CN107767669B - 基于WiFi和蓝牙识别的公交线路客流OD估计方法 - Google Patents
基于WiFi和蓝牙识别的公交线路客流OD估计方法 Download PDFInfo
- Publication number
- CN107767669B CN107767669B CN201710997492.XA CN201710997492A CN107767669B CN 107767669 B CN107767669 B CN 107767669B CN 201710997492 A CN201710997492 A CN 201710997492A CN 107767669 B CN107767669 B CN 107767669B
- Authority
- CN
- China
- Prior art keywords
- data
- time
- mac address
- bus
- information
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于WiFi和蓝牙识别的公交线路上客流OD估计方法,通过在公交车辆上布设GPS设备,采集时间序列上公交车辆具体位置信息,并在公交车上布设Wi‑Fi+蓝牙设备检测周围范围内电子设备的MAC地址信息;以时间匹配为结合点,对两类数据进行深度融合与挖掘,依托R软件和ArcGIS作为分析技术支撑,提出一种数据合理性判别方法及非乘客的杂质数据清洗方法,并根据真实乘客OD数据对方法中关键参数进行标定和验证,最终形成一整套可以判别公交线路上客流O‑D时空分布的技术;本发明可以对公交线路上客流需求进行识别、预测和诊断,进而为公交线路设计、发车频率优化、车辆实时调度等提供信息支持。
Description
技术领域
本发明涉及智能交通管理方法,尤其涉及一种基于Wi-Fi和蓝牙识别的公交线路客流OD估计方法。
背景技术
现阶段,“大数据”和“互联网+”已成为当今时代的研究热点,交通运输业开始向“智能化”、“自控化”迈进。紧跟时代热点,利用新方法,新手段解决城市交通拥堵问题是交通行业面临的新挑战和新机遇。据统计,现有城市公交Wi-Fi覆盖率已达70%以上,利用已有的Wi-Fi+蓝牙检测设备检测乘客出行信息是一个创新实用、方便可行的新方法和新思路。
现有的公交乘客客流出行估计有IC卡检测法、Wi-Fi识别等方法。IC卡检测法通过IC卡获取乘客上下车的时间、站点等数据,通过阅读器保存在本地储存设备中,最终汇总于公交公司的IC卡管理中心数据库。从目前我国国情来看,公交IC卡技术简单而成熟、采集信息量较大且在很多城市已有应用的现实基础,故采用IC卡方法调查交通流特性更为普遍。但另一方面,由于大量公交只需上车刷卡,因此无法准确获得乘客的下车站点,从调查的精准程度来看,IC卡调查显然并不能完全符合公交车客流调查的要求。对于现有的Wi-Fi识别方法,公开号为CN103700174A的中国专利申请“一种基于Wi-Fi身份识别的公交客流数据采集及OD分析方法”中,通过公交AP热点读取乘客所持有Wi-Fi设备的MAC地址,再通过对列表中MAC地址的统计获取公交车上下车及断面持有Wi-Fi乘客总人数。但上述方法没有提出合理的数据筛分方法来排除周围车辆、人群Wi-Fi对测量数据的影响。干扰数据的存在影响了所得结果的准确性,所得到的实际乘客开Wi-Fi的比例存在较大误差。同时,上述方法没有利用GPS数据进行精准位置确定,AP热点网络的映射范围以及公交车停靠站点的相对位置都较为模糊,仅以热点网络范围内Wi-Fi信号出现和消失作为乘客上下车依据不能保证最后结果的精准度。
发明内容
发明目的:为了解决现有的公交乘客客流出行估计方法中由于杂质数据的存在而带来的误差问题,本发明的目的是提供一种利用R语言和ArcGIS将WiFi和蓝牙检测设备检测到的MAC地址数据和GPS数据高度融合,进行杂质数据筛除与有效乘客信息提取,并对结果进行有效修正的更加准确可行的公交车客流OD估计方法。
技术方案:一种基于WiFi和蓝牙识别的公交线路客流OD估计方法,包括以下步骤:
(1)初步采集:通过布设在公交车上的WiFi和蓝牙检测设备采集扫描范围内的移动终端MAC地址信息,并随之记录每个MAC地址被采集的时间;利用GPS记录仪每隔一秒记录一次公交车的实时位置信息、实时时间以及公交车的瞬时速度;所述实时位置信息包括经度和纬度;
(2)提取与转换:提取步骤(1)中所得信息,将时间信息转化得到时间戳格式;
(3)持续时间筛选:利用R语言统计,获取一次交通调查中,即公交车一个单程班次;每个MAC地址信息的扫描时间列表,取MAC地址第一次被扫描到的时间作为出现时刻timei,取MAC地址最后一次被扫描到的时间作为消失时刻timef,进而得到每个MAC地址信号的持续时间;设定合理的持续时间阈值,持续时间不在时间阈值范围内的数据为干扰数据,剔除;
