CN107085620A - 一种出租车和地铁接驳出行线路的查询方法及*** - Google Patents
一种出租车和地铁接驳出行线路的查询方法及*** Download PDFInfo
- Publication number
- CN107085620A CN107085620A CN201710411718.3A CN201710411718A CN107085620A CN 107085620 A CN107085620 A CN 107085620A CN 201710411718 A CN201710411718 A CN 201710411718A CN 107085620 A CN107085620 A CN 107085620A
- Authority
- CN
- China
- Prior art keywords
- taxi
- time
- subway
- trip
- travel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种出租车和地铁接驳出行线路的查询方法及***,该方法包括以下步骤:S1、统计不同区域在不同时间区间下出租车出行时间以及统计每个地铁车站OD在不同区间的地铁平均出行时间;S2、在设定换乘次数下,根据所述出行时间计算不同出行方案中乘客起点和目的地之间出行线路信息;S3、判断乘客选择的出行方案是否包含出租车出行方式,若是,将乘车请求发送给目标区域内出租车司机手持终端。本发明***与方法对应。本发明地铁和出租车的混合方案能够为乘客提高更为快速,精准和经济的服务,在为乘客节省出行费用的同时降低城市总体交通资源的消耗。
Description
技术领域
本发明属于物联网技术,尤其涉及一种出租车和地铁接驳出行线路的查询方法及***。
背景技术
现有的城市居民常用出行工具为出租车,公交车或是地铁。虽然城市道路上的线路规划方案已经较为成熟,但是随着车辆数的迅猛增加,城市道路变得越来越拥挤,堵车现象的频繁发生导致出租车的快捷性大打折扣,同时出租车的高价格使得其可接受性较低。公交车价格低廉,范围广阔,是一种最为传统的出行工具,但是其同样受到道路拥堵的困扰,同时由于公交线路和车站位置固定,难以完全符合乘客的出行线路,等车时间也较为不可靠。地铁作为一种新型的出行工具,价格低廉,速度快,占据着城市居民出行的大部分。虽然其不受堵车的影响,但难以覆盖城市的各个角落。
在多元交通工具的线路规划方面,百度地图和高德地图目前只提供地铁和公交车混合的方式,同时暂未看到其他地图导航软件有地铁和出租车混合线路的查询功能。实际上公交车的灵活性相对出租车较低,难以覆盖较为广阔的区域,同时其等车时间经常无法估计,给乘客出行带来延误。另外由于缺乏对数据的详细分析,现有的方案只是给出预计出行时间往往会与实际的时间有较大的偏差,造成乘客旅行的延误和较差的出行体验。另外,在时间可变性方面,百度地图和高德地图目前在机动车的预计行驶时间上是通过采集当前路况信息计算并给出一个预计值,虽然此方法下能够准确地预估当前的行驶时间,但其对采集的路况信息的精确度要求较高,同时用户不能够事先查询将来某个时刻下的预计出行时间。虽然在公交线路的查询上能够让乘客选定不同的出发时间,但其主要功能在于判断公交线路是否超出其运营时间,在预计出行时间上并没有根据不同时段有所区分。实际上,不同时段对出行时间的影响是比较大的,特别在当线路经过拥堵路段的时候。
发明内容
本发明的目的在于提供一种出租车和地铁接驳出行线路的查询方法及***,旨在解决上述背景技术中现有技术的不足。
本发明是这样实现的,一种出租车和地铁接驳出行线路的查询方法,该方法包括以下步骤:
S1、统计不同区域在不同时间区间下出租车出行时间以及统计每个地铁车站OD在不同区间的地铁平均出行时间;
S2、在设定换乘次数下,根据所述出行时间计算不同出行方案中乘客起点和目的地之间出行线路信息;
S3、判断乘客选择的出行方案是否包含出租车出行方式,若是,将乘车请求发送给目标区域内出租车司机手持终端。
优选地,在步骤S1中,所述统计不同区域在不同时间区间下出租车出行时间具体包括以下步骤:
统计设定时间周期内出租车GPS行驶数据中提取的道路行驶时间信息,所述道路行驶时间信息包括起点、终点、开始时刻以及结束时刻;
根据所述道路行驶时间信息生成不同时间区间内出租车的出行时间;所述出行时间包括不同时间区间内的平均等车时间,以及各条子道路的行驶时间。
优选地,所述子道路为出租车行驶道路交叉点之间的道路,所述子道路位于出租车行驶起始点与终点之间。
优选地,在步骤S2中,所述出行方案包括:
方案1:只搭乘出租车;
方案2:只搭乘地铁;
方案3:先搭乘地铁到达某个地铁站,再换乘出租车到达目的地;
方案4:先搭乘出租车到达某个地铁站,再换乘地铁达到目的地。
优选地,在步骤S2中,所述出行线路信息包括预计出行时间、预计价格以及转乘次数。
本发明进一步公开了一种出租车和地铁接驳出行线路的查询***,该***包括:
数据统计模块,用于统计不同区域在不同时间区间下出租车出行时间以及统计每个地铁车站OD在不同区间的地铁平均出行时间;
