本發(fā)明屬于軌道交通運行領(lǐng)域，涉及一種基于軌道ic卡和手機信令數(shù)據(jù)的乘客出行路線識別方法。

背景技術(shù)：

進入21世紀(jì)，隨著我國城市化水平的不斷，城市人口密度將迅速加大，由此產(chǎn)生的交通擁堵問題也會越來越嚴(yán)峻，這將成為制約經(jīng)濟、社會、文化發(fā)展的重要因素之一。城市軌道交通作為公共交通的重要組成部分，將成為解決城市交通擁堵的有效交通方式。由于軌道交通具有節(jié)能、省地、運量大、全天候、準(zhǔn)點、無污染又安全等特點，可以得出這樣的結(jié)論：城市軌道交通的發(fā)展安全符合可持續(xù)發(fā)展原則。因此未來很長一段時間將會是城市軌道交通蓬勃發(fā)展的黃金時期。據(jù)資料顯示，到2016年底我國運營軌道交通的城市達(dá)到26個，運行總里程3748.67公里。其中上海運營城市軌道交通(包括城市地鐵和輕軌，下同)總長達(dá)到617公里，已成為目前世界上運營軌道交通線路最長的城市。北京運營了554公里，廣州運營了308公里，都進入了世界運營軌道交通最長的城市行列。現(xiàn)在，軌道交通已經(jīng)成為許多城市中不可或缺的、最主要的交通工具。根據(jù)遠(yuǎn)期規(guī)劃，到2020年全國城市軌道交通總里程將達(dá)到6100公里，其中北京市城市軌道交通的總里程將超過1000公里，公共交通將成為80％左右市民的主要出行交通工具，其中有50％左右的人將經(jīng)常使用城市軌道交通作為出行工具。

目前，北京市城市軌道交通路網(wǎng)的高峰日總客流達(dá)到了1100萬人次，并且伴隨著路網(wǎng)的不斷完善，客流量隨之增加，但與此同時，運營管理的問題日益凸顯，一些車主站臺的乘客滯留問題亟待解決，尤其是早晚高峰時期，對于車站站臺乘客的管理措施不夠完善，乘客滯留問題給車站管理帶來了巨大壓力，降低了乘客的出行效率。當(dāng)前，隨著人們出行水平的提高、時間觀念的增強以及對出行效率、出行安全的需求增長，研究人員對影響軌道交通運行的影響因素進行越來越多地研究。

在輕軌、地鐵車站中，上下車是主要的交通活動之一，乘客上下車的速度不僅影響著地鐵站內(nèi)人群的活動，同時也影響著列車的停車時間以及服務(wù)水平。乘客在上下車的過程中，經(jīng)常出現(xiàn)搶上搶下、秩序混亂的現(xiàn)象，不僅降低了乘客上下車的效率，也帶來了嚴(yán)重的安全隱患。這些現(xiàn)象嚴(yán)重制約了城市軌道交通的高效運行。因此，需要提供一種能夠準(zhǔn)確判斷乘客出行路線的方法，并能準(zhǔn)確的判斷乘客經(jīng)過各個站點的時間。這對于預(yù)測高峰時段和非高峰時段客流量有很大的幫助，對于軌道交通管理者對軌道交通的管理也有非常大的意義。

技術(shù)實現(xiàn)要素：

有鑒于此，本發(fā)明的目的在于提供一種基于軌道ic卡和手機信令數(shù)據(jù)的乘客出行路線識別方法，具體包括如下技術(shù)方案：

一種基于軌道ic卡和手機信令數(shù)據(jù)的乘客出行路線識別方法，該方法包括以下步驟：

s1：采集軌道交通乘客ic卡、手機信令數(shù)據(jù)信息，原始數(shù)據(jù)經(jīng)過切分整理后成為預(yù)處理數(shù)據(jù)，對預(yù)處理數(shù)據(jù)進行od匹配；

s2：然后根據(jù)k(k＝3)最短路徑識別算法，選出從起始站點到出站站點的3條路徑，分別為：最短路徑、次短路徑、漸短路徑；

s3：根據(jù)匹配好的od數(shù)據(jù)進行od時間訓(xùn)練，得出每個起始站點到出站站點的平均訓(xùn)練時間；

s4：然后進行路徑篩選，從步驟s2的3條路徑中根據(jù)s3訓(xùn)練好的od時間，識別出乘客最有可能的出行路徑；

s5：最后進行站點時間反推，根據(jù)最終的路徑，反推到達(dá)每個站點的時間。

進一步，在步驟s1中，所述對預(yù)處理數(shù)據(jù)進行od匹配主要以時間序列為主，對每個用戶分別按時間進行先后排序，結(jié)合進出站標(biāo)識來確定用戶的每對od；在匹配過程中要對異常數(shù)據(jù)進行處理，具體包括以下步驟：

