CN107451299A - 基于ic卡数据的地铁与公共自行车换乘行为识别方法 - Google Patents

基于ic卡数据的地铁与公共自行车换乘行为识别方法 Download PDF

Info

Publication number
CN107451299A
CN107451299A CN201710811393.8A CN201710811393A CN107451299A CN 107451299 A CN107451299 A CN 107451299A CN 201710811393 A CN201710811393 A CN 201710811393A CN 107451299 A CN107451299 A CN 107451299A
Authority
CN
China
Prior art keywords
card
data
subway
public bicycles
car
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.)
Pending
Application number
CN201710811393.8A
Other languages
English (en)
Inventor
季彦婕
马新卫
高良鹏
刘阳
刘攀
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN201710811393.8A priority Critical patent/CN107451299A/zh
Publication of CN107451299A publication Critical patent/CN107451299A/zh
Pending legal-status Critical Current

Links

Classifications

    • G06Q50/40—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases

Abstract

本发明公开了一种基于IC卡数据的地铁与公共自行车换乘行为识别方法，从公共自行车IC卡与地铁IC卡原始数据入手，通过对原始数据进行有效信息提取、预处理、融合、排序、过滤，筛选出可能的换乘数据对，针对每张卡的可能换乘数据对，计算还车进站时间间隔和出站借车时间间隔以及地铁站点与公共自行车站点之间距离，并确定最大换乘时间间隔与最大换乘距离，识别地铁与公共自行车换乘行为。本发明首次运用公共自行车与地铁IC卡数据中的卡号对应关系以及对应卡号下刷卡记录的时空关系进行换乘行为识别，识别样本量大，准确度高，相比问卷调查省时省力。识别结果为基于地铁换乘公共自行车的一系列研究奠定了坚实的基础。

