CN109615036B - 一种基于公汽ic刷卡***的细颗粒物暴露风险评估方法 - Google Patents

一种基于公汽ic刷卡***的细颗粒物暴露风险评估方法 Download PDF

Info

Publication number
CN109615036B
CN109615036B CN201811452182.0A CN201811452182A CN109615036B CN 109615036 B CN109615036 B CN 109615036B CN 201811452182 A CN201811452182 A CN 201811452182A CN 109615036 B CN109615036 B CN 109615036B
Authority
CN
China
Prior art keywords
bus
station
card swiping
passenger
getting
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.)
Expired - Fee Related
Application number
CN201811452182.0A
Other languages
English (en)
Other versions
CN109615036A (zh
Inventor
黄正东
张莹
袁蕾
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen University
Original Assignee
Shenzhen University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen University filed Critical Shenzhen University
Priority to CN201811452182.0A priority Critical patent/CN109615036B/zh
Publication of CN109615036A publication Critical patent/CN109615036A/zh
Application granted granted Critical
Publication of CN109615036B publication Critical patent/CN109615036B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
    • G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/06—Investigating concentration of particle suspensions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Operations Research (AREA)
  • Dispersion Chemistry (AREA)
  • Educational Administration (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Development Economics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于公汽IC刷卡***的细颗粒物暴露风险评估方法，IC刷卡***包括公汽中心IC卡管理***、公汽车载前门上车刷卡机和公汽站台下车刷卡机；公汽站台下车刷卡机和公汽车载前门上车刷卡机与公汽中心IC卡管理***无线连接；基于此***的细颗粒物暴露风险评估方法包括S1公汽乘客的上车刷卡站点识别、S2公汽乘客的下车刷卡站点判断、S3公汽车厢内乘客密度计算、S4公汽车厢内乘客群体暴露风险评估。本发明操作方便，准确地计算了公汽沿运行线路不同路段的乘客密度以及群体暴露风险等级，从多角度、多层次全面且准确地揭示公汽运行过程中车厢内乘客面向细颗粒物污染的群体暴露风险，对公汽运行环境的评估有重要意义，具有很好的社会效益和市场应用价值。

