CN105023437A - 一种公交od矩阵的构建方法及系统 - Google Patents
一种公交od矩阵的构建方法及系统 Download PDFInfo
- Publication number
- CN105023437A CN105023437A CN201510518716.5A CN201510518716A CN105023437A CN 105023437 A CN105023437 A CN 105023437A CN 201510518716 A CN201510518716 A CN 201510518716A CN 105023437 A CN105023437 A CN 105023437A
- Authority
- CN
- China
- Prior art keywords
- passenger
- getting
- website
- bus
- information
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了公交OD矩阵的构建方法,基于云计算平台,包括从公交数据中筛选出符合预定OD矩阵构建要求的原始公交数据;按照数据处理规则并行地对原始公交数据进行预处理;根据处理后的数据提取每位乘客的上车信息,分析每位乘客的刷卡记录;存在双向刷卡记录,则利用分析乘客出行行为规律估计乘客下车站点方法来获取乘客下车信息,得到乘客上下车信息;不存在双向刷卡记录,则利用预测站点热度估计站点下车人数方法来获取各站点间转移人数;根据乘客上下车信息及各站点间转移人数,及OD矩阵生成规则,构建OD矩阵;该方法能够实现实时对多条线路构建OD矩阵;本发明还公开了公交OD矩阵的构建系统。
Description
技术领域
本发明涉及交通路况技术领域,特别涉及一种公交OD矩阵的构建方法及系统。
背景技术
随着智能公交系统的普及与发展,智能公交系统收费、调度、客流监控等子系统中积累了海量数据,如何利用先进的数据挖掘技术分析这些海量信息,发现其中隐含的公共交通模式及规则,获得高层的、潜在的规律,并评价公交系统,优化公交规划方案和公交调度策略是城市公交运行迫切需求的。
公交客流信息能够很好地反映居民出行的需求及出行行为规律,是评价公交系统、优化公交规划方案和公交调度策略的重要依据。挖掘公交IC卡持卡乘客的出行信息即OD矩阵可以得到最充分全面的公交客流信息,这将会为科学发展城市公交奠定基础。
目前,受单机计算的性能和处理数据规模的影响,大部分已有的公交OD矩阵的构建方法局限于单线路概率模型的统计分析,仅单机分析海量公交数据中的小部分来掘公交客流信息,无法实时地分析挖掘动态公交数据,难以对多条公交线路海量的公交数据进行综合、全面、客观、准确的评估,有着处理时间过长,处理效率较低、实时性及稳定性较差等问题。
因此,如何对多条公交线路海量的公交数据进行综合、全面、客观、准确的评估,是本领域技术人员需要解决的技术问题。
发明内容
本发明的目的是提供一种基于云计算的公交OD矩阵的构建方法,该方法能够降低数据处理成本、提高处理效率,实现实时对多条线路构建OD矩阵。本发明的另一目的是一种公交OD矩阵的构建系统。
为解决上述技术问题,本发明提供一种公交OD矩阵的构建方法,基于云计算平台,包括:
从公交数据中筛选出符合预定OD矩阵构建要求的原始公交数据;
按照数据处理规则并行地对所述原始公交数据进行预处理,得到处理后数据;
根据所述数据提取每位乘客的上车信息,并分析每位乘客是否存在双向刷卡记录;
若存在双向刷卡记录,则利用分析乘客出行行为规律估计乘客下车站点方法来获取乘客下车信息,得到乘客上下车信息;
若不存在双向刷卡记录,则利用预测站点热度估计站点下车人数方法来获取各站点间转移人数;
根据所述乘客上下车信息及所述各站点间转移人数,以及OD矩阵生成规则,构建OD矩阵。
其中,所述利用分析乘客出行行为规律估计乘客下车站点方法来获取乘客下车信息包括:
并行地对每位乘客的所有刷卡记录按照刷卡时间进行排序;
按照分析乘客出行行为规律,得到乘客的下车信息,并记录乘客的上下车信息。
其中,所述利用预测站点热度估计站点下车人数方法来获取站点间转移人数包括:
根据预定的分时段要求,将处理后的数据按照分时段要求分割成预定数量的子数据集,并行地处理每一个所述子数据集中的数据;
统计每一个所述子数据集中各站点的正向上车人数以及有双向刷卡记录的乘客中的反向上车人数;
根据热度计算公式,利用所述正向上车人数及所述反向上车人数,计算得到各站点的热度值;
根据所述各站点热度值及所述正向上车人数,计算得到各站间转移人数。
其中,还包括:
利用所述乘客上下车信息及所述站点间转移人数,得到公交客流信息,并利用可视化规则,输出所述公交客流信息。
其中,还包括:
当所述公交客流信息中的数据超过阈值时,进行提示。
