[发明专利]基于公交车GPS数据的路段公交车渗透率估计方法

说明书

本发明公开了一种基于公交车GPS数据的路段公交车渗透率估计方法，包括如下步骤：步骤1：根据回传的公交车GPS数据确定公交车停车排队的位置；步骤2：在信号灯红灯周期结束时刻，找出排队队列中的公交车的数量D，根据步骤1中得到的公交车停车排队的位置，找出排队队列中的最后一辆公交车的位置l_{lst_stop}；对大量的历史数据进行分析找出对应线路的交叉口停车线的位置l_{line_stop}，计算出单周期的公交车渗透率；步骤3：对不同时期单周期的公交车渗透率进行分析，选择合适的周期数M作为多周期渗透率的时间窗；步骤4：根据步骤3选择的时间窗大小，选择DBSCAN密度聚类算法对不同时期多周期的渗透率进行聚类，根据聚类结果，对多周期的渗透率进行加权，得到公交车的渗透率。

技术领域

本发明属于智能交通领域，具体涉及一种基于公交车GPS数据的路段公交车渗透率估计方法。

背景技术

浮动车数据采集技术作为一种动态交通信息采集技术与传统的定点信息采集(感应线圈等)技术相比，具有数据量大、覆盖面广、成本低、可拓展性强等优点，近年来受到了广泛的关注和应用。浮动车一般是指安装了车载GPS定位装置并行驶在城市主干道上的公交车和出租车，因此，浮动车相当于路段上所有类型车辆的样本。在使用浮动车数据研究交通问题(例如路段行程时间估计、交叉口排队长度估计)时，路段同方向浮动车占路段中所有类型车辆的比例一般称之为渗透率，对估计结果的精度有一定的影响，渗透率越高估计的误差越小，所以实际道路中浮动车的渗透率大小可以在一定程度上评价估计结果的可信度，还可以为公交调度、公交线路规划、乘客出行提供参考信息，因此，估计浮动车的渗透率具有十分重要的现实意义。

现有研究主要是通过仿真估计浮动车的渗透率，例如，Gurcan Comert等假设车辆的到达服从一定分布和前提下，在VISSIM仿真平台上搭建了单车道仿真模型，根据交叉口信号灯红灯期间排队的浮动车信息，提供了几种浮动车渗透率的计算方法。并利用VISSIM输出的数据对几种方法计算结果进行分析比较，最后得出了几种方法估计结果的期望以及估计误差的期望。然而这种假设车辆的到达服从一定分布的假设以及单车道的实验场景可能与实际情况不符，即：下游交叉口车辆的到达规律受上下游交叉口相位差的影响，不一定满足特定的分布，所以假设车辆的到达满足特定分布的方法可能与实际情况不符，导致估计的误差较大，并且不同的车辆类型和公交车GPS数据回传的时间间隔也会影响估计结果的准确性，导致其适用性不够。同时，渗透率的期望不能反映实时渗透率的变化情况，导致其实时性较差，不能满足实际应用的需求。

发明内容

有鉴于此，为了解决现有技术中存在的不足，本发明的目的在于提供一种基于公交车GPS数据的路段公交车渗透率估计方法。

为达到上述目的，本发明提供如下技术方案：

一种基于公交车GPS数据的路段公交车渗透率估计方法，包括如下步骤：

步骤1：根据回传的公交车GPS数据确定公交车停车排队的位置；

步骤2：在信号灯红灯周期结束时刻，找出排队队列中的公交车的数量D，根据步骤1中得到的公交车停车排队的位置，找出排队队列中的最后一辆公交车的位置l_{lst_stop}；对大量的历史数据进行分析找出对应线路的交叉口停车线的位置l_{line_stop}，结合交叉口排队队列中公交车的平均车长bus_avg_len，排队队列中除公交车外的其他类型车辆的平均车长others_avg_len，计算出单周期的公交车渗透率；其中，bus_avg_len等于公交车平均车辆长度和平均车辆间距之和； others_avg_len等于除公交车外的其他车辆的平均车辆长度和平均车辆间距之和；

步骤3：对不同时期单周期的公交车渗透率进行分析

按照不同的周期数将一段统计时长的单周期公交车渗透率平均分组，利用组间离差平方和表征单周期公交车渗透率的差异程度，选择合适的周期数M作为多周期渗透率的时间窗；