CN105206037A - 公交线路分析方法和系统 - Google Patents
公交线路分析方法和系统 Download PDFInfo
- Publication number
- CN105206037A CN105206037A CN201410238193.4A CN201410238193A CN105206037A CN 105206037 A CN105206037 A CN 105206037A CN 201410238193 A CN201410238193 A CN 201410238193A CN 105206037 A CN105206037 A CN 105206037A
- Authority
- CN
- China
- Prior art keywords
- bus
- passenger
- website
- centerdot
- adjacency matrix
- 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
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种公交线路分析方法和系统,涉及公共交通技术领域。本发明实施例根据调整前后的公交线路分别生成公交站点邻接矩阵,通过比较通勤乘客基于第一公交站点邻接矩阵的乘车情况和基于第二公交站点邻接矩阵的乘车情况,对调整后的公交线路的运营性能进行分析,能够客观全面的反映规划线路的运营性能;并且更有针对性,能够满足对公共交通运行性能比较敏感且群体数量较多的通勤乘客的需求。
Description
技术领域
本发明涉及公共交通技术领域,特别涉及一种公交线路分析方法和系统。
背景技术
近年来城市规模不断扩大,公共交通事业得到了很大发展,公共交通线路越来越多,国家也提倡通过公共交通方式出行,但是公共交通线路设置必须要经过科学计算和总体规划,形成完整的公共交通线路网,才能实现公共交通车辆的合理配置与最优调度。
目前在进行公交线路规划时,往往采用抽样调查或者网上公开征集意见的方式来收集群众对于规划线路的反映,然后基于群众的放映来评价线路规划是否合理。这种线路评价方法主观性比较强,并且参与调查和评价的群众比较随机,难以客观、全面地反映线路问题。
发明内容
本发明实施例所要解决的一个技术问题是:目前公交线路分析评价中存在的主观性和随机性问题。
根据本发明实施例的一个方面,提出一种公交线路分析方法,包括:根据调整前的公交线路和任意可直达的两站点之间的行驶时间,生成第一公交站点邻接矩阵;根据调整后的公交线路和任意可直达的两站点之间的行驶时间,生成第二公交站点邻接矩阵;根据乘客的刷卡信息确定通勤乘客及其乘车信息;根据通勤乘客的乘车信息确定被公交线路调整影响的通勤乘客;通过比较被影响的通勤乘客基于第一公交站点邻接矩阵的乘车情况和基于第二公交站点邻接矩阵的乘车情况,对调整后的公交线路的运营性能进行分析。
在一个实施例中,根据调整前的公交线路和任意可直达的两站点之间的行驶时间,生成第一公交站点邻接矩阵包括:对于有n个站点的第一公交站点邻接矩阵表示如下:
其中,对于本站点i,则aii=∞;在调整前的公交线路中,如果i站点到j站点无直达公交车,则aij=∞,如果i站点到j站点至少有一条直达公交车,且从i站点到j站点的行驶时间是t,则aij=t。
在一个实施例中,根据调整后的公交线路和任意可直达的两站点之间的行驶时间,生成第二公交站点邻接矩阵包括:对于有n个站点的第二公交站点邻接矩阵表示如下:
其中,对于本站点i,则aii=∞;在调整后的公交线路中,如果i站点到j站点无直达公交车,则aij=∞,如果i站点到j站点至少有一条直达公交车,且从i站点到j站点的行驶时间是t,则aij=t。
在一个实施例中,任意可直达的两站点之间的行驶时间通过公交车记录的乘客在其中一个站点的上下车刷卡时间平均值与乘客在其中另一个站点的上下车刷卡时间平均值进行减法运算得到。
在一个实施例中,根据乘客的刷卡信息确定通勤乘客及其乘车信息包括:将乘客全天刷卡信息按时间顺序进行排序,同一方向的连续刷卡为一次去程,对称方向的连续刷卡为一次返程,将每天的第一个上车站点作为去程的起点,将对称方向的第一个上车站点作为去程的终点,将具有去程和返程的刷卡信息作为一条有效乘客记录,在统计周期内相同的有效乘车记录达到预设数量的乘客作为通勤乘客;根据通勤乘客的有效乘车记录确定出该通勤乘客去程的起点,去程的出发时间、去程的终点、去程的换乘次数、去程的行程时间、返程的出发时间、返程的换乘次数、返程的行程时间。
在一个实施例中,根据通勤乘客的乘车信息确定被公交线路调整影响的通勤乘客包括:如果通勤乘客的乘车线路中包括公交线路调整所涉及的任意一个站点,则该通勤乘客为被公交线路调整影响的通勤乘客。
