[发明专利]一种地铁乘客出行路径识别方法

说明书

本发明公开了一种地铁乘客出行路径识别方法。该方法包括：在获得的合理路径集中搜寻各路径上进站、换乘和出站的目击者，形成目击证据链的路径和车次链条数，其中所述目击证据链表示在进站、换乘和出站均有目击者且这些目击者的车次能够形成串联，所述目击者表示已经确定了出行路径的乘客；基于所述目击证据链确定目标乘客的出行路径。本发明将确定了出行路线和车次的乘客作为目击者，为目标乘客的出行路径做出佐证，能够精准、便捷、高效地识别地铁乘客的出行路径，进而掌握地铁乘客出行路径的选择规律。

技术领域

本发明涉及客流监测技术领域，更具体地，涉及一种地铁乘客出行路径识别方法。

背景技术

了解乘客出行路径是提升地铁运营管理水平的前提，只有充分掌握乘客在路网中的路径选择规律和特点，才能合理制定和优化行车计划及运营管控方案。对于有多家运营单位的城市轨道交通系统，掌握乘客真实出行路径将实现精准地进行清分清算，从而有利于建立有效的激励机制促进运营者提高线路服务水平。

在现有技术中，识别乘客出行路径的方法主要有三类：

第一类是建立路径选择模型。路径选择模型以随机效用理论为基础，认为交通网络中的每一个出行方案都有一个确定的效用值，出行方案的效用受到乘客个体差异与随机因素的影响，假设随机因素服从一定的分布，并以此建立非集计模型，乘客基于不同的感知成本来选择其认为最优的路径。一般来说，模型所考虑的对乘客选择路径的影响因素包括出行时间、换乘次数、步行距离、车厢拥挤度等，通过实地调查或问卷等方式获取样本数据并估计模型参数，然后利用模型对出行乘客进行路径分配。

第二类是利用AFC(Automatic Fare Collection System)数据。AFC数据属于全样本数据，可反映每一个进出轨道系统的乘客的进出站时间、空间信息，但是无法直接反映乘客在轨道系统内部的轨迹。目前已有的方法分为两种：一是将AFC数据和路径选择模型相结合，利用AFC数据记录的出行时间作为观测值，标定路径选择模型的参数。二是根据AFC的时间要素来判断，假设站台没有滞留的现象，到达站台的乘客一定会坐上他们遇到的第一辆列车，并假设乘客走行时间遵循正态分布、乘客到达时间遵循随机分布，根据乘客旅行时间寻找匹配度最高的路径。

第三类是利用手机信令数据。手机信令数据可以反映出人们切换基站的轨迹，但不能确定其是否是地铁出行。基于手机信令数据的乘客出行路径识别主要是筛选地铁出行，通过出行站点匹配算法和路径有效性判别方法来实现。

经分析，上述三类识别乘客出行路径的技术方案主要存在以下缺陷：

对于路径选择模型的方法有三个关键问题难以解决。一是模型中的有些属性难以准确测量。精准的路径选择需要输入影响乘客感知成本的各阶段属性，如候车时间、车内时间、换乘时间等等，而在拥挤情况下则难以准确评估。二是调查成本高。为了获取乘客乘车偏好数据，实验人员需要在站点进行实地调查，询问乘客的起讫点(origin-destination)和乘坐路线，即行为调查(Revealed Preference)，或者发放乘车路径选择意向调查问卷，即意向调查(Stated Preference)，两种方式调查和处理数据均费时费力，获取的数据也容易出现误差。三是参数不具备普适性。不同OD对间的路网结构、路径属性不同，模型中的各参数也不同，有限的调查数据难以服务于大规模路网，而标定的统一参数并不能精准适用各OD对。