出行路线规划模块,用于在设定换乘次数下,根据所述出行时间计算不同出行方案中乘客起点和目的地之间出行线路信息;
出租车乘车请求模块,用于判断乘客选择的出行方案是否包含出租车出行方式,若是,将乘车请求发送给目标区域内出租车司机手持终端。
优选地,在数据统计模块中,所述统计不同区域在不同时间区间下出租车出行时间具体包括以下步骤:
统计设定时间周期内出租车GPS行驶数据中提取的道路行驶时间信息,所述道路行驶时间信息包括起点、终点、开始时刻以及结束时刻;
根据所述道路行驶时间信息生成不同时间区间内出租车的出行时间;所述出行时间包括不同时间区间内的平均等车时间,以及各条子道路的行驶时间。
优选地,所述子道路为出租车行驶道路交叉点之间的道路,所述子道路位于出租车行驶起始点与终点之间。
优选地,在出行路线规划模块中,所述出行方案包括:
方案1:只搭乘出租车;
方案2:只搭乘地铁;
方案3:先搭乘地铁到达某个地铁站,再换乘出租车到达目的地;
方案4:先搭乘出租车到达某个地铁站,再换乘地铁达到目的地。
优选地,在出行路线规划模块中,所述出行线路信息包括预计出行时间、预计价格以及转乘次数。
相比于现有技术的缺点和不足,本发明具有以下有益效果:
(1)本发明结合出租车和地铁的出行方案,旨在提供更加精确的线路查询服务,并根据出行时刻的不同提供差异化的服务。基于相对稳定的地铁列车调度方案和出租车的分布规律,地铁和出租车的混合方案能够为乘客提高更为快速,精准和经济的服务,在为乘客节省出行费用的同时降低城市总体交通资源的消耗。
(2)地铁和出租车的混合出行方案实际上是单独乘坐地铁或出租车的折中方案,兼顾两者的部分优点。地铁的运行时间较为稳定,价格低廉,但是其行驶线路固定,常常导致较长的出行时间,同时也不能够覆盖广阔的区域;出租车的可达区域非常广泛,方便快捷,但是其价格较高,在高峰时段容易遇上堵车造成行车时间的上升。相对于只选择出租车出行的方式,通过混合地铁和出租车的出行方式能够减少乘客的出租车行驶距离,这不仅仅帮乘客减少了一定的出行价格,在节省社会资源上也有很大的帮助;另一方面相对于只选择地铁出行的方式,也使得某些地铁线路不可达的地铁出行方案变为可能。
附图说明
图1是本发明实施例中出租车和地铁接驳出行线路的查询方法的步骤流程示意图;
图2是本发明实施例中道路行驶时间提取示意图;
图3是本发明实施例中地图分区示意图;
图4是本发明实施例中地铁和出租车的混合出行方案示意图;
图5是本发明实施例中设定出行线路的地图;
图6是本发明实施例中某出行线路的百度地图查询预计时间、历史平均出行时间、本发明查询预计时间的比较结果示意图;
图7是本发明出租车和地铁接驳出行线路的查询***的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明基于大规模历史数据中提取出的每条道路在不同时间段的行驶时间,拼接出总的差异化行驶时间能够较为准确地符合实当前实际的行驶时间,主要基于上海地铁数据和出租车数据对地铁出行时间,出租车行驶时间和出租车等车时间进行时间和空间两方面的分析,在整体上给予乘客不同时段下的出行线路和出行时间上的指导,同时接驳出租车和地铁的出行方案能够在保证较短出行时间的前提下减少乘客的出行价格。
进一步的,本发明公开了一种出租车和地铁接驳出行线路的查询方法,如图1所示,该方法包括以下步骤:
S1、统计不同区域在不同时间区间下出租车出行时间以及统计每个地铁车站OD在不同区间的地铁平均出行时间;
S2、在设定换乘次数下,根据所述出行时间计算不同出行方案中乘客起点和目的地之间出行线路信息;
S3、判断乘客选择的出行方案是否包含出租车出行方式,若是,将乘车请求发送给目标区域内出租车司机手持终端。
如步骤S1所述,分别对地铁和出租车的出行时间进行统计。所述OD路径为地铁任一出发站O与任一目标站点D之间的路径。所述OD路径区间为某个时间区间下的OD路径。
首先,对于地铁平均出行时间的统计,由于地铁出行时间,出租车等车时间和出租车行驶时间都会在一天中随时间变化,必须将一天划分成不同的时间区间统计,一个越小的时间区间越能够反映当前时段的信息。由于需要一定的历史数据支撑,每个区间又不能够过小,否则无法反映统计规律。在本发明实施例中,将一天按每小时划分出一个时间区间,根据地铁乘客历史数据统计每个地铁车站OD在不同区间的平均出行时间。
其次,对于出租车出行时间的统计,由于城市不同区域的车流量密度和道路拥堵情况不同,造成等车时间和车辆行驶时间不同,又由于车流量呈现随时间变化的特性,对于等车时间和行驶时间需要在时间和空间两方面考虑。城市道路网络构成了一个有向图,图中的节点是各个道路交叉口,图中的边是每一段道路,道路的权重可以是该条道路的长度或是行驶时间。出租车的出行通常会经过不同的道路,即一次出行由一组道路序列构成,出租车行驶时间是通过各条道路的时间之和,出租车行驶距离时通过各条道路的距离之和。
由于道路网络节点个数较多,不是任意的两个节点之间都能从出租车行车轨迹中直接提取行驶时间和行驶距离,但是有超过80%的相邻节点对之间都有出租车历史通行数据。如果能够获取各条道路的行驶时间和行驶距离,对于一些历史数据中不能直接提取行驶时间的节点对,利用Dijkstra最短路径方法可以得到该节点对之间的最短路径,同时利用其最短路径包含的各条子道路的行驶时间进行累加可以得到该路径最终的行驶时间,各条子道路长度之和为该路径最终的行驶距离。
