CN108242149A

CN108242149A - 一种基于交通数据的大数据分析方法

Info

Publication number: CN108242149A
Application number: CN201810220477.9A
Authority: CN
Inventors: 王博; 严俊
Original assignee: Chengdu Zhida Wanyin Technology Co Ltd
Current assignee: Chengdu Zhida Wanyin Technology Co Ltd
Priority date: 2018-03-16
Filing date: 2018-03-16
Publication date: 2018-07-03
Anticipated expiration: 2038-03-16
Also published as: CN108242149B

Abstract

本发明公开了一种基于交通数据的大数据分析方法，通过交通工具类型采集相应的交通运行状态数据；利用关系型数据库SQLServer和分布式文档存储数据库Hadoop整理所采集的交通运行状态数据；并对整理后的交通运行状态数据进行数据预处理；然后通过相关挖掘算法及约束条件对预处理后的交通运行状态数据进行数据挖掘操作；评估数据挖掘操作后的结果，判断数据挖掘的结果是否合格，合格，则通过百度地图和百度Echarts基于Javascript的数据可视化图表库，将评估通过的数据坐标转换成百度地图坐标，并显示。本发明实现交通大数据信息整合，共享资源；实时发现异常动向，规范运输行业的经营行为及有效监管，促进信息消费产业发展。

Description

一种基于交通数据的大数据分析方法

技术领域

本发明涉及互联网大数据技术领域，具体涉及一种基于交通数据的大数据分析方法。

背景技术

随着以互联网为代表的现代信息技术的快速发展，我国交通运输业获取各种交通运输数据的能力都大大提高。虽然有了海量数据，但并不能从这些海量数据中及时发现行业异常动向，从而导致管理部门不能及时作出准确的管理行为，影响行业发展。当前的“大数据+”交通发展的还不够完善，还不能完全适应经济社会发展的需要，主要是因为在发展过程中存在着一些制约因素和现实问题，“大数据+”交通的发展质量和效果的提升存在阻力。

政府对城市交通管理效能有待提高。数据共享体系未建立，信息孤岛情况存在，资源整合需求强烈。交通资源综合利用不足，信息化断层导致管理与服务效率低下。

企业对服务品质需要提升，运营效益需要增强，没有创新产品服务，营业收入难提升；规范人、车及基础设置管理成本高，管理出现疏漏；急需立足于新技术契合领域来创造增值效益。

公众不能及时获得多维、互动的实时交通信息服务。

智能交通建设和运营的过程中，从视频监控、卡口电警、路况信息、管控信息、营运信息、GPS定位信息、RFID识别信息等每天产生的数据量可以达到PB级别，并且是指数级的增长；虽然绝大部分数据是“沉睡的数据”，但按照相关规定，需要对数据进行有期限或无期限的保存，这无疑给用户在存储成本上带来压力。