在一个实施例中,通过比较被影响的通勤乘客基于第一公交站点邻接矩阵的乘车情况和基于第二公交站点邻接矩阵的乘车情况,对调整后的公交线路的运营性能进行分析包括:比较被影响的通勤乘客基于第一公交站点邻接矩阵的乘车时间和基于第二公交站点邻接矩阵的乘车时间,如果基于第二公交站点邻接矩阵的乘车时间小于基于第一公交站点邻接矩阵的乘车时间的通勤乘客超过预设比例,则确定调整后的公交线路的运营性能优于调整前的公交线路的运营性能;或者,比较被影响的通勤乘客基于第一公交站点邻接矩阵的换乘次数和基于第二公交站点邻接矩阵的换乘次数,如果基于第二公交站点邻接矩阵的换乘次数小于基于第一公交站点邻接矩阵的换乘次数的通勤乘客超过预设比例,则确定调整后的公交线路的运营性能优于调整前的公交线路的运营性能。
根据本发明实施例的再一方面,提出一种公交线路分析系统,包括:邻接矩阵生成模块,用于根据调整前的公交线路和任意可直达的两站点之间的行驶时间,生成第一公交站点邻接矩阵;根据调整后的公交线路和任意可直达的两站点之间的行驶时间,生成第二公交站点邻接矩阵;通勤乘客确定模块,用于根据乘客的刷卡信息确定通勤乘客及其乘车信息;根据通勤乘客的乘车信息确定被公交线路调整影响的通勤乘客;运营性能分析模块,用于通过比较被影响的通勤乘客基于第一公交站点邻接矩阵的乘车情况和基于第二公交站点邻接矩阵的乘车情况,对调整后的公交线路的运营性能进行分析。
在一个实施例中,邻接矩阵生成模块在生成第一公交站点邻接矩阵时具体用于:对于有n个站点的第一公交站点邻接矩阵表示如下:
其中,对于本站点i,则aii=∞;在调整前的公交线路中,如果i站点到j站点无直达公交车,则aij=∞,如果i站点到j站点至少有一条直达公交车,且从i站点到j站点的行驶时间是t,则aij=t。
在一个实施例中,邻接矩阵生成模块在生成第二公交站点邻接矩阵时具体用于:对于有n个站点的第二公交站点邻接矩阵表示如下:
其中,对于本站点i,则aii=∞;在调整后的公交线路中,如果i站点到j站点无直达公交车,则aij=∞,如果i站点到j站点至少有一条直达公交车,且从i站点到j站点的行驶时间是t,则aij=t。
在一个实施例中,任意可直达的两站点之间的行驶时间通过公交车记录的乘客在其中一个站点的上下车刷卡时间平均值与乘客在其中另一个站点的上下车刷卡时间平均值进行减法运算得到。
在一个实施例中,通勤乘客确定模块在确定通勤乘客及其乘车信息时,具体用于:将乘客全天刷卡信息按时间顺序进行排序,同一方向的连续刷卡为一次去程,对称方向的连续刷卡为一次返程,将每天的第一个上车站点作为去程的起点,将对称方向的第一个上车站点作为去程的终点,将具有去程和返程的刷卡信息作为一条有效乘客记录,在统计周期内相同的有效乘车记录达到预设数量的乘客作为通勤乘客;根据通勤乘客的有效乘车记录确定出该通勤乘客去程的起点,去程的出发时间、去程的终点、去程的换乘次数、去程的行程时间、返程的出发时间、返程的换乘次数、返程的行程时间。
在一个实施例中,通勤乘客确定模块在确定被公交线路调整影响的通勤乘客时,具体用于:如果通勤乘客的乘车线路中包括公交线路调整所涉及的任意一个站点,则该通勤乘客为被公交线路调整影响的通勤乘客。
在一个实施例中,运营性能分析模块,具体用于:比较被影响的通勤乘客基于第一公交站点邻接矩阵的乘车时间和基于第二公交站点邻接矩阵的乘车时间,如果基于第二公交站点邻接矩阵的乘车时间小于基于第一公交站点邻接矩阵的乘车时间的通勤乘客超过预设比例,则确定调整后的公交线路的运营性能优于调整前的公交线路的运营性能;或者,比较被影响的通勤乘客基于第一公交站点邻接矩阵的换乘次数和基于第二公交站点邻接矩阵的换乘次数,如果基于第二公交站点邻接矩阵的换乘次数小于基于第一公交站点邻接矩阵的换乘次数的通勤乘客超过预设比例,则确定调整后的公交线路的运营性能优于调整前的公交线路的运营性能。
本发明实施例根据调整前后的公交线路分别生成公交站点邻接矩阵,通过比较通勤乘客基于第一公交站点邻接矩阵的乘车情况和基于第二公交站点邻接矩阵的乘车情况,对调整后的公交线路的运营性能进行分析,能够客观全面的反映规划线路的运营性能;并且更有针对性,能够满足对公共交通运行性能比较敏感且群体数量较多的通勤乘客的需求。
通过以下参照附图对本发明的示例性实施例的详细描述,本发明的其它特征及其优点将会变得清楚。
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一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1示出本发明公交线路分析方法一个实施例的流程示意图;
图2示出公交网络的一个示意图;
图3示出图2对应的公交站点邻接矩阵;
图4示出图3对应的公交站点邻接矩阵示意图;
图5示出本发明公交线路分析系统一个实施例的结构示意图。
具体实施方式
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,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例,本领域普通技术人员在没有作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。
除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它示例可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
