CN108022426A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN108022426A CN108022426A CN201711422359.8A CN201711422359A CN108022426A CN 108022426 A CN108022426 A CN 108022426A CN 201711422359 A CN201711422359 A CN 201711422359A CN 108022426 A CN108022426 A CN 108022426A
- Authority
- CN
- China
- Prior art keywords
- card
- website
- track traffic
- mrow
- 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.)
- Granted
Links
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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
-
- 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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Coin-Freed Apparatuses For Hiring Articles (AREA)
Abstract
本发明提供了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,包括:参数选择;参数提取;连续出行链确定;有效出行链选择;轨道交通接驳客流识别。本发明引入了连续出行链,不仅可以使该识别方法更加准确、合理,增强识别方法的精度与准确度,同时也可以较好地识别公共自行车接驳轨道交通出行的客流,并能很好地反映租赁者个体的出行特征。该发明可以科学指导轨道交通配套公共自行车服务站点的规模测算及高峰时段车辆调度。
Description
技术领域
本发明属于城市公共交通数据处理技术领域,涉及一种识别轨道交通接驳客流的方法,更为具体的说,是涉及一种基于连续出行链识别高峰时段内公共自行车接驳轨道交通客流的方法。
背景技术
公共自行车是城市轨道交通和地面常规公交的重要补充和延伸,是为市民提供绿色出行、解决“最后一公里”出行需求的重要公共资源。与此同时,如何准确识别公共自行车接驳轨道交通出行的客流成为该领域的研究热点。由于目前国内大部分城市公共自行车系统可独立发行租赁卡,利用公交IC卡租赁公共自行车的人群数量较少。目前,关于利用公共自行车接驳轨道交通客流的研究较为缺乏,尚无较为精确地识别公共自行车接驳轨道交通客流的方法。
发明内容
为解决上述问题,本发明统计分析公共自行车刷卡数据的基础上,提出了一种基于连续出行链识别高峰时段内公共自行车接驳轨道交通客流的方法。
为了达到上述目的,本发明提供如下技术方案:
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,包括如下步骤:
步骤1,参数选择
参数包括:租赁卡编号、出行序列编号、刷卡时间、刷卡站点名称、刷卡站点借还类型、刷卡站点经纬度坐标、距离刷卡站点最近的轨道交通站点经纬度坐标、刷卡站点与最近轨道交通站点空间直线距离;
本发明从多个角度出发,最终确定了以上参数,确保选入的参数能够较好地对识别模型起到影响作用。
步骤2,参数提取
从相关运营单位进行采集,得到步骤1中各参数的取值;
步骤3,连续出行链确定
将步骤2中的参数分别代入到租赁卡编号对应的连续出行链中,Yi={yi1,yi2…yin}={(ai1,bi1,ci1,di1),(ai2,bi2,ci2,di2)…(ain,bin,cin,din)},其中,Yi表示租赁卡编号为i的连续出行链,yin表示租赁卡编号为i的用户第n次刷卡对应的站点参数集合,ain表示租赁卡编号为i的用户第n次刷卡对应的时间,bin表示租赁卡编号为i的用户第n次刷卡对应的站点名称,cin表示租赁卡编号为i的用户第n次刷卡对应的站点借还类型,din表示租赁卡编号为i的用户第n次刷卡对应的站点与最近轨道交通站点的距离,将采集的参数值放入R统计分析软件中,分别提取每一个租赁卡编号所对应的连续出行链;
步骤4,有效出行链选择
通过步骤3确定连续出行链后,通过选择有效的连续出行链,识别公共自行车接驳轨道交通出行的客流,所述有效的连续出行链满足如下条件:
