CN109637134B - 一种公交设备匹配方法 - Google Patents

一种公交设备匹配方法 Download PDF

Info

Publication number
CN109637134B
CN109637134B CN201811616516.3A CN201811616516A CN109637134B CN 109637134 B CN109637134 B CN 109637134B CN 201811616516 A CN201811616516 A CN 201811616516A CN 109637134 B CN109637134 B CN 109637134B
Authority
CN
China
Prior art keywords
equipment
time
bus
data
card punching
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
Application number
CN201811616516.3A
Other languages
English (en)
Other versions
CN109637134A (zh
Inventor
孙仁诚
隋毅
吴舜尧
邵峰晶
余翔
李�杰
吴梅
韩腾昊
李圣琀
陈厚坤
翟宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qingdao University
Original Assignee
Qingdao University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Qingdao University filed Critical Qingdao University
Priority to CN201811616516.3A priority Critical patent/CN109637134B/zh
Publication of CN109637134A publication Critical patent/CN109637134A/zh
Application granted granted Critical
Publication of CN109637134B publication Critical patent/CN109637134B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125Traffic data processing
    • G08G1/0129Traffic data processing for creating historical data or processing based on historical data
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/123Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams

Abstract

本发明属于智能交通系统技术领域,涉及一种公交设备匹配方法,具体步骤为:(1)采集乘客打卡的打卡设备编号、线路编号、线路名称、卡号、交易日期和时间;(2)采集公交到离站GPS的历史数据,GPS设备编号、线路编号、线路名称、停靠站点、到站时间、离站时间;(3)匹配候选集的生成;(4)时间分布相似性的计算;(5)关联结果的获取通过步骤(3)、(4),可以由一天的数据获得打卡设备p与GPS设备q为同一辆车,为了避免偶然性,同一车辆的打卡设备号和GPS设备号一定会在多天数据中出现关联,结合各天数据,取设备匹配结果的众数,即可得到打卡设备和GPS设备的对应关系,其设计构思巧妙,应用环境友好,市场前景广阔。

Description

一种公交设备匹配方法
技术领域:
本发明属于智能交通系统技术领域,涉及一种公交数据的统计方法,特别是一种公交设备匹配方法,用于城市公交数据同化处理和智能公交系统,能够有效统计公交客流数据。
背景技术:
公交客流量是城市公交网络规划和管理的重要数据,能够挖掘公交客流的时空分布规律,有助于公交线路的管理、调度和优化。随着公交IC卡收费系统的普及,不仅方便了市民出行支付乘坐公交,也为公交系统收集客流信息提供了高效的途径。通常情况下,可以通过公交车GPS数据和IC打卡数据的结合获取市民出行客流OD,这一方面已经有了成熟的方法和分析成果。如舒国辉、戴霄利用公交调度时间表与乘客刷卡时间进行匹配得到乘客上车站点,下车站点利用两站点模型和站点吸引规律推断乘客下车站点。徐建闽等人对IC打卡数据和GPS数据进行融合,在总量控制的条件下推导公交OD。
然而,由于某些城市在IC卡收费系统建设时未考虑获取客流的分析应用,导致在IC打卡数据中缺少一些关键信息,造成数据获取困难,为客流的深度挖掘带来很大难度。例如,IC打卡数据中没有记录车辆编号,且其中的设备编号等与公交车GPS数据中的车辆编号没有记录对应关系。在这种情况下,无法直接通过IC打卡时间对应GPS到离站时间来确定乘客上车站点。近年来,围绕基于公交IC卡数据的上车站点推算开展了大量研究工作。针对无GPS数据下单一票制的公交车上车站点推算问题,戴宵等提出了对公交卡乘客的刷卡时间进行聚类分析判断乘客上车站点的方法,郭婕等在对上车站点进行聚类分析的基础上,重点分析了相邻车站的时间间隔,于勇等结合公交运营调度时刻表所提供的车辆及其发车信息,推算各车次到达各站点的时间,提高了上车站点推算精度。针对具有GPS数据情况,陈君、杨东援将公交IC卡数据与公交GPS数据进行关联,结合调度数据推算公交IC卡乘客上车站点.徐建闽等利用公交GPS定位数据和GIS电子地图中的车站位置获取公交车的到站地点。但以上研究在数据不完整情况下准确率难以保证。
基于此,本发明寻求设计提供一种公交设备匹配方法,该方法能够基于公交时间数据,针对缺少对应关系的不同公交设备进行关联同化,填补公交数据的缺失,进而进行车辆关联、客流计算和公交分析优化等。
发明内容:
本发明的目的在于针对目前各部分公交数据缺少设备对应关系、难以结合使用的问题,提出一种公交设备匹配方法。该方法通过分析记录在公交设备中的数据的时间分布相似性进行公交设备的关联同化。通过GPS数据和IC数据,计算出公交GPS设备和IC打卡设备的对应关系,进而为计算乘客信息和智能公交系统提供数据支持。
为实现上述目的,本发明涉及的公交设备匹配方法的实现思路是利用不同设备数据的时间分布相似性,来确定设备间的对应关系。一般来说,虽然两种设备之间缺少对应关系,但这两份数据记录了同一辆公交车的行驶行为,因此两种设备的数据分布越相似,它们越有可能对应同一辆车。具体设置方法按照以下步骤进行:
(1)、采集乘客打卡的历史数据:
采集通过公交车IC卡系统收集乘客上车打卡的历史数据,所述历史数据包括打卡设备的每一次打卡记录:打卡设备编号、线路编号、线路名称、卡号、交易日期和时间;
(2)、采集公交到离站GPS的历史数据:
采集通过公交车GPS定位系统收集的到离站历史数据,所述历史数据包括GPS定位设备的每一次到离站记录:GPS设备编号、线路编号、线路名称、停靠站点、到站时间、离站时间;
(3)、匹配候选集的生成:
若打卡设备和GPS定位设备对应同一辆公交车,则第一次打卡时间和发车时间必然在时间上相近,若某打卡设备p中首次打卡时间出现在某GPS定位设备q的首次发车时间之后Δt之内,才认为车辆p和q有可能为同一车辆,这样可以从GPS定位设备中找出候选的打卡设备集合,Δt取值建议为1小时;
(4)、时间分布相似性的计算:
正常情况下乘客打卡时间应处于公交车到站时间之后,离站时间之前,但也会出现由于车内拥挤等原因,乘客打卡延迟的情况,另外考虑到数据上传过程中某些延迟情况,对GPS数据中的到离站时间进行如下处理:
其中,Tk为处理后的站点k的到离站时间,为原始到站时间,为原始离站时间,Δt1为数据质量调整阈值,取值范围为4-6秒,Δt2为打卡延迟调整阈值,取值范围为8-12秒;
同一辆车的乘客打卡时间应落在公交车到离站的时间区间内,令为线路li的打卡设备p与GPS设备q之间的关联率,关联率越高,p和q越有可能对应同一辆车,关联率定义为:
(5)、关联结果的获取
通过步骤(3)、(4),我们可以由一天的数据获得打卡设备p与GPS设备q为同一辆车,为了避免偶然性,同一车辆的打卡设备号和GPS设备号一定会在多天数据中出现关联,结合各天数据,取设备匹配结果的众数,即可得到打卡设备和GPS设备的对应关系。
本发明与现有技术相比,取得的有益效果如下:
针对缺少车辆对应关系的问题,提出了依据乘客打卡时间与公交车到离站时间重叠性的关联率进行车辆匹配的算法,得到了车辆关联关系。解决了以青岛市为例的部分城市由于IC卡数据质量原因不能对公交数据进行后续客流挖掘的困难,弥补了公交数据的不足,使数据满足使用要求,为公交系统的管理、分析和优化提供了数据保障,且达到了良好的实用效果。
附图说明:
图1为本发明涉及的算法流程图。
具体实施方式:
下面通过实例并结合附图对本发明进一步说明。
实施例1:
本实施例涉及的一种公交支线设置方法通过如下技术方案实现:
(1)、采集乘客打卡的历史数据:
采集通过公交车IC卡系统收集乘客上车打卡的历史数据,所述历史数据包括打卡设备的每一次打卡记录:打卡设备编号、线路编号、线路名称、卡号、交易日期和时间;
(2)、采集公交到离站GPS的历史数据:
采集通过公交车GPS定位系统收集的到离站历史数据,所述历史数据包括GPS定位设备的每一次到离站记录:GPS设备编号、线路编号、线路名称、停靠站点、到站时间、离站时间;
(3)、匹配候选集的生成:
若打卡设备和GPS定位设备对应同一辆公交车,则第一次打卡时间和发车时间必然在时间上相近,若某打卡设备p中首次打卡时间出现在某GPS定位设备q的首次发车时间之后Δt之内,才认为车辆p和q有可能为同一车辆,这样可以从GPS定位设备中找出候选的打卡设备集合,Δt取值建议为1小时;
(4)、时间分布相似性的计算:
正常情况下乘客打卡时间应处于公交车到站时间之后,离站时间之前,但也会出现由于车内拥挤等原因,乘客打卡延迟的情况,另外考虑到数据上传过程中某些延迟情况,对GPS数据中的到离站时间进行如下处理:
其中,Tk为处理后的站点k的到离站时间,为原始到站时间,为原始离站时间,Δt1为数据质量调整阈值,建议为5秒左右,Δt2为打卡延迟调整阈值,建议为10秒左右;
同一辆车的乘客打卡时间应落在公交车到离站的时间区间内,令为线路li的打卡设备p与GPS设备q之间的关联率,关联率越高,p和q越有可能对应同一辆车,关联率定义为:
(5)、关联结果的获取
通过步骤(3)、(4),我们可以由一天的数据获得打卡设备p与GPS设备q为同一辆车,为了避免偶然性,同一车辆的打卡设备号和GPS设备号一定会在多天数据中出现关联,结合各天数据,取设备匹配结果的众数,即可得到打卡设备和GPS设备的对应关系。
实施例2
本实施例使用青岛市公交GPS和IC打卡数据进行了实证分析,数据来源于青岛公交集团和青岛交运集团。数据的时间范围为2017年3月14日-18日、9月11日-17日。使用上述算法步骤,得到的部分GPS定位设备和IC打卡设备对饮关系如表1所示:
表1 9月11日-17日的321路公交线路设备匹配结果

Claims (5)

1.一种公交设备匹配方法,其特征在于该方法利用不同设备数据的时间分布相似性,来确定设备间的对应关系,一般来说,虽然两种设备之间缺少对应关系,但这两份数据记录了同一辆公交车的行驶行为,因此两种设备的数据分布越相似,它们越有可能对应同一辆车,具体设置方法按照以下步骤进行:
(1)、采集乘客打卡的历史数据:
采集通过公交车IC卡系统收集乘客上车打卡的历史数据;
(2)、采集公交到离站GPS的历史数据:
采集通过公交车GPS定位系统收集的到离站历史数据;
(3)、匹配候选集的生成:
若打卡设备和GPS定位设备对应同一辆公交车,则第一次打卡时间和发车时间必然在时间上相近,若某打卡设备中首次打卡时间出现在某GPS定位设备的首次发车时间之后Δt之内,才认为车辆p和q有可能为同一车辆,从GPS定位设备中找出候选的打卡设备集合,Δt最佳值为1小时;
(4)、时间分布相似性的计算:
正常情况下乘客打卡时间应处于公交车到站时间之后,离站时间之前,但也会出现由于车内拥挤等原因,乘客打卡延迟的情况,另外考虑到数据上传过程中某些延迟情况,对GPS数据中的到离站时间进行如下处理:
其中,Tk为处理后的站点k的到离站时间,为原始到站时间,为原始离站时间,Δt1为数据质量调整阈值,Δt2为打卡延迟调整阈值,取值范围为8-12秒;
同一辆车的乘客打卡时间应落在公交车到离站的时间区间内,令为线路li的打卡设备与GPS设备之间的关联率,关联率越高,p和q越有可能对应同一辆车,关联率定义为:
(5)、关联结果的获取:
通过步骤(3)、(4),能够由一天的数据获得打卡设备与GPS设备为同一辆车,为了避免偶然性,同一车辆的打卡设备号和GPS设备号一定会在多天数据中出现关联,结合各天数据,取设备匹配结果的众数,能得到打卡设备和GPS设备的对应关系。
2.根据权利要求1所述的一种公交设备匹配方法,其特征在于采集乘客打卡的历史数据包括GPS定位设备的每一次到离站记录:GPS设备编号、线路编号、线路名称、停靠站点、到站时间、离站时间。
3.根据权利要求1所述的一种公交设备匹配方法,其特征在于公交到离站GPS的历史数据包括打卡设备的每一次打卡记录:打卡设备编号、线路编号、线路名称、卡号、交易日期和时间。
4.根据权利要求1所述的一种公交设备匹配方法,其特征在于Δt1的取值范围为4-6秒。
5.根据权利要求1所述的一种公交设备匹配方法,其特征在于Δt2的取值范围为8-12秒。
CN201811616516.3A 2018-12-28 2018-12-28 一种公交设备匹配方法 Active CN109637134B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811616516.3A CN109637134B (zh) 2018-12-28 2018-12-28 一种公交设备匹配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811616516.3A CN109637134B (zh) 2018-12-28 2018-12-28 一种公交设备匹配方法

Publications (2)

Publication Number Publication Date
CN109637134A CN109637134A (zh) 2019-04-16
CN109637134B true CN109637134B (zh) 2021-03-23

Family

ID=66078462

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811616516.3A Active CN109637134B (zh) 2018-12-28 2018-12-28 一种公交设备匹配方法

Country Status (1)

Country Link
CN (1) CN109637134B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110276977B (zh) * 2019-07-29 2021-01-26 广东工业大学 一种公交站点匹配方法、装置、设备及可读存储介质
CN110599645B (zh) * 2019-09-02 2021-09-28 合肥工业大学 一种基于证据理论和dtw距离的旅客身份查验方法
CN112037358B (zh) * 2020-07-28 2021-07-20 珠海格力电器股份有限公司 考勤统计方法、装置、电子设备及存储介质
CN113096429B (zh) * 2021-03-09 2022-03-08 东南大学 基于公交调度站点集散的弹性公交区域灵活性线路生成方法
CN113066302B (zh) * 2021-03-24 2022-05-20 北京百度网讯科技有限公司 车辆信息预测方法、装置及电子设备
CN113658429B (zh) * 2021-08-11 2022-06-07 青岛海信网络科技股份有限公司 一种公交廊道的协同调度方法及相关装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6621420B1 (en) * 2001-11-29 2003-09-16 Siavash Poursartip Device and method for integrated wireless transit and emergency vehicle management
US9177473B2 (en) * 2010-07-07 2015-11-03 International Business Machines Corporation Vehicle arrival prediction using multiple data sources including passenger bus arrival prediction
CN102097002B (zh) * 2010-11-22 2013-09-18 东南大学 一种基于ic卡数据获取公交站点od的方法及系统
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
CN105469602B (zh) * 2015-12-31 2017-08-11 北京航空航天大学 一种基于ic卡数据的公交乘客候车时间范围的预测方法

Also Published As

Publication number Publication date
CN109637134A (zh) 2019-04-16

Similar Documents

Publication Publication Date Title
CN109637134B (zh) 一种公交设备匹配方法
CN109308546B (zh) 乘客公交出行下车站点预测方法及系统
WO2017140175A1 (zh) 基于路径识别系统的收费公路网交通信息采集与诱导系统
CN109035770B (zh) 一种大数据环境下公交载客量实时分析预测方法
CN105809292A (zh) 公交ic卡乘客下车站点推算方法
CN104966408B (zh) 一种gps定位数据补偿方法
CN107564270A (zh) 一种智能公交调度运营方法
CN101615340A (zh) 公交动态调度中的实时信息处理方法
CN103198565A (zh) 一种公交ic卡收费与客流信息采集方法
CN103177575A (zh) 城区出租车动态在线调度优化系统及其方法
CN109255972B (zh) 一种基于大数据的地面公交固定线路时刻表的优化方法
CN102157075A (zh) 公交到站的预测方法
CN105390013A (zh) 一种利用公交ic卡预测公交到站时间的方法
CN102324128A (zh) 基于ic卡记录的公交站间od客流预测方法及装置
CN111353639A (zh) 协调列车时刻表的城市轨道交通高峰期限流优化方法
Gong et al. Hybrid dynamic prediction model of bus arrival time based on weighted of historical and real-time GPS data
CN105005959A (zh) 一种具有特征属性的公交车客流量计算及统计分析方法
CN108082224B (zh) 基于afc时变客流的城市轨道交通列车运行图编制方法
CN111311467A (zh) 一种基于人脸识别的公交路线预测方法及系统
CN110188923B (zh) 一种基于大数据技术的多模式公交客流推算方法
CN102324111B (zh) 基于公交ic卡数据的车辆运行方向判断方法
CN106570182B (zh) 公交车辆下车站点识别方法与系统
Tu et al. Analysis and forecast of passenger flow based on public transportation IC card and GPS data
CN108717583B (zh) 一种城市轨道交通区间中断条件下车站滞留旅客量实时预测方法
CN113658433B (zh) 一种基于公交刷卡扫码数据提取客流特征的方法

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