基于LBS的城市轨道交通动态路径辅助决策系统

开篇：润墨网以专业的文秘视角，为您筛选了一篇基于LBS的城市轨道交通动态路径辅助决策系统范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘要：随着城市化进程加快，交通拥堵日益严重。本文探讨开发基于位置服务、移动互联网技术，通过对出行者实时地理信息以及列车的运营信息的分析计算，方便出行者选择最优化换乘方案缩短换乘时间，辅助运营方实时监控客流量引导客流的移动终端综合信息辅助决策系统。

关键字：位置服务；城市轨道交通；智能决策；移动终端软件

中图分类号：P135 文献标识码：A 文章编号：

一、引言

位置服务(Location Based Service，lbs)是集地理信息系统、通信技术和计算机技术等多种技术为一体，为人们提供基于位置的移动增值服务。进入21世纪，位置服务被认为是继短信之后的最有发展前景的业务之一，有着巨大的市场规模和良好的盈利前景。作为全球拥有移动电话用户数量最多的国家，庞大的手机用户数量和逐渐成熟的LBS位置服务技术，使基于手机的交通信息服务表现出巨大发展潜力。随着城市轨道交通网络的日趋复杂和乘客数量的急剧增长，城市出行者如何选择最优化线路缩短换乘时间，运营方如何实时监控客流量缓解换乘压力是目前备受关注的问题。

本文探讨建立基于LBS、移动互联网技术，利用智能手机为信息获取及推广载体，以城市轨道交通为主体对象，通过广大用户群的实时地理位置信息以及列车的实时运营信息向用户提供最佳换乘方案建议，向运营部门提供换乘站内客流量以及拥堵状况等信息的综合信息辅助决策系统，实现在缩短个体乘客换乘时间的同时实现整体客流的引导。

二、国内外研究现状

在针对LBS的应用研究中，国内学者郭旦怀(2009)、卢克玉(2010)等探讨了将LBS应用到物流管理、交通控制等社会性软件和复杂信息系统的问题。吴升(2006)、贾杨洋(2006)、罗皓(2011)、李环(2011)详细的论述了LBS在智能交通系统中具体应用方法及编码设计理念，提出通过Internet或无线网络，令LBS把地理信息处理和GIS功能延伸到用户移动终端。国外的研究中，Woo-Jin Choi(2003)等提出随着下一代无线通信的到来，LBS导航和LBS交通信息的系统框架，LBS中移动终端的定位算法以及LBS中地理数据的更新的优化方案。Patrick Nepper(2007)等提出了为LBS对象添加速度属性的概念，以及LBS数据在XML中的格式，文中详细的介绍了对象的速度属性带来的一系列扩展应用，其中包括交通路况信息，在缺少GPS信号时的模拟行程。A.C.Winstanley (2008)通过LBS将实时公交信息推送到塞班操作系统手机，实现便捷市民出行和对公共交通实时监控与动态调度。Yong-Bin Kang(2005)则通过对交通流的预测实现最快交通路径的规划。

国内外的研究学者主要关注LBS在对车辆的实时监控、物流调配等公共交通方面的应用，而较少的研究在如何将LBS与城市轨道交通结合，解决缩短乘客换乘时间、缓解换乘压力等实际问题。同时，国内的LBS服务内容简单，功能单一，目前还未有成熟的针对手机平台开发的换乘线路辅助决策系统。针对此研究现状，本文将LBS核心技术应用到手机上，通过实时获取用户位置信息与列车运营信息相比对，给出步速建议和换乘路线规划，有助于实现地铁换乘的有效接续、获取最省时便捷的换乘方案。

三、系统体系结构

整个系统分为服务器端系统和移动终端系统两部分。服务器端系统主要功能为处理计算信息、分析地铁网络实时拥堵情况和生成最优化换乘方案；移动终端主要实现实时定位，网络通信及主动推送换乘建议。具体架构如图1：

图1 系统架构图图2 系统开发流程

如图2系统开发流程所示，通过需求分析、结构功能设计、系统开发、实地测试、仿真模拟等阶段，系统能结合用户个人偏好，通过智能分析推送最舒适或者时间最短的换乘方案。根据与基站联系的移动终端信息分析各条换乘线路的客流拥堵情况，进一步更正模型计算某条换乘线路的换乘时间，实现实时反馈。利用MATLAB建立的模型计算在各个时间段各个线路以及各个换乘站内的客流量数据以及通道拥堵情况，为运营方改建换乘站、调整列车发车间隔以及新线路规划提供相应的决策支持。

图3 单路线换乘界面 图4 路网换乘界面

四、系统关键技术

（一）定位方式

目前地下站通过光纤传输的方式实现信号分布，在站内隧道的泄漏电缆上存在多个信号接入点，能实时监测移动信号的接入和离开。利用基站能够实现用户定位，并通过计算某一时刻不同信号接入点接入及离开的用户数，测算列车拥挤度。

