CN110705848A - 一种基于个体出行链的综合交通服务评价方法及装置 - Google Patents

一种基于个体出行链的综合交通服务评价方法及装置 Download PDF

Info

Publication number
CN110705848A
CN110705848A CN201910881058.4A CN201910881058A CN110705848A CN 110705848 A CN110705848 A CN 110705848A CN 201910881058 A CN201910881058 A CN 201910881058A CN 110705848 A CN110705848 A CN 110705848A
Authority
CN
China
Prior art keywords
individual
time
trip
travel
connection
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.)
Granted
Application number
CN201910881058.4A
Other languages
English (en)
Other versions
CN110705848B (zh
Inventor
刘冬梅
赵琳
张劲泉
张晓亮
郭宇奇
查文斌
乔国梁
王晶
丁丽媛
王文静
王海鹏
宋艳
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.)
Institute Of Highway Science Ministry Of Transport
Original Assignee
Institute Of Highway Science Ministry Of Transport
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 Institute Of Highway Science Ministry Of Transport filed Critical Institute Of Highway Science Ministry Of Transport
Priority to CN201910881058.4A priority Critical patent/CN110705848B/zh
Publication of CN110705848A publication Critical patent/CN110705848A/zh
Application granted granted Critical
Publication of CN110705848B publication Critical patent/CN110705848B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Operations Research (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Quality & Reliability (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供了一种基于个体出行链的综合交通服务评价方法及装置，该基于个体出行链的综合交通服务评价方法主要包括：获取多个被测对象的个体出行链的出行数据；通过预设评价指标根据出行数据为各个体出行链划分等级；根据预设区域内多条个体出行链的等级和数量，计算预设区域的交通服务指数。通过实施本发明，基于个体出行链对交通服务进行评价，从出行者的角度出发，充分考虑了出行者的出行体验，并且出行者的出行链是由多种出行方式组成的，以个体出行链为研究对象，可以反映出城市综合客运的协同运行与服务能力，通过这样的方式对交通服务质量进行评价的评价结果更能真实反映出行者的出行情况，更符合出行者的实际需求。

