CN112967500A - 基于多元数据的公交换乘识别方法 - Google Patents
基于多元数据的公交换乘识别方法 Download PDFInfo
- Publication number
- CN112967500A CN112967500A CN202110198072.1A CN202110198072A CN112967500A CN 112967500 A CN112967500 A CN 112967500A CN 202110198072 A CN202110198072 A CN 202110198072A CN 112967500 A CN112967500 A CN 112967500A
- Authority
- CN
- China
- Prior art keywords
- transfer
- data
- distance
- station
- bus
- 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
- 238000012546 transfer Methods 0.000 title claims abstract description 140
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000012360 testing method Methods 0.000 claims abstract description 8
- 238000011156 evaluation Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 230000002093 peripheral effect Effects 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 3
- 238000012886 linear function Methods 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 2
- 238000007418 data mining Methods 0.000 abstract description 2
- 238000011835 investigation Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000005021 gait Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了基于多元数据的公交换乘识别方法，具体涉及城市智能公交数据挖掘技术领域，包括S1：统计公交IC卡数据和轨道IC卡的数据以及实际测试换乘人数的数据，获得实际的不同公交站点换乘人数比例，S2：计算换乘距离，S3:根据不同的换乘情况折算换乘距离的比例系数，S4:基于不同公交时段换乘距离综合评价不同换乘站点之间对乘客的吸引程度，本发明基于换乘距离这个参数，采用将公交车行驶时间换算成距离，将不同的换乘情况折算成换乘距离的比例系数，从而只需基于不同公交时段换乘距离来综合评价不同换乘站点之间对乘客的吸引程度。
Description
技术领域
本发明涉及城市智能公交数据挖掘技术领域，更具体地说，本发明涉及基于多元数据的公交换乘识别方法。
背景技术
近年来，智能公共交通体系中的IC卡收费系统、车辆视频监控系统和车辆GPS系统邓在各个城市的广泛应用，产生了海量数据，这些数据具有真实、准确、样本量大。基于以上的数据对换乘行为进行研究具有重要的意义。公交换乘枢纽及站点是多模式的公交系统的关键节点，换乘识别涉及到了道路公交不同线路的换乘、道路公交与城市轨道交通之间的换乘，通过识别换乘的公交站点可以合理的组织各种公交方式协调发展，提高公交系统的运行效率和促进城市交通的可持续发展，为乘客提供更好的公交换乘体验。
目前，城市公交换乘枢纽及站点的布局需要考虑公交换乘行为特征、换乘站点和换乘客流强度，目前，国内主要是通过人工调查获取公交乘客的出行信息，但是大规模的人工调查会受到调查人员水平和被调查人员接受调查的意愿大小的影响，而且仅靠人工调查仅能反映短时期的出行情况。
发明内容
为了解决以上问题，本发明的实施例提供基于多元数据的公交换乘识别方法，通过IC卡数据和车辆GPS系统的数据融合挖掘公交乘客的下车时间和步行到换乘站点的时间，并将不同站点的换乘情况折算为换乘距离的系数，根据获得的数据的综合评价不同站点对乘客的吸引程度。
为实现上述目的，本明提供如下技术方案：基于多元数据的公交换乘识别方法，包括以下步骤：
S1：统计公交IC卡数据和轨道IC卡的数据以及实际测试换乘人数的数据，获得实际的不同公交站点换乘人数比例，
S2：计算换乘距离，
S3:根据不同的换乘情况折算换乘距离的比例系数，
S4:基于不同公交时段换乘距离综合评价不同换乘站点之间对乘客的吸引程度。
进一步，所述实际测试换乘人数的方法包括摄像头数据信息采集法、换乘站点人工用眼识别法、问卷调查法和通过硬件技术统计法。
进一步，所述折算换乘距离的比例系数的方法包括以下步骤：
步骤一，确定换乘心理选择因素，所述换乘心理选择因素包括实际换乘距离、站间车辆行驶时间的距离换算、换乘通道便利性、换乘通道安全性和周边配套完备性，
步骤二：换乘距离＝实际换乘距离+站点间车辆行驶时间的距离换算，实际换乘距离包括站点X到换乘站Z实际步行换乘距离和站点Y距离换乘站Z步行换乘距离，站间车辆行驶时间的距离换算根据行人的平均步行距离以及公交车两站平均行驶时间进行换算，
步骤三：对换乘通道便利性、换乘通道安全性和周边配套完备性进行评分，
步骤四：根据步骤三的各影响因素的评分换算出一个总的换乘通道评价系数，
步骤五：判断评价系数是否与换乘距离呈线性函数关系，如果呈线性函数关系，执行步骤六，如果不呈线性函数关系，步骤七,
步骤六：用步骤四得到的换乘通道评价系数乘以步骤二计算出的换乘距离，
步骤七：统计各评价系数对用户选择换乘路线的实际数据，采用曲线拟合获得函数表达。
进一步，所述步骤二中的换乘距离包括早高峰和晚高峰不同时间段的换算距离。
进一步，公交IC卡数据和轨道IC卡的数据包括IC卡号、车牌号、线路号、上车站点、上车时间、下车站点、下车时间和公交车辆GPS运行数据；所述公交车辆GPS运行数据包括线路号、车牌号、站点名称、进站时间、出站时间以及各线路的站点信息、各站点的地理坐标信息。
与现有技术相比，本发明的技术效果和优点：
本发明结合实际测试换乘数据，和对不同时段换乘情况的画像，对现有基于IC卡刷卡数据的下车站点算法进行优化，获得更准确的相邻公交站点换乘数据，从而更准确地掌握交通客流，方便精准运营组织和优化换乘配套设施。
具体实施方式
下面将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。
基于多元数据的公交换乘识别方法，包括以下步骤：
S1：统计公交IC卡数据和轨道IC卡的数据以及实际测试换乘人数的数据，获得实际的不同公交站点换乘人数比例，
S2：计算换乘距离，
S3:根据不同的换乘情况折算换乘距离的比例系数，
S4:基于不同公交时段换乘距离综合评价不同换乘站点之间对乘客的吸引程度。
本实施例中，在主要换乘下车线路的公交车上安装高清摄像头，在换乘上车的公交站台或者轨道入口安装摄像头，根据人脸、人形、步态及衣物等方法综合识别并标注下车人员和换乘上车人员，以及采用人工用眼识别标准方法，采用下车发放问卷并在换乘站收集问卷的方法，采用手机指令、手机APP二维码、WIFI探针等硬件技术予以人员标注和识别。
本实施例中，所述折算换乘距离的比例系数的方法包括以下步骤
步骤一，确定换乘心理选择因素，所述换乘心理选择因素包括实际换乘距离、站间车辆行驶时间的距离换算、换乘通道便利性、换乘通道安全性和周边配套完备性，
步骤二：换乘距离＝实际换乘距离+站点间车辆行驶时间的距离换算，实际换乘距离包括站点X到换乘站Z实际步行换乘距离和站点Y距离换乘站Z步行换乘距离，站间车辆行驶时间的距离换算根据行人的平均步行距离以及公交车两站平均行驶时间进行换算，
步骤三：对换乘通道便利性、换乘通道安全性和周边配套完备性进行评分，
步骤四：根据步骤三的各影响因素的评分换算出一个总的换乘通道评价系数，
步骤五：判断评价系数是否与换乘距离呈线性函数关系，如果呈线性函数关系，执行步骤六，如果不呈线性函数关系，步骤七,
步骤六：用步骤四得到的换乘通道评价系数乘以步骤二计算出的换乘距离，
步骤七：统计各评价系数对用户选择换乘路线的实际数据，采用曲线拟合获得函数表达。
本实施例中，所述步骤二中的换乘距离包括早高峰和晚高峰不同时间段的换算距离。
本实施例中，公交IC卡数据和轨道IC卡的数据包括IC卡号、车牌号、线路号、上车站点、上车时间、下车站点、下车时间和公交车辆GPS运行数据；所述公交车辆GPS运行数据包括线路号、车牌号、站点名称、进站时间、出站时间以及各线路的站点信息、各站点的地理坐标信息。
本发明结合实际测试换乘数据，和对不同时段换乘情况的画像，对现有基于IC卡刷卡数据的下车站点算法进行优化，获得更准确的相邻公交站点换乘数据，从而更准确地掌握交通客流，方便精准运营组织和优化换乘配套设施。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。
Claims (5)
1.基于多元数据的公交换乘识别方法，其特征在于：包括以下步骤：
S1：统计公交IC卡数据和轨道IC卡的数据以及实际测试换乘人数的数据，获得实际的不同公交站点换乘人数比例，
S2：计算换乘距离，
S3:根据不同的换乘情况折算换乘距离的比例系数，
S4:基于不同公交时段换乘距离综合评价不同换乘站点之间对乘客的吸引程度。
2.根据权利要求1所述的基于多元数据的公交换乘识别方法，其特征在于：所述实际测试换乘人数的方法包括摄像头数据信息采集法、换乘站点人工用眼识别法、问卷调查法和通过硬件技术统计法。
3.根据权利要求1所述的基于多元数据的公交换乘识别方法，其特征在于：所述折算换乘距离的比例系数的方法包括以下步骤：
步骤一，确定换乘心理选择因素，所述换乘心理选择因素包括实际换乘距离、站间车辆行驶时间的距离换算、换乘通道便利性、换乘通道安全性和周边配套完备性，
步骤二：换乘距离＝实际换乘距离+站点间车辆行驶时间的距离换算，实际换乘距离包括站点X到换乘站Z实际步行换乘距离和站点Y距离换乘站Z步行换乘距离，站间车辆行驶时间的距离换算根据行人的平均步行距离以及公交车两站平均行驶时间进行换算，
步骤三：对换乘通道便利性、换乘通道安全性和周边配套完备性进行评分，
步骤四：根据步骤三的各影响因素的评分换算出一个总的换乘通道评价系数,
步骤五：判断评价系数是否与换乘距离呈线性函数关系，如果呈线性函数关系，执行步骤六，如果不呈线性函数关系，步骤七,
步骤六：用步骤四得到的换乘通道评价系数乘以步骤二计算出的换乘距离，
步骤七：统计各评价系数对用户选择换乘路线的实际数据，采用曲线拟合获得函数表达。
4.根据权利要求3所述的基于多元数据的公交换乘识别方法，其特征在于：所述步骤二中的换乘距离包括早高峰、晚高峰、平峰及低峰等不同客流时间段的换算距离。
5.根据权利要求1所述的基于多元数据的公交换乘识别方法，其特征在于：公交IC卡数据和轨道IC卡的数据包括IC卡号、车牌号、线路号、上车站点、上车时间、下车站点、下车时间和公交车辆GPS运行数据；所述公交车辆GPS运行数据包括线路号、车牌号、站点名称、进站时间、出站时间以及各线路的站点信息、各站点的地理坐标信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110198072.1A CN112967500A (zh) | 2021-02-22 | 2021-02-22 | 基于多元数据的公交换乘识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110198072.1A CN112967500A (zh) | 2021-02-22 | 2021-02-22 | 基于多元数据的公交换乘识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112967500A true CN112967500A (zh) | 2021-06-15 |
Family
ID=76285550
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110198072.1A Pending CN112967500A (zh) | 2021-02-22 | 2021-02-22 | 基于多元数据的公交换乘识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112967500A (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101826200A (zh) * | 2010-04-02 | 2010-09-08 | 北京交通大学 | 城市轨道交通枢纽运营效果评价方法 |
| CN105185105A (zh) * | 2015-06-26 | 2015-12-23 | 东南大学 | 基于车辆gps和公交ic卡数据的公交换乘识别方法 |
| CN107358357A (zh) * | 2017-07-12 | 2017-11-17 | 北京市轨道交通设计研究院有限公司 | 城市轨道交通换乘车站评价方法 |
| CN107358045A (zh) * | 2017-07-12 | 2017-11-17 | 东南大学 | 一种评价地铁与常规公交换乘效率的流程与方法 |
| CN108229856A (zh) * | 2018-02-07 | 2018-06-29 | 广州佳都数据服务有限公司 | 清分模型建立方法及装置 |
| CN108694464A (zh) * | 2018-05-14 | 2018-10-23 | 重庆交通开投科技发展有限公司 | 客流疏散方法及装置 |
| CN108734413A (zh) * | 2018-05-30 | 2018-11-02 | 中铁第四勘察设计院集团有限公司 | 一种高铁站路网评价方法及装置 |
| CN109242185A (zh) * | 2018-09-10 | 2019-01-18 | 东南大学 | 一种小汽车向小汽车换乘地铁出行转换的阈值确定方法 |
| CN109308543A (zh) * | 2018-08-20 | 2019-02-05 | 华南理工大学 | 基于ls-svm和实时大数据的地铁短期客流预测方法 |
| CN109670671A (zh) * | 2018-11-14 | 2019-04-23 | 阿里巴巴集团控股有限公司 | 公交线网评价方法及装置 |
| 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 |
-
2021
- 2021-02-22 CN CN202110198072.1A patent/CN112967500A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101826200A (zh) * | 2010-04-02 | 2010-09-08 | 北京交通大学 | 城市轨道交通枢纽运营效果评价方法 |
| CN105185105A (zh) * | 2015-06-26 | 2015-12-23 | 东南大学 | 基于车辆gps和公交ic卡数据的公交换乘识别方法 |
| CN107358357A (zh) * | 2017-07-12 | 2017-11-17 | 北京市轨道交通设计研究院有限公司 | 城市轨道交通换乘车站评价方法 |
| CN107358045A (zh) * | 2017-07-12 | 2017-11-17 | 东南大学 | 一种评价地铁与常规公交换乘效率的流程与方法 |
| CN108229856A (zh) * | 2018-02-07 | 2018-06-29 | 广州佳都数据服务有限公司 | 清分模型建立方法及装置 |
| CN108694464A (zh) * | 2018-05-14 | 2018-10-23 | 重庆交通开投科技发展有限公司 | 客流疏散方法及装置 |
| CN108734413A (zh) * | 2018-05-30 | 2018-11-02 | 中铁第四勘察设计院集团有限公司 | 一种高铁站路网评价方法及装置 |
| CN109308543A (zh) * | 2018-08-20 | 2019-02-05 | 华南理工大学 | 基于ls-svm和实时大数据的地铁短期客流预测方法 |
| CN109242185A (zh) * | 2018-09-10 | 2019-01-18 | 东南大学 | 一种小汽车向小汽车换乘地铁出行转换的阈值确定方法 |
| CN109670671A (zh) * | 2018-11-14 | 2019-04-23 | 阿里巴巴集团控股有限公司 | 公交线网评价方法及装置 |
| 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 |
Non-Patent Citations (8)
| Title |
|---|
| 周锐: "基于IC卡数据的公交站点客流推算方法", 《万方数据》 * |
| 徐文远等: "基于公交IC卡数据的公交客流统计方法", 《中国公路学报》 * |
| 曾灿: "南昌市轨道交通沿线停车对策研究", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》 * |
| 李凤玲等: "基于AHP的轨道交通枢纽换乘综合评价", 《铁道运输与经济》 * |
| 李莹等: "基于公交IC卡和GPS数据的换乘识别方法", 《广西大学学报(自然科学版)》 * |
| 柳丽娜: "轨道交通客流接驳方式研究", 《万方数据》 * |
| 王志臣等: "城市轨道交通换乘效率评价", 《铁道运输与经济》 * |
| 胡方方: "城市轨道交通换乘系统综合评价研究", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hussain et al. | Transit OD matrix estimation using smartcard data: Recent developments and future research challenges | |
| WO2022134692A1 (zh) | 一种轨道交通智能调度方法及系统 | |
| CN106971534B (zh) | 基于号牌数据的通勤出行特征分析方法 | |
| Daniels et al. | Explaining walking distance to public transport: The dominance of public transport supply | |
| Gutiérrez et al. | Transit ridership forecasting at station level: an approach based on distance-decay weighted regression | |
| CN105550789A (zh) | 一种公交出行客流的预测方法 | |
| CN103295416A (zh) | 车辆引导方法及系统 | |
| Larranaga et al. | The relationship between built environment and walking for different trip purposes in Porto Alegre, Brazil | |
| 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 | |
| Patlins et al. | The new approach for passenger counting in public transport system | |
| Jang et al. | Pedestrian mode identification, classification and characterization by tracking mobile data | |
| CN108351858A (zh) | 用于基于蜂窝数据来识别交通拥堵根本原因以及建议可能的缓解措施的方法和系统 | |
| Li et al. | Multi-mode traffic demand analysis based on multi-source transportation data | |
| Wang et al. | Verification and Analysis of Traffic Evaluation Indicators in Urban Transportation System Planning Based on Multi-Source Data–A Case Study of Qingdao City, China | |
| Leung et al. | New approaches to oil vulnerability mapping for Australian cities: The case of South-East Queensland, the 200km city | |
| Lee et al. | Simple pre-post analysis overestimates the impacts of new public transit services on ridership: Evidence from a quasi-experimental study of new bus rapid transit in Columbus, Ohio, USA | |
| CN108022426B (zh) | 一种识别高峰时段内公共自行车接驳轨道交通客流的方法 | |
| Kostakos | Using Bluetooth to capture passenger trips on public transport buses | |
| CN112967500A (zh) | 基于多元数据的公交换乘识别方法 | |
| CN114971085B (zh) | 一种公交站点可达性的预测方法、系统及存储介质 | |
| Scheurer et al. | Spatial network analysis of public transport systems: Developing a strategic planning tool to assess the congruence of movement and urban structure in Australian cities | |
| CN113420439B (zh) | 综合交通承载力计算方法、装置、计算机设备及存储介质 | |
| CN110942622B (zh) | 一种基于停车场实时运营大数据的停车场规划方法 | |
| Bıyık et al. | Intelligent transport systems in Turkish urban environments: a comprehensive review | |
| Hussain et al. | Use of smart card data for zonal level public transit OD matrix estimation: literature review and research gaps |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210615 |