CN108108897B - 一种轨道交通客流清分方法、系统及电子设备 - Google Patents
一种轨道交通客流清分方法、系统及电子设备 Download PDFInfo
- Publication number
- CN108108897B CN108108897B CN201711390927.0A CN201711390927A CN108108897B CN 108108897 B CN108108897 B CN 108108897B CN 201711390927 A CN201711390927 A CN 201711390927A CN 108108897 B CN108108897 B CN 108108897B
- Authority
- CN
- China
- Prior art keywords
- data
- travel
- passengers
- station
- time
- 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 44
- 230000006399 behavior Effects 0.000 claims abstract description 145
- 238000004364 calculation method Methods 0.000 claims abstract description 20
- 238000009499 grossing Methods 0.000 claims description 52
- 239000000523 sample Substances 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 21
- 238000012546 transfer Methods 0.000 claims description 21
- 230000015654 memory Effects 0.000 claims description 15
- 238000012937 correction Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 2
- 238000007405 data analysis Methods 0.000 claims 3
- 238000003860 storage Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012821 model calculation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 230000009897 systematic effect 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本申请涉及一种轨道交通客流清分方法、系统及电子设备。所述轨道交通客流清分方法包括:采集乘客的时空数据,并根据所述时空数据记录乘客的出行数据;将乘客在时间阀值内的所有出行数据划分为同一个行程,并根据同一个行程内每条出行数据的站点及站台区域标识对该行程的出行行为进行分类;统计乘客在各个站点的出行行为分类结果,并根据出行行为分类结果的记录时间序列计算乘客的完整出行路径;计算所述完整出行路径中各个运营商承担的运输里程数,根据所述运输里程数的计算结果对各个运营商的客流进行清分。本申请能够为不同运营商提供比较有力的清分依据,为地铁清分提供数据支撑。
Description
技术领域
本申请涉及智能交通技术领域,特别涉及一种轨道交通客流清 分方法、系统及电子设备。
背景技术
地铁在现代化城市交通当中承担了越来越重要的角色,每天有 数以百万计的人选择地铁出行,地铁的线网复杂度越来越高。在地 铁的日常生产运营中,不同地跌段往往涉及不同的运营商,但因为 乘客的出行轨迹与不同的运营商之间的利益息息相关,这就使得账 本的清分成为了一个非常重要的系统性工作。
现有的地铁账本清分方式包括:
一、人工分账清分方法:该方法的基础是对形成网络连线的每 条轨道交通运营线路进行资产评估,评估指标为运营里程数、线路 走向、投资额度、线路质量等,评估后针对网络中每一对O-D的各运 营线路参与投资情况,给出一个清分比例,据此清分比例进行分账。设n个营运商在某条路径上的收益记为c=[c1,c2,c3…cn],此路 径评估后的清分比例用向量d表示,则路径清分的数学公式为: c=q*d。
二、基于乘客出行路径的清分方法:基于乘客出行路径的清分 方法是通过分析乘客的出行行为,考虑影响乘客出行路径选择的因 素并建立出行广义费用函数,在此基础上确定乘客O-D(交通起止 点)站点之间的一条或多条可能路径,从而根据这些路径中各相关 运营商所承担的运营里程来确定其运费清分比例。其算法主要包 括:
①最短路径算法:指任何两站之间的旅行时间最短的路径,该 方法假定某两站之间的乘客全部选择最短路径,将运费收益分配给 最短路径做出贡献的运营商。
②多路径选择概率:一票换乘的情况下,路网中异线站点之间 的换乘可能存在多条路径,只能选取最短路径不能真实反映实际的 乘客出行路线,多路径选择概率法考虑了乘客出行路径的多样性, 确定乘客可能选择的理想路径,根据一定的方法确定每条路径的客 流分配比例,进而结合各线路承担的运输里程计算清分比例。
