CN105335795B - 一种基于ic卡数据的地铁公交换乘问题自动诊断方法 - Google Patents
一种基于ic卡数据的地铁公交换乘问题自动诊断方法 Download PDFInfo
- Publication number
- CN105335795B CN105335795B CN201510698015.4A CN201510698015A CN105335795B CN 105335795 B CN105335795 B CN 105335795B CN 201510698015 A CN201510698015 A CN 201510698015A CN 105335795 B CN105335795 B CN 105335795B
- Authority
- CN
- China
- Prior art keywords
- data
- transfer
- subway
- card
- bus
- 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
- 238000012546 transfer Methods 0.000 title claims abstract description 113
- 238000003745 diagnosis Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 title claims abstract description 22
- 239000000284 extract Substances 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 208000010086 Hypertelorism Diseases 0.000 claims description 3
- 206010020771 Hypertelorism of orbit Diseases 0.000 claims description 3
- 230000001174 ascending effect Effects 0.000 claims 1
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 241000135164 Timea Species 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001680 brushing effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G06Q50/40—
Abstract
本发明公开了一种基于IC卡数据的地铁公交换乘问题自动诊断方法,包括如下的步骤:步骤S1:提取同一工作日的地铁IC卡数据和公交IC卡数据;步骤S2:提取地铁公交空间毗邻列表;步骤S3:基于IC卡数据的地铁公交换乘识别;步骤S4:查找问题换乘数据列表;步骤S5:针对每个问题换乘数据列表j,计算换乘平均等车时间步骤S6:针对每个问题换乘数据列表j,计算换乘平均步行时间 步骤S7:针对每个问题换乘数据列表j,计算换乘平均延误时间步骤S8:诊断结论。本发明方法成本低廉,样本量大,诊断速度快,且可以对改善方案形成反馈。
Description
技术领域
本发明涉及地铁公交换乘问题自动诊断方法,特别是涉及一种基于IC卡数据的地铁公交换乘问题自动诊断方法。
背景技术
地铁运量大、速度快、可靠性高,在很多大城市中普遍使用。但由于地铁价格昂贵,地铁站点很难覆盖到城市所有的交通需求点,尤其是近郊地区。因此,很多公交线路承担着地铁客流的接驳功能,以弥补地铁运营可达性的不足,甚至有城市专门开设接驳公交用于与地铁换乘。
然而,部分公交线路由于站点位置离地铁站较远、公交发车频率较低、路径干扰较多等原因,与地铁的换乘时间较长,换乘效率低下。如何快速、低成本的了解哪些公交线路与地铁站点的换乘存在问题、存在何种问题,成为困扰公共交通管理者的技术问题。传统的问卷调查方法,消耗大量的人力物力,并且很多潜在的换乘线路也往往难以覆盖;并且数据样本量小,难以从统计学角度甄别关键问题。
发明内容
发明目的:本发明的目的是提供一种成本低廉、诊断速度快、样本量大的基于IC卡数据的地铁公交换乘问题自动诊断方法。
本发明所述的基于IC卡数据的地铁公交换乘问题自动诊断方法,包括以下的步骤:
S1:提取同一工作日的地铁IC卡数据和公交IC卡数据:其中,地铁IC卡数据包括4列,即卡编号CN、交易时间TT、站点编号SN、闸机编号GN;公交IC卡数据包括4列,即卡编号CN、交易时间TT、线路编号LN、车辆编号VN;