(4)匹配:基于步骤(3)中所得数据信息,根据MAC地址信息和GPS信息对应时间戳差值最小的原则进行匹配,得到每个MAC地址数据出现和消失时的位置信息;
(5)筛选:将步骤(4)中所得每个MAC地址数据出现和消失的位置信息与站点位置信息投影到同一坐标系;以公交站台为圆心,以合理的数值为半径,在公交站台附近选取合理圆形区域作为缓冲区进行筛选,剔除不在缓冲区以内的位置数据,保留缓冲区以内的位置数据,并输出可视化坐标;
(6)重复性检验:对所述步骤(5)得到的站点附近的WiFi或蓝牙信号出现位置和消失位置进一步处理,将信号出现和消失位置点均在同一车站的缓冲区以内的MAC地址数据剔除,认为其是由同车站的其他乘客产生的数据干扰;
(7)OD生成:根据所述步骤(6)确定筛选后每个MAC地址信号的出现站点和消失站点,以此作为乘客上、下车车站,利用R软件统计计算得到各站点的客流,并生成公交车客流OD表;
(8)数据修正:将所述步骤(7)中得到的公交车客流OD表与实际调查得到的客流进行比较,计算客流误差;对客流误差的分布进行分析与假设检验,运用合适的方法对所述步骤(6)中的OD信息进行修正。
所述步骤(1)基于Wi-Fi检测设备的RFID和蓝牙技术对MAC地址进行采集,用户的移动终端通过Wi-Fi射频方式传输信息并最终在检测设备上生成乘客MAC地址数据和实时时间数据;公交车运行过程中实时位置信息和实时速度由GPS记录仪进行记录,GPS数据采集频次为一秒一次。
所述步骤(2)通过将时间格式转化为标准Unix时间戳格式便于后续数据处理;所述提取后信息包括经纬度、时间数据和MAC地址。
所述步骤(3)利用R软件对Wi-Fi检测的数据进行统计,得到每个MAC地址信息的扫描时间列表,取MAC地址第一次被扫描到的时间作为出现时刻timei,取MAC地址最后一次被扫描到的时间作为消失时刻timef,进而得到每个MAC地址信号的持续时间
所述步骤(3)根据实地交通调查,定出合理的公交运行时间阈值[td,tu],当持续时间超出阈值范围则认为是干扰数据,剔除;根据实际交通调查获得两站之间的最短运行时间确定持续时间阈值下限td,根据整条线路的运行总时间确定持续时间阈值上限tu。
所述步骤(3)具体筛选方法为:
(31)将不同的MAC地址用标号ID唯一表示,并与原先的MAC地址数据进行整合;
(32)对上述步骤(31)中所得到的MAC地址信息、对应标号、时间数据进行提取,通过对应标号ID区分不同的MAC地址信息;利用R软件统计得到每个MAC地址信号的扫描时间列表,确定MAC地址信号出现、消失时间及持续时间,并通过设置合理阈值将其中持续时间较短的MAC地址数据筛除;所述持续时间根据实际调查公交车在两车站间的最短行驶时间而定,最低要求为60s。
利用R软件对所述步骤(4)中MAC地址与GPS信息进行匹配的方法为:
对上述步骤(4)所得到的每个乘客的数据,根据时间差最小的原则,将每一个有效MAC地址信号出现与消失时对应的时间戳与GPS时间戳相匹配,得到有效MAC地址信号出现和消失时刻对应的GPS数据;所述匹配采用R语言进行;所述匹配得到的数据包含MAC地址的时间戳、GPS统计的时间戳、经纬度和ID标号。
所述步骤(5)中包括以下步骤:
(51)将所选的公交站点的位置通过经纬度坐标投影在地图上;
(52)将步骤(4)中所得有效MAC地址出现和消失对应的GPS数据在上述步骤(51)中的同一界面上投影显示;
(53)利用ArcGIS在上述步骤(52)中地图信息中以公交站台为圆心,以合理的数值为半径,选取公交站台周边合理圆形区域作为缓冲区,并筛选出处在该缓冲区范围的Wi-Fi数据对应的MAC地址数据,得到缓冲区范围内的有效MAC地址数据出现、消失对应的站点信息Location_1、Location_2和对应的ID;所述筛选步骤采用ArcGIS软件进行;所述缓冲区半径采用步骤(1)中GPS数据中公交车进出站速度均值和每辆公交车的平均停靠时间相乘得到。
利用步骤(7)所得数据并进行筛选而得到OD矩阵;所述筛选以ID为依据区分不同乘客,根据步骤(5)中的Location_1和Location_2确定乘客起、始站点位置。
对所述步骤(8)中以下内容进行修正:
(81)基于实地调查问卷统计得到的公交车乘客实际使用WiFi或蓝牙人数占总人数的比例;
(82)综合考虑数据阈值的影响,对缓冲区阈值和持续时间阈值做出动态调整。
有益效果
