基于朴素贝叶斯分类器的公交通勤人群辨识方法

公交IC卡数据中通勤用户卡号ID的辨识和提取是其公交出行行为特征分析的前提.本文以厦门市公交IC卡刷卡记录为依托,结合相关问卷调查,提出一种基于朴素贝叶斯分类器(Na?ve Bayesian Classifier,NBC)的公交通勤人群辨识方法.首先,利用两种数据源中(问卷调查数据与IC卡数据)同时包含的公交出行信息,例如工作日首次刷卡时间、每周工作日刷卡天数等,建立其与调查数据中独有的类别变量(通勤人群/非通勤人群)之间的贝叶斯概率关系,并以此构建与训练NBC模型.然后,利用未参与训练的调查样本对标定后的模型的预测准确性进行测试,通勤人群的预测成功率达到88%.最终,利用测试验证后的NBC模型对公交IC卡数据中通勤人群进行识别,结果显示,厦门市公交通勤人群的数量介于26万人到32万人之间,并给出相关指标的统计结果.     

基于IC 卡数据的公交通勤熵变模型的构建与应用

建立利用公交IC 卡数据计算公交过剩通勤熵变的框架，对优化城市居民通勤出行距离的难易程度进行定量分析. 结合公交出行的特点，构建基于Wilson 熵模型和双约束重力模型的公交通勤熵变模型；以广州市居民公共交通IC 卡数据为例，对通勤筛选、单元问题及过剩通勤熵变评价等进行探讨. 结果发现，采用约1 km × 1 km的单元格划分是城市公交通勤熵变模型中适合的单元划分方式，公交过剩通勤的熵变能够有效衡量平均通勤距离减少的难易程度和检验改变通勤行为相关政策的有效性.     

基于特征子序列修正的公交刷卡滞后时间推算

针对一票制公共交通IC卡刷卡系统存在的滞后时间问题,提出基于特征子序列修正的时差匹配推算方法。依托GPS车辆到站信息序列和刷卡聚类序列,分析首末站和中途站站间运行时间分布的差异化特征,分别从两序列中提取大时间差和连续小时间差等特征子序列;利用两种子序列间一对一或一对多的对应关系分别进行初步搜索和二次修正,兼顾匹配过程的效率和精度。将推算流程应用于山西省大同市公共汽车系统,结果显示,抽样车辆的刷卡匹配率均达到99%以上,并且针对不同类型的公共汽车线路具有较强的适应性。     

网约车合乘与地铁联运出行特征识别与节油估算

网约车合乘与地铁联运出行,不仅可以实现两种交通方式在服务功能上的优势互补,还可以放大共享出行的节能减排效益。基于滴滴出行网约车移动出行平台中北京市域拼车和顺风车运营数据以及北京地铁AFC刷卡数据,深入分析网约车合乘与地铁的竞合关系。利用非负矩阵分解算法进行延伸型通勤出行链的识别,提出考虑燃油经济性指标和车辆运行状态的通勤出行链节油估算模型。将该方法应用于北京市,发现拼车多为地铁竞争型和地铁延伸型订单,而顺风车多为地铁延伸型订单;延伸型通勤出行链主要为郊区通勤者提供地铁接驳服务。顺风车出行明显比拼车出行更加节油;“网约车合乘+地铁”通勤出行链主要来自郊区无地铁覆盖区域,该模式的平均节油率能够达到50%以上;“顺风车+地铁”出行链的节油效益好于“拼车+地铁”出行链。指出管理者应采取费用补贴、停车优惠等政策措施,鼓励“网约车合乘+地铁”通勤出行方式发展,使绿色高效的一体化出行服务惠及更多城市居民。     

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.     

基于地铁刷卡数据的通学模式影响机理研究

长距离的通学出行是导致中小学生被家长用小汽车接送的关键因素,鼓励中长距离通学学生使用地铁出行可以减少他们对小汽车的依赖.本文在考虑潜在接送行为的基础上,利用地铁IC卡刷卡数据研究了南京市中小学生的地铁通学模式.通过识别出地铁通学人群及对应的通学记录,把学生地铁通学行为分为只去不回 (HTSO)、只回不去 (STHO)、往返 (SHUTTLE)和其他(OTHERS)模式,并建立多元Logistic模型分析了学生出行特征、所在区位、居住地及学校周边建成环境特征对其地铁通学模式的影响.模型结果显示,学生的出发时刻、出行频率、居住地区位、学校区位及建成环境对地铁通学模式有显著影响,且居住地和学校周边建成环境对学生通学模式的影响不同.     

基于IC卡数据的轨道站点候车时间特征分析

城市轨道在面对高峰时刻大量的通勤客流时,有可能因地铁已满负荷行驶乘客而等待下一车辆,由此产生轨道站点候车时间。基于此,提出了一种基于地铁IC卡数据来计算高峰时期乘客真实候车时间的方法。其特点是针对特定OD,通过高峰时刻乘客出行时间与非高峰时刻乘客的出行时间的关系来计算乘客站内高峰候车时间。基于IC卡数据可计算出真实准确的候车时间,并使用北京市地铁IC卡数据计算了北京市278个轨道站点站内候车时间,并对其候车时间特征进行了分析。     

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.     

基于数据融合的公交客流规模测算方法

公交客流规模测算往往存在调查成本受限和准确度要求较高的矛盾.提出基于公交IC卡历史数据与人工补充调查数据的数据融合测算方法,以准确推算公交客流规模.首先根据公交线路的基本属性,采用聚类分析方法划分线路类型,从每一类中选择具有代表性的线路.基于IC卡数据分析公交客流时变特征,运用有序样本聚类Fisher算法将线路小时刷卡量进行聚类分析.划分刷卡量相似时段,进而采用优化方法确定调查抽样率,确定相应的调查车辆进行人工补充调查,最终经过数据融合计算获得公交客流规模.基于上海市某辖区IC卡数据进行案例分析,测算得到三类公交线路的日均客流量.     

基于分类决策树的城市内部迁居人群通勤时间预测模型

针对迁居个体长距离、长时间的通勤现象，以南京迁居人群通勤出行多源数据为基础，综合考虑迁居人群个人家庭属性、迁居属性、建成环境属性及通勤属性，建立迁居人群通勤时间多元线性回归模型，分析各属性对通勤时间的影响. 结合多元线性回归和Logistic 回归确定决策树模型入选变量和通勤时间离散值，利用C4.5 算法建立迁居人群通勤时间决策树，以决策树结构揭示不同背景下迁居个体通勤时间模式特征. 结果显示，相较于个人家庭属性，职住同区、通勤出发时刻、住房类型、通勤距离、通勤方式及社区至主干道的便捷程度对迁居个体通勤时长的影响更为显著，侧面反映社区微观建成环境优化政策更利于提升迁居个体通勤效率.     

基于分类决策树的城市内部迁居人群通勤时间预测模型

针对迁居个体长距离、长时间的通勤现象，以南京迁居人群通勤出行多源数据为基础，综合考虑迁居人群个人家庭属性、迁居属性、建成环境属性及通勤属性，建立迁居人群通勤时间多元线性回归模型，分析各属性对通勤时间的影响. 结合多元线性回归和Logistic 回归确定决策树模型入选变量和通勤时间离散值，利用C4.5 算法建立迁居人群通勤时间决策树，以决策树结构揭示不同背景下迁居个体通勤时间模式特征. 结果显示，相较于个人家庭属性，职住同区、通勤出发时刻、住房类型、通勤距离、通勤方式及社区至主干道的便捷程度对迁居个体通勤时长的影响更为显著，侧面反映社区微观建成环境优化政策更利于提升迁居个体通勤效率.     

基于公交IC卡与GPS数据的公交客流可视化分析

公交客流特征与规律是公交高效运营与服务提升的主要研究内容,也是城市公交线网规划的重要决策依据。随着城市人口的增长及公交出行需求的增加,产生海量多元的公交IC卡刷卡数据。为实现对公交客流特征与规律的全方位精准分析,并优化展示分析结果,运用海量IC卡刷卡数据,结合公交车辆GPS数据,建立数据之间的关联,消除信息孤岛,对公交客流建立多维度数学分析模型。从客流OD、断面客流、候车时长、客流堆积等方面分析公交客流特征与规律,并将结果可视化,开发出客流可视化分析应用系统,能够为公交运营调度、线网规划提供科学的决策依据。在构建的客流分析系统中导入厦门BRT的实际刷卡数据,运行结果表明,该系统能够准确统计BRT的客流量,并分析客流特征与出行规律。     

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。      

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.     

作为地铁接驳手段的公共自行车使用特性分析

本文以苏州公共自行车为研究对象,利用刷卡数据及问卷调查数据分析公共自行车作为地铁接驳手段的使用特性.研究发现,地铁型站点公共自行车的用车时长较短且较为离散,与其他类型站点有显著差异.在接驳地铁的出行者中,公共自行车经常使用者的平均学历较高,也非低收入人群.利用离散选择模型分析地铁接驳方式选择行为可知,接驳方式使用时间是最重要的影响因素,年龄、职业和出行目的等对公共自行车的选择均有显著影响.研究还发现,经常使用公共自行车的出行者在接驳地铁时同样也倾向于选择公共自行车,而不使用者则倾向于选择步行或公交车.     

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...     

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.     

基于公交IC卡信息的城市公交满载率指标计算方法

为减少传统城市公交满载率指标测算过程的人力投入并提高指标计算结果的准确性，利用公交IC卡刷卡信息、公交GPS信息、公交站点信息和公交车辆信息，通过各类信息衔接分析，提出了基于公交IC卡的公交满载率指标计算思路。采用MYSQL搭建分析数据库，通过编程代码自动关联识别和快速分析大数据，计算出城市公交线路的满载率指标值。通过案例分析发现，相比传统公交满载率调查方法，基于公交IC卡信息的公交满载率指标计算能找到更精确的最大客流断面、得出更精确的计算结果，并且运算过程更高效，能有效节约人力，可为同类城市测算城市公交满载率指标、分析城市公交乘客的出行特征提供参考。     

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。     

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。