CN104809344B - 一种基于ic卡数据的公交站点区间客流估计方法 - Google Patents
一种基于ic卡数据的公交站点区间客流估计方法 Download PDFInfo
- Publication number
- CN104809344B CN104809344B CN201510198468.0A CN201510198468A CN104809344B CN 104809344 B CN104809344 B CN 104809344B CN 201510198468 A CN201510198468 A CN 201510198468A CN 104809344 B CN104809344 B CN 104809344B
- Authority
- CN
- China
- Prior art keywords
- website
- bus
- passenger
- getting
- stop
- 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.)
- Active
Links
Abstract
本发明涉及一种基于IC卡数据的公交站点区间客流估计方法,该方法根据IC卡数据和公交GPS报站数据确定乘客的乘车路线和上车站点,再对乘客的下车站点进行推断,获得乘客出行的完整OD信息,根据完整OD信息对OD量进行计算,并对下车站点缺失的客流量使用站点吸引权重进行重新分配,使用重新分配的客流量对完整OD信息的OD量进行修正,通过修正的OD量计算站点上下车人数和站点区间载客量。较之于现有技术,本发明提供的客流估计方法基于纯数据驱动,算法的适用性广,准确度高,能够直观掌握公交客流及运营服务情况。
Description
技术领域
本发明涉及智能化公共交通领域,更具体地,涉及一种基于IC卡数据的公交站点区间客流估计方法。
背景技术
公交客流信息是城市公共交通规划和运营决策的依据。及时、准确、全面地掌握居民公交出行客流信息,是科学合理进行公交规划管理决策的前提和保障。公交乘客是公共交通客流组成的基本要素,而公交IC卡数据库记录了每一个公交乘客每一次刷卡的相关信息,因此对这些信息进行挖掘用以反映公交客流情况的技术方案是可行的。
如何针对现有的IC卡数据记录方式的缺陷提出解决方法,实现公交出行上下车站点推断,从而高效获取公交出行信息,同时结合智能化公交调度信息,对公交车辆在运行过程中的区间客流情况及载客量进行估计,从而为公交运营服务水平评价提供数据支撑,是本发明研究的重点和目的所在。
现在的国内外研究和技术现状主要如下:
第一,出行信息获取方面。国内外学者对上下车站点推断算法做了大量研究。较早的研究中有学者利用聚类分析原理对刷卡时间进行分类匹配来推断乘客上车站点,这种方法存在准确度不高,对于上车人数较少的站点难以推断的缺陷。目前大多数研究主要采用结合公交GPS报站数据进行时间匹配的方式来推断上车站点。而对于下车站点的推断,一些学者采用基于站点吸引权的方法对公交下车站点进行判断,该方法计算模型约束少,易于实现,但是在实际应用的时候无法准确掌握单个乘客的出行信息。另外,一些学者通过分析居民公交出行特征和通勤规律,建立了两站点模式对下车站点进行推算。也有学者基于公交出行链闭合的假设,提出基于后次上车信息的下车站点推断方法。然而以上研究多为理论研究,都存在一定的局限性,并且对于多式联运的公交系统缺乏适用性。
第二,公交客流估计方面。国内外学者对公交客流估计方面的研究主要通过获取的公交OD矩阵。同时,一些学者在对乘客下车概率分布进行研究的基础上, 应用概率论推算公交OD,另外,有学者基于BP神经网络建立了公交OD反推模型,或者建立双层数学规划模型来进行公交OD矩阵的估计。公交OD矩阵能反映一定时段内公共交通的客流需求,但是其表现形式并不直观,对于实时运营的公交客流情况不能直观反映。
发明内容
本发明以公交IC卡数据和公交GPS报站数据为基础,提出了一种公交站点区间客流估计方法,该方法在确定乘客的上车站点后,再对乘客的下车站点进行推断,获得乘客出行的完整OD信息,然后根据完整OD信息对各站点的上车人数和下车人数进行统计,并计算站点间的客流量。
为实现以上发明目的,采用的技术方案是:
一种基于IC卡数据的公交站点区间客流估计方法,根据IC卡数据和公交GPS报站数据确定乘客的乘车路线和上车站点,再对乘客的下车站点进行推断,获得乘客出行的完整OD信息,然后根据完整OD信息对各站点的上车人数和下车人数进行统计,根据统计的各站点上车人数和下车人数对站点区间的客流量进行求取。
优选地,根据完整OD信息对各站点的上车人数和下车人数进行统计的具体过程如下:
其中Ui表示为在站点i的上车人数,n为线路途径的总站点数,S′ik表示根据完整OD信息统计的站点i到站点k的OD量,S′ki表示根据完整OD信息统计的站点k到站点i的OD量,Di表示为在站点i的下车人数;
根据Ui、Di,即可对站点区间的客流量进行求取:
Li表示为站点i到站点i+1的站点区间客流量,Uk表示为在站点k的上车人数;Dk表示为在站点k的下车人数。
优选地,在进行乘客下车站点推断的时候,由于数据丢失或出行链断裂等原因,会导致一部分推断结果缺少下车信息,因此确定乘客的上车站点为站点i后,对乘客的下车站点进行推断时,若存在着推断不到下车站点的情况,则对站点i上车而下车站点未知的客流量进行统计,再对S′ik、S′ki进行修正,并利用修正的S′ik、S′ki对Ui、Di进行求取,修正的过程具体如下:
以S′ik为例,先求取站点k对站点i的站点吸引权重,其公式可表示为:
其中dik为站点k对站点i的站点吸引权重,为在站点i的上车人数;