本发明提供一种公交OD矩阵的构建系统,基于云计算平台,包括:
筛选模块,用于从公交数据中筛选出符合预定OD矩阵构建要求的原始公交数据;
预处理模块,用于按照数据处理规则并行地对所述原始公交数据进行预处理,得到处理后数据;
分析模块,用于根据所述数据提取每位乘客的上车信息,并分析每位乘客是否存在双向刷卡记录;
第一计算模块,用于若存在双向刷卡记录,则利用分析乘客出行行为规律估计乘客下车站点方法来获取乘客下车信息,得到乘客上下车信息;
第二计算模块,用于若不存在双向刷卡记录,则利用预测站点热度估计站点下车人数方法来获取各站点间转移人数;
构建模块,用于根据所述乘客上下车信息及所述各站点间转移人数,以及OD矩阵生成规则,构建OD矩阵。
其中,所述第一计算模块具体用于并行地对每位乘客的所有刷卡记录按照刷卡时间进行排序;按照分析乘客出行行为规律,得到乘客的下车信息,并记录乘客的上下车信息。
其中,所述第二计算模块包括:
划分单元,用于根据预定的分时段要求,将处理后的数据按照分时段要求分割成预定数量的子数据集,并行地处理每一个所述子数据集中的数据;
统计单元,用于统计每一个所述子数据集中各站点的正向上车人数以及有双向刷卡记录的乘客中的反向上车人数;
第二计算单元,用于根据热度计算公式,利用所述正向上车人数及所述反向上车人数,计算得到各站点的热度值;
第三计算单元,用于根据所述各站点热度值及所述正向上车人数,计算得到各站间转移人数。
其中,还包括:
可视化模块,用于利用所述乘客上下车信息及所述站点间转移人数,得到公交客流信息,并利用可视化规则,输出所述公交客流信息。
其中,还包括:
提示模块,用于当所述公交客流信息中的数据超过阈值时,进行提示。
本发明所提供的公交OD矩阵的构建方法,基于云计算平台,包括从公交数据中筛选出符合预定OD矩阵构建要求的原始公交数据;按照数据处理规则并行地对原始公交数据进行预处理;根据处理后的数据提取每位乘客的上车信息,分析每位乘客的刷卡记录;存在双向刷卡记录,则利用分析乘客出行行为规律估计乘客下车站点方法来获取乘客下车信息,得到乘客上下车信息;不存在双向刷卡记录,则利用预测站点热度估计站点下车人数方法来获取各站点间转移人数;根据乘客上下车信息及各站点间转移人数,及OD矩阵生成规则,构建OD矩阵。
云计算作为一种先进的数据挖掘技术,具有优异的处理性能,能够实现对大量数据的高速并行读写和计算,因此,本方法基于云计算平台,对公交数据进行并行的快速处理,因此该方法能够实现实时对多条线路构建OD矩阵;通过对公交数据乘客刷卡信息利用分析乘客出行行为规律估计乘客下车站点方法以及预测站点热度估计站点下车人数方法可以快速、准确得到多条线路的乘客的公交数据流,利用该公交数据流以及OD矩阵构建规则,能够完成公交OD矩阵的构建。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的公交OD矩阵的构建方法的流程图;
图2为本发明实施例提供的预测站点热度估计站点下车人数方法的流程图;
图3为本发明实施例提供的公交OD矩阵的构建系统的结构框图。
具体实施方式
本发明的核心是提供一种基于云计算的公交OD矩阵的构建方法,该方法能够降低数据处理成本、提高处理效率,实现实时对多条线路构建OD矩阵。本发明的另一核心是一种公交OD矩阵的构建系统。
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
要想获得贴近实际的公交客流信息,构建较为精确的公交OD矩阵,就必须实时地对海量公交数据进行分析挖掘,这需要依靠强大的计算能力才可以实现。云计算技术作为一种先进的数据挖掘技术,有着优异的处理性能,可以实现对大量数据的高速并行读写和计算。将云计算技术运用到公交OD矩阵的构建中,可以快速、全面、深入地分析海量公交数据,实时地挖掘动态公交客流信息,实现对多条线路的快速OD矩阵构建,达到降低数据处理成本,提高数据处理效率,增强实时性和稳定性的目的。
请参考图1,图1为本发明实施例提供的公交OD矩阵的构建方法的流程图;该方法基于云计算平台,可以包括:
步骤s100、从公交数据中筛选出符合预定OD矩阵构建要求的原始公交数据;
其中,从海量的公交数据中筛选符合OD矩阵构建要求的原始公交数据,其中预定要求可以是OD矩阵的构建时间、线路、方向、车次等要求。具体的要求要根据用户的实际需求进行设定,例如用户是想要对几条公交线路进行处理等,因此这里的构建要求随着实际情况的不同,会有不同的数据。
步骤s110、按照数据处理规则并行地对所述原始公交数据进行预处理,得到处理后数据;
其中,这里的预处理可以是利用云计算平台,按照数据处理规则与约束并行地对原始公交数据进行错误、冗余、不完整等噪音数据删除,匹配关联字段链接各数据表等预处理操作。得到符合要求的数据。
