多元数据下的公交站点客流不确定性分析

利用长期收集的公交站点IC卡刷卡数据,基于区间不确定性理论,提出公交上下车站点区间不确定性客流推导方法.首先,将公交IC卡数据和GPS数据与公交站点信息相融合,确定IC卡刷卡的上车站点及其区间不确定性客流;然后,对公交刷卡行为进行分析,考虑乘客个体出行特征、乘客出行距离和站点吸引权重,提出下车站点客流推导概率模型及相应算法,通过区间数处理方法,得到下车站点客流区间值.最后,以2015年11月13日~12月25日深圳市21路公交为期6周的IC卡刷卡数据和GPS数据为例进行实例分析.     

适用于一票制公交大数据的系统化处理方法及应用 ——以银川市为例

为分析公交乘客出行特征，利用公交IC卡数据、公交GPS数据、车载机数据和单程站点关系表，通过各类数据关联融合，提出适用于一票制公交大数据的系统化处理方法。基于Oracle搭建分析数据库，采用Python语言编写代码，构建了乘客上车站点推断算法、基于出行链的乘客下车站点推断算法、基于概率的乘客下车站点推断算法和乘客换乘站点识别算法4种站点推断算法。基于此，运用银川公交大数据进行客流集散点识别、客流走廊识别，得到公交站点上下客流量分布情况、公交线路客流量分布情况、公交站点的换乘客流量分布情况。研究结果表明，一票制公交大数据系统化处理方法在分析公交乘客出行特征方面具有一定的应用价值。     

基于刷卡数据和GPS数据的公交客流特征分析方法

为准确并快速分析城市公交客流特征,提供城市公交专项规划编制的基础数据资料,提出一种采用公交刷卡数据和GPS数据分析公交客流特征的方法。首先,全面总结公交客流数据处理方法和流程,包括客流时间特征、空间特征和公交运营特征;其次,针对实际可能出现的数据缺失情况和传统方法局限性,通过上车站点判断引入时间临近规则、下车站点判断设计了考虑出行链和站序约束的数据融合算法,改进上下车站点判断过程;最后,以三明市公交客流数据处理为例,该城市公交人均出行次数为2.5次,工作日形成4个高峰时段,得到具体的公交客流OD分布,计算部分线路断面客流量,并指导公交规划方案调整。     

基于站点实时关联度的短时公交客流预测方法

为探究公交站点之间的关联度并对公交客流进行更精准的实时预测，本文提出基于 Attention的交通预测核心算法(Traffic Forecast Model Based Attention，TFMA)，结合数据预处理和 站点信息编码完成基于站点实时关联度的短时公交客流预测方法。该方法首先创新性地提出了 站点实时关联度，可实现对目标站点客流量更精准的预测；其次，在公交站点的编码信息中融入 线路站点信息、客流变化率、天气、日期等关联因素；接着，该方法依靠Attention机制计算站点实 时关联度；核心算法中使用multi-headed机制、增加通道和残差连接进一步提升预测能力；最后， 以苏州市公交数据进行验证。结果显示：在准确率上，对比多元线性回归的53.8%、GRU(Gated Recurrent Unit)的66.9%和LightGBM(Light Gradient Boosting Machine)的81.2%，本文提出的基于 站点实时关联度的短时公交客流预测方法的准确率在90%以上，表明该方法具备优秀的短时公 交客流预测能力。     

基于改进极限学习机的公交站点 短时客流预测方法

以公交车IC 卡和GPS数据为基础，提出了一种基于改进粒子群算法优化极限学习机(IPSO-ELM)的公交站点短时客流预测模型.依托IC 卡和GPS 数据在站点的特征表现和内在联系，定义了站点间距，并分析了站间距和车辆到总站距离间的联系；提出了公交乘客上车站点确定方法，进而得到公交站点上车客流量；通过分析公交客流数据特征，确定ELM输入参数维度，并采用IPSO 算法找到ELM的最优隐含层节点参数；最后依托广州市19 路公交车客流数据仓库进行了方法验证.结果表明：所用优化后的ELM方法预测误差在10%以内，并与应用广泛的SVM、ARIMA和传统ELM模型进行对比分析，发现改进的ELM方法拥有更高的可靠性和泛化性能.     

基于改进极限学习机的公交站点短时客流预测方法

以公交车IC 卡和GPS数据为基础，提出了一种基于改进粒子群算法优化极限学习机(IPSO-ELM)的公交站点短时客流预测模型.依托IC 卡和GPS 数据在站点的特征表现和内在联系，定义了站点间距，并分析了站间距和车辆到总站距离间的联系；提出了公交乘客上车站点确定方法，进而得到公交站点上车客流量；通过分析公交客流数据特征，确定ELM输入参数维度，并采用IPSO 算法找到ELM的最优隐含层节点参数；最后依托广州市19 路公交车客流数据仓库进行了方法验证.结果表明：所用优化后的ELM方法预测误差在10%以内，并与应用广泛的SVM、ARIMA和传统ELM模型进行对比分析，发现改进的ELM方法拥有更高的可靠性和泛化性能.     

