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.     

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.     

适用于一票制公交大数据的系统化处理方法及应用 ——以银川市为例

为分析公交乘客出行特征，利用公交IC卡数据、公交GPS数据、车载机数据和单程站点关系表，通过各类数据关联融合，提出适用于一票制公交大数据的系统化处理方法。基于Oracle搭建分析数据库，采用Python语言编写代码，构建了乘客上车站点推断算法、基于出行链的乘客下车站点推断算法、基于概率的乘客下车站点推断算法和乘客换乘站点识别算法4种站点推断算法。基于此，运用银川公交大数据进行客流集散点识别、客流走廊识别，得到公交站点上下客流量分布情况、公交线路客流量分布情况、公交站点的换乘客流量分布情况。研究结果表明，一票制公交大数据系统化处理方法在分析公交乘客出行特征方面具有一定的应用价值。     

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IC卡历史数据的公交客流统计方法

随着公交IC卡的普遍使用,基于公交IC卡数据的公交客流统计方法逐步成为主流的统计方法。因国内绝大部分城市均采用上车刷卡的方式,所以需根据用户出行规律进行下车站点的推测。为降低运算复杂程度,现有的IC卡分析算法多采用基于后续公交站点吸引权的概率算法,这种算法既不能判断单个乘客的下车站点,对于总体客流又存在数据准确性问题。为此,本文对于能够形成出行闭环的单日多次出行采用传统方法推测其下车地点;对于未形成闭环的单日出行,则分析相关单个乘客历史类似天日的IC卡刷卡数据,统计出其最可能的下车站点,进而得出总体客流。采用本算法对重庆市某段时间的所有IC卡数据进行处理和统计后,经人工计数的数据对比表明:相较于传统的出行闭环算法和站点吸引权算法,本算法对于公交客流的统计更加准确。     

基于刷卡数据和GPS数据的公交客流特征分析方法

为准确并快速分析城市公交客流特征,提供城市公交专项规划编制的基础数据资料,提出一种采用公交刷卡数据和GPS数据分析公交客流特征的方法。首先,全面总结公交客流数据处理方法和流程,包括客流时间特征、空间特征和公交运营特征;其次,针对实际可能出现的数据缺失情况和传统方法局限性,通过上车站点判断引入时间临近规则、下车站点判断设计了考虑出行链和站序约束的数据融合算法,改进上下车站点判断过程;最后,以三明市公交客流数据处理为例,该城市公交人均出行次数为2.5次,工作日形成4个高峰时段,得到具体的公交客流OD分布,计算部分线路断面客流量,并指导公交规划方案调整。     

基于多指标协同的公交大站快车站点推荐方法

现有公交大站快车站点选择方法存在未考虑站点枢纽作用，以及未融合多源数据等不足。本文引入复杂网络理论，融合公交车和出租车客流数据，提出一种综合考虑站点客流，潜在客流及交通枢纽作用的多指标协同的公交大站快车站点推荐方法。该方法基于公交客流，线路数据和出租车客流数据，分别计算公交线路站点客流集散量和潜在客流集散量；通过构建有向加权的城市公交复杂网络，计算公交站点重要度；在此基础上，综合3个指标，采用层次分析法计算指标权重，统计得到公交站点综合评分，建立大站快车站点组合推荐方法，得到大站快车线路站点组合。以厦门市为例进行大站快车站点推荐实验，结果表明，在传统方法的基础上，加入公交站点重要度及潜在客流集散量两个新指标得到的公交大站快车推荐站点更符合居民出行的实际需要。     

基于VBA的公交上车刷卡人数统计方法

提出一种基于VBA宏命令,利用公交IC卡和GPS数据来实现各站点刷卡上车人数统计的方法.根据两种数据的特点,以Excel为主要工作平台,通过VBA程序快速地对两者数据进行筛选和利用,逐步实现各站点公交车到站时间的匹配和各站点上车人数的统计.最后利用此方法对丹东市公交线路的往返各站点上车人数进行统计.与传统的公交随车调查结果对比,通过该方法得到的各站点上车人数数据较为准确,可作为传统方法的替代.     