综上所述,现有的账本清分方法均是基于概率的统计模型,经 典模型在国内外具有一定的应用参考。模型的参数获取往往基于客 流调查,数据样本量低,模型参数的调整周期长,导致模型计算的 乘客出行路径分布与乘客的实际出行路径存在一定误差,该误差因 模型的不同具有一定的偏向性,难以实现较为准确的清分。同时参 数迭代的周期比较长,无法及时反映线网客流的变化情况。
发明内容
本申请提供了一种轨道交通客流清分方法、系统及电子设备, 旨在至少在一定程度上解决现有技术中的上述技术问题之一。
为了解决上述问题,本申请提供了如下技术方案:
一种轨道交通客流清分方法,包括:
步骤a:采集乘客的时空数据,并根据所述时空数据记录乘客的 出行数据;其中,所述出行数据中至少包括记录时间和站点及站台 区域标识;
步骤b:将乘客在时间阀值内的所有出行数据划分为同一个行 程,并根据同一个行程内每条出行数据的站点及站台区域标识对该 行程的出行行为进行分类;所述出行行为类型包括进站、出站和换 乘;
步骤c:统计乘客在各个站点的出行行为分类结果,并根据出行 行为分类结果的记录时间序列计算乘客的完整出行路径;
步骤d:计算所述完整出行路径中各个运营商承担的运输里程 数,根据所述运输里程数的计算结果对各个运营商的客流进行清 分。
本申请实施例采取的技术方案还包括:在所述步骤a中,所述采 集乘客的时空数据具体为:在站点内部署wifi探针设备,通过所述 wifi探针设备采集乘客的终端设备的wifi数据和GPS数据,得到乘客 的时空数据;其中,所述wifi探针设备分别与站点及站台区域的编 号一一对应。
本申请实施例采取的技术方案还包括:在所述步骤a中,所述根 据时空数据记录乘客的出行数据还包括:将所述出行数据进行过滤 处理,保留乘客唯一标识ID、终端设备ID以及记录时间Time。
本申请实施例采取的技术方案还包括:在所述步骤a中,所述根 据时空数据记录乘客的出行数据还包括:将所述终端设备ID与站点 和站台区域进行一一对应,分别将每条出行数据转换成包含站点及 站台区域标识的地点链数据。
本申请实施例采取的技术方案还包括:在所述步骤b中,所述将 乘客在时间阀值内的所有出行数据划分为同一个行程,并根据同一 个行程内每条出行数据的站点及站台区域标识对该行程的出行行为 进行分类还包括:
步骤b1:判断所述出行数据中是否存在站点及站台区域标识, 如果存在站点及站台区域标识,执行步骤b;如果不存在站点及站台 区域标识,执行步骤b2;
步骤b2:获取乘客的历史出行数据,根据所述历史出行数据建 立的数据平滑模型,通过所述数据平滑模型对乘客的出行行为进行 分类。
本申请实施例采取的技术方案还包括:在所述步骤b2中,所述 根据历史出行数据建立的数据平滑模型,通过所述数据平滑模型对 乘客的出行行为进行分类具体为:提取乘客的历史出行数据中的确 定性出行行为,按照出行行为类型将提取的确定性出行行为划分为 六个行程集合;并分别提取六个行程集合发生的时间,生成六个对 应各个行程集合的时间集合;根据六个行程集合和时间集合对不确 定性出行行为进行平滑处理,分别获取六个行程集合的出行行为的 计算概率最大值,并分别将计算概率最大值的出行行为作为六个行 程集合的出行行为类型。
本申请实施例采取的另一技术方案为:一种轨道交通客流清分 系统,包括:
数据采集模块:用于采集乘客的时空数据;
出行数据记录模块:用于根据所述时空数据记录乘客的出行数 据;其中,所述出行数据中至少包括记录时间和站点及站台区域标 识;
行为分类模块:用于将乘客在时间阀值内的所有出行数据划分 为同一个行程,并根据同一个行程内每条出行数据的站点及站台区 域标识对该行程的出行行为进行分类;所述出行行为类型包括进 站、出站和换乘;
路径统计模块:用于统计乘客在各个站点的出行行为分类结 果,并根据出行行为分类结果的记录时间序列计算乘客的完整出行 路径;
客流清分模块:用于计算所述完整出行路径中各个运营商承担 的运输里程数,根据所述运输里程数的计算结果对各个运营商的客 流进行清分。
本申请实施例采取的技术方案还包括:所述数据采集模块为 wifi探针设备,所述wifi探针设备部署在各地铁站点内,且各个 wifi探针设备分别与地铁站点、站台区域的编号一一对应;所述数 据采集模块采集时空数据具体为:通过所述wifi探针设备采集乘客的终端设备的wifi数据和GPS数据,得到乘客的时空数据。
本申请实施例采取的技术方案还包括数据处理模块,所述数据 处理模块用于将所述出行数据进行过滤处理,保留乘客唯一标识 ID、终端设备ID以及记录时间Time。
本申请实施例采取的技术方案还包括数据转换模块,所述数据 转换模块用于将所述终端设备ID与站点和站台区域进行一一对应, 分别将每条出行数据转换成包含站点及站台区域标识的地点链数 据。
本申请实施例采取的技术方案还包括:
数据判断模块:用于判断所述出行数据中是否存在站点及站台 区域标识,如果存在站点及站台区域标识,通过所述行为分类模块 对出行行为进行分类;如果不存在站点及站台区域标识,通过数据 平滑模块建立数据平滑模型;
数据平滑模块:用于获取乘客的历史出行数据,根据所述历史 出行数据建立的数据平滑模型,通过所述数据平滑模型对乘客的出 行行为进行分类。
本申请实施例采取的技术方案还包括:所述数据平滑模型根据 历史出行数据建立的数据平滑模型,通过所述数据平滑模型对乘客 的出行行为进行分类具体为:提取乘客的历史出行数据中的确定性 出行行为,按照出行行为类型将提取的确定性出行行为划分为六个 行程集合;并分别提取六个行程集合发生的时间,生成六个对应各 个行程集合的时间集合;根据六个行程集合和时间集合对不确定性 出行行为进行平滑处理,分别获取六个行程集合的出行行为的计算 概率最大值,并分别将计算概率最大值的出行行为作为六个行程集 合的出行行为类型。