步骤s120、根据所述数据提取每位乘客的上车信息,并分析每位乘客是否存在双向刷卡记录;
其中,从处理后的数据中可以提取到每位乘客的上车信息,但是不能够获取乘客的下车信息。需要通过将乘客进行分类分析,以便挖掘乘客的下车信息,获得公交客流数据。
例如,对预处理后的公交数据以每位IC持卡乘客为单位进行分类。对分类好后的每一位IC卡持卡乘客并行地进行处理,以便得到该乘客是否具有双向刷卡记录。处理过程可以如下:
首先直观的判断乘客是否具有双向刷卡记录,若有则归为具有双向刷卡记录的类别内,进行后续处理。
若不存在双向刷卡记录,则可以进一步扩大时间范围,找寻和要求时间范围内的公交数据相匹配的双向刷卡记录。若找到其双向刷卡记录则也将其归为具有双向刷卡记录的类别内,进行后续处理。
将剩余的仍无法挖掘出乘客双向刷卡记录的,那么将此类乘客的公交数据进行标记和另存储即归为不具有双向刷卡记录的类别内,进行后续处理。
步骤s130、若存在双向刷卡记录,则利用分析乘客出行行为规律估计乘客下车站点方法来获取乘客下车信息,得到乘客上下车信息;
其中,优选的,并行地对每位乘客的所有刷卡记录按照刷卡时间进行排序;
按照分析乘客出行行为规律,得到乘客的下车信息,并记录乘客的上下车信息。
具体过程如下:利用云计算平台,可以并行地分析处理每一位IC卡持卡乘客的公交数据,
步骤1、对每一位乘客所有刷卡记录按照刷卡时间先后进行排序。
步骤2、根据乘客通常会从出发站出发到目的站下车,一段时间后又会从目的站点上车回到出发站这一规律来分析该乘客的出现行为规律。对双向刷卡记录中记录时间较早的一次乘车行为,将双向刷卡记录中时间早的记录的站点信息视上车信息,较晚记录的站点信息视作下车信息;对双向刷卡记录中刷卡时间较晚的一次乘车行为,处理则正好相反。举例说明,若XXX路公交在要求时间范围内存在双向刷卡记录,分别是A站和B街刷卡记录。A站上车刷卡记录时间较早,那么此次乘车行为的出发站是A站,估计下车站点为B站。对于B站上车的这一乘车行为的出发站位B站,估计下车站点为A站。利用上述处理过程找出乘客出行行为规律,估计乘客每次出行的下车站点,补全乘客每次出行的下车信息。即得到乘客上下车信息。
步骤s140、若不存在双向刷卡记录,则利用预测站点热度估计站点下车人数方法来获取各站点间转移人数;
其中,预测站点热度估计站点下车人数方法是就刷卡记录较少或者不存在某条线路双向刷卡记录的这类无法追踪分析出行规律的乘客进行处理,提出了一种分时段反向追踪站点的热度估计方法。该方法利用站点间正反双向刷卡记录相关度较大这一特点,在具体计算时,通过计算各时段反向上车人数占总人数的比例来反映正向的各站点的下车人数比例。因此需要利用云计算平台追踪分析全部用户的刷卡记录,之后,将全部数据集中的数据按照分时段要求分割成多个数据集,并行地统计分析每个子数据集中某线路所有乘客的乘车数据,以追踪反向乘客行为数据为依据实现对公交乘客下车站点热度的估计。
其中,站点热度值是通过计算某时段所有双向乘车记录的乘客中反向上车人数占总乘客人数的比例得到的。具体推导公式如式1:
其中:Ta为a站点热度值,k为一个为避免热度值为零而设置的较小值。Ba表示该时段所有双向乘车记录的乘客中的反向上车人数,Ai表示i站正向上车人数。
联立式1与某时段内各站点正向上车人数可以求得各站点间乘客转移人数Xij,如式2所示:
Xij=Tj*Ai (2)
其中,Xij为各站点间转移人数,Ai表示i站正向上车人数,Tj为j站点热度值。
具体各站点间转移人数的计算流程如下:请参考图2,图2为本发明实施例提供的预测站点热度估计站点下车人数方法的流程图;该方法可以包括:
步骤s200、根据预定的分时段要求,将处理后的数据按照分时段要求分割成预定数量的子数据集,并行地处理每一个所述子数据集中的数据。
步骤s210、统计每一个所述子数据集中各站点的正向上车人数以及有双向刷卡记录的乘客中的反向上车人数;
步骤s220、根据热度计算公式,利用所述正向上车人数及所述反向上车人数,计算得到各站点的热度值;
步骤s230、根据所述各站点热度值及所述正向上车人数,计算得到各站间转移人数。
其中,经过上述处理过程可以挖掘出公交客流信息。将生成的客流信息存入数据库对应的数据表中,方便今后使用。
步骤s150、根据所述乘客上下车信息及所述各站点间转移人数,以及OD矩阵生成规则,构建OD矩阵。
其中,综合上述方法获得的乘客上下车信息和各站点下车人数信息,计算出某线路所有从i站上车到j站下车的人数Xij(i<j,i=1,2.......m,m为该线路的站点总数)的完整数据。根据所有的Xij量和OD矩阵生成规则,构建OD矩阵。
具体过程可以是:将通过分析乘客出行行为规律估计乘客下车站点模块获得每次出行行为下车信息累加到通过预测站点热度估计站点下车人数模块处理后获得的Xij上,获得OD矩阵构建要求范围内完整的各站间转移人数Xij。