现有技术的缺陷和不足：

1)海量交通数据浪费，巨大的数据却无法通过软件系统在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。

2)大数据不起作用，数据分析处理和数据挖掘的效率低，没有准确的可视化分析展示。

3)没有实时的数据，交管能及时拿到实时数据，才能能及时采取应急指挥措施。

4)存在隐私安全问题。

发明内容

基于此，针对上述问题，有必要提出一种实现大数据信息整合，共享资源，规范运输行业的经营行为及有效监管，有利于解决群体突发事件的基于交通数据的大数据分析方法。

本发明的技术方案是：

一种基于交通数据的大数据分析方法，包括以下步骤：

a、数据采集，通过4G网络连接交通工具，并通过交通工具类型采集相应的交通运行状态数据；

b、数据存储，利用关系型数据库SQLServer和分布式文档存储数据库Hadoop整理所采集的交通运行状态数据；

c、对整理后的交通运行状态数据进行数据预处理；

d、数据分析处理，通过相关挖掘算法及约束条件对预处理后的交通运行状态数据进行数据挖掘操作；

e、数据评估，评估数据挖掘操作后的结果，判断数据挖掘的结果是否合格，如果是，则进入步骤f；如果否，则重进进入步骤d，进行数据挖掘操作；

f、数据可视化，通过百度地图和百度Echarts基于Javascript的数据可视化图表库，将评估通过的数据坐标转换成百度地图坐标，并显示。

在本技术方案中，针对出租车、公交车、两客一危等交通数据源的大数据进行分析，基于Hadoop的大数据实时处理系统可以实现数据的实时入库，云服务器通过4G网络连接出租车、公交车、两客一危等多种交通数据源，利用关系型数据库SqlServer和分布式文档存储数据库Hadoop整理全部的实时数据，并进行数据的预处理；再通过百度地图和百度Echarts基于Javascript的数据可视化图表库,提供直观、生动、可交互、可个性化定制的数据可视化图表展示；该方法应用大数据统计分析算法和数据挖掘算法的结合，建立数据分析模型，主要功能有：

一是基于交通模型和大数据算法进行数据处理，包括数据对接、数据备份、数据挖掘、数据汇总等；

二是在海量的交通大数据中建立支持决策分析的数据模型，包括道路的监测数据、交通事故数据、车载GPS数据、车载WiFi数据、双目视频数据等；

三是再基于数据报表采用相应的分析工具实现可视化的大数据分析，包括历史数据分析展现、交通路况实时热力图、交通路况简易图等；

四是在基于云储存服务，给予客户具有决策性和预测性数据和公众良好的服务体验。

作为上述方案的进一步优化，所述步骤a包括以下步骤：

通过GPS数据、双目视频数据、IC卡数据、车载WIFI数据以及车载终端采集交通运行状态数据；

如果交通工具为公交车，则所采集的交通运行状态数据为公交车GPS数据、IC卡刷卡数据、站点上下车人数、双目视频数据、公交线路以及站点数据；

如果交通工具为出租车，则所采集的交通运行状态数据为出租车ID、时间、出租车GPS数据、出租车速度以及运营状态；

如果交通工具为两客一危，则所采集的交通运行状态数据为车辆GPS数据、车辆报警数据、车辆轨迹数据、车辆违章行为以及车辆异常数据。

在本技术方案中，具体描述所采集的交通运行状态数据，实现对出租车、公交车、两客一危等交通工具的大数据采集，实现数据汇总，建立数据模型；使得对交通运行状态的分析更全面，针对不同交通工具均能实现数据分析，实时获得各交通工具的交通运行状态，并可对突发性群体事件快速、准确的作出相应处理。

作为上述方案的进一步优化，所述步骤b包括以下步骤：

b1、建立包括关系型数据库SQLServer和分布式文档存储数据库Hadoop的数据仓库；

b2、对采集的交通运行状态数据进行初步筛选剔除后，得到挖掘数据源，并将存储入数据仓库中；

b3、建立数据知识仓库，将对挖掘数据源进行操作的算法和约束条件存放在该数据知识仓库中。

利用关系型数据库SqlServer和分布式文档存储数据库Hadoop整理所采集的全部实时数据，并进行数据的预处理，使各个交通工具的数据完整的被储存，方便进行数据读取和计算，可得到精确、完整的交通运行状态数据，方便查看数据进行车辆管理以及违规、事故调查。

作为上述方案的进一步优化，所述步骤c包括以下步骤：

c1、获取交通运行状态数据的静态数据和动态数据；

c2、判断采集的GPS数据是否存在问题，如果有属性值缺失，则判定GPS数据缺失，进入步骤c3；如果同一数据出现次数超过一次，则判定GPS数据重复，则进入步骤c5；如果存在偏离期望的孤立点值或者错误信息，则判定GPS数据异常，进入步骤c6；