本申请实施例采取的又一技术方案为:一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述一个处理器执行的指令,所述指令 被所述至少一个处理器执行,以使所述至少一个处理器能够执行上 述的轨道交通客流清分方法的以下操作:
步骤a:采集乘客的时空数据,并根据所述时空数据记录乘客的 出行数据;其中,所述出行数据中至少包括记录时间和站点及站台 区域标识;
步骤b:将乘客在时间阀值内的所有出行数据划分为同一个行 程,并根据同一个行程内每条出行数据的站点及站台区域标识对该 行程的出行行为进行分类;所述出行行为类型包括进站、出站和换 乘;
步骤c:统计乘客在各个站点的出行行为分类结果,并根据出行 行为分类结果的记录时间序列计算乘客的完整出行路径;
步骤d:计算所述完整出行路径中各个运营商承担的运输里程 数,根据所述运输里程数的计算结果对各个运营商的客流进行清 分。
相对于现有技术,本申请实施例产生的有益效果在于:本申请 实施例的轨道交通客流清分方法、系统及电子设备通过获取Wifi、 GPS等时空数据来精确计算乘客的完整出行路径,并根据完整出行路 径对不同运营商的客流进行清分,能够为不同运营商提供比较有力 的清分依据,为地铁清分提供数据支撑。同时,本申请不依赖于概 率模型推算,能够实时反映线网客流的变化情况。
附图说明
图1是本申请实施例的轨道交通客流清分方法的流程图;
图2是本申请实施例的轨道交通客流清分系统的结构示意图;
图3是本申请实施例提供的轨道交通客流清分方法的硬件设备结 构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结 合附图及实施例,对本申请进行进一步详细说明。应当理解,此处 所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
由于乘客出行路径的获取对于地铁营运商的客流清分十分关 键,因此,本申请通过利用GPS、Wifi等时空数据获得乘客的完整出
具体地,请参阅图1,是本申请实施例的轨道交通客流清分方法 的流程图。本申请实施例的轨道交通客流清分方法包括以下步骤:
步骤100:在地铁站点内部署wifi探针设备,并使各个wifi探针 设备分别与地铁站点及站台区域的编号一一对应;
在步骤100中,wifi探针的工作原理为:当一个设备给另外一个 设备通过无线传输技术发送信息时,周围的其他同类设备都能够收 到这些信息。具体来说,只要一个wifi设备(无论是终端、路由器 或者其他终端设备)在wifi探针设备的侦听范围内,当这个wifi设 备发送任何一帧(Frame)信息时,不管是发给谁,wifi探针设备都 能截获,并分析出此帧MAC层(Media Access Control,媒体访问控 制子层协议)与物理层的一些信息,例如:MAC地址、帧类型、信号 强度等。wifi探针设备不需要与wifi设备有任何交互,其本身不需要发出任何wifi信号。
步骤200:通过wifi探针设备采集每个乘客的终端设备的wifi数 据和GPS数据,得到每个乘客的时空数据;
在步骤200中,时空数据包括但不限于GPS数据、wifi数据、公 交拍卡数据等。
步骤300:根据时空数据对每个乘客进行识别,并根据时空数据 记录乘客的出行数据;
在步骤300中,出行数据为wifi数据和Gps数据的结合。
步骤400:将出行数据进行过滤处理,保留乘客唯一标识ID、终 端设备ID以及记录时间Time3个字段;
步骤500:将终端设备ID与地铁站点和站台区域进行一一对应, 并分别将每条出行数据转换成包含站点及站台区域标识的地点链数 据;
在步骤500中,转换后的地点链数据格式为:00001, 2016.12.31.14:00:00,line1,line1,floor,floor……,其中,000001 为乘客唯一标识ID,2016.12.31.14:00:00为记录时间Time,line1表 示1号线,Floor表示站厅,line1,floor表示从1号线出站(相反,floor,line1表示从1号线进站),该条地点链数据表示乘客唯一标 识ID为00001的乘客在2016.12.31.14:00:00从1号线站台区域走到站 厅。如果地点链数据为000001,line2,floor,floor,line1,该 地点链数据表示乘客唯一标识ID为00001的乘客从2号线站台区域前 往1号线站台区域,即从2号线换乘到1号线;如地点链数据为 000001,line2,floor,floor,floor,则表示乘客唯一标识ID为 00001的乘客从2号线站台区域走到站厅,即从2号线出站;如果地点 链数据为000001,floor,floor,line2,表示乘客唯一标识ID为 00001的乘客从站厅走到2号线站台区域,即从2号线进站。
步骤600:判断地点链数据中是否存在站点及站台区域标识,如 果存在站点及站台区域标识,执行步骤700;如果不存在站点及站台 区域标识,执行步骤800;
在步骤600中,当采集到的数据中只存在站台或站厅的记录(由 于实际的地铁数据中只有进站和出站记录,换乘记录及地点未知), 无法准确的获得乘客的出行行为,因此需要进一步建立模型进行处 理。
