本發(fā)明涉及一種公交網(wǎng)絡關鍵路段識別方法、電子設備及存儲介質，屬于道路車輛的交通控制系統(tǒng)。

背景技術：

1、公交網(wǎng)絡中部分路段的公交線路密集程度較高，一旦發(fā)生突發(fā)狀況（自然災害或擁堵等）將對整個公交系統(tǒng)的正常運作產(chǎn)生較大影響；部分路段周邊的人口密度較大，這些路段的公交線路運行狀況對居民的日常出行具有重要影響；此外，部分路段的車道數(shù)量有限，由于公交線路的固定性，當該路段的道路需要維修或實施交通管制時，極易導致公交網(wǎng)絡的癱瘓。這些關鍵路段突發(fā)事件對公交運行的影響，會使得乘客的出行時效性難以得到保障，促使更多市民選擇私家車作為出行工具，進一步加劇城市道路的擁堵狀況。

2、當前，關于公交網(wǎng)絡關鍵路段識別的研究主要集中在站點層面，而對路網(wǎng)層面的研究相對較少。僅少數(shù)研究將路段的公交車輛運行速度作為該路段是否為公交網(wǎng)絡關鍵路段的辨識依據(jù)，這導致了公交網(wǎng)絡規(guī)劃的不合理。

3、因此，如何識別公交網(wǎng)絡中的關鍵路段對于公交線網(wǎng)規(guī)劃具有至關重要的意義。

技術實現(xiàn)思路

1、目的：為了克服現(xiàn)有技術中存在的不足，本發(fā)明提供一種公交網(wǎng)絡關鍵路段識別方法、電子設備及存儲介質，考慮了公交網(wǎng)絡和城市道路網(wǎng)絡的時空融合，從道路網(wǎng)絡層面精準地識別公交網(wǎng)絡中的關鍵路段，為公交的線網(wǎng)規(guī)劃、站點布局、運力配置提供決策支持。

2、技術方案：為解決上述技術問題，本發(fā)明采用的技術方案為：

3、第一方面，一種公交網(wǎng)絡關鍵路段識別方法，具體包括：

4、步驟1：獲取研究范圍內(nèi)公交車輛的地理信息，基于公交線路的首末站位置數(shù)據(jù)，提取各公交線路的上、下行運行軌跡。

5、步驟2：獲取研究范圍內(nèi)的城市道路網(wǎng)絡數(shù)據(jù)，建立城市道路網(wǎng)絡。

6、步驟3：基于隱馬爾可夫模型構建地圖匹配算法，計算各公交線路的上、下行運行軌跡的軌跡點與城市道路網(wǎng)絡中路段的匹配概率。

7、步驟4：考慮公交線路軌跡中相鄰軌跡點之間向量關系，計算車輛在交叉路口從一條路段行駛至另一路段的轉移概率。

8、步驟5：基于匹配概率和轉移概率，設置隱馬爾可夫模型中的參數(shù)以構建公交線路與城市道路路網(wǎng)的地圖匹配算法，獲取城市道路網(wǎng)絡中各路段途徑公交線路信息。

9、步驟6：運用空間連接方法，獲取各路段周邊人口及poi信息。

10、步驟7：根據(jù)所提取的各路段途徑公交線路信息、車道信息、周邊人口及poi信息，以及各公交線路的發(fā)車頻率，計算道路網(wǎng)絡中各路段的關鍵指數(shù)，根據(jù)各路段的關鍵指數(shù)識別公交網(wǎng)絡中的關鍵路段。

11、可選的，所述步驟1，具體包括：

12、步驟1.1：讀取某一時間段的研究范圍內(nèi)公交線路信息數(shù)據(jù)，所述公交線路信息數(shù)據(jù)包括但不限于：線路名、車輛數(shù)、行駛車次。

13、步驟1.2：讀取研究范圍內(nèi)公交軌跡信息，所述公交軌跡信息數(shù)據(jù)包括但不限于：線路名、上下行、起點站點、終點站點、軌跡坐標。

14、步驟1.3：根據(jù)公交線路信息數(shù)據(jù)，從公交軌跡信息數(shù)據(jù)中提取各條公交線路在上行和下行方向的行駛軌跡gt，并統(tǒng)計每條線路在該時間段內(nèi)的總行駛車次p，獲得研究范圍內(nèi)的公交線路地理信息，所述公交線路地理信息包括線路名稱、上下行、起點站點、終點站點、總行駛車次以及經(jīng)緯度信息。

15、可選的，所述步驟2，具體包括：

16、步驟2.1：依據(jù)公交車的行駛軌跡gt，提取經(jīng)度范圍[lonmin,?lonmax]，緯度范圍[latmin,?latmax]，將此范圍界定為研究區(qū)域，其中l(wèi)onmin,?lonmax分為所有公交軌跡點中經(jīng)度的最小值，最大值，latmin,?latmax分別為所有公交軌跡點中緯度的最小值，最大值。