Description

基于IC卡数据的地铁与公共自行车换乘行为识别方法
技术领域
本发明属于公共自行车IC卡和地铁IC卡数据挖掘领域，具体涉及一种基于IC卡数据的地铁与公共自行车换乘行为识别方法。
背景技术
在机动化交通发展面临一系列问题和低碳交通发展需求的大背景下，公共交通系统可以缓解交通供需矛盾、提高交通运行效率。为了减轻道路交通压力，许多城市采取了优先发展公共交通的政策，并提出了一系列的引导措施。
轨道交通作为公共交通的一种，能够显著提高城市交通出行运输能力和运输效率。诸多城市轨道交通的运营经验表明，大力发展轨道交通不仅可以有效的缓解交通拥堵难题，其强大的扩散效应和人口内聚效应也为站点周边地段带来了巨大商机和稳定客流。但是，轨道交通不能解决出行的“最后一公里”问题，轨道交通的吸引力也会由于覆盖率不够高而降低。因此，为了引导公共交通出行，缓解交通问题，需要有效的末端交通方式与轨道交通相配合。
公共自行车换乘轨道交通一方面借助自行车“门到门”的特性扩大了个体对轨道站点或目的地的选择范围，同时利用轨道的优势规避了地面交通的干扰，极大地提高了个体的出行时间可靠性。因此，整合轨道交通与自行车网络，鼓励并倡导发展自行车接驳公共交通出行模式，让更多的居民采用公共交通方式出行是缓解城市交通拥堵、改善城市环境的关键所在，公共自行车换乘轨道交通的研究具有重要意义。
发明内容
发明目的：本发明提出一种基于IC卡数据对地铁与公共自行车换乘行为进行识别的方法。该方法具有较强的实用性与推广价值，为公共自行车换乘轨道交通方面的研究奠定了坚实的基础。
技术方案：一种基于IC卡数据的地铁与公共自行车换乘行为识别方法，包括以下步骤：
(1)获取公共自行车IC卡与地铁IC卡原始数据，并从原始数据中提取有效数据信息；
(2)对公共自行车IC卡和地铁IC卡的有效数据进行预处理，筛除无用数据；
(3)基于不同的换乘行为模式，将预处理之后的IC卡数据分别融合到不同的数据库中，并对数据进行排序，使得一张IC卡对应着多条刷卡记录，这些刷卡记录以时间先后顺序依次排列；
(4)对融合之后的数据进行过滤，筛选出可能的换乘数据对；
(5)针对每张卡的可能换乘数据对，计算还车进站时间间隔和出站借车时间间隔以及地铁站点与公共自行车站点之间距离，并确定最大换乘时间间隔与最大换乘距离；
(6)根据最大换乘时间间隔与最大换乘距离，识别地铁与公共自行车换乘行为。
其中，步骤(1)中的公共自行车IC卡有效信息包括：刷卡日期、IC卡卡号、借车时间、还车时间、借车站点编号、还车站点编号、借车站点经度、借车站点纬度、还车站点经度、还车站点纬度；地铁IC卡有效信息包括：刷卡日期、IC卡卡号、出站时间、进站时间、进站站点编号、出站站点编号、进站站点经度、进站站点纬度、出站站点经度、出站站点纬度。
步骤(2)中对公共自行车IC卡和地铁IC卡有效数据进行预处理包括：
2.1)筛除无效刷卡记录，包括有残缺项的刷卡记录、有逻辑性错误的刷卡记录、用车时间少于2分钟的公共自行车刷卡记录、进出站时间间隔少于5分钟的地铁刷卡记录；
2.2)删除所有的公共自行车专卡的刷卡数据；
2.3)删除仅存在于地铁IC卡数据中以及仅存在于公共自行车IC卡数据中的卡号对应的刷卡数据，保留同一天内同一卡号在地铁IC卡数据中和公共自行车IC卡数据中都出现的刷卡数据。
步骤(3)中换乘行为模式包括出站借车和还车进站两种地铁与公共自行车换乘行为模式，其中，出站借车换乘行为指的是乘客出地铁站后，在一定的换乘时间和距离内，找到公共自行车站点租借公共自行车；还车进站换乘行为指的是乘客将公共自行车还至公共自行车站点，在一定的换乘时间和距离内，找到地铁站点进站乘坐地铁。
