CN103280100A - 融合智能调度数据的公交ic卡乘客换乘站点判断方法 - Google Patents
融合智能调度数据的公交ic卡乘客换乘站点判断方法 Download PDFInfo
- Publication number
- CN103280100A CN103280100A CN2013102139546A CN201310213954A CN103280100A CN 103280100 A CN103280100 A CN 103280100A CN 2013102139546 A CN2013102139546 A CN 2013102139546A CN 201310213954 A CN201310213954 A CN 201310213954A CN 103280100 A CN103280100 A CN 103280100A
- Authority
- CN
- China
- Prior art keywords
- bus
- transfer
- time
- website
- data
- 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
Abstract
本发明提供一种融合智能调度数据的公交IC卡乘客换乘站点判断方法,首先采集公交智能调度系统和公交自动收费系统数据,对原始数据结构和数据质量进行分析,应用数据仓库技术建立智能公交数据分析平台,在对公交乘客换乘站点判断思路和参数计算方法进行研究的基础上,建立了通过计算逐个乘客连续两次乘车的合理换乘时间来判断换乘站点的方法,提出算法并编程实现,以智能公交系统的海量实际数据对算法进行了实验分析,研究结果表明,该方法判断公交卡乘客的换乘站点可靠性强,并具有良好的可操作性。
Description
技术领域
本发明涉及一种融合智能调度数据的公交IC卡乘客换乘站点判断方法。
背景技术
公共交通具有运行效率高、能源消耗少等诸多优势,但其不足是部分出行往往需要通过换乘不同的交通方式或线路才能最终到达目的地。优化公交的换乘系统,对于提高公交的吸引力具有重要意义。传统的公交系统优化需要通过大规模的居民出行调查或公交客流调查来获得基础数据,存在实施周期长、调查费用高的问题。随着智能公交系统(Advanced Public TransportationSystems, APTS)的广泛应用,其系统运营数据为公交系统分析提供了新的数据来源。
应用APTS数据获得公交乘客的换乘地点和换乘时间信息,可以对公交系统的换乘规律和特征进行分析,从而能够为优化公交换乘系统提供定量依据。爱尔兰大学Markus Hofmann等(2005、2009)利用爱尔兰公交电子售票数据对公交卡乘客的换乘行为进行了研究,将所有乘车分为单一出行和换乘出行。同一天同一乘客连续两次公交刷卡时间在90Min以内时,将第2次刷卡乘车定义为换乘出行。麻省理工学院的Catherine Whitney Seaborn等(2008)利用公交卡数据对伦敦多模式的公共交通换乘问题进行研究,通过公交卡数据分析得到伦敦市地面公交与地铁、地面公交与地面公交之间换乘所需的消耗时间的推荐值。加拿大蒙特利尔理工大学Ka Kee Alfred Chu(2008)以一个卡号相邻的两次刷卡记录作为一个独立的分析单元,对加拿大Gatineau市的公交卡乘客的乘车记录进行逐一判断来确定换乘行为。现有研究判断公交乘客换乘行为较多的是采用一个固定的时间阈值来判断换乘,换乘阈值根据经验给定,判断的准确性较低。蒙特利尔理工大学Ka Kee Alfred Chu(2008)提出的方法需要的数据包括公交卡数据、公交站点坐标、公交行车记录和公交站点时刻表4种数据,只能在按站点时刻表运行的公交系统应用。
发明内容
本发明的目的在于提供一种融合智能调度数据的公交IC卡乘客换乘站点判断方法。
为达到上述目的,本发明采用了以下技术方案。
首先判断两条公交IC卡记录是否满足换乘关系的前提条件,对于满足前提条件的记录,计算连续两次乘车的换乘时间阈值TBB,如果连续两次乘车的刷卡时间间隔T小于TBB,则判断连续两次乘车为换乘关系;如果是换乘关系,同时确定换乘前的下车站点和换乘后的上车站点,TBB=Tv+Tg+Tw+Ta,Tv为前一次乘车的车内时间,Tg为换乘步行时间,Tw为换乘候车时间,Ta为松弛时间。
所述两条公交IC卡记录为换乘关系的前提条件包括:
(1)连续两次刷卡的卡号相同;
(2)连续两次乘坐的公交线路不同;
(3)连续两次刷卡的时间时隔T大于最小可能换乘时间Tmin,Tmin的取值范围为1~2min;
若3个前提条件不同时满足,则判断连续两次乘车为非换乘关系;若3个前提条件同时满足,再进一步判断两条公交IC卡记录是否为换乘关系。
所述前一次乘车的车内时间Tv的获取方法为:
首先将前一次乘车线路上所有站点与后一次乘车的上车站点Sb进行比较,找到前一次乘车线路上距离站点Sb最近的站点Sa,然后,用前一次乘车公交运行GPS坐标与站点Sa坐标进行匹配获得公交车辆到达站点Sa的GPS坐标,GPS坐标数据的时间即为公交车辆到达站点Sa的时间,从而得到前一次乘车的下车时刻,最后,计算前一次乘车的上车时刻(公交IC卡刷卡时刻)与前一次乘车的下车时刻之差,得到所述车内时间Tv。
所述换乘步行时间Tg的计算方法为:
Tg=Lfl/p
其中,Lfl表示换乘前的下车站点和换乘后的上车站点的空间直线距离,p表示平均步行速度。平均步行速度p取1.2m/s。
所述换乘候车时间Tw的获取方法为:
计算后一次乘车的上车时间与同一线路上一班次公交的到站时间的间隔,将公交GPS数据与站点坐标进行匹配,得到上一班次公交的到站时间。
所述松弛时间Ta由固定时间Ta1和可变时间Ta2两部分组成,固定时间Ta1的取值范围,根据原始数据精度判断,一般取为1~4min,可变时间Ta2的取值范围为:换乘距离为0时,取值为0;当换乘距离为1000米时,取值为5min,其他换乘距离采用内差计算,换乘距离指换乘前的下车站点和换乘后的上车站点的空间直线距离。
本发明的有益效果体现在:
本发明所述融合智能调度数据的公交IC卡乘客换乘站点判断方法可以用于判别两次公交乘车是否属于换乘行为,并同时确定出换乘的站点和换乘的时间,通过大规模实际数据对算法进行了试验和分析,运算效率满足实际应用需要。本发明与统一阈值方法(采用统一的换乘阈值判断换乘)相比,准确性得到了大幅度的提高;与传统的公交出行调查方法相比,费用低廉、样本量大、数据更新快。
本发明方法具有以下4个特点:1)将换乘阈值分为4个部分分别进行计算,逻辑十分清晰。2)采用公交GPS数据与站点坐标匹配来计算公交到达站点的时刻,得到准确的车内时间Tv和最大等候时间Tw。3)将松弛时间Ta分为固定时间和可变时间2部分,计算准确。4)算法中的车内时间Tv、等候时间Tw、换乘步行时间Tg3个值既能用于公交线路之间换乘行为的微观分析,也可以用于整个公交系统服务性能的宏观评价。利用得到的换乘判断结果,经过统计就可以得到公交卡乘客的站点换乘量、公交线路间换乘量、平均日换乘次数、换乘出行比例等信息,从而能够为公交换乘系统的优化提供丰富、及时的决策依据。
附图说明
图1为智能公交数据分析平台建立流程图;
图2为4种数据源的字段关联关系图;
图3为公共交通换乘过程图。
具体实施方式
下面结合附图对本发明作进一步说明。
(一)研究数据采集与预处理
1.数据采集
智能公交系统的原始数据大多只是系统运行所产生的副产品,且具有多源和海量的特点。智能公交系统运营管理者一般只是通过前台的软件界面对系统进行操作,较少关注后台数据库所产生的系统数据。通过对南宁市智能公交系统的运行、管理及系统数据的存储进行调研,采集了2008年12月南宁市111条公交IC卡收费线路和57条智能公交调度线路的系统运营数据,包括公交IC卡数据、公交GPS数据、公交站点坐标数据和公交运行记录数据,后3种数据来自公交智能调度系统。
2.数据描述
2.1公交IC卡数据
原始数据字段内容如下:
(1)kbh:公交IC卡卡号
(2)xfrq:刷卡的日期
(3)xfsj:刷卡的时间
(4)qcbh:乘坐的公交车辆编号
(5)xlbh:乘坐的公交线路编号
(6)listno:刷卡记录编号
2.2公交GPS数据
原始数据字段内容如下:
(1)listno:记录号
(2)xlbh:公交线路编号
(3)qcbh:公交汽车编号
(4)GPS_Longitude:经度
(5)GPS_Laititude:纬度
(6)GPS_Speed:公交车瞬时车速
(7)Route_Direction:公交车运行的方向
(8)GPS_Data:日期
(9)GPS_Time:时间
2.3公交站点坐标数据
原始数据字段内容如下:
(1)线路:公交线路编码
(2)方向:公交线路上、下行方向
(3)站名:站点名称
(4)经纬度1:公交站点的经度坐标
(5)经纬度2:公交站点的纬度坐标
2.4公交运行记录数据
南宁市57条智能调度公交线路分属南宁市公交总公司和白马公交公司。两个公司智能调度系统产生的行车记录表的数据内容有所不同。
1)南宁市公交总公司数据
南宁市公交总公司智能调度线路运行记录数据,原始数据字段内容如下:
(1)日期:公交运营日期
(2)线路:公交线路编号
(3)车号:公交车辆编号
(4)到站时间:公交到达站点的时间
(5)发车时间:公交从站点发车的时间
(6)主副站:发车站点(01为主站;00为副站)
2)白马公交公司数据
白马公交公司智能调度运行记录数据,原始数据字段内容如下:
(1)车辆编号:公交的车辆编号
(2)司机编号:公交驾驶司机的编号
(3)司机姓名:公交驾驶司机的姓名
(4)主站发车时间:公交从主站出发的时间
(5)到达副站时间:公交到达副站的时间
(6)副站发车时间:公交从副站出发的时间
(7)到达主站时间:公交到达主站的时间
2.5数据组织
数据组织是按照一定的方式和规则对数据进行归并、存储、处理的过程。本发明采用数据仓库技术完成这一过程,建立数据实验分析平台。根据数据库软件的功能和广泛性,采用SQL Server2005作为建立数据仓库的工具软件。SQL Server2005为数据库引擎、数据抽取、转换和装载(ETL)、数据挖掘、OLAP 和报表提供了与Microsoft Visual Studio 相集成的开发工具,以实现端到端的应用程序开发能力。
对4种原始数据的数据质量进行分析和预处理,在SQL-Server2005数据库导入数据,采用数据仓库技术建立智能公交数据分析平台,过程如图1所示。
本发明提出方法所需的4种数据源字段之间的关联关系,如图2所示。
3换乘站点判断方法
3.1判断方法的基本思路
换乘是指完成同一个出行目的而发生的交通方式或线路转换的行为,换乘前、后两次乘车之间不发生与交通无关的活动。公共交通的换乘过程如图3所示。
图3中两次乘车的时间间隔T包括车内时间Tv和换乘时间Tt,其中换乘时间Tt包括换乘下车站点到换乘上车站点之间的步行时间和在换乘上车站点的候车时间2个部分。
换乘判断就是区分乘客连续两次乘车之间的关系,判断出两次乘车之间是否有活动发生。非换乘的两次乘车的时间差值一般明显大于换乘。因此,可以根据连续两次乘车的时间间隔是否小于正常换乘所需的时间间隔来判断是否为换乘关系。将这一正常换乘所需的时间间隔,定义为换乘时间阈值TBB。
根据以上分析,提出本发明换乘判断方法的基本思路:首先从逻辑上确定出两条公交卡记录为换乘关系必须同时满足的前提条件。满足条件的记录,再计算连续两次乘车的换乘时间阈值TBB,如果两次乘车的刷卡时间间隔T小于TBB,则为换乘关系。如果是换乘关系,同时确定换乘前的下车站点Sa和换乘后的上车站点Sb。TBB包括前一次乘车的车内时间Tv、换乘步行时间Tg、换乘候车时间Tw和松弛时间Ta4个部分。松弛时间Ta考虑Tv、Tg、Tw3项值无法计算的时间以及3项值本身的计算误差。
两条公交卡记录为换乘关系的前提条件包括:
(1)连续两次刷卡的卡号相同(Cf≠Cl);
(2)连续两次乘坐的公交线路不同(Rf≠Rl);
(3)连续两次刷卡的时间时隔在最小可能换乘时间和最大可能换乘时间之间(Tmin≤T≤Tmax)。
通过以上分析可知:计算出可靠的换乘时间阈值TBB是判断公交IC卡乘客换乘行为的关键。
3.2换乘时间阈值计算
换乘判断阈值TBB=Tv+Tg+Tw+Ta,以下对Tv、Tg、Tw、Ta值的计算方法分别进行分析和讨论。
3.3Tv—前一次乘车的车内时间
乘客的上车时刻从公交卡数据可以直接得到,如果再能够获得乘客的下车时刻就可以计算出Tv。首先将前一次乘车线路上所有站点与后一次乘车的上车站点Sb进行比较,找到距离最近的站点Sa(根据运行记录表区分前后两次乘车线路的上、下行方向)。然后,用前一次乘车公交运行GPS坐标与Sa站点坐标进行匹配获得公交车辆到达站点的GPS坐标,GPS坐标数据的时间即为公交车辆到达车站的时间,从而得到出前一次乘车的下车时刻。最后,计算出前一次乘车的上车时刻(刷卡时刻)与前一次乘车的下车时刻之差,得到车内时间Tv。
3.4Tg—换乘步行时间
假设乘客换乘的步行线路为可能换乘站点对Sa、Sb(前一次乘车的下车站点与后一次乘车的上车站点)之间的空间直线距离,即Lfl。
式中:
xa—站点Sa的x坐标
ya—站点Sa的y坐标
xb—站点Sb的x坐标
yb—站点Sb的y坐标
以Lfl和平均步行速度p,计算步行时间Tg(式2)。平均步行速度p取1.2m/s。
Tg=Lfl/p (式2)
3.5Tw—最大可能候车时间(换乘候车时间)
候车时间主要受等候公交线路的发车时间间隔的影响。本发明假设实际乘坐的这一班次公交的上车时间与该线路上一班次公交的到站时间间隔为最大可能候车时间。将公交GPS数据与站点坐标匹配,得到上一班次到达站点的时刻。计算出刷卡时间(上车时间)与上一班次到站的时间差作为最大可能候车时间Tw。
3.6Ta—松驰时间
考虑到换乘过程中有少量时间由Tv、Tg、Tw3项值无法计算以及这3项值本身的计算误差,在换乘阈值中考虑了松驰时间Ta。
Ta包括固定时间Ta1和可变时间Ta2两部分。
(1)固定时间Ta1为所有换乘判断阈值都计入的时间。以南宁市为例,固定时间Ta1考虑3项时间,合计为240s:
1)乘客上车、下车排队消耗的时间。考虑上、下车排队时间各30s,共60s。
2)Tv和Tw计算误差各取60s。相邻两条公交GPS数据的时间间隔过大会引起GPS坐标与站点坐标匹配得到的公交到达站点时间存在误差,这样会引起Tv和Tw的计算误差。经过统计,南宁市仅有1.15%的公交GPS数据时间间隔超过60s。
3)南宁市IC卡数据刷卡时间记录到“分”,没有“秒”的记录,计算两次刷卡时间差时会出现误差,误差取60s。
(2)可变时间Ta2是考虑换乘步行距离Lfl的影响,距离越长,换乘步行时间Tg的计算误差越大。换乘距离为0时,误差值为0;当换乘距离为1000米时,考虑5min的误差。其他换乘距离的误差值采用内差计算。
3.7算法提出
根据以上分析,提出融合智能调度数据的公交卡乘客换乘判断算法:
Step0:在数据仓库Transit中建立换乘计算临时表Transfer_Temp,导入1天的已经确定上车站点的公交卡记录(公交卡乘客上车站点采用智能调度数据与公交卡数据关联确定),按“卡号”,“上车时间”、“记录号”字段的顺序,依次进行排序,并增加“时间间隔”字段。
Step1:删除表Transfer_Temp中全天只有1次刷卡记录的卡号的公交卡记录。
Step2:计算同一卡号,相邻刷卡记录的时间间隔值,存入表Transfer_Temp中“时间间隔”字段。
Step3:建立新表Tranasfer用于存储计算结果。
Step4:取出第一条公交卡记录i。
Step5:取出下一条记录i=i+1,依次判断该条记录与上一条记录是否满足3个条件:1)Cf≠Cl;2)Rf≠Rl;3)Tmin≤T≤Tmax(南宁案例取值为2min≤T≤120min)。以上3个条件全部满足,则执行下一步;只要有1个条件不满足,重复Step5,直到所有记录判别完毕后,算法结束。
Step6:调用计算2条公交线路最近站点对子程序,计算最近站点对的距离Lfl。
Step7:计算换乘步行时间Tg。
Step8:调用计算候车时间的子程序,计算候车时间Tw。
Step9:调用计算前一次乘车的车内时间子程序计算前一次乘车的车内时间Tv。
Step10:计算松弛时间Ta。
Step11:计算换乘时间阈值TBB=Tv+Tg+Tw+Ta。
Step12:如果实际两次刷卡时间间隔T<TBB,则后一次乘车为换乘,将表Tranasfer中“TransferFlag”字段标记为“y”,否则标记为“n”。
Step13:重复步骤Step5~Step12,直到完成所有乘车记录的判断。
算法过程中,可能出现原始数据缺失原因无法计算,这种情况在“TransferFlag”字段标记为“0”。
以上是算法的主程序部分,其中包含了3个子程序:确定最近站点对子程序、计算候车时间子程序和计算车内时间子程序,限于篇幅不在赘述。算法中的Step0~Step3作为数据的预处理部分,在SQL-Server2005数据仓库中采用T-SQL语句完成。Step4~Step13采用VB.NET语言编程实现。
4算法试验
4.1试验过程
以南宁市2008年12月3号的57条智能调度线路组成的公交网络作为算例,共计192971条IC卡刷卡数据,对本文提出的算法进行测试和分析。算法程序运行的计算机硬件环境为:双核2.8GHz CUP;1GB内存;300GB硬盘。7个小时完成算例全部数据运算。
算例运算过程中的数据量统计如下:
Step0运算结束,导入算例数据,共有94453个卡号,192971条记录。
Step1运算结束,删除全天只有一次刷卡的公交IC卡数据后,共有57221个卡号,155739条记录。
Step13运算结束,换乘判断数据表Transfer输出18325条判断结果。18325条判断结果为已经满足换乘判断的3个前提条件后,再进一步判断的结果。18325条判断结果中换乘次数6672次,非换乘7811次,由于数据缺失无法判断的有3842条记录。
造成3842条数据无法判断换乘的主要原因是由于公交GPS数据和运行记录数据的缺失。随着智能调度系统正常使用率的提高,原始数据缺失会大量减少,这样能够判断换乘的比例也会大幅提高。
将3842条无法判断的数据,按判断出的换乘和非换乘比例估算其换乘次数为1770次(3842×6672/(6672+7811)),这样得到南宁市57条智能调度公交线路公交卡乘客的换乘总次数为8442次(6672+1770)。
4.2结果分析
对确定出的6672次换乘的相关数据进行统计分析:
(1)对换乘站点的分布进行统计,其中南宁市的“朝阳广场”、“竹溪立交”和“火车站”为换乘量最大的3个站点。换乘量大的站点主要分布在“朝阳广场”为中心的老城区以及民族大道沿线,这与南宁市实际的公交线网布局相一致。朝阳广场为南宁市的城市中心,有大量公交线路在此交汇,是南宁市最大的公交换乘枢纽。民族大道是南宁市东西向最主要的城市干道,布设有多条公交线路。换乘量最大的前20位站点分布。
(2)换乘时间间隔T在30Min以内的占78.00%,50Min以内占95.26%,70Min以内达到99.09%。
(3)换乘距离Lfl在100m以内的占50.63%,500m以内的占93.06%。
(4)车内时间Tv在5Min以内的占到20.05%,15Min以内为59.50%,35Min以内为91.29%。
(5)对换乘的等候时间进行统计。假设Tw的1/2为实际的等候时间,则等候时间在5Min以内占63.25%,10Min以内的占95.68%。
4.3算法精度讨论
本发明提出的换乘判断方法的准确性取决于换乘判断阈值TBB的计算精度。以下对换乘判断阈值TBB的构成部分Tv、Tg、Tw、Ta4项值的计算精度进行分析。
(1)Tv为车内时间,为前一次乘车上车时刻和下车时刻的时间差,其精度只受下车时刻的计算精度影响。本发明提出的算法中,当公交GPS坐标与站点坐标距离小于300m时,将公交GPS的时间作为到站时间。当在300m以内无公交GPS坐标与站点坐标匹配时,Tv作为无法计算处理。按15~30Km/h的速度行驶300m距离仅需要30~60s。因此,Tv值的计算误差很小。
(2)Tg为换乘的步行时间,受步行速度的影响,在本发明提出的算法中,步行速度取1.2m/s。本发明在以上算法试验中对步行速度进行了敏感性测试,结果见表1。从表1结果可以看出步行速度的取值对换乘判断的结果影响较小。
表1步行速度测试结果
(3)Tw为等候时间,采用后一次乘车的上车时间和该线路上一班次到达站点的时刻之差作为最大可能的等候时间。Tw计算误差受上一班次公交到站的时刻精度影响。与Tv误差分析相同,误差一般小于60s。
(4)Ta为松弛时间,考虑Tv、Tg、Tw3项值无法计算以及这3项值本身的计算误差而设置,其取值范围一般在4~9min。在换乘时间阈值中加入了松弛时间,可以保障换乘行为不会被漏判。同时,由于两次乘车之间完成4~9min时长的短暂活动的情况非常少,将非换乘误判为换乘的可能性很小。因此,加入松弛时间,可以有效提高判断精度。
从以上讨论可知,通过本发明提出的方法能够可靠计算出换乘判断阈值TBB,从而保证判断结果的准确性。
5.结论
本发明所述融合智能调度数据的公交IC卡乘客换乘站点判断方法可以用于判别两次公交乘车是否属于换乘行为,并同时确定出换乘的站点和换乘的时间。本发明方法具有以下4个特点:1)将换乘阈值分为4个部分分别进行计算,逻辑十分清晰。2)采用公交GPS数据与站点坐标匹配来计算公交到达站点的时刻,得到准确的车内时间Tv和最大等候时间Tw。3)将松弛时间Ta分为固定时间和可变时间2部分,计算准确。4)算法中的车内时间Tv、等候时间Tw、换乘步行时间Tg3个值既能用于公交线路之间换乘行为的微观分析,也可以用于整个公交系统服务性能的宏观评价。利用得到的换乘判断结果,经过统计就可以得到公交卡乘客的站点换乘量、公交线路间换乘量、平均日换乘次数、换乘出行比例等信息,从而能够为公交换乘系统的优化提供丰富、及时的决策依据。本发明与统一阈值方法(采用统一的换乘阈值判断换乘)相比,准确性得到了大幅度的提高;与传统的公交出行调查方法相比,费用低廉、样本量大、数据更新快。
Claims (6)
1.一种融合智能调度数据的公交IC卡乘客换乘站点判断方法,其特征在于,包括以下步骤:
首先判断两条公交IC卡记录是否满足换乘关系的前提条件,对于满足前提条件的记录,计算连续两次乘车的换乘时间阈值TBB,如果连续两次乘车的刷卡时间间隔T小于TBB,则判断连续两次乘车为换乘关系;如果是换乘关系,同时确定换乘前的下车站点和换乘后的上车站点,TBB=Tv+Tg+Tw+Ta,Tv为前一次乘车的车内时间,Tg为换乘步行时间,Tw为换乘候车时间,Ta为松弛时间。
2.根据权利要求1所述一种融合智能调度数据的公交IC卡乘客换乘站点判断方法,其特征在于:所述两条公交IC卡记录为换乘关系的前提条件包括:
(1)连续两次刷卡的卡号相同;
(2)连续两次乘坐的公交线路不同;
(3)连续两次刷卡的时间时隔T大于最小可能换乘时间Tmin,Tmin的取值范围为1~2min;
若3个前提条件不同时满足,则判断连续两次乘车为非换乘关系;若3个前提条件同时满足,再进一步判断两条公交IC卡记录是否为换乘关系。
3.根据权利要求1所述一种融合智能调度数据的公交IC卡乘客换乘站点判断方法,其特征在于:所述前一次乘车的车内时间Tv的获取方法为:
首先将前一次乘车线路上所有站点与后一次乘车的上车站点Sb进行比较,找到前一次乘车线路上距离站点Sb最近的站点Sa,然后,用前一次乘车公交运行GPS坐标与站点Sa坐标进行匹配获得公交车辆到达站点Sa的GPS坐标,GPS坐标数据的时间即为公交车辆到达站点Sa的时间,从而得到前一次乘车的下车时刻,最后,计算前一次乘车的上车时刻与前一次乘车的下车时刻之差,得到所述车内时间Tv。
4.根据权利要求1所述一种融合智能调度数据的公交IC卡乘客换乘站点判断方法,其特征在于:所述换乘步行时间Tg的计算方法为:
Tg=Lfl/p
其中,Lfl表示换乘前的下车站点和换乘后的上车站点的空间直线距离,p表示平均步行速度。
5.根据权利要求1所述一种融合智能调度数据的公交IC卡乘客换乘站点判断方法,其特征在于:所述换乘候车时间Tw的获取方法为:
计算后一次乘车的上车时间与同一线路上一班次公交的到站时间的间隔,将公交GPS数据与站点坐标进行匹配,得到上一班次公交的到站时间。
6.根据权利要求1所述一种融合智能调度数据的公交IC卡乘客换乘站点判断方法,其特征在于:所述松弛时间Ta由固定时间Ta1和可变时间Ta2两部分组成,固定时间Ta1的取值范围为1~4min,可变时间Ta2的取值范围为:换乘距离为0时,取值为0;当换乘距离为1000米时,取值为5min;其他换乘距离采用内差计算,换乘距离指换乘前的下车站点和换乘后的上车站点的空间直线距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310213954.6A CN103280100B (zh) | 2013-05-31 | 2013-05-31 | 融合智能调度数据的公交ic卡乘客换乘站点判断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310213954.6A CN103280100B (zh) | 2013-05-31 | 2013-05-31 | 融合智能调度数据的公交ic卡乘客换乘站点判断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103280100A true CN103280100A (zh) | 2013-09-04 |
CN103280100B CN103280100B (zh) | 2015-07-01 |
Family
ID=49062603
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310213954.6A Active CN103280100B (zh) | 2013-05-31 | 2013-05-31 | 融合智能调度数据的公交ic卡乘客换乘站点判断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103280100B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN104318113A (zh) * | 2014-10-29 | 2015-01-28 | 中国科学院深圳先进技术研究院 | 基于乘客换乘的时空特征推算乘客上车站点的方法及系统 |
CN105335795A (zh) * | 2015-10-23 | 2016-02-17 | 东南大学 | 一种基于ic卡数据的地铁公交换乘问题自动诊断方法 |
CN106530190A (zh) * | 2016-10-28 | 2017-03-22 | 西安建筑科技大学 | 基于历史出行模式判断公交ic卡乘客下车站点的方法 |
CN106683404A (zh) * | 2016-12-06 | 2017-05-17 | 华南理工大学 | 一种通过手机定位技术获取公交客流od的方法 |
CN106776736A (zh) * | 2016-11-22 | 2017-05-31 | 中兴软创科技股份有限公司 | 基于ic卡的公交车辆换乘信息提取方法与系统 |
CN106897955A (zh) * | 2017-01-24 | 2017-06-27 | 华南理工大学 | 一种基于公交od数据的公交换乘识别方法 |
CN109033102A (zh) * | 2017-06-08 | 2018-12-18 | 上海济通信息技术有限公司 | 城市客运交通信息资源整合平台数据仓库构建的方法 |
CN109584555A (zh) * | 2018-12-13 | 2019-04-05 | 昆山市公共交通集团有限公司 | 基于afc数据的公交乘客下车站点推测方法 |
CN110428508A (zh) * | 2019-08-05 | 2019-11-08 | 北京交通大学 | 一种基于卡数据的公交车逃票乘客甄别技术 |
CN111123298A (zh) * | 2019-12-09 | 2020-05-08 | 深圳市市政设计研究院有限公司 | 基于机器学习算法的gps终端与ic卡终端匹配方法和装置 |
CN112102644A (zh) * | 2019-06-18 | 2020-12-18 | 腾讯科技(深圳)有限公司 | 一种乘车定位方法和装置 |
CN115376325A (zh) * | 2022-10-25 | 2022-11-22 | 中咨数据有限公司 | 基于出行链的公共交通换乘数据筛选系统、方法及应用 |
CN117275274A (zh) * | 2023-11-20 | 2023-12-22 | 河北省交通规划设计研究院有限公司 | 一种常规公交出行信息识别方法、设备和介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0923061A1 (de) * | 1997-12-12 | 1999-06-16 | Precimation AG | Verfahren und Vorrichtung zum automatischen Anzeigen der voraussichtlich bis zur Ankunft des nächsten Fahrzeuges verbleibenden Zeit an Haltestellen eines Verkehrsmittel |
CN102044146A (zh) * | 2010-12-02 | 2011-05-04 | 北京交通发展研究中心 | 基于一票制公交ic卡数据推算上车站点的方法 |
-
2013
- 2013-05-31 CN CN201310213954.6A patent/CN103280100B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0923061A1 (de) * | 1997-12-12 | 1999-06-16 | Precimation AG | Verfahren und Vorrichtung zum automatischen Anzeigen der voraussichtlich bis zur Ankunft des nächsten Fahrzeuges verbleibenden Zeit an Haltestellen eines Verkehrsmittel |
CN102044146A (zh) * | 2010-12-02 | 2011-05-04 | 北京交通发展研究中心 | 基于一票制公交ic卡数据推算上车站点的方法 |
Non-Patent Citations (3)
Title |
---|
周亿迎,毛保华: "采用可变时间参数的公交换乘识别方法", 《物流技术》 * |
陈君,杨东援: "基于智能调度数据的公交IC卡乘客上车站点判断方法", 《交通运输系统工程与信息》 * |
高永,邓小勇: "基于IC卡数据的公交换乘识别方法", 《2007第三届中国智能交通年会论文集》 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
CN104318113A (zh) * | 2014-10-29 | 2015-01-28 | 中国科学院深圳先进技术研究院 | 基于乘客换乘的时空特征推算乘客上车站点的方法及系统 |
CN105335795A (zh) * | 2015-10-23 | 2016-02-17 | 东南大学 | 一种基于ic卡数据的地铁公交换乘问题自动诊断方法 |
CN105335795B (zh) * | 2015-10-23 | 2019-02-05 | 东南大学 | 一种基于ic卡数据的地铁公交换乘问题自动诊断方法 |
CN106530190A (zh) * | 2016-10-28 | 2017-03-22 | 西安建筑科技大学 | 基于历史出行模式判断公交ic卡乘客下车站点的方法 |
CN106776736A (zh) * | 2016-11-22 | 2017-05-31 | 中兴软创科技股份有限公司 | 基于ic卡的公交车辆换乘信息提取方法与系统 |
CN106683404B (zh) * | 2016-12-06 | 2019-10-18 | 华南理工大学 | 一种通过手机定位技术获取公交客流od的方法 |
CN106683404A (zh) * | 2016-12-06 | 2017-05-17 | 华南理工大学 | 一种通过手机定位技术获取公交客流od的方法 |
CN106897955A (zh) * | 2017-01-24 | 2017-06-27 | 华南理工大学 | 一种基于公交od数据的公交换乘识别方法 |
CN109033102A (zh) * | 2017-06-08 | 2018-12-18 | 上海济通信息技术有限公司 | 城市客运交通信息资源整合平台数据仓库构建的方法 |
CN109584555A (zh) * | 2018-12-13 | 2019-04-05 | 昆山市公共交通集团有限公司 | 基于afc数据的公交乘客下车站点推测方法 |
CN112102644A (zh) * | 2019-06-18 | 2020-12-18 | 腾讯科技(深圳)有限公司 | 一种乘车定位方法和装置 |
CN110428508A (zh) * | 2019-08-05 | 2019-11-08 | 北京交通大学 | 一种基于卡数据的公交车逃票乘客甄别技术 |
CN111123298A (zh) * | 2019-12-09 | 2020-05-08 | 深圳市市政设计研究院有限公司 | 基于机器学习算法的gps终端与ic卡终端匹配方法和装置 |
CN115376325A (zh) * | 2022-10-25 | 2022-11-22 | 中咨数据有限公司 | 基于出行链的公共交通换乘数据筛选系统、方法及应用 |
CN115376325B (zh) * | 2022-10-25 | 2023-01-17 | 中咨数据有限公司 | 基于出行链的公共交通换乘数据筛选系统、方法及应用 |
CN117275274A (zh) * | 2023-11-20 | 2023-12-22 | 河北省交通规划设计研究院有限公司 | 一种常规公交出行信息识别方法、设备和介质 |
CN117275274B (zh) * | 2023-11-20 | 2024-02-02 | 河北省交通规划设计研究院有限公司 | 一种常规公交出行信息识别方法、设备和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103280100B (zh) | 2015-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103280100B (zh) | 融合智能调度数据的公交ic卡乘客换乘站点判断方法 | |
CN104134349B (zh) | 一种基于交通多源数据融合的公交路况处理系统及方法 | |
CN105788260B (zh) | 一种基于智能公交系统数据的公交乘客od推算方法 | |
CN106448233B (zh) | 基于大数据的公交线路时刻表协同优化方法 | |
CN104064028B (zh) | 基于多元信息数据的公交到站时间预测方法及系统 | |
CN102799897B (zh) | 基于gps定位的交通方式组合出行的计算机识别方法 | |
CN102646332B (zh) | 基于数据融合的交通状态估计装置和方法 | |
CN100463009C (zh) | 一种交通信息融合处理方法和系统 | |
Zhou et al. | Model of passenger flow assignment for urban rail transit based on entry and exit time constraints | |
CN105023437B (zh) | 一种公交od矩阵的构建方法及系统 | |
WO2022174588A1 (zh) | 一种列车计划运行图自动调整系统及方法 | |
CN103279534A (zh) | 基于智能公交系统数据的公交卡乘客通勤od分布估计方法 | |
CN102324128A (zh) | 基于ic卡记录的公交站间od客流预测方法及装置 | |
CN105868861A (zh) | 一种基于时空数据融合的公交客流演化分析方法 | |
CN101916423A (zh) | 轨道交通线路运输能力验证评估方法 | |
CN112734097B (zh) | 无人驾驶列车能耗预测方法、系统及存储介质 | |
CN106897955A (zh) | 一种基于公交od数据的公交换乘识别方法 | |
CN109637134A (zh) | 一种公交设备匹配方法 | |
CN105654721A (zh) | 一种采用公交ic卡和车载gps数据计算公交od量的方法 | |
CN111310294A (zh) | 交通管理与控制服务指数的评价指标体系建立及发布方法 | |
CN106448165A (zh) | 一种基于网络约租车数据的路网行程时间可靠性评价方法 | |
Zhao et al. | Modeling of vehicle CO 2 emissions and signal timing analysis at a signalized intersection considering fuel vehicles and electric vehicles | |
Yanhong et al. | Research on freight truck operation characteristics based on GPS data | |
CN105489010B (zh) | 一种快速道路行程时间可靠度监测分析系统及方法 | |
Feng et al. | Choices of intercity multimodal passenger travel modes |
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 |