图1为本发明公交线路分析方法一个实施例的流程示意图。如图1所示,该实施例的方法包括以下步骤:
步骤S101,根据调整前的公交线路和任意可直达的两站点之间的行驶时间,生成第一公交站点邻接矩阵;
步骤S102,根据调整后的公交线路和任意可直达的两站点之间的行驶时间,生成第二公交站点邻接矩阵;
需要说明的是,第一和第二仅用来区分不同的公交站点邻接矩阵,并不用来表示大小或时序等含义。
步骤S103,根据乘客的刷卡信息确定通勤乘客及其乘车信息;
步骤S104,根据通勤乘客的乘车信息确定被公交线路调整影响的通勤乘客;
步骤S105,通过比较被影响的通勤乘客基于第一公交站点邻接矩阵的乘车情况和基于第二公交站点邻接矩阵的乘车情况,对调整后的公交线路的运营性能进行分析。
在步骤S101中,第一公交站点邻接矩阵例如可以采用以下方法生成,即对于有n个站点的第一公交站点邻接矩阵表示如下:
其中,对于本站点i,则aii=∞;在调整前的公交线路中,如果i站点到j站点无直达公交车,则aij=∞,如果i站点到j站点至少有一条直达公交车,且从i站点到j站点的行驶时间是t,则aij=t。另外,第一公交站点邻接矩阵还具有有向性,例如,a1n是指从1号站点到n号站点的行驶时间,an1是指从n号站点到1号站点的行驶时间。
在步骤S102中,第二公交站点邻接矩阵例如可以采用以下方法生成,即对于有n个站点的第二公交站点邻接矩阵表示如下:
其中,对于本站点i,则aii=∞;在调整后的公交线路中,如果i站点到j站点无直达公交车,则aij=∞,如果i站点到j站点至少有一条直达公交车,且从i站点到j站点的行驶时间是t,则aij=t。与第一公交站点邻接矩阵相似,第二公交站点邻接矩阵也具有有向性。
其中,第一公交站点邻接矩阵和第二公交站点邻接矩阵生成过程中所涉及的任意可直达的两站点之间的行驶时间可以通过不同的方法确定。例如,根据两站点之间的距离以及公交的平均运行速度,计算两站点之间的行驶时间。又例如,根据两站点之间公交车的实际运营时间确定两站点之间的行驶时间,具体的,根据乘客在公交车的刷卡信息,例如包括公交卡卡号、刷卡日期时间、公交线路号、公交车辆编号、刷卡站点编号、刷卡点(上车刷卡/下车刷卡)、司机工号等信息,通过公交车记录的乘客在其中一个站点的上下车刷卡时间平均值与乘客在其中另一个站点的上下车刷卡时间平均值进行减法运算得到该两站点之间的行驶时间。例如,假设在a站点与b站点之间只有一辆公交车c1,公交车c1记录在a站点有2位乘客刷卡(可以是上车刷卡,也可以是下车刷卡),a站点的刷卡时间平均值-设为ta,公交车c1记录在b站点有3位乘客刷卡b站点的刷卡时间平均值设为tb,则a站点与b站点之间的行驶时间T=tb-ta。如果两站点之间有多辆公交车,则可以按照前述方法算出每一辆公交车在a站点与b站点之间的行驶时间,然后再对这些公交车在a站点与b站点之间的行驶时间进行平均。另外,对于因线路调整新增加的直达站点之间的行驶时间可以利用路线调整前的相关站点的行驶时间逐段累加得到。例如,参见图2,在线路调整前,从a站点到f站点的路线为a-b-f,在线路调整后,a站点到f站点可直达,即线路为a-f,则Taf=Tab+Tbf,其中,Taf表示a站点到f站点的行驶时间,Tab表示a站点到b站点的行驶时间,Tbf表示b站点到f站点的行驶时间。
下面举例说明公交站点邻接矩阵,适用于第一公交站点邻接矩阵和第二公交站点邻接矩阵。如图2所示的公交网络,假设有3条公交线路,9个公交站点:
1号线,a-->b-->c-->d;
2号线,e-->b-->f-->g;
3号线,h-->f-->c-->i;
需要说明的是,如果是第一公交站点邻接矩阵,则这些线路是调整前的公交线路,如果是第二公交站点邻接矩阵,则这些线路是调整后的公交线路。假如此公交网络无拥塞,任意相邻两站之间的行驶时间均为1,则对应的公交站点邻接矩阵如图3所示。公交站点邻接矩阵对应的示意图如图4所示,若两点间只有一条边相连,则说明两点间至少有一条公交线路经过这两点可直达;若两点间需经多条边,则说明需要换乘,换乘点为中间经过的站点,即,如果乘客从i站点到k站点所经过的最短路径为i-j-k,则表示乘客从i站点出发到达j站点,在j站点换乘,最终到达目的地k站点。
在步骤S103中,通勤乘客及其乘车信息例如可以采用以下方法确定:将乘客全天刷卡信息按时间顺序进行排序,同一方向的连续刷卡为一次去程,对称方向的连续刷卡为一次返程,将每天的第一个上车站点作为去程的起点,将对称方向的第一个上车站点作为去程的终点,将具有去程和返程的刷卡信息作为一条有效乘客记录,在统计周期内相同的有效乘车记录达到预设数量的乘客作为通勤乘客;根据通勤乘客的有效乘车记录确定出该通勤乘客去程的起点,去程的出发时间、去程的终点、去程的换乘次数、去程的行程时间、返程的出发时间、返程的换乘次数、返程的行程时间。
