一种基于多源数据融合的公路客货运输量指标统计方法[发明专利]

(12)发明专利申请

(10)申请公布号 CN 110599765 A(43)申请公布日 2019.12.20

(21)申请号 201910757843.9(22)申请日 2019.08.16

(71)申请人 华南理工大学

地址 5100 广东省广州市天河区五山路

381号(72)发明人 林培群　林旭坤　黄子敬　施兆俊　

周楚昊　庞崇浩　罗芷晴　(74)专利代理机构 广州市华学知识产权代理有

限公司 44245

代理人 林梅繁(51)Int.Cl.

G08G 1/01(2006.01)

权利要求书2页 说明书11页 附图3页

(54)发明名称

一种基于多源数据融合的公路客货运输量指标统计方法(57)摘要

本发明属于交通行业客货运输量自动化监测技术领域，涉及一种基于多源数据融合的公路客货运输量指标统计方法，包括：高速公路流水数据预处理；高速公路流水数据关键信息匹配；高速公路流水数据缺失信息补全；高速公路网客货运输量多指标分层统计；营运客货车GPS和/或北斗轨迹点的地图匹配及运输行为的生成；运输行为关键信息匹配；分层统计普通公路相关关键指标；普通公路网客货运输量多指标分层统计；高速公路网、普通公路网客货运输量多指标合计，将各层相应高速公路网、普通公路网指标相加得到全公路网指标。本发明以高速公路网指标为基准推算出普通公路网指标，最终可实现对全域全公路网客货运输量多指标的自动化、高可信度统计。

CN 110599765 ACN 110599765 A

权　利　要　求　书

1/2页

1.一种基于多源数据融合的公路客货运输量指标统计方法，其特征在于，包括如下步骤：

高速公路流水数据预处理；

高速公路流水数据关键信息匹配；高速公路流水数据缺失信息补全；

高速公路网客货运输量多指标分层统计；

营运客货车GPS和/或北斗轨迹点的地图匹配及运输行为的生成；运输行为关键信息匹配；

分层统计普通公路相关关键指标；

普通公路网客货运输量多指标分层统计；高速公路网、普通公路网客货运输量多指标合计，将各层相应高速公路网、普通公路网指标相加得到全公路网指标。

2.根据权利要求1所述的所述的公路客货运输量指标统计方法，其特征在于，高速公路流水数据预处理流程包括如下步骤：

数据清洗，筛除出现关键信息缺失情况的异常记录，包括入口站信息缺失、客货标识信息缺失、货车总重信息缺失的记录；

营运客货流水拆分，将客运、货运流水拆分，形成两个数据量较小的中间表。3.根据权利要求1所述的所述的公路客货运输量指标统计方法，其特征在于，高速公路流水数据关键信息匹配过程包括下述步骤：

通过出入口收费站信息匹配出入口所在地市信息；

通过货车的车型和轴数信息匹配出货车平均自重信息；通过客车的起点地市、终点地市信息匹配出客车平均载客数信息。4.根据权利要求1所述的所述的公路客货运输量指标统计方法，其特征在于，高速公路流水数据缺失信息补全过程包括下述步骤：

将运距完整和缺失的数据拆分成两个表；

匹配OD收费站的最短路距离作为运距缺失表各趟运输的运距；将运距完整表与补全运距的运距缺失表合并，得到中间表。

5.根据权利要求1所述的所述的公路客货运输量指标统计方法，其特征在于，高速公路网客货运输量多指标分层统计包括下述步骤：

使用高速公路流水数据缺失信息补全的所得中间表按OD地市、车型分层统计计算客货运运输量指标，得到地市内、地市间客货各车型高速公路运输空间转移量；

分别统计客货车正常流水占比，客货分别按该比例扩大各层指标。6.根据权利要求1所述的所述的公路客货运输量指标统计方法，其特征在于，营运客货车GPS和/或北斗轨迹点的地图匹配及运输行为的生成包括：

