基于多源數(shù)據(jù)的精確公交出行時(shí)間自動(dòng)計(jì)算

蔡文學(xué)，陳廣文，羅偉海

(1.華南理工大學(xué) 經(jīng)濟(jì)與貿(mào)易學(xué)院 ，廣東 廣州 510006；2.佛山市南海區(qū)環(huán)境運(yùn)輸和城市管理局，廣東 佛山 528299)

?

基于多源數(shù)據(jù)的精確公交出行時(shí)間自動(dòng)計(jì)算

蔡文學(xué)1，陳廣文1，羅偉海2

(1.華南理工大學(xué) 經(jīng)濟(jì)與貿(mào)易學(xué)院 ，廣東 廣州 510006；2.佛山市南海區(qū)環(huán)境運(yùn)輸和城市管理局，廣東 佛山 528299)

提出基于基站定位軌跡、公交線網(wǎng)、公交車GPS軌跡的多源數(shù)據(jù)精確公交出行時(shí)間自動(dòng)計(jì)算方法：第一，利用智能手機(jī)采集基站定位軌跡；第二，使用基于滑動(dòng)時(shí)間窗的算法，清除基站定位軌跡中因基站切換“乒乓效應(yīng)”造成的擾動(dòng)數(shù)據(jù)；第三，將基站定位軌跡與公交線網(wǎng)進(jìn)行空間關(guān)聯(lián)匹配，獲得乘客上下車地點(diǎn)；最后，將基站定位軌跡與公交車GPS軌跡進(jìn)行序列對(duì)比，獲得乘客公交出行時(shí)間。在佛山市南海區(qū)進(jìn)行的公交出行實(shí)驗(yàn)表明，該方法獲得的公交出行時(shí)間誤差在1 min以內(nèi)，能滿足公交線網(wǎng)調(diào)整與優(yōu)化的精度要求。

交通工程；出行調(diào)查；公交規(guī)劃；多源數(shù)據(jù)；基站定位；GPS定位

公交出行時(shí)間包括步行到站用時(shí)，候車用時(shí)，下車后步行用時(shí)，車內(nèi)用時(shí)和換乘用時(shí)，在公交調(diào)整與優(yōu)化中均起到重要的作用，目前一般通過(guò)居民出行調(diào)查(OD調(diào)查)獲得。但傳統(tǒng)居民出行調(diào)查依靠出行者的事后回憶得到調(diào)查結(jié)果，精度較低，在公交優(yōu)化或規(guī)劃時(shí)會(huì)造成較大的誤差，因此利用定位技術(shù)進(jìn)行居民出行調(diào)查是交通工程領(lǐng)域的研究熱點(diǎn)之一[1-2]。

基于定位技術(shù)的居民出行調(diào)查可分為兩類：基于GPS技術(shù)及基于基站定位技術(shù)。GPS設(shè)備的定位精度高，基于GPS技術(shù)開(kāi)展的研究有自動(dòng)匹配GPS軌跡與傳統(tǒng)出行日記記錄、使用GPS軌跡評(píng)估傳統(tǒng)人工調(diào)查的有效性、使用GPS進(jìn)行調(diào)查的嘗試等[3-7]。但一方面，專用GPS設(shè)備的成本較高，無(wú)法大規(guī)模應(yīng)用；另一方面，手機(jī)自帶的GPS模塊不能滿足居民出行調(diào)查所需的至少一天的持續(xù)時(shí)間。基于基站定位技術(shù)的調(diào)查技術(shù)能滿足居民出行調(diào)查長(zhǎng)時(shí)間、大規(guī)模的要求，已在一些城市有較大規(guī)模的使用[8-11]。但單純使用基站定位不能反映居民精確、實(shí)時(shí)的移動(dòng)，只能獲得大致移動(dòng)方向與時(shí)間，不能據(jù)此計(jì)算公交出行時(shí)間，特別是換乘用時(shí)。

因此，筆者結(jié)合乘客的基站定位軌跡數(shù)據(jù)、公交線網(wǎng)數(shù)據(jù)與公交車的GPS軌跡數(shù)據(jù)，研究了自動(dòng)計(jì)算精確公交出行時(shí)間的方法。