步骤700:根据乘客唯一标识ID将每个乘客在时间阀值(1个小 时,具体可根据实际应用进行设定)内的所有地点链数据分别划分 为同一个行程,根据同一个行程内每条地点链数据的站点及站台区 域标识对该行程的出行行为进行分类,并执行步骤900;
在步骤700中,出行行为包括进站、出站和换乘,以某站点为1 号线和2号线的换乘站点为例,出行行为包括In1(从1号线进站)、 In2(从2号线进站)、Out1(从1号线出站)、Out2(从2号线进站)、 1to2(从1号线换乘2号线)、2to1(从2号线换乘1号线)六类,如果 乘客的地点链数据是00001,2016.12.31.14:00:00,line1,line1, floor,floor……,那么该乘客此次的出行行为即为Out1(从1号线出 站)。
步骤800:获取乘客的历史出行数据,根据乘客的历史出行数据 建立相应的数据平滑模型,通过数据平滑模型对乘客的出行行为及 乘客类型进行分类;
在步骤800中,通过数据平滑模型对该乘客的出行行为及乘客类 型进行分类具体如下表1所示:
表1出行行为及乘客类型分类
上表1中,A类乘客中存在确定性出行行为及不确定性出行行 为,因此需要根据乘客的历史确定性出行行为对当前的不确定性出 行行为进行数据平滑处理,数据平滑算法如下:
1)提取A类乘客p的历史出行中的确定性出行行为,并按照上 述的六类出行行为类型将提取的确定性出行行为划分为六个行程集 合;
2)分别提取六个行程集合发生的时间,生成六个对应各个行程 集合的时间集合;
3)根据六个行程集合和时间集合对不确定性出行行为进行平滑 处理,平滑计算公式如下:
上述公式中,Ti表示待平滑行程t的记录时间;Tij表示第i类时 间集合中行程j的记录时间;y为矫正项系数;P(i)表示待平滑行程t 划分为第i类出行行为的计算概率。对于矫正项系数y,y∈(0,1)。 待平滑行程中出现Line1时,y取值1,待平滑行程中出现Line2时,y 取值0。待平滑行程中出现Line1&Line2时,不分y值,继续参与计 算。y值取值描述具体如表2所示:
表2矫正项系数y取值描述
4)分别获取六个行程集合的出行行为的计算概率最大值,并分 别将计算概率最大值的出行行为作为六个行程集合的出行行为类 型。
步骤900:统计每个乘客在各个站点的出行行为分类结果,并根 据出行行为分类结果的时间序列得到各个乘客对应的完整出行路 径;
在步骤900中,将每个站点的出行行为数据处理完成之后,根据 乘客唯一标识ID将每个乘客在时间阀值以内(1个小时)之内所有站 点的出行行为分类结果按照时间序列串联起来,即可得到每个乘客 单次的完整出行路径。
步骤1000:计算各个乘客的完整出行路径中各个运营商承担的 运输里程数,实现不同运营商的客流清分。
请参阅图2,是本申请实施例的轨道交通客流清分系统的结构示 意图。本申请实施例的轨道交通客流清分系统包括数据采集模块、 出行数据记录模块、数据处理模块、数据转换模块、数据判断模 块、行为分类模块、数据平滑模块、路径统计模块和客流清分模块。
数据采集模块:用于采集每个乘客的终端设备的wifi数据和GPS 数据,得到每个乘客的时空数据;其中,数据采集模块为wifi探针 设备,wifi探针设备部署在各地铁站点内,且各个wifi探针设备分 别与地铁站点、站台区域的编号一一对应;采集的时空数据包括但 不限于GPS数据、wifi数据、公交拍卡数据等。
出行数据记录模块:用于根据时空数据对每个乘客进行识别, 并根据时空数据记录乘客的出行数据;其中,出行数据为wifi数据 和Gps数据的结合。
数据处理模块:用于将出行数据进行过滤处理,保留乘客唯一 标识ID、终端设备ID以及记录时间Time3个字段;
数据转换模块:用于将终端设备ID与地铁站点和站台区域进行 一一对应,并分别将每条出行数据转换成包含站点及站台区域标识 的地点链数据;其中,转换后的地点链数据格式为:00001, 2016.12.31.14:00:00,line1,line1,floor,floor……,其中,000001为乘客唯一标识ID,2016.12.31.14:00:00为记录时间Time,line1表 示1号线,Floor表示站厅,line1,floor表示从1号线出站(相反, floor,line1表示从1号线进站),该条地点链数据表示乘客唯一标 识ID为00001的乘客在2016.12.31.14:00:00从1号线站台区域走到站 厅。如果地点链数据为000001,line2,floor,floor,line1,该 地点链数据表示乘客唯一标识ID为00001的乘客从2号线站台区域前 往1号线站台区域,即从2号线换乘到1号线;如地点链数据为 000001,line2,floor,floor,floor,则表示乘客唯一标识ID为 00001的乘客从2号线站台区域走到站厅,即从2号线出站;如果地点 链数据为000001,floor,floor,line2,表示乘客唯一标识ID为 00001的乘客从站厅走到2号线站台区域,即从2号线进站。
数据判断模块:用于判断地点链数据中是否存在站点及站台区 域标识,如果存在站点及站台区域标识,通过行为分类模块对该行 程的出行行为进行分类;如果不存在站点及站台区域标识,通过数 据平滑模块建立数据平滑模型;其中,当采集到的数据中只存在站 台或站厅的记录(由于实际的地铁数据中只有进站和出站记录,换 乘记录及地点未知),无法准确的获得乘客的出行行为,因此需要进 一步建立模型进行处理。