最大出行序列编号n=4,刷卡时间aim(m=1,2,3,4)位于早高峰或晚高峰时段,第二次与第三次刷卡站点名称不同(bi2≠bi3),刷卡站点借还类型集合cim(m=1,2,3,4)为{借车,还车,借车,还车},且刷卡站点与最近轨道交通站点的空间直线距离集合满足{di1>临界值,di2≤临界值,di3≤临界值,di4>临界值},
若步骤3确定的连续出行链同时满足上述限定条件,则该租赁卡编号对应的连续出行链属于有效出行链;
步骤5,轨道交通接驳客流识别
通过步骤4选择有效出行链后,识别有效出行链的租赁卡编号对应的用户即为高峰时段内利用公共自行车接驳轨道交通出行的客流。
优选的,所述步骤2中各参数获取方式如下:
租赁卡编号、刷卡时间、刷卡站点名称、刷卡站点借还类型通过公共自行车刷卡数据获得,公共自行车刷卡数据从当地公共自行车运营单位获取;出行序列编号通过提取各租赁卡编号当日高峰时段所有的刷卡记录并按照刷卡时间排序进行编号获得;刷卡站点经纬度坐标坐标通过当地公共自行车运营单位获取;距离刷卡站点最近的轨道交通站点经纬度坐标坐标通过当地地铁运营单位获取;刷卡站点与最近轨道交通站点空间直线距离通过刷卡站点与距离刷卡站点最近的轨道交通站点经纬度坐标坐标计算获得。
优选的,所述步骤2中刷卡站点与最近轨道交通站点空间直线距离通过以下公式获取:
其中:d表示刷卡站点与最近轨道交通站点之间的空间直线距离,r表示地球半径,(x,y)表示刷卡站点对应的经纬度坐标,(p,q)表示与(x,y)距离最近的轨道交通站点经纬度坐标。
优选的,所述步骤4中所述高峰时段为:早高峰取07:00-09:00,晚高峰取17:00-19:00。
优选的,所述步骤4中刷卡站点与最近轨道交通站点的距离临界值依据城市相应规范标准确定。
与现有技术相比,本发明具有如下优点和有益效果。
本发明引入了连续出行链,不仅可以使该识别模型更加准确、合理,增强识别模型的精度与准确度,同时也可以较好地识别公共自行车接驳轨道交通出行的客流,并能很好地反映租赁者个体的出行特征。本发明在理论方面可以弥补本领域的不足,在工程实践方面对公共自行车站点规模测算及高峰时段车辆调度都有很好的指导意义。
附图说明
图1为本发明提供的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步骤流程图。
图2为识别租赁卡编号为1的有效出行链示意图。
具体实施方式
以下将结合具体实施例对本发明提供的技术方案进行详细说明,应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。
本实施例采集国内某城市2017年3月1日公共自行车刷卡数据、公共自行车站点经纬度坐标和轨道交通站点经纬度坐标等数据,进一步说明本发明方法可行性和优越性。如图1所示,本实施例具体步骤如下:
步骤1,参数选择:
本次实例验证采取如下参数:租赁卡编号、出行序列编号、刷卡时间、刷卡站点名称、刷卡站点借还类型、刷卡站点经纬度坐标、距离刷卡站点最近的轨道交通站点经纬度坐标、刷卡站点与最近轨道交通站点空间直线距离。
步骤2,参数提取
通过从采集2017年3月1日国内某城市相关运营单位采集公共自行车刷卡数据、公共自行车站点经纬度坐标和轨道交通站点经纬度坐标等数据,具体的说,租赁卡编号、刷卡时间、刷卡站点名称、刷卡站点借还类型通过该市公共自行车刷卡数据获得,公共自行车刷卡数据从该市公共自行车运营单位获取;出行序列编号通过提取该市各租赁卡编号当日高峰时段所有的刷卡记录并按照刷卡时间排序进行编号获得;刷卡站点经纬度坐标坐标通过该市公共自行车运营单位获取;距离刷卡站点最近的轨道交通站点经纬度坐标坐标通过该市地铁运营单位获取;刷卡站点与最近轨道交通站点空间直线距离通过刷卡站点与距离刷卡站点最近的轨道交通站点经纬度坐标坐标计算获得,单位为米。
其中,刷卡站点与最近轨道交通站点空间直线距离优选,通过以下公式获取:
其中:d表示刷卡站点与最近轨道交通站点之间的空间直线距离,r表示地球半径,(x,y)表示刷卡站点对应的经纬度坐标,(p,q)表示与(x,y)距离最近的轨道交通站点经纬度坐标。
通过准确的计算可得到各参数的取值如下表所示。
表1参数采集表
步骤3,连续出行链确定:
采集2017年3月1日国内某城市公共自行车刷卡数据和站点经纬度坐标数据,并输入R统计分析软件中,得到每一个租赁卡编号对应的连续出行链集合,例如租赁卡编号为1的连续出行链集合如下所示:
Y1={y11,y12…y1n}={(a11,b11,c11,d11),(a12,b12,c12,d12)…(a1n,b1n,c1n,d1n)}
步骤4,有效出行链选择:
为了准确、合理地识别公共自行车接驳轨道交通出行的客流,依据限定条件提取出每一个租赁卡编号所对应的有效出行链。出行链数据必须满足以下条件:当且仅当n=4时,aim∈(07:00-09:00∪17:00-19:00)(m=1,2,3,4),bi2≠bi3, 才为有效出行链。以上条件中,以南京市公共自行车刷卡数据统计分析结果为例,早高峰取07:00-09:00,晚高峰取17:00-19:00。其他城市可结合自身交通特性确定早晚高峰时间。而50为刷卡站点与最近轨道交通站点的距离临界值,单位为米,这是依据《南京市轨道交通站点换乘及服务设施配套规划标准》(简称《标准》)确定的,《标准》中明确规定公共自行车、非机动车换乘设施距离轨道交通车站出入口不大于50米。其他城市可结合相应规范标准确定刷卡站点与轨道交通站点距离的临界值。
本实施例识别了租赁卡编号为1的连续出行链为有效出行链(请参阅图2),识别结果如下所示:
Y1={y11,y12,y13,y14}={(a11,b11,c11,d11),(a12,b12,c12,d12),(a13,b13,c13,d13),(a14,b14,c14,d14)}
步骤5,轨道交通接驳客流识别:
将步骤4中识别为有效出行链的租赁卡编号为1的用户即为高峰时段内利用公共自行车接驳轨道交通出行的客流。
本发明方案所公开的技术手段不仅限于上述实施方式所公开的技术手段,还包括由以上技术特征任意组合所组成的技术方案。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (5)
1.一种识别高峰时段内公共自行车接驳轨道交通客流的方法,其特征在于,包括如下步骤:
步骤1,参数选择
参数包括:租赁卡编号、出行序列编号、刷卡时间、刷卡站点名称、刷卡站点借还类型、刷卡站点经纬度坐标、距离刷卡站点最近的轨道交通站点经纬度坐标、刷卡站点与最近轨道交通站点空间直线距离;
步骤2,参数提取
从相关运营单位进行采集,得到步骤1中各参数的取值;
步骤3,连续出行链确定
将步骤2中的参数分别代入到租赁卡编号对应的连续出行链中,Yi={yi1,yi2…yin}={(ai1,bi1,ci1,di1),(ai2,bi2,ci2,di2)…(ain,bin,cin,din)},其中,Yi表示租赁卡编号为i的连续出行链,yin表示租赁卡编号为i的用户第n次刷卡对应的站点参数集合,ain表示租赁卡编号为i的用户第n次刷卡对应的时间,bin表示租赁卡编号为i的用户第n次刷卡对应的站点名称,cin表示租赁卡编号为i的用户第n次刷卡对应的站点借还类型,din表示租赁卡编号为i的用户第n次刷卡对应的站点与最近轨道交通站点的距离,将采集的参数值放入R统计分析软件中,分别提取每一个租赁卡编号所对应的连续出行链;
步骤4,有效出行链选择
通过步骤3确定连续出行链后,通过选择有效的连续出行链,识别公共自行车接驳轨道交通出行的客流,所述有效的连续出行链满足如下条件:
最大出行序列编号n=4,刷卡时间aim(m=1,2,3,4)位于早高峰或晚高峰时段,第二次与第三次刷卡站点名称不同(bi2≠bi3),刷卡站点借还类型集合cim(m=1,2,3,4)为{借车,还车,借车,还车},且刷卡站点与最近轨道交通站点的空间直线距离集合满足{di1>临界值,di2≤临界值,di3≤临界值,di4>临界值},
若步骤3确定的连续出行链同时满足上述限定条件,则该租赁卡编号对应的连续出行链属于有效出行链;
步骤5,轨道交通接驳客流识别
通过步骤4选择有效出行链后,识别有效出行链的租赁卡编号对应的用户即为高峰时段内利用公共自行车接驳轨道交通出行的客流。
2.根据权利要求1所述的识别高峰时段内公共自行车接驳轨道交通客流的方法,其特征在于,
所述步骤2中各参数获取方式如下:
租赁卡编号、刷卡时间、刷卡站点名称、刷卡站点借还类型通过公共自行车刷卡数据获得,公共自行车刷卡数据从当地公共自行车运营单位获取;出行序列编号通过提取各租赁卡编号当日高峰时段所有的刷卡记录并按照刷卡时间排序进行编号获得;刷卡站点经纬度坐标坐标通过当地公共自行车运营单位获取;距离刷卡站点最近的轨道交通站点经纬度坐标坐标通过当地地铁运营单位获取;刷卡站点与最近轨道交通站点空间直线距离通过刷卡站点与距离刷卡站点最近的轨道交通站点经纬度坐标坐标计算获得。
3.根据权利要求2所述的识别高峰时段内公共自行车接驳轨道交通客流的方法,其特征在于,所述步骤2中刷卡站点与最近轨道交通站点空间直线距离通过以下公式获取:
<mrow>
<mi>d</mi>
<mo>=</mo>
<mn>2</mn>
<mi>r</mi>
<mo>&CenterDot;</mo>
<mi>arcsin</mi>
<mrow>
<mo>(</mo>
<msqrt>
<mrow>
<msup>
<mi>sin</mi>
<mn>2</mn>
</msup>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<mi>y</mi>
<mo>-</mo>
<mi>q</mi>
</mrow>
<mn>2</mn>
</mfrac>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>c</mi>
<mi>o</mi>
<mi>s</mi>
<mrow>
<mo>(</mo>
<mi>q</mi>
<mo>)</mo>
</mrow>
<mi>c</mi>
<mi>o</mi>
<mi>s</mi>
<mrow>
<mo>(</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<msup>
<mi>sin</mi>
<mn>2</mn>
</msup>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<mi>x</mi>
<mo>-</mo>
<mi>p</mi>
</mrow>
<mn>2</mn>
</mfrac>
<mo>)</mo>
</mrow>
</mrow>
</msqrt>
<mo>)</mo>
</mrow>
</mrow>
其中:d表示刷卡站点与最近轨道交通站点之间的空间直线距离,r表示地球半径,(x,y)表示刷卡站点对应的经纬度坐标,(p,q)表示与(x,y)距离最近的轨道交通站点经纬度坐标。
4.根据权利要求1所述的识别高峰时段内公共自行车接驳轨道交通客流的方法,其特征在于:
所述步骤4中所述高峰时段为:早高峰取07:00-09:00,晚高峰取17:00-19:00。
5.根据权利要求1所述的识别高峰时段内公共自行车接驳轨道交通客流的方法,其特征在于:
所述步骤4中刷卡站点与最近轨道交通站点的距离临界值依据城市相应规范标准确定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711422359.8A CN108022426B (zh) | 2017-12-25 | 2017-12-25 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711422359.8A CN108022426B (zh) | 2017-12-25 | 2017-12-25 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108022426A true CN108022426A (zh) | 2018-05-11 |
CN108022426B CN108022426B (zh) | 2020-07-24 |
Family
ID=62070919
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711422359.8A Active CN108022426B (zh) | 2017-12-25 | 2017-12-25 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108022426B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110472999A (zh) * | 2019-07-17 | 2019-11-19 | 深圳市综合交通运行指挥中心 | 基于地铁和共享单车数据的客流模式分析方法及装置 |
CN113393104A (zh) * | 2021-06-03 | 2021-09-14 | 东南大学 | 一种轨道交通运行状态对周边公共自行车影响的评价方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160104081A1 (en) * | 2014-10-10 | 2016-04-14 | Xerox Corporation | Dynamic space-time diagram for visualization of transportation schedule adherence |
CN107451299A (zh) * | 2017-09-11 | 2017-12-08 | 东南大学 | 基于ic卡数据的地铁与公共自行车换乘行为识别方法 |
-
2017
- 2017-12-25 CN CN201711422359.8A patent/CN108022426B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160104081A1 (en) * | 2014-10-10 | 2016-04-14 | Xerox Corporation | Dynamic space-time diagram for visualization of transportation schedule adherence |
CN107451299A (zh) * | 2017-09-11 | 2017-12-08 | 东南大学 | 基于ic卡数据的地铁与公共自行车换乘行为识别方法 |
