一种基于GPS和IC卡数据的城市公交出行分布推算方法

城市公交规划、管理工作迫切需要信息化技术给予定量的决策数据支持.公交出行分布数据通常基于居民出行调查获得,然而因其调查代价巨大不能作为常态化调查手段.短期的公交线网调整工作更依赖于现状的公交出行分布需求,本文由此提出了一种利用公交GPS和IC卡(含老年卡)数据推算现状公交出行分布的实用方法.当前在大城市常住人口使用IC卡作为公交支付手段已得到相当普及,采用基于车载GPS和乘客IC卡记录能够推断得到全日公交OD数据并用于公交出行量回归模型的标定.模型检验通过后,可结合人口数据和就业岗位资料用标定模型计算以投币作为主要付费方式的流动人口公交OD;叠加两部分OD得到完整的城市公交出行分布结果.该模型的有效性通过2010年郑州市综合交通调查实践得以验证,对其它城市具有借鉴意义.     

基于GPS和IC卡数据的公交出行OD推算方法

主要基于GPS和公交IC卡数据研究推算交通小区公交出行OD的一种方法。将居民公交出行分为闭合型出行链和非连续型公交出行链,通过数据的挖掘融合技术,结合居民公交出行规律推算交通小区的公交OD矩阵,利用站点吸引强度对无明显规律的紊乱出行数据进行修正,提出了基于GPS和公交IC卡数据推算公交出行交通小区OD的方法,并以佛山市中心城区为例验证推算方法的可靠性。研究表明:所得公交出行OD矩阵精度较高。     

基于IC卡和稀疏GPS数据的中小城市公交乘客上下车站点推算方法

为有效获取中小城市公交乘客出行信息,挖掘其出行特征,基于公交乘客IC卡数据、稀疏GPS数据和公交站点位置信息等数据,提出一种公交乘客上下车站点推算方法.首先,通过内插法补齐稀疏GPS数据并与公交站点经纬度匹配获得车辆到站时刻,进而匹配乘客的IC卡刷卡时刻,识别乘客上车站点;然后,根据出行链理论划分不同公交出行链,结合乘...     

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.     

基于多源数据的OD分析模型和系统实现研究

为进一步提高公交企业管理水平,促进传统公交运营管理向数据驱动的主动管理模式转化,对乘客OD(交通起止点)信息的获取进行了研究.在分析现阶段行业内主要的OD信息获取方式及存在问题的基础上,提出以城市公交IC卡数据、公交车辆GPS数据和公交站点GIS数据为主要研究对象,利用多源数据融合技术,运用优化后OD推导算法进行计算,得到乘客OD信息,并通过实例分析验证算法的有效性和适用性.此外,设计了基于多源数据的OD信息管理系统,实现对公交大数据的处理及可视化展示,起到支撑公交系统焦点问题量化分析的作用,使公交运营管理工作有的放矢.     

基于公交IC 卡数据的上车站点推算研究

为了分析城市公交乘客的出行特征,本文利用公交IC 卡及GPS数据对公交IC 卡乘客上车站点推算进行研究.针对安装车载GPS设备的车辆,运用GPS数据与IC 卡数据融合算法进行推算;对于无车载GPS设备的情况,为适应一票制IC 卡数据挖掘,对贝叶斯决策树算法进行改进,允许节点跳跃,推算上车站点,并且利用Markov 链特性降低算法的运算复杂度.同时,本文以北京公交数据为例,对提出的两种方法进行验证.结果表明,利用本文提出的方法推算上车站点,3 站之内误差的准确率达到90%以上,算法在兼顾算法精度的同时合理地控制了运算复杂度,可以实际运用于城市公交系统.     

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.     

基于大数据的公交专用道周边用地属性和效益表现分析

为更好推动公共交通优先发展,打造上海"后公交都市"时代,提升公交专用道运营效率,以上海市已建公交专用道为研究对象,基于手机数据、POI数据、公交IC卡数据、公交GPS数据、网约车GPS数据、公交企业运营数据,对公交专用道两侧500?m范围内的居住、就业、购物休闲和医疗服务共4项用地属性进行了分析.在此基础上,以4项用地属性作为聚类因素,将全市公交专用道进行聚类,分析各类公交专用道的效益表现及其与用地属性的相关性.该项研究填补了利用大数据进行公交专用道周边用地属性分析的空白,将加深行业管理部门、公交企业等对公交专用道的认识,有助于精细化管理公交专用道和优化线路服务.     

基于IC卡数据的轨道公交接驳特征分析

针对当前轨道接驳研究侧重人工调查或理论分析、利用大数据进行公交接驳准确分析的研究相对较少问题,提出以IC卡数据为数据源的轨道公交接驳比例、接驳距离等相关指标的计算模型,并利用该模型计算北京市现状轨道站点的公交接驳相关指标.基于轨道站点设计阶段所能获取的站点属性信息将北京市轨道站点分为末端站、市区普通站、市区换乘站、郊区普通站、郊区换乘站5类,在该分类结果基础上对北京市轨道公交接驳特征进行分析.基于IC卡数据对轨道公交接驳特征进行准确分析,可为轨道站点的外部接驳设计、接驳公交布设、提高轨道交通服务水平等补充相关数据资料.     

GPS技术在创新车辆管理中的应用

大庆市作为矿区城市,市区建设特点决定了公交车发车点多、线长,始发站较分散,管理成本高、难度大的现状。分析智能公交系统功能、结构、构架,论述应用GPS可实现油料的科学管理、车厢乘客出行发布及IC卡分段收费,最终得出GPS管理能实现良好的社会和经济效益的结论。     

多源数据解析城市交通特征与规律

随着信息技术的发展,城市交通领域不断涌现新的数据来源。有效利用这些数据,有助于深刻理解城市功能和交通特征与规律。回顾城市交通分析与建模中常用的多源数据,并着重介绍信息化数据的典型应用,包括手机信令数据、公共汽车信息系统数据、车辆GPS数据、交通检测数据和售票系统数据。基于传统城市交通分析框架下的数据需求,探讨多源数据间的关系与联合应用。提出信息化数据完全取代传统数据既不现实,也不必要;信息化数据的价值发挥在于未来交通分析与建模技术的创新。最后对多源数据的发展与应用方向进行展望。     

公交IC卡数据分析处理方法研究

随着科技的不断发展,IC卡技术已经日趋成熟,并且已经全面推广到公交和地铁中。围绕北京公交特性,对公交IC卡的信息采集、分析和应用进行探讨,研究基于现状IC卡信息采集技术的公交客流及出行信息的分析方法,通过实例证明了方法的可行性。     

基于IC卡数据的公交线网评价

公共交通是促进城市可持续发展和实现低碳交通的有效措施之一．对公交线网的评价也越来越受到管理和研究人员的重视。为了利用IntegrateCircuit（IC）卡数据获得大量的出行信息,对公交线网的服务水平做出合理的评价．提出了3个指标：流量差异、供需差异、时间差异,用于评价乘客需求和公交线网布局的空间匹配程度。最后,以南宁市为例,将上下班高峰时段的IC卡数据在TransCAD中进行了验证,证明了该方法的科学性和实用性,从而提供了一种从乘客出发的．更加直接的、合理的公交线网评价方法。     

面向特大城市未来发展的交通模型研究——数据密集型分析概念下的交通模型

从中国特大城市发展过程中交通领域所面临的挑战出发,围绕城市交通战略管理能力的提升,提出了新的交通模型所需要具备的分析功能。在此基础上引入数据密集型研究的概念,讨论了模型在分析流程中的应用位置,提出了四个层次的模型技术框架结构,并在实际研究工作的基础上,提出了有待克服的主要技术瓶颈。     

基于大数据的交通规划技术创新应用实践——以深圳市为例

深圳市长期坚持数据和模型驱动的交通规划理念,经过20年的积累,建立了面向规划决策支持的综合交通大数据应用体系,在多元数据融合与大数据挖掘应用方面进行了探索。总结深圳市交通大数据平台包含的三类数据:偏静态的城市空间数据、传统调查数据、偏动态的交通多元数据,阐述大数据对交通规划技术创新的影响。基于大数据对交通模型和运行仿真的影响,深圳市积极推动交通规划技术创新,建立区域–宏观–中观–微观一体化的交通仿真模型体系、融合实时数据的交通运行和评价系统,也使得绿色交通优先等规划理念更易实施。最后,对车联网、智慧交叉口、交通主动控制、个性化信息交互等影响交通规划创新的技术进行展望。     

中国城市交通调查与模型现状及发展趋势

城市交通调查和交通需求模型在中国已有30多年的发展历程,在新的数据环境和城镇化发展背景下,有必要探讨交通规划定量分析技术的发展方向。首先介绍中国城市交通调查的技术问题、体制保障等现状情况,同时概括交通模型的技术发展和应用现状。其次,从调查数据采集和维护机制,交通模型理论体系和功能需求,人才队伍以及模型在交通规划决策中的地位等方面分析交通调查和模型存在的问题。最后,预判中国城市交通调查和模型的发展趋势,提出大数据和交通模型互动发展、交通模型和GIS技术全面结合、加快制定指导手册和标准等相关发展建议。     

大数据环境下的城市交通综合评估技术

伴随城市蔓延、轨道交通成网、用地开发等发展条件,大城市综合交通环境日益复杂。如何拓展评估边界、深化评估技术、提升评估频率和延伸评估视角成为传统城市交通评估技术体系面临的四个关键问题。首先介绍交通领域大数据的组成、特征及应用情况。通过深度挖掘交通运行产生的多源异构数据,建立集统计、关联、预测于一体的交通大数据分析平台和专题评估子系统,形成面向多层次、多领域应用需求的一体化综合交通模型体系。最后,基于深圳市的应用实践情况,阐述城市交通综合评估技术从城市到区域、从宏观到微观、从静态到动态、从土地到环境的转变。