S2:提取地铁公交空间毗邻列表:提取城市中所有地铁站点半径500m范围内所有运营的公交线路名称,形成地铁站点编号SN与公交线路编号LN组成的地铁公交空间毗邻列表;该列表中,每行数据包含两个变量,即地铁站点编号i以及站点编号为i的地铁站点半径500m范围内的所有公交线路编号;
S3:基于IC卡数据的地铁公交换乘识别:首先,将步骤S1获得的地铁IC卡数据与公交IC卡数据融合,然后,在地铁卡编号CN与公交卡编号CN相同的所有数据行中提取地铁刷卡记录后一行是公交刷卡记录的两条数据行,每一条地铁刷卡记录与其后的公交刷卡记录形成一组换乘数据,当一组换乘数据满足时间约束条件与空间约束条件时,该组换乘数据即为有效数据组,将所有有效数据组形成有效数据库列表;其中,空间约束条件为:有效数据库列表中的每组有效数据组中,地铁站点编号SN与公交线路编号LN能够在步骤S2所述的地铁公交空间毗邻列表中任一行同时查询到;时间约束条件如式(1)和式(2)所示:
T换=TTb-TTm (1)
T换<30分钟 (2)
式(1)中,TTm为地铁交易时间,TTb为公交交易时间;
S4:查找问题换乘数据列表:首先,根据每组有效数据组的地铁交易时间TTm与公交交易时间TTb,按照式(1)计算每组有效数据组的换乘时间T换;然后,在有效数据库列表中,将具有相同的地铁站点编号SN与相同的公交线路编号LN的有效数据组提取组成特定换乘列表,每个特定换乘列表中记录了一个具体的地铁站与一个具体的公交线路间的所有换乘乘客信息,统计每个特定换乘列表中含有的有效数据组组数N,以及这N组数据的平均换乘时间当有效数据组组数N>1000并且平均换乘时间分钟时,该特定换乘列表为问题换乘数据列表,删除每个问题换乘数据列表j中的离群数据组,其中,离群数据组,指的是以问题换乘数据列表j中的所有换乘时间T换j为观测值,距第1四分位数(Q1)或第3四分位数(Q3)超出四分位数间距的两倍以上的观测值所在的数据组,j=1,2,……,m,m为问题换乘数据列表的个数;
S5:针对每个问题换乘数据列表j,计算换乘平均等车时间从公交公司获取每个问题换乘数据列表j中公交车的发车时间间隔Thj,通过式(3)推算换乘平均等车时间:
S6:针对每个问题换乘数据列表j,计算换乘平均步行时间当地铁转公交的换乘乘客在公交车站等待时间少于e秒即坐上公交车时,认为该乘客正好坐上公交,将该乘客的换乘时间T换等价于他的换乘步行时间T步;因此,至少存在nj个乘客能够正好坐上公交,这nj个乘客的平均换乘时间即为换乘平均步行时间nj如式(4)所示:
nj=int(Nj*e/Thj) (4)
其中,int()表示四舍五入取整函数;
S7:针对每个问题换乘数据列表j,计算换乘平均延误时间换乘平均延误时间如式(5)所示:
S8:诊断结论:依据式(6)得出诊断结论,并给出有效措施,如式(6)所示:
其中,诊断结论分为三类:类型I,即公交站点与地铁站距离过远;类型II,即公交车发车频率过低;类型III,即换乘路径中信号灯过长或换乘公交站台难以寻找;相应地,有效措施也分为三类:措施I,即移近公交站台至地铁站出口附近;措施II,即增加公交车发车频率;措施III,即增加换乘引导指示牌,优化换乘路径中信号灯的信号配时。
进一步,所述步骤S3中,将地铁IC卡数据列表与公交IC卡数据列表进行纵向拼接,形成新的4列数据库列表,数据变量名变更为:卡编号CN、交易时间TT、站点编号SN/线路编号LN、闸机编号GN/车辆编号VN;对新数据库依次按照交易时间TT、卡编号CN这两个变量升序排序。
进一步,所述步骤S6中的e=5。
有益效果:本发明具有如下的有益效果:
1.成本低廉。本发明提出的基于IC卡的地铁公交换乘问题自动诊断方法,只需要根据公共交通运营公司记录的IC卡刷卡记录,应用一台常规计算机的数据库与Excel软件运算即可获得;不需要花费大量的人力物力进行问卷调查,以及后续的整理分析。
2.样本量大,避免疏漏。本发明方法从整个城市的地铁与公交的刷卡数据分析,涵盖了城市中所有已知以及潜在的地铁公交换乘点对,能够全面的分析整个城市的地铁公交换乘情况;并且由于样本量大,可以更准确、权威的评价换乘中存在的问题。
3.诊断速度快。传统的调查方法,从问卷制作、问卷调查到最终的数据分析花费时间从一周至数月不等;并且调查越全面,耗时越长。而本发明方法,可以使用计算机自动处理大量样本,获得诊断结果只需数小时甚至更短时间,这为交通管理者快速决策节省了大量时间。
4.可以对改善方案形成反馈。由于本发明专利方法简单易行,因此可以用于对比改善方案前后地铁公交换乘点对的换乘时间,进而直接评价改善方案的效果,并可以根据换乘时间的不同组成部分变化,对改善方案形成反馈。
