CN108197078B - 一种基于公交ic卡数据计算公交断面客流量的方法 - Google Patents
一种基于公交ic卡数据计算公交断面客流量的方法 Download PDFInfo
- Publication number
- CN108197078B CN108197078B CN201711449863.7A CN201711449863A CN108197078B CN 108197078 B CN108197078 B CN 108197078B CN 201711449863 A CN201711449863 A CN 201711449863A CN 108197078 B CN108197078 B CN 108197078B
- Authority
- CN
- China
- Prior art keywords
- bus
- passenger flow
- station
- section
- certain
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000007619 statistical method Methods 0.000 claims abstract description 5
- 239000005667 attractant Substances 0.000 claims description 2
- 238000011835 investigation Methods 0.000 abstract description 11
- 238000004364 calculation method Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 4
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/17—Function evaluation by approximation methods, e.g. inter- or extrapolation, smoothing, least mean square method
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供的一种基于公交IC卡数据计算公交断面客流量的方法,包括以下步骤:第一步,根据公交IC卡数据,获得每条公交线路的刷卡信息表;第二步,根据统计法统计刷卡信息表中某条公交线路在第i个站点的上车客流量Pi;第三步,根据式(1)计算该某条公交线路在第i个站点的下车客流量qi;第四步,根据式(10)计算该某条公交线路站点i至站点i+1之间的第k个断面的断面客流量Qk;采用本发明得到的理论断面客流与实际调查得到的断面客流的拟合优度R2∈[0.80‑0.95],结果接近1,在误差允许的范围内,说明依据本发明所计算得到的理论断面客流与实际调查得到的断面客流拟合程度较好,充分说明本发明可靠性较高。
Description
技术领域
本发明属于公共交通技术领域,具体涉及一种基于公交IC卡数据计算公交断面客流量的方法。
背景技术
随着城市人口增加,小汽车的大范围普及,城市交通拥堵问题日益突出,对居民出行造成了严重的困扰,大力发展城市公共交通是缓解城市交通拥堵的有效措施,合理的城市公共交通规划和公交运营调度系统可以提高城市公共交通吸引力,保证城市交通安全畅通。
公交断面客流指的是一定时间内某一道路断面的一条公交线路的断面公交客运量或者该断面所有公交线路的断面客运量。公交断面客流是公交系统优化设计线路网和调配车辆不可或缺的基础数据。单条公交线路断面客流及其时变特征是规划公交车发车频次、考量是否设置区间车的重要依据。
传统的公交断面客流调查方法主要是人工调查法。人工调查法耗费较多的人力,成本较高,且受外部环境因素干扰较大,使得调查的结果受人为影响因素多;从而影响到发车频率以及资源的合理配置,使得有些线路车辆满载率过高、发车频率过低,有些线路出现空载或者几辆车赶在一起到站的情况发生,而有些线路出现很长时间无车辆到达的情况,使得乘客的等待时间过长,车辆满载率过高。
发明内容
本发明的目的在于提供一种基于公交IC卡数据计算公交断面客流量的方法,解决了现有通过人工调查公交断面客流量成本高、受外部环境干扰大的缺陷。
为了达到上述目的,本发明采用的技术方案是:
本发明提供的一种基于公交IC卡数据计算公交断面客流量的方法,包括以下步骤:
第一步,根据公交IC卡数据,获得每条公交线路的刷卡信息表;
第二步,根据统计法统计刷卡信息表中某条公交线路在第i个站点的上车客流量Pi;
第三步,根据式(1)计算该某条公交线路在第i个站点的下车客流量qi,其中,
其中,Ai为站点i周边300m半径覆盖范围内高峰每小时总的吸引人数;θi为该站点i用地范围内的公交分担率;n为该某条公交线路的总站数;
第四步,根据式(10)计算该某条公交线路站点i至站点i+1之间的第r个断面的断面客流量Qr,其中,
优选地,第一步中,每条公交线路的刷卡信息表包括公交线路、刷卡时间、车辆编号、车载机编号和卡号信息。
优选地,在计算该某条公交线路在第i个站点的下车客流量qi之前,需要统计每个公交车站周边300m吸引范围内的用地信息表,所述的用地信息表包括人口密度、建筑名称和面积信息。