Description

一种基于个体出行链的综合交通服务评价方法及装置
技术领域
本发明涉及城市客运服务质量评价管理领域，具体涉及一种基于个体出行链的综合交通服务评价方法及装置。
背景技术
众所周知我国是人口大国，人口多势必带来的影响就是交通拥堵，为了保证出行者的交通质量，需要对城市客运系统的交通服务质量进行评估，从而有针对性的采取相应的措施。目前各界对城市客运服务质量的评价，大多都是基于城市客运交通的供给侧角度构建评价指标体系，例如通过对公交线路或轨道线路的部署作为评价指标对交通服务质量进行评价，但是仅通过城市公共交通的基础设施是否完善、运力运量能力来评价城市轨道交通服务质量，并没有直接从出行者的需求侧的角度来评价交通服务质量，无法满足出行者的实际需求；另外，城市客运系统包含多种出行方式子系统，并且各子系统在运营管理层面较为独立，现有的对城市客运的评估大多为针对各子系统单独进行评估，无法反应城市综合客运的协同运行与服务能力，并且考虑到出行成本、便捷性等问题，出行者在一次出行过程中，通常会选择两种以上的交通方式，因此对各子系统的单独评估无法客观呈现出行者出行全程的便利性与满意度。提升交通服务质量，最根本的目的是在于让出行者有更良好的出行体验，因此需要一种真正实现基于出行者出行体验的评价方法对交通服务质量进行评价。
发明内容
因此，本发明要解决的技术问题在于克服现有技术中的没有结合出行者的出行体验进行交通服务质量评价的缺陷，从而提供一种基于个体出行链的综合交通服务评价方法及装置。
本发明第一方面提供了一种基于个体出行链的综合交通服务评价方法，包括：获取多个被测对象的个体出行链的出行数据；通过预设评价指标根据出行数据为各个体出行链划分等级；根据预设区域内多条个体出行链的等级和数量，计算预设区域的交通服务指数。
可选地，通过预设评价指标根据出行数据为各个体出行链划分等级，包括：通过灰色聚类分析根据预设评价指标为个体出行链划分等级，将个体出行链分为A级出行链、B级出行链、C级出行链、D级出行链。
可选地，通过灰色聚类分析根据预设评价指标为个体出行链划分等级，包括：根据个体出行链的各预设评价指标建立白化数矩阵；根据预设评价指标的属性，对个体出行链的各预设评价指标进行无量纲化处理；根据无量纲化处理后的预设评价指标和不同等级对应的预设指标阈值，计算各预设评价指标的各等级的特征值；根据特征值计算各预设评价指标在各等级中的权重；根据预设评价指标属性构造灰类白化函数；根据权重和灰类白化函数计算各评价指标关于各等级的聚类系数；根据聚类系数确定个体出行链的等级。
可选地，通过如下公式计算预设区域的交通服务指数：预设区域的交通服务指数＝(A级出行链数量×1+B级出行链数量×2+C级出行链数量×3+D级出行链数量×4)/预设区域的出行链总数。
可选地，基于个体出行链的综合交通服务评价方法还包括：根据出行数据提取出行方式、出行时间、出行人数及出行位置；根据出行数据提取出行方式、出行时间、出行人数及出行位置确定出行需求热点和/或换乘热点；通过出行需求热点和/或换乘热点确定第一目标位置。
可选地，基于个体出行链的综合交通服务评价方法还包括：根据多条出行数据提取个体公共交通衔接时间信息；根据个体公共交通衔接时间信息和个体公共交通衔接时间信息所属范围计算个体公共交通衔接加权值；根据个体公共交通衔接加权值确定第二目标位置。
可选地，个体公共交通衔接时间信息包括步行接驳时间、骑行接驳时间、换乘公交时间和换乘轨道时间中的一项或多项；根据个体公共交通衔接时间信息和个体公共交通衔接时间信息所属范围计算个体公共交通衔接加权值，包括：根据步行接驳时间和步行接驳时间所属范围计算个体步行接驳加权值；和/或根据骑行接驳时间和骑行接驳时间所属范围计算个体骑行接驳加权值；和/或根据换乘公交时间和换乘公交时间所属范围计算个体换乘公交加权值；和/或根据换乘轨道时间和换乘轨道时间所属范围计算个体换乘轨道加权值。
可选地，基于个体出行链的综合交通服务评价方法还包括：根据多条出行数据提取个体出租车衔接时间信息；根据个体出租车衔接时间信息和个体出租车衔接时间信息所属范围计算个体出租车衔接加权值；根据个体出租车衔接加权值确定第三目标位置。
可选地，个体出租车衔接时间信息包括候车时间和/或步行时间；根据个体出租车衔接时间信息和个体出租车衔接时间信息所属范围计算个体出租车衔接加权值，包括：根据候车时间和候车时间所属范围计算个体等候加权值；和/或根据步行时间和步行时间所属范围计算个体步行加权值。
可选地，基于个体出行链的综合交通服务评价方法还包括：根据不同时间段内的多条出行数据提取以机动车方式出行的移动速度信息；根据以机动车方式出行的移动速度信息确定第四目标位置。
可选地，基于个体出行链的综合交通服务评价方法还包括：根据多条起讫点相同的出行数据和预设评价指标提取不同路径的个体出行信息；根据个体出行信息和个体出行信息范围计算个体出行加权值；根据个体出行加权值确定存在问题的第一出行路径。
可选地，个体出行信息包括个体低速行驶信息、个体换乘信息、个体接驳信息中的一项或多项；根据个体出行信息和个体出行信息范围计算个体出行加权值，包括：根据个体低速行驶信息和个体低速行驶信息所属范围计算个体低速行驶加权值；和/或根据个体换乘信息和个体换乘信息所属范围计算个体换乘加权值；和/或根据个体接驳信息和个体接驳信息所属范围计算个体接驳加权值。
可选地，基于个体出行链的综合交通服务评价方法还包括：根据多条起讫点相同且路径相同的出行数据，提取不同时间段的起点接驳时间、各移动段行驶时间、各换乘时间、终点接驳时间；根据起点接驳时间、各移动段行驶时间、各换乘时间、终点接驳时间，确定第一出行路径存在问题的节点。
可选地，基于个体出行链的综合交通服务评价方法还包括：根据多条起讫点相同但路径不同的出行数据，提取不同时间段的不同路径的选择人数比例；根据不同路径的选择人数比例，以及个体全程接驳时间、个体全程接驳距离、个体全程换乘时间、个体交通方式与线路转换次数、个体全程低速行驶时间、出行方式选择人数比例的差异性，确定第一出行路径存在缺陷的原因。
可选地，基于个体出行链的综合交通服务评价方法还包括：根据多条出行数据提取任一时间段内起讫点之间的最小时间路径和最短距离路径；根据同一时间段内，与最小时间路径同起讫点的出行链的实际路径所用时间与最小时间路径所用时间之间的差值，判断实际路径是否存在问题；和/或根据同一时间段内，与最短距离路径同起讫点的出行链的实际路径与最短距离路径的重叠度，判断最短距离路径是否存在问题；和/或根据同一时间段内同起讫点各出行链的主要出行方式选择比例，判断交通服务质量。
本发明第二方面提供一种基于个体出行链的综合交通服务评价装置，包括：数据获取模块，用于获取多个被测对象的个体出行链的出行数据；个体出行链等级划分模块，用于通过预设评价指标根据出行数据为个体出行链划分等级；区域交通服务指数计算模块，用于根据预设区域内多条个体出行链的等级和数量，计算预设区域的交通服务指数。
本发明第三方面提供一种计算机设备包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，从而执行如本发明第一方面提供的基于个体出行链的综合交通服务评价方法。
本发明第四方面提供一种计算机可读存储介质，其特征在于，计算机可读存储介质存储有计算机指令，计算机指令用于使计算机执行如本发明第一方面提供的基于个体出行链的综合交通服务评价方法。
本发明技术方案，具有如下优点：
1.本发明提供的基于个体出行链的综合交通服务评价方法，首先根据预设的评价指标对个体出行链划分等级，然后根据预设区域内的多条出行链的等级对预设区域的交通服务指数进行计算，从而对交通服务质量进行评价，这种交通服务评价方法是基于个体出行链展开的，从出行者的角度出发，充分考虑了出行者的出行体验，并且出行者的出行链是由多种出行方式组成的，以个体出行链为研究对象，可以反映出城市综合客运的协同运行与服务能力，通过这样的方式对交通服务质量进行评价的评价结果更能真实反映出行者的出行情况，更符合出行者的实际需求。
2.本发明提供的基于个体出行链的综合交通服务评价方法，根据出行者从出发点到达公交或轨道站点的接驳时间和/或乘车时的换乘时间对公交站点和轨道站点进行评价，这种评价方法更能体现公交和轨道站点相对于大多数出行者的可达性。
3.本发明提供的基于个体出行链的综合交通服务评价方法，在识别打车难的位置时，是基于出行者乘坐出租车前的等待时间和/或走向出租车的步行时间进行评价的，这样识别出的位置更为准确。
4.本发明提供的基于个体出行链的综合交通服务评价方法，通过全天不同时段的个体出行链中以机动车方式出行的移动速度信息来确认经常发生拥堵的位置，通过这种方法识别的常发拥堵点更为全面、直观。
5.本发明提供的基于个体出行链的综合交通服务评价方法，通过计算起讫点相同但路径不同的出行信息，根据不同路径上的出行信息寻找存问题的路径，通过这种方式判定的存在问题的路径是以出行者实际出行的数据为支撑的，更能反映路径的真实情况。
6.本发明提供的基于个体出行链的综合交通服务评价方法，根据多条起讫点和路径都相同的出行数据，提取不同时间段的起点接驳时间、各移动段行驶时间、各换乘时间、终点接驳时间，根据上述值确认出行路径存在问题的节点，如，若某一个换乘站的换乘时间较长，可以判定是该换乘点导致该路径存在问题，通过这样的方法可以更精确地判定路径存在问题的原因。
7.本发明提供的基于个体出行链的综合交通服务评价方法，在起讫点相同的情况下，将实际出行路径与最小时间路径和最短距离路径进行对比，更直观的体现出实际出行路径、最短时间路径、最小时间路径各自存在的问题。
8.本发明提供的基于个体出行链的综合交通服务评价装置，首先通过个体出行链等级划分模块对个体出行链划分等级，然后通过区域交通服务指数计算模块对预设区域的交通服务指数进行计算，从而对交通服务质量进行评价，该装置是基于个体出行链展开的，从出行者的角度出发，充分考虑了出行者的出行体验，并且出行者的出行链是由多种出行方式组成的，以个体出行链为研究对象，可以反映出城市综合客运的协同运行与服务能力，通过这样的方式对交通服务质量进行评价的评价结果更能真实反映出行者的出行情况，更符合出行者的实际需求。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1-图13为本发明实施例中基于个体出行链的综合交通服务评价方法的具体示例的流程图；
图14为本发明实施例中基于个体出行链的综合交通服务评价装置的一个具体示例的原理框图；
图15为本发明实施例中计算机设备的一个具体示例的结构框图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例1
交通拥堵不仅会带来不必要的经济损失，还会影响出行者的出行体验，降低居民生活幸福感。交通管理部门对交通软硬件设施进行完善前，需要先对交通服务质量进行评估，从而有针对性的采取相应的措施。目前对交通服务质量的评价，大多都是基于城市客运交通的供给侧角度构建评价指标体系，并没有从出行者的需求侧的角度来评价交通服务质量，但是，提升交通服务质量最根本的目的是在于让出行者有更良好的出行体验，因此需要一种真正实现基于出行者出行体验的评价方法对交通服务质量进行评价。
本发明实施例提供一种基于个体出行链的综合交通服务评价方法，如图1所示，包括如下步骤：
步骤S10：获取多个被测对象的个体出行链的出行数据。例如，个体从家到公司的出行过程为一条出行链，从家到公司途中，每一时刻该个体所处位置、移动状态、移动方式等都为该出行链的出行数据。
步骤S20：通过预设评价指标根据出行数据为各个体出行链划分等级。
在一具体实施例中，为了使出行链的等级划分更能真实反映出行者的出行体验，预设评价指标设定为个体全程低速行驶时间、个体全程低速行驶时间占比、个体交通方式与线路转换次数、个体全程接驳距离、个体全程接驳时间、个体接驳时间占比、个体全程换乘时间、个体全程换乘时间占比。
通过个体出行链的低速行驶时间信息可以得到出行者在出行过程中道路拥堵情况以及接驳、换乘等产生的延误情况；本发明实施例中，“个体接驳时间”和“个体接驳距离”分别指从出发点到达公交或轨道站点的行驶时间和行驶距离和/或从公交或轨道站点到达目的地的行驶时间和行驶距离，接驳的方式可以为骑行或步行等任意方式，通过对接驳信息的分析可以判断某些站点对于出行者是否便利；本发明实施例中“个体交通方式与线路转换次数”包括公交与公交之间换乘次数、轨道与轨道之间换乘次数、公交与轨道之间的换乘次数、以及由步行或骑行方式接驳至机动化出行方式的交通方式转变次数，通过分析出行链中的换乘信息可以得到出发点与目的地之间的可达性。
步骤S30：根据预设区域内多条个体出行链的等级和数量，计算预设区域的交通服务指数，在一具体实施例中，预设区域内的出行链是指出行起点或终点位于该预设区域的出行链。
本发明实施例提供的基于个体出行链的综合交通服务评价方法，首先根据预设的评价指标对个体出行链划分等级，然后根据预设区域内的多条出行链的等级对预设区域的交通服务指数进行计算，从而对交通服务质量进行评价，这种交通服务评价方法是基于个体出行链展开的，从出行者的角度出发，充分考虑了出行者的出行体验，并且出行者的出行链是由多种出行方式组成的，以个体出行链为研究对象，可以反映出城市综合客运的协同运行与服务能力，通过这样的方式对交通服务质量进行评价更符合出行者的实际需求，且在对个体出行链划分等级时，所采用的评价指标为个体全程低速行驶时间、个体全程低速行驶时间占比、个体交通方式与线路转换次数、个体全程接驳距离、个体全程接驳时间、个体接驳时间占比、个体全程换乘时间、个体全程换乘时间占比，通过这些评价指标划分出的等级更能真实反映出行者的出行情况。
在一可选实施例中，通过灰色聚类分析根据预设评价指标为个体出行链划分等级，将个体出行链分为A级出行链、B级出行链、C级出行链、D级出行链，等级数量可以根据实际情况作出调整，为了便于表述，本发明实施例以A、B、C、D四级为例作出详细说明。
在一可选实施例中，如图2所示，通过灰色聚类分析根据预设评价指标为个体出行链划分等级，包括：
步骤S21：根据个体出行链的各预设评价指标建立白化数矩阵：
di＝[d1 d2 … di] (1)
其中，di表示第i个预设评价指标的指标值。
在本发明实施例中，预设评价指标的指标值分别为：个体出行链的个体全程低速行驶时间、个体全程低速行驶时间占比、个体交通方式与线路转换次数、个体全程接驳距离、个体全程接驳时间、个体接驳时间占比、个体全程换乘时间、个体全程换乘时间占比建立白化数矩阵。
步骤S22：根据预设评价指标的属性，对个体出行链的各预设评价指标进行无量纲化处理，把数据压缩在[0，1]之间。
步骤S23：根据无量纲化处理后的预设评价指标和不同等级对应的预设指标阈值，计算各预设评价指标的各等级的特征值。
步骤S24：根据特征值计算各预设评价指标在各等级中的权重：
Figure BDA0002205886090000071
其中，
Figure BDA0002205886090000072
表示第i个预设评价指标的第k个评价等级的权重，
Figure BDA0002205886090000075
表示第i个预设评价指标的第k个评价等级的特征值，m表示预设评价指标数量，在本发明实施例中，m值为8。
步骤S25：根据预设评价指标属性构造灰类白化函数，其中，灰类白化函数包括：上限测度白化权函数、适中测度白化权函数和下限测度白化权函数。
上限测度白化权函数，记为f[d(1),d(2),-,-]，计算公式为：
Figure BDA0002205886090000073
其中，d(1)表示预设指标等级A的特征值，d(2)表示预设指标等级B的特征值；
适中测度白化权函数，记为f[d(1),d(2),-,d(4)]，计算公式为：
Figure BDA0002205886090000074
其中，d(4)表示预设指标等级D的特征值；
下限测度白化权函数，记为f[-,-,d(3),d(4)]，计算公式为：
Figure BDA0002205886090000081
其中，d(3)表示预设指标等级C的特征值。
步骤S26：根据权重和灰类白化函数计算各等级的聚类系数：
Figure BDA0002205886090000082
其中，σk表示各评价指标关于第k个评价级别的聚类系数之和，
Figure BDA0002205886090000083
表示第i个预设评价指标在第k个级别的白化函数中的函数值。
步骤S27：根据聚类系数确定个体出行链的等级，聚类系数最大者所对应的评价等级，即为该个体出行链的最终评价结果。
为了对本发明实施例中提出的个体出行链等级划分的方法作数更详细的解释，本发明实施例选取一个个体由家至单位的一次公共交通出行为例，对其出行链划分等级。
选取的出行链的数据如表1所示，
表1
Figure BDA0002205886090000084
提取表1中出行链数据中的个体出行链的个体全程低速行驶时间、个体全程低速行驶时间占比、个体交通方式与线路转换次数、个体全程接驳距离、个体全程接驳时间、个体接驳时间占比、个体全程换乘时间、个体全程换乘时间占比，并建立白化数矩阵：
d8＝[17.08，0.22，3，6.6，23，0.29，9，0.11]
对上述白化数矩阵中的各项指标值进行无量纲化处理，把数据压缩在[0，1]之间，处理后的数据如表2所示，
表2
Figure BDA0002205886090000091
上表中，指标1、指标2、指标3、指标4、指标5、指标6、指标7、指标8分别代表个体全程低速行驶时间、个体全程低速行驶时间占比、个体交通方式与线路转换次数、个体全程接驳距离、个体全程接驳时间、个体接驳时间占比、个体全程换乘时间、个体全程换乘时间占比。
通过上述式(2)计算各指标在各级别中的权重，结果如下表3所示，
表3
等级 指标1 指标2 指标3 指标4 指标5 指标6 指标7 指标8
A优 0.1382 0.1016 0.2033 0.0325 0.1504 0.1016 0.1707 0.1016
B良 0.1466 0.1114 0.1848 0.0323 0.1408 0.1114 0.1613 0.1114
C中 0.1461 0.1304 0.1530 0.0417 0.1217 0.1304 0.1461 0.1304
D差 0.1397 0.1397 0.1397 0.0475 0.1145 0.1397 0.1397 0.1397
根据白化数矩阵和上述式(3)-(5)建立灰类白化函数，函数值结果如下表4所示，
表4
等级 指标1 指标2 指标3 指标4 指标5 指标6 指标7 指标8
A优 0 0 0 0 0 0 1 0
B良 0.5882 0 0 0 0 0 0 0.2308
C中 0 0.2 0 0 0 0.92 0 0
D差 0 0 0 1 1 0 0 0
根据指标值与各等级对应的白化权函数和权重计算各评价指标值关于各等级的聚类系数，计算结果如下表5所示，
表5
等级 A优 B良 C中 D差
聚类系数 0.1707 0.112 0.1461 0.162
将聚类系数最大者所对应的评价等级作为该个体出行链的最终评价结果，如上表所示，最大值0.1707对应的等级为A，因此被测个体的出行链等级为A，说明该被测个体此次的出行质量较好。
在一可选实施例中，通过如下公式计算预设区域的交通服务指数：
预设区域的交通服务指数＝(A级出行链数量×1+B级出行链数量×2+C级出行链数量×3+D级出行链数量×4)/预设区域的出行链总数。
预设区域的交通服务指数可以反映该预设区域的交通服务质量，指数值越大，说明该预设区域的交通服务质量越差，在对交通软硬件设施进行完善时，需要着重关注交通服务指数较大的区域。
在一可选实施例中，如图3所示，本发明实施例提供的基于个体出行链的综合交通服务评价方法，还包括：
步骤S41：根据多条出行数据提取出行方式、出行时间、出行人数及出行位置。
步骤S42：根据出行方式、出行时间、出行人数及出行位置确定出行需求热点和/或换乘热点。
在一具体实施例中，出行需求热点包括公交出行需求热点、轨道出行需求热点和、出租出行需求热点、自行车出行需求热点。
提取出行链中公交出行方式的轨迹开始点，以公交站点实际经纬度信息为基础，统计同一经纬度下的客流人数，以2小时为统计单位，将每个公交站点上的客流量进行排序，前50％的站点记为公交出行需求热点。
提取出行链中轨道出行方式的轨迹开始点，以轨道站点实际经纬度信息为基础，统计同一经纬度下的客流人数，以2小时为统计单位，将每个轨道站点上的客流量进行排序，前50％的站点记为轨道出行需求热点。
提取出行链中出租车出行方式的轨迹开始点，统计同一经纬度下的客流人数，以2小时为统计单位，将每个出租车需求点上的客流量进行排序，前50％的位置点记为出租出行需求热点。
提取出行链中自行车出行方式的轨迹开始点，统计同一经纬度下的客流人数，以2小时为统计单位，将每个自行车需求点上的客流量进行排序，前50％的位置点记为自行车出行需求热点。
需要说明的是，上述对出行需求热点的判定中，以2小时作为统计单位仅是其中一种实施方式，统计单位的时间长短可以根据实际需求进行调整，以前50％的位置记为出行需求热点也仅是一种实施方式，具体阈值可以根据实际需求进行调整。
在一具体实施例中，提取出行链中的换乘出行段，统计换乘人数占当前站点客流总量比例超过50％的站点，记为换乘需求热点，其中，换乘可以为公交与公交之间的换乘，可以为轨道与轨道之间的换乘，也可以为公交与轨道之间的换乘，将换乘人数占当前站点客流总量比例超过50％的站点记为换乘需求热点为一种实施方式，阈值可以根据实际需求进行调整。
步骤S43：通过出行需求热点和/或换乘热点确定第一目标位置，第一目标位置为客流热点，客流热点可以结合上述出行需求热点和换乘需求热点较为直观的体现。
在实际应用中，对客流热点的识别可以仅通过出行需求热点或换乘热点进行识别，也可以通过二者相结合进行识别，具体的判别标准可以根据实际需求进行调整。
在一可选实施例中，如图4所示，本发明实施例提供的基于个体出行链的综合交通服务评价方法还包括：
步骤S51：根据多条出行数据提取个体公共交通衔接时间信息，个体公共交通衔接时间信息是指出行者通过公交或轨道方式出行的接驳、换乘等信息。
步骤S52：根据个体公共交通衔接时间信息和个体公共交通衔接时间信息所属范围计算个体公共交通衔接加权值。
步骤S53：根据个体公共交通衔接加权值确定第二目标位置，第二目标位置是指存在问题的公交或轨道站点。
在一可选实施例中，个体公共交通衔接时间信息包括步行接驳时间、骑行接驳时间、换乘公交时间和换乘轨道时间中的一项或多项；
如图5所示，步骤S52具体包括：
步骤S521：根据步行接驳时间和步行接驳时间所属范围计算个体步行接驳加权值。首先提取个体出行链中的步行接驳片段，以公交、轨道站点经纬度为基础，统计每个站点步行至此或由此步行至目的地的时间，然后根据每个时间阈值范围内的人数，计算个体步行接驳加权值，计算公式如下：
个体步行接驳加权值＝0×∑tw-fAi+1×∑(tw-fBi-8.1)+2×∑(tw-fCi-12.8)+3×∑(tw-fDi-16.4)
其中，tw-fAi为步行时间在8.1min以内的个体i的实际步行时间，tw-fBi为步行时间在[8.1min，12.8min)以内的个体i的实际步行时间，tw-fCi为步行时间在[12.8min，16.4min)以内的个体i的实际步行时间，tw-fDi为步行时间在16.4min以上的个体i的实际步行时间。上述时间阈值是发明人根据实验和经验得出的，但并不是唯一的，可以根据实际需求进行调整。
个体步行接驳加权值越大，说明公交/轨道站点的步行可达性越差。
步骤S522：根据骑行接驳时间和骑行接驳时间所属范围计算个体骑行接驳加权值。首先提取个体出行链中的骑行接驳片段，以公交、轨道站点经纬度为基础，统计每个站点骑车至此或由此骑车至目的地的时间，然后根据每个时间阈值范围内的人数，计算个体骑行接驳加权值，计算公式如下：
个体骑行接驳加权值＝0×∑tr-fAi+1×∑(tr-fBi-10.1)+2×∑(tr-fCi-15.8)+3×∑(tr-fDi-23)
其中，tr-fAi为骑车时间在10.1min以内的个体i的实际骑车时间，tr-fBi为骑车时间在[10.1min，15.8min)以内的个体i的实际骑车时间，tr-fCi为骑车时间在[15.8min，23min)以内的个体i的实际骑车时间，tr-fDi为骑车时间在23min以上的个体i的实际骑车时间。上述时间阈值是发明人根据实验和经验得出的，但并不是唯一的，可以根据实际需求进行调整。
个体骑行接驳加权值越大，说明公交/轨道站点的骑车可达性越差。
步骤S523：根据换乘公交时间和换乘公交时间所属范围计算个体换乘公交加权值。首先提取个体出行链中的换乘片段，以公交站点经纬度为基础，统计每个换乘至此站点的时间，然后根据每个时间阈值范围内的人数，计算个体换乘公交加权值，计算公式如下：
个体换乘公交加权值＝0×∑tc-bAi+1×∑(tc-bBi-10)+2×∑(tc-bCi-16)+3×∑(tc-bDi-24)
其中，tc-bAi为换乘时间在10min以内的个体i的实际换乘公交时间，tc-bBi为换乘时间在[10min，16min)以内的个体i的实际换乘公交时间，tc-bCi为换乘时间在[16min，24min)以内的个体i的实际换乘公交时间，tc-bDi为换乘时间在24min以上的个体i的实际换乘公交时间。上述时间阈值是发明人根据实验和经验得出的，但并不是唯一的，可以根据实际需求进行调整。
个体换乘公交加权值越大，说明公交站点的换乘可达性越差。
步骤S524：根据换乘轨道时间和换乘轨道时间所属范围计算个体换乘轨道加权值。首先提取个体出行链中的换乘片段，以轨道站点经纬度为基础，统计每个换乘至此站点的时间，然后根据每个时间阈值范围内的人数，计算加权个体换乘轨道加权值，计算公式如下：
个体换乘轨道加权值＝0×∑tc-sAi+1×∑(tc-sBi-10)+2×∑(tc-sCi-16)+3×∑(tc-sDi-24)
其中，tc-sAi为换乘时间在10min以内的个体i的实际换乘轨道时间，tc-sBi为换乘时间在[10min，16min)以内的个体i的实际换乘轨道时间，tc-sCi为换乘时间在[16min，24min)以内的个体i的实际换乘轨道时间，tc-sDi为换乘时间在24min以上的个体i的实际换乘轨道时间。上述时间阈值是发明人根据实验和经验得出的，但并不是唯一的，可以根据实际需求进行调整。
个体换乘轨道加权值越大，说明轨道站点的换乘可达性越差。
可以根据实际需求，通过上述步骤S521-步骤S524的任意组合来确定存在问题的公交或轨道站点。
本发明实施例提供的基于个体出行链的综合交通服务评价方法，根据出行者从出发点到达公交或轨道站点的接驳时间和乘车时的换乘时间对公交站点和轨道站点进行评价，这种评价方法更能体现公交和轨道站点相对于大多数出行者的可达性。
在一可选实施例中，如图6所示，本发明实施例提供的基于个体出行链的综合交通服务评价方法还包括：
步骤S61：根据多条出行数据提取个体出租车衔接时间信息，个体出租车衔接时间信息是指出行者乘坐出租车时的信息；
步骤S62：根据个体出租车衔接时间信息和个体出租车衔接时间信息所属范围计算个体出租车衔接加权值；
步骤S63：根据个体出租车衔接加权值确定第三目标位置，第三目标位置是指打车较为困难的位置。
在一具体实施例中，个体出租车衔接时间信息包括候车时间和/或步行时间；如图7所示，步骤S62具体包括：
步骤S621：根据候车时间和候车时间所属范围计算个体等候加权值，候车时间是指出行者乘坐出租车之前的等待时间。首先提取个体出行链中的出租车出行方式起点前的静止片段，以出租车方式的出发点经纬度为基础，统计该点之前的等候时间，然后根据每个时间阈值范围内的人数，计算个体等候加权值，计算公式如下：
个体等候加权值＝0×∑twtAi+1×∑(twtBi-3)+2×∑(twtCi-7)+3×∑(twtDi-17)
其中，twtAi为候车时间在3min以内的个体i的实际等候出租车的时间，twtBi为候车时间在[3min，7min)以内的个体i的实际等候出租车的时间，twtCi为候车时间在[7min，17min)以内的个体i的实际等候出租车的时间，twtDi为候车时间在17min以上的个体i的实际等候出租车的时间。上述时间阈值是发明人根据实验和经验得出的，但并不是唯一的，可以根据实际需求进行调整。
个体等候加权值越大，说明该位置打车难度越大。
步骤S622：根据步行时间和步行时间所属范围计算个体步行加权值，步行时间是指出行者乘坐出租车前的步行时间。首先提取个体出行链中的出租车出行方式起点前的步行片段，以出行链的起点为基础，统计该点至出租车上车点之间的步行时间，根据每个时间阈值范围内的人数，计算个体步行加权值，计算公式如下：
个体步行加权值＝0×∑tw-tAi+1×∑(tw-tBi-4)+2×∑(tw-tCi-6.4)+3×∑(tw-tDi-8.2)
其中，tw-tAi为步行时间在4min以内的个体i的实际步行至出租车上车点的时间，tw-tBi为候车时间在[4min，6.4min)以内的个体i的实际步行至出租车上车点的时间，tw-tCi为候车时间在[6.4min，8.2min)以内的个体i的实际步行至出租车上车点的时间，tw-tDi为候车时间在8.2min以上的个体i的实际步行至出租车上车点的时间。上述时间阈值是发明人根据实验和经验得出的，但并不是唯一的，可以根据实际需求进行调整。
个体步行加权值越大，说明该起点位置打车难度越大。
可以通过步骤S621或步骤S622中的一种方法确定打车难的位置，也可以将二者结合来确定打车难的位置，具体实施方式可根据实际需求进行调整。
本发明实施例提供的基于个体出行链的综合交通服务评价方法，在识别打车难的位置时，是基于出行者乘坐出租车前的等待时间和/或走向出租车的步行时间进行评价的，这样识别出的位置更为准确。
在一可选实施例中，如图8所示，本发明实施例提供的基于个体出行链的综合交通服务评价方法还包括：
步骤S71：根据多条出行数据提取以机动车方式出行的移动速度信息，其中机动车出行方式包括公交车、小汽车等。
步骤S72：根据以机动车方式出行的移动速度信息确定第四目标位置，第四目标位置是指道路常发拥堵点。在一具体实施例中，首先提取个体出行链中的地面交通机动化出行方式的出行链片段，包括小汽车、公交车等的移动出行片段，然后标记速度降至10km/h以下的点/路段的位置，统计全天24小时内各低速点/路段上通过的低速出行链数量，低速出行链数量超过该点位全部出行链的一半以上，记为道路常发拥堵点。上述时间阈值和速度阈值是发明人根据实验和经验得出的，但并不是唯一的，可以根据实际需求进行调整。
本发明实施例提供的基于个体出行链的综合交通服务评价方法，通过不同时间段内个体出行链中以机动车方式出行的移动速度信息来确认经常发生拥堵的位置，通过这种方法识别的常发拥堵点更为全面、直观。
在一可选实施例中，如图9所示，本发明实施例提供的基于个体出行链的综合交通服务评价方法还包括：
步骤S81：根据多条起讫点相同的出行数据和预设评价指标提取不同路径的个体出行信息；
步骤S82：根据个体出行信息和个体出行信息所属范围计算个体出行加权值；
步骤S83：根据个体出行加权值确定存在问题的第一出行路径。
在一可选实施例中，个体出行信息包括个体低速行驶信息、个体换乘信息、个体接驳信息中的一项或多项，如图10所示，步骤S82具体包括：
步骤S821：根据个体低速行驶信息和个体低速行驶信息所属范围计算个体低速行驶加权值，在一具体实施例中，个体低速行驶信息包括个体全程低速行驶时间和个体全程低速行驶时间占比。
首先提取同起讫点的出行路径，统计每条路径上的低速行驶时间、低速行驶时间占比，在本发明实施例中，当行驶速度低于10km/h时，将其标记为低速行驶，然后根据每个时间与占比阈值范围内的人数，计算个体低速行驶加权值，计算公式如下：
个体低速行驶加权值＝
[0×∑tlAi+1×∑(tlBi-10)+2×∑(tlCi-15)+3×∑(tlDi-20)]+
[0×∑plAi+1×∑(plBi-0.15)+2×∑(plCi-0.28)+3×∑(plDi-0.4)]
其中，tlAi为低速行驶时间在10min以内的个体i的实际低速行驶时间，tlBi为低速行驶时间在[10min，15min)以内的个体i的实际低速行驶时间，tlCi为低速行驶时间在[15min，20min)以内的个体i的实际低速行驶时间，tlDi为低速行驶时间在20min以上的个体i的实际低速行驶时间；plAi为低速行驶时间占比在10％以内的个体i的实际低速行驶时间占比，plBi为低速行驶时间占比在[10％，20％)以内的个体i的实际低速行驶时间占比，plCi为低速行驶时间占比在[20％，40％)以内的个体i的实际低速行驶时间占比，plDi为低速行驶时间占比在40％以上的个体i的实际低速行驶时间占比。上述时间阈值、占比阈值和速度阈值是发明人根据实验和经验得出的，但并不是唯一的，可以根据实际需求进行调整。
个体低速行驶路径加权值越大，说明该路径的拥堵情况越严重，则该路径整体存在问题越严重。
步骤S822：根据个体换乘信息和个体换乘信息所属范围计算个体换乘加权值，在一具体实施例中，个体换乘信息包括个体交通方式与线路换乘次数、个体全程换乘时间、个体全程换乘时间占比。
首先提取同起讫点的出行路径，统计每条路径上的换乘时间、换乘时间占比、出行方式间与出行方式内不同线路间的换乘次数，然后根据每个换乘时间及其占比、次数阈值范围内的人数，计算个体换乘加权值，计算公式如下：
个体换乘加权值＝
[0×∑tcAi+1×∑(tcBi-10)+2×∑(tcCi-16)+3×∑(tcDi-24)]+
[0×∑pcAi+1×∑(pcBi-0.15)+2×∑(pcCi-0.28)+3×∑(pcDi-0.4)]+
[0×∑TcAi+1×∑(TcBi-2)+2×∑(TcCi-3)+3×∑(TcDi-4)]
其中，tcAi为换乘时间在10min以内的个体i的实际换乘时间，tcBi为换乘时间在[10min，16min)以内的个体i的实际换乘时间，tcCi为换乘时间在[16min，24min)以内的个体i的实际换乘时间，tcDi为换乘时间在20min以上的个体i的实际换乘时间；pcAi为换乘时间占比在10％以内的个体i的实际换乘时间占比，pcBi为换乘时间占比在[10％，20％)以内的个体i的实际换乘时间占比，pcCi为换乘时间占比在[20％，40％)以内的个体i的实际换乘时间占比，plDi为换乘时间占比在40％以上的个体i的实际换乘时间占比；TcAi为换乘次数在2次以下的个体i的实际换乘次数，TcBi为个体i的换乘次数为3次，TcCi为个体i的换乘次数为4次，TlDi为换乘次数在4次以上的个体i的实际换乘次数。上述时间阈值、占比阈值和换乘次数阈值是发明人根据实验和经验得出的，但并不是唯一的，可以根据实际需求进行调整。
个体换乘加权值越大，说明该路径换乘时的衔接协调性越差，则该路径整体存在问题越严重。
步骤S823：根据个体接驳信息和个体接驳信息所属范围计算个体接驳加权值，在一具体实施例中，个体接驳信息包括个体全程接驳距离、个体全程接驳时间、个体接驳时间占比。
首先提取同起讫点的出行路径，统计每条路径上的起终点接驳时间、换乘时间占比、接驳距离，然后根据每个接驳时间及其占比、距离阈值范围内的人数，计算个体接驳加权值，计算公式如下：
个体接驳加权值＝
[0×∑tfAi+1×∑(tfBi-8.5)+2×∑(tfCi-13.3)+3×∑(tfDi-18.8)]+
[0×∑pfAi+1×∑(pfBi-0.15)+2×∑(pfCi-0.28)+3×∑(pfDi-0.4)]+
[0×∑dfAi+1×∑(dfBi-0.5)+2×∑(dfCi-0.9)+3×∑(dfDi-2.2)]
其中，tfAi为接驳时间在8.5min以内的个体i的实际接驳时间，tfBi为接驳时间在[8.5min，13.3min)以内的个体i的实际接驳时间，tfCi为接驳时间在[13.3min，18.8min)以内的个体i的实际接驳时间，tfDi为接驳时间在18.8min以上的个体i的实际接驳时间；pfAi为接驳时间占比在10％以内的个体i的实际接驳时间占比，pfBi为接驳时间占比在[10％，20％)以内的个体i的实际接驳时间占比，pfCi为接驳时间占比在[20％，40％)以内的个体i的实际接驳时间占比，pfDi为接驳时间占比在40％以上的个体i的实际接驳时间占比；dfAi为接驳距离在0.5km以下的个体i的实际接驳距离，dfBi为接驳距离在[0.5km，0.9km)以内的个体i的实际接驳距离，dfCi为接驳距离在[0.9km，2.2km)以内的个体i的实际接驳距离，dfDi为接驳距离在2.2km以上的个体i的实际接驳距离。上述时间阈值、占比阈值和距离阈值是发明人根据实验和经验得出的，但并不是唯一的，可以根据实际需求进行调整。
个体接驳加权值越大，说明该路径接驳时的衔接协调性越差，则该路径整体存在问题越严重。
在实际应用中，可以根据实际需求选择上述步骤S821-步骤S823的任意组合来确定存在问题的第一出行路径。
本发明实施例提供的基于个体出行链的综合交通服务评价方法，通过计算起讫点相同但路径不同的出行信息，根据不同路径上的出行信息寻找存问题的路径，通过这种方式判定的存在问题的第一出行路径是以出行者实际出行的数据为支撑的，更能反映路径的真实情况，并且可以根据实际需求基于不同的指标确定存在问题的路径，例如，当城市客运交通管理人员需要寻找客运服务能力较差的路径，进而从运力运量、线路调整等角度优化城市居民出行通道交通供给时，仅需通过步骤S821确定存在问题的第一出行路径即可。
在一可选实施例中，如图11所示，本发明实施例提供的基于个体出行链的综合交通服务评价方法还包括：
步骤S84：根据多条起讫点相同且路径相同的出行数据，提取不同时间段的起点接驳时间、各移动段行驶时间、各换乘时间、终点接驳时间，在一具体实施例中，一条出行链路包括起点接驳、终点接驳、多个换乘点，且每两个换乘点之间包括一个移动段。
步骤S85：根据起点接驳时间、各移动段行驶时间、各换乘时间、终点接驳时间，确定第一出行路径存在问题的节点。
在一具体实施例中，一天内，出行数据差异较大的三个时间段分别为早高峰(7:00-9:00)时间段、平峰(10:00-12:00/14:00-16:00)时间段内、晚高峰(17:00-19:00)时间段，因此确定第一出行路径存在的问题时，可以分别提取这三个时间段内起讫点相同且路径相同的出行链的数据进行对比分析，对不同时间段的路径进行对比分析，可获得高峰时段内或平峰时段内道路交通整体状态的变化态势，以及随时间的推移个体出行链受道路交通路况的影响情况，例如，平峰时间的出行链与高峰时间的出行链指标相差较大，可考虑根据时段调配不同运力以保证高峰时段的交通系统供给并减少平峰的无效供给；对同一时间段内的路径进行对比分析，可分析该时间段内路径存在的问题，例如，某路径上私家车出行比例较高，公共交通出行延误较为严重，可为交通管理人员提供改路径上的公共交通供给问题点，有利于寻找提升公共交通吸引力的措施与途径。。
在一可选实施例中，如图12所示，本发明实施例提供的基于个体出行链的综合交通服务评价方法还包括：
步骤S86：根据多条起讫点相同但路径不同的出行数据，提取不同时间段的不同路径的选择人数比例、出行方式选择人数比例的差异性；
步骤S87：根据个体全程接驳时间、个体全程接驳距离、个体全程换乘时间、个体交通方式与线路转换次数、个体全程低速行驶时间、不同路径的选择人数比例、出行方式选择人数比例的差异性，确定第一出行路径存在缺陷的原因。
在一具体实施例中，通过不同路径选择人数比例、出行方式选择人数比例的差异性，可以得出个体出行方式受道路交通路况的影响；通过对不同路径中个体全程接驳时间、个体全程接驳距离进行对比，可评估该路径上主要出行方式的接驳可达性程度，即路径问题主要存在于接驳出行段，寻找可替代的优化路径或主要出行方式接驳开始与结束点的优化措施；通过对不同路径中个体全程换乘时间、个体交通方式与线路转换次数进行对比，可评估该路径上交通方式之间的协同衔接程度，即路径问题主要存在于换乘出行段，寻找公共交通衔接协调性上存在的问题，如运力匹配度不足、换乘路径绕行、公共交通可直达性不强等；通过对不同路径中个体全程低速行驶时间进行对比，可评估问题路径全程的延误问题；
在一可选实施例中，如图13所示，本发明实施例提供的基于个体出行链的综合交通服务评价方法还包括：
步骤S91：根据多条出行数据提取任一时间段内起讫点之间的最小时间路径和最短距离路径，在一具体实施例中，由于不同时间段对出行数据的影响较大，因此在选择最小时间路径和最短距离路径时，应该将同一时间段内的出行数据作对比，并选出该时间段内的最小时间路径和最短距离路径，
步骤S921：根据同一时间段内，与最小时间路径同起讫点的出行链的实际路径所用时间与最小时间路径所用时间之间的差值，判断实际路径是否存在问题。在一具体实施例中，差值＝(实际时间-最小时间)/最小时间，若实际路径与最小时间路径的差值大于差值阈值，则该实际路径存在问题，在起讫点相同时，从出发地到目的地可以由多种路径到达，当不存在问题的实际路径数量占所有路径数量的比值大于比例阈值时，可以判定该起讫点之间的可选路径较多。
步骤S922：根据同一时间段内，与最短距离路径同起讫点的出行链的实际路径与最短距离路径的重叠度，判断最短距离路径是否存在问题。在一具体实施例中，实际路径与最短距离路径的重叠度包括公交/轨道重叠度和小汽车重叠度，当小汽车出行路径与最短距离路径重叠度小于50％时，说明最小距离路径可能存在问题，例如最短距离路径所用时间较长，导致驾车出行的出行者不选择最小距离路径，当小最小距离路径不存在问题，但公交/轨道出行路径与最短距离路径重叠度小于50％时，说明实际路径可能存在绕行等问题。
步骤S923：根据同一时间段内同起讫点各出行链的主要出行方式选择比例，判断交通服务质量。首先提取同起讫点的海量个体出行路径，识别各出行链的主要出行方式，其中，主要出行方式是指该出行链中出行方式行驶距离占比最大的方式，然后统计该起讫点路径上地面公交、轨道、小汽车为主的出行链选择人数比例。如果公共交通出行方式选择人数比例低于70％，说明公共交通出行吸引力较低，公共交通出行方式中，存在多种出行路径，说明公共交通可选择的出行方式较多。上述比例阈值是发明人根据实验和经验得出的，但并不是唯一的，可以根据实际需求进行调整。
本发明实施例提供的基于个体出行链的综合交通服务评价方法基于大量的个体出行链，通过不同角度对交通服务质量进行评价，在实际应用中，可以基于实际需求选择不同方式的组合对交通服务质量进行评价。
实施例2
本发明实施例提供一种基于个体出行链的综合交通服务评价装置，如图14所示，包括：
数据获取模块10，用于获取多个被测对象的个体出行链的出行数据，详细描述见上述实施例1中对步骤S10的描述。
个体出行链等级划分模块20，用于通过预设评价指标根据出行数据为个体出行链划分等级，详细描述见上述实施例1中对步骤S20的描述。
区域交通服务指数计算模块30，用于根据预设区域内多条个体出行链的等级和数量，计算预设区域的交通服务指数，详细描述见上述实施例1中对步骤S30的描述。
本发明实施例提供的基于个体出行链的综合交通服务评价装置，首先通过个体出行链等级划分模块对个体出行链划分等级，然后通过区域交通服务指数计算模块对预设区域的交通服务指数进行计算，从而对交通服务质量进行评价，该装置是基于个体出行链展开的，从出行者的角度出发，充分考虑了出行者的出行体验，并且出行者的出行链是由多种出行方式组成的，以个体出行链为研究对象，可以反映出城市综合客运的协同运行与服务能力，通过这样的方式对交通服务质量进行评价的评价结果更能真实反映出行者的出行情况，更符合出行者的实际需求。
实施例3
本发明实施例提供一种计算机设备，如图15所示，该计算机设备主要包括一个或多个处理器41以及存储器42，图3中以一个处理器41为例。
该计算机设备还可以包括：输入装置43和输出装置44。
处理器41、存储器42、输入装置43和输出装置44可以通过总线或者其他方式连接，图15中以通过总线连接为例。
处理器41可以为中央处理器(Central Processing Unit，CPU)。处理器41还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。存储器42可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据基于个体出行链的综合交通服务评价装置的使用所创建的数据等。此外，存储器42可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器42可选包括相对于处理器41远程设置的存储器，这些远程存储器可以通过网络连接至基于个体出行链的综合交通服务评价装置。输入装置33可接收用户输入的计算请求(或其他数字或字符信息)，以及产生与基于个体出行链的综合交通服务评价装置有关的键信号输入。输出装置44可包括显示屏等显示设备，用以输出计算结果。
实施例4
本发明实施例提供一种计算机可读存储介质，该计算机可读存储介质存储计算机指令，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的基于个体出行链的综合交通服务评价方法。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random AccessMemory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (18)

1.一种基于个体出行链的综合交通服务评价方法，其特征在于，包括：
获取多个被测对象的个体出行链的出行数据；
通过预设评价指标根据所述出行数据为各所述个体出行链划分等级；
根据预设区域内多条所述个体出行链的等级和数量，计算所述预设区域的交通服务指数。
2.根据权利要求1所述的基于个体出行链的综合交通服务评价方法，其特征在于，
所述通过预设评价指标根据所述出行数据为各所述个体出行链划分等级，包括：
通过灰色聚类分析根据所述预设评价指标为所述个体出行链划分等级，将所述个体出行链分为A级出行链、B级出行链、C级出行链、D级出行链。
3.根据权利要求2所述的基于个体出行链的综合交通服务评价方法，其特征在于，所述通过灰色聚类分析根据所述预设评价指标为所述个体出行链划分等级，包括：
根据所述个体出行链的各预设评价指标建立白化数矩阵；
根据所述预设评价指标的属性，对所述个体出行链的各所述预设评价指标进行无量纲化处理；
根据无量纲化处理后的预设评价指标和不同等级对应的预设指标阈值，计算各所述预设评价指标的各等级的特征值；
根据所述特征值计算各所述预设评价指标在各等级中的权重；
根据所述预设评价指标的属性构造灰类白化函数；
根据所述权重和所述灰类白化函数计算各所述评价指标关于各所述等级的聚类系数；
根据所述聚类系数确定所述个体出行链的等级。
4.根据权利要求2或3所述的基于个体出行链的综合交通服务评价方法，其特征在于，通过如下公式计算所述预设区域的交通服务指数：
预设区域的交通服务指数＝(A级出行链数量×1+B级出行链数量×2+C级出行链数量×3+D级出行链数量×4)/预设区域的出行链总数。
5.根据权利要求1所述的基于个体出行链的综合交通服务评价方法，其特征在于，还包括：
根据多条所述出行数据提取出行方式、出行时间、出行人数及出行位置；
根据所述出行方式、出行时间、出行人数及出行位置确定出行需求热点和/或换乘热点；
通过出行需求热点和/或换乘热点确定第一目标位置。
6.根据权利要求1所述的基于个体出行链的综合交通服务评价方法，其特征在于，还包括：
根据多条所述出行数据提取个体公共交通衔接时间信息；
根据所述个体公共交通衔接时间信息和所述个体公共交通衔接时间信息所属范围计算个体公共交通衔接加权值；
根据所述个体公共交通衔接加权值确定第二目标位置。
7.根据权利要求6所述的基于个体出行链的综合交通服务评价方法，其特征在于，所述个体公共交通衔接时间信息包括步行接驳时间、骑行接驳时间、换乘公交时间和换乘轨道时间中的一项或多项；
所述根据所述个体公共交通衔接时间信息和所述个体公共交通衔接时间信息所属范围计算个体公共交通衔接加权值，包括：
根据所述步行接驳时间和所述步行接驳时间所属范围计算个体步行接驳加权值；和/或
根据所述骑行接驳时间和所述骑行接驳时间所属范围计算个体骑行接驳加权值；和/或
根据所述换乘公交时间和所述换乘公交时间所属范围计算个体换乘公交加权值；和/或
根据所述换乘轨道时间和所述换乘轨道时间所属范围计算个体换乘轨道加权值。
8.根据权利要求1所述的基于个体出行链的综合交通服务评价方法，其特征在于，还包括：
根据多条所述出行数据提取个体出租车衔接时间信息；
根据所述个体出租车衔接时间信息和所述个体出租车衔接时间信息所属范围计算个体出租车衔接加权值；
根据所述个体出租车衔接加权值确定第三目标位置。
9.根据权利要求8所述的基于个体出行链的综合交通服务评价方法，其特征在于，所述个体出租车衔接时间信息包括候车时间和/或步行时间；
所述根据所述个体出租车衔接时间信息和所述个体出租车衔接时间信息所属范围计算个体出租车衔接加权值，包括：
根据所述候车时间和所述候车时间所属范围计算个体等候加权值；和/或
根据所述步行时间和所述步行时间所属范围计算个体步行加权值。
10.根据权利要求1所述的基于个体出行链的综合交通服务评价方法，其特征在于，还包括：
根据多条所述出行数据提取以机动车方式出行的移动速度信息；
根据所述以机动车方式出行的移动速度信息确定第四目标位置。
11.根据权利要求1所述的基于个体出行链的综合交通服务评价方法，其特征在于，还包括：
根据多条起讫点相同的出行数据和所述预设评价指标提取不同路径的个体出行信息；
根据所述个体出行信息和所述个体出行信息所属范围计算个体出行加权值；
根据所述个体出行加权值确定存在问题的第一出行路径。
12.根据权利要求11所述的基于个体出行链的综合交通服务评价方法，其特征在于，所述个体出行信息包括个体低速行驶信息、个体换乘信息、个体接驳信息中的一项或多项；
所述根据所述个体出行信息和所述个体出行信息所述范围计算个体出行加权值，包括：
根据所述个体低速行驶信息和所述个体低速行驶信息所属范围计算个体低速行驶加权值；和/或
根据所述个体换乘信息和所述个体换乘信息所属范围计算个体换乘加权值；和/或
根据所述个体接驳信息和所述个体接驳信息所属范围计算个体接驳加权值。
13.根据权利要求11所述的基于个体出行链的综合交通服务评价方法，其特征在于，还包括：
根据多条起讫点相同且路径相同的出行数据，提取不同时间段的起点接驳时间、各移动段行驶时间、各换乘时间、终点接驳时间；
根据所述起点接驳时间、各移动段行驶时间、各换乘时间、终点接驳时间，确定所述第一出行路径存在问题的节点。
14.根据权利要求11所述的基于个体出行链的综合交通服务评价方法，其特征在于，还包括：
所述个体出行信息包括个体全程接驳时间、个体全程接驳距离、个体全程换乘时间、个体交通方式与线路转换次数、个体全程低速行驶时间；
根据多条起讫点相同但路径不同的出行数据，提取不同时间段的不同路径的选择人数比例、出行方式选择人数比例的差异性；
根据所述个体全程接驳时间、个体全程接驳距离、个体全程换乘时间、个体交通方式与线路转换次数、个体全程低速行驶时间、不同路径的选择人数比例、出行方式选择人数比例的差异性，确定所述第一出行路径存在缺陷的原因。
15.根据权利要求1所述的基于个体出行链的综合交通服务评价方法，其特征在于，还包括：
根据多条所述出行数据提取任一时间段内起讫点之间的最小时间路径和最短距离路径；
根据同一时间段内，与所述最小时间路径同起讫点的出行链的实际路径所用时间与所述最小时间路径所用时间之间的差值，判断所述实际路径是否存在问题；和/或
根据同一时间段内，与所述最短距离路径同起讫点的出行链的实际路径与所述最短距离路径的重叠度，判断所述最短距离路径是否存在问题；和/或
根据同一时间段内同起讫点各出行链的主要出行方式选择比例，判断交通服务质量。
16.一种基于个体出行链的综合交通服务评价装置，其特征在于，包括：
数据获取模块，用于获取多个被测对象的个体出行链的出行数据；
个体出行链等级划分模块，用于通过预设评价指标根据所述出行数据为所述个体出行链划分等级；
区域交通服务指数计算模块，用于根据预设区域内多条所述个体出行链的等级和数量，计算所述预设区域的交通服务指数。
17.一种计算机设备，其特征在于，包括：
至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，从而执行如权利要求1-15中任一项所述的基于个体出行链的综合交通服务评价方法。
18.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行如权利要求1-15中任一项所述的基于个体出行链的综合交通服务评价方法。
CN201910881058.4A 2019-09-18 2019-09-18 一种基于个体出行链的综合交通服务评价方法及装置 Active CN110705848B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910881058.4A CN110705848B (zh) 2019-09-18 2019-09-18 一种基于个体出行链的综合交通服务评价方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910881058.4A CN110705848B (zh) 2019-09-18 2019-09-18 一种基于个体出行链的综合交通服务评价方法及装置

Publications (2)

Publication Number Publication Date
CN110705848A true CN110705848A (zh) 2020-01-17
CN110705848B CN110705848B (zh) 2022-10-18

Family

ID=69194567

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910881058.4A Active CN110705848B (zh) 2019-09-18 2019-09-18 一种基于个体出行链的综合交通服务评价方法及装置

Country Status (1)

Country Link
CN (1) CN110705848B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111540195A (zh) * 2020-03-23 2020-08-14 上海同济城市规划设计研究院有限公司 基于交通大数据的区域交通可达性的评估方法
CN111626582A (zh) * 2020-05-20 2020-09-04 交通运输部公路科学研究所 一种城市交通出行问题热点分级方法及装置
CN112365042A (zh) * 2020-11-06 2021-02-12 交通运输部公路科学研究所 一种基于出行链的联程客运服务评估方法及装置
CN113034329A (zh) * 2021-04-26 2021-06-25 上海同济城市规划设计研究院有限公司 用于含时刻表交通方式的区域交通可达性的评估方法
CN113128899A (zh) * 2021-04-30 2021-07-16 中国城市规划设计研究院 一种基于移动位置数据的城市通勤特征解析系统
CN113205213A (zh) * 2021-04-30 2021-08-03 中国城市规划设计研究院 一种基于互联网地图数据的公交评价方法及系统
CN113409570A (zh) * 2021-04-27 2021-09-17 上海同济城市规划设计研究院有限公司 体力交通可达性的评估方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104731853A (zh) * 2014-12-18 2015-06-24 东南大学 一种基于个体活动链的公交客流时空分布仿真方法及仿真系统
CN104766473A (zh) * 2015-02-09 2015-07-08 北京工业大学 基于多模式公交数据匹配的公共交通出行特征提取方法
CN110188923A (zh) * 2019-05-06 2019-08-30 西南交通大学 一种基于大数据技术的多模式公交客流推算方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104731853A (zh) * 2014-12-18 2015-06-24 东南大学 一种基于个体活动链的公交客流时空分布仿真方法及仿真系统
CN104766473A (zh) * 2015-02-09 2015-07-08 北京工业大学 基于多模式公交数据匹配的公共交通出行特征提取方法
CN110188923A (zh) * 2019-05-06 2019-08-30 西南交通大学 一种基于大数据技术的多模式公交客流推算方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张丽花: "基于乘客出行链的城市公共交通服务质量综合评价研究", 《中国优秀硕士学位论文全文数据库 经济与管理科学辑》 *
蒋家高: "公共交通出行链研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111540195A (zh) * 2020-03-23 2020-08-14 上海同济城市规划设计研究院有限公司 基于交通大数据的区域交通可达性的评估方法
CN111540195B (zh) * 2020-03-23 2021-12-31 上海同济城市规划设计研究院有限公司 基于交通大数据的区域交通可达性的评估方法
CN111626582A (zh) * 2020-05-20 2020-09-04 交通运输部公路科学研究所 一种城市交通出行问题热点分级方法及装置
CN112365042A (zh) * 2020-11-06 2021-02-12 交通运输部公路科学研究所 一种基于出行链的联程客运服务评估方法及装置
CN113034329A (zh) * 2021-04-26 2021-06-25 上海同济城市规划设计研究院有限公司 用于含时刻表交通方式的区域交通可达性的评估方法
CN113409570A (zh) * 2021-04-27 2021-09-17 上海同济城市规划设计研究院有限公司 体力交通可达性的评估方法
CN113128899A (zh) * 2021-04-30 2021-07-16 中国城市规划设计研究院 一种基于移动位置数据的城市通勤特征解析系统
CN113205213A (zh) * 2021-04-30 2021-08-03 中国城市规划设计研究院 一种基于互联网地图数据的公交评价方法及系统
CN113205213B (zh) * 2021-04-30 2023-03-24 中国城市规划设计研究院 一种基于互联网地图数据的公交评价方法及系统

Also Published As

Publication number Publication date
CN110705848B (zh) 2022-10-18

Similar Documents

Publication Publication Date Title
CN110705848B (zh) 一种基于个体出行链的综合交通服务评价方法及装置
Perrine et al. Anticipating long-distance travel shifts due to self-driving vehicles
Cao et al. The gaps in satisfaction with transit services among BRT, metro, and bus riders: Evidence from Guangzhou
CN111091720B (zh) 基于信令数据和浮动车数据的拥堵路段识别方法及装置
Chuen et al. Mode choice between private and public transport in Klang Valley, Malaysia
WO2019091108A1 (zh) 一种交通出行调查数据处理方法
CN107316098B (zh) 一种基于用户行为分析的汽车租赁点选址方法
CN108961804B (zh) 基于多指标分类交集的公交线路调整备选集合确定方法
d'Arcier Measuring the performance of urban public transport in relation to public policy objectives
CN113194138B (zh) 基于ai深度学习的出行管理方法和系统
CN101710449A (zh) 基于公交车gps数据的交通流运行状态识别方法
Christoforou et al. Investigating the impact of dwell time on the reliability of urban light rail operations
Nwaogbe Obioma et al. The Quality Of Mass Transit Service In Abuja, Nigeria: An Analysis Of Customers Opinions.
Fulton et al. Generalized Costs of Travel by Solo and Pooled Ridesourcing vs. Privately Owned Vehicles, and Policy Implications
Hassan et al. Area traffic capacity in centeral areas–Alexandria city center as a case study
Shitan et al. TIME SERIES MODELING AND FORECASTING OF AMPANG LINE PASSENGER RIDERSHIP IN MALAYSIA.
CN112365042A (zh) 一种基于出行链的联程客运服务评估方法及装置
Zubin et al. Adoption of shared automated vehicles as access and egress mode of public transport: A research agenda
CN114241760A (zh) 一种智慧服务区大数据融合系统及方法
Ladhi et al. Review on Assessment of Mode Shift Behavior due to Introduction of New Mass Transit System
Bhaduri et al. How sustainable is the growth of mass transit system in developing countries–an Indian perspective
Kagho et al. Potential impacts of integrating an on-demand transport service with public transit system: A case study for Zurich
Shaheem et al. Development of Public Transport Serviceability Index for Metro Cities—A Case Study of Kochi City
King et al. Measuring changes in taxi trips near infill development and issues for curbside management of for-hire vehicles
KHAN Measuring survey-based trip satisfaction of feeder modes for bus rapid transit in Rawalpindi Islamabad, Pakistan

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