CN106781467A - 一种基于协同过滤的公交乘客刷卡站点信息提取方法 - Google Patents

Abstract

本发明提供了一种基于协同过滤的公交乘客刷卡站点信息提取方法，融合车站地理信息、乘客刷卡记录、线路表与车辆运行轨迹记录的数据资源，结合信息协同过滤方法，提出了一种借助乘客刷卡时间分布特征，对车辆轨迹记录信息进行过滤并快速提取刷卡站点的方法。该方法可快速处理海量公交刷卡数据，实现刷卡数据的地理空间匹配，有利于后续公共交通系统性能分析。

Description

一种基于协同过滤的公交乘客刷卡站点信息提取方法

技术领域

本发明涉及智能化公共交通技术领域，特别涉及一种基于协同过滤的公交乘客刷卡站点信息提取方法。

背景技术

公交IC卡的广泛应用，提高了乘客乘车的便捷性，已成为公交乘客的主要支付方式，刷卡记录成为低成本提取客流信息的新途径，但是，现阶段广泛使用的刷卡系统主要用于收费，产生的数据不能直接提供给交通业务系统进行分析使用。例如，目前使用最为广泛的一票制公交，只能记录乘客的上车时刻与车号、线路号，缺乏上、下车站点信息；两票制公交，也仅仅增加了下车时间记录，无法知道乘客的上、下车站点。因此，通过IC卡刷卡记录对公交线网客流态势进行分析，需要先要将刷卡记录与GPS行车记录系统产生的车辆运行轨迹进行时间匹配，从而获取乘客的刷卡空间位置信息。

现阶段，GPS行车记录系统多为每秒产生一次位置记录，平均每辆车每天将产生超过8万条位置信息，为IC卡刷卡位置匹配带来巨大的计算开销。现有的解决方案，利用站点位置信息，对GPS轨迹记录进行过滤后再与IC卡刷卡记录进行时间匹配，一定程度上降低了计算量。但该方法无可避免的，会对大量无效轨迹(无乘客刷卡事件)进行聚类处理，从而降低了运算效率。

另一方面，在城市道路中，存在大量高大建筑物，对GPS接收机信号造成衰减与多径干扰，导致轨迹记录中存在大量异常点，非常容易导致站点位置判断出现误差。

发明内容

本发明的目的在于克服现有技术中的缺点与不足，提供一种基于协同过滤的公交乘客刷卡站点信息提取方法，该方法可充分利用海量刷卡数据中隐含的乘客个体活动规律，提升从GPS轨迹数据中提取公交乘客刷卡站点的处理效率，有利于后续公交线网断面流量统计和数据挖掘。

为了达到上述目的，本发明通过下述技术方案予以实现：

一种基于协同过滤的公交乘客刷卡站点信息提取方法，在进行刷卡站点推断时，输入的IC卡刷卡数据包含以下信息：a)IC卡卡号；b)刷卡时刻(格式：hh：mm：ss)；c)车牌号；d)线路号。

此外，本发明进行刷卡站点推断时，还需要GPS轨迹记录数据，包含以下信息：a)车牌号；轨迹点(经纬度)；轨迹采集时刻(格式：hh：mm：ss)。

本发明进行刷卡站点推断时，需要用户提供准确详尽的公交线路及其站点列表。

同时，需要提供各公交站点的地理坐标信息。

算法实施包括以下步骤：

第一步，扫描公交IC卡刷卡记录，分别提取出每一辆车的刷卡记录与GPS轨迹记录，并将每一辆车的刷卡记录与GPS轨迹记录按照时间先后排序。同时将该车辆运营线路所对应的线路表读入内存。

第二步，给定一个时间差τ，对每一辆车按时间排序后的刷卡记录，从第1条刷卡记录开始遍历，分别判断第k条与第k+1条刷卡记录间的时间差，若时间差小于或等于τ，则可认为这两次刷卡行为由同一个站点上车刷卡的不同乘客产生，将其合并到同一个簇C_i中，直到第k条与第k+1条刷卡记录间的时间差大于τ，则认为第k条刷卡记录为该簇最后一条刷卡记录。将C_i保存到刷卡簇队列C＝{C₁,C₂,…,C_i}中。