例如,公交卡000001在每个月中有20次都是在上午7:00-9:00时间段内在站点A的上车,在站点B下车,并且在下午5:00-7:00时间段内在站点B上车,在站点A下车,则公交卡000001的乘客为通勤乘客,去程的起点为站点A,去程的出发时间可以将每次在站点A上车的刷卡时间进行平均得到、去程的终点为站点B、去程的换乘次数为0次、去程的行程时间为在站点A上车的平均时间与在站点B下车的平均时间的差值、返程的出发时间可以将每次在站点B上车的刷卡时间进行平均得到、返程的换乘次数为0次、返程的行程时间为在站点B上车的平均时间与在站点A下车的平均时间的差值。
又例如,公交卡000002在每个月中有24次都是在上午7:00-9:00时间段内乘坐公交车L001在站点A的上车,在站点B下车,然后乘坐公交车L002在站点B的上车,在站点C下车,并且在下午5:00-7:00时间段内乘坐公交车L002在站点C上车,在站点B下车,然后乘坐公交车L001在站点B的上车,在站点A下车,则公交卡000002的乘客为通勤乘客,去程的起点为站点A,去程的出发时间可以将每次在站点A上车的刷卡时间进行平均得到、去程的终点为站点C、去程的换乘次数为1次、去程的行程时间为在站点A上车的平均时间与在站点C下车的平均时间的差值、返程的出发时间可以将每次在站点C上车的刷卡时间进行平均得到、返程的换乘次数为1次、返程的行程时间为在站点C上车的平均时间与在站点A下车的平均时间的差值。
在本发明实施例中,换乘可分为:同站点换乘,相邻站点换乘,相向站点换乘。对于前后门上下车刷卡的实现方案,换乘较易识别,乘客下车站点就是下次乘车的上车站点,或乘客在短时间内在此下车站点的相邻/相近站点上车,则此站点为换乘站点。对于前面上车刷卡,下车不刷卡的实现方案,则需要通过通勤乘客的多次乘车记录综合判断。如果在一个时间范围内,比如目前平均上下班时间为40分钟,则可以认为最远乘车时间为80分钟,80分钟内乘客多次乘车可以认为是一个行程,将一天的乘车记录按照80分钟间隔进行分段,例如可以分为两段,即“出行”和“返程”两段。乘客上车时间可以通过刷卡时间识别,乘客下车时间则通过其目的地识别站点其它乘客上车刷卡时间。
在步骤S104中,被公交线路调整影响的通勤乘客例如可以采用以下方法确定:如果通勤乘客的乘车线路中包括公交线路调整所涉及的任意一个站点,则该通勤乘客为被公交线路调整影响的通勤乘客。
在步骤S105中,通勤乘客的乘车情况例如包括乘车时间、换乘次数。对调整后的公交线路的运营性能进行分析包括:
比较被影响的通勤乘客基于第一公交站点邻接矩阵的乘车时间和基于第二公交站点邻接矩阵的乘车时间,如果基于第二公交站点邻接矩阵的乘车时间小于基于第一公交站点邻接矩阵的乘车时间的通勤乘客超过预设比例,则确定调整后的公交线路的运营性能优于调整前的公交线路的运营性能。
或者,比较被影响的通勤乘客基于第一公交站点邻接矩阵的换乘次数和基于第二公交站点邻接矩阵的换乘次数,如果基于第二公交站点邻接矩阵的换乘次数小于基于第一公交站点邻接矩阵的换乘次数的通勤乘客超过预设比例,则确定调整后的公交线路的运营性能优于调整前的公交线路的运营性能。
例如,公交线路调整后,80%以上的通勤乘客的乘车时间缩短或换乘次数减少,则说明新规划的公交线路运营性能良好,可以施行,无需抽样调查或者网上公开征集意见,避免线路分析评价中存在的主观性和随机性,可以客观全面地反映规划线路的运营性能。
图5为本发明公交线路分析系统一个实施例的结构示意图。如图5所示,本实施例的系统包括:
邻接矩阵生成模块501,用于根据调整前的公交线路和任意可直达的两站点之间的行驶时间,生成第一公交站点邻接矩阵;根据调整后的公交线路和任意可直达的两站点之间的行驶时间,生成第二公交站点邻接矩阵;
通勤乘客确定模块502,用于根据乘客的刷卡信息确定通勤乘客及其乘车信息;根据通勤乘客的乘车信息确定被公交线路调整影响的通勤乘客;
运营性能分析模块503,用于通过比较被影响的通勤乘客基于第一公交站点邻接矩阵的乘车情况和基于第二公交站点邻接矩阵的乘车情况,对调整后的公交线路的运营性能进行分析。
在一个实施例中,邻接矩阵生成模块501在生成第一公交站点邻接矩阵时,具体用于:对于有n个站点的第一公交站点邻接矩阵表示如下:
其中,对于本站点i,则aii=∞;在调整前的公交线路中,如果i站点到j站点无直达公交车,则aij=∞,如果i站点到j站点至少有一条直达公交车,且从i站点到j站点的行驶时间是t,则aij=t。
在一个实施例中,邻接矩阵生成模块501在生成第二公交站点邻接矩阵时,具体用于:对于有n个站点的第二公交站点邻接矩阵表示如下:
其中,对于本站点i,则aii=∞;在调整后的公交线路中,如果i站点到j站点无直达公交车,则aij=∞,如果i站点到j站点至少有一条直达公交车,且从i站点到j站点的行驶时间是t,则aij=t。
其中,任意可直达的两站点之间的行驶时间通过公交车记录的乘客在其中一个站点的上下车刷卡时间平均值与乘客在其中另一个站点的上下车刷卡时间平均值进行减法运算得到。
在一个实施例中,通勤乘客确定模块502在确定通勤乘客及其乘车信息时,具体用于:将乘客全天刷卡信息按时间顺序进行排序,同一方向的连续刷卡为一次去程,对称方向的连续刷卡为一次返程,将每天的第一个上车站点作为去程的起点,将对称方向的第一个上车站点作为去程的终点,将具有去程和返程的刷卡信息作为一条有效乘客记录,在统计周期内相同的有效乘车记录达到预设数量的乘客作为通勤乘客;根据通勤乘客的有效乘车记录确定出该通勤乘客去程的起点,去程的出发时间、去程的终点、去程的换乘次数、去程的行程时间、返程的出发时间、返程的换乘次数、返程的行程时间。
