CN113723715B - 公交线网自动匹配道路网络方法、系统、设备及存储介质 - Google Patents

公交线网自动匹配道路网络方法、系统、设备及存储介质 Download PDF

Info

Publication number
CN113723715B
CN113723715B CN202111280274.7A CN202111280274A CN113723715B CN 113723715 B CN113723715 B CN 113723715B CN 202111280274 A CN202111280274 A CN 202111280274A CN 113723715 B CN113723715 B CN 113723715B
Authority
CN
China
Prior art keywords
matching
bus
network
road network
site
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
CN202111280274.7A
Other languages
English (en)
Other versions
CN113723715A (zh
Inventor
余水灵
屈新明
唐铠
高飞
雷程程
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.)
Shanghai Shenyan Urban Transportation Co ltd
Shenzhen Urban Transport Planning Center Co Ltd
Original Assignee
Shanghai Shenyan Urban Transportation Co ltd
Shenzhen Urban Transport Planning Center 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 Shanghai Shenyan Urban Transportation Co ltd, Shenzhen Urban Transport Planning Center Co Ltd filed Critical Shanghai Shenyan Urban Transportation Co ltd
Priority to CN202111280274.7A priority Critical patent/CN113723715B/zh
Publication of CN113723715A publication Critical patent/CN113723715A/zh
Application granted granted Critical
Publication of CN113723715B publication Critical patent/CN113723715B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)

Abstract

一种公交线网自动匹配道路网络方法、系统、设备及存储介质，属于智慧交通技术领域。本发明的公交线网自动匹配道路网络方法包括步骤S1、爬取公交线路信息；步骤S2、进行初步线网匹配和初步站点匹配；步骤S3、公交场景下的匹配优化；步骤S4、输出公交线路匹配结果。本发明的公交线网自动匹配道路网络系统包括括公交线路信息采集模块、线网初步匹配模块、站点初步匹配模块、线网优化模块、站点优化模块和异常报告生成模块。本发明适用于不同城市级别的公交道路网络的生成，能自动生成准确的公交道路网络，提供公交道路网络为公交客流、出行等分析的基础。

Description

公交线网自动匹配道路网络方法、系统、设备及存储介质
技术领域
本发明涉及一种“公交”道路网络自动匹配方法、系统、设备及存储介质，属于智慧交通技术领域。
背景技术
城市公共交通作为基础的公共服务领域之一，其发展程度直接反映了城市的出行条件和城市交通的整体发展水平。公交作为城市公共交通出行的主要方式之一，其包含一系列的评判指标、优化方法（如公交客流分析、公交出行优化）可以反映、提升城市公交系统的服务能力。
公交评判指标的计算与优化是在包含公交信息的道路网络（路网）上进行的。将公交线路与路网进行地图匹配，可生成公交道路网络。在传统公交地图匹配方法中，公交线路附近的路网被提取出来作为缓冲路网，缓冲路网首末点的有效路径便作为公交线路匹配到路网的结果。由于该方法未使用公交线路走向的先后关系，生成的公交道路网络与实际公交运行网络出入较大，后续需要投入大量的人力去校核匹配结果。
现有技术一的核心是在缓冲路网中搜索两点间有效路径，主要包括提取缓冲路网并构建缓冲路网有向图、预匹配线路拓扑点与道路节点、匹配公交站点与路段、逐段搜索站点间有效路径、匹配站点到道路节点、输出匹配结果六个步骤，如图1所示。
现有技术一的缺点在于：对比与成熟的地图匹配算法，该技术实现原理较为传统，仅根据公交线路与路网的空间相似性进行地图匹配，未考虑到公交线路内部前后走向的关联性。由于该技术指导方法较为落后且准确率无法自动评估，匹配完成后需投入大量人力校核匹配结果，才能满足基本公交业务计算的需求。在实际项目中使用该技术会带来较大的运维成本。
现有技术二的核心是采用包围面积作为公交线路与道路网络的匹配的量度、选择最佳匹配线路，其主要步骤包括：将公交线路划分为多段，确定出各段的分割点；对于每个分割点，确定道路网络上与分割点相对应的匹配顶点集合；从道路网络中确定出与公交线路相匹配的道路及其与公交线路所围成的封闭多边形的面积，并将面积最小的多边形对应的匹配结果作为最终的公交线路匹配结果，如图2和图3所示。
现有技术二的缺点在于：对比成熟的地图匹配算法，该技术实现原理仍较为传统，缺点如下：
1、选取道路网络与公交线路包围面积最小情况时对应的匹配结果为最终匹配结果，仅从公交、路网的空间相似性上进行优化，而未考虑公交线路途径不同位置时在时间上的关联性，没有充分利用好公交线路走向的时序性，尤其导致环线公交线路匹配结果不佳。
2、对每条公交线路的局部匹配结果进行包围面积计算、挑选最优路径，是间接检查公交、路网匹配结果的方法，且运行效率低，不适用于大规模城市级别的公交道路网络更新。
基于上述陈述，亟需提出一套成熟、完整的生成公交道路网络的流程，能自动生成准确的公交道路网络，并根据公交信息更新路网，为后续公交出行分配、公交客流分析、公交出行分析提供基础。
发明内容
本发明以城市路网、高德公交数据为基础，结合已有HMM地图匹配技术及公交实际运营场景，提供了一套成熟、完整的生成公交道路网络的流程，包含全套流程的数学表达、步骤和实现方法。
本发明适用于不同城市级别的公交道路网络的生成，能自动生成准确的公交道路网络，提供公交道路网络为公交客流、出行等分析的基础，推动了国内城市公共交通模型的优化升级。
在下文中给出了关于本发明的简要概述，以便提供关于本发明的某些方面的基本理解。应当理解，这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分，也不是意图限定本发明的范围。
本发明提供了一种公交线网自动匹配道路网络方法，包括以下步骤：
步骤S1、爬取公交线路信息
基于用户指定城市，采集当前城市的公交运行信息，通过对公交运行信息进行整理，得到当前城市的公交基础信息表，作为步骤S2中地图匹配的输入文件；
步骤S2、进行初步线网匹配和初步站点匹配
初步线网匹配：经步骤S1处理后的公交基础信息表中，记录的公交运行信息，以WKT格式保存，对每条公交线路，提取其WKT格式中所有的拓扑点的坐标，生成模拟GPS轨迹点，并将生成的模拟GPS轨迹点作为地图匹配算法的输入，经过地图匹配算法输出公交线网的初步匹配结果；
初步站点匹配：经步骤S1处理后的公交基础信息表，获取每条线路途径站点的坐标信息，基于站点坐标与线路初步匹配到路网上的路段，计算站点与路段距离，距离最小的路段为站点的匹配结果；
步骤S3、公交场景下的匹配优化
对步骤S2获得的初步线网匹配结果和初步站点匹配结果进行匹配优化，得到最终线网匹配结果和最终站点匹配结果；
步骤S4、结果输出
通过步骤S3的地图匹配，获得站点匹配到路网的位置，基于站点匹配到路网的位置，拆分对应路网的几何位置信息，打断路网，使得公交站点与新路网中节点准确关联。
优选的：所述步骤S1中，公交运行信息包括公交线路站点排班信息和线路轨迹信息，所述公交基础信息表包括公交线路信息表、公交站点信息表和公交线路站点关联表。
优选的：步骤S1中，爬取公交线路信息的具体方法是：
步骤S10、调用高德应用程序接口（JavaScript API）采集指定城市公交运行信息，具体是，首先准备查询的基准信息：城市名、公交线路名，其次对每条公交线路名，调用公交路线查询服务（Amap.lineSearch），最后根据返回结果解析，输出解析结果（lineSearch_Callback），获得每条线路的名称、经纬度、票价、途径站信息；
步骤S20、整理公交运行信息生成公交基础信息表，具体是，针对步骤S1获得的指定城市公交运行信息，将公交站点名称、行程方向、位置相近的公交站点归为同一公交站点，并赋予相同的站点编号，生成公交线路信息表、公交站点信息表和公交线路站点关联表。
其中：
公交线路信息表的主键为route_id，记录了线路的名称（line_name）、长度、行驶方向、行驶轨迹等信息；若同一line_name下可能对应多个route_id，则表示该线路在实际运行下有多个方向（如从东到西、从西到东）；
公交站点信息表的主键为stop_id，记录了物理站点的站点名称、站点经纬度等信息；
公交线路站点关联表的主键为route_id、stop_id，记录了所有站点途径的公交线路的route_id及站点在对应线路下依次经过的站序。
优选的：步骤S2中，进行线网初步匹配的方法：
步骤S210、提取公交线路中的WKT信息中所有拓扑点坐标，生成模拟GPS观测值
Figure 765347DEST_PATH_IMAGE001
；
步骤S211、对每个观测值
Figure 823433DEST_PATH_IMAGE002
（
Figure 399907DEST_PATH_IMAGE002
表示每一个观测值；t属于0到T）进行空间搜索匹配候选对象
Figure 201641DEST_PATH_IMAGE003
（
Figure 547172DEST_PATH_IMAGE004
为时间 t 的候选向量）
步骤S212、如果存在时段 t-1的候选向量，则从内存中获取候选向量 ，否则返回空向量；
步骤S213、对每对匹配候选对象
Figure 104055DEST_PATH_IMAGE005
，找到路径
Figure 777613DEST_PATH_IMAGE006
作为匹配候选点之间的转移；
步骤S214、计算匹配候选对象
Figure 773251DEST_PATH_IMAGE007
的过滤概率
Figure 848654DEST_PATH_IMAGE008
和序列概率
Figure 373177DEST_PATH_IMAGE009
，并用概率 p 和候选向量
Figure 534031DEST_PATH_IMAGE004
更新状态记忆组件的值：
Figure 5463DEST_PATH_IMAGE010
Figure 60007DEST_PATH_IMAGE011
其中，
Figure 693114DEST_PATH_IMAGE012
为发射概率，由测量位置与其真实位置之间的距离量化；
Figure 669160DEST_PATH_IMAGE013
为转移概率，由各个位置测量之间的路段距离和视线距离的差值来量化；
步骤S215、计算观测对象所有观测点
Figure 350808DEST_PATH_IMAGE014
的途径路段（link）连续行程信息
步骤S216、根据观测点位置反馈底层路网缺失、异常位置。
优选的：步骤S2中，初步站点匹配采用垂足点计算算法，具体包括以下步骤：
步骤S220、将站点坐标
Figure 525438DEST_PATH_IMAGE015
、线段所有拓扑点从地理坐标系统转化至以米为单位的投影坐标系统，分别得到
Figure 532708DEST_PATH_IMAGE016
与
Figure 527209DEST_PATH_IMAGE017
步骤S221、对路段中的每个拓扑点，计算
Figure 278127DEST_PATH_IMAGE016
与线段
Figure 307263DEST_PATH_IMAGE018
的变量u：
Figure 485434DEST_PATH_IMAGE019
步骤S222、对u值进行判断，若
Figure 967231DEST_PATH_IMAGE020
，表示
Figure 256261DEST_PATH_IMAGE016
在线段
Figure 343166DEST_PATH_IMAGE018
，进一步计算站点坐标
Figure 816873DEST_PATH_IMAGE016
在该线段上最近邻的点
Figure 926911DEST_PATH_IMAGE021
：
Figure 878687DEST_PATH_IMAGE022
Figure 757781DEST_PATH_IMAGE023
步骤S223、计算站点坐标
Figure 402389DEST_PATH_IMAGE016
与站点坐标在该线段上最近邻的点
Figure 734144DEST_PATH_IMAGE021
的距离，即为站点距该路段的垂直距离
Figure 692873DEST_PATH_IMAGE024
：
Figure 285528DEST_PATH_IMAGE025
完成对每个路段的距离计算，得到结果
Figure 970544DEST_PATH_IMAGE026
，L为该线路途径路段总和，找出其中最小值对应路段，为站点匹配至路网结果，匹配至路网的坐标为路段在步骤S222中计算出的最邻近点。
优选的：步骤S3中，进行线网匹配优化方法为：
步骤S310、创建有向路网G；
步骤S311、对线路匹配结果进行预处理，线路匹配结果中存在断裂的情况，在断裂处新建一个虚拟节点，并做标记；
步骤S312、固定滑动窗口大小，遍历线路匹配结果，对每个滑动窗口内的路段，进行最短路径优化，具体是：首先基于滑动窗口首末节点，确定最短路径中的起始节点；其次根据起始节点，调用最短路径方法，确定该滑动窗口的最短路径；最后进行最短路径与滑动窗口路径比较，比较方法是：若滑动窗口中含步骤S311中标记的虚拟节点或存在反向行驶，直接使用最短路径替换滑动窗口对应路径；若滑动窗口对应路网中包含站点匹配结果，则不做最短路径校准；否则分别计算滑动窗口路径、最短路径对应的长度，选取长度最小对应的路径为该滑动窗口的最终路径；
步骤S313、生成校正后线网匹配结果。
优选的：步骤S3中，进行站点匹配优化方法为：
步骤S320、在站点初步匹配结果中，寻找与站点临近的潜在路段集，选取端点距离计算结果中值较小的前10项，作为后续垂直计算的潜在路段；
步骤S321、基于上一站点匹配路段整理潜在路段集，筛选出有效潜在路段集，提高环线站点匹配的准确率；
步骤S322、将S321的筛选出的潜在路段集传入垂足点计算算法，找出
Figure 179809DEST_PATH_IMAGE027
及其对应
Figure 614332DEST_PATH_IMAGE021
，即为最终的站点匹配结果。
一种公交线网自动匹配道路网络系统，包括公交线路信息采集模块、线网初步匹配模块、站点初步匹配模块、线网优化模块、站点优化模块和异常报告生成模块；
所述公交线路信息采集模块用于采集当前城市的公交运行信息，通过对公交运行信息进行整理，得到当前城市的公交基础信息表；
所述线网初步匹配模块输出线网的初步匹配结果；
所述站点初步匹配模块输出站点的初步匹配结果；
所述线网优化模块对线网初步匹配模块输出的线网的初步匹配结果进行匹配优化，得到最终线网匹配结果；
所述站点优化模块对站点初步匹配模块输出的站点的初步匹配结果进行匹配优化，得到最终站点匹配结果；
所述异常报告生成模块根据线网初步匹配模块、站点初步匹配模块、线网优化模块和站点优化模块匹配过程中出现的异常情况，生成异常报告。异常报告支持 word、excel、 pdf 输出格式。
一种计算机，包括存储器和处理器，存储器存储有计算机程序，所述的处理器执行所述计算机程序时实现一种公交线网自动匹配道路网络方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现一种公交线网自动匹配道路网络方法。
本发明具有以下有益效果：
1.本发明为智慧交通领域公交板块业务提供了一套全自动化的地图匹配技术，即自动抓取城市公交运行信息、利用HMM算法将其与城市道路网络进行匹配，并根据公交信息更新路网，为后续公交出行分配、公交客流分析、公交出行分析提供基础；
2.本发明基于HMM、路径选择算法，提供了一套较为成熟、完整的公交地图匹配流程，能自动抓取公交线路信息、借鉴公交线路走向先后关系及概率进行地图匹配、根据公交场景对匹配结果进行优化、在公交站点位置新增路网节点更新路网、自动监测匹配异常情况，为公交指标计算与优化提供基础，做到了全自动的公交道路网络更新，对城市公共交通系统的维护与更新提供有力支持；
3.本发明以城市路网、高德公交数据为基础，结合已有HMM地图匹配技术及公交实际运营场景，提供了一套成熟、完整的生成公交道路网络的流程，包含全套流程的数学表达、步骤和实现方法；
4.本发明适用于不同城市级别的公交道路网络的生成，能自动生成准确的公交道路网络，提供公交道路网络为公交客流、出行等分析的基础，推动了国内城市公共交通模型的优化升级。
附图说明
图1是现有技术一提取缓冲区路网流程与结果示例图；
图2是现有技术二公交线路与道路网络匹配示意图（图中粗线为公交线路，细线为道路网络）；
图3是现有技术二公交线路与道路网络匹配流程图；
图4是本发明一种公交线网自动匹配道路网络方法的流程图；
图5是HMM地图匹配算法匹配候选对象及其转移示例图；
图6是HMM地图匹配算法四大组件运作机制图；
图7是Barefoot地图匹配API调用方法程序图；
图8是Barefoot算法中观测点
Figure 327074DEST_PATH_IMAGE028
、候选对向
Figure 923271DEST_PATH_IMAGE007
及转移路径
Figure 557515DEST_PATH_IMAGE029
关系示意图；
图9是自动检测路网异常结果示例图；
图10是环线公交线站点直接匹配的误差示意图；
图11是修正后环线公交站点匹配结果示意图；
图12是初步线路匹配结果绕行示例图；
图13是滑动窗口算法原理示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了，下面通过附图中示出的具体实施例来描述本发明。但是应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
在具体实施方式中，引用了缩略语和关键术语定义，具体如下：
API：应用程序接口，是一些预先定义的接口（如函数、HTTP接口），或指软件系统不同组成部分衔接的约定。用来提供应用程序与开发人员基于某软件或硬件得以访问的一组例程，而又无需访问源码，或理解内部工作机制的细节；
网络爬虫：是一种按照一定的规则，自动地抓取万维网信息的程序或者脚本；
物理站点：公交运营中实际停靠的公交站台。同一站台，存在多条公交线路经的情况；名字相同的物理站点，一般只有2个，上行和下行；
逻辑站点：对物理站点按线路区分后的公交站点。同一物理站点，由于多条公交线路经过，其对应逻辑站点数应与经过公交线路数一致；
站点站序：公交线路经途径站点按线路运行方向的排序。同一公交线路，对应多个逻辑站点；按照线路运行方向的排序，即为站点站序；
主键：是表中的一个或多个字段，它的值用于唯一的标识表中的某一条记录。在两个表的关系中，主关键字用来在一个表中引用来自于另一个表中的特定记录；
GPS轨迹点：由采用GPS轨迹记录仪采集的一系列户外活动的位置点，每个点至少包括日期、时间、经度、纬度、海拔信息，有的轨迹记录仪还包含速度等信息；
HMM：隐马尔可夫模型，是统计模型，它用来描述一个含有隐含未知参数的马尔可夫过程；
最临近距离算法：使用最邻近点之间的距离描述分布模式，表示点间距离；
线段拓扑点：组成线段的点；
WKT格式：WKT（Well-known text）是一种文本标记语言，用于表示矢量几何对象、空间参照系统及空间参照系统之间的转换。该格式由开放地理空间联盟（OGC）制定。WKT可以表示的几何对象包括：点，线，多边形，TIN（不规则三角网）及多面体。其中线型WKT格式示例如下：LINESTRING（3 4,10 50,20 25），表示该线段由拓扑点（3,4）,（10,50）,（20,25）依次构成；
方位角：方位角，又称地平经度（Azimuth angle，缩写为Az），是在平面上量度物体之间的角度差的方法之一，是从某点的指北方向线起，依顺时针方向到目标方向线之间的水平夹角，范围在0~360°之间；
地理坐标系（Geographic Coordinate System），单位为度，是使用三维球面来定义地球表面位置，以实现通过经纬度对地球表面点位引用的坐标系；
投影坐标系 （Projected Coordinate System）平面坐标系统地图单位通常为米，也称非地球投影坐标系统（notearth），或者是平面坐标；
图：在计算机科学中，一个图就是一些顶点的集合，这些顶点通过一系列边结对（连接）。顶点用圆圈表示，边就是这些圆圈之间的连线。顶点之间通过边连接。图有各种形状和大小。边可以有权重（weight），即每一条边会被分配一个正数或者负数值；也可以有方向，若图中有方向，该图即为有向图；
Dijkstra算法：迪杰斯特拉算法，为解决最短路问题的算法之一，Dijkstra最短路径算法是基于递推的思想设计的未达顶点的最短路径一定是由已达顶点的最短路径求出；
公交断面：公交两站点间的公交线路运行轨迹。
具体实施方式一：
一种公交线网自动匹配道路网络方法，包括以下步骤：
步骤S1、爬取公交线路信息
基于用户指定城市，采集当前城市的公交运行信息，通过对公交运行信息进行整理，得到当前城市的公交基础信息表，作为步骤S2中地图匹配的输入文件；
步骤S2、进行初步线网匹配和初步站点匹配
初步线网匹配：经步骤S1处理后的公交基础信息表中，记录的公交运行信息，以WKT格式保存，对每条公交线路，提取其WKT格式中所有的拓扑点的坐标，生成模拟GPS轨迹点，并将生成的模拟GPS轨迹点作为地图匹配算法的输入，经过地图匹配算法输出公交线网的初步匹配结果；
初步站点匹配：经步骤S1处理后的公交基础信息表，获取每条线路途径站点的坐标信息，基于站点坐标与路段坐标，计算站点与路段距离，距离最小的路段为站点的匹配结果；
步骤S3、公交场景下的匹配优化
对步骤S2获得的初步线网匹配结果和初步站点匹配结果进行匹配优化，得到最终线网匹配结果和最终站点匹配结果；
步骤S4、结果输出
通过步骤S3的地图匹配，获得站点匹配到路网的位置，基于站点匹配到路网的位置，拆分对应路网的几何位置信息，打断路网，使得公交站点与新路网中节点准确关联。
具体实施方式二
在一种公交线网自动匹配道路网络方法的步骤S1中爬取公交线路信息，即采集公交线路信息，是指基于用户指定城市，采集当前城市的公交运行信息，通过对公交运行信息进行整理，得到当前城市的公交基础信息表，其中：
公交运行信息包括公交线路站点排班信息和线路轨迹信息，所述公交基础信息表包括公交线路信息表、公交站点信息表和公交线路站点关联表。
爬取公交线路信息的具体方法是：
步骤S10、调用高德应用程序接口（JavaScript API）采集指定城市公交运行信息，具体是，首先准备查询的基准信息：城市名、公交线路名，其次对每条公交线路名，调用公交路线查询服务（Amap.lineSearch），最后根据返回结果解析，输出解析结果（lineSearch_Callback），获得每条线路的名称、经纬度、票价、途径站信息；
步骤S20、整理公交运行信息生成公交基础信息表，具体是，针对步骤S1获得的指定城市公交运行信息，将公交站点名称、行程方向、位置相近的公交站点归为同一公交站点，并赋予相同的站点编号，生成公交线路信息表、公交站点信息表和公交线路站点关联表。
其中：
公交线路信息表的主键为route_id，记录了线路的名称（line_name）、长度、行驶方向、行驶轨迹等信息；若同一line_name下可能对应多个route_id，则表示该线路在实际运行下有多个方向（如从东到西、从西到东）；
公交站点信息表的主键为stop_id，记录了物理站点的站点名称、站点经纬度等信息；
公交线路站点关联表的主键为route_id、stop_id，记录了所有站点途径的公交线路的route_id及站点在对应线路下依次经过的站序。
具体实施方式三
公交基础信息中，除了线路空间信息外，还包含不同线路经过不同公交站点的信息。为提供完整的公交路网，还需要将公交站点匹配到路网上，站点匹配到路网的位置即为后续打断路网的位置。在具体实施方式二中处理后的公交站点表、线路站点关联表，可获取每条线路途径站点的坐标信息。基于站点坐标与路段坐标，可计算站点与路段距离，距离最小的路段即为站点的匹配结果。
因此在一种公交线网自动匹配道路网络方法的步骤S2中，初步站点匹配采用垂足点计算算法，具体包括以下步骤：
步骤S220、将站点坐标
Figure 654784DEST_PATH_IMAGE015
、线段所有拓扑点从地理坐标系统转化至以米为单位的投影坐标系统，分别得到
Figure 362977DEST_PATH_IMAGE016
与
Figure 520289DEST_PATH_IMAGE017
步骤S221、对路段中的每个拓扑点，计算
Figure 313932DEST_PATH_IMAGE016
与线段
Figure 214892DEST_PATH_IMAGE018
的变量u：
Figure 839909DEST_PATH_IMAGE030
步骤S222、对u值进行判断，若
Figure 43488DEST_PATH_IMAGE020
，表示
Figure 449061DEST_PATH_IMAGE016
在线段
Figure 29078DEST_PATH_IMAGE018
，进一步计算站点坐标
Figure 774181DEST_PATH_IMAGE016
在该线段上最近邻的点
Figure 273295DEST_PATH_IMAGE021
：
Figure 41531DEST_PATH_IMAGE031
Figure 284293DEST_PATH_IMAGE032
步骤S223、计算站点坐标
Figure 883902DEST_PATH_IMAGE016
与站点坐标在该线段上最近邻的点
Figure 429284DEST_PATH_IMAGE021
的距离，即为站点距该路段的垂直距离
Figure 543871DEST_PATH_IMAGE024
：
Figure 465690DEST_PATH_IMAGE033
完成对每个路段的距离计算，得到结果
Figure 982122DEST_PATH_IMAGE034
，L为该线路途径路段总和，找出其中最小值对应路段
Figure 26302DEST_PATH_IMAGE027
，为站点
Figure 503550DEST_PATH_IMAGE015
匹配至路网结果，匹配至路网的坐标为路段
Figure 353695DEST_PATH_IMAGE027
在步骤S222中计算出的最邻近点。
具体实施方式四
本实施例所述的一种公交线网自动匹配道路网络方法中进行线网匹配优化方法为：
步骤S310、创建有向路网G；
步骤S311、对线路匹配结果进行预处理，线路匹配结果中存在断裂的情况，在断裂处新建一个虚拟节点，并做标记；
步骤S312、固定滑动窗口大小，遍历线路匹配结果，对每个滑动窗口内的路段，进行最短路径优化，具体是：首先基于滑动窗口首末节点，确定最短路径中的起始节点；其次根据起始节点，调用最短路径方法，确定该滑动窗口的最短路径；最后进行最短路径与滑动窗口路径比较，比较方法是：若滑动窗口中含步骤311中标记的虚拟节点或存在反向行驶，直接使用最短路径替换滑动窗口对应路径；若滑动窗口对应路网中包含站点匹配结果，则不做最短路径校准；否则分别计算滑动窗口路径、最短路径对应的长度，选取长度最小对应的路径为该滑动窗口的最终路径；
步骤S313、生成校正后线网匹配结果。
由于Barefoot程序主要是对GPS轨迹点做地图匹配，未能考虑实际公交运行场景，匹配结果中存在如下问题：路网基础信息不完善时，匹配结果出现绕行、甚至断裂；匝道变道不流畅等，如图12所示。
为提升匹配经度，本实施例中基于初步线路、站点匹配结果，采用最短路径算法及滑动窗口算法并结合公交运行场景，优化线路匹配结果。
最短路径方法
Python Netowrk库中，提供了shorest_path方法，可计算指定两点在有向图中的最短路径，调用方法如下：
Figure 599999DEST_PATH_IMAGE036
其中，source,target分别为图中的节点，对应路径搜索的起、始点；G为有向图，可由路网创建；weight表示有向图中长度，在此场景可定义为路段长度；
Figure 611818DEST_PATH_IMAGE037
为搜索最短路径的算法，具体原理如下：
Dijkstra最短路径算法
若s为指定起点，引进两个集合S和U。S的作用是记录已求出最短路径的顶点（以及相应的最短路径长度），而U则是记录还未求出最短路径的顶点（以及该顶点到起点s的距离）。
具体步骤是：
1）初始时，S只包含起点s；U包含除s外的其他顶点，且U中顶点的距离为：“起点s到该顶点的距离”，例如，U中顶点v的距离为（s,v）的长度，然后s和v不相邻，则v的距离为∞。
2）从U中选出“距离最短的顶点k”，并将顶点k加入到S中；同时，从U中移除顶点k。
3）更新U中各个顶点到起点s的距离。之所以更新U中顶点的距离，是由于上一步中确定了k是求出最短路径的顶点，从而可以利用k来更新其它顶点的距离；例如，（s,v）的距离可能大于（s,k）+（k,v）的距离。
4） 重复步骤（2）和（3），直到遍历完所有顶点。
滑动窗口算法
滑动窗口算法是通过使用特定大小的子列表，在遍历完整列表的同时进行特定的操作，以达到降低了循环的嵌套深度。如图13所示，设定滑动窗口（window）大小为3，当滑动窗口每次划过数组时，计算当前滑动窗口中元素的和，得到结果res。
基于最短路径、滑动窗口算法优化线网匹配，可将基础路网创建有向图，依次遍历单条线路匹配结果，其中对每条线路，使用滑动算法，依次寻找滑块附两端的最短路径，用最短路径代替原滑块对应路径。去除地图匹配中的异常。
具体实施方式五
本实施例所述的一种公交线网自动匹配道路网络方法，在具体实施方式三中，初步站点匹配后，对于环线公交线路（公交经过同一道路两次），由于站点坐标存在一定偏差，以上方法确定的站点匹配结果存在一定误差。如图10所示，根据站点与路网的最小距离，站序为2、38的站点都匹配至92176路段，而站序为38的站点正确匹配结果应为92177路段。
因此，需要对初步站点匹配的结果进行站点匹配优化，具体方法为：
步骤S320、在站点初步匹配结果中，寻找与站点临近的潜在路段集，选取端点距离计算结果中值较小的前10项，作为后续垂直计算的潜在路段；（效率优化）
本步骤中通过计算站点与路段首末拓扑点的距离（端点距离）
Figure 310783DEST_PATH_IMAGE038
，并未直接计算站点与路段的垂直距离，减少了投影变换、距离计算的次数，并选取端点距离计算结果中值较小的前10项
Figure 902302DEST_PATH_IMAGE039
，作为后续垂直计算的潜在路段，端点距离可基于站点经纬度、首末拓扑点经纬求均值计算得出；
步骤S321、基于上一站点匹配路段整理潜在路段集，筛选出有效潜在路段集，提高环线站点匹配的准确率；（精度优化）
如图11所示，公交线路匹配的结果中，给出了公交线路匹配路段并按顺序排列
Figure 127747DEST_PATH_IMAGE040
。在实际的公交运营场景中，若前一站点匹配至
Figure 185833DEST_PATH_IMAGE041
，与其相邻的后一站点匹配结果为
Figure 27887DEST_PATH_IMAGE042
，则
Figure 829621DEST_PATH_IMAGE042
在
Figure 909572DEST_PATH_IMAGE043
中的位置应比
Figure 404138DEST_PATH_IMAGE041
在
Figure 405593DEST_PATH_IMAGE043
中的位置靠后。基于此逻辑，可进一步对
Figure 135651DEST_PATH_IMAGE039
进行筛选，筛选出有效潜在路段，提高环线站点匹配的准确率：
步骤S322、将S321的筛选出的潜在路段集传入垂足点计算算法，找出
Figure 939616DEST_PATH_IMAGE027
及其对应
Figure 995297DEST_PATH_IMAGE021
，即为最终的站点匹配结果。
具体实施方式六
在本实施例中，进行线网和站点的初步匹配是基于Barefoot地图匹配算法的基础上开发了LinkMatch模式，增加了以下功能，扩展了Barefoot地图匹配程序的应用场景，为后续公交路网匹配提供基础，其中，
Barefoot地图匹配算法原理
Barefoot 是一个成熟的Java开源项目，它提供了离线/实时地图匹配及空间分析等服务，其中实时地图匹配的实现思路HMM算法作为参考，可将GPS轨迹点（含经纬度、速度等信息）匹配至路网上的算法，可还原轨迹点在路网上的行径轨迹。
HMM及地图匹配原理
HMM（隐马尔可夫模型）重点在于根据表象的观测值去推算可能存在的真实值，并根据上下文情况赋予概率，属于统计性模型。所谓的上下文概率指的是：此刻的状态受上一次确定的状态影响，并结合下一次可能出现状态的合理性进行当前时刻的自我推断。
对观测对象一系列GPS轨迹点（观测点）
Figure 156151DEST_PATH_IMAGE001
可通过寻找每个轨迹点
Figure 627583DEST_PATH_IMAGE028
在
Figure 682127DEST_PATH_IMAGE044
时段（
Figure 784075DEST_PATH_IMAGE045
≤t≤T）最有可能与地图匹配的点
Figure 291280DEST_PATH_IMAGE046
求出，其中
Figure 238507DEST_PATH_IMAGE046
来自匹配候选向量
Figure 616399DEST_PATH_IMAGE047
。对每个连续的候选向量
Figure 154828DEST_PATH_IMAGE004
和
Figure 618170DEST_PATH_IMAGE048
（
Figure 900247DEST_PATH_IMAGE045
≤t≤T），每对候选对象
Figure 132645DEST_PATH_IMAGE007
和
Figure 169871DEST_PATH_IMAGE049
之间存在一个转移，应用到地图匹配情境，这个转移则为轨迹点之间的路线。有匹配候选对象及其转移的HMM示例如图5所示；
为了确定最可能的匹配候选者，有必要量化匹配候选者和各自转移的概率。 HMM定义了两种类型的概率度量：
（1）发射概率（emission probability）
Figure 792614DEST_PATH_IMAGE012
用于量化测量位置存在的误差和不确定性。若地图中的真实值为
Figure 471857DEST_PATH_IMAGE007
，观测值为
Figure 230865DEST_PATH_IMAGE028
，则有
Figure 907834DEST_PATH_IMAGE050
。
具体计算中，发射概率定义为测量位置与其真实位置之间的距离，用于模拟测量误差，该误差用具有一些标准偏差σ的高斯分布描述（默认为σ= 5米）。
（2）转移概率（transition probability）
Figure 549031DEST_PATH_IMAGE013
用于量化不同候选对象从起点
Figure 704069DEST_PATH_IMAGE051
转移至
Figure 707797DEST_PATH_IMAGE007
之间所有转移的合理性。
具体计算中，转移概率用各个位置测量之间的路段距离和视线距离的差值来量化。 转移概率以速率参数λ（默认为λ= 0.1）呈负指数分布，是均值的倒数。
在地图匹配中，HMM过滤器（Filter）提供了两种不同的解决方案：
（1）HMM过滤器确定对象当前位置的估计值
Figure 962192DEST_PATH_IMAGE052
，为最可能匹配候选对象
Figure 684160DEST_PATH_IMAGE053
。若给定观测点
Figure 314993DEST_PATH_IMAGE054
，
Figure 376490DEST_PATH_IMAGE052
定义如下：
Figure 191999DEST_PATH_IMAGE055
其中，
Figure 11051DEST_PATH_IMAGE008
为
Figure 570208DEST_PATH_IMAGE056
的过滤概率（filter probability），可由以下递归公式确定：
Figure 158315DEST_PATH_IMAGE057
（2）此外，给定观测点
Figure 144726DEST_PATH_IMAGE054
的完整信息，HMM过滤器可拓展至确定最有可能的匹配候选对象
Figure 451073DEST_PATH_IMAGE053
，因而确定一个物体最有可能经过的路径
Figure 751605DEST_PATH_IMAGE058
，公式如下：
Figure 318852DEST_PATH_IMAGE059
其中，
Figure 351530DEST_PATH_IMAGE009
为最有可能与匹配候选对象
Figure 535387DEST_PATH_IMAGE007
匹配的序列概率（sequence probability），它也可以通过递归得到：
Figure 46134DEST_PATH_IMAGE060
由于这两种解决方案都是递归的，因此两者都可以用于在线和离线算法，即在线和离线地图匹配。
除上述之外，Barefoot地图匹配程序主要由四个组件组成，参照说明书附图6所示：
1） 匹配器（matcher）组件：为物体的每个位置的测量值
Figure 733467DEST_PATH_IMAGE028
迭代执行有HMM过滤器的地图匹配
2） 状态（state）记忆组件：可保存候选向量
Figure 264943DEST_PATH_IMAGE004
及其概率p，用于访问当前位置估计值
Figure 274444DEST_PATH_IMAGE052
及最有可能经过的路径
Figure 244674DEST_PATH_IMAGE061
3） 地图组件（map）：用于搜素测量位置
Figure 661880DEST_PATH_IMAGE028
附近的匹配对象
Figure 364257DEST_PATH_IMAGE004
4） 路径组件（router）：用于搜索候选对（
Figure 991547DEST_PATH_IMAGE062
之间的路径
Figure 844096DEST_PATH_IMAGE029
通过以上4个组件，地图匹配通过迭代，处理测量点
Figure 506022DEST_PATH_IMAGE028
的位置以更新state的状态，包括以下步骤：
1）给定测量值
Figure 51404DEST_PATH_IMAGE028
，空间搜索匹配候选对象
Figure 431570DEST_PATH_IMAGE003
（
Figure 87810DEST_PATH_IMAGE004
为时间 t 的候选向量）
2）如果存在时段 t-1的候选向量，则从内存中获取候选向量
Figure 807504DEST_PATH_IMAGE063
，否则返回空向量
3）对每对匹配候选对
Figure 648421DEST_PATH_IMAGE064
，找到路径
Figure 125670DEST_PATH_IMAGE029
作为匹配候选点之间的转移
4）计算匹配候选对象
Figure 975815DEST_PATH_IMAGE007
的过滤概率和序列概率，并用概率 p 和候选向量
Figure 222119DEST_PATH_IMAGE004
更新state的状态
基于以上组件，Barefoot地图匹配API调用方法如图7所示。
在本实施方式中，二次开发的LinkMatch模式在以上API调用方法的基础上，增加了以下功能，扩展了Barefoot地图匹配程序的应用场景，为后续公交路网匹配提供基础：
功能一、计算观测对象所有观测点
Figure 437200DEST_PATH_IMAGE014
的途径路段（link）连续行程信息
Barefoot程序以上API借口可返回所有观测点的候选对象信息（
Figure 260799DEST_PATH_IMAGE065
），为观测点匹配到路网的独立位置，而该结果仍未包含观测点途径的连续路段信息，不能充分挖掘GPS轨迹点（观测点）与路段的关系。因此，本专利开发了LinkMatch模式，提取候选对象中途径路段（link）连续行程信息（如表1）：
表1途径路段行程信息
Figure 524422DEST_PATH_IMAGE066
其中，1、2、3类信息用于后续公交路网匹配，在此进行详细叙述。
Barefoot API接口中返回的候选对象
Figure 749867DEST_PATH_IMAGE007
中，记录了候选对象的转移路径信息
Figure 807953DEST_PATH_IMAGE067
：
Figure 384427DEST_PATH_IMAGE068
其中，
Figure 186161DEST_PATH_IMAGE069
为转移路径
Figure 531692DEST_PATH_IMAGE067
中途径的每个路径（path），对应到路网即为候选对象经过的路段（link），含linkId, source, target等信息；
Figure 26258DEST_PATH_IMAGE070
为
Figure 27712DEST_PATH_IMAGE067
经过link总和。
Figure 492192DEST_PATH_IMAGE071
,
Figure 567595DEST_PATH_IMAGE072
,
Figure 623276DEST_PATH_IMAGE069
示例如图8所示：图中
Figure 518551DEST_PATH_IMAGE073
，n=3
对每个候选对象
Figure 52300DEST_PATH_IMAGE007
，LinkMatch程序中判断其转移路径n的值，记录途径连续路段信息：
若n≤1：表示
Figure 310106DEST_PATH_IMAGE071
仍在同一路段上，不做任何处理；
若n>1：表示
Figure 146475DEST_PATH_IMAGE071
跨过了多条路段
Figure 919259DEST_PATH_IMAGE074
，则
Figure 866487DEST_PATH_IMAGE075
为
Figure 978799DEST_PATH_IMAGE071
途径的连续路段，保存
Figure 110703DEST_PATH_IMAGE076
对应的所有linkId, source, target信息，完成后进行下一次迭代（路段
Figure 246149DEST_PATH_IMAGE077
会在迭代
Figure 121701DEST_PATH_IMAGE078
的转移路径中保存，
Figure 354100DEST_PATH_IMAGE079
）。
功能二、基于观测点位置反馈路网缺失、异常，结合图9所示；
底层路网作为地图匹配程序的输入数据，其质量对匹配结果有关键影响。而在实际应用过程中，存在底层路网未更新、GPS轨迹点途径路段没有对应的底层路网的情况。本发明可以记录下这些GPS轨迹点的位置，将其反馈给用户，供用户更新、完善底层路网。
HMM过滤器在对测量值
Figure 284270DEST_PATH_IMAGE028
执行离线地图匹配程序时，主要通过上一候选向量
Figure 31646DEST_PATH_IMAGE080
，及当前候选对象
Figure 320676DEST_PATH_IMAGE007
的过滤概率（filtprob）和序列概率（seqprob）确定候选向量
Figure 204319DEST_PATH_IMAGE004
。若过滤概率和序列概率小于用户指定阈值（GPS轨迹点与底层路网关联性较低），会导致
Figure 553392DEST_PATH_IMAGE007
，
Figure 522485DEST_PATH_IMAGE080
，
Figure 615206DEST_PATH_IMAGE004
可能为空值。本发明中对这种异常情况进行了分类处理，可以有效记录路网缺失、不连续的情况：
1）异常类型“No State Transition”，路网可能不连续
当
Figure 556617DEST_PATH_IMAGE007
与
Figure 201225DEST_PATH_IMAGE080
非空、
Figure 798559DEST_PATH_IMAGE004
为空时，表示当前state下转移概率
Figure 757288DEST_PATH_IMAGE081
较低，由候选向量
Figure 615523DEST_PATH_IMAGE080
无法推测出
Figure 571977DEST_PATH_IMAGE004
。很有可能是由于
Figure 250083DEST_PATH_IMAGE082
到
Figure 684607DEST_PATH_IMAGE028
的底层路网不连续导致。可将
Figure 600610DEST_PATH_IMAGE028
对应的坐标记录下来，作为路网不连续的标识；
2）异常类型“No State Emission”，路网缺失
当
Figure 587021DEST_PATH_IMAGE007
空时，表示当前state下发射概率
Figure 158948DEST_PATH_IMAGE083
较低；是由于
Figure 256217DEST_PATH_IMAGE028
与底层路网标准偏差σ大于指定阈值导致。可将
Figure 26726DEST_PATH_IMAGE028
对应的坐标记录下来，作为路网缺失的位置；
基于隐马尔可夫模型算法，将生成的模拟GPS轨迹点匹配至路网上，初步还原轨迹点在路网上的行径轨迹，具体地方法是：
步骤a、寻找GPS轨迹点的附近路网
针对每一个GPS轨迹点，找到距离GPS轨迹点指定距离的路段，计算每条路段上距离GPS轨迹点最近的位置，即为观测路网点；
步骤b、计算发射率和转移率
获取到GPS轨迹点对应的候选路网点集合后，以到每一个观测路网点的距离和GPS定位误差为参数，计算观测路网点的发射概率，再针对上一时刻的观测路网点集合与本次集合中的每一组观测点，以两个观测点之间最短路径的长度作为主要参数计算这两点之间的转移概率；
步骤c、获取匹配结果
完成概率计算后，检查路网中是否存在计算结果，若存在，返回GPS轨迹点到达该计算结果的最优路径；
步骤d、采用路径选择算法，整合、调整独立的GPS轨迹点匹配结果，输出连续GPS行程的匹配结果。
具体实施方式七
本实施例的一种公交线网自动匹配道路网络方法，在步骤S4结果输出过程，通过地图匹配，可获得站点匹配到路网的位置。而生成公交道路网络，必要的环节之一是需要将公交站点转化为路网节点、将站点与路网节点形成对应关系。可基于站点匹配到路网的位置，拆分对应路网的几何位置信息，打断路网，使得公交站点与新路网中节点准确关联，具体方式是：
1、基于路段上所有站点匹配位置打断路网
对路网中的每条路段
Figure 59404DEST_PATH_IMAGE084
（
Figure 712103DEST_PATH_IMAGE085
表示组成路段
Figure 754008DEST_PATH_IMAGE086
的拓扑点）：
1）找出匹配至
Figure 175762DEST_PATH_IMAGE087
的所有站点集（
Figure 644921DEST_PATH_IMAGE088
）及其匹配至路段上的坐标
Figure 784915DEST_PATH_IMAGE089
，并投影至以米为单位的平面坐标系；
2）调用LineString.project()方法，计算
Figure 833774DEST_PATH_IMAGE090
至link起点的距离
Figure 641193DEST_PATH_IMAGE091
；
3）计算
Figure 750094DEST_PATH_IMAGE090
至
Figure 377384DEST_PATH_IMAGE087
每个拓扑点的距离
Figure 761092DEST_PATH_IMAGE092
（t为拓扑折点），并对
Figure 423018DEST_PATH_IMAGE092
累加，得到
Figure 968400DEST_PATH_IMAGE093
；
4）若
Figure 817407DEST_PATH_IMAGE094
，表示
Figure 67123DEST_PATH_IMAGE090
介于有拓扑点t及t+1构成的线段中，则在
Figure 458921DEST_PATH_IMAGE090
可
Figure 565417DEST_PATH_IMAGE087
拆分为以下两段：
Figure 771228DEST_PATH_IMAGE095
Figure 355793DEST_PATH_IMAGE096
此时，原路段
Figure 602097DEST_PATH_IMAGE087
打断结果如下：
Figure 817178DEST_PATH_IMAGE097
5）对
Figure 906357DEST_PATH_IMAGE098
，按照以上原理，计算
Figure 904400DEST_PATH_IMAGE098
至
Figure 661003DEST_PATH_IMAGE099
及
Figure 719089DEST_PATH_IMAGE100
的距离。若该点距
Figure 29985DEST_PATH_IMAGE099
距离较小，则进行上述2~3步，得到
Figure 159615DEST_PATH_IMAGE101
，
此时，原路段
Figure 380512DEST_PATH_IMAGE087
打断结果如下：
Figure 999712DEST_PATH_IMAGE102
6）对剩余
Figure 673270DEST_PATH_IMAGE103
站点匹配结果，重复执行上述步骤，可将原路段基于所有站点匹配坐标进行拆分，最终打断结果如下：
Figure 403328DEST_PATH_IMAGE104
其中，m为路段
Figure 478732DEST_PATH_IMAGE087
上匹配到的站点数量。
2、对路段
Figure 206516DEST_PATH_IMAGE105
的打断结果整理
Figure 492004DEST_PATH_IMAGE106
打断结果中，
Figure 166699DEST_PATH_IMAGE107
相互独立（即
Figure 221243DEST_PATH_IMAGE107
并不相连），为了更好的记录路网打断后的顺序，需对
Figure 119929DEST_PATH_IMAGE108
中的线段进行排序，使得线段
Figure 768079DEST_PATH_IMAGE109
的拓扑终点为线段
Figure 839940DEST_PATH_IMAGE110
的拓扑起点，具体方法如下：
1)基于
Figure 624356DEST_PATH_IMAGE087
原拓扑起点
Figure 21840DEST_PATH_IMAGE111
坐标，在
Figure 891707DEST_PATH_IMAGE108
找到
Figure 767259DEST_PATH_IMAGE099
使得
Figure 406182DEST_PATH_IMAGE099
的拓扑起点等于
Figure 912249DEST_PATH_IMAGE111
，将
Figure 394046DEST_PATH_IMAGE099
存入
Figure 948656DEST_PATH_IMAGE112
2)基于
Figure 832298DEST_PATH_IMAGE099
拓扑终点，在
Figure 181371DEST_PATH_IMAGE108
找到
Figure 150464DEST_PATH_IMAGE100
使得
Figure 571081DEST_PATH_IMAGE100
的拓扑起点等于
Figure 184596DEST_PATH_IMAGE099
拓扑终点，并将将
Figure 94783DEST_PATH_IMAGE100
存入
Figure 426539DEST_PATH_IMAGE112
3)重复第2步，直至
Figure 385267DEST_PATH_IMAGE112
大小与
Figure 243502DEST_PATH_IMAGE087
一致，完成对打断路网的排序，此时：
Figure 928518DEST_PATH_IMAGE113
其中，线段
Figure 606624DEST_PATH_IMAGE109
的拓扑终点为线段
Figure 306727DEST_PATH_IMAGE110
的拓扑起点。
3、合并
Figure 19468DEST_PATH_IMAGE114
中拆分过细的线路
在公交道路网络中，若路段被拆分过细（即路段长度过小），不利于后续的交通建模。本步骤中，计算了
Figure 209141DEST_PATH_IMAGE112
每条线段
Figure 249909DEST_PATH_IMAGE109
的长度，若
Figure 612757DEST_PATH_IMAGE109
长度小于指定值（如10m），则将
Figure 320950DEST_PATH_IMAGE109
与
Figure 478262DEST_PATH_IMAGE115
线段合并：删除
Figure 6326DEST_PATH_IMAGE109
末端拓扑点后依次合并
Figure 907286DEST_PATH_IMAGE109
与
Figure 469986DEST_PATH_IMAGE115
剩余的拓扑点，避免路网被打断得过细。
具体实施方式八
一种公交线网自动匹配道路网络系统，包括公交线路信息采集模块、线网初步匹配模块、站点初步匹配模块、线网优化模块、站点优化模块和异常报告生成模块；
所述公交线路信息采集模块用于采集当前城市的公交运行信息，通过对公交运行信息进行整理，得到当前城市的公交基础信息表；
所述线网初步匹配模块输出线网的初步匹配结果；
所述站点初步匹配模块输出站点的初步匹配结果；
所述线网优化模块对线网初步匹配模块输出的线网的初步匹配结果进行匹配优化，得到最终线网匹配结果；
所述站点优化模块对站点初步匹配模块输出的站点的初步匹配结果进行匹配优化，得到最终站点匹配结果；
所述异常报告生成模块根据线网初步匹配模块、站点初步匹配模块、线网优化模块和站点优化模块匹配过程中出现的异常情况，生成异常报告。异常报告支持 word、excel、 pdf 输出格式。
具体实施方式九：
本领域内的技术人员通过上述实施例提及的系统及方法，本实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式，模块之间也可根据计算机逻辑结构进行重新组织。而且，本实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
根据本实施例的方法、设备（系统）、和计算机程序产品的流程图或方框图来描述的。应理解可由计算机程序指令实现流程图或方框图中的每一流程或方框、以及流程图或方框图中的流程或方框的结合。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或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器（CPU）、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器（RAM）和/或非易失性内存等形式，如只读存储器（ROM）或闪存（flash RAM）。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 （PRAM）、静态随机存取存储器 （SRAM）、动态随机存取存储器 （DRAM）、其他类型的随机存取存储器 （RAM）、只读存储器 （ROM）、电可擦除可编程只读存储器 （EEPROM）、快闪记忆体或其他内存技术、只读光盘只读存储器（CD-ROM）、数字多功能光盘 （DVD） 或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体 （transitory media），如调制的数据信号和载波。
本实施方式只是对本专利的示例性说明，并不限定它的保护范围，本领域技术人员还可以对其局部进行改变，只要没有超出本专利的精神实质，都在本专利的保护范围内。

Claims (8)

1.一种公交线网自动匹配道路网络方法，其特征在于，包括以下步骤：
步骤S1、爬取公交线路信息；
基于用户指定城市，采集当前城市的公交运行信息，通过对公交运行信息进行整理，得到当前城市的公交基础信息表，作为步骤S2中地图匹配的输入文件；
步骤S2、进行初步线网匹配和初步站点匹配；
初步线网匹配：经步骤S1处理后的公交基础信息表中，记录的公交运行信息，以WKT格式保存，对每条公交线路，提取其WKT格式中所有的拓扑点的坐标，生成模拟GPS轨迹点，并将生成的模拟GPS轨迹点作为地图匹配算法的输入，经过地图匹配算法输出公交线网的初步匹配结果；进行初步线网匹配的方法：
步骤S210、提取公交线路中的WKT信息中所有拓扑点坐标，生成模拟GPS观测值
Figure DEST_PATH_IMAGE001
；
步骤S211、对每个观测值
Figure 454163DEST_PATH_IMAGE002
，进行空间搜索匹配候选对象
Figure DEST_PATH_IMAGE003
，其中
Figure 39865DEST_PATH_IMAGE004
表示每一个观测值；t属于0到T；
Figure DEST_PATH_IMAGE005
为时间 t 的候选向量；
步骤S212、如果存在时段 t-1的候选向量，则从内存中获取候选向量 ，否则返回空向量；
步骤S213、对每对匹配候选对象
Figure 800536DEST_PATH_IMAGE006
，找到路径
Figure DEST_PATH_IMAGE007
作为匹配候选点之间的转移；
步骤S214、计算匹配候选对象
Figure 245423DEST_PATH_IMAGE008
的过滤概率
Figure DEST_PATH_IMAGE009
和序列概率
Figure 848443DEST_PATH_IMAGE010
，并用概率 p 和候选向量
Figure 85389DEST_PATH_IMAGE005
更新状态记忆组件的值：
Figure DEST_PATH_IMAGE011
Figure 623818DEST_PATH_IMAGE012
其中，
Figure DEST_PATH_IMAGE013
为发射概率，由测量位置与其真实位置之间的距离量化；
Figure 680636DEST_PATH_IMAGE014
为转移概率，由各个位置测量之间的路段距离和视线距离的差值来量化；
步骤S215、计算观测对象所有观测点
Figure DEST_PATH_IMAGE015
的途径路段连续行程信息；
步骤S216、根据观测点位置反馈底层路网缺失、异常位置；
初步站点匹配：经步骤S1处理后的公交基础信息表，获取每条线路途径站点的坐标信息，基于站点坐标与线路初步匹配到路网上的路段，计算站点与路段距离，距离最小的路段为站点的匹配结果；初步站点匹配采用垂足点计算算法，具体包括以下步骤：
步骤S220、将站点坐标
Figure 87346DEST_PATH_IMAGE016
和路段所有拓扑点从地理坐标系统转化至以米为单位的投影坐标系统，得到投影后的站点坐标
Figure DEST_PATH_IMAGE017
及投影后的路段拓扑点坐标
Figure 913220DEST_PATH_IMAGE018
；
步骤S221、对路段中的每个拓扑点，计算
Figure 153708DEST_PATH_IMAGE017
与拓扑段
Figure DEST_PATH_IMAGE019
的变量u：
Figure 432243DEST_PATH_IMAGE020
步骤S222、对u值进行判断，若
Figure DEST_PATH_IMAGE021
，表示
Figure 642644DEST_PATH_IMAGE017
在拓扑段
Figure 463970DEST_PATH_IMAGE019
上，进一步计算站点坐标
Figure 140939DEST_PATH_IMAGE017
在拓扑段上最近邻的点
Figure 175278DEST_PATH_IMAGE022
：
Figure DEST_PATH_IMAGE023
Figure 923792DEST_PATH_IMAGE024
步骤S223、计算站点坐标
Figure 865203DEST_PATH_IMAGE017
与站点坐标在拓扑段上最近邻的点
Figure 713073DEST_PATH_IMAGE022
的距离，即为站点距拓扑段的垂直距离
Figure DEST_PATH_IMAGE025
：
Figure DEST_PATH_IMAGE027
完成对每个路段的距离计算，得到结果
Figure 559675DEST_PATH_IMAGE028
，L为该线路途径路段总和，找出其中最小值对应路段
Figure DEST_PATH_IMAGE029
，为站点
Figure 987246DEST_PATH_IMAGE016
匹配至路网结果，匹配至路网的坐标为路段
Figure 642218DEST_PATH_IMAGE029
在步骤S222中计算出的最邻近点；
步骤S3、公交场景下的匹配优化；
对步骤S2获得的初步线网匹配结果和初步站点匹配结果进行匹配优化，得到最终线网匹配结果和最终站点匹配结果；
步骤S4、结果输出；
通过步骤S3的最终线网匹配结果和最终站点匹配结果，获得站点匹配到路网的位置，基于站点匹配到路网的位置，拆分对应路网的几何位置信息，打断路网，使得公交站点与新路网中节点准确关联。
2.根据权利要求1所述的一种公交线网自动匹配道路网络方法，其特征在于：所述步骤S1中，公交运行信息包括公交线路站点排班信息和线路轨迹信息，所述公交基础信息表包括公交线路信息表、公交站点信息表和公交线路站点关联表。
3.根据权利要求1或2所述的一种公交线网自动匹配道路网络方法，其特征在于：步骤S1中，爬取公交线路信息的具体方法是：
步骤S10、调用高德应用程序接口采集指定城市公交运行信息，具体是，首先准备查询的基准信息：城市名、公交线路名，其次对每条公交线路名，调用公交路线查询服务，最后根据返回结果解析，输出解析结果，获得每条线路的名称、经纬度、票价、途径站信息；
步骤S20、整理公交运行信息生成公交基础信息表，具体是，针对步骤S10获得的指定城市公交运行信息，将公交站点名称、行程方向、位置相近的公交站点归为同一公交站点，并赋予相同的站点编号，生成公交线路信息表、公交站点信息表和公交线路站点关联表。
4.根据权利要求1所述的一种公交线网自动匹配道路网络方法，其特征在于：步骤S3中，进行初步线网匹配优化方法为：
步骤S310、创建有向路网G；
步骤S311、对线网匹配结果进行预处理，线网匹配结果中存在断裂的情况，在断裂处新建一个虚拟节点，并做标记；
步骤S312、固定滑动窗口大小，遍历线网匹配结果，对每个滑动窗口内的路段，进行最短路径优化，具体是：首先基于滑动窗口首末节点，确定最短路径中的起始节点；其次根据起始节点，调用最短路径方法，确定该滑动窗口的最短路径；最后进行最短路径与滑动窗口路径比较，比较方法是：若滑动窗口中含步骤S311中标记的虚拟节点或存在反向行驶，直接使用最短路径替换滑动窗口对应路径；若滑动窗口对应路网中包含站点匹配结果，则不做最短路径校准；否则分别计算滑动窗口路径、最短路径对应的长度，选取长度最小对应的路径为该滑动窗口的最终路径；
步骤S313、生成校正后线网匹配结果。
5.根据权利要求1所述的一种公交线网自动匹配道路网络方法，其特征在于：步骤S3中，进行初步站点匹配优化方法为：
步骤S320、在站点初步匹配结果中，寻找与站点临近的潜在路段集，选取端点距离计算结果中值较小的前10项，作为后续垂直计算的潜在路段；
步骤S321、基于上一站点匹配路段整理潜在路段集，筛选出有效潜在路段集，提高环线站点匹配的准确率；
步骤S322、将S321的筛选出的潜在路段集传入垂足点计算算法，找出
Figure 660989DEST_PATH_IMAGE029
及其对应
Figure 666992DEST_PATH_IMAGE022
，即为最终的站点匹配结果。
6.一种实现如权利要求1所述一种公交线网自动匹配道路网络方法的系统，其特征在于：包括公交线路信息采集模块、线网初步匹配模块、站点初步匹配模块、线网优化模块、站点优化模块和异常报告生成模块；
所述公交线路信息采集模块用于采集当前城市的公交运行信息，通过对公交运行信息进行整理，得到当前城市的公交基础信息表；
所述线网初步匹配模块输出线网的初步匹配结果；
所述站点初步匹配模块输出站点的初步匹配结果；
所述线网优化模块对线网初步匹配模块输出的线网的初步匹配结果进行匹配优化，得到最终线网匹配结果；
所述站点优化模块对站点初步匹配模块输出的站点的初步匹配结果进行匹配优化，得到最终站点匹配结果；
所述异常报告生成模块根据线网初步匹配模块、站点初步匹配模块、线网优化模块和站点优化模块匹配过程中出现的异常情况，生成异常报告。
7.一种计算机，其特征在于，包括存储器和处理器，存储器存储有计算机程序，所述的处理器执行所述计算机程序时实现权利要求1至5任一项所述的一种公交线网自动匹配道路网络方法的步骤。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5任一项所述的一种公交线网自动匹配道路网络方法。
CN202111280274.7A 2021-11-01 2021-11-01 公交线网自动匹配道路网络方法、系统、设备及存储介质 Active CN113723715B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111280274.7A CN113723715B (zh) 2021-11-01 2021-11-01 公交线网自动匹配道路网络方法、系统、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111280274.7A CN113723715B (zh) 2021-11-01 2021-11-01 公交线网自动匹配道路网络方法、系统、设备及存储介质

Publications (2)

Publication Number Publication Date
CN113723715A CN113723715A (zh) 2021-11-30
CN113723715B true CN113723715B (zh) 2022-03-18

Family

ID=78686287

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111280274.7A Active CN113723715B (zh) 2021-11-01 2021-11-01 公交线网自动匹配道路网络方法、系统、设备及存储介质

Country Status (1)

Country Link
CN (1) CN113723715B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115019538A (zh) * 2022-05-31 2022-09-06 重庆京东方智慧科技有限公司 交通线路信息的生成方法、装置、设备及存储介质
CN115017248A (zh) * 2022-06-13 2022-09-06 阿波罗智联(北京)科技有限公司 数据验证方法和装置、设备及介质
CN115617829B (zh) * 2022-12-05 2023-03-28 交通运输部科学研究院 面向路网矢量数据的变量识别方法、装置、设备及介质
CN116432887B (zh) * 2023-06-15 2023-09-05 华侨大学 一种动态需求响应式公交的线路优化方法、设备和介质
CN117407387B (zh) * 2023-12-13 2024-03-26 深圳市城市交通规划设计研究中心股份有限公司 一种基于线路匹配和词聚类的公交站点数据清洗方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103942948B (zh) * 2014-04-10 2016-03-16 中南大学 基于分段拼接的城市公交线路网络的生成方法
CN104318766B (zh) * 2014-10-22 2016-06-08 北京建筑大学 一种公交gps轨迹数据的路网匹配方法
CN107909187B (zh) * 2017-10-19 2021-06-25 东南大学 一种快速匹配电子地图中公交站点与路段的方法
CN107978169B (zh) * 2017-12-14 2019-06-14 东南大学 一种对多源数据来源下的公交站点位置纠偏的方法
CN108021686B (zh) * 2017-12-14 2021-03-23 东南大学 一种快速匹配电子地图中公交线路与道路网络的方法
US10415984B2 (en) * 2017-12-29 2019-09-17 Uber Technologies, Inc. Measuring the accuracy of map matched trajectories
CN108645421A (zh) * 2018-05-15 2018-10-12 天津大学 基于隐马尔科夫模型的自适应在线地图匹配方法
CN109059939A (zh) * 2018-06-27 2018-12-21 湖南智慧畅行交通科技有限公司 基于隐马尔科夫模型的地图匹配算法
CN111125293B (zh) * 2019-12-31 2021-07-09 南京市城市与交通规划设计研究院股份有限公司 公交网络模型自动生成方法、装置及电子设备
CN112381906B (zh) * 2020-10-13 2023-04-07 厦门市国土空间和交通研究中心(厦门规划展览馆) 一种公交模型基础线网自动绘制方法

Also Published As

Publication number Publication date
CN113723715A (zh) 2021-11-30

Similar Documents

Publication Publication Date Title
CN113723715B (zh) 公交线网自动匹配道路网络方法、系统、设备及存储介质
CN113065594B (zh) 一种基于北斗数据与遥感影像融合的路网提取方法及装置
CN105630988A (zh) 一种快速检测空间数据变化并更新的方法及系统
CN113724279B (zh) 路网自动划分交通小区的系统、方法、设备及存储介质
Wu et al. Mixed steepest descent algorithm for the traveling salesman problem and application in air logistics
CN111814597A (zh) 一种耦合多标签分类网络和yolo的城市功能分区方法
CN116539004A (zh) 一种采用无人机测绘的通信线路工程勘察设计方法与系统
CN114036135A (zh) 利用不完全信息估计城市移动源污染排放方法及系统
CN116778146A (zh) 基于多模态数据的道路信息提取方法及装置
CN114548811A (zh) 一种机场可达性的检测方法、装置、电子设备及存储介质
Spadon et al. Identifying urban inconsistencies via street networks
CN113865589A (zh) 一种基于地形坡度的长距离快速路径规划方法
CN111080080B (zh) 一种村镇地质灾害风险预估方法及系统
CN111881964A (zh) 一种基于Delaunay三角网的线性建筑物模式识别方法与系统
US11988522B2 (en) Method, data processing apparatus and computer program product for generating map data
Dal Poz et al. Road network extraction using GPS trajectories based on morphological and skeletonization algorithms
CN115979299A (zh) 基于地图数据转换的精度检查方法及装置
Sun et al. Study on safe evacuation routes based on crowd density map of shopping mall
Mansour et al. Hierarchical SVM for Semantic Segmentation of 3D Point Clouds for Infrastructure Scenes
CN113141570B (zh) 地下场景定位方法、装置、计算设备及计算机存储介质
Zou et al. Inertia mutation energy model to extract roads by crowdsourcing trajectories
KR101475359B1 (ko) 수치지형도 네트워크 데이터에 대한 다축척 모델 생성 방법
CN117197730B (zh) 一种城市空间畸变图像的修复评估方法
CN117253232B (zh) 一种高精地图的标注自动生成方法、存储器及存储介质
CN117853669A (zh) 一种基于低精路网的拓扑解析与三维路网自动生成方法

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