[发明专利]一种基于极大概率估计的城市公交系统车载报站缺失数据修补方法

说明书

本发明针对城市公交车载报站系统中存在数据缺失的问题，提供了一种基于极大概率估计的城市公交系统车载报站缺失数据修补方法，包括以下步骤：通过分析缺失数据的特征以及公交乘客的刷卡行为特点并结合历史数据，构造了以行程时间作为后验条件参数集合的极大概率估计模型，借助乘客刷卡数据准确推断了城市公交系统中自动报站设备的缺失数据。本发明所提供的数据修补方法，克服了现有技术中受城市建筑阴影效应影响，公交车载自动报站系统易出现定位失败或通信丢包，导致报站信息不完整严重影响后续数据挖掘效果的缺陷，提高了乘客公交出行轨迹还原的成功率，增加了城市公交客流分布研究的信息有效性。

技术领域

本发明涉及智能化公共交通技术领域，涉及一种基于极大概率估计的城市公交系统车载报站缺失数据修补方法。

背景技术

公交客流分布数据，是优化城市公交运营管理的基础，是制约城市公交管理水平的关键，也是城市公交研究者关注的重点。长期以来，管理者一般通过抽样调查方法，获得有限的公交出行数据，费时费力、成本高昂。近年来，随着自动收费系统(Automated FareCollection,AFC)与自动报站系统(Automated Vehicle Locating,AVL)的广泛应用，城市公交系统积累了大量运营管理数据。如何通过数据挖掘技术，从公交系统现有数据中低成本地获取公交客流信息，成为国内外城市公交研究者关注的重点。

在获取公交客流的相关研究中，将乘客乘车刷卡数据转换为乘客在公交系统中的运动轨迹是其中最为关键的环节。然而，现有的公交刷卡系统往往将设计重点放在运营清分功能上，而忽视记录刷卡站点，特别是目前使用最为广泛的一票制公交，只能记录乘客的上车时刻与车号、线路号，无上下车站点信息。因此，在数据处理过程中，往往需要先要将刷卡记录结合GPS行车记录系统的报站记录进行时间匹配来推断公交乘客刷卡上车站点，再基于最短距离换乘假设、连续出行链假设推断乘客的下车站点，最后，对于无法找到下车站点的刷卡记录，通过站点吸引权法估计下车站点。

上述数据处理过程严重依赖车辆报站数据，然而，车载自动报站系统严重依赖GPS模块与2G移动通讯模块获取、上传位置信息，该类设备受城市建筑阴影效应影响严重，易出现定位失败或通信丢包，导致报站信息不完整。通过分析某城市的公交车辆AVL报站数据、班次调度数据以及AFC刷卡数据，发现在统计时间段内全市平均缺失数据占比6.25％，且数据缺失率高的区域位于该城市人口稠密区域。虽然数据缺失率不到10％，但后续的公交乘客上车站点匹配结果表明，缺失数据导致超过25％的刷卡数据无法匹配出上车站点。由此可见，城市公交系统中普遍存在的AVL报站数据缺失情况，已显著影响了乘客出行轨迹还原进程，并严重制约着公交客流挖掘效果。

发明内容

本发明的目的在于针对城市公交自动报站系统中普遍存在的数据丢失情况，提供一种基于极大概率估计的城市公交系统车载报站缺失数据修补方法。该方法通过分析缺失数据的特征以及公交乘客的刷卡行为特点，构造了以行程时间作为后验条件参数集合的极大概率估计模型，准确推断了城市公交系统缺失的车载报站数据，为开展后续的数据挖掘提供必要支撑。

为了达到上述目的，本发明采用以下技术方案：

本发明一种基于极大概率估计的城市公交系统车载报站缺失数据修补方法，包括以下步骤：

S1、按每一次发车，对数据源2“AVL车辆报站数据”进行归类整理，将每一次发车的AVL报站数据根据公交线路站序排列：{S₀,S₁,S₂,…,S_i}，其中S_i对应车辆到达S_i站点的AVL信息；

S2、将步骤S1中的某一次发车数据，与数据源1“公交调度数据”对应公交线路的行车站序进行对比；

S21、若站点信息完整，则不存在数据缺失，无需修复；