在求取获得站点吸引权重之后,通过下式对S′ik进行修正:
Sik=(S′ik+Nidik)/c
其中Sik为修正后的站点i到站点k的OD量,Ni为站点i上车而下车站点未知的客流量,c为通过抽样调查获得的IC卡刷卡出行比例;
对S′ki的修正过程同上,S′ki修正后表示为Ski,利用Sik、Ski对Ui、Di进行求取。
优选地,根据IC卡数据和公交GPS报站数据确定乘客乘车线路和上车站点的过程具体如下:通过IC卡数据确定乘客的乘车路线和上车时间,再通过上车时间与公交GPS报站数据进行匹配确定乘客的上车站点。
优选地,通过基于出行链并考虑BRT系统换乘特点的下车站点推断方法对乘客的下车站点进行推断。
与现有技术相比,本发明的有益效果是:
本发明提供的方法通过获取乘客出行的完整OD信息对OD量进行计算,并对下车站点缺失的客流量使用站点吸引权重进行重新分配,再使用重新分配的客流量对完整OD信息的OD量进行修正,通过修正的OD量计算站点上下车人数和站点区间载客量。较之于现有技术,本发明提供的客流估计方法基于纯数据驱动,算法的适用性广,准确度高,能够直观掌握公交客流及运营服务情况。
附图说明
图1为客流估计方法的流程图。
图2为下车站点推断方法的实施示意图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
以下结合附图和实施例对本发明做进一步的阐述。
实施例1
本发明提供的客流估计方法的流程图如图1所示,该方法首先通过IC卡数据确定乘客的乘车路线和上车时间,再通过上车时间与公交GPS报站数据进行匹配确定乘客的上车站点。
在确定上车站点和上车路线之后,需要进行下车站点的推断。城市居民公交出行行为具有连续性特点,即后次出行的起点一般位于本次出行的终点周边。因此根据紧后的乘车信息(站点、时间、线路等)划定可能的下车范围,结合本次的乘车信息,可以合理推断公交乘客的下车站点。
如图2所示,下车站点推断方法的核心思想就是通过集合运算,找到本次上车站点和后次上车站点之间的最可行线路集,在该线路集的途径站点中,我们认为距离后次上车站点空间距离最近的且两者距离小于居民步行活动范围的站点,是本次出行最可能的下车站点。
而对于同时存在普通公交线路以及BRT线路的城市公交系统,根据车站点类型(普通站点或BRT站点)进行划分,乘客的本次上车站点和后次上车站点共有如表1所示的4种组合:
表1本次上车站点和后次上车站点类型组合
其中,每种上车站点组合均包含无BRT免费换乘和有BRT免费换乘下的下车站点推断。在针对上述不同的本次上车站点和后次上车站点组合分别进行下车站点推断的时候,必须先判别本次乘车行为是否包含BRT免费换乘行为,因为 在BRT通道内换乘是不需要刷卡的。本发明通过一种基于出行链并考虑BRT系统换乘特点的下车站点推断方法对乘客的下车站点进行推断,有关该下车站点推断算法的研究具体参照文献[1]:
[1]Chang Yu.Zhaocheng He.Passenger Flow Estimation based on SmartCard Data in Public Tran sit[C].CICTP 2014Proceedings,658-670.(EI:20143418088374)。
公交出行信息获取结果存储在数据库中,包括刷卡编号、刷卡时间、乘车线路编号、车辆编号、上车时间、上车站点、下车时间、下车站点等信息。
通过对乘客下车站点的推断,可获得乘客出行的完整OD信息(有O有D)。
对完整OD信息进行估计计算,构造出每个线路班次的OD矩阵,OD矩阵代表统计范围内由O站点到D站点的公交出行需求。由于每班公交车都是沿公交线路单向运行,D站点是O站点的下游站点,所以线路OD矩阵形式应为上三角矩阵。对于一条途径n个站点的公交线路而言,其线路OD矩阵可由表2表示,其中,S′ik表示根据完整OD信息统计的站点i到站点k的OD量,S′ki表示根据完整OD信息统计的站点k到站点i的OD量。
表2途径n个站点的公交线路OD矩阵
O\D | 1 | 2 | ... | j | ... | n | 上车 |
1 | S’12 | ... | S’1j | ... | S’1n | U1 | |
2 | ... | S’2j | ... | S’2n | U2 | ||
... | ... | ... | ... | ... | |||
i | ... | S’in | Ui | ||||
... | S’(n-1)n | ... | |||||
n | 0 | ||||||
下车 | 0 | D2 | ... | Dj | ... | Dn |
但是在进行乘客下车站点推断的时候,由于数据丢失或出行链断裂等原因,会导致一部分推断结果缺少下车信息,因此确定乘客的上车站点为站点i后,对乘客的下车站点进行推断时,若存在着推断不到下车站点的情况,则对站点i上车而下车站点未知的客流量进行统计,然后对S′ik、S′ki进行修正,修正的过程具体如下:
以S′ik为例,先求取站点k对站点i的站点吸引权重,其公式可表示为:
其中dik为站点k对站点i的站点吸引权重,为在站点i的上车人数;
在求取获得站点吸引权重之后,通过下式对S′ik进行修正:
Sik=(S′ik+Nidik)/c
其中Sik为修正后的站点i到站点k的OD量,Ni为站点i上车而下车站点未知的客流量,c为通过抽样调查获得的IC卡刷卡出行比例;
对S′ki的修正过程同上,S′ki修正后表示为Ski。
完成上述步骤之后,可对站点的上下车人数进行计算。根据公交运行的单向性,通过累加相应的站点OD量来计算站点的上下车人数。如站点上车人数即为以该站点为O点的一行各OD量之和,而站点下车人数即为以该站点为D点的一列各OD量之和,具体计算可表示为:
其中Ui表示为在站点i的上车人数,Di表示为在站点i的下车人数。
公交车辆的载客量是随着乘客在各个站点的上下车而相应发生变化的,因此可以根据各个站点的上下车人数来计算各个站点区间的载客量,具体计算可表示为:
Li为站点i到站点i+1的站点区间客流量,Uk为在站点k的上车人数;Dk为在站点k的下车人数。
本发明提供的方法通过获取乘客出行的完整OD信息对OD量进行计算,并对下车站点缺失的客流量使用站点吸引权重进行重新分配,再使用重新分配的客流量对完整OD信息的OD量进行修正,通过修正的OD量计算站点上下车人数和站点区间载客量。较之于现有技术,本发明提供的客流估计方法基于纯数据驱动,算法的适用性广,准确度高,能够直观掌握公交客流及运营服务情况。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (3)
1.一种基于IC卡数据的公交站点区间客流估计方法,其特征在于:根据IC卡数据和公交GPS报站数据确定乘客的乘车路线和上车站点,再对乘客的下车站点进行推断,获得乘客出行的完整OD信息,然后根据完整OD信息对各站点的上车人数和下车人数进行统计,根据统计的各站点上车人数和下车人数对站点区间的客流量进行求取;
根据完整OD信息对各站点的上车人数和下车人数进行统计的具体过程如下:
其中Ui表示为在站点i的上车人数,n为线路途径的总站点数,S′ik表示根据完整OD信息统计的站点i到站点k的OD量,S'ki表示根据完整OD信息统计的站点k到站点i的OD量,Di表示为在站点i的下车人数;
根据Ui、Di,即能对站点区间的客流量进行求取:
Li为站点i到站点i+1的站点区间客流量,Uk为在站点k的上车人数;Dk为在站点k的下车人数;
确定乘客的上车站点为站点i后,在对乘客的下车站点进行推断时,若存在着推断不到下车站点的情况,则对站点i上车而下车站点未知的客流量进行统计,再对S′ik、S'ki进行修正,并利用修正的S′ik、S'ki对Ui、Di进行求取,修正的过程具体如下:
以S′ik为例,先求取站点k对站点i的站点吸引权重,其公式可表示为:
其中dik为站点k对站点i的站点吸引权重,为在站点i的上车人数;
在求取获得站点吸引权重之后,通过下式对Si'k进行修正:
Sik=(S′ik+Nidik)/c
其中Sik为修正后的站点i到站点k的OD量,Ni为站点i上车而下车站点未知的客流量,c为通过抽样调查获得的IC卡刷卡出行比例;
对S'ki的修正过程同上,S'ki修正后表示为Ski,利用Sik、Ski对Ui、Di进行求取。
2.根据权利要求1所述的基于IC卡数据的公交站点区间客流估计方法,其特征在于:根据IC卡数据和公交GPS报站数据确定乘客乘车线路和上车站点的过程具体如下:通过IC卡数据确定乘客的乘车路线和上车时间,再通过上车时间与公交GPS报站数据进行匹配确定乘客的上车站点。
3.根据权利要求1所述的基于IC卡数据的公交站点区间客流估计方法,其特征在于:通过基于出行链并考虑BRT系统换乘特点的下车站点推断方法对乘客的下车站点进行推断。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510198468.0A CN104809344B (zh) | 2015-04-23 | 2015-04-23 | 一种基于ic卡数据的公交站点区间客流估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510198468.0A CN104809344B (zh) | 2015-04-23 | 2015-04-23 | 一种基于ic卡数据的公交站点区间客流估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104809344A CN104809344A (zh) | 2015-07-29 |
CN104809344B true CN104809344B (zh) | 2017-11-07 |
Family
ID=53694160
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510198468.0A Active CN104809344B (zh) | 2015-04-23 | 2015-04-23 | 一种基于ic卡数据的公交站点区间客流估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104809344B (zh) |
Families Citing this family (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105320997A (zh) * | 2015-09-22 | 2016-02-10 | 上海川昱信息科技有限公司 | 一种基于大数据的公交客流轨迹实时跟踪方法 |
CN105261206A (zh) * | 2015-09-29 | 2016-01-20 | 无锡高联信息技术有限公司 | 一种公共交通服务系统和计算公共交通路径的方法 |
CN105654721B (zh) * | 2016-01-21 | 2018-01-30 | 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 |
CN105702035B (zh) * | 2016-03-23 | 2018-02-09 | 武汉大学 | 一种利用历史公交数据评估乘车难易程度的方法 |