和现有技术相比,本发明具有如下显著优势:综合考虑了数据采集过程中周围车辆、人群的干扰,将GPS数据与MAC地址信息高度融合,采用合理的数据清洗方法实现了杂质数据的筛除,所得结果更加符合实际,提高了公交客流O-D估计的精度;通过在公交车辆上以及公交站台布设Wi-Fi+蓝牙检测设备,检测MAC地址出现与消失时刻、持续长度、GPS定位等信息,对公交线路上各站点的上客以及下客乘客数量进行提取,对公交线路上出行需求OD分布进行挖掘,对公交车上实时人数与拥挤指数进行估计,并对站台乘客到达规律与等车时间进行分析;Wi-Fi检测形成的数据库可以为交管部门服务,也为乘客等车提供即时、精确的信息。
附图说明
图1为本发明乘客客流数据采集与分析过程的流程图;
图2为本发明ArcGIS缓冲区阈值确定方法图;
图3为本发明MAC地址数据扫描时间列表示意图;
图4为本发明MAC地址数据与GPS数据匹配示意图;
图5为本发明数据处理过程站点筛选示意图;
图6为本发明数据处理过程重复性检验示意图;
图7为本发明实测线路上下车流量推导图;
图8为本发明实测线路修正前后下客流量对比图;
图9为本发明实测线路修正前后上客流量对比图。
具体实施方式
下面结合实施例和附图对本发明的技术方案作进一步详细说明。
本发明提出了一种基于GPS定位和WiFi和蓝牙检测、以R软件和ArcGIS为技术支撑的公交客流O-D估计方法。该数据采集方法基于Meshlium Xtreme Wi-Fi+蓝牙检测设备,该设备采用主动扫描模式,可以检测到iPhone和Android设备的无线网络接入点,进而获取乘客移动终端的MAC地址和被扫描的时间。结合GPS记录仪记录的实时位置等信息,实现公交线路客流O-D采集与分析。
首先当用户出现在公交车Wi-Fi+蓝牙检测器覆盖范围内并且所持移动终端WIFI或蓝牙功能开启时,检测器能够根据WIFI+蓝牙感知技术获取用户的MAC地址;利用R统计得出每个MAC地址信号的出现时刻,消失时刻和持续时间,结合用户上下车的行为特征,建立有效数据筛选与杂质数据清洗模型;当MAC地址信号满足上下车应有的行为特征时,认为该用户确实是乘车的乘客;根据得到的乘客上下站信息推算公交线路客流O-D分布,建立客流修正模型,并利用该模型对得到的OD分布进行修正。
本实例中,利用WI-FI+蓝牙检测数据和GPS数据融合的客流采集与分析方法(图1为其流程图),主要可分为以下六个阶段:
初步采集阶段:通过在公交车上布设Wi-Fi+蓝牙检测设备采集扫描范围内检测到的移动终端MAC地址信息,并随之记录每个MAC地址被采集时的时间BTtime;利用GPS记录仪每隔一秒记录一次公交车的实时位置信息(经度、纬度)和实时时间GPStime,以及公交车的瞬时速度。本实施例基于MeshliumXtreme Wi-Fi+蓝牙检测设备,该设备采用主动扫描模式,扫描器可以检测到iPhone和Android设备的无线网络接入点,进而获取智能手机用户的MAC地址和时间数据。设备每隔10s进行一次主动扫描,扫描半径为30米,扫描半径范围内的正在使用Wi-Fi的移动终端都将被检测到并记录其MAC地址。
持续时间筛选阶段:将BTtime与GPStime转换为时间戳格式,利用R软件对上述阶段中Wi-Fi检测设备获取的数据进行统计,得到一次交通调查中(即公交车一个单程班次)每个MAC地址信息的扫描时间列表,取MAC地址第一次被扫描到的时间作为出现时刻timei,取MAC地址最后一次被扫描到的时间作为消失时刻timef,得到信号持续时间:
GPS数据与MAC地址匹配阶段:根据时间相差最小的原则,将GPS记录仪记录的实时时间GPStime与MAC地址出现时刻timei与消失时刻timef进行匹配,通过匹配后对应的GPStime得到MAC地址信息出现与消失时的位置数据GPSi和GPSf;
本部分通过R语言实现,核心代码如下所示:
其中,X[]储存Wi-Fi检测的时间数据,y[]储存GPS设备的时间数据,lat[],lon[]分别储存GPS测得的实时纬度、经度数据。
图4为本发明MAC地址数据与GPS数据匹配示意图。
站点筛选阶段:利用ArcGIS读入上述步骤得到的每个MAC地址出现、消失对应的GPS信息和站点的位置信息,根据MAC地址与站点的相对位置进一步数据筛选。具体操作:
(1)利用ArcGIS将有效MAC地址出现、消失对应的GPS信息和站点位置投影到同一坐标系;
(2)根据公交车进出站时的平均速度v和平均停靠时间t,确定阈值q;该阈值的确定:q=v*t,其中t代表着公交汽车从开始进站减速到出站完成加速经历的平均总时间,v为公交车进出站时的平均速度,公交车实时行驶速度可以由GPS记录仪进行记录