行为分类模块:用于根据乘客唯一标识ID将每个乘客在时间阀 值内的所有地点链数据分别划分为同一个行程,并根据同一个行程 内每条地点链数据的站点及站台区域标识对该行程的出行行为进行 分类;其中,出行行为包括进站、出站和换乘,以某站点为1号线和 2号线的换乘站点为例,出行行为包括In1(从1号线进站)、In2(从2号线进站)、Out1(从1号线出站)、Out2(从2号线进站)、1to2 (从1号线换乘2号线)、2to1(从2号线换乘1号线)六类,如果乘客 的地点链数据是00001,2016.12.31.14:00:00,line1,line1,floor,floor……,那么该乘客此次的出行行为即为Out1(从1号线出站)。
数据平滑模块:用于获取乘客的历史出行数据,根据乘客的历 史出行数据建立相应的数据平滑模型,通过数据平滑模型对乘客的 出行行为及乘客类型进行分类;其中,通过数据平滑模型对出行行 为及乘客类型进行分类具体如下表1所示:
表1出行行为及乘客类型分类
上表1中,A类乘客中存在确定性出行行为及不确定性出行行 为,因此需要根据乘客的历史确定性出行行为对不确定性出行行为 进行数据平滑处理,数据平滑算法如下:
1、提取A类乘客p的历史出行中的确定性出行行为,并按照上述 的六类出行行为类型将提取的确定性出行行为划分为六个行程集 合;
2、分别提取六个行程集合发生的时间,生成六个对应各个行程 集合的时间集合;
3、根据六个行程集合和时间集合对不确定性出行行为进行平滑 处理,平滑计算公式如下:
上述公式中,Ti表示待平滑行程t的记录时间;Tij表示第i类时 间集合中行程j的记录时间;y为矫正项系数;P(i)表示待平滑行程t 划分为第i类出行行为的计算概率。对于矫正项系数y,y∈(0,1)。 待平滑行程中出现Line1时,y取值1,待平滑行程中出现Line2时,y 取值0。待平滑行程中出现Line1&Line2时,不分y值,继续参与计 算。y值取值描述具体如表2所示:
表2矫正项系数y取值描述
4、分别获取六个行程集合的出行行为的计算概率最大值,并分 别将计算概率最大值的出行行为作为六个行程集合的出行行为类 型。
路径统计模块:用于统计每个乘客在各个站点的出行行为分类 结果,并根据出行行为分类结果的时间序列得到各个乘客对应的完 整出行路径;其中,将每个站点的出行行为数据处理完成之后,根 据乘客唯一标识ID将每个乘客在时间阀值以内(1个小时)之内所有 站点的出行行为分类结果按照时间序列串联起来,即可得到每个乘 客单次的完整出行路径。
客流清分模块:用于计算各个乘客的完整出行路径中各个运营 商承担的运输里程数,实现不同运营商的客流清分。
图3是本申请实施例提供的轨道交通客流清分方法的硬件设备 结构示意图。如图3所示,该设备包括一个或多个处理器以及存储 器。以一个处理器为例,该设备还可以包括:输入系统和输出系 统。
处理器、存储器、输入系统和输出系统可以通过总线或者其他 方式连接,图3中以通过总线连接为例。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂 态软件程序、非暂态计算机可执行程序以及模块。处理器通过运行 存储在存储器中的非暂态软件程序、指令以及模块,从而执行电子 设备的各种功能应用以及数据处理,即实现上述方法实施例的处理 方法。
存储器可以包括存储程序区和存储数据区,其中,存储程序区 可存储操作系统、至少一个功能所需要的应用程序;存储数据区可 存储数据等。此外,存储器可以包括高速随机存取存储器,还可以 包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器可选包括相对于 处理器远程设置的存储器,这些远程存储器可以通过网络连接至处 理系统。上述网络的实例包括但不限于互联网、企业内部网、局域 网、移动通信网及其组合。
输入系统可接收输入的数字或字符信息,以及产生信号输入。 输出系统可包括显示屏等显示设备。
所述一个或者多个模块存储在所述存储器中,当被所述一个或 者多个处理器执行时,执行上述任一方法实施例的以下操作:
步骤a:采集乘客的时空数据,并根据所述时空数据记录乘客的 出行数据;其中,所述出行数据中至少包括记录时间和站点及站台 区域标识;
步骤b:将乘客在时间阀值内的所有出行数据划分为同一个行 程,并根据同一个行程内每条出行数据的站点及站台区域标识对该 行程的出行行为进行分类;所述出行行为类型包括进站、出站和换 乘;
步骤c:统计乘客在各个站点的出行行为分类结果,并根据出行 行为分类结果的记录时间序列计算乘客的完整出行路径;
步骤d:计算所述完整出行路径中各个运营商承担的运输里程 数,根据所述运输里程数的计算结果对各个运营商的客流进行清 分。
上述产品可执行本申请实施例所提供的方法,具备执行方法相 应的功能模块和有益效果。未在本实施例中详尽描述的技术细节, 可参见本申请实施例提供的方法。
本申请实施例提供了一种非暂态(非易失性)计算机存储介 质,所述计算机存储介质存储有计算机可执行指令,该计算机可执 行指令可执行以下操作:
步骤a:采集乘客的时空数据,并根据所述时空数据记录乘客的 出行数据;其中,所述出行数据中至少包括记录时间和站点及站台 区域标识;
步骤b:将乘客在时间阀值内的所有出行数据划分为同一个行 程,并根据同一个行程内每条出行数据的站点及站台区域标识对该 行程的出行行为进行分类;所述出行行为类型包括进站、出站和换 乘;
步骤c:统计乘客在各个站点的出行行为分类结果,并根据出行 行为分类结果的记录时间序列计算乘客的完整出行路径;
步骤d:计算所述完整出行路径中各个运营商承担的运输里程 数,根据所述运输里程数的计算结果对各个运营商的客流进行清 分。
本申请实施例提供了一种计算机程序产品,所述计算机程序产 品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计 算机程序包括程序指令,当所述程序指令被计算机执行时,使所述 计算机执行以下操作:
步骤a:采集乘客的时空数据,并根据所述时空数据记录乘客的 出行数据;其中,所述出行数据中至少包括记录时间和站点及站台 区域标识;
步骤b:将乘客在时间阀值内的所有出行数据划分为同一个行 程,并根据同一个行程内每条出行数据的站点及站台区域标识对该 行程的出行行为进行分类;所述出行行为类型包括进站、出站和换 乘;
步骤c:统计乘客在各个站点的出行行为分类结果,并根据出行 行为分类结果的记录时间序列计算乘客的完整出行路径;
步骤d:计算所述完整出行路径中各个运营商承担的运输里程 数,根据所述运输里程数的计算结果对各个运营商的客流进行清 分。
本申请实施例的轨道交通客流清分方法、系统及电子设备通过 获取Wifi、GPS等时空数据来精确计算乘客的完整出行路径,并根据 完整出行路径对不同运营商的客流进行清分,能够为不同运营商提 供比较有力的清分依据,为地铁清分提供数据支撑。同时,本申请 不依赖于概率模型推算,能够实时反映线网客流的变化情况。
对所公开的实施例的上述说明,使本领域专业技术人员能够实 现或使用本申请。对这些实施例的多种修改对本领域的专业技术人 员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本 申请的精神或范围的情况下,在其它实施例中实现。因此,本申请 将不会被限制于本文所示的这些实施例,而是要符合与本文所公开 的原理和新颖特点相一致的最宽的范围。
Claims (9)
1.一种轨道交通客流清分方法,其特征在于,包括:
步骤a:采集乘客的时空数据,并根据所述时空数据记录乘客的出行数据;其中,所述出行数据中至少包括记录时间和站点及站台区域标识;
步骤b:将乘客在时间阈值内的所有出行数据划分为同一个行程,并根据同一个行程内每条出行数据的站点及站台区域标识对该行程的出行行为进行分类;所述出行行为类型包括进站、出站和换乘;
所述步骤b包括:
步骤b1:判断所述出行数据中是否存在站点及站台区域标识,如果存在站点及站台区域标识,执行步骤b;如果不存在站点及站台区域标识,执行步骤b2;
步骤b2:获取乘客的历史出行数据,根据所述历史出行数据建立数据平滑模型,通过所述数据平滑模型对乘客的出行行为进行分类;
在所述步骤b2中,所述根据所述历史出行数据建立数据平滑模型,通过所述数据平滑模型对乘客的出行行为进行分类具体为:
提取乘客的历史出行数据中的确定性出行行为,按照出行行为类型将提取的确定性出行行为划分为六个行程集合;
并分别提取六个行程集合发生的时间,生成六个对应各个行程集合的时间集合;
根据六个行程集合和时间集合对不确定性出行行为进行平滑处理,平滑计算公式如下:
上述公式中,Ti表示待平滑行程t的记录时间;Tij表示第i类时间集合中行程j的记录时间;y为矫正项系数;P(i)表示待平滑行程t划分为第i类出行行为的计算概率;%、==、!=均出自计算机语言,%表示整除取余数,==和!=分别为等于号和不等号,i%2==y的含义是第i类行程存在,i%2!=y的含义是第i类行程不存在;
分别获取六个行程集合的出行行为的计算概率最大值,并分别将计算概率最大值的出行行为作为六个行程集合的出行行为类型;
步骤c:统计乘客在各个站点的出行行为分类结果,并根据出行行为分类结果的记录时间序列计算乘客的完整出行路径;
步骤d:计算所述完整出行路径中各个运营商承担的运输里程数,根据所述运输里程数的计算结果对各个运营商的客流进行清分。
2.根据权利要求1所述的轨道交通客流清分方法,其特征在于,在所述步骤a中,所述采集乘客的时空数据具体为:在站点内部署wifi探针设备,通过所述wifi探针设备采集乘客的终端设备的wifi数据和GPS数据,得到乘客的时空数据;其中,所述wifi探针设备分别与站点及站台区域的编号一一对应。
3.根据权利要求2所述的轨道交通客流清分方法,其特征在于,在所述步骤a中,所述根据所述时空数据记录乘客的出行数据还包括:将所述出行数据进行过滤处理,保留乘客唯一标识ID、终端设备ID以及记录时间Time。
4.根据权利要求3所述的轨道交通客流清分方法,其特征在于,在所述步骤a中,所述根据所述时空数据记录乘客的出行数据还包括:将所述终端设备ID与站点和站台区域进行一一对应,分别将每条出行数据转换成包含站点及站台区域标识的地点链数据。
5.一种轨道交通客流清分系统,其特征在于,包括:
数据采集模块:用于采集乘客的时空数据;
出行数据记录模块:用于根据所述时空数据记录乘客的出行数据;其中,所述出行数据中至少包括记录时间和站点及站台区域标识;
行为分类模块:用于将乘客在时间阈值内的所有出行数据划分为同一个行程,并根据同一个行程内每条出行数据的站点及站台区域标识对该行程的出行行为进行分类;所述出行行为类型包括进站、出站和换乘;
路径统计模块:用于统计乘客在各个站点的出行行为分类结果,并根据出行行为分类结果的记录时间序列计算乘客的完整出行路径;
客流清分模块:用于计算所述完整出行路径中各个运营商承担的运输里程数,根据所述运输里程数的计算结果对各个运营商的客流进行清分;
数据判断模块:用于判断所述出行数据中是否存在站点及站台区域标识,如果存在站点及站台区域标识,通过所述行为分类模块对出行行为进行分类;如果不存在站点及站台区域标识,通过数据平滑模块建立数据平滑模型;
数据平滑模块:用于获取乘客的历史出行数据,根据所述历史出行数据建立数据平滑模型,通过所述数据平滑模型对乘客的出行行为进行分类;
所述数据平滑模块根据所述历史出行数据建立数据平滑模型,通过所述数据平滑模型对乘客的出行行为进行分类具体为:
提取乘客的历史出行数据中的确定性出行行为,按照出行行为类型将提取的确定性出行行为划分为六个行程集合;
并分别提取六个行程集合发生的时间,生成六个对应各个行程集合的时间集合;
根据六个行程集合和时间集合对不确定性出行行为进行平滑处理,平滑计算公式如下:
上述公式中,Ti表示待平滑行程t的记录时间;Tij表示第i类时间集合中行程j的记录时间;y为矫正项系数;P(i)表示待平滑行程t划分为第i类出行行为的计算概率;%、==、!=均出自计算机语言,%表示整除取余数,==和!=分别为等于号和不等号,i%2==y的含义是第i类行程存在,i%2!=y的含义是第i类行程不存在;
分别获取六个行程集合的出行行为的计算概率最大值,并分别将计算概率最大值的出行行为作为六个行程集合的出行行为类型。
6.根据权利要求5所述的轨道交通客流清分系统,其特征在于,所述数据采集模块为wifi探针设备,所述wifi探针设备部署在各地铁站点内,且各个wifi探针设备分别与地铁站点、站台区域的编号一一对应;所述数据采集模块采集时空数据具体为:通过所述wifi探针设备采集乘客的终端设备的wifi数据和GPS数据,得到乘客的时空数据。
7.根据权利要求6所述的轨道交通客流清分系统,其特征在于,还包括数据处理模块,所述数据处理模块用于将所述出行数据进行过滤处理,保留乘客唯一标识ID、终端设备ID以及记录时间Time。
8.根据权利要求7所述的轨道交通客流清分系统,其特征在于,还包括数据转换模块,所述数据转换模块用于将所述终端设备ID与站点和站台区域进行一一对应,分别将每条出行数据转换成包含站点及站台区域标识的地点链数据。
9.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述权利要求1至4任一项所述的轨道交通客流清分方法的以下操作:
步骤a:采集乘客的时空数据,并根据所述时空数据记录乘客的出行数据;其中,所述出行数据中至少包括记录时间和站点及站台区域标识;
步骤b:将乘客在时间阈值内的所有出行数据划分为同一个行程,并根据同一个行程内每条出行数据的站点及站台区域标识对该行程的出行行为进行分类;所述出行行为类型包括进站、出站和换乘;
步骤c:统计乘客在各个站点的出行行为分类结果,并根据出行行为分类结果的记录时间序列计算乘客的完整出行路径;
步骤d:计算所述完整出行路径中各个运营商承担的运输里程数,根据所述运输里程数的计算结果对各个运营商的客流进行清分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711390927.0A CN108108897B (zh) | 2017-12-20 | 2017-12-20 | 一种轨道交通客流清分方法、系统及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711390927.0A CN108108897B (zh) | 2017-12-20 | 2017-12-20 | 一种轨道交通客流清分方法、系统及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108108897A CN108108897A (zh) | 2018-06-01 |
CN108108897B true CN108108897B (zh) | 2021-11-30 |
Family
ID=62211595
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711390927.0A Active CN108108897B (zh) | 2017-12-20 | 2017-12-20 | 一种轨道交通客流清分方法、系统及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108108897B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108985654A (zh) * | 2018-08-06 | 2018-12-11 | 上海中软华腾软件系统有限公司 | 运营商信令数据融合自动售检票数据的精准清分方法 |
CN111275482B (zh) * | 2020-01-14 | 2023-05-09 | 浙江中控信息产业股份有限公司 | 基于机器学习的轨道交通实时动态清分方法 |
CN111988735B (zh) * | 2020-07-09 | 2022-08-16 | 北京北大千方科技有限公司 | 含个体特征的机场客流出行链精准感知方法 |
CN112133093A (zh) * | 2020-09-23 | 2020-12-25 | 佳都新太科技股份有限公司 | 一种快速进行乘车路径确认的方法及装置 |
CN112907088B (zh) * | 2021-03-03 | 2024-03-08 | 杭州诚智天扬科技有限公司 | 一种清分模型的参数调整方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102306243A (zh) * | 2011-07-27 | 2012-01-04 | 高新现代智能系统股份有限公司 | 在轨道交通中的换乘客流清分方法 |
CN103761589A (zh) * | 2014-02-18 | 2014-04-30 | 东南大学 | 一种城市轨道交通清分方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006004100A (ja) * | 2004-06-16 | 2006-01-05 | Hitachi Ltd | 鉄道情報配信システム |
CN102279950A (zh) * | 2011-08-02 | 2011-12-14 | 中国铁道科学研究院电子计算技术研究所 | 基于数据挖掘和神经网络的轨道交通清分方法 |
CN104463364B (zh) * | 2014-12-04 | 2018-03-20 | 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 |
CN205792730U (zh) * | 2016-06-27 | 2016-12-07 | 浙江埃美科技有限公司 | 地铁客流智能清分系统 |
CN107301492A (zh) * | 2017-05-16 | 2017-10-27 | 华南理工大学 | 一种基于高斯混合模型的地铁票务清分方法 |
-
2017
- 2017-12-20 CN CN201711390927.0A patent/CN108108897B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102306243A (zh) * | 2011-07-27 | 2012-01-04 | 高新现代智能系统股份有限公司 | 在轨道交通中的换乘客流清分方法 |
CN103761589A (zh) * | 2014-02-18 | 2014-04-30 | 东南大学 | 一种城市轨道交通清分方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108108897A (zh) | 2018-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108108897B (zh) | 一种轨道交通客流清分方法、系统及电子设备 | |
CN105491532B (zh) | 一种用于路网运行状态分析的手机信令过滤方法和装置 | |
CN104283918B (zh) | 一种无线局域网终端类型获取方法及系统 | |
CN106951925A (zh) | 数据处理方法、装置、服务器及系统 | |
CN104732205A (zh) | 一种高速公路逃费稽查的系统 | |
CN112001829B (zh) | 一种基于手机信令数据的人口分布判断方法 | |
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 | |
CN110874668B (zh) | 一种轨道交通od客流预测方法、系统及电子设备 | |
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 | |
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 | |
CN105023437A (zh) | 一种公交od矩阵的构建方法及系统 | |
CN111382808A (zh) | 一种车辆检测处理方法及装置 | |
CN107170065A (zh) | 移动智能考勤方法、装置和系统 | |
CN110969861B (zh) | 一种车辆识别方法、装置、设备及计算机存储介质 | |
CN109547930A (zh) | 基于运营商数据的城市轨道交通客流来源分析的方法及装置 | |
CN109816085A (zh) | 一种基于现场展示的地铁客流信息实时发布系统及方法 | |
CN108460423A (zh) | 一种基于sdn架构的业务识别方法 | |
CN107305734B (zh) | 一种实时交通信息的采集方法和装置 | |
CN114820264A (zh) | 公共交通工具换乘数据处理方法、装置、设备、存储介质 | |
CN114841712A (zh) | 网约车巡游违规运营状态的确定方法和装置及电子设备 | |
CN105933463A (zh) | 基于智能设备标识信息的城市人员进出城监测方法与系统 | |
US20150058466A1 (en) | Device for server grouping | |
CN115376325B (zh) | 基于出行链的公共交通换乘数据筛选系统、方法及应用 | |
EP3425606B1 (en) | Traffic situation estimation system and traffic situation estimation method | |
KR102499015B1 (ko) | GPS 및 IoT를 이용한 청소차량 정보 관리 서비스 제공 시스템 |
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 |