CN106650976A - 出行分析预测方法及系统、基于ic卡的出行分析预测方法及系统 - Google Patents

Abstract

一种出行分析预测方法，包括以下步骤：数据获取，获取初始数据；数据清洗，将初始数据形成有效数据；数据分析统计，分析有效数据并得出统计结果；数据预测，将统计结果代入预测模型得出预测结果。上述出行分析预测方法，整合公交、地铁、路面等各种出行客流的数据并进行分析统计，并利用预测模型进行客流预测，实现智能交通的宏观调控，为客流预警、决策调控提供信息辅助。

Description

出行分析预测方法及系统、基于IC卡的出行分析预测方法及系统

技术领域

本发明涉及城市交通运营管理技术领域，特别是涉及一种出行分析与预测方法及系统，和基于IC卡的出行分析与预测方法及系统。

背景技术

随着社会发展，交通事故、交通拥堵。环境污染和能源消耗等问题日趋严重，人们力图最佳的利用现有宏观交通措施改善交通环境。

智能交通系统是将先进信息技术、数据通讯技术、电子传感、控制技术以及计算机处理技术等有效集成运用于整个地面运输管理体系，而建立起的一种大范围、全方位、实施、准确、高效的综合运输和管理体系，其成为解决目前交通问题的理想方案。

随着目前各种交通流量的监控手段实施，特别是公共交通IC卡的普遍使用，为利用进行数据统计来分析客流运行状态提供可能，从而为出行决策和客流预警等提供数据支持。

发明内容

基于此，提供一种基于IC卡的出行分析与预测方法。

一种出行分析预测方法，包括以下步骤：数据获取，获取初始数据；数据清洗，将所述初始数据形成有效数据；数据分析统计，分析所述有效数据并得出统计结果；数据预测，将所述统计结果代入预测模型得出预测结果。

在其中一个实施例中，统计结果包括：分时段统计分析、分线路统计分析、分站点统计分析和分区域统计分析。

在其中一个实施例中，预测模型包括ARIMA预测模型、基于小波分析支持向量机短期预测模型和BP神经网络预测模型的一种或几种。

同时提供一种出行分析预测系统，包括：数据库，从目标库中获取初始数据，并进行数据清洗形成有效数据；分析统计模块，与所述数据库连接，接收并对所述有效数据进行统计，形成统计结果；以及预测模块，与所述分析统计模块连接，将所述统计结果代入预测模型，形成预测结果。

在其中一个实施例中，分析统计模块包括：分时段统计分析单元、分线路统计分析单元、分站点统计分析单元和分区域统计分析单元，所述分时段统计分析单元、分线路统计分析单元、分站点统计分析单元和分区域统计分析单元均与所述数据库和所述预测模块连接。

在其中一个实施例中，预测模型包括ARIMA预测模型、基于小波分析支持向量机短期预测模型和BP神经网络预测模型的一种或几种。

还有必要提供一种基于IC卡的出行分析预测方法，包括以下步骤：数据获取，获取初始数据，所述初始数据包括公交IC卡刷卡数据及地铁IC卡刷卡数据；数据清洗，将所述初始数据形成有效数据；数据分析，统计所述有效数据得出统计结果；数据预测，将所述统计结果代入预测模型得出预测结果。

同时提供一种于IC卡的出行分析预测系统，包括：IC卡数据库，从目标库中获取初始数据，所述初始数据包括公交IC卡刷卡数据及地铁IC卡刷卡数据，并进行数据清洗形成有效数据；分析统计模块，与所述数据库连接，接收并对所述有效数据进行统计，形成统计结果；以及预测模块，与所述分析统计模块连接，将所述统计结果代入预测模型，形成预测结果。

上述出行分析预测方法，整合公交、地铁、路面等各种出行客流的数据并进行分析统计，并利用预测模型进行客流预测，实现智能交通的宏观调控，为客流预警、决策调控提供信息辅助。

附图说明

图1为出行分析预测方法流程图；

图2为出行分析预测系统架构图；

图3为第一实施例中的出行分析预测系统架构图；

图4为第二实施例中的出现分析预测系统架构图；

图5为基于IC卡的出行分析预测方法流程图；

图6为基于IC卡的出行分析预测系统架构图。

具体实施方式

为使本发明的目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似改进，因此本发明不受下面公开的具体实施的限制。

本发明提出的出行分析预测方法包括以下步骤：

步骤S10，数据获取，获得分析所需的初始数据。初始数据可以包括公交GPS数据、公交站点人流量监测数据、路面车流监测数据、手机信号数据、公交IC卡刷卡数据、地铁IC卡刷卡数据等可以标示出行客流量的数据。

步骤S20，数据清洗，对初始数据进行清洗，形成有效数据。初始数据中可能包括有重复数据、重要字段缺失、不可恢复或明显错误的数据，对初始数据清洗，形成统一格式的有效数据。

步骤S30，数据分析统计，统计分析有效数据并得出统计结果。对有效数据执行分析步骤，并从多个维度统计，得到统计结果，作为预测的数据基础。

步骤S40，数据预测，将统计结果代入预测模型并得出预测结果。

本发明提出的出行分析预测方法，整合公交、地铁、路面等各种出行客流的数据并进行分析统计，并利用预测模型进行客流预测，实现智能交通的宏观调控，为客流预警、决策调控提供信息辅助。

具体地，数据获取阶段，从多个数据库获取多类初始数据，例如公交车GPS数据库、城市公交IC卡数据库、公交站点数据库等，并对数据执行清洗步骤，例如删除重要字段缺失的数据、匹配同一票卡进出站记录等操作。清洗后形成有效数据。

步骤S30中，首先针对有效数据进行分析，形成分析结果，然后根据分析结果进行多维度统计，整理出统计结果。

特别地，分析主要是基于城市公共交通数据进行分析，包括公交GPS、公交IC卡的刷卡数据和地铁IC卡的刷卡数据。公交GPS数据用于分析公交车的到站时间、公交车行驶线路等；地铁IC卡刷卡数据的分析主要包括匹配同一IC卡的出站入站信息，以协助建立对应IC卡持有人住宿地与工作地信息；对于公交IC卡刷卡数据，利用IC卡的早晚刷卡站点规律进行分析，协助建立对应IC卡持有人住宿地与工作地信息。

在以上分析基础上，按照需要的维度进行数据统计，形成统计结果。

在一个实施例中，统计结果包括分时统计分析、分线路统计分析、分站点统计分析、分区域统计分析。

按照时段、公共交通线路、公共交通站点和城市区域四个维度，分类统计各种有效数据，形成实时的统计结果。时段分析统计以设定时间段统计，例如每小时为一个时段进行出行分析，包括特定公路的车辆流量、地铁人流量等；分线路统计包括统计各公交线路或地铁线路的人流量；分站点统计分析按照各公交站点、地铁线路站点等进行分类统计，分区域统计按照区域划分数据，并统计各区域的各种信息包括人流量、车流量等。

按照以上四个维度进行分类，可基本满足各种出行要求与调度统计。

进一步地，步骤S30的数据分析还包括特殊情况流量分析。

具体地，特殊情况流量分析包括早晚高峰、节假日、恶劣天气、重要站点的客流变化情况，并与非特殊情况下的数据进行对比，从中分析出特殊情况发生时候的流量增长率等数据结果。

依据特殊情况流量统计结果，可应用于客流预测与预警，使数据预测更准确。

步骤S40的数据预测具体为：将步骤S30的统计结果代入预测模型得出预测结果。

具体地，利用预设的预测模型进行数据预测。预测模型包括自回归积分滑动平均模型(Autoregressive Integrated Moving Average Model，ARIMA预测模型)、基于小波分析支持向量机短期预测模型和BP(Back Propagation)神经网络预测模型的一种或几种。利用多个预测模型时，后续还利用例如取平均值等后处理方法对预测结果进行处理。

预测结果用于对交通调控预警或出行参考。可设置相应的预警值，如预测结果超过预警值则进行预警，同时便于城市交通的协调运营，指导例如车辆发车间隔、线路增加支援等。

基于以上出行分析预测方法，还提供出行分析预测系统，其包括数据库10、分析统计模块20和预测模块30。

参见图2。具体地，数据库10用于存储有效数据。数据库10从目标数据库提取初始数据，并对初始数据进行清洗，形成满足统一数据接入标准的有效数据并存储。

分析统计模块20，与数据库10连接，用于接收由数据库10传输的有效数据并进行统计分析。

有效数据包括公交GPS、公交IC卡的刷卡数据和地铁IC卡的刷卡数据。分析统计模块根据公交GPS数据，分析出公交车的到站时间、公交车行驶线路等；地铁IC卡刷卡数据的分析主要包括匹配同一IC卡的出站入站信息，以协助建立对应IC卡持有人住宿地与工作地信息；对于公交IC卡刷卡数据，利用IC卡的早晚刷卡站点规律进行分析，协助建立对应IC卡持有人住宿地与工作地信息。

参见图3。在一个实施例中，分析统计模块20包括以下四个分析单元：分时段统计分析单元21、分线路统计分析单元22、分站点统计分析单元23和分区域统计分析单元24。四个单元均分别与数据库10和预测模块30连接。

分析统计模块20按照时段、公共交通线路、公共交通站点和城市区域四个维度下的分析单元，分类统计各种有效数据，形成实时的统计结果。分时段统计分析单元21以每小时为一个时段进行出行分析，包括特定公路的车辆流量、地铁人流量等；分线路统计分析单元22统计包括各公交线路或地铁线路的人流量；分站点统计分析单元23按照各公交站点、地铁线路站点等进行分类统计；分区域统计分析单元24按照城市区域划分数据，并统计各区域的各种信息包括人流量、车流量等。

参见图4。进一步地，分析统计模块20中还包括：特殊情况统计分析单元25。

特殊情况统计分析单元25同样与数据库10和预测模块300连接，用于统计分析包括早晚高峰、节假日、恶劣天气、重要站点的客流变化情况，并与非特殊情况下的数据进行对比，从中分析出特殊情况发生时候的流量增长率等数据结果。

依据特殊情况流量统计结果，可应用于客流预测与预警，使数据预测更准确。

预测模块30，将分析统计模块20得出的统计结果代入预存的预测模型，得出预测结果。

具体地，预测模块30中的预测模型包括ARIMA预测模型、基于小波分析支持向量机短期预测模型和BP(Back Propagation)神经网络预测模型的一种或几种。在预测模块30中，利用多个预测模型时，后续还利用例如取平均值等后处理方法对预测结果进行处理。

预测结果用于对交通调控预警或出行参考。可设置相应的预警值，如预测结果超过预警值则进行预警，同时便于城市交通的协调运营，指导例如车辆发车间隔、线路增加支援等。

此后，针对预测结果与预警结果，还可通过手机应用端、网页、交通信息播报等方式进行发送广播，或转化成可视化图像进行展示。

基于以上出行分析预测方法及系统，本发明进一步提出基于IC卡的出行预测分析方法及系统。

参见图5。基于IC卡的出行预测分析方法包括以下步骤：

步骤S100，数据获取，获取公交IC卡刷卡数据及地铁IC卡刷卡数据的初始数据。

步骤S200，数据清洗。对公交IC卡刷卡数据及地铁IC卡刷卡数据的初始数据进行清洗，形成有效数据。其中可能包括有重复数据、重要字段缺失、不可恢复或明显错误的数据，对初始数据清洗，形成统一格式的有效数据。

步骤S300，数据分析统计，分析有效数据并得出统计结果。对有效数据执行分析步骤，例如针对公交IC卡刷卡数据运行数据融合算法，分析下车站点、住址和工作地等数据，并从多个维度统计，得到统计结果，作为预测的数据基础。

步骤S400，数据预测，将统计结果代入预测模型并得出预测结果。

基于IC卡的出行分析预测方法，整合公交、地铁人流量较多的公共交通并进行分析统计，利用预测模型进行客流预测，实现智能交通的宏观调控，为客流预警、决策调控提供信息辅助。

参见图6。此外，还提出基于IC卡的出行预测分析系统，包括IC卡数据库100，分析统计模块200和预测模块300。

IC卡数据库100从目标库中获取由公交IC卡刷卡数据及地铁IC卡刷卡数据两者组成的初始数据，并对该初始数据进行数据清洗，清洗后形成有效数据，并将该有效数据传输至分析统计模块200进行分析，形成统计结果后，传输至预测模块300，代入预测模型进行预测。

在此可以理解，以上基于IC卡的出行分析预测方法和基于IC卡的出行预测分析系统包括以上出行分析预测方法和出行分析预测系统的所有特征，区别仅在于分析的数据基础。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (8)

1.一种出行分析预测方法，其特征在于，包括以下步骤：

数据获取，获取初始数据；

数据清洗，将所述初始数据形成有效数据；

数据分析统计，分析所述有效数据并得出统计结果；

数据预测，将所述统计结果代入预测模型得出预测结果。

2.根据权利要求1所述的出行分析预测方法，其特征在于，所述统计结果包括：分时段统计分析、分线路统计分析、分站点统计分析和分区域统计分析。

3.根据权利要求2所述的出行分析预测方法，其特征在于，所述预测模型包括ARIMA预测模型、基于小波分析支持向量机短期预测模型和BP神经网络预测模型的一种或几种。

4.一种出行分析预测系统，其特征在于，包括：

数据库，从目标库中获取初始数据，并进行数据清洗形成有效数据；

分析统计模块，与所述数据库连接，接收并对所述有效数据进行统计，形成统计结果；以及

预测模块，与所述分析统计模块连接，将所述统计结果代入预测模型，形成预测结果。

5.根据权利要4所述的出行分析预测系统，其特征在于，所述分析统计模块包括：分时段统计分析单元、分线路统计分析单元、分站点统计分析单元和分区域统计分析单元，所述分时段统计分析单元、分线路统计分析单元、分站点统计分析单元和分区域统计分析单元均与所述数据库和所述预测模块连接。

6.根据权利要求5所述的出行分析预测系统，其特征在于，所述预测模型包括ARIMA预测模型、基于小波分析支持向量机短期预测模型和BP神经网络预测模型的一种或几种。

7.一种基于IC卡的出行分析预测方法，其特征在于，包括以下步骤：

数据获取，获取初始数据，所述初始数据包括公交IC卡刷卡数据及地铁IC卡刷卡数据；

数据清洗，将所述初始数据形成有效数据；

数据分析统计，分析所述有效数据得出统计结果；

数据预测，将所述统计结果代入预测模型得出预测结果。

8.一种基于IC卡的出行分析预测系统，其特征在于，包括：

IC卡数据库，从目标库中获取初始数据，所述初始数据包括公交IC卡刷卡数据及地铁IC卡刷卡数据，并进行数据清洗形成有效数据；

分析统计模块，与所述数据库连接，接收并对所述有效数据进行统计，形成统计结果；以及

预测模块，与所述分析统计模块连接，将所述统计结果代入预测模型，形成预测结果。