CN111401663A - 一种实时进行公交时空od矩阵更新的方法及装置 - Google Patents
一种实时进行公交时空od矩阵更新的方法及装置 Download PDFInfo
- Publication number
- CN111401663A CN111401663A CN202010282773.9A CN202010282773A CN111401663A CN 111401663 A CN111401663 A CN 111401663A CN 202010282773 A CN202010282773 A CN 202010282773A CN 111401663 A CN111401663 A CN 111401663A
- Authority
- CN
- China
- Prior art keywords
- bus
- matrix
- time
- passenger flow
- station
- 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
- 239000011159 matrix material Substances 0.000 title claims abstract description 150
- 238000000034 method Methods 0.000 title claims abstract description 68
- 230000015654 memory Effects 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 3
- 239000002609 medium Substances 0.000 description 10
- 230000006870 function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000007476 Maximum Likelihood Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000012120 mounting media Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013488 ordinary least square regression Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Physics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Pure & Applied Mathematics (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Computational Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例公开了一种实时进行公交时空OD矩阵更新的方法及装置。本申请实施例提供的技术方案，通过获取运营公交车次在预设路线上的客流数据并结合车次OD模型实现对线路时空OD矩阵的实时数据更新，将更新后的数据发送至车站运营人员处以辅助运营人员进行线网规划、车辆调度以及人员排班。
Description
技术领域
本申请实施例涉及交通信息技术领域，尤其涉及一种实时进行公交时空OD矩阵更新的方法及装置。
背景技术
公共交通规划核心内容之一是结合公共交通需求时空分布特点和道路网的布局特点，确定合理的公共交通线网，而人员出行数据无疑是公交线网规划的前提和基础，即客流OD(Orientation and Destination)。
现有的公交线路OD计算方法根据不同的数据源有各种不同的方法。如普遍传统的人工调查方法，如乘车检查、点检查、车上记录、票箱读数、收入计数、换乘计数调查等；利用IC卡乘车数据进行客流OD反推；根据土地性质、乘车概率反推客流OD概率分布；根据IC卡数据、手机信令数据、互联网出行数据、互联网交易数据，进行聚类分析，得出以乘客为主的客流OD概率；根据客流仪统计的上下客流进行客流OD反推等。但是上述方案均没有办法进行实时客流OD统计。
发明内容
本申请实施例提供一种实时进行公交时空OD矩阵更新的方法和装置，能够实时得到对应公交线路的OD矩阵数据以供车站运营人员进行线网规划参考或调度员排班参考。
在第一方面，本申请实施例提供了一种实时进行公交时空OD矩阵更新的方法，包括：
获取一运营公交车次的在预设路线上的客流数据，客流数据包括上车数据和下车数据；
根据客流数据以及车次OD模型进行计算以得到运营公交车次的客流OD矩阵，车次OD模型为：
其中，yi为i站上车人数，zj为j站下车人数，k为预设路线的站点总数；xij为第i站上车，第j站下车的人数；
为第i站上车，在公交车驶过第j-1站，到达第j站前滞留在车上的人数；p′(j-i)为出行概率矩阵；
确定运营公交车次在对应公交站点时所属时段；