对于C_i，本发明定义的数据结构为其中表示开始时刻，表示结束时刻，为中心时刻，t_s为第一条刷卡记录所在行号，t_e为最后一条刷卡记录所在行号。

第三步，从第一个轨迹点开始扫描与第二步所对应车辆的轨迹记录，若该轨迹点不在C_i的时间范围内则跳过，并扫描下一条轨迹记录，直到找到第k条至k+n条轨迹记录，所对应的采集时间属于这些轨迹点构成集合，记为P_i。

第四步，对P_i中所有点进行聚类，得到一系列簇，并计算包含轨迹点最多的簇的中心坐标。

第五步，将第四步计算得到的中心坐标与该线路上的停靠站点坐标进行逐个比较，选择最接近簇中心坐标且距离小于50m的站点作为C₁中所对应的刷卡记录的上车站点，在该运营线路站点列表中标记此站点，从C中移除C₁及其对应时间范围内的轨迹点。

第七步，重复运行(3)至(6)，直到C为空，或者所有轨迹记录都被移除。

第八步，若所有轨迹记录均被移除，而C不为空，则查找运营线路站点列表中未被标记的站点。如果未被标记的站点数等于C中剩余簇的数量，则按先后顺序将未标记的站点与剩余的簇匹配。

本发明与现有技术相比，具有如下优点与有益效果：

1、利用IC卡刷卡记录中蕴含的乘客活动信息，过滤掉GPS轨迹记录中的无效轨迹点，显著提升算法效率。

2、采用局部聚类的方法处理GPS轨迹记录，提高了运算效率的同时，有效避免了异常点(由GPS信号多径干扰或者系统错误引起)带来的影响。

3、与传统方法相比，本发明所采用方案不需要对GPS记录进行专门索引。降低了存储空间需求。

4、一定程度上解决了传统方法因GPS轨迹数据缺失或错误引起的无法提取刷卡站点的弊端。

5、本方法拟借助IC卡中蕴含的乘客活动信息，对GPS轨迹记录进行有针对性的处理，提高数据处理效率。

附图说明

图1为本发明所述一种基于协同过滤的公交乘客刷卡站点信息提取方法的工作原理图。

图2为本发明所述一种基于协同过滤的公交乘客刷卡站点信息提取方法的工作流程图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

实施例一

如图1、2，一种基于协同过滤的公交乘客刷卡站点信息提取方法，包括以下步骤：

步骤一

扫描公交IC卡刷卡记录，分别提取出每一辆车的刷卡记录与GPS轨迹记录，并将每一辆车的刷卡记录与GPS轨迹记录按照时间先后排序。同时将该车辆运营线路所对应的线路表读入内存。

步骤二

给定一个时间差τ，对每一辆车按时间排序后的刷卡记录，从第1条刷卡记录开始遍历，分别判断第k条与第k+1条刷卡记录间的时间差，若时间差小于或等于τ，则可认为这两次刷卡行为由同一个站点上车刷卡的不同乘客产生，将其合并到同一个簇C_i中，直到第k条与第k+1条刷卡记录间的时间差大于τ，则认为第k条刷卡记录为该簇最后一条刷卡记录。将C_i保存到刷卡簇队列C＝{C₁,C₂,…,C_i}中。

对于C_i，本发明定义的数据结构为其中表示开始时刻，表示结束时刻，为中心时刻，t_s为第一条刷卡记录所在行号，t_e为最后一条刷卡记录所在行号。

步骤三

从第一个轨迹点开始扫描与第二步所对应车辆的轨迹记录，若该轨迹点不在C_i的时间范围内则跳过，并扫描下一条轨迹记录，直到找到第k条至k+n条轨迹记录，所对应的采集时间属于这些轨迹点构成集合，记为P_i。