基于上述技术方案,本发明实施例提供的公交OD矩阵的构建方法,该方法可以快速、全面、深入地分析海量公交数据,实时地挖掘动态公交客流信息,实现对多条线路的快速OD矩阵构建,达到降低数据处理成本,提高数据处理效率,增强实时性和稳定性的目的。
优选的,基于上述技术方案,本方法还可以包括:利用所述乘客上下车信息及所述站点间转移人数,得到公交客流信息,并利用可视化规则,输出所述公交客流信息。
便于技术人员进行查看和使用。提高用户体验。
优选的,基于上述技术方案,该方法还可以包括:
当所述公交客流信息中的数据超过阈值时,进行提示。
其中,当某一条线路由于工厂的迁入迁出,或者一些居民区的建设和迁移。会造成某一地区数据变化巨大,这时就需要进行提示,使得公交调度人员进行合理的安排公交资源,优化调度。
基于上述技术方案,本发明实施例提供的公交OD矩阵的构建方法,该方法有效地利用了云计算的高效性能,可以实时地挖掘动态公交客流信息,实现对多条线路的快速OD矩阵的构建,达到降低数据处理成本、提高处理效率、实时性和稳定性。可以帮助公交评价与优化调度。
本发明实施例提供了公交OD矩阵的构建方法,可以通过上述方法能够实现实时对多条线路构建OD矩阵。
下面对本发明实施例提供的公交OD矩阵的构建系统进行介绍,下文描述的公交OD矩阵的构建系统与上文描述的公交OD矩阵的构建方法可相互对应参照。
请参考图3,图3为本发明实施例提供的公交OD矩阵的构建系统的结构框图;基于云计算平台,该系统可以包括:
筛选模块100,用于从公交数据中筛选出符合预定OD矩阵构建要求的原始公交数据;
预处理模块200,用于按照数据处理规则并行地对所述原始公交数据进行预处理,得到处理后数据;
分析模块300,用于根据所述数据提取每位乘客的上车信息,并分析每位乘客是否存在双向刷卡记录;
第一计算模块400,用于若存在双向刷卡记录,则利用分析乘客出行行为规律估计乘客下车站点方法来获取乘客下车信息,得到乘客上下车信息;
其中,第一计算模块需要分析乘客出行行为规律估计乘客下车站点。就刷卡记录较多,存在某条线路双向刷卡记录的乘客进行处理。依据大部分乘客出行存在双向乘车行为,且一次乘车出行一段时间后会按原路线从目的地返回出发地这点规律,利用云计算平台高效的运算性能,并行地追踪分析每位公交车乘客的所有公交刷卡记录,挖掘出每个乘客的出行规律来估计其每次上车后的下车站点。
第二计算模块500,用于若不存在双向刷卡记录,则利用预测站点热度估计站点下车人数方法来获取各站点间转移人数;
构建模块600,用于根据所述乘客上下车信息及所述各站点间转移人数,以及OD矩阵生成规则,构建OD矩阵。
优选的,所述第一计算模块400具体用于并行地对每位乘客的所有刷卡记录按照刷卡时间进行排序;按照分析乘客出行行为规律,得到乘客的下车信息,并记录乘客的上下车信息。
优选的,所述第二计算模块500包括:
划分单元,用于根据预定的分时段要求,将处理后的数据按照分时段要求分割成预定数量的子数据集,并行地处理每一个所述子数据集中的数据。
统计单元,用于统计每一个所述子数据集中各站点的正向上车人数以及有双向刷卡记录的乘客中的反向上车人数;
第二计算单元,用于根据热度计算公式,利用所述正向上车人数及所述反向上车人数,计算得到各站点的热度值;
第三计算单元,用于根据所述各站点热度值及所述正向上车人数,计算得到各站间转移人数。
优选的,基于上述技术方案,本系统还可以包括:
可视化模块,用于利用所述乘客上下车信息及所述站点间转移人数,得到公交客流信息,并利用可视化规则,输出所述公交客流信息。
优选的,基于上述技术方案,本系统还可以包括:
提示模块,用于当所述公交客流信息中的数据超过阈值时,进行提示。
说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本发明所提供的公交OD矩阵的构建方法及系统进行了详细介绍。本文中应用了具体个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。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (10)
1.一种公交OD矩阵的构建方法,其特征在于,基于云计算平台,包括:
从公交数据中筛选出符合预定OD矩阵构建要求的原始公交数据;
按照数据处理规则并行地对所述原始公交数据进行预处理,得到处理后数据;
根据所述数据提取每位乘客的上车信息,并分析每位乘客是否存在双向刷卡记录;
若存在双向刷卡记录,则利用分析乘客出行行为规律估计乘客下车站点方法来获取乘客下车信息,得到乘客上下车信息;
若不存在双向刷卡记录,则利用预测站点热度估计站点下车人数方法来获取各站点间转移人数;
根据所述乘客上下车信息及所述各站点间转移人数,以及OD矩阵生成规则,构建OD矩阵。