Non-Patent Citations (2)
Title |
---|
FANG QIANG ET AL: "Analyzing the Speed Dispersion Influence on Traffic Safety", 《2009 INTERNATIONAL CONFERENCE ON MEASURING TECHNOLOGY AND MECHATRONICS AUTOMATION》 * |
陈景旭 等: "轨道交通站点公共自行车租赁点布局研究", 《武汉理工大学学报(交通科学与工程版)》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110472999A (zh) * | 2019-07-17 | 2019-11-19 | 深圳市综合交通运行指挥中心 | 基于地铁和共享单车数据的客流模式分析方法及装置 |
CN110472999B (zh) * | 2019-07-17 | 2024-01-23 | 深圳市综合交通运行指挥中心 | 基于地铁和共享单车数据的客流模式分析方法及装置 |
CN113393104A (zh) * | 2021-06-03 | 2021-09-14 | 东南大学 | 一种轨道交通运行状态对周边公共自行车影响的评价方法 |
CN113393104B (zh) * | 2021-06-03 | 2024-05-14 | 东南大学 | 一种轨道交通运行状态对周边公共自行车影响的评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108022426B (zh) | 2020-07-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105185105B (zh) | 基于车辆gps和公交ic卡数据的公交换乘识别方法 | |
CN103700174B (zh) | 一种基于wifi身份识别的公交客流数据采集及od分析方法 | |
CN105809292A (zh) | 公交ic卡乘客下车站点推算方法 | |
CN102156732B (zh) | 基于特征站点的公交ic卡数据站点匹配方法 | |
CN108053240B (zh) | 生成车载广告投放公交线路方案的方法及装置 | |
WO2015096400A1 (zh) | 一种利用移动通信数据挖掘进行公交规划的方法 | |
CN110796337B (zh) | 一种评价城市公交站点服务可达性的系统 | |
CN103730008A (zh) | 基于公交gps和ic卡实时数据的公交拥挤度分析方法 | |
CN102324128A (zh) | 基于ic卡记录的公交站间od客流预测方法及装置 | |
CN102332210A (zh) | 基于手机定位数据的实时城市道路交通流数据提取方法 | |
CN108922178A (zh) | 基于公交多源数据的公交车辆实时满载率计算方法 | |
CN101615207A (zh) | 一种获取公交ic卡持卡乘客上车站点的方法 | |
CN105390013A (zh) | 一种利用公交ic卡预测公交到站时间的方法 | |
CN105335795B (zh) | 一种基于ic卡数据的地铁公交换乘问题自动诊断方法 | |
CN106651027A (zh) | 一种基于社交网络的互联网班车线路优化方法 | |
CN105355042A (zh) | 一种基于出租车gps的道路网络提取方法 | |
CN110276020A (zh) | 识别用户出行目的地的方法和装置 | |
CN109389243A (zh) | 结合联网收费数据的高速公路交通情况调查站点布设方法 | |
CN107578619B (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 | |
CN115830729A (zh) | 基于高速公路etc数据融合的车辆出行信息提取方法 | |
CN108022426A (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 | |
CN102324111B (zh) | 基于公交ic卡数据的车辆运行方向判断方法 | |
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 | |
CN110070259B (zh) | 一种基于gis空间大数据分析的安防设备智慧选址方法 | |
CN104913782A (zh) | 一种基于采集与定位的室内外联合导航方法与系统 |
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 |