An Approach on Station ID and Trade Record Match Based on GPS and IC Card Data

一票制(单次刷卡)公交线路IC卡数据中缺少乘客上车站点信息,为获得乘客上车站点信息,需要将IC卡交易数据与公交站点进行匹配.首先根据公交车辆GPS数据和公交IC卡数据分别推算站点间运行时间,建立匹配约束规则完成首次站点匹配,并求得公交车辆GPS系统与公交IC卡收费系统的时间平均偏差值,再将时间平均偏差嵌入数据匹配模型,利用禁忌搜索算法对其他未匹配的交易记录进行二次匹配.为作比较,数据试验还包括仅根据站点间运行时间对GPS和IC卡数据进行匹配,从而找到IC卡交易记录与公交站点对应关系.数据试验表明:在GPS数据较完整的条件下,该方法能够精确实现IC卡交易记录与上车站点的匹配,而对比试验方法的匹配精度为80％,低于本文所研究方法.     

基于公交IC卡和AVL数据的客流OD推导方法

公交IC卡收费系统和车辆定位系统的广泛应用,为获取公交客流OD提供了新的途径。针对现有公交客流OD推导算法的不足,从上车站点识别和下车站点推导两方面入手,对公交客流OD推导算法进行了改进。为了修正公交IC卡数据时间偏差,提高上车站点识别的准确性,在分析公交乘客上车刷卡行为的基础上,提出了基于AVL数据的公交IC卡数据时间修正方法。根据公交出行链的特性差异,将公交出行链划分为连续链和非连续链两大类,在此基础上,建立了不同公交出行链的下车站点推导模型,优化了下车站点推导流程。以苏州市的公交IC卡和AVL数据为例进行实例研究,通过对推导结果合理性的讨论分析,论证了改进算法的可行性和有效性。实践表明,改进后的公交客流OD推导算法流程清晰,易于程序实现,可以用于公交客流的自动分析。     

基于公交车辆定位数据的公交运送速度计算模型

提出一套基于公交车辆GPS定位数据的公交运送速度计算模型,以公交车辆实时GPS数据和公交线站GIS数据为基础,借助地图匹配修正GPS坐标,确定公交车辆所处弧段和弧段百分比位置.基于公交车辆定位数据点与公交站点位置匹配流程,通过识别公交车辆到站时间,计算车辆在公交站点区间内的行程时间和运送速度,并进一步修正公交车辆到站时间误差和公交线站基础信息来改善模型精度.论文选取北京不同道路等级和时段的21条线路进行调查,验证模型误差和有效性.结果表明,模型的平均精度可达到91. 4%,站点区间所在道路等级越高,计算结果越准确.论文所提出的公交运送速度计算模型,能为加强公共交通运行监测与管理、提升出行服务质量等提供重要支撑.     

基于多源数据的公交出行特征分析

为准确分析公交消费数据不完整情况下的公交出行特征,基于乘客上车刷卡数据、支付宝扫码数据及公交GPS数据,运用时空匹配法和出行链理论挖掘分析乘客上下车站点、公交线路OD矩阵、出行空间分布特性及消费时间分布特征。实际验证结果表明:1)使用IC卡和支付宝的乘客数量近似相等,使用现金人数较少,约占整体的6%;2)乘客出行次数在2次以下占总数的84%,换乘需求较少,公交可达性较高;3)高峰期消费次数均超过25000次/h,约占全天总数的23%,居民出行目的较为单一,大部分往返于居民区与办公商业区,与实际情况相符。     

基于公交IC卡数据的区域公交压力指数研究

公共交通系统在运行中产生的IC卡刷卡及车辆运行GPS数据为量化描述区域公交系统的压力提供了数据支持。基于公交系统在运行中产生的大量的GPS数据和IC卡刷卡数据,选取了包括满载率、停靠时间、单位时间内的进、出站量和地铁剩余运能等压力模型的评价指标,基于加权平均理论建立了地面公交及地铁压力指数模型;根据公交及地铁站点的等级及登降量因素提出了不同类型站点的权重系数阈值;取地面公交和地铁站压力均值建立了区域公交运行压力模型,并划分了压力分级体系。最后以北京市的国贸和东单区域为例进行了压力指数的计算,分析了两区域压力指数差异的时间及空间原因,并提取2个区域的实际公交登降量数据对压力指数进行了验证,证明该压力指数模型能够有效反映公交系统的运行压力。     

基于智汇卡的公交大数据挖掘研究

选取公交行业大数据,涉及公交交易数据、公交GPS数据、地铁交易数据等,对数据结构进行分析,利用Oracle数据库对源数据进行筛选、清理,利用R语言、Python对数据进行更加精细化的分类、融合,通过设计算法分别实现公交交易数据与GPS数据融合、公交交易数据与GPS数据的上车站点名称匹配。以南京37路公交为例,挖掘公交客流特征,包括总体客流特征,老年人、学生和残疾人等特殊人群的公交出行特征;挖掘公交客流的日客流分布、时客流分布和空间客流分布;挖掘公交的运行状态中的运行参数,把握公交运行状态的规律。为智能公共交通系统建设、政府决策、公众便捷出行、企业运营调度优化及数据验证提供数据支撑。     

基于IC信息和概率理论的公交OD反推方法

针对现有公交OD调查成本高昂、数据可靠性不高、影响因素考虑不全等问题,通过对公交IC卡信息的处理获得公交站点上下乘客人数及对公交乘客出行特征的分析,结合站点吸引率,提出了单条公交线路站点间OD反推结构化算法,并通过实例分析进行了有效性验证。结果表明该方法经济节约,数据可靠,易于实现。     

基于神经网络客流预测的高峰期公交时刻表优化

为了加强公交发车时刻与高峰期客流需求波动间的协调性,需要依据实时客流需求进行时刻表优化.根据IC卡采集到的上车乘客数据,分别采用BP神经网络和RBF神经网络算法预测计算得到断面客流量.兼顾优化决策和评价模型,设计完善了基于客流预测的公交时刻表动态优化流程.计算文山市公交线路客流数据,发现案例中采用RBF神经网络预测得到的断面流量精度较BP神经网络高出4.9%.基于RBF神经网络和BP神经网络预测客流需求优化的公交时刻表与现状运行时刻表相比,乘客出行成本分别降低了4.11%和1.35%,企业运营成本分别降低了7.06%和4.60%.定量验证了动态优化方法的可行性和有效性.      

基于GPS与IC卡的公交OD量采集方法

公交OD量是公交调度管理及线网优化的基础。传统的获取公交OD量的方法需要进行大范围的个人出行情况调查，消耗大量人力物力，且数据更新缓慢。随着GPS技术与IC卡在公交系统中的广泛应用，提出了利用公交车GPS定位与乘客IC卡刷卡信息来获取公交OD量的新方法。利用这一方法对广州某段时间的公交车GPS定位和羊城通数据进行了实际分析。试验结果表明这一方法是有效的。     

基于IC卡数据挖掘获取公交OD矩阵的方法

以广州市羊城通IC卡以及广州市公交系统信息为例子,探讨了实现基于IC卡信息获取公交客流出行特征的方法。在IC卡数据挖掘和统计基础上,对线路站点OD矩阵、区域OD矩阵进行了推算。相比传统的人工统计法。该方法易于实现,能运用到实际中且运算效率高,适用于海量数据的客流出行特征统计分析。     

基于公交IC卡的公交换乘数据获取方法研究

城市公共交通系统能否正常和高效地运营不仅取决于道路和车辆等设施条件,更有赖于运营管理手段和技术手段的先进性。传统的人工调查方法耗费巨大的人力物力,而调查结果却很难达到理想效果,所得数据不能动态反映城市公交出行的长期变化趋势。文中以公交Ic卡为切人点,通过对乘客2次刷卡间的时间分析以及利用公交GPS时间点的数据进一步分析乘客换乘所用的时间,判断出乘客2次乘车是换乘行为还是2次出行。     

多目标公交车辆与司机调度问题元启发算法设计

公交车辆与司机调度问题是智慧公交管理中的核心问题之一。针对我国人车固定作业模式下,相关研究中成本考虑不周全、算法通用性差和算法测试不充分等局限,设计了1个多目标公交车辆与司机调度问题元启发算法。算法支持电动车辆调度,适用于单线或跨线运营管理,满足人车固定或人车分离的调度模式,也支持灵活的车辆与司机相关参数设置。算法顾及车辆停车间隔、电池充电、司机休息与就餐等约束条件,优化目标包括车辆固定成本、车辆行驶成本、司机固定成本和司机津贴成本。算法首先生成初始解、再迭代使用班次链算子改进当前解,并通过群解、扰动和可变邻域下降等策略改进解的质量。使用62个单线案例和11个跨线案例进行算法测试,验证了算法的性能,并比较了不同运营模式下调度结果的差异。结果表明,使用续航里程150 km电动车辆取代燃油车辆,单线运营车辆数量增幅为0.8%,跨线运营增幅为1.6%;与单线运营相比,跨线运营所需车辆和司机数量分别减少4.6%和2.4%;与燃油车辆人车固定调度模式相比,人车分离能显著减少所需车辆,单线运营减少3.6%,跨线运营减少1.8%,所需司机数量基本保持不变,但司机需要换车驾驶,平均约为2次。      

Modeling bus bunching using massive location and fare collection data

Bus bunching is a well-known phenomenon for operators, users and regulators of high-frequency bus services. Bus operations are usually affected by increasing differences in the time intervals (headways) between consecutive buses. The effect of this variability is that buses tend to group into bunches of two or more, which severely affects the quality of service and the operational efficiency. The aim of this paper is to analyze which factors are associated to the phenomenon, using massive data from high-frequency services available in Santiago (Chile) and common-route services in Gatineau (Canada). The data is obtained from the bus GPS and AFC systems and are processed to obtain headways between buses. Using data from one week, we develop models to explain the variation of the continuous and discrete indicators of bus bunching as a function of variables related to the operation, variables related to the demand structure, and variables related to the infrastructure. Some of the factors that contribute to increase bus bunching are: stops located toward the end of the route, high scheduled frequency, irregular bus dispatch headways, non-homogeneous fleet, high demand, and high variability of demand. The results are useful for the design of quality indexes to measure bunching in bus operations, and for the design and operation of bus routes, taking into consideration the potential bus bunching problems.     

基于马尔科夫链的公交站间行程时间预测算法

公交站间行程时间具有明显的时段分布特征,且公交车辆是典型的时空过程对象,其运行具有状态转移性。为了准确预测公交站间行程时间,在应用马尔科夫链预测公交站间行程时间基础上提出其改进算法。通过大量公交GPS数据构造不同时段下具体线路站间行程时间的马尔科夫状态转移矩阵,并对站间行程时间进行状态推导,采用移动误差补偿法对马尔科夫预测值进行动态修正,改进原有的马尔科夫预测算法。以广州市BRT线路B1的实际运行数据对算法进行了验证,结果表明,移动误差补偿改进算法优于基本马尔科夫算法及 BP模型,同时该改进算法还具有实现过程较简单。      

基于轨迹数据的道路客运班车停留站点位置提取方法

识别并提取道路客运班车停留站点的位置, 可为道路客运的客运站站址优化、定制出行乘降站点设置、出行信息服务等提供依据和支持, 然而当前获取班车停留站点位置的方法存在成本高、周期长的问题。通过分析道路客运班车停留轨迹数据的典型特征, 以班车轨迹数据为数据源, 基于DBSCAN算法检测位于停留站点的点簇进而提取停留站点位置。同时, 针对DBSCAN算法具有高时间复杂度的问题, 通过建立格网索引对算法进行了改进。基于京津冀区域的136条道路客运班线的班车轨迹数据进行了实证分析, 结果表明: 改进DBSCAN算法提高了算法执行效率, 平均执行时间减少了59.72%, 且所生成的班车停留站点数量与传统算法基本一致; 在提取得到的282个班车停留站点中, 256个为真实的班车停留站点, 班车停留站点提取的正确率为90.78%。      

考虑出行时间窗的定制公交线路车辆调度方法

为提高定制公交系统的运行效率,研究了带乘客出行时间窗约束的多条定制公交线路车辆调度方法。给出了乘客出行站点合并方法,将公交车早到、晚到站点所造成的乘客损失转变为当量运营里程,以多辆公交车总运营里程最小为目标,考虑乘客的站点约束、公交车容量约束以及乘客的出行时间窗,建立了定制公交车辆调度优化模型。其次分析了乘客出行起点、终点对模型求解的影响,通过提出虚拟源站点,将多辆定制公交车的调度问题转换为多旅行商问题;基于后向推导原则设计贪心算法求得模型的可行解;之后基于遗传算法,采用自然数编码机制,将每个站点作为基因位,按照访问次序排列成染色体对应问题的解;最后给出了贪心算法和遗传算法的流程。在理论研究的基础上以定制公交线路为例对建模过程和模型的求解过程进行了阐述。研究结果表明：所建立的优化模型能够输出合理的多条定制公交线路车辆调度方案,不仅可以给出每辆定制公交的途经站点、运营里程,还可以给出每个站点的准点程度以及由于公交早到、晚到折算得到的当量运营里程;在求解算法质量方面,与可行解相比,相对最优解输出的方案能够使综合运营里程降低10.4%;模型求解时间为30.3 s,可以满足定制公交企业的实时性需求。     

考虑绿灯延长的干线公交绿波优化控制模型

针对绿灯延长控制策略使公交车辆在交叉口实际可通行时间大于社会车辆的事实，研究了考虑绿灯延长的干线信号协调优化控制模型。在MAXBAND模型考虑公交车运行速度和站点停靠时间的基础上，选择以绿灯起点作为绝对相位差的计算依据，结合最大延长绿灯时间改进对公交车辆的绿波带宽约束和时间-距离的几何关系约束，并使用Matlab求解改进模型相关参数。选取平均排队长度、社会车辆平均延误、公交车平均延误、平均停车次数和人均延误作为模型的评价指标，并使用Vissim软件对其仿真实验。实验结果表明，在无公交专用道且不考虑车辆排队影响的情况下，改进模型相较于在MAXBAND基础上考虑公交车行驶速度和靠站停车时间模型而言，5个评价指标均至少提升了2.87%;相较于MAXBAND模型而言，由于改进模型未考虑交叉口车辆排队情况，公交车平均延误增加了1.87%，但其他4个指标均至少提升了1.71%。      

大型营运客车在高速公路的换道安全性辨识

为了给大型营运客车换道预警系统设计提供参考,采用毫米波雷达、激光雷达、车道线识别传感器、GPS、视频监控系统以及控制器局域网（CAN）总线数据采集仪等设备,基于小型乘用车搭建浮动车采集平台。通过在试验线路上进行1.5×10⁴ km的驾驶试验,获取1 200余次营运客车的真实换道数据。以Jula提出的换道安全性模型为基础,结合营运客车的换道行为特征,通过分析换道进程结束后客车需要与周围车辆保持的安全距离,建立适合于营运客车的3类换道安全性识别模型（客车与自车道前方车辆、目标车道前方车辆、目标车道后方车辆）,并利用真实数据对3类模型进行验证。研究结果表明：客车换道持续时间均值为10.4 s,换道起始时刻与目标车道后方车辆的距离为10.0~40.0 m;所有换道样本中,73.3%的换道过程中客车速度要高于目标车道后方车辆,且超过90%的换道过程是由前方慢车引起;不同的速度区间下,车速和航向角联合变化情况下,驾驶人控制营运客车的横向偏移速度保持稳定,可认为客车驾驶人的心理预期换道进程存在固定经验模式,这与小型车换道的研究结论存在较大差异,传统的TTC预警算法识别率较低,在不同速度区间情况下,所提出的模型对客车与自车道前方车辆、目标车道前方车辆、目标车道后方车辆的换道安全识别评价准确率均超过了90%。