使用地图匹配算法，将营运客货车GPS和/或北斗轨迹点匹配到公路网线路上，公路网包括所有国、省、县、乡道；

基于规则拆分出各趟运输；

统计计算每趟运输行驶在高速公路、普通公路的里程；记录每趟运输车牌号码以及起终点路段信息。

2

CN 110599765 A

权　利　要　求　书

2/2页

7.根据权利要求1所述的所述的公路客货运输量指标统计方法，其特征在于，运输行为关键信息匹配过程包括下述步骤：

通过车牌号码匹配车型信息；

通过起终点路段匹配起终点地市信息。

8.根据权利要求1所述的所述的公路客货运输量指标统计方法，其特征在于，统计普通公路相关关键指标包括：

根据GPS数据样本量确定分层抽样规则；对于途经高速公路的货物运输，分层统计走高速公路里程占总里程的比例；对于途经高速公路的旅客运输，分层统计走高速公路里程占总里程的比例；分层统计仅走普通公路货物运输趟次占所有货物运输趟次的比例；分层统计仅走普通公路旅客运输趟次占所有旅客运输趟次的比例；分层统计仅走普通公路货物运输的平均运距；分层统计仅走普通公路旅客运输的平均运距。

9.根据权利要求1所述的所述的公路客货运输量指标统计方法，其特征在于，普通公路网客货运输量多指标分层统计包括：

统计途经高速公路运输的普通公路部分货运周转量指标：统计仅走普通公路货运多指标；

统计途经高速公路运输的普通公路部分客运周转量指标；统计仅走普通公路客运多指标。

10.根据权利要求1所述的所述的公路客货运输量指标统计方法，其特征在于，高速公路网、普通公路网客货运输量多指标合计，将各层相应高速公路网、普通公路网指标相加得到全公路网指标，包括：

合计全域全公路网货运量；合计全域全公路网货运周转量；合计全域全公路网客运量；合计全域全公路网客运周转量。

3

CN 110599765 A

说　明　书

1/11页

一种基于多源数据融合的公路客货运输量指标统计方法

技术领域

[0001]本发明属于交通行业客货运输量自动化监测技术领域，涉及一种基于多源数据融合的公 路客货运输量指标统计方法。背景技术

[0002]公路客货运输在经济和社会发展中具有举足轻重的地位，公路客货运输统计其主要职能 是利用统计技术对公路运输活动的相关数据进行采集、整理和计算，得到可反映公路运输情 况和社会发展状况的若干指标。[0003]从实践上看，现行公路客货运输调查统计工作存在诸多问题，如：[0004](1)现行公路运输统计制度无法满足省市数据使用需求。现行统计内容主要为总体指标， 不能反映区域公路运输发展的实际情况。[0005](2)统计技术手段落后。现行统计制度主要采用人工现场抽样调查、人工总体数据推算， 由于统计人员素质参差不齐，统计数据质量难以保障。而且，目前公路运输营运多样， 尤其个体运输业发展迅猛，运输企业缺乏配合调查的动力，抽样工作推行难度大，统计报表 及时性也受影响。另外，缺乏科学严谨的统计结果内涵解析和数据应用方法，付出巨大代价 所得到的调查结果往往无法得到充分地利用。[0006](3)现有的统计方法，利用高速公路货车计重收费数据仅统计高速公路网货物运输量， 并未覆盖普通公路网相关运输量指标、亦未覆盖客运相关运输量指标，因此所算指标无法全 面反映全公路网的客货运输发展情况。此外，对于数据源中非正常记录仅作清洗处理，而实 际上即使非正常记录的部分字段信息缺失，而该记录的运输却是实际存在的，仅统计正常记 录所得指标将比实际指标偏小。[0007]目前，交通行业信息化、自动化系统已初具规模。以广东省为例，近年来，全省高速公 路实现了联网计重收费(其中货车全部采用称重收费)，普通国省道基本覆盖连续式交通量观 测站(可实时采集数据并区分各种客货车类型)，县乡村道的交通运行情况亦可通过间隙站、 比重调查等途径获取，全省客运安全监管出站正大力推行，“两客一危”平台也已投入使用； 经过几年的发展，上述业务系统已比较成熟，并积累了大量历史的和实时的基础数据，通过 这些基础数据可实现公路客货运输量指标自动提取，具体提取技术有待开发。

[0008]在这种背景下，有必要依托高速公路收费数据、客货车GPS/北斗轨迹数据、轴载数据等 对公路网客货运输量自动化监测算法进行优化，提供公路客货运输量指标计算分析方法，指 导相关业务工作的开展。发明内容

[0009]由于公路客货运输指标涉及面广、对象主体多，现行的公路客货物运输量统计方法准确 性、可靠性均存在一定的不足。为了充分利用现有数据资源、提高运输量统计效率与精度， 本发明提供一种基于多源数据融合的公路客货运输量指标统计方法。

4

CN 110599765 A[0010]

说　明　书

2/11页

本发明采用如下技术方案实现：

[0011]一种基于多源数据融合的公路客货运输量指标统计方法，包括如下步骤：[0012]高速公路流水数据预处理；

[0013]高速公路流水数据关键信息匹配；[0014]高速公路流水数据缺失信息补全；

[0015]高速公路网客货运输量多指标分层统计；

[0016]营运客货车GPS和/或北斗轨迹点的地图匹配及运输行为的生成；[0017]运输行为关键信息匹配；

[0018]分层统计普通公路相关关键指标；

[0019]普通公路网客货运输量多指标分层统计；[0020]高速公路网、普通公路网客货运输量多指标合计，将各层相应高速公路网、普通公路网 指标相加得到全公路网指标。[0021]进一步地，高速公路流水数据预处理流程包括如下步骤：[0022]数据清洗，筛除出现关键信息缺失情况的异常记录，包括入口站信息缺失、客货标识信 息缺失、货车总重信息缺失的记录；[0023]营运客货流水拆分，将客运、货运流水拆分，形成两个数据量较小的中间表。[0024]进一步地，高速公路流水数据关键信息匹配过程包括下述步骤：[0025]通过出入口收费站信息匹配出入口所在地市信息；[0026]通过货车的车型和轴数信息匹配出货车平均自重信息；[0027]通过客车的起点地市、终点地市信息匹配出客车平均载客数信息。[0028]进一步地，高速公路流水数据缺失信息补全过程包括下述步骤：[0029]将运距完整和缺失的数据拆分成两个表；

[0030]匹配OD收费站的最短路距离作为运距缺失表各趟运输的运距；[0031]将运距完整表与补全运距的运距缺失表合并，得到中间表。[0032]进一步地，高速公路网客货运输量多指标分层统计包括下述步骤：[0033]使用高速公路流水数据缺失信息补全的所得中间表按OD地市、车型分层统计计算客货 运运输量指标，得到地市内、地市间客货各车型高速公路运输空间转移量；[0034]分别统计客货车正常流水占比，客货分别按该比例扩大各层指标。[0035]进一步地，营运客货车GPS和/或北斗轨迹点的地图匹配及运输行为的生成包括：[0036]使用地图匹配算法，将营运客货车GPS和/或北斗轨迹点匹配到公路网线路上，公路网包 括所有国、省、县、乡道；[0037]基于规则拆分出各趟运输；

[0038]统计计算每趟运输行驶在高速公路、普通公路的里程；[0039]记录每趟运输车牌号码以及起终点路段信息。[0040]进一步地，运输行为关键信息匹配过程包括下述步骤：[0041]通过车牌号码匹配车型信息；

[0042]通过起终点路段匹配起终点地市信息。[0043]进一步地，统计普通公路相关关键指标包括：[0044]根据GPS数据样本量确定分层抽样规则；

5

CN 110599765 A[0045]

说　明　书

3/11页

对于途经高速公路的货物运输，分层统计走高速公路里程占总里程的比例；

[0046]对于途经高速公路的旅客运输，分层统计走高速公路里程占总里程的比例；[0047]分层统计仅走普通公路货物运输趟次占所有货物运输趟次的比例；[0048]分层统计仅走普通公路旅客运输趟次占所有旅客运输趟次的比例；[0049]分层统计仅走普通公路货物运输的平均运距；[0050]分层统计仅走普通公路旅客运输的平均运距。[0051]进一步地，普通公路网客货运输量多指标分层统计包括：[0052]统计途经高速公路运输的普通公路部分货运周转量指标：[0053]统计仅走普通公路货运多指标；