1 問(wèn)題描述

如圖1，乘客的公交出行過(guò)程一般可劃分為以下階段：步行到站、起點(diǎn)站候車、首次乘車、換乘、再次乘車、步行離站，其中換乘及再次乘車可發(fā)生0次或多次。公交出行時(shí)間中的步行到站用時(shí)，候車用時(shí)，下車后步行用時(shí)分別是步行到站、起點(diǎn)站候車、步行離站3階段所用的時(shí)間，車內(nèi)用時(shí)則是首次乘車與再次乘車階段的時(shí)間之和，換乘用時(shí)是各次換乘所用時(shí)間之和。因此，計(jì)算公交出行時(shí)間，關(guān)鍵在于獲取乘客的出發(fā)時(shí)刻、到達(dá)時(shí)刻和每次乘車的上下車時(shí)刻。

圖1 公交出行各階段

2 公交出行時(shí)間精確計(jì)算方法

2.1 采集原始出行軌跡

為獲得更好的通訊質(zhì)量，當(dāng)乘客移動(dòng)時(shí)，手機(jī)會(huì)不斷地切換到信號(hào)強(qiáng)度更強(qiáng)的基站[12]。通過(guò)采集公交乘客出行中的基站切換序列，并使用包含基站信息與對(duì)應(yīng)定位位置的外部數(shù)據(jù)庫(kù)得到對(duì)應(yīng)的定位信息，即可得到乘客的原始出行軌跡，具體采集方式見(jiàn)3.1節(jié)。在我國(guó)，采用微蜂窩的市區(qū)，基站定位精度可達(dá)到100 m，而使用多層小區(qū)結(jié)構(gòu)的繁華商業(yè)中心，定位精度甚至可以小于50 m[13]。

2.2 預(yù)處理原始出行軌跡

在對(duì)乘客的出行軌跡與公交數(shù)據(jù)進(jìn)行匹配前，需要先進(jìn)行預(yù)處理，消除原始出行軌跡中包含因“乒乓效應(yīng)”造成的虛假移動(dòng)及明顯地偏離真實(shí)軌跡的定位點(diǎn)等擾動(dòng)數(shù)據(jù)。

2.2.1 消除“乒乓效應(yīng)”

乘客在兩個(gè)蜂窩小區(qū)邊緣附近時(shí)，因建筑物對(duì)無(wú)線電信號(hào)傳輸?shù)挠绊懀謾C(jī)可能會(huì)在兩個(gè)基站間頻繁切換，造成“乒乓效應(yīng)”[14]。當(dāng)這種基站切換序列轉(zhuǎn)化成出行軌跡時(shí)，會(huì)造成乘客在兩點(diǎn)之間頻繁來(lái)回虛假移動(dòng)。使用滑動(dòng)時(shí)間窗算法能去除“乒乓效應(yīng)”。根據(jù)經(jīng)驗(yàn)值，滑動(dòng)時(shí)間窗的寬度取3。

算法步驟如下：

Step2：若k+2≤r，進(jìn)入Step3；否則進(jìn)入Step4。

Step5：若k+1≤n，進(jìn)入Step6；否則輸出P，結(jié)束。

Step6：若tk與tk+1相同，把pk+1從P中刪除，回到Step5；否則記k=k+1，回到Step5。

2.2.2 消除明顯偏離點(diǎn)

乘客的原始出行軌跡也有可能明顯地偏離真實(shí)軌跡，這是由于外部數(shù)據(jù)庫(kù)的定位數(shù)據(jù)不夠準(zhǔn)確或非最新導(dǎo)致的。基站定位軌跡點(diǎn)間距較短，且正常定位軌跡與實(shí)際軌跡基本相符，使用兩點(diǎn)間的直線距離計(jì)算平均速度與公交車實(shí)際平均速度相近，而偏離點(diǎn)平均速度往往明顯大于正常值。因此通過(guò)計(jì)算各點(diǎn)的平均速度，排除速度值過(guò)高點(diǎn)，能除去部分定位錯(cuò)誤點(diǎn)。出行軌跡中正常的高速部分一般是在乘車時(shí)產(chǎn)生的，參照現(xiàn)有的南海區(qū)公交車GPS數(shù)據(jù)，以實(shí)際運(yùn)營(yíng)時(shí)的最高時(shí)速作為限制閥值，取91km/h。

定義pi與pj間的平均速度vij，如式(1)：

(1)

定義速度限制閥值vmax。

算法步驟如下：

Step1：記k=1。

2.3 匹配對(duì)比乘客出行軌跡與公交數(shù)據(jù)

從乘客的出行軌跡中只能得到出發(fā)時(shí)刻與到達(dá)時(shí)刻，要獲得上下車時(shí)刻，還需要知道乘客所乘坐的公交車，以該輛公交車在乘客上下車地點(diǎn)的進(jìn)出站時(shí)刻近似地作為乘客的上下車時(shí)刻。為此，需要將乘客的出行軌跡與公交線網(wǎng)、公交車GPS軌跡進(jìn)行匹配。公交線網(wǎng)數(shù)據(jù)包含公交站點(diǎn)的位置，以及公交線路途經(jīng)哪些站點(diǎn)。

首先，對(duì)乘客出行軌跡與公交線網(wǎng)數(shù)據(jù)進(jìn)行空間匹配，得到乘客可能的上下車地點(diǎn)列表。然后，對(duì)可能的上下車地點(diǎn)附近有停站的公交車進(jìn)行空間搜索，篩選出乘客可能乘坐的公交車。最后，對(duì)乘客出行軌跡與候選公交車的GPS軌跡進(jìn)行序列對(duì)比，判斷乘客實(shí)際乘坐的公交車，以該輛公交車的進(jìn)出站時(shí)刻近似地作為乘客的上下車時(shí)刻。

一次公交出行往往由“步行-乘車-步行”組成，因此上下車地點(diǎn)通常出現(xiàn)在出行軌跡的兩頭。得到可能的上下車地點(diǎn)列表后，應(yīng)從采集時(shí)間間隔最大的組合開(kāi)始分析，直到找到乘客實(shí)際乘坐的公交車為止。

2.3.1 得到可能的上下車地點(diǎn)列表

只有當(dāng)乘客的出行軌跡中某兩個(gè)基站定位點(diǎn)附近的公交站點(diǎn)有相同的線路途經(jīng)時(shí)，即理論上可從一點(diǎn)乘坐公交車到達(dá)另一點(diǎn)時(shí)，才認(rèn)為這兩點(diǎn)是乘客可能的上下車地點(diǎn)。

(2)

算法步驟如下：

Step2：將P里的點(diǎn)兩兩組合，保存到L。

2.3.2 篩選乘客可能乘坐的公交車

定義點(diǎn)pk的有效時(shí)間范圍fk。fk指從tk開(kāi)始，到tk+1為止的時(shí)間。

定義乘客可能乘坐的公交車集合G=[g1,g2,…,gv]，其中每一個(gè)gk為一輛公交車，v為集合內(nèi)總公交車數(shù)。

算法步驟如下：

Step1：記k=1。

2.3.3 獲得乘客的上下車時(shí)刻

(3)

算法步驟如下：

Step2：按式(3)計(jì)算G內(nèi)每一輛公交車gk的軌跡與乘客出行軌跡P的相似度S，記相似度最高的公交車為gs。

2.4 計(jì)算公交出行時(shí)間

獲得乘客上下車時(shí)刻列表T后，即可計(jì)算公交出行時(shí)間。

定義步行到站及候車用時(shí)twalk1；定義下車后步行用時(shí)twalk2；定義車內(nèi)用時(shí)tincar；定義換乘用時(shí)ttransfer。

各時(shí)間信息計(jì)算公式如式(4)～式(7)：

(4)

(5)

(6)

(7)

3 實(shí)驗(yàn)分析

實(shí)驗(yàn)用的手機(jī)型號(hào)為HTC G6(Legend)，操作系統(tǒng)為Android OS 2.1；服務(wù)器端電腦配置為Intel Xeon(R) CPU E5520 2.27GHz×2，4 G內(nèi)存，操作系統(tǒng)為Windows Server 2008，數(shù)據(jù)庫(kù)為Microsoft SQL Server 2008 R2。

3.1 公交出行軌跡的采集

在佛山市南海區(qū)采集的14條公交出行原始基站定位軌跡如圖2。具體采集方式為編寫采集程序并安裝到智能手機(jī)上，出發(fā)前開(kāi)啟采集軟件，選擇開(kāi)始記錄，由軟件自動(dòng)記錄出行中的基站切換序列，到達(dá)目的地后選擇完成記錄，并上傳到服務(wù)器端，服務(wù)器端自動(dòng)轉(zhuǎn)換為原始出行軌跡。為方便研究，出行中同時(shí)通過(guò)人工記錄實(shí)際上下車時(shí)刻，并使用手機(jī)GPS模塊記錄實(shí)際的GPS定位軌跡。

圖2 采集的基站定位軌跡

3.2 基站出行軌跡的預(yù)處理

圖3(a)是一條原始基站定位軌跡。粗實(shí)線是手機(jī)GPS模塊所記錄的GPS軌跡，細(xì)實(shí)線是基站定位軌跡，正方形是基站定位點(diǎn)。經(jīng)過(guò)預(yù)處理后的軌跡如圖3(b)，基站定位點(diǎn)改由三角形表示。從圖上可看出，軌跡開(kāi)頭受“乒乓效應(yīng)”影響的部分及中部?jī)蓚€(gè)明顯偏離真實(shí)軌跡的點(diǎn)均被修正。

圖3 預(yù)處理前后的基站定位軌跡對(duì)比

3.3 公交出行時(shí)間的計(jì)算

表1顯示了實(shí)際上下車時(shí)刻與估計(jì)值的對(duì)比，表2顯示了實(shí)際公交出行時(shí)間與估計(jì)值的對(duì)比。其中所記上車記錄時(shí)刻為從上車至在車廂中坐下之間的某一時(shí)刻，下車時(shí)刻為從車輛到站至下車之間的某一時(shí)刻，與精確的上下車時(shí)刻誤差約在±10 s以內(nèi)。公交線網(wǎng)、公交車GPS軌跡等數(shù)據(jù)由佛山市南海區(qū)環(huán)境運(yùn)輸和城市管理局提供。

表1 上下車實(shí)際時(shí)刻與估計(jì)時(shí)刻對(duì)比

表2 公交出行實(shí)際時(shí)間與估計(jì)時(shí)間對(duì)比

(續(xù)表2)

軌跡編號(hào)1234567891011121314換乘時(shí)間實(shí)際————————11——173—估計(jì)————————10——172—誤差————————1——01—下車后步行時(shí)間實(shí)際25334443467421估計(jì)14324333367421誤差11010110100000

從表1、表2中可看出，使用公交車GPS日志數(shù)據(jù)獲取的公交出行時(shí)間誤差大部分在1 min以內(nèi)，筆者提出的公交出行時(shí)間計(jì)算方法足以滿足公交調(diào)整與優(yōu)化的精度需求。

4 結(jié) 語(yǔ)

公交出行時(shí)間在公交調(diào)整與優(yōu)化中均起到重要的作用，但現(xiàn)有的研究并不能精確計(jì)算公交出行時(shí)間。筆者結(jié)合乘客的基站定位軌跡、公交線網(wǎng)與公交車的GPS軌跡，提出了一種精確計(jì)算公交出行時(shí)間的方法。通過(guò)智能手機(jī)采集基站定位軌跡，并針對(duì)原始基站定位軌跡中擾動(dòng)數(shù)據(jù)的特征，進(jìn)行相應(yīng)的預(yù)處理，在此基礎(chǔ)上匹配乘客基站定位出行軌跡與公交線網(wǎng)數(shù)據(jù)，判斷乘客上下車地點(diǎn)，再將乘客基站定位出行軌跡與公交車GPS軌跡進(jìn)行序列對(duì)比，獲得乘客上下車時(shí)刻，據(jù)此計(jì)算公交出行時(shí)間。實(shí)驗(yàn)結(jié)果表明，經(jīng)過(guò)預(yù)處理的基站出行軌跡與真實(shí)出行軌跡數(shù)據(jù)基本一致，在此基礎(chǔ)上獲得的公交出行時(shí)間誤差在1 min以內(nèi)，能滿足公交調(diào)整與優(yōu)化的精度要求。下一步將研究計(jì)算換乘距離、換乘比例的方法，為公交調(diào)整與優(yōu)化提供更為充足的數(shù)據(jù)支撐。

[1] Stopher P,Fitzgerald C,Xu M.Assessing the accuracy of the sydney household travel survey with GPS[J].Transportation,2007,34(6):723-741.

[2] 楊飛.基于手機(jī)定位的交通OD數(shù)據(jù)獲取技術(shù)[J].系統(tǒng)工程,2007,25(1):42-48. Yang Fei.Traffic OD data collection based on cell phone location technology[J].Systems Engineering,2007,25(1):42-48.

[3] 黃美靈,陸百川.基于手機(jī)定位的交通OD數(shù)據(jù)獲取技術(shù)[J].重慶交通大學(xué)學(xué)報(bào):自然科學(xué)版,2010,29(1):162-166. Huang Meiling,Lu Baichuan.Traffic OD data collection technology based on mobile phone location[J].Journal of Chongqing Jiaotong University:Natural Science,2010,29(1):162-166.

[4] Mavoa S,Oliver M,Witten K,et al.Linking GPS and travel diary data using sequence alignment in a study of children’s independent mobility[J].International Journal of Health Geographics,2011,10(1):64.

[5] Stopher P,Shen L.In depth comparison of global positioning system and diary records[J].Transportation Research Record:Journal of the Transportation Research Board,2011(2246):32-37.

[6] Bricka S G,Sen S,Paleti R,et al.An analysis of the factors influencing differences in survey-reported and GPS-recorded trips[J].Transportation Research Part C:Emerging Technologies,2012,21(1):67-88.

[7] Greaves S,Fifer S,Ellison R,et al.Development of a global positioning system web-based prompted recall solution for longitudinal travel surveys[J].Transportation Research Record:Journal of the Transportation Research Board,2010(2183):69-77.

[8] Pu J,Xu P,Qu H,et al.Visual analysis of people's mobility pattern from mobile phone data[C]//Proceedings of the 2011 Visual Information Communication-International Symposium.Hong Kong:ACM,2011:13.

[9] Sevtsuk A,Ratti C.Does urban mobility have a daily routine? Learning from the aggregate data of mobile networks[J].Journal of Urban Technology,2010,17(1):41-60.

[10] Calabrese F,Colonna M,Lovisolo P,et al.Real-time urban monitoring using cell phones:A case study in Rome[J].IEEE Transactions on Intelligent Transportation Systems,2011,12(1):141-151.

[11] Becker R A,Caceres R,Hanson K,et al.A tale of one city:Using cellular network data for urban planning[J].Pervasive Computing,IEEE,2011,10(4):18-26.

[12] 賴見(jiàn)輝,陳艷艷,鐘園,等.基于手機(jī)定位信息的地鐵乘客出行路徑辨識(shí)方法[J].計(jì)算機(jī)應(yīng)用,2013,33(2):583-586. Lai Jianhui,Chen Yanyan,Zhong Yuan,et al.Travel route identification method of subway passengers based on mobile phone location data[J].Journal of Computer Applications,2013,33(2):583-586.

[13] 朱鯉,孫亞,胡小文.基于手機(jī)定位的動(dòng)態(tài)行程時(shí)間探測(cè) [J].計(jì)算機(jī)工程與應(yīng)用,2007,43(10):244-248. Zhu Li,Sun Ya,Hu Xiaowen.Realization of dynamic travel time collection technology based on mobile phone[J].Computer Engineering and Applications,2007,43(10):244-248.

[14] 楊濤.基于基站切換的交通信息采集技術(shù)應(yīng)用研究[J].現(xiàn)代電子技術(shù),2012,35(15):145-147. Yang Tao.Application of traffic information collection technology based on base station handover[J].Modern Electronics Technique,2012,35(15):145-147.

Accurate Bus Travel Time Automatic Calculation Based on Multi-Source Data

Cai Wenxue1, Chen Guangwen1, Luo Weihai2

(1.School of Economics & Commerce, South China University of Technology, Guangzhou 510006, Guangdong, China；2. Environment, Transport and Urban Administration of Nanhai, Foshan 528299, Guangdong, China)

An accurate bus travel time automatic calculation algorithm was proposed based on multi-source data, including the cell tower location trajectory, public transit network and buses’ GPS trajectories. First, the cell tower location trajectory was collected by a smart phone. Second, a sliding time window based algorithm was applied to remove the disturbance data in the cell tower location trajectory caused by cell towers switching “ping-pong effect”. Third, the cell tower location trajectory was matched with the public transit network by their spatial correlation, to obtain locations where the passenger gets on and off the bus. Finally, the cell tower location trajectory was sequence compared with buses’ GPS trajectories, to obtain the passenger’s bus travel time. The experiment of bus travels in Nanhai, Foshan shows that, the error of the bus travel time obtained by the algorithm is within 1 minute, which can satisfy the precision requirement of public transit network adjustment and optimization.

traffic engineering; travel survey; public transit planning; multi-source data; cell tower location; GPS location

10.3969/j.issn.1674-0696.2015.03.25

2013-12-29；

2014-02-20

廣東省交通運(yùn)輸廳科技項(xiàng)目(2010-02-050)

蔡文學(xué)(1968—)，男，湖北荊州人，教授，博士，主要從事智能交通系統(tǒng)，物流信息化方面的研究。E-mail：ctwxcai@scut.edu.cn。

U491

A

1674-0696(2015)03-122-05