优选地,第三步中,通过式(2)计算可得该站点i周边300m半径覆盖范围内高峰小时总的吸引人数Ai,
其中,aij为站点i周边300m范围内某类用地的建筑面积;ηj为该某类用地高峰小时吸引率的采纳值。
优选地,第三步中,通过下式计算可得该车站i用地范围内公交的分担率θi,
其中,L为该某条线路中某大型客流集散点至该某条线路起点之间的距离,km;R1为该某条线路中某大型客流集散点的最大覆盖半径,km;ρi为站点i范围内的人口密度;为该某条线路中各个站点周边用地人口密度的均值;λ0—公交线路整体分担率;α和β为待确定的参数;k为某大型客流集散点区段的任意一个站点;dk为某大型客流集散点区段内第k个断面的运输距离,即第k个站点与第k+1个站点之间的公交路线长度。
优选地,α和β可通过式(6)目标函数近似进行求解,
与现有技术相比,本发明的有益效果是:
本发明提供的一种基于公交IC卡数据计算公交断面客流量的方法,通过分析公交车站周边土地利用情况,在仅有上车刷卡数据的情况下,获得各个车站下车客流的预测方法,进而求得公交线路断面客流;采用本发明得到的理论断面客流与实际调查得到的断面客流的拟合优度R2∈[0.80-0.95],结果接近1,在误差允许的范围内,说明依据本发明所计算得到的理论断面客流与实际调查得到的断面客流拟合程度较好,充分说明本发明可靠性较高,在实际情况下,可以依据本发明所提供的方法对城市公交系统进行优化,合理指导公交车辆的调配,达到节约能源与运营效益最大化的目标。
附图说明
图1为本发明运用公交IC卡数据计算公交断面客流量的流程图;
图2为公交线路运行及上下车示意图;
图3为站点300m吸引范围示意图;
图4为一条线路中三大客流集散点示意图;
图5为计算结果与实际调查结果对比。
具体实施方式
下面结合附图对本发明作进一步说明。
近年来,随着公交车IC卡收费系统和GPS系统在全国各地陆续投入使用,为研究乘客的出行轨迹提供了大量的数据,对个体出行轨迹进行集计研究为获取公交断面客流提供了一种新的思路。但是,我国大部分城市的公交线路采取一票制收费系统,乘客只在上车时刷卡,下车时无需刷卡,无法直接通过数据融合来获取乘客下车站点,而公交站点下车客流量的计算直接关系到断面客流量,为此,经过发明人长期研究,可通过分析公交车站周边土地利用情况,在仅有上车刷卡数据的情况下,获得各个车站下车客流的预测方法,进而求得公交线路断面客流。
如图1所示,本发明提供的一种基于公交IC卡数据计算公交断面客流量的方法,包括以下步骤:
步骤1、统计计算某条公交线路在第i个站点的上车客流量Pi
根据公交IC卡数据,获得每条公交线路的刷卡信息表(如表1),所述的每条公交线路的刷卡信息表包括公交线路、刷卡时间、车辆编号、车载机编号和卡号信息;根据统计法统计刷卡信息表中某条公交线路在第i个站点的上车客流量Pi,即该某条公交线路在该第i个站点的刷卡的个数:
表1
步骤2、计算得到所述某条公交线路在第i个站点的下车客流量qi
统计每个公交车站周边300m吸引范围内的用地信息表(如表2),所述的用地信息表包括人口密度、建筑名称和面积等信息,根据用地信息表计算得到所述某条公交线路在第i个站点的下车客流量qi,其中,下车客流量qi用式(1)表示,具体地:
其中,Ai为站点i周边300m半径覆盖范围内高峰小时总吸引人数;θi为该站点i用地范围内的公交分担率;n为该某条公交线路的总站数。
表2
其中,按照表2中各类用地的吸引系数对各站点周边总的交通吸引量进行估算,通过式(2)计算可得该站点i周边300m半径覆盖范围内高峰小时总的吸引人数Ai,
其中,aij为站点i周边300m范围内某j类用地的建筑面积;ηj为该某j类用地高峰小时吸引率的采纳值。
在得到各个站点周边用地总吸引人数的基础之上,需要确定各站点的下车客流量,但是并不能将不同区域的分担率视为定值,需要考虑站点在线路中的位置以及人口密度等因素来进行确定。
通过统计法可得,某站点越靠近线路中的大型客流集散点时,其下车人数越多、人口密度越大,则公交分担率(吸引强度)越大。
由于公交线路具有的站点数量多、线路长,现假设以某一条公交线路存在三个大型客流集散点,参照图4,进而可得各站点用地范围内公交的分担率θi,具体地:
(1)当站点i位于第一个客流集散点的覆盖区段[1,k1]时,通过式(3)计算可得该车站i用地范围内公交的分担率θi:
(2)当站点i位于第二个客流集散点覆盖区段[k1+1,k2]时,通过式(4)计算可得该车站i用地范围内公交的分担率θi:
(3)当站点i位于第三个客流集散点覆盖区段k2+1,n]时,通过式(5)计算可得该车站i用地范围内公交的分担率θi:
其中,L1为第一个集散点至起点的距离,km;L2为第二个集散点至起点的距离,km;L3为第三个集散点至起点的距离,km;R1为第一个集散点的最大覆盖半径,km;R2为第二个集散点的最大覆盖半径,km;R3为第三个集散点的最大覆盖半径,km;ρi为站点i范围内的人口密度;为线路各个站点周边用地人口密度的均值;λ0为公交线路整体分担率;k1表示第一个区段的最后一个站点;k1+1表示第二个区段的第一个站点;k2表示第二个区段的最后一个站点;k2+1表示第三个区段的第一个站点;dk为某大型客流集散点区段内第k个断面的运输距离,即第k个站点与第k+1个站点之间的公交路线长度。
α和β为待确定的参数,可通过式(6)目标函数近似进行求解,
综上所述,在以IC卡数据推算得到的上车客流量Pi的基础之上,常规公交线路各站点的下车客流计算方法如下:
