CN107886189B - 一种基于地铁刷卡数据进行路径旅行时间推断的方法 - Google Patents
一种基于地铁刷卡数据进行路径旅行时间推断的方法 Download PDFInfo
- Publication number
- CN107886189B CN107886189B CN201710975742.XA CN201710975742A CN107886189B CN 107886189 B CN107886189 B CN 107886189B CN 201710975742 A CN201710975742 A CN 201710975742A CN 107886189 B CN107886189 B CN 107886189B
- Authority
- CN
- China
- Prior art keywords
- time
- station
- path
- travel time
- card swiping
- 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
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000012546 transfer Methods 0.000 claims abstract description 47
- 238000010586 diagram Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 2
- 230000006399 behavior Effects 0.000 abstract description 8
- 238000011160 research Methods 0.000 abstract description 4
- 238000011835 investigation Methods 0.000 abstract description 3
- 230000000875 corresponding effect Effects 0.000 description 4
- 230000002596 correlated effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Devices For Checking Fares Or Tickets At Control Points (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种基于地铁刷卡数据计算路径旅行时间的方法,包括以下步骤:(1)提取同一天乘客刷卡数据;(2)找出不同换乘站对应的相关OD对;(3)计算优势路径时间;(4)计算OT,TD对的路段旅行时间;(5)计算换乘地铁站时间差;(6)计算路径旅行时间。本发明提供一种基于地铁刷卡数据进行路径旅行时间推断的方法,该方法仅依据地铁刷卡数据来推测路径旅行时间,不仅能够节约必要的旅行时间调查成本,还可以为地铁路径选择行为研究带来新的突破。
Description
技术领域
本发明涉及地铁大数据分析方法领域,特别是涉及一种基于地铁刷卡数据进行路径旅行时间推断的方法。
背景技术
随着城市人口的增大以及城市土地面积的紧张,城市交通拥堵成为全世界大部分城市面临的一大难题。地铁作为一种高效的交通方式,具有运量大,速度快,可靠性高等特点,在大型城市交通运输中占有重要的地位。近年来,数据收集方式更加的科学,全面和准确。许多拥有大型地铁网络的城市,每天可以产生海量的地铁刷卡数据。地铁大数据的出现为许多关于地铁的研究提供了良好的基础。在地铁网络中,许多乘客需要换乘两条或者多条地铁线路到达目的地。因此,起点站(O)到终点站(D)的路径会有多条。由于乘客的地铁刷卡数据仅记录了进出站信息,无法直接地得到乘客的换乘站信息。OD之间的路径时间因此难以从刷卡数据中直接获得。路径旅行时间对研究路径时间可靠性,乘客路径选择行为具有非常重要的意义。
发明内容
为了解决上述存在的问题,本发明提供一种基于地铁刷卡数据进行路径旅行时间推断的方法,该方法仅依据地铁刷卡数据来推测路径旅行时间,不仅能够节约必要的旅行时间调查成本,还可以为地铁路径选择行为研究带来新的突破,为达此目的,本发明提供一种基于地铁刷卡数据进行路径旅行时间推断的方法,包括如下步骤:
(1)、提取出同一城市同一天的乘客刷卡数据,其中刷卡数据包括4列,即进站站点编号AS,进站时间AT,出站站点编号ES,出站时间ET;
(2)、将城市出行时间段分为早高峰时间段7:00am-10:00am,非高峰时间段10:00am-16:00pm和晚高峰时间段16:00pm-19:00pm,根据乘客的进站刷卡时间和不同时间段将刷卡数据进行分类;
(3)、相关OD对:地铁网络中的任意一个OD都有n条路径:1,2,3,……,n,相关OD对指的是该OD对中有一条优势路径的旅行时间小于其他路径的旅行时间,由于目前无法知道每条路径的旅行时间,通过地铁网络图上路径的距离和换乘次数来进行优势路径的判别;