所以,首先需要提取出租车在不同道路的行驶时间。Shapefile文件是描述空间数据的几何和属性特征的非拓扑实体矢量数据结构的一种格式,经常在地理信息***中被用于描述地图道路信息。在本发明实施例中,获取上海的Shape地图文件,并将每个出租车的GPS位置点匹配到城市道路中。对于一段旅程,只对其中起点和终点都是道路交叉口的子道路提取行驶时间,如图2所示,由于起点A和终点E不是道路交叉口,旅程AE可以提取的子道路只有BC,CD。
通过上述方式,本发明能够从一周的出租车GPS数据中提取大量的道路行驶时间信息,每条信息包括起点,终点,开始时刻,结束时刻。这些信息将用于生成城市任意两点间的出租车行驶时间。
乘客在某个区域的等车时间可以直接利用该区域可用出租车的到达速率进行估计。通常来说,出租车行驶是相互独立的事件,某个区域在一定时间内的车辆数服从泊松分布,而等待下一辆车的时间服从指数分布。而泊松分布用于描述单位时间内随机事件发生的次数,例如,如果某个区域1小时内有10辆不同的可用出租车,则平均等车时间为6分钟。
首先将上海地区按照1000m*1000m的大小划分出不同的区域,计算各个区域在不同时间区间下的等车时间,如图3所示。由于区域的面积较小,假设出租车在区域内部行驶至乘客位置所需的时间为固定值2分钟,并统计区域内部不同时间区间下的历史平均车辆数。实际上,一个区域周围的车辆也可以通过一定的行驶距离到达该区域,以每个区域最靠近中心点的道路交叉口位置作为区域的起点或终点,计算每个邻近区域之间的行驶时间并假设该时间固定不变。对每个区域而言,统计以其为中心加上周围8个区域的单位时间内的不同车辆数的倒数作为该区域最终的平均等车时间。例如,如图3所示,假设区域A和区域B在1小时内经过的出租车分别有6辆和10辆,16辆车互不相同,区域B行驶至区域A的时间为5分钟,则在区域A中等待一辆来自A区域出租车并行驶至乘客位置所需的平均时间为(60/6+2),为12分钟,在区域A中等待一辆来自B区域出租车并行驶至乘客位置所需的平均时间为(60/10+5),为11分钟,那么在区域A中等待一辆来自A区域或B区域出租车的平均时间为60/(60/12+60/11),约为6分钟。类似的,通过附加周围8个区域的车辆数,能够获得每个区域最终的平均等车时间。
如步骤S2所述,有了上述不同区域在不同时间区间下的平均等车时间,地铁车站对在不同时间区间下的出行时间,以及各条子道路在不同时间区间下的行驶时间,本发明进一步给出各方案下乘客出行线路的计算方法。
考虑到换乘带来的不便性,本发明对换乘次数做出限制。
对于一个查询请求,地铁和出租车的混合出行方案只可能产生以下4种结果:
方案1:只搭乘出租车的方案;
方案2:只搭乘地铁的方案;
方案3:乘客先搭乘地铁到达某个地铁站,再换乘出租车到达目的地;
方案4:乘客先搭乘出租车到达某个地铁站,再换乘地铁达到目的地。
各个方案的示意图如图4所示。用户每提交一个查询请求,包括起始时间、起始地点、目的地点,***同时为用户产生上述4种方案的结果集合,每个结果包括预计出行时间、预计价格和出行线路等属性,并由乘客选择最佳的出行方案,上述请求方式保证了***最终给出的出行线路最多只需换乘1次。由于出行线路结果包含出行时间和出行价格两个评价指标,乘客既可以选择最小化出行时间也可以选择最小化出行价格作为查询条件。
在确定了上述出行方案后,根据不同方案计算出行线路。
方案1:该方案的路径规划不包含地铁,可直接将乘客的起点和终点分别匹配到最近的道路交叉口,用作出租车路径规划的起点和终点。如果线路计算的原则是最小化出行时间,道路节点之间的权重即道路网络图中边的权重被设定为各条道路的行驶时间;如果线路计算的原则是最小化出租车行驶距离,则道路网络图中边的权重被设定为各条道路的长度。通过最短路径搜索算法可以得到最优的出行线路,并将最优出行路径所途径的各条子道路的行驶距离进行累积可以得到其总的出租车预计行驶距离;将各条子道路的行驶时间进行累加并加上在起始区域的等车时间可以得到其总的预计出行时间。注意到由于出租车行驶时间存在随时间变化的特性,子道路的行驶时间必须在搜索和叠加的过程中根据到达该道路的时间区间进行相应的更新。
方案2:该方案的路径规划不包含出租车,所以可直接将乘客的起点和终点分别匹配到最近的地铁站,用作起点和终点并计算两段路程的步行时间,同时加上历史数据中当前时间区间的地铁平均出行时间作为最终的预计出行时间。由于此方案并不涉及搭乘出租车,此时的出租车预计行驶距离为0。
方案3:该方案实际上是方案1和方案2的组合,主要问题在于如何选择一个地铁目的车站使得出行时间最小。首先将乘客起点匹配到最近的地铁车站,作为起点,乘客终点匹配到最近的道路交叉口,作为目的地。对于一个地铁目的车站,可以根据方案1和方案2的计算方式分别计算前后两段线路的出行时间和行驶距离之和作为总的出行时间和出行行驶距离,通过遍历地铁站点集合作为目的车站并依次比较可以得到最优的换乘线路。由于时间的可变性,如果乘客到达地铁目的车站的旅途中跨过了一个时间区间,对应下一段出租车线路的等车时间,出租车行驶时间都必须更新为新区间的值。上海地铁的车站数量较少,截止到2015年4月份的数据总共有289个车站,此方案下的遍历复杂度不会较高,能够运用在实时***中。
方案4:该方案主要问题在于如何选择一个地铁起始车站使得出行时间最小。该方案的线路计算方式和方案3类似,遍历整个车站集合即可得到最优解。在线路计算的同时也要考虑时间的可变性。
如步骤S3所述,判断乘客选择的出行方案是否包含出租车出行方式,若是,将乘车请求发送给目标区域内出租车司机手持终端。如果线路涉及到搭乘出租车,乘客可事先或到达相应的区域后发起打车请求,服务器端给该区域附近的出租车发送订单,并指派一位合适的出租车前去接送乘客,之后乘客和对应的司机可以直接联系无需通过服务器干预。
在本发明实施例中,当乘客需要查询出行线路时,通过选定起点和目的地作为一条线路规划请求发往服务器端,服务器端对请求进行对应的线路计算并将结果返回。
在本发明中,以图5所示的出现路线为例,通过百度地图查询该出行线路在通畅的路况条件下所需的时间约为38分钟,同时在不同时段下通过本发明采用的每条道路在不同时间区间下的行驶时间进行拼接得到的总行驶时间,最后和历史记录中直接提取的该出行线路在不同时段下的平均行驶时间进行对比,最终的结果如图6所示。从图6中可以看到,虽然在此条线路上百度地图提供的查询服务能够给出一个较为保障的行驶时间,但是在非高峰时段即道路通畅情况下该值和实际的行驶时间的差异比较明显,给乘客出行造成了一定的误导。
本发明结合出租车和地铁的出行方案,旨在提供更加精确的线路查询服务,并根据出行时刻的不同提供差异化的服务。基于相对稳定的地铁列车调度方案和出租车的分布规律,地铁和出租车的混合方案能够为乘客提高更为快速,精准和经济的服务,在为乘客节省出行费用的同时降低城市总体交通资源的消耗。
此外,本发明地铁和出租车的混合出行方案实际上是单独乘坐地铁或出租车的折中方案,兼顾两者的部分优点。地铁的运行时间较为稳定,价格低廉,但是其行驶线路固定,常常导致较长的出行时间,同时也不能够覆盖广阔的区域;出租车的可达区域非常广泛,方便快捷,但是其价格较高,在高峰时段容易遇上堵车造成行车时间的上升。相对于只选择出租车出行的方式,通过混合地铁和出租车的出行方式能够减少乘客的出租车行驶距离,这不仅仅帮乘客减少了一定的出行价格,在节省社会资源上也有很大的帮助;另一方面相对于只选择地铁出行的方式,也使得某些地铁线路不可达的地铁出行方案变为可能。
本发明公开了一种出租车和地铁接驳出行线路的查询方法,如图7所示,该方法包括以下步骤:
数据统计模块1,用于统计不同区域在不同时间区间下出租车出行时间以及统计每个地铁车站OD在不同区间的地铁平均出行时间;
出行路线规划模块2,用于在设定换乘次数下,根据所述出行时间计算不同出行方案中乘客起点和目的地之间出行线路信息;
出租车乘车请求模块3,用于判断乘客选择的出行方案是否包含出租车出行方式,若是,将乘车请求发送给目标区域内出租车司机手持终端。
如数据统计模块1所述,分别对地铁和出租车的出行时间进行统计。所述OD路径为地铁任一出发站O与任一目标站点D之间的路径。所述OD路径区间为某个时间区间下的OD路径。
首先,对于地铁平均出行时间的统计,由于地铁出行时间,出租车等车时间和出租车行驶时间都会在一天中随时间变化,必须将一天划分成不同的时间区间统计,一个越小的时间区间越能够反映当前时段的信息。由于需要一定的历史数据支撑,每个区间又不能够过小,否则无法反映统计规律。在本发明实施例中,将一天按每小时划分出一个时间区间,根据地铁乘客历史数据统计每个地铁车站OD在不同区间的平均出行时间。
其次,对于出租车出行时间的统计,由于城市不同区域的车流量密度和道路拥堵情况不同,造成等车时间和车辆行驶时间不同,又由于车流量呈现随时间变化的特性,对于等车时间和行驶时间需要在时间和空间两方面考虑。城市道路网络构成了一个有向图,图中的节点是各个道路交叉口,图中的边是每一段道路,道路的权重可以是该条道路的长度或是行驶时间。出租车的出行通常会经过不同的道路,即一次出行由一组道路序列构成,出租车行驶时间是通过各条道路的时间之和,出租车行驶距离时通过各条道路的距离之和。
由于道路网络节点个数较多,不是任意的两个节点之间都能从出租车行车轨迹中直接提取行驶时间和行驶距离,但是有超过80%的相邻节点对之间都有出租车历史通行数据。如果能够获取各条道路的行驶时间和行驶距离,对于一些历史数据中不能直接提取行驶时间的节点对,利用Dijkstra最短路径方法可以得到该节点对之间的最短路径,同时利用其最短路径包含的各条子道路的行驶时间进行累加可以得到该路径最终的行驶时间,各条子道路长度之和为该路径最终的行驶距离。
所以,首先需要提取出租车在不同道路的行驶时间。Shapefile文件是描述空间数据的几何和属性特征的非拓扑实体矢量数据结构的一种格式,经常在地理信息***中被用于描述地图道路信息。在本发明实施例中,获取上海的Shape地图文件,并将每个出租车的GPS位置点匹配到城市道路中。对于一段旅程,只对其中起点和终点都是道路交叉口的子道路提取行驶时间,如图2所示,由于起点A和终点E不是道路交叉口,旅程AE可以提取的子道路只有BC,CD。
通过上述方式,本发明能够从一周的出租车GPS数据中提取大量的道路行驶时间信息,每条信息包括起点,终点,开始时刻,结束时刻。这些信息将用于生成城市任意两点间的出租车行驶时间。
乘客在某个区域的等车时间可以直接利用该区域可用出租车的到达速率进行估计。通常来说,出租车行驶是相互独立的事件,某个区域在一定时间内的车辆数服从泊松分布,而等待下一辆车的时间服从指数分布。而泊松分布用于描述单位时间内随机事件发生的次数,例如,如果某个区域1小时内有10辆不同的可用出租车,则平均等车时间为6分钟。
首先将上海地区按照1000m*1000m的大小划分出不同的区域,计算各个区域在不同时间区间下的等车时间,如图3所示。由于区域的面积较小,假设出租车在区域内部行驶至乘客位置所需的时间为固定值2分钟,并统计区域内部不同时间区间下的历史平均车辆数。实际上,一个区域周围的车辆也可以通过一定的行驶距离到达该区域,以每个区域最靠近中心点的道路交叉口位置作为区域的起点或终点,计算每个邻近区域之间的行驶时间并假设该时间固定不变。对每个区域而言,统计以其为中心加上周围8个区域的单位时间内的不同车辆数的倒数作为该区域最终的平均等车时间。例如,如图3所示,假设区域A和区域B在1小时内经过的出租车分别有6辆和10辆,16辆车互不相同,区域B行驶至区域A的时间为5分钟,则在区域A中等待一辆来自A区域出租车并行驶至乘客位置所需的平均时间为(60/6+2),为12分钟,在区域A中等待一辆来自B区域出租车并行驶至乘客位置所需的平均时间为(60/10+5),为11分钟,那么在区域A中等待一辆来自A区域或B区域出租车的平均时间为60/(60/12+60/11),约为6分钟。类似的,通过附加周围8个区域的车辆数,能够获得每个区域最终的平均等车时间。
如出行路线规划模块2所述,有了上述不同区域在不同时间区间下的平均等车时间,地铁车站对在不同时间区间下的出行时间,以及各条子道路在不同时间区间下的行驶时间,本发明进一步给出各方案下乘客出行线路的计算方法。
考虑到换乘带来的不便性,本发明对换乘次数做出限制。
对于一个查询请求,地铁和出租车的混合出行方案只可能产生以下4种结果:
方案1:只搭乘出租车的方案;
方案2:只搭乘地铁的方案;
方案3:乘客先搭乘地铁到达某个地铁站,再换乘出租车到达目的地;
方案4:乘客先搭乘出租车到达某个地铁站,再换乘地铁达到目的地。
各个方案的示意图如图4所示。用户每提交一个查询请求,包括起始时间、起始地点、目的地点,***同时为用户产生上述4种方案的结果集合,每个结果包括预计出行时间、预计价格和出行线路等属性,并由乘客选择最佳的出行方案,上述请求方式保证了***最终给出的出行线路最多只需换乘1次。由于出行线路结果包含出行时间和出行价格两个评价指标,乘客既可以选择最小化出行时间也可以选择最小化出行价格作为查询条件。
在确定了上述出行方案后,根据不同方案计算出行线路。
方案1:该方案的路径规划不包含地铁,可直接将乘客的起点和终点分别匹配到最近的道路交叉口,用作出租车路径规划的起点和终点。如果线路计算的原则是最小化出行时间,道路节点之间的权重即道路网络图中边的权重被设定为各条道路的行驶时间;如果线路计算的原则是最小化出租车行驶距离,则道路网络图中边的权重被设定为各条道路的长度。通过最短路径搜索算法可以得到最优的出行线路,并将最优出行路径所途径的各条子道路的行驶距离进行累积可以得到其总的出租车预计行驶距离;将各条子道路的行驶时间进行累加并加上在起始区域的等车时间可以得到其总的预计出行时间。注意到由于出租车行驶时间存在随时间变化的特性,子道路的行驶时间必须在搜索和叠加的过程中根据到达该道路的时间区间进行相应的更新。
方案2:该方案的路径规划不包含出租车,所以可直接将乘客的起点和终点分别匹配到最近的地铁站,用作起点和终点并计算两段路程的步行时间,同时加上历史数据中当前时间区间的地铁平均出行时间作为最终的预计出行时间。由于此方案并不涉及搭乘出租车,此时的出租车预计行驶距离为0。
方案3:该方案实际上是方案1和方案2的组合,主要问题在于如何选择一个地铁目的车站使得出行时间最小。首先将乘客起点匹配到最近的地铁车站,作为起点,乘客终点匹配到最近的道路交叉口,作为目的地。对于一个地铁目的车站,可以根据方案1和方案2的计算方式分别计算前后两段线路的出行时间和行驶距离之和作为总的出行时间和出行行驶距离,通过遍历地铁站点集合作为目的车站并依次比较可以得到最优的换乘线路。由于时间的可变性,如果乘客到达地铁目的车站的旅途中跨过了一个时间区间,对应下一段出租车线路的等车时间,出租车行驶时间都必须更新为新区间的值。上海地铁的车站数量较少,截止到2015年4月份的数据总共有289个车站,此方案下的遍历复杂度不会较高,能够运用在实时***中。
方案4:该方案主要问题在于如何选择一个地铁起始车站使得出行时间最小。该方案的线路计算方式和方案3类似,遍历整个车站集合即可得到最优解。在线路计算的同时也要考虑时间的可变性。
如出租车乘车请求模块3所述,判断乘客选择的出行方案是否包含出租车出行方式,若是,将乘车请求发送给目标区域内出租车司机手持终端。如果线路涉及到搭乘出租车,乘客可事先或到达相应的区域后发起打车请求,服务器端给该区域附近的出租车发送订单,并指派一位合适的出租车前去接送乘客,之后乘客和对应的司机可以直接联系无需通过服务器干预。
在本发明实施例中,当乘客需要查询出行线路时,通过选定起点和目的地作为一条线路规划请求发往服务器端,服务器端对请求进行对应的线路计算并将结果返回。
在本发明中,以图5所示的出现路线为例,通过百度地图查询该出行线路在通畅的路况条件下所需的时间约为38分钟,同时在不同时段下通过本发明采用的每条道路在不同时间区间下的行驶时间进行拼接得到的总行驶时间,最后和历史记录中直接提取的该出行线路在不同时段下的平均行驶时间进行对比,最终的结果如图6所示。从图6中可以看到,虽然在此条线路上百度地图提供的查询服务能够给出一个较为保障的行驶时间,但是在非高峰时段即道路通畅情况下该值和实际的行驶时间的差异比较明显,给乘客出行造成了一定的误导。
本发明结合出租车和地铁的出行方案,旨在提供更加精确的线路查询服务,并根据出行时刻的不同提供差异化的服务。基于相对稳定的地铁列车调度方案和出租车的分布规律,地铁和出租车的混合方案能够为乘客提高更为快速,精准和经济的服务,在为乘客节省出行费用的同时降低城市总体交通资源的消耗。
此外,本发明地铁和出租车的混合出行方案实际上是单独乘坐地铁或出租车的折中方案,兼顾两者的部分优点。地铁的运行时间较为稳定,价格低廉,但是其行驶线路固定,常常导致较长的出行时间,同时也不能够覆盖广阔的区域;出租车的可达区域非常广泛,方便快捷,但是其价格较高,在高峰时段容易遇上堵车造成行车时间的上升。相对于只选择出租车出行的方式,通过混合地铁和出租车的出行方式能够减少乘客的出租车行驶距离,这不仅仅帮乘客减少了一定的出行价格,在节省社会资源上也有很大的帮助;另一方面相对于只选择地铁出行的方式,也使得某些地铁线路不可达的地铁出行方案变为可能。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种出租车和地铁接驳出行线路的查询方法,其特征在于,该方法包括以下步骤:
S1、统计不同区域在不同时间区间下出租车出行时间以及统计每个地铁车站OD在不同区间的地铁平均出行时间;
S2、在设定换乘次数下,根据所述出行时间计算不同出行方案中乘客起点和目的地之间出行线路信息;
S3、判断乘客选择的出行方案是否包含出租车出行方式,若是,将乘车请求发送给目标区域内出租车司机手持终端。
2.如权利要求1所述的出租车和地铁接驳出行线路的查询方法,其特征在于,在步骤S1中,所述统计不同区域在不同时间区间下出租车出行时间具体包括以下步骤:
统计设定时间周期内出租车GPS行驶数据中提取的道路行驶时间信息,所述道路行驶时间信息包括起点、终点、开始时刻以及结束时刻;
根据所述道路行驶时间信息生成不同时间区间内出租车的出行时间;所述出行时间包括不同时间区间内的平均等车时间,以及各条子道路的行驶时间。
3.如权利要求2所述的出租车和地铁接驳出行线路的查询方法,其特征在于,所述子道路为出租车行驶道路交叉点之间的道路,所述子道路位于出租车行驶起始点与终点之间。
4.如权利要求1所述的出租车和地铁接驳出行线路的查询方法,其特征在于,在步骤S2中,所述出行方案包括:
方案1:只搭乘出租车;
方案2:只搭乘地铁;
方案3:先搭乘地铁到达某个地铁站,再换乘出租车到达目的地;
方案4:先搭乘出租车到达某个地铁站,再换乘地铁达到目的地。
5.如权利要求1所述的出租车和地铁接驳出行线路的查询方法,其特征在于,在步骤S2中,所述出行线路信息包括预计出行时间、预计价格以及转乘次数。
6.一种出租车和地铁接驳出行线路的查询***,其特征在于,该***包括:
数据统计模块,用于统计不同区域在不同时间区间下出租车出行时间以及统计每个地铁车站OD在不同区间的地铁平均出行时间;
出行路线规划模块,用于在设定换乘次数下,根据所述出行时间计算不同出行方案中乘客起点和目的地之间出行线路信息;
出租车乘车请求模块,用于判断乘客选择的出行方案是否包含出租车出行方式,若是,将乘车请求发送给目标区域内出租车司机手持终端。
7.如权利要求6所述的出租车和地铁接驳出行线路的查询***,其特征在于,在数据统计模块中,所述统计不同区域在不同时间区间下出租车出行时间具体包括以下步骤:
统计设定时间周期内出租车GPS行驶数据中提取的道路行驶时间信息,所述道路行驶时间信息包括起点、终点、开始时刻以及结束时刻;
根据所述道路行驶时间信息生成不同时间区间内出租车的出行时间;所述出行时间包括不同时间区间内的平均等车时间,以及各条子道路的行驶时间。
8.如权利要求7所述的出租车和地铁接驳出行线路的查询***,其特征在于,所述子道路为出租车行驶道路交叉点之间的道路,所述子道路位于出租车行驶起始点与终点之间。
9.如权利要求6所述的出租车和地铁接驳出行线路的查询***,其特征在于,在出行路线规划模块中,所述出行方案包括:
方案1:只搭乘出租车;
方案2:只搭乘地铁;
方案3:先搭乘地铁到达某个地铁站,再换乘出租车到达目的地;
方案4:先搭乘出租车到达某个地铁站,再换乘地铁达到目的地。
10.如权利要求6所述的出租车和地铁接驳出行线路的查询***,其特征在于,在出行路线规划模块中,所述出行线路信息包括预计出行时间、预计价格以及转乘次数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710411718.3A CN107085620A (zh) | 2017-06-05 | 2017-06-05 | 一种出租车和地铁接驳出行线路的查询方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710411718.3A CN107085620A (zh) | 2017-06-05 | 2017-06-05 | 一种出租车和地铁接驳出行线路的查询方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107085620A true CN107085620A (zh) | 2017-08-22 |
Family
ID=59609086
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710411718.3A Pending CN107085620A (zh) | 2017-06-05 | 2017-06-05 | 一种出租车和地铁接驳出行线路的查询方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107085620A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108921336A (zh) * | 2018-06-15 | 2018-11-30 | 杭州后博科技有限公司 | 一种基于预算费用的组合交通方案推荐方法及*** |
CN108932862A (zh) * | 2018-07-27 | 2018-12-04 | 北京小马智行科技有限公司 | 一种自动驾驶车辆调度方法和装置 |
CN109034451A (zh) * | 2018-06-15 | 2018-12-18 | 杭州后博科技有限公司 | 一种基于费用的组合交通方案推荐方法及*** |
CN109523064A (zh) * | 2018-10-26 | 2019-03-26 | 上海城市交通设计院有限公司 | 一种基于多网融合的智能微枢纽 |
CN110390556A (zh) * | 2019-06-03 | 2019-10-29 | 东南大学 | 一种可变线路公交票价动态制定方法 |
CN110737849A (zh) * | 2019-10-10 | 2020-01-31 | 北京百度网讯科技有限公司 | 出行方案的推荐方法、装置、设备及存储介质 |
CN112017465A (zh) * | 2020-07-23 | 2020-12-01 | 盛威时代科技集团有限公司 | 基于云计算技术对交通资源进行配置的方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101308555A (zh) * | 2008-06-27 | 2008-11-19 | 北京工业大学 | 多模式公交出行路径寻优方法 |
CN103900579A (zh) * | 2012-12-26 | 2014-07-02 | 深圳市赛格导航科技股份有限公司 | 公共交通路线选择方法及*** |
CN106643771A (zh) * | 2016-12-30 | 2017-05-10 | 上海博泰悦臻网络技术服务有限公司 | 一种导航线路选择方法及*** |
-
2017
- 2017-06-05 CN CN201710411718.3A patent/CN107085620A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101308555A (zh) * | 2008-06-27 | 2008-11-19 | 北京工业大学 | 多模式公交出行路径寻优方法 |
CN103900579A (zh) * | 2012-12-26 | 2014-07-02 | 深圳市赛格导航科技股份有限公司 | 公共交通路线选择方法及*** |
CN106643771A (zh) * | 2016-12-30 | 2017-05-10 | 上海博泰悦臻网络技术服务有限公司 | 一种导航线路选择方法及*** |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108921336A (zh) * | 2018-06-15 | 2018-11-30 | 杭州后博科技有限公司 | 一种基于预算费用的组合交通方案推荐方法及*** |
CN109034451A (zh) * | 2018-06-15 | 2018-12-18 | 杭州后博科技有限公司 | 一种基于费用的组合交通方案推荐方法及*** |
CN108932862A (zh) * | 2018-07-27 | 2018-12-04 | 北京小马智行科技有限公司 | 一种自动驾驶车辆调度方法和装置 |
CN109523064A (zh) * | 2018-10-26 | 2019-03-26 | 上海城市交通设计院有限公司 | 一种基于多网融合的智能微枢纽 |
CN109523064B (zh) * | 2018-10-26 | 2022-02-18 | 上海城市交通设计院有限公司 | 一种基于多网融合的智能微枢纽 |
CN110390556A (zh) * | 2019-06-03 | 2019-10-29 | 东南大学 | 一种可变线路公交票价动态制定方法 |
CN110390556B (zh) * | 2019-06-03 | 2023-04-28 | 东南大学 | 一种可变线路公交票价动态制定方法 |
CN110737849A (zh) * | 2019-10-10 | 2020-01-31 | 北京百度网讯科技有限公司 | 出行方案的推荐方法、装置、设备及存储介质 |
CN110737849B (zh) * | 2019-10-10 | 2022-08-30 | 北京百度网讯科技有限公司 | 出行方案的推荐方法、装置、设备及存储介质 |
CN112017465A (zh) * | 2020-07-23 | 2020-12-01 | 盛威时代科技集团有限公司 | 基于云计算技术对交通资源进行配置的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107085620A (zh) | 一种出租车和地铁接驳出行线路的查询方法及*** | |
CN102297700B (zh) | 用于时间相关的路线计划的方法和导航装置 | |
CN105096622B (zh) | 一种基于车路通信的动态路径诱导方法 | |
CN104200649B (zh) | 基于预先申请的交通高峰期路线资源调度分配***与方法 | |
CN102890869B (zh) | 车辆行车路线预测通知方法及移动智能终端 | |
CN108831149A (zh) | 一种基于历史od信息定制公交线路开行方法及*** | |
CN109598372A (zh) | 基于绿色共享交通的出行方案规划方法和共享交通*** | |
CN106504577A (zh) | 一种停车换乘出行路线规划方法及装置 | |
CN102346041B (zh) | 基于实时路况的路线规划方法及其服务设备 | |
CN105074793A (zh) | 用于车辆路径规划和交通管理的车道级车辆导航 | |
CN101256083A (zh) | 基于动态信息的城市交通网络路径选择方法 | |
CN102346042B (zh) | 基于实时路况的路线规划方法及其服务设备 | |
CN101964941A (zh) | 基于动态信息的智能导航与位置服务***及方法 | |
US10515549B1 (en) | Method, apparatus, and computer program product for evaluating public transportation use | |
CN105303854A (zh) | 一种出行路线数据的处理方法和装置 | |
CN110288205B (zh) | 交通影响评价方法及装置 | |
CN110491158A (zh) | 一种基于多元数据融合的公交车到站时间预测方法及*** | |
CN105973252A (zh) | 一种线路规划的方法及终端 | |
CN107452226A (zh) | 一种中途停车推荐路侧停车位的方法及*** | |
CN110118567A (zh) | 出行方式推荐方法及装置 | |
CN109840632A (zh) | 一种行车路线评估规划方法及装置 | |
CN107093216A (zh) | 基于汽车电子标识的城市交通拥堵收费方法和装置 | |
CN110633558A (zh) | 一种城市交通***建模*** | |
CN105806355A (zh) | 一种车辆绿色路径导航***及方法 | |
JP2014066655A (ja) | 経路探索装置及び経路探索方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB03 | Change of inventor or designer information |
Inventor after: Guo Yihan Inventor after: Lu Mingming Inventor after: Zheng Lin Inventor before: Guo Yiming Inventor before: Lu Mingming Inventor before: Zheng Lin |
|
CB03 | Change of inventor or designer information | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170822 |
|
RJ01 | Rejection of invention patent application after publication |