卫星城高铁站的公交可达性研究

能否准确分析卫星城高铁站的公交可达性,是评判公交系统对高铁客流的集散能力,进行线路和站点优化的关键问题。针对这一问题,基于卫星城高铁客流特性,提出了一种由"点"及"面"的公交可达性计算模型,分别从"点"和"面"两个角度对高铁站公交可达性进行计算分析,以求准确定位公交站点和线路不足。最后结合GIS仿真技术在实例中对上述方法进行验证,给出分析方法和结果。结果表明:该模型可以准确定位公交系统局部与整体的不足,并提供系统的优化方向,验证了该方法的合理性和实用性。     

配合大站快车的单线公交组合调度模型

在给定配车数情形下,考虑站点滞留乘客和服务水平等现实约束因素,以乘客总出行时间最小为第一目标,以极大化企业最大利润为第二目标,本文提出一类配合大站快车的多目标单线组合调度模型,确定大站快车途经站点,并计算全程车和大站快车的发车频率.根据问题特征,引入乘客出行时间价值的概念,利用加权法实施多目标的优化,设计启发式算法求解该问题的非劣解.最后,以某线路为例,探讨了发车频率、折返点位置和费用的关系,并分析了公交服务水平、期望拥挤对调度方案的影响,并与现有单一调度方案进行了比较分析,从而验证模型和算法的正确性和有效性.     

单条公交线路的IC卡数据分析处理方法

及时而准确地掌握城市公共交通运营及客流信息,是进行科学合理的公交运营决策和公交网络规划的前提。随着城市公交IC卡的广泛运用,从IC卡信息中提取城市公交客流信息成为又一种公交数据采集方法。通过公交IC卡数据分析处理方法,可以得到实时准确且连续的公交客流信息数据,较之传统的人工调查方法经济实用,数据结果准确度高。以单条公交线路的IC卡信息为例,提出单条公交线路运营及客流信息的分析处理方法,得到包括站点客流、线路客流、断面客流等主要客流指标的分析计算方法。     

多源数据驱动CNN-GRU模型的公交客流量分类预测

为精准分析公交线路与站点不同客流的出行特征及时变差异性，结合深度学习理论，提出了一种基于卷积神经网络(CNN)与门控制循环单元(GRU)组合的公交客流分类预测模型；融合匹配公交一卡通刷卡、公交车GPS轨迹、线路和站点基础信息、气象等多源数据，实现公交客流数据重构；采用K-Medians算法将乘客分为通勤类和非通勤类；以乘客类型、历史客流量、时段、高/平峰、星期、降水量、重大活动等因素为输入向量，分别建立CNN与GRU单一模型，并利用均方误差、均方根误差、平均绝对误差为评价指标，开展预测；针对单一模型不适用多特征时间序列预测等问题，分别构建了由CNN和GRU组合的线路客流和断面客流预测模型；以北京市特15路公交为例，预测工作日与非工作日场景下的线路及断面的分类客流。分析结果表明:对于通勤类和非通勤类线路及断面客流，组合模型的均方误差相比单一模型平均降低了57.932、13.106和33.987，均方根误差平均降低了1.862、1.058和1.538，平均绝对误差平均降低了1.399、0.487和0.613，可见，多源数据驱动下的CNN-GRU组合模型具有良好的预测性能。      

两种典型公交站点候车时间模型对比研究

乘客候车时间可直接反映公交运输系统的运营状态和服务水平.将常规公交站点分类为是否与轨道交通有衔接,对27路、111路白石桥东站,以及运通105路和87路城铁西直门站进行实地调研,获取各线路晚高峰的乘客候车时间数据,对数据进行拟合与分析.结果表明,客流到站时间分别服从对数正态分布和伽马分布.基于客流到站时间分布函数,反推出乘客候车时间模型,同时对模型进行对比分析,并得出相应结论.     

基于OD反推的公交站点团OD矩阵预测

城市公共交通的公交站点数量多,在实际操作中,预测站点之间的客流OD分布往往非常困难,因此需把与主要客流集散点相近的站点合并成公交站点团．通过预测站点团的OD矩阵来掌握客流量的分布情况,从而为合理布置公交线网、站场提供科学依据。     

基于OD反推的公交站点团OD矩阵预测

城市公共交通的公交站点数量多,在实际操作中,预测站点之间的客流OD分布往往非常困难,因此需把与主要客流集散点相近的站点合并成公交站点团,通过预测站点团的OD矩阵来掌握客流量的分布情况,从而为合理布置公交线网、站场提供科学依据。     

