CN114841428A - 一种公交线路规划方法及系统 - Google Patents

一种公交线路规划方法及系统 Download PDF

Info

Publication number
CN114841428A
CN114841428A CN202210456221.4A CN202210456221A CN114841428A CN 114841428 A CN114841428 A CN 114841428A CN 202210456221 A CN202210456221 A CN 202210456221A CN 114841428 A CN114841428 A CN 114841428A
Authority
CN
China
Prior art keywords
bus
station
passenger
information
data
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
Application number
CN202210456221.4A
Other languages
English (en)
Inventor
胡博
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 Wenzheng Management Consulting Co ltd
Original Assignee
Shanghai Wenzheng Management Consulting 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 Wenzheng Management Consulting Co ltd filed Critical Shanghai Wenzheng Management Consulting Co ltd
Priority to CN202210456221.4A priority Critical patent/CN114841428A/zh
Publication of CN114841428A publication Critical patent/CN114841428A/zh
Pending legal-status Critical Current

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"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman 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
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • 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)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及线路规划技术领域，具体公开了一种公交线路规划方法及系统，所述方法包括根据所述访问权限获取公交车线路班次的GPS数据，根据预设的条件项对所述GPS数据进行筛选，得到待检信息表；获取线路站点的经纬度信息，得到站点表；基于预设的距离公式计算班次和线路站点的距离值，确定公交车的到站时间，进而获取乘客上车的站点信息和时间信息；根据乘客上车的站点信息和时间信息确定评价指标、乘客OD矩阵和各站点下车乘客数。本发明通过概率统计和大数据分析方法，通过真实的公交线路班次GPS轨迹数据和乘客刷卡等相关数据，获得准确度较高的公交出行特征，从而构建概率统计学算法，利用大数据分析方法，得到线路乘客上下站点信息。

Description

一种公交线路规划方法及系统
技术领域
本发明涉及线路规划技术领域，具体是一种公交线路规划方法及系统。
背景技术
概率统计学是通过研究给定的样本数据观察数据的分布和性质，预测分布模型和参数。主要用于对随机变量进行重复观察，根据得到的观察结果对原始数据分布进行统计推断。目前市面上使用概率统计学和大数据分析方法来计算公交OD客流的方法并不多，如何获取线路乘客上下站点信息是本发明技术方案想要解决的技术问题。
发明内容
本发明的目的在于提供一种公交线路规划方法及系统，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种公交线路规划方法，所述方法包括：
向公交公司发送访问请求，获取访问权限；
根据所述访问权限获取公交车线路班次的GPS数据，根据预设的条件项对所述GPS数据进行筛选，得到待检信息表；所述条件项包括时间条件和速度条件；
获取线路站点的经纬度信息，得到站点表；所述站点表中的数据基于站点编号进行排序；
基于预设的距离公式计算班次和线路站点的距离值，确定公交车的到站时间，基于所述到站时间获取乘客上车的站点信息和时间信息；
根据乘客上车的站点信息和时间信息确定评价指标；所述评价指标包括公交站点的客流发生强度、客流吸引强度、公交换乘能力和公交吸引强度；
基于所述评价指标计算乘客OD矩阵和各站点下车乘客数。
作为本发明进一步的方案：所述根据所述访问权限获取公交车线路班次的GPS数据，根据预设的条件项对所述GPS数据进行筛选，得到待检信息表的步骤包括：
根据所述访问权限建立与公交公司数据库之间的连接通道，获取各线路不同班次公交车的GPS数据；
根据预设的时间范围剔除非运营时段的GPS数据，得到第一缓存数据；
根据预设的速度阈值在所述第一缓存数据中筛选出进站区间的GPS数据，得到第二缓存数据；
统计所述第二缓存数据，得到待检信息表。
作为本发明进一步的方案：所述基于预设的距离公式计算班次和线路站点的距离值，确定公交车的到站时间，基于所述到站时间获取乘客上车的站点信息和时间信息的步骤包括：
基于预设的距离公式计算各班次与线路站点之间的距离值，将所述距离值与预设的距离阈值进行比对；
当所述距离值小于预设的距离阈值时，记录持续时长，根据预设的定位规则在所述持续时长中选取时间点，作为公交车的到站时间；
获取该公交车的乘客刷卡数据，基于所述到站时间对所述乘客刷卡数据进行分类；
其中，所述距离公式为：
Figure BDA0003616950310000021
作为本发明进一步的方案：所述根据乘客上车的站点信息和时间信息确定评价指标的步骤包括：
统计乘客上车的站点信息及相应的时间信息，得到以乘客编号为索引的乘客数据，并将所述乘客数据输入预设的历史数据库中；
读取预设时间范围内的所有乘客数据，基于所述乘客编号对所述乘客数据进行分类；
获取同一乘客编号的乘客数据中的时间信息和方向信息，根据时间信息和方向信息生成所述乘客数据的时段标签和方向标签；所述时段标签包括上午和下午，所述方向标签包括上行和下行；
将上午上行的站点信息作为上车站点，下午下行的站点信息作为下车站点，生成通勤记录；
根据所述通勤记录统计各线路中各站点的乘客数据；
基于各站点的乘客数据确定评价指标；所述评价指标包括公交站点的客流发生强度、客流吸引强度、公交换乘能力和公交吸引强度。
作为本发明进一步的方案：所述客流发生强度的计算公式为：
Figure BDA0003616950310000031
其中，Si为站点i客流发生强度，Ni为本站点上车人数；
所述客流吸引强度的计算公式为：
Figure BDA0003616950310000032
其中，Ei为站点i客流吸引强度，Oi为本站点下车人数；
Figure BDA0003616950310000033
其中，Ti为站点i的公交换乘能力；ti为经过站点i的线路数；
所述公交吸引强度的计算公式为：
Wi＝klSi+k2Ei+k3Ti；
其中，Wi为站点i的公交换乘能力。
作为本发明进一步的方案：计算线路的乘客OD矩阵的计算公式为：
Figure BDA0003616950310000034
其中，Pij表示乘客在站点i上车在站点j下车的概率，Wj为各站点的公交吸引强度。
作为本发明进一步的方案：各站点下车乘客数的计算公式为：
Figure BDA0003616950310000035
其中，mj为站点j上车乘客数，nj为站点j下车乘客数，Pji为乘客在站点j上车在站点i下车的概率，ni为已知在站点i下车的乘客数。
本发明技术方案还提供了一种公交线路规划系统，所述系统包括：
权限获取模块，用于向公交公司发送访问请求，获取访问权限；
数据筛选模块，用于根据所述访问权限获取公交车线路班次的GPS数据，根据预设的条件项对所述GPS数据进行筛选，得到待检信息表；所述条件项包括时间条件和速度条件；
站点表生成模块，用于获取线路站点的经纬度信息，得到站点表；所述站点表中的数据基于站点编号进行排序；
乘客信息获取模块，用于基于预设的距离公式计算班次和线路站点的距离值，确定公交车的到站时间，基于所述到站时间获取乘客上车的站点信息和时间信息；
指标确定模块，用于根据乘客上车的站点信息和时间信息确定评价指标；所述评价指标包括公交站点的客流发生强度、客流吸引强度、公交换乘能力和公交吸引强度；
参数计算模块，用于基于所述评价指标计算乘客OD矩阵和各站点下车乘客数。
作为本发明进一步的方案：所述乘客信息获取模块包括：
比对单元，用于基于预设的距离公式计算各班次与线路站点之间的距离值，将所述距离值与预设的距离阈值进行比对；
到站时间确定单元，用于当所述距离值小于预设的距离阈值时，记录持续时长，根据预设的定位规则在所述持续时长中选取时间点，作为公交车的到站时间；
数据分类单元，用于获取该公交车的乘客刷卡数据，基于所述到站时间对所述乘客刷卡数据进行分类；
其中，所述距离公式为：
Figure BDA0003616950310000041
作为本发明进一步的方案：所述指标确定模块包括：
第一统计单元，用于统计乘客上车的站点信息及相应的时间信息，得到以乘客编号为索引的乘客数据，并将所述乘客数据输入预设的历史数据库中；
数据提取单元，用于读取预设时间范围内的所有乘客数据，基于所述乘客编号对所述乘客数据进行分类；
标签生成单元，用于获取同一乘客编号的乘客数据中的时间信息和方向信息，根据时间信息和方向信息生成所述乘客数据的时段标签和方向标签；所述时段标签包括上午和下午，所述方向标签包括上行和下行；
通勤记录生成单元，用于将上午上行的站点信息作为上车站点，下午下行的站点信息作为下车站点，生成通勤记录；
第二统计单元，用于根据所述通勤记录统计各线路中各站点的乘客数据；
处理执行单元，用于基于各站点的乘客数据确定评价指标；所述评价指标包括公交站点的客流发生强度、客流吸引强度、公交换乘能力和公交吸引强度。
与现有技术相比，本发明的有益效果是：本发明通过概率统计和大数据分析方法，通过真实的公交线路班次GPS轨迹数据和乘客刷卡等相关数据，获得准确度较高的公交出行特征，从而构建概率统计学算法，利用大数据分析方法，得到线路乘客上下站点信息。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术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发明的一些实施例。
图1为公交线路规划方法的流程框图。
图2为公交线路规划方法的第一子流程框图。
图3为公交线路规划方法的第二子流程框图。
图4为公交线路规划方法的第三子流程框图。
图5为公交线路规划系统的组成结构框图。
图6为公交线路规划系统中乘客信息获取模块的组成结构框图。
图7为公交线路规划系统中指标确定模块的组成结构框图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明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发明，并不用于限定本发明。
实施例1
图1为公交线路规划方法的流程框图，本发明实施例中，一种公交线路规划方法，所述方法包括：
步骤S100：向公交公司发送访问请求，获取访问权限；
本发明技术方案以公交线路规划分析需求为切入口，把从公交公司获取的基础的公交数据源，结合概率统计学和大数据分析方法。充分挖掘乘客出行相关信息，分析乘客出行OD，对提高公交线网规划方案评价结果的合理性具有很高价值，更可以带动传统的公交管理模式转向大数据精细化管理模式；可以看出，所述公交数据源由公交公司存储，只有获取了公交公司的访问权限，才能获取公交数据源。
步骤S200：根据所述访问权限获取公交车线路班次的GPS数据，根据预设的条件项对所述GPS数据进行筛选，得到待检信息表；所述条件项包括时间条件和速度条件；
步骤S300：获取线路站点的经纬度信息，得到站点表；所述站点表中的数据基于站点编号进行排序；
筛选公交车GPS相关信息，包括公交线路、车辆信息、GPS记录时间、上下行信息和经纬度信息；需要注意的是，由于GPS数据量很大，为了更高效的进行数据处理，可以预先处理掉部分无效数据，如选取车辆运营时间范围内，车辆运行速度小于5公里的GPS相关信息。下面的一些表中列出了与车辆GPS相关的特征以及和线路相关的一些重要属性，例如车辆的线路名称，车辆名称和GPS点位等基础信息。
表1-1线路车辆行驶信息表
Figure BDA0003616950310000061
Figure BDA0003616950310000071
表1-2线路表
字段名 描述 样例
line_name 线路名称 6路
line_no 线路编号 1156
up_down 上下行信息 0
site_no 站点编号 2
site_name 站点名称 文化路开元路
lng 站点经度 113.651383
lat 站点纬度 34.873522
表1-3刷卡信息表
字段名 描述 样例
pay_timestamp 刷卡时间 2019-12-1410:21:36
card_hour 刷卡小时 10
up_down 上下行信息 0
line_no 线路编号 1156
bus_no 车辆编号 12811
card_id 刷卡卡号 604118151
line_name 线路名名称 6路
步骤S400：基于预设的距离公式计算班次和线路站点的距离值，确定公交车的到站时间，基于所述到站时间获取乘客上车的站点信息和时间信息；
判断公交车是否到达某一站点的依据是公交车与站点之间的距离，当距离值小于预设的阈值时，就认为公交车到站了，进而根据该公交车的刷卡数据获取乘客的上车站点信息和相应的时间信息；
具体的，根据公交车到站时间和乘客刷卡信息，匹配乘客刷卡进站站点相关信息，选取公交车进站时间和刷卡时间差在120s内即代表乘客在此站点刷卡上车，得到乘客上车的站点信息和时间信息。
步骤S500：根据乘客上车的站点信息和时间信息确定评价指标；所述评价指标包括公交站点的客流发生强度、客流吸引强度、公交换乘能力和公交吸引强度；
步骤S600：基于所述评价指标计算乘客OD矩阵和各站点下车乘客数；
步骤S500和步骤S600是最终的数据计算过程，根据统计的乘客数据分别确定评价指标、乘客OD矩阵和各站点下车乘客数。
图2为公交线路规划方法的第一子流程框图，所述根据所述访问权限获取公交车线路班次的GPS数据，根据预设的条件项对所述GPS数据进行筛选，得到待检信息表的步骤包括步骤S201至步骤S204：
步骤S201：根据所述访问权限建立与公交公司数据库之间的连接通道，获取各线路不同班次公交车的GPS数据；
步骤S202：根据预设的时间范围剔除非运营时段的GPS数据，得到第一缓存数据；
步骤S203：根据预设的速度阈值在所述第一缓存数据中筛选出进站区间的GPS数据，得到第二缓存数据；
步骤S204：统计所述第二缓存数据，得到待检信息表。
步骤S201至步骤S204对数据的筛选过程进行了具体的限定，首先，获取某一线路中不同班次公交车的GPS数据，对该班次公交车的GPS数据进行基于时间条件和速度条件的筛选，即可得到该班次的待检信息；统计所有线路和所述班次即可得到一张待检信息表。
图3为公交线路规划方法的第二子流程框图，所述基于预设的距离公式计算班次和线路站点的距离值，确定公交车的到站时间，基于所述到站时间获取乘客上车的站点信息和时间信息的步骤包括步骤S401至步骤S403：
步骤S401：基于预设的距离公式计算各班次与线路站点之间的距离值，将所述距离值与预设的距离阈值进行比对；
步骤S402：当所述距离值小于预设的距离阈值时，记录持续时长，根据预设的定位规则在所述持续时长中选取时间点，作为公交车的到站时间；
步骤S403：获取该公交车的乘客刷卡数据，基于所述到站时间对所述乘客刷卡数据进行分类；
其中，所述距离公式为：
Figure BDA0003616950310000091
上述内容对到站时间的确定过程进行了具体的扩充，最重要的，对所述预设的距离公式进行了限定，上述公式中的各字段说明如下：
表2-1算法字段说明表
变量名 变量
R 地球半径
α A点和B点间的纬度差
latA A点的弧度
latB B的弧度
β A和B点间的经度差
图4为公交线路规划方法的第三子流程框图，所述根据乘客上车的站点信息和时间信息确定评价指标的步骤包括步骤S501至步骤S506：
步骤S501：统计乘客上车的站点信息及相应的时间信息，得到以乘客编号为索引的乘客数据，并将所述乘客数据输入预设的历史数据库中；
步骤S502：读取预设时间范围内的所有乘客数据，基于所述乘客编号对所述乘客数据进行分类；
步骤S503：获取同一乘客编号的乘客数据中的时间信息和方向信息，根据时间信息和方向信息生成所述乘客数据的时段标签和方向标签；所述时段标签包括上午和下午，所述方向标签包括上行和下行；
步骤S504：将上午上行的站点信息作为上车站点，下午下行的站点信息作为下车站点，生成通勤记录；
步骤S505：根据所述通勤记录统计各线路中各站点的乘客数据；
步骤S506：基于各站点的乘客数据确定评价指标；所述评价指标包括公交站点的客流发生强度、客流吸引强度、公交换乘能力和公交吸引强度。
进一步的，所述客流发生强度的计算公式为：
Figure BDA0003616950310000101
其中，Si为站点i客流发生强度，Ni为本站点上车人数；
所述客流吸引强度的计算公式为：
Figure BDA0003616950310000102
其中，Ei为站点i客流吸引强度，Oi为本站点下车人数；
Figure BDA0003616950310000103
其中，Ti为站点i的公交换乘能力；ti为经过站点i的线路数；
所述公交吸引强度的计算公式为：
Wi＝klSi+k2Ei+k3Ti；
其中，Wi为站点i的公交换乘能力。
具体的，计算线路的乘客OD矩阵的计算公式为：
Figure BDA0003616950310000104
其中，Pij表示乘客在站点i上车在站点j下车的概率，Wj为各站点的公交吸引强度。
各站点下车乘客数的计算公式为：
Figure BDA0003616950310000105
其中，mj为站点j上车乘客数，nj为站点j下车乘客数，Pji为乘客在站点j上车在站点i下车的概率，ni为已知在站点i下车的乘客数。
在本发明技术方案的一个实例中，5.根据历史数据计算通勤乘客上下车站点信息，选取一个月通勤乘客的刷卡数据，将刷卡时间和刷卡方向区分为上下午和上下行，对同一张卡号，将上午上行的上车站点作为上车站点，将下午下行的上车站点作为下车站点作为一条记录。将下午下行的上车站点作为上车站点，将上午上行的上车站点作为下车站点作为一条记录，获得的刷卡记录示例如下：
表3-1样例上下车记录表
线路 班次 上下行 刷卡卡号 刷卡时间 上车站点编号 上车站点名称
6路 1156 0 6041181 2019-12-2408:12:21 07 文化路三全路
6路 1156 1 6041181 2019-12-2417:45:58 16 文化路俭学路
使用空间数据库计算完成各线路站点上下车乘客统计数据，就可以得到以下变量：
表3-2算法字段说明表
变量名 变量解释
Ni 站点上车乘客数
oi 站点下车乘客数
获得各线路站点的公交吸引强度值，计算得到的6路公交站点公交吸引强度示例如下：
表3-3样例公交站点吸引强度
Figure BDA0003616950310000111
Figure BDA0003616950310000121
统计6路车各站点的公交OD矩阵如下：
表3-4样例公交OD矩阵
Figure BDA0003616950310000122
为了便于理解本发明技术方案，以线路6说明最终通过概率统计和大数据分析获取的结果，如下表所示：
表4-1统计计算结果
Figure BDA0003616950310000131
Figure BDA0003616950310000141
根据上表中的数据，我们可以做很多事情。例如可以通过计算机程序的固定化实现站点OD获取的实时化，自动化和快速化，可以快速的为城市公交线网优化和规划，公交车辆调度方案的制定和优化提高数据支持服务，优化公交组织效率，提升居民公交满意度等等。
实施例2
图5为公交线路规划系统的组成结构框图，本发明实施例中，一种公交线路规划系统，所述系统10包括：
权限获取模块11，用于向公交公司发送访问请求，获取访问权限；
数据筛选模块12，用于根据所述访问权限获取公交车线路班次的GPS数据，根据预设的条件项对所述GPS数据进行筛选，得到待检信息表；所述条件项包括时间条件和速度条件；
站点表生成模块13，用于获取线路站点的经纬度信息，得到站点表；所述站点表中的数据基于站点编号进行排序；
乘客信息获取模块14，用于基于预设的距离公式计算班次和线路站点的距离值，确定公交车的到站时间，基于所述到站时间获取乘客上车的站点信息和时间信息；
指标确定模块15，用于根据乘客上车的站点信息和时间信息确定评价指标；所述评价指标包括公交站点的客流发生强度、客流吸引强度、公交换乘能力和公交吸引强度；
参数计算模块16，用于基于所述评价指标计算乘客OD矩阵和各站点下车乘客数。
图6为公交线路规划系统中乘客信息获取模块的组成结构框图，所述乘客信息获取模块14包括：
比对单元141，用于基于预设的距离公式计算各班次与线路站点之间的距离值，将所述距离值与预设的距离阈值进行比对；
到站时间确定单元142，用于当所述距离值小于预设的距离阈值时，记录持续时长，根据预设的定位规则在所述持续时长中选取时间点，作为公交车的到站时间；
数据分类单元143，用于获取该公交车的乘客刷卡数据，基于所述到站时间对所述乘客刷卡数据进行分类；
其中，所述距离公式为：
Figure BDA0003616950310000151
图7为公交线路规划系统中指标确定模块15的组成结构框图，所述指标确定模块15包括：
第一统计单元151，用于统计乘客上车的站点信息及相应的时间信息，得到以乘客编号为索引的乘客数据，并将所述乘客数据输入预设的历史数据库中；
数据提取单元152，用于读取预设时间范围内的所有乘客数据，基于所述乘客编号对所述乘客数据进行分类；
标签生成单元153，用于获取同一乘客编号的乘客数据中的时间信息和方向信息，根据时间信息和方向信息生成所述乘客数据的时段标签和方向标签；所述时段标签包括上午和下午，所述方向标签包括上行和下行；
通勤记录生成单元154，用于将上午上行的站点信息作为上车站点，下午下行的站点信息作为下车站点，生成通勤记录；
第二统计单元155，用于根据所述通勤记录统计各线路中各站点的乘客数据；
处理执行单元156，用于基于各站点的乘客数据确定评价指标；所述评价指标包括公交站点的客流发生强度、客流吸引强度、公交换乘能力和公交吸引强度。
所述公交线路规划方法所能实现的功能均由计算机设备完成，所述计算机设备包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条程序代码，所述程序代码由所述一个或多个处理器加载并执行以实现所述公交线路规划方法的功能。
处理器从存储器中逐条取出指令、分析指令，然后根据指令要求完成相应操作，产生一系列控制命令，使计算机各部分自动、连续并协调动作，成为一个有机的整体，实现程序的输入、数据的输入以及运算并输出结果，这一过程中产生的算术运算或逻辑运算均由运算器完成；所述存储器包括只读存储器(Read-Only Memory，ROM)，所述只读存储器用于存储计算机程序，所述存储器外部设有保护装置。
示例性的，计算机程序可以被分割成一个或多个模块，一个或者多个模块被存储在存储器中，并由处理器执行，以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在终端设备中的执行过程。
本领域技术人员可以理解，上述服务设备的描述仅仅是示例，并不构成对终端设备的限定，可以包括比上述描述更多或更少的部件，或者组合某些部件，或者不同的部件，例如可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，上述处理器是上述终端设备的控制中心，利用各种接口和线路连接整个用户终端的各个部分。
上述存储器可用于存储计算机程序和/或模块，上述处理器通过运行或执行存储在存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现上述终端设备的各种功能。存储器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(比如信息采集模板展示功能、产品信息发布功能等)等；存储数据区可存储根据泊位状态显示系统的使用所创建的数据(比如不同产品种类对应的产品信息采集模板、不同产品提供方需要发布的产品信息等)等。此外，存储器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，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)、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。
终端设备集成的模块/单元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，本发明实现上述实施例系统中的全部或部分模块/单元，也可以通过计算机程序来指令相关的硬件来完成，上述的计算机程序可存储于计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个系统实施例的功能。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random AccessMemory)、电载波信号、电信信号以及软件分发介质等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种公交线路规划方法，其特征在于，所述方法包括：
向公交公司发送访问请求，获取访问权限；
根据所述访问权限获取公交车线路班次的GPS数据，根据预设的条件项对所述GPS数据进行筛选，得到待检信息表；所述条件项包括时间条件和速度条件；
获取线路站点的经纬度信息，得到站点表；所述站点表中的数据基于站点编号进行排序；
基于预设的距离公式计算班次和线路站点的距离值，确定公交车的到站时间，基于所述到站时间获取乘客上车的站点信息和时间信息；
根据乘客上车的站点信息和时间信息确定评价指标；所述评价指标包括公交站点的客流发生强度、客流吸引强度、公交换乘能力和公交吸引强度；
基于所述评价指标计算乘客OD矩阵和各站点下车乘客数。
2.根据权利要求1所述的公交线路规划方法，其特征在于，所述根据所述访问权限获取公交车线路班次的GPS数据，根据预设的条件项对所述GPS数据进行筛选，得到待检信息表的步骤包括：
根据所述访问权限建立与公交公司数据库之间的连接通道，获取各线路不同班次公交车的GPS数据；
根据预设的时间范围剔除非运营时段的GPS数据，得到第一缓存数据；
根据预设的速度阈值在所述第一缓存数据中筛选出进站区间的GPS数据，得到第二缓存数据；
统计所述第二缓存数据，得到待检信息表。
3.根据权利要求1所述的公交线路规划方法，其特征在于，所述基于预设的距离公式计算班次和线路站点的距离值，确定公交车的到站时间，基于所述到站时间获取乘客上车的站点信息和时间信息的步骤包括：
基于预设的距离公式计算各班次与线路站点之间的距离值，将所述距离值与预设的距离阈值进行比对；
当所述距离值小于预设的距离阈值时，记录持续时长，根据预设的定位规则在所述持续时长中选取时间点，作为公交车的到站时间；
获取该公交车的乘客刷卡数据，基于所述到站时间对所述乘客刷卡数据进行分类；
其中，所述距离公式为：
Figure 590324DEST_PATH_IMAGE001
。
4.根据权利要求1所述的公交线路规划方法，其特征在于，所述根据乘客上车的站点信息和时间信息确定评价指标的步骤包括：
统计乘客上车的站点信息及相应的时间信息，得到以乘客编号为索引的乘客数据，并将所述乘客数据输入预设的历史数据库中；
读取预设时间范围内的所有乘客数据，基于所述乘客编号对所述乘客数据进行分类；
获取同一乘客编号的乘客数据中的时间信息和方向信息，根据时间信息和方向信息生成所述乘客数据的时段标签和方向标签；所述时段标签包括上午和下午，所述方向标签包括上行和下行；
将上午上行的站点信息作为上车站点，下午下行的站点信息作为下车站点，生成通勤记录；
根据所述通勤记录统计各线路中各站点的乘客数据；
基于各站点的乘客数据确定评价指标；所述评价指标包括公交站点的客流发生强度、客流吸引强度、公交换乘能力和公交吸引强度。
5.根据权利要求1所述的公交线路规划方法，其特征在于，所述客流发生强度的计算公式为：
Figure 760274DEST_PATH_IMAGE002
；
其中，Si为站点i客流发生强度，
Figure DEST_PATH_IMAGE003
Figure 686642DEST_PATH_IMAGE004
为本站点上车人数；
所述客流吸引强度的计算公式为：
Figure 907539DEST_PATH_IMAGE005
；
其中，Ei为站点i客流吸引强度，
Figure 995581DEST_PATH_IMAGE006
Figure DEST_PATH_IMAGE007
为本站点下车人数；
Figure 793772DEST_PATH_IMAGE008
；
其中，Ti为站点i的公交换乘能力；
Figure 992672DEST_PATH_IMAGE010
Figure 317343DEST_PATH_IMAGE012
为经过站点i的线路数；
所述公交吸引强度的计算公式为：
Figure 576286DEST_PATH_IMAGE013
；
其中，Wi为站点i的公交换乘能力。
6.根据权利要求1所述的公交线路规划方法，其特征在于，计算线路的乘客OD矩阵的计算公式为：
Figure 596195DEST_PATH_IMAGE014
；
其中，
Figure 474152DEST_PATH_IMAGE015
Figure DEST_PATH_IMAGE016
表示乘客在站点i上车在站点j下车的概率，
Figure 263117DEST_PATH_IMAGE017
Figure 958540DEST_PATH_IMAGE018
为各站点的公交吸引强度。
7.根据权利要求6所述的公交线路规划方法，其特征在于，各站点下车乘客数的计算公式为：
Figure DEST_PATH_IMAGE019
；
其中，
Figure 855958DEST_PATH_IMAGE020
Figure 396661DEST_PATH_IMAGE021
为站点j上车乘客数，
Figure 305711DEST_PATH_IMAGE022
Figure DEST_PATH_IMAGE023
为站点j下车乘客数，
Figure 47402DEST_PATH_IMAGE024
Figure 41903DEST_PATH_IMAGE025
为乘客在站点j上车在站点i下车的概率，
Figure DEST_PATH_IMAGE026
Figure 651876DEST_PATH_IMAGE027
为已知在站点i下车的乘客数。
8.一种公交线路规划系统，其特征在于，所述系统包括：
权限获取模块，用于向公交公司发送访问请求，获取访问权限；
数据筛选模块，用于根据所述访问权限获取公交车线路班次的GPS数据，根据预设的条件项对所述GPS数据进行筛选，得到待检信息表；所述条件项包括时间条件和速度条件；
站点表生成模块，用于获取线路站点的经纬度信息，得到站点表；所述站点表中的数据基于站点编号进行排序；
乘客信息获取模块，用于基于预设的距离公式计算班次和线路站点的距离值，确定公交车的到站时间，基于所述到站时间获取乘客上车的站点信息和时间信息；
指标确定模块，用于根据乘客上车的站点信息和时间信息确定评价指标；所述评价指标包括公交站点的客流发生强度、客流吸引强度、公交换乘能力和公交吸引强度；
参数计算模块，用于基于所述评价指标计算乘客OD矩阵和各站点下车乘客数。
9.根据权利要求8所述的公交线路规划系统，其特征在于，所述乘客信息获取模块包括：
比对单元，用于基于预设的距离公式计算各班次与线路站点之间的距离值，将所述距离值与预设的距离阈值进行比对；
到站时间确定单元，用于当所述距离值小于预设的距离阈值时，记录持续时长，根据预设的定位规则在所述持续时长中选取时间点，作为公交车的到站时间；
数据分类单元，用于获取该公交车的乘客刷卡数据，基于所述到站时间对所述乘客刷卡数据进行分类；
其中，所述距离公式为：
Figure 540066DEST_PATH_IMAGE001
。
10.根据权利要求8所述的公交线路规划系统，其特征在于，所述指标确定模块包括：
第一统计单元，用于统计乘客上车的站点信息及相应的时间信息，得到以乘客编号为索引的乘客数据，并将所述乘客数据输入预设的历史数据库中；
数据提取单元，用于读取预设时间范围内的所有乘客数据，基于所述乘客编号对所述乘客数据进行分类；
标签生成单元，用于获取同一乘客编号的乘客数据中的时间信息和方向信息，根据时间信息和方向信息生成所述乘客数据的时段标签和方向标签；所述时段标签包括上午和下午，所述方向标签包括上行和下行；
通勤记录生成单元，用于将上午上行的站点信息作为上车站点，下午下行的站点信息作为下车站点，生成通勤记录；
第二统计单元，用于根据所述通勤记录统计各线路中各站点的乘客数据；
处理执行单元，用于基于各站点的乘客数据确定评价指标；所述评价指标包括公交站点的客流发生强度、客流吸引强度、公交换乘能力和公交吸引强度。
CN202210456221.4A 2022-04-26 2022-04-26 一种公交线路规划方法及系统 Pending CN114841428A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210456221.4A CN114841428A (zh) 2022-04-26 2022-04-26 一种公交线路规划方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210456221.4A CN114841428A (zh) 2022-04-26 2022-04-26 一种公交线路规划方法及系统

Publications (1)

Publication Number Publication Date
CN114841428A true CN114841428A (zh) 2022-08-02

Family

ID=82568334

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210456221.4A Pending CN114841428A (zh) 2022-04-26 2022-04-26 一种公交线路规划方法及系统

Country Status (1)

Country Link
CN (1) CN114841428A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115472011A (zh) * 2022-08-23 2022-12-13 江苏交控智慧城市技术有限公司 基于预约数据的公交智能线路规划算法
CN117516586A (zh) * 2024-01-08 2024-02-06 安徽中科中涣信息技术有限公司 一种基于gps信息自动统计车辆非运营里程的方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115472011A (zh) * 2022-08-23 2022-12-13 江苏交控智慧城市技术有限公司 基于预约数据的公交智能线路规划算法
CN115472011B (zh) * 2022-08-23 2023-09-22 江苏交控智慧城市技术有限公司 基于预约数据的公交智能线路规划算法
CN117516586A (zh) * 2024-01-08 2024-02-06 安徽中科中涣信息技术有限公司 一种基于gps信息自动统计车辆非运营里程的方法
CN117516586B (zh) * 2024-01-08 2024-04-05 安徽中科中涣信息技术有限公司 一种基于gps信息自动统计车辆非运营里程的方法

Similar Documents

Publication Publication Date Title
Nishiuchi et al. Spatial-temporal daily frequent trip pattern of public transport passengers using smart card data
CN114841428A (zh) 一种公交线路规划方法及系统
CN109903553B (zh) 多源数据挖掘的公交车上下车站点识别和检验方法
CN111932925A (zh) 一种公共交通站点的出行客流的确定方法、装置及系统
Ram et al. SMARTBUS: A web application for smart urban mobility and transportation
CN111881243B (zh) 一种出租车轨迹热点区域分析方法及系统
Chen et al. Extracting bus transit boarding stop information using smart card transaction data
You et al. A GPS data processing framework for analysis of drayage truck tours
Poulopoulou et al. Active traffic management in urban areas: Is it effective for professional drivers? The case of variable message signs
Kumar et al. Pattern-based time-discretized method for bus travel time prediction
Xu et al. Improving service quality of metro systems—A case study in the Beijing metro
Wepulanon et al. A real-time bus arrival time information system using crowdsourced smartphone data: a novel framework and simulation experiments
Yona et al. Data science and GIS-based system analysis of transit passenger complaints to improve operations and planning
Sun et al. Developing a method for estimating AADT on all Louisiana roads.
Karczmarek et al. Choquet integral-based aggregation for the analysis of anomalies occurrence in sustainable transportation systems
CN111680707A (zh) 基于公交系统的刷卡数据分析方法、电子终端及存储装置
Slik et al. Transaction-driven mobility analysis for travel mode choices
Erhardt Fusion of large continuously collected data sources: Understanding travel demand trends and measuring transport project impacts
Crawford et al. Analysing spatial intrapersonal variability of road users using point-to-point sensor data
US20220156660A1 (en) System and method for automatic identification of events for transport and event management
Iwan et al. Data flows in urban freight transport management system
Huang et al. Analysing taxi customer-search behaviour using Copula-based joint model
Cai et al. A bus passenger flow estimation method based on POI data and AFC data fusion
Akter Truck activity pattern classification using anonymous mobile sensor data
Zuniga-Garcia et al. O’Hare Airport Short-Term Ground Transportation Modal Demand Forecast Using Gaussian Processes

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