[发明专利]一种公交车实时车厢满载率的估算方法

说明书

本发明公开了涉及实施交通技术领域的一种公交车实时车厢满载率的估算方法，解决了准确度和时效性较差的问题。其技术要点是：一种公交车实时车厢满载率的估算方法，其特征在于：包括以下步骤：上车站点匹配；推断历史下车站点；基于K近邻的推断模型推断下车站点；基于公交小区的下车站点推断模型推断下车站点；基于下游站点历史下车客流量分布的推断模型推断下车站点；计算车厢载客人数。利用“K近邻推断模型+出行小区估计+下游站点下车客流量随机分布”组合算法推断车厢内所有乘客个体的上、下车站点信息，达到了准确度较好的优点，并达到了时效性较好的优点。

技术领域

本发明涉及实施交通技术领域，特别是一种公交车实时车厢满载率的估算方法。

背景技术

近年来，随着地铁、互联网租赁自行车等方式的快速发展，常规公交的竞争力有所下滑，北上广深等国内主要城市的公交客流量均出现了下滑现象，根本的原因在于市民对公交的服务水平和出行品质要求越来越高。公交车厢满载率是直接关系市民出行服务水平的最直接指标之一。所谓的“公交车车厢满载率”是指“公交实际载客数与车厢额定载客数的比值”，是用于反映车厢内拥挤程度的指标。客观、准确掌握公交车厢满载率是做好公交管理服务的重要前提条件。

目前公交信息化系统(如公交电子支付系统、智能公交调度系统、公交线网分析系统等)普遍得到使用，公交电子支付数据(部分城市公交电子支付比例接近95％)、公交报站数据、公交发班调度数据等公交大数据均已实现实时回传、自动采集分析，且形成了规模体系。构建一个高效的、连续的、自动计算的公交车厢满载率实时估算方法很有必要，可为后续的公交运行监测、高满载率线路预警、公交实时调度优化、公交线网优化等提供有效的数据源和技术手段。特别是“新冠肺炎”疫情期间，通过大数据分析发现满载率过高的车辆、高峰时段和热门站点等，可有效提醒公交企业做好发班调整，降低因车厢人群聚集而带来的感染风险。

现有技术中对于公交满载率的估算主要有两种方法，一种是主要以人工抽样调查为主，在时效性、系统性、连续性、颗粒度等方面均存在不足，导致估算值的准确度较差的问题，调查成本也较高；另一种是基于离线的公交乘客刷卡数据、公交调度数据等，通过对乘客多天连续跟踪(例如本次出行的后一次出行)的基础上进行推断获取，时效性和效率性难以满足实时监测、实时公交调度优化的需求。故现有技术存在准确度和时效性较差的问题。

发明内容

为了克服现有技术的上述缺点，本发明的目的是提供一种公交车实时车厢满载率的估算方法，具有准确度和时效性较好的优点。

本发明解决其技术问题所采用的技术方案是：

一种公交车实时车厢满载率的估算方法，包括以下步骤：

S1、上车站点匹配：根据实时回传的乘客电子支付数据和公交报站数据获取上车站点；

S2、推断历史下车站点；

S3、基于K近邻的推断模型推断下车站点：根据所述乘客电子支付数据和公交报站数据构建当前状态向量，根据历史数据构建包含有历史下车站点信息的多个历史状态向量，根据所述当前状态向量搜索出相对应的K个历史状态向量，按照出行频率推断出下车站点，进行步骤S6；若无法搜索出与所述当前状态向量相对应的历史状态向量，则进行步骤S4；

S4、基于公交小区的下车站点推断模型推断下车站点：根据所述历史状态向量中获取该乘客的下车交通小区集合A，并根据当前公交站点的下游站点结合地图数据以获取下游交通小区集合B，当下车交通小区集合A和下游交通小区集合B存在交集时，则推断该交集的交通小区与下游站点中最接近的站点作为推断下车站点，进行步骤S6；若无法推断出推断下车站点，则进行步骤S5；

S5、基于下游站点历史下车客流量分布的推断模型推断下车站点：按照乘客在某一时段内各个下游站点的下客流量占比随机分配站点，被随机选中的站点推断为推断下车站点，进行步骤S6；

S6、计算车厢载客人数。