s11：剔除只有進站記錄或只有出站記錄的數(shù)據(jù)；

s12：進出站標(biāo)識與時間序列相反，將根據(jù)出站記錄中的上次進站時間信息進行修正匹配，如果修正不了則剔除；

s13：多次進站一次出站或一次進站多次出站，將進出站按最接近時間進行匹配，只需要將時間最接近的兩條數(shù)據(jù)匹配到一起即可；

s14：進進出出的情況，即單個用戶經(jīng)過時間排序后連續(xù)兩次進站連續(xù)兩次出站的情況；根據(jù)出站記錄中的上次進站時間信息進行修正匹配，如果修正不了則剔除該情況的四條數(shù)據(jù)；

s15：對于每天凌晨0點前后的數(shù)據(jù)要結(jié)合后一天的數(shù)據(jù)進行匹配，如果仍然匹配不上則剔除；

s16：剔除匹配后同站進同站出的od，匹配成功的數(shù)據(jù)須作為中間結(jié)果輸出。

進一步，所述步驟s2具體包括以下步驟：

s21：求出站點之間的賦權(quán)鄰接矩陣，權(quán)值為站點之間的距離；

s22：依次求得起始站點o到各個站點的最短路，直到遍歷所有的站點；

1)令l(o0)＝0,對d≠o0，令l(d)＝∞，s0＝{o0}，i＝0；

2)對每個d∈si’(si’＝v\si)，用min{l(v),l(o)+w(od)}代替l(o)；

計算min{l(v)}其中v∈si’，把達(dá)到這個最小值的一個頂點記為oi+1，令si+1＝siu{di+1}；

3)若i＝|v|-1，停止；若i<|v|-1，用i+1代替i,轉(zhuǎn)2)。

進一步，在步驟s3中，所述根據(jù)匹配好的od數(shù)據(jù)進行od時間訓(xùn)練包括：輸入至少一個月匹配好的od結(jié)果數(shù)據(jù)：卡編號；卡類型；進站站點編號；進站時間；出站站點編號；出站時間；金額；進站閘機編號；出站閘機編號；換乘標(biāo)示；輸出結(jié)果為od及訓(xùn)練好的時間：進站站點編號；出站站點編號；時間(秒)。

進一步，在步驟s4中，所述進行路徑篩選包括：輸入為：卡編號；卡類型；進站站點編號；進站時間；出站站點編號；出站時間；金額；進站閘機編號；出站閘機編號；換乘標(biāo)示；ksp路徑；輸出為：卡編號；卡類型；進站站點編號；進站時間；出站站點編號；出站時間；金額；進站閘機編號；出站閘機編號；換乘標(biāo)示；最終選擇的一條路徑。

進一步，在步驟s5中，所述的進行站點時間反推具體包括：每個出行會有兩個時間，一個是出站時間減去進站時間的實際時間，另一個是模型計算出來的路徑時間，兩者中取較小的時間作為出行的時間花費；根據(jù)時間花費，由這次出行的出站時間開始反推，依次反推到此次出行的每個站點時間。

本發(fā)明的有益效果在于：本發(fā)明提供的方法可以為正確疏導(dǎo)乘客上下車提供參考，有助于提高軌道交通的運營效率。

附圖說明

為了使本發(fā)明的目的、技術(shù)方案和有益效果更加清楚，本發(fā)明提供如下附圖進行說明：

圖1為od匹配算法流程圖；

圖2為od時間訓(xùn)練框圖；

圖3為路徑選擇流程框圖；

圖4為站點時間反推流程框圖；

圖5為本發(fā)明所述方法的流程示意圖。

具體實施方式

下面將結(jié)合附圖，對本發(fā)明的優(yōu)選實施例進行詳細(xì)的描述。

圖5為本發(fā)明所述方法的流程示意圖，如圖所示，本發(fā)明提供的一種基于軌道ic卡和手機信令數(shù)據(jù)的乘客出行路線識別方法包括以下步驟：

s1：采集軌道交通乘客ic卡、手機信令數(shù)據(jù)信息，原始數(shù)據(jù)經(jīng)過切分整理后成為預(yù)處理數(shù)據(jù)，對預(yù)處理數(shù)據(jù)進行od匹配；

s2：然后根據(jù)k(k＝3)最短路徑識別算法，選出從起始站點到出站站點的3條路徑，分別為：最短路徑、次短路徑、漸短路徑；

s3：根據(jù)匹配好的od數(shù)據(jù)進行od時間訓(xùn)練，得出每個起始站點到出站站點的平均訓(xùn)練時間；

s4：然后進行路徑篩選，從步驟s2的3條路徑中根據(jù)s3訓(xùn)練好的od時間，識別出乘客最有可能的出行路徑；

s5：最后進行站點時間反推，根據(jù)最終的路徑，反推到達(dá)每個站點的時間。

具體來說：

圖1為od匹配算法流程圖，在步驟s1中，所述對預(yù)處理數(shù)據(jù)進行od匹配主要以時間序列為主，對每個用戶分別按時間進行先后排序，結(jié)合進出站標(biāo)識來確定用戶的每對od；在匹配過程中要對異常數(shù)據(jù)進行處理，具體包括以下步驟：

s11：剔除只有進站記錄或只有出站記錄的數(shù)據(jù)；

s12：進出站標(biāo)識與時間序列相反，將根據(jù)出站記錄中的上次進站時間信息進行修正匹配，如果修正不了則剔除；

s13：多次進站一次出站或一次進站多次出站，將進出站按最接近時間進行匹配，只需要將時間最接近的兩條數(shù)據(jù)匹配到一起即可；

s14：進進出出的情況，即單個用戶經(jīng)過時間排序后連續(xù)兩次進站連續(xù)兩次出站的情況；根據(jù)出站記錄中的上次進站時間信息進行修正匹配，如果修正不了則剔除該情況的四條數(shù)據(jù)；

s15：對于每天凌晨0點前后的數(shù)據(jù)要結(jié)合后一天的數(shù)據(jù)進行匹配，如果仍然匹配不上則剔除；

s16：剔除匹配后同站進同站出的od，匹配成功的數(shù)據(jù)須作為中間結(jié)果輸出。

所述步驟s2具體包括以下步驟：

s21：求出站點之間的賦權(quán)鄰接矩陣，權(quán)值為站點之間的距離；

s22：依次求得起始站點o到各個站點的最短路，直到遍歷所有的站點；

1)令l(o0)＝0,對d≠o0，令l(d)＝∞，s0＝{o0}，i＝0；

2)對每個d∈si’(si’＝v\si)，用min{l(v),l(o)+w(od)}代替l(o)；

計算min{l(v)}其中v∈si’，把達(dá)到這個最小值的一個頂點記為oi+1，令si+1＝siu{di+1}；

3)若i＝|v|-1，停止；若i<|v|-1，用i+1代替i,轉(zhuǎn)2)。

圖2為od時間訓(xùn)練框圖，在步驟s3中，所述根據(jù)匹配好的od數(shù)據(jù)進行od時間訓(xùn)練包括：輸入至少一個月匹配好的od結(jié)果數(shù)據(jù)：卡編號；卡類型；進站站點編號；進站時間；出站站點編號；出站時間；金額；進站閘機編號；出站閘機編號；換乘標(biāo)示；輸出結(jié)果為od及訓(xùn)練好的時間：進站站點編號；出站站點編號；時間(秒)。

圖3為路徑選擇流程框圖，在步驟s4中，所述進行路徑篩選包括：輸入為：卡編號；卡類型；進站站點編號；進站時間；出站站點編號；出站時間；金額；進站閘機編號；出站閘機編號；換乘標(biāo)示；ksp路徑；輸出為：卡編號；卡類型；進站站點編號；進站時間；出站站點編號；出站時間；金額；進站閘機編號；出站閘機編號；換乘標(biāo)示；最終選擇的一條路徑。

圖4為站點時間反推流程框圖，在步驟s5中，所述的進行站點時間反推具體包括：每個出行會有兩個時間，一個是出站時間減去進站時間的實際時間，另一個是模型計算出來的路徑時間，兩者中取較小的時間作為出行的時間花費；根據(jù)時間花費，由這次出行的出站時間開始反推，依次反推到此次出行的每個站點時間。

最后說明的是，以上優(yōu)選實施例僅用以說明本發(fā)明的技術(shù)方案而非限制，盡管通過上述優(yōu)選實施例已經(jīng)對本發(fā)明進行了詳細(xì)的描述，但本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，可以在形式上和細(xì)節(jié)上對其作出各種各樣的改變，而不偏離本發(fā)明權(quán)利要求書所限定的范圍。