(4)、识别出地铁网络中所有的换乘站T1,T2,……,Tn,对于任意的换乘站Tk,基于地铁网络图计算出优势路径经过该换乘站Tk的相关OD对。从刷卡数据中找到具体相关OD对在同一时间段(如早高峰)的乘客刷卡数目。如该相关OD对的乘客刷卡数小于100,则剔除该相关OD对;
(5)、在得到每一个换乘地铁站对应的所有相关OD对后,计算出从起点站O到终点站D的旅行时间,在相关OD对中,乘客会在多个乘车路径中选择一条优势路径,因此,优势路径OTD的旅行时间为乘客在终点站D的出站时间减去起点站O的进站时间:
(6)、分时段提取出OD对OT和TD的乘客刷卡数据,并且分别计算路段时间tOT和tTD;
(8)、在得到换乘站所有的ΔtT(ΔtT 1,ΔtT 2,……,ΔtT n)之后,需要进行异常数据的筛选,SΔt为ΔtT(ΔtT 1,ΔtT 2,……,ΔtT n)的标准差,对于ΔtT k大于两倍标准差的数据将会被剔除,最后计算出平均
(9)、计算路径旅行时间:根据地铁网络图识别出目的路径的起点站O,终点站D,换乘站T1,T2,T3,……,Tn;
式中:
(10)、重复步骤(5)-(9),计算非高峰时段和晚高峰时段的路径旅行时间。
作为本发明进一步改进,步骤3中记优势路径的编号为m,路径长度为Lm,换乘次数为Nm,其他路径编号为1,2,3,……,n,路径长度为L1,L2,……,Ln,换乘次数为N1,N2,……,Nn,优势路径必须满足以下两个条件:
Nm≤Nk(k=1,2,3,……,n) (2)。
作为本发明进一步改进,步骤6中分时段为早高峰时间段。
本发明与现有技术相比,其显著优点是:本发明通过分析国外城市的地铁刷卡数据,对换乘站的换乘行为与进出站乘客的乘车行为进行比较,通过相应的技术路线进行分析,提出一种仅依赖于乘客的刷卡数据进行路径旅行时间推测的方法。通过分析地铁网络与乘车行为可以使模型预测更加准确和合理。该方法可以弥补在推测路径时间理论上的不足,对进一步研究地铁时间可靠性和乘客路径选择行为有很好的指导意义。
附图说明
图1是本发明的一个实施例的流程示意图;
图2是本发明不同换乘地铁站平均时间差分布图;
图3是本发明不同换乘地铁站时间差的标准差分布图;
图4是本发明Westminster地铁换乘站时间差分布图。
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述:
本发明提供一种基于地铁刷卡数据进行路径旅行时间推断的方法,该方法仅依据地铁刷卡数据来推测路径旅行时间,不仅能够节约必要的旅行时间调查成本,还可以为地铁路径选择行为研究带来新的突破。
如图1所示,本实施例提供的网络拓扑特性构建轨道交通站点客流预测模型的方法,其特征在于,包括如下步骤:
(1):提取出同一城市同一天的乘客刷卡数据,其中刷卡数据包括4列,即进站站点编号AS,进站时间AT,出站站点编号ES,出站时间ET。
表1伦敦市地铁刷卡数据样例:
(2):将城市出行时间段分为早高峰时间段(7:00a.m.-10:00a.m.),非高峰时间段(10:00a.m.-16:00p.m.)和晚高峰时间段(16:00p.m.-19:00p.m.)。根据乘客的进站刷卡时间和不同时间段将刷卡数据进行分类。本次计算以早高峰为例。
(3):提取出换乘站地铁的相关OD对:根据地铁网络图,在图中识别出经过该换乘站的优势路径,从而得到相关OD对。从刷卡数据中提取出相关OD对对应的乘客刷卡数,若乘客刷卡数小于100,则剔除该相关OD对。
(5):计算从起点站O到换乘站T的乘客旅行时间tOT,以及换乘站T到终点站D的乘客平均旅行时间tTD。
(6):计算换乘站时间差。
得到的早高峰的伦敦Westminster地铁换乘站时间差的分布如图4所示。从图中可以看到不同相关OD对对应的时间差分布在0.5-3min,分布较为集中。在说明书附图的图2和图3中可以发现换乘地铁站时间差ΔtT的标准差普遍在较小的范围内:0到2之间。说明本发明的预测方法精确度较高。
(7):计算最终路径旅行时间。任意路径的旅行时间为各路径上路段时间和加上换乘站平均时间差。根据地铁网络图识别出目的路径的起点站O,终点站D,换乘站T1,T2,T3,……,Tn。
得到的部分结果如表2所示:
表2;路径时间计算结果:
以上所述,仅是本发明的较佳实施例而已,并非是对本发明作任何其他形式的限制,而依据本发明的技术实质所作的任何修改或等同变化,仍属于本发明所要求保护的范围。
Claims (3)
1.一种基于地铁刷卡数据进行路径旅行时间推断的方法,包括如下步骤:
(1)、提取出同一城市同一天的乘客刷卡数据,其中刷卡数据包括4列,即进站站点编号AS,进站时间AT,出站站点编号ES,出站时间ET;
(2)、将城市出行时间段分为早高峰时间段7:00am-10:00am,非高峰时间段10:00am-16:00pm和晚高峰时间段16:00pm-19:00pm,根据乘客的进站刷卡时间和不同时间段将刷卡数据进行分类;
(3)、相关OD对:地铁网络中的任意一个OD都有n条路径:1,2,3,……,n,相关OD对指的是该OD对中有一条优势路径的旅行时间小于其他路径的旅行时间,由于目前无法知道每条路径的旅行时间,通过地铁网络图上路径的距离和换乘次数来进行优势路径的判别;