c3、读取包含列对应默认值的配置文件，并获取待处理列数据；

c4、判断该列数据中各个字段的值是否为空，如果是，则根据列对应的默认值进行填充处理；如果否，则不进行填充处理；

c5、保留多个相同数据中的任意一条，并分配掉其余重复的数据；

c6、设定最大阈值和最小阈值，并利用均值替换法修复噪声数据。

在本技术方案中，通过数据描述、数据缺失值处理、重复数据处理以及异常数据处理，实现对数据问题的修复，消除数据异常，避免数据出错以及丢失，且在采集到的数据中，相同数据造成的数据冗余现象时常发生，对于重复数据的处理，通常采取的做法是只保留重复数据中的某一条数据信息，数据去重是让原始数据中出现次数超过一次的数据在输出文件中只出现一次，利用Map Reduce去除重复数据的方法是将同一个数据的重复记录分配到同一个reduce去处理，在Reduce过程中只保留一条相同的数据记录；提高数据有效性和安全性。

作为上述方案的进一步优化，如果交通工具为公交车，则所述步骤d包括以下步骤：

d1、根据公交线路和站点数据，并结合IC卡刷卡数据，利用聚类分析法获取每个站点的上车人数；

d2、据站点上车人数、站点周边500米范围内土地性质、乘客平均出行距离以及站点换乘线路数量，确定站点下车概率矩阵，利用站点上车人数和站点下车概率矩阵，确定站点下车人数；

d3、将当前位置之前所有站点的上车人数减去当前位置之前所有站点的下车人数，得到当前位置车内人数；

d4、利用每个站点的下车概率矩阵，得到每两个站点间的客流交换情况，经过叠加，获取站点间客流OD矩阵；

d5、统计每条线路路段指定时间内所有经过的公交车车内人数之和，获取公交线路路段流量；

d6、由于站点i与站点i+1之间的断面流量为前i个站点的上车人数与下车人数之差，获取公交线路断面流量；

d7、根据相邻站点公交车的平均运行时间，计算出站点间公交车平均运行速度。

对于公交车，统计每个站点的上车人数，确定站点下车人数，得到当前位置车内人数，利用每个站点的下车概率矩阵，得到每两个站点间的客流交换情况，经过叠加，获取站点间客流OD矩阵；并根据所得的数据获取公交线路路段流量和公交线路断面流量，计算出站点间公交车平均运行速度，实现对公交车这类交通工具的大数据分析计算，得到公交车常规运行状态，方便进行管理。

作为上述方案的进一步优化，如果交通工具为出租车，则所述步骤d包括以下步骤：

d1、根据出租车ID，并结合出租车GPS数据，获取出租车的实时位置；

d2、获取出租车上传的状态数据，根据运营状态的切换区分空驶状态和载客状态，并计算出载客时长和出租车出行的OD空间分布；

d3、根据载客时长，可计算出出租车的时间空驶率和里程空驶率；

d4、根据载客时长和出租车出行的OD空间分布，结合每次载客起点，得到打车需求空间分布；

d5、结合上述数据，得到出租车上下客高峰期信息。

对于出租车，根据出租车的实时位置和载客状态获取载客时长和出租车出行的OD空间分布，并计算出出租车的时间空驶率和里程空驶率；根据获取和计算的数据得到打车需求空间分布，从而得到出租车上下客高峰期信息；方便对出租车进行管理，并实现乘客和出租车的信息对称，提高乘客的打车成功率和安全性，提高出租车工作效率。

作为上述方案的进一步优化，如果交通工具为两客一危，则所述步骤d包括以下步骤：

根据采集的车辆GPS数据、车辆报警数据、车辆轨迹数据、车辆违章行为以及车辆异常数据，获取两客一危的实时位置、车辆入网数、车辆在线率、车辆在线时长以及车辆平均运行速度。

对于两客一危，同样能获取其行驶状态和车辆状态，方便进行管理，并使乘客方便乘车，提高了管理效率，且降低了出现异常事故的概率，并能很好的处理突发事件。

作为上述方案的进一步优化，所述步骤f包括以下步骤：

如果交通工具为公交车，则通过可视化界面展现公交车实时位置、站点上下车人数、车内人数状况、客流OD矩阵、公交线路路段流量、公交线路断面流量和公交车平均运行速度；

如果交通工具为出租车，则通过可视化界面展现出租车实时位置、出租车上下客密集区域图、出租车行径跟踪、出租车空载率、载客时长、打车需求时间分布、打车需求空间分布和出租车平均运行速度；