(3)在步骤(2)基础上以站点为圆心,以阈值q为半径建立ArcGIS圆形缓冲区,在地图上超出缓冲区的位置点则作为干扰数据剔除,保留位于缓冲区以内的信号出现与消失的位置点,输出缓冲区范围内每个MAC地址信号出现、消失所在站点信息Location_1、Location_2和MAC地址信息标号ID;图2为本发明ArcGIS缓冲区阈值确定方法图;图5为本发明数据处理过程站点筛选示意图。
OD生成阶段:利用上述阶段操作后得到的站点标号信息Location_1和Location_2,进行重复性检验,删掉在同一个站点出现和消失的MAC地址信息,排除同车站其他等车乘客的干扰;利用重复性检验后每个信号对应的站点标号信息Location_1和Location_2得到该用户的上车地点和下车站点,生成公交线路客流OD;如图6为本发明数据处理过程重复性检验示意图。
数据修正阶段:根据推算的公交线路客流OD与人工实际调查的客流OD进行比较,基于实地调查问卷统计得到的公交车乘客实际使用WiFi人数占总人数的比例,综合考虑数据阈值的影响,对缓冲区阈值和持续时间阈值做出动态调整,尽可能得减小误差;
上述GPS数据与MAC地址匹配阶段中,公交车GPS数据与MAC地址匹配的具体方法如下:
GPS记录仪每1~2秒进行一次关于公交车的记录,包括当前日期与时刻(精确到秒),公交车所处经度、纬度、当前速度等。GPS记录仪采集公交车实时数据时在其内部实时存储,可在采集结束后将数据以常规文件格式(如CSV格式)导出,公交车实时数据记录表的数据格式如表1所示:
表1
其中当前时刻recorded-time,sat-lon,sat-lat,speed是本发明所需的关键数据。speed为公交车实时速度,sat-lon和sat-lat为公交车在WGS84坐标系下所处的经、纬度,recorded-time为GPS记录仪记录的实时北京时间,在处理数据时,需要将其转换为时间戳格式。
将Wi-Fi检测到的不同MAC地址用标号单独表示为ID,并与原先的MAC地址进行整合,利用R统计整合输出数据表格作为后续处理步骤的前提,如表2所示为MAC地址数据记录表:
表2
MAC | BTtime | ID | |
1 | 00:01:7A:6C:83:82 | 1.48E+09 | 1180 |
2 | 00:01:7A:89:A3:E2 | 1.48E+09 | 1169 |
3 | 00:03:0F:39:C2:00 | 1.48E+09 | 332 |
4 | 00:03:0F:39:C2:00 | 1.48E+09 | 332 |
5 | 00:03:0F:42:A5:20 | 1.48E+09 | 301 |
在R软件中对上述步骤中所得到的相关数据进行提取,剔除重复ID对应的MAC地址数据,保证MAC地址与ID唯一对应,得到MAC地址标记表,如表3所示:
表3
ID | MAC | |
1 | 1877 | 00:14:D5:50:1E:7A |
2 | 95 | 00:14:D5:50:1F:B9 |
3 | 1733 | 00:14:D5:50:1F:DD |
4 | 1745 | 00:14:D5:50:20:2E |
5 | 31 | 00:14:D5:50:20:93 |
6 | 1775 | 00:14:D5:50:23:6C |
利用R软件统计得到每个MAC地址出现时刻timei和消失时刻timef,相减得到持续时间是否在设定的时间阈值范围内。如果否,则认定该用户不是该趟公交车的乘客,直接删除其数据,表4为MAC信号持续时间记录表:
表4
相近性最优的原则,将MAC地址与GPS数据匹配。利用已有的MAC地址出现时刻timei和消失时刻timef,将每一个MAC地址的出行时刻和消失时刻分别对应一个与其时刻最接近的GPS数据,由此可以得到每个MAC地址出现和消失的实时位置,构成MAC信号出现位置匹配表和MAC信号消失位置匹配表,如表5(信号出现)和表6(信号消失)所示;表中字段含义:
BTtime——MAC地址信号被Wi-Fi检测器检测到的时间
GPStime——GPS记录仪记录的实时时间
Lat——GPS记录仪记录的公交车纬度信息
Lon——GPS记录仪记录的公交车经度信息
FID——数据标号
表5
FID | BTtime | GPStime | Lat | Lon |
1 | 1.48E+09 | 1.48E+09 | 31.89644 | 118.8248 |
2 | 1.48E+09 | 1.48E+09 | 31.89644 | 118.8248 |
3 | 1.48E+09 | 1.48E+09 | 31.89644 | 118.8248 |
4 | 1.48E+09 | 1.48E+09 | 31.89644 | 118.8248 |
5 | 1.48E+09 | 1.48E+09 | 31.89644 | 118.8248 |
表6
