一种基于移动通信数据的公交客流需求的调查方法与流程

本发明涉及交通出行需求调查领域，特别涉及到一种基于移动通信数据的公交客流需求的调查方法。
背景技术：
：公交客流需求调查是指交通小区之间的公交出行分布调查，目的是为了(1)了解公交客流在线路、方向、时间和断面上的分布情况；(2)搜集、记录、统计、汇总分析城市居民出行分布的资料，把握公交客流规律，分析公交运营现状；(3)全面掌握完整的客流动态资料，有效组织公交营运生产活动，提高社会效益和公交公司经济效益。目前，对于公交客流需求调查的方法主要有：IC卡法、问卷调查法、志愿者GPS轨迹法、视频识别法等。但是这些方法存在调查成本较高、公交出行终点信息获取较难、被调查人员配合程度较低、汇总数据准确性较差等问题。技术实现要素：本发明所要解决的技术问题是提供一种成本较低、公交出行终点信息获取相对容易、汇总数据准确性较好的公交客流需求的调查方法。本发明解决上述技术问题所采用的技术方案为：一种基于移动通信数据的公交客流需求的调查方法，包括以下步骤：步骤1：将移动通信基站小区与公交站点进行位置匹配，具体为：步骤1.1：从移动通信公司网络运营部得到通信基站编号和位置经纬度，然后将通信基站编号和位置经纬度、道路网络地理信息、公交线路地理信息及公交站点编号和位置经纬度标示在地图上，并标出研究区域内的通信基站位置；步骤1.2：将研究区域根据通信基站的无线信号覆盖的地理小区划分为多个仅包含一个通信基站的区域，且该区域中任何一点都与本区域内的通信基站间隔最近，将该区域定义为通信基站小区，并记为i，i＝1、2、…、I，I为研究区域内通信基站小区的总数，然后绘制所有通信基站小区的边界；步骤1.3：将研究区域内的公交站点记为j，其中，j＝1、2、…、J，J为公交站点的总数，定义通信基站小区i与公交站点j的位置匹配集为然后遍历公交站点j，如果它被基站小区i覆盖，则将公交站点j纳入否则不纳入；步骤2：建立有效通信基站小区内的公交吸引线路集，具体步骤为：步骤2.1：根据通信基站小区与公交站点的位置匹配集统计出通信基站小区i到k的公交出行点对集包括：i内部任意公交站点出发到达k内部任意公交站点的所有出行点对，其中，k＝1、2、…、I；步骤2.2：调取移动通信公司网络部在研究时段和研究区域内的所有个体出行轨迹，其中，任意个体的出行轨迹可以用一条基站路径表示，所述的基站路径是指出行个体的手机在信号切换过程中所产生的基站编号序列，遍历通信基站小区i和k，如果i≠k，则统计出i到k的基站路径集Rik，包括以通信基站小区i为起点且以k为终点的所有基站路径，总数记为K,内部的第m条基站路径记为rikm，其中，m＝1、2、…、K，将rikm所经过的通信基站小区合并在一起作为基站路径rikm的有效通信基站小区；步骤2.3：按照期望出行时长最短方法，找到基站路径rikm所对应有效通信基站小区内的公交吸引线路集作为候选公交路径集合，记为该公交吸引线路集同时符合两个条件，其一，满足要求的公交路径起终点与公交出行点对集内部的点对相匹配，其二，满足要求的公交路径是在rikm所对应有效通信基站小区内部；步骤3：根据时长隶属度判别出行需求，具体步骤为：步骤3.1：定义基站路径rikm的交通出行时长变量为bikm；步骤3.2：定义基站路径rikm所对应的公交出行时长隶属度函数为其中，∨是并运算符，意为：首先计算公交吸引线路集上任意一条公交路径p在bikm上的隶属度再从中取最大者作为其中，是梯形函数，梯形顶部的隶属度为1，梯形底部的隶属度为0，梯形四个顶点所对应出行时长如下：首先统计一年内在研究时段的公交路径p的出行时长数据，取最小值和最大值分别作为梯形顶部左右两个点对应的出行时长，再统计同一年内全部时段的公交路径p的出行时长数据，取最小值和最大值分别作为梯形底部左右两个点对应的出行时长；步骤3:3：定义基站路径rikm所对应的小汽车出行时长隶属度函数为是梯形函数，梯形顶部的隶属度为1，梯形底部的隶属度为0，梯形四个顶点所对应出行时长如下：首先统计一年内在研究时段的基站路径rikm所对应有效通信基站小区内从通信基站小区i到k的小汽车出行时长数据，取最小值和最大值分别作为梯形顶部左右两个点对应的出行时长，再统计同一年内全部时段的基站路径rikm所对应有效通信基站小区内从通信基站小区i到k的小汽车出行时长数据，取最小值和最大值分别作为梯形底部左右两个点对应的出行时长；步骤3.4：遍历基站路径rikm上的出行个体h，其中，h＝1、2、…、H，H为基站路径rikm上的出行个体总和，定义出行个体h的出行时长ah为已知量，求得出行个体h的公交出行时长隶属度μ(ah)与小汽车出行时长隶属度ν(ah)，如果μ(ah)>ν(ah)，则判断个体h的出行方式是公交，如果μ(ah)<ν(ah)，则判断个体h的出行方式是小汽车，如果μ(ah)＝ν(ah)，则转入步骤4；步骤4：根据时间戳相离度判别出行需求，具体步骤为：步骤4.1：将手机使用者跨越通信基站小区的边界时所发生信号切换的时间节点定义为时间戳，针对步骤3.4所述的μ(ah)＝ν(ah)情形，遍历同个研究时段同条基站路径所对应的其他出行个体g，其中，g＝1、2、…、H且g≠h，计算个体g与h之间的时间戳相离度Dhg：其中，χhρ是指出行个体h切换到通信基站ρ的时间戳，χgρ是指出行个体g切换到通信基站ρ的时间戳，ρ是基站路径rikm上的通信基站，其中，ρ＝1、2、…、是基站路径rikm所包含的通信基站总数；步骤4.2：挑选出与出行个体h的时间戳相离度最小的前3个出行个体，将这3个时间戳相离度的平均值记为fh；步骤4.3：将0.2分钟作为公交出行个体的时间戳相离度上限，如果fh<0.2，则判断个体h的出行方式是公交，否则，判断个体h的出行方式是小汽车；步骤5：统计公交出行需求：对通信基站小区i到k的所有个体完成出行方式判断之后，得到两个通信基站小区间公交出行需求总数Fik，其中，i＝1、2、…、I，k＝1、2、…、I。与现有技术相比，本发明的优点在于借助于移动通信数据进行公交客流的需求调查，能够弥补传统公交调查方法成本过高、数据准确率过低等的缺点，在本发明中，基于手机持有者的基站路径数据，将时长隶属度和时间戳相离度两个准则相结合，辨识出选择公交出行的手机持有者，从而汇总出准确性较高的公交客流需求数据。附图说明图1是本发明调查方法的流程图；图2是本发明实施例一所针对的具体案例的示意图；图3是本发明实施例一的具体案例中通信基站路径图；图4是本发明实施例一的具体案例中一般公交网络的示意图；图5是本发明实施例一的具体案例中扩展后的公交网络示意图；图6是公交吸引线路集的示意图；图7是公交出行时长隶属度函数示意图；图8是小汽车出行时长隶属度函数示意图。具体实施方式以下结合附图实施例对本发明作进一步详细描述。实施例一：本实施例以图2所示区域为例。其中黑色虚线所围成的区域为通信基站小区；黑色方块为公交站点，其数字编号为公交站点编号；箭头标记为公交线路标记，其数字编号为公交线路编号。公交线路1发车频率1/5，站点1至站点8运行时间25分钟；公交线路2发车频率1/7，站点3至站点7运行时间20分钟；线路3发车频率1/10，站点6至站点8运行时间10分钟；线路4发车频率1/15，站点7至站点8运行时间5分钟；线路5发车频率1/7，站点1至7运行时间23分钟。本发明基于移动通信数据的公交客流需求的调查方法，包括以下步骤：步骤1：将移动通信基站小区与公交站点进行位置匹配，具体为：步骤1.1：从移动通信公司网络运营部得到通信基站编号和位置经纬度，然后将通信基站编号和位置经纬度、道路网络地理信息、公交线路地理信息及公交站点编号和位置经纬度标示在地图上，并标出研究区域内的通信基站位置；步骤1.2：将研究区域根据通信基站的无线信号覆盖的地理小区划分为多个仅包含一个通信基站的区域，且该区域中任何一点都与本区域内的通信基站间隔最近，将该区域定义为通信基站小区，并记为i，i＝1、2、…、I，I为研究区域内通信基站小区的总数，这里为7，然后绘制所有通信基站小区的边界，可借鉴的方法有泰森多边形法，最终的通信基站小区边界在图2中用黑色虚线表示；步骤1.3：将研究区域内的公交站点记为j，其中，j＝1、2、…、J，J为公交站点的总数，这里为8，图2所示黑色方块位置即为公交站点位置，