基于极限学习机的公交行程时间预测方法

以公交车GPS数据为基础,建立了基于极限学习机方法的公交站点间行程时间预测模型.依据GPS数据在站点附近的特征表现,定义了公交车到站临界点,并分析了临界点处车辆的5种运行状态;提出了公交车到站时刻估算方法,进而得到公交车行程时间数据;通过分析公交车行程时间数据内在特征,确定了极限学习机模型关键参数及其纬度;最后,以长春市88路公交车GPS数据为基础进行了方法验证.结果表明,所用ELM方法预测误差约为11%,并与应用广泛的BP神经网络、RBF神经网络、SVM进行对比分析,发现ELM方法在满足精度前提下拥有更快训练速度与预测可靠性.     

一种新的公交乘客上车站点确定方法

公交IC卡是一种新的客流信息采集手段,它的广泛使用为公交管理者进行客流分析提供了新的数据源。充分利用公交IC卡刷卡时间信息,根据相邻两站点间的最短刷卡间隔,通过系统聚类法对IC卡刷卡数据按照时间顺序进行聚类分析。在此基础上,将聚类分析的结果与公交运营资料所推算出的车辆到站时间进行时间匹配,确定持卡乘客的上车站点。最后,通过实例验证了该方法的可行性与实用性。     

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.     

���ڹ���IC�����ݵij������з��������Բ����о�

在公交IC卡数据挖掘中,为了获取乘客流量及流向等信息,需要获知每个班次的运行方向.本文通过对公交IC卡数据的聚类分析,将IC卡数据解析成单班次站点客流数据,利用基于时间序列的相似性测量算法（相关性测量及动态时间扭曲法）,测量单班次数据与经验数据的相似性,从而获取班次运行方向.研究结果表明,在线路客流方向性差别明显时,相似性测量方法精度较高.且经过数据聚类后,相关性测量法与动态时间扭曲法在计算精度与运算速度方面表现相近,适用于客流方向性差别较明显的公交线路.     

基于公交GPS和IC卡数据的综合交通建模新思路

为给我国交通规划模型的研究和开发提供新的方向和思路,结合郑州市综合交通模型的开发实践,探讨了公交GPS和IC卡数据在其中的应用.主要包括:基于公交GPS和IC卡数据的公交OD生成方法、公交客流量模型、非集计模型与动态公交分配模型以及基于公交GPS数据的需求预测组合模型.重点阐述了公交GPS和IC卡数据在上述几个方面的应...     

基于 BRT 站台乘车诱导的公交车辆载客均衡模型

针对公交站台乘客乘车诱导的问题,以公交线路载客均衡为目的,建立了乘客 乘车诱导模型,实现了最佳乘客乘车诱导方案的编程求解.本文通过建立单条 BRT 线路 车辆载客模型,组合形成了整个区段的 BRT 线路车辆载客模型,建立了一种面向载客均 衡的 BRT 站台乘客乘车诱导模型.理论与算例分析表明,该模型可以生成最佳的乘客乘 车诱导方案,能够实现 BRT 区间线路的载客率均衡,将填补当前公交站台乘客乘车诱导 研究领域的空缺,具有广阔的应用前景与重要的现实意义.     

基于公交GPS和IC卡数据的乘客人均候车时间估算方法研究

候车是公交出行的重要组成部分，而候车时间是决定公交系统吸引力的关键因素，也是评价城市公交服务水平的指标之一. 目前，获取乘客候车时间的主要途径为问卷调查法和视频采集法. 但是这些方法费时费力，仅能实现小范围典型站点的候车时间的调查，无法快速完成线路甚至线网级别的候车时间采集. 为解决上述问题，本文基于北京公交GPS和IC 卡刷卡数据，采用非时齐泊松过程理论构建了乘客到站模型，并给出了一种离散条件下任意时刻的乘客人均候车时间计算方法，该方法能动态准确的获知不同站点、线路和线网乘客的人均候车时间. 基于此方法本文计算了1 d 内北京公交606 路全线的人均候车时间变化情况，计算结果表明，606 路早晚高峰和中午乘客人均候车时间最短大约在200 s 左右，下午乘客的候车时间较长.