技术领域
[0001] 本
发明涉及居民出行调查和
数据处理分析领域，涉及一种基于GPS(全球卫星
定位)技术的调查数据划分公交车和小汽车出行方式的方法。
背景技术
[0002] 居民出行调查是
交通规划与管理的重要
基础，传统的居民调查主要是问卷调查方式，这种调查方式主要依赖于被调查者的主观认知，提供的信息存在很多偏差和错误，如时间和
位置信息不准确，出行路径信息缺失，同时存在漏报、错报等问题，而且花费大量的人
力物力财力，受访者负担重、拒访高，调查成功率低。而且一般大规模的出行调查通常调查间隔较长，因此数据更新较慢，难以满足交通规划与管理工作的需求。随着技术的发展，全球定位系统(GPS)技术越来越多地应用于居民出行研究中，GPS设备记录的轨迹可以精确地提取出行位置、时间、速度等，但GPS数据记录的是一个个轨迹点的数据，无法直接获取出行方式、出行时长及出行目的等信息。依据GPS数据识别出行方式是将GPS数据应用到交通规划及管理工作的重要环节之一。
[0003] 以往研究中，一些研究应用机器
算法识别公交车和小汽车方式，但是过程较为复杂，运算量大，难以大规模进行，例如发明
专利201510109872.6、2012102239139.5和201510549482.0、论文(1)基于手机网络定位的OD调查的出行方式划分研究.北京交通大学硕士论文(2010)、论文(2)Transportation mode recognition using GPS and accelerometer data.Transportation Research Part C,2013,37:118-130等。另外一些出行方式识别研究没有区分公交车和小汽车，或者对公交车和小汽车的识别
精度较低，例如发明专利201210185649.6、201210185649.6和201510109872.6、论文(3)基于GPS技术的出行OD调查研究.北京交通大学硕士论文(2011)等。一些学者提出了利用GPS数据识别出行和活动的方法，例如发明专利201410736368.4、论文(4)基于GPS调查数据的出行-活动-中途驻停识别.吉林大学硕士论文(2015)等，但是这些只识别了出行和活动，没有进行出行方式的识别。
[0004] 基于上述研究背景，本发明提出一种识别过程简单、识别精度高的公交车和小汽车识别方法。
发明内容
[0005] 为了克服以上缺点，本发明提出一种利用GPS数据，并结合公交线网GIS信息，识别公交车和小汽车这两种出行方式的方法。由于车辆在拥堵和非拥堵这两种状态下的运行特性有差异，因此本发明针对拥堵和非拥堵状态，分别提出了公交车和小汽车的识别方法，并对识别结果进行了精度检验。
[0006] 本发明是采用如下技术方案实现的，结合
附图说明如下：
[0007] 步骤1、识别车辆停止段
[0008] 将一次出行记录的所有GPS数据点按记录时间先后标号为1，2，3…，将此标号称为GPS数据点序号；将任意两个相邻的GPS数据点连接组成一个数据段；将平均速度小于或等于5km/h且长度小于或等于1m的数据段定义为停止段、其状态定义为停止，否则定义为运行段、其状态定义为运行，其中，长度定义为数据段首末数据点间的距离、平均速度定义为长度与数据段首末数据点记录时间差之比；将相邻的停止段与停止段或运行段与运行段合并；将持续时长小于2s的停止段转化为运行段，将持续时长小于2s的运行段转化为停止段；继续将相邻的停止段与停止段或运行段与运行段合并，直到最后得到停止状态和运行状态交替的数据段；提取所有停止段，将总的停止段个数记为N，对任意停止段，按其起终点的GPS数据点序号做标记，记为Sm,n，其中m为起点的GPS数据点序号，n为终点的GPS数据点序号；
[0009] 步骤2、拥堵和非拥堵状态判别
[0010] 如果所有GPS数据点所在路段的平均路段
饱和度，即交通流量与通行能力之比，小于或等于0.9，则认为该次出行处于非拥堵状态，执行步骤3；如果所有GPS数据点所在路段的平均路段饱和度大于0.9，则认为该次出行处于拥堵状态，执行步骤4；
