一种融合算法的公交客流出行OD确定方法及装置制造方法及图纸

本发明专利技术实施例提供了一种融合算法的公交客流出行OD确定方法及装置，该方法包括获取公交客流系统的数据，将公交客流系统的数据中的公交到离站数据与乘客的乘车电子消费数据进行匹配，得到乘客的上车属性数据，根据乘客的上车属性数据和乘客出行规律特征，对乘客的下车站点进行估算，确定出公交客流出行OD数据，根据公交客流系统的数据中的公交现金收入数据，对公交客流出行OD数据进行处理，确定出全公交客流出行OD数据。本发明专利技术实施例通过乘客的上车属性数据和乘客出行规律特征，对乘客的下车站点进行估算，可以提高公交客流出行OD计算的准确性。

【技术实现步骤摘要】
一种融合算法的公交客流出行OD确定方法及装置
本专利技术实施例涉及智能公交系统领域，尤其涉及一种融合算法的公交客流出行OD确定方法及装置。
技术介绍
目前公交客流出行OD数据，一方面，可以实现对线路断面客流量和满载率等指标的计算，支撑线路配车数和发车间隔等运力计划的运营管理，提高公交的运营效率和服务水平；另一方面，可以支撑挖掘历史客流的出行规律，为线网优化调整提供建议，以及为线网调整后的客流仿真提供基础参考数据。国内大多数城市的公交运营，采取上车消费，到站自由下车的运营方式，随着信息化的提升，刷卡、扫码等电子类消费手段的比例越来越高，通过大数据技术，公交乘客出行OD的计算已经成为公交行业的热门研究点。然而目前传统的公交客流出行OD计算方法存在着出行终点估算难、准确度不高的问题。
技术实现思路
本专利技术实施例提供了一种融合算法的公交客流出行OD确定方法，用以解决公交乘客出行终点估算难、准确度不高的问题。第一方面，本专利技术实施例提供了一种融合算法的公交客流出行OD确定方法，包括：获取公交客流系统的数据；将所述公交客流系统的数据中的公交到离站数据与乘客的乘车电子消费数据进行匹配，得到所述乘客的上车属性数据；根据所述乘客的上车属性数据和乘客出行规律特征，对所述乘客的下车站点进行估算，确定出公交客流出行OD数据；根据所述公交客流系统的数据中的公交现金收入数据对所述公交客流出行OD数据进行处理，确定出全公交客流出行OD数据。上述技术方案中，通过获取公交客流系统的数据，将公交客流系统的数据中的公交到离站数据与乘客的乘车电子消费数据进行匹配，得到乘客的上车属性数据，根据乘客的上车属性数据和乘客出行规律特征，对乘客的下车站点进行估算，确定出公交客流出行OD数据，根据公交客流系统的数据中的公交现金收入数据，对公交客流出行OD数据进行处理，确定出全公交客流出行OD数据，可以提高公交乘客出行OD估算的准确度，并为全市公交的线路运力配置调优、线网优化和调整仿真提供数据支撑。可选地，所述公交客流系统的数据包括公交到离站数据、乘客的乘车电子消费数据、发车路单数据和公交现金收入数据；所述乘客出行规律特征包括乘客的个体出行链特征、乘客的历史个体出行规律特征和全市客流出行规律特征；所述根据所述乘客的上车属性数据和乘客出行规律特征，对所述乘客的下车站点进行估算，确定出公交客流出行OD数据，包括：根据所述乘客的上车属性数据和乘客的个体出行链特征，确定是否估算出所述乘客的下车站点，若是，则确定所述乘客的出行OD数据；若否，则根据所述乘客的上车属性数据和乘客的历史个体出行规律特征，确定是否估算出所述乘客的下车站点，若是，确定出所述乘客的出行OD数据；否则根据所述乘客的上车属性数据和全市客流出行规律特征，对所述乘客的下车站点进行估算，确定出所述乘客的出行OD数据；根据各乘客的出行OD数据，确定出所述公交客流出行OD数据。上述技术方案中，先通过根据乘客的上车属性数据和乘客的个体出行链特征，确定是否估算出乘客的下车站点，若是，则确定出乘客的出行OD数据，若否，再根据乘客的上车属性数据和乘客的历史个体出行规律特征，确定是否估算出乘客的下车站点，若是，则确定出乘客的出行OD数据，否则就根据乘客的上车属性数据和全市客流出行规律特征，对乘客的下车站点进行估算，确定出乘客的出行OD数据，最后根据各乘客的出行OD数据，可以确定出公交客流出行OD数据。通过融合乘客的个体出行链特征、乘客的历史个体出行规律特征和全市客流出行规律特征，可以提高公交客流出行OD计算的准确性。可选地，所述乘客的上车属性数据包括上车站点、上车时间、乘坐车辆信息和乘坐线路单程信息；根据所述乘客的上车属性数据和乘客的个体出行链特征，确定是否估算出所述乘客的下车站点，若是，则确定所述乘客的出行OD数据，包括：根据所述乘客的第一乘车电子消费数据和第二乘车电子消费数据，判断所述乘客的上车属性数据中的第一上车站点和第二上车站点是否为同一站点，若是，则确定估算不出所述乘客的下车站点；若否，根据所述乘客的上车属性数据中的乘坐线路单程信息，将位于所述第一上车站点之后的站点确定为第一站点集合；将所述第一站点集合中各站点与第二上车站点的距离进行比对，将所述第一站点集合中与所述第二上车站点的距离最小的站点确定为所述第二上车站点对应的下车站点，并确定出第一最小距离；判断所述第一最小距离是否满足第一距离阈值，若否，则确定估算不出所述乘客的下车站点；若是，则根据所述乘客乘坐车辆在所述第二上车站点对应的下车站点的到离站数据，确定所述乘客在所述第二上车站点对应的下车站点的下车时间；将所述乘客的第一上车站点、第一上车站点的上车时间、所述第二上车站点对应的下车站点和所述第二上车站点对应的下车站点的下车时间确定为所述乘客的出行OD数据。上述技术方案中，通过根据乘客的第一乘车电子消费数据和第二乘车电子消费数据以及乘客的上车属性数据中的乘坐线路单程信息，将位于第一上车站点之后的站点确定为第一站点集合，并将第一站点集合中各站点与第二上车站点的距离进行比对，可以确定出第一最小距离和第一最小距离对应的第一站点集合中的下车站点，再通过判断第一最小距离是否满足第一距离阈值和根据乘客乘坐车辆在第二上车站点对应的下车站点的到离站数据，可以确定乘客在第二上车站点对应的下车站点的下车时间。以更精确的上车数据估算乘客的下车站点，有助于减少下车站点估算结果的误差，且以公交车辆的到离站数据代替公交GPS数据对乘客的下车站点进行估算，可以降低公交客流出行OD计算的数据量，同时可以提高公交客流出行OD计算的准确性。可选地，在确定出所述第二上车站点对应的下车站点和第一最小距离之后，还包括：根据所述乘客的乘车电子消费次数和乘坐线路单程信息，并结合所述乘客在所述第二上车站点对应的下车站点的下车时间和所述第一最小距离，确定所述乘客的换乘行为；若所述乘客的换乘行为是不换乘，则将所述第二上车站点对应的下车站点确定为本次出行的终点。上述技术方案中，通过根据乘客的乘车电子消费次数和乘坐线路单程信息，并结合乘客在第二上车站点对应的下车站点的下车时间和第一最小距离，可以确定乘客的换乘行为，若乘客的换乘行为是不换乘，则将第二上车站点对应的下车站点确定为本次出行的终点。基于公交车辆到站间隔的换乘识别时间阈值更新机制，可以消除因统一阈值造成不同线路运行间隔不同造成的误差，有助于提高换乘行为识别的准确性。可选地，所述根据所述乘客的上车属性数据和乘客的历史个体出行规律特征，确定是否估算出所述乘客的下车站点，若是，确定出所述乘客的出行OD数据，包括：根据所述乘客的上车属性数据中的乘坐线路单程信息，将位于所述第一上车站点之后的站点确定为所述第一站点集合，并将所述第一站点集合中的每个站点的下车概率初始化为零；根据所述乘客的历史消费上车站点数据，确定出所述乘客历史上车的第二站点集合；将所述乘客历史上本文档来自技高网...

【技术保护点】
1.一种融合算法的公交客流出行OD确定方法，其特征在于，包括：/n获取公交客流系统的数据；/n将所述公交客流系统的数据中的公交到离站数据与乘客的乘车电子消费数据进行匹配，得到所述乘客的上车属性数据；/n根据所述乘客的上车属性数据和乘客出行规律特征，对所述乘客的下车站点进行估算，确定出公交客流出行OD数据；/n根据所述公交客流系统的数据中的公交现金收入数据对所述公交客流出行OD数据进行处理，确定出全公交客流出行OD数据。/n

【技术特征摘要】
1.一种融合算法的公交客流出行OD确定方法，其特征在于，包括：
获取公交客流系统的数据；
将所述公交客流系统的数据中的公交到离站数据与乘客的乘车电子消费数据进行匹配，得到所述乘客的上车属性数据；
根据所述乘客的上车属性数据和乘客出行规律特征，对所述乘客的下车站点进行估算，确定出公交客流出行OD数据；
根据所述公交客流系统的数据中的公交现金收入数据对所述公交客流出行OD数据进行处理，确定出全公交客流出行OD数据。


2.如权利要求1所述的方法，其特征在于，所述公交客流系统的数据包括公交到离站数据、乘客的乘车电子消费数据、发车路单数据和公交现金收入数据；
所述乘客出行规律特征包括乘客的个体出行链特征、乘客的历史个体出行规律特征和全市客流出行规律特征；
所述根据所述乘客的上车属性数据和乘客出行规律特征，对所述乘客的下车站点进行估算，确定出公交客流出行OD数据，包括：
根据所述乘客的上车属性数据和乘客的个体出行链特征，确定是否估算出所述乘客的下车站点，若是，则确定所述乘客的出行OD数据；
若否，则根据所述乘客的上车属性数据和乘客的历史个体出行规律特征，确定是否估算出所述乘客的下车站点，若是，确定出所述乘客的出行OD数据；否则根据所述乘客的上车属性数据和全市客流出行规律特征，对所述乘客的下车站点进行估算，确定出所述乘客的出行OD数据；
根据各乘客的出行OD数据，确定出所述公交客流出行OD数据。


3.如权利要求2所述的方法，其特征在于，所述乘客的上车属性数据包括上车站点、上车时间、乘坐车辆信息和乘坐线路单程信息；
根据所述乘客的上车属性数据和乘客的个体出行链特征，确定是否估算出所述乘客的下车站点，若是，则确定所述乘客的出行OD数据，包括：
根据所述乘客的第一乘车电子消费数据和第二乘车电子消费数据，判断所述乘客的上车属性数据中的第一上车站点和第二上车站点是否为同一站点，若是，则确定估算不出所述乘客的下车站点；
若否，根据所述乘客的上车属性数据中的乘坐线路单程信息，将位于所述第一上车站点之后的站点确定为第一站点集合；
将所述第一站点集合中各站点与第二上车站点的距离进行比对，将所述第一站点集合中与所述第二上车站点的距离最小的站点确定为所述第二上车站点对应的下车站点，并确定出第一最小距离；
判断所述第一最小距离是否满足第一距离阈值，若否，则确定估算不出所述乘客的下车站点；若是，则根据所述乘客乘坐车辆在所述第二上车站点对应的下车站点的到离站数据，确定所述乘客在所述第二上车站点对应的下车站点的下车时间；
将所述乘客的第一上车站点、第一上车站点的上车时间、所述第二上车站点对应的下车站点和所述第二上车站点对应的下车站点的下车时间确定为所述乘客的出行OD数据。


4.如权利要求3所述的方法，其特征在于，在确定出所述第二上车站点对应的下车站点和第一最小距离之后，还包括：
根据所述乘客的乘车电子消费次数和乘坐线路单程信息，并结合所述乘客在所述第二上车站点对应的下车站点的下车时间和所述第一最小距离，确定所述乘客的换乘行为；
若所述乘客的换乘行为是不换乘，则将所述第二上车站点对应的下车站点确定为本次出行的终点。


5.如权利要求2所述的方法，其特征在于，所述根据所述乘客的上车属性数据和乘客的历史个体出行规律特征，确定是否估算出所述乘客的下车站点，若是，确定出所述乘客的出行OD数据，包括：
根据所述乘客的上车属性数据中的乘坐线路单程信息，将位于所述第一上车站点之后的站点确定为所述第一站点集合，并将所述第一站点集合中的每个站点的下车概率初始化为零；
根据所述乘客的历史消费上车站点数据，确定出所述乘客历史上车的第二站点集合；
将所述乘客历史上车的第二站点集合中任一站点与所述第一站点集合中各站点的距离进行比对，确定出与所述乘客历史上车的第二站点集合中任一站点的第二最小距离，并确定所述第二最小距离对应的所述第一站点集合中的站点；
判断所述第二最小距离是否满足第二距离阈值，若否，则确定估算不出所述乘客的下车站点；若是，则根据所述第一站点集合和所述第二最小距离对应的所述第一站点集合中的站点，确定出所述第一站点集合中各站点的下车概率；
将所述第一站点集合中各站点的下车概率进行对比，确定出所述第一站点集合中的最大下车概率，并确定所述最大下车概率对应的所述第一站点集合中的站点；
判断所述最大下车概率是否大于零，若否，则确定估算不出所述乘客的下车站点；若是，则根据所述最大下车概率对应的所述第一站点集合中的站点的到离站数据，确定所述乘...

【专利技术属性】
技术研发人员：穆尚涛，刘振顶，黄勇，庄新洲，李坤鹏，贾萧，王翠，
申请(专利权)人：青岛海信网络科技股份有限公司，
类型：发明
国别省市：山东;37