步骤(3)中，对IC卡数据进行融合和排序具体包括：针对出站借车行为模式，选取同一天内的地铁IC卡数据出站信息与公共自行车IC卡数据借车信息，将选取数据融合至出站借车数据库，并对数据进行两轮排序：先按IC卡卡号进行升序排列，然后针对同一卡号的多条记录按照出站时间和借车时间的先后进行升序排序；针对还车进站行为模式，选取同一天内的公共自行车IC卡数据还车信息与地铁IC卡数据进站信息，将选取数据融合至还车进站数据库，并对数据进行两轮排序：先按IC卡卡号进行升序排列，然后针对同一卡号的多条记录按照还车时间和进站时间的先后进行升序排列。
其中，出站信息包括刷卡日期、卡号、出站时间、出站站点编号、出站站点经度、出站站点纬度；借车信息包括刷卡日期、卡号、借车时间、借车站点编号、借车站点经度、借车站点纬度；还车信息包括刷卡日期、卡号、还车时间、还车站点编号、还车站点经度、还车站点纬度；进站信息包括刷卡日期、卡号、进站时间、进站站点编号、进站站点经度、进站站点纬度。
步骤(4)中，可能的换乘数据对指的是：过滤之后的还车进站数据库中的数据结构为：同一张卡的刷卡记录的排列顺序为公共自行车还车数据-地铁进站数据-公共自行车还车数据-地铁进站数据这样的形式，每相邻的一对公共自行车还车数据-地铁进站数据称为还车进站数据对；过滤之后的出站借车数据库中的数据结构为：同一张卡的刷卡记录的排列顺序为地铁出站数据-公共自行车借车数据-地铁出站数据-公共自行车借车数据这样的形式，每相邻的一对地铁出站数据-公共自行车借车数据称为出站借车数据对。
步骤(5)中，计算地铁站点与公共自行车站点之间的距离使用以下公式(1)：
其中，D为地铁站点与公共自行车站点之间的距离，r为地球的半径，φ1、φ2分别为地铁站点和公共自行车站点的纬度，λ1、λ2分别为地铁站点和公共自行车站点的经度
步骤(5)中，最后确定的最大换乘时间间隔为10分钟，最大换乘距离为300米。
有益效果：目前业内针对地铁换乘公共自行车方面的研究，研究手段比较单一，数据主要通过问卷调查的方式来获取，不仅在调查时间跨度上有局限性，而且存在调查问卷精度无法保证、调查成本高等缺陷；对IC卡的数据挖掘也多局限于地铁数据或公共自行车数据单方面的挖掘，没有将两套刷卡数据联合起来进行换乘识别。本发明基于IC卡数据，将地铁换乘公共自行车行为具体分为“出站借车”和“还车进站”两种模式，并运用数据挖掘技术对每种换乘模式进行识别。本发明首次运用公共自行车与地铁IC卡数据中的卡号对应关系以及对应卡号下刷卡记录的时空关系进行换乘行为模式识别，识别出的换乘行为样本量大，准确度高，无需大量的人力物力进行问卷调查。识别结果为基于地铁换乘公共自行车的一系列研究奠定了坚实的基础。
附图说明
图1是本发明方法的流程图。
具体实施方式
下面结合附图对本发明的技术方案作进一步说明。在本发明的实施例中，采用的IC卡数据由南京市公共自行车公司和南京市地铁公司提供。本实施例中，以2016年3月9日的地铁IC卡数据与公共自行车IC卡数据为例，对本发明的方法作进一步说明。
参照图1，首先，获取公共自行车IC卡和地铁IC卡原始数据，并分别从两类原始数据中提取有效信息。原始数据中，一条完整的公共自行车刷卡记录包含15个部分：刷卡日期、卡号、借车站点名称、借车站点编号、借车站点经度、借车站点纬度、借车时间、借车桩位号、公共自行车车辆编号、还车站点名称、还车站点编号、还车站点经度、还车站点纬度、还车时间、还车桩位号。其中，借、还车站点编号与借、还车站点名称一一对应；根据本发明的需要，提取IC卡有效数据信息，其结构如表1所示：
表1公共自行车IC卡有效信息结构
一条完整的地铁刷卡记录包含13个部分：刷卡日期、卡号、卡种、进站站点名称、进站站点编号、进站站点经度、进站站点纬度、进站时间、出站站点名称、出站站点编号、出站站点经度、出站站点纬度、出站时间。根据本发明的需要，提取IC卡有效数据信息，其结构如表2所示：
表2地铁IC卡有效信息结构
然后，对公共自行车IC卡与地铁IC卡有效数据进行预处理，筛除无用数据，可以排除干扰，提高数据挖掘效率及识别准确度。预处理包括：