附图说明
图1为本发明的方法流程图。
具体实施方式
下面结合具体实施方式对本发明的技术方案作进一步的介绍。
本发明所述的基于IC卡数据的地铁公交换乘问题自动诊断方法,包括以下的步骤:
S1:提取同一工作日的地铁IC卡数据和公交IC卡数据:其中,地铁IC卡数据包括4列,即卡编号CN、交易时间TT、站点编号SN、闸机编号GN;公交IC卡数据包括4列,即卡编号CN、交易时间TT、线路编号LN、车辆编号VN;
S2:提取地铁公交空间毗邻列表:提取城市中所有地铁站点半径500m范围内所有运营的公交线路名称,形成地铁站点编号SN与公交线路编号LN组成的地铁公交空间毗邻列表;该列表中,每行数据包含两个变量,即地铁站点编号i以及站点编号为i的地铁站点半径500m范围内的所有公交线路编号;
S3:基于IC卡数据的地铁公交换乘识别:首先,将步骤S1获得的地铁IC卡数据与公交IC卡数据融合,然后,在地铁卡编号CN与公交卡编号CN相同的所有数据行中提取地铁刷卡记录后一行是公交刷卡记录的两条数据行,每一条地铁刷卡记录与其后的公交刷卡记录形成一组换乘数据,当一组换乘数据满足时间约束条件与空间约束条件时,该组换乘数据即为有效数据组,将所有有效数据组形成有效数据库列表;其中,空间约束条件为:有效数据库列表中的每组有效数据组中,地铁站点编号SN与公交线路编号LN能够在步骤S2所述的地铁公交空间毗邻列表中任一行同时查询到;时间约束条件如式(1)和式(2)所示:
T换=TTb-TTm (1)
T换<30分钟 (2)
式(1)中,TTm为地铁交易时间,TTb为公交交易时间;
S4:查找问题换乘数据列表:首先,根据每组有效数据组的地铁交易时间TTm与公交交易时间TTb,按照式(1)计算每组有效数据组的换乘时间T换;然后,在有效数据库列表中,将具有相同的地铁站点编号SN与相同的公交线路编号LN的有效数据组提取组成特定换乘列表,每个特定换乘列表中记录了一个具体的地铁站与一个具体的公交线路间的所有换乘乘客信息,统计每个特定换乘列表中含有的有效数据组组数N,以及这N组数据的平均换乘时间当有效数据组组数N>1000并且平均换乘时间分钟时,该特定换乘列表为问题换乘数据列表,删除每个问题换乘数据列表j中的离群数据组,其中,离群数据组,指的是以问题换乘数据列表j中的所有换乘时间T换j为观测值,距第1四分位数(Q1)或第3四分位数(Q3)超出四分位数间距的两倍以上的观测值所在的数据组,j=1,2,……,m,m为问题换乘数据列表的个数;
S5:针对每个问题换乘数据列表j,计算换乘平均等车时间从公交公司获取每个问题换乘数据列表j中公交车的发车时间间隔Thj,通过式(3)推算换乘平均等车时间:
S6:针对每个问题换乘数据列表j,计算换乘平均步行时间当地铁转公交的换乘乘客在公交车站等待时间少于e秒即坐上公交车时,认为该乘客正好坐上公交,将该乘客的换乘时间T换等价于他的换乘步行时间T步;因此,至少存在nj个乘客能够正好坐上公交,这nj个乘客的平均换乘时间即为换乘平均步行时间nj如式(4)所示:
nj=int(Nj*e/Thj) (4)
其中,int()表示四舍五入取整函数;
S7:针对每个问题换乘数据列表j,计算换乘平均延误时间换乘平均延误时间如式(5)所示:
S8:诊断结论:依据式(6)得出诊断结论,并给出有效措施,如式(6)所示:
其中,诊断结论分为三类:类型I,即公交站点与地铁站距离过远;类型II,即公交车发车频率过低;类型III,即换乘路径中信号灯过长或换乘公交站台难以寻找;相应地,有效措施也分为三类:措施I,即移近公交站台至地铁站出口附近;措施II,即增加公交车发车频率;措施III,即增加换乘引导指示牌,优化换乘路径中信号灯的信号配时。
进一步,所述步骤S3中,将地铁IC卡数据列表与公交IC卡数据列表进行纵向拼接,形成新的4列数据库列表,数据变量名变更为:卡编号CN、交易时间TT、站点编号SN/线路编号LN、闸机编号GN/车辆编号VN;对新数据库依次按照交易时间TT、卡编号CN这两个变量升序排序。
进一步,所述步骤S6中的e=5。
下面介绍一个具体实施例,介绍本发明的方法,此实施例针对南京的IC卡数据。
本发明的方法包括如下的步骤:
步骤S1:提取同一工作日的地铁IC卡数据和公交IC卡数据:其中,地铁IC卡数据包括4列,即卡编号CN、交易时间TT、站点编号SN、闸机编号GN;公交IC卡数据包括4列,即卡编号CN、交易时间TT、线路编号LN、车辆编号VN;如表1与表2所示,南京2013年10月16日部分地铁IC卡数据与公交IC卡数据样例。
表1 南京2013年10月16日部分地铁IC卡数据样例