2.如权利要求1所述的构建方法,其特征在于,所述利用分析乘客出行行为规律估计乘客下车站点方法来获取乘客下车信息包括:
并行地对每位乘客的所有刷卡记录按照刷卡时间进行排序;
按照分析乘客出行行为规律,得到乘客的下车信息,并记录乘客的上下车信息。
3.如权利要求2所述的构建方法,其特征在于,所述利用预测站点热度估计站点下车人数方法来获取站点间转移人数包括:
根据预定的分时段要求,将处理后的数据按照分时段要求分割成预定数量的子数据集,并行地处理每一个所述子数据集中的数据;
统计每一个所述子数据集中各站点的正向上车人数以及有双向刷卡记录的乘客中的反向上车人数;
根据热度计算公式,利用所述正向上车人数及所述反向上车人数,计算得到各站点的热度值;
根据所述各站点热度值及所述正向上车人数,计算得到各站间转移人数。
4.如权利要求1至3任一项所述的构建方法,其特征在于,还包括:
利用所述乘客上下车信息及所述站点间转移人数,得到公交客流信息,并利用可视化规则,输出所述公交客流信息。
5.如权利要求4所述的构建方法,其特征在于,还包括:
当所述公交客流信息中的数据超过阈值时,进行提示。
6.一种公交OD矩阵的构建系统,其特征在于,基于云计算平台,包括:
筛选模块,用于从公交数据中筛选出符合预定OD矩阵构建要求的原始公交数据;
预处理模块,用于按照数据处理规则并行地对所述原始公交数据进行预处理,得到处理后数据;
分析模块,用于根据所述数据提取每位乘客的上车信息,并分析每位乘客是否存在双向刷卡记录;
第一计算模块,用于若存在双向刷卡记录,则利用分析乘客出行行为规律估计乘客下车站点方法来获取乘客下车信息,得到乘客上下车信息;
第二计算模块,用于若不存在双向刷卡记录,则利用预测站点热度估计站点下车人数方法来获取各站点间转移人数;
构建模块,用于根据所述乘客上下车信息及所述各站点间转移人数,以及OD矩阵生成规则,构建OD矩阵。
7.如权利要求6所述的构建系统,其特征在于,所述第一计算模块具体用于并行地对每位乘客的所有刷卡记录按照刷卡时间进行排序;按照分析乘客出行行为规律,得到乘客的下车信息,并记录乘客的上下车信息。
8.如权利要求7所述的构建系统,其特征在于,所述第二计算模块包括:
划分单元,用于根据预定的分时段要求,将处理后的数据按照分时段要求分割成预定数量的子数据集,并行地处理每一个所述子数据集中的数据;
统计单元,用于统计每一个所述子数据集中各站点的正向上车人数以及有双向刷卡记录的乘客中的反向上车人数;
第二计算单元,用于根据热度计算公式,利用所述正向上车人数及所述反向上车人数,计算得到各站点的热度值;
第三计算单元,用于根据所述各站点热度值及所述正向上车人数,计算得到各站间转移人数。
9.如权利要求6至8任一项所述的构建系统,其特征在于,还包括:
可视化模块,用于利用所述乘客上下车信息及所述站点间转移人数,得到公交客流信息,并利用可视化规则,输出所述公交客流信息。
10.如权利要求9所述的构建系统,其特征在于,还包括:
提示模块,用于当所述公交客流信息中的数据超过阈值时,进行提示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510518716.5A CN105023437B (zh) | 2015-08-21 | 2015-08-21 | 一种公交od矩阵的构建方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510518716.5A CN105023437B (zh) | 2015-08-21 | 2015-08-21 | 一种公交od矩阵的构建方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105023437A true CN105023437A (zh) | 2015-11-04 |
CN105023437B CN105023437B (zh) | 2018-01-02 |
Family
ID=54413370
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510518716.5A Active CN105023437B (zh) | 2015-08-21 | 2015-08-21 | 一种公交od矩阵的构建方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105023437B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105321341A (zh) * | 2015-12-03 | 2016-02-10 | 北京航空航天大学 | 一种基于城市移动模式的资源供应方法 |