在一个实施例中,通勤乘客确定模块502在确定被公交线路调整影响的通勤乘客时,具体用于:如果通勤乘客的乘车线路中包括公交线路调整所涉及的任意一个站点,则该通勤乘客为被公交线路调整影响的通勤乘客。
在一个实施例中,运营性能分析模块503具体用于:
比较被影响的通勤乘客基于第一公交站点邻接矩阵的乘车时间和基于第二公交站点邻接矩阵的乘车时间,如果基于第二公交站点邻接矩阵的乘车时间小于基于第一公交站点邻接矩阵的乘车时间的通勤乘客超过预设比例,则确定调整后的公交线路的运营性能优于调整前的公交线路的运营性能;
或者,比较被影响的通勤乘客基于第一公交站点邻接矩阵的换乘次数和基于第二公交站点邻接矩阵的换乘次数,如果基于第二公交站点邻接矩阵的换乘次数小于基于第一公交站点邻接矩阵的换乘次数的通勤乘客超过预设比例,则确定调整后的公交线路的运营性能优于调整前的公交线路的运营性能。
上述公交线路分析系统,根据调整前后的公交线路分别生成公交站点邻接矩阵,通过比较通勤乘客基于第一公交站点邻接矩阵的乘车情况和基于第二公交站点邻接矩阵的乘车情况,对调整后的公交线路的运营性能进行分析,能够客观全面的反映规划线路的运营性能;并且更有针对性,能够满足对公共交通运行性能比较敏感且群体数量较多的通勤乘客的需求。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (14)
1.一种公交线路分析方法,包括:
根据调整前的公交线路和任意可直达的两站点之间的行驶时间,生成第一公交站点邻接矩阵;
根据调整后的公交线路和任意可直达的两站点之间的行驶时间,生成第二公交站点邻接矩阵;
根据乘客的刷卡信息确定通勤乘客及其乘车信息;
根据通勤乘客的乘车信息确定被公交线路调整影响的通勤乘客;
通过比较被影响的通勤乘客基于第一公交站点邻接矩阵的乘车情况和基于第二公交站点邻接矩阵的乘车情况,对调整后的公交线路的运营性能进行分析。
2.根据权利要求1所述的方法,其特征在于,所述根据调整前的公交线路和任意可直达的两站点之间的行驶时间,生成第一公交站点邻接矩阵包括:
对于有n个站点的第一公交站点邻接矩阵表示如下:
其中,对于本站点i,则aii=∞;在调整前的公交线路中,如果i站点到j站点无直达公交车,则aij=∞,如果i站点到j站点至少有一条直达公交车,且从i站点到j站点的行驶时间是t,则aij=t。
3.根据权利要求1所述的方法,其特征在于,所述根据调整后的公交线路和任意可直达的两站点之间的行驶时间,生成第二公交站点邻接矩阵包括:
对于有n个站点的第二公交站点邻接矩阵表示如下:
其中,对于本站点i,则aii=∞;在调整后的公交线路中,如果i站点到j站点无直达公交车,则aij=∞,如果i站点到j站点至少有一条直达公交车,且从i站点到j站点的行驶时间是t,则aij=t。
4.根据权利要求1所述的方法,其特征在于,所述任意可直达的两站点之间的行驶时间通过公交车记录的乘客在其中一个站点的上下车刷卡时间平均值与乘客在其中另一个站点的上下车刷卡时间平均值进行减法运算得到。
5.根据权利要求1所述的方法,其特征在于,所述根据乘客的刷卡信息确定通勤乘客及其乘车信息包括:
将乘客全天刷卡信息按时间顺序进行排序,同一方向的连续刷卡为一次去程,对称方向的连续刷卡为一次返程,将每天的第一个上车站点作为去程的起点,将对称方向的第一个上车站点作为去程的终点,将具有去程和返程的刷卡信息作为一条有效乘客记录,在统计周期内相同的有效乘车记录达到预设数量的乘客作为通勤乘客;
根据通勤乘客的有效乘车记录确定出该通勤乘客去程的起点,去程的出发时间、去程的终点、去程的换乘次数、去程的行程时间、返程的出发时间、返程的换乘次数、返程的行程时间。
6.根据权利要求1所述的方法,其特征在于,所述根据通勤乘客的乘车信息确定被公交线路调整影响的通勤乘客包括:
如果通勤乘客的乘车线路中包括公交线路调整所涉及的任意一个站点,则该通勤乘客为被公交线路调整影响的通勤乘客。
7.根据权利要求1所述的方法,其特征在于,所述通过比较被影响的通勤乘客基于第一公交站点邻接矩阵的乘车情况和基于第二公交站点邻接矩阵的乘车情况,对调整后的公交线路的运营性能进行分析包括:
比较被影响的通勤乘客基于第一公交站点邻接矩阵的乘车时间和基于第二公交站点邻接矩阵的乘车时间,如果基于第二公交站点邻接矩阵的乘车时间小于基于第一公交站点邻接矩阵的乘车时间的通勤乘客超过预设比例,则确定调整后的公交线路的运营性能优于调整前的公交线路的运营性能;
或者,
比较被影响的通勤乘客基于第一公交站点邻接矩阵的换乘次数和基于第二公交站点邻接矩阵的换乘次数,如果基于第二公交站点邻接矩阵的换乘次数小于基于第一公交站点邻接矩阵的换乘次数的通勤乘客超过预设比例,则确定调整后的公交线路的运营性能优于调整前的公交线路的运营性能。
8.一种公交线路分析系统,包括:
邻接矩阵生成模块,用于根据调整前的公交线路和任意可直达的两站点之间的行驶时间,生成第一公交站点邻接矩阵;根据调整后的公交线路和任意可直达的两站点之间的行驶时间,生成第二公交站点邻接矩阵;