[0054]统计途经高速公路运输的普通公路部分客运周转量指标；[0055]统计仅走普通公路客运多指标。[0056]进一步地，高速公路网、普通公路网客货运输量多指标合计，将各层相应高速公路网、 普通公路网指标相加得到全公路网指标，包括：[0057]合计全域全公路网货运量；[0058]合计全域全公路网货运周转量；[0059]合计全域全公路网客运量；[0060]合计全域全公路网客运周转量。[0061]与现有技术相比，本发明具有如下有益效果：[0062](1)本发明利用高速公路收费站出口流水数据全样本地统计出高精度的高速公路网客货 运输量指标，又通过对营运客货车GPS/北斗轨迹点进行处理提取出各趟运输走高速公路和走 普通公路的情况、统计得出各样本层内部运输走高速公路和走普通公路的趟次比例关系以及 走普通公路平均运距等重要属性，进而以高速公路网指标为基准推算出普通公路网指标，最 最终可实现对全域全公路网客货运输量多指标的自动化、高可信度统计。[0063](2)本发明利用高速公路收费站出口流水数据统计出高速公路网客货运输量指标(步骤 (1)(2)(3)(4))，是基于全样本数据进行的统计，可保证获得的高速公路网指标准确度高， 而传统的人工调查方法所能达到的抽样率一般仅约为5％，可见抽样率上两者差距悬殊。[00](3)本发明提出将通过正常数据获得指标除以正常数据的数据量占比，得到扩大后指标， 相比单纯基于正常数据统计所得指标具有更高的准确度(步骤402)。[0065](4)本发明通过对营运客货车GPS/北斗轨迹点进行地图匹配处理得到车辆每趟运输的 特征信息(步骤(5))，这是车辆定位轨迹点数据首次被用于运输量统计任务上，突破了传统 运输量指标统计方法仅使用直接数据的思维局限。[0066](5)本发明提出通过统计各层运输可反映走高速公路与走普通公路之关系的关键特征指 标(步骤(6)(7))，再以高速公路网指标为基准，推算出普通公路网指标(步骤(8))，这 是一种间接推算的新思路，解决了现有数据资源下因普通公路网运输信息难以直接采集使得 抽样率低，进而导致指标准确性无法得到保证的问题。[0067](6)本发明所使用数据均来自现有数据资源，无需专门进行人工专项调查，即可实现对 公路客货运输量多指标的动态监测，大大缩减统计成本。

6

CN 110599765 A

说　明　书

4/11页

附图说明

[0068]图1为本发明一个实施例中公路客货运输量指标统计方法的流程图；[0069]图2为本发明一个实施例中高速公路流水数据预处理流程图；

[0070]图3为本发明一个实施例中高速公路流水数据关键信息匹配过程示意图；[0071]图4为本发明一个实施例中高速公路流水数据缺失信息补全过程示意图；[0072]图5为本发明一个实施例中运输行为关键信息匹配过程示意图。

具体实施方式

[0073]下面通过具体实施方式对本发明作进一步详细地描述，但本发明的实施方式并不限于此。

[0074]一种基于多源数据融合的公路客货运输量指标统计方法，如图1所示，包括如下步骤：[0075](1)高速公路流水数据预处理；[0076](2)高速公路流水数据关键信息匹配；[0077](3)高速公路流水数据缺失信息补全；[0078](4)高速公路网客货运输量多指标分层统计；[0079](5)营运客货车GPS和/或北斗轨迹点的地图匹配及运输行为的生成；[0080](6)运输行为关键信息匹配；[0081](7)分层统计普通公路相关关键指标；[0082](8)普通公路网客货运输量多指标分层统计；[0083](9)高速公路网、普通公路网客货运输量多指标合计，将各层相应高速公路网、普通公 路网指标相加得到全公路网指标。

[0084]所述步骤(1)高速公路流水数据预处理流程，如图2所示，包括下述步骤：[0085]101：数据清洗，出口流水表记录了车辆每次在高速公路上行驶的运输行为，表中包含的 关键字段信息有车牌号、客货标识、车辆类型、车辆轴数(货车)、总载重量(货车)、入口 站、出口站、进入时间、驶离时间、运距等，但部分记录存在字段信息不完整的问题，缺失 的字段信息一般为入口站信息、客货标识信息、货车总重信息，因此首先筛除出现关键信息 缺失情况的异常记录。[0086]102：营运客货流水拆分，原始的月度高速公路流水数据约1.5亿行，受限于数据库性能， 直接对其进行查询效率极低，因此将客运、货运流水拆分，其中客车提取出大于19座(3、4 类)，得到约300万行的营运客车表，货车则提取所有车型，得到约3000万行的营运货车表， 将单表数据量处理至此数量级可保证较高的查询效率。

