CN104282142B - 一种基于出租车gps数据的公交站台设置方法 - Google Patents

Abstract

本发明公开了一种基于出租车GPS数据的公交站台设置方法，包括以下步骤：步骤1：获取出租车上下车记录集合；步骤2：在一个具有固定范围的地域D_P内，获取该地域内乘客上车的所有上下车记录；步骤3：按照乘客下车位置对D_P中获取的上下车记录集合进行聚类，得到乘客下车位置密集的地域，并选定公交站台的设置候选地域D_Q；步骤4：在公交站台候选设置地域D_Q内，获取乘客上车的所有上下车记录；步骤5：对于D_Q内获取的上下车记录集合，获取下车位置在D_P内的所有上下车记录，如果乘客下车位置密集位于D_P内，那么D_Q便是最终获得的公交站台设置地域。

Description

一种基于出租车GPS数据的公交站台设置方法

技术领域

本发明涉及计算机数据处理领域，特别是一种适用于城市交通部门数据处理的一种基于出租车GPS数据的公交站台设置方法。

背景技术

自二十世纪中叶以来，全球城市化居住人口的增长已经成为不可阻挡的趋势。中国在改革开放后，城市化进程主要体现在人口城市化和城市土地快速扩张。中国政府已经宣布2014年至2020年新一轮的城市规划进程规划。城市扩张使得由新型居民区和经济开发区构成的新型城区遍布中国各地。随着人口城市化的趋势，新建居民区居民居住量急速增长，且每天均有大量的居民出行。为了方便此类地人群出行，城市交管部门需要对此类缺少基础设施的地区进行城市交通规划并构建相应的基础设施。

交通数据具有“大规模”、“多种类”、“高价值”、“快速增长”等“大数据”的特征。特别是随着GPS技术的推广，安装GPS的车辆数量越来越多，车辆产生的GPS数据不断增长。由于新居民区缺少基础设施，部分居民只能选择出租车作为出行工具，因此出租车所产生的GPS数据对于交通规划具有重要的价值。居民乘坐出租车出行量可以反映当地居民出行的情况，新建的居民区居民乘车数量大，交通压力也较大。为了缓解当地的交通压力、降低居民出行开销，当地交管部门需要为这些地区进行公共交通线路规划，建立公交站台。

为了获得有效的公交站台设置方案，工业界和学术界从不同的角度对路径规划进行了大量研究。例如，Z Huang等在“A Hierarchical Approach to Optimizing Bus StopDistribution in Large and Fast Developing Cities”中针对快速发展中的城市设计了一种优化公交站台分布的启发式方法，公交站台的类型包括：连接站台、关键站台和普通站台。Chao Chen等在“B-Planner:Planning Bidirectional Night Bus Routes UsingLarge-Scale Taxi GPS Traces”中提出了一个使用大规模GPS数据进行夜间公交双向线路规划的问题，构建了夜间公交线路热点路径图，然后根据双向设计原则规划产生双向公交线路。但是，该方法中公交站台预先根据经验值建立，对于未建立公交站台的公交站点设置地域选择没有考虑。综上所述，当前公交站台的设置主要根据经验主义所得，缺少科学的规划依据。

发明内容

本发明旨在克服现有技术中存在的不足，提供一种基于出租车GPS数据的公交站台设置方法，以便支持大城市交通规划工作，可以支持决策交通路线规划过程中公交站点设置地域的选择。

本发明基于出租车GPS数据的公交站台设置方法包括五个步骤：

步骤1：从出租车GPS数据集中获取出租车上下车记录集合BA。出租车每间隔固定时间发送一条GPS记录信息给交通管理中心，该记录包含：出租车设备号、记录位置纬度信息、记录位置经度信息、记录时刻以及出租车载客状态信息。有多辆出租车发送的GPS记录集合即为出租车GPS数据集，可以表示为TT＝{tt₁,tt₂,..,tt_n}。其中，n代表TT中记录的数量。

出租车GPS记录一个多属性元组，出租车GPS数据集TT中第i(1≤i≤n)条数据记录tt_i表示为tt_i＝(v_i,lc_i.<llt_i,lln_i>,t_i,s_i)。其中，v_i代表出租车的设备号，lc_i.<llt_i,lln_i>代表出租车位置(llt_i和lln_i分别代表记录位置的纬度和经度)，t_i代表记录时刻，s_i代表出租车是否载客的状态信息。

上下车记录数据集合从出租车GPS数据集中获取，每条上下车记录包含乘客一次乘坐出租车的记录，包括乘客出租车设备号、上车位置、下车位置、上车时刻以及下车时刻。获取上下车记录数据记录的关键是判断乘客上车位置和下车位置。

TT中同一出租车产生的两个连续记录tt_k-1和tt_k(2≤k≤n)，如果出租车的载客状态由空载变为载客状态，即s_k-1＝0且s_k＝1，那么tt_k中的记录位置lc_k.<llt_k,lln_k>就是乘客的上车位置。TT中同一出租车产生的两个连续记录tt_l和tt_l+1(1≤l≤n-1)，如果出租车的载客状态由载客变为空载状态，即s_l＝1且s_l+1＝0，那么tt_l中的位置信息lc_l.<llt_l,lln_l>就是乘客的下车位置。

从TT中获取的上下车记录数据记录集合可以表示为BA＝{ba₁,ba₂,…,ba_m}，其中，m代表上下车记录的数量。BA中第i条上下车记录可表示为：ba_j＝(v_j,blc_j.<blt_j,bln_j>,bt_j,alc_j.<alt_j,aln_j>,at_j)，j取1～m中任意自然数。其中，v_j代表出租车的设备号，blc_j<blt_j,bln_j>(blt_j和bln_j分别表示blc_j的纬度和经度)代表乘客的上车位置，bt_i代表乘客上车时刻，alc_j.<alt_j,aln_j>(alt_j和aln_j分别代表alc_j的纬度和经度)代表乘客的下车位置，at_j代表乘客下车时刻。

步骤2：在一个具有固定范围的地域D_P内，上下车记录的集合表示为CP，即该地域内乘客上车的所有上下车记录。

D_P是一个多属性元组，具体可以描述为D_P＝(P.<lt_P,ln_P>,a,b)，其中，P是给定的具体位置，lt_P代表位置P的纬度，ln_P代表位置P的经度，a代表lt_P的搜索长度，b代表ln_P的搜索长度。

每条上下车记录中蕴含的乘客上车位置信息，因此，可以判断该条上下车记录是否是从D_P出发的上下车记录。若ba_j(1≤j≤m)上车位置blc_j.<blt_j,bln_j>满足：lt_P-a≤blt_j≤lt_P+a且ln_P-b≤bln_j≤ln_P+b，则ba_j是CP集合中的一条上下车记录。CP集合的获取过程需要遍历整个BA数据集合中的上下车记录，最终获得的数据集合CP可以表示为CP＝{cp₁,cp₂,cp₃,…,cp_cm}，其中，cm代表CP中上下车记录的数量。

步骤3：对CP中的上下车记录，按照乘客下车位置进行聚类，得到乘客下车位置密集的地域，并设置公交站台的候选地域，表示为D_Q。

为了获取设置公交站台的候选地域，需要对CP中的上下车记录，按照乘客下车位置进行聚类，从而找出高密度到达域，即下车位置聚集地点。计算高密度到达域过程中，每条上下车记录均需要计算其下车位置邻近范围内的所有记录，需要根据地理位置之间的距离进行判断。对于地理位置l_α.<lt_α,ln_α>(lt_α和ln_α分别代表l_α的纬度和经度)和l_β.<lt_β,ln_β>(lt_β和ln_β分别代表l_β的纬度和经度)，他们之间距离可以通过欧式距离公式计算得到：

