CN103593974B - 一种基于定位信息的公交载客量采集方法 - Google Patents

Abstract

本发明提供一种基于定位信息的公交载客量采集方法，利用公交GPS定位和手机定位，在公交线路上定期采集车辆和手机的编号、位置、速度、方向以及时间信息；数据中心对所述数据中的速度信息进行数据滤除预处理，得到两站间公交、手机信息集合；数据中心对两站间公交、手机信息数据集合的子集进行聚类分析，得到初步采集的公交上乘客的手机数量集合；数据中心对初步采集的手机数据集合进行数据筛选，得到最终的公交上乘客的手机数量，即采集的公交载客量。本发明为交通信息服务系统中的公交系统提供动态的、实时的公交载客量采集数据，不仅信息获取渠道成本低，而且信息更新及时可靠，对于交通信息服务系统有着重要意义。

Description

一种基于定位信息的公交载客量采集方法

【技术领域】

本发明涉及一种基于定位信息的公交载客量采集方法。

【背景技术】

从根本上缓解交通拥堵、出行难等问题必须大力发展公共交通。而公交载客量的采集是发展公共交通的切实需求和迫切任务，对优化公交运营调度、完善城市交通环境、解决公众出行难具有重要的意义。

目前，公交载客量的采集主要基于以下几类方法：

（1）视频客流统计方法、红外检测统计方法、激光检测统计方法

如申请号为201210087736.8的中国专利，公开了一种客流统计分析系统，该系统包括车载设备模块和车外设备模块，车载设备模块采用专业化的车载防震设计，由摄像机、客流统计分析仪、视频监控/GPS调度一体机和门控开关组成，车外设备模块由监控中心和GPS卫星等组成；该客流统计分析仪采用两种方法进行客流统计：以基于视频的客流统计方法为主，以基于红外检测技术的统计方法为辅，对视频图像进分割提取人头数，配合红外检测上下车人员。但是视频客流统计在人流拥挤、光照不佳的情况下容易出现较大误差，且实时性不高；红外、激光检测技术易受遮挡物影响，拥挤人群无法有效检测，后门上车现象也会对红外检测结果造成较大影响。

（2）压力检测统计方法

如申请号为201220220314.9的中国专利，公开了一种公交车辆的乘客数量分析装置，其包括采集设备与显示设备，所述的采集设备通过通信网络与公交车制动系统中的压力测试接口相接，接口中的压力值代表本车的荷载量，传感器对压力信号进行传导，电压电流采样电路对压力信号进行采样，转换器对采样信号进行模数转换，得到信号数字，最终获得数字化的车辆荷载量，然后用数学公式将重量转换为预估乘客数量。但是压力检测会因为乘客携带的重物产生较大的误差，且实时性不强。

（3）无线传感器统计方法

如申请号201210124371.1的中国专利，公开了一种基于RFID技术的公共交通客流信息采集方法及系统，所述方法包括：通过公交双频卡高频标签的识别设备采样每个站点的上车信息；通过公交双频卡高频标签的识别设备采集每个站点的下车信息；通过GPS自动获取每个站点的站点信息；将所述采集的每个站点的上车信息、下车信息和站点信息实时发送给服务器；服务器依据所述每个站点的上车信息、下车信息和站点信息生成原始客流数据。其主要通过公交双频的高频与超频来识别上下车信息，采集乘客数量。但是无线传感器成本较高，普及度较低，现阶段不能完成大量推行。

公交GPS定位、手机定位已被广泛使用，根据定期提取的公交线路上公交、手机的位置信息、方向信息、速度信息、时间信息等，应用改进k-means算法，可以提取出初步采集的公交上乘客的手机数量，进而数据筛选得到公交载客量的采集值。其可以实现动态实时的公交载客量采集，不仅信息获取渠道成本低，而且信息更新及时可靠。

【发明内容】

本发明要解决的技术问题，在于提供一种基于定位信息的公交载客量采集方法，其能够为交通信息服务系统中的公交系统提供动态的、实时的公交载客量采集，不仅信息获取渠道成本低，而且信息更新及时可靠，对于交通信息服务系统有着重要意义。

本发明是这样实现的：

一种基于定位信息的公交载客量采集方法，该方法包括如下步骤：

步骤10、利用公交GPS定位和手机定位，在整条公交线路上定期采集车辆的编号、位置、速度、方向和时间信息，以及手机的编号、位置、速度、方向和时间信息，并将采集得到的数据传送到数据中心；

