CN105070055A - 一种基于浮动车gps的od矩阵估计方法 - Google Patents
一种基于浮动车gps的od矩阵估计方法 Download PDFInfo
- Publication number
- CN105070055A CN105070055A CN201510443144.9A CN201510443144A CN105070055A CN 105070055 A CN105070055 A CN 105070055A CN 201510443144 A CN201510443144 A CN 201510443144A CN 105070055 A CN105070055 A CN 105070055A
- Authority
- CN
- China
- Prior art keywords
- floating car
- matrix
- gps
- measurement period
- car
- 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.)
- Pending
Links
Landscapes
- Position Fixing By Use Of Radio Waves (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种利用浮动车GPS估计OD矩阵的方法。本发明以浮动车GPS为基础,通过分析浮动车是否空载的信息,判断乘客出行的起讫点,通过浮动车出行特征与城市居民出行特征对比,确定放样参数,进而实现出行OD矩阵的估计。本发明包括以下步骤:浮动车GPS数据预处理;浮动车路段OD矩阵估计;浮动车小区OD矩阵估计;扩样系数a确定;OD矩阵估计。
Description
技术领域
本发明涉及GPS数据处理技术领域,具体来说是一种基于浮动车GPS的OD矩阵估计方法。
背景技术
OD矩阵是交通系统占有极为重要的地位,为其设计、运行及规划提供重要的数据,反映了不同城市交通网络中不同交通小区区间的出行时空分布特征。传统的OD矩阵获取是依靠大量的人力物力进行调查,费用昂贵、精度较低,因此出现了基于路段交通观测流量的静态OD反推技术。OD反推的前提是基于路段流量,常用的方法有基本的熵最大化矩阵估计模型、极大似然法、最小二乘法及卡尔曼滤波法但是交通出行随机性强、较为复杂,且交通流具有时变性,面对时变、随机和离散的交通数据上述方法在实用性方面存在很大的问题,较难实现。
因此提出了利用浮动车GPS估计OD矩阵的方法,根据装载GPS的浮动车是否空载及实时反馈的经纬度信息可直接获得浮动车乘客出行OD矩阵。可以将浮动车GPS的OD矩阵按照一定算法进行扩样,获取的全部车辆的OD矩阵。
发明内容
本发明的目的是为了解决现有技术中缺乏利用浮动车GPS数据来估计OD矩阵的方法,提供利用浮动车GPS估计OD矩阵的方法来解决上述问题。
为了实现上述目的,本发明的技术方案如下。包括以下步骤:
(1)浮动车GPS数据预处理;
(2)浮动车路段OD矩阵估计;
(3)浮动车小区OD矩阵估计;
(4)扩样系数a确定;
(5)OD矩阵估计。
所述的浮动车GPS数据预处理,剔除异常数据、过滤无用数据。
所述的浮动车路段OD矩阵估计,浮动车路段OD矩阵是指出行起点和终点为交通网络中路段的出租汽车OD矩阵。统计周期浮动车路段OD矩阵为:统计周期内路段出发与到达的浮动车OD矩阵。
所述的浮动车小区OD矩阵估计,浮动车小区OD矩阵是指出行起点与终点为交通区重心的出租汽车OD矩阵。交通区重心即代表同一交通区内所有出行端点(出行起点、终点的总称)的某一集中点,是交通区交通源的中心,它不一定是交通区的几何中心。统计周期浮动车小区OD矩阵为统计周期内小区出发与到达的浮动车OD矩阵。
所述的扩样系数a确定,采用相对恒定的比例进行扩样,将扩样系数抽象为统计周期内样本数占浮动车的比例与浮动车占总机动车保有量的比例的乘积。公式如下:
k=k1*k2
其中:
k是扩样系数;
k1是统计周期内浮动车样本数量占总浮动车数量的比例;
k2是总浮动车占总机动车保有量的比例;
ni是统计周期内浮动车样本数量;
Nt是总浮动车数量;
Nm是总机动车保有量。
所述的OD矩阵估计,是在浮动车小区OD矩阵估计的基础上进行扩样得到OD矩阵。
附图说明
图1为本发明的方法流程图。
图2为浮动车路段OD矩阵获取的流程。
图3为浮动车小区OD矩阵获取的流程。
具体实施方式
一种基于浮动车GPS的OD矩阵估计方法,包括以下步骤:
(1)浮动车GPS数据预处理;
(2)浮动车路段OD矩阵估计;
(3)浮动车小区OD矩阵估计;
(4)扩样系数a确定;
(5)OD矩阵估计。
S1、浮动车GPS数据预处理,剔除异常数据、过滤无用数据。
S2、利用浮动车GPS估计OD矩阵的方法,其特征在于,所述的浮动车路段OD矩阵估计,浮动车路段OD矩阵是指出行起点和终点为交通网络中路段的出租汽车OD矩阵。统计周期浮动车路段OD矩阵为:统计周期内路段出发与到达的浮动车OD矩阵。
S3、浮动车小区OD矩阵估计,浮动车小区OD矩阵是指出行起点与终点为交通区重心的出租汽车OD矩阵。交通区重心即代表同一交通区内所有出行端点(出行起点、终点的总称)的某一集中点,是交通区交通源的中心,它不一定是交通区的几何中心。统计周期浮动车小区OD矩阵为统计周期内小区出发与到达的浮动车OD矩阵。
S4、扩样系数a确定,采用相对恒定的比例进行扩样,将扩样系数抽象为统计周期内样本数占浮动车的比例与浮动车占总机动车保有量的比例的乘积。公式如下:
k=k1*k2
其中:
k是扩样系数;
k1是统计周期内浮动车样本数量占总浮动车数量的比例;
k2是总浮动车占总机动车保有量的比例;
ni是统计周期内浮动车样本数量;
Nt是总浮动车数量;
Nm是总机动车保有量。
S5、OD矩阵估计,是在浮动车小区OD矩阵估计的基础上进行扩样得到OD矩阵。
本方法以出租车GPS为基础,通过分析出租车是否空载的信息,判断乘客出行的起讫点,通过出租车出行特征与城市居民出行特征对比,确定放样参数,进而实现出行OD矩阵的估计。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是本发明的原理,在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。
Claims (6)
