CN105702035B - 一种利用历史公交数据评估乘车难易程度的方法 - Google Patents
一种利用历史公交数据评估乘车难易程度的方法 Download PDFInfo
- Publication number
- CN105702035B CN105702035B CN201610167906.1A CN201610167906A CN105702035B CN 105702035 B CN105702035 B CN 105702035B CN 201610167906 A CN201610167906 A CN 201610167906A CN 105702035 B CN105702035 B CN 105702035B
- Authority
- CN
- China
- Prior art keywords
- bus
- travel
- station
- number
- vehicle
- Prior art date
Links
Abstract
Description
一种利用历史公交数据评估乘车难易程度的方法
技术领域
[0001] 本发明涉及地理信息科学,具体地说是一种利用历史公交数据评估乘车难易程度 的方法。
背景技术
[0002] 1819年巴黎市街出现了为公众租乘服务的公共马车,这是建立城市公共交通的里 程碑。近百余年来,工业发展为城市提供的交通工具和技术装备不断更新,加速了城市公共 交通现代化的进程,性能落后的交通工具逐渐被淘汰,公共汽车逐步发展成为城市公共交 通结构中的主体。改革开放以来,我国城市公共交通有了较快发展,但随着经济的发展和城 市的扩大,一些城市交通拥堵、出行不便等问题日益突出,交通堵塞已成为城市居民最热门 的话题之一,严重影响了人民群众的正常生活和城市的发展。如何为社会提供方便、快捷、 经济、安全的出行环境,改善交通堵塞和道路拥挤,成为一个重要的研究热点。现有的智能 手机软件和相关应用,主要为乘客提供公交路线及站点的查询、车辆离站位置等一些以公 交车为主体的位置信息,缺乏以公交车上乘客为主体的乘车体验信息,如车站等车人数、公 交车内乘客数量,不能帮助乘客对乘车出行的体验预先了解。
发明内容
[0003] 本发明的目的是克服现有技术存在的不足,提供一种利用历史公交数据评估乘车 难易程度的方法。
[0004] 本发明一种利用历史公交数据评估乘车难易程度的方法,包括以下步骤:
[0005] 步骤1,建立出行乘车难易评价模型如下式,
[0006]
[0007] 式中,Ovalue3为出行难易指数,表示出行难易程度,数值低表示易,数值高表示难; ft为等车时间,为等车人数,fn为车上人数;
[0008] 步骤2,对已有的公交车行驶轨迹数据(GPS点数据)进行数据清洗和数据整理;首 先校正偏移的坐标到目标地图底图坐标系中,然后计算每辆行驶车辆与公交车站的距离, 当距离最小时,认为公交车的到站时间Tbus_arrivai即为此时公交车的GPS时间,用于计算等车 时间ft;
[0009] 步骤3,把乘客出行自动售检票系统(Automatic Fare Collection,简称AFC)数据 与公交车行驶路线信息进行匹配,并按刷卡时间进行排序,得到乘客按先后顺序上车的时 间;
[0010] 步骤4,计算乘客上车时间与公交车轨迹时间的时间差Δ t,并设置Δ t阈值为η秒, 满足阈值条件的刷卡行为将获得与公交车相同的坐标,得到的结果反映了所有乘客上车记 录中,η秒内能同车辆轨迹匹配的乘客上车点位置;
[0011] 步骤5,把步骤4中乘客的上车点位置与公交车站进行匹配,计算二者的距离,当距 离最近时,认为乘客在此车站上车,这样,每一次刷卡上车行为都有对应的车站信息,再以 车站为单位,统计出每个车站上所经过的公交车上车人数NBc^d^stops,用于计算等车人数 fw和车上人数fn;
[0012] 步骤6,根据步骤5中已经得到的车站上车人数情况,参考居民出行的习惯,总结出 居民下车行为规则如下:
[0013] (1)假设,居民在某条公交线R上的某个刷卡较频繁(刷卡次数至少为p)的公交站η 上车,且待估计的出行行为位于路线R上:
[0014] (1.1)如果该出行行为的上车位置不在公交站η处,那么估计该上车行为对应的下 车位置在η处;
[0015] (1.2)如果该出行行为的上车位置在公交站η处,那么估计该上车行为对应的下车 位置为上车刷卡次数第二频繁的公交站m处;
[0016] (2)假设,居民在某公交线R上的某个刷卡不频繁(刷卡次数至少为1)的公交站η上 车,那么估计该上车行为对应的下车位置为下一次刷卡上车的m处;
[0017] 根据下车行为规则来预测每一次刷卡上车所对相应的下车位置,再以车站为单 位,统计公交车路过每个车站时的下车人数NMlghtlr^stCips,用于计算车上人数fn;
[0018] 步骤7,通过以上计算,得到等车时间ft、等车人数fw和车上人数fn,把三个因素代 入出行乘车难易评价模型
[0019]
[0020] 计算出行难易指数,若该出行计划有多个可达方案时,Ovalue3值最小的方案为最 优。
[0021] 与现有技术相比,本发明的有益效果在于:利用居民公交出行的历史数据,发现居 民出行规律,从而预测单次出行的难易程度。当等车时间过久、车站等车人数较多以及车上 人员拥挤的时候,就可以认为此次出行比较困难,体验较差。在这种情况下,根据出行评价 模型计算出的出行指数数值偏高,可以直观反映本次出行较难,让居民不必亲自到车站就 能知道当前的乘车状况,为居民的出行决策提供指导性参考。
附图说明
[0022] 图1为本发明方法的流程图。
具体实施方式
[0023] 下面通过实施例,并结合附图对本发明作进一步说明。
[0024] 本发明主要基于地理信息科学,结合居民出行行为习惯和心理需求,提出的一种 量化评估出行难易程度的方法。本方法根据居民出行的历史数据和心理行为习惯,来预测 未来某次出行的难易程度。
[0025] —种利用历史公交数据评估乘车难易程度的方法的实现思路及流程,参见图1。假 设出行计划为早上7:30从“四季花城”站出发,目的地为“坂田华城百货”站,以该出行计划 为例对本发明的流程进行具体阐述,步骤如下:
[0026] 步骤1:从爱帮网上获取各公交路线中的车站位置,以此为参照,抽取出所有公交 路线中的车站并进行ID编号,然后将进行ID编号的车站匹配到相应的公交路线中;
[0027] 步骤2:对公交车轨迹数据(GPS点数据)进行数据清洗和数据整理。首先将坐标校 正到OSM底图坐标系中;然后根据公交车ID,计算其与公交车站的距离,当距离最小时,将此 时公交车的GPS时间作为公交车的到站时间Tbusarrival。将一天的时间以最大发车间隔时间 Tspan (如20分钟)为间隔划分为时间段并进行编号;
[0028] 步骤3:根据出行计划中的起止车站,找到经过起止站点的所有路线,再把乘客计 划到站的时间(如早上7:30)转换成当天的GPS时间T。根据步骤2中的时间段划分,计算等车 时间所处的时间段编号,依次计算所有可达路线同一时间段编号内的等车时间,则等车时 间 Tw=Tb Us arrival-T 〇 当Tw> = 0时,实际等车时间为Iw;当Tw〈0时,说明该车辆已经在乘客到达 前离站,因此需要等待下一辆公交车,则将等车时间设置为最大等待时间!^_ (如20分钟), 最后根据计算得到的Tw构建等车时间模型ft,即ft = Tw。
[0029] 步骤4:把乘客出行AFC数据与公交车行驶路线进行匹配,并按刷卡时间进行排序, 得到乘客按先后顺序上车的时间;计算乘客上车时间与公交车轨迹时间的差值At,并设置 At阈值为5秒,满足阈值条件的刷卡行为将获得与公交车相同的坐标,因此得到的结果反 映了所有乘客上车记录中,5秒内能同车辆轨迹匹配的乘客上车点位置;
[0030] 步骤5,把步骤4中乘客的上车点位置与公交车站进行匹配,计算二者的距离,当距 离最近时,认为乘客在此车站上车,这样,每一次刷卡上车行为都有对应的车站信息,再以 车站为单位,统计出每个车站上所经过的公交车上车人数NBc^d^stops,用于计算等车人数 fw和车上人数fn;
[0031] 步骤6,根据步骤5中已经得到的车站上车人数情况,参考居民出行的习惯,总结出 居民下车行为规则如下:
[0032] 1)假设,居民在某条公交线R上的某个刷卡较频繁(刷卡次数至少为2)的公交站η 上车,且待估计的出行行为位于路线R上:
[0033] (1)如果该出行行为的上车位置不在公交站η处,那么估计该上车行为对应的下车 位置在η处;
[0034] (2)如果该出行行为的上车位置在公交站η处,那么估计该上车行为对应的下车位 置为上车刷卡次数第二频繁的公交站m处;
[0035] 2)假设,居民在某公交线R上的某个刷卡不频繁(刷卡次数至少为1)的公交站η上 车,那么估计该上车行为对应的下车位置为下一次刷卡上车的m处;
[0036] 根据下车行为规则来预测每一次刷卡上车所对相应的下车位置,再以车站为单 位,统计公交车路过每个车站时的下车人数NMlghtlr^stCips,用于计算车上人数fn;
[0037] 步骤7,通过以上计算,得到等车时间ft、等车人数fw和车上人数fn,把三个因素代 入出行乘车难易评价模型
[0038]
[0039] 计算出行难易指数,若该出行计划有多个可达方案时,Ovalue3值最小的方案为最 优。若想获得更准确的结果,可把等车时间ft、等车人数fW和车上人数fn三个因素扩展成更 为复杂的计算模型以供计算。
Claims (1)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610167906.1A CN105702035B (zh) | 2016-03-23 | 2016-03-23 | 一种利用历史公交数据评估乘车难易程度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610167906.1A CN105702035B (zh) | 2016-03-23 | 2016-03-23 | 一种利用历史公交数据评估乘车难易程度的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105702035A CN105702035A (zh) | 2016-06-22 |
CN105702035B true CN105702035B (zh) | 2018-02-09 |
Family
ID=56232383
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610167906.1A CN105702035B (zh) | 2016-03-23 | 2016-03-23 | 一种利用历史公交数据评估乘车难易程度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105702035B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106652535A (zh) * | 2016-12-15 | 2017-05-10 | 英业达科技有限公司 | 公车拥挤程度查询系统及其方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10163127B4 (de) * | 2001-12-20 | 2009-02-26 | Klaus Posner | Erfassung und Verarbeitung von Daten in einem Verkehrsnetz |
CN101615207A (zh) * | 2009-07-10 | 2009-12-30 | 重庆大学 | 一种获取公交ic卡持卡乘客上车站点的方法 |
CN104064028B (zh) * | 2014-06-23 | 2016-04-06 | 银江股份有限公司 | 基于多元信息数据的公交到站时间预测方法及系统 |
CN104809344B (zh) * | 2015-04-23 | 2017-11-07 | 中山大学 | 一种基于ic卡数据的公交站点区间客流估计方法 |
CN104899947A (zh) * | 2015-05-25 | 2015-09-09 | 郑州天迈科技股份有限公司 | 公交客流统计方法 |
CN105160427A (zh) * | 2015-08-20 | 2015-12-16 | 华南理工大学 | 一种基于乘车诱导的公交站点od数据快速采集方法 |
CN105390013B (zh) * | 2015-11-18 | 2018-12-18 | 北京工业大学 | 一种利用公交ic卡预测公交到站时间的方法 |
-
2016
- 2016-03-23 CN CN201610167906.1A patent/CN105702035B/zh active IP Right Grant
Also Published As
Publication number | Publication date |
---|---|
CN105702035A (zh) | 2016-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Karbassi et al. | Vehicle route prediction and time of arrival estimation techniques for improved transportation system management | |
US20040158483A1 (en) | Business and technological method for a flexible automobile sharing transit on demand | |
US20120306446A1 (en) | Power supply control device and information provision device | |
US20140278029A1 (en) | Methods And Software For Managing Vehicle Priority In A Self-Organizing Traffic Control System | |
CN101063616A (zh) | 行车路线规划系统及方法 | |
CN101270997A (zh) | 基于gps数据的浮动车动态实时交通信息处理方法 | |
CN101388143A (zh) | 基于浮动车数据的公交到站时间预测方法及系统 | |
CN102837697A (zh) | 一种电动汽车续航里程管理系统及工作方法 | |
JP2008146248A (ja) | プローブデータ解析システム | |
CN101136140A (zh) | 道路交通的通行速度计算和匹配的方法和系统 | |
CN101964148A (zh) | 道路交通信息记录服务器和gps用户终端 | |
Wu et al. | Energy-optimal speed control for electric vehicles on signalized arterials | |
CN103279534A (zh) | 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 | |
CN101620781A (zh) | 预测乘客信息的系统和搜索乘客信息的系统及其方法 | |
CN101661668A (zh) | 一种公共交通电子导航方法 | |
CN103295074A (zh) | 具有最佳定位的充电站的电动车辆(ev)充电基础设施的方法和系统 | |
CN103557870A (zh) | 一种动态轨迹导航方法及云平台 | |
CN101451853A (zh) | 导航装置根据实时交通信息进行导航的方法 | |
CN102324128A (zh) | 基于ic卡记录的公交站间od客流预测方法及装置 | |
CN102110363A (zh) | 一种浮动车数据处理的方法及装置 | |
CN103971507A (zh) | 一种召车方法、召车平台及系统 | |
CN103810851A (zh) | 一种基于手机定位的交通出行模式识别方法 | |
Blazquez et al. | Simple map-matching algorithm applied to intelligent winter maintenance vehicle data | |
CN102622879A (zh) | 交通信息提供装置 | |
CN101123515A (zh) | 一种数字公交系统的车辆到站时间预报方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
C10 | Entry into substantive examination | ||
GR01 |