沈向前，余洋，吳偉

(1.中國(guó)有色金屬長(zhǎng)沙勘察設(shè)計(jì)研究院有限公司，湖南 長(zhǎng)沙 410117； 2.武漢大學(xué)遙感信息工程學(xué)院，湖北 武漢 430072；3.湖南省礦山安全智能化監(jiān)控技術(shù)與裝備工程技術(shù)研究中心，湖南 長(zhǎng)沙 410117)

1 引 言

公交汽車是市民日常外出最常乘坐的交通工具之一，公共交通的快速發(fā)展有效緩解了道路擁堵的城市病，在方便市民出行的同時(shí)，也有助于減少碳排放[1]。但是在實(shí)際運(yùn)營(yíng)中，公交汽車行駛超速、不按線路行駛、進(jìn)站不減速、不靠邊、停靠位置不準(zhǔn)確等現(xiàn)象時(shí)有發(fā)生，甚至有到站不停、有客不載等行為。研究分析公交車到站?？课恢玫木扔兄诎l(fā)現(xiàn)公交車?？坎粶?zhǔn)確發(fā)生概率高的站點(diǎn)和車輛，針對(duì)性的進(jìn)行監(jiān)督和整改，以提高公交車服務(wù)的質(zhì)量，減少公交車事故的發(fā)生。

目前，大多數(shù)城市的公交車輛都配備有車載GPS和AFC數(shù)據(jù)，積累了海量的公交軌跡數(shù)據(jù)和刷卡數(shù)據(jù)[2，3]。Qin LJ[4]等人基于GPS數(shù)據(jù)和刷卡數(shù)據(jù)對(duì)公交車服務(wù)的可靠性進(jìn)行了研究，Cortés[5]等人研究了基于GPS數(shù)據(jù)對(duì)商用公交汽車的速度分析，實(shí)現(xiàn)了對(duì)商業(yè)公交汽車速度的監(jiān)控。Nguyen K等人[6]采用行程時(shí)間可靠性、準(zhǔn)點(diǎn)性能和旅行時(shí)間等多項(xiàng)指標(biāo)對(duì)洛杉磯地鐵GPS數(shù)據(jù)進(jìn)行處理分析以及Web可視化。任慧君[7]等利用車載GPS軌跡數(shù)據(jù)，提取駕駛過程中超速、急加速、急減速、急轉(zhuǎn)彎等潛在的不安全駕駛行為，對(duì)公交車駕駛安全性分析?；艉繹8]等人根據(jù)公交運(yùn)行數(shù)據(jù)和天氣數(shù)據(jù)建立了一種公交車站點(diǎn)?？繒r(shí)間預(yù)測(cè)模型，提高公交行程時(shí)間預(yù)測(cè)的準(zhǔn)確性。劉曉[9]等人采用出行時(shí)間鏈識(shí)別公交乘客的上、下車站點(diǎn)，通過公交大數(shù)據(jù)進(jìn)行了通勤時(shí)空分析。楊世軍[10]等人根據(jù)人工調(diào)查數(shù)據(jù)，對(duì)城市公交車輛駐站時(shí)間進(jìn)行了特征分析和預(yù)測(cè)。上述研究主要分為兩類：一是利用公交軌跡數(shù)據(jù)識(shí)別公交車的駕駛行為對(duì)公交車的運(yùn)行狀態(tài)、行程時(shí)間等進(jìn)行分析和預(yù)測(cè)，以提高公交車的服務(wù)質(zhì)量；二是利用公交軌跡和刷卡數(shù)據(jù)預(yù)測(cè)乘客通勤時(shí)間、出行OD(origin destination，OD)，對(duì)乘客的出行行為進(jìn)行分析，通過大數(shù)據(jù)分析來合理調(diào)度公交車的運(yùn)營(yíng)時(shí)間與車次。

