AVL系统和IC卡数据的站点推算研究

(重庆交通大学交通运输学院 重庆 400074)

一、引言

随着公共交通的不断发展，IC卡目前已近在全国各大城市普及，是居民公交地铁出行必不可少的工具。其公交IC卡一般在使用过程中可以记录乘客上站的信息，但是对于下站的信息仍然需要通过一定的方法来推导。[2-3]同时在仅有公交IC卡数据的条件下，上站站点的信息也主要是根据公交IC卡刷卡时间的聚类分析结果，结合行车计划表，来进行公交站点的识别。但是由于道路环境很复杂，该方法很难准确实施。在该背景下车辆自动定位系统AVL[1]开始在各个城市普及，AVL数据准确记录公交车辆的位置信息，相当于比GPS有更多的实时数据结果这样一来就弥补了IC在空间方面所缺乏的数据，提高站点识别的准确性。[4-5]

二、IC卡数据和AVL系统数据的融合

IC卡刷卡后IC卡的数据库中包含的信息一般有，上车时间、卡的类型、卡号、刷卡日期，所乘的车编号等。在AVL车辆自动定位系统中所包含的数据有车辆标识、线路标识、线路方向、汽车进站和出站的时间等。[1]

在实际的数据融合的过程中，下AVL和IC卡系统的时间存在差异(这几乎是不可避免的)，会导致在融合数据过程中匹配不准确。从而导致结果的准确性。

三、通过融合数据推导上车站点

通过IC卡的数据和AVL所记录的数据两者对应数据匹配。先做如下假设：

假设一个城市中有K条公交线路，对应的第i条线路可以列为，同样在这条线路上一共有M辆公交车，对应的第j辆，同样记为，进行如下推导：

(1)从AVL数据中提取数据，提取的数据包含，站点位置，车辆标识，行驶线路，进站和出站时间。

(2)从IC卡数据库中提取数据，提取的数据包括，车辆标识，刷卡时间，行驶路线，站点名称。

(3)从公交线路中从线路中第辆车开始。对应的数据在AVL数据库中提出，记为DA。同样，对应的数据在IC数据库中提出，记为DI。

(4)上车时间的对比：从IC中上车刷卡的时间记为(也就是在这一站上车的乘客时间)(c代表上车时第c个人刷卡)。同样在这个时间段内在DA内找到和(汽车进站时间和出站时间，这里的i代表序号)。如果的数据在和之间则可以判定DA中所对应的地点即为DB中所对应的站点名称，结果写入新的数据库中，如果是<或者>则分别记录在上一站和下一站。同时完成这一步骤后j=j+1返回4，(j≤j(max))。当j+1>j(max)进入5。

(5)在第条路，同样i=i+1返回4，直到i+1>i(max)停止。

(6)运行结束

从上述的算法可以看出，这个算法结构是大循环内部嵌套小循环的算法。主要是把AVL确定的站点位置，车辆识别，行驶路线，进站出站的时间和IC卡所记录的刷卡得出的数据相匹配，在精确的时间记录下，某一IC卡刷上车时间，刷卡者的上车站点，所上公共汽车的序列号。

(一)公交出行方式的分类

在推导站点之前我们先来对出行方式进行系统的分类，居民出行的公交链设为连续公交链和非连续公交链，下车站点的几类情况：

1.对于连续公交链有如下几种

①对于连续公交链，乘客乘坐公交出行的终点即为乘客下一次公交出行的起点，即乘客下一次出行的起点与上一次出行的终点位于同一公交站点，或乘客下一次出行的起点站点距离乘客上一次出行的终点站点在可接受的步行距离和步行时间之内。

②对于连续公交链，乘客一天当中最后一次出行的终点即乘客当天出行的起点或乘客第二天出行的起点。

2.对于不连续的公交链可以分为如下几种：

①到终点之后再无其他刷卡

②到某一终点之后，乘坐出租车或者地铁，轻轨等交通工具。

③到某一终点之后，乘坐出租车或者地铁，轻轨等交通工具，再乘坐公交车。(相当于出行中间包含了其他交通工具)

(二)下车站点推测原则

1.当天最后一次出行下车站点的判断

假设乘客在L路线的A站C路公交车上刷了最后一次卡，首先查看的是乘客是否在当天的第一次刷卡时对应的公交站点在同一线路上，如果是的话可以判定，这里为最后一次刷卡的下车站点。如果不是上述情况则无法判断下车站点

2.当天连续出行下车站点的判断

例如，当天乘客出行第一次刷卡时在M线路B站D路公交车上刷的卡，则乘客当天下一次刷卡是在N线路C站E路公交车上。通过地图信息判断这个上站地点和哪个D路公交车的站点最近，这个地点就可近似定为连续出行的下站地点。若发现两个站点之间最近的距离超过一定距离，无法判断下车站点。

3.单次出行下车站点的判断

这一块的预测主要侧重的是偶然性的出行，一般来讲通过历史数据来判断。比如在第N天乘客S,在K站刷卡上车，当天只有一次刷卡记录。通过查询历史记录，在第N-1天，刷卡所记录的线路和第N天相同，则可以判定两者有相同的下车地点。

四、总结

通过结合AVL和IC两个数据库，本文提出的这个算法模型在一定程度上能够比较准确的判断出上下车站点的位置，理论上来讲只要用了IC卡，上车位置和时间几乎可以100%确定。但是对于下车位置的判断，我们在推测过程中对一部分数据进行了舍弃，原因就在于IC卡只能记录上车的情况，下车站点判断都是靠预测和推导，有些情况甚至无法预测，比如在换乘过程中使用其他私人交通工具或者出租车，几乎是无法判别的。这种情况需要更好的算法模型或者是更为详细的出行数据记录才能解决上述问题，这也是需要我们一起努力的地方。

【参考文献】

[1]陈学武,戴霄,陈茜.公交IC卡信息采集、分析与应用研究[J].土木工程学报,2004,37(2):105-110.

[2]戴霄.基于公交IC信息的公交数据分析方法研究[D].东南大学,2006.

[3]张游杰,张清萍,焦荣华.基于WiFi身份识别和公交IC卡数据的公交客流起讫点分析[J].计算机应用,2014(A01):309-311.

[4]李海波,陈学武.基于公交IC卡和AVL数据的换乘行为识别方法[J].交通运输系统工程与信息,2013,13(6):73-79.

[5]陈绍辉,陈艳艳,赖见辉.基于GPS与IC卡数据的公交站点匹配方法[J].公路交通科技,2012,29(5):102-108.