上海市中心城区公共交通典型通勤出行链特征分析

基于居民调查与爬取的数据,梳理上海市中心城公共交通为主体的通勤出行链,并分析其主要出行时空区间,从中提取以公共交通为主的4类典型通勤出行链,探究不同公交出行链服务的通勤出行距离分布、出行耗时差异及起讫点在中心城的圈层分布特征。而后采用公交小汽车行程时间比指标,对不同距离区间内典型公交出行链的服务效率及服务竞争力进行评估,为公共交通在新业态重组后的城市交通系统中的重新定位及精准优化提供参考。     

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。     

基于活动识别的公交出行行为重构与分析

摸清城市居民的公交通勤出行规律特征，可以更好的为公交运营管理提供支撑.通过挖掘IC卡数据获取公交出行信息是出行行为分析的新手段.根据以活动为基础的出行分析理论，提出以活动区域属性判别为核心的公交出行重构分析方法.通过对公交出行的起讫站点进行空间聚类分析，获取居民的主要活动区域；基于居民多日出行信息及相应出行特征指标，分别对居民的居住和工作区域进行识别；根据出行目的地区域的活动属性，对公交出行链进行重构.以广州市为例，对居民公交出行特征规律进行实证分析.     

基于多源数据的多模式公共交通出行链构建

公共交通乘客出行链构建是公共交通出行需求分析的基础,也是推进城市公共交通系统融合发展和可持续运营的关键.现有研究大多关注单一模式出行链,较少考虑多源数据环境下多模式公共交通出行链构建,无法进行各模式之间的转移和换乘客流特征的分析.基于轨道交通、BRT和公共汽车交通三网融合数据进行乘客出行链构建,数据类型主要有公交IC卡、车载GPS等.具体方法包括基于时间匹配的上车站点推算、基于出行链假设的下车站点匹配和基于换乘规则的个体出行链推算.最后,使用厦门市公共交通数据验证了该方法的有效性,同时讨论了匹配阈值对匹配精度的影响.     

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.     

公交通勤个体出行特征图谱构建及相似性判别

从个体角度获取公共交通通勤乘客出行行为特征,有助于更准确地把握公交总体出行规律,更好地满足乘客的出行需求。基于公共交通刷卡数据与线站数据,针对公交通勤出行个体,借助图谱可视化表达优势,研究形成了以横轴为时间序列轴、纵轴为位置轴、节点大小为方向角度的公共交通通勤乘客出行特征图谱构建方法。在此基础上,选用出行方式、方向、时间和线路等属性指标,采用结构相似度与最长公共子序列相结合的分析方法,实现了图谱相似性判定。以个体乘客一周的公共交通出行数据为例,验证了研究结果的合理性和有效性。研究结果能够直观反映个体出行过程,为出行特征表达与提取提供了新思路。     

城市公共交通出行方式选择行为研究

优先发展公共交通系统是解决城市交通问题的有效方法,而优先发展公共交通的关键之一则是合理引导私人交通发展,提高城市公共交通的出行分担率.文中以2009年济南市居民出行调查数据为支撑,从出行行为角度分析城市居民公交出行行为特征.基于非集计模型理论与方法建立公交选择行为模型,分析居民公共交通与私人交通出行方式选择行为的差异,探讨引导小汽车转向公共交通出行的规律.     

通勤出行方式-出行链模式联合选择模型

以单个通勤出行者为研究对象,构造基于广义极值理论的Cross-Nested Logit模型,分析了通勤出行方式和出行链模式联合选择行为.模型以通勤出行方式选择子集和出行链模式选择子集的组合为选择集,描述了在出行者社会经济属性、居住地和工作地区位、工作活动属性影响下的出行方式和出行链模型联合选择行为,能准确刻画两个选择维度之间的相关关系.利用居民出行调查数据完成模型标定.研究表明,通勤出行方式和出行链模式选择之间有显著的相互影响,出行者性别、家庭收入、家庭结构、家庭交通工具、工作活动作息时间、居住地和工作地区位是重要影响因素.当上述因素发生改变时,出行者会优先调整其出行链模式而非出行方式.     

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。     

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.     

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。     

城市轨道交通新线开通对出行方式选择的影响研究

为研究城市轨道交通新线开通对出行方式选择的影响,开展了出行方式转换的SP(Stated Preference)调查,构建全目的和通勤出行方式选择的MNL模型(Multinomial Logit model)。定量分析了个体属性和交通方式属性对出行者交通方式选择的影响。研究表明：乘客感知的轨道交通全目的出行时耗负效用为相同时耗公交的91%,而通勤时耗负效用为全目的出行的1.89倍;轨道交通出行总时耗对分担率影响最显著,前者增减50%时,后者变动约10%;公交是轨道交通的主要竞争方式,当前者出行耗时提高50%时,后者分担率将增加6.8%;停车费小幅提高和出行时耗增加不能显著促使小汽车使用者转向轨道交通,交通需求管理是引导出行转移的重要途径。     

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。     

关于缩短公交出行起始步行路程和最终步行路程的研究

缩短公交出行起始步行路程和最终步行路程是提高公交出行便捷性、扩大公交出行分担率最重要的措施之一。本文介绍了缩短公交出行起始步行路程和最终步行路程的主要途径、某一公交站台起始步行路程和最终步行路程的计算办法和某一公交线网起始步行路程和最终步行路程的评价办法,并对利用站台覆盖率这一指标评价公交线网起始步行路程和最终步行路程的不足之处进行了讨论。     

基于APTS大数据的城市公交出行多维分析模型和方法

智能公交系统(Advanced Public Transportation Systems,APTS)数据具有海量、类型多样等大数据的典型特征,对其进行分析和挖掘可能获得丰富的公交出行特征和规律.构建基于APTS大数据的公交出行多维分析框架,在计算乘客出行时空信息(上车、下车和换乘)的基础上,建立包含4个维度(乘客、时间、空间和行为)的公交出行数据模型,系统提出基于5种联机分析处理方法的公交出行分析内容.应用APTS大数据对模型和方法进行了实验和验证,研究结果表明,该方法能够便捷地分析不同维度、不同粒度的公交出行信息,不仅能够应用于公交乘客出行行为的研究,还能够为城市公交系统的规划和管理提供决策支持.     

一种基于宏微观数据嵌套的公交用户细分方法

针对公交用户管理,本文提出一种基于宏微观数据嵌套的公交用户细分方法.该方法能够通过卡号识别及公交出行链信息对照等手段,建立问卷调查受访者与数据库中公交IC卡持卡者之间的匹配链接,即同时获取持卡者公交使用行为在刷卡数据样本总体中的宏观聚类情况,以及问卷调查数据中微观个体的社会属性与意愿信息,形成宏微观数据的互补嵌套,弥补单一数据源分析所面临的不足.在厦门市的实证分析中,数据链接的成功率达到70.5%.最终,结合该融合数据,从公交使用行为模式及态度意愿两个维度对公交用户进行交叉分类,实现公交用户不同组群的细分.     

城市公共交通合理路径集生成研究

在交通发展多元化的背景下,公共交通的出行分担率逐步提升,并成为城市居民的主要通勤出行方式。用于公共交通流量分配的路径集生成技术亟需研究：将行为阈值约束与改进的Dijkstra算法相结合构建数学模型,算法基于枚举的方式,剔除公交路径集中的无效路径,生成合理路径集,并通过Visual Basic语言开发实现。在包含8条线路的算例网络中,考虑出行总时间、步行时间、换乘次数、拥挤指数四个阈值约束,生成包含直达与一次换乘的路径集。研究成果可为城市公共交通出行的路径选择行为分析提供参考。     

服务导向型公共交通快速通勤系统发展--以北京市为例

快速城镇化背景下中长距离通勤矛盾日渐突出,如何用集约化的客运方式解决这一问题是现阶段的主要挑战。首先指出北京市现状公共交通系统存在服务级配结构失衡、线路空间组织方式与需求分布适配性差等问题。结合公共交通快速通勤系统的服务对象和概念,从时间感知、出行舒适度、在途时间使用等角度分析实现快速的途径。对潜在的多样化需求进行细分,从全出行链的角度出发探讨差异化的应对策略。最后,以服务导向为基本思路,提出公共汽(电)车骨干快线网络概念方案,从完善制度建设、打造服务级配、构建无缝换乘和高水平接驳体系等方面提出公共交通快速通勤系统建设的关键策略和建议。