�����е��湫����ͨ��·����״����

充分发挥地面公交的优势是改善城市交通拥堵状况的关键之一。选取线路长度、线路网密度、重复系数、非直线系数、站点密度、平均站距、站点覆盖率等指标，应用地理信息系统（GIS）技术，对北京市地面公交线路网进行了现状评价。结果表明，尽管北京市的地面公交比较发达，近年来更是取得长足的发展，但仍存在线路长度总体偏大，线路网密度偏低，重复系数大且在空间分布上差异明显，80%以上线路的非直线系数超过《城市道路交通规划设计规范》标准，站点密度相对较小，站点覆盖率仍然不能够充分满足居民对公交的方便利用等问题。对现存问题的揭示将为提出合理的解决对策、进一步制定线路优化方案、提高地面公交的运行效率奠定基础。     

用地性质与线路区位对社区公交的影响研究

社区公交的开通可有效缓解乘客出行的"最后一公里"问题,合理的站点布局可提高社区公交的客流量、促进公共交通发展。基于交通实地调查、SP调查和RP调查,对郑州市社区公交现状进行分析,分别对出行者的性别、年龄、家庭人口数、月收入、职业、出行目的进行特征分析。考虑用地性质和线路的区位影响,分别对社区公交的客流量和乘坐社区公交前使用的交通方式进行研究,分析其对社区公交的站点布设、两站点间的距离、发车间隔和发车频率等的影响,为社区公交的布设提供依据,增加社区公交的竞争力,更好地满足社区居民的出行需求。     

���ڿ������˲��Ĺ���վ���ʱ����Ԥ��

公交站点短时的客流预测是智能公交调度系统中重要的决策基础与技术支持. 在对短时客流特性进行分析的基础上,提出了以卡尔曼滤波作为公交站点短时客流的预测模型,并给出了模型的求解过程. 选用了一条实际公交线路中客流量较大、客流变化明显具有代表性的站点进行了采集数据和实例分析,数据结果的平均绝对误差为5.1771,均方误差为0.7961,表明提出的模型与算法可以有效地对短时公交客流进行预测. 与人工神经网络预测结果比较,在相同的实例数据下,其平均绝对误差为10.4770,均方误差为1.6724,结果表明使用卡尔曼滤波建立的模型比较准确,说明本文所提出的方法预测误差小,具有现实的应用意义.     

融合网络拓扑结构特征与客流量的城市轨道交通 关键节点识别研究

科学合理地识别轨道交通网络的关键节点，并制定针对性的维护管理措施，有助于保障轨道交通的稳定运行。网络中的节点在局部发挥着对外传输与连接的作用，在全局中影响着网络的传输效率，同时，也必然受到其他节点的影响，本文提出一个考虑邻居节点影响的改进节点度模型评价节点的局部重要性，以及一个考虑其他节点影响的改进节点效率模型评价节点的全局重要性，基于改进的节点度模型和节点效率模型构建节点网络拓扑结构重要度评价模型，综合反映节点的局部重要性和全局重要性，也能反映其他节点对目标节点的影响；以进出站客流和换乘客流为基础建立节点客流量重要度评价模型；进一步构建综合考虑节点网络拓扑结构重要度和客流量重要度的关键节点识别模型，更加全面地评价节点的重要性，并以西安市数据为基础进行实例验证。结果表明：本文模型所识别出的关键节点，能很好地体现节点在网络中的功能特性；排名前5的关键节点失效，会导致客流损失34.41%，网络效率降低57%，相对最大连通子图比例下降91.82%，证明了模型的有效性。     

站点可达性方法对公交不平等测度的影响研究

基于缓冲区法(Buffer method)的站点可达性是公交不平等测度的基础数据，通常按乘客到站距离计算方式(直线或沿路网)或数量分布方式(随距离衰减或不衰减)对计算站点可达性的直线缓冲区法进行改进，但可达性计算结果差异对公交不平等测度的影响尚不明确。基于此，以浙江省海宁市为例，将直线缓冲区法与路网缓冲区法、直线衰减法、路网衰减法3种改进方法计算的站点可达性与公交基尼系数进行比较。结果发现：按到站距离计算方式(即路网缓冲区法)改进直线缓冲区法使基尼系数降低 13.60%，按乘客数量分布方式改进(即直线衰减法)使基尼系数降低 35.75%，按两种方式共同改进(即路网衰减法)使基尼系数降低40.56%；改进方法均使小区间可达性值差距减小，按乘客数量分布比按到站距离方式的改进效果更明显；市区比农村的公交基尼系数受可达性方法影响更大，这可能与路网、人口分布的城乡差异有关，且不同可达性方法测度城市与农村公交不平等时存在不同甚至相矛盾的结论。研究表明：简化方法会高估公交不平等且对城市与农村影响不同，因人口或路网数据缺失而选择缓冲区法时应核减公交基尼系数值，数据完备时应选用路网衰减法。