步骤20、数据中心对所述数据中与公交速度差值大于一预设速度v的手机速度信息进行数据滤除预处理，得到滤除后的手机信息数据集合，然后根据公交到站时间提取出两站间的公交、手机信息数据，抽取出两站间公交、手机信息数据集合；

步骤30、数据中心在两站间公交、手机信息数据集合中，先将各信息数据规范化，然后将各个时间的公交、手机信息数据子集进行聚类分析，得到初步采集的公交上乘客的手机数量集合；

步骤40、数据中心对初步采集的公交上乘客的手机数量集合进行数据筛选，将同一辆公交车不同时间聚类得到的手机数目进行排列，剔除最大、最小数目，然后对剩下的进行处理，得到最终采集的公交上乘客的手机数量，即采集的公交载客量。

进一步地，所述步骤10具体为：

选定一条公交线路，在这条线路的经纬度范围内利用公交GPS定位、手机定位以周期τ定期采集车辆编号i、位置l、速度v、方向和时间t信息，手机编号a、位置l、速度v、方向和时间t信息，得到数据信息集合并将采集得到的数据通过移动蜂窝通信等技术传送到数据中心；其中x_i为公交信息数据集合，x_a为手机信息数据集合。

进一步地，所述公交车在给定的且用于分段采样的滑动时间窗T₁内，且T₁大于以当前速度行驶完整条公交线路的总时长，其采样数据集合为m辆公交的n阶序列和b个手机的n阶序列：

X(m,n)={x_i,j|i∈[1,m],j∈[1,n]}

X(b,n)={x_a,j|a∈[1,b],j∈[1,n]}

其中，X(m,n)为公交信息数据序列，m为公交车的数量；X(b,n)为手机信息数据序列，b为手机数量，j为采样次数。

进一步地，所述步骤20具体如下：

数据中心对手机信息数据中的速度信息进行数据滤除预处理，即将与公交速度差值大于一预设速度v的手机速度信息进行数据滤除预处理，得到滤除后的手机信息数据序列：

其中为滤除后的手机信息数据序列，b为手机数量，x_a,j.v为手机数据序列中的速度信息，x_i,j.v为公交数据序列中的速度信息；

然后根据公交到站时间提取出两站间的公交、手机信息数据，抽取出两站间公交、手机信息数据集合：

其中X′(m,n)为两站间的公交信息数据集合，X′(b,n)为两站间的手机信息数据集合，A、B为该公交线路上相邻的两站点，公交i经过A站的时间为T_A,经过B站的时间为T_B，t_h-1<T_A<t_h,t_h+s<T_B<t_h+s+1,n>h>1,n>s>1，其中h为T_A时刻后的第一次采样，s为A,B两站间的采样次数，x_i,j.t为公交数据序列中的时间信息，x_a,j.t为手机数据序列中的时间信息。

进一步地，所述步骤30具体如下：

将两站间的公交、手机信息集中的速度信息、位置信息、方向信息的数据规范化，变换使其落在[0.0,1.0]内，变换后的速度记为x_i,j.v′、x_a,j.v′；变换后的位置记为x_a,j.l′、x_i,j.l′；变换后的方向记为其中x_i,j.l为公交数据中的位置信息，x_a,j.l为手机数据中的位置信息；为公交数据中的方向信息，为手机数据中的方向信息；

对[t_h,t_h+s]时间段内的每个时间的公交、手机信息数据子集单独进行聚类分析，且使用改进k-means算法进行聚类分析；

所述改进k-means算法步骤如下：

步骤31、从m+b个公交、手机数据对象中任意选择k个对象作为初始簇中心，其中保证每辆公交都是初始中心对象,其中b>>k>m；

步骤32、根据设定的距离函数进行计算每个簇中对象的均值，同时，计算每个对象与这些中心对象的距离；并根据最小距离重新对相应对象进行划分簇，将相应对象分配到最相似的簇；

步骤33、重新计算每个簇中的均值；

步骤34、设定收敛约束条件：①每个簇中仅有一辆公交；②直到本次形成的簇与前一次形成的簇相同，即计算结果趋于稳定；若不满足收敛约束条件，则返回步骤32重新计算，直至满足收敛约束条件，则返回计算结果；

