CN112363999A - 一种公共交通的客流分析方法、装置、设备、存储介质 - Google Patents
一种公共交通的客流分析方法、装置、设备、存储介质 Download PDFInfo
- Publication number
- CN112363999A CN112363999A CN202011092818.2A CN202011092818A CN112363999A CN 112363999 A CN112363999 A CN 112363999A CN 202011092818 A CN202011092818 A CN 202011092818A CN 112363999 A CN112363999 A CN 112363999A
- Authority
- CN
- China
- Prior art keywords
- data
- station
- bus
- acquiring
- getting
- 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 41
- 238000005206 flow analysis Methods 0.000 title claims abstract description 32
- 239000011159 matrix material Substances 0.000 claims abstract description 36
- 230000002159 abnormal effect Effects 0.000 claims description 27
- 238000012546 transfer Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000002457 bidirectional effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
- G06F16/2462—Approximate or statistical queries
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Tourism & Hospitality (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Traffic Control Systems (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Remote Sensing (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Strategic Management (AREA)
Abstract
本发明实施例提供一种公共交通的客流分析方法,涉及智慧城市交通技术领域。其中,这种公共交通的客流分析方法,其包括:获取公共交通系统的记录数据,并清洗记录数据,以获得初始数据。获取城市土地利用数据,并结合初始数据,对各个站点进行分类。根据初始数据和各个站点的分类数据,获取乘客下车站点信息,并构建乘客的乘车记录。根据乘车记录,获取公共交通出行矩阵和出行链。运用线路运营数据,对公共交通矩阵OD进行扩样,得到城市完整公共交通出行矩阵。改善相关技术中的客流统计耗时耗力且不准确的问题。
Description
技术领域
本发明涉及智慧城市交通技术领域,具体而言,涉及一种公共交通的客流分析方法、装置、设备、存储介质。
背景技术
公共交通的开行需要考虑客流情况、线路长度、线网密度等因素。原则上客流量最大的线路优先布线。随着各种交通工具例如地铁、城轨等轨道交通,以及快速公交系统(BRT)的普及,以及城市人口越来越多。传统的客流调查方法耗时耗力,越来越难以准确的统计出客流信息。
发明内容
本发明提供了一种公共交通的客流分析方法、装置、设备、存储介质,以改善相关技术中的客流统计耗时耗力且不准确的问题。
第一方面,本发明实施例提供了一种公共交通的客流分析方法,其包括:
获取公共交通系统的记录数据,并清洗所述记录数据,以获得初始数据;
获取城市土地利用数据,并结合所述初始数据,对各个站点进行分类;
根据所述初始数据和各个站点的分类数据,获取乘客下车站点信息,并构建乘客的乘车记录;
根据所述乘车记录,获取公共交通出行矩阵和出行链。
可选地,所述公共交通系统包括轨道交通系统、快速公交系统,以及普通公交系统;
获取公共交通系统的记录数据,并清洗所述记录数据,以获得初始数据,包括:
获取所述轨道交通系统的记录数据,并去除同站进出数据、乘车时间超过线路最大旅行时间2倍的进出数据,以及员工高频进出数据,以获得轨道交通初始数据;
获取所述快速公交系统的记录数据,并去除进站或出站缺失数据,以获得快速公交初始数据;
获取所述普通公交系统的记录数据,并去除常车次类型、异常站点序号、异常进出站标识和异常班次数据,以获得普通公交初始数据;
其中,所述轨道交通系统和所述快速公交系统的记录数据包括乘客的付费记录,所述普通公交系统的记录数据包括公交车辆行驶记录仪数据。
可选地,获取所述普通公交系统的记录数据,并去除常车次类型、异常站点序号、异常进出站标识和异常班次数据,以获得普通公交初始数据,包括:
获取行驶记录仪的数据;其中,所述数据包括车辆识别码、站点时间、方向、站点序号,以及进出站标识;
获取公交线路信息表,并结合所述车辆识别码和所述站点时间的首末,得到具有线路名称的第一中间数据;
获取公交线路站点信息表,并结合所述线路名称和所述站点序号,得到具有站点编码、站点位置,以及站点名称的第二中间数据;
根据所述站点时间的首站时间,对所述第二中间数据进行编号,得到具有班次号的目标数据;
删除实际站点数量≤线路站点数量90%的所述目标数据,获得普通公交初始数据;
根据所述普通公交初始数据,获取班次临时表。
可选地,获取城市土地利用数据,并结合所述初始数据,对各个站点进行分类,包括:
获取轨道线路站点信息表,并结合所述轨道交通系统的记录数据,得到轨道乘客的上车站点信息;
获取快速公交线路站点信息表,并结合所述快速公交系统的记录数据,得到快速公交乘客的上车站点信息;
获取普通公交的乘客付费记录,并进行切片,以得到不同乘客的刷卡记录;
根据所述刷卡记录和所述普通公交初始数据,获取普通公交乘客的上车站点信息;
当同一乘客一天内至少出现两次上车站点信息,且两次之间相差500 分钟至800分钟,标记前一次的上车站点为居住类,后一次的上车站点为岗位类;
对其余乘客的上车站点信息,进行距离聚类,聚成多个组;其中,所述距离聚类的平均距离为300米,
获取城市土地利用数据,计算每个族内站点300米范围的土地利用占比,并根据所述占比,对站点进行分类标;其中,居住用地类占比最高的族为居住类站点,岗位用地类占比最高的族为岗位类站点,游憩用地类占比最高的族为游憩类站点,
选取分类对应的频率最高的站点作为代表站点。
可选地,根据所述初始数据和各个站点的分类数据,获取乘客下车站点信息,并构建乘客的乘车记录,包括:
根据快速公交乘客的上车站点信息和轨道乘客的上车站点信息,获取乘客的下车站点信息;其中,当存在出站乘车数据时,记录出站点为下车站点;当不存在出站乘车数据时,根据上车站点的类别以及上车时间,获取典型下车站点;
根据普通公交乘客的上车站点信息,获取乘客的下车站点信息;其中,当天存在多次上车站点信息时,若相邻两次的上车站点类别相同则根据上车站点的类别以及上车时间,获取典型下车站点;若相邻两次的上车站点类别不同,则以后一次的上车站点信息作为前一次上车站点信息的下车站点;
根据上车站点信息和下车站点信息,获得乘客的乘车记录。
可选地,根据所述乘车记录,获取公共交通出行矩阵和出行链,包括:
根据所述乘车记录,构建公共交通系统中各个站点的OD矩阵,并统计 OD矩阵的分析条数;
获取各线路营收记录;其中,所述营收记录包含营收金额;
根据营收金额对线路营收记录和分析条数的倍数,对公共交通站点OD 矩阵进行扩样;
根据所述乘车记录获取公共交通出行链;其中,相邻两次出行中第一次下车地点和第二次上车地点的距离≤800米和/或时间差≤20分钟的标记为具有换乘的出行链。
第二方面,本发明提供一种公共交通的客流分析装置,其包括:
初始数据获取模块,用于获取公共交通系统的记录数据,并清洗所述记录数据,以获得初始数据;
站点分类模块,用于获取城市土地利用数据,并结合所述初始数据,对各个站点进行分类;
乘车记录构建模块,用于根据所述初始数据和各个站点的分类数据,获取乘客下车站点信息,并构建乘客的乘车记录;
出行链获取模块,用于根据所述乘车记录,获取公共交通出行矩阵和出行链。
可选地,所述公共交通系统包括轨道交通系统、快速公交系统,以及普通公交系统;
所述初始数据获取模块,包括:
轨道交通初始数据获取单元,用于获取所述轨道交通系统的记录数据,并去除同站进出数据、乘车时间超过线路最大旅行时间2倍的进出数据,以及员工高频进出数据,以获得轨道交通初始数据;
快速公交初始数据获取单元,用于获取所述快速公交系统的记录数据,并去除进站或出站缺失数据,以获得快速公交初始数据;
普通公交初始数据获取单元,用于获取所述普通公交系统的记录数据,并去除常车次类型、异常站点序号、异常进出站标识和异常班次数据,以获得普通公交初始数据;
其中,所述轨道交通系统和所述快速公交系统的记录数据包括乘客的付费记录,所述普通公交系统的记录数据包括公交车辆行驶记录仪数据。
可选地,普通公交初始数据获取单元,包括
数据读取单元,用于获取行驶记录仪的数据;其中,所述数据包括车辆识别码、站点时间、方向、站点序号,以及进出站标识;
第一中间数据获取单元,用于获取公交线路信息表,并结合所述车辆识别码和所述站点时间的首末,得到具有线路名称的第一中间数据;
第二中间数据获取单元,用于获取公交线路站点信息表,并结合所述线路名称和所述站点序号,得到具有站点编码、站点位置,以及站点名称的第二中间数据;
目标数据获取单元,用于根据所述站点时间的首站时间,对所述第二中间数据进行编号,得到具有班次号的目标数据;
初始数据获取单元,用于删除实际站点数量≤线路站点数量90%的所述目标数据,获得普通公交初始数据;
班次临时表获取单元,用于根据所述普通公交初始数据,获取班次临时表。
可选地,站点分类模块,包括
轨道乘客的上车站点信息获取单元,用于获取轨道线路站点信息表,并结合所述轨道交通系统的记录数据,得到轨道乘客的上车站点信息;
快速公交乘客的上车站点信息获取单元,用于获取快速公交线路站点信息表,并结合所述快速公交系统的记录数据,得到快速公交乘客的上车站点信息;
刷卡记录获取单元,用于获取普通公交的乘客付费记录,并进行切片,以得到不同乘客的刷卡记录;
普通公交乘客的上车站点信息获取单元,用于根据所述刷卡记录和所述普通公交初始数据,获取普通公交乘客的上车站点信息;
第一标记单元,用于当同一乘客一天内至少出现两次上车站点信息,且两次之间相差500分钟至800分钟,标记前一次的上车站点为居住类,后一次的上车站点为岗位类;
距离聚类单元,用于对其余乘客的上车站点信息,进行距离聚类,聚成多个组;其中,所述距离聚类的平均距离为300米,
第二标记单元,用于获取城市土地利用数据,计算每个族内站点300 米范围的土地利用占比,并根据所述占比,对站点进行分类标记;其中,居住用地类占比最高的族为居住类站点,岗位用地类占比最高的族为岗位类站点,游憩用地类占比最高的族为游憩类站点,
代表站点获取单元,用于选取分类对应的频率最高的站点作为代表站点。
可选地,乘车记录构建模块,包括:
第一下车站点信息获取单元,用于根据快速公交乘客的上车站点信息和轨道乘客的上车站点信息,获取乘客的下车站点信息;其中,当存在出站乘车数据时,记录出站点为下车站点;当不存在出站乘车数据时,根据上车站点的类别以及上车时间,获取典型下车站点;
第二下车站点信息获取单元,用于根据普通公交乘客的上车站点信息,获取乘客的下车站点信息;其中,当天存在多次上车站点信息时,若相邻两次的上车站点类别相同则根据上车站点的类别以及上车时间,获取典型下车站点;若相邻两次的上车站点类别不同,则以后一次的上车站点信息作为前一次上车站点信息的下车站点;
乘车记录获取单元,用于根据上车站点信息和下车站点信息,获得乘客的乘车记录。
可选地,出行链获取模块,包括:
出行矩阵构建单元,用于根据所述乘车记录,构建公共交通系统中各个站点的OD矩阵,并统计OD矩阵的分析条数;
营收记录获取单元,用于获取各线路营收记录;其中,所述营收记录包含营收金额;
出行矩阵扩样单元,用于根据营收金额对线路营收记录和分析条数的倍数,对公共交通站点OD矩阵进行扩样;
出行链获取单元,用于根据所述乘车记录获取公共交通出行链;其中,相邻两次出行中第一次下车地点和第二次上车地点的距离≤800米和/或时间差≤20分钟的标记为具有换乘的出行链。
第三方面,本发明提供一种公共交通的客流分析设备,其包括处理器、存储器,以及存储在所述存储器内的计算机程序;所述计算机程序能够被所述处理器执行,以实现如上述所述的客流分析方法。
第四方面,本发明提供一种计算机可读存储介质。所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述所述的客流分析方法。
通过采用上述技术方案,本发明可以取得以下技术效果:
(1)本发明对公交行车记录仪数据采用“班次号”方法对无效数据进行清洗,能够形成完整的站点线路时刻表和线路班次信息表,实现线路运营的满载率,班次客流分布和班次断面客流,为城市公交组织、基于轨道线网的公交调整等工作提供数据支撑。
(2)采用根据城市综合交通数据库提供长周期数据(例如一年)和土地利用数据,运用时间差和距离聚类,甄别出三类主要出行站点,构建乘客完整的出行地点信息库。
(3)采用轨道、快速公交(BRT)和常规公交等完整公共交通系统乘车数据和乘客出行地点信息库,进行乘客下车站点识别,提升传统短期数据、单公交系统数据所识别精度。
(4)通过换乘时间和换乘距离双因素提取出公共交通出行链,得到准确的“轨道—公交”和“BRT—公交”双向换乘分析,分析得到准确、高质量的换乘出行链。
(5)运用线路运营数据,对公共交通矩阵OD进行扩样,得到城市完整公共交通出行矩阵。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1是本发明第一实施例提供的一种公共交通的客流分析方法的流程示意图。
图2是本发明第二实施例提供的一种公共交通的客流分析装置的结构示意图。
图3是本发明第一实施例提供的根据距离聚类和城市土地利用数据进行分类的效果图。
图4是本发明第一实施例提供的根据上车站点的上车人数统计图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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。
为了更好的理解本发明的技术方案,下面结合附图对本发明实施例进行详细描述。
应当明确,所描述的实施例仅仅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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
应当理解,本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地,取决于语境,短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
实施例中提及的“第一\第二”仅仅是是区别类似的对象,不代表针对对象的特定排序,可以理解地,“第一\第二”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二”区分的对象在适当情况下可以互换,以使这里描述的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
下面结合附图与具体实施方式对本发明作进一步详细描述:
城市交通系统是一个极复杂系统,深入分析公共交通客流需要包含了难以计数的要素,涉及社会、经济、地理、统计、行为、信息等多个学科,既要考虑土地性质等自然要素,又要研究人为的既有的社会环境要素;既要研究现实运行特征,又要战略思考城市发展和有机更新。相关数据涉及部门多,包括资源规划、交通、公安、轨道、市政等多个部门,交通数据资源分散,跨区域,跨部门的信息共享缺乏长效机制,数据整合困难。
因此综合交通数据库应运而生。汇聚资源规划局、交警、交通局、执法局、公交集团、轨道集团等相关部门关于社会经济发展、城市用地、交通卡口、公交、轨道等众多数据,收集移动和联通手机信令数据,形成数据齐全且持续更新的综合交通大数据库。
实施例一:
请参阅图1,本发明第一实施例提供的一种公共交通的客流分析方法,其可由公共交通客流分析求解设备(以下简称求解设备)来执行,特别的,由所述求解设备内的至少一个处理器来执行,以至少实现如下步骤:
S101、获取公共交通系统的记录数据,并清洗所述记录数据,以获得初始数据。
在本实施例中,所述求解设备可为处于云端的服务器,或本地的计算机,其可以与城市综合交通数据库进行连接,并读取数据,来实现对公共交通客流的分析。
在本实施例中,所述公共交通系统包括轨道交通系统、快速公交系统,以及普通公交系统。
S101按照轨道、快速公交(以下简称BRT)和常规公交三个系统单独进行预处理,具体包括以下步骤:
S1011、获取所述轨道交通系统的记录数据,并去除同站进出数据、乘车时间超过线路最大旅行时间2倍的进出数据,以及员工高频进出数据,以获得轨道交通初始数据。
具体地,所述轨道交通系统的记录数据包括所有轨道乘客付费记录。根据城市综合交通数据库提供的所有轨道乘客付费记录,处理异常数据,以防止后续对下车地点判断产生影响。其中,轨道乘客付费记录的无效数据包括同站进出数据、超过线路最大旅行时间2倍的进出数据、员工高频进出数据等。
最大旅行时间为轨道列车从首站发车到末站的行驶时间,为历史多个时间的平均值。员工通过特定的卡片进出站,付费记录具有卡片的编号,通过删除特定编号对应的记录来删除员工高频进出数据。
S1012、获取所述快速公交系统的记录数据,并去除进站或出站缺失数据,以获得快速公交初始数据。
具体地,所述快速公交系统的记录数据包括所有BRT乘客付费记录。根据城市综合交通数据库提供的所有BRT乘客付费记录,处理异常数据,以防止后续对下车地点信息库产生影响。其中,BRT乘客付费记录的无效数据主要为进站或出站缺失数据等。
S1013、获取所述普通公交系统的记录数据,并去除常车次类型、异常站点序号、异常进出站标识和异常班次数据,以获得普通公交初始数据。
公交系统仅仅只有上车数据,获得普通公交初始数据的具体步骤如下。
S10131、获取行驶记录仪的数据。其中,所述数据包括车辆识别码、站点时间、方向、站点序号,以及进出站标识。
S10132、获取公交线路信息表,并结合所述车辆识别码和所述站点时间的首末,得到具有线路名称的第一中间数据。
S10133、获取公交线路站点信息表,并结合所述线路名称和所述站点序号,得到具有站点编码、站点位置,以及站点名称的第二中间数据。
S10134、根据所述站点时间的首站时间,对所述第二中间数据进行编号,得到具有班次号的目标数据。
S10135、删除实际站点数量≤线路站点数量90%的所述目标数据,获得普通公交初始数据。
S10136、根据所述普通公交初始数据,获取班次临时表。
具体地,所述普通公交系统的记录数据为公交车辆行驶记录仪数据
整理行驶记录仪中的数据。选取整理行驶记录仪数据中的车辆识别码(DEVIDSTR),站点时间(GPS_TIME),日期(DATE),进出站标识(ISSTATION),方向(DIRECTION),站点序号(STATION_NO)等6个主要字段。从行驶记录仪中取出的数据如表1所示。
其中,进出站标识仅保留进站和出站的记录。行驶记录仪数据主要有三类,进站时间Tenter、出站时间Texit和中间站T0。站点时间取进站时间和出站时间的中位数,站点时间的表达式为:TGPS_TIME=Median(Tenter,Texit)。
表1提取的行驶记录仪数据
以每条记录的车辆识别码和首末站点时间为依据,关联信息表,使该记录具有该班次运行的公交线路名称。
以每条记录的线路名称和站点序号为依据,关联线路站点信息表,使该记录具有站点唯一编码、站点空间位置和站点名称。
为每条线路每个方向,按照不同发车时间的对每趟公交进行排序编号,形成“班次号”。
预设BF_SQUENCE字段,按照每条线路、每个方向、每辆车的数据,为每条站点记录提供相同编号。判断该编号的站点数量是否达到该线路该方向站点数的90%,未达到即为异常数据需进行剔除,该数据为部分未实际运营的趟次。
构建班次临时表。提取每个班次的第一个站点时间作为“首发时间”。对每条线路同一方向的所有班次“首发时间”进行排序,得到具有“班次号”的每条线路不同方向的班次临时表。最终数据形式和格式如下:
表2处理后的站点信息记录 (为了便于显示将表格分成上下两个)
本发明对公交行车记录仪数据采用“班次号”方法对无效数据进行清洗,能够形成完整的站点线路时刻表和线路班次信息表,实现线路运营的满载率,班次客流分布和班次断面客流,为城市公交组织、基于轨道线网的公交调整等工作提供数据支撑。
S102、获取城市土地利用数据,并结合所述初始数据,对各个站点进行分类。
在本实施例中,先获取乘客的上车站点信息,根据上车站点信息,来标记部分站点的类别。然后再采用距离聚类的方法,结合城市土地利用数据,对剩下的站点进行分类标记。S102包括如下步骤:
S1021、获取轨道线路站点信息表,并结合所述轨道交通系统的记录数据,得到轨道乘客的上车站点信息。
具体地,提取市综合交通数据库中轨道站点信息表的轨道线路名称和空间位置,轨道乘客付费记录以站点标号为依据,得到乘客上车站点的具体信息。
S1022、获取快速公交线路站点信息表,并结合所述快速公交系统的记录数据,得到快速公交乘客的上车站点信息。
具体地,提取市综合交通数据库中BRT站点信息表的BRT线路名称和空间位置,BRT乘客付费记录以站点标号为依据,得到乘客上车站点具体信息。BRT乘客付费记录需使用“卡内号—卡面号”关联,得到与轨道和常规公交一致的卡号识别码。
S1023、获取普通公交的乘客付费记录,并进行切片,以得到不同乘客的刷卡记录。
S1024、根据所述刷卡记录和所述普通公交初始数据,获取普通公交乘客的上车站点信息。
具体地,根据城市综合交通数据库提供的所有常规公交乘客付费记录,按照日期和车牌进行切片,将相邻5秒内的刷卡数据分为同一个“族”。取该“族”所有记录的中间时间作为族时间(Mtime)。该族刷卡记录的上车站点根据日期、车牌号和时间三个字段与整理后的行车记录仪相关联。其中,Mtime≥GPS_TIME且Mtime≤NT_GPS_TIME进行判断,得到与乘客上车时间相关的公交车辆行驶记录仪数据。
S1025、当同一乘客一天内至少出现两次上车站点信息,且两次之间相差500分钟至800分钟,标记前一次的上车站点为居住类,后一次的上车站点为岗位类。
S1026、对其余乘客的上车站点信息,进行距离聚类,聚成多个组。其中,所述距离聚类的平均距离为300米,
S1027、获取城市土地利用数据,计算每个族内站点300米范围的土地利用占比,并根据所述占比,对站点进行分类标。其中,居住用地类占比最高的族为居住类站点,岗位用地类占比最高的族为岗位类站点,游憩用地类占比最高的族为游憩类站点,
S1028、选取分类对应的频率最高的站点作为代表站点。
具体地,提取乘客轨道出行记录的进站数据、BRT出行记录的进站数据和常规公交的刷卡记录,对于一天有超过2次(含2次)刷卡的乘客,按照时间排序求取同一天下一条记录和本记录的时间差,时间差在500分钟~800分钟的为明显的通勤客流,如图4所示。时间差满足该范围的站点为“居住”类,下一条记录的站点为“岗位”类。
未满足明显时间差条件的,提取每个乘客一年中每个季度一个月的轨道出行记录的进站和出站数据、BRT出行记录的进站和出站数据以及常规公交的刷卡记录,进行距离聚类,设定平均距离为300米,聚成多个族。
如图3所示,根据城市综合交通数据库提供的城市土地利用数据,计算每个族内站点300米范围的土地利用占比(如表3所示的三类土地利用性质)。居住用地类占比最高的族为“居住”类站点,选取该类频率最高的站点作为居住代表站点;岗位用地类占比最高的族为“岗位”类站点,选取该类频率最高的站点作为岗位代表站点;游憩用地类占比最高的族为“游憩”类站点,选取该类频率最高的站点作为游憩代表站点。
采用根据城市综合交通数据库提供长周期数据(例如一年)和土地利用数据,运用时间差和距离聚类,甄别出三类主要出行站点,构建乘客完整的出行地点信息库。将站点类别分成三种,大大提高了下车站点计算的准确性,具有很好的实际意义。站点的分类如下表所示
表3站点类别和土地利用性质对应表
站点类别 | 土地利用性质 |
居住 | 一类居住用地、二类居住用地、城中村建设用地等 |
岗位 | 工业用地、办公用地、公用设施用地等 |
游憩 | 商业用地、公园绿地、水域、文物古迹等 |
S103、根据所述初始数据和各个站点的分类数据,获取乘客下车站点信息,并构建乘客的乘车记录。
具体地,轨道交通和BRT采用刷卡进站的方式,能够从刷卡记录中提取进站信息和出站信息,但是存在部分乘客逃票漏票,只有进站信息。因此需要准确的估算出这部分人的下车站点,S103的具体步骤如下:
S1031、根据快速公交乘客的上车站点信息和轨道乘客的上车站点信息,获取乘客的下车站点信息。其中,当存在出站乘车数据时,记录出站点为下车站点。当不存在出站乘车数据时,根据上车站点的类别以及上车时间,获取典型下车站点。
S1032、根据普通公交乘客的上车站点信息,获取乘客的下车站点信息。其中,当天存在多次上车站点信息时,若相邻两次的上车站点类别相同则根据上车站点的类别以及上车时间,获取典型下车站点。若相邻两次的上车站点类别不同,则以后一次的上车站点信息作为前一次上车站点信息的下车站点。
S1033、根据上车站点信息和下车站点信息,获得乘客的乘车记录。
具体地,构建一个大小为n的距离矩阵Cn×n,其中,n为轨道站点数量、 BRT站点数量和公交站点数量之和。所述距离矩阵也能表示呈Ci×j,其表示编号为i和j的两个站点的空间距离。
若一乘客当天有轨道或者BRT的进站乘车数据,按照时间排序提取出站乘车数据,更新为终点站。
若一乘客当天只有一次刷卡记录(包括三种交通方式),根据站点空间位置确定为乘客三类站点中的一种,根据“工作日,居住—岗位”,“非工作日,居住——游憩”进行下车点判断。查询该次上车线路方向上后续站点与目标站点类别典型站点的距离集,最短距离的即为本次上车的终点站点。
若一当天有多次刷卡记录,且本次出行为常规公交乘车数据,判断本次出行站点类别和下一次出行站点类别是否相同:若相同,参照前一段所述的内容确定下车站点;若不同,以下一站点为目标站点,查询该次上车线路方向上后续站点与目标站点的距离集,最短距离的即为本次上车的终点站点。
在获取下车站点信息之后,根据线路班次信息,为下车站点更新站点时间和相关信息。
采用轨道、快速公交(BRT)和常规公交等完整公共交通系统乘车数据和乘客出行地点信息库,进行乘客下车站点识别,提升传统短期数据、单公交系统数据所识别精度。
S104、根据所述乘车记录,获取公共交通出行矩阵和出行链。
在本实施例中,S104的具体步骤如下:
S1041、根据所述乘车记录,构建公共交通系统中各个站点的OD矩阵,并统计OD矩阵的分析条数。
S1042、获取各线路营收记录。其中,所述营收记录包含营收金额。
S1043、根据营收金额对线路营收记录和分析条数的倍数,对公共交通站点OD矩阵进行扩样。
S1044、根据所述乘车记录获取公共交通出行链。其中,相邻两次出行中第一次下车地点和第二次上车地点的距离≤800米和/或时间差≤20分钟的标记为具有换乘的出行链。
具体地,
统计公共交通站点OD矩阵乘车记录分析的条数。
根据城市综合交通数据库提供的线路营收记录,按照营收对线路营收记录和分析条数的倍数,对公共交通站点OD矩阵进行扩样。
确定换乘时间阈值为20分钟和换乘距离为800米,计算相邻两次出行中第一次下车地点和第二次上车地点的距离和时间差,若满足该阈值的即为具有换乘的出行链。
通过换乘时间和换乘距离双因素提取出公共交通出行链,得到准确的“轨道—公交”和“BRT—公交”双向换乘分析,分析得到准确、高质量的换乘出行链,并且运用线路运营数据,对公共交通矩阵OD进行扩样,得到城市完整公共交通出行矩阵。
本发明第二实施例:
请参阅图2,本发明提供一种公共交通的客流分析装置,其包括:
初始数据获取模块110,用于获取公共交通系统的记录数据,并清洗所述记录数据,以获得初始数据。
站点分类模块120,用于获取城市土地利用数据,并结合所述初始数据,对各个站点进行分类。
乘车记录构建模块130,用于根据所述初始数据和各个站点的分类数据,获取乘客下车站点信息,并构建乘客的乘车记录。
出行链获取模块140,用于根据所述乘车记录,获取公共交通出行矩阵和出行链。
可选地,所述公共交通系统包括轨道交通系统、快速公交系统,以及普通公交系统。
所述初始数据获取模块,包括:
轨道交通初始数据获取单元,用于获取所述轨道交通系统的记录数据,并去除同站进出数据、乘车时间超过线路最大旅行时间2倍的进出数据,以及员工高频进出数据,以获得轨道交通初始数据。
快速公交初始数据获取单元,用于获取所述快速公交系统的记录数据,并去除进站或出站缺失数据,以获得快速公交初始数据。
普通公交初始数据获取单元,用于获取所述普通公交系统的记录数据,并去除常车次类型、异常站点序号、异常进出站标识和异常班次数据,以获得普通公交初始数据。
其中,所述轨道交通系统和所述快速公交系统的记录数据包括乘客的付费记录,所述普通公交系统的记录数据包括公交车辆行驶记录仪数据。
可选地,普通公交初始数据获取单元,包括
数据读取单元,用于获取行驶记录仪的数据。其中,所述数据包括车辆识别码、站点时间、方向、站点序号,以及进出站标识。
第一中间数据获取单元,用于获取公交线路信息表,并结合所述车辆识别码和所述站点时间的首末,得到具有线路名称的第一中间数据。
第二中间数据获取单元,用于获取公交线路站点信息表,并结合所述线路名称和所述站点序号,得到具有站点编码、站点位置,以及站点名称的第二中间数据。
目标数据获取单元,用于根据所述站点时间的首站时间,对所述第二中间数据进行编号,得到具有班次号的目标数据。
初始数据获取单元,用于删除实际站点数量≤线路站点数量90%的所述目标数据,获得普通公交初始数据。
班次临时表获取单元,用于根据所述普通公交初始数据,获取班次临时表。
可选地,站点分类模块,包括
轨道乘客的上车站点信息获取单元,用于获取轨道线路站点信息表,并结合所述轨道交通系统的记录数据,得到轨道乘客的上车站点信息。
快速公交乘客的上车站点信息获取单元,用于获取快速公交线路站点信息表,并结合所述快速公交系统的记录数据,得到快速公交乘客的上车站点信息。
刷卡记录获取单元,用于获取普通公交的乘客付费记录,并进行切片,以得到不同乘客的刷卡记录。
普通公交乘客的上车站点信息获取单元,用于根据所述刷卡记录和所述普通公交初始数据,获取普通公交乘客的上车站点信息。
第一标记单元,用于当同一乘客一天内至少出现两次上车站点信息,且两次之间相差500分钟至800分钟,标记前一次的上车站点为居住类,后一次的上车站点为岗位类。
距离聚类单元,用于对其余乘客的上车站点信息,进行距离聚类,聚成多个组。其中,所述距离聚类的平均距离为300米,
第二标记单元,用于获取城市土地利用数据,计算每个族内站点300 米范围的土地利用占比,并根据所述占比,对站点进行分类标记。其中,居住用地类占比最高的族为居住类站点,岗位用地类占比最高的族为岗位类站点,游憩用地类占比最高的族为游憩类站点,
代表站点获取单元,用于选取分类对应的频率最高的站点作为代表站点。
可选地,乘车记录构建模块,包括:
第一下车站点信息获取单元,用于根据快速公交乘客的上车站点信息和轨道乘客的上车站点信息,获取乘客的下车站点信息。其中,当存在出站乘车数据时,记录出站点为下车站点。当不存在出站乘车数据时,根据上车站点的类别以及上车时间,获取典型下车站点。
第二下车站点信息获取单元,用于根据普通公交乘客的上车站点信息,获取乘客的下车站点信息。其中,当天存在多次上车站点信息时,若相邻两次的上车站点类别相同则根据上车站点的类别以及上车时间,获取典型下车站点。若相邻两次的上车站点类别不同,则以后一次的上车站点信息作为前一次上车站点信息的下车站点。
乘车记录获取单元,用于根据上车站点信息和下车站点信息,获得乘客的乘车记录。
可选地,出行链获取模块,包括:
出行矩阵构建单元,用于根据所述乘车记录,构建公共交通系统中各个站点的OD矩阵,并统计OD矩阵的分析条数。
营收记录获取单元,用于获取各线路营收记录。其中,所述营收记录包含营收金额。
出行矩阵扩样单元,用于根据营收金额对线路营收记录和分析条数的倍数,对公共交通站点OD矩阵进行扩样。
出行链获取单元,用于根据所述乘车记录获取公共交通出行链。其中,相邻两次出行中第一次下车地点和第二次上车地点的距离≤800米和/或时间差≤20分钟的标记为具有换乘的出行链。
本发明第三实施例:
本发明提供一种公共交通的客流分析设备,其包括处理器、存储器,以及存储在所述存储器内的计算机程序。所述计算机程序能够被所述处理器执行,以实现如上述所述的客流分析方法。
本发明第四实施例:
本发明提供一种计算机可读存储介质。所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述所述的客流分析方法。
在本发明实施例所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块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,电子设备100,或者网络设备等)执行本发明各个实施例所述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-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种公共交通的客流分析方法,其特征在于,包括:
获取公共交通系统的记录数据,并清洗所述记录数据,以获得初始数据;
获取城市土地利用数据,并结合所述初始数据,对各个站点进行分类;
根据所述初始数据和各个站点的分类数据,获取乘客下车站点信息,并构建乘客的乘车记录;
根据所述乘车记录,获取公共交通出行矩阵和出行链。
2.根据权利要求1所述的客流分析方法,其特征在于,所述公共交通系统包括轨道交通系统、快速公交系统,以及普通公交系统;
获取公共交通系统的记录数据,并清洗所述记录数据,以获得初始数据,包括:
获取所述轨道交通系统的记录数据,并去除同站进出数据、乘车时间超过线路最大旅行时间2倍的进出数据,以及员工高频进出数据,以获得轨道交通初始数据;
获取所述快速公交系统的记录数据,并去除进站或出站缺失数据,以获得快速公交初始数据;
获取所述普通公交系统的记录数据,并去除常车次类型、异常站点序号、异常进出站标识和异常班次数据,以获得普通公交初始数据;
其中,所述轨道交通系统和所述快速公交系统的记录数据包括乘客的付费记录,所述普通公交系统的记录数据包括公交车辆行驶记录仪数据。
3.根据权利要求2所述的客流分析方法,其特征在于,获取所述普通公交系统的记录数据,并去除常车次类型、异常站点序号、异常进出站标识和异常班次数据,以获得普通公交初始数据,包括:
获取行驶记录仪的数据;其中,所述数据包括车辆识别码、站点时间、方向、站点序号,以及进出站标识;
获取公交线路信息表,并结合所述车辆识别码和所述站点时间的首末,得到具有线路名称的第一中间数据;
获取公交线路站点信息表,并结合所述线路名称和所述站点序号,得到具有站点编码、站点位置,以及站点名称的第二中间数据;
根据所述站点时间的首站时间,对所述第二中间数据进行编号,得到具有班次号的目标数据;
删除实际站点数量≤线路站点数量90%的所述目标数据,获得普通公交初始数据;
根据所述普通公交初始数据,获取班次临时表。
4.根据权利要求2所述的客流分析方法,其特征在于,获取城市土地利用数据,并结合所述初始数据,对各个站点进行分类,包括:
获取轨道线路站点信息表,并结合所述轨道交通系统的记录数据,得到轨道乘客的上车站点信息;
获取快速公交线路站点信息表,并结合所述快速公交系统的记录数据,得到快速公交乘客的上车站点信息;
获取普通公交的乘客付费记录,并进行切片,以得到不同乘客的刷卡记录;
根据所述刷卡记录和所述普通公交初始数据,获取普通公交乘客的上车站点信息;
当同一乘客一天内至少出现两次上车站点信息,且两次之间相差500分钟至800分钟,标记前一次的上车站点为居住类,后一次的上车站点为岗位类;
对其余乘客的上车站点信息,进行距离聚类,聚成多个组;其中,所述距离聚类的平均距离为300米,
获取城市土地利用数据,计算每个族内站点300米范围的土地利用占比,并根据所述占比,对站点进行分类标;其中,居住用地类占比最高的族为居住类站点,岗位用地类占比最高的族为岗位类站点,游憩用地类占比最高的族为游憩类站点,
选取分类对应的频率最高的站点作为代表站点。
5.根据权利要求4所述的客流分析方法,其特征在于,根据所述初始数据和各个站点的分类数据,获取乘客下车站点信息,并构建乘客的乘车记录,包括:
根据快速公交乘客的上车站点信息和轨道乘客的上车站点信息,获取乘客的下车站点信息;其中,当存在出站乘车数据时,记录出站点为下车站点;当不存在出站乘车数据时,根据上车站点的类别以及上车时间,获取典型下车站点;
根据普通公交乘客的上车站点信息,获取乘客的下车站点信息;其中,当天存在多次上车站点信息时,若相邻两次的上车站点类别相同则根据上车站点的类别以及上车时间,获取典型下车站点;若相邻两次的上车站点类别不同,则以后一次的上车站点信息作为前一次上车站点信息的下车站点;
根据上车站点信息和下车站点信息,获得乘客的乘车记录。
6.根据权利要求1所述的客流分析方法,其特征在于,根据所述乘车记录,获取公共交通出行矩阵和出行链,包括:
根据所述乘车记录,构建公共交通系统中各个站点的OD矩阵,并统计OD矩阵的分析条数;
获取各线路营收记录;其中,所述营收记录包含营收金额;
根据营收金额对线路营收记录和分析条数的倍数,对公共交通站点OD矩阵进行扩样;
根据所述乘车记录获取公共交通出行链;其中,相邻两次出行中第一次下车地点和第二次上车地点的距离≤800米和/或时间差≤20分钟的标记为具有换乘的出行链。
7.一种公共交通的客流分析装置,其特征在于,包括:
初始数据获取模块,用于获取公共交通系统的记录数据,并清洗所述记录数据,以获得初始数据;
站点分类模块,用于获取城市土地利用数据,并结合所述初始数据,对各个站点进行分类;
乘车记录构建模块,用于根据所述初始数据和各个站点的分类数据,获取乘客下车站点信息,并构建乘客的乘车记录;
出行链获取模块,用于根据所述乘车记录,获取公共交通出行矩阵和出行链。
8.根据权利要求1所述的客流分析装置,其特征在于,所述公共交通系统包括轨道交通系统、快速公交系统,以及普通公交系统;
所述初始数据获取模块,包括:
轨道交通初始数据获取单元,用于获取所述轨道交通系统的记录数据,并去除同站进出数据、乘车时间超过线路最大旅行时间2倍的进出数据,以及员工高频进出数据,以获得轨道交通初始数据;
快速公交初始数据获取单元,用于获取所述快速公交系统的记录数据,并去除进站或出站缺失数据,以获得快速公交初始数据;
普通公交初始数据获取单元,用于获取所述普通公交系统的记录数据,并去除常车次类型、异常站点序号、异常进出站标识和异常班次数据,以获得普通公交初始数据;
其中,所述轨道交通系统和所述快速公交系统的记录数据包括乘客的付费记录,所述普通公交系统的记录数据包括公交车辆行驶记录仪数据。
9.一种公共交通的客流分析设备,其特征在于,包括处理器、存储器,以及存储在所述存储器内的计算机程序;所述计算机程序能够被所述处理器执行,以实现如权利要求1至6任意一项所述的客流分析方法。
10.一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包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至6任意一项所述的客流分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011092818.2A CN112363999B (zh) | 2020-10-13 | 2020-10-13 | 一种公共交通的客流分析方法、装置、设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011092818.2A CN112363999B (zh) | 2020-10-13 | 2020-10-13 | 一种公共交通的客流分析方法、装置、设备、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112363999A true CN112363999A (zh) | 2021-02-12 |
CN112363999B CN112363999B (zh) | 2023-01-03 |
Family
ID=74507181
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011092818.2A Active CN112363999B (zh) | 2020-10-13 | 2020-10-13 | 一种公共交通的客流分析方法、装置、设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112363999B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113344268A (zh) * | 2021-06-02 | 2021-09-03 | 合肥泰瑞数创科技有限公司 | 一种城市交通出行数据分析方法 |
CN114446039A (zh) * | 2021-12-31 | 2022-05-06 | 深圳云天励飞技术股份有限公司 | 客流分析方法及相关设备 |
CN115376325A (zh) * | 2022-10-25 | 2022-11-22 | 中咨数据有限公司 | 基于出行链的公共交通换乘数据筛选系统、方法及应用 |
CN116611984A (zh) * | 2023-07-11 | 2023-08-18 | 鹏城实验室 | 多模式下的出行数据处理方法、系统、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101540098A (zh) * | 2009-04-30 | 2009-09-23 | 北京工业大学 | 基于公交ic卡线路的匹配方法 |
US20140095230A1 (en) * | 2012-09-29 | 2014-04-03 | International Business Machines Corporation | Infering travel path in public transportation system |
CN106844624A (zh) * | 2017-01-20 | 2017-06-13 | 亚信蓝涛(江苏)数据科技有限公司 | 一种可视化的公交大数据分析系统 |
CN111047858A (zh) * | 2019-11-20 | 2020-04-21 | 青岛海信网络科技股份有限公司 | 一种融合算法的公交客流出行od确定方法及装置 |
CN111079875A (zh) * | 2019-12-17 | 2020-04-28 | 广州交通信息化建设投资营运有限公司 | 基于多源数据的公共交通客流监测方法、装置和存储介质 |
-
2020
- 2020-10-13 CN CN202011092818.2A patent/CN112363999B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101540098A (zh) * | 2009-04-30 | 2009-09-23 | 北京工业大学 | 基于公交ic卡线路的匹配方法 |
US20140095230A1 (en) * | 2012-09-29 | 2014-04-03 | International Business Machines Corporation | Infering travel path in public transportation system |
CN106844624A (zh) * | 2017-01-20 | 2017-06-13 | 亚信蓝涛(江苏)数据科技有限公司 | 一种可视化的公交大数据分析系统 |
CN111047858A (zh) * | 2019-11-20 | 2020-04-21 | 青岛海信网络科技股份有限公司 | 一种融合算法的公交客流出行od确定方法及装置 |
CN111079875A (zh) * | 2019-12-17 | 2020-04-28 | 广州交通信息化建设投资营运有限公司 | 基于多源数据的公共交通客流监测方法、装置和存储介质 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113344268A (zh) * | 2021-06-02 | 2021-09-03 | 合肥泰瑞数创科技有限公司 | 一种城市交通出行数据分析方法 |
CN114446039A (zh) * | 2021-12-31 | 2022-05-06 | 深圳云天励飞技术股份有限公司 | 客流分析方法及相关设备 |
CN114446039B (zh) * | 2021-12-31 | 2023-05-19 | 深圳云天励飞技术股份有限公司 | 客流分析方法及相关设备 |
CN115376325A (zh) * | 2022-10-25 | 2022-11-22 | 中咨数据有限公司 | 基于出行链的公共交通换乘数据筛选系统、方法及应用 |
CN115376325B (zh) * | 2022-10-25 | 2023-01-17 | 中咨数据有限公司 | 基于出行链的公共交通换乘数据筛选系统、方法及应用 |
CN116611984A (zh) * | 2023-07-11 | 2023-08-18 | 鹏城实验室 | 多模式下的出行数据处理方法、系统、设备及介质 |
CN116611984B (zh) * | 2023-07-11 | 2024-02-02 | 鹏城实验室 | 多模式下的出行数据处理方法、系统、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112363999B (zh) | 2023-01-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112363999B (zh) | 一种公共交通的客流分析方法、装置、设备、存储介质 | |
CN104318324B (zh) | 基于出租车gps记录的机场巴士站点及路线规划方法 | |
CN109308546B (zh) | 乘客公交出行下车站点预测方法及系统 | |
CN108346292B (zh) | 基于卡口数据的城市快速路实时交通指数计算方法 | |
CN108122069B (zh) | 基于海量交通数据居民出行起点终点矩阵提取方法 | |
CN111862606B (zh) | 一种基于多源数据的非法营运车辆识别方法 | |
CN109903553B (zh) | 多源数据挖掘的公交车上下车站点识别和检验方法 | |
CN102521965B (zh) | 基于车牌识别数据的交通需求管理措施效果评价方法 | |
CN112447041B (zh) | 识别车辆的营运行为的方法、装置及计算设备 | |
CN111191816B (zh) | 城市轨道交通乘客出行时间链辨识系统 | |
CN111932925A (zh) | 一种公共交通站点的出行客流的确定方法、装置及系统 | |
CN110853156B (zh) | 融合公交gps轨迹与ic卡数据的乘客od识别方法 | |
CN111476177B (zh) | 嫌疑人检测方法及装置 | |
CN108122131B (zh) | 基于公共自行车刷卡数据的通勤行为和职住地识别方法 | |
CN110838232A (zh) | 基于过车电警数据的单一车辆od获取方法 | |
CN115168529B (zh) | 一种基于手机定位数据的枢纽客流溯源方法 | |
CN110889092A (zh) | 一种基于轨道交易数据的短时大型活动周边轨道站点客流量预测方法 | |
CN112036757A (zh) | 基于手机信令和浮动车数据的停车换乘停车场的选址方法 | |
You et al. | A GPS data processing framework for analysis of drayage truck tours | |
CN112118548A (zh) | 一种大数据识别常住人口与流动人口的方法和存储设备 | |
CN111598333A (zh) | 客流数据的预测方法及装置 | |
CN114501336B (zh) | 一种公路出行量测算方法、装置、电子设备及存储介质 | |
CN107818415B (zh) | 一种基于地铁刷卡数据的通学识别方法 | |
CN107578619B (zh) | 基于ic卡数据测定地铁站点公共自行车服务范围的方法 | |
CN116090785B (zh) | 针对大型活动散场场景两阶段的定制公交规划方法 |
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 | ||
CB02 | Change of applicant information |
Address after: No. 221-2, Lianyue Road, Siming District, Xiamen, Fujian, 361012 Applicant after: Xiamen Land Space and Transportation Research Center (Xiamen Planning Exhibition Hall) Address before: No.95, TIYU Road, Siming District, Xiamen City, Fujian Province 361012 Applicant before: Xiamen Transportation Research Center |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |