CN108922178B - 基于公交多源数据的公交车辆实时满载率计算方法 - Google Patents

Abstract

本发明公开了基于公交多源数据的公交车辆实时满载率计算方法，包括公交车乘客刷卡数据预处理；公交车辆GPS数据与公交线路基础数据的关联匹配技术；基于公交车多源数据的公交车辆实时满载率计算方法。首先对公交车动态IC卡数据、GPS数据进行提取、筛选、剔除等预处理，然后通过GPS数据与公交线路基础数据关联匹配，提取公交车辆运行状态信息。同时，基于历史刷卡数据分线路动态计算车辆扩样系数并确定动态满载率校验区间阈值。最后通过计算机技术，实时接入整合完成的动态刷卡数据表。本发明整合了乘客刷卡数据、车辆GPS数据等动态数据以及公交线路基础数据和车辆物理参数等静态数据，构建了公交车辆实时满载率的计算模型。

Description

基于公交多源数据的公交车辆实时满载率计算方法

技术领域

本发明属于智能公交技术领域和公共交通数据挖掘领域，具体涉及一种基于公交多源数据的公交车辆实时满载率计算方法。

背景技术

近年来，随着公交都市这一概念的提出，公交发展状况和乘坐舒适度也日益受到交通决策者和出行者的重视，公交出行拥挤程度也成为人们最为关注的热点。因此，动态获取公交车辆实时满载率，能为公交出行者、运营管理者提供重要的公交车辆运营信息，帮助出行者进行出行决策和运营管理者开展动态的公交优化调度。

我国大部分城市在公交行业投入巨大，但是在公交动态信息监测、公交优化调度、服务质量评价等方面的手段还相对滞后。居民选择公交出行的意愿不高，一定程度上导致了公共交通资源的浪费。公交车辆实时满载率能够不间断的监测公交车辆拥挤程度的变化状况，为公交车辆优化调度、提升公交车辆服务质量以及评价公交运行效率提供更好的数据支撑。基于此，有必要对公交车辆满载率进行动态监测。在之前的相关研究中，申请号为201510509248.5的专利提出了一种基于公交移动WIFI热点的车辆满载率实时计算方法，其利用公交移动WIFI 热点作为基本技术支撑点，以公交线路中指定的公交车辆为研究对象，获得公交车辆位于其运营时间段内的满载率。该方法对于公交车辆内乘客数量计算的准确性有待提高，同时，该方法不具有普遍适用性。

随着大城市公交线网规模、用户规模的不断扩大和公交数据质量的不断提升，公交刷卡数据作为一种格式统一、准确度高、时效性强的交通数据源，能够全天候、不间断的实时记录公交车辆的客流登降量，并且基本实现了全公交线网交易数据的集中式、统一式存储与调用，这为实时分析IC卡交易数据提供了基础条件。利用公交IC卡交易数据，可以对公交车辆上、下车人数进行高效准确识别与统计分析，进而匹配公交线路基础信息和公交车辆的额定载客量等静态基础数据计算公交车辆的实时满载率。因此，基于公交客流的历史时空分布规律和特征，对公交车辆实时刷卡数据进行分析与挖掘，能够准确高效的计算公交车辆的实时满载率。该方法具有计算快速、低成本以及适用强的优势，同时，亦可保证计算数据精确性的要求。

发明内容

本发明的目的是为了提供一种高效、快捷、准确的基于公交动态数据的公交车辆实时满载率的计算方法，其利用公交IC卡交易数据、公交GPS数据、公交线路基础数据以及公交车辆物理参数数据等公交多源数据为基础，结合数据库分析技术、计算机编程技术提取公交车辆实时满载率算法。利用本发明的方法，动态获得当前公交车辆实时满载率，以此来判断公交线路周边乘客出行需求的时空分布特征，为运营管理者提供重要的动态公交信息，帮助出行者决策和运营管理者开展动态的公交优化调度，并最终达到各条公交线路乘客的乘车需求与公交车辆的供给能力最优化平衡。本发明方法计算效率高，适用度广，同时，也能保证满载率计算的精确性要求。

为实现上述目的，本发明采用了以下技术方案：

基于动态数据的公交车辆实时满载率计算方法，该方法包括以下步骤：

步骤1：基础数据预处理

步骤1.1公交IC卡交易数据预处理；

城市公交车辆上配有公交IC卡读取终端设备，乘客刷公交IC卡，公交IC 卡的交易数据会实时导入数据中心的数据库中进行统一存储，乘客刷公交IC卡的交易数据包含用户卡号、交易时间、线路号、车辆号、上下车站号和上下车标识等信息，如表1所示。

表1 IC卡交易数据字段表

公交IC卡的交易数据预处理包括以下步骤：

S1.从原始公交IC卡刷卡交易数据的字段中提取出计算公交车辆实时满载的关键交易数据字段，关键交易数据字段包括：刷卡记录号、一卡通卡号、运营线路号、车辆号、设备号、上下车站号、上下车标识和交易时间等八个数据字段。

S2.删除缺失关键数据字段的刷卡数据。

S3.剔除关键数据字段异常的刷卡数据。

步骤1.2公交车辆运行状态数据信息提取；

公交车配备车载GPS设备，GPS设备的数据实时回传间隔为30秒。首先，对公交车GPS设备的数据进行数据筛选与清除，然后将公交车GPS设备的历史数据与GIS地图进行关联匹配，生成公交车线路数据表，为提取公交车动态运行信息奠定基础。具体步骤如下。

S1.公交车GPS数据预处理；

公交车GPS的定位数据通过搭载在公交车上的车载GPS设备进行终端实时采集，数据字段表形式如表2。

表2公交GPS数据表

对公交车GPS数据进行预处理，主要包括以下步骤：

(1)删除公交车GPS坐标点经纬度为0的异常数据；

(2)剔除公交车GPS坐标点不在监测区域的坐标范围内的异常数据；

S2.生成公交车线路数据表；

公交车线路数据表是基于动态的公交车载GPS数据实时提取公交车运行状态的重要基础。将公交线路基础数据与GIS地图数据进行关联匹配，提取公交车线路的弧段信息，生成公交线路数据表。生成公交线路数据表的步骤如下：

S2.1：将各条公交车线路中的站点位置信息与GIS地图数据进行关联匹配，然后基于A*算法搜索最短公交车路径，作为该公交车线路的初始路径。

S2.2：对生成的初始最短公交路径的弧段信息进行人工校核。因为基于算法确定的初始公交车线路弧段信息可能与实际公交车线路的某些弧段信息不完全匹配，导致生成的公交车线路数据表错误，以致后期实时回传的公交车GPS数据与生成的线路数据匹配不成功。因此，需要参照实际公交车线路信息，人工校核公交车线路的弧段信息，保证弧段的准确性和连续性。

S2.3：确定公交站点位于线路弧段的比例。

S2.4：最后，生成公交车线路数据表。公交车线路数据表包括了每条公交线路双方向的弧段信息，为提取公交车运行状态信息提供基础。其关键数据字段表 3。

表3公交车线路基础数据表

S3.提取公交车运行状态信息；

将实时回传的GPS数据逐一的投影在公交车线路的对应弧段上，进行弧段序列关联匹配，实时提取公交车运行状态。基于匹配结果，实时判别公交车的运行方向、运行位置等状态信息。

步骤1.3数据关联匹配；

以步骤1.1处理的公交车乘客刷卡数据、步骤1.2处理的公交车运行信息数据为基础，提取出公交车乘客刷卡时刻公交车的运行信息数据，然后依据车辆号码数据字段进行关联匹配，提取出计算公交车实时满载率的刷卡数据整合结果表。如表4所示。

表4计算实时满载率的公交刷卡数据整合结果表(部分数据)

上述整合表主要包括ID、线路号、方向、站点号、车辆号、设备号、用户卡号、上下车标识以及交易时间。基于上表整合后的公交车乘客IC刷卡数据，计算该公交车内的乘客数量。

步骤2：计算公交车内乘客数量

上述整合完成的公交车乘客IC刷卡数据，进行公交车内乘客数量的计算。公交车内乘客数量记为N′，每接收一条公交车乘客IC刷卡记录都要进行刷卡记录的有效性判别以去除重复的刷卡记录，若回传的上车刷卡记录有效，则该公交车的车内乘客数量加1，若回传的下车刷卡记录有效，则该公交车内乘客数量减 1，公交车辆满载率计算的时间粒度记为1分钟。当该班次公交车单程运行结束时，公交车内人数归0(公交车内人数初始化)，计算该公交车下一班次的车内人数。具体的步骤如下所示。

步骤2.1刷卡数据的有效性判别；

回传的公交车乘客IC刷卡记录可能存在重复，利用上下车标识数据字段判断回传公交车乘客IC刷卡记录的刷下车状态。对于每一条回传的上车刷卡记录，判别该车辆同一班次是否出现同一用户的上车刷卡记录，若该刷卡记录之前出现同一用户的上车刷卡记录，则该条上车刷卡数据视为无效IC刷卡数据，不参与该班次公交车辆内乘客数量的运算。

针对回传的下车刷卡记录，判断该下车刷卡记录是否有一条与之对应的该班次同一用户的上车刷卡记录，如果该条下车记录之前未出现对应的上车刷卡记录，则该条下车刷卡记录视为无效IC刷卡数据，不参与该班次公交车辆内乘客数量的计算。

步骤2.2确定公交车内乘客数量扩样系数；

基于历史统计数据，以动态满载率计算日期为节点，统计分析前一周时间内该公交线路乘客IC刷卡数量与总乘客数的比值，以天为单位统计，求出一周内均值记为该公交线路当天的扩样系数用A_i来表示，i为具体线路编号；

经过上述步骤，公交车辆内乘客数量的计算公式如下：

N＝N′×A_i

N——单个公交车辆内实时乘客数量；

N′——根据刷卡交易数据确定的动态刷卡乘客数量；

A_i——公交车辆内乘客数量的扩样系数；

步骤2.3设置公交车内乘客数量统计校验区间；

以公交车动态满载率的计算日期为时间节点，基于历史数据、以15分钟为时间粒度统计分析前一周该公交线路车辆满载率，筛选出前一周时间内该公交线路车辆满载率峰值(MZL_max)作为当日动态满载率计算的区间阈值。即实时满载率计算的阈值区间为0＜MZL_t＜MZL_max。

基于动态满载率计算的区间阈值，对现有模型测算出来实时满载率结果进行校验和修正。

步骤2.4公交车内乘客数量初始化；

根据回传数据中的DIRECTION数据字段判断公交车辆运行方向的变化，当公交车辆的运行方向发生变化时，公交车辆内部人数归0，开始该车辆下一班次的车内乘客数量统计。这样可以最大限度的避免车内人数形成累计误差，导致实时满载率计算结果的准确性下降。

步骤3：确定公交车辆额定载客量

结合步骤2中动态计算的公交车内的乘客数量，确定该公交车辆的额定载客量，实时计算公交车的满载率。

公交车辆额定载客量是国家对各种公交车定员的规定中获得，为公交车辆的座位数与站位数之和。在《客车装载质量计算方法》(GB/T12428—2005)中，城市公交车的额定载客量可用下式计算：

式中：

N_e——公交车辆额定载客量；

S_S——设计乘客座位数；

Z_s——可站立乘客的有效面积；

Z_sp——每位站立乘客所占的有效面积，m²/人；

根据国家标准《机动车运行安全技术条件》 (GB/T7258—2004)的规定，公交车辆的额定载客量“按站立乘客用的地板面积计算：城市公共汽车及无轨电车按每1人不小于0.125m2核定”。现行的车型定员都是按照《机动车运行安全技术条件》规定的极限定额计算的，即S_sp取最小值0.125m²/人，即公交车辆的额定载客8人/平方米。

步骤4：计算公交车辆实时满载率

由上述步骤2动态计算的公交车的车内人数和步骤3得到的公交车的额定载客量，计算公交车的实时满载率。公交车满载率由车内的乘客数量除以公交车辆额定载客量，实时满载率计算的时间粒度为1分钟，计算公式如下:

MZL_t——t时刻该公交车辆实施满载率值；

N_t-1——t-1时刻该公交车辆内的乘客数量；

ΔP₁——1分钟时间内该公交车辆的上车人数；

ΔP₀——1分钟时间内该公交车辆的下车人数；

N_e——公交车额定载客量。

将公交线路基础数据与GIS地图数据关联匹配，采用A*最短路径算法确定公交线路的初始路径，同时不断校核线路弧段信息，保证线路弧段的连续性与准确性，最终生成公交线路基础数据表。

通过实时车辆GPS数据与生成的公交线路数据表数据进行关联匹配，实时准确地掌握公交车辆运行方向、位置等重要信息；并通过与公交动态刷卡数据关联匹配，生成计算实时满载率的原始动态交易数据。

基于历史数据对扩样系数和动态满载率阈值进行标定，保证了实时满载率计算的准确性和科学性。

附图说明

图1公交多源数据预处理与关联匹配流程图；

图2基于公交多源数据的公交车辆实时满载率计算方法流程图；

图3实时满载率算法计算结果与实车调查结果对比图

具体实施方式

本实施例具体应用于北京市祥龙公交集团，以2018年1月4日回传的刷卡数据为基础，提取公交线路号为104，车辆号为7153的的公交车辆乘客动态刷卡数据为例，动态计算该车辆某时段的动态满载率。

本实施例包括以下步骤:

步骤1：基础数据预处理

将回传的公交车辆GPS数据与公交线路数据表进行匹配分析，得出最终的公交车乘客IC刷卡数据整合表。以线路号104，车辆号7153的乘客刷卡数据为例，公交车乘客IC刷卡数据整合表结果如表5所示。

表5公交车乘客IC刷卡数据整合结果表(车辆号7153)

上表结果将用于公交车内乘客数量的计算，基于相关程序算法，对上述回传数据进行有效性判别，计算公交车内乘客数量。

步骤2：计算公交车内乘客数量

基于实时回传的公交车乘客动态IC刷卡数据，统计计算公交车辆内乘客数量。步骤如下：

S1：首先，设计相关算法程序对回传的刷卡交易数据进行有效性判别，有效的公交车IC刷卡数据参与公交车辆实时满载率的计算。

S2：以动态满载率计算日期为时间节点，统计分析前一周时间内该公交线路乘客IC刷卡数量与总乘客数的比值，以天为单位统计，求出一周内均值记为该公交线路当天的扩样系数用A_i来表示，i为具体线路编号。历史数据示例如表6。

表6公交刷卡数据历史数据

根据历史数据确定2018年1月4日104公交线路的扩样系数为1.04，即A_i＝ 1.04。

S3：基于动态满载率计算前一周的历史数据，确定当日104路公交车动态满载率区间阈值，对2018年1月4日前一周公交满载率进行计算，得到该线路一周内满载率峰值为63.43％。该线路实时满载率计算的区间阈值为0＜MZL_t＜ 63.43％。

S4：基于上述步骤，即可实时计算公交车内乘客数据。当公交车的运行方向发生变化时，公交车内乘客数量归零。这样可以最大限度的避免公交车内乘客数量形成累计误差，导致实时满载率计算结果的准确性下降。

步骤3：确定公交车的额定载客量

公交车的额定载客量是从国家对各种公交车定员的规定中获得，为公交车辆的座位数与站位数之和。其计算公式如下式：

通过对祥龙公交集团的车辆进行实地调查可得，根据祥龙公交集团有限公司提供的说明，车辆号为7153的公交车辆实测有效站立面积为8.6m²，加上座位数40座，该车辆最大核定载客人数应为108人(40座位+8.6m²×8人)。

步骤4：计算公交车辆实时满载率

由上述步骤得到的公交车辆的车内人数，公交车辆满载率可由车辆内的乘客数量除以公交车辆额定载客量，计算公式如下:

MZL_t——t时刻该公交车辆实施满载率值；

N_t-1——t-1时刻该公交车辆内的乘客数量；

ΔP₁——1分钟时间内该公交车辆的上车人数；

ΔP₀——1分钟时间内该公交车辆的下车人数；

N_e——公交车额定载客量；

根据上述公式，编写计算公交车辆实时满载率的程序，依托数据库相关技术，接入整合完成的公交车乘客IC刷卡数据。同时，实地测量公交车座位数、有效面积等参数。最后，实时计算公交车辆的满载率。针对车辆编号为7153的公交车辆实时满载率计算结果如表7所示。

表7公交车辆实时满载率计算结果表(部分数据)

上表是基于动态满载率算法得到2018年1月4日的线路号104、车辆号7153 公交车辆的实时满载率(部分时段)，为了验证算法的适用性和有效性，2018 年1月4日同时段对该车辆进行了跟车调查，满载率调查的结果如表8所示。

表8公交车辆实时满载率跟车调查结果表(车辆号7153)

对比分析该发明得到的实时满载率和实地跟车调查得到的满载率数据，得出如图3所示对比结果。

根据对比分析结果可知，本发明计算结果准确度较高，能够准确实时的反应的公交车辆满载率的变化情况，具有普遍的适用性和有效性。本发明的应用可以为公交车辆优化调度、提升公交车辆服务质量以及评价公交运行效率提供更好的数据支撑。

Claims (3)

1.基于动态数据的公交车辆实时满载率计算方法，其特征在于：该方法包括以下步骤，

步骤1：基础数据预处理

步骤1.1公交IC卡交易数据预处理；

城市公交车辆上配有公交IC卡读取终端设备，乘客刷公交IC卡，公交IC卡的交易数据会实时导入数据中心的数据库中进行统一存储，乘客刷公交IC卡的交易数据包含用户卡号、交易时间、线路号、车辆号、上下车站号和上下车标识信息；

公交IC卡的交易数据预处理包括以下步骤：

S1.从原始公交IC卡刷卡交易数据的字段中提取出计算公交车辆实时满载的关键交易数据字段，关键交易数据字段包括：刷卡记录号、一卡通卡号、运营线路号、车辆号、设备号、上下车站号、上下车标识和交易时间八个数据字段；

S2.删除缺失关键数据字段的刷卡数据；

S3.剔除关键数据字段异常的刷卡数据；

步骤1.2公交车辆运行状态数据信息提取；

公交车配备车载GPS设备，GPS设备的数据实时回传间隔为30秒；首先，对公交车GPS设备的数据进行数据筛选与清除，然后将公交车GPS设备的历史数据与GIS地图进行关联匹配，生成公交车线路数据表，为提取公交车动态运行信息奠定基础；具体步骤如下；

S1.公交车GPS数据预处理；

公交车GPS的定位数据通过搭载在公交车上的车载GPS设备进行终端实时采集；

对公交车GPS数据进行预处理，包括以下步骤：

(1)删除公交车GPS坐标点经纬度为0的异常数据；

(2)剔除公交车GPS坐标点不在监测区域的坐标范围内的异常数据；

S2.生成公交车线路数据表；

公交车线路数据表是基于动态的公交车载GPS数据实时提取公交车运行状态的重要基础；将公交线路基础数据与GIS地图数据进行关联匹配，提取公交车线路的弧段信息，生成公交线路数据表；生成公交线路数据表的步骤如下：

S2.1：将各条公交车线路中的站点位置信息与GIS地图数据进行关联匹配，然后基于A*算法搜索最短公交车路径，作为该公交车线路的初始路径；

S2.2：对生成的初始最短公交路径的弧段信息进行人工校核；因为基于算法确定的初始公交车线路弧段信息可能与实际公交车线路的某些弧段信息不完全匹配，导致生成的公交车线路数据表错误，以致后期实时回传的公交车GPS数据与生成的线路数据匹配不成功；因此，需要参照实际公交车线路信息，人工校核公交车线路的弧段信息，保证弧段的准确性和连续性；

S2.3：确定公交站点位于线路弧段的比例；

S2.4：最后，生成公交车线路数据表；公交车线路数据表包括了每条公交线路双方向的弧段信息，为提取公交车运行状态信息提供基础；

S3.提取公交车运行状态信息；

将实时回传的GPS数据逐一的投影在公交车线路的对应弧段上，进行弧段序列关联匹配，实时提取公交车运行状态；基于匹配结果，实时判别公交车的运行方向、运行位置状态信息；

步骤1.3数据关联匹配；

以步骤1.1处理的公交车乘客刷卡数据、步骤1.2处理的公交车运行信息数据为基础，提取出公交车乘客刷卡时刻公交车的运行信息数据，然后依据车辆号码数据字段进行关联匹配，提取出计算公交车实时满载率的刷卡数据整合结果表；

刷卡数据整合结果表主要包括ID、线路号、方向、站点号、车辆号、设备号、用户卡号、上下车标识以及交易时间；基于上表整合后的公交车乘客IC刷卡数据，计算该公交车内的乘客数量；

步骤2：计算公交车内乘客数量

上述整合完成的公交车乘客IC刷卡数据，进行公交车内乘客数量的计算；公交车内乘客数量记为N′，每接收一条公交车乘客IC刷卡记录都要进行刷卡记录的有效性判别以去除重复的刷卡记录，若回传的上车刷卡记录有效，则该公交车的车内乘客数量加1，若回传的下车刷卡记录有效，则该公交车内乘客数量减1，公交车辆满载率计算的时间粒度记为1分钟；当该班次公交车单程运行结束时，公交车内人数归0即公交车内人数初始化，计算该公交车下一班次的车内人数；具体的步骤如下所示；

步骤2.1刷卡数据的有效性判别；

回传的公交车乘客IC刷卡记录可能存在重复，利用上下车标识数据字段判断回传公交车乘客IC刷卡记录的刷下车状态；对于每一条回传的上车刷卡记录，判别该车辆同一班次是否出现同一用户的上车刷卡记录，若该刷卡记录之前出现同一用户的上车刷卡记录，则该条上车刷卡数据视为无效IC刷卡数据，不参与该班次公交车辆内乘客数量的运算；

针对回传的下车刷卡记录，判断该下车刷卡记录是否有一条与之对应的该班次同一用户的上车刷卡记录，如果该条下车记录之前未出现对应的上车刷卡记录，则该条下车刷卡记录视为无效IC刷卡数据，不参与该班次公交车辆内乘客数量的计算；

步骤2.2确定公交车内乘客数量扩样系数；

基于历史统计数据，以动态满载率计算日期为节点，统计分析前一周时间内该公交线路乘客IC刷卡数量与总乘客数的比值，以天为单位统计，求出一周内均值记为该公交线路当天的扩样系数用A_i来表示，i为具体线路编号；

经过上述步骤，公交车辆内乘客数量的计算公式如下：

N＝N′×A_i

N——单个公交车辆内实时乘客数量；

N′——根据刷卡交易数据确定的动态刷卡乘客数量；

A_i——公交车辆内乘客数量的扩样系数；

步骤2.3设置公交车内乘客数量统计校验区间；

以公交车动态满载率的计算日期为时间节点，基于历史数据、以15分钟为时间粒度统计分析前一周该公交线路车辆满载率，筛选出前一周时间内该公交线路车辆满载率峰MZL_max作为当日动态满载率计算的区间阈值；即实时满载率计算的阈值区间为0＜MZL_t＜MZL_max；

基于动态满载率计算的区间阈值，对现有模型测算出来实时满载率结果进行校验和修正；

步骤2.4公交车内乘客数量初始化；

根据回传数据中的DIRECTION数据字段判断公交车辆运行方向的变化，当公交车辆的运行方向发生变化时，公交车辆内部人数归0，开始该车辆下一班次的车内乘客数量统计；

步骤3：确定公交车辆额定载客量

结合步骤2中动态计算的公交车内的乘客数量，确定该公交车辆的额定载客量，实时计算公交车的满载率；

公交车辆额定载客量是国家对各种公交车定员的规定中获得，为公交车辆的座位数与站位数之和；城市公交车的额定载客量用下式计算：

式中：

N_e——公交车辆额定载客量；

S_S——设计乘客座位数；

Z_s——可站立乘客的有效面积；

Z_sp——每位站立乘客所占的有效面积，m²/人；

S_sp取最小值0.125m²/人，即公交车辆的额定载客8人/平方米；

步骤4：计算公交车辆实时满载率

由步骤2动态计算的公交车的车内人数和步骤3得到的公交车的额定载客量，计算公交车的实时满载率；公交车满载率由车内的乘客数量除以公交车辆额定载客量，实时满载率计算的时间粒度为1分钟，计算公式如下:

MZL_t——t时刻该公交车辆实施满载率值；

N_t-1——t-1时刻该公交车辆内的乘客数量；

ΔP₁——1分钟时间内该公交车辆的上车人数；

ΔP₀——1分钟时间内该公交车辆的下车人数；

N_e——公交车额定载客量。

2.根据权利要求1所述的基于动态数据的公交车辆实时满载率计算方法，其特征在于：将公交线路基础数据与GIS地图数据关联匹配，采用A*最短路径算法确定公交线路的初始路径，同时不断校核线路弧段信息，保证线路弧段的连续性与准确性，最终生成公交线路基础数据表。

3.根据权利要求1所述的基于动态数据的公交车辆实时满载率计算方法，其特征在于：通过实时车辆GPS数据与生成的公交线路数据表数据进行关联匹配，实时准确地掌握公交车辆运行方向、位置重要信息；并通过与公交动态刷卡数据关联匹配，生成计算实时满载率的原始动态交易数据。

Images