CN111653099B - 基于手机信令数据的公交客流od获取方法 - Google Patents

Abstract

本发明公开了一种基于手机信令数据的公交客流OD获取方法，本发明基于手机信令数据，通过判别用户轨迹与每条公交线路的相似度指数，结合轨迹速度特征对轨迹出行方式进行判别，剔除非公交出行的用户轨迹，在此基础上，结合公交线路票价以及发车间隔特征，确定用户所乘坐的公交线路，在根据轨迹与该线路站点的位置关系，识别用户上下车站点，最终汇聚得到分线路的公交客流OD数据。公交相似度指数一方面作为公交出行判别以及轨迹线路匹配的核心特征，该指数计算方便实现简单适用于大样本数据；另一方面，该指数计算方法不仅表征了轨迹在空间上与线路走向的相似程度，同时考虑了公交运营时刻，降低了在非线路营运时间段内的误判率。

Description

基于手机信令数据的公交客流OD获取方法

技术领域

本发明涉及交通规划领域，具体是交通需求预测领域。

背景技术

交通不断的推进着城市化进程，加速社会经济发展，然而城市交通在为推动社会发展做出巨大贡献的同时，也因过快增长的出行需求导致了许多问题，制约着国家社会和城市经济的进一步发展，比如交通事故数上升，能源消耗以及环境污染等，其中城市交通拥堵更成为了困扰政府部门和交通研究者的难题之一。城市公共交通是一种绿色环保且便捷的出行方式，能够以较小的资源消耗分担城市大量的客运需求，从而缓解交通压力。很多城市都将公交优先提升到战略层面，但是在实际运营过程中，由于供需不平衡使得等车时间过长、出行可靠度较低，线路设置不合理等导致公交吸引率一直处于较低水平。另一方面，线路运力配置不合理还使得公交运营收入较低，导致政府需要持续补贴以维持公交的正常运营。因此掌握公交客流需求，合理规划公交线路，配置公交运力至关重要，不仅可以提升公交服务水平，减小交通压力，也能减少政府的财政补贴支出，达到双赢的管理效果。

近年来，通信与互联网技术的发展与普及，应运而生的是对其背后蕴藏的大量潜在交通信息的挖掘研究。手机作为一种便携式通讯设备随着经济的发展已经在国民中快速普及，截止2016年，我国手机拥有量己超过96部/百人，除了部分交通从属群体比如老人和小孩，在国内大部分地区基本上人人都拥有手机，手机终端为了满足用户通讯和上网的需求会与邻近的蜂窝基站建立联系，同时记录下用户接入基站的时间和基站的位置信息，其能实时追踪个体并提供用户位置的特点为出行信息的采集提供了一条新思路，其中公交客流信息的挖掘值得关注。

公交客流OD的获取一直是国内外研究人员研究的重点，最初是根据跟车调查以及问卷调查等方式获取部分样本数据并进行扩样，随着智能设备的启用，近年来基于交通大数据挖掘获取公交客流OD的研究也越来越多，其中基于IC数据及公交GPS数据的公交客流OD推算研究最为广泛，相对来说技术成熟而又简单，通过乘客IC卡信息记录的上下车站点进行汇总获取公交客流。但由于大量公交只需上车刷卡，且只会记录其上车刷卡的车次及时间，故无法准确获得乘客的上下车站点。随着手机信令数据的广泛应用，基于手机信令数据获取公交OD的方法研究也越来越多。郝小妮等人于2018年公开了一种基于手机信令的公交客流OD获取方法。该方法是基于公交线网与轨迹进行匹配，没有考虑公交线路对公交出行判别的影响，在公交线网设置密集区域容易出现误判且需要融合公交GPS数据进行辅助判断，实施较为复杂。

现有的基于手机信令数据的公交客流OD识别方法，在进行轨迹与公交线路匹配时，大多是基于线路站点对可能途径基站进行罗列，计算较为复杂且没有考虑公交运营时间，导致公交非运营时刻的OD误判使得结果偏高；另一方面缺少对于线路重复路段的线路识别判断，即当有多条公交线路对应相同的基站切换序列时，无法准确判断每条线路的客流量。

发明内容

针对背景技术中存在的问题，本发明基于手机信令数据，通过判别用户轨迹与每条公交线路的相似度指数，结合轨迹速度特征对轨迹出行方式进行判别，剔除非公交出行的用户轨迹，在此基础上，结合公交线路票价以及发车间隔特征，确定用户所乘坐的公交线路，在根据轨迹与该线路站点的位置关系，识别用户上下车站点，最终汇聚得到分线路的公交客流OD数据。