步骤四

对P_i中所有点采用X-Means算法进行聚类，得到一系列簇，并计算包含轨迹点最多的簇的中心坐标。

步骤五

将第四步计算得到的中心坐标与该线路上的停靠站点坐标进行逐个比较，选择最接近簇中心坐标且距离小于50m的站点作为C₁中所对应的刷卡记录的上车站点，在该运营线路站点列表中标记此站点，从C中移除C₁及其对应时间范围内的轨迹点。

步骤六

从第k+n+1条记录开始，继续扫描GPS轨迹记录。

步骤七

重复运行(3)至(6)，直到C为空，或者所有轨迹记录都被移除。

步骤八

若所有轨迹记录均被移除，而C不为空，则查找运营线路站点列表中未被标记的站点。如果未被标记的站点数等于C中剩余簇的数量，则按先后顺序将未标记的站点与剩余的簇匹配。

实施例二

如图1、2，一种基于协同过滤的公交乘客刷卡站点信息提取方法，其特征在于，包括以下步骤：

(1)扫描公交IC卡刷卡记录，分别提取出每一辆车的刷卡记录与GPS轨迹记录，并将每一辆车的刷卡记录与GPS轨迹记录按照时间先后排序；同时将该车辆运营线路所对应的线路表读入内存；

所述公交IC卡刷卡记录包含以下信息：IC卡卡号、刷卡时刻(格式：hh：mm：ss)、车牌号、线路号；

本发明进行刷卡站点推断时，还需要GPS轨迹记录数据，所述GPS轨迹记录包含以下信息：车牌号、轨迹点(经纬度)、轨迹采集时刻(格式：hh：mm：ss)。本发明进行刷卡站点推断时，需要用户提供准确详尽的公交线路及其站点列表、站点经纬度信息。

对每一辆车，均只扫描一次IC卡刷卡记录与GPS轨迹记录。与传统方法相比，不需要对GPS轨迹记录进行空间数据索引，极大提升了算法运算效率与数据的存储效率。

(2)给定一个时间差τ，对每一辆车按时间排序后的刷卡记录，从第1条刷卡记录开始遍历，分别判断第k条与第k+1条刷卡记录间的时间差，若时间差小于或等于τ，则认为这两次刷卡行为由同一个站点上车刷卡的不同乘客产生，将其合并到同一个簇中，直到第k条与第k+1条刷卡记录间的时间差大于τ，则认为第k条刷卡记录为该簇最后一条刷卡记录；

定义C_i的数据结构为其中表示开始时刻，表示结束时刻，为中心时刻，t_s为第一条刷卡记录所在行号，t_e为最后一条刷卡记录所在行号；将C_i保存到刷卡簇队列C＝{C₁,C₂,…,C_i}中；其中C_i为第i个站点刷卡乘客的信息压缩表示；

提取的IC卡刷卡记录中蕴含的乘客活动信息，过滤掉GPS轨迹记录中的无效轨迹点。

采用局部聚类的方法处理GPS轨迹记录。提高了运算速度同时，有效避免了异常点(由GPS信号多径干扰或者系统错误引起)带来的影响。

(3)从第一个轨迹点开始扫描与步骤(2)所对应车辆的轨迹记录，若该轨迹点不在C_i的时间范围内，则跳过，并扫描下一条轨迹记录，直到找到第k条至k+n条轨迹记录，所对应的采集时间属于这些轨迹点构成集合，记为P_i；

(4)对P_i中所有点进行聚类，得到一系列簇，并计算包含轨迹点最多的簇的中心坐标；

(5)将步骤(4)计算得到的中心坐标与该线路上的停靠站点坐标进行逐个比较，选择最接近簇中心坐标且距离小于设定值M的站点作为C₁中所对应的刷卡记录的上车站点，在该运营线路站点列表中标记此站点，从C中移除C₁及其对应时间范围内的轨迹点；所述设定值M优选为50米。

(6)重复运行步骤(3)至(5)，直到C为空，或者所有轨迹记录都被移除；

(7)若所有轨迹记录均被移除，而C不为空，则查找运营线路站点列表中未被标记的站点；如果未被标记的站点数等于C中剩余簇的数量，则按先后顺序将未标记的站点与剩余的簇匹配。

采用了关联推断的方法，推断无法匹配的刷卡簇对应的刷卡站点。这一定程度上解决了传统方法因GPS轨迹数据缺失或错误引起的无法提取刷卡站点的弊端。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (7)

1.一种基于协同过滤的公交乘客刷卡站点信息提取方法，其特征在于，包括以下步骤：

(1)扫描公交IC卡刷卡记录，分别提取出每一辆车的刷卡记录与GPS轨迹记录，并将每一辆车的刷卡记录与GPS轨迹记录按照时间先后排序；同时将该车辆运营线路所对应的线路表读入内存；

(2)给定一个时间差τ，对每一辆车按时间排序后的刷卡记录，从第1条刷卡记录开始遍历，分别判断第k条与第k+1条刷卡记录间的时间差，若时间差小于或等于τ，则认为这两次刷卡行为由同一个站点上车刷卡的不同乘客产生，将其合并到同一个簇中，直到第k条与第k+1条刷卡记录间的时间差大于τ，则认为第k条刷卡记录为该簇最后一条刷卡记录；

定义C_i的数据结构为其中表示开始时刻，表示结束时刻，为中心时刻，t_s为第一条刷卡记录所在行号，t_e为最后一条刷卡记录所在行号；将C_i保存到刷卡簇队列C＝{C₁,C₂,…,C_i}中；其中C_i为第i个站点刷卡乘客的信息压缩表示；

(3)从第一个轨迹点开始扫描与步骤(2)所对应车辆的轨迹记录，若该轨迹点不在C_i的时间范围内，则跳过，并扫描下一条轨迹记录，直到找到第k条至k+n条轨迹记录，所对应的采集时间属于这些轨迹点构成集合，记为P_i；

(4)对P_i中所有点进行聚类，得到一系列簇，并计算包含轨迹点最多的簇的中心坐标；

(5)将步骤(4)计算得到的中心坐标与该线路上的停靠站点坐标进行逐个比较，选择最接近簇中心坐标且距离小于设定值M的站点作为C₁中所对应的刷卡记录的上车站点，在该运营线路站点列表中标记此站点，从C中移除C₁及其对应时间范围内的轨迹点；

(6)重复运行步骤(3)至(5)，直到C为空，或者所有轨迹记录都被移除；

(7)若所有轨迹记录均被移除，而C不为空，则查找运营线路站点列表中未被标记的站点；如果未被标记的站点数等于C中剩余簇的数量，则按先后顺序将未标记的站点与剩余的簇匹配。

2.根据权利要求1所述基于协同过滤的公交乘客刷卡站点信息提取方法，其特征在于，步骤(1)中，所述公交IC卡刷卡记录包含以下信息：IC卡卡号、刷卡时刻、车牌号、线路号；

所述GPS轨迹记录包含以下信息：车牌号、轨迹点、轨迹采集时刻。

3.根据权利要求1所述基于协同过滤的公交乘客刷卡站点信息提取方法，其特征在于，所述步骤(2)还包括：

提取的IC卡刷卡记录中蕴含的乘客活动信息，过滤掉GPS轨迹记录中的无效轨迹点。

4.根据权利要求1所述基于协同过滤的公交乘客刷卡站点信息提取方法，其特征在于，所述步骤(2)还包括：采用局部聚类的方法处理GPS轨迹记录。

5.根据权利要求1所述基于协同过滤的公交乘客刷卡站点信息提取方法，其特征在于，对每一辆车，均只扫描一次IC卡刷卡记录与GPS轨迹记录。

6.据权利要求1所述基于协同过滤的公交乘客刷卡站点信息提取方法，其特征在于，所述步骤(7)采用了关联推断的方法，推断无法匹配的刷卡簇对应的刷卡站点。

7.据权利要求1所述基于协同过滤的公交乘客刷卡站点信息提取方法，其特征在于，所述设定值M优选为50米。