卡编号CN | 交易时间TT | 站点编号SN | 闸机编号GN |
991161512067 | 08:22:13 | 0000051 | 20217363 |
991161512076 | 17:22:25 | 0000011 | 20069921 |
991161512086 | 08:29:24 | 0000009 | 20133397 |
991161512086 | 11:33:45 | 0000037 | 20145175 |
991161512087 | 18:34:49 | 0000030 | 20143363 |
… | … | … | … |
表2 南京2013年10月16日部分公交IC卡数据样例
卡编号CN | 交易时间TT | 线路编号LN | 车辆编号VN |
991161512067 | 06:58:07 | 106515100000 | 128142 |
991161512076 | 08:25:08 | 101502400000 | 141618 |
991161512076 | 17:29:14 | 101502400000 | 141620 |
991161512086 | 09:04:02 | 106518300000 | 120824 |
991161512087 | 17:29:19 | 102507400150 | 153506 |
… | … | … | … |
步骤S2:提取地铁公交空间毗邻列表:提取城市中所有地铁站点半径500m范围内所有运营的公交线路名称,形成地铁站点编号SN与公交线路编号LN组成的地铁公交空间毗邻列表,如表4所示(表3为南京地铁公交空间毗邻列表原始名称);该列表中,每行数据包含两个变量,即地铁站点编号i以及站点编号为i的地铁站点半径500m范围内的所有公交线路编号;
表3 南京地铁公交空间毗邻列表原始名称样例
表4 南京地铁公交空间毗邻列表代码转换后样例
步骤S3:基于IC卡数据的地铁公交换乘识别:首先,将步骤S1获得的地铁IC卡数据及公交IC卡数据融合;然后,提取相同卡编号CN的所有数据行中,地铁刷卡记录后一行是公交刷卡记录的两条数据行,每一条地铁刷卡记录与其后的公交刷卡记录形成一组换乘数据。当每组换乘数据(两条刷卡记录)满足时间约束条件与空间约束条件时,该组数据即为有效数据组,将所有有效数据组形成有效数据库列表,如表5所示;
表5 有效数据库列表
步骤S4:查找问题换乘数据列表:首先,根据每组有效数据组的地铁交易时间TTm与公交交易时间TTb,计算每组数据的换乘时间T换,如式(1):
T换=TTb-TTm (1)
在有效数据库列表中,将具有相同的地铁站点编号SN与相同的公交线路编号LN的有效数据组提取组成特定换乘列表;每个特定换乘列表中记录了一个具体的地铁站与一个具体的公交线路间的所有换乘乘客信息;统计每个特定换乘列表中含有的有效数据组组数N,以及这N组数据的平均换乘时间当有效数据组组数N>1000并且平均换乘时间分钟时,该特定换乘列表为问题换乘数据列表;删除每个问题换乘数据列表j中的离群数据组;假定最终获得m个问题换乘数据列表,其中任一问题换乘数据列表中含有有效数据组组数为Nj,其中j=1,2,3,…m。
根据南京IC卡数据得到,m=2,即有两个问题换乘数据列表。计算得到N1=1334,N2=1230;分钟,分钟。其中,第一个问题换乘数据列表如表6所示。
表6 第一个问题换乘数据列表样例
步骤S5:针对每个问题换乘数据列表j,计算换乘平均等车时间从公交公司获取每个问题换乘数据列表j中公交车的发车时间间隔Thj,通过式(3)推算换乘平均等车时间:
步骤S6:针对每个问题换乘数据列表j,计算换乘平均步行时间当地铁转公交的换乘乘客在公交车站等待时间少于e秒即坐上公交车时,认为该乘客正好坐上公交,该乘客的换乘时间T换等价于他的换乘步行时间T步。根据步骤50)中获得的每个问题换乘数据列表j中的公交车发车时间间隔Thj、步骤40)中获得的每个问题换乘数据列表中有效数据组组数Nj,可以得到在问题换乘数据列表j中,至少存在nj个乘客能够正好坐上公交,如式(4),其中int()表示四舍五入取整函数:
nj=int(Nj*e/Thj) (4)
假定正好坐上公交的nj个乘客为换乘时间T换最短的nj个乘客(数据组),那么这nj个乘客的平均换乘时间即为换乘平均步行时间
步骤S7:针对每个问题换乘数据列表j,计算换乘平均延误时间平均延误时间由步骤40)获得的平均换乘时间步骤50)获得的换乘平均等车时间步骤60)获得的换乘平均步行时间推算得到,如式(5)所示:
步骤S8:诊断结论:诊断结论分为三类:第一类为类型I,即公交站点与地铁站距离过远;第二类为类型II,即公交车发车频率过低;第三类为类型III,即换乘路径中信号灯过长或换乘公交站台难以寻找。类型I对应措施I,移近公交站台至地铁站出口附近;类型II对应措施II,增加公交车发车频率;类型III对应措施III,增加换乘引导指示牌,优化换乘路径中信号灯的信号配时。针对每个问题换乘数据列表j,依据式,诊断问题类型,并给出有效措施。
根据步骤S5至步骤S8的计算,得到对应结果如表7所示。
表7 步骤50)至步骤80)涉及的变量结果
以上所述仅是本发明的优选实施方式,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,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (3)
1.一种基于IC卡数据的地铁公交换乘问题自动诊断方法,其特征在于:包括以下的步骤:
S1:提取同一工作日的地铁IC卡数据和公交IC卡数据:其中,地铁IC卡数据包括4列,即卡编号CN、交易时间TTm、站点编号SN、闸机编号GN;公交IC卡数据包括4列,即卡编号CN、交易时间TTb、线路编号LN、车辆编号VN;
S2:提取地铁公交空间毗邻列表:提取城市中所有地铁站点半径500m范围内所有运营的公交线路名称,形成地铁站点编号SN与公交线路编号LN组成的地铁公交空间毗邻列表;该列表中,每行数据包含两个变量,即地铁站点编号i以及站点编号为i的地铁站点半径500m范围内的所有公交线路编号;
S3:基于IC卡数据的地铁公交换乘识别:首先,将步骤S1获得的地铁IC卡数据与公交IC卡数据融合,然后,在地铁卡编号CN与公交卡编号CN相同的所有数据行中提取地铁刷卡记录后一行是公交刷卡记录的两条数据行,每一条地铁刷卡记录与其后的公交刷卡记录形成一组换乘数据,当一组换乘数据满足时间约束条件与空间约束条件时,该组换乘数据即为有效数据组,将所有有效数据组形成有效数据库列表;其中,空间约束条件为:有效数据库列表中的每组有效数据组中,地铁站点编号SN与公交线路编号LN能够在步骤S2所述的地铁公交空间毗邻列表中任一行同时查询到;时间约束条件如式(1)和式(2)所示:
T换=TTb-TTm (1)
T换<30分钟 (2)
式(1)中,TTm为地铁交易时间,TTb为公交交易时间;
S4:查找问题换乘数据列表:首先,根据每组有效数据组的地铁交易时间TTm与公交交易时间TTb,按照式(1)计算每组有效数据组的换乘时间T换;然后,在有效数据库列表中,将具有相同的地铁站点编号SN与相同的公交线路编号LN的有效数据组提取组成特定换乘列表,每个特定换乘列表中记录了一个具体的地铁站与一个具体的公交线路间的所有换乘乘客信息,统计每个特定换乘列表中含有的有效数据组组数N,以及这N组数据的平均换乘时间当有效数据组组数N>1000并且平均换乘时间分钟时,该特定换乘列表为问题换乘数据列表,删除每个问题换乘数据列表j中的离群数据组,其中,离群数据组,指的是以问题换乘数据列表j中的所有换乘时间T换j为观测值,距第1四分位数(Q1)或第3四分位数(Q3)超出四分位数间距的两倍以上的观测值所在的数据组,j=1,2,……,m,m为问题换乘数据列表的个数;
S5:针对每个问题换乘数据列表j,计算换乘平均等车时间从公交公司获取每个问题换乘数据列表j中公交车的发车时间间隔Thj,通过式(3)推算换乘平均等车时间:
S6:针对每个问题换乘数据列表j,计算换乘平均步行时间当地铁转公交的换乘乘客在公交车站等待时间少于e秒即坐上公交车时,认为该乘客正好坐上公交,将该乘客的换乘时间T换等价于他的换乘步行时间T步;因此,至少存在nj个乘客能够正好坐上公交,这nj个乘客的平均换乘时间即为换乘平均步行时间nj如式(4)所示:
nj=int(Nj*e/Thj) (4)
其中,int()表示四舍五入取整函数;
S7:针对每个问题换乘数据列表j,计算换乘平均延误时间换乘平均延误时间如式(5)所示:
S8:诊断结论:依据式(6)得出诊断结论,并给出有效措施,如式(6)所示:
其中,诊断结论分为三类:类型I,即公交站点与地铁站距离过远;类型II,即公交车发车频率过低;类型III,即换乘路径中信号灯过长或换乘公交站台难以寻找;相应地,有效措施也分为三类:措施I,即移近公交站台至地铁站出口附近;措施II,即增加公交车发车频率;措施III,即增加换乘引导指示牌,优化换乘路径中信号灯的信号配时。
2.根据权利要求1所述的基于IC卡数据的地铁公交换乘问题自动诊断方法,其特征在于:所述步骤S3中,将地铁IC卡数据列表与公交IC卡数据列表进行纵向拼接,形成新的4列数据库列表,数据变量名变更为:卡编号CN、交易时间TT、站点编号SN/线路编号LN、闸机编号GN/车辆编号VN;对新数据库依次按照交易时间TT、卡编号CN这两个变量升序排序。
3.根据权利要求1所述的基于IC卡数据的地铁公交换乘问题自动诊断方法,其特征在于:所述步骤S6中的e=5。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510698015.4A CN105335795B (zh) | 2015-10-23 | 2015-10-23 | 一种基于ic卡数据的地铁公交换乘问题自动诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510698015.4A CN105335795B (zh) | 2015-10-23 | 2015-10-23 | 一种基于ic卡数据的地铁公交换乘问题自动诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105335795A CN105335795A (zh) | 2016-02-17 |
CN105335795B true CN105335795B (zh) | 2019-02-05 |
Family
ID=55286310
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510698015.4A Active CN105335795B (zh) | 2015-10-23 | 2015-10-23 | 一种基于ic卡数据的地铁公交换乘问题自动诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105335795B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107578619B (zh) * | 2017-09-11 | 2020-08-11 | 东南大学 | 基于ic卡数据测定地铁站点公共自行车服务范围的方法 |
CN107590239B (zh) * | 2017-09-11 | 2020-08-11 | 东南大学 | 一种基于ic卡数据测定地铁站点公共自行车接驳半径的方法 |
CN107657006B (zh) * | 2017-09-22 | 2020-12-11 | 东南大学 | 基于时空特性的公共自行车ic卡与地铁ic卡匹配方法 |
CN108664553A (zh) * | 2018-04-03 | 2018-10-16 | 东南大学 | 一种地铁与公共自行车刷卡数据融合方法 |
CN110111140A (zh) * | 2019-04-25 | 2019-08-09 | 华南理工大学 | 一种基于ic卡数据的热点换乘枢纽识别方法 |
CN110322058B (zh) * | 2019-06-21 | 2022-04-15 | 东南大学 | 一种考虑步行衔接的轨道交通出行方式时间最短路计算方法 |
CN112950943A (zh) * | 2021-02-18 | 2021-06-11 | 重庆交通开投科技发展有限公司 | 基于多元数据的换乘站点推算方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101630440A (zh) * | 2009-06-01 | 2010-01-20 | 北京交通大学 | 常规公共交通衔接城市轨道交通的运营协调优化方法与系统 |
WO2010036471A1 (en) * | 2008-09-25 | 2010-04-01 | Ge Security, Inc. | Physical access control system with smartcard and methods of operating |
CN101789175A (zh) * | 2010-01-08 | 2010-07-28 | 北京工业大学 | 公共交通多线路静态协调调度方法 |
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 |
CN103280100A (zh) * | 2013-05-31 | 2013-09-04 | 西安建筑科技大学 | 融合智能调度数据的公交ic卡乘客换乘站点判断方法 |
-
2015
