基于小样本公交浮动车数据的路段行程时间计算方法研究

廖孝勇 王鑫　王珂莉　孙棣华

【摘 要】路段行程时间是交通信息服务的一项重要内容，能够为公交到站时间预测提供技术支持。浮动车数据作为一种新兴的交通数据来源，是路段平均行程时间计算的有效手段，浮动车样本量是否充足对行程时间估计的精确度有较大影响。本文针对浮动车数据的路段行程时间估计中GPS数据样本量较少的问题，有针对性地提出了相应的解决方案，提出了一种在小样本浮动车GPS数据情况下的路段行程时间计算方法。本文根据浮动车数据的分布，将路段划分为不同的复合路段，之后根据复合路段的不同特征分别计算各复合路段的平均速度与影响因子，进而计算出目标路段的平均速度，得到目标路段的平均行程时间。

【关键词】GPS；浮动车；行程时间；小样本

0 引言

公交路段的平均行程时间与交通流量、路段平均速度、通行時段、道路路况及距离等因素相关，是公交运行时间的重要组成部分，路段平均行程时间的计算方法能够为公交到站时间预测提供重要的技术支持，提高城市公共交通的服务水平[1]。与此同时，路段平均行程时间还是反映路段交通状态的重要指标，是进行交通控制和交通诱导的基础。同一路段在不同情况下的平均行程时间也能反映路段交通状态的差异，准确的行程时间能够为交通状态判别提供依据[2]。

目前，随着城市公交车辆大范围安装车载GPS终端，公交车辆成为能够采集城市交通信息的浮动车，浮动车GPS数据也成为城市交通研究的一种重要数据来源[3]。对公交浮动车而言，由于路段距离较小、发车间隔较长、公交线路稀少、信号传输延迟、数据缺失、采样间隔较大等问题，浮动车数据的样本量较小，浮动车GPS数据量大幅减少，某些路段甚至已经没有任何公交GPS数据，路段的平均行程时间的计算会有较大误差，影响公交到站时间预测的精度[4]。

公交浮动车接收到的浮动车数据样本量的大小直接影响其路段平均行程时间的估计精度，针对不同样本量的情况具有不同的处理方法。因此，针对公交浮动车GPS数据样本量较少的情况，本文提出基于小样本公交浮动车数据的路段行程时间计算方法。

1 公交浮动车小样本的判别

公交浮动车是安装了车载GPS定位装置并行驶在城市主干道上的公交汽车。公交浮动车在行驶过程中定期记录车辆的位置、方向、速度等信息，并通过各种通讯手段将所采集到的实时交通数据传送到数据中心，综合同一路段上一定数量的公交浮动车的GPS数据，就能够得到路段的平均行程时间。当路段上公交浮动车数据充足时，能够简单地计算出路段的平均行程时间；若路段公交浮动车样本量不足时，如果直接计算会产生较大误差，计算的路段平均行程时间不能准确反映路段的交通状态。

公交浮动车小样本的阈值的确定与公交浮动车的平均速度有较大的关联性。对同一目标路段而言，若公交浮动车的平均速度较大，则行程时间相对较小，相同样本量情况下的浮动车数据覆盖率较高。因此，本文根据实际应用情况，结合区间平均速度提出公交浮动车小样本的判别方法。

对于任意选定的目标路段，在时间间隔t内共有n辆公交浮动车在路段上运行，则区间平均速度v的计算如下：

若路段内公交浮动车数量满足公式（2），则认为该路段公交浮动车样本量为小样本，否则该路段公交浮动车样本量为小样本。

2 小样本公交浮动车数据的路段行程时间计算

通过对小样本公交浮动车数据的特征分析，本文提出针对性的解决方案，并结合工程实施的实际情况，提出小样本公交浮动车数据的路段行程时间计算方法。

2.1 小样本浮动车数据的复合路段划分

在判断出浮动车数据属于小样本数据之后，需要根据浮动车数据在路段中的分布情况将目标路段划分为各个复合路段。

假设A、B两点为需要计算行程时间路段的起点和终点，路段AB即是研究的目标路段l0，如图1所示。通常，路段平均行驶时间指车辆进入路段行驶到下游路口排队队尾的时间，在图1中即为通过AB段的平均时间。

图1 小样本浮动车数据的目标路段

目标路段上以及起（终）点附近的数据点为路段行程时间估计的有效数据点。其中，Pa-1为进入l0起点A前的最近一个GPS定位点，时刻为ta-1；Pa+1为进入l0后的第一个GPS定位点，时刻为ta+1；pb-1为离开l0终点B前的最后一个GPS定位点，时刻为tb-1；pb+1为离开l0后的第一个GPS定位点，时刻为tb+1。

2.2 复合路段的平均速度及影响因子的计算

上文中划分的三个复合路段，与目标路段AB都有一定部分的重合，各复合路段的各自的平均速度都能在一定程度上表征目标路段AB的路段平均速度，综合考虑个复合路段的平均速度才能够更准确地刻画目标路段的平均速度。然而，各复合路段由于重合部位的不同，交通状况不尽相同，需要确定不同路段的平均速度的影响因子，根据各复合路段对目标路段不同的影响程度将平均速度加权，从而得到目标路段的平均速度。

因此，本文根据各复合路段与目标路段的时间、空间关系，分别计算各针对上文中的三种情况分别计算复合路段的平均速度和影响因子修正因子。

对于定位点Pa+1和Pb-1组成的路段LPa+1Pb-1，平均速度计算公式和影响因子为：

通过对上述三种情况的分析，影响因子的比重应该由复合路段占当前计算路段的比例以及复合路段占目标路段的比例组成。因此，需要对影响因子需要进行归一化处理，影响因子归一化公式如公式（9）：

由公式（9）即得到归一化之后的影响因子，进而进行下一步计算。

2.3 单车的目标路段平均行程时间的计算

根据上文中的复合路段的平均速度及影响因子的计算，将各复合路段的平均速度按照影响因子进行加权平均，即可求得当前研究时段内小样本数据路段单车区间速度，如公式（10）所示[6]：

由公式（10）可计算得出目标路段的单车区间速度，进而可求得目标路段上单车平均行程时间：

其中，Lab为目标路段AB的距离。

2.4 目标路段平均行程时间的计算

在时间间隔t中，目标路段上会有多辆公交浮动车运行，每辆公交车可以按照上文中的步骤计算出各自的路段平均行程时间。

设目标路段上的公交浮动车数量为n，则通过上文中的计算，可以得到小样本浮动车数据路段的平均行程时间Ttravel为：

3 结语

作为一个新的交通数据源，公交浮动车数据在交通信息中的应用越来越广泛，基于公交浮动车数据进行路段平均时间计算也成为研究热点。本文在分析小样本公交浮动车数据特点的基础上，根据实际需求讨论了小样本公交浮动车数据的判定条件，并提出基于小样本公交浮动车数据的路段行程时间计算方法，详细阐述了平均行程时间的计算过程。该方法能够减小在目标路段起始点浮动车GPS数据缺失情况下带来的计算误差，在公交浮动车数据样本较小的情况下，路段平均时间计算仍有较高的精度。

路段行程时间是重要的交通参数，准确的路段平均行程时间计算方法为公交到站时间预测提供重要的技术支持，具有重要的现实意义。车载GPS终端的不断应用为基于浮动车GPS数据进行路段行程时间的计算提供了条件，继续深入该技术的研究，将对城市智能交通系统的建设和完善产生非常大的指导意义。

【参考文献】

[1]杨兆升.关于智能运输系统的关键理论-综合路段行程时间预测的研究[J].交通运输工程学报，2001，01（01）：65-67.

[2]杨晓光，曾松.行程时间信息质量与接受水平关系分析[J].中国公路学报，2002，15（04）：78-81.

[3]孙棣华，赖云波，廖孝勇，赵敏，刘卫宁.公交浮动车辆到站时间实时预测模型[J].交通运输工程学报，2011，02：84-89.

[4]王俊，陳学武.影响城市公交车辆运行时间的因素分析及改进措施[J].城市公共交通，2004（01）：6-7.

[5]刘春，等.浮动车数据缺失道路的速度推估模型与实现[J].同济大学学报：自然科学版，2010，08：1255-1260.

[6]涂智，等.基于最小浮动车样本数量的道路覆盖率与交通信息更新周期研究[J].中国铁道科学，2007，09：127-130.

[责任编辑：薛俊歌]