利用出租车GPS数据进行城市公交系统的优化识别方法

摘要

本发明公开了一种利用出租车GPS数据进行城市公交系统的优化识别方法：获取出租车的多个搭乘出租车的刚性需求地点、非刚性需求地点，针对刚性需求地点实施空间聚类分析，获取显著聚类区域，对照现行公交系统选择新增站点位置；识别非必需的出租车业务，统计各公交站点间的非必需出租车业务数量，构建公交站点间的出租车业务量源-目标矩阵，识别出真正需要优化换乘便捷性的公交站点区间。本发明利用地理信息系统的分析手段，从城市出租车GPS及运营状态的海量数据中挖掘出租车上客、下客的热点区域，通过对照公交系统的线路规划和站点分布，识别当前城市空间布局下，公交系统相对于居民需求的设计缺陷，为城市公共交通系统的优化和建设提供决策依据。

说明书

技术领域

本发明涉及城市出租车运营数据挖掘与应用领域，具体涉及一种利用出 租车GPS数据进行城市公交系统的优化识别方法。

背景技术

出租车是城市里自由流动的交通载体，没有固定的运行线路和上下客站 点，在城市中自由穿行寻找客源，并直达目的地，在城市公共交通中具有最 高的便捷性。但是出租车的消费价格也明显高于公交、地铁等规律运行的公 共交通工具。对于大多数城市居民而言，当廉价的固定线路公交无法满足通 达便捷性需求的时候，出租车就成为一种替代选择。因此，出租车是固定线 路公交系统的必要补充，承担着固定线路公交系统运能之外的居民出行运载 任务。

随着现代GPS定位和无线数据传输等技术的发展与普及，正规运营出租 车上都安装有GPS定位和数据无线上传设备，将车辆定位和运营状态数据实 时上传至各自出租车运营公司的中心服务器上，用于车辆的安全监控和预约 调度。所以，出租车运营公司会积累管辖出租车的全部GPS轨迹数据和对应 的运营状态数据。而其中也正蕴含着城市居民最真实的出行需求，通过与固 定线路公交网络的设站与换乘方案的对比，公交系统规划设计人员能够准确 发现已建成公交网络与城市居民出行现时性需求之间的矛盾，即：相对于居 民乘车需求而言，现行公交系统设站与换乘方案无法满足的地方。

目前针对固定线路公共交通系统评价方法主要分为两类：(1)针对公交 系统总体规划方案的评价，利用数学模型计算公交线路(网络)的覆盖率指 标、可达性指标、换乘率指标等，评价过程是单向的；(2)针对公交运营服 务质量的评价，采用问卷调查和统计分析公交IC卡打卡记录等方式，评价公 交运营过程中的发车频率、准点率、行车速度、无座率等指标。这两类指标 性的评价方法都是对已建成公交系统综合服务效能的总体性正面评估，都未 深入考察城市当前空间布局环境下的居民出行需求，特别是不能体现无法搭 乘公共交通的居民的需求，不能反映公交运营系统规划与居民需求的差距， 不能为公交系统优化指出明确存在乘车需求的位置和需要加强通达便捷性的 公交站点区间。

发明内容

本发明的目的在于提供一种利用出租车GPS数据进行城市公交系统的 优化识别方法：获取每辆出租车的多个搭乘出租车的刚性需求地点、非刚性 需求地点，针对多个刚性需求地点实施空间聚类分析，获取显著聚类区域， 并将显著聚类区域视为需要新增公交站点的区域，对照现行公交系统选择新 增站点位置；针对多个非刚性需求地点识别非必需的出租车业务，统计各公 交站点间的非必需出租车业务数量，构建公交站点间的出租车业务量源-目标 矩阵，识别出真正需要优化换乘便捷性的公交站点区间。本发明利用地理信 息系统的分析手段，从城市出租车GPS及运营状态的海量数据中挖掘出租车 上客、下客的热点区域及热点区间，通过对照公交系统的线路规划和站点分 布，识别当前城市空间布局下，公交系统相对于居民需求的设计缺陷，为城 市公共交通系统的优化和后续建设提供决策依据。

为了达到上述目的，本发明通过以下技术方案实现：

一种利用出租车GPS数据进行城市公交系统的优化识别方法，其特点是， 该优化识别方法包含：

S1，将调度中心每天获取的城市所有出租车GPS报文数据进行分组、排 序及合并处理形成每辆出租车的GPS报文数据时序队列；

S2，从每辆出租车的GPS报文数据时序队列中分割出该辆出租车的每一 单承运业务；

S3，提取每一单承运业务的上客地点GPS坐标及下客地点GPS坐标； 计算对应所述上客地点GPS坐标周边最近的公交站点距离该上客地点的第 一最短路径距离，及计算对应所述下客地点GPS坐标周边最近的公交站点距 离该下客地点的第二最短路径距离；

S4，设定距离阈值，根据所述步骤S3获取的所述第一最短路径距离、 所述第二最短路径距离，判断所述上客地点、所述下客地点是否为需要搭乘 出租车的刚性需求地点；当判断所述上客地点和/或为所述下客地点需要搭乘 出租车的刚性需求地点时，执行步骤S5；当判断所述上客地点和为所述下客 地点均为搭乘出租车的非必要刚性需求地点时，跳转至步骤S7；

S5，获取每辆出租车的所有刚性需求地点，在经纬度坐标系或平面坐标 系所定义的二维空间中实施空间聚类分析；

S6，根据空间聚类结果，结合附近的路网、公交线路和站点设置选择合 理的增设站点位置；结束；

S7，针对该城市现行公交系统中的所有公交站点，建立站点间出租车业 务量的源-目标矩阵；

S8，找出上述源-目标矩阵中的极大值元素，通过评估极大值元素对应站 点间的公交便捷性，识别出真正需要优化换乘便捷性的公交站点区间。

优选地，所述步骤S1包含：

S1.1，根据调度中心的每个存档文件中所有出租车GPS报文数据中的出 租车识别码，对所有GPS报文数据按出租车进行分组，出租车识别码能够唯 一标识每一辆出租车；

S1.2，根据每个所述GPS报文数据中的时间戳对每辆出租车一天的全部 GPS报文数据按照时间进行从早到晚排序；

S1.3，将来自不同存档文件的同一辆出租车GPS报文数据序列按照日期 顺序衔接起来，为每一辆出租车生成日期和时间均连续的GPS报文数据队列。

优选地，所述步骤S2包含：

所述GPS报文数据队列中的每个GPS报文数据中包含：车辆的经纬度 坐标、车辆的运行状态数据；所述车辆的运行状态数据被用来将报文的标志 位逐条标记为载客或非载客运营状态；

报文队列中一段连续不间断的若干条载客状态的GPS报文数据则被分 割为一单出租车承运业务T_i。

优选地，所述步骤S3包含：

S3.1，将一单所述出租车承运业务T_i的业务报文组中首条报文Start的 GPS坐标C_Start视为该单业务上客地点ON_i的坐标、将末条报文End的GPS 坐标C_End视为下客地点OFF_i的坐标；

S3.2，针对每一单所述出租车承运业务Ti的上客地点ON_i，计算所述上 客地点ON_i到最近公交站点B_ONi的第一最短路径距离D_1i；针对每一单所述 出租车承运业务Ti的下客地点OFF_i，计算所述下客地点OFF_i到最近公交站 点B_OFFi的第二最短路径距离D_2i。

优选地，所述步骤S3.1寻找上客地点ON_i坐标、下客地点OFF_i坐标的 方法还包含：

提取每单所述出租车承运业务T_i的业务报文组Start的前一条非载客状 态报文的GPS坐标点C_Start-1，将其与坐标点C_Start连线的中点作为上客地点 ON_i；取业务报文组End的后一条非载客状态报文的GPS坐标C_End+1，将其 与坐标点C_End连线的中点作为下客地点OFF_i。

优选地，所述步骤S4包含：

S4.1，设定距离阈值D_Thr，当第一最短路径距离D_1i>D_Thr和/或第二最短 路径距离D_2i>D_Thr时，则该上客地点ON_i为需要搭乘出租车的刚性需求地点 和/或该下客地点OFF_i为需要搭乘出租车的刚性需求地点；执行步骤S5；

S4.2，当第一最短路径距离D_1i<D_Thr且第二最短路径距离D_2i<D_Thr时， 所述出租车承运业务T_i的被标记为非必须的出租车承运业务T_rdi，跳转至所 述步骤S7。

优选地，所述步骤S5包含：

S5.1，采集每辆出租车一段规定时间内的所有刚性需求地点；

S5.2，以上述所有刚性需求地点的空间坐标为输入量，采用空间聚类分 析的方法，获取所有出租车的显著聚类区域；所述显著聚类区域表明在该区 域内存在突出的居民乘车需求。

优选地，所述步骤S7包含：

根据调度中心一段规定时间内获取的城市所有出租车GPS报文数据，在 该段规定时间内建立每个源公交站点S_i到每个目标公交站点S_j的源-目标矩 阵；

所述源-目标矩阵的任一元素M_ij，代表连接任一源公交站点S_i与任一目 标公交站点S_j的出租车非必要刚性需求业务T_rdi的数量。

优选地，所述步骤S8包含：

S8.1，从源-目标矩阵中筛选出数值极大的若干个元素，并针对筛选出的 每个Mij，寻找源公交站点S_i与目标公交站点S_j之间具有最少换乘次数Nij 的公交乘车方案；

S8.2，设置换乘次数阈值N_Thr，如果N_ij>N_Thr，则说明源公交站点S_i与目 标公交站点S_j之间的通行需求强，但公交系统的便捷性却无法满足该需求， 即被认定为需要优化换乘便捷性的公交站区间。

本发明与现有技术相比具有以下优点：

本发明从海量的出租车GPS报文数据中提取出租车所有上下乘客的地 点位置，通过对照现行公共交系统的站点分布和换乘方案，识别没有公交站 点覆盖的出租车刚性需求地点，利用空间聚类技术找出具有集中和突出需求 的区域作为公交系统新增站点的优选位置；另一方面，从海量GPS报文数据 中找出大量从一个公交站点附近到另一个公交站点附近的非必需出租车业务， 通过构建以此类业务量为流量的公交站点间矩阵，发现存在显著线路优化需 求的公交站点区间。本发明从出租车GPS报文数据中发掘城镇居民出行需求 的空间分布，相比于现有技术，更加可靠、具体，同时克服了问卷调查方法 的片面性和有限性，使公交系统的优化过程更具科学性和可操作性。

附图说明

图1为本发明一种利用出租车GPS数据进行城市公交系统的优化识别方 法的整体流程示意图。

图2为本发明一种利用出租车GPS数据进行城市公交系统的优化识别方 法的实施例示意图之一。

图3为本发明一种利用出租车GPS数据进行城市公交系统的优化识别方 法的实施例示意图之二。

图4为本发明一种利用出租车GPS数据进行城市公交系统的优化识别方 法的实施例示意图之三。

具体实施方式

以下结合附图，通过详细说明一个较佳的具体实施例，对本发明做进一 步阐述。

如图1所示，一种利用出租车GPS数据进行城市公交系统的优化识别方 法，该优化识别方法包含：

S1，将调度中心每天获取的城市所有出租车GPS报文数据进行分组、排 序及合并处理形成每辆出租车的GPS报文数据时序队列。该步骤S1包含：

本实施例中，由于数据量巨大，出租车GPS报文数据大多以磁盘文件的 方式进行存档，例如：调度中心每天生成一个存档文件，记录所有出租车当 天上传的全部GPS报文数据。

S1.1，根据调度中心的每个存档文件中所有出租车GPS报文数据中的出 租车识别码，对所有GPS报文数据按出租车进行分组，出租车识别码能够唯 一标识每一辆出租车。

S1.2，根据每个GPS报文数据中的时间戳对每辆出租车一天的全部GPS 报文数据按照时间进行从早到晚排序。

S1.3，将来自不同存档文件的同一辆出租车GPS报文数据序列按照日期 顺序衔接起来，为每一辆出租车生成日期和时间均连续的GPS报文数据队列。

S2，从每辆出租车的GPS报文数据时序队列中分割出该辆出租车的每一 单承运业务。该步骤S2包含：

GPS报文数据队列中的每个GPS报文数据中包含：车辆的经纬度坐标、 车辆的运行状态数据；车辆的运行状态数据被用来将报文的标志位逐条标记 为载客或非载客运营状态。

报文队列中一段连续不间断的若干条载客状态的GPS报文数据则被分 割为一单出租车承运业务T_i。

如图2所示的GPS报文数据队列，其中，○表示“非载客”状态，●表 示“载客”状态。队列中一段连续不间断的若干条“载客”状态报文则被分 割为一单出租车承运业务，如图2中编号为98～103的6条报文应该被分割 为一单出租车承运业务，107～111被分割为另一单出租车承运业务。

S3，提取每一单承运业务的上客地点GPS坐标及下客地点GPS坐标； 计算对应上客地点GPS坐标周边最近的公交站点距离该上客地点的第一最 短路径距离，及计算对应下客地点GPS坐标周边最近的公交站点距离该下客 地点的第二最短路径距离。该步骤S3包含：

S3.1，将一单出租车承运业务T_i的业务报文组中首条报文Start的GPS 坐标C_Start视为该单业务上客地点ON_i的坐标、将末条报文End的GPS坐标 C_End视为下客地点OFF_i的坐标。

本实施例中，出租车行车记录仪总是以固定时间间隔采集并上传GPS报 文数据，在每一单出租车承运业务中，第一条报文是乘客坐上出租车(或启 动计价器)后的首条报文，最后一条报文是乘客下出租车(或停止计价器) 前的最末一条报文，由于出租车起步和停车时车速都较慢，因此可以将业务 报文组中首条报文Start的GPS坐标C_Start视为该单出租车承运业务的上客点 坐标、将末条报文End的GPS坐标C_End视为下客点坐标。

本发明中，考虑到每单业务报文组内的首条报文略迟于乘客上车时刻， 而末条报文早于乘客下车时刻，为取得更加精确的上客点坐标、下客点坐标， 可采用如下优化方法寻找上客地点ON_i坐标、下客地点OFF_i坐标：

提取每单出租车承运业务T_i的业务报文组Start的前一条非载客状态报 文的GPS坐标点C_Start-1，将其与坐标点C_Start连线的中点作为上客地点ON_i； 取业务报文组End的后一条非载客状态报文的GPS坐标C_End+1，将其与坐标 点C_End连线的中点作为下客地点OFF_i。

S3.2，针对每一单出租车承运业务Ti的上客地点ON_i，计算上客地点 ON_i到最近公交站点B_ONi的第一最短路径距离D_1i；针对每一单出租车承运业 务Ti的下客地点OFF_i，计算下客地点OFF_i到最近公交站点B_OFFi的第二最短 路径距离D_2i。

S4，设定距离阈值，根据步骤S3获取的第一最短路径距离、第二最短 路径距离，判断上客地点、下客地点是否为需要搭乘出租车的刚性需求地点； 当判断上客地点和/或下客地点为需要搭乘出租车的刚性需求地点时，执行步 骤S5；当判断上客地点和为下客地点均为搭乘出租车的非必要刚性需求地点 时，跳转至步骤S7。该步骤S4包含：

S4.1，设定距离阈值D_Thr，当第一最短路径距离D_1i>D_Thr和/或第二最短 路径距离D_2i>D_Thr时，则该上客地点ON_i为需要搭乘出租车的刚性需求地点 和/或该下客地点OFF_i为需要搭乘出租车的刚性需求地点；执行步骤S5。

S4.2，当第一最短路径距离D_1i<D_Thr且第二最短路径距离D_2i<D_Thr时， 出租车承运业务T_i的被标记为非必须的出租车承运业务T_rdi，跳转至步骤S7。

S5，获取每辆出租车的所有刚性需求地点，在经纬度坐标系或平面坐标 系所定义的二维空间中实施空间聚类分析。该步骤S5包含：

S5.1，采集每辆出租车一段规定时间内的所有刚性需求地点。

S5.2，以上述所有刚性需求地点的空间坐标为输入量，采用空间聚类分 析的方法，获取所有出租车的显著聚类区域；显著聚类区域表明在该区域内 存在突出的居民乘车需求。

本实施例中，通过“空间聚类”分析的方法，观察所有刚性需求地点的 空间坐标点是否存在空间聚集的特性，越小的区域内聚集越多的点就越能构 成一个显著聚类。空间聚类分析方法有许多种具体实现方法，本发明最宜采 用基于空间分布密度的聚类算法，即属于同一聚类的点与点之间距离较近， 分属于不同聚类的点与点之间的距离较远。

也可采用以欧氏距离为测度的非监督聚类方法，如：以欧氏距离为测度 的非监督聚类方法；也可以采用基于空间网格划分的统计方法，如：以等间 距的二维方格网对调查区域进行空间划分，统计落在每个方格内的刚性需求 地点个数(对具有相同坐标的上、下出租车地点需要重复累加计数)。

S6，根据空间聚类结果，结合附近的路网、公交线路和站点设置选择合 理的增设站点位置；结束。

本实施例中，如果采用以欧氏距离为测度的非监督聚类方法，选择达到 一定类内刚性需求地点样本数和聚集度指标的显著聚类，在聚类中心附近选 择合适设站位置。如果上一步中采用基于空间网格划分的统计方法，选择方 格内刚性需求地点样本数超过某个设定值的方格，在方格内或者方格周边区 域选择合适设站位置。

如图3所示，以欧氏距离为测度的非监督聚类方法”，所有点被聚为三类， 分别用图中‘x’、‘·’、‘。’代表三种不同的类别，图中3个‘+’代表3 个聚类各自的聚类中心。对于每个聚类中心设定一个半径为r的圆形范围， 统计落在其中的点个数L，当L达到某个设定阈值LThr，即认定该聚类所在 区域为显著聚类区域。

S7，针对该城市现行公交系统中的所有公交站点，建立站点间出租车业 务量的源-目标矩阵。该步骤S7包含：

根据调度中心一段规定时间内获取的城市所有出租车GPS报文数据，在 该段规定时间内建立每个源公交站点S_i到每个目标公交站点S_j的源-目标矩 阵。

源-目标矩阵的任一元素M_ij，代表连接任一源公交站点S_i与任一目标公 交站点S_j的出租车非必要刚性需求业务T_rdi的数量。

如图4所示，本实施例中，源-目标矩阵(Origin-Destination”矩阵，简 称OD矩阵)，OD矩阵是一个二维矩阵，记录着从每一个“源公交站点”到 每一个“目标公交站点”的“非必需出租车业务”的数量，即：M_ij＝从公交 站i到公交站j的非必需出租车业务的数量。M_ij越大，暗示着站点S_i与S_j之间的通行需求越强。

S8，找出上述源-目标矩阵中的极大值元素，通过评估极大值元素对应站 点间的公交便捷性，识别出真正需要优化换乘便捷性的公交站点区间。该步 骤S8包含：

S8.1，从源-目标矩阵中筛选出数值极大的若干个元素，并针对筛选出的 每个Mij，寻找源公交站点S_i与目标公交站点S_j之间具有最少换乘次数Nij 的公交乘车方案。

S8.2，设置换乘次数阈值N_Thr，如果N_ij>N_Thr，则说明源公交站点S_i与目 标公交站点S_j之间的通行需求强，但公交系统的便捷性却无法满足该需求， 即被认定为需要优化换乘便捷性的公交站区间。

尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识 到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述 内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的 保护范围应由所附的权利要求来限定。