Description

一种基于公汽IC刷卡***的细颗粒物暴露风险评估方法
技术领域
本发明涉及公共交通技术领域，特别是一种基于公汽IC刷卡***的细颗粒物暴露风险评估方法。
背景技术
公汽出行在城市交通出行中有着非常重要的作用，公汽出行刷卡记录是城市公交网络规划和管理的基础数据，可为公汽线网优化、出行预测提供重要的数据支持。
现有的公汽乘车刷卡***为一次刷卡，基于现有公汽刷卡***估测公汽出行上车站点存在不足：当公汽站台车辆过多进行排队进站时，不规范停车造成车辆未到站就有乘客提前上车刷卡的现象，导致乘客上车站点估测提前；当相邻两站距离较短时，基于时间聚类将上车站点聚类在线路运行方向的前一个公汽站点，导致乘客上车站点估测提前；当乘务员手持POS机刷卡时，由于上车人数较多，以至于即将进入下一站才刷卡完毕，上车刷卡延后导致乘客上车站点估测至下一站。基于现有公汽刷卡***估测公汽出行下车站点主要包括：基于公交出行链模型推断下车站点，但模型的准确性较难校验；基于概率模型推断下车站点，但只能推断下车站点总人数，无法推断每一位乘客的下车站点。
实用新型专利201520911562.1，提出了一种基于居民公交出行OD识别的公交刷卡***，在公交站点和公交车上设置刷卡机，乘客候车时在公交车站刷卡，下车前在公交车内刷卡，此装置对于记录乘客OD有一定价值。存在的问题：(1)刷卡模式与现有普遍采用的公汽***“上车刷卡”模式不兼容，且需要对公交车上的刷卡机位置进行改动；(2)乘客上车前站台无人引导和监督可能导致乘客忘记刷卡，同时当乘客急于上到即将离站的公交车时可能来不及在站台刷卡，这两种情形不能保证乘客上车前均能顺利刷卡；(3)乘客在下车前需要在车内刷卡，当车内拥挤时可能存在提前刷卡或无法完成刷卡的情况，若因车内拥挤，到站前不能完成车内刷卡，公交车可能需要停在站台等候较长时间。
在倡导和追求低碳、健康出行的背景下，目前仍缺少研究关注公汽出行过程中车厢内乘客面向细颗粒物污染的群体暴露风险。由于公汽车厢内经常处于关闭状态，特别在高峰时段，公汽车厢内乘客密度很高，空气质量下降，在公汽沿线路段车厢内乘客面向细颗粒物的群体暴露风险亟需评估。
现有技术存在缺陷需要改进。
发明内容
为了解决现有技术中存在的缺陷，本发明提出一种操作方便，考虑全面且准确度高，更接近实际情况的一种基于公汽IC刷卡***的细颗粒物暴露风险评估方法。
本发明提供的技术方案为，一种基于公汽IC刷卡***的细颗粒物暴露风险评估方法，包括一种公汽IC刷卡***，所述公汽IC刷卡***包括公汽中心IC卡管理***和公汽车载前门上车刷卡机，还包括公汽站台下车刷卡机，公汽站台下车刷卡机设置在公汽站台处，可以根据各站点的客流量至少设置一台，公汽站台下车刷卡机和公汽车载前门上车刷卡机与公汽中心IC卡管理***无线连接；公汽站台下车刷卡机包括IC感应器、电源设备、无线单元、定位单元及应用处理器，IC感应器、电源设备、定位单元及无线单元均与应用处理器连接，无线单元与公汽中心IC卡管理***无线连接，IC卡与公汽站台下车刷卡机非接触式感应连接；乘客上车在公汽车载前门上车刷卡机刷卡获得上车记录，识别出上车站点，下车在公汽站台下车刷卡机刷卡获得下车记录，识别出下车站点并扣取相应票款。
优选地，公汽站台下车刷卡机的电源设备包括发电模块和蓄电模块，发电模块与蓄电模块电性连接，蓄电模块还通过充电管理单元与市电连接，发电模块为太阳能发电单元或风能发电单元。
优选地，包括以下步骤：
S1公汽乘客的上车刷卡站点识别；
S2公汽乘客的下车刷卡站点判断；
S3公汽车厢内乘客密度计算；
S4公汽车厢内乘客的群体暴露风险评估。
优选地，S2公汽乘客的下车刷卡站点判断包括：S21在站台刷卡乘客的下车站点识别和S22未在站台刷卡乘客的下车站点判断。
优选地，S22乘客下车后未在站台刷卡的下车站点判断包括：
S221：若该乘客当日仅有一次乘车，或此次乘车为当日最后一次乘车，则根据该乘客历史出行规律以及该乘客的乘车线路站点吸引权匹配下车站点；
S222：若该乘客当日有多次乘车，且此次乘车并非当日最后一次乘车，则读取该乘客下次乘车的刷卡记录，计算下次乘车刷卡记录的上车站点与此次乘车刷卡记录对应公汽行驶方向上各站点的步行距离Δd，判断是否存在Δd<500m的站点；若不存在满足条件的站点，则根据该乘客历史出行规律以及站点吸引权匹配下车站点；
S223：若仅有一个满足条件的站点，则该站点为该乘客此次乘车的下车站点；若有多个满足条件的站点，则根据这两次相邻乘车的上车刷卡时间间隔判断这两次出行是否为连乘；这两次相邻乘车的上车刷卡时间间隔小于当地公交换乘刷卡优惠时间，则属于连乘，这两次相邻乘车的上车刷卡时间间隔大于当地公交换乘刷卡优惠时间，则不属于连乘；
S224：若这两次出行属于连乘，则Δd＝dmin对应的站点为该乘客此次乘车的下车站点；
S225：若这两次出行不属于连乘，则根据该乘客历史出行规律以及站点吸引权推断该乘客此次乘车的下车站点。
优选地，站点吸引权：
一条公汽线路沿运行方向的所有站点从首至尾依次编号为1，2，3……m，i表示乘客上车站点编号，j表示乘客下车站点编号(i＜m，j≤m)；以下分别简称站点i和站点j；
Pij表示综合考虑途径站点数目、站点产生吸引系数、换乘便利程度的情况下，乘客在站点i上车，站点j下车的概率；
表示只考虑途径站点数目的下车概率，即乘客在站点i上车，经过k个站点，在站点j下车的概率；
Fij *表示归一化后的站点i和站点j之间的站点产生吸引系数；
Kj表示站点j的换乘便利程度；
m表示公汽线路单向的站点总数；
k表示从站点i到站点j的站点数目；
λ表示乘客出行平均站点数目；
归一化：
Fij表示站点i和站点j之间的站点产生吸引系数；
si表示在站点i的上车人数；
uj表示在站点j的下车人数；
Fi表示从站点i上车到其余各站下车的产生吸引总系数；
优选地，S3公汽车厢内乘客密度计算：站点i至站点i+1公汽线路段公汽车厢内乘客密度Bq表示在站点q上车的人数，Aq表示在站点q下车的人数。
优选地，S4公汽车厢内乘客的群体暴露风险评估包括：
群体暴露风险评估模型：
Riski，i+1＝Di，i+1*I
其中：
Riski，i+1：站点i至站点i+1之间路段的车厢内乘客面向颗粒物污染的群体暴露风险；
Di，i+1：站点i至站点i+1之间路段的车厢内乘客面向颗粒物污染的群体暴露剂量；
I：为致癌强度系数((kg·d)/mg)；
C(t)：t时刻车厢内观测的颗粒物浓度(μg/m3)；
R：呼吸速率(m3/min)；
ρi，i+1：站点i至i+1之间路段的车厢内乘客密度，ρi，i+1通过S3获取；
ti、ti+1：分别表示车辆沿公汽线路运行过程中离开站点i的时间、到达站点i+1的时间；
车厢内乘客的平均体重(kg)；
ti，i+1：站点i至i+1之间公汽运行时间(min)。
相对于现有技术的有益效果：
(1)本发明通过内嵌定位的公汽车载前门上车刷卡机和公汽站台下车刷卡机分别得到乘客的准确上车站点和下车站点，刷卡***记录每次刷卡的时间和位置信息，乘客上车时在前门刷卡，乘客下车时在公汽车站刷卡，简单实用，不仅提高了公汽收费的便利性，更改善了公汽的运行效率，缩短了乘客的整个出行时间；此外，该刷卡***避免了现有技术在数据匹配和时间融合方面的误差，便于得到更加准确和动态的乘客出行OD数据；
(2)对于乘客下车后未在站台刷卡的情况，则根据该乘客当日的公交出行链判断下车站点，同时结合该乘客历史出行规律以及公汽站点吸引权进行下车站点判断。基于公汽站点吸引权判断下车站点不仅仅是简单根据现有的乘客刷卡高频站点吸引权重，而是综合考虑了途径公汽站点数目，站点之间的产生吸引相关系数和站点换乘能力；对于站点换乘能力，考虑了换乘公汽与换乘轨道吸引力的差异，得到的结果更加准确合理；
(3)将乘客搭乘公汽的出行OD通过计算映射在公汽线路段上，得到公汽运行过程中各路段车厢内乘客密度，为公汽网络规划和管理以及公汽线网优化提供可靠的数据支撑，具有很好的应用价值；
(4)从公汽运行角度，考虑到车厢内封闭空间中的所有乘客面向车内细颗粒物污染的群体暴露风险，研究建立公汽出行过程中面向车厢内细颗粒物污染的群体暴露风险评估模型，评价公汽各线路段车厢内所有乘客面向细颗粒物污染的群体暴露风险，并实时展示公汽线路段的群体暴露风险分级，对公共交通管理部门改善公共交通出行环境具有重要意义。
附图说明
下面结合附图对本发明做进一步的解释说明；
图1为本发明评估方法整体流程示意图；
图2为本发明的公汽乘客的上车刷卡站点识别示意图；
图3为本发明的公汽乘客的下车刷卡站点判断技术路线图；
图4为本发明的公汽乘客的下车刷卡站点判断示意图；
图5为本发明的公汽车厢内乘客密度计算图。
具体实施方式
为了便于理解本发明，下面结合附图和具体实施例，对本发明进行更详细的说明。附图中给出了本发明的较佳的实施例。但是，本发明可以通过多种不同的形式来实现，并不限于本说明书所描述的实施例。提供这些实施例的目的是便于更加全面透彻地理解本发明的公开内容。
除非另有定义，本说明书所使用的所有技术和科学术语与本发明所属技术领域的技术人员通常理解的含义相同。在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是用于限制本发明。
下面结合附图对本发明一种基于公汽IC刷卡***的细颗粒物暴露风险评估方法作详细说明。
本发明的一个实施例为，一种基于公汽IC刷卡***的细颗粒物暴露风险评估方法，包括一种公汽IC刷卡***，所述公汽IC刷卡***包括公汽中心IC卡管理***和公汽车载前门上车刷卡机，还包括公汽站台下车刷卡机，公汽站台下车刷卡机设置在公汽站台处，可以根据各站点的客流量至少设置一台，公汽站台下车刷卡机和公汽车载前门上车刷卡机与公汽中心IC卡管理***无线连接；公汽站台下车刷卡机包括IC感应器、电源设备、无线单元、定位单元及应用处理器，IC感应器、电源设备、定位单元及无线单元均与应用处理器连接，无线单元与公汽中心IC卡管理***无线连接，IC卡与公汽站台下车刷卡机非接触式感应连接；乘客上车在公汽车载前门上车刷卡机刷卡获得上车记录，识别出上车站点，下车在公汽站台下车刷卡机刷卡获得下车记录，识别出下车站点并扣取相应票款。
优选地，公汽站台下车刷卡机的电源设备包括发电模块和蓄电模块，发电模块与蓄电模块电性连接，蓄电模块还通过充电管理单元与市电连接，发电模块为太阳能发电单元或风能发电单元。
如图1所示，一种基于公汽IC刷卡***的细颗粒物暴露风险评估方法，包括以下步骤：
S1公汽乘客的上车刷卡站点识别；
S2公汽乘客的下车刷卡站点判断；
S3公汽车厢内乘客密度计算；
S4公汽车厢内乘客的群体暴露风险评估；
S1公汽乘客的上车刷卡站点识别包括以下步骤：
S11：读取某位乘客的某条刷卡记录，该刷卡记录包含的上车刷卡位置坐标为(Xp，Yp)，根据该线路该车辆当次运行的上车刷卡记录所包含的位置坐标及时间信息确定该车辆行驶方向；该公汽线路沿行驶方向的所有站点依次标记编号为1，2，3......m，m为站点总数。i为站点编号，i∈{1，2，3，......m}，简称站点i，记站点i坐标为(Xi，Yi)；
S12：分别计算上车刷卡位置坐标与该公汽线路行驶方向各站点坐标的距离，对于站点i，计算如下：
S13：计算最小的Δdi，p，得到其对应的站点i。根据刷卡坐标和站点i-1、i、i+1坐标的关系，进行二次识别，确定上车站点；
根据如下条件进行二次识别：
当坐标值Xp位于坐标值Xi和Xi+1之间，坐标值Yp位于坐标值Yi和Yi+1之间时，最小Δdi，p对应的站点i为上车站点；
当坐标值Xp位于坐标值Xi-1和Xi之间，坐标值Yp位于坐标值Yi-1和Yi之间时，最小Δdi，p对应站点i的前一个站点i-1为上车站点。
通过二次识别避免了按照最短距离计算方法，将上车站点错误识别为下一站点的情况。例如上车时乘客太多，先上车后刷卡，导致部分乘客在车辆靠近下一站点时才刷卡，最短距离计算方法会将上车站点识别为下一个站点。
为了便于理解，如图2所示，乘客上车刷卡存在两种情况：上车后及时刷卡，如示例1；车辆靠近下一站时才刷卡，如示例2。但是最短距离计算方法仅能正确识别示例1的上车站点，不能正确识别示例2的上车站点。对于示例2，按照最短距离计算方法Δdi，p＜Δdi-1，p，错误识别站点i为上车站点；因此应进行二次识别，根据坐标值Xp位于坐标值Xi-1和Xi之间，坐标值Yp位于坐标值Yi-1和Yi之间，确定乘客在站点i-1和站点i之间刷卡，得到正确的上车站点为站点i-1。
如图3所示，S2公汽乘客的下车刷卡站点判断包括：S21在站台刷卡乘客的下车站点识别和S22未在站台刷卡乘客的下车站点判断；
S21在站台刷卡乘客的下车站点识别包括：
S211：读取某位乘客某日的第n条刷卡记录，及识别出的上车站点i及上车刷卡时间ti；
S212：读取该乘客本次出行的下车刷卡站点j和下车刷卡时间tj；
S213：基于该乘客搭乘的公汽车辆到达该乘客下车站点的时间数据，判断下车刷卡时间tj是否在正常刷卡时间内。若下车刷卡时间tj在该公汽车辆到达该站点的5分钟内，则判断为正常刷卡时间；
S214：若在正常刷卡时间内，则公汽下车刷卡***记录的站点j为正确的下车站点，得到下车后在站台刷卡乘客的公汽出行OD信息；若不在正常刷卡时间内则进入下一步S22。
S22未在站台刷卡乘客的下车站点判断包括：
S221：若该乘客当日仅有一次乘车，或此次乘车为当日最后一次乘车，则根据该乘客历史出行规律以及该乘客的乘车线路站点吸引权匹配下车站点；
S222：若该乘客当日有多次乘车，且此次乘车并非当日最后一次乘车，则读取该乘客下次乘车的刷卡记录，计算下次乘车刷卡记录的上车站点与此次乘车刷卡记录对应公汽行驶方向上各站点的步行距离Δd，判断是否存在Δd＜500m的站点，若不存在满足条件的站点，则根据该乘客历史出行规律以及站点吸引权匹配下车站点；
S223：若仅有一个满足条件的站点，则该站点为该乘客此次乘车的下车站点；若有多个满足条件的站点，则根据这两次相邻乘车的上车刷卡时间间隔判断这两次出行是否为连乘；这两次相邻乘车的上车刷卡时间间隔小于当地公交换乘刷卡优惠时间，则属于连乘；这两次相邻乘车的上车刷卡时间间隔大于当地公交换乘刷卡优惠时间，则不属于连乘；
S224：若这两次出行属于连乘，则Δd＝dmin对应的站点为该乘客此次乘车的下车站点；
S225：若这两次出行不属于连乘，则根据该乘客历史出行规律以及站点吸引权推断该乘客此次乘车的下车站点。这样综合考虑了乘客历史出行规律和站点吸引权，就避免了仅基于最短距离换乘假设判断下车站点造成的匹配失误。
乘客相邻两次出行存在两种情况：相邻两次出行为同一公汽线路、相邻两次出行为不同公汽线路。为了便于理解，针对第二种情况，如图4所示，假设某乘客出行过程中有换乘情况，例如从线路A换乘到线路B，根据最短距离换乘假设，判断出该乘客在线路A的下车站点为站点j-1。但是若线路A的站点j吸引力更强，则该乘客有可能在该站点下车。因此，若该乘客相邻两次出行的上车刷卡时间间隔大于当地公交刷卡优惠时间，又无相关历史出行记录，则需要根据站点吸引权(公式1-2)来合理判断该乘客的下车站点。
站点吸引权：
一条公汽线路沿运行方向的所有站点从首至尾依次编号为1，2，3……m，i表示乘客上车站点编号，j表示乘客下车站点编号(i＜m，j≤m)，以下简称站点i，站点j；
Pij表示综合考虑途径站点数目、站点产生吸引系数、换乘便利程度的情况下，乘客在站点i上车，站点j下车的概率；
表示只考虑途径站点数目的下车概率，即乘客在站点i上车，经过k个站点，在站点j下车的概率；
Fij *表示归一化后的站点i和站点j之间的站点产生吸引系数；
Kj表示站点j换乘的便利程度；
m表示公汽线路单向的站点总数；
只考虑途径站点数目的下车概率，即乘客在站点i上车，经过k个站点，在站点j下车的概率为：
k表示从站点i到站点j的公汽站点数目；
λ表示乘客出行平均站点数目，按已有数据统计乘客出行平均站点数目；
站点i和站点j之间的站点产生吸引系数为：
归一化：si表示在站点i的上车人数，即根据已有刷卡数据统计该站点平均每日上车人数；
uj表示在站点j的下车人数，即根据已有刷卡数据统计该站点平均每日下车人数；
Fi表示从站点i上车到其余各站下车的产生吸引总系数；
假设在公汽站点j服务半径500m内，可换乘公汽站点分别标记为ja、jb……jy，各站点对应的公汽线路条数标记为下车站点与各换乘站点的换乘距离分别为可换乘地铁站点分别标记为jA、jB……jY，各站点对应的地铁线路条数标记为 下车站点与各换乘站点的换乘距离分别为则站点j换乘的便利程度为：
如图5所示，S3所述公汽车厢内乘客密度计算包括：
S31：统计某线路某车辆行驶方向一次运行过程中各站点的上车人数和下车人数，该公汽线路沿行驶方向的站点编号依次为1，2，3……m，i表示上车站点编号，j表示下车站点编号(i＜m，i≤m)；以下分别简称站点i和站点j；
S32记在站点q上车的人数为Bq，在站点q下车的人数为Aq，则站点i至站点i+1(相邻两站点)之间公汽线路段的乘客数量Pi，i+1为：
S33：计算公汽车厢内乘客密度；假设该公汽车辆的客位数为M，则该车辆行驶方向一次运行过程中站点i至站点i+1公汽线路段车厢内乘客密度ρ为该公汽线路段的乘客数量除以该车辆客位数，
S4公汽车厢内乘客的群体暴露风险评估；
考虑到车厢内人群面向颗粒物污染，本研究选择呼吸速率作为暴露参数，计算公汽出行过程中车厢内人体摄入的颗粒物剂量，评价暴露风险(即健康风险，本研究中的健康风险以致癌风险表达)。求得的风险值将参考健康风险相关研究推荐的美国EPA认可的可接受风险范围(10-6～10-4)：当风险值介于10-6～10-5之间，表示风险水平高于日常活动风险，值得关注；当风险值介于10-5～10-4之间，则需要采取一定的治理方案，但仍需要考虑处理方案的费用和效果；当风险值大于10-4时，表明风险很高，需要优先处理。以下为计算群体暴露风险的数学模型。
群体暴露风险评估模型：
Riski，i+1＝Di，i+1*I (公式1-9)
其中：
式中：
Riski，i+1：站点i至站点i+1之间路段的车厢内乘客面向颗粒物污染的群体暴露风险；
Di，i+1：站点i至站点i+1之间路段的车厢内乘客面向颗粒物污染的群体暴露剂量；
I：为致癌强度系数((kg·d)/mg)，参照相关研究推荐的各城市颗粒物的致癌强度系数数值；
C(t)：t时刻车厢内观测的颗粒物浓度(μg/m3)，通过设置在车厢内侧面中部，座位等高处的颗粒物浓度检测仪器检测得到，所述颗粒物浓度检测仪，如TSI8534型号；
R：呼吸速率(m3/min)，参数值参考《中国人群暴露参数手册》提供的我国居民在不同性别、年龄、地区、活动强度下的呼吸速率；
Pi，i+1：站点i至i+1之间路段的车厢内乘客密度，ρi，i+1通过S33获取；
ti、ti+1：分别表示车辆沿公汽线路运行过程中离开站点i的时间、到达站点i+1的时间；
站点i至i+1之间路段的车厢内乘客的平均体重(kg)，体重参数值参考《中国人群暴露参数手册》提供的我国居民在不同性别、年龄、城乡、片区等的体重参数值；
ti，i+1：站点i至i+1之间公汽运行时间(min)。
优选地，还包括颗粒物暴露风险监测***，所述颗粒物暴露风险监测***包括粉尘检测仪和显示器，粉尘检测仪和显示器与公汽车载前门上车刷卡机连接，粉尘检测仪设置于公汽车厢内侧面中部，粉尘检测仪在车厢内设置的高度与座椅靠背顶部等高，即与乘客正常坐姿状态下口鼻处等高；显示器固定于车厢内前挡玻璃上方，进一步地，所述颗粒物浓度监测***还包括温湿度传感器，所述温湿度传感器用于检测车厢内外温湿度，所述温湿度传感器与显示器电性连接，显示器用于显示公汽车厢内乘客的群体暴露风险级别及车厢内外温湿度，当风险级别为安全、警戒时，与温湿度同色显示，当风险级别为低度风险、中度风险、高度风险时，高亮色显示。
风险级别按下表定义：
风险级别 Risk<sub>i，i+1</sub>
安全 Risk<sub>i，i+1</sub>≤10<sup>-6</sup>
警戒 10<sup>-6</sup>＜Risk<sub>i，i+1</sub>≤10<sup>-4</sup>
低度风险 10<sup>-4</sup>＜Risk<sub>i，i+1</sub>≤10<sup>-3</sup>
中度风险 10<sup>-3</sup>＜Risk<sub>i，i+1</sub>≤10<sup>-2</sup>
高度风险 Risk<sub>i，i+1</sub>＞10<sup>-2</sup>
需要说明的是，上述各技术特征继续相互组合，形成未在上面列举的各种实施例，均视为本发明说明书记载的范围；并且，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (5)

1.一种基于公汽IC刷卡***的细颗粒物暴露风险评估方法，其特征在于，包括一种公汽IC刷卡***，所述公汽IC刷卡***包括公汽中心IC卡管理***和公汽车载前门上车刷卡机，还包括公汽站台下车刷卡机，公汽站台下车刷卡机设置在公汽站台处，可以根据各站点的客流量至少设置一台，公汽站台下车刷卡机和公汽车载前门上车刷卡机与公汽中心IC卡管理***无线连接；公汽站台下车刷卡机包括IC感应器、电源设备、无线单元、定位单元及应用处理器，IC感应器、电源设备、定位单元及无线单元均与应用处理器连接，无线单元与公汽中心IC卡管理***无线连接，IC卡与公汽站台下车刷卡机非接触式感应连接；乘客上车在公汽车载前门上车刷卡机刷卡获得上车记录，公汽IC刷卡***识别出上车站点，下车在公汽站台下车刷卡机刷卡获得下车记录，公汽IC刷卡***识别出下车站点并扣取相应票款；
包括以下步骤：
S1公汽乘客的上车刷卡站点识别；
S2公汽乘客的下车刷卡站点判断；
S3公汽车厢内乘客密度计算；
S4公汽车厢内乘客的群体暴露风险评估；
S2公汽乘客的下车刷卡站点判断包括：S21在站台刷卡乘客的下车站点识别和S22未在站台刷卡乘客的下车站点判断；
S22未在站台刷卡乘客的下车站点判断包括：
S221：若该乘客当日仅有一次乘车，或此次乘车为当日最后一次乘车，则根据该乘客历史出行规律以及该乘客的乘车线路站点吸引权匹配下车站点；
S222：若该乘客当日有多次乘车，且此次乘车并非当日最后一次乘车，则读取该乘客下次乘车的刷卡记录，计算下次乘车刷卡记录的上车站点与此次乘车刷卡记录对应公汽行驶方向上各站点的步行距离Δd，判断是否存在Δd<500m的站点；若不存在满足条件的站点，则根据该乘客历史出行规律以及站点吸引权匹配下车站点；
S223：若仅有一个满足条件的站点，则该站点为该乘客此次乘车的下车站点；若有多个满足条件的站点，则根据这两次相邻乘车的上车刷卡时间间隔判断这两次出行是否为连乘；这两次相邻乘车的上车刷卡时间间隔小于当地公交换乘刷卡优惠时间，则属于连乘，这两次相邻乘车的上车刷卡时间间隔大于当地公交换乘刷卡优惠时间，则不属于连乘；
S224：若这两次出行属于连乘，则Δd＝dmin对应的站点为该乘客此次乘车的下车站点；
S225：若这两次出行不属于连乘，则根据该乘客历史出行规律以及站点吸引权推断该乘客此次乘车的下车站点。
2.根据权利要求1所述一种基于公汽IC刷卡***的细颗粒物暴露风险评估方法，其特征在于，公汽站台下车刷卡机的电源设备包括发电模块和蓄电模块，发电模块与蓄电模块电性连接，蓄电模块还通过充电管理单元与市电连接，发电模块为太阳能发电单元或风能发电单元。
3.根据权利要求1所述一种基于公汽IC刷卡***的细颗粒物暴露风险评估方法，其特征在于，站点吸引权：
一条公汽线路沿运行方向的所有站点从首至尾依次编号为1，2，3……m，i表示乘客上车站点编号，j表示乘客下车站点编号(i<m,j≤m)；以下分别简称站点i和站点j；
Pij表示综合考虑途径站点数目、站点产生吸引系数、换乘便利程度的情况下，乘客在站点i上车，站点j下车的概率；
表示只考虑途径站点数目的下车概率，即乘客在站点i上车，经过k个站点，在站点j下车的概率；
Fij *表示归一化后的站点i和站点j之间的站点产生吸引系数；
Kj表示站点j的换乘便利程度；
m表示公汽线路单向的站点总数；
k表示从站点i到站点j的站点数目；
λ表示乘客出行平均站点数目；
归一化：
Fij表示站点i和站点j之间的站点产生吸引系数；
si表示在站点i的上车人数；
uj表示在站点j的下车人数；
Fi表示从站点i上车到其余各站下车的产生吸引总系数。
4.根据权利要求1所述一种基于公汽IC刷卡***的细颗粒物暴露风险评估方法，其特征在于，S3公汽车厢内乘客密度计算：站点i至站点i+1公汽线路段公汽车厢内乘客密度Bq表示在站点q上车的人数，Aq表示在站点q下车的人数。
5.根据权利要求1所述一种基于公汽IC刷卡***的细颗粒物暴露风险评估方法，其特征在于，S4公汽车厢内乘客的群体暴露风险评估包括:
群体暴露风险评估模型：
Riski,i+1＝Di,i+1*I
其中：
Riski,i+1：站点i至站点i+1之间路段的车厢内乘客面向颗粒物污染的群体暴露风险；
Di,i+1：站点i至站点i+1之间路段的车厢内乘客面向颗粒物污染的群体暴露剂量；
I：为致癌强度系数((kg·d)/mg)；
C(t)：t时刻车厢内观测的颗粒物浓度(μg/m3)；
R：呼吸速率(m3/min)；
ρi,i+1：站点i至i+1之间路段的车厢内乘客密度，ρi,i+1通过S3获取；
ti、ti+1：分别表示车辆沿公汽线路运行过程中离开站点i的时间、到达站点i+1的时间；
车厢内乘客的平均体重(kg)；
ti,i+1：站点i至i+1之间公汽运行时间(min)。
CN201811452182.0A 2018-11-30 2018-11-30 一种基于公汽ic刷卡***的细颗粒物暴露风险评估方法 Expired - Fee Related CN109615036B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811452182.0A CN109615036B (zh) 2018-11-30 2018-11-30 一种基于公汽ic刷卡***的细颗粒物暴露风险评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811452182.0A CN109615036B (zh) 2018-11-30 2018-11-30 一种基于公汽ic刷卡***的细颗粒物暴露风险评估方法

Publications (2)

Publication Number Publication Date
CN109615036A CN109615036A (zh) 2019-04-12
CN109615036B true CN109615036B (zh) 2019-12-24

Family

ID=66005476

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811452182.0A Expired - Fee Related CN109615036B (zh) 2018-11-30 2018-11-30 一种基于公汽ic刷卡***的细颗粒物暴露风险评估方法

Country Status (1)

Country Link
CN (1) CN109615036B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110197335A (zh) * 2019-06-04 2019-09-03 湖南智慧畅行交通科技有限公司 一种基于概率od分布模型的下车站点人数计算方法
CN113191223A (zh) * 2021-04-15 2021-07-30 宁波市民卡运营管理有限公司 一种乘客密度评估方法、装置、计算机设备和存储介质
CN115034622B (zh) * 2022-06-14 2024-04-05 浙江大学 一种公交***输入输出风险量化评估方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103198565A (zh) * 2013-04-12 2013-07-10 王铎源 一种公交ic卡收费与客流信息采集方法
CN104517040A (zh) * 2014-12-31 2015-04-15 青岛海信网络科技股份有限公司 一种基于ic卡数据公交车辆车内拥挤程度计算方法
CN105513203A (zh) * 2014-10-08 2016-04-20 曹治猛 一种公交车按站收费的实现方法及处理***、下车刷卡装置
CN106897955A (zh) * 2017-01-24 2017-06-27 华南理工大学 一种基于公交od数据的公交换乘识别方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9390335B2 (en) * 2014-11-05 2016-07-12 Foundation Of Soongsil University-Industry Cooperation Method and service server for providing passenger density information
CN106777703A (zh) * 2016-12-19 2017-05-31 杭州讯阳科技有限公司 一种公交乘客实时分析***及其构建方法
CN107818412B (zh) * 2017-10-18 2021-04-27 福州大学 一种基于MapReduce的大规模公交乘客OD并行计算方法
CN108197078B (zh) * 2017-12-27 2021-12-14 长安大学 一种基于公交ic卡数据计算公交断面客流量的方法
CN108230724B (zh) * 2018-01-31 2020-05-22 华南理工大学 一种基于极大概率估计的城市公交***车载报站缺失数据修补方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103198565A (zh) * 2013-04-12 2013-07-10 王铎源 一种公交ic卡收费与客流信息采集方法
CN105513203A (zh) * 2014-10-08 2016-04-20 曹治猛 一种公交车按站收费的实现方法及处理***、下车刷卡装置
CN104517040A (zh) * 2014-12-31 2015-04-15 青岛海信网络科技股份有限公司 一种基于ic卡数据公交车辆车内拥挤程度计算方法
CN106897955A (zh) * 2017-01-24 2017-06-27 华南理工大学 一种基于公交od数据的公交换乘识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"天津市大气细颗粒物中多环芳烃人群健康风险评估";冯利红，李永刚等;《实用预防医学》;20151130;第22卷(第11期);第1.2.3.2节 *

Also Published As

Publication number Publication date
CN109615036A (zh) 2019-04-12

Similar Documents

Publication Publication Date Title
CN109615036B (zh) 一种基于公汽ic刷卡***的细颗粒物暴露风险评估方法
CN109410568B (zh) 基于用户画像和换乘规律的下车站点推测方法及***
CN109903555B (zh) 一种基于大数据的公交乘客下车数据预测方法及***
CN108364464B (zh) 一种基于概率模型的公交车辆旅行时间建模方法
CN114331234B (zh) 基于乘客出行信息的轨道交通客流预测方法和***
CN109887292B (zh) 车辆类型的识别方法及***
CN107918826B (zh) 一种驾驶环境感知的司机评价与调度方法
CN113194138A (zh) 基于ai深度学习的出行管理方法和***
CN110334858A (zh) 一种公交车剩余座位智能预测方法与装置
CN114446076A (zh) 一种基于5g通信技术的智能调度控制***
CN109147318A (zh) 一种用于交通枢纽客流疏散的交通方式舒适度判别***
CN110321982A (zh) 一种轨道交通断面客流量实时计算方法
JP2007249277A (ja) 車両混雑状況予測システム及び方法、プログラム
CN113408833A (zh) 一种公共交通重点区域识别方法、装置及电子设备
JP6536772B2 (ja) 施設利用を管理するシステム
CN111508220B (zh) 基于公交人口分布精准进行末端接驳的方法
CN116090785B (zh) 针对大型活动散场场景两阶段的定制公交规划方法
CN109308539A (zh) 实时估算轨道交通线网中换乘站的乘客滞留状态的方法
CN108197078B (zh) 一种基于公交ic卡数据计算公交断面客流量的方法
CN108985653A (zh) 一种用于交通枢纽客流疏散的交通方式舒适度判别方法
CN113420908B (zh) 一种基于意愿性概率的大型场站旅客等候时长预测方法
CN111339159B (zh) 一种一票制公交数据的分析挖掘方法
Lestina et al. Sampling procedures and survey methodologies for the 1996 survey with comparisons to earlier National Roadside Surveys
KR101144317B1 (ko) 대중교통 이용현황 파악장치 및 그 방법
CN109524116A (zh) 公汽出行个体可吸入细颗粒物暴露风险评估方法

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
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20191224