17、步驟2.2：根據(jù)研究區(qū)域，進行地圖數(shù)據(jù)的下載，提取地圖邊與節(jié)點的信息。其中，節(jié)點為地圖中的兩個相鄰道路的端點，端點的信息包括節(jié)點編號和節(jié)點坐標；邊為地圖中的道路，道路的信息包括起點編號、終點編號、道路名稱、車道數(shù)和邊坐標。

18、步驟2.3：根據(jù)節(jié)點坐標集合gnodes以及邊坐標集合gedges，創(chuàng)建地圖對象go作為城市道路網(wǎng)絡，其中go={gnodes,gedges}。

19、可選的，所述步驟3，具體包括：

20、步驟3.1：對城市道路網(wǎng)絡的路網(wǎng)數(shù)據(jù)進行柵格化處理，以節(jié)點坐標集合gnodes中的節(jié)點為中心一定范圍內(nèi)的圓區(qū)域作為誤差區(qū)域，設置圓周半徑為ir米，剔除距離大于ir米的路段。

21、步驟3.2：采用投影法確定候選點，計算公交軌跡信息中的軌跡點和距離節(jié)點i米范圍內(nèi)的所有待匹配路段的實際距離d，并將計算結果進行對比，對比出與軌跡點距離最近的待匹配路段。

22、步驟3.3：設置地圖匹配算法中的定位誤差ed，定位誤差ed表達式如下：

23、，

24、其中，是公交軌跡點的標準偏差，為圓周率，為自然常數(shù)。

25、步驟3.4：根據(jù)公交車上下行信息，提取出公交車的行駛方向信息，計算方向誤差eα，方向誤差eα的表達式如下：

26、，

27、其中，α表示公交軌跡點在其軌跡中的朝向與待匹配路段方向的夾角。

28、步驟3.5：根據(jù)公交車定位誤差ed和公交車gps軌跡與待匹配路段的方向誤差，計算公交軌跡點與其待匹配路段為公交車實際行駛路段的匹配概率e，e的表達式如下：

29、。

30、可選的，所述步驟4，具體包括：

31、步驟4.1：獲取公交軌跡中相鄰的兩個軌跡點之間的歐式距離dn-1，n與兩個軌跡點所對應的候選點最短距離dn-1，n，并計算公交車軌跡與待匹配路段之間的相似程度sr，相似程度sr的表達式如下：

32、，

33、步驟4.2：計算相鄰兩個軌跡點之間的定位變化趨勢cp，定位變化趨勢cp的表達式如下：

34、，

35、其中，dn-1和dn分別為兩個相鄰公交軌跡點與其對應匹配路段之間的距離。

36、步驟4.3：根據(jù)公交車軌跡與待匹配路段之間的相似程度sr和相鄰兩個軌跡點之間的定位變化趨勢cp，計算公交車在交叉路口從一條路段行駛至另一路段的轉移概率t。轉移概率t的表達式如下：

37、，

38、其中，tr為公交車軌跡與待匹配路段之間的相似程度sr的系數(shù)、tp為相鄰兩個軌跡點之間的定位變化趨勢cp的系數(shù)。

39、可選的，所述步驟5，具體包括：

40、步驟5.1：設置參數(shù)id用于規(guī)定公交軌跡與待匹配路段的最大距離，設置參數(shù)dimax用于規(guī)定每一個軌跡點距離對應起始位置的最大距離，設置參數(shù)用于規(guī)定公交軌跡點的標準偏差值，設置參數(shù)stn用于規(guī)定是否允許公交軌跡有不直接對應路網(wǎng)的部分，設置參數(shù)pstn用于規(guī)定公交軌跡不直接對應路網(wǎng)的比例，構建基于隱馬爾可夫模型的公交線路與實際路網(wǎng)的地圖匹配算法。

41、步驟5.2：隨機選取一條公交軌跡樣本，將其分為多個小段，將取出的公交軌跡坐標與城市道路網(wǎng)絡go投影到同一個坐標系中，使用公交線路與實際路網(wǎng)的地圖匹配算法將軌跡與城市道路網(wǎng)絡go中的實際路徑進行匹配，提取出路徑匹配的結果，完成一條公交軌跡的路徑匹配。

42、步驟5.3：重復步驟5.2，將研究范圍內(nèi)所有公交軌跡與實際路網(wǎng)進行匹配，獲取城市道路網(wǎng)絡go中各路段的公交線路信息，獲得的城市道路網(wǎng)絡中各公交線路途徑路段信息包括線路名稱、上下行、發(fā)車次數(shù)、道路名稱、道路起點編號、道路終點編號、車道數(shù)。

43、步驟5.4：將城市道路網(wǎng)絡中各路段途徑公交線路信息與研究范圍內(nèi)公交線路在時間段q內(nèi)信息進行鏈接，計算出路段m在時間段q內(nèi)所有公交線路的通行次數(shù)pm，以及路段m的公交通行情況bm。

44、其中，通行次數(shù)pm的表達式如下：

45、

46、其中，i為某路段m通行公交總線路數(shù)，pid為id路公交時間段q內(nèi)的總發(fā)車次數(shù)。

47、公交通行情況bm的表達式如下：

48、

49、其中，lm為路段m的車道數(shù)。

50、可選的，所述步驟6，具體包括：

51、步驟6.1：以實際路網(wǎng)中各路段的軌跡點為圓心，設定道路影響半徑為θ米，構建道路緩沖區(qū)。

52、步驟6.2：讀取研究范圍內(nèi)poi數(shù)據(jù)，將poi數(shù)據(jù)與各路段的緩沖區(qū)在統(tǒng)一坐標系中進行投影，以獲取各路段緩沖區(qū)內(nèi)的poi信息，并對各緩沖區(qū)內(nèi)的poi信息的數(shù)量進行統(tǒng)計分析，將路段m對應緩沖區(qū)內(nèi)的poi數(shù)量計為poim。

53、步驟6.3：讀取研究區(qū)域內(nèi)各交通小區(qū)的人口數(shù)據(jù)，依據(jù)各道路緩沖區(qū)的面積與所在交通小區(qū)面積的比例關系，計算出緩沖區(qū)內(nèi)的居住人口與工作人口數(shù)據(jù)，將路段m對應緩沖區(qū)內(nèi)的居住人口計為lpm，工作人口數(shù)量計為wpm。

54、可選的，所述步驟7，具體包括：

55、步驟7.1：將道路網(wǎng)絡中各路段途徑公交線路信息與各路段周邊各類poi數(shù)據(jù)以及居住人口與工作人口數(shù)據(jù)進行鏈接，將各路段的公交通行情況作為第一列、對應緩沖區(qū)域內(nèi)poi數(shù)量作為第二列、對應緩沖區(qū)域內(nèi)居住人口數(shù)量作為第三列、對應緩沖區(qū)域內(nèi)工作人口數(shù)量作為第四列，建立判斷矩陣x，并判斷矩陣x進行歸一化處理，得到歸一化的判斷矩陣x的元素。

56、其中，判斷矩陣x表達式為：

57、，

58、其中，xij表示判斷矩陣x中第i行、第j列的元素，m為研究區(qū)域內(nèi)的路段數(shù)量，i表示第i條路段，j表示列的序號。

59、步驟7.2：計算四列指標的維度熵hj，其計算公式為：

60、，

61、使用各指標的維度熵定義各指標的權重，其表達式為：

62、，

63、并計算出加權矩陣r，確定最優(yōu)解和最劣解，加權矩陣r的表達式為：

64、。

65、其中，rij表示矩陣r中第i行、第j列的元素，。

66、步驟7.3：根據(jù)加權矩陣r的最優(yōu)解與最劣解，計算道路網(wǎng)絡中各路段的關鍵指數(shù)ci，關鍵指數(shù)ci的計算公式為：

67、。

68、ci的值越大，表明路段在公交網(wǎng)絡中越關鍵。

69、第二方面，一種計算機可讀存儲介質，其上存儲有計算機程序，該計算機程序被處理器執(zhí)行時，實現(xiàn)如第一方面中任一所述的一種公交網(wǎng)絡關鍵路段識別方法。

70、第三方面，一種計算機設備，包括：

71、存儲器，用于存儲指令。

72、處理器，用于執(zhí)行所述指令，使得所述計算機設備執(zhí)行如第一方面中任一所述的一種公交網(wǎng)絡關鍵路段識別方法的操作。

73、有益效果：本發(fā)明提供的一種公交網(wǎng)絡關鍵路段識別方法、電子設備及存儲介質，基于研究范圍內(nèi)公交車輛gps數(shù)據(jù)，提取各公交線路運行軌跡；獲取研究范圍內(nèi)的城市道路網(wǎng)絡，基于隱馬爾可夫模型構建地圖匹配算法；應用所構建的地圖匹配算法對各線路公交運行軌跡和實際道路路網(wǎng)進行匹配，獲取道路網(wǎng)絡中各路段途徑公交線路信息；運用空間連接方法，識別獲取各路段周邊各類poi（point?of?interest）數(shù)據(jù)以及人口數(shù)據(jù)；根據(jù)所提取的各道路路段途徑公交線路信息、車道信息、周邊人口及poi信息，以及各公交線路的發(fā)車頻率，基于熵權topsis（technique?for?order?preference?by?similarity?to?anideal?solution?）法計算道路網(wǎng)絡中各路段的關鍵指數(shù)，從而識別公交網(wǎng)絡中的關鍵路段。