如果交通工具为两客一危，则通过可视化界面展现车辆的实时位置、车辆轨迹回放、车辆入网数、车辆在线率、车辆在线时长和车辆平均运行速度。

在本技术方案中，通过百度地图和百度Echarts基于Javascript的数据可视化图表库,提供直观、生动、可交互、可个性化定制的数据可视化图表展示，使非专业工作人员也能直观、快速的了解相应交通工具的交通运行情况，减少了工作人员培训的时间成本和资源成本，提高了人机交互体验感，使内容更简洁、直观，方便进行数据查看以及操作。

作为上述方案的进一步优化，还包括以下步骤：

将分析后的交通运行状态数据储存至云端服务器，并根据客户数据需求，结合云端服务器存储的其余数据对该分析数据进行预测。本技术方案提供数据预测功能，其基于云储存服务，针对客户和公众的数据要求，提供专人的数据分析和预测，给予客户和公众良好的体验。

本发明的有益效果是：

1、本发明实现交通大数据信息整合，共享资源。

2、实时发现异常动向，引导相关管理部门提前介入，进行相关工作，解决群体事件之类的传统管理难题。

3、本发明通过通过海量交通运输数据的挖掘应用，持续发现并优化可推广经验，来规范出租车行业、公交行业、两客一危运输行业等的经营行为及有效监管，激发这些行业发展的活力、增强行业发展的内生动力。

4、为政府精准管理提供基于数据证据的综合决策；同时，大数据的挖掘和使用还有利于催生信息消费新模式，促进信息消费产业发展。

附图说明

图1是本发明实施例所述基于交通数据的大数据分析方法的整体流程图；

图2是本发明实施例所述双目视频数据信息的示意图；

图3是本发明实施例所述公交车IC卡数据仓库的示意图；

图4是本发明实施例所述出租车GPS数据信息的示意图。

具体实施方式

下面结合附图对本发明的实施例进行详细说明。

实施例

如图1所示，一种基于交通数据的大数据分析方法，包括以下步骤：

a、交通运行状态数据的采集及特征：

基于GPS数据、双目视频数据、IC卡数据、车载WIFI数据以及车载终端采集交通工具的交通运行状态数据，且交通工具为公交车、出租车以及两客一危中的一种或多种，其中：

a101、基于GPS数据，采用GPS/北斗双模定位系统的公交车、出租车、两客一危的数据集，在行驶过程中定期记录车辆位置、速度及行驶方向等信息的数据集，该数据集中包含有车辆行驶的各种信息，包括、载客状态和地理位置等；

a102、基于双目视频数据，通过在公交车前后门车口处安装两个摄像头，获取视频图像，通过图像识别的技术，对连续图像进行处理，确定上下车人数，如图1所示，双目视频数据包括上车人数、下车人数、GPS数据、当前上时间和当前下车时间；

a103、基于IC卡数据，公交IC卡收费系统记录了公交IC卡乘客的乘车信息，我国国内各城市采用的IC卡系统的数据字段及属性大致相同，IC卡系统数据字段主要包括卡类型、卡号、刷卡日期、刷卡时间、公交线路号、车辆编号和消费金额等，乘客每次使用公交IC卡刷卡上车，IC卡系统就会自动生成一条记录，通过全天的刷卡记录就可知道每一位乘客的今天公交出行信息；

a104、基于车载WIFI数据，通过设备探针在手机连接WIFI功能打开状态下采集到手机WLANMAC地址，同一台设备可以重复采集多次，不同设备也可同时采集到该数据，每秒采集一次数据用于数据分析，对乘坐公交车的人信息进行统计和分析，如每天的客流量、路人信息、流失客户信息、乘坐公交车客户信息、客户驻留时间，新乘坐客户信息、多次乘坐客户信息等进行初步分析；

a105、基于车载终端，车载终端由GPS+4G组成，利用无线通讯网络与监控调度管理中心进行双向信息传输，通过接收GPS定位信号，对车辆状态进行检测，并将状态数据传送到监控中心，同时接收监控调度管理中心的调度信息或控制数据并对车辆进行控制，车载终端回传数据内容一般包括车辆ID号、经纬度、速度、航向、时间、车辆状态、音视频、请求服务等信号；

b、交通运行状态数据的存储：

建立数据仓库，利用关系型数据库SQLServer和分布式文档存储数据库Hadoop整理采集的全部数据；实现对内部数据存储模块的管理与维护，在对输入的采集数据进行粗略的剔除后，得到的数据成为挖掘数据源；挖掘数据源是存放在数据库和数据仓库中的，而对挖掘数据源进行操作的算法、约束条件等部分则被存放在数据知识仓库里面；

b101、建立公交数据仓库包括以下信息，其相关基础数据的关系如图3所示，

IC卡记录单个乘客刷卡信息，主要包括乘客卡号(IO)、线路号(x)、刷卡日期(DATE)、刷卡时刻(T)、刷卡站点(P)、车辆代号(C)；其中IC卡信息不直接记录刷卡站点，在数据仓库中是利用线路调度数据采用时间匹配的方法来确定的；

双目视频数据信息，如图2所示，主要包括设备ID、所属组织、开始时间、结束时间、上车人数、下车人数、时间、GPS数据等；

车载WiFi数据，主要包括每天的客流量、路人信息、流失客户信息、乘坐公交车客户信息、客户驻留时间、新乘坐客户信息、多次乘坐客户信息以及候车乘客人数；

b102、建立出租车数据仓库，在行驶过程中定期记录车辆位置、速度及行驶方向等信息的数据集，该数据集中包含有车辆行驶的各种信息，包括出租车信息、时间、经度、纬度、方向等；具体如图4所示，其中，载客状态栏中，为0，表示未载客，即空载；为1，表示载客；且数据集中使用的数据经纬度都是采用坐标，提高定位准确度，当前时间栏表示出租车数据上传至终端时的时间，其作用是确定载客状态发生变化的时间，以此来确定上下客的时间；

b103、建立两客一危数据仓库，主要包括GPS数据、车辆信息数据、车辆的实时位置、车辆入网数、车辆在线率、车辆在线时长、驾驶员驾驶时间、违规次数、事故次数等；

c、交通运行状态数据的预处理：

对数据分析挖掘前需要对其进行数据预处理，保证数据分析挖掘的准确性，数据预处理主要是对数据中会对结果产生严重干扰或者影响的数据进行清理、集成、转换和规约，去除数据中的冗余数据、填充数据中的缺失数据；通过对数据进行预处理后可提高数据质量，可加快数据挖掘的过程，且可避免因为数据的质量问题带来的挖掘结果错误，提高挖掘结果的可靠性以及真实性；

c101、数据描述，静态数据和动态数据是车辆相关的两类数据，静态数据是与车辆运营相关的随时间变化不大的数据，主要包括车辆相关的数据信息、车辆运行的线路信息等；动态数据是车辆在运行过程中动态产生的数据信息，主要包括GPS数据、车辆客流数据以及乘客的IC卡刷卡数据等；

c102、采集到的GPS数据记录可能存在数据属性异常或者有重复的数据情况，也可能有些属性值缺失；

c103、对于数据缺失值利用Map Reduce进行处理，其处理流程如下：

1)读取配置文件，其中包含列对应填充的默认值；

2)在Map阶段,输入的key是数据的偏移量，value是一行数据的内容，然后判断value中各个字段的值是否含有缺失值，根据列对应的默认值进行处理；

3)在Reduce阶段，将Map阶段产生的数据输出到文件系统保存即可；

c104、对于数据重复的处理流程如下：

在采集到的数据中，相同数据造成的数据冗余现象时常发生，对于重复数据的处理，通常采取的做法是只保留重复数据中的某一条数据信息，数据去重是让原始数据中出现次数超过一次的数据在输出文件中只出现一次，利用Map Reduce去除重复数据的方法是将同一个数据的重复记录分配到同一个reduce去处理，在Reduce过程中只保留一条相同的数据记录；

c105、对于数据异常的处理流程如下：

异常数据指的是存在偏离期望的孤立点值或者错误信息，数据中存在异常数据有很多因素，比如在采集公交数据阶段硬件采集设备可能出现了问题，数据传输阶段可能因为网络链路的问题使得数据丢失，抑或存储数据的硬盘等介质出现问题；异常数据的产生是不可避免，所以对其进行预处理是必不可少的，本发明采用阈值法对抽取的公交数据进行异常检测，如设定每天每条线路的刷卡量最大为30000，最小为3000，采用均值替换法修复噪声数据；

d、交通运行状态数据的分析处理：

当数据经过预处理之后，通过数据知识仓库中的相关挖掘算法及规则对预处理过的数据进行数据挖掘操作，采用统计分析法中的时间数列及动态分析法和数据挖掘算法建立数据分析模型，数据挖掘的算法种类多种多样，在解决实际问题时需要根据具体问题的特点选择不同的数据挖掘算法；采用的数据分析算法包括分类、回归分析、聚类分析、多维关联规则以及神经网络法；

d101、公交车数据分析：

1)统计站点上车人数：

已知乘客的刷卡站点和刷卡时间信息，可运用简单的统计方法得到任意时间段各站点上车的人数，子集sub Re(k，i)包含的记录条数SUM(sub Re(k，i))即为k过程m站点的上车人数，则全天各站点上车人数可表示为线路总上车人数为

根据各子集sub Re(k，i)的刷卡时刻可得到各时段站点上车人数和线路总客流量的数据,表示为“COUNT(sub Re(k，i))WHERE T≥t₀ AND T≤t₁”(t₀，t₁为分析时段的时间上限和下限)；

考虑公交IC卡使用率，需要对统计得到的上车人数作进一步调整；根据该线路调查日运营的现金收入推测得到全天投币乘车的人数S₀，则该线路IC使用率r＝S/(S+S₀),调整后全天各站点上车人数为S＇＝S/r，线路总上车人数为S＇_i＝S_i；基于视频信息的上车人数，可与IC卡统计的各站点上车人数作比较；

2)推算站点下车人数：

基于IC卡数据推算下车人数，公交乘客下车不刷卡，因此，根据IC卡数据不能直接统计得到站点的下车人数，通常公交线路客流的流量流向是比较稳定的，乘客由某站点上车到某站点下车的概率也是较稳定的，用p表示在站上车乘客在j站下车的概率，建立下车概率矩阵P＝(P_ij)m×m，利用站点吸引率X_i来确定所吸引率反映站点对乘客出行的吸引强度；考虑到上下行线路客流的对称性，即上(下)行线路各站点上(下)车人数占总上(下)车人数比例与下(上)行线路相应站点下(上)车人数占总下(上)车人数比例接近，根据下行线路各站点上车人数S＇_bi运算得到线路各站点的吸引权重

显然i站点上车的乘客可能在i+1，i+2，…，m站点下车，得到站点下车矩阵的确定公式

线路单向运行，因此，起点站下车乘客数为0，即D₁＝0；第2站点下车人数来自于站点1，可得到D₂＝S′₁×P₁₂，类推得到各站全天下车人数基于视频信息的下车人数，与IC卡推算的下车数作比较，下车人数更准确；

3)推算线路断面流量：

线路上客流量最大的断面，把一条线路各个断面上客流量分上行与下行，按始站到末站的先后次序排成一个数列，这个数列就是线路断面上客流动态，在这串数列中最重要的数据，就是上、下行的客流最大断面的数据；

已知站点上车人数S′_i、S′_ki(车次k的各站点上车人数)及相应上车时间t_ki，利用各站全天下车人数D_i的计算公式，推算下车人数D_i、D_ki(车次k的各站点下车人数)及相应下车时间t′_ki＝t_ki，由于站点i与站点i+1间的断面流量为前i个站点的上车人数与下车人数之差，则站点i与站点i+1间车次k的断面流量站点i与站点i+1间全天断面流量将高峰时段断面客流量累加得到高峰小时各断面流量Q_i(i+1)max，i＝1，2，3，…，m-1；

4)站点间公交车平均运行时间：

在统计分析各站上车人数时，得到各站点上车刷卡记录子数据集，将子数据集的平均刷卡时刻作为该次车到达站点的时刻t_ki＝AVERAGE(T)From subRe(k，i)(k次车到达站点i的时刻)；由此，相邻站点车辆平均运行时间为

已知站点间平均站距可得到站点间车辆平均运行速度基于视频信息的公交车运行时间，各站点关门到站点开门的时间为运行时间t_k(i+1)，到站开门到关门的时间为停留时间t_i，可得到公交运行时间为t_k(i+1)-t_i，则可得到平均运营时间同样可得到平均运行速度；

5)公交车站点500米覆盖率：

本发明以公交站点为圆心，以500米为半径作圆，计算两个站点之间的覆盖面积，取到所在区域纬度(lng1，lng2)，经度(lat1，lat2)，即可获得所在区域面积，之后将整个制定区域划分成规则的矩形，同时给予唯一编号；每个小矩形的大小为经纬0.02×0.02(矩形越小，准确率越高)，根据站点500米的所在区域的画出所有小矩形，覆盖区域内相重叠时，同时两站点出现相同矩形编号，则筛出相同矩形，即可得到站点500米覆盖面积，从而算出覆盖率；

d102、出租车数据分析：

1)出租车空驶率计算：

出租车空驶率是一项能够直观反映出营运出租车的营运状况和出租车拥有量是否合理的指标，指单位时间内出租车空载行驶里程与总行驶里程之比；空驶率包含时间空驶率和里程空驶率两部分，时间空驶率表示为没有搭载乘客行为的时间占总运营时间的比例，里程空驶率表示为无搭载乘客行为车辆的行驶里程占总行驶里程的比例，空驶率的计算思想是：将根据时段进行分类，可以得到出租车的载客状态随空载的变化情况，从而得到出租车空载率指标值，根据出租车里程空驶率的定义，得K＝S_i/S_j，其中K为出租车平均空驶率，S_i、S_j分别为出租车总空载行驶里程和总行驶里程；

按照时间将出租车GPS数据进行排序，挑选出运营状态为“0”的GPS数据，将这些GPS数据匹配到地图上；再根据这出租车的GPS点确定出租车的行驶轨迹，从而确定每辆出租车的空载行驶里程，将所有的出租车的空载行驶里程进行叠加，得到出租车的总空载行驶里程S_i；通过计算，得到出租车总行驶里程S_j，代入式K＝S_i/S_j中得到出租车平均空驶率；

2)出租车打车需求空间分布：

区域定位为纬度在X₁到X₂之间，经度在Y₁到Y₂之间，之后将整个制定区域划分成规则的矩形，每个小区域的大小为经纬0.02×0.02，将经纬度分别为lat，lng的位置计算后划分到相应区域并计算其区域编号，计算公式如下：

Location＝(floor((CONVERT(decimal(7，3)，lng)-X₁×50)+floor((CONVERT(decimal(7，3)，lat)-Y₁)×50)×34)；

其中decimal(7，3)函数定义了数据的精度为7位有效数字小数点前3位数字，CONVERT(decimal(7，3)，lng)函数为将数据集中的经度信息转换成一共7位有效数字小数点前3位数字的数字格式，floor()函数为对括号内的数字向下取整，以使得到的区域编号均为整数；

将行车的起始位置startP和终止位置endP转换成相应的坐标lat1，lng1，lat2，lng2，计算公式如下：

行车起始位置lat1，lng1和终止位置lat2，lng2之间的实际距离计算公式如下：

D＝r×Arccos(C)×π/180；其中r为地球半径，r＝6730km，D为两个GPS点之间的距离；

3)出租车平均运行速度分析：

根据单车匹配的路链结果，匹配GPS点的时间计算单路链平均速度；多个匹配点路链移动距离的计算公式为：

根据多个点得到距离后，计算得到近似的路链平均速度其中V表示速度，t表示时间，d表示两个GPS点之间的距离，t_n表示浮动车的第n个GPS点；

d103、两客一危数据分析：

1)两客一危的空间分布分析：

基于GPS数据，根据出租车的空间分析方法，同样可以计算出客车运营轨迹分布；

2)两客一危的运营平均速度分析：

基于GPS数据，根据出租车的平均运行速度分析方法，同样可以得到客车平均运行速度；

e、交通运行状态数据的模式评估：

该部分的主要作用是评估数据挖掘的结果，看数据挖掘的结果是否合格，之后再根据模块评估的结果反作用于数据挖掘操作；如果该模块的模式评估发现数据输出的结果与用户实际应用相差较大，则模式评估模块会发出指令，让系统对数据重新进行挖掘处理，而且会对有问题的步骤重点操作，当评估结果显示通过时，需要将数据处理所得到的结果传送至知识输出模块，由知识输出模块对其进行最后的数据处理操作；

f、交通运行状态数据的可视化分析展示：

通过百度地图和百度Echarts基于Javascript的数据可视化图表库，提供直观、生动、可交互、可个性化定制的数据可视化图表展示；原始坐标经过坐标转换成百度地图坐标，可视化分析方法采用热力图、折线图、饼图等；

f101、对于公交车的可视化，展现公交车实时位置、站点上下车人数、车内人数状况、客流OD矩阵、公交线路路段流量、公交线路断面流量和公交车平均运行速度；

f102、对于出租车的可视化，展现出租车实时位置、出租车上下客密集区域图、出租车行径跟踪、出租车空载率、载客时长、打车需求时间分布、打车需求空间分布和出租车平均运行速度；

f103、对于两客一危的可视化，展现车辆的实时位置、车辆轨迹回放、车辆入网数、车辆在线率、车辆在线时长和车辆平均运行速度；

g、交通运行状态数据的云存储服务：基于云储存服务，给予客户和公众良好的体验；对于分析数据的预测，这部分针对客户和公众的数据要求，提供专人的数据分析和预测。

以上所述实施例仅表达了本发明的具体实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

Claims

1.一种基于交通数据的大数据分析方法，其特征在于，包括以下步骤：

c、对整理后的交通运行状态数据进行数据预处理；

2.根据权利要求1所述的基于交通数据的大数据分析方法，其特征在于，所述步骤a包括以下步骤：

3.根据权利要求1或2所述的基于交通数据的大数据分析方法，其特征在于，所述步骤b包括以下步骤：

4.根据权利要求1或2所述的基于交通数据的大数据分析方法，其特征在于，所述步骤c包括以下步骤：

c1、获取交通运行状态数据的静态数据和动态数据；

5.根据权利要求1或2所述的基于交通数据的大数据分析方法，其特征在于，如果交通工具为公交车，则所述步骤d包括以下步骤：

6.根据权利要求1或2所述的基于交通数据的大数据分析方法，其特征在于，如果交通工具为出租车，则所述步骤d包括以下步骤：

d5、结合上述数据，得到出租车上下客高峰期信息。

7.根据权利要求1或2所述的基于交通数据的大数据分析方法，其特征在于，如果交通工具为两客一危，则所述步骤d包括以下步骤：

8.根据权利要求1或2所述的基于交通数据的大数据分析方法，其特征在于，所述步骤f包括以下步骤：

9.根据权利要求1或2所述的基于交通数据的大数据分析方法，其特征在于，还包括以下步骤：

将分析后的交通运行状态数据储存至云端服务器，并根据客户数据需求，结合云端服务器存储的其余数据对该分析数据进行预测。