CN105788260B (zh) * | 2016-04-13 | 2018-10-30 | 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 |
CN106570182B (zh) * | 2016-11-12 | 2021-07-02 | 浩鲸云计算科技股份有限公司 | 公交车辆下车站点识别方法与系统 |
CN108133592A (zh) * | 2018-01-27 | 2018-06-08 | 内蒙古大学 | 一种基于站点采集设备的公交od调查系统 |
CN108242149B (zh) * | 2018-03-16 | 2020-06-30 | 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 |
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 |
CN109410568B (zh) * | 2018-09-18 | 2022-04-22 | 广东中标数据科技股份有限公司 | 基于用户画像和换乘规律的下车站点推测方法及系统 |
CN109583633B (zh) * | 2018-11-16 | 2023-12-19 | 浩鲸云计算科技股份有限公司 | 一种公交与公交换乘出行的线路班次调整的方法 |
CN109448399B (zh) * | 2018-11-16 | 2022-09-27 | 浩鲸云计算科技股份有限公司 | 一种公交路段重复系数的客流数的计算方法 |
CN109524116A (zh) * | 2018-11-30 | 2019-03-26 | 深圳大学 | 公汽出行个体可吸入细颗粒物暴露风险评估方法 |
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 |
CN110929982B (zh) * | 2019-10-15 | 2023-11-24 | 江苏纬信工程咨询有限公司 | 基于融合数据的公交线网客流检测方法与系统 |
CN111123298B (zh) * | 2019-12-09 | 2022-05-10 | 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 |
CN111639973B (zh) * | 2020-06-02 | 2023-01-17 | 广州交信投科技股份有限公司 | 基于多元融合大数据的公交客流od推导方法及装置 |
CN113159416B (zh) * | 2021-04-19 | 2022-04-15 | 深圳大学 | 一种公交单次刷卡下车站点的推算方法及智能终端 |
CN113657725A (zh) * | 2021-07-29 | 2021-11-16 | 华南理工大学 | 一种公交线路和调度优化方法、系统、装置及介质 |
CN114333120A (zh) * | 2022-03-14 | 2022-04-12 | 南京理工大学 | 一种公交客流检测方法及系统 |
CN115879999B (zh) * | 2023-02-06 | 2023-05-26 | 成都智元汇信息技术股份有限公司 | 一种公共交通乘车优惠的动态指引方法及装置及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101763721A (zh) * | 2009-12-25 | 2010-06-30 | 北京工业大学 | 公交动态信息采集处理及无线传输方法 |
CN102339488A (zh) * | 2011-04-29 | 2012-02-01 | 重庆市科学技术研究院 | 基于双芯rfid技术的公交客流信息采集系统及方法 |
CN103778778A (zh) * | 2013-12-19 | 2014-05-07 | 银江股份有限公司 | 一种快速公交站台服务信息系统及快速公交车到站信息的测算方法 |
-
2015
- 2015-04-23 CN CN201510198468.0A patent/CN104809344B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101763721A (zh) * | 2009-12-25 | 2010-06-30 | 北京工业大学 | 公交动态信息采集处理及无线传输方法 |
CN102339488A (zh) * | 2011-04-29 | 2012-02-01 | 重庆市科学技术研究院 | 基于双芯rfid技术的公交客流信息采集系统及方法 |
CN103778778A (zh) * | 2013-12-19 | 2014-05-07 | 银江股份有限公司 | 一种快速公交站台服务信息系统及快速公交车到站信息的测算方法 |
Non-Patent Citations (2)
Title |
---|
Passenger Flow Estimation based on Smart Card Data in Public transit;Chang YU and Zhao-cheng HE;《CICTP 2014: Safe, Smart, and Sustainable Multimodal》;20141231;1 * |
-基于IC卡信息的公交客流OD推算方法研究;王超;《中国优秀硕士论文全文数据库工程科技Ⅱ辑》;20121015;23-51 * |
Also Published As
