基于高速公路流水数据的通勤车辆特征研究

随着居民利用高速公路进行通勤出行车辆的增加,高速公路缓行和交通拥堵等问题时有发生,特别是在重大节假日期间.目前,解决上述交通问题的主要方法是交通需求管理措施,而实现有针对性的交通需求管理需要对高速公路收费流水数据进行精确的挖掘分析,掌握车辆在高速公路上的运行状态与时空分布特征.本文基于高速公路收费流水数据,借助 K-means++聚类方法识别使用高速公路日常通勤的车辆,进一步分析通勤车辆的出行时空分布特征.从通勤出行的角度,挖掘城市通勤快速出行廊道分布,研究高速公路网与城市道路网络的关系,对提高交通系统效率和缓解交通问题具有重要的意义.     

基于公交IC卡数据的乘客出行分类研究

为得到体现公交乘客出行时空规律的数据,采用基于出行链方法推导出公共汽车乘客的下车站点;建立了描述单个乘客多天出行的完整数据框架;根据乘客参加不同活动所产生的出行时空特征定义了3类出行:通勤类出行、普通类出行和随机类出行,将出行频次与出发时间的标准差作为分类标准对公交乘客出行进行分类。研究表明:39.1%的乘客具有普通类或通勤类出行,生成总客流的76.4%;60.9%的乘客只具有随机类出行,生成总客流的23.6%。通过对乘客出行的分类研究可以更好地掌握乘客公交出行的规律和需求。     

基于高速公路流水数据的通勤车辆特征研究

随着居民利用高速公路进行通勤出行车辆的增加，高速公路缓行和交通拥堵等问题时有发生，特别是在重大节假日期间.目前，解决上述交通问题的主要方法是交通需求管理措施，而实现有针对性的交通需求管理需要对高速公路收费流水数据进行精确的挖掘分析，掌握车辆在高速公路上的运行状态与时空分布特征.本文基于高速公路收费流水数据，借助 K-means++聚类方法识别使用高速公路日常通勤的车辆，进一步分析通勤车辆的出行时空分布特征.从通勤出行的角度，挖掘城市通勤快速出行廊道分布，研究高速公路网与城市道路网络的关系，对提高交通系统效率和缓解交通问题具有重要的意义.     

居民低碳通勤出行的主观态度识别及影响分析

基于已有的居民低碳通勤出行SP数据,应用直觉模糊C均值聚类算法对样本进行聚类,识别居民对低碳通勤出行所持有的主观态度类型.构建不同类型居民低碳通勤出行意愿的MIMIC模型,研究持有不同主观态度的群体其行为意愿形成机理的差异性.研究结果表明:居民低碳通勤出行的主观态度可划分为积极、中立、消极三类;主观态度与个体出行方式选择和低碳通勤出行意愿之间均存在相关性;持有不同主观态度的群体,作用于其行为意向的影响因素的构成,影响因素对行为意愿作用的路径,作用强度存在差异性.     

基于车牌照数据的通勤特征车辆识别研究

近几年来,交通拥堵日益成为大中城市最严重的交通问题之一,而由通勤行为 引起的早晚高峰交通拥堵最为突出,严重影响了城市居民的出行和交通系统的运行.因 此,本文从车辆的角度出发,采用上海快速路牌照识别系统采集数据,通过k-means 聚类 数据挖掘方法,提取路网中的通勤特征车辆,并分析了通勤特征车辆在路网中的出行时 空分布.分析得出,在上海快速路网中,占全部检测车辆2.8%的通勤特征车辆在早晚高峰 时提供了高达36%的交通量.在早高峰时段,识别出的通勤特征车辆主要分布路段为中环 外圈、陆家嘴方向、逸仙高架和沪闵高架;晚高峰时段,基本集中在与早高峰的相反方向. 研究结果表明,本文基于车牌照数据的数据挖掘方法,可以有效地提取通勤特征车辆并 研究其出行行为的时空特征,能够为城市交通拥堵问题的缓解和交通需求管理政策的提 出提供辅助决策信息.     

