CN112860766B - 一种公交运行车次认定方法及装置 - Google Patents

一种公交运行车次认定方法及装置 Download PDF

Info

Publication number
CN112860766B
CN112860766B CN202110180396.2A CN202110180396A CN112860766B CN 112860766 B CN112860766 B CN 112860766B CN 202110180396 A CN202110180396 A CN 202110180396A CN 112860766 B CN112860766 B CN 112860766B
Authority
CN
China
Prior art keywords
data
station
train number
train
time
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
CN202110180396.2A
Other languages
English (en)
Other versions
CN112860766A (zh
Inventor
胡会敏
刘荣蓓
曾庆鑫
穆尚涛
辛丽
孙伟伟
王芳
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.)
Hisense TransTech Co Ltd
Original Assignee
Hisense TransTech Co Ltd
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 Hisense TransTech Co Ltd filed Critical Hisense TransTech Co Ltd
Priority to CN202110180396.2A priority Critical patent/CN112860766B/zh
Publication of CN112860766A publication Critical patent/CN112860766A/zh
Application granted granted Critical
Publication of CN112860766B publication Critical patent/CN112860766B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F16/24—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
    • G06F16/21—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
    • G06F16/29—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
    • 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
    • G06Q50/40—Business processes related to the transportation industry
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Remote Sensing (AREA)
  • Quality & Reliability (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Train Traffic Observation, Control, And Security (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种公交运行车次认定方法及装置，该方法包括获取数据库中的公交的基础数据和运营数据，对公交的基础数据进行线路走向分析，得到所述公交的线路行驶轨迹数据，并将公交的各路线的不同运行方向的历史车次平均运行时间确定为车次标准运行时长，进行初次车次认定，得到认定成功的车次和未认定成功的车次，依据线路行驶轨迹数据、定位数据和车次标准运行时长对未认定成功的车次的到离站数据进行第二次认定，对第二次未认定成功的车次进行修正，得到修正后认定成功的车次。通过到离站数据、定位数据、道闸抓拍数据和客流刷卡数据等多元数据，采用多种认定方式进行多次车次认定，能够提高车次认定比例，提高车次认定效率，降低人员投入。

Description

一种公交运行车次认定方法及装置
技术领域
本发明涉及交通技术领域，尤其涉及一种公交运行车次认定方法及装置。
背景技术
公交运营考核是公交都市建设必不可少的部分，在公交运营考核系统中，公交运行车次是必不可少的数据基础。公交行业监管部门需要准确采集公交运行车次进行数据字化考核，以降低企业申诉及监管部门审核成本，提高运营考核的准确性和实用性。
发明内容
本发明实施例提供一种公交运行车次认定方法及装置，解决现有技术中因采用的数据源及认定方式单一造成数据缺失情况下，造成车次丢失或多认定的问题。
第一方面，本发明实施例提供一种公交运行车次认定方法，包括：
获取数据库中的公交的基础数据和运营数据，所述公交的基础数据包括线路数据、车辆数据、线路单程数据和站点数据；所述运营数据包括到离站数据、定位数据、客流刷卡数据和道闸抓拍数据；
对所述公交的基础数据进行线路走向分析，得到所述公交的线路行驶轨迹数据，并将所述公交的各路线的不同运行方向的历史车次平均运行时间确定为车次标准运行时长；
根据所述到离站数据、所述客流刷卡数据和所述道闸抓拍数据进行初次车次认定，得到认定成功的车次和未认定成功的车次；
依据所述线路行驶轨迹数据、所述定位数据和所述车次标准运行时长对所述未认定成功的车次的到离站数据进行第二次认定，得到第二次认定成功的车次和第二次未认定成功的车次；
对所述第二次未认定成功的车次进行修正，得到修正后认定成功的车次。
上述技术方案中，通过到离站数据、定位数据、道闸抓拍数据和客流刷卡数据等多元数据，采用多种认定方式进行多次车次认定，能够提高车次认定比例，提高车次认定效率，降低人员投入。
可选的，所述对所述公交的基础数据进行线路走向分析，得到所述公交的线路行驶轨迹数据，包括：
获取线路数据中的首末站数据；
根据首末站的位置确定出中间站和定位数据小于信号阈值的路段以及定位数据小于信号阈值的路段途径的线路关键点；
依据首末站、中间站和定位数据小于信号阈值的路段途径的线路关键点，确定出线路行驶轨迹的途径关键点。
可选的，所述根据所述到离站数据、所述客流刷卡数据和所述道闸抓拍数据进行初次车次认定，得到认定成功的车次和未认定成功的车次，包括：
根据所述到离站数据进行初次计算车次，并对符合预设条件的相邻两个车次进行融合，得到认定有效车次和认定无效车次；
若所述认定无效车次中存在首末站的报站数据缺失问题，则根据所述道闸数据对所述存在首末站的报站数据缺失问题的车次进行补算车次首末站，并修正车次发车、到达时间和报站率；
若所述认定无效车次中存在中间站点的报站数据缺失问题，则根据所述客流刷卡数据依据聚类算法对所述存在中间站点的报站数据缺失问题的车次补算缺失的中间站点；
若所述认定无效车次中存在首末站的报站数据缺失且道闸抓拍数据补算不成功的车次，采用定位数据按照预设距离补算车次的首末站，并修正车次发车、到达时间和报站率；
将所有补算后的车次中报站率符合预设标准的车次以及认定有效车次确定为认定成功的车次，将所有补算后的车次中报站率不符合预设标准的车次确定为认定不成功的车次。
可选的，所述依据所述线路行驶轨迹数据、所述定位数据和所述车次标准运行时长对所述未认定成功的车次的到离站数据进行第二次认定，得到第二次认定成功的车次和第二次未认定成功的车次，包括：
对所述未认定成功的车次的到离站数据进行排序，确定出车辆途径的线路关键点；
对不存在到离站数据的所述未认定成功的车次，按照定位数据计算途经线路关键点；
对车辆途径的线路关键点计算车次，得到车次计算结果；
对所述车次计算结果计算综合可信度；
若车次首末站存在有效报站，则根据报站时间修正车次的发车或到达时间；
若车次首末站不存在有效报站，则根据道闸抓拍数据修正车次的发车或到达时间；
若综合可信度大于可信度阈值，则确定为第二次认定成功的车次，否则确定为第二次认定不成功的车次。
可选的，对所述车次计算结果计算综合可信度，包括：
根据线路行驶顺序将线路关键点按预设数量划分，得到多组关键点组；确定车次经过关键点组的数量；将所述车次经过关键点组的数量与所述关键点组的数量的比值确定为轨迹可信度；
根据车次内首个点位的定位数据计算与线路首站的距离、根据最后一个点位的定位数据计算与线路末站的距离；依据首个点位与线路首站的距离、根据最后一个点位与线路末站的距离以及预设的距离阈值，确定车次的首末站可信度；
根据车次的运行时间和车次标准运行时长，确定出运行时长可信度；
将所述轨迹可信度、所述首末站可信度和所述运行时长可信度按照预设权重进行加权求和，得到所述综合可信度。
可选的，所述对所述第二次未认定成功的车次进行修正，得到修正后认定成功的车次，包括：
从所述第二次未认定成功的车次中确定出报站率大于报站阈值的车次；
若所述报站率大于报站阈值的车次的运行时间内不存在认定成功的车次，则根据定位数据放大补算距离，补算首末站，将补算成功的车次确定为修正后认定成功的车次；
若补算不成功，则将到离站数据计算的车次结果确定为修正后认定成功的车次。
第二方面，本发明实施提供一种公交运行车次认定装置，包括：
获取单元，用于获取数据库中的公交的基础数据和运营数据，所述公交的基础数据包括线路数据、车辆数据、线路单程数据和站点数据；所述运营数据包括到离站数据、定位数据、客流刷卡数据和道闸抓拍数据；
处理单元，用于对所述公交的基础数据进行线路走向分析，得到所述公交的线路行驶轨迹数据，并将所述公交的各路线的不同运行方向的历史车次平均运行时间确定为车次标准运行时长；根据所述到离站数据、所述客流刷卡数据和所述道闸抓拍数据进行初次车次认定，得到认定成功的车次和未认定成功的车次；依据所述线路行驶轨迹数据、所述定位数据和所述车次标准运行时长对所述未认定成功的车次的到离站数据进行第二次认定，得到第二次认定成功的车次和第二次未认定成功的车次；对所述第二次未认定成功的车次进行修正，得到修正后认定成功的车次。
可选的，所述处理单元具有用于：
获取线路数据中的首末站数据；
根据首末站的位置确定出中间站和定位数据小于信号阈值的路段以及定位数据小于信号阈值的路段途径的线路关键点；
依据首末站、中间站和定位数据小于信号阈值的路段途径的线路关键点，确定出线路行驶轨迹的途径关键点。
可选的，所述处理单元具有用于：
根据所述到离站数据进行初次计算车次，并对符合预设条件的相邻两个车次进行融合，得到认定有效车次和认定无效车次；
若所述认定无效车次中存在首末站的报站数据缺失问题，则根据所述道闸数据对所述存在首末站的报站数据缺失问题的车次进行补算车次首末站，并修正车次发车、到达时间和报站率；
若所述认定无效车次中存在中间站点的报站数据缺失问题，则根据所述客流刷卡数据依据聚类算法对所述存在中间站点的报站数据缺失问题的车次补算缺失的中间站点；
若所述认定无效车次中存在首末站的报站数据缺失且道闸抓拍数据补算不成功的车次，采用定位数据按照预设距离补算车次的首末站，并修正车次发车、到达时间和报站率；
将所有补算后的车次中报站率符合预设标准的车次以及认定有效车次确定为认定成功的车次，将所有补算后的车次中报站率不符合预设标准的车次确定为认定不成功的车次。
可选的，所述处理单元具有用于：
对所述未认定成功的车次的到离站数据进行排序，确定出车辆途径的线路关键点；
对不存在到离站数据的所述未认定成功的车次，按照定位数据计算途经线路关键点；
对车辆途径的线路关键点计算车次，得到车次计算结果；
对所述车次计算结果计算综合可信度；
若车次首末站存在有效报站，则根据报站时间修正车次的发车或到达时间；
若车次首末站不存在有效报站，则根据道闸抓拍数据修正车次的发车或到达时间；
若综合可信度大于可信度阈值，则确定为第二次认定成功的车次，否则确定为第二次认定不成功的车次。
可选的，所述处理单元具有用于：
根据线路行驶顺序将线路关键点按预设数量划分，得到多组关键点组；确定车次经过关键点组的数量；将所述车次经过关键点组的数量与所述关键点组的数量的比值确定为轨迹可信度；
根据车次内首个点位的定位数据计算与线路首站的距离、根据最后一个点位的定位数据计算与线路末站的距离；依据首个点位与线路首站的距离、根据最后一个点位与线路末站的距离以及预设的距离阈值，确定车次的首末站可信度；
根据车次的运行时间和车次标准运行时长，确定出运行时长可信度；
将所述轨迹可信度、所述首末站可信度和所述运行时长可信度按照预设权重进行加权求和，得到所述综合可信度。
可选的，所述处理单元具有用于：
从所述第二次未认定成功的车次中确定出报站率大于报站阈值的车次；
若所述报站率大于报站阈值的车次的运行时间内不存在认定成功的车次，则根据定位数据放大补算距离，补算首末站，将补算成功的车次确定为修正后认定成功的车次；
若补算不成功，则将到离站数据计算的车次结果确定为修正后认定成功的车次。
第三方面，本发明实施例还提供一种计算设备，包括：
存储器，用于存储程序指令；
处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行上述公交运行车次认定方法。
第四方面，本发明实施例还提供一种计算机可读非易失性存储介质，包括计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得计算机执行上述公交运行车次认定方法。
附图说明
为了更清楚地说明本发明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要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，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一种系统架构的示意图；
图2为本发明实施例提供的一种公交运行车次认定方法的流程示意图；
图3为本发明实施例提供的一种公交运行车次认定方法的流程示意图；
图4为本发明实施例提供的一种线路走向分析的示意图；
图5为本发明实施例提供的一种到离站数据清洗的示意图；
图6为本发明实施例提供的一种到离站数据认定车次的示意图；
图7为本发明实施例提供的一种行驶轨迹认定车次的示意图；
图8为本发明实施例提供的一种线路走向的示意图；
图9为本发明实施例提供的一种线路途经关键点的示意图；
图10为本发明实施例提供的一种公交运行车次认定装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，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它实施例，都属于本发明保护的范围。
图1为本发明实施例提供的一种系统架构。如图1所示，该系统架构可以为服务器100，该服务器100可以包括处理器110、通信接口120和存储器130。
其中，通信接口120用于与其它终端设备进行通信，收发该其它终端设备传输的信息，实现通信。
处理器110是服务器100的控制中心，利用各种接口和线路连接整个服务器100的各个部分，通过运行或执行存储在存储器130内的软件程序/或模块，以及调用存储在存储器130内的数据，执行服务器100的各种功能和处理数据。可选地，处理器110可以包括一个或多个处理单元。
存储器130可用于存储软件程序以及模块，处理器110通过运行存储在存储器130的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器130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等；存储数据区可存储根据业务处理所创建的数据等。此外，存储器130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、或其他易失性固态存储器件。
需要说明的是，上述图1所示的结构仅是一种示例，本发明实施例对此不做限定。
基于上述描述，图2详细的示出了本发明实施例提供的一种公交运行车次认定方法的流程，该流程可以由公交运行车次认定装置执行。
如图2所示，该流程具体包括：
步骤201，获取数据库中的公交的基础数据和运营数据。
在本发明实施例中，该公交的基础数据可以包括线路数据、车辆数据、线路单程数据和站点数据；运营数据可以包括到离站数据、定位数据、客流刷卡数据和道闸抓拍数据。
主要是从数据库中读取线路、车辆、线路单程和站点数据并构建单程站点关系数据结构，读取到离站、GPS(Global Positioning System，全球定位系统)、客流刷卡、道闸抓拍数据。
其中线路单程数据必须包括线路走向数据，即线路轨迹经纬度列表。
步骤202，对所述公交的基础数据进行线路走向分析，得到所述公交的线路行驶轨迹数据，并将所述公交的各路线的不同运行方向的历史车次平均运行时间确定为车次标准运行时长。
具体的，首先获取线路数据中的首末站数据，然后根据首末站的位置确定出中间站和定位数据小于信号阈值的路段以及定位数据小于信号阈值的路段途径的线路关键点，最后依据首末站、中间站和定位数据小于信号阈值的路段途径的线路关键点，确定出线路行驶轨迹的途径关键点。该信号阈值可以依据经验设置。
步骤203，根据所述到离站数据、所述客流刷卡数据和所述道闸抓拍数据进行初次车次认定，得到认定成功的车次和未认定成功的车次。
具体的，根据到离站数据进行初次计算车次，并对符合预设条件的相邻两个车次进行融合，得到认定有效车次和认定无效车次。
当认定无效车次中存在首末站的报站数据缺失问题时，可以根据道闸数据对存在首末站的报站数据缺失问题的车次进行补算车次首末站，并修正车次发车、到达时间和报站率。
当认定无效车次中存在中间站点的报站数据缺失问题时，可以根据客流刷卡数据依据聚类算法对存在中间站点的报站数据缺失问题的车次补算缺失的中间站点。
当认定无效车次中存在首末站的报站数据缺失且道闸抓拍数据补算不成功的车次时，可以采用定位数据按照预设距离补算车次的首末站，并修正车次发车、到达时间和报站率。然后将所有补算后的车次中报站率符合预设标准的车次以及认定有效车次确定为认定成功的车次，将所有补算后的车次中报站率不符合预设标准的车次确定为认定不成功的车次。该预设距离和预设标准可以依据经验设置。例如，预设距离可以为100M，预设标准可以为80％。
车次报站率可以依据车次报站数和线路途经站点数来确定。
上述聚类方法可以是K-Means聚类(K均值聚类算法)，或是其他的聚类方法。
步骤204，依据线路行驶轨迹数据、所述定位数据和车次标准运行时长对未认定成功的车次的到离站数据进行第二次认定，得到第二次认定成功的车次和第二次未认定成功的车次。
在进行第二次认定时，可以先对未认定成功的车次的到离站数据进行排序，确定出车辆途径的线路关键点。对不存在到离站数据的未认定成功的车次，按照定位数据计算途经线路关键点。然后对车辆途径的线路关键点按照到离站数据计算车次，得到车次计算结果，对车次计算结果计算综合可信度。若车次首末站存在有效报站，则根据报站时间修正车次的发车或到达时间；若车次首末站不存在有效报站，则根据道闸抓拍修正车次的发车或到达时间；若综合可信度大于可信度阈值，则确定为第二次认定成功的车次，否则确定为第二次认定不成功的车次。
其中，综合可信度可以根据下述方式来确定：首先根据线路行驶顺序将线路关键点按预设数量划分，得到多组关键点组，确定车次经过关键点组的数量，将车次经过关键点组的数量与关键点组的数量的比值确定为轨迹可信度。然后根据车次内首个点位的定位数据计算与线路首站的距离、根据最后一个点位的定位数据计算与线路末站的距离，依据首个点位与线路首站的距离、根据最后一个点位与线路末站的距离以及预设的距离阈值，确定车次的首末站可信度。根据车次的运行时间和车次标准运行时长，确定出运行时长可信度。最后将轨迹可信度、首末站可信度和运行时长可信度按照预设权重进行加权求和，得到综合可信度。该预设数量、预设的距离阈值、预设权重可以依据经验设置。
需要说明的是，本发明实施例中的关键点是关键点。
步骤205，对第二次未认定成功的车次进行修正，得到修正后认定成功的车次。
具体的，从第二次未认定成功的车次中确定出报站率大于报站阈值的车次；若报站率大于报站阈值的车次的运行时间内不存在认定成功的车次，则根据定位数据放大补算距离，补算首末站，将补算成功的车次确定为修正后认定成功的车次，若补算不成功，则将到离站数据计算的车次结果确定为修正后认定成功的车次。该报站阈值可以依据经验设置。
为了更好的解释本发明实施例，下面将在具体实施场景下来描述上述公交车次认定的流程，具体如图3所示，分为八个步骤，包括：
S1，数据准备。
从数据库中读取线路、车辆、线路单程和站点数据并构建单程站点关系数据结构，读取到离站、GPS、客流刷卡、道闸抓拍数据。
其中线路单程数据必须包括线路走向数据，即线路轨迹经纬度列表。
S2，线路走向分析。
线路走向分析可以得到线路的轨迹数据，具体分为五步，流程如图4：
S21，获取数据。
获取线路走向数据，将线路走向数据分为按照行驶顺序排序的多个经纬度点位；其中线路走向如图8所示，圆圈代表途经站点位置。
S22，确定首末站位置。
将首末站根据位置就近添加到线路途经点位列表的第一个和最后一个；若首站之前或末站之后仍有其他线路途经点位，则剔除不再使用。
S23，确定中间站及GPS信号弱路段位置。
将线路途经站点就近增加到线路轨迹点位列表中，并按照线路行驶顺序排序；将GPS信号弱路段途经的线路关键点做好标识。GPS信号弱路段是指GPS信号低于信号阈值的路段。
S24，取线路途经关键点。
自线路轨迹首个点位起，每相隔预设距离(根据车辆定位设备漂移距离及公交车运行速度，可以为100米)在线路轨迹上取一个点位作为线路途经关键点，最后两个途经关键点距离不考虑是否足够预设距离，将线路途经关键点按照行驶顺序进行排序编号；线路途经关键点如图9所示，每相邻关键点之间的行驶距离均为固定距离。
S25，线路途经关键点结果存储。
将取到的关键点列表存储入数据库。
其中，在线路轨迹上每相隔预设距离取一个点作为线路途经关键点的过程，采用定比分点公式，如下：
1、若线路走向经过的点位如下：A1(X1,Y1)、A2(X2,Y2)、A3(X3,Y3)...，线路途经关键点每相邻两点在线路上的距离为预设关键点距离(以D为例)。
2、若A1、A2两点距离为D，则保留A1、A2为线路途经关键点，继续进行A2、A3之间的计算；
3、若A1、A2两点距离超过D，则在A1、A2之间的线路轨迹上取一点P(X,Y)，并且该点距离A1距离为D，则：
Figure BDA0002941315770000121
其中，λ可以为小数，P点距A1点的距离为D，将A1、P记录为线路的途经关键点，继续进行p、A2之间的计算。
4、若A1、A2两点距离不足D，分两种方式：
a)若A1、A2与A2、A3之间的距离之和为D，则将A1、A3记录为线路的途经关键点，继续进行A3、A4之间的计算。
b)若A1、A2与A2、A3之间的距离之和超过D，A1、A2之间的距离为D1，A2、A3之间的距离为D2，则在A2、A3之间的线路轨迹上取一点P(X,Y)，并且该点距离A2距离为D–D1，设
Figure BDA0002941315770000122
则：
Figure BDA0002941315770000123
其中，λ可以为小数，P点距A2点的距离为D–D1，将A1、P记录为线路的途经关键点，继续进行p、A3之间的计算。
c)若A1、A2与A2、A3之间的距离之和不足D，则继续根据A1至A4进行计算。
5、后续线路途经点位依次计算，最后一个点位记录为线路途经关键点。
S3，线路标准运行时长计算。
线路标准运行时长计算主要分为以下三步：
首先，获取线路运营日期的类型，包括工作日、周末、节假日及其他预设类型等，获取线路运营时段分类，包括早高峰、晚高峰、平峰等其他预设时段分类，同时获取各类运营类型在过去30个运营日内(并且线路长度未发生变化)的历史有效车次记录信息；
然后，根据各个线路的不同运行方向，每种营运日期类型根据不同时间段，取历史车次平均运行时间作为班次标准运行时长；
最后将线路各个运行方向的标准运行时长存储入数据库。
S4，到离站分析。
到离站分析主要分为五步，流程如图5：
S41，获取数据。
从数据库获取到离站数据记录。
S42，剔除基础信息不匹配数据。
剔除基础信息不匹配到离站数据，包括经纬度不在本市范围内、非营运状态下误报数据，或者无法识别站点、车辆、线路、运行方向的数据。
S43，剔除报站距离超过标准数据。
根据报站数据的经纬度及所在站点的经纬度计算实地距离，若该报站距离超过预设标准则剔除。该预设标准依据经验设置。
S44，修正行驶顺序。
将前序步骤中保留的到离站数据按照报站时间排序，根据前后报站数据校正报站数据在线路上的行驶顺序号。若可采集到报站数据的可靠实际行驶顺序，可忽略该步骤。
S45，到离站分析结果存储。
将到离站分析结果存储入数据库。
其中，报站位置与站点实际位置之间的距离计算，采用地球投影方式计算。
S5，按到离站认定车次。
按到离站认定车次分为八步，流程如图6：
S51，获取数据。
从数据库获取已经分析的到离站数据记录，已剔除数据不再获取。
S52，初步计算车次。
根据到离站数据初步计算车次，若到离站数据为线路途经首站，则使用最后离站数据作为车次发车站点及发车时间，并记录为一个车次开始；若到离站数据为线路途经末站，则使用最早到站时间作为车次到达站点及到达时间，并记录为一个车次结束；若到离站数据为线路途经中间站点，则判断行驶顺序是否在当前记录车次的报站数据之后，若是则当前记录车次增加一个报站记录，若不是，则结束当前记录车次并开始新车次计算。
S53，车次融合。
由于各种原因，车辆到离站数据可能会出现行驶顺序错乱的情况，需要对计算车次进行融合，将计算结果按照发车时间、到达时间排序，若前后车次总运行时长不超过线路标准运行时长的X倍(X为预设条件，根据经验建议为1.2倍)或者报站总数不超过预设标准并且符合其他预设条件则将相邻两个车次合并为一个完整车次，发车、到达时间及报站率做相应合并及调整。
S54，无效车次清理。
将无效车次进行剔除，包括首末站不完整并且报站率过低达不到预设标准的车次。
S55，道闸抓拍补算车次首末站。
对于首末站报站数据缺失的车次，根据道闸抓拍数据补算车次首末站，并修正发车、到达时间及报站率。
S56，客流刷卡补算车次中间站。
对于车次中间站点报站数据缺失的车次，若符合预设补算标准，则根据客流刷卡记录利用K-Means聚类算法(K均值聚类算法)补算缺失中间站。
S57，GPS补算车次首末站。
对于首末站报站数据缺失并且道闸抓拍数据补算不成功的车次，采用GPS数据按照预设距离标准补算车次首末站，并修正车次发车、到达时间及报站率。
S58，车次存储。
首末站报站完整并且报站率超过预设标准的车次认定为有效车次，将所有车次计算结果存储入数据库，包括未认定有效的车次信息。
其中，车次报站率计算方式如下：
Figure BDA0002941315770000151
K-means聚类算法(K均值聚类算法)具体过程如下：
1、识别缺失报站数据，以缺失报站数据前最后一个有效报站作为起始时间(因为缺失报站数据前最后一个有效报站可能存在刷卡数据，因此若最后一个报站存在到站数据则取到站时间，否则取离站时间)，记录为T1，缺失之后第一个有效报站作为结束时间，记录为T2。
2、识别缺失站点数量，缺失之前最后一个有效报站作为起始站点，记为S1，若缺失之后第一个有效报站数据(记为S2)为到站，则缺失站点数据记录为S2的站点顺序号-S1的顺序号，若缺失之后第一个有效报站数据为离站，则缺失站点数记录为S2的站点顺序号-S1的站点顺序号+1。
3、将缺失报站数据的时间段，根据缺失站点数量平均分为若干时间段，取每段的开始时间作为聚类算法首个中心点。
4、获取缺失报站数据时间段的客流刷卡数据。
5、根据每组中心点数据的时间及客流刷卡数据的时间差，将客流刷卡时间匹配到相应的组中心点上。
6、全部匹配完成后，将每组求平均值作为每组新的中心点。
7、再次根据每组中心点数据的时间及客流刷卡数据的时间差，将客流刷卡时间匹配到相应的组中心点上。
8、直至每组客流刷卡数据没有变化或达到一定次数为止。
9、取每组客流刷卡数据的第一个时间作为站点报站时间，并将该站点记录为到达，没有匹配到客流刷卡数据的站点则记录为没有经过。
需要说明的是，第一组及最后一组匹配的客流数据应注意是否为已有报站数据的客流刷卡数据。
S6，按行驶轨迹认定车次。
在到离站数据无法采集或采集不完整的情况下，采用车辆行驶轨迹认定车次。主要分为七步，流程如图7：
S61，获取数据。
从数据库获取已认定有效车次，并计算出已认定有效车次之间的空闲时间，同时获取空闲时间内的车辆有效到离站数据、GPS信号弱路段数据(不存在可忽略)、GPS数据、线路关键点数据。
S62，计算到离站及GPS信号弱路段途经关键点。
将到离站数据按照时间排序，存在连续有效报站数据的，该段有效连续报站数据内途经的线路关键点记录为车辆已经过；GPS信号弱路段做相同处理；将GPS数据按照时间进行排序，将未经过的线路关键点按照时间顺序匹配距离合适的GPS点位，匹配到GPS点位的关键点记录为车辆已经过。
S63，按途经关键点计算车次。
根据公交车辆途经关键点计算车次，计算方式同按到离站数据计算车次一样，不再赘述。
S64，计算车次综合可信度。
将车次计算结果计算综合可信度，综合可信度包括：轨迹可信度、首末站距离可信度、运行时长可信度。
S65，根据首末站到离站修正车次时间。
若车次首末站存在有效报站，则根据报站时间修正车次发车或到达时间。
S66，根据道闸抓拍修正车次时间。
车次首末站不存在有效报站的，则根据道闸抓拍修正车次发车或到达时间。
S67，车次存储。
若综合可信度超出预设标准则认定为有效车次，并将车次计算结果存储入数据库。
其中，车次综合可信度具体计算方式如下：
1、计算班次轨迹可信度，根据线路行驶顺序，将线路关键点按照5个一组分为若干组，再根据上一步计算结果，若记录的途经关键点中至少有1个经过了线路某关键点组的其中一个关键点，则记录为该班次经过了该关键点组。
Figure BDA0002941315770000171
2、计算班次首末站可信度，班次内首个GPS点位计算与线路首站距离，末个GPS点位计算与线路末站距离，然后计算首末站距离可信度，其中距离超过1KM该可信度为0，距离<200米时，可信度为1，距离在200米至1KM之间，采用以下公式：
Figure BDA0002941315770000172
3、计算班次运行时间可信度，若班次运行时间小于1/2或超过2倍班次标准运行时间，该可信度为0，若班次实际运行时间在班次标准运行时间的1/2至2倍之间，则采用以下公式：
Figure BDA0002941315770000173
4、计算班次综合可信度：
综合可信度＝预设权重1*轨迹可信度+预设权重2*首末站可信度+预设权重3*运行时间可信度。
S7，报站基本完整未认定车次处理。
经过上述步骤后，将报站率达到80％但是尚未通过认定的车次做单独处理，若车次运行时间内不存在其他有效认定车次，则先根据GPS数据放大补算距离(例如1KM)补算首末站，补算成功的车次认定为有效车次；仍未补算成功的，直接采用到离站数据计算的车次结果，认定为有效车次。
S8，车次存储。
车次计算结果最终存入运营考核系统数据库，然后，公交运营考核系统根据公交运行车次、公交考核标准进行考核分析及核算。表结构如下表1所示：
表1
Figure BDA0002941315770000181
Figure BDA0002941315770000191
本方案通过采集到的多元化数据，结合多种方式认定公交运行车次，实现准确性高、完整度高的公交运行车次认定。
在本发明实施例中，获取数据库中的公交的基础数据和运营数据，公交的基础数据包括线路数据、车辆数据、线路单程数据和站点数据，运营数据包括到离站数据、定位数据、客流刷卡数据和道闸抓拍数据，对公交的基础数据进行线路走向分析，得到公交的线路行驶轨迹数据，并将公交的各路线的不同运行方向的历史车次平均运行时间确定为车次标准运行时长，根据到离站数据、客流刷卡数据和道闸抓拍数据进行初次车次认定，得到认定成功的车次和未认定成功的车次，依据线路行驶轨迹数据、定位数据和车次标准运行时长对未认定成功的车次的到离站数据进行第二次认定，得到第二次认定成功的车次和第二次未认定成功的车次，对第二次未认定成功的车次进行修正，得到修正后认定成功的车次。通过到离站数据、定位数据、道闸抓拍数据和客流刷卡数据等多元数据，采用多种认定方式进行多次车次认定，能够提高车次认定比例，提高车次认定效率，降低人员投入。
基于相同的技术构思，图10示例性的示出了本发明实施例提供的一种公交运行车次认定装置的结构，该装置可以执行公交运行车次认定流程。
如图10所示，该装置具体包括：
获取单元1001，用于获取数据库中的公交的基础数据和运营数据，所述公交的基础数据包括线路数据、车辆数据、线路单程数据和站点数据；所述运营数据包括到离站数据、定位数据、客流刷卡数据和道闸抓拍数据；
处理单元1002，用于对所述公交的基础数据进行线路走向分析，得到所述公交的线路行驶轨迹数据，并将所述公交的各路线的不同运行方向的历史车次平均运行时间确定为车次标准运行时长；根据所述到离站数据、所述客流刷卡数据和所述道闸抓拍数据进行初次车次认定，得到认定成功的车次和未认定成功的车次；依据所述线路行驶轨迹数据、所述定位数据和所述车次标准运行时长对所述未认定成功的车次的到离站数据进行第二次认定，得到第二次认定成功的车次和第二次未认定成功的车次；对所述第二次未认定成功的车次进行修正，得到修正后认定成功的车次。
可选的，所述处理单元1002具有用于：
获取线路数据中的首末站数据；
根据首末站的位置确定出中间站和定位数据小于信号阈值的路段以及定位数据小于信号阈值的路段途径的线路关键点；
依据首末站、中间站和定位数据小于信号阈值的路段途径的线路关键点，确定出线路行驶轨迹的途径关键点。
可选的，所述处理单元1002具有用于：
根据所述到离站数据进行初次计算车次，并对符合预设条件的相邻两个车次进行融合，得到认定有效车次和认定无效车次；
若所述认定无效车次中存在首末站的报站数据缺失问题，则根据所述道闸数据对所述存在首末站的报站数据缺失问题的车次进行补算车次首末站，并修正车次发车、到达时间和报站率；
若所述认定无效车次中存在中间站点的报站数据缺失问题，则根据所述客流刷卡数据依据聚类算法对所述存在中间站点的报站数据缺失问题的车次补算缺失的中间站点；
若所述认定无效车次中存在首末站的报站数据缺失且道闸抓拍数据补算不成功的车次，采用定位数据按照预设距离补算车次的首末站，并修正车次发车、到达时间和报站率；
将所有补算后的车次中报站率符合预设标准的车次以及认定有效车次确定为认定成功的车次，将所有补算后的车次中报站率不符合预设标准的车次确定为认定不成功的车次。
可选的，所述处理单元1002具有用于：
对所述未认定成功的车次的到离站数据进行排序，确定出车辆途径的线路关键点；
对不存在到离站数据的所述未认定成功的车次，按照定位数据计算途经线路关键点；
对车辆途径的线路关键点计算车次，得到车次计算结果；
对所述车次计算结果计算综合可信度；
若车次首末站存在有效报站，则根据报站时间修正车次的发车或到达时间；
若车次首末站不存在有效报站，则根据道闸抓拍数据修正车次的发车或到达时间；
若综合可信度大于可信度阈值，则确定为第二次认定成功的车次，否则确定为第二次认定不成功的车次。
可选的，所述处理单元1002具有用于：
根据线路行驶顺序将线路关键点按预设数量划分，得到多组关键点组；确定车次经过关键点组的数量；将所述车次经过关键点组的数量与所述关键点组的数量的比值确定为轨迹可信度；
根据车次内首个点位的定位数据计算与线路首站的距离、根据最后一个点位的定位数据计算与线路末站的距离；依据首个点位与线路首站的距离、根据最后一个点位与线路末站的距离以及预设的距离阈值，确定车次的首末站可信度；
根据车次的运行时间和车次标准运行时长，确定出运行时长可信度；
将所述轨迹可信度、所述首末站可信度和所述运行时长可信度按照预设权重进行加权求和，得到所述综合可信度。
可选的，所述处理单元1002具有用于：
从所述第二次未认定成功的车次中确定出报站率大于报站阈值的车次；
若所述报站率大于报站阈值的车次的运行时间内不存在认定成功的车次，则根据定位数据放大补算距离，补算首末站，将补算成功的车次确定为修正后认定成功的车次；
若补算不成功，则将到离站数据计算的车次结果确定为修正后认定成功的车次。
基于相同的技术构思，本发明实施例还提供了一种计算设备，包括：
存储器，用于存储程序指令；
处理器，用于调用存储器中存储的程序指令，按照获得的程序执行上述公交运行车次认定方法。
基于相同的技术构思，本发明实施例还提供了一种计算机可读非易失性存储介质，包括计算机可读指令，当计算机读取并执行计算机可读指令时，使得计算机执行上述公交运行车次认定方法。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (9)

1.一种公交运行车次认定方法，其特征在于，包括：
获取数据库中的公交的基础数据和运营数据，所述公交的基础数据包括线路数据、车辆数据、线路单程数据和站点数据；所述运营数据包括到离站数据、定位数据、客流刷卡数据和道闸抓拍数据；
对所述公交的基础数据进行线路走向分析，得到所述公交的线路行驶轨迹数据，并将所述公交的各路线的不同运行方向的历史车次平均运行时间确定为车次标准运行时长；
根据所述到离站数据、所述客流刷卡数据和所述道闸抓拍数据进行初次车次认定，得到认定成功的车次和未认定成功的车次；
依据所述线路行驶轨迹数据、所述定位数据和所述车次标准运行时长对所述未认定成功的车次的到离站数据进行第二次认定，得到第二次认定成功的车次和第二次未认定成功的车次；
对所述第二次未认定成功的车次进行修正，得到修正后认定成功的车次；
所述根据所述到离站数据、所述客流刷卡数据和所述道闸抓拍数据进行初次车次认定，得到认定成功的车次和未认定成功的车次，包括：
根据所述到离站数据进行初次计算车次，并对符合预设条件的相邻两个车次进行融合，得到认定有效车次和认定无效车次；
若所述认定无效车次中存在首末站的报站数据缺失问题，则根据所述道闸数据对所述存在首末站的报站数据缺失问题的车次进行补算车次首末站，并修正车次发车、到达时间和报站率；
若所述认定无效车次中存在中间站点的报站数据缺失问题，则根据所述客流刷卡数据依据聚类算法对所述存在中间站点的报站数据缺失问题的车次补算缺失的中间站点；
若所述认定无效车次中存在首末站的报站数据缺失且道闸抓拍数据补算不成功的车次，采用定位数据按照预设距离补算车次的首末站，并修正车次发车、到达时间和报站率；
将所有补算后的车次中报站率符合预设标准的车次以及认定有效车次确定为认定成功的车次，将所有补算后的车次中报站率不符合预设标准的车次确定为认定不成功的车次。
2.如权利要求1所述的方法，其特征在于，所述对所述公交的基础数据进行线路走向分析，得到所述公交的线路行驶轨迹数据，包括：
获取线路数据中的首末站数据；
根据首末站的位置确定出中间站和定位数据小于信号阈值的路段以及定位数据小于信号阈值的路段途径的线路关键点；
依据首末站、中间站和定位数据小于信号阈值的路段途径的线路关键点，确定出线路行驶轨迹的途径关键点。
3.如权利要求1所述的方法，其特征在于，所述依据所述线路行驶轨迹数据、所述定位数据和所述车次标准运行时长对所述未认定成功的车次的到离站数据进行第二次认定，得到第二次认定成功的车次和第二次未认定成功的车次，包括：
对所述未认定成功的车次的到离站数据进行排序，确定出车辆途径的线路关键点；
对不存在到离站数据的所述未认定成功的车次，按照定位数据计算途经线路关键点；
对车辆途径的线路关键点计算车次，得到车次计算结果；
对所述车次计算结果计算综合可信度；
若车次首末站存在有效报站，则根据报站时间修正车次的发车或到达时间；
若车次首末站不存在有效报站，则根据道闸抓拍数据修正车次的发车或到达时间；
若综合可信度大于可信度阈值，则确定为第二次认定成功的车次，否则确定为第二次认定不成功的车次。
4.如权利要求3所述的方法，其特征在于，对所述车次计算结果计算综合可信度，包括：
根据线路行驶顺序将线路关键点按预设数量划分，得到多组关键点组；确定车次经过关键点组的数量；将所述车次经过关键点组的数量与所述关键点组的数量的比值确定为轨迹可信度；
根据车次内首个点位的定位数据计算与线路首站的距离、根据最后一个点位的定位数据计算与线路末站的距离；依据首个点位与线路首站的距离、根据最后一个点位与线路末站的距离以及预设的距离阈值，确定车次的首末站可信度；
根据车次的运行时间和车次标准运行时长，确定出运行时长可信度；
将所述轨迹可信度、所述首末站可信度和所述运行时长可信度按照预设权重进行加权求和，得到所述综合可信度。
5.如权利要求1至4任一项所述的方法，其特征在于，所述对所述第二次未认定成功的车次进行修正，得到修正后认定成功的车次，包括：
从所述第二次未认定成功的车次中确定出报站率大于报站阈值的车次；
若所述报站率大于报站阈值的车次的运行时间内不存在认定成功的车次，则根据定位数据放大补算距离，补算首末站，将补算成功的车次确定为修正后认定成功的车次；
若补算不成功，则将到离站数据计算的车次结果确定为修正后认定成功的车次。
6.一种公交运行车次认定装置，其特征在于，包括：
获取单元，用于获取数据库中的公交的基础数据和运营数据，所述公交的基础数据包括线路数据、车辆数据、线路单程数据和站点数据；所述运营数据包括到离站数据、定位数据、客流刷卡数据和道闸抓拍数据；
处理单元，用于对所述公交的基础数据进行线路走向分析，得到所述公交的线路行驶轨迹数据，并将所述公交的各路线的不同运行方向的历史车次平均运行时间确定为车次标准运行时长；根据所述到离站数据、所述客流刷卡数据和所述道闸抓拍数据进行初次车次认定，得到认定成功的车次和未认定成功的车次；依据所述线路行驶轨迹数据、所述定位数据和所述车次标准运行时长对所述未认定成功的车次的到离站数据进行第二次认定，得到第二次认定成功的车次和第二次未认定成功的车次；对所述第二次未认定成功的车次进行修正，得到修正后认定成功的车次；
所述处理单元具体用于：
根据所述到离站数据进行初次计算车次，并对符合预设条件的相邻两个车次进行融合，得到认定有效车次和认定无效车次；
若所述认定无效车次中存在首末站的报站数据缺失问题，则根据所述道闸数据对所述存在首末站的报站数据缺失问题的车次进行补算车次首末站，并修正车次发车、到达时间和报站率；
若所述认定无效车次中存在中间站点的报站数据缺失问题，则根据所述客流刷卡数据依据聚类算法对所述存在中间站点的报站数据缺失问题的车次补算缺失的中间站点；
若所述认定无效车次中存在首末站的报站数据缺失且道闸抓拍数据补算不成功的车次，采用定位数据按照预设距离补算车次的首末站，并修正车次发车、到达时间和报站率；
将所有补算后的车次中报站率符合预设标准的车次以及认定有效车次确定为认定成功的车次，将所有补算后的车次中报站率不符合预设标准的车次确定为认定不成功的车次。
7.如权利要求6所述的装置，其特征在于，所述处理单元具有用于：
获取线路数据中的首末站数据；
根据首末站的位置确定出中间站和定位数据小于信号阈值的路段以及定位数据小于信号阈值的路段途径的线路关键点；
依据首末站、中间站和定位数据小于信号阈值的路段途径的线路关键点，确定出线路行驶轨迹的途径关键点。
8.一种计算设备，其特征在于，包括：
存储器，用于存储程序指令；
处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行权利要求1至5任一项所述的方法。
9.一种计算机可读非易失性存储介质，其特征在于，包括计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得计算机执行如权利要求1至5任一项所述的方法。
CN202110180396.2A 2021-02-09 2021-02-09 一种公交运行车次认定方法及装置 Active CN112860766B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110180396.2A CN112860766B (zh) 2021-02-09 2021-02-09 一种公交运行车次认定方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110180396.2A CN112860766B (zh) 2021-02-09 2021-02-09 一种公交运行车次认定方法及装置

Publications (2)

Publication Number Publication Date
CN112860766A CN112860766A (zh) 2021-05-28
CN112860766B true CN112860766B (zh) 2022-06-03

Family

ID=75989745

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110180396.2A Active CN112860766B (zh) 2021-02-09 2021-02-09 一种公交运行车次认定方法及装置

Country Status (1)

Country Link
CN (1) CN112860766B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113538729B (zh) * 2021-06-22 2023-07-11 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 (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101452646A (zh) * 2008-12-30 2009-06-10 青岛海信网络科技股份有限公司 一种公交车次生成方法
CN102324111A (zh) * 2011-06-16 2012-01-18 北京工业大学 基于公交ic卡数据的车辆运行方向判断方法
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
CN112053054A (zh) * 2020-08-31 2020-12-08 盛威时代科技集团有限公司 一种班次标签配置方法及装置
CN112149919A (zh) * 2020-10-15 2020-12-29 武汉译码当先科技有限公司 公交运营线路评测方法、装置、设备及存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101540098B (zh) * 2009-04-30 2010-09-08 北京工业大学 基于公交ic卡线路的匹配方法
US20130307707A1 (en) * 2012-05-16 2013-11-21 Bus Tracker LLC Notification System For Reporting Status of a Vehicle and Anticipated Arrival Times.
CN109816183B (zh) * 2019-03-28 2020-02-21 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
CN111210612B (zh) * 2019-10-29 2021-01-19 浙江浙大中控信息技术有限公司 基于公交gps数据与站点信息提取公交线路轨迹的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101452646A (zh) * 2008-12-30 2009-06-10 青岛海信网络科技股份有限公司 一种公交车次生成方法
CN102324111A (zh) * 2011-06-16 2012-01-18 北京工业大学 基于公交ic卡数据的车辆运行方向判断方法
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
CN112053054A (zh) * 2020-08-31 2020-12-08 盛威时代科技集团有限公司 一种班次标签配置方法及装置
CN112149919A (zh) * 2020-10-15 2020-12-29 武汉译码当先科技有限公司 公交运营线路评测方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN112860766A (zh) 2021-05-28

Similar Documents

Publication Publication Date Title
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
Ma et al. Transit smart card data mining for passenger origin information extraction
CN111079875A (zh) 基于多源数据的公共交通客流监测方法、装置和存储介质
CN111027929B (zh) 地铁票务清分方法及装置
CN104240529A (zh) 一种预测公交到站时间的方法及系统
CN110019569B (zh) 一种获取城市轨道交通运营状态信息的方法
CN111047858A (zh) 一种融合算法的公交客流出行od确定方法及装置
Boufaied A diagnostic approach for advanced tracking of commercial vehicles with time window constraints
CN104318113A (zh) 基于乘客换乘的时空特征推算乘客上车站点的方法及系统
CN106228830A (zh) 一种公交车到站时间实时预测系统及方法
CN106251628B (zh) 一种确定机动车的交通出行量的方法及装置
CN112860766B (zh) 一种公交运行车次认定方法及装置
CN114363842A (zh) 基于手机信令数据的公交乘客下车站点预测方法及装置
CN109727474B (zh) 一种基于融合数据的公交车进出站精确识别方法
JP6307376B2 (ja) 交通分析システム、交通分析プログラムおよび交通分析方法
CN108242146B (zh) 基于公交卡数据分析乘客乘车站点及时间的方法和系统
CN112990518B (zh) 一种地铁个体乘客目的站点实时预测方法及装置
CN113902180A (zh) 一种地铁上下行客流预测方法及处理终端
Min et al. Mining missing train logs from Smart Card data
CN113160542A (zh) 基于信息反馈的乘车方法及装置
CN111624638A (zh) 基于大数据系统的行踪追溯及监控报告的生成方法
CN116844334A (zh) Etc门架信息缺失情况下的车辆路径还原方法及系统
CN110491157A (zh) 一种基于停车场数据和卡口数据的车辆关联方法
Yang et al. Waiting time estimation at ferry terminals based on license plate recognition
CN115691128A (zh) 一种基于多源公交数据联合挖掘的公交站点客流推算方法

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
GR01 Patent grant
GR01 Patent grant