公交?？空军c(diǎn)的準(zhǔn)確與否也是影響公交服務(wù)質(zhì)量的因素，本文在前人對(duì)公交車大數(shù)據(jù)研究的基礎(chǔ)上，展開對(duì)公交車到站?？课恢玫姆治觥Ｔ砩瞎卉嚨秸就？课恢每梢酝ㄟ^刷卡數(shù)據(jù)與GPS軌跡進(jìn)行時(shí)間匹配來推算，但在公交實(shí)際運(yùn)營(yíng)中，時(shí)常會(huì)出現(xiàn)行駛期間刷卡，尤其在早晚高峰時(shí)間段出現(xiàn)的頻率最高，會(huì)增加公交到站?？课恢玫墓烙?jì)誤差，從而影響分析結(jié)果。本文提出利用加速度和刷卡時(shí)間語(yǔ)義特征識(shí)別公交車輛的到站?？奎c(diǎn)，來減少時(shí)間匹配方法的誤差。其次使用DBSCAN聚類算法對(duì)公交線路的到站?？奎c(diǎn)進(jìn)行聚類，降低GPS定位誤差對(duì)?？奎c(diǎn)識(shí)別的影響，以獲取更加精確的公交到站?？奎c(diǎn)和停靠區(qū)域。

2 數(shù)據(jù)來源

為了分析公交車在公交站點(diǎn)?？康木珳?zhǔn)程度，首先需要根據(jù)公交車GPS和AFC刷卡數(shù)據(jù)計(jì)算公交車在各個(gè)站點(diǎn)的停車坐標(biāo)，然后將計(jì)算出來的停車坐標(biāo)與公交站點(diǎn)坐標(biāo)進(jìn)行匹配分析，以公交車在車站停車坐標(biāo)點(diǎn)的空間分布情況來評(píng)價(jià)公交車在各個(gè)站點(diǎn)的停靠精度。

本研究使用的數(shù)據(jù)來自深圳大學(xué)空間信息智能感知與服務(wù)深圳市重點(diǎn)實(shí)驗(yàn)室組織的“ISPRS Scientific Initiative——Open Data challenge”大賽項(xiàng)目。數(shù)據(jù)共有3個(gè)表，分別為：AFC刷卡數(shù)據(jù)、GPS軌跡數(shù)據(jù)和公交線路數(shù)據(jù)，上述數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)及關(guān)聯(lián)關(guān)系如圖1所示：

圖1 數(shù)據(jù)表結(jié)構(gòu)及關(guān)聯(lián)關(guān)系

其中AFC刷卡數(shù)據(jù)、GPS軌跡數(shù)據(jù)中的日期跨度為7天，時(shí)間精確至秒。GPS軌跡數(shù)據(jù)的坐標(biāo)為WGS84地心坐標(biāo)系下的經(jīng)緯度，精確至小數(shù)點(diǎn)后6位，運(yùn)行方向?yàn)?或1，分別代表公交車上行和下行。公交線路數(shù)據(jù)中只有線路編號(hào)和公交車編號(hào)的對(duì)應(yīng)關(guān)系，沒有公交站點(diǎn)坐標(biāo)信息，本文通過將GPS軌跡數(shù)據(jù)與百度地圖疊加顯示的方式進(jìn)行展示和相關(guān)的分析。

3 公交車?？烤确治?/h2>

3.1 到站?？奎c(diǎn)識(shí)別

AFC刷卡數(shù)據(jù)有刷卡時(shí)間和公交車編號(hào)，可以在GPS軌跡數(shù)據(jù)中查詢對(duì)應(yīng)公交車編號(hào)的定位數(shù)據(jù)，通過設(shè)定時(shí)間差半徑△T，可以計(jì)算落在刷卡時(shí)間TAFC緩沖區(qū)內(nèi)，即滿足式(1)的GPS定位點(diǎn)數(shù)據(jù)，其中時(shí)間差最小的GPS定位點(diǎn)通常認(rèn)定為公交車到站的?？奎c(diǎn)[11，12]。

TAFCm-△T≤TGPSi≤TAFCm+△T

(1)

式(1)中TAFCm表示m次刷卡數(shù)據(jù)的時(shí)刻，TGPSi表示第i個(gè)GPS點(diǎn)的定位時(shí)刻，△T為時(shí)間緩存區(qū)半徑。

但是公交車日常運(yùn)營(yíng)中，經(jīng)常會(huì)出現(xiàn)同一個(gè)公交站有多名乘客刷卡乘車的情況。此外，在早晚高峰時(shí)段公交車內(nèi)乘客擁擠，部門乘客會(huì)選擇從后門上車，在公交車離站后一段時(shí)間才進(jìn)行刷卡，因此部分刷卡數(shù)據(jù)的時(shí)間與公交到站的時(shí)間不能完全匹配。

通過觀察分析公交車進(jìn)站前后的過程，可以發(fā)現(xiàn)公交車到站前后有3個(gè)步驟：減速進(jìn)站、停靠上下客、加速出站。在此過程中，公交車輛一直保持低速行駛，且公交車輛行駛速度由大變小，又從小變大，即公交車輛行駛的加速度a由“負(fù)值”變?yōu)椤罢怠薄Ｓ捎谕还痪€路的所有公交車輛都會(huì)在相同的公交站臺(tái)停靠，因此提取滿足式(2)和式(3)的GPS軌跡點(diǎn)，也可以被識(shí)別為公交車到站的?？奎c(diǎn)。

VGPSi

(2)

aGPSi<0∧aGPSi+1>0

(3)

式(2)中VGPSi表示公交車在第i個(gè)GPS點(diǎn)位置的速度，V0表示公交車的速度閾值。式(3)中aGPSi、aGPSi+1分別表示公交車在第i個(gè)GPS點(diǎn)位置和第i+1個(gè)GPS點(diǎn)位置的加速度。

如圖2所示，AFC刷卡數(shù)據(jù)在時(shí)間上呈現(xiàn)聚集性，同一公交車站可能會(huì)有多次刷卡記錄，在道路擁堵等情況下，公交車在公交站附近可能會(huì)有多次停靠、也會(huì)出現(xiàn)在公交站外停車的情況，其行駛加速度也會(huì)表現(xiàn)由“負(fù)值”變?yōu)椤罢怠钡奶卣?。為了提高公交車到站停靠點(diǎn)識(shí)別的準(zhǔn)確率，本文同時(shí)使用公交車加速度和AFC刷卡時(shí)間兩種語(yǔ)義特征來識(shí)別公交車到站?？奎c(diǎn)，GPS軌跡點(diǎn)i同時(shí)滿足式(1)、式(2)和式(3)時(shí)，將被標(biāo)記為公交車到站的停靠點(diǎn)。

圖2 到站停靠點(diǎn)識(shí)別示例到站?？繀^(qū)域識(shí)別

公交車在城市環(huán)境中運(yùn)行時(shí)，受多路徑效應(yīng)影響，其車載GPS定位有所下降[13]，其定位精度在±15m左右，車載GPS系統(tǒng)和自動(dòng)售票刷卡系統(tǒng)記錄的時(shí)間也存在基準(zhǔn)差異，導(dǎo)致通過公交車加速度和AFC刷卡時(shí)間兩種語(yǔ)義特征識(shí)別的公交車到站?？奎c(diǎn)，仍然有一定的噪聲。因此，對(duì)單輛公交車一次的?？奎c(diǎn)進(jìn)行精度評(píng)價(jià)意義不大。為了更加精準(zhǔn)、科學(xué)的分析評(píng)價(jià)公交車到站停靠的精度，本文對(duì)公交線路多天到站停靠點(diǎn)進(jìn)行密度聚類[14]，并通過求取聚類各個(gè)簇的最小外包凸多邊形表示公交車到站?？繀^(qū)域。

DBSCAN是一種有代表性、有效的基于密度的聚類算法，與其他基于密度的聚類方法相比，DBSCAN有以下優(yōu)點(diǎn)[15]：①能夠?qū)г肼暤臄?shù)據(jù)進(jìn)行聚類分析；②不需要對(duì)數(shù)據(jù)分布做預(yù)先的假設(shè)，即不需要預(yù)先設(shè)定分類(簇)的個(gè)數(shù)；③能夠發(fā)現(xiàn)不同形狀的聚類簇，如：線狀簇、類圓形簇、凹形簇等。DBSCAN計(jì)算時(shí)需要輸入3個(gè)參數(shù)：點(diǎn)數(shù)據(jù)(PtList)、掃描半徑(eps)和最小包含點(diǎn)數(shù)(minPts)。如果一個(gè)點(diǎn)的掃描半徑內(nèi)包含(相互之間距離小于eps)點(diǎn)個(gè)數(shù)超過minPts，則此點(diǎn)為核心點(diǎn)，落在此掃描半徑的點(diǎn)為邊界點(diǎn)；任意兩個(gè)距離小于eps的核心點(diǎn)將放在同一簇中；同樣，任何與核心點(diǎn)距離小于eps的邊界點(diǎn)也要放到與核心點(diǎn)相同的簇中；如果一個(gè)點(diǎn)既不是核心點(diǎn)也不是邊界點(diǎn)，則是噪聲點(diǎn)。DBSCAN聚類的效果如圖3所示。