所述改进k-means算法中的距离函数设定如下：

距离函数D=D₁+D₂+D₃；

D₁=W₁（d（p.l,q.l））,W₁为位置信息的权重，d（p.l,q.l）为两个数据的位置信息数据之间的欧氏距离，即

W₂为方向信息的权重，为两个数据的方向信息数据之间的方向余弦，即

D₃=W₃（d（p.v,q.v）），W₃为速度信息的权重，d（p.v,q.v）为两个数据的速度信息数据之间的欧氏距离，即

其中p、q为公交、手机信息数据集中的任意两个数据；

将含有公交的簇中的手机编号提取出来，手机编号的数量即为手机的数量，最后形成手机数量集合记为S_i.t_z，即S_i.t_z为编号为i的公交车在t_z时刻采样的手机数量集合，即初步采集的公交上乘客手机数量集合，其中t_z为采样时间，且

进一步地，所述步骤40具体如下：

从得到的手机数量集合S_i.t_z中，提取出相同编号i、不同采样时间t_z的所有手机数目，将这些手机数目数据分别存入各自对应的集合H_i中；

选定一个集合H_i，将H_i中最大的和最小的数据去掉，然后将数据按从小到大的顺序排列，形成一个数列{h_f}，其中数据的个数为f个；

得到数列{h_f}的中位数h_r，取数列{h_f}中包含中位数h_r的集中区域的数据，然后一起求均值，即得到最终采集的载客量。

本发明具有如下优点：

本发明利用公交GPS定位、手机定位量在整条公交线路上定期采集信息，并通过移动蜂窝通信等技术传送到数据中心，数据中心通过对公交、手机信息的聚类分析，得到初步采集的公交上乘客的手机数量，从而实现公交载客量采集数据的动态更新。本发明为交通信息服务系统中的公交系统提供动态的、实时的公交载客量采集，不仅信息获取渠道成本低，而且信息更新及时可靠，对于交通信息服务系统有着重要意义。

【附图说明】

下面参照附图结合实施例对本发明作进一步的说明。

图1是本发明一种基于定位信息的公交载客量采集方法的流程图。

图2是本发明的采集的手机信息数据滤波预处理算法流程图。

图3是本发明的公交、手机信息数据聚类分析算法流程图。

图4是本发明的公交载客手机数量采集算法流程图。

【具体实施方式】

请参阅图1～4所示，对本发明的实施例进行详细的说明。

本发明涉及一种基于定位信息的公交载客量采集方法，该方法包括如下步骤：

步骤10、利用公交GPS定位和手机定位，在整条公交线路上定期采集车辆的编号、位置、速度、方向和时间信息，以及手机的编号、位置、速度、方向和时间信息，并将采集得到的数据传送到数据中心；

步骤20、数据中心对所述数据中与公交速度差值大于一预设速度v的手机速度信息进行数据滤除预处理，得到滤除后的手机信息数据集合，然后根据公交到站时间提取出两站间的公交、手机信息数据，抽取出两站间公交、手机信息数据集合；

步骤30、数据中心在两站间公交、手机信息数据集合中，先将各信息数据规范化，然后将各个时间的公交、手机信息数据子集进行聚类分析，得到初步采集的公交上乘客的手机数量集合；

步骤40、数据中心对初步采集的公交上乘客的手机数量集合进行数据筛选，将同一辆公交车不同时间聚类得到的手机数目进行排列，剔除最大、最小数目，然后对剩下的进行处理，得到最终采集的公交上乘客的手机数量，即采集的公交载客量。

如图1所示，图1为基于定位信息的公交载客量采集方法的系统框架图，其中详细展示了基于定位信息的公交载客量采集方法所包括的四个部分，其中每个部分产生的结果作为下一个部分数据处理的对象。

第一个部分进行的是基于滑动时间窗的公交线路上公交、手机信息数据采样，得到公交、手机信息数据序列；在第二部分中经过数据滤除等数据预处理后，得到两站间公交、手机信息集合；第三部分，数据中心在两站间公交、手机信息数据集合中，将各个时间的公交、手机信息数据子集进行聚类分析，得到初步采集的公交上乘客的手机数量集合；第四部分，数据中心对初步采集的公交上乘客的手机数据集合进行数据筛选，得到最终的采集的公交上乘客的手机数量，即采集的公交载客量。

重点参阅图2，图2为本发明采集的手机信息数据滤除预处理算法流程图，所述步骤10具体为：

选定一条公交线路，在这条线路的经纬度范围内利用公交GPS定位、手机定位以周期τ定期采集车辆编号i、位置l、速度v、方向和时间t信息，手机编号a、位置l、速度v、方向和时间t信息，得到数据信息集合并将采集得到的数据通过移动蜂窝通信等技术传送到数据中心；其中x_i为公交信息数据集合，x_a为手机信息数据集合；且第一次采样方向为空值，从第二次采样开始，将本次采样的公交、手机位置点与上一次采样的公交、手机位置点连线，方向从上一次采样位置点指向本次采样位置点，得到方向

