CN108491932B - 一种城市公交多源数据时间误差消除方法 - Google Patents
一种城市公交多源数据时间误差消除方法 Download PDFInfo
- Publication number
- CN108491932B CN108491932B CN201810094927.4A CN201810094927A CN108491932B CN 108491932 B CN108491932 B CN 108491932B CN 201810094927 A CN201810094927 A CN 201810094927A CN 108491932 B CN108491932 B CN 108491932B
- Authority
- CN
- China
- Prior art keywords
- time
- data
- station
- passenger
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000008030 elimination Effects 0.000 title claims description 7
- 238000003379 elimination reaction Methods 0.000 title claims description 7
- 238000009826 distribution Methods 0.000 claims abstract description 18
- 108010076504 Protein Sorting Signals Proteins 0.000 claims abstract description 15
- 238000007906 compression Methods 0.000 claims abstract description 5
- 230000006835 compression Effects 0.000 claims abstract description 3
- 238000005070 sampling Methods 0.000 claims description 8
- 238000011835 investigation Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 abstract description 2
- 239000000284 extract Substances 0.000 abstract 2
- 238000013508 migration Methods 0.000 description 4
- 230000005012 migration Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/041—Abduction
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Navigation (AREA)
Abstract
本发明提供了一种城市公交多源数据时间误差消除方法,通过数据处理手段自动校正车辆自动报站系统(AVL)数据以及乘客刷卡(AFC)数据间存在的时间同步误差,该方法提取每一辆车的AVL数据与AFC数据,分别延拓为两路离散时间信号序列,在用户设定的时间误差搜索范围内求取两信号序列的时域互相关序列,提取取互相关极大值时对应的时间推移量,即为时间误差的实际值;本发明同时提供了一种输入数据的无损压缩方案,保证识别精度的前提下极大地提高了处理效率。本方法不需要对现有公交车载数据采集系统进行升级改进,且计算精度可控,有效提升了城市公交客流时空分布特征研究的数据有效性。
Description
技术领域
本发明涉及智能化公共交通技术领域,更具体地说,涉及一种城市公交多源数据时间误差消除方法。
背景技术
城市公交客流数据分析中,将AFC中的乘客刷卡数据与AVL中的车辆停站数据进行时间关联,推断乘客上车站点是其中第一步也是最重要的步骤,该步骤准确与否直接决定了后续步骤(如:下车站点推断、客流规律分析)的准确性。
基于时间关联的推断算法在实际应用过程中常常由于AFC与AVL两大系统时间不同步而错误推断乘客的上车站点,导致得到错误的乘客出行轨迹,无法满足实际应用需求。其中最常用的误差消除方法是通过GPS卫星时钟对AFC与AVL两系统进行时间同步校准。但该方法需要对每一辆公交运输车辆的设备进行改造,成本高昂,也无法校正已有数据中两数据源的时间偏差。
目前,已有的公交乘客上车站点推断方法按照基本原理可以分为两类:概率推断法、直接推断法。
概率推断法通过建立马可夫模型或贝叶斯概率推断模型,寻找使后验概率取得极大值的站点。但该方法存在明显的缺陷,公交车辆在两站点对间的行程时间会受到道路条件、车流量、驾驶员状态、能见度等因素的叠加影响,并不总是服从高斯分布,得到的模型存在偏差。直接推断法采用一定的时间阈值将乘客与AVL数据源中的车辆报站时刻进行时间关联,将AVL报站数据中与刷卡时刻最接近且满足时间阈值限制的站点推断为上车站点。该方法简单、易于实现,能够准确、唯一确定每一名乘客的上车站点。但该方法适用前提是AFC乘客刷卡与AVL自动报站系统间的时间误差已知且为恒定值。若两系统间存在未知时间误差,则无法得到上车站点或直接得到错误的上车站点。
综上,为提升城市公交客流时空分布特征研究的数据有可信度,并发挥海量历史数据的研究价值,需研发一种不依赖硬件设备且能够快速自适应的校准公交系统多源数据时间误差的计算方法。
发明内容
本发明的主要目的在于克服现有技术的缺点与不足,提供一种城市公交多源数据时间误差消除方法。该方法充分利用城市公交AVL数据及AFC数据延拓形成离散时间信号序列,通过极大化互相关序列求取AVL数据及AFC数据的时间误差,有利于后续对城市公交系统乘客时空特征进行数据挖掘和特征分析。
为了达到上述目的,本发明采用以下技术方案:
本发明一种城市公交多源数据时间误差消除方法,包括以下步骤:
S1、对每辆车的每一趟行驶,提取其所有乘客上车刷卡时刻,并按照时间先后排序,所述每一趟行驶定义为从起点站到终点站;
S2、通过跟车调查或历史数据获得相邻乘客刷卡时间间隔分布,定义为刷卡间隔分布;通过AVL报站数据得到城市公交相邻站点间行车时间分布,定义站间行程时间分布,定义两分布众数的均值为乘客刷卡数据时间分割阈值为ε,将相邻时间间隔小于ε的刷卡记录归为同一上车站点,即可将同一辆车同方向各站点的乘客刷卡数据分离;
S5、将YC和YV中每一个y=1的时刻延长为一个宽度为tw,幅度为1的正脉冲可得到两个离散时间信号序列SC,SV,其中,tw<ε/4;
S6、根据奈氏采样定理对SC,SV进行采样,其中采样间隔TS≤tw/2,得到信号压缩后的信号序列SC′,SV′;
S7、建立SC′、SV′两离散时间信号的互相关序列:
其中,τ为时间推移量,即两信号间的信号误差值;T为SC’(t-τ)与SV′(t)在时间轴上的重叠部分;
在τ∈[start,end]的范围内,以λ为步长,寻找τ′使得cor(τ)取得极大值,此时即有Td=τ′;
S8、得到时间推移量后,即可将时间推移量加到乘客上车刷卡记录的时间戳中,用更新时间戳后的刷卡记录与AVL报站记录进行时间关联,此时,得到的乘客上车站点不存在时间误差;
S9、继续处理下一趟行驶记录,直到处理完公交车行驶记录。
作为优选的技术方案,步骤S1中,还包括输入全样本的乘客乘车记录数据,所述全样本的乘客乘车记录数据包括:
a)AFC数据,所述AFC数据包括乘客标识、乘客刷卡上车时刻、车辆标识以及线路标识;
b)AVL数据,所述AVL数据包括车牌号、线路号、停靠站名称、进站时刻、出站时刻。
作为优选的技术方案,在a)中,所述乘客标识为对应的IC卡卡号;所述乘客刷卡上车时刻包括上车日期、时间,该时间精确到秒;所述车辆标识为车辆号;
在b)中,所述进站时刻包括进站日期、时间,该时间精确到秒;所述出站时刻包括出站日期、时间,该时间精确到秒。
作为优选的技术方案,步骤S3中,将离散时间戳转换为宽度为tw、幅值为1的离散时间信号序列。
作为优选的技术方案,所述步骤S6中,进行时间误差搜索之前,对离散时间信息序列SV、SC进行了信息压缩。
作为优选的技术方案,步骤S7中,通过构造离散时间信号序列,通过求取互相关序列极大值对时间误差Td进行搜索。
本发明与现有技术相比,具有如下优点和有益效果:
1、与传统算法相比,运用信息提取->信号相关的方法,大大降低了算法的复杂度,提高了运算效率。
2、在第七步搜索互相关序列极大值之前,在保证信息完整的基础上,对两离散时间信号序列进行了信息压缩,极大地提高了搜索算法的运算效率。
3、相比传统的方法,对乘客刷卡乘车记录的稀疏程度具有较强的鲁棒性,因此同样适合于某些站点无乘客刷卡记录的公交线路。
4、本发明基于公共交通乘客实际AFC及AVL数据搜索时间误差值,相较于传统增加硬件设备的方法,成本低廉,精度可控,并能用于处理历史数据。
附图说明
图1是本发明城市公交多源数据时间误差消除方法整体工作流程图;
图2(a)是本实施例乘客刷卡记录转换为离散信号波形图;
图2(b)是本实施例车辆报站记录转换为离散信号波形图;
图2(c)是本实施例两序列时域相关的波形。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
实施例
通过公交跟车调查,选取南方某城市某公交巴士2016年3月25日8时至15时的乘客刷卡记录与车辆报站记录,
如图1所示,本实施例一种城市公交多源数据时间误差消除方法,包括以下步骤:
第一步,对该车的每一趟行驶(定义为从起点站到终点站),提取其所有乘客上车刷卡时刻,并按照时间先后排序。
第一步中还包括下述内容:
输入全样本的乘客乘车记录数据包含以下信息:a)AFC数据,包括:乘客标识(可以是IC卡卡号);乘客刷卡上车时刻(包含日期、时间,且精确到秒);车辆标识(车牌号);线路标识。b)AVL数据,包括:车牌号;线路号;停靠站名称(或标识);进站时刻(包含日期、时间,且精确到秒);出站时刻(包含日期、时间,且精确到秒)。
第二步,跟车调查获得相邻乘客刷卡时间间隔分布,通过AVL报站数据得到城市公交相邻站点间行车时间分布,基于上述两分布设置乘客刷卡数据时间分割阈值为40s,将相邻时间间隔小于40s的刷卡记录归为同一上车站点,即可将同一辆车同方向各站点的乘客刷卡数据分离。
第五步,将YC和YV中每一个y=1的时刻延长为一个宽度为tw(tw<ε/4),幅度为1的正脉冲可得到两个离散时间信号序列SC,SV,分别为图2(a),图2(b)。由图2(a)、图2(b)可见,由于存在无人刷卡上车的站点,乘客刷卡时间序列较之报站时间序列更加稀疏。
第六步,根据奈氏采样定理(采样间隔TS≤tw/2)对SC,SV进行采样,得到信号压缩后的信号序列SC′,SV′。
第七步,建立SC′、SV′两离散时间信号的互相关序列:
其中,τ为时间推移量,即两信号间的信号误差值;T为SC’(t-τ)与SV′(t)在时间轴上的重叠部分。
在τ∈[-3600,3600]的范围内,以λ为步长,寻找τ′使得cor(τ)取得极大值,此时即有Td=τ′。两序列在0~3小时内时域相关结果(cor(τ))如图2(c)所示,时域相关的波形在0.5h时取得极大值,即该车AFC数据源与AVL数据源间的时间误差为0.5h,该结果与人工跟车调查的结果完全相符。
第八步,得到时间推移量后,即可将时间推移量加到乘客上车刷卡记录的时间戳中,用更新时间戳后的刷卡记录与AVL报站记录进行时间关联,此时,得到的乘客上车站点不存在时间误差。
第九步,继续处理下一趟行驶记录,直到处理完公交车行驶记录。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (4)
1.一种城市公交多源数据时间误差消除方法,其特征在于,包括以下步骤:
S1、对每辆车的每一趟行驶,提取其所有乘客上车刷卡时刻,并按照时间先后排序,所述每一趟行驶定义为从起点站到终点站;
S2、通过跟车调查或历史数据获得相邻乘客刷卡时间间隔分布,定义为刷卡间隔分布;通过AVL报站数据得到城市公交相邻站点间行车时间分布,定义为站间行程时间分布,定义两分布众数的均值为乘客刷卡数据时间分割阈值,将相邻时间间隔小于的刷卡记录归为同一上车站点,即可将同一辆车同方向各站点的乘客刷卡数据分离;
S9、继续处理下一趟行驶记录,直到处理完公交车行驶记录。
2.根据权利要求1所述一种城市公交多源数据时间误差消除方法,其特征在于,步骤S1中,还包括输入全样本的乘客乘车记录数据,所述全样本的乘客乘车记录数据包括:
a)AFC数据,所述AFC数据包括乘客标识、乘客刷卡上车时刻、车辆标识以及线路标识;
b)AVL数据,所述AVL数据包括车牌号、线路号、停靠站名称、进站时刻、出站时刻。
3.根据权利要求2所述一种城市公交多源数据时间误差消除方法,其特征在于,在a)中,所述乘客标识为对应的IC卡卡号;所述乘客刷卡上车时刻包括上车日期、时间,该时间精确到秒;所述车辆标识为车辆号;
在b)中,所述进站时刻包括进站日期、时间,该时间精确到秒;所述出站时刻包括出站日期、时间,该时间精确到秒。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810094927.4A CN108491932B (zh) | 2018-01-31 | 2018-01-31 | 一种城市公交多源数据时间误差消除方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810094927.4A CN108491932B (zh) | 2018-01-31 | 2018-01-31 | 一种城市公交多源数据时间误差消除方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108491932A CN108491932A (zh) | 2018-09-04 |
CN108491932B true CN108491932B (zh) | 2021-09-21 |
Family
ID=63344030
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810094927.4A Expired - Fee Related CN108491932B (zh) | 2018-01-31 | 2018-01-31 | 一种城市公交多源数据时间误差消除方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108491932B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102196559A (zh) * | 2011-05-04 | 2011-09-21 | 西安电子科技大学 | 基于tdoa定位的通道时延误差消除方法 |
CN105300553A (zh) * | 2015-09-08 | 2016-02-03 | 重庆大学 | 一种基于超声波二维测温装置的飞渡时间测量方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105185105B (zh) * | 2015-06-26 | 2017-05-03 | 东南大学 | 基于车辆gps和公交ic卡数据的公交换乘识别方法 |
CN105574137B (zh) * | 2015-12-15 | 2018-12-11 | 华南理工大学 | 一种基于公共交通多源数据融合的ic卡刷卡站点匹配方法 |
-
2018
- 2018-01-31 CN CN201810094927.4A patent/CN108491932B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102196559A (zh) * | 2011-05-04 | 2011-09-21 | 西安电子科技大学 | 基于tdoa定位的通道时延误差消除方法 |
CN105300553A (zh) * | 2015-09-08 | 2016-02-03 | 重庆大学 | 一种基于超声波二维测温装置的飞渡时间测量方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108491932A (zh) | 2018-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108154698B (zh) | 一种基于gps轨迹大数据的公交到离站精确时间计算方法 | |
CN111243277B (zh) | 基于车牌识别数据的通勤车辆时空轨迹重构方法及系统 | |
CN102682590B (zh) | 实时交通信息处理方法和装置 | |
CN109714709B (zh) | 一种基于历史信息的失联车辆位置预测方法和系统 | |
CN108802776B (zh) | 基于异常点剔除及轨迹压缩算法的公交gps纠偏方法 | |
CN110310477B (zh) | 基于公交gps与手机信令数据的公交客流检测方法 | |
CN110298516B (zh) | 一种基于客流od数据的拆分过长公交线路的方法、装置、移动端设备及服务器 | |
CN109523819B (zh) | 一种基于公交到离站的乘客ic卡数据与站点匹配方法 | |
CN107328423B (zh) | 基于地图数据的弯道识别方法及其系统 | |
CN109507699B (zh) | 车用卫星定位校正方法及装置 | |
CN105096590B (zh) | 交通信息生成方法和交通信息生成设备 | |
CN110853156B (zh) | 融合公交gps轨迹与ic卡数据的乘客od识别方法 | |
CN110969861B (zh) | 一种车辆识别方法、装置、设备及计算机存储介质 | |
CN109547930B (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 | |
CN106097717A (zh) | 基于两类浮动车数据融合的信号交叉口平均通行时间估计方法 | |
CN111768619A (zh) | 一种基于卡口数据的快速路车辆od点确定方法 | |
CN106441336A (zh) | 一种基于道路拥堵的导航系统 | |
CN111914691A (zh) | 一种轨道交通车辆定位方法及系统 | |
CN111649752B (zh) | 拥堵路段的地图数据处理方法、装置以及设备 | |
CN110135216B (zh) | 电子地图中车道数变化区域检测方法、装置及存储设备 | |
CN105046959A (zh) | 基于双窗口滑动匹配机制的城市道路行程时间提取方法 | |
CN108491932B (zh) | 一种城市公交多源数据时间误差消除方法 | |
CN111444286B (zh) | 一种基于轨迹数据的远距离交通节点关联性挖掘方法 | |
CN111222898B (zh) | 网约车的计程方法及计算机可读存储介质 | |
CN108709553B (zh) | 云端估算隧道内任意点通过速度模型的方法和装置 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210921 |