FID | BTtime | GPStime | Lat | Lon |
1 | 1.48E+09 | 1.48E+09 | 31.9042 | 118.8253 |
2 | 1.48E+09 | 1.48E+09 | 31.9042 | 118.8253 |
3 | 1.48E+09 | 1.48E+09 | 31.9042 | 118.8253 |
4 | 1.48E+09 | 1.48E+09 | 31.9042 | 118.8253 |
5 | 1.48E+09 | 1.48E+09 | 31.9042 | 118.8253 |
6 | 1.48E+09 | 1.48E+09 | 31.90864 | 118.8249 |
利用ArcGIS将每个MAC地址出现和消失对应的GPS信息(Lat、Lon)和站点的位置信息投影到同一坐标系,根据MAC地址与站点的相对位置进行进一步数据筛选。根据公交车进出站时的平均速度v和平均停靠时间t,确定阈值q=v*t建立缓冲区,筛选出出现在公交车站缓冲区范围以内的MAC地址数据,输出其对应的站点标号和位置、时间信息得到.MAC信号出现位置对应站点列表和.MAC信号消失位置对应站点列表,如表7(信号出现)和表8(信号消失)所示;表中字段含义:
FID——数据标号;
FID_1——数据在表5中的原有标号;
FID_2——数据在表6中的原有标号;
Location_1——信号出现时对应的站点标号;
Location_2——信号消失时对应的站点标号;
BTtime、GPStime、Lat、Lon字段含义同表5、表6。
表7
FID | FID_1 | BTtime | GPStime | Lat | Lon | Location_1 |
0 | 7 | 1.48E+09 | 1.48E+09 | 31.8963 | 118.8231 | 1 |
1 | 8 | 1.48E+09 | 1.48E+09 | 31.8963 | 118.8231 | 1 |
2 | 11 | 1.48E+10 | 1.48E+09 | 31.89834 | 118.8255 | 2 |
3 | 12 | 1.48E+09 | 1.48E+09 | 31.89834 | 118.8255 | 2 |
4 | 13 | 1.48E+09 | 1.48E+09 | 31.89834 | 118.8255 | 2 |
5 | 14 | 1.48E+09 | 1.48E+09 | 31.89834 | 118.8255 | 2 |
6 | 15 | 1.48E+09 | 1.48E+09 | 31.89834 | 118.8255 | 2 |
表8
FID | FID_2 | BTtime | GPStime | Lat | Lon | Location_2 |
0 | 2 | 1.48E+09 | 1.48E+09 | 31.90459 | 118.8253 | 3 |
1 | 3 | 1.48E+09 | 1.48E+09 | 31.90459 | 118.8253 | 3 |
2 | 4 | 1.48E+09 | 1.48E+09 | 31.90459 | 118.8253 | 3 |
3 | 5 | 1.48E+09 | 1.48E+09 | 31.90459 | 118.8253 | 3 |
4 | 6 | 1.48E+09 | 1.48E+09 | 31.90461 | 118.8253 | 3 |
5 | 7 | 1.48E+09 | 1.48E+09 | 31.90461 | 118.8253 | 3 |
6 | 8 | 1.48E+09 | 1.48E+09 | 31.90461 | 118.8253 | 3 |
将上述步骤得到的站点附近的信号出现与消失的位置信息,进行重复性检验,剔除在同一个站点出现和消失的MAC地址数据,利用重复性检验后每个信号对应的站点标号信息Location_1和Location_2得到该用户的上车站点和下车站点,得到OD分布生成公交线路客流OD。
本技术对南京市内公交线路乘客客流信息进行实地采集,获取公交乘客所持移动终端的MAC地址信息与公交车实时GPS位置,将MAC地址与GPS数据深度融合实现上、下车乘客数据的提取。图7为南京市内所测公交线路的上下车乘客流量推导图;
根据专利中提及的数据修正方法对估计得到的上、下车乘客客流信息进行修正,分别得到图8、图9所示的实测线路修正前后上客流量对比图与实测线路修正前后下客流量对比图。
Claims (1)
1.一种基于WiFi和蓝牙识别的公交线路客流OD估计方法,其特征在于:包括以下步骤:
(1)初步采集:通过布设在公交车上的WiFi和蓝牙检测设备采集扫描范围内的移动终端MAC地址信息,并随之记录每个MAC地址被采集的时间;利用GPS记录仪每隔一秒记录一次公交车的实时位置信息、实时时间以及公交车的瞬时速度;所述实时位置信息包括经度和纬度;
(2)提取与转换:提取步骤(1)中所得信息,将时间信息转化得到时间戳格式;
(3)持续时间筛选:利用R软件对上述步骤(2)的数据进行筛选,具体操作如下:
(31)基于上述步骤(1)中检测到的MAC地址数据,R软件统计后获取公交车一个单程班次中每个MAC地址信息的扫描时间列表,取MAC地址第一次被扫描到的时间作为出现时刻timei,取MAC地址最后一次被扫描到的时间作为消失时刻timef;
(4)匹配:基于步骤(3)中所得数据信息,根据MAC地址信息和GPS信息对应时间戳差值最小的原则进行匹配,得到每个MAC地址数据出现和消失时的位置信息;
(5)筛选:将步骤(4)中所得每个MAC地址数据出现和消失的位置信息与站点位置信息投影到同一坐标系;以公交站台为圆心,以合理的数值为半径,在公交站台附近选取合理圆形区域作为缓冲区进行筛选,剔除不在缓冲区以内的位置数据,保留缓冲区以内的位置数据,并输出可视化坐标;具体包括以下步骤:
(51)将所选的公交站点的位置通过经纬度坐标投影在地图上;
(52)将步骤(4)中所得有效MAC地址出现和消失对应的GPS数据在上述步骤(51)中的同一界面上投影显示;
(53)利用ArcGIS在上述步骤(52)中地图信息中以公交站台为圆心,以合理的数值为半径,选取公交站台周边合理圆形区域作为缓冲区,并筛选出处在该缓冲区范围的Wi-Fi数据对应的MAC地址数据,得到缓冲区范围内的有效MAC地址数据出现、消失对应的站点信息Location_1、Location_2和对应的ID;所述筛选步骤采用ArcGIS软件进行;所述缓冲区半径采用步骤(1)中GPS数据中公交车进出站速度均值和每辆公交车的平均停靠时间相乘得到;
(6)重复性检验:对所述步骤(5)得到的站点附近的WiFi或蓝牙信号出现位置和消失位置进一步处理,将信号出现和消失位置点均在同一车站的缓冲区以内的MAC地址数据剔除,认为其是由同车站的其他乘客产生的数据干扰;
(7)OD生成:根据所述步骤(6)确定筛选后每个MAC地址信号的出现站点和消失站点,以此作为乘客上、下车车站,利用R软件统计计算得到各站点的客流,并生成公交车客流OD表;
(8)数据修正:将所述步骤(7)中得到的公交车客流OD表与实际调查得到的客流进行比较,计算客流误差;对客流误差的分布进行分析与假设检验,对所述步骤(6)中的OD信息进行修正;
所述步骤(1)基于Wi-Fi检测设备的RFID和蓝牙技术对MAC地址进行采集,用户的移动终端通过Wi-Fi射频方式传输信息并最终在检测设备上生成乘客MAC地址数据和实时时间数据;公交车运行过程中实时位置信息和实时速度由GPS记录仪进行记录,GPS数据采集频次为一秒一次;
所述步骤(2)通过将时间格式转化为标准Unix时间戳格式便于后续数据处理;步骤(1)中提取的信息包括经纬度、时间数据和MAC地址;
所述步骤(33)基于实际调查获得两站之间最短运行时间并确定持续时间阈值下限td,根据整条线路的运行总时间确定持续时间阈值上限tu;持续时间小于td或超出tu即认为不是乘客,舍去;
所述步骤(3)根据实地交通调查,定出合理的公交运行时间阈值[td,tu],当持续时间超出阈值范围则认为是干扰数据,剔除;根据实际交通调查获得两站之间的最短运行时间确定持续时间阈值下限td,根据整条线路的运行总时间确定持续时间阈值上限tu;
所述步骤(3)具体筛选方法为:
(31)将不同的MAC地址用标号ID唯一表示,并与原先的MAC地址数据进行整合;
(32)对上述步骤(31)中所得到的MAC地址信息、对应标号、时间数据进行提取,通过对应标号ID区分不同的MAC地址信息;利用R软件统计得到每个MAC地址信号的扫描时间列表,确定MAC地址信号出现、消失时间及持续时间,并通过设置合理阈值将其中持续时间较短的MAC地址数据筛除;所述持续时间根据实际调查公交车在两车站间的最短行驶时间而定,最低要求为60s;
利用R软件对所述步骤(4)中MAC地址与GPS信息进行匹配的方法为:
对上述步骤(4)所得到的每个乘客的数据,根据时间差最小的原则,将每一个有效MAC地址信号出现与消失时对应的时间戳与GPS时间戳相匹配,得到有效MAC地址信号出现和消失时刻对应的GPS数据;所述匹配采用R语言进行;所述匹配得到的数据包含MAC地址的时间戳、GPS统计的时间戳、经纬度和ID标号;
利用步骤(7)所得数据并进行筛选而得到OD矩阵;所述筛选以ID为依据区分不同乘客,根据步骤(5)中的Location_1和Location_2确定乘客起、始站点位置;