(1)当站点i位于第一个客流集散点的覆盖区段时,通过式(7)计算该站点i的下车客流量qi:
(2)当站点i位于第二个客流集散点的覆盖区段时,通过式(8)计算该站点i的下车客流量qi:
(3)当站点i位于第三个客流集散点的覆盖区段时,通过式(9)计算该站点i的下车客流量qi:
步骤3、计算该某条公交线路站点i至站点i+1之间的第r个断面的断面客流量Qr:
由于本发明是依据公交IC卡数据为基础推算断面客流,因此不考虑投币上车的乘客,根据刷卡数据推算可得各个车站的上车客流量,通过图2可以分析上、下车客流与断面客流的关系式(10):
其中,Qr为站点第r个断面的断面客流量。
参照图5,为本发明实施例的效果图,表示每一个断面区间依据本发明所提供的方法计算得到的理论断面客流与实际调查的断面客流两者的比较,从图中可以看出,在绝大部分断面区间两者均较为接近。
采用本发明得到的理论断面客流与实际调查得到的断面客流的拟合优度R2∈[0.80-0.95],结果接近1,在误差允许的范围内,说明依据本发明所计算得到的理论断面客流与实际调查得到的断面客流拟合程度较好,充分说明本发明可靠性较高,在实际情况下,可以依据本发明所提供的方法对城市公交系统进行优化,合理指导公交车辆的调配,达到节约能源与运营效益最大化的目标。
Claims (3)
1.一种基于公交IC卡数据计算公交断面客流量的方法,其特征在于,包括以下步骤:
第一步,根据公交IC卡数据,获得每条公交线路的刷卡信息表;
第二步,根据统计法统计刷卡信息表中某条公交线路在第i个站点的上车客流量Pi;
第三步,根据式(1)计算该某条公交线路在第i个站点的下车客流量qi,其中,
其中,Ai为站点i周边300m半径覆盖范围内高峰每小时总的吸引人数;θi为该站点i用地范围内的公交分担率;n为该某条公交线路的总站数;
第四步,根据式(10)计算该某条公交线路站点i至站点i+1之间的第r个断面的断面客流量Qr,其中,
其中,在计算该某条公交线路在第i个站点的下车客流量qi之前,需要统计每个公交车站周边300m吸引范围内的用地信息表,所述的用地信息表包括人口密度、建筑名称和面积信息;
第三步中,通过式(2)计算可得该站点i周边300m半径覆盖范围内高峰小时总的吸引人数Ai,
其中,aij为站点i周边300m范围内某j类用地的建筑面积;ηj为该某j类用地高峰小时吸引率的采纳值;
第三步中,通过下式计算得该站点i用地范围内公交的分担率θi,
2.根据权利要求1所述的一种基于公交IC卡数据计算公交断面客流量的方法,其特征在于,第一步中,每条公交线路的刷卡信息表包括公交线路、刷卡时间、车辆编号、车载机编号和卡号信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711449863.7A CN108197078B (zh) | 2017-12-27 | 2017-12-27 | 一种基于公交ic卡数据计算公交断面客流量的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711449863.7A CN108197078B (zh) | 2017-12-27 | 2017-12-27 | 一种基于公交ic卡数据计算公交断面客流量的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108197078A CN108197078A (zh) | 2018-06-22 |
CN108197078B true CN108197078B (zh) | 2021-12-14 |
Family
ID=62584671
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711449863.7A Expired - Fee Related CN108197078B (zh) | 2017-12-27 | 2017-12-27 | 一种基于公交ic卡数据计算公交断面客流量的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108197078B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109615036B (zh) * | 2018-11-30 | 2019-12-24 | 深圳大学 | 一种基于公汽ic刷卡系统的细颗粒物暴露风险评估方法 |
CN115810271B (zh) * | 2023-02-07 | 2023-04-28 | 安徽交欣科技股份有限公司 | 一种基于刷卡数据判断客流走廊位置的方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101615340A (zh) * | 2009-07-24 | 2009-12-30 | 北京工业大学 | 公交动态调度中的实时信息处理方法 |
CN105046350A (zh) * | 2015-06-30 | 2015-11-11 | 东南大学 | 基于afc数据的公交客流od实时估计方法 |
CN105427594A (zh) * | 2015-11-23 | 2016-03-23 | 青岛海信网络科技股份有限公司 | 一种基于双向上车客流的公交断面客流量获取方法及系统 |
