CN104517040A - 一种基于ic卡数据公交车辆车内拥挤程度计算方法 - Google Patents

Abstract

本发明公开了一种基于IC卡数据公交车辆车内拥挤程度计算方法，其特征在于，包括以下步骤：客流数据的采集与存储步骤：车载机读取IC卡打卡器中的打卡信息，通过无线网络发送至服务器，并存储至数据库中；实时估算公交车在第j站的拥挤度：估算公交车在第j站的总人数 ，计算该公交车在第j站内拥挤程度。本发明的基于IC卡数据公交车辆车内拥挤程度计算方法，通过利用现有的公交车IC卡打卡机以及车载机来实现公交车内拥挤度的实时计算，充分利用了实时采集数据以及基于历史数据的统计，提供精确的车内拥挤度信息，为出行者选择合适的出行时间提供依据。

Description

一种基于IC卡数据公交车辆车内拥挤程度计算方法

技术领域

本发明属于智能交通技术领域，具体地说，是涉及一种基于IC卡数据公交车辆车内拥挤程度计算方法。

背景技术

随着国家经济的发展，城市人口越来越多，而目前公交作为市民普遍的出行方式，如何让市民享受更好的服务，成为目前公交关注的焦点。为了方便市民出行，目前一般只能查询公交车的行驶位置信息，对于车内载客量比较难以获取，无法提供车内拥挤度的信息。

发明内容

本发明为了解决目前公交车拥挤程度无法实时估算，或者估算精度差的问题，提出了一种基于IC卡数据公交车辆车内拥挤程度计算方法，可以解决上述问题。

为了解决上述技术问题，本发明采用以下技术方案予以实现：

一种基于IC卡数据公交车辆车内拥挤程度计算方法，包括以下步骤：

客流数据的采集与存储步骤：车载机读取IC卡打卡器中的打卡信息，通过无线网络发送至服务器，并存储至数据库中，对数据库的历史数据以一天为单位，对每一个具有打卡记录的IC卡当天所有打卡记录进行统计，估计该IC卡在各打卡站点上车时，其将要下车的下车站点，所述客流数据包括公交线路、IC卡的ID、IC卡的打卡站点编号、打卡时间；

实时估算公交车在第j站的拥挤度：服务器实时接收公交车在第i站的客流数据，根据IC卡的ID，从数据库中查找并估计每个IC卡在第i站上车时其将要下车的下车站点，估算公交车在第j站的总人数R_j，计算该公交车在第j站内拥挤程度Z_j＝R_j/B，其中，B为公交车额定载客人数。

进一步的，所述估算公交车在第j站的拥挤度的步骤中，公交车在第i站的客流数据中，所有打卡的IC卡分为两类，第一类在数据库中具有历史数据，第二类在数据库中没有在第i站上车的历史数据，公交车在第j站的车厢内的乘客数R_j的估算方法为：包括对第一类的IC卡基于历史数据统计，可得第一类的IC卡在第i站上车的总人数N_i，以及在第i站上车、且在第j站下车的人数M_ij；

对第二类的IC卡基于站点吸引的下车站点估算方法，包括以下步骤：

计算站点的吸引强度W_i：

$W_i=\frac{S_i}{{\mathrm{\Σ}}_{k=1}^n{S}_k}$

其中，S_i为第二类的IC卡在第i站上车人数；

计算第二类的IC卡在第i站上车、且在第j站下车的概率P_ij：

$P_{\mathrm{ij}}=\left\{\begin{array}{cc}\frac{F_{\mathrm{ij}}^{*}}{{\mathrm{\&Sigma;}}_{k=i+1}^n{F}_{\mathrm{ij}}^{*}\&times;W_k}& i<j\\ 0& i\&GreaterEqual;j\end{array}\right.$

其中，为归一化的任一乘客在第i站上车、且在第j站下车的概率；

计算第二类的IC卡在第i站上车的总人数D_ij：

D_ij＝S_I×P_ij

计算公交车中所有打IC卡的乘客从第i站上车、在第j站下车的概率X_ij：

$X_{\mathrm{ij}}=\left\{\begin{array}{cc}\frac{D_{\mathrm{IJ}}+M_{\mathrm{IJ}}}{S_I+N_I}& i<j\\ 0& i\&GreaterEqual;j\end{array}\right.$

