一种基于IC卡数据的公交站点区间客流估计方法.pdf

本发明涉及一种基于IC卡数据的公交站点区间客流估计方法，该方法根据IC卡数据和公交GPS报站数据确定乘客的乘车路线和上车站点，再对乘客的下车站点进行推断，获得乘客出行的完整OD信息，根据完整OD信息对OD量进行计算，并对下车站点缺失的客流量使用站点吸引权重进行重新分配，使用重新分配的客流量对完整OD信息的OD量进行修正，通过修正的OD量计算站点上下车人数和站点区间载客量。较之于现有技术，本发明提供的客流估计方法基于纯数据驱动，算法的适用性广，准确度高，能够直观掌握公交客流及运营服务情况。

1.  一种基于IC卡数据的公交站点区间客流估计方法，其特征在于：根据IC卡数据和公交GPS报站数据确定乘客的乘车路线和上车站点，再对乘客的下车站点进行推断，获得乘客出行的完整OD信息，然后根据完整OD信息对各站点的上车人数和下车人数进行统计，根据统计的各站点上车人数和下车人数对站点区间的客流量进行求取。

2.  根据权利要求1所述的基于IC卡数据的公交站点区间客流估计方法，其特征在于：根据完整OD信息对各站点的上车人数和下车人数进行统计的具体过程如下：
Ui=Σk=i+1nSik′]]>
Di=Σk=1i-1Ski′]]>
其中U_i表示为在站点i的上车人数，S′_ik表示根据完整OD信息统计的站点i到站点k的OD量，D_i表示为在站点i的下车人数，S′_ki表示根据完整OD信息统计的站点k到站点i的OD量；
根据U_i、D_i，即能对站点区间的客流量进行求取：
Li=Σk=1i(Uk-Dk)]]>
L_i为站点i到站点i+1的站点区间客流量，U_k为在站点k的上车人数；D_k为在站点k的下车人数。

3.  根据权利要求2所述的基于IC卡数据的公交站点区间客流估计方法，其特征在于：确定乘客的上车站点为站点i后，在对乘客的下车站点进行推断时，若存在着推断不到下车站点的情况，则对站点i上车而下车站点未知的客流量进行统计，再对S′_ik、S′_ki进行修正，并利用修正的S′_ik、S′_ki对U_i、D_i进行求取，修正的过程具体如下：
以S′_ik为例，先求取站点k对站点i的站点吸引权重，其公式可表示为：
dik=Sik′Σm=i+1nSim′]]>
其中d_ik为站点k对站点i的站点吸引权重，S′_im为在站点i的上车人数；
在求取获得站点吸引权重之后，通过下式对S′_ik进行修正：
S_ik＝(S′_ik+N_id_ik)/c
其中S_ik为修正后的站点i到站点k的OD量，N_i为站点i上车而下车站点未知的客流量，c为通过抽样调查获得的IC卡刷卡出行比例；
对S′_ki的修正过程同上，S′_ki修正后表示为S_ki，利用S_ik、S_ki对U_i、D_i进行求取。

4.  根据权利要求1所述的基于IC卡数据的公交站点区间客流估计方法，其特征在于：根据IC卡数据和公交GPS报站数据确定乘客乘车线路和上车站点的过程具体如下：通过IC卡数据确定乘客的乘车路线和上车时间，再通过上车时间与公交GPS报站数据进行匹配确定乘客的上车站点。

5.  根据权利要求1所述的基于IC卡数据的公交站点区间客流估计方法，其特征在于：通过基于出行链并考虑BRT系统换乘特点的下车站点推断方法对乘客的下车站点进行推断。

一种基于IC卡数据的公交站点区间客流估计方法
技术领域
本发明涉及智能化公共交通领域，更具体地，涉及一种基于IC卡数据的公交站点区间客流估计方法。
背景技术
公交客流信息是城市公共交通规划和运营决策的依据。及时、准确、全面地掌握居民公交出行客流信息，是科学合理进行公交规划管理决策的前提和保障。公交乘客是公共交通客流组成的基本要素，而公交IC卡数据库记录了每一个公交乘客每一次刷卡的相关信息，因此对这些信息进行挖掘用以反映公交客流情况的技术方案是可行的。
如何针对现有的IC卡数据记录方式的缺陷提出解决方法，实现公交出行上下车站点推断，从而高效获取公交出行信息，同时结合智能化公交调度信息，对公交车辆在运行过程中的区间客流情况及载客量进行估计，从而为公交运营服务水平评价提供数据支撑，是本发明研究的重点和目的所在。
现在的国内外研究和技术现状主要如下：
第一，出行信息获取方面。国内外学者对上下车站点推断算法做了大量研究。较早的研究中有学者利用聚类分析原理对刷卡时间进行分类匹配来推断乘客上车站点，这种方法存在准确度不高，对于上车人数较少的站点难以推断的缺陷。目前大多数研究主要采用结合公交GPS报站数据进行时间匹配的方式来推断上车站点。而对于下车站点的推断，一些学者采用基于站点吸引权的方法对公交下车站点进行判断，该方法计算模型约束少，易于实现，但是在实际应用的时候无法准确掌握单个乘客的出行信息。另外，一些学者通过分析居民公交出行特征和通勤规律，建立了两站点模式对下车站点进行推算。也有学者基于公交出行链闭合的假设，提出基于后次上车信息的下车站点推断方法。然而以上研究多为理论研究，都存在一定的局限性，并且对于多式联运的公交系统缺乏适用性。
第二，公交客流估计方面。国内外学者对公交客流估计方面的研究主要通过获取的公交OD矩阵。同时，一些学者在对乘客下车概率分布进行研究的基础上， 应用概率论推算公交OD，另外，有学者基于BP神经网络建立了公交OD反推模型，或者建立双层数学规划模型来进行公交OD矩阵的估计。公交OD矩阵能反映一定时段内公共交通的客流需求，但是其表现形式并不直观，对于实时运营的公交客流情况不能直观反映。
发明内容
本发明以公交IC卡数据和公交GPS报站数据为基础，提出了一种公交站点区间客流估计方法，该方法在确定乘客的上车站点后，再对乘客的下车站点进行推断，获得乘客出行的完整OD信息，然后根据完整OD信息对各站点的上车人数和下车人数进行统计，并计算站点间的客流量。
为实现以上发明目的，采用的技术方案是：
一种基于IC卡数据的公交站点区间客流估计方法，根据IC卡数据和公交GPS报站数据确定乘客的乘车路线和上车站点，再对乘客的下车站点进行推断，获得乘客出行的完整OD信息，然后根据完整OD信息对各站点的上车人数和下车人数进行统计，根据统计的各站点上车人数和下车人数对站点区间的客流量进行求取。
优选地，根据完整OD信息对各站点的上车人数和下车人数进行统计的具体过程如下：
Ui=Σk=i+1nSik′]]>
Di=Σk=1i-1Ski′]]>
其中U_i表示为在站点i的上车人数，S′_ik表示根据完整OD信息统计的站点i到站点k的OD量，D_i表示为在站点i的下车人数，S'_ki表示根据完整OD信息统计的站点k到站点i的OD量；
根据U_i、D_i，即可对站点区间的客流量进行求取：
Li=Σk=1i(Uk-Dk)]]>
L_i表示为站点i到站点i+1的站点区间客流量，U_k表示为在站点k的上车人数；D_k表示为在站点k的下车人数。
优选地，在进行乘客下车站点推断的时候，由于数据丢失或出行链断裂等原因，会导致一部分推断结果缺少下车信息，因此确定乘客的上车站点为站点i后，对乘客的下车站点进行推断时，若存在着推断不到下车站点的情况，则对站点i上车而下车站点未知的客流量进行统计，再对S′_ik、S'_ki进行修正，并利用修正的S′_ik、S'_ki对U_i、D_i进行求取，修正的过程具体如下：
以S′_ik为例，先求取站点k对站点i的站点吸引权重，其公式可表示为：
dik=Sik′Σm=i+1nSim′]]>
其中d_ik为站点k对站点i的站点吸引权重，为在站点i的上车人数；
在求取获得站点吸引权重之后，通过下式对S′_ik进行修正：
S_ik＝(S′_ik+N_id_ik)/c
其中S_ik为修正后的站点i到站点k的OD量，N_i为站点i上车而下车站点未知的客流量，c为通过抽样调查获得的IC卡刷卡出行比例；
对S'_ki的修正过程同上，S'_ki修正后表示为S_ki，并利用S_ik、S_ki对U_i、D_i进行求取。
优选地，根据IC卡数据和公交GPS报站数据确定乘客乘车线路和上车站点的过程具体如下：通过IC卡数据确定乘客的乘车路线和上车时间，再通过上车时间与公交GPS报站数据进行匹配确定乘客的上车站点。
优选地，通过基于出行链并考虑BRT系统换乘特点的下车站点推断方法对乘客的下车站点进行推断。
与现有技术相比，本发明的有益效果是：
本发明提供的方法通过获取乘客出行的完整OD信息对OD量进行计算，并对下车站点缺失的客流量使用站点吸引权重进行重新分配，再使用重新分配的客流量对完整OD信息的OD量进行修正，通过修正的OD量计算站点上下车人数和站点区间载客量。较之于现有技术，本发明提供的客流估计方法基于纯数据驱动，算法的适用性广，准确度高，能够直观掌握公交客流及运营服务情况。
附图说明
图1为客流估计方法的流程图。
图2为下车站点推断方法的实施示意图。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；
以下结合附图和实施例对本发明做进一步的阐述。
实施例1
本发明提供的客流估计方法的流程图如图1所示，该方法首先通过IC卡数据确定乘客的乘车路线和上车时间，再通过上车时间与公交GPS报站数据进行匹配确定乘客的上车站点。
在确定上车站点和上车路线之后，需要进行下车站点的推断。城市居民公交出行行为具有连续性特点，即后次出行的起点一般位于本次出行的终点周边。因此根据紧后的乘车信息(站点、时间、线路等)划定可能的下车范围，结合本次的乘车信息，可以合理推断公交乘客的下车站点。
如图2所示，下车站点推断方法的核心思想就是通过集合运算，找到本次上车站点和后次上车站点之间的最可行线路集，在该线路集的途径站点中，我们认为距离后次上车站点空间距离最近的且两者距离小于居民步行活动范围的站点，是本次出行最可能的下车站点。
而对于同时存在普通公交线路以及BRT线路的城市公交系统，根据车站点类型(普通站点或BRT站点)进行划分，乘客的本次上车站点和后次上车站点共有如表1所示的4种组合：
表1本次上车站点和后次上车站点类型组合

其中，每种上车站点组合均包含无BRT免费换乘和有BRT免费换乘下的下车站点推断。在针对上述不同的本次上车站点和后次上车站点组合分别进行下车站点推断的时候，必须先判别本次乘车行为是否包含BRT免费换乘行为，因为在BRT通道内换乘是不需要刷卡的。本发明通过一种基于出行链并考虑BRT系 统换乘特点的下车站点推断方法对乘客的下车站点进行推断，有关该下车站点推断算法的研究具体参照文献[1]：
[1]Chang Yu,Zhaocheng He.Passenger Flow Estimation based on Smart Card Data in Public Tran sit[C].CICTP 2014Proceedings,658-670.(EI:20143418088374)。
公交出行信息获取结果存储在数据库中，包括刷卡编号、刷卡时间、乘车线路编号、车辆编号、上车时间、上车站点、下车时间、下车站点等信息。
通过对乘客下车站点的推断，可获得乘客出行的完整OD信息(有O有D)。
对完整OD信息进行估计计算，构造出每个线路班次的OD矩阵，OD矩阵代表统计范围内由O站点到D站点的公交出行需求。由于每班公交车都是沿公交线路单向运行，D站点是O站点的下游站点，所以线路OD矩阵形式应为上三角矩阵。对于一条途径n个站点的公交线路而言，其线路OD矩阵可由表2表示，其中，S′_ik表示根据完整OD信息统计的站点i到站点k的OD量，S'_ki表示根据完整OD信息统计的站点k到站点i的OD量。
表2途径n个站点的公交线路OD矩阵