(4)、识别出地铁网络中所有的换乘站T1,T2,……,Tn,对于任意的换乘站Tk,基于地铁网络图计算出优势路径经过该换乘站Tk的相关OD对,从刷卡数据中找到具体相关OD对在同一时间段的乘客刷卡数目,如该相关OD对的乘客刷卡数小于100,则剔除该相关OD对;
(5)、在得到每一个换乘地铁站对应的所有相关OD对后,计算出从起点站O到终点站D的旅行时间,在相关OD对中,乘客会在多个乘车路径中选择一条优势路径,因此,优势路径OTD的旅行时间为乘客在终点站D的出站时间减去起点站O的进站时间:
(6)、分时段提取出OD对OT和TD的乘客刷卡数据,其中TD对应换乘站T到终点站D的路段,OD为起点站O到终点站D的路段,并且分别计算路段时间tOT和tTD;
(8)、在得到换乘站所有的ΔtT(ΔtT 1,ΔtT 2,……,ΔtT n)之后,需要进行异常数据的筛选,SΔt为ΔtT(ΔtT 1,ΔtT 2,……,ΔtT n)的标准差,对于ΔtT k大于两倍标准差的数据将会被剔除,最后计算出平均
(9)、计算路径旅行时间:根据地铁网络图识别出目的路径的起点站O,终点站D,换乘站T1,T2,T3,……,Tn;
式中:
(10)、重复步骤(5)-(9),计算非高峰时段和晚高峰时段的路径旅行时间。
3.根据权利要求1所述的一种基于地铁刷卡数据进行路径旅行时间推断的方法,其特征在于:步骤6中分时段为早高峰时间段。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710975742.XA CN107886189B (zh) | 2017-10-19 | 2017-10-19 | 一种基于地铁刷卡数据进行路径旅行时间推断的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710975742.XA CN107886189B (zh) | 2017-10-19 | 2017-10-19 | 一种基于地铁刷卡数据进行路径旅行时间推断的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107886189A CN107886189A (zh) | 2018-04-06 |
CN107886189B true CN107886189B (zh) | 2021-06-15 |
Family
ID=61781843
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710975742.XA Active CN107886189B (zh) | 2017-10-19 | 2017-10-19 | 一种基于地铁刷卡数据进行路径旅行时间推断的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107886189B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109034471A (zh) * | 2018-07-23 | 2018-12-18 | 华侨大学 | 一种基于蜂群算法的铁道交通运营优化方法及系统 |
CN111414719B (zh) * | 2020-04-28 | 2021-02-02 | 中南大学 | 地铁站周边特征提取、交通需求估计方法及装置 |
CN111696242B (zh) * | 2020-06-28 | 2021-08-03 | 广东君略科技咨询有限公司 | 一种基于大数据的区块链身份信息认证系统 |
CN116933958B (zh) * | 2023-07-18 | 2024-03-29 | 西南交通大学 | 一种基于刷卡数据的地铁换乘站换乘客流估计方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103679300A (zh) * | 2013-12-30 | 2014-03-26 | 北京世纪高通科技有限公司 | 一种时间预测方法及装置 |
CN105021185A (zh) * | 2015-07-15 | 2015-11-04 | 上海市政工程设计研究总院(集团)有限公司 | 导航方法及系统 |
CN105551239A (zh) * | 2015-12-08 | 2016-05-04 | 北京云星宇交通科技股份有限公司 | 旅行时间预测方法及装置 |
CN105718946A (zh) * | 2016-01-20 | 2016-06-29 | 北京工业大学 | 一种基于地铁刷卡数据的乘客出行行为分析方法 |
CN107036617A (zh) * | 2017-05-17 | 2017-08-11 | 东北大学 | 一种出租车与地铁组合的出行路线规划方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9177473B2 (en) * | 2010-07-07 | 2015-11-03 | International Business Machines Corporation | Vehicle arrival prediction using multiple data sources including passenger bus arrival prediction |