CP的第g条记录cp_g(1≤g≤cm)与BA中的上下车记录具有相同的属性，可以表示为：cp_g＝(cv_g,cblc_g.<cblt_g,cbln_g>,cbt_g,calc_g.<calt_g,caln_g>,cat_g)。其中，cblc_g.<cblt_g,cbln_g>和calc_g.<calt_g,caln_g>分别代表乘客的上车位置和下车位置，cblt_g和cbln_g分别代表上车位置cblc_g的纬度和经度，calt_g和caln_g分别代表下车位置calc_g的纬度和经度，cv_g代表出租车设备号，cbt_g代表上车时刻，cat_g代表下车时刻。高密度域聚类的过程，主要使用下车位置信息。

对于cp_g(1≤g≤cm)中包含的下车位置信息calc_g.<calt_g,caln_g>，其邻域表示为遍历整个CP，可以计算距离下车位置calc_g半径r范围内所有记录的集合。

本发明在聚类的过程中采用了邻域的概念，但是邻域并不能找出某个下车位置的所有邻近点。通过邻域搜索的点可能是邻域的边界点，在这些边界点邻域范围内的下车点同样聚集成簇。因此，本发明为高密度到达域的聚类过程设计了一个2-level搜索域其包含邻域ND_r(calc_g)中的记录以及这些记录邻域中的所有记录。

CP集合中，聚类、判断获得的高密度到达域可以有多个，即一个高密度到达域列表，表示为AD＝{ad₁,ad₂,…,ad_am}，其中，am是高密度到达域的数量。

对于聚类得到的每个高密度到达域ad_s(1≤s≤am)，由若干上下车记录组成，表示为ad_s＝{ad_s1,ad_s2,…,ad_sdm}，dm代表其中上下车记录的数量。高密度到达域中的记录ad_st(1≤t≤dm)包含下车位置信息adlc_st.<adlt_st,adln_st>，adlt_st和adln_st分别代表下车位置的纬度和经度。

高密度到达域中ad_s中心位置记作：Q.<lt_Q,ln_Q>，其中，lt_Q和ln_Q分别代表中心位置的纬度和经度，计算方法如下：

根据找出的中心位置Q，可以确定一个固定范围D_Q＝(Q.<lt_Q,ln_Q>,a,b)，其中，a和b分别代表lt_Q和ln_Q的搜索长度，D_Q可以作为公交站台设置的候选地域。

步骤4：获取D_Q内乘客上下车所有上下车记录集合CQ。

取CQ集合的过程中，同样需要遍历整个BA数据集合中的上下车记录，寻找乘客上车位置在D_Q范围内的所有上下车记录集合。若ba_j(1≤j≤m)上车位置blc_j.<blt_j,bln_j>满足：lt_Q-a≤blt_j≤lt_Q+a且ln_Q-b≤bln_j≤ln_Q+b，则ba_i是CQ集合中的一条上下车记录。最终获得的数据集合CQ可以表示为CQ＝{cq₁,cq₂,…,cq_qm}，其中，qm是集合中记录的数量。

步骤5：对于CQ目标集合中的上下车记录，获取下车位置在D_P内的所有上下车记录集合，表示为AC。如果乘客下车位置密集位于D_P内，那么D_Q便是最终获得的公交站台设置地域。

CQ的第w条记录cq_w(1≤w≤qm)与BA中的上下车记录具有相同的属性，可以表示为：cq_w＝(sv_w,sblc_w.<sblt_w,sbln_w>,sbt_w,salc_w.<salt_w,saln_w>,sat_w)。其中，sblc_w.<sblt_w,sbln_w>和salc_w.<salt_w,saln_w>分别代表乘客的上车位置和下车位置，sblt_w和sbln_w分别代表上车位置sblc_w的纬度和经度，salt_w和saln_w分别代表下车位置salc_w的纬度和经度，sv_w代表出租车设备号，sbt_w代表上车时刻，sat_w代表下车时刻。

在计算下车集合时，需要遍历CQ中的上下车记录，若cq_w下车位置salc_w.<salt_w,saln_w>满足：lt_P-a≤salt_w≤lt_P+a且ln_P-b≤saln_w≤ln_P+b，则cq_w是集合AC中的一条上下车记录。遍历整CQ记录集，根据上述条件可以找出在D_P下客的下车记录集合，表示为AC＝{ac₁,ac₂,…,ac_am’}，其中，am’代表集合中上下车记录的数量。

如果AC中记录的数量大于初始阈值dens，那么D_Q便是最终获得的公交站台设置地域。本发明在进行上下车记录数量比较、判断的过程中，预先设置了一个阈值dens，dens的具体设置根据采集数据集的天数决定，日平均阈值基准设置为35，则dens的取值范围为{35,70,…,35·nday}，其中，nday代表记录的天数；

随着出租车数量的增加，出租车所产生的GPS数据量越来越大。现有技术中，出租车的GPS数据集，就包括了上下车记录，即上下车的地点位置和时间，海量的出租车GPS数据集的处理与分析有助于设计出新型的公交站台设置方法。

本发明首先基于出租车GPS数据集中获取的上下车记录数据集合，而不是人为建设经验进行公交站台设置；然后在一个具有固定范围的地域D_P内，获取该范围内所有上下车记录集合；同时对D_P中获取的上下车记录，按照乘客下车位置进行聚类，判断乘客下车位置密集的地域，并设置公交站台的候选地域D_Q；然后获取D_Q内该范围内所有上下车记录集合；最后在获取的D_Q内的上下车记录中，获取下车位置在D_P内的所有上下车记录集合，如果乘客下车位置密集位于D_P内，那么D_Q便是最终获得的公交站台设置地域。

与现有技术相比，本发明的效果体现在：

1)公交站台的设置方法是基于出租车上下车数据集合，在反映人群移动模式和人流方向方面，更加客观，可信。

2)将数据挖掘中的密度聚类方法引入到路径规划问题中来，利用密度聚类算法对每条上下车记录进行聚类，得到高密度到达域，进而选择公交站台候选设置地域。

3)在聚类的过程中根据乘客出行的习性，设计了一个2-level搜索域能够更完整地找出上下车记录集合。

4)根据双向交通流的设计原则，判断公交站台的设置地域。

附图说明

图1本发明流程图。

图2为本发明实施例的待规划位置示意图。

图3为本发明实施例数据集中乘客上、下车位置示意图。

具体实施方式：

如图1所示，本发明公开了一种基于出租车GPS数据的公交站台设置方法，包括以下步骤：步骤1：从出租车GPS数据集中获取出租车上下车记录集合BA；步骤2：在一个具有固定范围的地域D_P内，上下车记录的集合表示为CP，即该地域内乘客上车的所有上下车记录；步骤3：对CP中的上下车记录，按照乘客下车位置进行聚类，判断乘客下车位置密集的地域，并设置公交站台的候选地域，表示为D_Q。步骤4：在D_Q内，上下车记录集合表示为CQ，即该地域内乘客上下车所有上下车记录；步骤5：对于CQ目标集合中的上下车记录，获取下车位置在D_P内的所有上下车记录集合，如果乘客下车位置密集位于D_P内，那么D_Q便是最终获得的公交站台设置地域。

所述的上下车记录数据集具体描述为BA＝{ba₁,ba₂,…,ba_m}，m代表上下车记录的数量。BA中第j条上下车记录ba_j＝(v_j,blc_j.<blt_j,bln_j>,bt_j,alc_j.<alt_j,aln_j>,at_j)，j取1～m中任意自然数v_j代表出租车的设备号，blc_j.<blt_j,bln_j>(blt_j和bln_j分别表示纬度和经度)代表乘客的上车位置，bt_j代表乘客上车时刻，alc_j.<alt_j,aln_j>(alt_j和aln_j分别代表纬度和经度)代表乘客的下车位置，at_j代表乘客下车时刻。

起始选择的固定范围的地域可以描述为D_P＝(P.<lt_P,ln_P>,a,b)，P是给定的具体位置，lt_P代表P点的纬度，ln_P代表P点的经度，a代表lt_P的搜索长度，b代表ln_P的搜索长度。D_P内获取的上下车记录集合表示为CP＝{cp₁,cp₂,cp₃,…,cp_cm}，cm代表CP中上下车记录的数量。

对CP中的上下车记录按照下车位置进行聚类中使用了2-level搜索域的概念。聚类过程需要找出下车位置距离判断记录半径r范围内的所有邻域内的记录，并将这些记录添加到2-level搜索域。然后计算已经添加到2-level中这些记录的邻域，将未添加到2-level搜索域中的数据记录继续添加到搜索域。

计算2-level搜索域过程中，每条上上下车记录均需要计算其下车位置邻近范围内的所有记录，需要计算两个地理位置l_α.<lt_α,ln_α>和l_β.<lt_β,ln_β>之间的欧式距离计算方法如下：

若果找出的2-level搜索域中记录的数量大于dens，那么此2-level搜索域是一个高密度到达域。

找出的高密度到达域可能有多个，表示为AD＝{ad₁,ad₂,…,ad_am}，am是高密度到达域的数量。

高密度到达域ad_s可以表示为ad_s＝{ad_s1,ad_s2,…,ad_sdm}(1≤s≤am)，dm代表其中记录的数量。高密度到达域中的记录ad_st(1≤t≤dm)包含下车位置信息adlc_st.<adlt_st,adln_st>，adlt_st和adln_st分别代表下车位置的纬度和经度。高密度到达域的中心位置就是需要找出的中心位置，中心位置Q的纬度lt_Q和经度ln_Q计算方法如下：

根据找出的中心位置Q，可以确定一个固定范围D_Q＝(Q.<lt_Q,ln_Q>,a,b)，其中，a和b分别代表lt_Q和ln_Q的搜索长度，D_Q可以作为公交站台设置的候选地域。

获取D_Q内的上下车记录集合CQ，可以表示为CQ＝{cq₁,cq₂,…,cq_qm}，其中，qm代表CQ中上下车记录的数量。对于CQ目标集合中的上下车记录，获取下车位置在D_P内的所有上下车记录集合，表示为AC＝{ac₁,ac₂,…,ac_am}，其中，am代表集合AC中上下车记录的数量。如果AC中记录的数量am大于初始阈值dens，那么D_Q便是最终获得的公交站台设置地域。

实施例1

本实施例选择的待规划地点为昆明东城国际嘉仕苑，需要确定为其规划公交路线过程中需要设置的公交站台设置地域。

表1.规划地点在参数信息

利用本发明提出的方法进行公交站台设置的过程中，需要预先选取一个固定位置P。出租车GPS路径数据集来自于昆明市7435量出租车7天载客数据。表1中给出了规划地点D_P参数信息。待规划地点D_P示意图如图2所示。

对于连续的一组出租车路径数据记录(DEV1004,35.811024,98.541920,11:01:10,0)～(DEV1004,35.811019,98.551020,11:35:20,0)，其上、下客记录示意图如图3所示。对于一组连续的记录，当载客记录中状态信息由0变为1时，第一个状态为1的记录为上客记录；当载客记录状态由1变为0时，最后一个状态为1的记录为下客记录。由上客和下客记录可以得到一条上下车记录(DEV1004,35.811023,98.545057,11:15:00,35.811019,98.551019,11:35:15)。

在待规划地点范围内计算上车集合，聚集后统计此位置上车的所有上下车记录数量，结果如表2所示。

表2单日D_P内上车上下车记录数量

日期	4.21	4.22	4.23	4.24	4.25	4.26	4.27
								记录数量	327	332	302	319	321	361	329

然后对找出的上车集合中上下车记录进行聚类和寻找高密度到达域，所涉及到的参数信息如表3所示。

表3计算高密度到达域涉及的参数信息

参数	描述	值
			r	搜索半径	150
dens	预先设置的密度阈值	245

聚类后选择簇中数量最大的6个(Cluster0～Cluster5)，统计其中上下车记录数量，统计结果如表4所示。经过判断，发现Cluster0是所找出的高密度到达域。

表4 TOP-6聚类簇中上下车记录数量

聚类簇	Cluster0	Cluster1	Cluster2	Cluster3	Cluster4	Cluster5
							记录数量	426	74	31	29	27	22

Cluster0中记录根据下车位置根据中心位置计算公式计算得到Q.(24.980884,102.764890)，同时根据图2中所示的待规划地点D_P示意图同样确认D_Q的地域范围，其中参数a和b的值与表1中设置的值相同。

计算上车位置在D_Q内所有上下车记录集合，并统计其中上下车记录的单日数量，统计结果如表5所示。

表5单日D_Q内上车上下车记录数量

日期	4.21	4.22	4.23	4.24	4.25	4.26	4.27
								记录数量	601	598	602	661	645	590	589

上车位置在D_Q内所有上下车记录集合计算完成后，需要寻找出下车位置在D_P中的所有上下车记录集合，然后统计其中单日上下车记录的数量，统计结果如表6所示。

表6单日D_P内下车上下车记录数量

日期	4.21	4.22	4.23	4.24	4.25	4.26	4.27
								记录数量	45	39	49	56	59	43	38

表6中，记录总数量为329，超过了表3中预先设定的密度阈值dens。

因此，由Q.(24.980884,102.764890)确定的D_Q是根据本发明提出一种基于出租车GPS数据的公交站台设置方法找出的目标站台设置地域。

本发明提供了一种基于出租车GPS数据的公交站台设置方法，具体实现该技术方案的方法和途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。

Claims (6)

1.一种基于出租车GPS数据的公交站台设置方法，其特征在于：包括以下步骤：

步骤1：从出租车GPS数据集中获取出租车乘客上下车记录集合BA；

步骤2：在一个具有固定范围的地域D_P内，将上下车记录的集合表示为集合CP，即该地域内乘客所有上下车记录；

步骤3：对集合CP中的上下车记录，按照乘客下车位置进行聚类，判断乘客下车位置密集的地域，并选定公交站台的候选设置地域D_Q；

步骤4：将地域D_Q内上车上下客记录集合表示为CQ，即该地域内出租车乘客所有上下车记录；

步骤5：获取集合CQ中下车位置在地域D_P内的所有上下车记录的集合AC，如果乘客下车位置密集位于D_P内，那么D_Q便是最终获得的公交站台设置地域。

2.根据权利要求1所述的基于出租车GPS数据的公交站台设置方法，其特征在于，出租车GPS数据集是关于出租车状态信息记录的集合，表示为TT＝{tt₁,tt₂,..,tt_n}，其中，n代表TT中GPS数据记录的数量；

出租车GPS数据记录tt_i是一个多属性元组，tt_i∈TT，i取值范围1～n，表示为tt_i＝(v_i,lc_i.<lt_i,ln_i>,t_i,s_i)，v_i代表出租车的设备号，lc_i.<llt_i,lln_i>代表出租车位置，llt_i和lln_i分别代表记录位置的纬度和经度，t_i代表记录时刻，s_i代表出租车是否载客的状态信息；

从出租车路径数据集中获取的出租车乘客上下车记录数据集合，表示为BA＝{ba₁,ba₂,…,ba_m}，其中，m代表上下车记录的数量；

BA中第j条上下车记录记作：ba_j＝(v_j,blc_j.<blt_j,bln_j>,bt_j,alc_j.<alt_j,aln_j>,at_j)，j取1～m中任意自然数，v_j代表出租车的设备号，blc_j.<blt_j,bln_j>代表上车位置，blt_j和bln_j分别表示纬度和经度，bt_j代表乘客下车时刻，alc_j.<alt_j,aln_j>代表下车位置，alt_j和aln_j分别代表纬度和经度，at_j代表乘客下车时刻。

3.根据权利要求2所述的一种基于出租车GPS数据的公交站台设置方法，其特征在于，在一个具有固定范围的地域D_P内，D_P＝(P.<lt_P,ln_P>,a,b)，其中，P是给定的具体地理位置，lt_P代表位置P的纬度，ln_P代表位置P的经度，a代表lt_P的搜索长度，b代表ln_P的搜索长度；

D_P内乘客上车的所有上下车记录集合表示为CP＝{cp₁,cp₂,cp₃,…,cp_cm}，其中，cm代表CP中记录的数量。

4.根据权利要求3所述的一种基于出租车GPS数据的公交站台设置方法，其特征在于，对CP中的上下车记录，按照乘客下车位置进行聚类，得到一系列簇，簇中记录数量大于密度阈值dens表示为高密度到达域，即乘客下车密集地域；

计算高密度到达域计算过程中，每条上下车记录均计算其下车位置邻近范围内的所有记录，即计算两个地理位置l_α.<lt_α,ln_α>和l_β.<lt_β,ln_β>之间的欧式距离lt_α和ln_α分别代表l_α的纬度和经度，lt_β和ln_β分别代表l_β的纬度和经度，计算方法如下：

${\mathrm{Dis}}_{l_{\mathrm{\&alpha;}},l_{\mathrm{\&beta;}}}=\sqrt{{({\mathrm{lt}}_{\mathrm{\&alpha;}}-{\mathrm{lt}}_{\mathrm{\&beta;}})}^2+{({\ln }_{\mathrm{\&alpha;}}-{\ln }_{\mathrm{\&beta;}})}^2},$

对于cp_g中包含的下车位置信息calc_g.<calt_g,caln_g>，calt_g和caln_g分别代表calc_p的纬度和经度，1≤g≤cm，其邻域记作：代表距离下车位置calc_g半径r范围内所有记录的集合；

下车位置calc_g聚类过程使用2-level搜索域进行判断，中的记录包括邻域ND_r(calc_g)中的记录以及这些记录邻域中的所有记录；

CP集合中，聚类、判断获得的高密度到达域为一个以上，即一个高密度到达域列表，表示为AD＝{ad₁,ad₂,…,ad_am}，am是高密度到达域的数量；

对于聚类得到的每个高密度到达域ad_s由若干上下车记录组成，1≤s≤am，表示为ad_s＝{ad_s1,ad_s2,…,ad_sdm}，dm代表其中上下车记录的数量；

高密度到达域中的记录ad_st包含下车位置信息adlc_st.<adlt_st,adln_st>，adlt_st和adln_st分别代表下车位置的纬度和经度，1≤t≤dm；

高密度到达域中ad_s中心位置记作：Q.<lt_Q,ln_Q>，其中，lt_Q和ln_Q分别代表高密度到达域ad_s中心位置的纬度和经度，计算方法如下：

${\mathrm{lt}}_Q=\frac{1}{dm}\underset{t=1}{\overset{dm}{\&Sigma;}}{\mathrm{adlt}}_{st},$

${\ln }_Q=\frac{1}{dm}\underset{t=1}{\overset{dm}{\&Sigma;}}{\mathrm{adln}}_{st};$

根据找出的中心位置Q，计算得到一个固定范围D_Q＝(Q.<lt_Q,ln_Q>,a,b)，其中，a和b分别代表lt_Q和ln_Q的搜索长度，D_Q作为公交站台设置的候选地域。

5.根据权利要求4所述的一种基于出租车GPS数据的公交站台设置方法，其特征在于，在地域D_Q内，乘客所有上下车记录集合表示为CQ＝{cq₁,cq₂,…,cq_qm}，其中qm是集合中记录的数量。

6.根据权利要求5所述的一种基于出租车GPS数据的公交站台设置方法，其特征在于，获取集合CQ中下车位置在D_P内的所有上下车记录集合，表示为AC＝{ac₁,ac₂,…,ac_am’}，am’代表集合中上下车记录的数量；

如果AC中记录的数量大于初始阈值dens，那么D_Q便判定为最终获得的公交站台设置地域，其中，dens的设置根据采集数据集的天数决定，日平均阈值基准设置为35，则dens的取值范围为{35,70,…,35·nday}，nday代表记录的天数。