通勤乘客确定模块,用于根据乘客的刷卡信息确定通勤乘客及其乘车信息;根据通勤乘客的乘车信息确定被公交线路调整影响的通勤乘客;
运营性能分析模块,用于通过比较被影响的通勤乘客基于第一公交站点邻接矩阵的乘车情况和基于第二公交站点邻接矩阵的乘车情况,对调整后的公交线路的运营性能进行分析。
9.根据权利要求8所述的系统,其特征在于,所述邻接矩阵生成模块在生成第一公交站点邻接矩阵时,具体用于:对于有n个站点的第一公交站点邻接矩阵表示如下:
其中,对于本站点i,则aii=∞;在调整前的公交线路中,如果i站点到j站点无直达公交车,则aij=∞,如果i站点到j站点至少有一条直达公交车,且从i站点到j站点的行驶时间是t,则aij=t。
10.根据权利要求8所述的系统,其特征在于,所述邻接矩阵生成模块在生成第二公交站点邻接矩阵时,具体用于:对于有n个站点的第二公交站点邻接矩阵表示如下:
其中,对于本站点i,则aii=∞;在调整后的公交线路中,如果i站点到j站点无直达公交车,则aij=∞,如果i站点到j站点至少有一条直达公交车,且从i站点到j站点的行驶时间是t,则aij=t。
11.根据权利要求8所述的系统,其特征在于,所述任意可直达的两站点之间的行驶时间通过公交车记录的乘客在其中一个站点的上下车刷卡时间平均值与乘客在其中另一个站点的上下车刷卡时间平均值进行减法运算得到。
12.根据权利要求8所述的系统,其特征在于,所述通勤乘客确定模块在确定通勤乘客及其乘车信息时,具体用于:
将乘客全天刷卡信息按时间顺序进行排序,同一方向的连续刷卡为一次去程,对称方向的连续刷卡为一次返程,将每天的第一个上车站点作为去程的起点,将对称方向的第一个上车站点作为去程的终点,将具有去程和返程的刷卡信息作为一条有效乘客记录,在统计周期内相同的有效乘车记录达到预设数量的乘客作为通勤乘客;
根据通勤乘客的有效乘车记录确定出该通勤乘客去程的起点,去程的出发时间、去程的终点、去程的换乘次数、去程的行程时间、返程的出发时间、返程的换乘次数、返程的行程时间。
13.根据权利要求8所述的系统,其特征在于,所述通勤乘客确定模块在确定被公交线路调整影响的通勤乘客时,具体用于:
如果通勤乘客的乘车线路中包括公交线路调整所涉及的任意一个站点,则该通勤乘客为被公交线路调整影响的通勤乘客。
14.根据权利要求8所述的系统,其特征在于,所述运营性能分析模块,具体用于:
比较被影响的通勤乘客基于第一公交站点邻接矩阵的乘车时间和基于第二公交站点邻接矩阵的乘车时间,如果基于第二公交站点邻接矩阵的乘车时间小于基于第一公交站点邻接矩阵的乘车时间的通勤乘客超过预设比例,则确定调整后的公交线路的运营性能优于调整前的公交线路的运营性能;
或者,
比较被影响的通勤乘客基于第一公交站点邻接矩阵的换乘次数和基于第二公交站点邻接矩阵的换乘次数,如果基于第二公交站点邻接矩阵的换乘次数小于基于第一公交站点邻接矩阵的换乘次数的通勤乘客超过预设比例,则确定调整后的公交线路的运营性能优于调整前的公交线路的运营性能。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410238193.4A CN105206037B (zh) | 2014-05-30 | 2014-05-30 | 公交线路分析方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410238193.4A CN105206037B (zh) | 2014-05-30 | 2014-05-30 | 公交线路分析方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105206037A true CN105206037A (zh) | 2015-12-30 |
CN105206037B CN105206037B (zh) | 2017-10-20 |
Family
ID=54953679
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410238193.4A Active CN105206037B (zh) | 2014-05-30 | 2014-05-30 | 公交线路分析方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105206037B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109299813A (zh) * | 2018-08-27 | 2019-02-01 | 华中科技大学 | 一种在最少换乘下的公共交通网络最短路径长度计算方法 |
CN110832282A (zh) * | 2017-12-15 | 2020-02-21 | 谷歌有限责任公司 | 基于返程行程延迟向用户提供交通警告 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002117487A (ja) * | 2000-10-10 | 2002-04-19 | Toyota Motor Corp | 移動体の利用案内情報提供装置 |