定义通信基站小区i与公交站点j的位置匹配集为然后遍历公交站点j，如果它被基站小区i覆盖，则将公交站点j纳入否则不纳入，所述案例的基站小区与公交站点位置匹配结果如下表所示：步骤2：：建立有效通信基站小区内的公交吸引线路集，具体步骤为：步骤2.1：根据通信基站小区与公交站点的位置匹配集统计出通信基站小区i到k的公交出行点对集包括：i内部任何公交站点出发到达k内部任何公交站点的所有出行点对，其中，k＝1、2、…、I，以图2的通信基站小区为例，公交出行点对集包括公交点对(1,8)与(3,8)；步骤2.2：调取移动通信公司网络部在研究时段和研究区域内的所有个体出行轨迹，其中，任意个体的出行轨迹可以用一条基站路径表示，所述的基站路径是指出行个体的手机在信号切换过程中所产生的基站编号序列，遍历通信基站小区i和k，如果i≠k，则统计出i到k的基站路径集Rik，包括以通信基站小区i为起点且以k为终点的所有基站路径，总数记为K,内部的第m条基站路径记为rikm，其中，m＝1、2、…、K，将rikm所经过的通信基站小区合并在一起作为基站路径rikm的有效通信基站小区，本例中通信基站路径r171∈R17为{1-2-3-4-5-6-7}，如图3所示，其中黑色有向线为手机信号切换方向，黑色圆点为通信基站位置，其数字编号为通信基站编号；步骤2.3：按照期望出行时长最短方法，找到基站路径rikm所对应有效通信基站小区内的公交吸引线路集，记为是一个候选公交路径集合，同时符合两个条件，其一，满足要求的公交路径起终点与公交出行点对集内部的点对相匹配，其二，满足要求的公交路径是在rikm所对应有效通信基站小区内部；这个步骤执行过程分两步走：第一个子步骤是以任意公交出行点对为起终点，按照期望出行时长最短方法，找到基站路径rikm所对应有效通信基站小区内的公交吸引线路集，记为本例中以公交点对(3,8)为例找出公交吸引线路集。站点3至站点8存在如下所列公交路径，并采用一般公交网络图4表述：(1)公交路径1：在站点3乘坐线路1至站点8；(2)公交路径2：在站点3乘坐线路2至站点6换乘线路3至8；(3)公交路径3：在站点3乘坐线路2至站点7换乘线路3至8；(4)公交路径4：在站点3乘坐线路2至站点7换乘线路4至8；(5)公交路径5：在站点3乘坐线路2至站点6换乘线路3至站点7再换乘线路4至站点8。将一般公交网络转化成扩展公交网络图5，实线表示车辆运行路段，属性是站点间车辆运行时间，点线表示上车路段，属性是等车时间，等于对应线路发车频率的倒数，点划线表示下车路段，属性是下车时间，默认为零，并依据公式TΓ=(1/Σl=1,2,...,Γfl)+(Σl=1,2,...,Γfl·tl/Σl=1,2,...,Γfl)]]>计算第1到Γ条公交路径的期望出行时间，其中，fl表示在公交路径l第一站的等车时间，tl是公交路径l上除去第一条路段之后其他路段的属性相加值。以下说明站点间吸引线路集如何获取：首先，针对每条公交路径，使用公交路径期望出行时间公式进行计算，并对所得数值由小到大进行排序，本例中的5条路径顺序与排序所得一致。其次，从零开始由小到大依次加入一条路径，与已有路径放在一起，计算公交路径期望出行时间，直到加入某条公交路径之后的期望出行时间大于前次计算结果，则停止，并取前次计算时所考虑的公交路径作为公交吸引线路集。在本例中，计算得公交路径1的期望出行时间T1为30分钟，计算过程如下：T1=(1/15)+[(15×25)/15]=30min]]>加入公交路径2后的期望出行时间T2为32分钟，计算过程如下：T2=[1/(15+17)]+[(15×25+17×(20+5+10))/(15+17)]=32min]]>因加入公交路径2后期望出行时间T2>T1，因此停止计算，将公交路径1作为公交点对(3,8)的公交吸引线路集的所有公交路径，同样的方法可以解得公交路径2为公交点对(1,8)的公交吸引线路集的所有公交路径。第二个子步骤是将公交站点间的公交吸引线路集合并进前提是满足合并要求：在本例中，可将和合并进最后得到的公交吸引线路集如图6所示，包括公交路径1和2。步骤3：根据时长隶属度判别出行需求，具体步骤为：步骤3.1：命基站路径rikm的交通出行时长变量为bikm；步骤3.2：基站路径rikm所对应的公交出行时长隶属度函数为其中，∨是并运算符，意为：首先计算公交吸引线路集上任意一条公交路径p在bikm上的隶属度再从中取最大者作为其中，是个梯形函数，梯形顶部的隶属度为1，梯形底部的隶属度为0，梯形四个顶点所对应出行时长如下：首先统计一年内在研究时段的公交路径p的出行时长数据，取最小值和最大值分别作为梯形顶部左右两个点对应的出行时长，再统计同一年内全部时段的公交路径p的出行时长数据，取最小值和最大值分别作为梯形底部左右两个点对应的出行时长；在本例中，针对公交吸引线路集上的两条公交路径1和2，它们在交通出行时长上的隶属度分别为和将隶属度较大部分进行保留，最终得到如图7粗线所示基站路径所对应的公交出行时长隶属度函数步骤3.3：基站路径rikm所对应的小汽车出行时长隶属度函数为是一个梯形函数，梯形顶部的隶属度为1，梯形底部的隶属度为0，梯形四个顶点所对应出行时长如下：首先统计一年内在研究时段的基站路径rikm所对应有效通信基站小区内从通信基站小区i到k的小汽车出行时长数据，取最小值和最大值分别作为梯形顶部左右两个点对应的出行时长，再统计同一年内全部时段的基站路径rikm所对应有效通信基站小区内从通信基站小区i到k的小汽车出行时长数据，取最小值和最大值分别作为梯形底部左右两个点对应的出行时长；在本例中，针对基站路径所对应通信基站小区1到7的小汽车出行，它的时长隶属度函数可如图8所示。步骤3.4：遍历基站路径rikm上的出行个体h，其中，h＝1、2、…、H，H为基站路径rikm上的出行个体总和，由于个体h的出行时长ah是已知量，所以可求得公交出行时长隶属度μ(ah)与小汽车出行时长隶属度ν(ah)，如果μ(ah)>ν(ah)，则判断个体h的出行方式是公交，如果μ(ah)<ν(ah)，则判断个体h的出行方式是小汽车，如果μ(ah)＝ν(ah)，则转入步骤4；本例假设基站路径上在所研究时段有8个出行个体，他们的出行时长数据如下表所示：出行个体h12345678出行时长ah3228181926272625分别将上表出行时长代入μ(ah)和ν(ah)，计算并比较大小，得出：出行个体1、2选择了公交出行；出行个体3、4选择了小汽车出行；对于出行个体h＝5、6、7、8的情形，因μ(ah)和ν(ah)的大小相同，需要转入步骤4，即进行时间戳相离度判别。步骤4：根据时间戳相离度判别出行需求，具体步骤为：步骤4.1：将手机使用者跨越通信基站小区的边界时所发生信号切换的时间节点定义为时间戳，针对步骤3.4所述的μ(ah)＝ν(ah)情形，遍历同个研究时段同条基站路径所对应的其他出行个体g，其中，g＝1、2、…、H且g≠h，计算个体g与h之间的时间戳相离度Dhg：其中，χhρ是指出行个体h切换到通信基站ρ的时间戳，χgρ是指出行个体g切换到通信基站ρ的时间戳，ρ是基站路径rikm上的通信基站，其中，ρ＝1、2、…、是基站路径rikm所包含的通信基站总数；本例中假设h＝5，g＝6、7、8，且出行个体发生通信信号切换的时间戳序列如下表所示：计算得出三个时间戳相离度D56＝0.18、D57＝0.14、D58＝0.22。步骤4.2：挑选出与出行个体h的时间戳相离度最小的前3个出行个体，将这3个时间戳相离度的平均值记为fh；本例中计算得出时间戳相离度平均值f4＝0.18。步骤4.3：将0.2分钟作为公交出行个体的时间戳相离度上限，如果fh<0.2，则判断个体h的出行方式是公交，否则，判断个体h的出行方式是小汽车；本例中f4<0.2，因此判断出行个体h选择了公交出行，对个体6、7、8也进行同样的时间戳相离度判断，可以得出个体6、7、8也为公交出行。步骤5：统计公交出行需求：对通信基站小区i到k的所有个体完成出行方式判断之后，得到两个通信基站小区间公交出行需求总数Fik，其中，i＝1、2、…、I，k＝1、2、…、I。本例中对通信基站小区1到7的所有出行个体完成公交出行需求的判断之后，得到两个通信基站小区间公交出行需求总数F17＝6。当前第1页1 2 3