缺少换乘信息如图10所示。
图10 缺少换乘信息
判断换乘情况时,相比于AFC系统只有进出站信息,Wi-Fi嗅探数据最大的优越性就在于可以获取乘客中途的位置信息。利用Wi-Fi嗅探数据判断乘客走行路径的关键点在于缩短OD。主要思想是:第一步,缩短此条出行链的长度,将出行链的O与D以换乘站为中心集中。根据换乘前线路的站台信息和换乘前线路的列车信息,计算时间差,推算该时间差内列车运行到的车站当作新的O。同理,根据换乘后线路的站台信息和换乘后线路的列车信息,计算时间差,推算该时间差内列车之前运行经过的站当作新的D。第二步,利用列车在每个区段内的列车运行时分作为路径的边权,进行最优路径选择。根据第一步得到的新的OD,由于存在列车信息,该新OD间距离应该不远,计算新OD间的最短路径,即可认为是该乘客的走行路径。第三步,优化路径调整,复查所选路径。(www.daowen.com)
本文将目前得到的所有数据(以上海市某天的轨道交通数据为例,共计29 001条,包含1 366条出行链信息)带入前面的数据补全算法中,计算出了所有乘客的出行链,并剔除了一些有错误的数据。经统计,完整或不经任何补全处理就可以使用的数据仅占4%,其余数据均有不同程度的破碎。经过本文的数据补全算法,从理论上讲,数据的还原率可以达到100%。但在本例中,一千余条出行链中有12条数据处理时出现错误。经过分析是数据中乘客发生了“瞬移”,即在小于列车运行时分的时间内穿越了一段路径,这种情况不符合常理。因此,最终程序实际运行的乘客出行路径还原率达到99%以上,证明本文提出的乘客出行链模型是有效的,为客流特征分析提供了更多的有效数据。而且该模型充分考虑上海市轨道交通的运行特征,将地铁运营理论与计算机算法相结合,具有很强的应用性和普适性。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。