[0011] 步骤3、非拥堵状态下公交车和小汽车方式识别
[0012] 步骤3.1、识别公交站附近的停止段
[0013] 若停止段Sm,n的起终点到最近公交站的距离dm和dn都小于或等于60m，且停止段Sm,n的持续时长tm,n大于2s，则该停止段Sm,n为公交站附近的停止段，并记录一次出行中公交站附近的停止段总数为ns；
[0014] 步骤3.2、识别公交车和小汽车方式
[0015] 步骤3.2.1、提取识别参数
[0016] 识别参数包括所有GPS数据点瞬时速度的95分位数v95％、所有GPS数据点到最近公交站的距离的平均值 所有GPS数据点到最近公交站距离的45分位数d45％、公交站附近停止
频率f非s、公交站附近的停止段总数ns占总的停止段个数N的百分比p非s，其中 f非s和p非s分别根据公式1、公式2和公式3求得：
[0017]
[0018] 其中，di为一次出行中任一GPS数据点到最近公交站的距离，i为GPS数据点序号，i＝1,2,3…n；
[0019]
[0020]
[0021] 步骤3.2.2、识别公交车和小汽车
[0022] 若参数v95％、 d45％、f非s和p非s同时满足以下条件：
[0023] ①v95％小于或等于40km/h；
[0024] ② 小于或等于120m；
[0025] ③d45％小于或等于100m；
[0026] ④f非s大于或等于0.6；
[0027] ⑤p非s大于或等于0.3；
[0028] 则该次出行的出行方式为公交车，否则为小汽车；
[0029] 步骤4、拥堵状态下公交车和小汽车方式识别
[0030] 步骤4.1、识别公交站附近的停止段
[0031] 若停止段Sm,n的起终点到最近公交站的距离dm和dn都小于或等于60m，且停止段Sm,n的持续时长tm,n大于2s，则该停止段Sm,n为公交站附近的停止段，并记录一次出行中公交站附近的停止段总数为ns；
[0032] 步骤4.2、识别路段上的停止段
[0033] 步骤4.2.1、从步骤1识别出的所有停止段中剔除步骤4.1识别出的公交站附近的停止段，得到新的停止段集合，对其中的任一停止段，按其起终点的GPS数据点序号做标记，记为Ks,e，其中s为起点的GPS数据点序号，e为终点的GPS数据点序号；
[0034] 步骤4.2.2、若停止段Ks,e的起终点到最近交叉口的距离dis和die都大于150m，且停止段Ks,e的持续时长ts,e大于2s，则该停止段Ks,e为路段上的停止段，并记录路段上的停止段总数为nr；
[0035] 步骤4.3、识别公交车和小汽车方式
[0036] 步骤4.3.1、提取识别参数
[0037] 识别参数包括所有GPS数据点到最近公交站的距离的平均值d、所有GPS数据点到最近公交站距离的45分位数d45％、公交站附近
停止频率f拥s、公交站附近的停止段总数ns和路段上的停止段总数nr之和占总的停止段个数N的百分比p拥s，其中d采用公式1计算，f拥s和p拥s分别根据公式4和公式5得到：
[0038]
[0039]
[0040] 步骤4.3.2、识别公交车和小汽车
[0041] 若参数 d45％、f拥s和p拥s同时满足以下条件：
[0042] ① 小于或等于100m；
[0043] ②d45％小于或等于120m；
[0044] ③f拥s大于或等于0.8；
[0045] ④p拥s大于或等于0.5；
[0046] 则该次出行的出行方式为公交车，否则为小汽车。
[0047] 与
现有技术相比，本发明的有益效果是：
[0048] 1、本发明所述的一种应用GPS数据识别公交车和小汽车的方法，可以将运行特性相似的公交车和小汽车识别出来，且识别精度较高，可以为交通规划及管理决策提供有效的数据支持；
[0049] 2、本发明所述的一种应用GPS数据识别公交车和小汽车的方法，采取基于规则的识别方法，识别过程较为简单，大大减少了方式识别的运算量，提高效率。
附图说明
[0050] 图1是本发明的应用GPS数据识别公交车和小汽车的总体
流程图；
[0051] 图2是本发明的GPS数据点到最近公交站距离的示意图；
[0052] 图3是本发明的GPS数据点到最近交叉口距离的示意图；
[0053] 图4是本发明的一次出行中GPS数据点的瞬时速度累积频率曲线图；
[0054] 图5是本发明的一次出行中GPS数据点到最近公交站距离的累计频率曲线图。
具体实施方式
[0055] 下面结合附图进一步说明本发明的详细内容及其具体实施方式：
[0056] 一、专业名词解释
[0057] (1)出行：个人为了某一目的从一个地点到另一地点的移动过程。
[0058] (2)出行方式：简称方式，指一次出行所采取的交通工具。
[0059] (3)数据点：由GPS设备采集到并记录的每一个出行位置点。
[0060] (4)拥堵状态和非拥堵状态：拥堵指一种车多拥挤且车速缓慢的现象，拥堵状态下车流对干扰非常敏感，显示出较大的
波动性，速度受前车制约性强，变化很大，
稳定性较差。非拥堵状态即为与以上描述相反的状态。
[0061] (5)累计频率曲线：指用曲线图形的方式表示出向上或向下的累积频率的曲线图形。
[0062] (6)GPS数据点瞬时速度的95分位数：对所有GPS数据点的速度值进行累计频率曲线统计，有95％的距离值在这个速度值以下，有5％的距离值在这个速度值以上。
[0063] (7)所有GPS数据点到最近公交站距离的45分位数：对所有GPS数据点到最近公交站的距离进行累计频率曲线统计，有45％的距离值在这个距离值以下，有55％的距离值在这个距离值以上。
[0064] 二、数据格式
[0065] 本发明专利采用的GPS数据主要包括12个记录字段，各字段名称及具体意义参见表1。本发明专利主要用到以下记录字段：Header、Longitude、Latitude、Time、Altitude、Leg Length、Leg Time和Leg Speed。
[0066] 表1GPS数据记录的各字段名称及具体意义
[0067]
[0068]
[0069] 三、识别方法和步骤
[0070] 参阅图1，本发明专利所述的一种应用GPS数据识别公交和小汽车的方法由四个步骤组成，下面对具体识别步骤做详细论述：
[0071] 步骤1、识别车辆停止段
[0072] (1)将一次出行记录的所有GPS数据点按记录时间先后标号为1，2，3…，将此标号称为GPS数据点序号。
[0073] (2)将任意两个GPS数据点连接组成一个数据段。将平均速度小于或等于5km/h且长度小于或等于1m的数据段定义为停止段、其状态定义为停止，否则定义为运行段、其状态定义为运行。其中，长度为数据段首末数据点间的距离，即首末数据点间各数据点记录的航段长度之和；平均速度为长度除以首末数据点的航段时间之差。
[0074] (3)将相邻的停止段与停止段合并，即将两个或多个相邻的停止段首尾相连，合为一个长的停止段。类似的，将相邻的运行段与运行段合并，即将两个或多个相邻的运行段首尾相连，合为一个长的运行段。
[0075] (4)将持续时长小于2s的停止段转化为运行段，类似的，将持续时长小于2s的运行段转化为停止段。
[0076] (5)继续将相邻的停止段与停止段或运行段与运行段合并，即采取上述方法，将两个或多个相邻的停止段或运行段首尾相连，合为一个长的停止段或运行段，直到得到停止状态和运行状态交替的数据段。
[0077] (6)提取所有停止段，将总的停止段个数记为N，对任意停止段，按其起终点的GPS数据点序号做标记，记为Sm,n，其中m为起点的GPS数据点序号，n为终点的GPS数据点序号。
[0078] 步骤2、拥堵和非拥堵状态判别
[0079] 如果所有GPS数据点所在路段的平均路段饱和度，即交通流量与通行能力之比，小于或等于0.9，则认为该次出行处于非拥堵状态，执行步骤3。如果所有GPS数据点所在路段的平均路段饱和度大于0.9，则认为该次出行处于拥堵状态，执行步骤4。
[0080] 步骤3、非拥堵状态下公交车和小汽车方式识别
[0081] 步骤3.1、识别公交站附近的停止段
[0082] 参阅图2，计算停止段Sm,n的起终点到最近公交站的距离dm和dn，若停止段Sm,n的起终点到最近公交站的距离dm和dn都小于或等于60m，且停止段Sm,n的持续时长tm,n大于2s，则该停止段Sm,n为公交站附近的停止段，并记录一次出行中公交站附近的停止段总数为ns。
[0083] 步骤3.2、识别公交车和小汽车方式
[0084] 步骤3.2.1、提取识别参数
[0085] 识别参数包括所有GPS数据点瞬时速度的95分位数v95％、所有GPS数据点到最近公交站的距离的平均值 所有GPS数据点到最近公交站距离的45分位数d45％、公交站附近停止频率f非s、公交站附近的停止段总数ns占总的停止段个数N的百分比p非s，其中v95％和d45％分别参阅图3、图4得到， f非s和p非s分别根据公式1、公式2和公式3得到。
[0086] 步骤3.2.2、识别公交车和小汽车
[0087] 若参数v95％、 d45％、f非s和p非s同时满足条件：①v95％小于或等于40km/h；② 小于或等于120m；③d45％小于或等于100m；④f非s大于或等于0.6；⑤p非s大于或等于0.3，则该次出行的出行方式为公交车，否则为小汽车。
[0088] 步骤4、拥堵状态下公交车和小汽车方式识别
[0089] 步骤4.1、识别公交站附近的停止段
[0090] 参阅图2，计算停止段Sm,n的起终点到最近公交站的距离dm和dn，若停止段Sm,n的起终点到最近公交站的距离dm和dn都小于或等于60m，且停止段Sm,n的持续时长tm,n大于2s，则该停止段Sm,n为公交站附近的停止段，并记录一次出行中公交站附近的停止段总数为ns。
[0091] 步骤4.2、识别路段上的停止段
[0092] 步骤4.2.1、从步骤1识别出的所有停止段中剔除步骤4.1识别出的公交站附近的停止段，得到新的停止段集合，对其中的任一停止段，按其起终点的GPS数据点序号做标记，记为Ks,e，其中s为起点的GPS数据点序号，e为终点的GPS数据点序号。
[0093] 步骤4.2.2、参阅图3，计算停止段Ks,e的起终点到最近交叉口的距离dis和die，若停止段Ks,e的起终点到最近交叉口的距离dis和die都大于150m，且停止段Ks,e的持续时长ts,e大于2s，则该停止段Ks,e为路段上的停止段，并记录路段上的停止段总数为nr。
[0094] 步骤4.3、识别公交车和小汽车方式
[0095] 步骤4.3.1、提取识别参数
[0096] 识别参数包括所有GPS数据点到最近公交站的距离的平均值 所有GPS数据点到最近公交站距离的45分位数d45％、公交站附近停止频率f拥s、公交站附近的停止段总数和路段上的停止段总数之和占总停止段个数的百分比p拥s，其中v95％和d45％分别参阅图4、图5得到，采用公式1计算，f拥s和p拥s分别根据公式4和公式5得到。
[0097] 步骤4.3.2、识别公交车和小汽车
[0098] 若参数 d45％、f拥s和p拥s同时满足条件：① 小于或等于100m；②d45％小于或等于120m；③f拥s大于或等于0.8；④p拥s大于或等于0.5，则该次出行的出行方式为公交车，否则为小汽车。
[0100] 本发明所述的一种应用GPS数据识别公交车和小汽车的方法的实施例，给出实施过程和检验结果，但本发明的保护范围不限于下述的实施例。
[0101] 本发明专利应用长春市GPS调查数据进实例分析，此次调查共采集了10名被调查者的GPS出行数据，一共560次出行数据。其中，非拥堵状态下的出行260次，这些出行中采取公交车方式的有150次，采取小汽车方式的有110次。另外拥堵状态下的出行300次，这些出行中采取公交车方式的有160次，采取小汽车方式的有140次。应用本发明专利所述的一种应用GPS数据识别公交车和小汽车的方法，对以上560次出行进行公交车和小汽车方式的识别。
[0102] 经计算，公交车和小汽车的识别精度如下：
[0103] (1)公交车的识别精度，非拥堵状态下为91.3％，拥堵状态下为87.5％。
[0104] (2)小汽车的识别精度，非拥堵状态下为86.4％，拥堵状态下为83.6％。
[0105] 从识别精度来看，本发明的识别效果比较好，且方法相对简单，具备良好的推广应用价值。
