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。     

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.     

居民公交出行OD预测研究

在应用“四步骤法”进行居民公交出行OD 预测中,为了提高出行分布与方式划分预测的精度,本文分别提出了交通阻抗确定新方法和交通小区间公交出行量预测方法. 本文利用各小区内道路节点之间的最短路距离确定小区内及小区间的交通阻抗. 该方法有效避免了传统交通阻抗确定方法的缺陷,将其应用于重力模型预测居民出行分布,预测精度有所提高. 在获得现状居民出行特征的基础上,利用马尔可夫链法预测未来年公交出行总量,然后利用公交出行距离转移曲线具体预测各小区之间的公交出行比例,利用该比例结合公交出行总量获得公交出行OD. 该法可在定量分析的基础上综合考虑城市规划、政策等因素对预测结果的影响,其预测结果更加合理.     

基于公交OD数据的居民公交出行特征研究

已有研究在应用“四阶段法”进行公共交通需求预测时,缺少对居民公交出行分布规律及变化特征的分析．文中通过从潍坊、常州、上虞、蚌埠和湖州五个典型城市居民出行调查数据库中提取出公交OD出行的有效数据,运用图形处理及模型标定等方法进行深入的数据挖掘,研究了居民出行时间消耗特征、出行时间分布特征和出行空间分布特征。指出：0公交出行的可容忍时间与建成区面积及公交分担率密切相关：②由于城市发展状态、经济发展水平及人们出行规律的不同,都会造成出行时间分布的差异;③分析同一城市不同时期居民出行空间分布时,应具体分析各区之间的出行联系强度。居民公交出行时空分布特征的研究,可以为城市公共交通需求预测及公交线网规划提供定量的参考依据及理论支持,该项研究的结论和分析方法可供其他城市借鉴和使用。     

烟台经济技术开发区城市公交需求预测研究

为促进城市公共交通与城市的协调发展,对烟台开发区的公交需求进行预测。通过分析公交出行OD,得出公交出行发生量和吸引量;建立各小区基准年的公交发生量、吸引量与人口、岗位之间的函数关系;根据基准年的OD分布,对重力模型的各参数进行标定;利用社会经济发展预测得到各小区特征年的人口和岗位数,采用基于GIS的交通系统软件TransCAD,利用重力模型法对特征年的公交发生量和吸引量进行预测分析。     

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.     

公交客流OD矩阵推算

公交客流OD矩阵是／2-交运营调度的基础,精确的客流OD才能保证运营计划科学的制定,人、车资源合理调配。为了提高推算精度,本文提出公交客流OD矩阵受居民公交出行特征、公交停靠站附近的用地性质和停靠站换乘功能影响。采用K-S检验对居民出行站数进行分析,发现出行站数服从泊松分布。结合各停靠站的上下车人数,推算得到基于居民出行特征的客流OD。根据公交站点的吸引系数和吸引权,得到基于停靠站附近用地性质的客流OD推算模型。作者认为停靠站的重要系数与该站作为起始、终点和中途停靠的线路数有关,据此建立了基于站点换乘功能的客流OD推算模型。利用层次分析法组合上述三种影响因素,得到最后的公交客流OD矩阵。实例分析结果表明该方法确实可以大幅度提高推算精度。     

基于手机信令数据的常规公交站间OD识别

为识别手机用户乘坐常规公交的OD,结合公交车辆GPS轨迹,在考虑常规公交换乘行为的基础上,建立基于手机用户与车辆轨迹相似度的常规公交出行识别模型,以及站间OD概率模型。通过地铁出行识别,融合手机信令数据与IC卡数据,提取包含百万样本的公交与非公交出行数据,以此作为验证集。进一步分析各参数取值、出行距离、公交线路重复系数等因素对公交出行与站间OD识别的效果。结果表明：在验证集中,常规公交出行方式识别精确率可达0.807,召回率0.912,换乘识别精确率可达0.660,召回率0.756,公交线路识别准确率可达75.5%,站间OD 识别准确率可达71.9%,参数取值的不同对识别效果影响较大。此外,出行距离越长、公交线路重复系数越低,公交线路与站间OD识别准确率越高,出行距离6 km以上、平均公交路段重复系数4 以下的识别效果最佳。