专利名称：三维智能交通枢纽客流时空分析与预测系统的制作方法
技术领域：
本发明涉及地理空间信息系统技术领域，尤其涉及一种三维智能交通枢纽客流时空分析与预测系统。
背景技术：
目前交通枢纽管理缺乏对多源动态交通信息的综合管理和分析，缺乏对交通枢纽客流的时空分布和交通枢纽客流短期规律统计与预测等深入研究与应用，缺乏交通枢纽客流时空分析在三维城市场景中的动态可视化表达。
发明内容
本发明为解决上述技术问题，提供一种三维智能交通枢纽客流时空分析与预测系统，其特征在于，针对交通枢纽的客流特征，包括包含数据的多源数据层、包含数据库的数据库层以及以所述多源数据层和所述数据库层为基础运行的功能模块层，其中，所述功能模块层包括三维GIS基本功能模块，用于对交通基础场景进行数据加载、管理、分析和可视化，对交通枢纽客流时空分析与预测结果进行三维动态可视化表达；实时路况分析发布模块，用于在三维城市场景中发布和分析实时交通路况信息；交通枢纽实时交通圈分析发布模块，用于对以交通枢纽为起点在用户设定时间内所能到达周边地区的范围进行分析与三维可视化表达；交通枢纽客流时空分布分析发布模块，用于对各交通方式的交通枢纽客流进行各时间段的出行起止分析与三维可视化表达；交通枢纽客流统计与预测分析发布模块，用于对各交通方式的交通枢纽客流量进行统计与分时段短期预测，所述实时路况分析发布模块、交通枢纽实时交通圈分析发布模块、交通枢纽客流时空分布分析发布模块以及交通枢纽客流统计与预测分析与发布模块皆与所述三维GIS基本功能模块连接。优选地，所述交通枢纽客流时空分布分析发布模块中，交通枢纽地铁客流时空分布分析发布的步骤包括输入历史地铁交通卡数据，提取有效的地铁刷卡记录；统计各地铁站点与交通枢纽相关的客流，其中包括目的地和始发地为交通枢纽的客流，分别以工作日和周末作为两个统计类别，统计从各个地铁站点到交通枢纽来的平均日上客量和交通枢纽到各个地铁站点去的平均日下客量；在三维城市场景中对各个地铁点的上/下客流量通过三维柱状图进行可视化表达。优选地，所述交通枢纽客流时空分布分析发布模块中，交通枢纽出租车客流时空分布分析发布的步骤包括输入出租车GPS记录数据，提取有效的出租车GPS记录；通过地图匹配提取与交通枢纽相关的出租车出行；统计从各个交通小区到交通枢纽来的平均日上客量和交通枢纽到各个交通小区去的平均日下客量；在三维城市场景中对各个交通小区与交通枢纽的客流通过流向图进行可视化表达，该客流流向图由所有连接出行起点和终点的直线段构成，一条客流流向线段由起点指向终点，一个交通小区内的所有起点和终点均由该交通小区的重心点统一表示，一条客流流向线段的粗细与该流向的客流流量成正比。优选地，所述交通枢纽客流统计与预测分析发布模块中，交通枢纽地铁客流统计与预测分析发布包括以下步骤输入地铁交通卡数据，获取交通枢纽相关的有效的地铁出行记录；输入地铁线路数据，对交通枢纽地铁站的日客流量、每日分时段客流进行统计分析；分析影响地铁客流的因素，建立分时段地铁客流预测模型；根据实际的客流数据对所述分时段地铁客流预测模型进行验证；在三维GIS中对统计和预测结果进行柱状图和曲线图的窗口表达。优选地，所述交通枢纽客流统计与预测分析发布模块中，交通枢纽出租车客流统计与预测分析发布包括以下步骤输入出租车GPS记录数据，提取有效的出租车GPS记录；通过地图匹配提取与交通枢纽相关的出租车出行；对交通枢纽的出租车日客流量、每日分时段客流进行统计分析；分析影响出租车客流的因素，建立分时段出租车客流预测模型；根据实际的出租车客流数据对所述分时段出租车客流预测模型进行验证。本发明的三维智能交通枢纽客流时空分析与预测系统通过融合和分析多源交通信息，量化城市居民与交通枢纽相关的出行时空分布，建立各交通方式的分时段客流短期预测模型，提供交通枢纽管理和规划的量化支持；可基于实时动态交通信息，对交通枢纽的实时可达性进行分析和发布，提高交通枢纽的大众信息化服务水平；通过三维数字城市技术进行综合集成管理及三维可视化分析，为决策者、管理者、和市民提供更加直观的信息获取平台。
图1为本发明一实施例三维智能交通枢纽客流时空分析与预测系统架构示意图；图2为本发明一实施例交通枢纽实时交通圈分析发布流程示意图；图3为本发明一实施例交通枢纽客流时空分布分析发布流程示意图；图4为本发明一实施例交通枢纽客流统计与预测流程示意图。
具体实施例方式下面将结合附图以及具体实施例来对本发明作进一步详细说明。如图1所示，为本发明一实施例三维智能交通枢纽客流时空分析与预测系统架构示意图，所述三维智能交通枢纽客流时空分析与预测系统包括包含数据的多源数据层、包含数据库的数据库层以及以所述多源数据层和所述数据库层为基础运行的功能模块层，其中，所述功能模块层包括三维GIS基本功能模块，用于对交通基础场景进行数据加载、管理、分析和可视化，以及对交通枢纽客流时空分析与预测结果进行三维动态可视化表达，所述三维GIS基本功能模块以地形数据、影像数据、城市三维模型数据、基础道路矢量数据作为交通基础场景数据，具有三维场景操作、三维室内外漫游浏览、三维测量分析、以及三维场景对象编辑功能；实时路况分析发布模块，用于在三维城市场景中发布和分析实时交通路况信息，所述实时路况分析发布模块实时接收由专门部门发布的各路段的当前车辆行驶速度，对车辆行驶速度进行道路通畅程度的等级划分，利用不同的颜色显示不同道路通畅程度，如以红色、黄色、绿色分别表示拥堵、缓行、通畅的交通路况，根据接收的实时路况信息的更新情况，对三维场景表达的实时路况数据进行动态更新，并可以使用时间进度条查看任意时刻的实时路况，以供进一步的交通枢纽客流时空分析与预测应用；交通枢纽实时交通圈分析发布模块，用于根据道路网络和所述实时路况分析发布模块提供的各路段实时行驶速度，对以交通枢纽为起点在用户设定时间内所能到达周边地区的范围进行分析与三维可视化展示；交通枢纽客流时空分布分析发布模块，用于对各交通方式的交通枢纽客流进行出行起止分析与发布，所述交通枢纽客流时空分布分析发布模块可统计并在三维城市场景中可视化每日和每日不同时间段各交通方式的交通枢纽客流在不同起止点的信息；交通枢纽客流统计与预测分析与发布模块，用于对各交通方式的交通枢纽客流量进行统计与预测，所述交通枢纽客流统计与预测分析发布模块通过统计海量多源交通数据，得到每日和每日不同时间段的各交通方式的交通枢纽客流量，并利用客流量短期预测模型，对地铁、出租车、长途客运等客流进行短期预测，并发布每日和每日分时段的客流统计和预测的柱状图和曲线图；所述实时路况分析发布模块、交通枢纽实时交通圈分析发布模块、交通枢纽客流时空分布分析发布模块、以及交通枢纽客流统计与预测分析与发布模块皆与所述三维GIS基本功能模块连接。在上述实施例中，所述多源数据层可包括地铁交通卡数据、出租车GPS记录数据、公交刷卡数据、长途客运车发班记录数据以及手机位置数据等，这些数据具有存量大、增速快、实时处理要求高等特点；所述数据库层包括地形数据库、城市三维模型数据库、基础交通数据库、实时交通数据库以及历史交通数据库等，所有数据库都统一在SQL Server数据库管理系统中进行统一的存储与管理。如图2所示，为本发明一实施例交通枢纽实时交通圈分析发布流程示意图，交通枢纽实时交通圈分析发布是以城市矢量道路数据为网络分析基础，将实时路况分析发布模块提供的实时道路行驶速度连接到道路网络相应的路段上，以此建立城市道路网络，然后根据用户设置的交通圈时间半径(例如20分钟、40分钟、I小时等)，利用最短路径算法，以交通枢纽为起点进行道路网络服务范围分析，最后将生成的交通枢纽可达范围图在三维城市场景中发布，该交通圈的可视化方法为叠加在三维城市地图上的半透明不规则面状区域，不同时间半径的交通圈可同时使用不同颜色的面状区域叠加。如图3所示，为本发明一实施例交通枢纽客流时空分布分析发布流程示意图。其中，交通枢纽地铁客流时空分布分析发布是以历史地铁交通卡数据为基础，提取有效的地铁刷卡记录，包括交通卡ID、进站站点、出站站点、进站时间，出站时间，统计各地铁站点与交通枢纽相关的客流，其中包括目的地和始发地为交通枢纽的客流，分别以工作日和周末作为两个统计类别，统计从各个地铁站点到交通枢纽来的平均日上客量和交通枢纽到各个地铁站点去的平均日下客量，并在三维城市场景中对各个地铁点的上/下客流量通过三维柱状图进行可视化表达。交通枢纽出租车客流时空分布分析发布是以出租车GPS记录数据为基础，提取有效的出租车GPS记录，包括出租车ID、每一次记录的经纬度、时间、载客与否等原始信息，从原始信息中提取得到每辆出租车一天载客次数、每次载客的起点经纬度坐标和时间以及终点经纬度坐标和时间，将每一次载客出行的起止点与城市交通小区进行地图匹配，划定交通枢纽的地图区域，将出行起点或终点在交通枢纽地图范围内的出行视为与交通枢纽相关的出租车出行，统计城市内各交通小区与交通枢纽相关的客流，其中包括目的地和始发地为交通枢纽的客流，分别以工作日和周末作为两个统计类别，统计从各个交通小区到交通枢纽来的平均日上客量和交通枢纽到各个交通小区去的平均日下客量，在三维城市场景中对各个交通小区与交通枢纽的客流通过流向图进行可视化表达，该客流流向图由所有连接出行起点和终点的直线段构成，一条客流流向线段由起点指向终点，一个交通小区内的所有起点和终点均由该交通小区的重心点统一表示，一条客流流向线段的粗细与该流向的客流流量成正比。交通枢纽长途客运客流时空分布分析发布是以长途客运发班数据为基础，提取有效的长途客运记录，包括长途班车车牌号、发车起点、时间、终点站、长途距离、票价、长途类型、乘客人数、核载人数等，统计各长途站点与交通枢纽相关的客流，分别以工作日和周末作为两个统计类别，统计从各个长途客运站点到交通枢纽来的平均日上客量和和交通枢纽到各个长途客运站点去的平均日下客量，并在三维城市场景中在各个长途客运站点进行上/下客流量三维柱状图显示。如图4所示，为本发明一实施例交通枢纽客流统计与预测流程示意图。交通枢纽客流统计与预测是以多源交通数据源(包括地铁交通卡数据、出租车GPS数据、长途客运发班数据等)为基础，提取各自有效的与交通枢纽相关的出行数据，统计交通枢纽的各种交通方式的日平均客流量和每日分时段平均客流量，通过对历史客流的统计分析，建立各种交通方式的客流短期预测模型，对客流进行预测，并将预测结果在三维GIS中进行图表表达。本发明的交通枢纽 地铁客流统计与预测包括以下步骤输入地铁交通卡数据，获取有效的地铁刷卡记录，包括交通卡ID、进站站点、出站站点、进站时间，出站时间；对交通枢纽地铁进站和出站的一周内每日的日平均客流量、每日分时段客流(例如，每2小时统计一次)进行统计；按照时段-天-周-月-年的不同统计时段对交通枢纽地铁进出站客流量进行统计，分析客流量与工作日、周末、假期旅游、作息规律等相关因素的关系。短期内，例如，一个月至半年，针对地铁客流呈现的规律性和稳定性，采用回归预测模型对地铁客流进行短期预测。首先选取某一月份各时段数据正常的地铁进出站客流量作为建模样本，并选取建模样本时间段之后的一周或两周的数据作为验证样本；然后选取可能影响地铁客流的因素，例如，周几和时段，对建模样本进行因素方差分析，通过反复组合的因素方差分析验证各因素对客流量变化的影响；选取对客流变化有影响的因素，对一周内的分时段进出站客流分别建立回归模型，对一周内客流量无明显差异的时段采用相同的回归模型。例如，通过双因素方差分析，发现周几与时段为影响地铁出站客流的两个重要因素，并且周一至周四的出站客流全天各时段变化无差异，而与周五、周六、周日则各不相同，则对周一至周四、周五、周六、周日的分时段出站客流分别建立回归模型，首先将地铁运营的16个小时按2小时一个时段划分为8个时段,使得时段变量成为一个具有8个类型的分类自变量，因而产生7个哑变量。这四个回归模型表示如下(I)周一至周四分时段出站客流Flow—out—Mon = aiti+agl^+asts+aAl^+asts+aete+aTtT+ag。(2)周五分时段出站客流Flow—out—Fri =(3)周六分时段出站客流
Flow_out_Sat = Citi+Cgtg+c^l^+c^l^+Cgtg+Cete+CTtT+Cs。(4)周日分时段出站客流Flow_out_Sun = diti+c^l^+dsts+c^l^+dsts+dete+dTtT+ds。其中，t1; t2， t7为8个时段的哑变量。当h = 1，t2 = t3 =…=t7 = 0时，因变量代表第一个时段的出站客流量；当t2 = 1，h = t3 = . . . = t7 = 0时，因变量代表第二个时段的出站客流量；依次类推；而当ti = t2 = t3 = . . = t7 = 0时，因变量代表第八个时段的出站客流量。a” bi； Ci, di分别为四个模型的自变量参数和常数项。对于每一个单独的预测值的准确率用绝对百分比误差(APE)计算APE=100%* |预测值-实际值I /实际值，使用验证样本对所述分时段地铁客流预测模型进行误差率计算。本发明的交通枢纽出租车客流统计与预测包括以下步骤输入出租车GPS记录数据，获取有效的出租车的起止数据，包括出租车ID、起点经纬度、终点经纬度、起点时刻、终点时刻等原始信息，从原始信息中提取得到每辆出租车一天载客次数、每次载客的起点经纬度坐标和时间以及终点经纬度坐标和时间等信息建立专门的数据库表在SQL Server数据库进行管理。将所述出租车GPS记录数据进行城市地图匹配，划定交通枢纽的地图区域，将出行起点或终点在交通枢纽地图范围内的出行视为与交通枢纽相关的出租车出行；对出租车日平均客流量和每日分时段客流进行统计；选取各时段正常的一个 月出租车出站客流量作为建模样本，然后对建模样本进行周几与时段的可重复双因素方差分析，通过反复组合的双因素方差分析验证一周内客流量变化的差异性；对一周内的分时段进出站客流分别建立回归模型，对一周内客流量无明显差异的时段采用相同的回归模型。例如，通过双因素方差分析，发现周几与时段为影响出租车客流的两个重要因素，并且周一至周日的客流全天变化无差异，则对周一至周日的分时段出租车客流统一建立回归模型。其中回归模型将一天24小时按2小时一个时段划分为12个时段，使得时段变量成为一个具有12个类型的分类自变量，因而产生11个哑变量。该回归模型表示如下Flow_out = a1t1+a2t2+a3t3+a4t4+a5t5+a6t6+a7t7+agtg+agtg+ajgtjg+ajjtjj+a^。其中，tptw.tn为11个时段的哑变量。当^ = l，t2 = t3 = ... = tn =0时，因变量代表第一个时段的出站客流量；当t2 = 1，h = t3 = . . . = tn = 0时，因变量代表第二个时段的出站客流量；依次类推；而当h = t2 = t3 = . . = tn = 0时，因变量代表第12个时段的出站客流量。％为模型的自变量参数和常数项。对于每一个单独的预测值的准确率用APE计算，根据验证样本对所述分时段出租车客流预测模型进行误差率计算。本发明的交通枢纽长途客运客流统计与预测包括以下步骤输入长途客运车发班记录数据，获取的有效数据信息，包括长途班车车牌号、发车起点、时间、终点站、长途距离、票价、长途类型、乘客人数、核载人数等信息；对长途客运车进站和出站的日平均客流量和每日分时段客流进行统计；选取各时段正常的一个月长途客运出站客流量作为建模样本，然后对建模样本进行周几与时段的可重复双因素方差分析，通过反复组合的双因素方差分析验证一周内客流量变化的差异性；对一周内的分时段进出站客流分别建立回归模型，对一周内客流量无明显差异的时段采用相同的回归模型。例如，通过双因素方差分析，发现周几与时段为影响出租车客流的两个重要因素，并且周一至周日的客流全天变化均有差异，则对周一至周日的分时段出租车客流分别建立回归模型，将每日划分为16个时段(从每日6点开始到22点结束，以每个小时为一个时段)，使得时段变量成为一个具有16个类型的分类自变量，因而产生15个哑变量。这七个回归模型表示如下( I)周一分时段客流Flow—Mon = Q,1t1+Q,2t2+Q,3t3.......+a15t15+a16。(2)周二分时段客流Flow—Tue =.......+b15t15+b16。(3)周三分时段客流 Flow—Wed = c1t1+c2t2+c3t3.......+c15t15+c16o(4)周四分时段客流Flow—Thu = (1山+(12七2+(13七3.......+d15t15+d16。(5)周五分时段客流Flow—Fri = 6山+62七2+63七3.......+e15t15+e16o( 6 )周六分时段客流Flow_Sat = f1t1+f2t2+f3t3.......+f15t15+f16。(7)周日分时段客流Flow_Sun =.......+g15t15+g16。其中，Lt2.....t15为16个时段的哑变量。当h = 1，t2 = t3 =...... = t15 =
0时，因变量代表第一个时段的出站客流量；当t2 = Lt1 = t3 =...... = t15 = 0时，因
变量代表第二个时段的出站客流量；依次类推；而当h = t2 = t3 =...... = t15 = 0时，
因变量代表第十六个时段的出站客流量。分别为七个模型的自变量参数和常数项。对于每一个单独的预测值的准确率用APE计算，根据验证样本对所述分时段长途客运客流预测模型进行误差率计算。本发明的三维智能交通枢纽客流时空分析与预测系统通过融合和分析多源交通信息，量化城市居民与交通枢纽相关的出行时空分布，建立各交通方式的分时段客流短期预测模型，提供交通枢纽管理和规划的量化支持；可基于实时动态交通信息，对交通枢纽的实时可达性进行分析和发布，提高交通枢纽的大众信息化服务水平；通过三维数字城市技术进行综合集成管理及三维可视化分析，为决策者、管理者、和市民提供更加直观的信息获取平台。可以理解的是，对于本领域的普通技术人员来说，可以根据本发明的技术构思做出其他各种相应的改变与变形，而所有这些改变与变形都应属于本发明权利要求的保护范围。
权利要求
1.一种三维智能交通枢纽客流时空分析与预测系统，其特征在于，针对交通枢纽的客流特征，包括包含数据的多源数据层、包含数据库的数据库层以及以所述多源数据层和所述数据库层为基础运行的功能模块层，其中，所述功能模块层包括 三维GIS基本功能模块，用于对交通基础场景进行数据加载、管理、分析和三维可视化，对交通枢纽客流时空分析与预测结果进行三维动态可视化表达； 实时路况分析发布模块，用于在三维城市场景中发布和分析实时交通路况信息；交通枢纽实时交通圈分析发布模块，用于对以交通枢纽为起点在用户设定时间内所能到达周边地区的范围进行分析与三维可视化表达； 交通枢纽客流时空分布分析发布模块，用于对各交通方式的交通枢纽客流进行各时间段的出行起止分析与三维可视化表达； 交通枢纽客流统计与预测分析发布模块，用于对各交通方式的交通枢纽客流量进行统计与分时段短期预测； 所述实时路况分析发布模块、交通枢纽实时交通圈分析发布模块、交通枢纽客流时空分布分析发布模块以及交通枢纽客流统计与预测分析与发布模块皆与所述三维GIS基本功能模块连接。
2.根据权利要求1所述的三维智能交通枢纽时空分析与预测系统，其特征在于所述交通枢纽客流时空分布分析发布模块中，交通枢纽地铁客流时空分布分析发布的步骤包括 输入历史地铁交通卡数据，提取有效的地铁刷卡记录； 统计各地铁站点与交通枢纽相关的客流，其中包括目的地和始发地为交通枢纽的客流，分别以工作日和周末作为两个统计类别，统计从各个地铁站点到交通枢纽来的平均日上客量和交通枢纽到各个地铁站点去的平均日下客量； 在三维城市场景中对各个地铁点的上/下客流量通过三维柱状图进行可视化表达。
3.根据权利要求1所述的三维智能交通枢纽时空分析与预测系统，其特征在于所述交通枢纽客流时空分布分析发布模块中，交通枢纽出租车客流时空分布分析发布的步骤包括 输入出租车GPS记录数据，提取有效的出租车GPS记录； 通过地图匹配提取与交通枢纽相关的出租车出行； 统计从各个交通小区到交通枢纽来的平均日上客量和交通枢纽到各个交通小区去的平均日下客量； 在三维城市场景中对各个交通小区与交通枢纽的客流通过流向图进行可视化表达，该客流流向图由所有连接出行起点和终点的直线段构成，一条客流流向线段由起点指向终点，一个交通小区内的所有起点和终点均由该交通小区的重心点统一表示，一条客流流向线段的粗细与该流向的客流流量成正比。
4.根据权利要求1所述的三维智能交通枢纽客流时空分析与预测系统，其特征在于，所述交通枢纽客流统计与预测分析发布模块中，交通枢纽地铁客流统计与预测分析发布包括以下步骤 输入地铁交通卡数据，获取交通枢纽相关的有效的地铁出行记录； 输入地铁线路数据，对交通枢纽地铁站的日客流量、每日分时段客流进行统计分析；分析影响地铁客流的因素，建立分时段地铁客流预测模型； 根据实际的客流数据对所述分时段地铁客流预测模型进行验证； 在三维GIS中对统计和预测结果进行柱状图和曲线图的窗口表达。
5.根据权利要求1所述的三维智能交通枢纽客流时空分析与预测系统，其特征在于所述交通枢纽客流统计与预测分析发布模块中，交通枢纽出租车客流统计与预测分析发布包括以下步骤 输入出租车GPS记录数据，提取有效的出租车GPS记录； 通过地图匹配提取与交通枢纽相关的出租车出行； 对交通枢纽的出租车日客流量、每日分时段客流进行统计分析； 分析影响出租车客流的因素，建立分时段出租车客流预测模型； 根据实际的出租车客流数据对所述分时段出租车客流预测模型进行验证。
全文摘要
本发明提供一种三维智能交通枢纽客流时空分析与预测系统，针对交通枢纽的客流特征，包括多源数据层、数据库层以及功能模块层，其中，所述功能模块层包括三维地理信息系统(GIS)基本功能模块；实时路况分析发布模块；交通枢纽实时交通圈分析发布模块；交通枢纽客流时空分布分析发布模块；交通枢纽客流统计与预测分析发布模块；所述实时路况分析发布模块、交通枢纽实时交通圈分析发布模块、交通枢纽客流时空分布分析发布模块以及交通枢纽客流统计与预测分析与发布模块皆与所述三维GIS基本功能模块连接。本发明的三维智能交通枢纽客流时空分析与预测系统可针对交通枢纽实现对多源实时动态交通信息的时空分析以及三维可视化展示。
文档编号G06Q10/04GK103065205SQ20121057501
公开日2013年4月24日 申请日期2012年12月26日 优先权日2012年12月26日
发明者胡金星, 尹凌, 李晓明, 柳想, 叶勇, 周勇 申请人:深圳先进技术研究院