CN106777703A (zh) * | 2016-12-19 | 2017-05-31 | 杭州讯阳科技有限公司 | 一种公交乘客实时分析系统及其构建方法 |
CN106844624A (zh) * | 2017-01-20 | 2017-06-13 | 亚信蓝涛(江苏)数据科技有限公司 | 一种可视化的公交大数据分析系统 |
CN107545730A (zh) * | 2017-09-08 | 2018-01-05 | 哈尔滨工业大学 | 一种基于公交ic卡数据的站点上下车乘客数估计方法 |
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 |
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 |
CN109166337A (zh) * | 2018-09-04 | 2019-01-08 | 深圳市东部公共交通有限公司 | 公交到站时间生成方法、装置及公交乘客出行od获取方法 |
CN109410568A (zh) * | 2018-09-18 | 2019-03-01 | 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 |
CN109615187A (zh) * | 2018-11-20 | 2019-04-12 | 阿里巴巴集团控股有限公司 | 一种od矩阵的评估方法、公交负载模拟方法及装置 |
CN110177339A (zh) * | 2019-04-01 | 2019-08-27 | 阿里巴巴集团控股有限公司 | 一种od矩阵构建方法及装置 |
CN110580537A (zh) * | 2018-06-08 | 2019-12-17 | 阿里巴巴集团控股有限公司 | 公交承载力分析方法及公交配置优化方法 |
CN111401663A (zh) * | 2020-04-12 | 2020-07-10 | 广州通达汽车电气股份有限公司 | 一种实时进行公交时空od矩阵更新的方法及装置 |
CN112434843A (zh) * | 2020-11-10 | 2021-03-02 | 华侨大学 | 一种新建轨道开通前沿线公交乘客转移预测方法及系统 |
CN113658433A (zh) * | 2021-08-18 | 2021-11-16 | 苏州工业园区测绘地理信息有限公司 | 一种基于公交刷卡扫码数据提取客流特征的方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006240377A (ja) * | 2005-03-01 | 2006-09-14 | Kayaba Ind Co Ltd | ミキサ車およびミキサ車監視システム |
CN102013163A (zh) * | 2010-11-25 | 2011-04-13 | 广州通易科技有限公司 | 使用手机基站数据与营运车辆gps数据进行公交od调查的方法 |
CN102097002A (zh) * | 2010-11-22 | 2011-06-15 | 东南大学 | 一种基于ic卡数据获取公交站点od的方法及系统 |
CN103730008A (zh) * | 2014-01-15 | 2014-04-16 | 汪涛 | 基于公交gps和ic卡实时数据的公交拥挤度分析方法 |
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
- 2015-08-21 CN CN201510518716.5A patent/CN105023437B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006240377A (ja) * | 2005-03-01 | 2006-09-14 | Kayaba Ind Co Ltd | ミキサ車およびミキサ車監視システム |
CN102097002A (zh) * | 2010-11-22 | 2011-06-15 | 东南大学 | 一种基于ic卡数据获取公交站点od的方法及系统 |
CN102013163A (zh) * | 2010-11-25 | 2011-04-13 | 广州通易科技有限公司 | 使用手机基站数据与营运车辆gps数据进行公交od调查的方法 |
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 |