对所述步骤(8)中以下内容进行修正:
(81)基于实地调查问卷统计得到的公交车乘客实际使用WiFi或蓝牙人数占总人数的比例;
(82)综合考虑数据阈值的影响,对缓冲区阈值和持续时间阈值做出动态调整。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710997492.XA CN107767669B (zh) | 2017-10-24 | 2017-10-24 | 基于WiFi和蓝牙识别的公交线路客流OD估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710997492.XA CN107767669B (zh) | 2017-10-24 | 2017-10-24 | 基于WiFi和蓝牙识别的公交线路客流OD估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107767669A CN107767669A (zh) | 2018-03-06 |
CN107767669B true CN107767669B (zh) | 2020-11-20 |
Family
ID=61269176
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710997492.XA Active CN107767669B (zh) | 2017-10-24 | 2017-10-24 | 基于WiFi和蓝牙识别的公交线路客流OD估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107767669B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108551650A (zh) * | 2018-03-28 | 2018-09-18 | 哈尔滨工业大学 | 一种公交客流采集装置及客流统计方法 |
CN108682151B (zh) * | 2018-05-30 | 2020-11-17 | 广东矩阵流大数据科技有限公司 | 基于无线信号扫描技术的移动式交通流量统计装置及方法 |
CN108986466B (zh) * | 2018-07-30 | 2020-09-25 | 安徽四创电子股份有限公司 | 一种基于WiFi探针的交通OD信息采集系统及处理方法 |
CN109388634B (zh) * | 2018-09-18 | 2024-05-03 | 平安科技(深圳)有限公司 | 地址信息的处理方法、终端设备及计算机可读存储介质 |
CN109905845A (zh) * | 2018-12-10 | 2019-06-18 | 华南理工大学 | 一种基于手机信令的公交客流od获取方法 |
CN109903553B (zh) * | 2019-02-19 | 2021-07-09 | 华侨大学 | 多源数据挖掘的公交车上下车站点识别和检验方法 |
CN110246330A (zh) * | 2019-05-29 | 2019-09-17 | 佛山市慧城信息科技有限公司 | 一种公交线路客流量预估方法、电子设备和存储介质 |
CN111210612B (zh) * | 2019-10-29 | 2021-01-19 | 浙江浙大中控信息技术有限公司 | 基于公交gps数据与站点信息提取公交线路轨迹的方法 |
CN111179589B (zh) * | 2019-12-06 | 2021-06-29 | 北京中交兴路信息科技有限公司 | 车辆od预测的方法、装置、设备及存储介质 |
CN111161534A (zh) * | 2019-12-19 | 2020-05-15 | 南京行者易智能交通科技有限公司 | 一种基于WiFi探针的公交精准OD数据的采集系统及方法 |
CN113129584B (zh) * | 2020-01-15 | 2023-04-14 | 中移(苏州)软件技术有限公司 | 载客人数的确定方法、装置、设备及存储介质 |
CN114120622A (zh) * | 2020-08-27 | 2022-03-01 | 珠海深圳清华大学研究院创新中心 | 公共交通工具的客流量监控方法、服务器及存储介质 |
CN115484307B (zh) * | 2021-06-15 | 2024-05-31 | 南京高美吉交通科技有限公司 | 城市轨道交通换乘通道客流检测方法 |
