CN110942198B - 一种用于轨道交通运营的乘客路径识别方法和系统 - Google Patents

一种用于轨道交通运营的乘客路径识别方法和系统 Download PDF

Info

Publication number
CN110942198B
CN110942198B CN201911185202.7A CN201911185202A CN110942198B CN 110942198 B CN110942198 B CN 110942198B CN 201911185202 A CN201911185202 A CN 201911185202A CN 110942198 B CN110942198 B CN 110942198B
Authority
CN
China
Prior art keywords
path
time
passenger
travel
transfer
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
CN201911185202.7A
Other languages
English (en)
Other versions
CN110942198A (zh
Inventor
刘立
唐小勇
高志刚
张建嵩
张建华
陈易林
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.)
Chongqing Transport Planning And Research Institute
Original Assignee
Chongqing Transport Planning And Research Institute
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 Chongqing Transport Planning And Research Institute filed Critical Chongqing Transport Planning And Research Institute
Priority to CN201911185202.7A priority Critical patent/CN110942198B/zh
Publication of CN110942198A publication Critical patent/CN110942198A/zh
Application granted granted Critical
Publication of CN110942198B publication Critical patent/CN110942198B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047Optimisation of routes or paths, e.g. travelling salesman problem
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40Business processes related to the transportation industry

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Devices For Checking Fares Or Tickets At Control Points (AREA)

Abstract

本发明公开了一种用于轨道交通运营的乘客路径识别方法和系统,涉及交通领域。该方法包括:在预设路径识别模型中采用KSP最优路径算法,根据乘客的进站站点和出站站点,获得N条路径,N≥1;计算第n条路径中的行程时间,n=1,2,...,N;将每条路径的行程时间分别与乘客从进站到出站所耗费的实际时间进行匹配,获得最接近实际时间的目标路径;而非以最短路径、非固定客流分配比计算出的乘客出行路径更接近乘客的真实出行路径,再根据接近每个乘客真实出行的路径获得轨道交通网络中客流分布真实准确的数据,有效支持客流清分管理,并为运营公司的管理工作及收入分配提供指导和依据。

Description

一种用于轨道交通运营的乘客路径识别方法和系统
技术领域
本发明涉及交通领域,尤其涉及一种用于轨道交通运营的乘客路径识别方法和系统。
背景技术
为了获得精确的轨道交通网络中的客流分布数据,最初是由各线路AFC系统取OD之间单一的线路获取轨道客流量。随着城市轨道交通网络体系的逐渐复杂,使得轨道交通线网系统中获取客流分布更加困难,在现有已建或在建的轨道交通客流清分系统中,多数采用“最短路径”或“优选路径”的算法识别乘客路径,在过去十年中,许多城市已经建成轨道客流清分模型,主要是通过对乘客路径的推算来确定轨道线网中的客流分布,并按照客流比例对票款进行分配,而这些方法获得的最短路径或优选路径,因为乘客在出行过程中,会因个人原因或外在原因并不能参照最短路径或者或优选路径去往目的地,因此现有这些方法并不能体现乘客出行时的真实合理路径,也无法为运营部门提供有效真实的客流数据来辅助运营决策。
发明内容
本发明所要解决的技术问题是针对现有技术的不足,提供一种用于轨道交通运营的乘客路径识别方法和系统。
本发明解决上述技术问题的技术方案如下:
一种用于轨道交通运营的乘客路径识别方法,包括:
S1,在预设路径识别模型中采用KSP最优路径算法,根据乘客的进站站点和出站站点,获得N条路径,N≥1;
S2,计算第n条路径中的行程时间,n=1,2,...,N;
S3,将每条路径的所述行程时间分别与所述乘客从进站到出站所耗费的实际时间进行匹配,获得最接近所述实际时间的目标路径;
S4,根据每个乘客的最接近所述实际时间的目标路径,生成对应的交通运营策略。
本发明的有益效果是:通过在预设路径识别模型中采用KSP最优路径算法,根据乘客的进站站点和出站站点,获得多条路径,根据距离从小到大排序选取N条路径,并通过第n条路径的行程时间与乘客实际时间比对,获取最符合乘客真实出行路径,而非以最短路径、非固定客流分配比计算出的乘客出行路径更接近乘客的真实出行路径,再根据每个乘客真实出行路径获得轨道交通网络中客流分布真实准确的数据,有效支持客流清分管理,并为运营公司的管理工作及收入分配提供指导和依据,为运营组织优化和协调提供辅助决策,具有较强的实用性。
在上述技术方案的基础上,本发明还可以做如下改进。
进一步地,所述计算第n条路径中的行程时间具体包括:
根据预设规则对第n条路径进行分段,计算第n条路径的每段路径的分段行程时间,将所述每段路径的所述分段行程时间相加,得到所述第n条路径的行程时间;
所述分段包括根据乘客从刷卡进站步行到候车区域的步行时间、乘客的等车时间、乘客乘车时间、乘客从下车步行到换乘候车区域的步行时间和乘客从下车步行到刷卡出站的步行时间进行分段。
采用上述进一步方案的有益效果是:通过对每条路径进行分段,计算出每段路径的分段行程时间,通过乘客从刷卡进站步行到候车区域的步行时间、乘客的等车时间、乘客乘车时间、乘客从下车步行到换乘候车区域的步行时间和乘客从下车步行到刷卡出站的步行时间进行分段,根据对每段路径进行不同类别的分类,再对每个类别的路径计算分段行程时间,能够更准确的得出每段路径的行程时间减少误差。
进一步地,所述计算第n条路径中的行程时间还具体包括:
根据预设规则对第n条路径进行分段,在所述每段路径的中有多个换乘点,每两个换乘点间的存在不同方向不同通道的多个换乘时间,获得所述多个换乘点间的换乘时间,每一种换乘时间结合其他分段路径的行程时间构成一条最优路径的行程时间。
采用上述进一步方案的有益效果是:根据在每段路径中的每个站点有多个换乘点,计算每两个换乘点间的换乘时间,获得多个换乘点间的换乘时间,实现一个站点的两两换乘,获得多种换乘时间,以获得多条路径,从而大大提升了模型的整体计算精度,使得计算出的路径信息也更加符合实际情况。
进一步地,在S1之前,还包括:根据预设区域的站点信息、站点分布图结合KSP最优路径算法和行程时间比对算法建立预设路径识别模型。
采用上述进一步方案的有益效果是:根据预设区域的站点信息、站点分布图结合KSP最优路径算法和行程时间比对算法建立预设路径识别模型,根据路径识别模型计算出每个乘客每次出行的路径,进而得到轨道每个站点、线路、断面、换乘最符合实际的客流指标。
进一步地,在S1之前,还包括:通过获取乘客的刷卡信息,得到每个乘客的进站站点、出站站点以及进站与出站之间所耗费的实际时间。
采用上述进一步方案的有益效果是:每个乘客的进站站点、出站站点以及进站与出站之间所耗费的实际时间,路径识别模型根据乘客的进站站点、出站站点计算出对应的多条路径的行程时间,将计算出的行程时间与乘客的实际时间进行比对获得最匹配的行程时间对应的路径信息,路径识别模型根据乘客的刷卡时间获得最接近乘客真实出行的路径信息。
本发明解决上述技术问题的另一种技术方案如下:
一种用于轨道交通运营的乘客路径识别系统,包括:
路径识别模块、路径时间计算模块、时间匹配计算模块和交通运营系统;
所述路径识别模块用于在预设路径识别模型中采用KSP最优路径算法,根据乘客的进站站点和出站站点,获得N条路径,N≥1;
所述路径时间计算模块用于计算第n条路径中的行程时间,n=1,2,...,N;
所述时间匹配计算模块用于将每条路径的所述行程时间分别与所述乘客从进站到出站所耗费的实际时间进行匹配,获得最接近所述实际时间的目标路径;
所述交通运营系统用于根据每个乘客的最接近所述实际时间的目标路径,生成对应的交通运营策略。
本发明的有益效果是:通过在预设路径识别模型中采用KSP最优路径算法,根据乘客的进站站点和出站站点,获得多条路径,根据距离从小到大排序选取N条路径,并通过第n条路径的行程时间与乘客实际时间比对,获取最符合乘客真实出行路径,而非以最短路径、非固定客流分配比计算出的乘客出行路径更接近乘客的真实出行路径,再根据每个乘客真实出行路径获得轨道交通网络中客流分布真实准确的数据,有效支持客流清分管理,并为运营公司的管理工作及收入分配提供指导和依据,为运营组织优化和协调提供辅助决策,具有较强的实用性。
进一步地,所述时间匹配计算模块具体用于根据预设规则对第n条路径进行分段,计算第n条路径的每段路径的分段行程时间,将所述每段路径的所述分段行程时间相加,得到所述第n条路径的行程时间;
所述分段包括根据乘客从刷卡进站步行到候车区域的步行时间、乘客的等车时间、乘客乘车时间、乘客从下车步行到换乘候车区域的步行时间和乘客从下车步行到刷卡出站的步行时间进行分段。
采用上述进一步方案的有益效果是:通过对每条路径进行分段,计算出每段路径的分段行程时间,通过乘客从刷卡进站步行到候车区域的步行时间、乘客的等车时间、乘客乘车时间、乘客从下车步行到换乘候车区域的步行时间和乘客从下车步行到刷卡出站的步行时间进行分段,根据对每段路径进行不同类别的分类,再对每个类别的路径计算分段行程时间,能够更准确的得出每段路径的行程时间减少误差。
进一步地,所述时间匹配计算模块还具体用于根据预设规则对第n条路径进行分段,在所述每段路径的中有多个换乘点,每两个换乘点间的存在不同方向不同通道的多个换乘时间,获得所述多个换乘点间的换乘时间,每一种换乘时间结合其他分段路径的行程时间构成一条最优路径的行程时间。
采用上述进一步方案的有益效果是:根据在每段路径中的每个站点有多个换乘点,计算每两个换乘点间的换乘时间,获得多个换乘点间的换乘时间,实现一个站点的两两换乘,获得多种换乘时间,以获得多条路径,从而大大提升了模型的整体计算精度,使得计算出的路径信息也更加符合实际情况。
进一步地,所述系统还包括模型建立模块,用于根据预设区域的站点信息、站点分布图结合KSP最优路径算法和行程时间比对算法建立预设路径识别模型。
采用上述进一步方案的有益效果是:根据预设区域的站点信息、站点分布图结合KSP最优路径算法和行程时间比对算法建立预设路径识别模型,根据路径识别模型计算出每个乘客每次出行的路径,进而得到轨道每个站点、线路、断面、换乘最符合实际的客流指标。
进一步地,所述系统还包括获取模块,用于获取乘客的刷卡信息,得到每个乘客的进站站点、出站站点以及进站与出站之间所耗费的实际时间。
采用上述进一步方案的有益效果是:每个乘客的进站站点、出站站点以及进站与出站之间所耗费的实际时间,路径识别模型根据乘客的进站站点、出站站点计算出对应的多条路径的行程时间,将计算出的行程时间与乘客的实际时间进行比对获得最匹配的行程时间对应的路径信息,路径识别模型根据乘客的刷卡时间获得最接近乘客真实出行的路径信息。
本发明附加的方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明实践了解到。
附图说明
图1为本发明的实施例提供的用于轨道交通运营的乘客路径识别方法流程示意图;
图2为本发明的其他实施例提供的计算每条路径的行程时间的示意图;
图3(a)为本发明的其他实施例提供的常规换乘示意图;
图3(b)为本发明的其他实施例提供的本发明换乘点采用的换乘示意图;
图4为本发明的其他实施例提供的站点分布图;
图5为本发明的其他实施例提供的行程时间比对算法的流程图;
图6为本发明的其他实施例提供的用于轨道交通运营的乘客路径识别系统结构框图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实施例只用于解释本发明,并非用于限定本发明的范围。
如图1所示,为本发明实施例提供的一种用于轨道交通运营的乘客路径识别方法,该方法包括:
S1,在预设路径识别模型中采用KSP最优路径算法,根据乘客的进站站点和出站站点,获得N条路径,N≥1;
在某实施例中,根据预设区域的站点信息、站点分布图结合KSP最优路径算法和行程时间比对算法建立预设路径识别模型,路径识别模型根据乘客的进站站点和出站站点计算出多条路径,根据距离从小到大排序,在多条路径里选择距离排前N条路径,选择N的值为30,也可以为其他数值,可以根据具体乘客信息选择合适的数值。
S2,计算第n条路径中的行程时间,n=1,2,...,N;
结合实际站点分布数据还计算出路径的换乘次数、距离以及站点数;
在某实施例中,根据乘客从刷卡进站步行到候车区域的步行时间、乘客的等车时间、乘客乘车时间、乘客从下车步行到换乘候车区域的步行时间,即每个换乘站点的换乘时间和乘客从下车步行到刷卡出站的步行时间进行分段;计算第n条路径的每段路径的分段行程时间,将每段路径的分段行程时间相加,得到第n条路径的行程时间,并对行程时间在最大概率密度时间模型进行训练,获得每条最合理的行程时间,而不受人为或其他影响行程的误差行程时间数据;其中计算每条路径的行程时间,在某实施例中可以为:如图2所示,
Tk=Tk,in+Tk,w+Tk,p+Tk,t+Tk,out
Tk,in—乘客从刷卡进站步行到候车区域的步行时间
Tk,w—乘客的等车时间
Tk,p—乘客的乘车时间
Tk,t—乘客从下车步行到换乘候车区域的步行时间
Tk,out—乘客从下车步行到刷卡出站的步行时间
(1)乘客出行OD某一路径为k,该路径的出行时间为Tk。
(2)乘客出行OD进站时间(从刷卡进站走到候车区的时间)为Tk,n,in,出站时间(从下车走到刷卡出站的时间)为Tk,n,out。
(3)乘客在该路径k上经过了n条轨道线路,每条线路上车前的候车时间为Tk,wn,途经每条线路花费时间为Tk,pn。
(4)如果路径中有换乘,则换乘时间(从前一条线路下车走到下一条线路上车点的时间)为T k,t(n-1)。
令出行OD训练出的时间为Ti(Ti=Tk,i,in+Tk,wi+Tk,pi+Tk,i,out),则该乘客出行OD路径k的出行时间为:
Tk=Tk,1,in+Tk,w1+Tk,p1+(Tk,t1+Tk,w2+Tk,p2)+(Tk,t2+Tk,w3+Tk,p3)+…+(Tk,t(i-1)+Tk,wi+Tk,pi)+Tk,i,out=T1+T2+T3+…+Ti+(Tk,t1+Tk,t2+Tk,t3+…+Tk,t(i-1))-Tk,1,out-(Tk,2,in+Tk,2,out)-(Tk,3,in+Tk,3,out)-…-(Tk,i-1,in+Tk,i-1,out)-Tk,i,
注:其中Tk,t1,Tk,t2…Tk,t(i-1)只是表示不同换乘站不同的换乘时间,只具有严格数量逻辑关系,并不具有严格意义上的连续逻辑关系,其中和/>表示换乘站点的进出站时间,可以通过现场调查获得。
假设将YEN最优路径K值取3,得到k1,k2,k3三条路径,则这三条路径的行程时间计算示例如图2所示得:
Tk1=T1+T2+Tk,ta-Tk,1,out-Tk,2,in
Tk2=T3+T4+T5+Tk,tb+Tk,tc-Tk,3,out-Tk,4in-Tk,4,out-Tk,5,in
Tk3=T3+T6+T7+Tk,tb+Tk,td-Tk,3,out-Tk,6in-Tk,6,out-Tk,7,in
在某实施例中,计算每条路径的每段路径的换成时间,在每段路径中有多个换乘点,每两个换乘点间存在不同方向不同通道的多个换乘时间,可以通过现场调查获得多个换乘点间的换乘时间,每一种换乘时间结合其他分段路径的行程时间构成一条最优路径的行程时间。在某实施例中,如图3所示,每段路径的换乘时间计算可以包括:
如图3(a)所示的为一般换乘时间计算方法:A→B换乘时间60秒,B→A换乘时间90秒,只会产生2种换乘时间结果。其中A、B可以为一个站点上的不同线路上的换乘点,例如:站点知春路,A是知春路13号线的换乘点,B是知春路10号线的换乘点。
如图3(b)所示的为本方案的换乘时间计算方法:
A1→B1=B1换乘时间60秒,
A1→B2=B1+B2或A2+B2换乘时间150秒或210秒,
A2→B1=B2+B1或A1+B1换乘时间150秒或80秒,
A2→B2=B2换乘时间90秒,
B1→A1=A1换乘时间20秒,
B1→A2=A1+A2或B2+A2换乘时间140秒或210秒,
B2→A1=A2+A1或B1+A1换乘时间140秒或80秒,
B2→A2=A2换乘时间120秒,
可以产生8种换乘时间结果,根据8中换乘时间结果,得到8条路径和8条路径对应的行程时间。
S3,将每条路径的行程时间分别与乘客从进站到出站所耗费的实际时间进行匹配,获得最接近实际时间的目标路径;
S4,根据每个乘客的最接近实际时间的目标路径,生成对应的交通运营策略。
通过在预设路径识别模型中采用KSP最优路径算法,根据乘客的进站站点和出站站点,获得多条路径,根据距离从小到大排序选取N条路径,并通过第n条路径的行程时间与乘客实际时间比对,获取最符合乘客真实出行路径,而非以最短路径、非固定客流分配比计算出的乘客出行路径更接近乘客的真实出行路径,再根据每个乘客真实出行路径获得轨道交通网络中客流分布真实准确的数据,有效支持客流清分管理,并为运营公司的管理工作及收入分配提供指导和依据,为运营组织优化和协调提供辅助决策,具有较强的实用性。
优选地,在上述任意实施例中,计算第n条路径中的行程时间具体包括:
根据预设规则对第n条路径进行分段,计算第n条路径的每段路径的分段行程时间,将每段路径的分段行程时间相加,得到第n条路径的行程时间;
分段包括根据乘客从刷卡进站步行到候车区域的步行时间、乘客的等车时间、乘客乘车时间、乘客从下车步行到换乘候车区域的步行时间和乘客从下车步行到刷卡出站的步行时间进行分段。
通过对每条路径进行分段,计算出每段路径的分段行程时间,通过乘客从刷卡进站步行到候车区域的步行时间、乘客的等车时间、乘客乘车时间、乘客从下车步行到换乘候车区域的步行时间和乘客从下车步行到刷卡出站的步行时间进行分段,根据对每段路径进行不同类别的分类,再对每个类别的路径计算分段行程时间,能够更准确的得出每段路径的行程时间减少误差。
优选地,在上述任意实施例中,计算第n条路径中的行程时间还具体包括:
根据预设规则对第n条路径进行分段,在所述每段路径的中有多个换乘点,每两个换乘点间存在不同方向不同通道的多个换乘时间,获得所述多个换乘点间的换乘时间,每一种换乘时间结合其他分段路径的行程时间构成一条最优路径的行程时间。
根据在每段路径中的每个站点有多个换乘点,计算每两个换乘点间的换乘时间,每两个换乘点间存在不同方向不同通道的多个换乘时间,实现一个站点的两两换乘,获得多种换乘时间,以获得多条路径,从而大大提升了模型的整体计算精度,使得计算出的路径信息也更加符合实际情况。
优选地,在上述任意实施例中,在S1之前,还包括:根据预设区域的站点信息、站点分布图结合KSP最优路径算法和行程时间比对算法建立预设路径识别模型。
在某实施例中,根据站点分布图,如图4所示,计算标识进站点和出站点的路径,根据预设区域的站点信息、站点分布图结合KSP最优路径算法和行程时间比对算法建立预设路径识别模型,将进站点和出站点输入路径识别模型,根据KSP最优路径算法计算出多条路径,选取前30条路径,根据行程时间比对算法如图5所示,结合乘客单次出行的行程实际时间、路径的换乘次数、距离以及站点数信息进行比对筛选匹配,获得该乘客单次出行最符合实际的出行路径。
根据预设区域的站点信息、站点分布图结合KSP最优路径算法和行程时间比对算法建立预设路径识别模型,根据路径识别模型计算出每个乘客每次出行的路径,进而得到轨道每个站点、线路、断面、换乘最符合实际的客流指标。
优选地,在上述任意实施例中,在S1之前,还包括:通过获取乘客的刷卡信息,得到每个乘客的进站站点、出站站点以及进站与出站之间所耗费的实际时间。除了获取乘客的刷卡信息,还可根据实际计算过程的需要获取其他信息,不做具体限定
每个乘客的进站站点、出站站点以及进站与出站之间所耗费的实际时间,路径识别模型根据乘客的进站站点、出站站点计算出对应的多条路径的行程时间,将计算出的行程时间与乘客的实际时间进行比对获得最匹配的行程时间对应的路径信息,路径识别模型根据乘客的刷卡时间获得最接近乘客真实出行的路径信息。
在某实施例中,如图6所示,给出了一种用于轨道交通运营的乘客路径识别系统,该系统包括:
路径识别模块11、路径时间计算模块12、时间匹配计算模块13和交通运营系统14;
路径识别模块11用于在预设路径识别模型中采用KSP最优路径算法,根据乘客的进站站点和出站站点,获得N条路径,N≥1;
路径时间计算模块12用于计算第n条路径中的行程时间,n=1,2,...,N;
时间匹配计算模块13用于将每条路径的行程时间分别与乘客从进站到出站所耗费的实际时间进行匹配,获得最接近实际时间的目标路径;
交通运营系统14用于根据每个乘客的最接近实际时间的目标路径,生成对应的交通运营策略。
通过在预设路径识别模型中采用KSP最优路径算法,根据乘客的进站站点和出站站点,获得多条路径,根据距离从小到大排序选取N条路径,并通过第n条路径的行程时间与乘客实际时间比对,获取最符合乘客真实出行路径,而非以最短路径、非固定客流分配比计算出的乘客出行路径更接近乘客的真实出行路径,再根据每个乘客真实出行路径获得轨道交通网络中客流分布真实准确的数据,有效支持客流清分管理,并为运营公司的管理工作及收入分配提供指导和依据,为运营组织优化和协调提供辅助决策,具有较强的实用性。
在上述技术方案的基础上,本发明还可以做如下改进。
优选地,在上述任意实施例中,时间匹配计算模块13具体用于根据预设规则对第n条路径进行分段,计算第n条路径的每段路径的分段行程时间,将每段路径的分段行程时间相加,得到第n条路径的行程时间;
分段包括根据乘客从刷卡进站步行到候车区域的步行时间、乘客的等车时间、乘客乘车时间、乘客从下车步行到换乘候车区域的步行时间和乘客从下车步行到刷卡出站的步行时间进行分段。
通过对每条路径进行分段,计算出每段路径的分段行程时间,通过乘客从刷卡进站步行到候车区域的步行时间、乘客的等车时间、乘客乘车时间、乘客从下车步行到换乘候车区域的步行时间和乘客从下车步行到刷卡出站的步行时间进行分段,根据对每段路径进行不同类别的分类,再对每个类别的路径计算分段行程时间,能够更准确的得出每段路径的行程时间减少误差。
优选地,在上述任意实施例中,时间匹配计算模块13还具体用于根据预设规则对第n条路径进行分段,在所述每段路径的中有多个换乘点,每两个换乘点间存在不同方向不同通道的多个换乘时间,获得所述多个换乘点间的换乘时间,每一种换乘时间结合其他分段路径的行程时间构成一条最优路径的行程时间。
根据在每段路径中的每个站点有多个换乘点,计算每两个换乘点间的换乘时间,获得多个换乘点间的换乘时间,实现一个站点的两两换乘,获得多种换乘时间,以获得多条路径,从而大大提升了模型的整体计算精度,使得计算出的路径信息也更加符合实际情况。
优选地,在上述任意实施例中,系统还包括模型建立模块,用于根据预设区域的站点信息、站点分布图结合KSP最优路径算法和行程时间比对算法建立预设路径识别模型。
根据预设区域的站点信息、站点分布图结合KSP最优路径算法和行程时间比对算法建立预设路径识别模型,根据路径识别模型计算出每个乘客每次出行的路径,进而得到轨道每个站点、线路、断面、换乘最符合实际的客流指标。
优选地,在上述任意实施例中,系统还包括获取模块,用于获取乘客的刷卡信息,得到每个乘客的进站站点、出站站点以及进站与出站之间所耗费的实际时间。
每个乘客的进站站点、出站站点以及进站与出站之间所耗费的实际时间,路径识别模型根据乘客的进站站点、出站站点计算出对应的多条路径的行程时间,将计算出的行程时间与乘客的实际时间进行比对获得最匹配的行程时间对应的路径信息,路径识别模型根据乘客的刷卡时间获得最接近乘客真实出行的路径信息。
可以理解,在一些实施例中,可以包含如上述各实施例中的部分或全部可选实施方式。
需要说明的是,上述各实施例是与在先方法实施例对应的产品实施例,对于产品实施例中各可选实施方式的说明可以参考上述各方法实施例中的对应说明,在此不再赘述。
读者应理解,在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的方法实施例仅仅是示意性的,例如,步骤的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个步骤可以结合或者可以集成到另一个步骤,或一些特征可以忽略,或不执行。
上述方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。

Claims (8)

1.一种用于轨道交通运营的乘客路径识别方法,其特征在于,
S1,在预设路径识别模型中采用KSP最优路径算法,根据乘客的进站站点和出站站点,获得N条路径,N≥1;
S2,计算第k条路径中的行程时间,k=1,2,...,N;
乘客出行OD某一路径为k,根据预设规则对第k条路径进行分段,令出行OD训练出的时间为Ti(Ti=Tk,i,in+Tk,wi+Tk,pi+Tk,i,out),该路径的出行时间为Tk;
Tk=Tk,1,in+Tk,w1+Tk,p1+(Tk,t1+Tk,w2+Tk,p2)+(Tk,t2+Tk,w3+Tk,p3)+…+(Tk,t(i-1)+Tk,wi+Tk,pi)+Tk,i,out=T1+T2+T3+…+Ti+(Tk,t1+Tk,t2+Tk,t3+…+Tk,t(i-1))-Tk,1,out-(Tk,2,in+Tk,2,out)-(Tk,3,in+Tk,3,out)-…-(Tk,i-1,in+Tk,i-1,out)-
其中,Tk,in为乘客从刷卡进站步行到候车区域的步行时间,Tk,w为乘客的等车时间,Tk,p为乘客的乘车时间,Tk,t为乘客从下车步行到换乘候车区域的步行时间,Tk,out为乘客从下车步行到刷卡出站的步行时间;
Tk,t1,Tk,t2…Tk,t(i-1)只是表示不同换乘站不同的换乘时间,只具有严格数量逻辑关系,并不具有严格意义上的连续逻辑关系,其中和/>表示换乘站点的进出站时间,通过现场调查获得;
S3,将每条路径的所述行程时间分别与所述乘客从进站到出站所耗费的实际时间进行匹配,获得最接近所述实际时间的目标路径;
S4,根据每个乘客的最接近所述实际时间的目标路径,生成对应的交通运营策略。
2.根据权利要求1所述的一种用于轨道交通运营的乘客路径识别方法,其特征在于,所述计算第k条路径中的行程时间还具体包括:
根据预设规则对第k条路径进行分段,在所述每段路径的中有多个换乘点,在每两个换乘点之间有不同方向不同通道的多个换乘时间,获得所述多个换乘点间的换乘时间,每一种换乘时间结合其他分段路径的行程时间构成一条最优路径的行程时间。
3.根据权利要求1所述的一种用于轨道交通运营的乘客路径识别方法,其特征在于,在S1之前,还包括:根据预设区域的站点信息、站点分布图结合KSP最优路径算法和行程时间比对算法建立预设路径识别模型。
4.根据权利要求1所述的一种用于轨道交通运营的乘客路径识别方法,其特征在于,在S1之前,还包括:通过获取乘客的刷卡信息,得到每个乘客的进站站点、出站站点以及进站与出站之间所耗费的实际时间。
5.一种用于轨道交通运营的乘客路径识别系统,其特征在于,包括:路径识别模块、路径时间计算模块、时间匹配计算模块和交通运营系统;
所述路径识别模块用于在预设路径识别模型中采用KSP最优路径算法,根据乘客的进站站点和出站站点,获得N条路径,N≥1;
所述路径时间计算模块用于计算第k条路径中的行程时间,k=1,2,...,N;
乘客出行OD某一路径为k,根据预设规则对第k条路径进行分段,令出行OD训练出的时间为Ti(Ti=Tk,i,in+Tk,wi+Tk,pi+Tk,i,out),该路径的出行时间为Tk;
Tk=Tk,1,in+Tk,w1+Tk,p1+(Tk,t1+Tk,w2+Tk,p2)+(Tk,t2+Tk,w3+Tk,p3)+…+(Tk,t(i-1)+Tk,wi+Tk,pi)+Tk,i,out=T1+T2+T3+…+Ti+(Tk,t1+Tk,t2+Tk,t3+…+Tk,t(i-1))-Tk,1,out-(Tk,2,in+Tk,2,out)-(Tk,3,in+Tk,3,out)-…-(Tk,i-1,in+Tk,i-1,out)-
其中,Tk,in为乘客从刷卡进站步行到候车区域的步行时间,Tk,w为乘客的等车时间,Tk,p为乘客的乘车时间,Tk,t为乘客从下车步行到换乘候车区域的步行时间,Tk,out为乘客从下车步行到刷卡出站的步行时间;
Tk,t1,Tk,t2…Tk,t(i-1)只是表示不同换乘站不同的换乘时间,只具有严格数量逻辑关系,并不具有严格意义上的连续逻辑关系,其中和/>表示换乘站点的进出站时间,通过现场调查获得;
所述时间匹配计算模块用于将每条路径的所述行程时间分别与所述乘客从进站到出站所耗费的实际时间进行匹配,获得最接近所述实际时间的目标路径;
所述交通运营系统用于根据每个乘客的最接近所述实际时间的目标路径,生成对应的交通运营策略。
6.根据权利要求5所述的一种用于轨道交通运营的乘客路径识别系统,其特征在于,所述时间匹配计算模块还具体用于根据预设规则对第k条路径进行分段,在每段路径的中有多个换乘点,在每两个换乘点之间有不同方向不同通道的多个换乘时间,获得所述多个换乘点间的换乘时间,每一种换乘时间结合其他分段路径的行程时间构成一条最优路径的行程时间。
7.根据权利要求5所述的一种用于轨道交通运营的乘客路径识别系统,其特征在于,所述乘客路径识别系统还包括模型建立模块,用于根据预设区域的站点信息、站点分布图结合KSP最优路径算法和行程时间比对算法建立预设路径识别模型。
8.根据权利要求5所述的一种用于轨道交通运营的乘客路径识别系统,其特征在于,所述乘客路径识别系统还包括获取模块,用于获取乘客的刷卡信息,得到每个乘客的进站站点、出站站点以及进站与出站之间所耗费的实际时间。
CN201911185202.7A 2019-11-27 2019-11-27 一种用于轨道交通运营的乘客路径识别方法和系统 Active CN110942198B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911185202.7A CN110942198B (zh) 2019-11-27 2019-11-27 一种用于轨道交通运营的乘客路径识别方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911185202.7A CN110942198B (zh) 2019-11-27 2019-11-27 一种用于轨道交通运营的乘客路径识别方法和系统

Publications (2)

Publication Number Publication Date
CN110942198A CN110942198A (zh) 2020-03-31
CN110942198B true CN110942198B (zh) 2024-02-27

Family

ID=69908423

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911185202.7A Active CN110942198B (zh) 2019-11-27 2019-11-27 一种用于轨道交通运营的乘客路径识别方法和系统

Country Status (1)

Country Link
CN (1) CN110942198B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113766428B (zh) * 2020-06-01 2024-08-20 深圳先进技术研究院 城市公共交通乘客出行轨迹估计方法、系统、终端以及存储介质
CN111861841B (zh) * 2020-06-30 2024-07-23 南昌轨道交通集团有限公司 交通路网客流分布的确定方法、装置、设备和存储介质
CN111988735B (zh) * 2020-07-09 2022-08-16 北京北大千方科技有限公司 含个体特征的机场客流出行链精准感知方法
CN114090704B (zh) * 2020-08-04 2024-06-07 中国科学院深圳先进技术研究院 乘客的识别方法和识别装置、电子设备和可读存储介质
CN112101640A (zh) * 2020-08-28 2020-12-18 通号城市轨道交通技术有限公司 乘客路径确定方法、装置及可读存储介质
CN112116811B (zh) * 2020-09-23 2021-11-02 佳都科技集团股份有限公司 一种进行乘车路径识别确定的方法及装置
CN112133093A (zh) * 2020-09-23 2020-12-25 佳都新太科技股份有限公司 一种快速进行乘车路径确认的方法及装置
CN112348230B (zh) * 2020-10-14 2023-04-07 北京交通大学 一种地铁乘客出行路径识别方法
CN112966218B (zh) * 2021-02-26 2023-06-16 佳都科技集团股份有限公司 一种车厢载客人数实时计算方法及装置
CN113570864B (zh) * 2021-09-22 2022-02-01 深圳市城市交通规划设计研究中心股份有限公司 一种电动自行车行驶路径匹配方法、设备及存储介质
CN116502948B (zh) * 2023-04-25 2024-01-19 中国地铁工程咨询有限责任公司 一种衡量站内设施的客流输送能力的方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104217129A (zh) * 2014-09-22 2014-12-17 北京交通大学 一种城轨路网客流估算方法
CN106529815A (zh) * 2016-11-15 2017-03-22 同济大学 城市轨道交通网络乘客出行时空轨迹估计方法及其应用
CN106951549A (zh) * 2017-03-27 2017-07-14 重庆邮电大学 一种基于轨道ic卡和手机信令数据的乘客出行路线识别方法
CN114169619A (zh) * 2021-12-10 2022-03-11 重庆市交通规划研究院 轨道线路客流的测算方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104217129A (zh) * 2014-09-22 2014-12-17 北京交通大学 一种城轨路网客流估算方法
CN106529815A (zh) * 2016-11-15 2017-03-22 同济大学 城市轨道交通网络乘客出行时空轨迹估计方法及其应用
CN106951549A (zh) * 2017-03-27 2017-07-14 重庆邮电大学 一种基于轨道ic卡和手机信令数据的乘客出行路线识别方法
CN114169619A (zh) * 2021-12-10 2022-03-11 重庆市交通规划研究院 轨道线路客流的测算方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于多路径的城市轨道交通网络客流分布模型及算法研究;徐瑞华等;《铁道学报》(第02期);第110-114页 *
基于大数据的北京城市轨道交通定价策略研究;赵鹏飞;《中国优秀硕士学位论文全文数据库(电子期刊)经济与管理科学辑》(第12期);第J151-120页 *
基于智能交通卡数据的城市轨道交通乘客个体路径选择模型;王沙沙等;《山东科学》(第01期);第72-78页 *

Also Published As

Publication number Publication date
CN110942198A (zh) 2020-03-31

Similar Documents

Publication Publication Date Title
CN110942198B (zh) 一种用于轨道交通运营的乘客路径识别方法和系统
CN108053062B (zh) 一种基于多源数据的定制公交线路生成方法
US7391341B2 (en) System and method of optimizing a fixed-route transit network
CN104884900A (zh) 行程时间信息提供设备和行程时间信息提供方法
CN115409388B (zh) 多车型定制公交运营优化方法
CN107944611A (zh) 面向个性化出行需求的跨模式组合出行规划方法
Yu et al. Data-driven approach for solving the route choice problem with traveling backward behavior in congested metro systems
CN114358808A (zh) 基于多源数据融合的公交od估计及分配方法
Kato et al. Latest urban rail demand forecast model system in the Tokyo Metropolitan Area
CN113344268B (zh) 一种城市交通出行数据分析方法
CN116933958B (zh) 一种基于刷卡数据的地铁换乘站换乘客流估计方法
CN115565376B (zh) 融合graph2vec、双层LSTM的车辆行程时间预测方法及系统
CN116451867A (zh) 一种基于时空出行路径标定的地铁短时客流预测方法
Syarif et al. Big data analytics: Estimation of destination for users of bus rapid transit (BRT) public transportation in Jakarta
Fadeev et al. Determining the public transport demand by validation data of the electronic tickets
CN113536493A (zh) 基于聚类反推的有效路径生成方法及断面客流估算方法
CN111754760B (zh) 一种确定公交下车站点的方法、装置及上位机
Kumar Transit Origin Destination Estimation using Automated Data
Xie et al. Estimating distributions of walking speed, walking distance, and waiting time with automated fare collection data for rail transit
Kou et al. Last‐Mile Shuttle Planning for Improving Bus Commuters’ Travel Time Reliability: A Case Study of Beijing
Wickramasinghe et al. Plus go: Intelligent complementary ride-sharing system
Lee et al. Ensemble-based methodology to identify optimal personal mobility service areas using public data
Bhandari et al. Occupancy prediction at transit stops using ANN
CN104239958A (zh) 适用于城市轨道交通系统的短时客流预测方法
이하식 An Algorithm for Searching Optimum Path using Car-hailing as Transit Feeder

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