Publication number | Publication date |
---|---|
CN104809344A (zh) | 2015-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104809344B (zh) | 一种基于ic卡数据的公交站点区间客流估计方法 | |
Lokhandwala et al. | Dynamic ride sharing using traditional taxis and shared autonomous taxis: A case study of NYC | |
Zhao et al. | Estimation of passenger route choice pattern using smart card data for complex metro systems | |
CN104239726B (zh) | 一种城轨路网突发事件条件下客流估算系统 | |
CN105023437B (zh) | 一种公交od矩阵的构建方法及系统 | |
CN109543934B (zh) | 城市公交线网的综合指标的评价方法 | |
Zhu et al. | Prediction of individual social-demographic role based on travel behavior variability using long-term GPS data | |
Tan et al. | New path size formulation in path size logit for route choice modeling in public transport networks | |
Wang et al. | Assessing customer satisfaction of urban rail transit network in Tianjin based on intuitionistic fuzzy group decision model | |
CN109214577A (zh) | 一种综合运输通道客运分担率预测方法 | |
Song et al. | Subway network expansion and transit equity: A case study of Gwangju metropolitan area, South Korea | |
Liu et al. | Understanding spatial-temporal travel demand of private and shared e-bikes as a feeder mode of metro stations | |
CN113327424A (zh) | 交通需求的预测方法、预测装置及电子设备 | |
Li et al. | Passenger travel behavior in public transport corridor after the operation of urban rail transit: a random forest algorithm approach | |
Kong et al. | The method and application of big data mining for mobile trajectory of taxi based on MapReduce | |
Bhatt et al. | GIS and Gravity Model-Based Accessibility Measure for Delhi Metro | |
Liu et al. | Understanding the route choice behaviour of metro-bikeshare users | |
CN110598971A (zh) | 一种基于蚁群算法的响应式公交服务规划方法 | |
Chen et al. | Customized bus line design model based on multi-source data | |
Nasiboglu et al. | Origin-destination matrix generation using smart card data: Case study for Izmir | |
Li et al. | A two-stage stochastic programming model for car-sharing problem using kernel density estimation | |
Rui | Modeling route choice behaviour in public transport network | |
Yang et al. | A dynamic method to monitor public transport based on smart card and GPS Data | |
Sun et al. | Analysis of public transit transfer influence factors based on mobile terminal | |
Babic et al. | Machine learning tools in the analyze of a bike sharing system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |