基于公交IC卡和AVL数据的换乘行为识别方法

交通运输系统工程与信息 ›› 2013, Vol. 13 ›› Issue (6): 73-79.

基于公交IC卡和AVL数据的换乘行为识别方法

李海波^1,2，陈学武^*1,2

1. 东南大学交通学院，南京 220096; 2. 现代城市交通技术江苏高校协同创新中心，南京市210096

收稿日期:2013-06-06 修回日期:2013-08-06 出版日期:2013-12-24 发布日期:2014-01-14
作者简介:李海波（1987-），男，江苏泰兴人，博士生.
基金资助:
国家重点基础研究发展计划（2012CB725402）;中国博士后科学基金面上资助项目（2013M540408）.

A Method to Identify Public Transit Transfers Based on IC and AVL Data

LI Hai-bo^1,2，CHEN Xue-wu^1,2

1. School of Transportation, Southeast University, Nanjing 210096, China;2. Jiangsu Province Collaborative Innovation Center of Modern Urban Traffic Technologies, Nanjing 210096, China

Received:2013-06-06 Revised:2013-08-06 Online:2013-12-24 Published:2014-01-14

摘要/Abstract

摘要：

公交换乘枢纽是多模式公交系统的关键节点，而公交换乘行为特征是公交换乘枢纽规划和管理的重要依据.本文从公交出行过程入手，将公交换乘过程抽象为若干时间节点.结合现状公交系统数据的特点，通过公交IC卡和AVL数据的有效融合，推算得到乘客换乘前的下车时间和步行到换乘站点的时间.基于“随到随走”的出行假设，本文提出通过比较换乘前下车时间、换乘上车时间与换乘线路的车辆到站时间，来进行换乘行为的判断.本文应用苏州市某乘客的IC数据对算法的可行性和有效性进行了验证，结果表明，本算法比直接通过连续两次刷卡的时间间隔判断更加合理和准确.

关键词: 智能交通, 公交换乘行为, IC卡数据, AVL数据, 公交出行过程

Abstract:

The behavior characteristics of public transit transfers are important to the planning and operation of public transit transfer hubs, which are the key nodes of multi-mode urban public transportation systems. This paper analyzes bus trip process and describes it as a serial of time points. Considering the features of current public transportation system data, it is possible to calculate previous alighting time and arrival time at transfer stations by combining IC data with AVL data. According to the assumption that bus passengers will get on the first bus arriving at the transfer station, we can determine whether a bus passenger is a transfer or not by just comparing his/her previous alighting time and arrival time at transfer stations with bus arrival time at the transfer station. Finally, it takes two continuous transaction records of an actual bus passenger from Suzhou as an example to examine the feasibility and efficiency of the method. The result indicates that the improved method is much more reasonable and accurate.

Key words: intelligent transportation, public transit transfer, IC data, AVL data, bus trip process

中图分类号:

李海波，陈学武. 基于公交IC卡和AVL数据的换乘行为识别方法[J]. 交通运输系统工程与信息, 2013, 13(6): 73-79.

LI Hai-bo，CHEN Xue-wu. A Method to Identify Public Transit Transfers Based on IC and AVL Data[J]. Journal of Transportation Systems Engineering and Information Technology, 2013, 13(6): 73-79.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.tseit.org.cn/CN/abstract/abstract18681.shtml

http://www.tseit.org.cn/CN/Y2013/V13/I6/73

参考文献

[1]汪江洪.公交换乘系统研究及其评价[D]. 西南交通大学, 2006.[WANG J H.Study on transfer system of urban passenger transportation and It’s evaluation[D]. Southwest Jiaotong University,2006.]

[2]Marie-Pier Pelletier,Martin Trépanier,Catherine Morency. Smart card data use in public transit: A literature review[J]. Transportation Research Part C, 2011, 19(4): 557-568.

[3]Markus Hofmann,Simon P Wilson,Peter White.Automated identification of linked trips at trip level using electronic fare collection data[C]//Transportation Research Board 88th Annual Meeting, 2009.

[4]Catherine Seaborn, Nigel H M Wilson, John Attanucci. Using smart card fare payment data to analyze multi-modal public transport journeys (London, UK) [C]//Transportation Research Board 88th Annual Meeting, 2009.

[5]高永, 邓小勇. 基于IC卡数据的公交换乘识别方法[C]. 第三届中国智能交通年会论文汇编. 2007.[GAO Y, DENG X Y. Recognition method of transit transfer based on intelligent card record data[C]//Proceedings of the 3rd China Annual Conference on ITS, 2007.]

[6]吴祥国. 基于公交IC卡和GPS数据的居民公交出行OD矩阵推导与应用[D]. 山东大学, 2011.[WU X G. Urban public transportation trip OD matrix inference and application based on bus IC card data and GPS data[D]. Shandong University. 2011.]

[7]张孜, 邹亮, 朱玲湘. 基于公交IC卡的公交换乘数据获取方法研究[J]. 交通信息与安全, 2011, 29(164).[ZHANG Z, ZOU L, ZHU L X. Method to collect public transportation transfer data based on IC card[J]. Journal of Transportation Information and Safety, 2011, 29(164).]

[8]翟长旭, 周涛, 高志刚. 基于公交IC卡数据的公交OD推算技术研究[C]. 中国城市交通规划2006年年会暨第22次学术研讨会. 2006.[DI C X, ZHOU T, GAO Z G. The research of the technology of deducing the public transit OD matrix base on the data of bus intelligent card[C]. 2006 Annual Meeting of China Urban Traffic Planning, 2006.]

[9]孔令铮, 徐若瀛, 许逸伦, 等. 信号交叉口行人过街步行速度的调查与研究[J]. 交通标准化, 2010(24): 86-89.[KONG L Z, XU R Y, XU Y L, et al. Investigation and study on pedestrian crossing speed at signalized intersection[J]. Transport Standardization, 2010(24): 86-89.]

[1]	郭烈, 胥林立, 秦增科, 王旭. 自动驾驶接管影响因素分析与研究进展[J]. 交通运输系统工程与信息, 2022, 22(2): 72-90.
[2]	徐猛, 刘涛, 钟绍鹏, 姜宇. 城市智慧公交研究综述与展望[J]. 交通运输系统工程与信息, 2022, 22(2): 91-108.
[3]	程君, 张立炎, 陈启宏. 一种基于地图辅助的自动驾驶视-惯融合定位方法[J]. 交通运输系统工程与信息, 2022, 22(2): 117-126.
[4]	王国栋, 刘立, 孟宇, 马智萍, 郑淏清, 顾青, 白国星. 一体式车辆避撞轨迹规划与跟踪控制[J]. 交通运输系统工程与信息, 2022, 22(2): 127-136.
[5]	马东方, 陈曦, 吴晓东, 金盛. 基于强化学习的干线信号混合协同优化方法[J]. 交通运输系统工程与信息, 2022, 22(2): 145-153.
[6]	许波桅, 王玲玲, 李军军. 自动化码头多级作业超网络延误传导特性研究[J]. 交通运输系统工程与信息, 2022, 22(2): 280-289.
[7]	田会娟, 刘嘉伟, 翟佳豪, 邓琳琳. 基于多入侵线的视频车速检测方法[J]. 交通运输系统工程与信息, 2022, 22(1): 49-56.
[8]	贾彦峰, 曲大义, 赵梓旭, 王韬, 宋慧. 基于安全势场的网联自主车辆跟驰行为决策及模型[J]. 交通运输系统工程与信息, 2022, 22(1): 85-97.
[9]	刘文, 汪文博. 基于秩最小化矩阵去噪的船舶轨迹重构方法[J]. 交通运输系统工程与信息, 2022, 22(1): 106-114.
[10]	赵建东, 陈溱, 焦彦利, 张凯丽, 韩明敏. 重点营运车辆的异常驾驶行为识别研究[J]. 交通运输系统工程与信息, 2022, 22(1): 282-291.
[11]	徐东伟, 彭航, 商学天, 魏臣臣, 杨艳芳. 基于图自编码-生成对抗网络的路网数据修复[J]. 交通运输系统工程与信息, 2021, 21(6): 33-41.
[12]	游峰, 梁健中, 曹水金, 肖智豪, 吴镇江, 王海玮. 面向多目标跟踪的密集行人群轨迹提取和运动语义感知[J]. 交通运输系统工程与信息, 2021, 21(6): 42-54.
[13]	王福建, 俞佳浩, 赵锦焕, 梅振宇. 基于站点实时关联度的短时公交客流预测方法[J]. 交通运输系统工程与信息, 2021, 21(6): 131-144.
[14]	张毅, 姚丹亚, 李力, 裴华鑫, 晏松, 葛经纬. 智能车路协同系统关键技术与应用[J]. 交通运输系统工程与信息, 2021, 21(5): 40-51.
[15]	龙建成, 郭嘉琪. 动态交通分配问题研究回顾与展望[J]. 交通运输系统工程与信息, 2021, 21(5): 125-138.