CN114664077A (zh) * | 2022-03-18 | 2022-06-24 | 重庆交通大学 | 公交客流od分析方法及装置、存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046944A (zh) * | 2015-06-26 | 2015-11-11 | 浙江工业大学 | 扫描手机mac地址的公交车客流数据采集方法 |
CN105809959B (zh) * | 2016-03-31 | 2020-09-25 | 腾讯科技(深圳)有限公司 | 乘客数量统计方法、装置及系统 |
CN105869388B (zh) * | 2016-05-31 | 2018-09-04 | 苏州朗捷通智能科技有限公司 | 一种公交客流数据采集及起讫点的分析方法及系统 |
CN106297288B (zh) * | 2016-08-23 | 2019-06-11 | 同济大学 | 一种公交乘客客流数据采集与分析方法 |
CN106683404B (zh) * | 2016-12-06 | 2019-10-18 | 华南理工大学 | 一种通过手机定位技术获取公交客流od的方法 |
CN106951520A (zh) * | 2017-03-02 | 2017-07-14 | 内蒙古大学 | 一种公交乘客出行数据采集系统及其应用 |
-
2017
- 2017-10-24 CN CN201710997492.XA patent/CN107767669B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107767669A (zh) | 2018-03-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107767669B (zh) | 基于WiFi和蓝牙识别的公交线路客流OD估计方法 | |
CN107798869B (zh) | 基于站点WiFi和车载GPS的公交乘客客流采集与分析方法 | |
CN107845259B (zh) | 公交运行情况实时反馈系统及公交实时运行数据处理方法 | |
CN106297288B (zh) | 一种公交乘客客流数据采集与分析方法 | |
CN107766981B (zh) | 基于站点WiFi的公交客流OD估计及短时预测方法 | |
CN105869388B (zh) | 一种公交客流数据采集及起讫点的分析方法及系统 | |
CN105185105B (zh) | 基于车辆gps和公交ic卡数据的公交换乘识别方法 | |
CN108109423B (zh) | 基于WiFi室内定位的地下停车场智能导航方法及系统 | |
CN107564292B (zh) | 基于站点WiFi和车载移动终端的乘客等车时间规律估计方法 | |
CN109389416A (zh) | 数字标示控制装置、数字标示控制方法以及记录介质 | |
CN102013163A (zh) | 使用手机基站数据与营运车辆gps数据进行公交od调查的方法 | |
CN107844856B (zh) | 基于车载GPS和站点WiFi的公交车客流预测方法 | |
CN110853156B (zh) | 融合公交gps轨迹与ic卡数据的乘客od识别方法 | |
CN112770278B (zh) | 手机信令分析方法、装置、计算机设备及存储介质 | |
JP2013210870A (ja) | 動線情報計測システムおよび方法、並びに情報処理装置 | |
CN111795691A (zh) | 定位导航方法及系统 | |
CN110460962A (zh) | 轨道交通用户识别方法和装置 | |
CN110334858A (zh) | 一种公交车剩余座位智能预测方法与装置 | |
Pattanusorn et al. | Passenger estimation system using Wi-Fi probe request | |
CN105096584A (zh) | 一种交通决策支持方法、装置及系统 | |
CN110135216B (zh) | 电子地图中车道数变化区域检测方法、装置及存储设备 | |
CN110321982A (zh) | 一种轨道交通断面客流量实时计算方法 | |
CN108022426B (zh) | 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 | |
CN106920389B (zh) | 一种基于用户电信行为的交通状况控制方法及系统 | |
CN111624638A (zh) | 基于大数据系统的行踪追溯及监控报告的生成方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |