本發(fā)明屬于智能交通領(lǐng)域，涉及智能手機(jī)數(shù)據(jù)采集技術(shù)以及基于智能手機(jī)數(shù)據(jù)的公共汽車運(yùn)行舒適性客觀指標(biāo)構(gòu)建方法。
背景技術(shù)：
：優(yōu)先發(fā)展城市公共交通，改善公共汽車服務(wù)質(zhì)量是吸引乘客乘坐公共交通出行，緩解交通擁堵的重要途徑。然而，我國大部分城市公交出行分擔(dān)率只在10％左右，特大城市大約能達(dá)到20％，但是比率依然很低。公交分擔(dān)率一直無法提高的主要原因在于服務(wù)水平低，難以滿足乘客需求。因此，研究公交舒適性評價(jià)指標(biāo)對于改善公交服務(wù)具有指導(dǎo)意義。國內(nèi)外大部分研究側(cè)重研究公共汽車舒適性評價(jià)指標(biāo)體系，較少探討舒適性評價(jià)指標(biāo)的構(gòu)建方法。且指標(biāo)以定性描述為主，缺乏客觀性。部分研究分析了影響公共汽車乘車舒適性的影響因子，構(gòu)建了客觀測度指標(biāo)，但所探討的客觀測度指標(biāo)大多是針對車內(nèi)環(huán)境因素，而針對公交運(yùn)行平順性所構(gòu)建的測度指標(biāo)過于單一，而且缺乏對公共汽車出行過程長時(shí)間連續(xù)性地?cái)?shù)據(jù)采集，獲取的指標(biāo)無法體現(xiàn)公共汽車運(yùn)行平順性對乘車舒適性的影響。此外，以往研究對所采集的原始參數(shù)并未進(jìn)行系統(tǒng)的挖掘分析提煉出關(guān)鍵因子，致使部分指標(biāo)缺乏合理性，對評價(jià)結(jié)果有不利影響。技術(shù)實(shí)現(xiàn)要素：本發(fā)明目的在于克服現(xiàn)有技術(shù)的不足，公開的一種基于智能手機(jī)的公共汽車乘車舒適性指標(biāo)構(gòu)建方法，采集公共汽車運(yùn)行過程中的速度、加速度、經(jīng)緯度等參數(shù)，深入分析運(yùn)行平順性與舒適性內(nèi)在關(guān)聯(lián)，通過對原始參數(shù)的統(tǒng)計(jì)挖掘提取表征舒適性的原始變量，通過數(shù)據(jù)建模方法構(gòu)建公共汽車運(yùn)行舒適性綜合客觀測度指標(biāo)彌補(bǔ)以往研究中忽略車輛運(yùn)行狀態(tài)變化對舒適性影響的不足。本發(fā)明采用以下技術(shù)方案來實(shí)現(xiàn)：一種基于智能手機(jī)的公共汽車乘車舒適性指標(biāo)構(gòu)建方法，其特征在于，包括如下步驟：第一步：為了獲取公共汽車運(yùn)行過程中的各項(xiàng)參數(shù)，調(diào)用手機(jī)運(yùn)動(dòng)傳感器、GPS模塊實(shí)時(shí)采集車輛運(yùn)行過程中的三維加速度信息、運(yùn)行方向信息、三維角速度信息、速度信息、經(jīng)緯度信息以及時(shí)間信息。同時(shí)對原始參數(shù)數(shù)據(jù)進(jìn)行預(yù)處理，滿足后續(xù)數(shù)據(jù)分析需求。第二步：從乘客心理、生理角度以及乘客的時(shí)間價(jià)值角度深入分析車輛運(yùn)行狀態(tài)與乘車舒適性的內(nèi)在聯(lián)系，并通過調(diào)查分析提煉出能夠體現(xiàn)公共汽車運(yùn)行平順性對乘車舒適性影響的原始變量集。分析停車狀態(tài)相關(guān)變量時(shí)，應(yīng)剔除公交站點(diǎn)規(guī)劃因素(公交站點(diǎn)規(guī)劃與客流及用地性質(zhì)有關(guān)，對公交運(yùn)行狀態(tài)具有固定性影響，對乘客來說具有可接受性)對車輛運(yùn)行狀態(tài)的影響。本第二步的分析思路具有創(chuàng)新性，以往研究中并未涉及。第三步：步驟二中所述原始變量集維度較大且有信息重疊，對公交舒適性評價(jià)模型的穩(wěn)定性具有不利影響。因此，要量化各個(gè)原始變量之間的相關(guān)性。在保留原始變量基本信息的條件下通過數(shù)據(jù)建模的方法降維達(dá)到變量獨(dú)立的效果，便于后期評價(jià)。本發(fā)明通過主成分法對原始指標(biāo)集降維，以特征值累積貢獻(xiàn)率大于90％作為準(zhǔn)則提取主成分。結(jié)合交通工程相關(guān)知識對主成分意義進(jìn)行解析，最終確立公共汽車運(yùn)行舒適性綜合客觀測度指標(biāo)。本發(fā)明從交通工程專業(yè)角度分析公共汽車運(yùn)行舒適性，目標(biāo)明確，思路可行性高，且具有創(chuàng)新性。