基于通勤大数据的出行空间分布模型测评与改进

通勤出行是城市交通早晚高峰的主要构成部分,理解和预测通勤出行空间分布一直是城市交通研究的主要方向之一。基于互联网位置服务所识别的城市通勤大数据,以工程领域广泛应用的重力模型为例,研究和评价出行空间分布模型对通勤出行样本量的敏感性以及在不同空间尺度上对实际通勤出行空间分布的重现能力,并剖析了传统出行空间分布模型所引起的“碎片化”结果及其成因。克服传统方法仅考虑群体统计特征的缺陷,引入反映个体通勤出行延续性的因子,提出了新的通勤空间分布模型及求解算法。新的模型和算法能够更好地适应通勤大数据背景下巨量分析单元的情形,基于实际数据验证了其对通勤出行空间分布的重现能力优于传统出行空间分布模型。     

上海市居民通勤方式链特征分析与效率评价

为了解上海市居民通勤现状并改善其薄弱环节,以通勤时间为切入点,调查并分析上海市15个小区的居民通勤出行特征。首先明确通勤方式链定义,分析通勤方式链基本结构和环节组成,将其分为9大类23小类。同时划分4类通勤时间区间以及5类交通态度人群。总结方式链的时空分布规律,考虑主要态度人群"简单安全型"的通勤意愿,以公共汽车、地铁、公共交通组合方式链为例,评价方式链各环节效率。依据感知时间设计通勤者主观评价模型,不同环节通勤时间的改善会存在感知效果的差异。结果显示,接驳和候车是必要且易于改善的重点环节:接驳时间每增加1 min,期望节省时间平均增加0.021 min;候车时间每增加1 min,期望节省时间平均增加0.619 min。     

基于IC卡与GPS数据的公交通勤出行特征分析

公交通勤人群是公交客流的重要组成部分,公交通勤出行特征是制定公交优先发展战略、公交规划、优化与运营管理的数据基础.针对传统以"车"为研究对象的碎片化公交通勤出行特征分析方法,基于公交IC卡与GPS数据,从公交乘客"人"角度出发,系统分析提出了公交出行链特征、区间客流不均衡系数、职住平衡水平及线路黏性系数4个维度指标参数计算方法.以重庆市主城区连续5个工作日47条代表性线路的公交乘客为例,对通勤出行特征进行分析,结果表明:重庆市主城区通勤客流换乘次数较少、长线公交客流需求较大、职住平衡水平较高、约1/4的通勤出行者对线路选择具有较强黏性.     

基于顺风车数据和聚类方法的都市圈 区域划分与层级结构研究

都市圈已经逐渐成为国家新型城镇化发展的主体形态之一,在区域经济一体化建设中起 着十分重要的作用。本文基于顺风车数据,使用聚类分析方法,围绕北京都市圈区域划分与层级 结构展开相关研究。首先,通过网格模型将研究区域网格化处理并作为基本处理单元,匹配获取 的顺风车数据与POI数据到网格中,利用基于网格的改进K-means++聚类算法,并结合使用手肘 法与轮廓系数法确定最佳聚类数量,对北京都市圈主要功能区进行划分。通过分析不同功能区 域内的居民通勤出行特征,提出通勤强度、通勤时间、功能区独立性、功能区可达性等区域通勤特 征评价指标,结合上述指标使用层次聚类方法对北京都市圈层级结构划分展开进一步研究。研 究结果表明：本文采用的改进聚类方法能克服传统聚类算法随机选取聚类数目所带来的影响,有 效划分并得到19类北京都市圈主要功能区域,聚类效果更佳;聚类结果显示北京都市圈主要功能 区域与北京市现有行政区域划分存在差异性,在都市圈规划建设当中应当主动破除行政区域壁 垒,实施面向都市圈范围的整体规划;根据不同功能区域的居民通勤特征与地理区位特征,北京 都市圈还可进一步划分为核心层、近郊层、远郊层3个圈层;应当根据北京都市圈圈层特性与功能 区自身属性制定相应发展策略,通过规划建设市郊铁路或轨道交通改善不同圈层间的通勤现状, 提高北京都市圈整体通勤可达性。研究结果为制定相应规划与管理政策提供依据,有利于都市 圈功能与结构进一步完善,促进都市圈良性发展。     

基于个体出行图谱的公共交通通勤行为辨别方法研究

不同公共交通类型乘客的出行特征存在显著差异,实现公共交通通勤乘客准确辨识,有助于获取精细化的公共交通出行特征,更好地满足不同类型乘客的出行需求.基于北京市公共交通刷卡和线站数据,对公共交通多源数据进行关联匹配并提取出行链.利用北京市连续1个月的公共交通刷卡出行数据,采用多层规划理论构建了个体出行知识图谱,提取了出行天数、出行空间均衡度等7类特征指标.通过RP调查获得乘客出行行为类别.以特征指标为输入,乘客分类为输出,构建了面向公共交通乘客分类的BP神经元网络模型.验证表明,模型平均分类精度为94.5%,Kappa系数为0.879.本文研究有助于准确识别不同类别的公共交通乘客,为优化公共交通运营及公共交通精准化服务提供支撑.     

城市公共交通常乘客通勤出行提取方法

为挖掘公共交通通勤出行精准化特征，从追踪出行链的角度出发，利用公交与轨道多源数据研究常乘客通勤出行提取方法。通过选取潜在职住地设置高频职住地集合，提出公共交通常乘客职住地识别算法，结合出行链起讫站点与职住地空间信息匹配提取通勤出行链，并将常乘客出行分为home-work通勤、work-home通勤和非通勤出行。以北京市“回天地区”公交与轨道出行链数据为例，提取常乘客通勤出行。结果表明：常乘客职住地识别率达到85.9%，常乘客通勤出行和非通勤出行在出行时空分布和出行方式上存在明显差异，通勤出行提取可为北京市面向常乘客开展“预约出行”并分析其出行需求动态特征变化提供依据。     

基于个体出行数据的公共交通出行链提取方法

公共交通个体出行信息的提取对掌握公共交通出行的时空特征,改善居民通勤出行效率具有重要意义.研究从公交刷卡数据、公交定位数据、轨道AFC数据等海量公共交通多源数据的关联匹配与处理方法入手,提出了公共交通出行链信息提取中,换乘关系判断、通勤行为判别及出行起讫点匹配的方法与规则,标定了出行链匹配阈值参数,建立了基于个体出行数据的公共交通通勤出行链提取模型.提取模型的准确度验证表明:出行链结构提取及通勤出行判别的成功率均达到100%,出行阶段起讫点匹配成功率为87.5%,准确性为97.1%,满足了公共交通出行特征提取的需求.该方法为公共交通通勤出行判别及基于个体的微观通勤出行时空特征的深入分析奠定了基础.     

闭合通勤链中基于博弈的小汽车拥有者出行方式选择研究

从个体出行方式选择决策机理入手,以演化博弈理论为基础,基于出行链构建了考虑回程因素的闭环通勤出行选择决策模型.模型中考虑了个体对去程与回程两次出行感知程度的两类影响因素,模拟了回程过程的3种不同情境,研究回程加入不同活动情境下对整个闭合通勤链出行选择决策的影响,并将考虑回程因素的决策结果与仅考虑单次出行的结果进行对比,证明了考虑回程因素的必要性.最后,以北京市典型通勤OD为例,对模型进行实证分析.结果表明,仅考虑去程时,小汽车方式优势凸显;而考虑回程因素时,回程过程中加入的不同活动将影响个体闭环出行链出行选择决策结果,小汽车将不再成为人们出行的最优选择,定制公交的优势不容小视.     

基于时空行为规律挖掘的公交乘客分类方法

应用智能公交系统(APTS)提取个体乘客出行信息，构造了公交出行链，研究了基于时空行为规律挖掘(STBRM)的公交乘客分类方法；应用时间序列表征乘客出行时间特征，利用互相关距离(CCD)算法计算了个体乘客出行时间规律；应用带噪声基于密度的空间聚类(DBSCAN)算法，挖掘了个体乘客的出行空间规律；依据出行强度和出行时空规律，将乘客划分为极少出行、时间规律、空间规律、时空规律和不规律等5个群体；以出行天数、类似上车时间数量和类似上车站点数量为聚类指标，应用K-Means++算法将乘客划分为高规律、中规律和低规律3类，比较了本文提出的STBRM方法和K-Means++聚类方法的分类结果，揭示了2种方法分类结果之间的关系。研究结果表明: 当时段划分长度取5 min，时间规律性判断阈值取3.0时，利用CCD算法识别时间模式规律乘客的效果最佳，与常用的DBSCAN算法相比，识别率提升了14.64%；增加时间窗长度能够提高时间、空间模式规律判定结果的稳定性；时间窗长度达到3周后，空间模式规律的乘客比例下降趋缓，达到6周后趋于稳定；时间窗长度达到2周后，时间模式规律的乘客比例增长趋缓，达到4周后趋于稳定；时间规律、空间规律和时空规律等3类乘客数量仅占总乘客数量的30.4%，但其出行量占到了总出行量的84.7%，公交依赖度很高，应作为公交机构重点保障的对象；本文提出的STBRM方法与K-Means++聚类方法的分类结果具有较强的关联性，规律性极高或极低的群体高度重合。      

城市居民通勤出行方式服务水平评价

随着城市居民就业范围的扩大,通勤出行距离不断增加,通勤时段逐渐延长,使通勤出行日益复杂.因此,有必要对居民的通勤出行特征进行全面的分析研究,进而掌握通勤出行的规律,改善通勤出行的交通环境.本文首先从出行时间特征、出行距离,出行时耗、交通方式选择等方面对通勤出行的特征进行了分析;然后给出了通勤出行的评价体系,通过将logit模型和层次分析法相结合,得到通勤出行方式的服务水平;最后通过实例,验证了该方法的合理性,并给出了相应的评价结果.     

基于换乘链断裂点时空信息的公交换乘行为识别

分析了公交智能卡数据挖掘中转乘行为、通勤出行、非通勤出行识别的改进方法, 将关注点从公交换乘过程信息转移到换乘链间隔期的持续时长和空间位移信息, 以换乘链断裂时长和位移2个维度计算公交换乘链断裂点概率, 制作工作日和非工作日断裂点时空变量联合概率分布矩阵, 对比了这2种分布的差异;检验了断裂时长序列和断裂位移序列的稳定性, 标识了2条曲线的突变点和拐点, 用于推断转乘引起的转移距离和转乘时长的阈值参数;对工作日和非工作日差值时长序列曲线进行移动平均滤波处理, 使得曲线的突变与极值之间的关联能够解释转乘、通勤出行和非通勤出行3种行为与通勤和非通勤出行之间的关联;采用北京市整个一周的地面公交和地铁系统样本数据对方法进行验证, 并根据时间序列和位移序列曲线确定样本数据中常见公交换乘行为的阈值参数。分析结果表明:断裂点时空信息对样本数据中的换乘行为能提供更合理的识别分类参数;持卡人在站点间转移的容忍距离约为1.6km;断裂点转乘时长与非通勤出行的断裂时长临界点为22~48min;非通勤出行和通勤出行的时长临界点约为478min, 非通勤出行断裂点最大概率时长为140min;通勤出行的断裂时长接近期望值为601且标准差为44的正态分布;基于新方法得出的参数改善了公交出行活动的识别率, 转乘行为、通勤出行与非通勤出行的识别率分别提高了16.1%、4.2%、6.2%。可见, 换乘链断裂点的时间信息和空间信息不但可作为公交换乘行为识别的依据, 还可能带来更好的识别效果。      

公共交通票价对通勤走廊出行结构的影响

针对通勤走廊构建交通方式选择模型,分析公共交通票价对通勤走廊出行结构的影响;考虑公共交通多种末端衔接方式,针对有车和无车通勤者,分别构建了包含组合出行模式的出行方式选择NL模型;以北京市地铁5号线沿线通勤走廊为例,结合实际数据对NL模型精度进行检验;在考虑公共交通运能约束的基础上,应用NL模型分析不同单一交通方式票价、组合票价下,各出行方式分担率与公共交通满载率的变化,从公共交通运能利用率和服务水平的角度研究不同票价下出行结构的合理性。研究结果表明:北京市票价调整政策可以提高地面公交运能利用率,但对降低地铁满载率的作用有限;若将地面公交票价调整为0.01~0.06元·km~(-1)或地铁票价调整为0.32~0.42元·km~(-1)时,通勤走廊内地面公交的高峰小时平均满载率为60%~65%,北京市地铁5号线高峰小时满载率为86%~100%,公共交通运能利用率保持在一定水平的同时,提高了公共交通服务水平,且小汽车的分担率基本保持现状,未造成小汽车出行量的激增;当地面公交和地铁票价同时满足限制条件时,通勤走廊内地面公交的高峰小时平均满载率为58%~80%,北京市地铁5号线高峰小时满载率为86%~100%,小汽车分担率的增幅在5%以下,票价调整可以改善通勤走廊的出行结构。     

动迁居民通勤出行特征研究——以上海市大型居住社区江桥基地为例

随着城市发展，上海市人口增长的重点逐渐由中心城区转向城市外围地区，将对动迁居民的通勤出行产生巨大影响，有必要对该类人群的出行特征进行研究。以上海市嘉定区江桥基地为例，开展出行调查，分析搬迁至该社区的居民的通勤出行特征，包括出行时耗、出行距离、出发时间、出行方式、工作地点。将动迁通勤者与非动迁通勤者及上海市中心城区通勤出行数据进行对比分析，结果显示，虽然一部分动迁居民改变了工作地点，但总体上其通勤出行时耗和出行距离更长、出发时间更早。最后，针对江桥基地周边交通系统提出改善建议。     

时间地理学视角下职住空间对通勤效率的影响研究——以昆明市双职工家庭为例

家庭职住空间是城市通勤格局形成的重要影响因素,而通勤效率是居民日常出行行为决策的评价标准之一,剖析二者间互动机理是优化城市空间布局及提高交通可达性的关键。基于时间地理学理论建立职住空间与通勤效率研究框架,提出家庭职住空间和通勤效率度量方法,利用2016年昆明市居民出行调查数据,采用结构方程模型探讨职住空间对通勤效率的影响机理。研究表明：职住空间分散的家庭倾向于将非工作活动嵌入通勤链或采用小汽车出行以提高通勤效率,但更高的小汽车拥有水平会增加接送类时空固定性较强的活动,最终导致家庭通勤效率降低;高收入和长住学距离均使家庭的职住空间更加分散,然而高收入促进通勤效率提高,而长住学距离使通勤效率下降;通勤效率具有显著的空间异质性特征,近市中心居住家庭的非工作活动以时空灵活性较强的购物与休闲为主,故而通勤效率较高,郊区居住家庭周边的商业设施较少且非工作活动较为固定,故而通勤效率较低。因此,城市用地布局和住房供给应综合考虑如何降低通勤交通的机动化依赖程度、如何缩短非工作活动的出行时耗以及不同社会经济属性家庭的需求,以逐步提高城市居民的通勤效率。     

基于手机信令数据的城市通勤出行特征研究

通勤交通出行特征是研究城市交通规划的重要数据基础,如何有效提取通勤出行特征成为研究城市居民通勤出行的关键。文章通过分析手机信令数据特性和通勤出行特征,利用手机信令数据挖掘的相关技术,建立通勤出行特征提取模型并进行实例研究,与传统的居民出行调查分析进行对比,验证利用手机信令数据进行通勤出行特征研究的可行性。