CN103730008A (zh) * | 2014-01-15 | 2014-04-16 | 汪涛 | 基于公交gps和ic卡实时数据的公交拥挤度分析方法 |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105321341A (zh) * | 2015-12-03 | 2016-02-10 | 北京航空航天大学 | 一种基于城市移动模式的资源供应方法 |
CN106777703A (zh) * | 2016-12-19 | 2017-05-31 | 杭州讯阳科技有限公司 | 一种公交乘客实时分析系统及其构建方法 |
CN106844624A (zh) * | 2017-01-20 | 2017-06-13 | 亚信蓝涛(江苏)数据科技有限公司 | 一种可视化的公交大数据分析系统 |
CN107545730A (zh) * | 2017-09-08 | 2018-01-05 | 哈尔滨工业大学 | 一种基于公交ic卡数据的站点上下车乘客数估计方法 |
CN107545730B (zh) * | 2017-09-08 | 2020-04-07 | 哈尔滨工业大学 | 一种基于公交ic卡数据的站点上下车乘客数估计方法 |
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 |
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 |
CN110580537A (zh) * | 2018-06-08 | 2019-12-17 | 阿里巴巴集团控股有限公司 | 公交承载力分析方法及公交配置优化方法 |
CN110580537B (zh) * | 2018-06-08 | 2023-06-16 | 阿里巴巴集团控股有限公司 | 公交承载力分析方法及公交配置优化方法 |
CN109166337A (zh) * | 2018-09-04 | 2019-01-08 | 深圳市东部公共交通有限公司 | 公交到站时间生成方法、装置及公交乘客出行od获取方法 |
CN109410568A (zh) * | 2018-09-18 | 2019-03-01 | 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 |
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 |
CN109615187A (zh) * | 2018-11-20 | 2019-04-12 | 阿里巴巴集团控股有限公司 | 一种od矩阵的评估方法、公交负载模拟方法及装置 |
CN109615187B (zh) * | 2018-11-20 | 2023-06-02 | 创新先进技术有限公司 | 一种od矩阵的评估方法、公交负载模拟方法及装置 |
CN110177339A (zh) * | 2019-04-01 | 2019-08-27 | 阿里巴巴集团控股有限公司 | 一种od矩阵构建方法及装置 |
CN110177339B (zh) * | 2019-04-01 | 2020-10-02 | 阿里巴巴集团控股有限公司 | 一种od矩阵构建方法及装置 |
CN111401663A (zh) * | 2020-04-12 | 2020-07-10 | 广州通达汽车电气股份有限公司 | 一种实时进行公交时空od矩阵更新的方法及装置 |
CN111401663B (zh) * | 2020-04-12 | 2021-04-27 | 广州通达汽车电气股份有限公司 | 一种实时进行公交时空od矩阵更新的方法及装置 |
CN112434843A (zh) * | 2020-11-10 | 2021-03-02 | 华侨大学 | 一种新建轨道开通前沿线公交乘客转移预测方法及系统 |
CN113658433A (zh) * | 2021-08-18 | 2021-11-16 | 苏州工业园区测绘地理信息有限公司 | 一种基于公交刷卡扫码数据提取客流特征的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105023437B (zh) | 2018-01-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105023437A (zh) | 一种公交od矩阵的构建方法及系统 | |
CN110111575B (zh) | 一种基于复杂网络理论的城市交通流量网络分析方法 | |
Zhao et al. | Estimation of passenger route choice pattern using smart card data for complex metro systems | |
CN102169606B (zh) | 一种城市轨道交通网络大客流影响的预测方法 | |