1.一种基于浮动车GPS的OD矩阵估计方法,其特征在于,包括以下步骤:
(1)浮动车GPS数据预处理;
(2)浮动车路段OD矩阵估计;
(3)浮动车小区OD矩阵估计;
(4)扩样系数a确定;
(5)OD矩阵估计。
2.根据权利要求1所述的利用浮动车GPS估计OD矩阵的方法,其特征在于,所述的浮动车GPS数据预处理,剔除异常数据、过滤无用数据。
3.根据权利要求1所述的利用浮动车GPS估计OD矩阵的方法,其特征在于,所述的浮动车路段OD矩阵估计,浮动车路段OD矩阵是指出行起点和终点为交通网络中路段的出租汽车OD矩阵。统计周期浮动车路段OD矩阵为:统计周期内路段出发与到达的浮动车OD矩阵。
。
4.根据权利要求1所述的利用浮动车GPS估计OD矩阵的方法,其特征在于,所述的浮动车小区OD矩阵估计,浮动车小区OD矩阵是指出行起点与终点为交通区重心的出租汽车OD矩阵。交通区重心即代表同一交通区内所有出行端点(出行起点、终点的总称)的某一集中点,是交通区交通源的中心,它不一定是交通区的几何中心。统计周期浮动车小区OD矩阵为统计周期内小区出发与到达的浮动车OD矩阵。
。
5.根据权利要求1所述的利用浮动车GPS估计OD矩阵的方法,其特征在于,所述的扩样系数a确定,采用相对恒定的比例进行扩样,将扩样系数抽象为统计周期内样本数占浮动车的比例与浮动车占总机动车保有量的比例的乘积。公式如下:
k=k1*k2
其中:
k是扩样系数;
k1是统计周期内浮动车样本数量占总浮动车数量的比例;
k2是总浮动车占总机动车保有量的比例;
ni是统计周期内浮动车样本数量;
Nt是总浮动车数量;
Nm是总机动车保有量。
6.根据权利要求1所述的利用浮动车GPS估计OD矩阵的方法,其特征在于,所述的OD矩阵估计,是在浮动车小区OD矩阵估计的基础上进行扩样得到OD矩阵。
。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510443144.9A CN105070055A (zh) | 2015-07-23 | 2015-07-23 | 一种基于浮动车gps的od矩阵估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510443144.9A CN105070055A (zh) | 2015-07-23 | 2015-07-23 | 一种基于浮动车gps的od矩阵估计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105070055A true CN105070055A (zh) | 2015-11-18 |
Family
ID=54499409
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510443144.9A Pending CN105070055A (zh) | 2015-07-23 | 2015-07-23 | 一种基于浮动车gps的od矩阵估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105070055A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106875686A (zh) * | 2017-04-16 | 2017-06-20 | 北京工业大学 | 一种基于信令和浮动车数据的小汽车od提取方法 |
CN107886723A (zh) * | 2017-11-13 | 2018-04-06 | 深圳大学 | 一种交通出行调查数据处理方法 |
CN108319647A (zh) * | 2017-12-27 | 2018-07-24 | 福建工程学院 | 一种基于浮动车技术的社交关系发现方法及终端 |
CN110796876A (zh) * | 2019-10-22 | 2020-02-14 | 南京理工大学 | 基于卡尔曼滤波的路段车辆总数估计方法 |
CN113053103A (zh) * | 2021-02-19 | 2021-06-29 | 北京嘀嘀无限科技发展有限公司 | 交通仿真模型生成方法、交通流量预测方法及相关装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003344072A (ja) * | 2002-05-21 | 2003-12-03 | Aisin Aw Co Ltd | 移動体集合位置提示システム |
CN103646187A (zh) * | 2013-12-27 | 2014-03-19 | 中国科学院自动化研究所 | 一种统计周期内车辆出行路线及od矩阵获取方法 |
CN103646560A (zh) * | 2013-11-27 | 2014-03-19 | 福建工程学院 | 出租车行车轨迹经验知识路径的提取方法 |
CN104269057A (zh) * | 2014-09-29 | 2015-01-07 | 银江股份有限公司 | 一种基于浮动车od数据的卡口传感器部署方法 |
-
2015
- 2015-07-23 CN CN201510443144.9A patent/CN105070055A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003344072A (ja) * | 2002-05-21 | 2003-12-03 | Aisin Aw Co Ltd | 移動体集合位置提示システム |
CN103646560A (zh) * | 2013-11-27 | 2014-03-19 | 福建工程学院 | 出租车行车轨迹经验知识路径的提取方法 |
CN103646187A (zh) * | 2013-12-27 | 2014-03-19 | 中国科学院自动化研究所 | 一种统计周期内车辆出行路线及od矩阵获取方法 |
CN104269057A (zh) * | 2014-09-29 | 2015-01-07 | 银江股份有限公司 | 一种基于浮动车od数据的卡口传感器部署方法 |
Non-Patent Citations (2)
Title |
---|
李明珠: "基于浮动车数据的出租车OD分布及运营特点研究", 《中国优秀硕士学位论文全文数据库工程科技2辑》 * |