[0087]如图3为所述步骤(2)高速公路流水数据关键信息匹配过程示意图，具体包括下述步骤：

[0088]201：将流水数据表基于出入口收费站的路段编码、收费站编码字段左联“高速公路实体 收费站所属地市表”，匹配得到入口收费站所在地市、出口收费站所在地市；[00]202：“车型轴数与平均自重映射表”储存了特定车型、轴数货车的平均自重，将流水数 据表基于车型、轴数字段左联该表，可匹配得到货车的平均自重信息；[0090]203：由客运企业月度上报的载客数据处理得到“分OD平均载客量表”，该表储存了

7

CN 110599765 A

说　明　书

5/11页

各 起终点地市客车的平均载客数，将流水数据基于起点地市、终点地市字段左联该表，可匹配 得到客车的平均载客数信息。

[0091]如图4为所述步骤(3)高速公路流水数据缺失信息补全过程示意图，具体包括下述步骤：

[0092]301：将运距完整和缺失的数据拆分成两个表，运距缺失包括运距字段为空以及起终点收 费站不同但运距为0两种情况；[0093]302：对于运距缺失表，虽然运距信息丢失，但高速公路网95％以上出行以最短路作为出 行路径，因此以最短路距离作为此部分车次的运距，对最终算得的指标结果带来的误差是极 小的，将运距缺失的高速公路流水表基于起终点收费站左联“任意起讫收费站最短路距离表”， 可匹配得到各趟运输的最短路距离；[0094]303：将运距完整表与补全运距的运距缺失表合并，得到中间表。

[0095]所述步骤(4)高速公路网客货运输量多指标分层统计包括下述步骤：[0096]401：使用步骤303所得中间表按OD地市、车型分层统计计算客货运运输量指标，得到 地市内、地市间客货各车型高速公路运输空间转移量。[0097]401-1)统计高速公路网货运车次数HCT：

[0098][0099][0100]

式中：HCTi(i＝1,2,3,...,n)为第i层货运的车次数。

401-2)分层统计高速公路网各层货运平均载货量AHCTVi：

[0101]

[0102]式中：为高速公路上第i层货运第k辆车的净载货量，为第i层货运第k辆 

车的车货总重，

[0103][0104]

为第i层货运第k辆车的车辆自重(i＝1,2,3,...,n；k∈N*)，单位：吨。

401-3)统计高速公路网货运量HCTV：

式中：记HCTi(i＝1,2,3,...,n)为第i货运的车次数；AHCTVi(i＝1,2,3,...,n)为

第i层 货运的平均载货量。

[0106]401-4)统计高速公路网货运周转量HCTTV：

[0107][0108]

[0105]

式中：记HCTVi(i＝1,2,3,...,n)为第i层货运的高速公路货运量，单位：万吨； 

为第i层货运在高速公路上的平均运距，单位：公里。

[0109]

401-5)统计高速公路网客运车次数HPT：

8

CN 110599765 A

说　明　书

6/11页

[0110][0111][0112]

式中：HPTj(j＝1,2,3,...,m)为第j层客运的车次数。

401-6)分层统计高速公路网各层客运平均载客量AHPTVj：

[0113]

[0114]

式中：vjk(j＝1,2,3,...,m)为高速公路上第j层客运第k辆车的载客量，单位：人401-7)统计高速公路网客运量HPTV：

次。

[0115][0116]

式中：记HPTj(j＝1,2,3,...,m)为第j客运的车次数；AHPTVj(j＝1,2,3,...,m)为

第 j层货运的平均载客量。

[0118]401-8)统计高速公路网客运周转量HPTTV：

[0119][0120]

[0117]

式中：记HPTVj(j＝1,2,3,...,m)为第j层客运的高速公路客运量，单位：万人次； 

为第j层客运在高速公路上的平均运距，单位：公里。

[0121][0122]

402：分别统计客货车正常流水占比，客货分别按该比例扩大各层指标。402-1)统计原始流水表中货运流水数

以及步骤(1)中筛除的异常货运记

录数 得到货运正常流水占比将步骤401-3)所得高速

freight

公路网 货运量表、步骤401-4)所得高速公路货运周转量表之各层指标除以α。

[0123]402-2)统计原始流水表中客运流水数

得到客运正常流水占比

以及步骤(1)中筛除的异常客运记

将步骤401-7)所得高速

录数 

transit公路 网客运量表、步骤401-8)所得高速公路客运周转量表之各层指标除以α。

[0124]所述步骤(5)营运客货车GPS和/或北斗轨迹点的地图匹配及运输行为的生成包括：

[0125]501：使用地图匹配算法，将营运客货车GPS和/或北斗轨迹点匹配到公路网线路上，公 路网包括所有国、省、县、乡道；[0126]502：基于规则拆分出各趟运输，规则包括：

9

CN 110599765 A[0127]

说　明　书

7/11页

502-1)停留时间超过30分钟，在停留处拆分；

[0128]502-2)原路返回超过1km，在折返处拆分；[0129]503：统计计算每趟运输行驶在高速公路、普通公路的里程；[0130]504：记录每趟运输车牌号码以及起终点路段信息。

[0131]如图5为所述步骤(6)运输行为关键信息匹配过程示意图，具体包括下述步骤：[0132]601：通过车牌号码匹配车型信息。[0133]“运政库表”存储了所有营运客货车的车牌、车型信息，将步骤(5)所得结果表基于车 牌左联“运政库表”，可匹配得到各车辆车型；[0134]602：通过起终点路段匹配起终点地市信息。

[0135]步骤504所记录的路段编码字符串中包含着地市编码(如路段编码“G228441900”，其 中倒数第6位至倒数第3位“4419”为“东莞市”的地市编码)，将步骤(5)所得结果表基 于所截取的起终地市编码左联“地市编码表”，可匹配得每趟运输的起终地市。[0136]所述步骤(7)分层统计普通公路相关关键指标包括：[0137]701：根据GPS数据样本量确定分层抽样规则。[0138]通过前期对GPS数据样本分布情况的分析，对于区域内部的运输，各种车型的样本量均 较大，而跨区域的运输，样本量则相对较少，其中起终点不涉及经济发达区域、或是起终区 域距较远之样本量尤其少，但需要指出的是，具有上述特点的OD(起讫点)的高速流水频 次也往往较低。由此可知，即使某些分层统计所得比例因样本量较少而有所偏差，“受益于” 该层较低的高速流水频次基数，该层的统计所得指标只会对总指标造成较小的影响。加之长 途运输的仅走普通公路比例通常较低(甚至可能为0)，更加降低了可能误差层对总结果的影 响，综上所述，为求在样本量得以保证的前提下尽可能精细地分层，制定如下分层抽样规则 (详细分层情况见表1)：[0139]701-1)对于OD属同片区的运输，在分OD的基础上进一步按车型细分；[0140]701-2)而对于OD属不同片区的运输，不再按车型细分；[0141]表1分层抽样情况

10

CN 110599765 A

说　明　书

8/11页

[0142]

11

CN 110599765 A

说　明　书

9/11页

[0143]

[0144]

702：对于途经高速公路的货物运输，分层统计走高速公路里程占总里程的比例703：对于途经高速公路的旅客运输，分层统计走高速公路里程占总里程的比例η；704：分层统计仅走普通公路货物运输趟次占所有货物运输趟次的比例ρ；705：分层统计仅走普通公路旅客运输趟次占所有旅客运输趟次的比例σ；706：分层统计仅走普通公路货物运输的平均运距lno；707：分层统计仅走普通公路旅客运输的平均运距dno；

所述步骤(8)普通公路网客货运输量多指标分层统计包括：801：统计途经高速公路运输的普通公路部分货运周转量指标NCTTVmix：

γ；

[0145][0146][0147][0148][0149][0150][0151][0152]

式中：HCTTVi(i＝1,2,3,...,n)为步骤402所得第i层货运的高速公路货运周转

量， γi(i＝1,2,3,...,n)为第i层货运走高速公路里程占比。[0154]802：统计仅走普通公路货运多指标，包括：[0155]802-1)仅走普通公路货运车次数NCTno：

[0153][0156]

[0157]式中：ρ即i为第i层货运仅走普通公路车次数占比，其中为从GPS 

数据提取的第i层货运中只在普通公路上行驶的车次数，运的所有车次数。

[0158]802-2)统计仅走普通公路货运量NCTVno：

[0159]

为从GPS数据提取的第i层货 

式中：记NCTino(i＝1,2,3,...,n)为仅走普通公路的第i层货运的车次数； ANCTVi

(i＝1,2,3,...,n)为通过普通公路轴载数据获得的第i层货运的普通公路平均载货量。[0161]802-3)统计仅走普通公路货运周转量NCTTVno：

[0160]

12

CN 110599765 A[0162][0163]

说　明　书

10/11页

式中：记NCTVino(i＝1,2,3,...,n)为仅走普通公路的第i层货运的货运量，单位：

为从GPS数据提取的仅走普通公路的第i层货运的平均运距，单位：

803：统计途经高速公路运输的普通公路部分客运周转量指标NPTTVmix：

万吨； 公里。

[01][0165]

式中：HPTTVj(j＝1,2,3,...,m)为步骤402所得第j层客运高速公路客运周转量， 

ηj(j＝1,2,3,...,m)为第j层旅客运输走高速公路里程占比。[0167]804：统计仅走普通公路客运多指标，包括：[0168]804-1)统计仅走普通公路客运车次数NPTno：

[0169]

[0166]

[0170]式中：σ即j为第j层客运仅走普通公路车次数占比，其中为从GPS 

数据提取的第j层客运中只在普通公路上行驶的车次数，客运的所有车次数。

[0171]804-2)统计仅走普通公路客运量NPTVno：

[0172][0173]

为从GPS数据提取的第j层 

式中：记为仅走普通公路的第j层客运的车次数；ANPVj(j

＝1,2,3,...,m)为第j层客运的平均载客数。

[0174]804-3)统计仅走普通公路客运周转量NPTTVno：

[0175][0176]

式中：记为仅走普通公路的第j层客运的公路客运量，单

为从GPS数据提取的仅走普通公路的第j层客运的平均运

位： 万吨；

距，单 位：公里。

[0177]所述步骤(9)高速公路网、普通公路网客货运输量多指标合计，将各层相应高速公路网、 普通公路网指标相加得到全公路网指标，包括：[0178]901：合计全域全公路网货运量CTV：[0179]CTV＝HCTV+NCTVno[0180]式中：HCTV为步骤402-1所得全域高速公路网货运量，NCTVno为步骤802-2所得全域 

13

CN 110599765 A

说　明　书

11/11页

普通公路网仅走普通公路运输货运量，因全域普通公路网途径高速公路部分之货运量即为 HCTV，因为此部分无需重复计算。[0181]902：合计全域全公路网货运周转量CTTV：[0182]CTTV＝HCTTV+NCTTVmix+NCTTVno[0183]式中：HCTTV为步骤402-1所得全域高速公路网货运周转量，NCTTVmix为步骤801所 得全域途经高速公路运输的普通公路部分货运周转量，NCTTVno为步骤802-3所得全域普通 公路网仅走普通公路运输货运周转量。[0184]903：合计全域全公路网客运量PTV：[0185]PTV＝HPTV+NPTVno[0186]式中：HPTV为步骤402-2所得全域高速公路网客运量，NPTVno为步骤804-2所得全域普 通公路网仅走普通公路运输客运量，因全域普通公路网途径高速公路部分之客运量即为 HPTV，因为此部分无需重复计算。[0187]904：合计全域全公路网客运周转量PTTV：[0188]PTTV＝HPTTV+NPTTVmix+NPTTVno[01]式中：HPTTV为步骤402-2所得全域高速公路网客运周转量，NPTTVmix为步骤803所得全 域途经高速公路运输的普通公路部分客运周转量，NPTTVno为步骤804-3所得全域普通公路网 仅走普通公路运输客运周转量。

[0190]以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说， 在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发 明的保护范围。

14

CN 110599765 A

说　明　书　附　图

1/3页

图1

15

CN 110599765 A

说　明　书　附　图

2/3页

图2

图3

16

CN 110599765 A

说　明　书　附　图

3/3页

图4

图5

17