CN112766950A - 一种动态路径费用确定方法、装置、设备及介质 - Google Patents
一种动态路径费用确定方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN112766950A CN112766950A CN202011639232.3A CN202011639232A CN112766950A CN 112766950 A CN112766950 A CN 112766950A CN 202011639232 A CN202011639232 A CN 202011639232A CN 112766950 A CN112766950 A CN 112766950A
- Authority
- CN
- China
- Prior art keywords
- time
- cost
- calculating
- passenger
- dynamic
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012546 transfer Methods 0.000 claims abstract description 95
- 238000004364 calculation method Methods 0.000 claims description 33
- 238000011835 investigation Methods 0.000 claims description 8
- 230000006399 behavior Effects 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 238000012545 processing Methods 0.000 abstract description 2
- 238000004422 calculation algorithm Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 12
- 230000008569 process Effects 0.000 description 8
- 238000013135 deep learning Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 230000016776 visual perception Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000012795 verification 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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/08—Payment architectures
- G06Q20/14—Payment architectures specially adapted for billing systems
- G06Q20/145—Payments according to the detected use or quantity
-
- G06Q50/40—
Abstract
本发明公开了一种动态路径费用确定方法、装置、设备及介质,方法包括:获取乘客出行数据;根据所述乘客出行数据,计算乘车时间费用;根据所述乘客出行数据,计算换乘时间费用;根据所述乘客出行数据,计算动态拥挤惩罚费用;根据所述乘车时间费用、所述换乘时间费用和所述动态拥挤惩罚费用,计算动态路径出行费用。本发明实施例能够计算出动态路径出行费用,能够更准确得用于构建清分模型,可广泛应用于交通数据处理技术领域。
Description
技术领域
本发明涉及交通数据处理技术领域,尤其是一种动态路径费用确定方法、装置、设备及介质。
背景技术
近年来,城市轨道交通网随着其分阶段、分线路的多元化建设,得到飞速发展,路网的规模也逐渐扩大。城市轨道交通线路为增强安全经营管理、提高对乘客乘车的服务水平,一般都由多家不同的投资方共同建设和运营,因此对不同线路的换乘票务收入,进行合理的利益分配就成为一个非常重要的问题。因此能否构建一种成熟、精准的清分方法,保障不同投资运营主体的利益,合理分配票款收益,对于城市轨道交通的发展有着及其重要的意义。