将客流OD矩阵以及运营公交车次在对应公交站点时所属时段记录到站间OD矩阵表中以得到线路时空OD矩阵。
进一步的，车次OD模型通过如下步骤构建得到：
获取对应运营公交车次的客流仪提供的上下客流信息，上下客流信息为历史客流数据；
根据站点吸引公式计算得到站点吸引权重，站点吸引权重为：
其中，yi为i站上车人数，zj为j站下车人数，wij为站点吸引权重，∑jzj是在预设线路上的下车总人数，∑iyi是在预设线路上的上车总人数；
对泊松分布公式进行归一化处理并结合站点吸引权重以得到出行概率矩阵，出行概率矩阵为
泊松分布公式为
其中p(j-i)为乘客乘坐j-i站的概率，λ为平均站距；
根据出行概率矩阵构建得到车次OD模型。
进一步的，运营公交车次上设置有双目深度传感器客流仪，双目深度传感器客流仪用于对对应运营公交车次的客流数据进行统计；
确定运营公交车次在对应公交站点时所属时段，包括：
根据预设路线上各站点依次确定运营公交车次在对应公交站点时所属时段，若在对应公交站点时所属时段处于当前时空OD矩阵所对应的时段，则执行将客流OD矩阵以及运营公交车次在对应公交站点时所属时段记录到站间OD矩阵表中以得到线路时空OD矩阵。
进一步的，在获取一运营公交车次的在预设路线上的客流数据之后，还包括：
获取与客流数据对应的时间信息，时间信息包括工作日信息、节假日信息和周末日信息；
对应的，将客流OD矩阵以及运营公交车次在对应公交站点时所属时段记录到站间OD矩阵表中以得到线路时空OD矩阵，包括：
将客流OD矩阵以及运营公交车次在对应公交站点时所属时段记录到站间OD矩阵表中以得到与时间信息对应的线路时空OD矩阵。
进一步的，在获取一运营公交车次的在预设路线上的客流数据之后，还包括：
获取与时间信息对应的天气信息，天气信息包括温度信息和湿度信息；
对应的，将客流OD矩阵以及运营公交车次在对应公交站点时所属时段记录到站间OD矩阵表中以得到线路时空OD矩阵，包括：
将客流OD矩阵以及运营公交车次在对应公交站点时所属时段记录到站间OD矩阵表中以得到与天气信息和时间信息对应的线路时空OD矩阵。
进一步的，在获取一运营公交车次的在预设路线上的客流数据之后，还包括：
获取与客流数据对应的天气信息，天气信息包括温度信息和湿度信息；
对应的，将客流OD矩阵以及运营公交车次在对应公交站点时所属时段记录到站间OD矩阵表中以得到线路时空OD矩阵，包括：
将客流OD矩阵以及运营公交车次在对应公交站点时所属时段记录到站间OD矩阵表中以得到与天气信息对应的线路时空OD矩阵。
进一步的，天气信息每隔4小时更新一次。
在第二方面，本申请实施例提供了一种实时进行公交时空OD矩阵更新的装置，包括：
获取模块：用于获取一运营公交车次的在预设路线上的客流数据，客流数据包括上车数据和下车数据；
计算模块：用于根据客流数据以及车次OD模型进行计算以得到运营公交车次的客流OD矩阵，车次OD模型为：
其中，yi为i站上车人数，zj为j站下车人数，k为预设路线的站点总数；xij为第i站上车，第j站下车的人数；
为第i站上车，在公交车驶过第j-1站，到达第j站前滞留在车上的人数；p′(j-i)为出行概率矩阵；
时段确定模块：用于确定运营公交车次在对应公交站点时所属时段；
更新模块：用于将客流OD矩阵以及运营公交车次在对应公交站点时所属时段记录到站间OD矩阵表中以得到线路时空OD矩阵。
在第三方面，本申请实施例提供了一种电子设备，包括：
存储器以及一个或多个处理器；
存储器，用于存储一个或多个程序；
当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面的实时进行公交时空OD矩阵更新的方法。
在第四方面，本申请实施例提供了一种包含计算机可执行指令的存储介质，计算机可执行指令在由计算机处理器执行时用于执行如第一方面的实时进行公交时空OD矩阵更新的方法。
本申请实施例通过获取运营公交车次在预设路线上的客流数据并结合车次OD模型实现对线路时空OD矩阵的实时数据更新，将更新后的数据发送至车站运营人员处以辅助运营人员进行线网规划、车辆调度以及人员排班。
附图说明
图1是本申请实施例提供的一种实时进行公交时空OD矩阵更新的方法的流程图；
图2是本申请实施例提供的一种实时进行公交时空OD矩阵更新的方法的结构示意图；
图3是本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚，下面结合附图对本申请具体实施例作进一步的详细描述。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时处理可以被终止，但是还可以具有未包括在附图中的附加步骤。处理可以对应于方法、函数、规程、子例程、子程序等等。