邹娇,吴坚,高万宝等: "基于FCD和DAB交通信息采集与服务系统研究", 《交通信息与安全》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106875686A (zh) * | 2017-04-16 | 2017-06-20 | 北京工业大学 | 一种基于信令和浮动车数据的小汽车od提取方法 |
CN106875686B (zh) * | 2017-04-16 | 2020-05-08 | 北京工业大学 | 一种基于信令和浮动车数据的小汽车od提取方法 |
CN107886723A (zh) * | 2017-11-13 | 2018-04-06 | 深圳大学 | 一种交通出行调查数据处理方法 |
CN107886723B (zh) * | 2017-11-13 | 2021-07-20 | 深圳大学 | 一种交通出行调查数据处理方法 |
CN108319647A (zh) * | 2017-12-27 | 2018-07-24 | 福建工程学院 | 一种基于浮动车技术的社交关系发现方法及终端 |
CN110796876A (zh) * | 2019-10-22 | 2020-02-14 | 南京理工大学 | 基于卡尔曼滤波的路段车辆总数估计方法 |
CN113053103A (zh) * | 2021-02-19 | 2021-06-29 | 北京嘀嘀无限科技发展有限公司 | 交通仿真模型生成方法、交通流量预测方法及相关装置 |
CN113053103B (zh) * | 2021-02-19 | 2022-07-05 | 北京嘀嘀无限科技发展有限公司 | 交通仿真模型生成方法、交通流量预测方法及相关装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
De Cauwer et al. | A data-driven method for energy consumption prediction and energy-efficient routing of electric vehicles in real-world conditions | |
CN105070055A (zh) | 一种基于浮动车gps的od矩阵估计方法 | |
CN101739824B (zh) | 基于数据融合技术的交通状况估计方法 | |
CN103761589B (zh) | 一种城市轨道交通清分方法 | |
CN104574967A (zh) | 一种基于北斗的城市大面积路网交通感知方法 | |
CN107918762B (zh) | 一种公路遗撒物快速检测系统及方法 | |
CN105513356B (zh) | 一种基于轨迹追踪的od矩阵估计方法与系统 | |
Kumar et al. | An algorithm for automated estimation of road roughness from mobile laser scanning data | |
DE112015000924B4 (de) | Zielabhängiger Geschwindigkeitsregler | |
Figliozzi et al. | Algorithms for studying the impact of travel time reliability along multisegment trucking freight corridors | |
CN105512464B (zh) | 一种结合卫星和站点观测反演时空连续pm2.5浓度的方法 | |
CN109520499B (zh) | 基于车辆gps轨迹数据实现区域实时等时线的方法 | |
CN104156622A (zh) | 一种城市交通颗粒物排放量的估算方法 | |
CN103942952B (zh) | 一种路网功能层次状态等级评估方法 | |
CN106251628A (zh) | 一种确定机动车的交通出行量的方法及装置 | |
CN107993437B (zh) | 新增公交路线的方法、装置、计算机设备和存储介质 | |
Patnaik et al. | Development of roundabout entry capacity model using INAGA method for heterogeneous traffic flow conditions | |
CN103646374A (zh) | 一种地面公交运行舒适性指数计算方法 | |
Shen et al. | Should we change the rules for trip identification for GPS travel records | |
DE112016007440T5 (de) | Fahrradverfolgung für Bike-Sharing-System | |
CN105261218A (zh) | 基于大数据分析的浮动车伴随行为模式挖掘方法 | |
Chang et al. | Traffic congestion identification method based on GPS equipped floating car | |
Bansal et al. | Impacts of bus-stops on the speed of motorized vehicles under heterogeneous traffic conditions: a case-study of Delhi, India | |
Pei et al. | Identification method of main road traffic congestion situation in cold-climate cities based on potential energy theory and GPS data | |
US10719719B2 (en) | Method, apparatus, and computer program product for determining if probe data points have been map-matched |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20151118 |