1)筛除无效刷卡记录，包括：筛除有残缺项的刷卡记录，例如缺少刷卡时间的记录；筛除有逻辑性错误的刷卡记录，例如还车时间早于借车时间的记录或者出站时间早于进站时间的记录；筛除用车时间少于2分钟的公共自行车刷卡记录，认为这样的记录并没有产生骑行公共自行车行为；筛除进出站时间间隔少于5分钟(地铁站点间的最短到站时间间隔为3分钟，加上进站出站各1分钟)的地铁刷卡记录，认为这样的记录并没有产生乘坐地铁行为。
2)由于目前刷卡使用公共自行车时，刷卡系统支持一卡通卡和非一卡通卡(即公共自行车专卡)两种卡，其中公共自行车一卡通卡指的是可以使用该卡进出地铁站也可以使用该卡租借公共自行车的IC卡；公共自行车专卡指的是只可用来租借公共自行车的IC卡。公共一卡通与非一卡通可由IC卡卡号进行识别，其中以数字9开头的公共自行车IC卡为一卡通，以字母N开头的为公共自行车IC卡为专卡。本发明只针对使用一卡通IC卡进行公共自行车和地铁换乘的行为进行识别，故删去所有的公共自行车专卡的刷卡数据。下文所称公共自行车IC卡和公交IC卡指的都是一卡通IC卡，但是为了区分数据来源，描述时仍然称为公共自行车IC卡和公交IC卡。
3)因为本发明针对换乘行为进行识别，因此删除只在地铁IC卡数据库中或只在公共自行车IC卡数据库中出现的卡号对应的刷卡数据，保留同一天内同一卡号在地铁IC卡数据库中和公共自行车IC卡数据库中都出现的刷卡数据。
接下来，基于不同的换乘行为模式，将预处理之后的IC卡数据融合到不同的数据库中。公共自行车与地铁换乘方式分两种，一种方式是“出站借车”：乘客出地铁站后，在一定的换乘时间和距离内，找到公共自行车站点租借公共自行车；另一种方式是“还车进站”：乘客将公共自行车还至公共自行车站点，在一定的换乘时间和距离内，找到地铁站点进站乘坐地铁。本发明的目的就是通过对以上刷卡数据的分析和整合，识别出相应的换乘行为。选取同一天内的地铁IC卡数据出站信息(包括刷卡日期、卡号、出站时间、出站站点编号、出站站点经度、出站站点纬度)与公共自行车IC卡数据借车信息(包括刷卡日期、卡号、借车时间、借车站点编号、借车站点经度、借车站点纬度)，将两类数据融合至出站借车数据库，并对数据进行两轮排序：先按IC卡卡号进行升序排列，然后针对同一卡号的多条记录按照出站时间和借车时间的先后进行升序排序，得到融合后的出站借车数据库，其结构如表3所示：
表3融合之后的出站借车数据库结构
注：“-”表示该单元格对应项目不存在数据。
表3中，刷卡类型为“地铁”，表示该条数据来自地铁IC卡刷卡数据，刷卡类型为“公共自行车”表示该条数据来自公共自行车IC卡刷卡数据。当刷卡类型为地铁时，对应的站点经度和站点纬度分别表示地铁出站站点的经度和纬度；当刷卡类型为公共自行车时，对应的站点经度和站点纬度分别表示借车站点的经度和纬度。以下针对出站借车的数据结构表中相同字段含义相同，不再赘述。
类似地，选取同一天内的公共自行车IC卡数据还车信息(包括刷卡日期、卡号、还车时间、还车站点编号、还车站点经度、还车站点纬度)与地铁IC卡数据进站信息(包括刷卡日期、卡号、进站时间、进站站点编号、进站站点经度、进站站点纬度)，将两类数据融合至还车进站数据库，并进行两轮排序：先按IC卡卡号进行升序排列，然后针对同一卡号的多条记录按照还车时间和进站时间的先后进行升序排列，得到融合后的还车进站数据库，其结构如表4所示：
表4融合之后的还车进站数据库结构
注：“-”表示该单元格对应项目不存在数据。
表4中，刷卡类型的含义同表3。当刷卡类型为地铁时，对应的站点经度和站点纬度分别表示地铁进站站点的经度和纬度；当刷卡类型为公共自行车时，对应的站点经度和站点纬度分别表示还车站点的经度和纬度。以下针对还车进站的数据结构表中相同字段含义相同，不再赘述。