US20100076679A1 (en) * | 2008-09-09 | 2010-03-25 | Younghyun Lee | System and method for real time bus selection arrangement |
CN101807222A (zh) * | 2010-02-09 | 2010-08-18 | 武汉大学 | 基于站点的城市公交线网优化配置方法 |
CN103279534A (zh) * | 2013-05-31 | 2013-09-04 | 西安建筑科技大学 | 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 |
CN103822630A (zh) * | 2014-03-19 | 2014-05-28 | 宇龙计算机通信科技(深圳)有限公司 | 一种公共交通工具的换乘导航方法及系统 |
-
2014
- 2014-05-30 CN CN201410238193.4A patent/CN105206037B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002117487A (ja) * | 2000-10-10 | 2002-04-19 | Toyota Motor Corp | 移動体の利用案内情報提供装置 |
US20100076679A1 (en) * | 2008-09-09 | 2010-03-25 | Younghyun Lee | System and method for real time bus selection arrangement |
CN101807222A (zh) * | 2010-02-09 | 2010-08-18 | 武汉大学 | 基于站点的城市公交线网优化配置方法 |
CN103279534A (zh) * | 2013-05-31 | 2013-09-04 | 西安建筑科技大学 | 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 |
CN103822630A (zh) * | 2014-03-19 | 2014-05-28 | 宇龙计算机通信科技(深圳)有限公司 | 一种公共交通工具的换乘导航方法及系统 |
Non-Patent Citations (4)
Title |
---|
STEVEN I-JY CHIEN等: "optimization of bus route planning in urban commuter networks", 《JOURNAL OF PUBLIC TRANSPORTATION》 * |
何胜学等: "公交网络最优路径求解算法", 《交通运输工程与信息学报》 * |
杜彩军等: "城市公交线网换乘性能评估指标及方法", 《武汉理工大学学报(交通科学与工程版)》 * |
潘玉侠: "基于智能算法的城市公交线网优化研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110832282A (zh) * | 2017-12-15 | 2020-02-21 | 谷歌有限责任公司 | 基于返程行程延迟向用户提供交通警告 |
CN110832282B (zh) * | 2017-12-15 | 2021-06-22 | 谷歌有限责任公司 | 基于返程行程延迟向用户提供交通警告 |
US11415427B2 (en) | 2017-12-15 | 2022-08-16 | Google Llc | Providing traffic warnings to a user based on return journey |
CN109299813A (zh) * | 2018-08-27 | 2019-02-01 | 华中科技大学 | 一种在最少换乘下的公共交通网络最短路径长度计算方法 |
CN109299813B (zh) * | 2018-08-27 | 2021-11-02 | 华中科技大学 | 一种在最少换乘下的公共交通网络最短路径长度计算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105206037B (zh) | 2017-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhou et al. | Integrating a simplified emission estimation model and mesoscopic dynamic traffic simulator to efficiently evaluate emission impacts of traffic management strategies | |
