基于多元数据的换乘站点推算方法与流程

本发明涉及城市智能公交数据挖掘技术领域，更具体地说，本发明涉及基于多元数据的换乘站点推算方法。

背景技术：

对于交通客流分析而言，获得公共交通乘客的上下车站点(客流od分析)非常重要。目前国内公交车一般只在上车时刷ic卡，下车时不刷卡，导致ic卡客流数据中只有上车站点信息而没有下车站点信息。为此，业界通过对乘客一段时间内交通出行规律结合公交gps的信息进行下车站点的推算，具体技术背景参见笔者论文—“基于ic卡历史数据的公交客流统计方法”《城市公共交通》，vol.227,no.5,2017:pp.21-24。

在具体的下车站点推算中，尤其公交车换乘轨道或公交其它线路时，通常会遇到如下问题：通过乘客换乘的轨道/公交ic卡刷卡数据可以得知乘客进入的轨道/公交站，但乘客下车的公交线路有两个或以上临近所换乘的轨道/公交线路的站点时，如何判断乘客确切的公交车下车站点呢？如果换乘站点推算错误，一方面会导致不同车站换乘设施、通道的保障和设计不合理，另一方面也会导致公交车内人数判断错误，从而导致运力配置不合理，进而导致车内拥挤等情况。

传统的下车站点方法就是围绕所换乘的轨道/公交站选择某公交线路中直线距离隔轨道车站最近的一个公交站点作为下车站点的推算：比如以所换乘的目标站点为圆心画圆，匹配公交线路上所有站点与此圆心的距离，从而找出直线距离最近的公交下车站点。但据实际的测试，发现在轨道站点旁有两个或多个临近公交站点时，因存在实际换乘距离、公交车站的到达前后序(在道路拥堵情况下，乘客会选择距离较远但位于前序的公交车站)、周边配套完备性(早高峰路边是否有早餐点，晚高峰路边是否有卖菜点或餐馆，有无公厕等)，换乘通道安全性(学生有无安全过街通道、有无摄像装置、过街有无专人指挥等)、换乘通道便利性(有无遮阳的人行走廊，高程差有无电扶梯、无障碍通行条件等)等约束，导致该方法误差较大。该方法误差大，则会导致换乘站点的估计错误，从而在市政设施等的保障和应急情况处置等方面存在较大的偏差，进而出现市民投诉等情况。

技术实现要素：

为了解决以上问题，本发明的实施例提供基于多元数据的换乘站点推算方法，能够实现灌溉的同时对土地进行旋耕，可以提高工作的效率。

为实现上述目的，本发明提供如下技术方案：基于多元数据的换乘站点推算方法，包括以下步骤,

s1:获取主要的换乘站点对，并遴选出可能存在多站换乘的站点对，

s2:针对乘客换乘习惯及换乘心理因素，填写多站换乘的线路及站点列表，

s3:根据得出的算法换乘距离，对相邻站点的下车人数进行换乘比例计算，

s4:根据实测的换乘人数及换乘站点对的类型对以上算法基于各种公交高低峰时间段进行训练，输出相应训练模型。

进一步，所述s1中的换乘站点对是通过传统的公交ic卡刷卡数据得到的，统计公交ic卡刷卡的上车站点刷卡记录以及换乘后乘坐的公交或者轨道的上车刷卡记录。

进一步，所述多站换乘的线路及站点列表用于统计换乘前下车的线路编号、换乘前车站名1、车站编号1、车站换乘直线距离1、车站名2、车站编号2、车站换乘直线距离2、车站名3、车站编号3、车站换乘直线距离3、换乘后上车的线路编号、换乘后上车的站点编号和备注项。

进一步，所述换乘前下车的线路编号为乘客下车的公交线路编号；所述换乘前车站名1为该下车公交线路中的可能存在换乘情况的第一个车站名；所述车站编号1为该车站的编号；所述车站换乘直线距离1为该车站与上车车站的直线距离，所述换乘后上车的线路编号为乘客上车的轨道或公交线路编号，所述换乘后上车的站点编号为上车的轨道或公交站编号。

进一步，所述乘客换乘习惯为不同时间段乘客的换乘行为习惯。

进一步，所述换乘心理选择因素包括实际换乘距离、站间车辆行驶时间的距离换算、换乘通道便利性、换乘通道安全性和周边配套完备性。

进一步，所述换乘通道安全性根据评分标准分为非常安全、安全、一般、不安全、危险5个等级，依次评分为5分、4分、3分、2分和1分。

进一步，所述评分标准包括以下5个，

换乘通道部分路段因狭窄或拥堵导致人行速度不到正常1.2m/s的一半，扣1到2分；

换乘通道存在人行过街通道，该通道易发安全事故、无红绿灯等情况，扣1至3分；

换乘通道两旁存在易落石、高空坠物、施工作业面等不安全隐患，扣1至3分；

换乘通道夜间没有路灯、地下通道无摄像装置、近期曾发生盗窃、抢劫等事件，扣1至3分；

道路不平坦，小孩或老人近期曾发生因通道硬件原因跌倒或受伤等情况，扣1至3份。

进一步，所述站点对包括公交换乘公交的站点对和公交换乘轨道的站点对。

与现有技术相比，本发明的技术效果和优点：

本发明通过基于ic卡刷卡od数据、公交车gps数据、历史上同期同时段的公交运营数据、人员实测的数据，考虑乘客换乘的诸多因素，对公共交通两个换乘站点对进行换算，建立大数据的换乘模型，从而完成更精确的换乘中下车站点的推算；通过视频分析等方法，验证换乘模型的正确性，并据此调整换乘因素的权重值。

附图说明

图1为本发明换乘站点推算流程框架图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如附图1所示的基于多元数据的换乘站点推算方法，包括以下步骤。

s1:获取主要的换乘站点对，并遴选出可能存在多站换乘的站点对。

根据城市公交规模按照高峰期换乘人数排序取前100位，包括公交换乘公交取前50位的车站对和公交换乘轨道取前50位的车站对；对这100位的换乘站点对，选择其换乘最多的公交线路(如某条公交线路换公交站点和次近公交站点的站点直线距离，如果最近的换乘站点在换乘站的50米范围内，或最近与次近的站点距离换乘站点距离差在100米之上(其中最近与次近的站点距离换乘站点距离差的参数值可以根据实际情况进行调整，如50米、100米等)，则认为不存在多站换乘情况；根据遴选出的多站换乘的站点对制作出客流较大且可能存在“多站换乘的线路及站点列表”，该列表每一项诸如：公交线路aaa上站点x和站点y距离换乘站z直线距离分别为a、b米。

s2:针对乘客换乘习惯及换乘心理因素，填写多站换乘的线路及站点列表。

对于公交线路aaa上站点x到换乘站z，测试其实际步行换乘距离为200米，站点y距离换乘站z步行换乘距离为60米；早高峰客流方向是从公交车站的站点x到站点y，公交车两站间平均行驶时间为4分钟，按照正常人每分钟平均步行80米(其中平均步行的参数是根据乘客中老年人、小孩占比、道路情况以及天气原因进行调节的)，折算为站点y到换乘站z的实际步行距包括早高峰路边是否有早餐点，晚高峰路边是否有卖菜点或餐馆，有无公厕；根据换乘路径中通道安全性给予1到5级的评分，评分标准包括学生有无安全过街通道、有无摄像装置、过街有无专人指挥；根据换乘通道便利性给予评分，评分标准包括有无遮阳的人行走廊，高程差有无电扶梯、无障碍通行条件；综合以上几个方面的评分换算出一个总的换乘通道评价系数，用该系数乘以之前得出的换乘距离(早晚高峰、平峰等时间段的以上因素分值可能有所不同，如早高峰会考虑早餐店，晚高峰会考虑买菜点)，从而得出之前两个站点的算法换乘距离。