本申请提供的方案通过获取运营公交车次在预设路线上的客流数据并结合车次OD模型实现对线路时空OD矩阵的实时数据更新，将更新后的数据发送至车站运营人员处以辅助运营人员进行线网规划、车辆调度以及人员排班。目前的方案除了实时性之外，还具有一定的算法局限性，极大熵模型、广义最小二乘模型、信息极小模型、极大似然模型、结构化模型、重力模型等，都有一定的局限性，推算负责、工程实用性差。比如，广义最小二乘法：需要确定权重矩阵，应用起来不方便。普通最小二乘法：不需要考虑权重矩阵，但先验OD量与真实OD量相差较大时，估计结果误差通常较大；最大似然法：原理简单、无需考虑权重矩阵，有应用价值，但需要确定样本的概率密度函数，限制了应用范围。最小信息量法：模型含义明细，能充分利用先验OD量所包含的信息，有较好前景，但模型复杂，求解难度大。极大熵法(maximum entropy method,ME)：充分利用路段交通量和先验OD量中的信息，模型简单，无需确定权重、样板概率，求解简单，精度高。基于此，提供的实时进行公交时空OD矩阵更新的方法能够实时对OD矩阵数据进行更新以辅助运营人员工作。
图1给出了本申请实施例提供的一种实时进行公交时空OD矩阵更新的方法的流程图，本实施例中提供的实时进行公交时空OD矩阵更新的方法可以由实时进行公交时空OD矩阵更新的设备执行，该实时进行公交时空OD矩阵更新的设备可以通过软件和/或硬件的方式实现，该实时进行公交时空OD矩阵更新的设备可以是两个或多个物理实体构成，也可以是一个物理实体构成。一般而言，该实时进行公交时空OD矩阵更新的设备可以是电脑，手机，平板或后台服务器等。
下述以后台服务器为执行实时进行公交时空OD矩阵更新的方法的设备为例，进行描述。参照图1，该实时进行公交时空OD矩阵更新的方法具体包括：
S101：获取一运营公交车次的在预设路线上的客流数据，客流数据包括上车数据和下车数据。
更为优选的，运营公交车次上设置有双目深度传感器客流仪，双目深度传感器客流仪用于对对应运营公交车次的客流数据进行统计。通过采用双目深度传感器客流仪能够更为获取更为准确的客流数据，通过提供更准确的客流数据能够辅助得到更为准确的结果。
S102：根据客流数据以及车次OD模型进行计算以得到运营公交车次的客流OD矩阵，车次OD模型为：
其中，yi为i站上车人数，zj为j站下车人数，k为预设路线的站点总数；xij为第i站上车，第j站下车的人数；
为第i站上车，在公交车驶过第j-1站，到达第j站前滞留在车上的人数；p′(j-i)为出行概率矩阵。
在本实施例中，车次OD模型通过如下步骤构建得到：
S1021：获取对应运营公交车次的客流仪提供的上下客流信息，上下客流信息为历史客流数据。
通过运营公交车次在预设路线上的历史数据来进行车次OD模型的构建。
S1022：根据站点吸引公式计算得到站点吸引权重，站点吸引权重为：
其中，yi为i站上车人数，zj为j站下车人数，wij为站点吸引权重，∑jzj是在预设线路上的下车总人数，∑iyi是在预设线路上的上车总人数。
S1023：对泊松分布公式进行归一化处理并结合站点吸引权重以得到出行概率矩阵，出行概率矩阵为
泊松分布公式为
其中p(j-i)为乘客乘坐j-i站的概率，λ为平均站距。
S1024：根据出行概率矩阵构建得到车次OD模型。
由于居民公交出行站数普遍服从泊松分布，则乘客乘坐j-i站(即从i站到j站，其中i<＝j)的概率p(j-i)。且从站点来看，某站点上车人数越多则发生量越大，下车人数越多则吸引量越大。通过设置站点吸引权重来对预设路线上某个站点的吸引量进行计算，并结合公交站点的泊松分布来确定出行概率矩阵，最终得到车次OD模型。
S103：确定运营公交车次在对应公交站点时所属时段。
更为优选的，根据预设路线上各站点依次确定运营公交车次在对应公交站点时所属时段，若在对应公交站点时所属时段处于当前时空OD矩阵所对应的时段，则执行S104。
在本步骤中主要是为了确定运营公交车次在对应站点时的时间，因为需要构建线路时空OD矩阵，故而需要将到站时间与对应的站点信息进行关联。
S104：将客流OD矩阵以及运营公交车次在对应公交站点时所属时段记录到站间OD矩阵表中以得到线路时空OD矩阵。
在本实施例中可不用前置OD计算或预测，直接通过已有的客流值进行实时计算；相对于现有的方案来说，本申请的方案能够实现实时计算，当公交车在预设路线上行驶完成时，则可以直接得到站点间OD矩阵。
在前述方案中实现的均是对客流的实时计算，除了实现对客流的实时计算之外，还存在有进行客流OD的预测。示例性的，在步骤S101之后包括：S1011：获取与客流数据对应的时间信息，时间信息包括工作日信息、节假日信息和周末日信息。
S1012：获取与时间信息对应的天气信息，天气信息包括温度信息和湿度信息。
对应的，步骤S104：将客流OD矩阵以及运营公交车次在对应公交站点时所属时段记录到站间OD矩阵表中以得到与天气信息和时间信息对应的线路时空OD矩阵。
上述步骤均是为了获取影响客流的因素条件，在实际操作中，客流的大小会受天气以及日期等因素的影响。，不同因素会对客流量产生不同的影响在具体实施时，当下雨天时，相对于晴天出行的人数减少，则对应的客流人数也会减少。在工作日时，在上下班高峰期相对于周末以及节假日出行人数会大大增加，所以通过设计更细致化的客流影响因素来实现对未来客流的准确预测。除了上述因素之外，还可以设置其他影响客流的因素，并将所有的因素提供给车站运营人员以便于其进行车次线路规划以及车辆的派出。
更为优选的，天气信息每隔4小时更新一次。以天为单位的天气测量存在一定的不准确性，当某天整天的情况显示为晴，但是这天的某个时段下雨时，这样的天气状态通常显示为晴。如果结果中没有体现中间下雨这个状况，有时客流数据会让运营人员产生疑问，因为在某个时段客流量会突然的减少。因此。在本实施例中，设置每隔4小时进行一次天气信息更新来保证信息的准确性。
本申请实施例通过获取运营公交车次在预设路线上的客流数据并结合车次OD模型实现对线路时空OD矩阵的实时数据更新，将更新后的数据发送至车站运营人员处以辅助运营人员进行线网规划、车辆调度以及人员排班。
在上述实施例的基础上，图2为本申请实施例提供的一种实时进行公交时空OD矩阵更新的装置的结构示意图。参考图2，本实施例提供的实时进行公交时空OD矩阵更新的装置具体包括：
获取模块：用于获取一运营公交车次的在预设路线上的客流数据，客流数据包括上车数据和下车数据；
计算模块：用于根据客流数据以及车次OD模型进行计算以得到运营公交车次的客流OD矩阵，车次OD模型为：
其中，yi为i站上车人数，zj为j站下车人数，k为预设路线的站点总数；xij为第i站上车，第j站下车的人数；
为第i站上车，在公交车驶过第j-1站，到达第j站前滞留在车上的人数；p′(j-i)为出行概率矩阵；
时段确定模块：用于确定运营公交车次在对应公交站点时所属时段；
更新模块：用于将客流OD矩阵以及运营公交车次在对应公交站点时所属时段记录到站间OD矩阵表中以得到线路时空OD矩阵。
本申请实施例通过获取运营公交车次在预设路线上的客流数据并结合车次OD模型实现对线路时空OD矩阵的实时数据更新，将更新后的数据发送至车站运营人员处以辅助运营人员进行线网规划、车辆调度以及人员排班。
本申请实施例提供的实时进行公交时空OD矩阵更新的装置可以用于执行上述实施例提供的实时进行公交时空OD矩阵更新的方法，具备相应的功能和有益效果。
本申请实施例提供了一种电子设备的结构示意图，参照图3，该电子设备包括：处理器、存储器、通信模块、输入装置及输出装置。该电子设备中处理器的数量可以是一个或者多个，该电子设备中的存储器的数量可以是一个或者多个。该电子设备的处理器、存储器、通信模块、输入装置及输出装置可以通过总线或者其他方式连接。
存储器作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本申请任意实施例的实时进行公交时空OD矩阵更新的方法对应的程序指令/模块(例如，实时进行公交时空OD矩阵更新的装置中的获取模块、计算模块、时段确定模块和更新模块)。存储器可主要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、至少一个功能所需的应用程序；存储数据区可存储根据设备的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
通信模块用于进行数据传输。
处理器通过运行存储在存储器中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的实时进行公交时空OD矩阵更新的方法。
输入装置可用于接收输入的数字或字符信息，以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置可包括显示屏等显示设备。
本申请实施例通过获取运营公交车次在预设路线上的客流数据并结合车次OD模型实现对线路时空OD矩阵的实时数据更新，将更新后的数据发送至车站运营人员处以辅助运营人员进行线网规划、车辆调度以及人员排班。
上述提供的电子设备可用于执行上述实施例提供的实时进行公交时空OD矩阵更新的方法，具备相应的功能和有益效果。
本申请实施例还提供一种包含计算机可执行指令的存储介质，计算机可执行指令在由计算机处理器执行时用于执行一种实时进行公交时空OD矩阵更新的方法，该实时进行公交时空OD矩阵更新的方法包括：
获取一运营公交车次的在预设路线上的客流数据，客流数据包括上车数据和下车数据；
根据客流数据以及车次OD模型进行计算以得到运营公交车次的客流OD矩阵，车次OD模型为：
其中，yi为i站上车人数，zj为j站下车人数，k为预设路线的站点总数；xij为第i站上车，第j站下车的人数；
为第i站上车，在公交车驶过第j-1站，到达第j站前滞留在车上的人数；p′(j-i)为出行概率矩阵；
确定运营公交车次在对应公交站点时所属时段；
将客流OD矩阵以及运营公交车次在对应公交站点时所属时段记录到站间OD矩阵表中以得到线路时空OD矩阵。
存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括：安装介质，例如CD-ROM、软盘或磁带装置；计算机系统存储器或随机存取存储器，诸如DRAM、DDR RAM、SRAM、EDO RAM，兰巴斯(Rambus)RAM等；非易失性存储器，诸如闪存、磁介质(例如硬盘或光存储)；寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外，存储介质可以位于程序在其中被执行的第一计算机系统中，或者可以位于不同的第二计算机系统中，第二计算机系统通过网络(诸如因特网)连接到第一计算机系统。第二计算机系统可以提供程序指令给第一计算机用于执行。术语“存储介质”可以包括驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。
当然，本申请实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上的实时进行公交时空OD矩阵更新的方法，还可以执行本申请任意实施例所提供的实时进行公交时空OD矩阵更新的方法中的相关操作。
上述实施例中提供的实时进行公交时空OD矩阵更新的装置、存储介质及电子设备可执行本申请任意实施例所提供的实时进行公交时空OD矩阵更新的方法，未在上述实施例中详尽描述的技术细节，可参见本申请任意实施例所提供的实时进行公交时空OD矩阵更新的方法。
上述仅为本申请的较佳实施例及所运用的技术原理。本申请不限于这里的特定实施例，对本领域技术人员来说能够进行的各种明显变化、重新调整及替代均不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由权利要求的范围决定。
Claims (10)
1.一种实时进行公交时空OD矩阵更新的方法，其特征在于，包括：
获取一运营公交车次的在预设路线上的客流数据，所述客流数据包括上车数据和下车数据；
根据所述客流数据以及车次OD模型进行计算以得到所述运营公交车次的客流OD矩阵，所述车次OD模型为：
其中，yi为i站上车人数，zj为j站下车人数，k为预设路线的站点总数；xij为第i站上车，第j站下车的人数；
为第i站上车，在公交车驶过第j-1站，到达第j站前滞留在车上的人数；p′(j-i)为出行概率矩阵；
确定所述运营公交车次在对应公交站点时所属时段；
将客流OD矩阵以及所述运营公交车次在对应公交站点时所属时段记录到站间OD矩阵表中以得到线路时空OD矩阵。
2.根据权利要求1所述的实时进行公交时空OD矩阵更新的方法，其特征在于，所述车次OD模型通过如下步骤构建得到：
获取对应运营公交车次的客流仪提供的上下客流信息，所述上下客流信息为历史客流数据；
根据站点吸引公式计算得到站点吸引权重，所述站点吸引权重为：
其中，yi为i站上车人数，zj为j站下车人数，wij为站点吸引权重，∑jzj是在预设线路上的下车总人数，∑iyi是在预设线路上的上车总人数；
对泊松分布公式进行归一化处理并结合站点吸引权重以得到出行概率矩阵，所述出行概率矩阵为
所述泊松分布公式为
其中p(j-i)为乘客乘坐j-i站的概率，λ为平均站距；
根据出行概率矩阵构建得到所述车次OD模型。
3.根据权利要求2所述的实时进行公交时空OD矩阵更新的方法，其特征在于，所述运营公交车次上设置有双目深度传感器客流仪，所述双目深度传感器客流仪用于对对应运营公交车次的客流数据进行统计；
所述确定所述运营公交车次在对应公交站点时所属时段，包括：
根据预设路线上各站点依次确定所述运营公交车次在对应公交站点时所属时段，若所述在对应公交站点时所属时段处于当前时空OD矩阵所对应的时段，则执行所述将客流OD矩阵以及所述运营公交车次在对应公交站点时所属时段记录到站间OD矩阵表中以得到线路时空OD矩阵。
4.根据权利要求1-3中任意一项所述的实时进行公交时空OD矩阵更新的方法，其特征在于，在所述获取一运营公交车次的在预设路线上的客流数据之后，还包括：
获取与客流数据对应的时间信息，所述时间信息包括工作日信息、节假日信息和周末日信息；
对应的，所述将客流OD矩阵以及所述运营公交车次在对应公交站点时所属时段记录到站间OD矩阵表中以得到线路时空OD矩阵，包括：
所述将客流OD矩阵以及所述运营公交车次在对应公交站点时所属时段记录到站间OD矩阵表中以得到与时间信息对应的线路时空OD矩阵。
5.根据权利要求4所述的实时进行公交时空OD矩阵更新的方法，其特征在于，在所述获取一运营公交车次的在预设路线上的客流数据之后，还包括：
获取与时间信息对应的天气信息，所述天气信息包括温度信息和湿度信息；
对应的，所述将客流OD矩阵以及所述运营公交车次在对应公交站点时所属时段记录到站间OD矩阵表中以得到线路时空OD矩阵，包括：
所述将客流OD矩阵以及所述运营公交车次在对应公交站点时所属时段记录到站间OD矩阵表中以得到与天气信息和时间信息对应的线路时空OD矩阵。
6.根据权利要求1所述的实时进行公交时空OD矩阵更新的方法，其特征在于，在所述获取一运营公交车次的在预设路线上的客流数据之后，还包括：
获取与客流数据对应的天气信息，所述天气信息包括温度信息和湿度信息；
对应的，所述将客流OD矩阵以及所述运营公交车次在对应公交站点时所属时段记录到站间OD矩阵表中以得到线路时空OD矩阵，包括：
所述将客流OD矩阵以及所述运营公交车次在对应公交站点时所属时段记录到站间OD矩阵表中以得到与天气信息对应的线路时空OD矩阵。
7.根据权利要求6所述的实时进行公交时空OD矩阵更新的方法，其特征在于，所述天气信息每隔4小时更新一次。
8.一种实时进行公交时空OD矩阵更新的装置，其特征在于，包括：
获取模块：用于获取一运营公交车次的在预设路线上的客流数据，所述客流数据包括上车数据和下车数据；
计算模块：用于根据所述客流数据以及车次OD模型进行计算以得到所述运营公交车次的客流OD矩阵，所述车次OD模型为：
其中，yi为i站上车人数，zj为j站下车人数，k为预设路线的站点总数；xij为第i站上车，第j站下车的人数；
为第i站上车，在公交车驶过第j-1站，到达第j站前滞留在车上的人数；p′(j-i)为出行概率矩阵；
时段确定模块：用于确定所述运营公交车次在对应公交站点时所属时段；
更新模块：用于将客流OD矩阵以及所述运营公交车次在对应公交站点时所属时段记录到站间OD矩阵表中以得到线路时空OD矩阵。
9.一种电子设备，其特征在于，包括：
存储器以及一个或多个处理器；
所述存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7任一所述的实时进行公交时空OD矩阵更新的方法。
10.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7任一所述的实时进行公交时空OD矩阵更新的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010282773.9A CN111401663B (zh) | 2020-04-12 | 2020-04-12 | 一种实时进行公交时空od矩阵更新的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010282773.9A CN111401663B (zh) | 2020-04-12 | 2020-04-12 | 一种实时进行公交时空od矩阵更新的方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111401663A true CN111401663A (zh) | 2020-07-10 |
| CN111401663B CN111401663B (zh) | 2021-04-27 |
Family
ID=71429474
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010282773.9A Active CN111401663B (zh) | 2020-04-12 | 2020-04-12 | 一种实时进行公交时空od矩阵更新的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111401663B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113657725A (zh) * | 2021-07-29 | 2021-11-16 | 华南理工大学 | 一种公交线路和调度优化方法、系统、装置及介质 |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040095240A1 (en) * | 2002-11-14 | 2004-05-20 | Shih-Hsiung Li | Detecting device applied to a vehicle door |
| EP2269125A2 (de) * | 2008-03-06 | 2011-01-05 | Hilscher Gesellschaft für Systemautomation mbH | Steuerung mit flexibler kommunikations- und steuerungsstruktur und verfahren zu deren konfiguration |
| CN102097002A (zh) * | 2010-11-22 | 2011-06-15 | 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 |
| CN103198645A (zh) * | 2013-03-25 | 2013-07-10 | 东南大学 | 一种基于乘客出行分布的高峰期公交线路跳站运行方法 |
| CN104318758A (zh) * | 2014-11-05 | 2015-01-28 | 东南大学 | 基于多层次多模式的公交线网规划方法 |
| CN105023437A (zh) * | 2015-08-21 | 2015-11-04 | 苏州大学张家港工业技术研究院 | 一种公交od矩阵的构建方法及系统 |
| CN105046350A (zh) * | 2015-06-30 | 2015-11-11 | 东南大学 | 基于afc数据的公交客流od实时估计方法 |
| CN105868861A (zh) * | 2016-04-08 | 2016-08-17 | 青岛海信网络科技股份有限公司 | 一种基于时空数据融合的公交客流演化分析方法 |
| CN106777703A (zh) * | 2016-12-19 | 2017-05-31 | 杭州讯阳科技有限公司 | 一种公交乘客实时分析系统及其构建方法 |
| CN109409599A (zh) * | 2018-10-24 | 2019-03-01 | 天津市市政工程设计研究院 | 基于实时需求的定制公交线路开通优化方法 |
| CN109461306A (zh) * | 2018-11-16 | 2019-03-12 | 浩鲸云计算科技股份有限公司 | 一种公交车辆满载率的计算方法 |
| CN110084505A (zh) * | 2019-04-22 | 2019-08-02 | 南京行者易智能交通科技有限公司 | 一种基于客流的智能排班方法及装置、移动端设备、服务器 |
| CN110245779A (zh) * | 2019-05-10 | 2019-09-17 | 杭州电子科技大学 | 一种基于遗传算法的公交动态发车调度优化方法 |
| CN110298500A (zh) * | 2019-06-19 | 2019-10-01 | 大连理工大学 | 一种基于出租车数据和城市路网的城市交通轨迹数据集生成方法 |
| CN110348614A (zh) * | 2019-06-24 | 2019-10-18 | 武汉烽火信息集成技术有限公司 | 一种获取乘客od的方法及公交客流的预测方法 |
| CN110490381A (zh) * | 2019-08-16 | 2019-11-22 | 深圳市都市交通规划设计研究院有限公司 | 基于混合整数规划的公交主干线规划方法 |
-
2020
- 2020-04-12 CN CN202010282773.9A patent/CN111401663B/zh active Active
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040095240A1 (en) * | 2002-11-14 | 2004-05-20 | Shih-Hsiung Li | Detecting device applied to a vehicle door |
| EP2269125A2 (de) * | 2008-03-06 | 2011-01-05 | Hilscher Gesellschaft für Systemautomation mbH | Steuerung mit flexibler kommunikations- und steuerungsstruktur und verfahren zu deren konfiguration |
| CN102097002A (zh) * | 2010-11-22 | 2011-06-15 | 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 |
| CN103198645A (zh) * | 2013-03-25 | 2013-07-10 | 东南大学 | 一种基于乘客出行分布的高峰期公交线路跳站运行方法 |
| CN104318758A (zh) * | 2014-11-05 | 2015-01-28 | 东南大学 | 基于多层次多模式的公交线网规划方法 |
| CN105046350A (zh) * | 2015-06-30 | 2015-11-11 | 东南大学 | 基于afc数据的公交客流od实时估计方法 |
| CN105023437A (zh) * | 2015-08-21 | 2015-11-04 | 苏州大学张家港工业技术研究院 | 一种公交od矩阵的构建方法及系统 |
| CN105868861A (zh) * | 2016-04-08 | 2016-08-17 | 青岛海信网络科技股份有限公司 | 一种基于时空数据融合的公交客流演化分析方法 |
| CN106777703A (zh) * | 2016-12-19 | 2017-05-31 | 杭州讯阳科技有限公司 | 一种公交乘客实时分析系统及其构建方法 |
| CN109409599A (zh) * | 2018-10-24 | 2019-03-01 | 天津市市政工程设计研究院 | 基于实时需求的定制公交线路开通优化方法 |
| CN109461306A (zh) * | 2018-11-16 | 2019-03-12 | 浩鲸云计算科技股份有限公司 | 一种公交车辆满载率的计算方法 |
| CN110084505A (zh) * | 2019-04-22 | 2019-08-02 | 南京行者易智能交通科技有限公司 | 一种基于客流的智能排班方法及装置、移动端设备、服务器 |
| CN110245779A (zh) * | 2019-05-10 | 2019-09-17 | 杭州电子科技大学 | 一种基于遗传算法的公交动态发车调度优化方法 |
| CN110298500A (zh) * | 2019-06-19 | 2019-10-01 | 大连理工大学 | 一种基于出租车数据和城市路网的城市交通轨迹数据集生成方法 |
| CN110348614A (zh) * | 2019-06-24 | 2019-10-18 | 武汉烽火信息集成技术有限公司 | 一种获取乘客od的方法及公交客流的预测方法 |
| CN110490381A (zh) * | 2019-08-16 | 2019-11-22 | 深圳市都市交通规划设计研究院有限公司 | 基于混合整数规划的公交主干线规划方法 |
Non-Patent Citations (1)
| Title |
|---|
| 窦慧丽 等: ""基于站点上下客人数的公交客流OD反推方法研究"", 《交通与计算机》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113657725A (zh) * | 2021-07-29 | 2021-11-16 | 华南理工大学 | 一种公交线路和调度优化方法、系统、装置及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111401663B (zh) | 2021-04-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhao et al. | Estimation of passenger route choice pattern using smart card data for complex metro systems | |
| CN106875066B (zh) | 用车出行行为的预测方法、装置、服务器以及存储介质 | |
| CN110400015B (zh) | 一种时间估计方法及其装置、设备 | |
| US20140035921A1 (en) | Analysis and visualization of passenger movement in a transportation system | |
| CN103065205A (zh) | 三维智能交通枢纽客流时空分析与预测系统 | |
| CN102324128A (zh) | 基于ic卡记录的公交站间od客流预测方法及装置 | |
| CN110175690A (zh) | 一种景区客流量预测的方法、装置、服务器和存储介质 | |
| CN103886741A (zh) | 一种基于智能公交卡的公交管理系统及方法 | |
| CN104424812A (zh) | 一种公交到站时间预测系统和方法 | |
| CN109637134A (zh) | 一种公交设备匹配方法 | |
| Ram et al. | SMARTBUS: A web application for smart urban mobility and transportation | |
| CN109993964A (zh) | 基于Hadoop技术的智能交通管理系统 | |
| CN110348614A (zh) | 一种获取乘客od的方法及公交客流的预测方法 | |
| Bohan et al. | Traffic flow prediction based on BRNN | |
| CN110570656A (zh) | 定制公共交通线路方法及装置 | |
| Xie et al. | Multistep prediction of bus arrival time with the recurrent neural network | |
| CN112348344A (zh) | 一种公共交通可达指数计算方法 | |
| Kawatani et al. | Prediction of bus travel time over intervals between pairs of adjacent bus stops using city bus probe data | |
| CN111401663B (zh) | 一种实时进行公交时空od矩阵更新的方法及装置 | |
| CN116153125A (zh) | 一种基于ida-rnn模型的空间维度公交到达时间预测方法 | |
| Iwan et al. | Impact of telematics on efficiency of urban freight transport | |
| CN111757272B (zh) | 地铁拥堵程度的预测方法、模型训练方法和装置 | |
| Xia et al. | A distributed EMDN-GRU model on Spark for passenger waiting time forecasting | |
| CN116128160B (zh) | 一种铁路车站高峰客流预测方法、系统及设备和介质 | |
| CN115994787A (zh) | 一种基于神经网络的拼车需求预测匹配方法 |
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 |