CN108846514B (zh) | 一种突发事件下轨道交通客流疏散需求预测方法 | |
CN106777703A (zh) | 一种公交乘客实时分析系统及其构建方法 | |
CN104064028A (zh) | 基于多元信息数据的公交到站时间预测方法及系统 | |
CN110874668B (zh) | 一种轨道交通od客流预测方法、系统及电子设备 | |
CN104424812A (zh) | 一种公交到站时间预测系统和方法 | |
CN102156732A (zh) | 基于特征站点的公交ic卡数据站点匹配方法 | |
CN105427594A (zh) | 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 | |
CN113570867B (zh) | 一种城市交通状态预测方法、装置、设备及可读存储介质 | |
Nour et al. | Classification of automobile and transit trips from Smartphone data: Enhancing accuracy using spatial statistics and GIS | |
CN104318113A (zh) | 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 | |
CN109872008A (zh) | 基于客流分配的城市轨道交通路网安全性评估与增强方法 | |
Zhang et al. | Short‐Term Passenger Flow Forecast of Rail Transit Station Based on MIC Feature Selection and ST‐LightGBM considering Transfer Passenger Flow | |
CN108132913B (zh) | 一种轨道交通客流移动估计方法、系统及电子设备 | |
CN110021161A (zh) | 一种交通流向的预测方法及系统 | |
Su et al. | Data‐Driven Method for Passenger Path Choice Inference in Congested Subway Network | |
CN114820264A (zh) | 公共交通工具换乘数据处理方法、装置、设备、存储介质 | |
Liu et al. | Resilience assessment framework toward interdependent bus–rail transit network: Structure, critical components, and coupling mechanism | |
Palmqvist et al. | A method to separate primary and secondary train delays in past and future timetables using macroscopic simulation | |
Nasiboglu | Dijkstra solution algorithm considering fuzzy accessibility degree for patch optimization problem | |
Yang et al. | Spatiotemporal Virtual Graph Convolution Network for Key Origin‐Destination Flow Prediction in Metro System | |
CN105489010A (zh) | 一种快速道路行程时间可靠度监测分析系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20171128 Address after: Suzhou City, Jiangsu province 215123 Xiangcheng District Ji Road No. 8 Applicant after: Soochow University Address before: Zhangjiagang mayor Jingyang Road Suzhou City, Jiangsu province 215600 No. 10 Applicant before: Zhangjiagang Institute of Industrial Technologies Soochow University |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |