客流估算子单元,用于通过下式估算该线路由站点i到站点j的OD客流ai,j:其中:N为该时间段内,该线路的IC卡刷卡总量;γ为该时间段内,从站点i到站点j的IC卡刷卡客流占该线路所有乘车站距为(j-i)的IC卡刷卡客流的比例。
参见图6,数据质量控制模块包括:数据筛选单元610,筛选IC卡数据,保留数据的有效字段;对于分段计价制线路,有效字段包括公交线路编号、公交车辆编号、上车时间、下车时间、上车站点编号和下车站点编号;对于一票制公交线路,有效字段包括公交线路编号、公交车辆编号、上车时间和上车站点编号。数据类型判断单元620,对筛选后的IC卡数据判断其数据类型,对于分段计价制公交线路IC卡数据类型分为正确数据、丢失数据、错误数据和零站距数据;对于一票制公交线路IC卡数据类型分为正确数据、丢失数据和错误数据。数据修正单元630,对分段计价制公交线路中的丢失数据、错误数据和零站距数据以及一票制公交线路中的丢失数据、错误数据进行修正。
下面进一步详细说明本发明中的基于时变IC卡记录的公交站间OD客流预测方法,如图8所示,该方法包括如下步骤:实时数据获取步骤、数据质量控制步骤、OD客流估算步骤和OD客流预测步骤,下面对各步骤进行详细说明。
一、实时数据获取,实时获取公交IC卡的刷卡数据。公交车到站时公交车车载GPS获取公交车的到站信息,匹配到达站点,由IC卡POS机接收乘客刷卡数据;公交车离开站点时,GPS获取离站信息并将IC卡刷卡数据由GPRS模块发送至数据中心。数据中心利用数据接收装置将刷卡数据存储至数据库中。
二、数据质量控制,用于处理公交IC卡已有的历史数据与实时传输的数据,对于分段计价制公交线路完成丢失数据补齐,错误数据修正及零站距数据修正;对于一票制公交线路完成丢失数据补齐及错误数据修正,其方法如下:
1.筛选公交IC卡数据保留有用的字段,其中分段计价制公交线路的有效字段包括:公交线路编号、公交车辆编号、上车时间、下车时间、上车站点编号和下车站点编号;一票制公交线路的有效字段包括:公交线路编号、公交车辆编号、上车时间和上车站点编号。
对于分段计价制公交线路首先判断公交IC卡数据类型,如图9所示,分为正确数据、丢失数据、错误数据和零站距数据四类,四类IC卡数据的判别规则如下:
a)丢失数据的判别规则。对于分段计价制公交线路的正确数据应该包括:公交线路编号、公交车辆编号、上车时间、下车时间、上车站点编号和下车站点编号共6个字段,只要存在上车时间、下车时间、上车站点编号、下车站点编号中任意字段缺失的情况,即定义为丢失数据。
b)错误数据的判别规则。主要是根据各条线路的行程时间阈值进行判断。这里的阈值是根据具体线路,取车辆单程(起点至终点)最大行程时间作为乘客的乘车时间阈值。如果上车时间与下车时间的时间差大于这个阈值,则判定为错误数据。
c)零站距数据的判别规则。只要上车站点编号与下车站点编号相同,即判别为零站距数据。
对于一票制公交线路首先判断公交IC卡数据类型,判断方法类似分段计价制公交线路,分为正确数据、丢失数据和错误数据三类。三类IC卡数据的判别规则如下:
a)丢失数据的判别规则。对于一票制公交线路的正确数据应该包括:公交线路编号、公交车辆编号、上车时间和上车站点编号共4个字段,只要存在上车时间、上车站点编号中任意字段缺失的情况,即定义为丢失数据。
b)错误数据的判别规则。根据线路各相邻站点间行程时间的最小值和最大值进行判断。将同车次相邻两条数据(即相邻的两条刷卡记录)的上车时间和上车站点编号进行比较,确定相邻两条数据的上车站点的站距,计算相邻两条数据的行程时间,如果这两条数据的上车时间差明显大于该线路上任意站距等于相邻两条数据站距的两站之间行程时间的最大值或小于最小值,则判定为错误数据。
2、对错误数据进行修正和补齐:
对于分段计价制公交线路数据修正和补齐方法如下:
a)丢失数据补齐:分段计价制线路如果上车时间和上车站点编号或下车时间和下车站点编号字段同时缺失,则将该数据直接剔除。如果上车时间、下车时间、上车站点编号和下车站点编号四个字段中任一字段缺失,有两种方法进行数据补齐。对于上车站点编号或下车站点编号缺失的数据利用邻近搜索方法补齐;对于上车时间或下车时间缺失的数据利用站间行程时间方法进行数据补齐。
邻近搜索的补齐方法:
然后,区分是缺失站点编号字段还是缺失刷卡时间字段。
如果是刷卡时间缺失,则直接在站点编号集合中查找判断站点编号是属于上车站点编号集合还是下车站点编号集合,依据站间行程时间方法选择相应的上车时间或者下车时间。
站间行程时间方法:
首先,确定分析时间段(该时间段由用户自行定义,与预测的时段无关,比如可以定义每半小时为一个时段)。只有将时间段尽量压缩,才能够获得较高的补齐效率。因此需要区分是上车时间缺失还是下车时间缺失。如果是上车时间字段缺失,则分析时间段应为:其中为下车时间,为该时段内乘客平均乘车时间,由每条线路的历史数据进行统计获得;如果是下车时间字段缺失,则分析时间段应为:其中为上车时间。
然后,计算该时间段内起始站点范围内的该线路所有车辆的单位距离平均行程时间,计算方法如下:
式中:
Δt表示单位距离平均行程时间;
n为该历史数据中该时段内在该线路上运行的公交车辆总数。
b)错误数据修正。本发明定义的错误数据,是上车时间与下车时间的时间差超过了限定阈值的数据。因此,对于这类数据的修正,则认为上车时间、上车站点编号和下车站点编号三个字段为正确数据,从而修正下车时间。修正的方法同丢失数据补齐方法,采用站间行程时间方法。
c)零站距数据修正。零站距数据修正流程如图10所示。
首先,针对零站距数据,根据IC卡POS机站点编号,判断是否存在相同站点编号对应多个物理站点的情况,如果存在,则判别为可以修正的数据;如果没有,则删除下车站点编号字段,采用上述丢失数据补齐方法进行数据补齐。
在此基础上,利用均值法,对相同站点编号的客流数据进行分配。
对于一票制公交线路,数据修正和补齐方法如下:
a)丢失数据补齐:一票制公交线路如果上车时间和上车站点编号同时缺失,则将该数据直接剔除。如果上车时间、上车站点编号两字段中任一字段缺失,有两种方法进行数据补齐。对于上车站点编号缺失的数据利用邻近搜索方法进行数据补齐;对于上车时间缺失的数据利用站间行程时间方法进行数据补齐。
邻近搜索的补齐方法:
然后,区分是缺失上车站点编号字段还是缺失上车刷卡时间字段。
站间行程时间方法:
然后,计算该时间段内起始站点范围内的该线路所有车辆的单位站间平均行程时间。
最后,补齐缺失的上车时间数据。
具体方法与分段计价制公交线路的站间行程时间方法相同。
b)错误数据修正。本发明定义的错误数据,存在上车时间和上车站点编号不对应的问题。对于这类问题的修正,认为上车时间为正确数据,从而利用邻近搜索方法修正上车站点编号。
三、OD客流预测,根据时变公交IC卡刷卡数据与历史同时期的IC卡刷卡数据预测下一时段的客流数据,具体预测方法如下:
1)根据历史数据,可以获得同时段的先验线路客流总量Bi;
2)根据建立的公交客流短时预测状态空间模型,输入实时获取的t-1时段和t时段的客流总量,预测获得t+1时段的客流总量Yt+1。
本方法以线路客流总量为基础,进行线路客流短时预测,具体的预测思路如图11所示。公交客流短时预测状态空间模型和递推关系式为:
xt/t-1=Ftxt-1/t-1
上式中:
xt/t-1为根据t-1时段公交客流量总量预测的t时段公交客流量;
xt-1/t-1为t-1时段的公交客流总量;
Ft为基于公交线路客流总量历史数据的自回归模型得到的t时段递推系数。
上式中:
Vt/t-1为根据t-1时段的状态方差获得的t时段状态方差;
Vt-1/t-1为t-1时段的状态方差;
Qt为零均值白噪声。
上式中:
Kt为t时段卡尔曼增益;
Ht取单位矩阵,如果为1维,则取1;
Rt为零均值白噪声。
xt/t=xt/t-1+Kt(yt-Htxt/t-1)
上式中:
xt/t为t时段的公交客流总量;
yt为t时段的客流量观测值,通过实时传输获取。
Vt/t=(I-KtHt)Vt/t-1
上式中:
Vt/t为t时段的系统状态方差;
I为单位矩阵。
以上为系统状态递推关系式,则输出t+1时段预测的公交线路客流总量为:
Yt+1=Ft+1xt/t
上式中:
Ft+1为基于公交线路客流总量历史数据的自回归模型得到的t+1时段递推系数。
以上关系式中的数据流程如图12所示。
3)利用线路客流OD预测模型,基于预测同期对应时段的历史OD客流,进行线路OD客流的预测,计算方法如下:
Ai,j=ai,j+P(j-i)·Nt+1·γ
其中:Nt+1=Bt+1-Yt+1
上式中:
Ai,j为t+1时段从站点i到站点j的预测OD客流;
ai,j表示t+1时段从站点i到站点j的历史OD客流,所谓历史OD客流可以为预测日之前三周相同周次OD客流数据的均值;本实施例中取三周,也可以取其他周数;
P(j-i)为OD估算模型中乘车站距为k的标准化概率;
γ为历史数据中从站点i到站点j的IC卡刷卡客流占该线路上所有乘车站距为(j-i)的IC卡刷卡客流量的比例;所谓乘车站距为车辆经过的车站数目;
Bt+1为t+1时段的历史客流总量;所谓历史客流总量是指预测日之前三周相同周次客流总量的均值;该处所取周数与历史OD客流ai,j中所取周数相同,即三周。
Yt+1为t+1时段预测的公交线路客流总量。
四、估算OD客流,上述OD客流预测子步骤中的历史OD客流ai,j,获取方法如下:
对于分段计价线路,直接读取从站点i到站点j的OD客流;
对于一票制线路,通过估算获取从站点i到站点j的OD客流,该方法即可以用来估算历史数据,又可以用来估算实时获取的数据,其估算步骤如下:
1)扩样系数计算:首先获取刷卡总量,数据中心每隔相应时间间隔(如15分钟或30分钟)获取一确定线路上各站点所有车辆的刷卡总量N;之后确定线路该时段的扩样系数a,可以采用同时段调查的历史均值数据来替代,计算如下:
式中:
k为调查时段内该线路上运行的所有车次数;
ai为第i车次在该时段的刷卡率;
ni为第i车次在该时段使用公交IC卡出行的客流量;
mi为第i车次在该时段的客流总量。
2)估算OD客流:对于一票制公交线路采取改进的Tsygalnitzky算法的下车站点估算模型估算下车客流,估算方法如下:
根据乘客乘车站距分布服从正态分布,确定乘车站距为k的标准化概率为:
上式中:
μ为该线路乘车站距的期望值;
σ为乘车站距的方差;
n为站点数量。
将线路扩样系数a代入上述公式,可获得由该线路上站点i到站点j的估算OD客流量ai,j为:
上式中:
N为该时间段内,该线路上IC卡的刷卡总量;
γ为该时间段内,从站点i到站点j的IC卡刷卡客流占该线路上任意乘车站距为(j-i)的IC卡刷卡客流总量的比例。
其中,μ的一个置信水平为1-α的置信区间:
式中:
为乘车站距的样本均值;
S为乘车站距的样本方差;
n为t分布的自由度。
σ的一个置信水平为1-a的置信区间:
五、图表输出,将通过OD客流预测方法得到的下一时段的OD预测数据以及预测断面客流数据用图表的形式输出,图13、14所示为预测输出结果。
六、应用程序接口,将OD客流预测方法得到的OD预测数据以及预测断面客流数据以xml标准格式进行输出,供其他应用程序调用。
以上对本发明所提供的一种基于时变IC卡记录的公交站间OD客流预测方法及装置进行详细介绍,本文中应用了具体实施例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (9)
1.一种基于时变IC卡记录的公交站间OD客流预测方法,其特征在于,包括如下步骤:
数据实时获取步骤,数据处理中心实时获取各公交站点的公交IC卡的刷卡数据;
数据质量控制步骤,对公交IC卡的刷卡数据进行分类,并对有问题数据进行修正,所述公交IC卡数据包括已存储的公交IC卡历史刷卡数据及实时传输的公交IC卡刷卡数据;
OD客流预测步骤,根据实时传输的客流数据和已存储的历史客流数据,对下一时段的公交OD客流进行预测。
2.根据权利要求1所述的一种基于时变IC卡记录的公交站间OD客流预测方法,其特征在于,所述OD客流预测步骤包括:
客流总量预测步骤,数据处理中心根据实时传输的t-1时段和t时段的客流总量、以及已存储的历史客流总量,预测线路在t+1时段的客流总量Yt+1;
OD客流预测子步骤,根据t+1时段的客流总量Yt+1预测线路在t+1时段的OD客流,计算方法如下:
Ai,j=ai,j+P(j-i)·Nt+1·γ
Nt+1=Bt+1-Yt+1
上式中:
Ai,j为预测的线路在t+1时段从站点到站点j的OD客流;
ai,j为t+1时段从站点i到站点j的历史OD客流;
P(j-i)为乘车站距为(j-i)的标准化概率;
γ为历史数据中从站点i到站点j的IC卡刷卡客流占该线路
上所有乘车站距为(j-i)的IC卡刷卡客流量的比例;
Nt+1为t+1时段变化的客流总量;
Bt+1为t+1时段的历史客流总量;
Yt+1为预测的t+1时段的公交线路客流总量。
3.根据权利要求2所述的一种基于时变IC卡记录的公交站间OD客流预测方法,其特征在于,所述OD客流预测子步骤中的历史OD客流ai,j,获取方法如下:
对于分段计价制公交线路,直接读取OD客流;
对于一票制公交线路,通过估算获取OD客流。
4.根据权利要求3所述的一种基于时变IC卡记录的公交站间OD客流预测方法,其特征在于,所述一票制线路中估算OD客流的方法包括如下步骤:
扩样系数计算步骤,计算线路在该时段的扩样系数a;
OD客流估算步骤,通过下式估算该线路由站点i到站点j的OD客流ai,j:
其中:N为该时间段内,该线路的IC卡刷卡总量;
γ为该时间段内,从站点i到站点j的IC卡刷卡客流占该线路所有乘车站距为(j-i)的IC卡刷卡客流的比例。
5.根据权利要求1-4中任一项所述的一种基于时变IC卡记录的公交站间OD客流预测方法,其特征在于,所述数据质量控制步骤包括:
数据筛选步骤,筛选IC卡数据,保留数据的有效字段;对于分段计价制线路,有效字段包括公交线路编号、公交车辆编号、上车时间、下车时间、上车站点编号和下车站点编号;对于一票制公交线路,有效字段包括公交线路编号、公交车辆编号、上车时间和上车站点编号;
数据类型判断步骤,对筛选后的IC卡数据判断其数据类型,对于分段计价制公交线路IC卡数据类型分为正确数据、丢失数据、错误数据和零站距数据;对于一票制公交线路IC卡数据类型分为正确数据、丢失数据和错误数据;
数据修正步骤,对分段计价制公交线路中的丢失数据、错误数据和零站距数据以及一票制公交线路中的丢失数据、错误数据进行修正。
6.一种基于时变IC卡记录的公交站间OD客流预测系统,其特征在于,包括:
数据实时获取模块,用于实时获取各公交站点的公交IC卡的刷卡数据;
数据质量控制模块,用于对公交IC卡的刷卡数据进行分类,并对有问题数据进行修正,所述公交IC卡数据包括已存储的公交IC卡历史刷卡数据及实时传输的公交IC卡刷卡数据;
OD客流预测模块,用于根据实时传输的客流数据和已存储的历史客流数据,对下一时段的公交OD客流进行预测。
7.根据权利要求6所述的一种基于时变IC卡记录的公交站间OD客流预测系统,其特征在于,所述OD客流预测模块包括:
客流总量预测单元,用于根据实时传输的t-1时段和t时段的客流总量、以及已存储的历史客流总量,预测线路在t+1时段的客流总量Yt+1;
OD客流预测单元,用于根据t+1时段的客流总量Yt+1预测线路在t+1时段的OD客流,计算方法如下:
Ai,j=ai,j+P(j-i)·Nt+1·γ
Nt+1=Bt+1-Yt+1
上式中:
Ai,j为预测的线路在t+1时段从站点i到站点j的OD客流;
ai,j为t+1时段从站点i到站点j的历史OD客流;
P(j-i)为乘车站距为(j-i)的标准化概率;
γ为历史数据中从站点i到站点j的IC卡刷卡客流占该线路上所有乘车站距为(j-i)的IC卡刷卡客流量的比例;
Nt+1为t+1时段变化的客流总量;
Bt+1为t+1时段的历史客流总量;
Yt+1为预测的t+1时段的公交线路客流总量。
8.根据权利要求7所述的一种基于时变IC卡记录的公交站间OD客流预测系统,其特征在于,所述OD客流预测单元含有一票制公交线路OD客流估算子单元,包括:
扩样系数计算子单元,用于计算线路在该时段的扩样系数a;
OD客流估算子单元,用于通过下式估算该线路由站点i到站点j的OD客流ai,j:
其中:N为该时间段内,该线路的IC卡刷卡总量;
γ为该时间段内,从站点i到站点的IC卡刷卡客流占该线路所有乘车站距为(j-i)的IC卡刷卡客流的比例。
9.根据权利要求6-8任一项所述的一种基于时变IC卡记录的公交站间OD客流预测系统,其特征在于,所述数据质量控制模块包括:
数据筛选单元,筛选IC卡数据,保留数据的有效字段;对于分段计价制线路,有效字段包括公交线路编号、公交车辆编号、上车时间、下车时间、上车站点编号和下车站点编号;对于一票制公交线路,有效字段包括公交线路编号、公交车辆编号、上车时间和上车站点编号;
数据类型判断单元,对筛选后的IC卡数据判断其数据类型,对于分段计价制公交线路IC卡数据类型分为正确数据、丢失数据、错误数据和零站距数据;对于一票制公交线路IC卡数据类型分为正确数据、丢失数据和错误数据;
数据修正单元,对分段计价制公交线路中的丢失数据、错误数据和零站距数据以及一票制公交线路中的丢失数据、错误数据进行修正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110136063 CN102324128B (zh) | 2011-05-24 | 2011-05-24 | 基于ic卡记录的公交站间od客流预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110136063 CN102324128B (zh) | 2011-05-24 | 2011-05-24 | 基于ic卡记录的公交站间od客流预测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102324128A true CN102324128A (zh) | 2012-01-18 |
CN102324128B CN102324128B (zh) | 2013-07-31 |
Family
ID=45451867
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110136063 Active CN102324128B (zh) | 2011-05-24 | 2011-05-24 | 基于ic卡记录的公交站间od客流预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102324128B (zh) |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103198565A (zh) * | 2013-04-12 | 2013-07-10 | 王铎源 | 一种公交ic卡收费与客流信息采集方法 |
CN103426218A (zh) * | 2013-08-15 | 2013-12-04 | 中国航天系统工程有限公司 | 基于公交一卡通与车载设备的客流数据采集方法及系统 |
CN103729560A (zh) * | 2013-12-31 | 2014-04-16 | 中国科学院深圳先进技术研究院 | 一种基于时空特征的乘客检测分析方法及系统 |
CN103984993A (zh) * | 2014-05-13 | 2014-08-13 | 东南大学 | 一种轨道交通客流od分布实时推测方法 |
CN104134343A (zh) * | 2014-06-23 | 2014-11-05 | 上海城市交通设计院有限公司 | 一种基于交通卡数据的乘客上下车时间和位置的获取方法 |
CN104517159A (zh) * | 2014-12-18 | 2015-04-15 | 上海交通大学 | 一种公交短时客流的预测方法 |
CN104636828A (zh) * | 2015-02-02 | 2015-05-20 | 西南交通大学 | 基于马尔科夫链的公共自行车站点供需预测方法 |
CN105185105A (zh) * | 2015-06-26 | 2015-12-23 | 东南大学 | 基于车辆gps和公交ic卡数据的公交换乘识别方法 |
CN105427594A (zh) * | 2015-11-23 | 2016-03-23 | 青岛海信网络科技股份有限公司 | 一种基于双向上车客流的公交断面客流量获取方法及系统 |
CN105654721A (zh) * | 2016-01-21 | 2016-06-08 | 哈尔滨工业大学 | 一种采用公交ic卡和车载gps数据计算公交od量的方法 |
CN105788260A (zh) * | 2016-04-13 | 2016-07-20 | 西南交通大学 | 一种基于智能公交系统数据的公交乘客od推算方法 |
CN107220724A (zh) * | 2017-04-21 | 2017-09-29 | 北京航空航天大学 | 客流量预测方法及装置 |
CN107274665A (zh) * | 2017-07-31 | 2017-10-20 | 多维新创(北京)技术有限公司 | 巴士运力资源规划方法及系统 |
CN108242149A (zh) * | 2018-03-16 | 2018-07-03 | 成都智达万应科技有限公司 | 一种基于交通数据的大数据分析方法 |
CN108615360A (zh) * | 2018-05-08 | 2018-10-02 | 东南大学 | 基于神经网络的交通需求逐日演变预测方法 |
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 |
CN109858681A (zh) * | 2019-01-04 | 2019-06-07 | 深圳北斗应用技术研究院有限公司 | 一种基于ic卡的交通短时客流预测方法和相关装置 |
US10346235B2 (en) | 2014-10-30 | 2019-07-09 | International Business Machines Corporation | Identifying origin and destination pairs |
CN110443422A (zh) * | 2019-08-05 | 2019-11-12 | 北京交通大学 | 基于od吸引度的城市轨道交通od客流预测方法 |
CN110570004A (zh) * | 2018-06-05 | 2019-12-13 | 上海申通地铁集团有限公司 | 地铁客流的预测方法及系统 |
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 |
CN111179589A (zh) * | 2019-12-06 | 2020-05-19 | 北京中交兴路信息科技有限公司 | 车辆od预测的方法、装置、设备及存储介质 |
CN111339159A (zh) * | 2020-02-24 | 2020-06-26 | 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 |
CN112487063A (zh) * | 2020-12-03 | 2021-03-12 | 北京工业大学 | 一种轨道站点等待时间和等待人数的计算方法 |
CN113822462A (zh) * | 2021-08-06 | 2021-12-21 | 上海申铁信息工程有限公司 | 一种车站应急指挥方法及装置 |
CN114757447A (zh) * | 2022-06-08 | 2022-07-15 | 广东工业大学 | 一种多模型混合的客运枢纽站客流量预测方法及系统 |
CN117408436A (zh) * | 2023-12-01 | 2024-01-16 | 智达信科技术股份有限公司 | 一种公交线路站点之间客流人数估计方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1996000426A1 (en) * | 1994-06-24 | 1996-01-04 | Alessandro Previti | Electronic system for acquiring, elaborating and managing of mechanical data and traffic-users data for buses and similar in commercial ambients |
CN101540098A (zh) * | 2009-04-30 | 2009-09-23 | 北京工业大学 | 基于公交ic卡线路的匹配方法 |
CN101615340A (zh) * | 2009-07-24 | 2009-12-30 | 北京工业大学 | 公交动态调度中的实时信息处理方法 |
CN101615207A (zh) * | 2009-07-10 | 2009-12-30 | 重庆大学 | 一种获取公交ic卡持卡乘客上车站点的方法 |
-
2011
- 2011-05-24 CN CN 201110136063 patent/CN102324128B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1996000426A1 (en) * | 1994-06-24 | 1996-01-04 | Alessandro Previti | Electronic system for acquiring, elaborating and managing of mechanical data and traffic-users data for buses and similar in commercial ambients |
CN101540098A (zh) * | 2009-04-30 | 2009-09-23 | 北京工业大学 | 基于公交ic卡线路的匹配方法 |
CN101615207A (zh) * | 2009-07-10 | 2009-12-30 | 重庆大学 | 一种获取公交ic卡持卡乘客上车站点的方法 |
CN101615340A (zh) * | 2009-07-24 | 2009-12-30 | 北京工业大学 | 公交动态调度中的实时信息处理方法 |
Non-Patent Citations (1)
Title |
---|
赵晖: "《基于公交IC卡信息的居民出行OD推算研究》", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103198565A (zh) * | 2013-04-12 | 2013-07-10 | 王铎源 | 一种公交ic卡收费与客流信息采集方法 |
CN103426218A (zh) * | 2013-08-15 | 2013-12-04 | 中国航天系统工程有限公司 | 基于公交一卡通与车载设备的客流数据采集方法及系统 |
CN103426218B (zh) * | 2013-08-15 | 2015-11-04 | 中国航天系统工程有限公司 | 基于公交一卡通与车载设备的客流数据采集方法及系统 |
CN103729560A (zh) * | 2013-12-31 | 2014-04-16 | 中国科学院深圳先进技术研究院 | 一种基于时空特征的乘客检测分析方法及系统 |
CN103729560B (zh) * | 2013-12-31 | 2017-11-14 | 中国科学院深圳先进技术研究院 | 一种基于时空特征的乘客检测分析方法及系统 |
CN103984993A (zh) * | 2014-05-13 | 2014-08-13 | 东南大学 | 一种轨道交通客流od分布实时推测方法 |
CN104134343A (zh) * | 2014-06-23 | 2014-11-05 | 上海城市交通设计院有限公司 | 一种基于交通卡数据的乘客上下车时间和位置的获取方法 |
US10346235B2 (en) | 2014-10-30 | 2019-07-09 | International Business Machines Corporation | Identifying origin and destination pairs |
CN104517159A (zh) * | 2014-12-18 | 2015-04-15 | 上海交通大学 | 一种公交短时客流的预测方法 |
CN104636828B (zh) * | 2015-02-02 | 2017-09-15 | 西南交通大学 | 基于马尔科夫链的公共自行车站点供需预测方法 |
CN104636828A (zh) * | 2015-02-02 | 2015-05-20 | 西南交通大学 | 基于马尔科夫链的公共自行车站点供需预测方法 |
CN105185105A (zh) * | 2015-06-26 | 2015-12-23 | 东南大学 | 基于车辆gps和公交ic卡数据的公交换乘识别方法 |
CN105427594B (zh) * | 2015-11-23 | 2018-10-30 | 青岛海信网络科技股份有限公司 | 一种基于双向上车客流的公交断面客流量获取方法及系统 |
CN105427594A (zh) * | 2015-11-23 | 2016-03-23 | 青岛海信网络科技股份有限公司 | 一种基于双向上车客流的公交断面客流量获取方法及系统 |
CN105654721A (zh) * | 2016-01-21 | 2016-06-08 | 哈尔滨工业大学 | 一种采用公交ic卡和车载gps数据计算公交od量的方法 |
CN105788260A (zh) * | 2016-04-13 | 2016-07-20 | 西南交通大学 | 一种基于智能公交系统数据的公交乘客od推算方法 |
CN107220724B (zh) * | 2017-04-21 | 2020-12-08 | 北京航空航天大学 | 客流量预测方法及装置 |
CN107220724A (zh) * | 2017-04-21 | 2017-09-29 | 北京航空航天大学 | 客流量预测方法及装置 |
CN107274665A (zh) * | 2017-07-31 | 2017-10-20 | 多维新创(北京)技术有限公司 | 巴士运力资源规划方法及系统 |
CN108242149A (zh) * | 2018-03-16 | 2018-07-03 | 成都智达万应科技有限公司 | 一种基于交通数据的大数据分析方法 |
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 |
CN108615360A (zh) * | 2018-05-08 | 2018-10-02 | 东南大学 | 基于神经网络的交通需求逐日演变预测方法 |
CN110570004A (zh) * | 2018-06-05 | 2019-12-13 | 上海申通地铁集团有限公司 | 地铁客流的预测方法及系统 |
CN109858681A (zh) * | 2019-01-04 | 2019-06-07 | 深圳北斗应用技术研究院有限公司 | 一种基于ic卡的交通短时客流预测方法和相关装置 |
CN109858681B (zh) * | 2019-01-04 | 2024-01-19 | 深圳北斗应用技术研究院有限公司 | 一种基于ic卡的交通短时客流预测方法和相关装置 |
CN110443422A (zh) * | 2019-08-05 | 2019-11-12 | 北京交通大学 | 基于od吸引度的城市轨道交通od客流预测方法 |
CN110443422B (zh) * | 2019-08-05 | 2021-11-19 | 北京交通大学 | 基于od吸引度的城市轨道交通od客流预测方法 |
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 |
CN111179589A (zh) * | 2019-12-06 | 2020-05-19 | 北京中交兴路信息科技有限公司 | 车辆od预测的方法、装置、设备及存储介质 |
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 |
CN111339159A (zh) * | 2020-02-24 | 2020-06-26 | 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 |
CN112487063A (zh) * | 2020-12-03 | 2021-03-12 | 北京工业大学 | 一种轨道站点等待时间和等待人数的计算方法 |
CN113822462A (zh) * | 2021-08-06 | 2021-12-21 | 上海申铁信息工程有限公司 | 一种车站应急指挥方法及装置 |
CN113822462B (zh) * | 2021-08-06 | 2023-10-13 | 上海申铁信息工程有限公司 | 一种车站应急指挥方法及装置 |
CN114757447A (zh) * | 2022-06-08 | 2022-07-15 | 广东工业大学 | 一种多模型混合的客运枢纽站客流量预测方法及系统 |
CN114757447B (zh) * | 2022-06-08 | 2022-10-11 | 广东工业大学 | 一种多模型混合的客运枢纽站客流量预测方法及系统 |
CN117408436A (zh) * | 2023-12-01 | 2024-01-16 | 智达信科技术股份有限公司 | 一种公交线路站点之间客流人数估计方法及系统 |
CN117408436B (zh) * | 2023-12-01 | 2024-03-26 | 智达信科技术股份有限公司 | 一种公交线路站点之间客流人数估计方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN102324128B (zh) | 2013-07-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102324128A (zh) | 基于ic卡记录的公交站间od客流预测方法及装置 | |
CN105788260B (zh) | 一种基于智能公交系统数据的公交乘客od推算方法 | |
CN109034566B (zh) | 一种基于公交站点上下客流的智能调度方法及装置 | |
CN102044149B (zh) | 一种基于时变客流的城市公交运营协调方法与装置 | |
CN103177575B (zh) | 城区出租车动态在线调度优化系统及其方法 | |
CN108242149A (zh) | 一种基于交通数据的大数据分析方法 | |
CN109308546A (zh) | 乘客公交出行下车站点预测方法及系统 | |
CN105550789A (zh) | 一种公交出行客流的预测方法 | |
CN109166337B (zh) | 公交到站时间生成方法、装置及公交乘客出行od获取方法 | |
CN104809344A (zh) | 一种基于ic卡数据的公交站点区间客流估计方法 | |
CN106448132A (zh) | 一种常规公交服务指数实时评价系统及评价方法 | |
CN108922178B (zh) | 基于公交多源数据的公交车辆实时满载率计算方法 | |
Kazagli et al. | Estimation of arterial travel time from automatic number plate recognition data | |
CN109102114B (zh) | 一种基于数据融合的公交出行下车站点估计方法 | |
Gong et al. | Hybrid dynamic prediction model of bus arrival time based on weighted of historical and real-time GPS data | |
CN105513337A (zh) | 一种客流量的预测方法及装置 | |
Ram et al. | SMARTBUS: A web application for smart urban mobility and transportation | |
CN103280110B (zh) | 高速公路旅行时间的预测方法及装置 | |
CN106251628B (zh) | 一种确定机动车的交通出行量的方法及装置 | |
CN109637134A (zh) | 一种公交设备匹配方法 | |
CN109493449B (zh) | 一种基于货车gps轨迹数据和高速交易数据的货车载货状态估计方法 | |
CN114358808A (zh) | 基于多源数据融合的公交od估计及分配方法 | |
CN111554085A (zh) | 一种公共交通一体化出行智能服务装置及其应用方法 | |
Cyril et al. | Electronic ticket machine data analytics for public bus transport planning | |
CN110021161A (zh) | 一种交通流向的预测方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |