CN1959759A - 基于浮动车数据的交通分析方法 - Google Patents

Abstract

一种涉及基于浮动车数据的交通分析方法，尤指一种主要用于分析城市道路状况、统计出租车出行指标，计算出租车出行起讫点矩阵的交通分析方法。该方法通过对道路车速分析、出行起讫点OD分析及车辆出行指标分析，利用了缓冲区技术、关联校验技术、趋势夹角技术、主被动停车区分技术，数据飘移过滤技术、进行参数设置的组合分析，结合出租车回报数据的具体情况，统计出租车出行指标；主要解决如何进行各种过滤条件、参数设置的组合分析等有关技术问题。本发明的优点是：该方法对出租车数据进行了车辆状况的真实性、有效性判别后，计算了出租车全样本的出行起讫点OD矩阵，这在传统交通调查中是几乎不可能实现的，本方法具有全新的车辆出行起讫点OD分析手段等优点。

Description

基于浮动车数据的交通分析方法

技术领域

本发明涉及一种基于浮动车数据的交通分析方法，尤指一种主要用于分析城市道路状况、统计出租车出行指标，计算出租车出行起讫点矩阵的交通分析方法。

背景技术

国际上利用移动车辆进行交通分析已有不少的研究，主要研究领域在于利用浮动车数据(Flating Car Date，简称FCD)进行道路车速方面与出行起讫点(Origination-Destination简称OD)的分析，国际方面主要有东京大学、德国宇航中心、美国加里弗尼亚大学交通研究所等，在国内也有了部分应用，如宁波道路车速分析系统就是利用德国宇航中心的技术成果。

(1)基于FCD的道路行程车速分析技术

日本、德国对利用出租车(Global Position System，简称GPS)数据进行道路车速分析进行了具体的研究工作，并进行了实际应用。本发明方法完全为自主创新、独立开发，从技术细节上来看，与国外同类技术有较大的区别。主要表现在参数设置、过滤条件与方法、数据融合手段等方面，日本东京大学的车速分析使用的排除法，对一切不确定的回报信息都采取删除的方法，回将出租车回报间隔大于15分钟、车速大于60公里/小时、车速小于前一回报间隔的75％、停车时间超过100秒等信息一律加以删除，这样做虽然简单，但明显的后果是往往把现实道路中真实有用的信息也一起去掉了，最后的结果是道路运行情况始终保持稳定的状态，而不能充分反映全面真实的道路交通状况。

(2)基于FCD的出租车出行特征分析技术

国内外浮动车数据分析主要用于道路车速分析及出行起讫点OD分析等，车辆出行指标分析领域中的应用研究尚属空白。

发明内容

为了克服上述不足之处，本发明的主要目的旨在提供一种通过浮动车数据综合分析模块、OD矩阵分析模块、出租车出行指标分析模块及数据飘移过滤技术等多项技术与各种过滤条件、参数设置的组合分析，结合出租车回报数据的具体情况进行交通分析，达到灵活高效的对道路车速进行分析的基于浮动车数据的交通分析方法。

本发明要解决的技术问题是：主要解决如何通过缓冲区技术、关联校验技术、趋势夹角技术、主被动停车区分技术，数据飘移过滤技术等多项技术问题；要解决如何进行各种过滤条件、参数设置的组合分析等有关技术问题。

本发明解决其技术问题所采用的技术方案是：该发明为一种基于浮动车数据的交通分析方法，该方法是通过对道路车速分析、出行起讫点OD分析及车辆出行指标分析，利用了缓冲区技术、关联校验技术、趋势夹角技术、主被动停车区分技术，数据飘移过滤技术、进行参数设置的组合分析，结合出租车回报数据的具体情况，统计出租车出行指标，计算出租车OD矩阵，形成专业化的交通分析系统，其主要包括：

浮动车数据综合分析模块、出行起讫点OD分析模块及出租车出行综合指标分析模块，其中：

浮动车数据综合分析模块是利用浮动车数据与交通地理信息系统相结合，对道路车速状况进行综合统计分析，该模块流程的具体工作步骤是：

步骤1.浮动车原始数据

浮动车原始数据模块的输入输出信号分别与数据完整性校验、数据有效性校验、标准化处理模块的输出输入信号相连接；

步骤2.数据处理

数据完整性校验、数据有效性校验、数据标准化模块的输出信号分别与预处理数据库模块的输入信号相连接；

浮动车原始数据经过数据处理：完整性校验、数据有效性校验、数据标准化之后存入预处理数据库；

步骤3.预处理数据库与交通地理信息系统信息相结合

预处理数据库模块的输出信号与地理信息匹配(106)模块的输入信号相连接；具体为：

a)、预处理数据库与交通地理信息系统信息相结合，进行地理属性匹配；

b)、用缓冲区法、关联校验技术、趋势夹角判别技术

先用缓冲区法，以道路中心线建立缓冲区；缓冲区取值为单向道路宽度加上全球定位系统GPS精度范围，为5-10米；

再利用缓冲区判断浮动车回报点大致与哪些路段相关；

c)、判断

接着使用关联校验方法判断出同一车辆前后两回报点都与同一路段相关的情况，利用趋势夹角判别方法对前后两点分属不同路段的情况进行判别和分析；

d)、归并

当前后两回报点属于同一路段时，将其归并到该路段；当前后两点分属不同路段时，分为两路段有交点和无交点两种情况，有交点的情况，将全球定位系统GPS回报数据按权重分配到相关的两条路段上；无交点的，找出其可能经过的路段，将全球定位系统GPS回报数据赋予相关路段；

步骤4.中间处理数据库

地理信息匹配模块的输出信号与中间处理数据库模块的输入信号相连接；

在进行路段匹配处理后，在数据库中添加路段的属性表，包括其所属行政区、交通地带、交通分区、路段名称、起讫路名、道路等级、道路类型、所属交通走廊信息，形成中间处理数据库；

步骤5.查询数据源选择

中间处理数据库模块的输出信号与查询数据源选择模块的输入信号相连接；

中间处理数据库进行最终统计查询过程中，首先进行的是查询数据源选择，数据源选择模块功能有以下几项：

a)、数据来源公司选择

可选择一家公司或几家公司的数据进行统计分析；

b)、日期选择

可选择查询日期范围；

c)、星期几选择

在日期选择的基础上，可按星期几进一步进行细分，可进行工作日与休息日、周初和周末的比较分析，也可进行一周变化趋势的分析；

d)、时段选择

可选择查询数据的时间段；可进行昼夜、早晚高峰、特殊时段时间区间的分析比较；

e)、空、重车选择

为有无载客的数据选择，可分析空车、重车不同的出行特征、规律；

f)、组合查询

以上5类选项为交叉组合查询；

步骤6.数据过滤

选择了查询数据源后，将进行数据过滤，过滤模块包括以下五项：

a)、时间间隔

指浮动车前后两点之间的时间差，当时间间隔过大时回报数据将无法准确反映道路交通运行的实际状况，所以需要对可用的最大时间间隔进行限制；

b)、距离间隔

指浮动车前后两点之间的距离差，当距离间隔过大时，前后两点跨越路段过多，不能准确反映道路交通状况，所以可用最大距离间隔过滤；

c)、停车时间间隔

指车辆速度为0状态持续的时间；停车分两种情况：

第一种是被动停车，车辆遇到交叉口红灯、拥堵、事故情况发生的停车行为，进行道路状况分析时需要包含这种停车行为；

第二种是主动停车，指驾驶员有目的的停车行为，进行道路状况分析时需要排除这种停车行为；

所以就需要使用可调整的停车时间间隔来区分这两种停车行为，取值为至少大于300秒；

d)、停车位移判别

民用的全球定位系统GPS存在精度误差为5-10米，在车辆静止时还是会产生回报位置漂移的现象，也就是说没有绝对车速为0的状态；

浮动车最小的回报间隔是20秒，将车速小于1.8公里/小时的数据都认为处于停车状态；则进一步判别是主/被动停车就可以参考停车时间间隔范围内车辆移动的距离；

当车辆移动距离在全球定位系统GPS飘移范围之内，就可以判断基本属于主动停车；

当车辆移动距离超出了全球定位系统GPS的飘移范围，就要谨慎的加以判断，很可能是处于交通拥堵、交通事故所引起的被动停车状态；

e)、速度

所有的道路都有车速上限的限制，当出现浮动车速度远超过道路车速上限的情况，就可能是全球定位系统GPS回报出现大范围的漂移；

具体进行道路车速状况分析的时候，就需要过滤掉这样大范围漂移的数据；

考虑到事实上可能出现的短暂超速现象，原则上速度过滤值取道路车速上限再乘上一个浮动系数；

步骤7.统计查询目标的选择

数据过滤模块的输出信号分别与道路类型选择、区域选择及交通走廊选择模块的输入信号相连接；

数据过滤后，进行统计查询目标的选择：

道路类型选择分为快速路、主干路、次干路、桥梁隧道，可选择不同等级和类型的道路进行组合查询；

区域选择可按不同地带、交通分区的组合进行统计目标区域选择，可进行区域交通状况的整体分析和不同区域之间交通状况的对比分析；

交通走廊选择可按不同交通走廊，交通通道，进行特殊交通走廊的交通状况分析，可对重点路段进行更细致的统计分析；

步骤8.道路交通状况分析结果

根据查询数据源选择、过滤条件选择、查询条件选择，系统计算出最终的道路状况分析结果，其表达形式有电子地图、电子报表两种形式。

所述的基于浮动车数据的交通分析方法的出行起讫点OD分析模块是将浮动车的预处理数据，转变成按交通分区统计的出行起讫点信息，该模块流程的具体工作步骤是：

步骤1.浮动车预处理数据库

先从浮动车预处理数据库中读取数据；

步骤2.判断是否同一车辆

浮动车预处理数据库模块的输出信号与是否同一车辆模块的输入信号相连接；

判断数据是否同一车辆？如果是同一车辆，则进入是否一次出行模块；如否，则返回浮动车预处理数据库，为进入原始数据库重新读取；

步骤3.判断是否一次出行

是否同一车辆模块的输出信号与是否一次出行模块的输入信号相连接；

车辆归类后，按车辆状况可判断数据是否同一次出行？如果是属于同一次出行，则进入生成出行起讫点信息模块；如否，则返回浮动车预处理数据库模块；

步骤4.生成出行起讫点信息

是否同一次出行模块的输出信号与生成出行起讫点信息模块的输入信号相连接；

在得到同一车辆同次出行的数据后，则可得到该车辆该次出行的出发时间、起点位置、到达时间、终点位置生成出行起讫点信息；

步骤5.生成出行时耗/出行距离出行特征数据

生成出行起讫点信息模块的输出信号与生成出行时耗/出行距离出行特征数据模块的输入信号相连接；

根据出行起讫点信息并对应浮动车原始数据库的回报记录，可生成出行时耗/出行距离出行特征数据；

步骤6.出行起讫点OD矩阵分布图表

生成出行时耗/出行距离出行特征数据模块的输出信号与出行起讫点OD矩阵分布图表模块的输入信号相连接；

将所有出行起讫点及特征数据汇总后，可生成出行起讫点OD矩阵分布图表。

所述的基于浮动车数据的交通分析方法的出租车出行综合指标分析模块建立在浮动车出行起讫点OD出行分析模块基础上，在出行起讫点OD分析模块得到了浮动车OD数据库后，设置过滤条件过滤掉可能出现的假空驶和假重驶现象，再计算各类出行指标，该模块流程的具体工作步骤是：

步骤1.浮动车OD数据库

先从浮动车OD数据库中读取数据；

步骤2.设置过滤条件

浮动车OD数据库模块的输出信号与设置过滤条件模块的输入信号相连接；

步骤3.计算各类出行指标

设置过滤条件模块的输出信号与计算各类出行指标模块的输入信号相连接；

步骤4.出行原始指标

计算各类出行指标模块的输出信号分别与出行原始指标界面的各模块工作车辆总数、总车次、重车总车次、空车总车次、总车公里数、重车公里数、空车公里数、总出行时间、重车出行时间及空车出行时间模块的输入信号相连接；

步骤5.出行衍生指标

原始指标界面的各模块工作车辆总数、重车总车次、总车公里数、重车公里数、空车公里数、总出行时间及重车出行时间模块的输出信号分别与相应的出行衍生指标界面的各模块里程利用率、时间利用率、平均每车的服务车次、平均每车的行驶里程、平均每车载客行驶里程、平均乘距、平均每次载客出行时间、平均每车工作时间及平均每车载客工作时间模块的输入信号相连接；其界面设置及各模块流程的具体工作步骤是：

a)、总车公里数和重车公里数模块的输出信号经由重车公里数/总车公里数组合模块后传输到里程利用率模块；

b)、空车公里数、总出行时间和重车出行时间模块的输出信号经由重车出行时间/总出行时间组合模块后传输到时间利用率模块；

c)、工作车辆总数和重车总车次模块的输出信号经由载重总车次/工作车辆总组合模块后传输到平均每车的服务车次模块；

d)、工作车辆总数和总车公里数模块的输出信号一路经由重车时间/工作车辆总数组合模块后传输到平均每车载客工作时间模块，另一路经由总车公里数/工作车辆总组合模块后传输到平均每车的行驶里程模块；

e)、工作车辆总数和重车公里数模块的输出信号一路经由重车时间/工作车辆总数组合模块后传输到平均每车载客工作时间模块，另一路经由重车公里数/工作车辆总组合模块后传输到平均每车载客行驶里程模块；

f)、重车总车次和重车公里数模块的输出信号经由重车距离/重车次数组合模块后传输到平均乘距模块；

g)、重车总车次和重车出行时间模块的输出信号一路经由重车时间/工作车辆总数组合模块后传输到平均每车载客工作时间模块，另一路经由重车出行时间/重车次数组合模块后传输到平均每次载客出行时间模块；

h)、工作车辆总数和总出行时间模块的输出信号经由总出行时间/工作车辆总组合模块后传输到平均每车工作时间模块；

i)、工作车辆总数和重车出行时间模块的输出信号经由重车时间/工作车辆总数组合模块后传输到平均每车载客工作时间模块。

本发明的有益效果是：该方法包括出租车出行综合指标分析系统，该系统可对包括出租车平均行驶里程，平均行驶时间，平均出行次数，平均载客次数，空载率等二十多项原始指标及衍生指标进行统计分析，极大的拓展了浮动车数据FCD的应用范围；同时，本发明又对出租车数据进行了车辆状况的真实性、有效性判别后，计算了出租车全样本的出行起讫点OD矩阵，这在传统交通调查中是几乎不可能实现的，本方法具有全新的车辆出行起讫点OD分析手段等优点。

附图说明

下面结合附图和实施例对本发明进一步说明。

附图1为本发明硬件环境示意图；

附图2为本发明硬件环境总模块结构示意图；

附图3为本发明浮动车数据综合分析模块程序流程图；

附图4为本发明出行起讫点OD分析模块程序流程图；

附图5为本发明出租车出行综合指标分析模块程序流程图；

附图中标号说明：

1-浮动车数据综合分析模块；                101-浮动车原始数据；

2-OD矩阵分析模块；                        102-数据完整性校验；

3-出租车出行指标分析模块；                103-数据有效性校验；

4-道路交通状况分析结果；                  104-数据标准化；

5-OD矩阵分布图表；                        105-预处理数据库；

6-出租车综合指标结果；                    106-地理信息匹配；

21-浮动车预处理数据库；                   107-中间处理数据库；

22-是否同一车辆；                         108-查询数据源选择；

23-是否一次出行；                         109-数据过滤；

24-生成出行起讫点信息；                   110-道路类型选择；

25-生成出行时耗/出行距离出行特征数据；

51-卫星；                                 111-区域选择；

52-浮动车；                               112-交通走廊选择；

53-移动通信网络；                         321-

54-通讯处理服务器；                       322-

55-查询应用终端；                         323-里程利用率；

301-浮动车OD数据库；                      324-时间利用率；

302-设置过滤条件；                        325-平均每车的服务车次；

303-计算各类出行指标；                    326-平均每车行驶里程；

304-工作车辆总数；                        327-平均每车载客行驶里程；

305-总车次；                              328-平均乘距；

306-重车总车次；           329-平均每次载客出行时间；

307-空车总车次；           330-平均每车工作时间；

308-总车公里数；           331-平均每车载客工作时间；

309-重车公里数；

310-空车公里数；

311-总出行时间；

312-重车出行时间；

313-空车出行时间；

314-重车公里数/总车公里数；

315-重车出行时间/总出行时间；

316-载重总车次/工作车辆总；

317-总车公里数/工作车辆总；

318-重车公里数/工作车辆总；

319-重车距离/重车次数；

320-重车出行时间/重车次数

具体实施方式

请参阅附图1、2所示，本发明为一种基于浮动车数据的交通分析硬件环境，包括：卫星信号系统，全球定位系统GPS，无线通信网络，车辆、服务器、电脑应用终端、互联网及移动通信网硬件环境，其还包括：卫星(51)模块、浮动车(52)模块、移动通信网络(53)模块、通讯处理服务器(54)及查询应用终端(55)，其中：

卫星(51)模块的输入输出信号与浮动车(52)模块的输出输入信号之间通过卫星讯号进行通讯联系；浮动车(52)模块的输入输出信号与移动通信网络(53)模块的输出输入信号之间通过通用分组无线业务GPRS方式进行实时信息传输；移动通信网络(53)模块的输入输出信号与通讯处理服务器(54)模块的输出输入信号之间通过数字数据网/非对称数字用户线DDN/ADSL进行通讯联系，其间均为无线通信/移动通信传输方式；通讯处理服务器(54)模块的输入输出信号与查询应用终端(55)模块的输出输入信号之间通过局域网LAN进行通讯联系。

所述的基于浮动车数据的交通分析硬件环境的通讯处理服务器(54)模块包括：浮动车数据综合分析模块(1)、出行起讫点OD矩阵分析模块(2)、出租车出行指标分析模块(3)、道路交通状况分析结果(4)、出行起讫点OD矩阵分布图表(5)及出租车综合指标结果(6)模块，其中：

浮动车数据综合分析模块(1)的输出信号一路传递到出行起讫点OD矩阵分析模块(2)，另一路传递到道路交通状况分析结果(4)模块；

出行起讫点OD矩阵分析模块(2)的输出信号一路传递到出租车出行指标分析模块(3)，另一路传递到出行起讫点OD矩阵分布图表(5)模块；

出租车综合指标结果(6)模块的输出信号传递到出租车综合指标结果(6)模块。

请参阅附图3、4、5所示，本发明为一种基于浮动车数据的交通分析方法是通过对道路车速分析、出行起讫点OD分析及车辆出行指标分析，利用了缓冲区技术、关联校验技术、趋势夹角技术、主被动停车区分技术，数据飘移过滤技术、进行参数设置的组合分析，结合出租车回报数据的具体情况，统计出租车出行指标，计算出租车OD矩阵，形成专业化的交通分析系统，其主要包括：

浮动车数据综合分析模块、出行起讫点OD分析模块及出租车出行综合指标分析模块，其中：

浮动车数据综合分析模块是利用浮动车数据与交通地理信息系统相结合，对道路车速状况进行综合统计分析，该模块流程的具体工作步骤是：

步骤1.浮动车原始数据(101)

浮动车原始数据(101)模块的输入输出信号分别与数据完整性校验(102)、数据有效性校验(103)、标准化处理(104)模块的输出输入信号相连接；

步骤2.数据处理

数据完整性校验(102)、数据有效性校验(103)、数据标准化(104)模块的输出信号分别与预处理数据库(105)模块的输入信号相连接；

浮动车原始数据(101)经过数据处理：完整性校验(102)、数据有效性校验(103)、数据标准化(104)之后存入预处理数据库(105)；

步骤3.预处理数据库与交通地理信息系统信息相结合

预处理数据库(105)模块的输出信号与地理信息匹配(106)模块的输入信号相连接；具体为：

a)、预处理数据库与交通地理信息系统信息相结合，进行地理属性匹配；

b)、用缓冲区法、关联校验技术、趋势夹角判别技术

先用缓冲区法，以道路中心线建立缓冲区；缓冲区取值为单向道路宽度加上全球定位系统GPS精度范围，为5-10米；

再利用缓冲区判断浮动车回报点大致与哪些路段相关；

c)、判断

接着使用关联校验方法判断出同一车辆前后两回报点都与同一路段相关的情况，利用趋势夹角判别方法对前后两点分属不同路段的情况进行判别和分析；

d)、归并

当前后两回报点属于同一路段时，将其归并到该路段；当前后两点分属不同路段时，分为两路段有交点和无交点两种情况，有交点的情况，将全球定位系统GPS回报数据按权重分配到相关的两条路段上；无交点的，找出其可能经过的路段，将全球定位系统GPS回报数据赋予相关路段；

步骤4.中间处理数据库(107)

地理信息匹配(106)模块的输出信号与中间处理数据库(107)模块的输入信号相连接；

在进行路段匹配处理后，在数据库中添加路段的属性表，包括其所属行政区、交通地带、交通分区、路段名称、起讫路名、道路等级、道路类型、所属交通走廊信息，形成中间处理数据库(107)；

步骤5.查询数据源选择(108)

中间处理数据库(107)模块的输出信号与查询数据源选择(108)模块的输入信号相连接；

中间处理数据库进行最终统计查询过程中，首先进行的是查询数据源选择(108)，数据源选择模块功能有以下几项：

a)、数据来源公司选择

可选择一家公司或几家公司的数据进行统计分析；

b)、日期选择

可选择查询日期范围；

c)、星期几选择

在日期选择的基础上，可按星期几进一步进行细分，可进行工作日与休息日、周初和周末的比较分析，也可进行一周变化趋势的分析；

d)、时段选择

可选择查询数据的时间段；可进行昼夜、早晚高峰、特殊时段时间区间的分析比较；

e)、空、重车选择

为有无载客的数据选择，可分析空车、重车不同的出行特征、规律；

f)、组合查询

以上5类选项为交叉组合查询；

步骤6.数据过滤(109)

选择了查询数据源后，将进行数据过滤(109)，过滤模块包括以下五项：

a)、时间间隔

指浮动车前后两点之间的时间差，当时间间隔过大时回报数据将无法准确反映道路交通运行的实际状况，所以需要对可用的最大时间间隔进行限制；

b)、距离间隔

指浮动车前后两点之间的距离差，当距离间隔过大时，前后两点跨越路段过多，不能准确反映道路交通状况，所以可用最大距离间隔过滤；

c)、停车时间间隔

指车辆速度为0状态持续的时间；停车分两种情况：

第一种是被动停车，车辆遇到交叉口红灯、拥堵、事故情况发生的停车行为，进行道路状况分析时需要包含这种停车行为；

第二种是主动停车，指驾驶员有目的的停车行为，进行道路状况分析时需要排除这种停车行为；

所以就需要使用可调整的停车时间间隔来区分这两种停车行为，取值为至少大于300秒；

d)、停车位移判别

民用的全球定位系统GPS存在精度误差为5-10米，在车辆静止时还是会产生回报位置漂移的现象，也就是说没有绝对车速为0的状态；

浮动车最小的回报间隔是20秒，将车速小于1.8公里/小时的数据都认为处于停车状态；则进一步判别是主/被动停车就可以参考停车时间间隔范围内车辆移动的距离；

当车辆移动距离在全球定位系统GPS飘移范围之内，就可以判断基本属于主动停车；

当车辆移动距离超出了全球定位系统GPS的飘移范围，就要谨慎的加以判断，很可能是处于交通拥堵、交通事故所引起的被动停车状态；

e)、速度

所有的道路都有车速上限的限制，当出现浮动车速度远超过道路车速上限的情况，就可能是全球定位系统GPS回报出现大范围的漂移；

具体进行道路车速状况分析的时候，就需要过滤掉这样大范围漂移的数据；

考虑到事实上可能出现的短暂超速现象，原则上速度过滤值取道路车速上限再乘上一个浮动系数；

步骤7.统计查询目标的选择

数据过滤(109)模块的输出信号分别与道路类型选择(110)、区域选择(111)及交通走廊选择(112)模块的输入信号相连接；

数据过滤后，进行统计查询目标的选择：

道路类型选择(110)分为快速路、主干路、次干路、桥梁隧道，可选择不同等级和类型的道路进行组合查询；

区域选择(111)可按不同地带、交通分区的组合进行统计目标区域

选择，可进行区域交通状况的整体分析和不同区域之间交通状况的对比分析；

交通走廊选择(112)可按不同交通走廊，交通通道，进行特殊交通走廊的交通状况分析，可对重点路段进行更细致的统计分析；

步骤8.道路交通状况分析结果(4)

根据查询数据源选择、过滤条件选择、查询条件选择，系统计算出最终的道路状况分析结果(4)，其表达形式有电子地图、电子报表两种形式。

请参阅附图4所示，所述的基于浮动车数据的交通分析方法，其特征在于：所述的出行起讫点OD分析模块是将浮动车的预处理数据，转变成按交通分区统计的出行起讫点信息，该模块流程的具体工作步骤是：

步骤1.浮动车预处理数据库(21)

先从浮动车预处理数据库(21)中读取数据；

步骤2.判断是否同一车辆

浮动车预处理数据库(21)模块的输出信号与是否同一车辆(22)模块的输入信号相连接；

判断数据是否同一车辆(22)？如果是同一车辆，则进入是否一次出行(23)模块；如否，则返回浮动车预处理数据库(21)，为进入原始数据库重新读取；

步骤3.判断是否一次出行

是否同一车辆(22)模块的输出信号与是否一次出行(23)模块的输入信号相连接；

车辆归类后，按车辆状况可判断数据是否同一次出行(23)？如果是属于同一次出行，则进入生成出行起讫点信息(24)模块；如否，则返回浮动车预处理数据库(21)模块；

步骤4.生成出行起讫点信息(24)

是否同一次出行(23)模块的输出信号与生成出行起讫点信息(24)模块的输入信号相连接；

在得到同一车辆同次出行的数据后，则可得到该车辆该次出行的出发时间、起点位置、到达时间、终点位置生成出行起讫点信息(24)；

步骤5.生成出行时耗/出行距离出行特征数据(25)

生成出行起讫点信息(24)模块的输出信号与生成出行时耗/出行距离出行特征数据(25)模块的输入信号相连接；

根据出行起讫点信息并对应浮动车原始数据库的回报记录，可生成出行时耗/出行距离出行特征数据(25)；

步骤6.出行起讫点OD矩阵分布图表(5)

生成出行时耗/出行距离出行特征数据(25)模块的输出信号与出行起讫点OD矩阵分布图表(5)模块的输入信号相连接；

将所有出行起讫点及特征数据汇总后，可生成出行起讫点OD矩阵分布图表(5)。

请参阅附图5所示，所述的基于浮动车数据的交通分析方法，其特征在于：所述的出租车出行综合指标分析模块建立在浮动车出行起讫点OD出行分析模块基础上，在出行起讫点OD分析模块得到了浮动车OD数据库(301)后，设置过滤条件(302)过滤掉可能出现的假空驶和假重驶现象，再计算各类出行指标(303)，该模块流程的具体工作步骤是：

步骤1.浮动车OD数据库(301)

先从浮动车OD数据库(301)中读取数据；

步骤2.设置过滤条件(302)

浮动车OD数据库(301)模块的输出信号与设置过滤条件(302)模块的输入信号相连接；

步骤3.计算各类出行指标(303)

设置过滤条件(302)模块的输出信号与计算各类出行指标(303)模块的输入信号相连接；

步骤4.出行原始指标

计算各类出行指标(303)模块的输出信号分别与出行原始指标界面的各模块工作车辆总数(304)、总车次(305)、重车总车次(306)、空车总车次(307)、总车公里数(308)、重车公里数(309)、空车公里数(310)、总出行时间(311)、重车出行时间(312)及空车出行时间(313)模块的输入信号相连接；

步骤5.出行衍生指标

原始指标界面的各模块工作车辆总数(304)、重车总车次(306)、总车公里数(308)、重车公里数(309)、空车公里数(310)、总出行时间(311)及重车出行时间(312)模块的输出信号分别与相应的出行衍生指标界面的各模块里程利用率(323)、时间利用率(324)、平均每车的服务车次(325)、平均每车行驶里程(326)、平均每车载客行驶里程(327)、平均乘距(328)、平均每次载客出行时间(329)、平均每车工作时间(330)及平均每车载客工作时间(331)模块的输入信号相连接；其界面设置及各模块流程的具体工作步骤是：

a)、总车公里数(308)和重车公里数(309)模块的输出信号经由重车公里数/总车公里数(314)组合模块后传输到里程利用率(323)模块；

b)、空车公里数(310)、总出行时间(311)和重车出行时间(312)模块的输出信号经由重车出行时间/总出行时间(315)组合模块后传输到时间利用率(324)模块；

c)、工作车辆总数(304)和重车总车次(306)模块的输出信号经由载重总车次/工作车辆总(316)组合模块后传输到平均每车的服务车次(325)模块；

d)、工作车辆总数(304)和总车公里数(308)模块的输出信号一路经由重车时间/工作车辆总数(322)组合模块后传输到平均每车载客工作时间(331)模块，另一路经由总车公里数/工作车辆总(317)组合模块后传输到平均每车的行驶里程(326)模块；

e)、工作车辆总数(304)和重车公里数(309)模块的输出信号一路经由重车时间/工作车辆总数(322)组合模块后传输到平均每车载客工作时间(331)模块，另一路经由重车公里数/工作车辆总(318)组合模块后传输到平均每车载客行驶里程(327)模块；

f)、重车总车次(306)和重车公里数(309)模块的输出信号经由重车距离/重车次数(319)组合模块后传输到平均乘距(328)模块；

g)、重车总车次(306)和重车出行时间(312)模块的输出信号一路经由重车时间/工作车辆总数(322)组合模块后传输到平均每车载客工作时间(331)模块，另一路经由重车出行时间/重车次数(320)组合模块后传输到平均每次载客出行时间(329)模块；

h)、工作车辆总数(304)和总出行时间(311)模块的输出信号经由总出行时间/工作车辆总(321)组合模块后传输到平均每车工作时间(330)模块；

i)工作车辆总数(304)和重车出行时间(312)模块的输出信号经由重车时间/工作车辆总数(322)组合模块后传输到平均每车载客工作时间(331)模块。

本发明的有关技术方案及使用方法为：

基于浮动车数据的交通分析方法主要用于分析城市道路状况、统计出租车出行指标，计算出租车OD矩阵。

在本发明方法研究中，我们充分考虑了GPS的回报精度误差，回报间隔误差、停车回报误差、信号漂移误差，制定了详细的应对方法，利用了缓冲区技术、关联校验技术、趋势夹角技术、主被动停车区分技术，数据飘移过滤技术等多项技术与各种过滤条件、参数设置的组合分析，结合出租车回报数据的具体情况，建立了灵活高效的道路车速分析系统。

本发明方法包括出租车出行综合指标分析系统，该系统可对包括出租车平均行驶里程，平均行驶时间，平均出行次数，平均载客次数，空载率等二十多项原始指标及衍生指标进行统计分析，极大的拓展了FCD的应用范围。

本发明对出租车数据进行了车辆状况的真实性、有效性判别后，计算了出租车全样本的出行OD矩阵，这在传统交通调查中是几乎不可能实现的，本方法开创了全新的车辆OD分析手段。

该发明方法的硬件环境包括以下几个部分：

一、安装有GPS定位系统设施的车辆(浮动车)；也就是数据采集源，浮动车为整个系统提供自身的时间、位置、车辆状态等信息。

二、全球定位系统(GPS)；浮动车通过接受卫星反馈信息实现车辆的定位功能。

三、无线通信网络；本发明中浮动车的信息利用中国移动的无线通信网络，通过通用分组无线业务(General Packet Radio Service，简称GPRS)方式进行实时信息传输。

四、通讯与处理服务器；通讯与处理服务器将浮动车发送的信息接受下来，进行数据校验及过滤，并存放进数据库。处理服务器中利用了本发明开发的一系列软件工具进行最终的数据分析处理。查询应用终端提供最终用户查询显示的功能。

本发明的总模块分为三部分：浮动车数据综合分析模块、OD矩阵分析模块、出租车出行指标分析模块。这三个模块既有关联性，同时本身也可以直接输出统计结果，具体如总模块结果图2所示。

如图3所示，本模块的功能是利用浮动车数据与交通地理信息系统(Geographic Information System-Transportation，简称GIS-T)相结合，对道路车速状况进行综合统计分析。数据处理流程为浮动车原始数据(101)经过数据完整性校验(102)、数据有效性校验(103)、标准化处理(104)之后存入预处理数据库(105)。

预处理数据库与GIS-T信息相结合，进行地理属性匹配(106)，使用的方法有缓冲区法、关联校验技术、趋势夹角判别技术等。首先使用缓冲区法，以道路中心线建立缓冲区。缓冲区取值为单向道路宽度加上GPS精度范围(约为5-10米)，利用缓冲区判断浮动车回报点大致与哪些路段相关。接着使用关联校验方法判断出同一车辆前后两回报点都与同一路段相关的情况，利用趋势夹角判别方法对前后两点分属不同路段的情况进行判别和分析。

简而言之，当前后两回报点属于同一路段时，将其归并到该路段。当前后两点分属不同路段时，分为两路段有交点和无交点两种情况，有交点的情况，将GPS回报数据按权重分配到相关的两条路段上。无交点的，找出其可能经过的路段，将GPS回报数据赋予相关路段。

在进行路段匹配处理后，在数据库中添加路段的属性表，包括其所属行政区、交通地带、交通分区、路段名称、起讫路名、道路等级、道路类型、所属交通走廊等信息。形成中间处理数据库(107)。

中间处理数据库进行最终统计查询过程中，首先进行的是查询数据源选择(108)，数据源选择模块功能有以下几项。

1)数据来源公司选择；可选择一家公司或几家公司的数据进行统计分析，例如可只选择强生公司数据进行单独分析，也可选择强生、海博数据进行综合分析。

2)日期选择；可选择查询日期范围，例如从2005年8月1日至2006年8月1日，此功能可进行历史数据的统计分析，如年度分析、季度分析、月度分析、周分析等。

3)星期几选择；在日期选择的基础上，可按星期几进一步进行细分。此功能可进行工作日与休息日、周初和周末的比较分析，也可进行一周变化趋势的分析。

4)时段选择；可选择查询数据的时间段；例如可选择8点至9点的数据进行统计，也可选择16点32分至17点45分30秒的数据进行统计。此功能可进行昼夜、早晚高峰、特殊时段等时间区间的分析比较。

5)空、重车选择；也就是有无载客的数据选择。此功能可分析空车、重车不同的出行特征、规律等。

6)以上5类选项也进行交叉组合查询，从而保证方便灵活的进行专业化的道路交通状况分析。

选择了查询数据源后，将进行数据过滤(109)。过滤模块分为以下五项。

1)时间间隔；指浮动车前后两点之间的时间差。当时间间隔过大时回报数据将无法准确反映道路交通运行的实际状况，所以需要对可用的最大时间间隔进行限制。该值可以视具体情况进行调整。

2)距离间隔；指浮动车前后两点之间的距离差，当距离间隔过大时，前后两点跨越路段过多，不能准确反映道路交通状况，所以也进行了可用最大距离间隔过滤。

3)停车时间间隔；指车辆速度为0状态持续的时间。停车分两种情况，一种是被动停车，也就是车辆遇到交叉口红灯、拥堵、事故等情况发生的停车行为，进行道路状况分析时需要包含这种停车行为。第二种是主动停车，指驾驶员有目的的停车行为，如在机场、酒店等固定点候客、停车吃饭、休息等。进行道路状况分析时需要排除这种停车行为。这两种情况有各自的特征。一般来说被动停车虽然车速很慢，但还是会有缓慢的位移，车速为0的状态持续时间不会很长。而主动停车时，车速为0的状态往往会持续一段较长的时间。所以就需要使用可调整的停车时间间隔来区分这两种停车行为。暂取值300秒，视具体情况调整。

4)停车位移；由于民用的GPS存在精度误差，大约是5-10米，在车辆静止时还是会产生回报位置漂移的现象，也就是说没有绝对车速为0的状态。在本系统中浮动车最小的回报间隔是20秒，我们将车速小于1.8公里/小时(10米/20秒)的数据都认为处于停车状态。那么进一步判别是主/被动停车就可以参考停车时间间隔范围内车辆移动的距离。当车辆移动距离在GPS飘移范围之内，我们就可以判断基本属于主动停车，当车辆移动距离超出了GPS的飘移范围，就要谨慎的加以判断，很可能是处于交通拥堵、交通事故所引起的被动停车状态

5)速度：所有的道路都有车速上限的限制，当出现浮动车速度远超过道路车速上限的情况，就可能是GPS回报出现大范围的漂移，这种情况在高架、大型建筑物周围时有发生。具体进行道路车速状况分析的时候，就需要过滤掉这样大范围漂移的数据。考虑到事实上可能出现的短暂超速现象，原则上速度过滤值取道路车速上限再乘上一个浮动系数。

数据过滤后，进行统计查询目标的选择，分为道路类型选择(110)、区域选择(111)、交通走廊选择(112)。

道路类型选择分快速路、主干路、次干路、桥梁隧道等，可选择不同等级和类型的道路进行组合查询。

区域选择可按不同地带、交通分区的组合进行统计目标区域选择，可进行某区域交通状况的整体分析和不同区域之间交通状况的对比分析。

交通走廊选择，可按不同交通走廊，交通通道，例如上海的三横三纵主干道、内环线等，进行特殊交通走廊的交通状况分析，可对重点路段进行更细致的统计分析。

根据查询数据源选择、过滤条件选择、查询条件选择，系统计算出最终的道路状况分析结果(4)。分析结果的表达形式有电子地图、电子报表两种形式。电子地图形式可比较直观的将道路车速状况用不同的颜色标示在道路网络上。电子报表则用为详细，将道路交通状况的明细情况存放在电子表格中，包括道路名称、所属区域、路段车速、浮动车样本覆盖程度、浮动车样本数量等具体统计结果和指标。

如图4所示，OD分析模块主要功能是将浮动车的预处理数据转变成按交通分区统计的出行起讫点信息，OD矩阵是进行交通出行研究最重要的基础数据之一。在本系统中先从浮动车预处理数据库(21)中读取数据，首先判断数据是否同一车辆(22)，如是则继续流程，如否则转回原始数据库重新读取。

按车辆归类后，按车辆状况可判断数据是否属于同一次出行(23)。在得到同一车辆同次出行的数据后，则可得到该车辆该次车行的出发时间、起点位置、到达时间、终点位置等出行起讫点信息(24)。

根据出行起讫点信息并对应浮动车原始数据库的回报记录可得到本次出行时耗、出行距离等出行特征数据(25)。

将所有出行起讫点及特征数据汇总后，可生成OD矩阵分布图5。

如图5所示，出租车出行综合指标分析模块建立在浮动车OD出行分析模块基础上，在OD分析模块得到了浮动车OD数据库(301)后，设置计算条件(302)过滤掉可能出现的假空驶(行驶距离极短，刚下客就有上客的情况)和假重驶(全天或很长时间都处于重车状态)现象。

计算的指标分为出行原始指标和出行衍生指标。

出行原始指标指可直接从浮动车OD数据库中进行计算的指标，包括：

1)工作车辆总数：统计日有多少出租车处于正常工作状态。

2)总车次：全部出租车共出行多少次。

3)重车总车次：有载客的总出行车次。

4)空车总车次：空驶的总出行车次。

5)总车公里数：全部出租车总的行驶公里数。

6)重车公里数：载客出行总的行驶公里数。

7)空车公里数：空车总的行驶公里数。

8)总出行时间：出租车总的出行时间

9)重车出行时间：有载客的出行时间

10)空车出行时间：无载客的出行时间

衍生指标从原始指标中计算求得，包括：

1)里程利用率：载客出行里程占总行驶的里程的比率

2)时间利用率：载客出行时间占总出行时间的比率

3)平均每车的服务车次：出租车平均载客出行次数

4)平均每车的行驶里程：出租车平均行驶的里程数

5)平均每车载客行驶里程：出租车平均载客行驶的里程数

6)平均乘距：平均每次载客出行行驶的里程数

7)平均每次载客出行时间：平均每次载客出行花费的时间

8)平均每车工作时间：平均每天工作的时间

9)平均每车载客工作时间：平均每天载客出行工作的时间

本发明的具体实施方式如下：

2006年4月-6月，在上海市公安局交巡警总队委托我公司进行的“上海市长时间大面积拥堵指标研究”项目中，我们基于上海市强生、海博等公司近5000辆浮动车的数据，使用该分析方法，对上海市中心城主次干道的行程车速与中心城拥堵程度进行了全面分析，分析结果得到委托方交警的认可。

在上海市建设与交通委“交通年度报告”项目中，使用该方法进行了道路行程车速分析。

在“上海市第三次综合交通调查”道路车速分项调查、出租车分项调查中应用本方法进行了道路行程车速的调查与验证、出租车出行指标分析与验证，出租车出行OD分布调查等工作。

Claims (3)

1、一种基于浮动车数据的交通分析方法，其特征在于：该方法是通过对道路车速分析、出行起讫点OD分析及车辆出行指标分析，利用了缓冲区技术、关联校验技术、趋势夹角技术、主被动停车区分技术，数据飘移过滤技术、进行参数设置的组合分析，结合出租车回报数据的具体情况，统计出租车出行指标，计算出租车OD矩阵，形成专业化的交通分析系统，其主要包括：

浮动车数据综合分析模块、出行起讫点OD分析模块及出租车出行综合指标分析模块，其中：

浮动车数据综合分析模块是利用浮动车数据与交通地理信息系统相结合，对道路车速状况进行综合统计分析，该模块流程的具体工作步骤是：

步骤1.浮动车原始数据(101)

浮动车原始数据(101)模块的输入输出信号分别与数据完整性校验(102)、数据有效性校验(103)、标准化处理(104)模块的输出输入信号相连接；

步骤2.数据处理

数据完整性校验(102)、数据有效性校验(103)、数据标准化(104)模块的输出信号分别与预处理数据库(105)模块的输入信号相连接；

浮动车原始数据(101)经过数据处理：完整性校验(102)、数据有效性校验(103)、数据标准化(104)之后存入预处理数据库(105)；

步骤3.预处理数据库与交通地理信息系统信息相结合

预处理数据库(105)模块的输出信号与地理信息匹配(106)模块的输入信号相连接；具体为：

a)、预处理数据库与交通地理信息系统信息相结合，进行地理属性匹配；

b)、用缓冲区法、关联校验技术、趋势夹角判别技术

先用缓冲区法，以道路中心线建立缓冲区；缓冲区取值为单向道路宽度加上全球定位系统GPS精度范围，为5-10米；

再利用缓冲区判断浮动车回报点大致与哪些路段相关；

c)、判断

接着使用关联校验方法判断出同一车辆前后两回报点都与同一路段相关的情况，利用趋势夹角判别方法对前后两点分属不同路段的情况进行判别和分析；

d)、归并

当前后两回报点属于同一路段时，将其归并到该路段；当前后两点分属不同路段时，分为两路段有交点和无交点两种情况，有交点的情况，将全球定位系统GPS回报数据按权重分配到相关的两条路段上；无交点的，找出其可能经过的路段，将全球定位系统GPS回报数据赋予相关路段；

步骤4.中间处理数据库(107)

地理信息匹配(106)模块的输出信号与中间处理数据库(107)模块的输入信号相连接；

在进行路段匹配处理后，在数据库中添加路段的属性表，包括其所属行政区、交通地带、交通分区、路段名称、起讫路名、道路等级、道路类型、所属交通走廊信息，形成中间处理数据库(107)；

步骤5.查询数据源选择(108)

中间处理数据库(107)模块的输出信号与查询数据源选择(108)模块的输入信号相连接；

中间处理数据库进行最终统计查询过程中，首先进行的是查询数据源选择(108)，数据源选择模块功能有以下几项：

a)、数据来源公司选择

可选择一家公司或几家公司的数据进行统计分析；

b)、日期选择

可选择查询日期范围；

c)、星期几选择

在日期选择的基础上，可按星期几进一步进行细分，可进行工作日与休息日、周初和周末的比较分析，也可进行一周变化趋势的分析；

d)、时段选择

可选择查询数据的时间段；可进行昼夜、早晚高峰、特殊时段时间区间的分析比较；

e)、空、重车选择

为有无载客的数据选择，可分析空车、重车不同的出行特征、规律；

f)、组合查询

以上5类选项为交叉组合查询；

步骤6.数据过滤(109)

选择了查询数据源后，将进行数据过滤(109)，过滤模块包括以下五项：

a)、时间间隔

指浮动车前后两点之间的时间差，当时间间隔过大时回报数据将无法准确反映道路交通运行的实际状况，所以需要对可用的最大时间间隔进行限制；

b)、距离间隔

指浮动车前后两点之间的距离差，当距离间隔过大时，前后两点跨越路段过多，不能准确反映道路交通状况，所以可用最大距离间隔过滤；

c)、停车时间间隔

指车辆速度为0状态持续的时间；停车分两种情况：

第一种是被动停车，车辆遇到交叉口红灯、拥堵、事故情况发生的停车行为，进行道路状况分析时需要包含这种停车行为；

第二种是主动停车，指驾驶员有目的的停车行为，进行道路状况分析时需要排除这种停车行为；

所以就需要使用可调整的停车时间间隔来区分这两种停车行为，取值为至少大于300秒；

d)、停车位移判别

民用的全球定位系统GPS存在精度误差为5-10米，在车辆静止时还是会产生回报位置漂移的现象，也就是说没有绝对车速为0的状态；

浮动车最小的回报间隔是20秒，将车速小于1.8公里/小时的数据都认为处于停车状态；则进一步判别是主/被动停车就可以参考停车时间间隔范围内车辆移动的距离；

当车辆移动距离在全球定位系统GPS飘移范围之内，就可以判断基本属于主动停车；

当车辆移动距离超出了全球定位系统GPS的飘移范围，就要谨慎的加以判断，很可能是处于交通拥堵、交通事故所引起的被动停车状态；

e)、速度

所有的道路都有车速上限的限制，当出现浮动车速度远超过道路车速上限的情况，就可能是全球定位系统GPS回报出现大范围的漂移；

具体进行道路车速状况分析的时候，就需要过滤掉这样大范围漂移的数据；

考虑到事实上可能出现的短暂超速现象，原则上速度过滤值取道路车速上限再乘上一个浮动系数；

步骤7.统计查询目标的选择

数据过滤(109)模块的输出信号分别与道路类型选择(110)、区域选择(111)及交通走廊选择(112)模块的输入信号相连接；

数据过滤后，进行统计查询目标的选择：

道路类型选择(110)分为快速路、主干路、次干路、桥梁隧道，可选择不同等级和类型的道路进行组合查询；

区域选择(111)可按不同地带、交通分区的组合进行统计目标区域选择，可进行区域交通状况的整体分析和不同区域之间交通状况的对比分析；

交通走廊选择(112)可按不同交通走廊，交通通道，进行特殊交通走廊的交通状况分析，可对重点路段进行更细致的统计分析；

步骤8.道路交通状况分析结果(4)

根据查询数据源选择、过滤条件选择、查询条件选择，系统计算出最终的道路状况分析结果(4)，其表达形式有电子地图、电子报表两种形式。

2、根据权利要求1所述的基于浮动车数据的交通分析方法，其特征在于：所述的出行起讫点OD分析模块是将浮动车的预处理数据，转变成按交通分区统计的出行起讫点信息，该模块流程的具体工作步骤是：

步骤1.浮动车预处理数据库(21)

先从浮动车预处理数据库(21)中读取数据；

步骤2.判断是否同一车辆

浮动车预处理数据库(21)模块的输出信号与是否同一车辆(22)模块的输入信号相连接；

判断数据是否同一车辆(22)？如果是同一车辆，则进入是否一次出行(23)模块；如否，则返回浮动车预处理数据库(21)，为进入原始数据库重新读取；

步骤3.判断是否一次出行

是否同一车辆(22)模块的输出信号与是否一次出行(23)模块的输入信号相连接；

车辆归类后，按车辆状况可判断数据是否同一次出行(23)？如果是属于同一次出行，则进入生成出行起讫点信息(24)模块；如否，则返回浮动车预处理数据库(21)模块；

步骤4.生成出行起讫点信息(24)

是否同一次出行(23)模块的输出信号与生成出行起讫点信息(24)模块的输入信号相连接；

在得到同一车辆同次出行的数据后，则可得到该车辆该次出行的出发时间、起点位置、到达时间、终点位置生成出行起讫点信息(24)；

步骤5.生成出行时耗/出行距离出行特征数据(25)

生成出行起讫点信息(24)模块的输出信号与生成出行时耗/出行距离出行特征数据(25)模块的输入信号相连接；

根据出行起讫点信息并对应浮动车原始数据库的回报记录，可生成出行时耗/出行距离出行特征数据(25)；

步骤6.出行起讫点OD矩阵分布图表(5)

生成出行时耗/出行距离出行特征数据(25)模块的输出信号与出行起讫点OD矩阵分布图表(5)模块的输入信号相连接；

将所有出行起讫点及特征数据汇总后，可生成出行起讫点OD矩阵分布图表(5)。

3、根据权利要求1所述的基于浮动车数据的交通分析方法，其特征在于：所述的出租车出行综合指标分析模块建立在浮动车出行起讫点OD出行分析模块基础上，在出行起讫点OD分析模块得到了浮动车OD数据库(301)后，设置过滤条件(302)过滤掉可能出现的假空驶和假重驶现象，再计算各类出行指标(303)，该模块流程的具体工作步骤是：

步骤1.浮动车OD数据库(301)

先从浮动车OD数据库(301)中读取数据；

步骤2.设置过滤条件(302)

浮动车OD数据库(301)模块的输出信号与设置过滤条件(302)模块的输入信号相连接；

步骤3.计算各类出行指标(303)

设置过滤条件(302)模块的输出信号与计算各类出行指标(303)模块的输入信号相连接；

步骤4.出行原始指标

计算各类出行指标(303)模块的输出信号分别与出行原始指标界面的各模块工作车辆总数(304)、总车次(305)、重车总车次(306)、空车总车次(307)、总车公里数(308)、重车公里数(309)、空车公里数(310)、总出行时间(311)、重车出行时间(312)及空车出行时间(313)模块的输入信号相连接；

步骤5.出行衍生指标

原始指标界面的各模块工作车辆总数(304)、重车总车次(306)、总车公里数(308)、重车公里数(309)、空车公里数(310)、总出行时间(311)及重车出行时间(312)模块的输出信号分别与相应的出行衍生指标界面的各模块里程利用率(323)、时间利用率(324)、平均每车的服务车次(325)、平均每车行驶里程(326)、平均每车载客行驶里程(327)、平均乘距(328)、平均每次载客出行时间(329)、平均每车工作时间(330)及平均每车载客工作时间(331)模块的输入信号相连接；其界面设置及各模块流程的具体工作步骤是：

a)、总车公里数(308)和重车公里数(309)模块的输出信号经由重车公里数/总车公里数(314)组合模块后传输到里程利用率(323)模块；

b)、空车公里数(310)、总出行时间(311)和重车出行时间(312)模块的输出信号经由重车出行时间/总出行时间(315)组合模块后传输到时间利用率(324)模块；

c)、工作车辆总数(304)和重车总车次(306)模块的输出信号经由载重总车次/工作车辆总(316)组合模块后传输到平均每车的服务车次(325)模块；

d)、工作车辆总数(304)和总车公里数(308)模块的输出信号一路经由重车时间/工作车辆总数(322)组合模块后传输到平均每车载客工作时间(331)模块，另一路经由总车公里数/工作车辆总(317)组合模块后传输到平均每车的行驶里程(326)模块；

e)、工作车辆总数(304)和重车公里数(309)模块的输出信号一路经由重车时间/工作车辆总数(322)组合模块后传输到平均每车载客工作时间(331)模块，另一路经由重车公里数/工作车辆总(318)组合模块后传输到平均每车载客行驶里程(327)模块；

f)、重车总车次(306)和重车公里数(309)模块的输出信号经由重车距离/重车次数(319)组合模块后传输到平均乘距(328)模块；

g)、重车总车次(306)和重车出行时间(312)模块的输出信号一路经由重车时间/工作车辆总数(322)组合模块后传输到平均每车载客工作时间(331)模块，另一路经由重车出行时间/重车次数(320)组合模块后传输到平均每次载客出行时间(329)模块；

h)、工作车辆总数(304)和总出行时间(311)模块的输出信号经由总出行时间/工作车辆总(321)组合模块后传输到平均每车工作时间(330)模块；

i)、工作车辆总数(304)和重车出行时间(312)模块的输出信号经由重车时间/工作车辆总数(322)组合模块后传输到平均每车载客工作时间(331)模块。

Images