计算公交车在第j站的总人数R_j：

$R_j={\mathrm{\&Sigma;}}_{i=1}^j((S_i^{\&prime;}/t)-{\mathrm{\&Sigma;}}_{m=1}^j((S_i^{\&prime;}/t)\&times;X_{\mathrm{im}}))$

其中，S′_i为车载机实时传输的所有打卡的人数，t为打卡客流占总客流的比率。

又进一步的，归一化的任一乘客在第i站上车、且在第j站下车的概率的计算方法为：

既定行驶方向下，乘客出行站数近似服从泊松分布，计算任一乘客在第i站上车、且在第j站下车的概率F_ij：

$F_{\mathrm{ij}}=\frac{e^{-\mathrm{\&lambda;}}{\mathrm{\&lambda;}}^{(j-1)}}{(j-1)!}$

其中，λ为公交车的平均乘车站数，当i站以后的站点数小于平均乘车站数时，取λ＝n-1，n为公交车在其线路上单向停靠站点数；

对F_ij归一化处理，得到归一化的任一乘客在第i站上车、且在第j站下车的概率

$F_{\mathrm{ij}}^{*}=\frac{e^{-\mathrm{\&lambda;}}{\mathrm{\&lambda;}}^{(j-1)}}{(j-1)!}/\underset{i=0}{\overset{j-1}{\mathrm{\&Sigma;}}}\frac{e^{-\mathrm{\&lambda;}}{\mathrm{\&lambda;}}^{(j-1)}}{(j-1)!}.$

再进一步的，客流数据的采集与存储步骤中，对数据库的历史数据以一天为单位，对每一个具有打卡记录的IC卡当天所有打卡记录进行统计包括以下步骤：

(31)、对每个打卡的IC卡，根据其ID，从数据库中查找出该IC卡当日的全部刷卡数据，按照时间顺序排序；

(32)、取相邻打卡数据及首尾打卡数据，判断每相邻的两次打卡数据中，前次打卡所乘公交车路线上所有站点中距离后次打卡上车站点最短的站点A，并计算该两站间的距离Q，将距离Q与阈值Q₀比较，若Q≤Q₀，则判断站点A即为在前次打卡站点上车时，将要下车的下车站点。

优选的，所述步骤(32)中，若Q＞Q₀，则提取近期多日打卡数据，从中找出是否有行驶线路相近的公交线路出行，若是，则找出前次打卡所乘公交车路线上所有站点中距离所述行驶线路相近的公交线路中的打卡数据最短的站点B,则判断站点B即为在前次打卡站点上车时，将要下车的下车站点。

与现有技术相比，本发明的优点和积极效果是：本发明的基于IC卡数据公交车辆车内拥挤程度计算方法，通过利用现有的公交车IC卡打卡机以及车载机来实现公交车内拥挤度的实时计算，充分利用了实时采集数据以及基于历史数据的统计，提供精确的车内拥挤度信息，为出行者选择合适的出行时间提供依据。

结合附图阅读本发明实施方式的详细描述后，本发明的其他特点和优点将变得更加清楚。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明所提出的基于IC卡数据公交车辆车内拥挤程度计算方法的一种实施例流程图。

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。

实施例一，本发明提出了一种基于IC卡数据公交车辆车内拥挤程度计算方法，包括以下步骤：

客流数据的采集与存储步骤：车载机读取IC卡打卡器中的打卡信息，通过无线网络发送至服务器，并存储至数据库中，对数据库的历史数据以一天为单位，对每一个具有打卡记录的IC卡当天所有打卡记录进行统计，估计该IC卡在各打卡站点上车时，其将要下车的下车站点，所述客流数据包括公交线路、IC卡的ID、IC卡的打卡站点编号、打卡时间；

实时估算公交车在第j站的拥挤度：服务器实时接收公交车在第i站的客流数据，根据IC卡的ID，从数据库中查找并估计每个IC卡在第i站上车时其将要下车的下车站点，估算公交车在第j站的总人数R_j，计算该公交车在第j站内拥挤程度Z_j＝R_j/B，其中，B为公交车额定载客人数。

本公交车辆车内拥挤程度计算方法中，通过客流数据的采集与存储步骤，基于历史客流数据，针对每一个具有打卡记录的IC卡在其打卡站点上车时估算将要下车的下车站点，为实时计算公交车在第j站的拥挤程度步骤中，提供可靠的历史数据支持，实时估算公交车在第j站的拥挤度步骤中，充分利用了实时采集数据以及基于历史数据的统计，提供精确的车内拥挤度信息，为出行者选择合适的出行时间提供依据。

由于打卡的IC卡中，有的IC卡不具有在该站上车的历史数据，因此，为了统计完全，提高计算结果的精确度，所述估算公交车在第j站的拥挤度的步骤中，公交车在第i站的客流数据中，所有打卡的IC卡分为两类，第一类在数据库中具有历史数据，第二类在数据库中没有在第i站上车的历史数据，公交车在第j站的车厢内的乘客数R_j的估算方法为：包括对第一类的IC卡基于历史数据统计，可得第一类的IC卡在第i站上车的总人数N_i，以及在第i站上车、且在第j站下车的人数M_ij；

对第二类的IC卡基于站点吸引的下车站点估算方法，包括以下步骤：

吸引率反映站点对乘客出行的吸引强度，由于上下行方向客流具有对称性，即上行方向某站的上车人数占上车客运总人数的比例与下车该站点的下车人数占该下行客运总人数的比例相当。因此某个具有站点的客流发生吸引总量基本保持均衡，也就是说站点发生量同时可以反映站点的吸引量。根据公交IC数据的上车站点判断，可以统计得到各站点的上车人数总量，由此计算站点的吸引强度W_i：

$W_i=\frac{S_i}{{\mathrm{\&Sigma;}}_{k=1}^n{S}_k}$

其中，S_i为第二类的IC卡在第i站上车人数；

下车概率与居民公交出行途径站数和站点吸引强度有关，构造公交车某一行驶方向，计算第二类的IC卡在第i站上车、且在第j站下车的概率P_ij：

$P_{\mathrm{ij}}=\left\{\begin{array}{cc}\frac{F_{\mathrm{ij}}^{*}}{{\mathrm{\&Sigma;}}_{k=i+1}^n{F}_{\mathrm{ij}}^{*}\&times;W_k}& i<j\\ 0& i\&GreaterEqual;j\end{array}\right.$

其中，为归一化的任一乘客在第i站上车、且在第j站下车的概率；

计算第二类的IC卡在第i站上车的总人数D_ij：

D_ij＝S_I×P_ij

计算公交车中所有打IC卡的乘客从第i站上车、在第j站下车的概率X_ij：

$X_{\mathrm{ij}}=\left\{\begin{array}{cc}\frac{D_{\mathrm{IJ}}+M_{\mathrm{IJ}}}{S_I+N_I}& i<j\\ 0& i\&GreaterEqual;j\end{array}\right.$

计算公交车在第j站的总人数R_j：

$R_j={\mathrm{\&Sigma;}}_{i=1}^j((S_i^{\&prime;}/t)-{\mathrm{\&Sigma;}}_{m=1}^j((S_i^{\&prime;}/t)\&times;X_{\mathrm{im}}))$

其中，S′_i为车载机实时传输的所有打卡的人数，t为打卡客流占总客流的比率。由于本方法基于IC卡打卡的人数进行计算，实际情况中还有一部分人不打IC卡，而选择投币方式，因此，为了提高计算准确度，需要将选择投币的人群考虑进来，基于统计特性，投币与打卡的人的比例基本是稳定的，因此，通过打卡客流除以打卡客流占总客流的比率t，即为总客流。

优选在本实施例中，归一化的任一乘客在第i站上车、且在第j站下车的概率的计算方法为：

既定行驶方向下，乘客出行站数近似服从泊松分布，计算任一乘客在第i站上车、且在第j站下车的概率F_ij：

$F_{\mathrm{ij}}=\frac{e^{-\mathrm{\&lambda;}}{\mathrm{\&lambda;}}^{(j-1)}}{(j-1)!}$

其中，λ为公交车的平均乘车站数，当i站以后的站点数小于平均乘车站数时，取λ＝n-1，n为公交车在其线路上单向停靠站点数；

由于乘客利用公交车出行时，乘坐的站数至少为1，至多是(n-1)站，根据概率分布的性质，对上述概率F_ij进行归一化处理：得到归一化的任一乘客在第i站上车、且在第j站下车的概率

$F_{\mathrm{ij}}^{*}=\frac{e^{-\mathrm{\&lambda;}}{\mathrm{\&lambda;}}^{(j-1)}}{(j-1)!}/\underset{i=0}{\overset{j-1}{\mathrm{\&Sigma;}}}\frac{e^{-\mathrm{\&lambda;}}{\mathrm{\&lambda;}}^{(j-1)}}{(j-1)!}.$

再进一步的，客流数据的采集与存储步骤中，对数据库的历史数据以一天为单位，如图1所示，对每一个具有打卡记录的IC卡当天所有打卡记录进行统计包括以下步骤：

S31、对每个打卡的IC卡，根据其ID，从数据库中查找出该IC卡当日的全部刷卡数据，按照时间顺序排序；

S32、取相邻打卡数据及首尾打卡数据，判断每相邻的两次打卡数据中，前次打卡所乘公交车路线上所有站点中距离后次打卡上车站点最短的站点A，并计算该两站间的距离Q，将距离Q与阈值Q₀比较，若Q≤Q₀，则判断站点A即为在前次打卡站点上车时，将要下车的下车站点。

优选的，所述步骤S32中，若Q＞Q₀，则提取近期多日打卡数据，从中找出是否有行驶线路相近的公交线路出行，若是，则找出前次打卡所乘公交车路线上所有站点中距离所述行驶线路相近的公交线路中的打卡数据最短的站点B,则判断站点B即为在前次打卡站点上车时，将要下车的下车站点。

本实施例的基于IC卡数据公交车辆车内拥挤程度计算方法，利用了目前公交车上所装的无线通信设备以及IC卡打卡机，从硬件方面无需投入资金，通过采集IC卡打卡数据进行统计分析，能够准确预测当前所打卡的IC卡将要下车的站点，因此，能够统计出公交车在各站的拥挤度，极大的方便了市民，为出行车选择合适的出行时间提供依据，实时采集的IC卡打卡数据与基于概率计算相结合，将各种可能乘车人群均考虑在内，包括打卡具有历史数据的一类、IC卡打卡不具有历史数据的一类、以及未打卡选择投币方式的一类，拥挤程度估算准确度高。

当然，上述说明并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的普通技术人员在本发明的实质范围内所做出的变化、改型、添加或替换，也应属于本发明的保护范围。

Claims (5)

1.一种基于IC卡数据公交车辆车内拥挤程度计算方法，其特征在于，包括以下步骤：

客流数据的采集与存储步骤：车载机读取IC卡打卡器中的打卡信息，通过无线网络发送至服务器，并存储至数据库中，对数据库的历史数据以一天为单位，对每一个具有打卡记录的IC卡当天所有打卡记录进行统计，估计该IC卡在各打卡站点上车时，其将要下车的下车站点，所述客流数据包括公交线路、IC卡的ID、IC卡的打卡站点编号、打卡时间；

实时估算公交车在第j站的拥挤度：服务器实时接收公交车在第i站的客流数据，根据IC卡的ID，从数据库中查找并估计每个IC卡在第i站上车时其将要下车的下车站点，估算公交车在第j站的总人数R_j，计算该公交车在第j站内拥挤程度Z_j＝R_j/B，其中，B为公交车额定载客人数。

2.根据权利要求1所述的基于IC卡数据公交车辆车内拥挤程度计算方法，其特征在于，所述估算公交车在第j站的拥挤度的步骤中，公交车在第i站的客流数据中，所有打卡的IC卡分为两类，第一类在数据库中具有历史数据，第二类在数据库中没有在第i站上车的历史数据，公交车在第j站的车厢内的乘客数R_j的估算方法为：包括对第一类的IC卡基于历史数据统计，可得第一类的IC卡在第i站上车的总人数N_i，以及在第i站上车、且在第j站下车的人数M_ij；

对第二类的IC卡基于站点吸引的下车站点估算方法，包括以下步骤：

计算站点的吸引强度W_i：

$W_i=\frac{S_i}{{\mathrm{\&Sigma;}}_{k=1}^n{S}_k}$

其中，S_i为第二类的IC卡在第i站上车人数；

计算第二类的IC卡在第i站上车、且在第j站下车的概率P_ij：

$P_{\mathrm{ij}}=\left\{\begin{array}{cc}\frac{F_{\mathrm{ij}}^{*}}{{\mathrm{\&Sigma;}}_{k=i+1}^n{F}_{\mathrm{ij}}^{*}\&times;W_k}& i<j\\ 0& i\&GreaterEqual;j\end{array}\right.$

其中，为归一化的任一乘客在第i站上车、且在第j站下车的概率；

计算第二类的IC卡在第i站上车的总人数D_ij：

D_ij＝S_I×P_ij

计算公交车中所有打IC卡的乘客从第i站上车、在第j站下车的概率X_ij：

$X_{\mathrm{ij}}=\left\{\begin{array}{cc}\frac{D_{\mathrm{IJ}}+M_{\mathrm{IJ}}}{S_I+N_I}& I<j\\ 0& i\&GreaterEqual;j\end{array}\right.$

计算公交车在第j站的总人数R_j：

$R_j={\mathrm{\&Sigma;}}_{i=1}^j(({S_i}^{\&prime;}/t)-{\mathrm{\&Sigma;}}_{m=1}^j(({S_i}^{\&prime;}/t)\&times;X_{\mathrm{im}}))$

其中，S′_i为车载机实时传输的所有打卡的人数，t为打卡客流占总客流的比率。

3.根据权利要求2所述的基于IC卡数据公交车辆车内拥挤程度计算方法，其特征在于，归一化的任一乘客在第i站上车、且在第j站下车的概率的计算方法为：

既定行驶方向下，乘客出行站数近似服从泊松分布，计算任一乘客在第i站上车、且在第j站下车的概率F_ij：

$F_{\mathrm{ij}}=\frac{e^{-\mathrm{\&lambda;}}{\mathrm{\&lambda;}}^{(j-1)}}{(j-1)!}$

其中，λ为公交车的平均乘车站数，当i站以后的站点数小于平均乘车站数时，取λ＝n-1，n为公交车在其线路上单向停靠站点数；

对F_ij归一化处理，得到归一化的任一乘客在第i站上车、且在第j站下车的概率

${F_{\mathrm{ij}}}^{*}=\frac{e^{-\mathrm{\&lambda;}}{\mathrm{\&lambda;}}^{(j-1)}}{(j-1)!}/\underset{i=0}{\overset{j-1}{\mathrm{\&Sigma;}}}\frac{e^{-\mathrm{\&lambda;}}{\mathrm{\&lambda;}}^{(j-1)}}{(j-1)!}.$

4.根据权利要求3所述的基于IC卡数据公交车辆车内拥挤程度计算方法，其特征在于，客流数据的采集与存储步骤中，对数据库的历史数据以一天为单位，对每一个具有打卡记录的IC卡当天所有打卡记录进行统计包括以下步骤：

(31)、对每个打卡的IC卡，根据其ID，从数据库中查找出该IC卡当日的全部刷卡数据，按照时间顺序排序；

(32)、取相邻打卡数据及首尾打卡数据，判断每相邻的两次打卡数据中，前次打卡所乘公交车路线上所有站点中距离后次打卡上车站点最短的站点A，并计算该两站间的距离Q，将距离Q与阈值Q₀比较，若Q≤Q₀，则判断站点A即为在前次打卡站点上车时，将要下车的下车站点。

5.根据权利要求4所述的基于IC卡数据公交车辆车内拥挤程度计算方法，其特征在于，所述步骤(32)中，若Q＞Q₀，则提取近期多日打卡数据，从中找出是否有行驶线路相近的公交线路出行，若是，则找出前次打卡所乘公交车路线上所有站点中距离所述行驶线路相近的公交线路中的打卡数据最短的站点B,则判断站点B即为在前次打卡站点上车时，将要下车的下车站点。