经过以上处理并且从表3和表4可以看出，一个卡号对应着多条刷卡记录，这些刷卡记录以时间先后顺序依次排列。下面对数据进行过滤，筛选出可能的换乘数据对，即同一张卡的刷卡类型为先地铁后公共自行车或者先公共自行车后地铁，如针对出站借车行为，同一张卡的刷卡记录为“地铁出站数据-公共自行车借车数据-地铁出站数据-公共自行车借车数据”顺序排列的形式，每相邻的一对地铁出站数据-公共自行车借车数据为出站借车数据对；针对还车进站行为，同一张卡的刷卡记录为“公共自行车还车数据-地铁进站数据-公共自行车还车数据-地铁进站数据”顺序排列的形式，每相邻的一对公共自行车还车数据-地铁进站数据为还车进站数据对。具体地，针对融合之后的出站借车数据库的数据，首先取前两条记录，判断其组合形式是否为“地铁出站数据-公共自行车借车数据”，如果是，则保留两条记录，继续下一对记录的判断；如果不是，有三种情况，分别是“地铁出站数据-地铁出站数据”组合形式、“公共自行车借车数据-地铁出站数据”组合形式以及“公共自行车借车数据-公共自行车借车数据”组合形式，针对前两种形式，删除第一条记录，继续取新的前两条记录进行判断，对于第三种形式，删除两条记录，继续至下一对记录进行判断。直到针对一个卡号的所有刷卡记录都已经过上述判断。如果刷卡记录是奇数次，最后一次判断时只有一条记录，则删除该条记录。最终得到“地铁出站数据-公共自行车借车数据-地铁出站数据-公共自行车借车数据”的形式，其结构如表5所示：
表5过滤之后的出站借车数据库结构
注：“-”表示该单元格对应项目不存在数据。
类似地，将融合之后的还车进站数据库的数据过滤成“公共自行车借车数据-地铁进站数据-公共自行车借车数据-地铁进站数据”的形式，其结构如表6所示：
表6过滤之后的还车进站数据库结构
注：“-”表示该单元格对应项目不存在数据。
根据地铁站点与公共自行车站点的经纬度信息，利用公式(1)可以算出地铁站点与公共自行车站点之间的距离。
其中，D为地铁站点与公共自行车站点之间的距离，r为地球的半径(6378.137km)，φ1、φ2分别为地铁站点和公共自行车站点的纬度，λ1、λ2分别为地铁站点和公共自行车站点的经度。
根据刷卡时间算出出站行为与借车行为之间的出站借车时间间隔T出站借车，如公式(2)所示：
T出站借车＝T借车-T出站 (2)
其中，T借车为表5中的借车时间，T出站为表5中的出站时间。
计算还车行为与进站行为之间的还车进站时间间隔T还车进站，如公式(3)所示：
T还车进站＝T进站-T还车 (3)
其中，T进站为表6中的进站时间，T还车为表6中的还车时间。
将计算得到的地铁站点与公共自行车站点之间的距离以及出站借车时间间隔添加到表5，形成新的出站借车数据结构，如表7所示：
表7计算出T出站借车与站点之间距离之后的出站借车数据库结构
注：“-”表示该单元格对应项目不存在数据。
将计算得到的地铁站点与公共自行车站点之间的距离以及还车进站时间间隔添加到表6，形成新的还车进站数据结构，如表8所示：
表8计算出T还车进站与站点之间距离之后的还车进站数据库结构
注：“-”表示该单元格对应项目不存在数据。
针对每张卡的可能换乘数据对计算还车进站时间间隔和出站借车时间间隔以及站点之间距离，并统计两种换乘模式下的时间间隔分布与站点距离分布。根据时间间隔累计分布得出：91.64％的出站借车时间间隔在10分钟之内，90.77％的出站站点与借车站点之间距离在300米之内；96.40％的还车进站时间间隔在10分钟之内，93.79％的还车站点与进站站点之间距离在300米之内。因此，本发明中的最大换乘时间间隔取10分钟，最大换乘距离取300米。若出站借车换乘行为或还车进站换乘行为同时满足本发明提出的最大换乘时间间隔10分钟与最大换乘距离300米，则该换乘行为将被成功识别。
本发明提出方法能够准确有效的将公共自行车IC卡刷卡数据与地铁IC卡刷卡数据进行匹配，以2016年3月9日的地铁IC卡数据库与公共自行车IC卡数据库为例，共识别出出站借车换乘行为577个，还车进站换乘行为560个。本方法具有较强的推广价值，为公共自行车接驳轨道交通的一系列研究奠定了坚实的基础。