所述公交车在给定的且用于分段采样的滑动时间窗T₁内，且T₁大于以当前速度行驶完整条公交线路的总时长，其采样数据集合为m辆公交的n阶序列和b个手机的n阶序列：

X(m,n)={x_i,j|i∈[1,m],j∈[1,n]}

X(b,n)={x_a,j|a∈[1,b],j∈[1,n]}

其中，X(m,n)为公交信息数据序列，m为公交车的数量；X(b,n)为手机信息数据序列，b为手机数量，j为采样次数。

所述步骤20具体如下：

数据中心对手机信息数据中的速度信息进行数据滤除预处理，即将与公交速度差值大于一预设速度v的手机速度信息进行数据滤除预处理，得到滤除后的手机信息数据序列：

其中为滤除后的手机信息数据序列，b为手机数量，x_a,j.v为手机数据序列中的速度信息，x_i,j.v为公交数据序列中的速度信息，例如可设设v为10km/h。

选定公交线路上两个相邻站点，从公交车信息数据中得到公交车分别经过两站点的时间，提取出经过两站点之间的时间段内的采样数据，得到两站点间的有效数据集合。

即可设A、B为该公交线路上相邻的两站点，公交车i经过A站的时间为T_A,经过B站的时间为T_B，选取[t_h,t_h+s]时间段，将对应的公交、手机信息数据提取出来：

其中X′(m,n)为两站间的公交信息数据集合，X′(b,n)为两站间的手机信息数据集合，t_h-1<T_A<t_h,t_h+s<T_B<t_h+s+1,n>h>1,n>s>1，其中h为TA时刻后的第一次采样，s为A,B两站间的采样次数，x_i,j.t为公交数据序列中的时间信息，x_a,j.t为手机数据序列中的时间信息。

重点参阅图3，图3为本发明的公交、手机信息数据聚类分析算法流程图，所述步骤30具体如下：

将两站间的公交、手机信息集中的速度信息、位置信息、方向信息的数据规范化，变换使其落在[0.0,1.0]内。例如可设这条公交线路上的公交最高时速为70km/h，将x_i,j.v/70、x_a,j.v/70，使其规范化，映射到[0.0,1.0]内，变换后的速度记为x_i,j.v′、x_a,j.v′；例如可设公交GPS定位偏差为半径10米的圆内范围(即最大可能偏差为直径：20米)，手机定位偏差为半径100的圆内范围（即最大可能偏差为直径：200米），将公交数据中的位置信息x_i,j.l/20，手机数据中的位置信息x_a,j.l/200，使其规范化，映射到[0.0,1.0]内,变换后的位置记为x_a,j.l′、x_i,j.l′；方向信息的数据做如下处理： 使其规范化，将其映射到[0.0,1.0]内,变换后的方向记为其中x_i，j.l为公交数据中的位置信息，x_a，j.l为手机数据中的位置信息；为公交数据中的方向信息，为手机数据中的方向信息。

对[t_h,t_h+s]时间段内的每个时间的公交、手机信息数据子集单独进行聚类分析；且使用改进k-means算法进行聚类分析；

所述改进k-means算法步骤如下：

步骤31、从m+b个公交、手机数据对象中任意选择k个对象作为初始簇中心，其中保证每辆公交都是初始中心对象,其中b>>k>m；

步骤32、根据设定的距离函数进行计算每个簇中对象的均值（中心对象），同时，计算每个对象与这些中心对象的距离；并根据最小距离重新对相应对象进行划分簇，将相应对象分配到最相似的簇；

步骤33、重新计算每个（有变化）簇中的均值（中心对象）；

步骤34、设定收敛约束条件：①每个簇中仅有一辆公交；②直到本次形成的簇与前一次形成的簇相同，即计算结果趋于稳定；若不满足收敛约束条件，则返回步骤32重新计算，直至满足收敛约束条件，则返回计算结果；

所述改进k-means算法中的距离函数设定如下：

距离函数D=D₁+D₂+D₃；

D₁=W₁（d（p.l,q.l））,W₁为位置信息的权重，d（p.l,q.l）为两个数据的位置信息数据之间的欧氏距离，即

W₂为方向信息的权重，为两个数据的方向信息数据之间的方向余弦，即

D₃=W₃（d（p.v,q.v）），W₃为速度信息的权重，d（p.v,q.v）为两个数据的速度信息数据之间的欧氏距离，即

其中p、q为公交、手机信息数据集中的任意两个数据；

将含有公交的簇中的手机编号提取出来，手机编号的数量即为手机的数量，最后形成手机数量集合记为S_i.t_z，即S_i.t_z为编号为i的公交车在t_z时刻采样的手机数量集合，即初步采集的公交上乘客手机数量集合，其中t_z为采样时间，且

重点参阅图4，所述图4为公交载客手机数量采集的算法流程图，所述步骤40具体如下：

从得到的手机数量集合S_i.t_z中，提取出相同编号i、不同采样时间t_z的所有手机数目，将这些手机数目数据分别存入各自对应的集合H_i中；

选定一个集合H_i，将H_i中最大的和最小的数据去掉，然后将数据按从小到大的顺序排列，形成一个数列{h_f}，其中数据的个数为f个；

得到数列{h_f}的中位数h_r，取数列{h_f}中包含中位数h_r的集中区域的数据，然后一起求均值，即得到采集的公交载客量。例如可取f中间的三分之一部分：令然后取得h_r左边第e个数据到h_r右边第e个数据中的所有数据（包括两端），得到子数列{h_f′}，然后对这个2e+1个数据求均值，即均值可得到采集的手机数目即为采集的公交（编号为i）的载客量。

本发明利用公交GPS定位、手机定位量在整条公交线路上定期采集信息，并通过移动蜂窝通信等技术传送到数据中心，数据中心通过对公交、手机信息的聚类分析，得到初步采集的公交上乘客的手机数量，从而实现公交载客量采集数据的动态更新。本发明为交通信息服务系统中的公交系统提供动态的、实时的公交载客量采集数据，不仅信息获取渠道成本低，而且信息更新及时可靠，对于交通信息服务系统有着重要意义。

虽然以上描述了本发明的具体实施方式，但是熟悉本技术领域的技术人员应当理解，我们所描述的具体的实施例只是说明性的，而不是用于对本发明的范围的限定，熟悉本领域的技术人员在依照本发明的精神所作的等效的修饰以及变化，都应当涵盖在本发明的权利要求所保护的范围内。

Claims (5)

1.一种基于定位信息的公交载客量采集方法，其特征在于：该方法包括如下步骤：

步骤10、利用公交GPS定位和手机定位，在整条公交线路上定期采集车辆的编号、位置、速度、方向和时间信息，以及手机的编号、位置、速度、方向和时间信息，并将采集得到的数据传送到数据中心；

步骤20、数据中心对所述数据中与公交速度差值大于一预设速度v的手机速度信息进行数据滤除预处理，得到滤除后的手机信息数据集合，然后根据公交到站时间提取出两站间的公交、手机信息数据，抽取出两站间公交、手机信息数据集合；

步骤30、数据中心在两站间公交、手机信息数据集合中，先将各信息数据规范化，然后将各个时间的公交、手机信息数据子集进行聚类分析，得到初步采集的公交上乘客的手机数量集合；

步骤40、数据中心对初步采集的公交上乘客的手机数量集合进行数据筛选，将同一辆公交车不同时间聚类得到的手机数目进行排列，剔除最大、最小数目，然后对剩下的进行处理，得到最终采集的公交上乘客的手机数量，即采集的公交载客量；

所述步骤30具体如下：

将两站间的公交、手机信息集中的速度信息、位置信息、方向信息的数据规范化，变换使其落在[0.0,1.0]内，变换后的速度记为x_i,j.v'、x_a,j.v'；变换后的位置记为x_a,j.l'、x_i,j.l'；变换后的方向记为其中x_i,j.l为公交数据中的位置信息，x_a,j.l为手机数据中的位置信息；为公交数据中的方向信息，为手机数据中的方向信息；

对[t_h,t_h+s]时间段内的每个时间的公交、手机信息数据子集单独进行聚类分析，且使用改进k-means算法进行聚类分析；

所述改进k-means算法步骤如下：

步骤31、从m+b个公交、手机数据对象中任意选择k个对象作为初始簇中心，其中保证每辆公交都是初始中心对象,其中b>>k>m；

步骤32、根据设定的距离函数进行计算每个簇中对象的均值，同时，计算每个对象与这些中心对象的距离；并根据最小距离重新对相应对象进行划分簇，将相应对象分配到最相似的簇；