CN106803227A (zh) * | 2017-01-25 | 2017-06-06 | 东南大学 | 一种基于公交车载gps数据的主要客流量的公交od分析方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8521577B2 (en) * | 2011-03-29 | 2013-08-27 | Trapeze Software, Inc. | Method and system for paratransit run-cutting |
-
2017
- 2017-12-27 CN CN201711449863.7A patent/CN108197078B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101615340A (zh) * | 2009-07-24 | 2009-12-30 | 北京工业大学 | 公交动态调度中的实时信息处理方法 |
CN105046350A (zh) * | 2015-06-30 | 2015-11-11 | 东南大学 | 基于afc数据的公交客流od实时估计方法 |
CN105427594A (zh) * | 2015-11-23 | 2016-03-23 | 青岛海信网络科技股份有限公司 | 一种基于双向上车客流的公交断面客流量获取方法及系统 |
CN106803227A (zh) * | 2017-01-25 | 2017-06-06 | 东南大学 | 一种基于公交车载gps数据的主要客流量的公交od分析方法 |
Non-Patent Citations (2)
Title |
---|
《What determines rail transit passenger volume? Implications for》;Haixiao Pan 等;《Transportation Research Part D: Transport and Environment》;20171211;第57卷;全文 * |
《结合出行链的公交IC 卡乘客下车站点判断概率模型》;胡继华 等;《交通运输系统工程与信息》;20140415;第14卷(第2期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108197078A (zh) | 2018-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109308546B (zh) | 乘客公交出行下车站点预测方法及系统 | |
CN108831149B (zh) | 一种基于历史od信息定制公交线路开行方法及系统 | |
CN110047279B (zh) | 一种基于订单数据确定共享单车调度量的方法 | |
CN109034566B (zh) | 一种基于公交站点上下客流的智能调度方法及装置 | |
CN107564270A (zh) | 一种智能公交调度运营方法 | |
CN103279534A (zh) | 基于智能公交系统数据的公交卡乘客通勤od分布估计方法 | |
CN105488751A (zh) | 一种地铁站客流微观统计与调度方法 | |
CN106296355A (zh) | 一种基于电量匹配的web门户预约租车系统及方法 | |
CN107679654A (zh) | 一种停车规模预估控制系统及实现方法 | |
CN112819316B (zh) | 一种综合客运枢纽轨道交通系统的枢纽运能识别方法 | |
CN112036757B (zh) | 基于手机信令和浮动车数据的停车换乘停车场的选址方法 | |
CN115409295B (zh) | 一种基于瓶颈分析的公交调度方法、电子设备及存储介质 | |
CN109887267A (zh) | 一种轨道交通共线段常规公交调整方法 | |
CN107220733B (zh) | 基于互联网和车路协同的起讫点集定制公交开行优化方法 | |
CN108197078B (zh) | 一种基于公交ic卡数据计算公交断面客流量的方法 | |
CN106379379B (zh) | 一种城市轨道交通乘客上下车时间的预测方法 | |
CN108364464A (zh) | 一种基于概率模型的公交车辆旅行时间建模方法 | |
CN111882914A (zh) | 一种基于车联网的公交站台信息发布系统及方法 | |
CN111508220B (zh) | 基于公交人口分布精准进行末端接驳的方法 | |
CN112669595B (zh) | 一种基于深度学习的网约车流量预测方法 | |
CN111367900B (zh) | 基于afc数据的城市轨道交通网络常态限流强度的计算方法 | |
CN116090785A (zh) | 针对大型活动散场场景两阶段的定制公交规划方法 | |
CN113361885B (zh) | 一种基于多源数据的双目标城市公交效益评价方法 | |
CN115985128A (zh) | 一种地铁与公交、共享非机动车智能接驳信息显示系统 | |
CN115545336A (zh) | 轨道交通行程微调系统及方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20211214 |