一种基于公交相关特征来构建的公交客流系数算法
技术领域
本发明涉及公交线路领域，具体是一种基于公交相关特征来构建的公交客流系数算法。
背景技术
公交客流系数：即公众享受公交服务的实际值。涵盖从客运量、营收比、满载率、发车间隔、平均运行速度、非直线系数等多个维度构建形成的系数，准确描述公交线路的客流情况。目前市面上构建公交客流特征的技术并不多，我们通过大数据技术，通过真实的公交相关数据，获得比较准确的公交客流特征，从而构建公交客流系数，从而准确描述公交线路的客流情况。
发明内容
本发明的目的在于提供一种基于公交相关特征来构建的公交客流系数算法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种基于公交相关特征来构建的公交客流系数算法，其特征在于，步骤如下：
步骤一，统计公交客流特征：公交客流特征分为6个维度，分别为客运量、营收比、满载率、发车间隔、平均运行速度和非直线系数；
步骤二，计算线路客流系数，获得这6个维度数据后，首先，进行数据的标准化，然后，根据每个维度相对应的权重，加权求和得到线路的客流系数。
作为本发明再进一步的方案：所述客运量为30天内乘坐同类线路的旅客数量的平均值。
作为本发明再进一步的方案：所述营收比为30天内同类线路的“盈利/成本”的平均值。
作为本发明再进一步的方案：所述满载率为30天内同类线路上“实际载客量/荷载人数”的平均值。
作为本发明再进一步的方案：所述发个间隔为30天内同类线路的发车间隔时间的平均值。
作为本发明再进一步的方案：所述平均运行速度为30天内同类线路上“公里数/运行时间”的平均值。
作为本发明再进一步的方案：所述非直线系数是指行车路线起讫点间的实际里程与两点间的空间距离之比，非直线系数计算流程如下所示：
(1)计算环线
线路的首末站站点之间距离小于1000米，可近视认为该条线是环线，非直线系数设置为1；
(2)计算非环线
线路的首末站站点之间距离大于等于1000米，计算规则如下：
假设某条公交线路在上行和下行方向上的长度分别为lu和ld，首末站之间的空间直线距离为d，则该线路的非直线系数r为：
(3)计算完(1)和(2)之后，如果非直线系数大于10，使用除该线路外的所有线路的非直线系数的平均值作为该线路的非直线系数。
作为本发明再进一步的方案：计算线路客流系数：
(1)分别对同类线路每个维度进行(0,1)归一化，具体计算方式如下：
(2)然后计算线路的公交客流系数得分：
公交客流系数得分＝w1*特征1+w2*特征2+w3*特征3+w4*特征4+w5*特征5+w6*特征6，
其中，w1、w2、w3、w4、w5、w6分别为客运量、营收比、满载率、发车间隔、平均运行速度和非直线系数所占权重；特征1、特征2、特征3、特征4、特征5、特征6分别为客运量、营收比、满载率、发车间隔、平均运行速度和非直线系数归一化后的数值；
(3)对线路的公交客流系数得分进行标准化，具体计算方式如下：
与现有技术相比，本发明的有益效果是：通过本发明的系数构建，可以得到在一段时间内，每条线路的出行客流系数，从而分析出每天线路的客流分布情况，方便公交相关部门优化公交线路，优化公交调度等等。
附图说明
图1为一种基于公交相关特征来构建的公交客流系数算法的整体流程图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。当然，它们仅仅为示例，并且目的不在于限制本发明。此外，本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施例和/或设置之间的关系。
请参阅图1，本发明实施例中，一种基于公交相关特征来构建的公交客流系数算法，其特征在于，步骤如下：
步骤一，统计公交客流特征：公交客流特征分为6个维度，分别为客运量、营收比、满载率、发车间隔、平均运行速度和非直线系数；
步骤二，计算线路客流系数，获得这6个维度数据后，首先，进行数据的标准化，然后，根据每个维度相对应的权重，加权求和得到线路的客流系数。
所述客运量为30天内乘坐同类线路的旅客数量的平均值。
所述营收比为30天内同类线路的“盈利/成本”的平均值。
所述满载率为30天内同类线路上“实际载客量/荷载人数”的平均值。
所述发个间隔为30天内同类线路的发车间隔时间的平均值。
所述平均运行速度为30天内同类线路上“公里数/运行时间”的平均值。
所述非直线系数是指行车路线起讫点间的实际里程与两点间的空间距离之比，这里需要特别注意的是，在实际计算“非直线系数”时，会出现一些线路的非直线系数特别大的情况，通过结合地图查看线路的实际走势，可以查看出出现这些异常值的原因，
非直线系数计算流程如下所示：
(1)计算环线
线路的首末站站点之间距离小于1000米，可近视认为该条线是环线，非直线系数设置为1；
(2)计算非环线
线路的首末站站点之间距离大于等于1000米，计算规则如下：
假设某条公交线路在上行和下行方向上的长度分别为lu和ld，首末站之间的空间直线距离为d，则该线路的非直线系数r为：
特例:环线的非直线系数按主要集散点之间的实地距离与空间距离之比(使用(1)的处理方式)。
改进:使用首末站之间最短道路距离dm，dm代替两者之间的空间直线距离，即：
采用改进后公式计算的非直线系数反映了公交线路偏离路网最短路径的程度，比改进前的更加合理。
(3)计算完(1)和(2)之后，如果非直线系数大于10，使用除该线路外的所有线路的非直线系数的平均值作为该线路的非直线系数。
计算线路客流系数：
(1)分别对同类线路每个维度进行(0,1)归一化，具体计算方式如下：
(2)然后计算线路的公交客流系数得分：
公交客流系数得分＝w1*特征1+w2*特征2+w3*特征3+w4*特征4+w5*特征5+w6*特征6，
其中，w1、w2、w3、w4、w5、w6分别为客运量、营收比、满载率、发车间隔、平均运行速度和非直线系数所占权重；特征1、特征2、特征3、特征4、特征5、特征6分别为客运量、营收比、满载率、发车间隔、平均运行速度和非直线系数归一化后的数值；
(3)对线路的公交客流系数得分进行标准化，具体计算方式如下：
这里所涉及的权重w1、w2、w3、w4、w5、w6具体是多少，可以根据上述6个特征表征客流的强度，使用主观结合客观的权重设置方法设置权重。具体做法如下：
令w1+w2+w3+w4+w5+w6＝100
主观：行业专家给出权重的经验值，E1、E2、E3、E4、E5、E6；
客观：使用熵值法等一系列方法来分析特征的分布，从而获取特征对应的权重P1、P2、P3、P4、P5、P6；
结合主观权重和客观权重，通过融合运算，获得最终权重，我们这里获得的最终权重为w1＝35、w2＝30、w3＝15、w4＝10、w5＝5、w6＝5。
下一步，对线路的公交客流系数得分进行标准化，标准化后的值范围5～99。假设通过计算，线网总共有5条线路，如下表所示：
线网中所有线路的公交客流系数表
经过标准化得到下表中的值：
标准化后的所有线路的公交客流系数表
通过本发明的系数构建，可以得到在一段时间内，每条线路的出行客流系数，从而分析出每天线路的客流分布情况，方便公交相关部门优化公交线路，优化公交调度等等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。