Chiu Chuen et al. | Mode choice between private and public transport in Klang Valley, Malaysia | |
Shaheen et al. | Intelligent transportation systems | |
Kurzhanskiy et al. | Traffic management: An outlook | |
Liu et al. | Dynamic shared autonomous taxi system considering on-time arrival reliability | |
Ram et al. | SMARTBUS: A web application for smart urban mobility and transportation | |
Gao et al. | Modeling double parking impacts on urban street | |
EP3330157A1 (en) | Transportation demand-and-supply matching system and transportation demand-and-supply matching method | |
Van Woensel et al. | A stochastic approach to traffic congestion costs | |
CN104240529A (zh) | 一种预测公交到站时间的方法及系统 | |
Byon et al. | Bunching and headway adherence approach to public transport with GPS | |
Liu et al. | Shared autonomous taxi system and utilization of collected travel-time information | |
CN105206040A (zh) | 一种基于ic卡数据的公交串车预测方法 | |
Hwang et al. | Changes in air pollutant emissions from road vehicles due to autonomous driving technology: A conceptual modeling approach | |
Emami et al. | A neural network algorithm for queue length estimation based on the concept of k-leader connected vehicles | |
Estrada et al. | Experimental evaluation of real-time information services in transit systems from the perspective of users | |
Inturri et al. | Modelling the impact of alternative pricing policies on an urban multimodal traffic corridor | |
CN105206037A (zh) | 公交线路分析方法和系统 | |
Su et al. | Proof-of-concept study for a roadway reservation system: integrated traffic management approach | |
Molnár et al. | On-board traffic prediction for connected vehicles: implementation and experiments on highways | |
Bari et al. | Estimation of system delay based toll equivalency factors at toll plazas using simulation | |
Uchida et al. | A stochastic multimodal reliable network design problem under adverse weather conditions | |
Yue et al. | Effects of traffic signal coordination on the safety performance of urban arterials | |
CN105303246A (zh) | 一种多线路公交到站时间预测方法 | |
Xu et al. | Integrating connected autonomous shuttle buses as an alternative for public transport–A simulation-based study |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |