CN110992726A - 一种公交车辆到站识别以及车辆上下行班次划分的方法 - Google Patents
一种公交车辆到站识别以及车辆上下行班次划分的方法 Download PDFInfo
- Publication number
- CN110992726A CN110992726A CN201911032285.6A CN201911032285A CN110992726A CN 110992726 A CN110992726 A CN 110992726A CN 201911032285 A CN201911032285 A CN 201911032285A CN 110992726 A CN110992726 A CN 110992726A
- Authority
- CN
- China
- Prior art keywords
- bus
- line
- gps
- station
- shift
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000001174 ascending effect Effects 0.000 claims abstract description 14
- 238000004140 cleaning Methods 0.000 claims abstract description 5
- 230000009191 jumping Effects 0.000 claims description 15
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 230000003139 buffering effect Effects 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 239000013589 supplement Substances 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 abstract description 2
- 230000001502 supplementing effect Effects 0.000 abstract 1
- 238000012795 verification Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
- G08G1/0125—Traffic data processing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Remote Sensing (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Radar, Positioning & Navigation (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Quality & Reliability (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种公交车辆到站识别以及车辆上下行班次划分的方法,包括以下步骤:步骤S1)获取公交车辆GPS数据、已知公交线路站点属性数据和GPS与公交线路对应关系表数据;步骤S2)进行数据清洗;步骤S3)将公交站点GPS数据聚类,设定辅助参数进行缓冲判定;步骤S4)对单簇GPS数据进行质心选取;步骤S5)确定整条公交线路两个方向的班次序列,按照时间序列对公交车班次集合进行排序,排除非升序集合;步骤S6)验证每个班次中是否包含线路所有站点的到站时间,如缺少站点,则用内插法进行补充;本发明的优点在于:快速准确的识别公交车辆到站时间,且能有效的确定车辆运营方向及班次切分,运用内插法更能确保数据完整性。
Description
技术领域
本发明涉及车辆交通数据处理技术领域,尤其涉及一种公交车辆到站识别以及车辆上下行班次划分的方法。
背景技术
车载GPS广泛应用于公交车、地铁、BRT等公共交通设备上,实现对车辆的实时跟踪定位的功能,以实现在电子站牌上实时显示下班车位置信息等。实际应用中,通常利用车辆的位置信息来预测获取下班车到达站点的具体时间,以方便用户合理安排交通线路,节省交通时间。
目前的车辆到站时间获取方案,通常有:以所有路段为单位的车辆到站时间预测方案及以站间路段为单位的车辆到站时间预测方案。前一方案中以起始点到目的站点间的所有路段进行预测,通过忽略线路中各站点的复杂细节,直接预测车辆到站时间,虽然可以提高预测的速率,但明显会降低所预测到的时间的准确度,而后一方案中以相邻两站间的站间路段为单位进行时间预测,虽然其时间的预测准确率较高,但耗时较长,影响方案的时效性。因此,需要一种能够快速又准确的对公共交通车辆到达每一站点的时间进行获取的方案。
发明内容
本发明的目的是提供一种公交车辆到站识别以及车辆上下行班次划分的方法。
为了实现上述目的,本发明的技术方案是:
一种公交车辆到站识别以及车辆上下行班次划分的方法,其特征在于,包括以下步骤:
步骤S1)获取公交车辆GPS数据、已知公交线路站点属性数据和GPS与公交线路对应关系表数据;
步骤S2)进行数据清洗,清洗每一辆公交车GPS数据中的异常数据;
步骤S3)将公交站点GPS数据聚类,设定辅助参数进行缓冲判定;
步骤S4)对单簇GPS数据进行质心选取,判定车辆行驶班次的切分点,进行班次划分,得出公交车班次集合;
步骤S5)确定整条公交线路两个方向的班次序列,按照时间序列对公交车班次集合进行排序,排除非升序集合;
步骤S6)验证每个班次中是否包含线路所有站点的到站时间,如缺少站点,则用内插法进行补充。
进一步地,在所述步骤S1中,公交GPS数据描述公交车辆全部的位置信息,由多个时刻点的经纬度信息组成,公交GPS数据序列定义为
P={p1,...,pn}={<lat1,lng1,t1>,...,<latn,lngn,tn>};
每一条公交线路的信息包含公交线路名称和公交站点的位置信息,公交线路定义为l={lname:S={s1,s2,...,sk}},其中lname表示公交线路的名称,si表示公交线路包含的公交站点的类型、索引号、位置信息及与前一站点站间距离,公交路网定义为L={l1,l2,...,ln}。
进一步地,所述步骤S2包括:
步骤S21)将所有GPS数据按车辆为单位进行数据切片,一辆车为一个对象,该对象所属数组子元素为该车辆所有GPS位置对象化信息,GPS位置对象化信息定义为pn={<latn,lngn,tn>};
步骤S22)按照时间升序对单一对象GPS数据排序;
步骤S23)遍历对象P,删除所有异常漂移信号,异常漂移信号指在GPS数据序列P中,某一个点pn与pn-1及pn+1做球面距离运算,Disn=D{pn,pn-1},Disn+1=D{pn+1,pn},且Diff≤Min{Disn+1,Disn},其中Diff为两个GPS坐标点理论最大距离值;
步骤S24)遍历整个GPS数组,判断连续时间序列片段中经纬度一致的数据,提取这一片数据,保留这一片数据时间维度最大的元素,其余全部删除;
步骤S25)对对象P进行样本量判断,如P={p1,...,pn},n<Nmin,Nmin代表一个对象允许的最小样本量,如判断成立,则舍弃该对象。
进一步地,在所述步骤3中,将GPS点与首末站的最大距离定义为Ds,缓冲判定的过程为判定每个GPS点是否在线路l中某一个站点sn的距离是否小于D,满足缓冲判定的GPS坐标点集合组成缓冲区域,定义缓冲区域Gk={p1,...,pk},定义整个线路LG={G1,...,Gk};
定义Findex为:前一个满足GPS点匹配到线路某一个站点缓冲区域内,该线路站点在线路站点序列的索引号;
定义Fstopno为:前一个满足GPS点匹配到线路某一个站点缓冲区域内,该线路站点编号;
定义Startforindex为:GPS点与线路站点序列进行缓冲判定的起始索引号;
定义Ftype为:前一个满足GPS点匹配到线路某一个站点缓冲区域内,该线路站点类型,首末站或者中途站;
定义IsFirst为:缓冲区域判定成立的公交站点中是否存在首末站。
进一步地,所述步骤3包括以下步骤:
步骤S31)在对应关系表中查询对象P所属车辆对应的线路l,提取线路所有信息存入对象L中,线路信息分为上下行;
步骤S32)遍历线路上下行;
步骤S33)若IsFirst为true,则Startforindex为0;
步骤S34)遍历P中元素,判断pn与L中所有站点S={s1,s2,...,sk}的距离disn,定义type为sk的类型属性,定义nowindex为sk的序列索引号,nowPointNo为sk的站点编号。
进一步地,所述步骤S34包括:
步骤S341)若disn≤D,确定站点属性为中途站还是首末站,若为首末站,则继续判断disn≤Ds;若type为首末站,则IsFirst=true;
步骤S342)判断当前站点索引与前索引的序号差值,若nowindex-Findex≤3且nowindex-Findex≥0,则继续;
步骤S343)若IsFirst=true,则继续,否则判断下一个GPS点pn+1;
步骤S344)判断Fstopno=nowPointNo,且Ftype=type;
若判断成立,则跳转步骤S345;
若判断不成立,则跳转步骤S346;
步骤S345)将该GPS坐标点pn及disn加入sk的已有缓冲集合Gk;
步骤S346)新建sk的缓冲集合Gk,将GPS坐标点pn及disn加入sk,且重置参数Fstopno=nowPointNo、Ftype=type、Findex=nowindex、Startforindex=nowindex-1;
此外,若type为首末站中的末站,则Startforindex=0、IsFirst=false。
进一步地,所述步骤S4包括:确定线路站点的缓冲集合LG中每一个缓冲区域质心点,判定车辆行驶班次的切分点,进行班次划分,定义公交车班次集合B={b1,b2,...,bk}={{g1,g2,...,gn}....{gk1,gk2,...,gkn}};
进一步地,所述步骤S4具体包括以下步骤:
步骤S41)遍历每一个G,判断每一个G中的站点类型:
若类型为中途站,则跳转步骤S42;
若类型为首末站,则跳转步骤S43;
步骤S42)选取Gk中disn最小的pn作为Gk的质心点,将Gk加入bk中;
步骤S43)记录下Gk中时间序列最早和最晚的两个Tmin、Tmax两个时间值,判断B是否为空,B中为空,则跳转步骤S44,若B不为空,则跳转步骤S45;
步骤S44)为第一个班次开始初始化,选取时间Tmax所代表的pn为Gk加入bk;
步骤S45)选取时间Tmin所代表的pn为Gk加入bk+1中;
进一步地,所述步骤S5包括:确定整条线路两个方向的班次序列,按照时间序列对B集合进行排序,排序后利用升序判定对bk中站点索引号进行判定,排除非升序集合。
进一步地,所述步骤S6包括以下步骤:
步骤S61)遍历B集合中每一个班次bn;
步骤S62)获取线路的站点个数;
步骤S63)遍历bn,比较bn集合中元素个数是否和线路站点数一致,若一致,遍历bn+1,若不一致,则开始内插;
步骤S64)继续遍历,直至所有bn集合中元素个数和线路站点数一致。
本发明的优点在于:快速准确的识别公交车辆到站时间,且能有效的确定车辆运营方向及班次切分,运用内插法更能确保数据完整性。
附图说明
图1为本发明的流程示意图;
图2为本发明步骤S2的具体流程示意图;
图3为本发明步骤S3的具体流程示意图;
图4为本发明步骤S34的具体流程示意图;
图5为本发明步骤S4的具体流程示意图;
图6为本发明步骤S6的具体流程示意图。
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。
本实施例公开了一种公交车辆到站识别以及车辆上下行班次划分的方法,如图1所示,包括以下步骤:
步骤S1:获取数据;数据包括公交车辆GPS数据、已知公交线路站点属性数据、以及GPS与公交线路对应关系表数据,其中公交GPS数据描述公交车辆全部的位置信息,包含多个时刻点的经纬度信息,
即P={p1,...,pn}={<lat1,lng1,t1>,...,<latn,lngn,tn>};
已知的公交线路则描述的公交线路站点有序分布,每一条公交线路l的信息包含公交线路名称,公交站点的位置信息,即l={lname:S={s1,s2,...,sk}},其中lname表示公交线路的名称(包含线路方向),而si表示公交线路包含的公交站点的类型(中途站或首末站)、索引号、位置信息及与前一站点站间距离,因此公交路网L={l1,l2,...,ln}。GPS数据与公交线路对应关系表描述某一辆公交车运行具体的公交线路。
步骤S2:数据清洗,清洗每一辆公交车GPS数据异常数据。
如图2所示,步骤S2具体包括以下步骤:
步骤S21:数据对象化,其具体过程为,将所有GPS数据按照车辆为单位进行数据切片,确保一辆车为一个对象,该对象所属数组子元素为该车辆所有GPS位置对象化信息,如pn={<latn,lngn,tn>}。以下将按照单一车辆为分析对象进行说明,即P={p1,...,pn}
步骤S22:数据时间维度排序,其具体过程为,按照时间升序对单一对象GPS数据排序,确保数组按照索引值能反应车辆的客观实际空间位置。
步骤S23:清除漂移信号,其具体过程为,异常漂移信号指在GPS数据序列P中,某一个点pn与pn-1及pn+1做球面距离运算,
Disn=D{pn,pn-1},Disn+1=D{pn+1,pn},且Diff≤Min{Disn+1,Disn},Diff代表两个GPS坐标点理论最大距离值。遍历对象P,删除所有异常信号。
步骤S24:清除重复点数据,其具体过程为,遍历整个GPS数组,判断连续时间序列片段中经纬度一致的数据,提取这一片数据,保留这一片数据时间维度最大的元素,其余全部删除。
步骤S25:元素样本量判定,其具体过程为,对对象P进行样本量判断,如P={p1,...,pn},n<Nmin,Nmin代表一个对象允许的最小样本量,如判定成立,则舍弃该对象。
步骤S3:公交站点GPS数据聚类,步骤S3需要设定多个辅助参数判断:
如图3所示,设定D为GPS与公交站点中途站是否靠近的最大距离,因首末站为敏感站点,GPS点与首末站的最大距离为Ds;判定每个GPS点是否在线路l中某一个站点sn的距离是否小于D,该过程称为缓冲判定;缓冲区域为满足缓冲判定的GPS坐标点集合,用Gk={p1,...,pk}表示,整个线路LG={G1,...,Gk}。
Findex代表前一个满足GPS点匹配到线路某一个站点缓冲区域内,该线路站点在线路站点序列的索引号。
Fstopno代表前一个满足GPS点匹配到线路某一个站点缓冲区域内,该线路站点编号。
Startforindex代表GPS点与线路站点序列进行缓冲判定的起始索引号。
Ftype代表前一个满足GPS点匹配到线路某一个站点缓冲区域内,该线路站点类型,首末站或者中途站。
IsFirst代表之前缓冲区域判定成立的公交站点中是否存在首末站,该参数是用来切分线路运行班次的重要属性。
如图4所示,所述步骤S3包括以下步骤:
步骤S31:在对应关系表中查询对象P所属车辆对应的线路l,提取线路所有信息存入对象L中,线路信息分为上下行;
步骤S32:遍历线路上下行;
步骤S33:若IsFirst=true,则Startforindex=0;
步骤S34:遍历P中元素,判断pn与L中所有站点S={s1,s2,...,sk}的距离disn,type为sk的类型属性,nowindex为sk的序列索引号,nowPointNo为sk的站点编号。
进一步地,所述步骤S34包括:
步骤S341:若disn≤D,确定站点属性为中途站还是首末站,若为首末站,则继续判断disn≤Ds;若type为首末站,则IsFirst=true;
步骤S342:判断当前站点索引与前索引的序号差值,若nowindex-Findex≤3且nowindex-Findex≥0,则继续。
步骤S343:若IsFirst=true,则继续,否则判断下一个GPS点pn+1。
步骤S344:判断Fstopno=nowPointNo,且Ftype=type:
若成立,则跳转步骤S345,将该GPS坐标点pn及disn加入sk的已有缓冲集合Gk;
否则,跳转步骤S346,新建sk的缓冲集合Gk,并且将GPS坐标点pn及disn加入sk,且重置参数
Fstopno=nowPointNo、Ftype=type、Findex=nowindex、Startforindex=nowindex-1;
此外,若type为首末站中的末站,则Startforindex=0、IsFirst=false;
步骤S4:单簇GPS数据质心选取,确定线路站点的缓冲集合LG中每一个缓冲区域质心点,判定车辆行驶班次的切分点是找到G中第一个首站或者末站,进行班次划分。
设定公交车班次集合
B={b1,b2,...,bk}={{g1,g2,...,gn}....{gk1,gk2,...,gkn}}。
如图5所示,所述步骤S4具体包括以下步骤:
步骤S41:遍历每一个G,判断每一个G中的站点类型:
若类型为中途站,则跳转步骤S42;
若类型为首末站,则跳转步骤S43;
步骤S42:选取Gk中disn最小的pn作为Gk的质心点,将Gk加入bk中。
步骤S43:记录下Gk中时间序列最早和最晚的两个Tmin、Tmax两个时间值,判断B是否为空,若B中为空,则跳转步骤S44,若B不为空,则跳转步骤S45。
步骤S44:为第一个班次开始初始化,选取时间Tmax所代表的pn为Gk加入bk,
步骤S45:选取时间Tmin所代表的pn为Gk加入bk+1中。
步骤S5:公交线路班次筛选,确定整条线路两个方向的班次序列,按照时间序列对B集合进行排序,排序后利用升序判定对bk中站点索引号进行判定,排除非升序集合。
举例说明步骤S5的排除非升序集合方式,例如bn={g1,g2,...,gn},这是一个正确的集合序列,下角标有序且为升序代表序列正确,若bn={gn,gn-1,...,g1},虽然序列有序,但为降序,则判定班次错误进行排除,若bn={g1,g3,g2...,gn},该序列无乱序,则判定班次错误进行排除。
步骤S6:单一班次到站序列验证步骤。该步骤是对每个班次进行完整性验证,验证是否每个班次中包含线路所有站点的到站时间,如缺少站点,则用内插法进行补充。
如图6所示,所述步骤S6具体包括以下步骤:
步骤S61:遍历B集合中每一个班次bn;
步骤S62:获取线路的站点个数;
步骤S63:遍历bn,比较bn集合中元素个数是否和线路站点数一致,若一致,遍历bn+1,若不一致,则开始内插;
内插的方式为,按照站点索引依序定位缺失站点索引号n;取站点区段sn与sn-1之间站间距为Predisn-1,站点区段sn与sn+1之间站间距为Predisn+1,站点sn+1与sn-1时间差Δt=(tn+1-tn-1),则可计算站点sn时间tn=tn-1+Δt×Predisn-1/(Predisn+1+Predisn-1)。
步骤S64:继续遍历直至所有bn集合中元素个数和线路站点数一致。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种公交车辆到站识别以及车辆上下行班次划分的方法,其特征在于,包括以下步骤:
步骤S1)获取公交车辆GPS数据、已知公交线路站点属性数据和GPS与公交线路对应关系表数据;
步骤S2)进行数据清洗,清洗每一辆公交车GPS数据中的异常数据;
步骤S3)将公交站点GPS数据聚类,设定辅助参数进行缓冲判定;
步骤S4)对单簇GPS数据进行质心选取,判定车辆行驶班次的切分点,进行班次划分,得出公交车班次集合;
步骤S5)确定整条公交线路两个方向的班次序列,按照时间序列对公交车班次集合进行排序,排除非升序集合;
步骤S6)验证每个班次中是否包含线路所有站点的到站时间,如缺少站点,则用内插法进行补充。
2.根据权利要求1所述的一种公交车辆到站识别以及车辆上下行班次划分的方法,其特征在于,在所述步骤S1中,公交GPS数据描述公交车辆全部的位置信息,由多个时刻点的经纬度信息组成,公交GPS数据序列定义为
P={p1,…,pn}={<lat1,lng1,t1>,…,<latn,lngn,tn>};
每一条公交线路的信息包含公交线路名称和公交站点的位置信息,公交线路定义为l={lname:S={s1,s2,…,sk}},其中lname表示公交线路的名称,si表示公交线路包含的公交站点的类型、索引号、位置信息及与前一站点站间距离,公交路网定义为L={l1,l2,…,ln}。
3.根据权利要求2所述的一种公交车辆到站识别以及车辆上下行班次划分的方法,其特征在于,所述步骤S2包括:
步骤S21)将所有GPS数据按车辆为单位进行数据切片,一辆车为一个对象,该对象所属数组子元素为该车辆所有GPS位置对象化信息,GPS位置对象化信息定义为pn={<latn,lngn,tn>};
步骤S22)按照时间升序对单一对象GPS数据排序;
步骤S23)遍历对象P,删除所有异常漂移信号,异常漂移信号指在GPS数据序列P中,某一个点pn与pn-1及pn+1做球面距离运算,Disn=D{pn,pn-1},Disn+1=D{pn+1,pn},且Diff≤Min{Disn+1,Disn},其中Diff为两个GPS坐标点理论最大距离值;
步骤S24)遍历整个GPS数组,判断连续时间序列片段中经纬度一致的数据,提取这一片数据,保留这一片数据时间维度最大的元素,其余全部删除;
步骤S25)对对象P进行样本量判断,如P={p1,…,pn},n<Nmin,Nmin代表一个对象允许的最小样本量,如判断成立,则舍弃该对象。
4.根据权利要求3所述的一种公交车辆到站识别以及车辆上下行班次划分的方法,其特征在于,在所述步骤3中,将GPS点与首末站的最大距离定义为Ds,缓冲判定的过程为判定每个GPS点是否在线路l中某一个站点sn的距离是否小于D,满足缓冲判定的GPS坐标点集合组成缓冲区域,定义缓冲区域Gk={p1,…,pk},定义整个线路LG={G1,…,Gk};
定义Findex为:前一个满足GPS点匹配到线路某一个站点缓冲区域内,该线路站点在线路站点序列的索引号;
定义Fstopno为:前一个满足GPS点匹配到线路某一个站点缓冲区域内,该线路站点编号;
定义Startforindex为:GPS点与线路站点序列进行缓冲判定的起始索引号;
定义Ftype为:前一个满足GPS点匹配到线路某一个站点缓冲区域内,该线路站点类型,首末站或者中途站;
定义IsFirst为:缓冲区域判定成立的公交站点中是否存在首末站。
5.根据权利要求4所述的一种公交车辆到站识别以及车辆上下行班次划分的方法,其特征在于,所述步骤3包括以下步骤:
步骤S31)在对应关系表中查询对象P所属车辆对应的线路l,提取线路所有信息存入对象L中,线路信息分为上下行;
步骤S32)遍历线路上下行;
步骤S33)若IsFirst为true,则Startforindex为0;
步骤S34)遍历P中元素,判断pn与L中所有站点S={s1,s2,…,sk}的距离disn,定义type为sk的类型属性,定义nowindex为sk的序列索引号,nowPointNo为sk的站点编号。
6.根据权利要求5所述的一种公交车辆到站识别以及车辆上下行班次划分的方法,其特征在于,所述步骤S34包括:
步骤S341)若disn≤D,确定站点属性为中途站还是首末站,若为首末站,则继续判断disn≤Ds;若type为首末站,则IsFirst=true;
步骤S342)判断当前站点索引与前索引的序号差值,若nowindex-Findex≤3且nowindex-Findex≥0,则继续;
步骤S343)若IsFirst=true,则继续,否则判断下一个GPS点pn+1;
步骤S344)判断Fstopno=nowPointNo,且Ftype=type;
若判断成立,则跳转步骤S345;
若判断不成立,则跳转步骤S346;
步骤S345)将该GPS坐标点pn及disn加入sk的已有缓冲集合Gk;
步骤S346)新建sk的缓冲集合Gk,将GPS坐标点pn及disn加入sk,且重置参数Fstopno=nowPointNo、Ftype=type、Findex=nowindex、Startforindex=nowindex-1;此外,若type为首末站中的末站,则Startforindex=0、IsFirst=false。
7.根据权利要求6所述的一种公交车辆到站识别以及车辆上下行班次划分的方法,其特征在于,所述步骤S4包括:确定线路站点的缓冲集合LG中每一个缓冲区域质心点,判定车辆行驶班次的切分点,进行班次划分,定义公交车班次集合B={b1,b2,…,bk}={{g1,g2,…,gn}.…{gk1,gk2,…,gkn}}。
8.根据权利要求7所述的一种公交车辆到站识别以及车辆上下行班次划分的方法,其特征在于,所述步骤S4具体包括以下步骤:
步骤S41)遍历每一个G,判断每一个G中的站点类型:
若类型为中途站,则跳转步骤S42;
若类型为首末站,则跳转步骤S43;
步骤S42)选取Gk中disn最小的pn作为Gk的质心点,将Gk加入bk中;
步骤S43)记录下Gk中时间序列最早和最晚的两个Tmin、Tmax两个时间值,判断B是否为空,B中为空,则跳转步骤S44,若B不为空,则跳转步骤S45;
步骤S44)为第一个班次开始初始化,选取时间Tmax所代表的pn为Gk加入bk;
步骤S45)选取时间Tmin所代表的pn为Gk加入bk+1中。
9.根据权利要求8所述的一种公交车辆到站识别以及车辆上下行班次划分的方法,其特征在于,所述步骤S5包括:确定整条线路两个方向的班次序列,按照时间序列对B集合进行排序,排序后利用升序判定对bk中站点索引号进行判定,排除非升序集合。
10.根据权利要求9所述的一种公交车辆到站识别以及车辆上下行班次划分的方法,其特征在于,所述步骤S6包括以下步骤:
步骤S61)遍历B集合中每一个班次bn;
步骤S62)获取线路的站点个数;
步骤S63)遍历bn,比较bn集合中元素个数是否和线路站点数一致,若一致,遍历bn+1,若不一致,则开始内插;
步骤S64)继续遍历,直至所有bn集合中元素个数和线路站点数一致。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911032285.6A CN110992726B (zh) | 2019-10-28 | 2019-10-28 | 一种公交车辆到站识别以及车辆上下行班次划分的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911032285.6A CN110992726B (zh) | 2019-10-28 | 2019-10-28 | 一种公交车辆到站识别以及车辆上下行班次划分的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110992726A true CN110992726A (zh) | 2020-04-10 |
CN110992726B CN110992726B (zh) | 2021-08-27 |
Family
ID=70082677
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911032285.6A Active CN110992726B (zh) | 2019-10-28 | 2019-10-28 | 一种公交车辆到站识别以及车辆上下行班次划分的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110992726B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111882913A (zh) * | 2020-07-28 | 2020-11-03 | 上海屹脉信息科技有限公司 | 一种自动生成公交车辆线路走向的方法 |
CN112748452A (zh) * | 2020-12-11 | 2021-05-04 | 上海城市交通设计院有限公司 | 一种基于路网数据的gps轨迹清洗方法 |
CN112991722A (zh) * | 2021-02-03 | 2021-06-18 | 浙江浙大中控信息技术有限公司 | 高频gps点的公交车辆实时路口预测方法和系统 |
CN113538729A (zh) * | 2021-06-22 | 2021-10-22 | 青岛海信网络科技股份有限公司 | 一种gps数据处理方法及服务器 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103578267A (zh) * | 2012-07-18 | 2014-02-12 | 北京掌城科技有限公司 | 基于公交gps数据的公交到站预测方法及系统 |
CN104504894A (zh) * | 2014-12-30 | 2015-04-08 | 上海中安电子信息科技有限公司 | 基于北斗定位的运营车辆班次计算算法 |
CN105390013A (zh) * | 2015-11-18 | 2016-03-09 | 北京工业大学 | 一种利用公交ic卡预测公交到站时间的方法 |
CN105740395A (zh) * | 2016-01-28 | 2016-07-06 | 温州大学 | 一种基于模糊去噪与模糊拼接的公交轨迹提取方法 |
CN106448233A (zh) * | 2016-08-19 | 2017-02-22 | 大连理工大学 | 基于大数据的公交线路时刻表协同优化方法 |
CN107133700A (zh) * | 2017-05-12 | 2017-09-05 | 西南交通大学 | 基于R*‑tree索引的手机信令数据路网匹配方法 |
US20170270790A1 (en) * | 2015-05-15 | 2017-09-21 | New York City Transit Authority | Vehicle Prediction Module |
CN108765922A (zh) * | 2018-04-18 | 2018-11-06 | 上海城市交通设计院有限公司 | 一种公交车辆行驶轨迹的分段方法 |
CN109033424A (zh) * | 2018-08-10 | 2018-12-18 | 北京航天控制仪器研究所 | 一种基于公交车运营轨迹精确提取公交车行驶路径的方法 |
CN109523821A (zh) * | 2018-11-30 | 2019-03-26 | 湖南智慧畅行交通科技有限公司 | 一种基于城市公交gps信息的到离站点计算方法 |
CN109727474A (zh) * | 2019-01-29 | 2019-05-07 | 苏州工业园区测绘地理信息有限公司 | 一种基于融合数据的公交车进出站精确识别方法 |
CN109816183A (zh) * | 2019-03-28 | 2019-05-28 | 南京行者易智能交通科技有限公司 | 一种精准公交客流大数据的优化方法及装置 |
CN110335461A (zh) * | 2019-05-09 | 2019-10-15 | 南京行者易智能交通科技有限公司 | 一种公交班次实际执行信息的获取方法及装置 |
-
2019
- 2019-10-28 CN CN201911032285.6A patent/CN110992726B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103578267A (zh) * | 2012-07-18 | 2014-02-12 | 北京掌城科技有限公司 | 基于公交gps数据的公交到站预测方法及系统 |
CN104504894A (zh) * | 2014-12-30 | 2015-04-08 | 上海中安电子信息科技有限公司 | 基于北斗定位的运营车辆班次计算算法 |
US20170270790A1 (en) * | 2015-05-15 | 2017-09-21 | New York City Transit Authority | Vehicle Prediction Module |
CN105390013A (zh) * | 2015-11-18 | 2016-03-09 | 北京工业大学 | 一种利用公交ic卡预测公交到站时间的方法 |
CN105740395A (zh) * | 2016-01-28 | 2016-07-06 | 温州大学 | 一种基于模糊去噪与模糊拼接的公交轨迹提取方法 |
CN106448233A (zh) * | 2016-08-19 | 2017-02-22 | 大连理工大学 | 基于大数据的公交线路时刻表协同优化方法 |
CN107133700A (zh) * | 2017-05-12 | 2017-09-05 | 西南交通大学 | 基于R*‑tree索引的手机信令数据路网匹配方法 |
CN108765922A (zh) * | 2018-04-18 | 2018-11-06 | 上海城市交通设计院有限公司 | 一种公交车辆行驶轨迹的分段方法 |
CN109033424A (zh) * | 2018-08-10 | 2018-12-18 | 北京航天控制仪器研究所 | 一种基于公交车运营轨迹精确提取公交车行驶路径的方法 |
CN109523821A (zh) * | 2018-11-30 | 2019-03-26 | 湖南智慧畅行交通科技有限公司 | 一种基于城市公交gps信息的到离站点计算方法 |
CN109727474A (zh) * | 2019-01-29 | 2019-05-07 | 苏州工业园区测绘地理信息有限公司 | 一种基于融合数据的公交车进出站精确识别方法 |
CN109816183A (zh) * | 2019-03-28 | 2019-05-28 | 南京行者易智能交通科技有限公司 | 一种精准公交客流大数据的优化方法及装置 |
CN110335461A (zh) * | 2019-05-09 | 2019-10-15 | 南京行者易智能交通科技有限公司 | 一种公交班次实际执行信息的获取方法及装置 |
Non-Patent Citations (6)
Title |
---|
TAO LIU: "Bus Arrival Time Prediction Based on the k-Nearest Neighbor Method", 《2012 FIFTH INTERNATIONAL JOINT CONFERENCE ON COMPUTATIONAL SCIENCES AND OPTIMIZATION》 * |
周建武: "一种公交班次行驶轨迹精确计算算法的研究及应用", 《计算机应用与软件》 * |
唐国议: "城市轨道交通末班车时段可达性计算及优化方法研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
张鋆: "数据驱动的公交系统感知分析和线路优化", 《中国博士学位论文全文数据库工程科技Ⅱ辑》 * |
王亚群: "乌鲁木齐基于公交GPS数据的班次划分方法研究", 《交通与港航》 * |
陶亭: "基于GPS数据的公交车到站时间预测", 《中国优秀硕士学位论文全文数据库基础科学辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111882913A (zh) * | 2020-07-28 | 2020-11-03 | 上海屹脉信息科技有限公司 | 一种自动生成公交车辆线路走向的方法 |
CN111882913B (zh) * | 2020-07-28 | 2022-04-29 | 上海屹脉信息科技有限公司 | 一种自动生成公交车辆线路走向的方法 |
CN112748452A (zh) * | 2020-12-11 | 2021-05-04 | 上海城市交通设计院有限公司 | 一种基于路网数据的gps轨迹清洗方法 |
CN112748452B (zh) * | 2020-12-11 | 2022-09-23 | 上海城市交通设计院有限公司 | 一种基于路网数据的gps轨迹清洗方法 |
CN112991722A (zh) * | 2021-02-03 | 2021-06-18 | 浙江浙大中控信息技术有限公司 | 高频gps点的公交车辆实时路口预测方法和系统 |
CN113538729A (zh) * | 2021-06-22 | 2021-10-22 | 青岛海信网络科技股份有限公司 | 一种gps数据处理方法及服务器 |
Also Published As
Publication number | Publication date |
---|---|
CN110992726B (zh) | 2021-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110992726B (zh) | 一种公交车辆到站识别以及车辆上下行班次划分的方法 | |
CN111966729B (zh) | 一种车辆轨迹数据处理方法、装置、设备及存储介质 | |
US8131467B2 (en) | Route information display device and route information display method | |
CN107643085B (zh) | 一种路径推荐方法与装置 | |
US8229666B2 (en) | Generating and using pattern keys in navigation systems to predict user destinations | |
CN109166337B (zh) | 公交到站时间生成方法、装置及公交乘客出行od获取方法 | |
CN109686091B (zh) | 一种基于多源数据融合的交通流量填补算法 | |
CN104931063A (zh) | 路径规划方法 | |
CN109766777A (zh) | 异常轨迹的检测方法、装置、存储介质及电子设备 | |
CN105551239B (zh) | 旅行时间预测方法及装置 | |
JP4584344B1 (ja) | 走行リンク確定装置及びリンク旅行時間算出装置 | |
CN110782656B (zh) | 一种道路瓶颈点识别方法、装置、电子设备及存储介质 | |
CN114446048B (zh) | 基于手机信令数据的轨道交通出行者全出行链分析方法 | |
CN103674043A (zh) | 车辆导航系统及方法 | |
CN109447880B (zh) | 水上路网抽取方法和系统 | |
CN113970338A (zh) | 一种出行模式推荐方法、相关方法及装置和系统 | |
CN110929945A (zh) | 一种航线开通的预测方法、系统及电子设备 | |
CN109341709A (zh) | 路线推荐方法、电子设备及计算机可读存储介质 | |
CN110377687A (zh) | 用户出行方式判别方法、装置和服务器 | |
CN112446648A (zh) | 基于非高峰时段的城市轨道交通混合运输方法和系统 | |
CN108538054A (zh) | 一种基于手机信令数据获取交通路况信息的方法及系统 | |
CN107545318A (zh) | 公交线路优先级确定、公交换乘线路排序方法及装置 | |
CN107331163A (zh) | 一种排队长度计算方法及装置 | |
KR101766640B1 (ko) | 이동체의 기준 경로 계산 장치 및 방법 | |
WO2010101199A1 (ja) | 道路交通情報作成装置および道路交通情報作成方法 |
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 |