圖3 DBSCAN核心點(diǎn)、邊界的和噪聲點(diǎn)

在DBSCAN聚類后通過Jarvis March算法求取各個(gè)簇的最小凸包，以最小外包凸多邊形表示公交車到站停靠區(qū)域。Jarvis March算法的原理是從最左邊的點(diǎn)(X坐標(biāo)值最小的點(diǎn))開始，并沿逆時(shí)針方向不斷包裹點(diǎn)，具體算法如下：(1)初始化p為最左側(cè)的點(diǎn)。(2)循環(huán)執(zhí)行下面的操作，直到再次到達(dá)起點(diǎn)。①將當(dāng)前點(diǎn)p添加至結(jié)果中；②搜索點(diǎn)q，使得p，q對(duì)于任意點(diǎn)i的方向(p，q，i)都是逆時(shí)針方向，令p=q。Jarvis March算法的執(zhí)行過程如圖4所示。

圖4 Jarvis March算法執(zhí)行過程?？烤仍u(píng)價(jià)

本文通過DBSCAN對(duì)同一公交線路多天到站?？奎c(diǎn)進(jìn)行聚類分析，刪除噪聲點(diǎn)后，通過計(jì)算凸包的算法精確識(shí)別公交車到站?？繀^(qū)域，識(shí)別的到站?？繀^(qū)域與對(duì)應(yīng)公交站相匹配后，可以直觀的對(duì)比公交車在不同公交站到站?？康木珳?zhǔn)情況，識(shí)別效果如圖5所示。

圖5 到站停靠區(qū)域識(shí)別示意圖

為了對(duì)公交車到站?？烤冗M(jìn)行量化評(píng)價(jià)，首先將公交到站?？繀^(qū)域疊加至百度地圖，與對(duì)應(yīng)公交線路的站點(diǎn)進(jìn)行匹配，然后計(jì)算公交車站標(biāo)準(zhǔn)停車位面積與對(duì)應(yīng)的公交到站?？繀^(qū)域面積的比值，以其比值評(píng)價(jià)公交車在此站停靠的精度，計(jì)算方法見式(4)。通過現(xiàn)場(chǎng)調(diào)查，一般公交車站標(biāo)準(zhǔn)停車位長(zhǎng)約 15 m、寬約 3.5 m，同時(shí)考慮到公交車車載GPS的定位精度不高(市區(qū)定位精度在 15 m左右)，本文計(jì)算標(biāo)準(zhǔn)停車位面積時(shí)按照長(zhǎng) 45 m、寬 33.5 m計(jì)算，面積為 1 507.5 m2。

(4)

式(4)中areastation表示公交車站標(biāo)準(zhǔn)停車位面積，areastop表示公交到站?？繀^(qū)域面積，score表示公交車在此公交站點(diǎn)的停靠精度評(píng)分。

4 案例分析

以深圳市337路公交7天共92萬(wàn)條GPS數(shù)據(jù)和13萬(wàn)條AFC刷卡數(shù)據(jù)為例，根據(jù)公交車?？烤确治瞿Ｐ陀?jì)算337路公交7天上行、下行公交車到站?？奎c(diǎn)和?？繀^(qū)域。由于公交GPS軌跡數(shù)據(jù)的坐標(biāo)系和百度地圖的坐標(biāo)系不一致，首先需要將公交GPS軌跡數(shù)據(jù)從WGS84坐標(biāo)系轉(zhuǎn)換至bd09ll坐標(biāo)系。然后根據(jù)轉(zhuǎn)換后的GPS點(diǎn)和AFC刷卡數(shù)據(jù)依次求取每條公交線路的到站停靠點(diǎn)和到站?？繀^(qū)域。圖6展示了識(shí)別出來的337路公交車下行到站?？奎c(diǎn)和停靠區(qū)域。通過與百度地圖的公交線路疊加顯示，可以看到識(shí)別出來的公交?？繀^(qū)域和公交車站的位置吻合程度很高，而且不同站點(diǎn)的?？繀^(qū)域面積差異也比較大。在到站?？奎c(diǎn)、?？繀^(qū)域識(shí)別完成后，使用緩沖區(qū)分析的方法將公交車站和對(duì)應(yīng)的?？繀^(qū)域進(jìn)行匹配，如果公交車站的緩沖區(qū)內(nèi)有多個(gè)停靠區(qū)域時(shí)，保留停靠點(diǎn)個(gè)數(shù)最多的?？繀^(qū)域。最后，依次計(jì)算公交車在每個(gè)站點(diǎn)的?？课恢镁?。表1列出了337路公交車7天上行、下行的到站停靠位置精度的部分統(tǒng)計(jì)結(jié)果。

表1 337路公交車7天上行、下行的到站停靠位置精度的部分統(tǒng)計(jì)

圖6 337路公交車下行到站?？奎c(diǎn)、停靠區(qū)域識(shí)別

337路上行經(jīng)停公交站74站、下行經(jīng)停公交站79站，合計(jì)153站，識(shí)別并匹配成功的上行到站?？繀^(qū)域72個(gè)、下行到站?？繀^(qū)域62個(gè)，合計(jì)134個(gè)，識(shí)別成功率達(dá)87.58%，對(duì)337路公交車識(shí)別出來的134個(gè)到站?？繀^(qū)域進(jìn)行精度評(píng)分，?？烤鹊梅秩鐖D7所示。

圖7 337路公交車到站停靠精度得分分布圖

通過分析337路的?？烤仍u(píng)分情況，可以發(fā)現(xiàn)停靠規(guī)范(100分)的共有45站、占比33.58%，?？炕疽?guī)范(60分以上)的共有75站、占比55.97%，停靠不規(guī)范的共有59站、占比44.03%。評(píng)價(jià)數(shù)據(jù)表明公交車到站?？坎灰?guī)范的現(xiàn)象發(fā)生的頻率仍然很高，公交運(yùn)營(yíng)公司可以對(duì)?？烤仍u(píng)分靠后的公交站點(diǎn)進(jìn)行現(xiàn)場(chǎng)檢測(cè)，分析公交車?？坎粶?zhǔn)的具體原因，由于公交車司機(jī)駕駛習(xí)慣不好造成?？坎粶?zhǔn)的應(yīng)該進(jìn)行監(jiān)督和處罰，由于站點(diǎn)設(shè)置不合理造成?？坎粶?zhǔn)的應(yīng)該進(jìn)行改造，以提高公交車服務(wù)的質(zhì)量。

5 結(jié) 語(yǔ)

采用公交GPS和AFC刷卡數(shù)據(jù)能獲取公交車到站停靠的位置坐標(biāo)，為分析評(píng)價(jià)公交車到站?？课恢镁忍峁┚珳?zhǔn)數(shù)據(jù)?；诩铀俣忍卣骱Y選GPS軌跡點(diǎn)能明顯提高DBSCAN聚類的速度，同時(shí)使用加速度和刷卡時(shí)間雙重語(yǔ)義特征的公交車到站?？奎c(diǎn)提取算法精度更高，可準(zhǔn)確篩選出來公交車到站?？奎c(diǎn)，識(shí)別成功率超過85%。通過對(duì)公交車?？烤冗M(jìn)行評(píng)價(jià)能夠發(fā)生不規(guī)范停靠現(xiàn)象多發(fā)的公交站點(diǎn)，可根據(jù)評(píng)價(jià)結(jié)果對(duì)?？烤容^差的站點(diǎn)進(jìn)行針對(duì)性的現(xiàn)場(chǎng)檢測(cè)，為公交車進(jìn)站規(guī)范評(píng)價(jià)和檢查整改提供了新思路。

由于本文使用的公交GPS和AFC數(shù)據(jù)是歷史存檔數(shù)據(jù)，時(shí)效性不夠強(qiáng)，因此無法反映當(dāng)前公交車到站停靠的規(guī)范程度，有條件的可以結(jié)合當(dāng)前的數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，并可對(duì)比分析不同時(shí)段、不同地域的公交車到站?？烤惹闆r。