[发明专利]一种公交乘客出行站点预测方法、存储介质及服务器

说明书

本发明公开一种公交乘客出行站点预测方法、存储介质及服务器，包括：获取某市区的公交车GPS轨迹数据、乘客公交IC卡刷卡记录数据以及公交站点及线路矢量数据；基于公交车GPS轨迹数据、乘客公交IC卡刷卡记录数据以及公交站点及线路矢量数据，匹配乘客的历史公交刷卡上车站点并构建乘客历史上车站点出行链路；对公交站点进行空间聚类，构建乘客历史上车聚类出行链路；基于变阶马尔科夫模型以及乘客历史上车聚类出行链路对公交上车聚类进行预测，再基于概率模型预测出具体的上车站点；基于对公交地铁混合出行链的分析，对公交下车聚类和下车站点进行预测。所述方法较好地预测公交上下车站点，出行站点预测准确率有明显改善。

技术领域

本发明涉及空间信息应用领域，尤其涉及一种公交乘客出行站点预测方法、存储介质及服务器。

背景技术

随着智能公交系统的普及，智能交通IC卡被广泛应用于公共交通票价支付系统，记录了用户海量出行轨迹信息。准确预测城市居民的公交出行上下车站点信息，可以大幅降低政府交通调查财政支出、使得相关企业利润最大化，并且有助于掌握公交客流变化、辅助公交运营决策和公交线路优化，而且为研究个体/群体公共交通出行行为特征、城市交通流量估计、城市空间结构与功能适应性分析等众多领域也提供了新的视角。

现如今，中国很多大众城市中的大量公交线路都采用一票制，业内认为是一种“不完整交易方式”，其主要表现为以下几个方面：1)乘客只在上车时刷卡，下车时并不需要刷卡；2)刷卡数据只记录刷卡乘客ID、刷卡时间和上车车辆等信息，并不记录乘客上车准确站点信息；3)用户不一定在车辆停靠站点时刷卡，高峰期存在大量越站刷卡现象。由此可见，如何基于历史数据准确推断乘客的历史上车站点，并进一步预测未来的上下车站点，是一项极具挑战性的工作。

近些年，受信息通信技术和基于位置服务的发展，基于智能交通系统、手机通信、社交网络等媒介获取的大量高精度个体出行轨迹的数据，人类出行行为时空间特征的研究得到了长足进步，如出行距离分布特征、移动轨迹回转半径、访问区域概率密度分布等。对于人类空间运动模式的可预测性的理论研究也取得重要进展，实验显示人类空间移动行为具有高度规则性和可预测性。对轨迹预测分为连续轨迹下的位置预测和非连续轨迹下的位置预测，主要包含集计模型和个人选择模型，具体方法包括基于历史轨迹模式的模型、马尔科夫模型、贝叶斯推断模型、集成模型等。由于公交刷卡数据通常没有下车站点真实数据，上车站点的估计也较模糊，真实出行链路构建困难，大规模实证实验代价较高。总体来讲，学术界对于基于公交IC卡刷卡记录数据对乘客出行站点的预测研究得还处于探索阶段，相关的研究还不够深入。

因此，现有技术还有待于改进和发展。

发明内容

鉴于上述现有技术的不足，本发明的目的在于提供一种公交乘客出行站点预测方法、存储介质及服务器，旨在解决现有技术无法基于公交IC卡刷卡记录数据对乘客出行站点进行准确预测的问题。

本发明的技术方案如下：

一种公交乘客出行站点预测方法，包括步骤：

获取某市区的公交车GPS轨迹数据、乘客公交IC卡刷卡记录数据以及公交站点及线路矢量数据；

根据所述公交车GPS轨迹数据、乘客公交IC卡刷卡记录数据以及公交站点及线路矢量数据，将乘客使用IC卡刷卡的位置匹配到公交线路最邻近的公交站点，获取乘客的刷卡上车站点，构建乘客历史上车站点出行链路；

对公交站点进行空间聚类，将乘客历史上车站点出行链路转化为乘客历史上车聚类出行链路；

基于一种部分匹配预测的变阶马尔科夫模型，对乘客的上车聚类进行预测，基于概率模型通过预测的上车聚类推断出具体上车站点。

基于公交地铁混合出行链的分析结果，对公交乘客的下车聚类和下车站点进行预测。