[发明专利]基于手机信令大数据的地铁清分清算方法与系统

说明书

本发明涉及智慧交通技术领域，本发明提出一种基于手机信令大数据的地铁清分清算方法与系统，针对复杂的地铁出行场景，尤其是地铁沿线存在微站(地下基站)和地上宏站的复杂情况下，本发明综合考虑地铁站不同的空间位置、信令采集修正、基站覆盖修正因素，将地铁用户识别、进出站识别准确度进一步提升，使手机信令计算结果在清分清算中替代概率模型结果，提高地铁清分清算的准确率。

技术领域

本发明涉及智慧交通技术领域，具体而言涉及一种基于手机信令大数据的地铁清分清算方法与系统，适用于基于移动通信终端的信令数据来进行混合基站场景下的地铁出行用户识别及用户出行路径的识别。

背景技术

随着城市内的地铁线网建设的开展，地铁线网间存在着庞大数量的换乘用户，这对各线路的运营和管理带来了挑战，尤其是无障碍换乘方式，导致各线路间的费用清算十分困难。

现有的地铁清分清算系统多是基于概率模型例如基于最短路径、最短耗时、换乘次数少等人为经验，来推算相同出行OD间的不同路径的选择概率，再根据不同路径的用户比例对收费金额在不同地铁运营商间进行费用清分清算。现有的这一类方法在规则标定时，需要耗费大量的人力、时间进行模拟实验，且概率模型未考虑地铁用户的主观能动性、出行的随机性等问题，清分效果并不精确和理想，经过与测试和与实际的数据相比，出现误差比较大，准确率不足80％，难以实际在地铁企业的清分清算中应用。

现有技术中研究了根据手机信令进行地铁出行用户的出行轨迹识别和清分，在清分清算系统中利用基站的小范围、全空间、全时间采集特点，对地铁用户的轨迹进行追踪，实现修正各路径选择概率。但现有的技术考虑场景比较理想，认为地铁站的基站都是微观基站，从而仅根据用户从宏观基站与微观基站进行切换判断用户进出地铁站，未考虑到有些地铁站在地面或高架上，其服务基站仍为宏观基站的场景，且未考虑手机信令的数据采集质量问题、基站覆盖不全或覆盖范围过大问题等因素，使地铁用户识别及进出站识别存在明显的误差。

发明内容

本发明目的在于提供一种基于手机信令大数据的地铁清分清算方法与系统，优化传统基于概率统计选择和基于手机信令数据识别的理想化环境造成的识别解决不准确，存在误差大的问题，提高清分清算系统的准确率。

根据本发明目的的第一方面提出一种基于手机信令大数据的地铁清分清算方法，包括以下步骤：

步骤1、基于地铁线路数据、地铁运行数据和地铁专用基站数据，建立清分清算的基础数据库；

步骤2、在所有运行的地铁线路数据基础上，取不同线路上的站点，利用排列组合方法生成站间OD对，并基于最短路径算法处理获得站间OD对之间的路径；

步骤3、获取用户信令数据，并以用户为单位进行区分后，按照时间序列进行排序，获得信令数据点集合，并基于DBSCAN密度聚类算法进行聚类后，获得用户信令轨迹，所述用户信令轨迹包括多个以出发地O和目的地D构成的OD段；

步骤4、基于步骤3的用户信令轨迹，取出发地O和目的地D之间的上报基站，按上报时间顺序，构成用户OD基站序列，并与所述基础数据库进行匹配，将用户OD基站序列的基站转化为车站ID，并获得车站站点的空间位置数据，构造用户OD基站序列对应的用户OD车站序列；

步骤5、在获取的用户OD车站序列数据的基础上，区分有换乘和无换乘两种情况，识别地铁用户，从而获的候选地铁用户可能的换乘站点及其换乘路径；其中当识别到的用户OD车站序列中全部为室外基站时，该用户判定为候选地铁用户，转至步骤8；；

步骤6、以地铁线路数据为基础，对地铁线路中每个站点计算器泰森多边形以及多边形内预定范围的网格，建立每个网格对应的最近地铁站点关系，并据此进行用户OD车站序列中站点的进出站识别；

步骤7、异常情况优化处理，包括针对同站内出现非车站基站情况、中间车站未匹配、起止车站无数据情况以及站点漂移情况下的优化处理；