- 2015-10-23 CN CN201510698015.4A patent/CN105335795B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010036471A1 (en) * | 2008-09-25 | 2010-04-01 | Ge Security, Inc. | Physical access control system with smartcard and methods of operating |
CN101630440A (zh) * | 2009-06-01 | 2010-01-20 | 北京交通大学 | 常规公共交通衔接城市轨道交通的运营协调优化方法与系统 |
CN101789175A (zh) * | 2010-01-08 | 2010-07-28 | 北京工业大学 | 公共交通多线路静态协调调度方法 |
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 |
CN103280100A (zh) * | 2013-05-31 | 2013-09-04 | 西安建筑科技大学 | 融合智能调度数据的公交ic卡乘客换乘站点判断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105335795A (zh) | 2016-02-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105335795B (zh) | 一种基于ic卡数据的地铁公交换乘问题自动诊断方法 | |
CN104766473B (zh) | 基于多模式公交数据匹配的公共交通出行特征提取方法 | |
CN104303014B (zh) | 交通路径分担率控制系统以及交通路径分担率控制方法 | |
CN108053240B (zh) | 生成车载广告投放公交线路方案的方法及装置 | |
CN104134343A (zh) | 一种基于交通卡数据的乘客上下车时间和位置的获取方法 | |
CN106205120B (zh) | 一种提取道路路口交通限制的方法及装置 | |
CN105390013A (zh) | 一种利用公交ic卡预测公交到站时间的方法 | |
CN105023437A (zh) | 一种公交od矩阵的构建方法及系统 | |
CN107590239B (zh) | 一种基于ic卡数据测定地铁站点公共自行车接驳半径的方法 | |
CN114363842B (zh) | 基于手机信令数据的公交乘客下车站点预测方法及装置 | |
CN109615853A (zh) | 识别高速公路疑似非法营运车辆的方法及设备 | |
CN108108897B (zh) | 一种轨道交通客流清分方法、系统及电子设备 | |
CN108122131B (zh) | 基于公共自行车刷卡数据的通勤行为和职住地识别方法 | |
CN112925820B (zh) | 一种车辆偷逃通行费的识别方法、装置及系统 | |
Jafari Kang et al. | A procedure for public transit OD matrix generation using smart card transaction data | |
CN106781507A (zh) | 用于生成路况信息和测试路况识别系统的方法和装置 | |
CN106997662A (zh) | 一种城市公交车工况构建方法 | |
CN105913668A (zh) | 一种基于海量交通数据统计的定向套牌车检测方法 | |
Ma et al. | Public transportation big data mining and analysis | |
CN110021161B (zh) | 一种交通流向的预测方法及系统 | |
CN115830729A (zh) | 基于高速公路etc数据融合的车辆出行信息提取方法 | |
Zhao et al. | GLTC: A metro passenger identification method across AFC data and sparse wifi data | |
CN111757272A (zh) | 地铁拥堵程度的预测方法、模型训练方法和装置 | |
CN110020666B (zh) | 一种基于乘客行为模式的公共交通广告投放方法及系统 | |
Song et al. | Public transportation service evaluations utilizing seoul transportation card data |
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 |