步骤33、重新计算每个簇中的均值；

步骤34、设定收敛约束条件：①每个簇中仅有一辆公交；②直到本次形成的簇与前一次形成的簇相同，即计算结果趋于稳定；若不满足收敛约束条件，则返回步骤32重新计算，直至满足收敛约束条件，则返回计算结果；

所述改进k-means算法中的距离函数设定如下：

距离函数D＝D₁+D₂+D₃；

D₁＝W₁(d(p.l,q.l)),W₁为位置信息的权重，d(p.l,q.l)为两个数据的位置信息数据之间的欧氏距离，即

$D_2=W_2\left(d(p.\stackrel{\&RightArrow;}{c},q.\stackrel{\&RightArrow;}{c})\right),$ W₂为方向信息的权重，为两个数据的方向信息数据之间的方向余弦，即

D₃＝W₃(d(p.v,q.v))，W₃为速度信息的权重，d(p.v,q.v)为两个数据的速度信息数据之间的欧氏距离，即

其中p、q为公交、手机信息数据集中的任意两个数据；

将含有公交的簇中的手机编号提取出来，手机编号的数量即为手机的数量，最后形成手机数量集合记为S_i.t_z，即S_i.t_z为编号为i的公交车在t_z时刻采样的手机数量集合，即初步采集的公交上乘客手机数量集合，其中t_z为采样时间，且t_z∈[t_h,t_h+s]∧x_a,j.t∈X'(b,n)。

2.根据权利要求1所述的一种基于定位信息的公交载客量采集方法，其特征在于：所述步骤10具体为：

选定一条公交线路，在这条线路的经纬度范围内利用公交GPS定位、手机定位以周期τ定期采集车辆编号i、位置l、速度v、方向和时间t信息，手机编号a、位置l、速度v、方向和时间t信息，得到数据信息集合并将采集得到的数据通过移动蜂窝通信技术传送到数据中心；其中x_i为公交信息数据集合，x_a为手机信息数据集合。

3.根据权利要求2所述的一种基于定位信息的公交载客量采集方法，其特征在于：所述公交车在给定的且用于分段采样的滑动时间窗T₁内，且T₁大于以当前速度行驶完整条公交线路的总时长，其采样数据集合为m辆公交的n阶序列和b个手机的n阶序列：

X(m,n)＝{x_i,j|i∈[1,m],j∈[1,n]}

X(b,n)＝{x_a,j|a∈[1,b],j∈[1,n]}

其中，X(m,n)为公交信息数据序列，m为公交车的数量；X(b,n)为手机信息数据序列，b为手机数量，j为采样次数。

4.如权利要求3所述的一种基于定位信息的公交载客量采集方法，其特征在于：所述步骤20具体如下：

数据中心对手机信息数据中的速度信息进行数据滤除预处理，即将与公交速度差值大于一预设速度v的手机速度信息进行数据滤除预处理，得到滤除后的手机信息数据序列：

其中为滤除后的手机信息数据序列，b为手机数量，x_a,j.v为手机数据序列中的速度信息，x_i,j.v为公交数据序列中的速度信息；

然后根据公交到站时间提取出两站间的公交、手机信息数据，抽取出两站间公交、手机信息数据集合：

X'(m,n)＝{x_i,j|x_i,j∈X(m,n)∧x_i,j.t∈[t_h,t_h+s]}；

其中X'(m,n)为两站间的公交信息数据集合，X'(b,n)为两站间的手机信息数据集合，A、B为该公交线路上相邻的两站点，公交i经过A站的时间为T_A,经过B站的时间为T_B，t_h-1<T_A<t_h,t_h+s<T_B<t_h+s+1,n>h>1,n>s>1，其中h为T_A时刻后的第一次采样，s为A,B两站间的采样次数，x_i,j.t为公交数据序列中的时间信息，x_a,j.t为手机数据序列中的时间信息。

5.如权利要求1所述的一种基于定位信息的公交载客量采集方法，其特征在于：所述步骤40具体如下：

从得到的手机数量集合S_i.t_z中，提取出相同编号i、不同采样时间t_z的所有手机数目，将这些手机数目数据分别存入各自对应的集合H_i中；

选定一个集合H_i，将H_i中最大的和最小的数据去掉，然后将数据按从小到大的顺序排列，形成一个数列{h_f}，其中数据的个数为f个；

得到数列{h_f}的中位数h_r，取数列{h_f}中包含中位数h_r的集中区域的数据，然后一起求均值，即得到采集的公交载客量。