Claims (9)

1.一种基于IC卡数据的地铁与公共自行车换乘行为识别方法，其特征在于，所述方法包括以下步骤：
(1)获取公共自行车IC卡与地铁IC卡原始数据，并从原始数据中提取有效数据信息；
(2)对公共自行车IC卡和地铁IC卡的有效数据进行预处理，筛除无用数据；
(3)基于不同的换乘行为模式，将预处理之后的IC卡数据分别融合到不同的数据库中，并对数据进行排序，使得一张IC卡对应着多条刷卡记录，这些刷卡记录以时间先后顺序依次排列；
(4)对融合之后的数据进行过滤，筛选出可能的换乘数据对；
(5)针对每张卡的可能换乘数据对，计算还车进站时间间隔和出站借车时间间隔以及地铁站点与公共自行车站点之间距离，并确定最大换乘时间间隔与最大换乘距离；
(6)根据最大换乘时间间隔与最大换乘距离，识别地铁与公共自行车换乘行为。
2.根据权利要求1所述的一种基于IC卡数据的地铁与公共自行车换乘行为识别方法，其特征在于，所述步骤(1)中的公共自行车IC卡有效信息包括：刷卡日期、IC卡卡号、借车时间、还车时间、借车站点编号、还车站点编号、借车站点经度、借车站点纬度、还车站点经度、还车站点纬度；所述地铁IC卡有效信息包括：刷卡日期、IC卡卡号、出站时间、进站时间、进站站点编号、出站站点编号、进站站点经度、进站站点纬度、出站站点经度、出站站点纬度。
3.根据权利要求1所述的一种基于IC卡数据的地铁与公共自行车换乘行为识别方法，其特征在于，所述步骤(2)中对公共自行车IC卡和地铁IC卡有效数据进行预处理包括：
2.1)筛除无效刷卡记录，包括有残缺项的刷卡记录、有逻辑性错误的刷卡记录、用车时间少于2分钟的公共自行车刷卡记录、进出站时间间隔少于5分钟的地铁刷卡记录；
2.2)删除所有的公共自行车专卡的刷卡数据；
2.3)删除仅存在于地铁IC卡数据中以及仅存在于公共自行车IC卡数据中的卡号对应的刷卡数据，保留同一天内同一卡号在地铁IC卡数据中和公共自行车IC卡数据中都出现的刷卡数据。
4.根据权利要求1所述的一种基于IC卡数据的地铁与公共自行车换乘行为识别方法，其特征在于，所述步骤(3)中换乘行为模式包括出站借车和还车进站两种地铁与公共自行车换乘行为模式，其中，出站借车换乘行为指的是乘客出地铁站后，在一定的换乘时间和距离内，找到公共自行车站点租借公共自行车；还车进站换乘行为指的是乘客将公共自行车还至公共自行车站点，在一定的换乘时间和距离内，找到地铁站点进站乘坐地铁。
5.根据权利要求1所述的一种基于IC卡数据的地铁与公共自行车换乘行为识别方法，其特征在于，所述步骤(3)中，对IC卡数据进行融合和排序具体包括：
针对出站借车行为模式，选取同一天内的地铁IC卡数据出站信息与公共自行车IC卡数据借车信息，将选取数据融合至出站借车数据库，并对数据进行两轮排序：先按IC卡卡号进行升序排列，然后针对同一卡号的多条记录按照出站时间和借车时间的先后进行升序排序；
针对还车进站行为模式，选取同一天内的公共自行车IC卡数据还车信息与地铁IC卡数据进站信息，将选取数据融合至还车进站数据库，并对数据进行两轮排序：先按IC卡卡号进行升序排列，然后针对同一卡号的多条记录按照还车时间和进站时间的先后进行升序排列。
6.根据权利要求5所述的一种基于IC卡数据的地铁与公共自行车换乘行为识别方法，其特征在于，所述出站信息包括刷卡日期、卡号、出站时间、出站站点编号、出站站点经度、出站站点纬度；所述借车信息包括刷卡日期、卡号、借车时间、借车站点编号、借车站点经度、借车站点纬度；所述还车信息包括刷卡日期、卡号、还车时间、还车站点编号、还车站点经度、还车站点纬度；所述进站信息包括刷卡日期、卡号、进站时间、进站站点编号、进站站点经度、进站站点纬度。
7.根据权利要求1所述的一种基于IC卡换乘识别数据的地铁站点公共自行车服务范围的测定方法，其特征在于，所述步骤(4)中，可能的换乘数据对指的是：过滤之后的还车进站数据库中的数据结构为：同一张卡的刷卡记录的排列顺序为公共自行车还车数据-地铁进站数据-公共自行车还车数据-地铁进站数据这样的形式，每相邻的一对公共自行车还车数据-地铁进站数据称为还车进站数据对；过滤之后的出站借车数据库中的数据结构为：同一张卡的刷卡记录的排列顺序为地铁出站数据-公共自行车借车数据-地铁出站数据-公共自行车借车数据这样的形式，每相邻的一对地铁出站数据-公共自行车借车数据称为出站借车数据对。
8.根据权利要求2所述的一种基于IC卡数据的地铁与公共自行车换乘行为识别方法，其特征在于，所述步骤(5)中，计算地铁站点与公共自行车站点之间的距离使用以下公式：
<mrow> <mi>D</mi> <mo>=</mo> <mn>2</mn> <mi>r</mi> <mo>&amp;CenterDot;</mo> <mi>arcsin</mi> <mrow> <mo>(</mo> <msqrt> <mrow> <msup> <mi>sin</mi> <mn>2</mn> </msup> <mrow> <mo>(</mo> <mfrac> <mrow> <msub> <mi>&amp;phi;</mi> <mn>2</mn> </msub> <mo>-</mo> <msub> <mi>&amp;phi;</mi> <mn>1</mn> </msub> </mrow> <mn>2</mn> </mfrac> <mo>)</mo> </mrow> <mo>+</mo> <mi>c</mi> <mi>o</mi> <mi>s</mi> <mrow> <mo>(</mo> <msub> <mi>&amp;phi;</mi> <mn>1</mn> </msub> <mo>)</mo> </mrow> <mi>c</mi> <mi>o</mi> <mi>s</mi> <mrow> <mo>(</mo> <msub> <mi>&amp;phi;</mi> <mn>2</mn> </msub> <mo>)</mo> </mrow> <msup> <mi>sin</mi> <mn>2</mn> </msup> <mrow> <mo>(</mo> <mfrac> <mrow> <msub> <mi>&amp;lambda;</mi> <mn>2</mn> </msub> <mo>-</mo> <msub> <mi>&amp;lambda;</mi> <mn>1</mn> </msub> </mrow> <mn>2</mn> </mfrac> <mo>)</mo> </mrow> </mrow> </msqrt> <mo>)</mo> </mrow> </mrow>
其中，D为地铁站点与公共自行车站点之间的距离，r为地球的半径，φ1、φ2分别为地铁站点和公共自行车站点的纬度，λ1、λ2分别为地铁站点和公共自行车站点的经度。
9.根据权利要求1所述的一种基于IC卡数据的地铁与公共自行车换乘行为识别方法，其特征在于，所述步骤(5)中，确定的最大换乘时间间隔为10分钟，最大换乘距离为300米。
CN201710811393.8A 2017-09-11 2017-09-11 基于ic卡数据的地铁与公共自行车换乘行为识别方法 Pending CN107451299A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710811393.8A CN107451299A (zh) 2017-09-11 2017-09-11 基于ic卡数据的地铁与公共自行车换乘行为识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710811393.8A CN107451299A (zh) 2017-09-11 2017-09-11 基于ic卡数据的地铁与公共自行车换乘行为识别方法

Publications (1)

Publication Number Publication Date
CN107451299A true CN107451299A (zh) 2017-12-08

Family

ID=60496018

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710811393.8A Pending CN107451299A (zh) 2017-09-11 2017-09-11 基于ic卡数据的地铁与公共自行车换乘行为识别方法

Country Status (1)

Country Link
CN (1) CN107451299A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108022426A (zh) * 2017-12-25 2018-05-11 东南大学 一种识别高峰时段内公共自行车接驳轨道交通客流的方法
CN109754151A (zh) * 2018-11-22 2019-05-14 广东岭南通股份有限公司 基于交易数据的地铁站点识别方法、装置、设备及介质
CN109871874A (zh) * 2019-01-21 2019-06-11 华南理工大学 地铁换乘公交行为识别方法、系统、计算机设备及存储介质
CN110633307A (zh) * 2019-08-19 2019-12-31 北京建筑大学 城市公共自行车接驳地铁时空分析方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050132036A1 (en) * 2003-12-13 2005-06-16 Samsung Electronics Co., Ltd Display apparatus management system and method thereof
CN102044146A (zh) * 2010-12-02 2011-05-04 北京交通发展研究中心 基于一票制公交ic卡数据推算上车站点的方法
CN103179509A (zh) * 2013-03-11 2013-06-26 北京工业大学 基于手机定位信息的地铁乘客出行路径辨识方法
CN104318113A (zh) * 2014-10-29 2015-01-28 中国科学院深圳先进技术研究院 基于乘客换乘的时空特征推算乘客上车站点的方法及系统
CN104463364A (zh) * 2014-12-04 2015-03-25 中国科学院深圳先进技术研究院 一种地铁乘客实时分布和地铁实时密度预测方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050132036A1 (en) * 2003-12-13 2005-06-16 Samsung Electronics Co., Ltd Display apparatus management system and method thereof
CN102044146A (zh) * 2010-12-02 2011-05-04 北京交通发展研究中心 基于一票制公交ic卡数据推算上车站点的方法
CN103179509A (zh) * 2013-03-11 2013-06-26 北京工业大学 基于手机定位信息的地铁乘客出行路径辨识方法
CN104318113A (zh) * 2014-10-29 2015-01-28 中国科学院深圳先进技术研究院 基于乘客换乘的时空特征推算乘客上车站点的方法及系统
CN104463364A (zh) * 2014-12-04 2015-03-25 中国科学院深圳先进技术研究院 一种地铁乘客实时分布和地铁实时密度预测方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
周亿迎 等: "采用可变时间参数的公交换乘识别方法", 《物流技术》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108022426A (zh) * 2017-12-25 2018-05-11 东南大学 一种识别高峰时段内公共自行车接驳轨道交通客流的方法
CN108022426B (zh) * 2017-12-25 2020-07-24 东南大学 一种识别高峰时段内公共自行车接驳轨道交通客流的方法
CN109754151A (zh) * 2018-11-22 2019-05-14 广东岭南通股份有限公司 基于交易数据的地铁站点识别方法、装置、设备及介质
CN109754151B (zh) * 2018-11-22 2023-04-28 广东岭南通股份有限公司 基于交易数据的地铁站点识别方法、装置、设备及介质
CN109871874A (zh) * 2019-01-21 2019-06-11 华南理工大学 地铁换乘公交行为识别方法、系统、计算机设备及存储介质
CN110633307A (zh) * 2019-08-19 2019-12-31 北京建筑大学 城市公共自行车接驳地铁时空分析方法
CN110633307B (zh) * 2019-08-19 2022-05-10 北京建筑大学 城市公共自行车接驳地铁时空分析方法

Similar Documents

Publication Publication Date Title
CN107590239A (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
CN107451299A (zh) 基于ic卡数据的地铁与公共自行车换乘行为识别方法
CN102097002B (zh) 一种基于ic卡数据获取公交站点od的方法及系统
Chen et al. Present status and development trends of underground space in Chinese cities: Evaluation and analysis
CN104463364B (zh) 一种地铁乘客实时分布和地铁实时密度预测方法及系统
CN105809292A (zh) 公交ic卡乘客下车站点推算方法
CN110209990A (zh) 一种基于车辆身份检测数据的单辆车排放轨迹计算方法
CN107578619A (zh) 基于ic卡数据测定地铁站点公共自行车服务范围的方法
Barter Transport dilemmas in dense urban areas: Examples from Eastern Asia
CN110264710A (zh) 基于ic卡刷卡和公交gps数据的公交客流推断方法
Zhang et al. Lessons of bus rapid transit from nine cities in China
CN114139251B (zh) 一种边境地区陆路口岸整体布局方法
CN106951549A (zh) 一种基于轨道ic卡和手机信令数据的乘客出行路线识别方法
Liu et al. A route analysis of metro-bikeshare users using smart card data
Liu et al. Mode choice between bus and bike-sharing for the last-mile connection to urban rail transit
CN107886189A (zh) 一种基于地铁刷卡数据进行路径旅行时间推断的方法
Zhang et al. Evaluation of carbon emission reductions promoted by private driving restrictions based on automatic fare collection data in Beijing, China
CN102609625B (zh) 一种城郊高速公路出入口匝道选位方法
Yu et al. Passenger flow estimation based on smart card data in public transit
CN110189029A (zh) 一种基于大规模手机位置数据的自行车骑车与停车需求评估方法
CN114882693B (zh) 一种基于刷卡数据深度挖掘的公交乘客下车站点预测方法
Gao et al. Research on Visualization Method of Congestion Pattern in Urban Transportation Hub
Kim et al. Changes in Space Usage Behaviours after the Implementation of Seoul’s Bus Rapid Transit Project in Jongno Street: A Social Data Analysis
Yu et al. Exploring Free Floating Bike Sharing Travel Patterns Using Travel Records and Online Point of Interests
CN116823475A (zh) 一种基于出行链与集成学习的公交乘客下车站点推断方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20171208