附圖說明圖1本發(fā)明總流程圖圖2軟件數(shù)據(jù)采集程序界面圖3本發(fā)明第二步中,數(shù)據(jù)分析算法流程圖圖4本發(fā)明第三步的流程示意圖具體實(shí)施方式以下結(jié)合附圖和實(shí)施例，對本發(fā)明技術(shù)方案做詳細(xì)說明。實(shí)施例1本發(fā)明以智能手機(jī)作為數(shù)據(jù)采集終端，高頻率、連續(xù)性地采集公共汽車運(yùn)行過程中的速度、加速度、經(jīng)緯度等參數(shù)。深入分析運(yùn)行平順性與舒適性內(nèi)在關(guān)聯(lián)，通過對原始參數(shù)的統(tǒng)計(jì)挖掘提取表征舒適性的原始變量，彌補(bǔ)以往研究中忽略車輛運(yùn)行狀態(tài)變化對舒適性影響的不足，這些原始變量從多個(gè)角度表征運(yùn)行平順性的客觀影響程度，但是維度較大，且彼此間有信息重疊，對上層舒適性評價(jià)有不利影響。為此，本發(fā)明考慮通過數(shù)據(jù)建模方法構(gòu)建公共汽車運(yùn)行舒適性綜合客觀測度指標(biāo)。所構(gòu)建的綜合客觀測度指標(biāo)能夠充分體現(xiàn)了駕駛行為、道路交通管控信息、道路線型設(shè)計(jì)以及道路交通狀態(tài)等外部因素對公交運(yùn)行舒適性的影響，具有創(chuàng)新性和可操作性，能為公共汽車運(yùn)行舒適性評價(jià)提供科學(xué)有效的研究基礎(chǔ)。本發(fā)明具體流程圖如圖1所示。第一步：原始數(shù)據(jù)采集及預(yù)處理為了獲取公共汽車運(yùn)行過程中的各項(xiàng)參數(shù)，編寫手機(jī)程序，調(diào)用手機(jī)運(yùn)動(dòng)傳感器、GPS模塊實(shí)時(shí)采集車輛運(yùn)行過程中的三維加速度信息、運(yùn)行方向信息、三維角速度信息、速度信息、經(jīng)緯度信息以及時(shí)間信息。手機(jī)程序以5HZ的頻率采集GPS信息，以100HZ的頻率采集三維加速度與角速度信息。同時(shí)記錄每個(gè)數(shù)據(jù)采集點(diǎn)對應(yīng)的時(shí)間信息。如圖2所示。然后，對采集到的原始數(shù)據(jù)進(jìn)行預(yù)處理，減少漂移數(shù)據(jù)的干擾，同時(shí)對缺失數(shù)據(jù)進(jìn)行修補(bǔ)，該屬于常規(guī)技術(shù)。第二步：通過數(shù)據(jù)分析和處理算法(圖3)，得到基于車輛運(yùn)行參數(shù)的原始變量。原始變量信息，包括：速度平均值中位數(shù)median(m/s)；極差range(m/s)；單位時(shí)間內(nèi)完全停車次數(shù)Nc(次/min)，公交站點(diǎn)的停車次數(shù)除外；單位時(shí)間內(nèi)不完全停車次數(shù)Nuc(次/min)最大停車等待時(shí)間mst(s)最大三維合加速度maxa(m/s2)三維合加速度方差，stda(m/s2)停車時(shí)間比率Ras＝tV＝0/T，為無量綱，實(shí)際計(jì)算時(shí)以速度為零的數(shù)據(jù)點(diǎn)總數(shù)與數(shù)據(jù)總量的比值來確定。其中，完全停車是指車輛減速直至靜止?fàn)顟B(tài)，不完全停車是指車輛有減速過程但不會(huì)完全靜止。考慮到乘客對速度波動(dòng)的敏感度，只有當(dāng)降速幅度小于特定閾值時(shí)才判定為對乘車舒適性有影響的不完全停車過程。所述單位時(shí)間不完全停車次數(shù)Nuc通過式(1)計(jì)算式(1)中，Δvi表示速度改變量，vthreshold表示閾值，閾值的選取需要結(jié)合乘客感知進(jìn)行分析，本發(fā)明通過統(tǒng)計(jì)調(diào)查方法確定閾值為2m/s。T表示采樣周期。u(Δvi-vthreshold)是示性函。即，當(dāng)Δvi-vthreshold>0時(shí)u(Δvi-vthreshold)＝1，否則為0.單位時(shí)間內(nèi)完全停車次數(shù)Nc(次/分鐘)和單位時(shí)間內(nèi)不完全停車次數(shù)Nuc(次/分鐘)指標(biāo)需要特定的數(shù)據(jù)處理方法與技巧得到，具體數(shù)據(jù)處理算法參見流程圖3。此外，在公交站點(diǎn)的停車不納入完全停車次數(shù)指標(biāo)中。因此，通過數(shù)據(jù)分析得到公共汽車出行過程中的所有停車點(diǎn)GPS坐標(biāo)信息后還要通過XGeocoding軟件獲取GPS坐標(biāo)的地理反編碼信息，剔除公交站點(diǎn)停車對指標(biāo)計(jì)算的影響。第三步：由于步驟二中獲得的原始指標(biāo)維度太多，且存在信息重疊，對評價(jià)模型的穩(wěn)定性有不利影響。因此用主成分法對原始指標(biāo)進(jìn)行降維處理，提取主成分，并盡可能保留原有變量的信息量。為了使主成分法的系數(shù)矩陣滿足非奇異條件，需要采集多條(大于原始指標(biāo)個(gè)數(shù))公交線路出行數(shù)據(jù)作為訓(xùn)練集。主成分法模型表達(dá)如式(2)和(3)所示。具體模型算法如圖4所示令通過(2)-(3)的最優(yōu)化方程求解最佳系數(shù)矩陣A其中，表示系數(shù)向量，xi代表原始指標(biāo)，p代表維度，本發(fā)明中原始指標(biāo)有9個(gè)，即cov(yi,yj)表示二者協(xié)方差。Σ表示(y1,y2,...y9)之間的協(xié)方差矩陣。通過矩陣分析可知，以隨機(jī)向量協(xié)方差矩陣Σ特征值(λ1≥λ2…≥λp≥0)對應(yīng)的正交特征向量為(ζ1,ζ2…ζp)。則任意向量可表示為正交特征向量的線性組合，即：根據(jù)根據(jù)約束條件，(2-3)目標(biāo)規(guī)劃問題可轉(zhuǎn)化為下面多元極值問題：可得maxv(yi)＝λi，因此，總方差中屬于yi成分的貢獻(xiàn)率為λi/∑λi，以特征值累積貢獻(xiàn)率大于90％作為準(zhǔn)則提取主成分，提取原始指標(biāo)主成分作為公共汽車運(yùn)行舒適性客觀測度指標(biāo)，為改善公共汽車舒適性提供參考。以下說明本發(fā)明的具體使用方法：采集多條公交線路運(yùn)行參數(shù)數(shù)據(jù)，對采集到的原始數(shù)據(jù)進(jìn)行預(yù)處理，完成異常數(shù)據(jù)剔除，減少漂移數(shù)據(jù)的干擾，同時(shí)對缺失數(shù)據(jù)進(jìn)行修補(bǔ)。由于公交站點(diǎn)的停車不納入完全停車次數(shù)原始變量中。因此，計(jì)算該指標(biāo)時(shí)，先通過數(shù)據(jù)分析算法(圖3)得到所有停車點(diǎn)GPS信息，然后通過軟件獲取GPS坐標(biāo)的地理反編碼信息，剔除公交站點(diǎn)停車后重新計(jì)算該指標(biāo)值。停車點(diǎn)位置信息表緯度經(jīng)度等待時(shí)間位置信息位置說明31.29366891121.15926129.953上海市嘉定區(qū)澤普路212弄‐3公交站31.29695258121.15902611.96上海市嘉定區(qū)墨玉路83‐3路段(非站點(diǎn))31.2970143121.1612411.915上海市嘉定區(qū)昌吉路163號交叉口31.29709659121.16416847.945上海市嘉定區(qū)昌吉路153號路段(非站點(diǎn))31.29709562121.16417838.927上海市嘉定區(qū)昌吉路153號路段(非站點(diǎn))31.29708709121.16418543.973上海市嘉定區(qū)昌吉路153號路段(非站點(diǎn))31.29019961121.17120881.913上海市嘉定區(qū)米泉路1號交叉口31.29006566121.17123478.886上海市嘉定區(qū)米泉路1號交叉口31.28960048121.17209096.943上海市嘉定區(qū)曹安公路5388號路段(非站點(diǎn))31.2886218121.17680399.93上海市嘉定區(qū)曹安公路5277號公交站對于其他原始變量參照圖3算法流程計(jì)算。針對每條線路出行數(shù)據(jù)計(jì)算原始變量。用矩陣記錄不同出行數(shù)據(jù)原始指標(biāo)值。由于量綱不一致，先對矩陣做標(biāo)準(zhǔn)化處理，然后求協(xié)方差矩陣，計(jì)算協(xié)方差矩陣特征值以及對應(yīng)的特征向量，以累計(jì)貢獻(xiàn)率大于90％作為選取特征值和特征向量的標(biāo)準(zhǔn)。主成分是原始指標(biāo)的線性組合，構(gòu)成新的表征運(yùn)行舒適性的綜合指標(biāo)。其中系數(shù)向量就是對應(yīng)的特征向量。并結(jié)合乘車體驗(yàn)對綜合指標(biāo)進(jìn)行驗(yàn)證，確保其合理性。利用本發(fā)明所采用的方法，能夠從多個(gè)層面構(gòu)建與公共汽車運(yùn)行舒適性相關(guān)的客觀測度指標(biāo)。具有可操作性和科學(xué)性。當(dāng)前第1頁1 2 3