考虑出租车运营状态下的城市道路行程时间分布估算方法

摘要

一种考虑出租车运营状态下的城市道路行程时间分布估算方法，属于城市交通规划及管理的技术领域。根据出租车不同运营状态分别估算路径行程时间分布。在估算路径行程时间分布时，路网中相邻路段并不是独立的，本发明加入马尔科夫模型来描述各相邻路段行程时间分布之间的相关性，以提高了估算结果的科学性和准确性。本发明根据两种不同运营状态下车辆数比例大小设定权重，得到最终路径行程时间分布。出租车驾驶员在空车和载客两种运营状态下的驾驶行为会有所差异，直接使用出租车数据估算的行程时间与真实值之间必然存在差异。通过采用深圳市的数据对所提出模型进行计算，发现考虑了运营状态之后，计算得到的行程时间分布函数更加精确。

主权项

一种考虑出租车运营状态下的城市道路行程时间分布估算方法，其特征在于，步骤如下：(1)路段行程时间分布根据所要研究的路段和时段，对收集到的出租车GPS数据进行筛选、校正和匹配，得到各个路段含有车牌号、精度、纬度、速度和载客状态字段的出租车GPS数据；根据出租车GPS数据，计算同一车牌号的出租车平均速度，再根据各出租车平均速度，通过公式(1)计算同一车牌号出租车的行程时间率：i路段单位距离行程时间，称为行程时间率，单位s/m；v_i：i路段某一车辆平均速度；建立各个路段含有车牌号、精度、纬度、行程时间率和载客状态字段的出租车数据表；按照空车0和载客1对出租车数据表进行分类，得到载客状态为0的出租车数据表和载客状态为1的出租车数据表；然后用聚类算法，对载客状态为0的出租车数据表和载客状态为1的出租车数据表中的行程时间率进行聚类，得到两种运营状态下的多种行驶状态数据；最后，分别对同一行驶状态下的出租车行程时间率进行拟合，得到各运营状态下、各行驶状态下各路段行程时间率概率密度分布函数；(2)各运营状态下路径行程时间分布模型(2.1)马尔科夫链构建定义当前路段的各出租车行程时间率集中分布区间为马尔科夫链的状态，为路段link l的边界值集合，m_l为link l状态个数，为路段link l+1的边界值集合，n_l为link l+1状态个数；因此，link l的第一个状态表示为最后一个状态表示为其中，τ_l表示link l上各出租车行程时间率；定义路段link 1的各行驶状态概率分布为马尔科夫链的初始状态概率分布：$\pi =\left[\begin{array}{c}{\pi }_1\\ {\pi }_2\\ \begin{array}{c}.\\ .\\ .\end{array}\\ {\pi }_{m_1}\end{array}\right]=\left[\begin{array}{c}\frac{N\left(1\right)}{{\Sigma }_{i=1}^{m_1}N\left(i\right)}\\ \begin{array}{c}.\\ .\\ .\end{array}\\ \frac{N\left(m_1\right)}{{\Sigma }_{i=1}^{m_1}N\left(i\right)}\end{array}\right]---\left(2\right)$其中，N(i)代表路段link1的状态i下，link 1的行程时间率处于内的数据点的数量；定义两个连续路段的行程时间率分布为马尔科夫链的状态转移概率，则一般状态概率转移矩阵P表示为：p_i,j＝Pr(S_l+1＝j|S_l＝i)   (4)其中，S_l表示路段link l的状态；N(i,j)表示在路段link l上处于i状态且在路段link l+1上处于j状态的数据点的数量；中间路段link l与其下游路段link l‑1之间所能匹配上的车辆和中间路段linkl与其下游路段link l+1之间所能匹配上的车辆可能不同，对于中间路段，当其作为上游路段或下游路段时，分类情况会存在差异；根据差异分为两种情形：(2.2)情形1任意中间路段link l，在其作为上游路段或下游路段时，行驶状态分类完全一致；车辆通过路径时处于l＝1，2，…，k种不同状态之中的任意一种状态，每一种状态都称为马尔科夫路径；对于给定的马尔科夫路径，所有路段各状态之间的转移概率之积为马尔科夫路径的发生概率：$\mathrm{Pr}\{S_1=i_1,S_2=i_2,...,S_k=i_k\}={\pi }_{i_1}{p}_{i_1,i_2}^{S_1,S_2}{p}_{i_2,i_3}^{S_2,S_3}...p_{i_{k-1},i_k}^{S_{k-1},S_k}---\left(5\right)$假设同一路段上各状态之间的行程时间率分布是条件独立的，某一马尔科夫路径的路径行程时间率分布直接用卷积运算得到：$TTRD\{S_1=i_1,S_2=i_2,...,S_k=i_k\}=TTD\left(i_1^{S_1}\right)*TTD\left(i_2^{S_2}\right)*...*TTD\left(i_k^{S_k}\right)---\left(6\right)$式中，运算符(*)表示卷积运算，具体的运算规则表示为：(2.3)情形2任意中间路段link l，在其作为上游路段和作为下游路段时，各状态分类不一致的情况；对马尔科夫链状态进行修订，引入过渡路段link’l和link”l，l＝2，3，…，k‑1；其中，link’l的所有状态均与路段link l‑1和路段link l中作为下游路段的link l相等，link”l的所有状态均与路段link l和路段link l+1中作为上游路段的link l相等；车辆在路径上的运行过程的新路段序列表示为link 1、…、linkl‑1、link’l、link”l、link l+1、…、link k；令为过渡路段link’l的边界值集合，m_l为link’l状态个数；为过渡路段link”l的边界值集合，n_l为link”l状态个数；τ_l表示link l上出租车行程时间率；那么，过渡路段link’l与过渡路段link”l之间的状态转移概率矩阵为新构建的马尔科夫链形成条马尔科夫路径；对于给定的新马尔科夫路径，包含过渡路段link’l和link”l的所有路段各状态之间的转移概率之积为马尔科夫路径的发生概率：同理，引入过路路段link’l和link”l，利用卷积运算得到某一新马尔科夫路径的路径行程时间率分布：(2.4)路径行程时间分布叠加将各马尔科夫路径行程时间率分布以及其发生概率根据马尔科夫链进行叠加，得到通过某一路径行程时间率分 布：${\mathrm{TTRD}}_{route}=\underset{q=1}{\overset{Q}{\Sigma }}\mathrm{Pr}\left(Markov{\mathrm{path}}_q\right)·TTRD\left(Markov{\mathrm{path}}_q\right)---\left(12\right)$(3)总路径行程时间估算模型用步骤(2)中方法分别计算两种运营状态下路径行程时间率分布，然后根据两种运营状态下的数据量对各自分布函数设定权重，总路径行程时间率分布计算公式如下：TTRD(x)＝α₀·ttrd₀(x)+α₁·ttrd₁(x)   (13)其中，ttrd₀(x)和ttrd₁(x)分别表示在空车状态下和在载客状态下总路径行程时间率的概率密度函数；α₀、α₁为比例参数，表示各运营状态的车辆占出租车总量的比例即空车比和载客比。