目前广泛采用的GPS定位方式虽定位精度高，但在地下使用受限。基站定位可实现在地铁换乘通道内的定位，但是定位精度、对用户前行速度以及速度方向的测定精度有待提高。随着无线网络通讯的不断发展，Wi-Fi热点的不断增加与广泛利用，本文提出新的定位方式—Wi-Fi定位。

Wi-Fi与移动基站相比覆盖范围较小、信号衰减较大但信号连续性好。因此可在地铁换乘通道内搭建多个Wi-Fi热点，让地铁换乘通道空间内每一个点具有唯一的信号强度（RSS）叠加状态，可通过信号在传播中的衰减来估计用户位置，根据信道模型求解位置距离：

经试验模拟和数值分析，信号强度传输损耗函数为

图5 信号强度—距离拟合曲线

如图6所示，利用,,的值以及变化率可以得到用户在以这四个无线热点为顶点的四边形内的相对位置、移动方向以及移动速度,从而实现较为精确的定位。

图6 通道内WI-FI定位计算原理

（二）计算模型

1．通道时间

系统服务器实时获取换乘通道内用户的步行速度，通过用户步行速度—客流密度模型计算用户所在位置的客流密度，应用已知的通道宽度等数据计算换乘通道内的客流量，推算用户在换乘过程中可能的最大行进速度，判断用户是否能赶上最近到达的列车。

地铁通道内的客流密度与行进速度的关系可以下述函数表示：

，

其中，v为行人的行进速度；ρ为行人所处区域的客流密度；vm为行人自由行进速度上界；ρ1、ρ2为行人前后、左右方向的线密度；ρ1c、ρ2c为行人能够自由移动的前后、左右方向的临界线密度；ρ1m、ρ2m为行人在拥挤情况下前后、左右方向的临界线密度；α、β、γ为各因素对行人行进速度的影响权重系数。经模型简化和实地调研，乘客步行速度—客流密度函数的数值分析结果为：

应用BPR模型计算换乘时间T[2]，乘客行走时间是流量与通行能力比值的非线性函数：

其中，为通道内自由流行程时间，q为流量，c为通道通行能力。亦可通过行人走行延误计算方法修正行走时间。

2．候车时间模型

当乘车人数过多时，存在因列车容量饱和而迫使乘客等待下一辆列车的情况。假设列车的到站时间间隔为t*，乘客换乘完毕到达站台的时间为均匀分布，乘客被迫等待的概率为P，则乘客的等车时间为

假设列车刚出站为零时刻，顾客来到分布密度函数为f(t), 下一辆列车车内乘客数为Q1，即将下车的乘客数为Q2，列车的饱和客容量为Q，通过下式计算上述P值：

3．预测换乘时间

系统将各地铁换乘站内历史换乘时间进行统计整理，向服务器和用户提供各站台、各时段的换乘时间，其中第D天，时刻t，从Sm到Sn的换乘时间为。参数D为取值1到6的正整数，分别表示周一至周五及周末、节假日；t为取值地铁运营时间内的具体时刻，单位可精确至分钟；Sm、Sn表示S换乘站内从m号线换乘至n号线。

根据实地调研及历史数据，可获得参数相同情况下的不同换乘时间, 去掉误差点后对诸Ti加权平均或利用时间序列等统计方法，计算得每一特定时间点的换乘时间。根据不同的精度要求，可改变D、t的取值范围，计算更精确的换乘时间。

4．最短路模型

系统需要根据已知的地铁网络和换乘时间信息计算用时最短的路径。以地铁线网中地铁站为节点，两站间的地铁线路为边构建有向图，边的权值为列车在两站间的行驶时间。数字化地铁网可利用邻接表及地铁信息数组储存，其存取时间复杂度为O(1)。每个节点为站点，存储数据结构包括站点信息数组以及二维数组的有向图邻接表。其二者空间复杂度为O(n2)

对于换乘车站，将其拆分为 其中连接任意两站由的边的权值大小为t时刻在Si站从m站台下车换乘至n站台并登上列车所需时间。

可采用经典的单源最短路径Dijkstra对已知起讫点的地铁路径进行搜索，得到最短路径点集。Dijkstra算法时间复杂度为O(n2)，智能手机可在1s内完成对站点规模为104个地铁站的地铁网络取单源最短路径。

本算法中，任意相邻两个非换乘站的行程时间由列车运行图得到，并根据实际运行情况修正。实时预测的换乘站内m向n换乘总延误由本文上述时间计算模型得出。

5．列车时刻表优化

列车时刻表的优化问题可分解为确定列车首发时间、列车发车间隔时间以及列车每日开行趟次三个子问题，而其中列车发车间隔需要给予更多的关注。

结合城市轨道实际情况，通过计算乘客出行费用I（定义为由于拥挤带来的不舒适性）为列车时刻表优化提供依据。根据庞大的数据基础，可拟合获得乘客到来的概率分布f(t)。则在T={T1, …, Tn}内，对第i辆列车，旅客出行费用为：

（三）移动终端算法设计

本应用采用集成在Eclipse的Android平台进行开发。程序共有四个模块，分别是：用户主程序、路径搜索模块、Wi-Fi定位模块、出行建议模块四部分。

1．用户主程序

本应用采用直观的设计理念，在换乘界面结合换乘站内部地图将用户作为一个闪光点标注在地图上，并提供距站台距离、当前步速、下趟列车进站时间以及对用户的最佳步速建议等信息。地铁线路界面将用户出行线路作为背景，用户列车以箭头方向标注，并提供图中各个换乘站的到达时间、换乘时间等信息。

2．路径搜索模块

路径搜索模块根据用户提供的始发和终到站信息，连接服务器获取地铁网络内换乘延误时间、列车实时位置等信息计算得到最短路径，并向用户提供整体旅程较为准确的、包括换乘时间及列车等待时间在内的预计出行时间。

3．Wi-Fi定位模块

Wi-Fi定位模块可以获取周围热点的实时强度信息，通过内部运算，定位出用户的实时位置并反馈给用户，为模型计算提供信息。

4．出行建议模块

出行建议模块主要根据用户当前速度、用户平均速度、换乘通道的拥挤情况、最近几班列车的到发时间情况来判定用户以当前速度能否在列车发车前抵达站台。根据不同情况可向用户提供“请保持当前速度，您将于X分钟内到达站台，恰好能赶上最近一班列车”、“请加快脚步，以便赶上最近一班列车”，“当前站内乘客较多，请等候再下一次列车”等信息。

（四）服务端建设

1．服务端概述

本服务器端系统基于Java Socket通信。当终端用户通过HTTP协议向服务器发起请求后，服务器为每个用户开启一个线程进行响应，调用封装好的数学计算模型，快速计算出换乘时间，并通过Socket将结果发送给终端，从而实现辅助决策的功能。

服务器端系统分为服务器主程序和后台数据库两部分。服务器主程序通过创建端口、构建线程、调用函数、搭建模型实现了与终端的实时连接、数据传输、本地时间获取、换乘时间计算这四项基本功能。后台数据库部分采用MySQL数据库，主要用于地铁到站时刻表与实时换乘时间表的存储和提取。提取的数据都是通过TCP协议进行封装并发送，TCP协议能有效保障数据传输的有效性，HTTPS协议能有效保护数据的安全性。

2．运行流程

服务端启动后，主服务进程完成初始化，在指定的端口等待终端消息。当接收到客户端连接请求时，服务程序打开一个线程与客户端建立连接，一方面，接受客户端发送的实时速度信息，并读取数据库内中的经验速度，将二者代入数学模型进行综合计算，从而得出“乘客所需最短换乘时间”。另一方面，服务器通过函数获取本地时间，主动读取数据库内列车到站时刻，并将二者进行对比，得出“最大可行换乘时间”。最后，服务线程通过HTTP协议将计算得到的“乘客所需最短换乘时间”和“最大可行换乘时间”发送给客户终端。完成一切步骤后，服务器自动断开与客户端的连接，并结束对应线程。流程如图9所示。完成一切步骤后，服务器自动断开与客户端的连接，当前服务线程结束。

图7 服务端运行流程图

五、结语

目前交通拥挤已成为当今制约我国城市发展的重要问题之一。基于LBS的城市轨道交通动态路径辅助决策系统能为出行者提供便利、为轨道交通管理决策者提供有效参考意见的智能交通系统，该系统的建立目的就是要通过有效的信息采集、高效的信息处理，为出行者提供及时、准确、可靠、方便、全面、实用的出行信息和出行方案，从而成功地缩短出行者搭乘轨道交通到达目的地的时间，同时提高轨道交通的运营效率，为轨道长远发展和规划提供真实可靠的参考依据。本系统从GIS到LBS，再到手机客户软件开发，应用上是传统领域向综合领域的发展，用户群是从少数专业用户到面向大量的普通用户，技术上是从空间数据分析到结构更复杂的各种数据混合处理，系统构架上是从简单构架到多层构架的发展，实现了将新技术与实际问题相结合，具有良好的发展前景与实际价值。

参考文献：

[1]吴升，王钦敏，肖桂荣等 LBS在智能交通系统中的应用及构架研究 [J]．测绘科学技术学报，2006，23（1）：11—14．

[2]贾扬洋，曹红艳，杨永 基于LBS的实时交通信息系统的编码设计 [J]．今日科苑，2010，1（4）：132—132．

[3]A.C.Winstanley，A.Stewart Fotheringham Economical LBS for Public Transport : Real-time Monitoring and Dynamic Scheduling Service [J]．GPC.WORKSHOPS，2008，1（47）：184—188．

[4]Yong-Bin Kang，Sung-Soo Kim A fastest route planning for LBS based on traffic prediction[J]．World Scientific and Engineering Academy and Society ，2005：1—6．

[5]李三兵，陈峰，李程垒 对地铁站台集散区客流密度与行进速度的关系探讨 [J]．城市轨道交通研究，2009，12：34—41．

w

附录

移动终端实物图