每分钟平均步行的参数是根据乘客中老年人、小孩占比、道路情况以及天气原因进行调节的：

1.刷卡人数其中老人、小孩(ic卡中有敬老卡、学生卡的类型占比)占比超过30％，则按老人小孩每分钟平均步行120米，同比增加，诸如此时平均步行距离变为80*70％+120*30％；

2.道路情况则按照道路宽度、上下梯步长度等因素对平均步行距离乘以一定系数。比如存在上型梯步为50米，则计算此段距离为100米；如果某些路段只能有两人并排通过，则此路段换乘长度加倍；

3.此路段没有上盖遮阴遮阳设施，则在雨天等天气，该路段距离乘以一定系数，如50％。

根据换乘通道便利性给予评分，评分标准包括有无遮阳的人行走廊，高程差有无电扶梯、无障碍通行条件等，分为非常便利、便利、一般、不便利、非常不便利5个等级，依次评分为5分、4分、3分、2分和1分。

本实施例中，评分标准包括以下5个，

换乘通道部分路段有较长距离(如超过50米)无遮阳的人行走廊，扣1至2分；

换乘通道部分存在高程差超过20米且人工判断费力的上下梯步、无扶手等，扣1至3分；

换乘通道部分没有设计无障碍通行设施或，扣1至2分。

s3:根据得出的算法换乘距离，对相邻站点的下车人数进行换乘比例计算。

比如最简单的等比例下站人数统计，站点x到换乘站z100米，站点y到换乘站z150米，则对于到换乘站z的100人中，来自站点x的人数为100*(100/100+150)＝25人。

s4:根据实测的换乘人数及换乘站点对的类型对以上算法基于各种公交高低峰时间段进行训练，输出相应训练模型。

实际测试的换乘人数以及换乘站点对的类型分类标准为按换乘性质分和按照乘客的选择倾向分，其中，按换乘性质分类包括公交换公交、公交换轨道类型,按照乘客的选择倾向分类包括通勤便利型、通勤安全型、生活购物便利型、旅游娱乐便利型。

根据实际测试的换乘人数以及换乘站点对的类型对换算算法基于各种公交高低平峰时间段进行反馈训练，进而获得不同时间段各换乘站点对的人员比例。

实际测试换乘人数的方法有多种：比如在主要换乘下车线路的公交车上安装高清摄像头，在换乘上车的公交站台或轨道入口也安装高清摄像头，根据人脸、人形、步态及衣物等方法综合识别并标注下车人员和换乘上车人员，从而获得实际的不同公交站点换乘人数比例；另外还可以采用人工用眼睛识别标准方法，采用下车发问卷并在换乘站收集问卷的方法，还可采用手机信令、手机app二维码扫码、wifi探针等硬件技术予以人员标注和识别。

算法反馈训练：

首先根据换乘通道评价系数中涉及的参数(换乘通道便利性、换乘通道安全性、周边配套完备性)和换乘站类型(公交还是轨道)得出大致的换乘站点对的类型；然后基于实际的人员换乘比例，考虑换乘站点对的类型对换乘的影响，采用基于样本的回归算法对以上便利性、安全性、完备性等参数及总换乘通道评价系数进行调整，直至算法计算的不同站点换乘人数比例与实际测试值吻合。

本实施例是采用线性回归算法对以上便利性、安全性、完备性等参数及总换乘通道评价系数进行调整。以之前3个类似天日同时段的实际换乘比例为样本，定义线性方程组xw＝y，x是样本数据矩阵，y是期望值向量(即总换乘通道评价系数)。向量w包括之前提到的各种参数：算法换乘距离(此参数初始权重较高)，各种换乘心理选择因素。

算法输入为：换乘站点对列表，换乘站点对之间的算法换乘距离，换乘站点对的换乘心理选择因素；实际测试的不同时段人员换乘比例。

算法输出为：回归算法训练得出换乘站点对的换乘心理选择因素的参数值，总换乘通道评价系数。

本发明基于ic卡刷卡od数据、公交车gps数据、历史上同期同时段的公交运营数据(如到站平均时间)、人员实测的步行换乘距离/换乘通道安全便利性/乘客特殊倾向性等数据，考虑乘客换乘的诸多因素(实际换乘距离+站间车辆行驶时间的距离换算、换乘通道便利性、换乘通道安全性、周边配套完备性等)，对公共交通两个换乘站点对进行换算(按换乘性质分为公交换公交、公交换轨道类型；按照乘客的选择倾向分为通勤便利型、通勤安全型、生活购物便利型、旅游娱乐便利型)，建立大数据的换乘模型，从而完成更精确的换乘中下车站点的推算；通过视频分析等方法，验证换乘模型的正确性，并据此调整换乘因素的权重值，使得对换乘站点的推算更加准确，从而确定高低平峰的实际客流换乘信息，便于城市建设及交通管理等部门配套相应的换乘设施设备，公共交通运营及管理部门进行更精准的运力运量匹配，从而提高公交换乘效率、乘客满意度等重要公交都市指标。

本实施例中，所述s1中的换乘站点对是通过传统的公交ic卡刷卡数据得到的，因公交车的ic卡刷卡数据一般只有上车站点没有下车站点，所以需要根据换乘后公交或轨道的上车位置，结合之前公交线路信息，推测其下车站点。传统的简单做法就是找出换乘前公交线路上下行的所有站点中距离换乘后站点地理位置的距离最近的那个站点。

s1：对每一个乘客的ic卡刷卡记录，按照以上传统算法，得出其公交线路上行或下行方向中距离此换乘站点直线距离最近的一个公交站点，作为主要的下车站点；

s2：以上述提及的两个站点(推测的下车站点和换乘后的上车站点)间直线距离为基准，乘以一定的系数(如1.5倍或2倍)，找出该公交线路中其它距离此换乘站点较近的公交站点，放入换乘站点对中。

本实施例中，所述多站换乘的线路及站点列表用于统计换乘前下车的线路编号、换乘前车站名1、车站编号1、车站换乘直线距离1、车站名2、车站编号2、车站换乘直线距离2、车站名3、车站编号3、车站换乘直线距离3、换乘后上车的线路编号、换乘后上车的站点编号和备注项。

本实施例中，所述换乘前下车的线路编号为乘客下车的公交线路编号；所述换乘前车站名1为该下车公交线路中的可能存在换乘情况的第一个车站名；所述车站编号1为该车站的编号；所述车站换乘直线距离1为该车站与上车车站的直线距离，所述换乘后上车的线路编号为乘客上车的轨道或公交线路编号，所述换乘后上车的站点编号为上车的轨道或公交站编号。

本实施例中，所述乘客换乘习惯为不同时间段乘客的换乘行为习惯。

本实施例中，所述换乘心理选择因素包括实际换乘距离、站间车辆行驶时间的距离换算、换乘通道便利性、换乘通道安全性和周边配套完备性。

本实施例中，所述换乘通道安全性根据评分标准分为非常安全、安全、一般、不安全、危险5个等级，依次评分为5分、4分、3分、2分和1分。

本实施例中，所述评分标准包括以下5个，

换乘通道部分路段因狭窄或拥堵导致人行速度不到正常1.2m/s的一半，扣1到2分；

换乘通道存在人行过街通道，该通道易发安全事故、无红绿灯等情况，扣1至3分；

换乘通道两旁存在易落石、高空坠物、施工作业面等不安全隐患，扣1至3分；

换乘通道夜间没有路灯、地下通道无摄像装置、近期曾发生盗窃、抢劫等事件，扣1至3分；

道路不平坦，小孩或老人近期曾发生因通道硬件原因跌倒或受伤等情况，扣1至3份。

本实施例中，所述站点对包括公交换乘公交的站点对和公交换乘轨道的站点对。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。