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。     

基于手机信令数据的上海市域职住空间分析

居民居住地与工作地的空间关系是城市空间布局的重要依据.基于手机信令数据,提出分区域的居民通勤距离和就业岗位通勤距离计算方法.通过对比验证了手机信令数据与居民出行调查数据的职住空间和距离分布特征较为吻合.重点分析上海市中心城区及周边地区的职住空间关系及通勤距离.提出职住通道平衡概念,并分析职住通道不平衡地区与轨道交通拥挤程度的关系,指出土地利用布局优化对职住通道平衡的重要性.通过分析不同新城的职住空间特征,探讨新城范围划定对统计分析的影响,总结了新城职住空间较为独立、居民内部就业率较高的特征.     

乘客差异化需求对公交出行满意度的影响

中国对于公交出行满意度的研究主要集中在服务质量指标的制定、乘客意向信息采集等方面,对出行满意度的影响因素缺少深入分析。结合安徽省铜陵市居民公交出行意向调查数据,对通勤乘客和非通勤乘客的公交出行服务需求特征进行分析。在此基础上构建结构方程模型,探究乘客公交出行满意度的影响因素。模型结果表明,通勤乘客更重视公交服务的经济性、便捷性和可达性,而非通勤乘客更重视可靠性和舒适性;经济性和可达性需求对通勤乘客满意度有显著积极影响,而便捷性、可靠性和舒适性需求对所有公交乘客满意度均有显著消极影响。由此,针对两类乘客分别提出提升公交出行满意度的措施。     

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。     

基于手机话单数据的通勤出行特征分析 ——以深圳市为例

通过手机话单数据提取用户的出行特征具有可行性.然而,手机话单数据的稀疏性对提取居民出行时间特征造成困难.通过对深圳市手机话单数据的挖掘分析识别居民职住地,得到居民特征通勤序列,进而基于早、晚不同情况对居民通勤特征进行描述和分析.对比分析显示,通过手机话单数据得到的居民通勤距离和时间特征与居民出行调查结果较为一致,说明该方法可用以描述居民通勤特征.研究表明,深圳市居民通勤开始时间受通勤距离影响不大,大于10 km的中长距离通勤出行对应的平均通勤时间维持在一个比较稳定的值(45~50 min).     

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。      

����APTS���ݵĹ������˿�ͨ��OD�ֲ����Ʒ���

为提高通勤者使用公交出行的比例,有效缓解城市交通拥堵,对应用智能公交系统数据(Advanced Public Transportation Systems,APTS)获得公交通勤出行需求的方法进行研究.采集APTS数据,通过对公交IC卡数据和智能调度系统数据的关联获得公交乘客的上车站点信息.根据早、晚高峰的出行频率判断公交通勤乘客,利用通勤出行的时间和空间特征确定居住地点和工作地点.以此基本思路,提出公交卡乘客通勤OD分布估计算法,并应用海量APTS系统数据对算法进行了试验和分析.最后,通过与基于"出行链"的方法进行比较,分析了算法的精度.本文提出的方法具有精度高、可操作性强的优点,为快速、经济地获取公交通勤OD分布提供了一种新的途径.     

大城市职住空间演变评估方法研究

中国大城市正处于快速城镇化发展进程中,空间形态以及对应的就业-居住关系正在发生深刻嬗变。职住分离正是这一发展过程中的必然现象。本研究基于过剩通勤框架提出一种动态的Brotchie三角形模型研究方法,为快速城镇化发展中的中国城市通勤效率评估提供理论基础。借助南昌市城市居民出行调查中获得的大样本的通勤、就业等数据,为城市的职住平衡、通勤效率评价提供有效数据支撑,并对动态Brotchie三角形模型进行验证。研究证明,以过剩通勤框架下的动态Brotchie三角形模型和通勤节省、标准通勤节省指标评价快速城镇化大城市的通勤效率,相较职住比、过剩通勤率等指标更加有效并且有利于跨时间、跨城市的横向比较。     

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。     

上海市大型居住社区居民职住分离情况研究

采用数理统计方法,选择上海市大型居住社区为研究对象,结合大量的实地问卷调查数据,系统地分析上海周边大型居住社区职住分离情况.采用聚类分析方法对大型居住社区居民通勤时间、出行方式选择进行了统计分析,分析发现大型居住社区居民出门时间早于上海市平均时间、居民对公交的依赖性非常强、助动车使用比例较高,这表明大型居住社区公交配套设施之间的衔接不到位,存在站点距离过长和线路不对称等情况.最后通过多个大型居住社区样本之间的比较,找出影响大型居住社区居民职住分离现象的因素,结合实际情况,给出相应改善职住分离现象的建议.