US9097535B2 (en) * | 2012-05-09 | 2015-08-04 | Google Inc. | Public transportation journey planning |
-
2017
- 2017-10-19 CN CN201710975742.XA patent/CN107886189B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103679300A (zh) * | 2013-12-30 | 2014-03-26 | 北京世纪高通科技有限公司 | 一种时间预测方法及装置 |
CN105021185A (zh) * | 2015-07-15 | 2015-11-04 | 上海市政工程设计研究总院(集团)有限公司 | 导航方法及系统 |
CN105551239A (zh) * | 2015-12-08 | 2016-05-04 | 北京云星宇交通科技股份有限公司 | 旅行时间预测方法及装置 |
CN105718946A (zh) * | 2016-01-20 | 2016-06-29 | 北京工业大学 | 一种基于地铁刷卡数据的乘客出行行为分析方法 |
CN107036617A (zh) * | 2017-05-17 | 2017-08-11 | 东北大学 | 一种出租车与地铁组合的出行路线规划方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107886189A (zh) | 2018-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107886189B (zh) | 一种基于地铁刷卡数据进行路径旅行时间推断的方法 | |
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 | |
CN111681421B (zh) | 基于手机信令数据的对外客运枢纽集疏空间分布分析方法 | |
CN104766473B (zh) | 基于多模式公交数据匹配的公共交通出行特征提取方法 | |
CN102799897B (zh) | 基于gps定位的交通方式组合出行的计算机识别方法 | |
CN106710208A (zh) | 交通状态的获取方法及装置 | |
CN102521965B (zh) | 基于车牌识别数据的交通需求管理措施效果评价方法 | |
CN109686091B (zh) | 一种基于多源数据融合的交通流量填补算法 | |
CN104376624A (zh) | 一种基于afc客票数据的城市轨道交通客流分析方法 | |
CN110555992B (zh) | 一种基于gps轨迹数据的出租车行驶路径信息提取方法 | |
CN104318324A (zh) | 基于出租车gps记录的机场巴士站点及路线规划方法 | |
CN105243868B (zh) | 一种公交车辆到站时间预测方法及装置 | |
CN106327867B (zh) | 一种基于gps数据的公交准点预测方法 | |
CN114446064B (zh) | 一种分析高速公路服务区流量的方法、装置、存储介质及终端 | |
CN105447592A (zh) | 一种乘客路径选择的分析方法及装置 | |
CN107274000A (zh) | 一种突发事件下城市轨道交通断面客流预测方法 | |
CN110913345B (zh) | 一种基于手机信令数据的断面客流计算方法 | |
Liu et al. | Data analytics approach for train timetable performance measures using automatic train supervision data | |
CN105844916B (zh) | 一种基于手机信令数据计算交通走廊客流的方法 | |
CN116933958B (zh) | 一种基于刷卡数据的地铁换乘站换乘客流估计方法 | |
CN116090785B (zh) | 针对大型活动散场场景两阶段的定制公交规划方法 | |
CN111177294B (zh) | 基于车辆轨迹数据求解交叉口中介中心性的方法 | |
CN111931968B (zh) | 一种应用手机gps数据来优化公共自行车站点布局的方法 | |
CN109558978B (zh) | 基于出行距离的区域交通方式划分方法 | |
Song et al. | Dynamic vehicle OD flow estimation for urban road network using multi-source heterogeneous data |
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 |