技术方案：

一种基于手机信令数据的公交客流OD获取方法，它包括以下步骤：

S1、获取手机信令数据以及公交线路站点信息；

S2、提取用户出行轨迹信息以及基站与线路站点距离矩阵；

S3、针对每一条公交线路，计算轨迹与该线路的线路相似度，最终确定该条出行轨迹的公交相似度指数；

S4、根据公交相似度指数、轨迹平均速度，剔除非公交出行的轨迹数据；

S5、根据公交相似度指数、线路票价以及线路发车间隔，计算公交出行轨迹可能匹配线路的匹配指数，最终确定该轨迹匹配的公交线路；

S6、结合轨迹基站与匹配线路的站点位置信息，判断该轨迹的上下车站点；

S7、分别汇总全线网每条公交线路的站点客流OD，作为公交客流OD。

优选的，步骤S1获取手机信令数据以及公交线路站点信息，包括以下步骤：

S11、获取研究地区研究时间范围内的用户手机信令数据，以及对应研究范围内的基站位置信息表，包括基站ID、经度、纬度字段；

S12、从高德地图上爬取研究范围内的公交线路及站点信息表，包括线路名称、线路站点名称、站点经纬度坐标。

优选的，步骤S2提取用户出行轨迹信息以及基站与站点距离矩阵，包括以下步骤：

S21、提取用户出行轨迹信息，即根据一次出行的定义确定时空阈值，将原始手机信令数据划分成独立的出行轨迹数据，一条出行轨迹数据由一串基站位置点构成，其中包括基站点坐标以及触发该基站的开始时间和结束时间；

S22、根据基站位置信息表以及线路及站点信息表，计算基站与公交站点两两之间的直线距离D；

S23、对于每一基站，提取公交线路里包含的所有公交站点中与该基站距离最小的站点，并记录该距离值，依次遍历所有的公交线路以及基站，最终形成基站与公交线路站点距离矩阵；

S24、基站与公交线路站点距离矩阵修正：根据公交线路运营时间得到分时间段的基站-公交线路站点距离矩阵，即根据公交线路运营时间划分时间段，若某条线路不处于该运营时间段内，则将距离矩阵中该线路与所有基站的距离修改为正无穷。

优选的，步骤S3针对每一条公交线路，计算轨迹与该线路的线路相似度，最终确定该轨迹的公交相似度指数，包括以下步骤：

S31、对于一条出行轨迹，根据S2中的基站-公交线路站点距离矩阵，获取对应于每一条线路的基站-站点距离集合D，D＝{D₁,D₂,..D_i,..,D_n}，其中D_i表示轨迹中第i个基站与该条线路最近一个站点的距离，该距离来源于S2中计算得到的与该轨迹出发时刻相对应的时段基站-公交线路站点距离矩阵；

S32、当D_i小于一定阈值，则认为基站i与该线路站点匹配成功，阈值设置取决于研究范围内的基站密度以及公交站点密度，(更改为：阈值可根据研究范围内的基站密度以及公交站点密度进行调整，建议取值800m)计算集合中D_i小于阈值的个数占总基站个数的比，该比值即定义为轨迹与该线路的相似度similarity_i；

S33、对于一条出行轨迹，依次遍历所有公交线路，分别计算其线路相似度，其中线路相似度的最大值即为该条轨迹的公交相似度指数bus-similarity。

优选的，步骤S4根据公交相似度指数、轨迹平均速度，剔除非公交出行的轨迹数据，包括以下步骤：

S41、计算轨迹出行平均速度，即轨迹出行距离与轨迹出行时耗的比值；

S42、根据研究范围内公交出行平均速度分布确定公交出行速度上下阈值，同时确定公交相似度指数阈值，将满足大于公交相似度指数阈值以及平均速度处于公交出行速度上下阈值的轨迹标记为公交出行，该条记录进行保留，剔除不满足条件的其他出行轨迹。

优选的，步骤S5计算公交出行轨迹可能匹配线路的匹配指数，最终确定该轨迹匹配的公交线路，包括以下步骤：

S51、将研究范围内的一票制与多票制线路进行分类；

S52、根据各线路的发车间隔，将其分为高频、中等、低频三大类；

S53、对于在S3中保留下来的出行轨迹，提取出其线路相似度大于一定阈值的公交线路，结合线路票价以及发车间隔频次分别计算线路i的匹配指数M_i，计算公式为：

M_i＝αT_i+βF_i+γsimilarity_i

其中α、β、γ分别为公交票价效用、发车间隔效用、公交线路相似值效用，根据研究范围内用户出行选择行为进行标定，建议取值分别为0.3、0.2、0.5，similarity_i为S3中获得的轨迹与该线路的线路相似度；T_i与F_i分别为线路公交票价与发车频次，其取值规则如下：

S54、将对应的M_i值最大的线路是为该轨迹匹配成功的公交线路。

优选的，步骤S6结合轨迹基站与匹配线路的站点位置信息，判断该轨迹的上下车站点，包括以下步骤：

S61、对于一条出行轨迹，提取S5中确定的匹配线路对应的步骤S31中计算的基站-站点距离集合；

S62、集合中第一个与该线路站点匹配成功的基站对应的站点即为该用户上车站点，最后一个与该线路站点匹配成功的基站对应的站点即为该用户的下车站点，匹配成功定义见步骤S32。

优选的，步骤S7分别汇总每条公交线路的站点客流OD以及全线网的站点客流OD，包括以下步骤：

S71、对于每一条公交线路，汇聚其研究时间范围内与该线路匹配成功的轨迹上下车站点，获取该线路客流OD矩阵；

S72、依次遍历所有公交线路，汇聚其客流OD矩阵，最终获取公交客流OD。

本发明的有益效果

本发明首先提出了一种适用于手机信令轨迹数据的公交相似度指数计算方法，一方面作为公交出行判别以及轨迹线路匹配的核心特征，该指数计算方便实现简单适用于大样本数据；另一方面，该指数计算方法不仅表征了轨迹在空间上与线路走向的相似程度，同时考虑了公交运营时刻，降低了在非线路营运时间段内的误判率；其次通过公交相似度以及轨迹平均速对出行方式进行判别，剔除非公交出行轨迹；最后在进行公交线路匹配时，考虑了公交票价及发车频次对居民出行选择行为的影响，提高了每条线路的客流识别精度，为精细化客流OD分析提供了数据支撑。

附图说明

图1为本发明的方法流程图

图2为实施例线网部分站点客流OD信息截图

具体实施方式

下面结合实施例对本发明作进一步说明，但本发明的保护范围不限于此：

本发明以江苏省昆山市的公交客流OD为例进行分析。下面参照附图1和本申请技术方案内容，对本发明的具体实施方案作详细描述：

1、数据采集

(1)手机信令数据

根据S1手机信令数据从移动运营商处获取，用户在使用手机时，触发信令事件，例如主叫、被叫、位置区切换、短信均会记录有信令数据。信令数据必须包含唯一ID编号、日期、时间、基站编号、经纬度。以江苏省2019年5月22日移动运营商手机信令数据为例，本算例获取的原始手机信令数据格式如下表所示。

(2)基站信息

步骤S2中，基站信息从移动运营商处获取，包含基站编号、基站经纬度。与公交线路站点信息匹配可获取基站-线路站点距离矩阵作为公交线路相似度计算的基础数据信息表。

(3)公交线路站点信息

步骤S1中，公交线路站点信息是通过高德提供的API接口直接进行爬取，主要目的是对轨迹进行线路相似度匹配以及识别其上下车站点。本算例爬取的公交线路站点(以昆山130路为例)的基本格式如下表所示：

公交线路站点信息应包含线路名称、站点名称、站点经度、站点纬度。

2、数据处理。

(1)手机信令数据预处理

由于4G手机信令触发事件种类繁多，原始手机信令数据中会存在重复冗余的定位数据，首先根据数据清洗规则将原始数据进行清洗，包含乒乓数据、漂移数据、以及重复定位的基站数据，清洗之后得到质量较高的有效数据。

(2)出行OD信息提取

步骤S2中，分别选取基站服务半径800m，停驻时间阈值定为40min，针对每个用户的出行轨迹进行时空聚类，得到当天的停驻点集合S＝{S₁,…,S_n}，按照时间顺序排列，相邻停驻点分别构成一次出行的起点O点与终点D点，并与原轨迹中两点中间的轨迹数据一起构成一次出行的OD数据，如图所示，其中order为1和8的分别为两个停驻点，1至8组成一条完整的轨迹序列：