而在构建清分模型的过程中,路径出行费用的计算严重影响到清分准确度。目前的路径出行费用计算,通常是采用满载率来计算拥挤费用,结合刷卡数据来估计某个时间段内选择某乘车线路的客流量情况,从而得出拥挤惩罚费用。这种做法忽略了乘客的视觉感知,真实情况是,当乘客发现即将乘坐的列车内拥挤度非常高时,而乘客又需要乘坐较远的车程,或者是携带大件行李的乘客,可能会等待下一辆列车或者选择一条不拥挤的线路。而且每列车的拥挤情况是随时间动态变化的,所以,目前计算得到的路径出行费用不够准确。
发明内容
有鉴于此,本发明实施例提供一种准确性高的动态路径费用确定方法、装置、设备及介质。
本发明的一方面提供了一种动态路径费用确定方法,包括:
获取乘客出行数据;
根据所述乘客出行数据,计算乘车时间费用;
根据所述乘客出行数据,计算换乘时间费用;
根据所述乘客出行数据,计算动态拥挤惩罚费用;
根据所述乘车时间费用、所述换乘时间费用和所述动态拥挤惩罚费用,计算动态路径出行费用。
优选地,所述根据所述乘客出行数据,计算乘车时间费用,包括:
根据所述乘客出行数据,获取乘客在路径上的乘车时间;其中,所述乘车时间包括列车在各个轨道交通区间的行驶时间,以及列车在各个站台的停站等待时间;
根据所述乘车时间,计算乘车时间费用;
优选地,所述根据所述乘客出行数据,计算换乘时间费用,包括:
根据所述乘客出行数据,获取乘客的换乘步行时间和换乘等待时间;
根据所述换乘步行时间和所述换乘等待时间,计算换乘时间费用;
代表乘客在换乘站j从线路l换乘至线路m所需的换乘时间,h代表换乘;代表从线路l换乘至线路m的路径中换乘站j的累计换乘次数;代表从线路l换乘至线路m所花的步行时间,wj代表在换乘站j走行换乘;α代表从线路l换乘至线路m所花的步行时间的惩罚参数;β代表换乘惩罚参数;这两个惩罚参数均由调查数据进行参数回归计算得出;Tm代表线路m的列车的平均行车间隔时间。
优选地,所述根据所述乘客出行数据,计算动态拥挤惩罚费用,包括:
获取轨道交通网络中路径上的客流量、列车座位数和列车额定满载人数;
获取列车内一般拥挤时的第一惩罚系数和过度拥挤时的第二惩罚系数;
根据所述客流量、列车座位数、列车额定满载人数、第一惩罚系数和第二惩罚系数,计算动态拥挤度;
对实时采集的车厢视频数据进行分析,定时更新车厢平均拥挤度;
根据所述平均拥挤度,对所述动态拥挤度进行定时动态更新;
根据所述动态拥挤度计算动态拥挤惩罚费用。
优选地,所述对实时采集的车厢视频数据进行分析,定时更新车厢平均拥挤度,包括:
获取站台的候车人数;
获取列车内的车厢实时视频,计算车厢内的已有人数和拥挤度,并确定车厢平均拥挤度。
优选地,所述动态拥挤度的计算公式为:
其中,Zl表示线路l的座位数,Cp表示该线路列车核定载客人数;α表示一般拥挤时的系数;β表示非常拥挤时的系数;ρi代表车厢平均拥挤度;x代表候车人数。
优选地,所述方法还包括:
获取交通线网信息,确定各节车厢内的人群数和车厢密度;所述交通线网信息包括但不限于线路运营里程、站间距、运营时刻、闸机设备数据和车厢视频流数据;
获取不同类型乘客的路径选择行为的调研信息;
根据所述交通线网信息和所述调研信息,确定线路清分规则;
获取所述动态路径出行费用,并且计算交通出行的有效路径;
通过所述动态路径出行费用确定各个有效路径的客流分配比例;
根据所述客流分配比例确定清分比例。
本发明实施例还提供了一种动态路径费用确定装置,包括:
获取模块,用于获取乘客出行数据;
乘车时间费用计算模块,用于根据所述乘客出行数据,计算乘车时间费用;
换乘时间费用计算模块,用于根据所述乘客出行数据,计算换乘时间费用;
动态拥挤惩罚费用计算模块,用于根据所述乘客出行数据,计算动态拥挤惩罚费用;
动态路径出行费用计算模块,用于根据所述乘车时间费用、所述换乘时间费用和所述动态拥挤惩罚费用,计算动态路径出行费用。
本发明实施例还提供了一种电子设备,包括处理器以及存储器;
所述存储器用于存储程序;
所述处理器执行所述程序实现如前面所述的方法。
本发明实施例还提供了一种计算机可读存储介质,所述存储介质存储有程序,所述程序被处理器执行实现如前面所述的方法。
本发明实施例还公开了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行前面的方法。
本发明的实施例首先获取乘客出行数据;根据所述乘客出行数据,计算乘车时间费用;根据所述乘客出行数据,计算换乘时间费用;根据所述乘客出行数据,计算动态拥挤惩罚费用;根据所述乘车时间费用、所述换乘时间费用和所述动态拥挤惩罚费用,计算动态路径出行费用。本发明实施例能够计算出动态路径出行费用,能够更准确得用于构建清分模型。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的步骤流程图;
图2为本发明实施例提供的乘客换乘的出行过程示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
由于目前的路径出行费用计算,通常是采用满载率来计算拥挤费用,结合刷卡数据来估计某个时间段内选择某乘车线路的客流量情况,从而得出拥挤惩罚费用。这种做法忽略了乘客的视觉感知,真实情况是,当乘客发现即将乘坐的列车内拥挤度非常高时,而乘客又需要乘坐较远的车程,或者是携带大件行李的乘客,可能会等待下一辆列车或者选择一条不拥挤的线路。而且每列车的拥挤情况是随时间动态变化的,所以本发明认为在计算拥挤惩罚费用时,不能只考虑线路客流,还必须考虑车厢内的已有拥挤度情况,这样才能提高清分模型的准确性。
本发明借助车厢内已有的摄像头,采用视频监控的方式再结合人工智能算法,实时计算车内拥挤度,同时对候车人数也进行实时计算,建立动态路径出行费用模型,可以更为准确地得到清分模型。
本发明实施例提供了一种动态路径费用确定方法,包括:
获取乘客出行数据;
根据所述乘客出行数据,计算乘车时间费用;
根据所述乘客出行数据,计算换乘时间费用;
根据所述乘客出行数据,计算动态拥挤惩罚费用;
根据所述乘车时间费用、所述换乘时间费用和所述动态拥挤惩罚费用,计算动态路径出行费用。
优选地,所述根据所述乘客出行数据,计算乘车时间费用,包括:
根据所述乘客出行数据,获取乘客在路径上的乘车时间;其中,所述乘车时间包括列车在各个轨道交通区间的行驶时间,以及列车在各个站台的停站等待时间;
根据所述乘车时间,计算乘车时间费用;
优选地,所述根据所述乘客出行数据,计算换乘时间费用,包括:
根据所述乘客出行数据,获取乘客的换乘步行时间和换乘等待时间;
根据所述换乘步行时间和所述换乘等待时间,计算换乘时间费用;
代表乘客在换乘站j从线路l换乘至线路m所需的换乘时间,h代表换乘;代表从线路l换乘至线路m的路径中换乘站j的累计换乘次数;代表从线路l换乘至线路m所花的步行时间,wj代表在换乘站j走行换乘;α代表从线路l换乘至线路m所花的步行时间的惩罚参数;β代表换乘惩罚参数;这两个惩罚参数均由调查数据进行参数回归计算得出。Tm代表线路m的列车的平均行车间隔时间。
优选地,所述根据所述乘客出行数据,计算动态拥挤惩罚费用,包括:
获取轨道交通网络中路径上的客流量、列车座位数和列车额定满载人数;
获取列车内一般拥挤时的第一惩罚系数和过度拥挤时的第二惩罚系数;
根据所述客流量、列车座位数、列车额定满载人数、第一惩罚系数和第二惩罚系数,计算动态拥挤度;
对实时采集的车厢视频数据进行分析,定时更新车厢平均拥挤度;
根据所述平均拥挤度,对所述动态拥挤度进行定时动态更新;
根据所述动态拥挤度计算动态拥挤惩罚费用。
优选地,所述对实时采集的车厢视频数据进行分析,定时更新车厢平均拥挤度,包括:
获取站台的候车人数;
获取列车内的车厢实时视频,计算车厢内的已有人数和拥挤度,并确定车厢平均拥挤度。
优选地,所述动态拥挤度的计算公式为:
其中,Zl表示线路l的座位数,Cp表示该线路列车核定载客人数;α表示一般拥挤时的系数;β表示非常拥挤时的系数;ρi代表车厢平均拥挤度;x代表候车人数。
优选地,所述方法还包括:
获取交通线网信息,确定各节车厢内的人群数和车厢密度;所述交通线网信息包括但不限于线路运营里程、站间距、运营时刻、闸机设备数据和车厢视频流数据;
获取不同类型乘客的路径选择行为的调研信息;
根据所述交通线网信息和所述调研信息,确定线路清分规则;
获取所述动态路径出行费用,并且计算交通出行的有效路径;
通过所述动态路径出行费用确定各个有效路径的客流分配比例;
根据所述客流分配比例确定清分比例。
下面再对本发明的具体实现过程进行详细描述:
以地铁的票务系统为例,地铁中的票务清分系统主要分为以下几个模块:乘客出行费用计算模型、有效路径计算模型、客流分配模型。
其中,乘客出行费用即为行程总时间,用阻抗来表示,主要包括乘车时间阻抗、换乘时间阻抗、拥挤度惩罚费用。乘客出行费用影响到出行路径的选择和流量的分配。
有效路径的计算是先找到起点到终点的所有连通路径,然后结合地铁路网的出行特征,再加上一些约束条件,实现路径搜索,从而得到有效路径。在实际的计算过程中,需要先使用最短路径算法(如Dijkstra算法)找到最短路径,然后再使用其他算法(如K条渐短路径搜索算法、Dial算法)计算OD对间的有效路径。
客流分配模型是指把各个交通区之间的出行量分配到交通网络的各条边上。一般来说,乘客出行费用最小的路径,乘客选择该路径的概率越大。选择概率取决于有效路径的出行费用和随机项的分布。客流分配模型常用的算法有Logit模型等。
具体的清分流程分为以下几个步骤:
1、数据收集和数据分析:获取交通线网的线路运营里程、站间距、运营时刻等各种基本信息,并提取闸机设备数据分析客流量,获取各线路列车的车厢摄像头实时视频流数据,并利用深度学习算法计算各节车厢内的人群数和车厢密度。其中基于视频分析的人群统计和车厢拥挤度计算有专门的深度学习算法,在此不做限定。
2、客户出行调查:调查不同类型乘客的路径选择行为用于拟合参数和模型验证。
3、构建路径出行费用函数,用于后续计算各条路径的阻抗费用。路径出行费用可采用如图1所示的方法来实现。
4、确定清分规则:清分是将同一OD对间的客流按照比例分配至各线路,然后以此比例换算出不同线路所占的比例,以此作为票务清分的依据。换算线路所占比例时,一般有按照里程和按照站点数量进行计算的两种清分方式,也有综合考虑建设和运营成本的清分规则。这部分有比较成熟的计算模型,也不在本专利中具体讨论。
5、确定有效路径:根据有效路径算法计算OD对间符合条件的有效路径。具体计算步骤如下:
1)采用Dijkstra算法计算O-D对间最短距离;
2)采用基于图的深度优先搜索算法计算出多条有效路径;
3)分别计算各条路径的动态路径出行费用;
4)通过阈值条件,筛选出有效路径。
6.计算客流分配比例:根据各条线路的路径出行费用,再结合对不同属性乘客的调查,得出各条路径被选概率,从而得到客流分配比例。
7.计算清分比例:根据客流分配比例换算O-D对间的各条线路比例,得出清分比例。
8.模型验证及参数调整:根据实际调查的结果对模型参数进行调整。
对于路径出行费用,本发明实施例中,地铁出行路径的选取主要受乘车时间、换乘次数、拥挤度等因素的影响。乘客乘车过程大体如图2所示,O代表乘客出行时的地铁出行起点;D代表乘客的地铁出行终点,其中乘客在出行途中各个时间段的花费时间如图2所示。本发明实施例从乘车时间费用、换乘时间费用、动态拥挤惩罚费用来计算动态路径出行总费用。
具体地,动态路径出行费用包括:
1、乘车时间费用函数计算模块:
乘客在路径k上的乘车时间包括列车在各个轨道交通区间i内的行驶时间和列车在各个站台的停站等待时间。
2、换乘时间费用计算模块
换乘时间包括换乘步行时间和换乘等待时间。假设乘客选择路径k,在换乘站j,从线路l换乘至线路m,所花的步行时间为在换乘站j等待线路m的列车进站的平均等车时间为另外假设线路m的列车的平均行车间隔时间为Tm。换乘等待时间与乘客到达站台的时间和列车运行相关,呈现一定的随机分布特性,但是其值在行车间隔时间的一半附近波动。所以该乘客在换乘站j从线路l换乘至线路m所需的换乘时间可以表示为:
但在实际乘车过程中,认为换乘惩罚系数与换乘步行时间相关,且用户的实际换乘时间会随着该站换乘次数的增多而增大更多,所以改进后的换乘时间广义费用函数如下:
3、动态拥挤惩罚费用计算模块
在以往拥挤度计算过程中,采用的是动态拥挤度计算方式如下式所示:
其中,x表示轨道交通网络中某区间上的客流量;z表示列车座位数;m为列车额定满载人数;A表示当车内一般拥挤时的惩罚系数;B表示车内过度拥挤时的惩罚系数。
由于区间客流量的计算具有一定的局限性,是通过模型计算得出某个区间时域内的选择本路径出行的客流,如7:30-8:30时间段内的选择本路径的人数,而非某个具体时刻下的乘坐某列车内的客流,并未考虑到列车内的真实拥挤度,因此准确性较为欠缺。本发明针对此处进行了优化。认为影响乘客路径选择的拥挤度应该是指要乘坐的车次内的动态拥挤度,即可供选择的路径下在乘车时刻的列车拥挤度,这是一个随着乘客旅行时间的变化而变化的值。
根据乘客到达站点等候上车的时刻,对即将进站的列车内的拥挤度进行计算。计算方法如下:
1、根据每个上车点处的摄像头实时采集视频,利用深度学习算法,可以检测出站台前的候车人数x;
2、根据每节车厢内已有的摄像头实时采集视频,采用深度学习算法,计算出每节车厢内已有人数和拥挤度,再利用车厢平均拥挤度ρi作为后续计算数据。
其中,Zl表示线路l的座位数,Cp表示该线路列车核定载客人数。α和β分别表示较为拥挤和非常拥挤时的系数,通过现场调查数据获取;ρi代表车厢平均拥挤度(范围0%-100%);x代表候车人数。反应了不拥挤、较为拥挤、非常拥挤这三种情况下的拥挤系数。则路径k上的拥挤惩罚费用为:
4、动态路径出行费用计算模块:
广义路径费用是由乘车时间部分和换乘时间部分共同决定,其中乘车时间部分要加入拥挤度惩罚。
其中,代表起始站o到终点站d之间的路径k的广义费用;代表od区间路径k在区段i的拥挤系数;代表od区间路径k的拥挤惩罚费用;代表路径k中换乘站j的累计换乘次数;β代表换乘次数惩罚系数;代表列车在路径k上站点t的停站时间;代表列车在路径k上区段i内的行驶时间;代表换乘行走时间;Tm代表平均行车间隔时间。
5、路径效用转化模块
乘客出行的多路径选择问题实际上是乘客对自己收集到的信息的分析、判断、决策行为。所以通常用随机效用理论(RUT)来表示乘客路径选择行为。路径效用转化模块用于将路径出行费用转化为路径效用,代表着乘客选择这条路径的价值。
由于地铁出行中有许多不确定性因素,考虑到期望效用理论(EUT)和随机效用理论,采用基于Gumbel分布的Logit模型、条件Probit模型作为路径效用函数。
本发明实施例还提供了一种动态路径费用确定装置,包括:
获取模块,用于获取乘客出行数据;
乘车时间费用计算模块,用于根据所述乘客出行数据,计算乘车时间费用;
换乘时间费用计算模块,用于根据所述乘客出行数据,计算换乘时间费用;
动态拥挤惩罚费用计算模块,用于根据所述乘客出行数据,计算动态拥挤惩罚费用;
动态路径出行费用计算模块,用于根据所述乘车时间费用、所述换乘时间费用和所述动态拥挤惩罚费用,计算动态路径出行费用。
本发明实施例还提供了一种电子设备,包括处理器以及存储器;
所述存储器用于存储程序;
所述处理器执行所述程序实现如前面所述的方法。
本发明实施例还提供了一种计算机可读存储介质,所述存储介质存储有程序,所述程序被处理器执行实现如前面所述的方法。
在一些可选择的实施例中,在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如,取决于所涉及的功能/操作,连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反顺序被执行。此外,在本发明的流程图中所呈现和描述的实施例以示例的方式被提供,目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的,其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
此外,虽然在功能性模块的背景下描述了本发明,但应当理解的是,除非另有相反说明,所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中,或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是,有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说,考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下,在工程师的常规技术内将会了解该模块的实际实现。因此,本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是,所公开的特定概念仅仅是说明性的,并不意在限制本发明的范围,本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
所述功能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。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
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一定指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何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
以上是对本发明的较佳实施进行了具体说明,但本发明并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (10)
1.一种动态路径费用确定方法,其特征在于,包括:
获取乘客出行数据;
根据所述乘客出行数据,计算乘车时间费用;
根据所述乘客出行数据,计算换乘时间费用;
根据所述乘客出行数据,计算动态拥挤惩罚费用;
根据所述乘车时间费用、所述换乘时间费用和所述动态拥挤惩罚费用,计算动态路径出行费用。
4.根据权利要求1所述的一种动态路径费用确定方法,其特征在于,所述根据所述乘客出行数据,计算动态拥挤惩罚费用,包括:
获取轨道交通网络中路径上的客流量、列车座位数和列车额定满载人数;
获取列车内一般拥挤时的第一惩罚系数和过度拥挤时的第二惩罚系数;
根据所述客流量、列车座位数、列车额定满载人数、第一惩罚系数和第二惩罚系数,计算动态拥挤度;
对实时采集的车厢视频数据进行分析,定时更新车厢平均拥挤度;
根据所述平均拥挤度,对所述动态拥挤度进行定时动态更新;
根据所述动态拥挤度计算动态拥挤惩罚费用。
5.根据权利要求4所述的一种动态路径费用确定方法,其特征在于,所述对实时采集的车厢视频数据进行分析,定时更新车厢平均拥挤度,包括:
获取站台的候车人数;
获取列车内的车厢实时视频,计算车厢内的已有人数和拥挤度,并确定车厢平均拥挤度。
7.根据权利要求1所述的一种动态路径费用确定方法,其特征在于,所述方法还包括:
获取交通线网信息,确定各节车厢内的人群数和车厢密度;所述交通线网信息包括但不限于线路运营里程、站间距、运营时刻、闸机设备数据和车厢视频流数据;
获取不同类型乘客的路径选择行为的调研信息;
根据所述交通线网信息和所述调研信息,确定线路清分规则;
获取所述动态路径出行费用,并且计算交通出行的有效路径;
通过所述动态路径出行费用确定各个有效路径的客流分配比例;
根据所述客流分配比例确定清分模型。
8.一种动态路径费用确定装置,其特征在于,包括:
获取模块,用于获取乘客出行数据;
乘车时间费用计算模块,用于根据所述乘客出行数据,计算乘车时间费用;
换乘时间费用计算模块,用于根据所述乘客出行数据,计算换乘时间费用;
动态拥挤惩罚费用计算模块,用于根据所述乘客出行数据,计算动态拥挤惩罚费用;
动态路径出行费用计算模块,用于根据所述乘车时间费用、所述换乘时间费用和所述动态拥挤惩罚费用,计算动态路径出行费用。
9.一种电子设备,其特征在于,包括处理器以及存储器;
所述存储器用于存储程序;
所述处理器执行所述程序实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质存储有程序,所述程序被处理器执行实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011639232.3A CN112766950A (zh) | 2020-12-31 | 2020-12-31 | 一种动态路径费用确定方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011639232.3A CN112766950A (zh) | 2020-12-31 | 2020-12-31 | 一种动态路径费用确定方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112766950A true CN112766950A (zh) | 2021-05-07 |
Family
ID=75698282
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011639232.3A Pending CN112766950A (zh) | 2020-12-31 | 2020-12-31 | 一种动态路径费用确定方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112766950A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114923497A (zh) * | 2022-04-21 | 2022-08-19 | 西南交通大学 | 一种铁路出行的路径规划方法、装置、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102279950A (zh) * | 2011-08-02 | 2011-12-14 | 中国铁道科学研究院电子计算技术研究所 | 基于数据挖掘和神经网络的轨道交通清分方法 |
WO2016045195A1 (zh) * | 2014-09-22 | 2016-03-31 | 北京交通大学 | 一种城轨路网客流估算方法 |
US20170286780A1 (en) * | 2016-03-18 | 2017-10-05 | Shenzhen University | Method and system for calculating passenger crowdedness degree |
CN110428117A (zh) * | 2019-08-15 | 2019-11-08 | 北京交通大学 | 城市轨道交通多场景下客流精准诱导方法及系统 |
CN110516866A (zh) * | 2019-08-21 | 2019-11-29 | 上海工程技术大学 | 一种用于城市轨交地铁拥挤度的实时估计方法 |
-
2020
- 2020-12-31 CN CN202011639232.3A patent/CN112766950A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102279950A (zh) * | 2011-08-02 | 2011-12-14 | 中国铁道科学研究院电子计算技术研究所 | 基于数据挖掘和神经网络的轨道交通清分方法 |
WO2016045195A1 (zh) * | 2014-09-22 | 2016-03-31 | 北京交通大学 | 一种城轨路网客流估算方法 |
US20170286780A1 (en) * | 2016-03-18 | 2017-10-05 | Shenzhen University | Method and system for calculating passenger crowdedness degree |
CN110428117A (zh) * | 2019-08-15 | 2019-11-08 | 北京交通大学 | 城市轨道交通多场景下客流精准诱导方法及系统 |
CN110516866A (zh) * | 2019-08-21 | 2019-11-29 | 上海工程技术大学 | 一种用于城市轨交地铁拥挤度的实时估计方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114923497A (zh) * | 2022-04-21 | 2022-08-19 | 西南交通大学 | 一种铁路出行的路径规划方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110428096B (zh) | 基于票务信息的城市轨道交通多交路运输组织优化方法 | |
CN105913661B (zh) | 一种基于收费数据的高速公路路段交通状态判别方法 | |
Li et al. | Prediction of urban human mobility using large-scale taxi traces and its applications | |
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 | |
CN108151756A (zh) | 一种城市公共交通系统的行程时间计算方法和装置 | |
CN110149593B (zh) | 基于移动台信令的路网客流状态辨识方法 | |
CN110245377B (zh) | 一种出行方案推荐方法及推荐系统 | |
CN108665191B (zh) | 基于聚集效应的地铁站外关联区域计算方法 | |
CN101964085A (zh) | 一种基于Logit模型和贝叶斯决策的客流分配方法 | |
CN104809344A (zh) | 一种基于ic卡数据的公交站点区间客流估计方法 | |
CN111724595A (zh) | 一种基于收费数据的高速公路断面流量估计方法 | |
CN111581538B (zh) | 一种基于高速公路收费数据的高速交通流状态推断方法 | |
CN109903555B (zh) | 一种基于大数据的公交乘客下车数据预测方法及系统 | |
CN107085944A (zh) | 一种交通数据处理系统及方法 | |
CN110969861B (zh) | 一种车辆识别方法、装置、设备及计算机存储介质 | |
CN105447592A (zh) | 一种乘客路径选择的分析方法及装置 | |
JP4910432B2 (ja) | 車両混雑状況予測システム及び方法、プログラム | |
CN112766950A (zh) | 一种动态路径费用确定方法、装置、设备及介质 | |
CN113408833A (zh) | 一种公共交通重点区域识别方法、装置及电子设备 | |
CN111723871B (zh) | 一种公交车实时车厢满载率的估算方法 | |
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 | |
CN114971085B (zh) | 一种公交站点可达性的预测方法、系统及存储介质 | |
CN112052898B (zh) | 一种城际高铁乘客的潜在分类模型构建方法和系统 | |
CN113657725A (zh) | 一种公交线路和调度优化方法、系统、装置及介质 | |
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 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210507 |
|
RJ01 | Rejection of invention patent application after publication |