(3)基站-公交线路站点距离矩阵计算

根据步骤S2，基于前面获取的基站位置信息表以及线路站点信息表，计算基站与公交站点两两之间的直线距离D；对于每一基站，提取公交线路里包含的所有公交站点中与该基站距离最小的站点，并记录该距离值，依次遍历所有的公交线路以及基站，最终得到基站与公交线路站点距离矩阵作为相似度计算的基础文件。

3、轨迹公交相似度计算

根据步骤S3，针对每一条公交线路，先计算轨迹与该线路的线路相似度，最终确定该轨迹的公交相似度指数，依次计算每一条基站轨迹与每条公交线路的线路相似度，根据昆山市的公交站点密度以及基站覆盖密度，计算公交相似度时距离阈值D取800m，即当基站定位点与该线路公交站点最近距离小于800m时，则认为其匹配成功。其中线路相似度的最大值即为该条轨迹的公交相似度指数。

得到部分轨迹相似度如表所示，最后一列bus_similarity即为该轨迹的公交相似度值：

4、筛选公交出行轨迹

根据步骤S4，基于轨迹的公交相似度指数以及轨迹平均速度剔除非公交出行的轨迹数据，根据昆山公交车运行特点，保留相似度指数大于80％，以及轨迹平均出行速度位于15km/h-25km/h之间的轨迹数据，最终获取所有公交出行的轨迹信息集合。

5、轨迹匹配线路确定

首先获取昆山各条公交线路的运营时间、发车班次以及票价信息如下表所示：

根据步骤S51，对公交线路的票价进行分类，最高票价为1元的是一票制线路，最高票价大于1元的记为多票制线路。

根据步骤S52，基于公交线路的正常间隔时间，低于10分钟的记为高频，10-20分钟的记为中频，大于20分钟的线路记为高频。

根据步骤S53，对于步骤S4中被判断为公交出行的轨迹，提取出S32中线路相似度大于0.8的公交线路，并计算其线路匹配指数M，计算公式为：

M_i＝αT_i+βF_i+γsimilarity_i

其中α、β、γ取值分别为0.3、0.2、0.5，T_i与F_i分别为线路公交票价与发车频次，其取值规则如下：

对应的M_i值最大的线路是为该轨迹匹配成功的公交线路，最终得到所有公交出行轨迹的匹配线路如下表所示：

6、轨迹上下车站点确定

根据步骤S6，提取S5中确定的匹配线路对应的步骤S31中计算的基站-站点距离集合；集合中第一个与该线路站点匹配成功的基站对应的站点即为该用户上车站点，最后一个与该线路站点匹配成功的基站对应的站点即为该用户的下车站点，依次获取每条轨迹的上下车站点信息。

7、公交客流OD获取

根据步骤S7汇总轨迹的上下车站点信息，最终得到线网公交客流OD，如图2所示为2019年5月22日线网部分站点客流OD信息截图。

本文中所描述的具体实施例仅仅是对本发明精神做举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (6)

1.一种基于手机信令数据的公交客流OD获取方法，其特征在于它包括以下步骤：

S1、获取手机信令数据以及公交线路站点信息；

S2、提取用户出行轨迹信息以及基站与线路站点距离矩阵；步骤S2提取用户出行轨迹信息以及基站与站点距离矩阵，包括以下步骤：

S21、提取用户出行轨迹信息，即根据一次出行的定义确定时空阈值，将原始手机信令数据划分成独立的出行轨迹数据，一条出行轨迹数据由一串基站位置点构成，其中包括基站点坐标以及触发该基站的开始时间和结束时间；

S22、根据基站位置信息表以及线路及站点信息表，计算基站与公交站点两两之间的直线距离D；

S23、对于每一基站，提取公交线路里包含的所有公交站点中与该基站距离最小的站点，并记录该距离值，依次遍历所有的公交线路以及基站，最终形成基站与公交线路站点距离矩阵；

S24、基站与公交线路站点距离矩阵修正：根据公交线路运营时间得到分时间段的基站-公交线路站点距离矩阵，即根据公交线路运营时间划分时间段，若某条线路不处于该运营时间段内，则将距离矩阵中该线路与所有基站的距离修改为正无穷；

S3、针对每一条公交线路，计算轨迹与该线路的线路相似度，最终确定该条出行轨迹的公交相似度指数；

S4、根据公交相似度指数、轨迹平均速度，剔除非公交出行的轨迹数据；S5、根据公交相似度指数、线路票价以及线路发车间隔，计算公交出行轨迹可能匹配线路的匹配指数，最终确定该轨迹匹配的公交线路；步骤S5计算公交出行轨迹可能匹配线路的匹配指数，最终确定该轨迹匹配的公交线路，包括以下步骤：

S51、将研究范围内的一票制与多票制线路进行分类；

S52、根据各线路的发车间隔，将其分为高频、中等、低频三大类；

S53、对于在S3中保留下来的出行轨迹，提取出其线路相似度大于一定阈值的公交线路，结合线路票价以及发车间隔频次分别计算线路i的匹配指数M_i，计算公式为：

M_i＝αT_i+βF_i+γsimilarity_i

其中α、β、γ分别为公交票价效用、发车间隔效用、公交线路相似值效用，根据研究范围内用户出行选择行为进行标定，建议取值分别为0.3、0.2、0.5，similarity_i为S3中获得的轨迹与该线路的线路相似度；T_i与F_i分别为线路公交票价与发车频次，其取值规则如下：

S54、将对应的M_i值最大的线路是为该轨迹匹配成功的公交线路；

S6、结合轨迹基站与匹配线路的站点位置信息，判断该轨迹的上下车站点；

S7、分别汇总全线网每条公交线路的站点客流OD，作为公交客流OD。

2.如权利要求1所述的一种基于手机信令数据的公交客流OD获取方法，其特征在于步骤S1获取手机信令数据以及公交线路站点信息，包括以下步骤：

S11、获取研究地区研究时间范围内的用户手机信令数据，以及对应研究范围内的基站位置信息表，包括基站ID、经度、纬度字段；

S12、从高德地图上爬取研究范围内的公交线路及站点信息表，包括线路名称、线路站点名称、站点经纬度坐标。

3.如权利要求1所述的一种基于手机信令数据的公交客流OD获取方法，其特征在于步骤S3针对每一条公交线路，计算轨迹与该线路的线路相似度，最终确定该轨迹的公交相似度指数，包括以下步骤：

S31、对于一条出行轨迹，根据S2中的基站-公交线路站点距离矩阵，获取对应于每一条线路的基站-站点距离集合D，D＝{D₁,D₂,..D_i,..,D_n}，其中D_i表示轨迹中第i个基站与该条线路最近一个站点的距离，该距离来源于S2中计算得到的与该轨迹出发时刻相对应的时段基站-公交线路站点距离矩阵；

S32、当D_i小于一定阈值，则认为基站i与该线路站点匹配成功，计算集合中D_i小于阈值的个数占总基站个数的比值，该比值即定义为轨迹与该线路的相似度similarity_i；

S33、对于一条出行轨迹，依次遍历所有公交线路，分别计算其线路相似度，其中线路相似度的最大值即为该条轨迹的公交相似度指数bus-similarity。

4.如权利要求1所述的一种基于手机信令数据的公交客流OD获取方法，其特征在于步骤S4根据公交相似度指数、轨迹平均速度，剔除非公交出行的轨迹数据，包括以下步骤：

S41、计算轨迹出行平均速度，即轨迹出行距离与轨迹出行时耗的比值；

S42、根据研究范围内公交出行平均速度分布确定公交出行速度上下阈值，同时确定公交相似度指数阈值，将满足大于公交相似度指数阈值以及平均速度处于公交出行速度上下阈值的轨迹标记为公交出行，该条轨迹进行保留，剔除不满足条件的其他出行轨迹。

5.如权利要求3所述的一种基于手机信令数据的公交客流OD获取方法，其特征在于步骤S6结合轨迹基站与匹配线路的站点位置信息，判断该轨迹的上下车站点，包括以下步骤：

S61、对于一条出行轨迹，提取S5中确定的匹配线路对应的步骤S31中计算的基站-站点距离集合；

S62、集合中第一个与该线路站点匹配成功的基站对应的站点即为该用户上车站点，最后一个与该线路站点匹配成功的基站对应的站点即为该用户的下车站点，匹配成功定义见步骤S32。

6.如权利要求1所述的一种基于手机信令数据的公交客流OD获取方法，其特征在于步骤S7分别汇总每条公交线路的站点客流OD以及全线网的站点客流OD，包括以下步骤：

S71、对于每一条公交线路，汇聚其研究时间范围内与该线路匹配成功的轨迹上下车站点，获取该线路客流OD矩阵；

S72、依次遍历所有公交线路，汇聚其客流OD矩阵，最终获取公交客流OD。

Images