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。     

基于大数据的常规公交线路调整客流影响评估方法研究

常规公交线路有时需要不断地动态调整,以适应城市出行需求以及交通条件的改变.对常规公交线路调整的客流影响进行评估是保障常规公交线路调整方案实施的必要条件.首先,基于大数据技术,获取公交出行的OD(Origin and Destination)信息;其次,通过可替代站点以及可替代OD的判别,识别受影响的客流;最后,计算影响...     

轨道交通新线开通对常规公交的影响分析——以重庆轨道交通9号线为例

为准确分析轨道交通新线开通后对常规公交的影响，在自然运营数据基础上，以重庆轨道交通9号线为研究对象，采用数据量化方法，从换乘客流特征、出行OD特征和客流空间分布特征三方面进行了探讨，以期为公交接驳、线网优化和运营组织等提供借鉴。结果表明：9号线与公交的日均换乘客流为0.6万人次，换乘率仅为10%，低于全网换乘率17%;9号线周边公交站点客流下降1万人次，降幅为2%，相关公交线路客流下降3.3万人次，降幅为3%;9号线站点周边500米范围内覆盖公交站点上客客流为46万人次，潜在影响大。     

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。     

基于综合交通调查多源数据的公交OD更新方法

在上海市第6次综合交通大调查多源数据的基础上,研究一种基于公交线路客运量数据、居民出行调查数据、公交卡刷卡数据、跟车调查数据和轨道接驳方式结构数据的OD更新方法。首先,以居民出行调查为基础,通过校核、扩样处理,采用传统的"四阶段法"结合历史年份的公交模型得到新一轮大调查下的公交出行OD;其次,通过线路客流数据和刷卡上客数据反推全市道路上的断面量,并以公交断面量、线路客运量为依据调整公交OD,小区层面结构依据居民出行调查小区OD分布结构加以补充;最后,通过线路层面、跟车调查、出行距离时耗和总体特征指标的校核,证实分配结果达到宏观应用要求。     

基于公交智能调度系统的公交换乘算法实现

通过对城市居民公交出行选择影响因素和选择逻辑的分析,利用地理信息系统（GIS）技术构建公交换乘数据模型和公交智能调度系统数据计算出行时间,以此为基础实现以最少换乘次数为第一目标,出行时间最短为第二目标的公交换乘算法。该算法考虑了步行换乘、行驶时间、换乘时间及公交线路上、下行因素对换乘查询的影响,能够较快地提供公交换乘方案。     

基于多源大数据融合分析的公交优惠政策评估

为科学评估公交优惠政策的实施效果,采用公交客流量、财政补贴等统计数据与公交IC卡数据、公交车GPS数据等多源大数据相结合的方法,对免费换乘和老年人优惠政策带来的公交出行行为进行分析.研究发现,免费换乘政策实施初期有效促进了换乘行为,但其作用逐步减弱,在继续推行免费换乘政策的同时,需要大力推进大中运量公交建设并优化调整常规公交线网.老年人享受了较大比例的财政补贴,公交出行频次和换乘行为更加频繁,无效出行较多,出行时间和乘坐公交线路均比较集中,与通勤出行存在重叠,老年人和年轻人在一定程度上存在对有限公交资源的抢夺,老年人优惠政策需要进行优化调整.分析结果可以为后续公交优惠政策调整提供一定的决策依据.     

城市公交枢纽换乘客流OD动态预测方法

换乘枢纽衔接公交线路的换乘客流OD是APTS下实施公交多线路动态协调调度的基础数据。以公交线路上下车乘客数的自动获取为前提,建立换乘OD推算优化模型,并设计了BP神经网络求解算法,应用数值试验对神经网络中的核心参数进行了标定。算例表明:BP神经网络为动态更新公交枢纽换乘客流OD提供了一种经济、有效的方法。     

基于公交IC卡数据的OD推算技术研究

公交OD矩阵是进行公交调度和公交线网优化的基础资料.随着公交IC卡技术的广泛应用,如何利用IC卡的数据信息来推算公交OD矩阵以及换乘次数、出行次数等公交出行信息,具有很强的现实意义和实用价值.通过对IC卡统计数据特点的分析,利用数据挖掘技术,分别对公交线路站点OD和区间出行OD的推算方法进行了研究,并进一步研究了如何从IC卡统计数据中得到公交出行的其他信息.分别给出了由IC卡统计数据推算公交线路站点OD和区间出行OD的方法,并提出了基于GIS的公交IC卡数据分析处理系统框架,建立了系统分析流程来实现公交OD的推算.通过分析发现,公交IC卡的数据分析处理最终要建立起能将数据库的处理功能和地理空间的属性特性结合起来的地理信息系统,才能够有效地解决公交OD推算、换乘次数以及出行次数等问题.     

基于公交数据挖掘的时刻表排班协同换乘优化

为实现公交换乘协同排班,减少乘客出行换乘时间,本文对公交信息系统的IC卡数据及车辆GPS数据进行数据挖掘,提取换乘信息并对现有的发车排班进行优化.首先,构建了公交运行状态信息提取模型,提取现有的公交运行状态信息.在此基础上,设计了邻域搜索的公交时刻排班优化算法,得到最佳发车排班时刻表.为验证所提出方法的有效性,选取了成都市的56路和3路公交线路的实际数据进行案例验证.结果表明:通过优化排班的方法,在不改变现有的公交供需条件的前提下,可以有效实现协同换乘;与原有的公交服务相比,优化之后的公交服务能够更加贴近出行需求,提升线路之间的换乘衔接效率,从而提高公交服务质量.     

基于手机传感器数据的交通出行调查实证评估

应用手机传感器与调查问卷, 同步采集了校园内高校学生2周的真实出行轨迹; 考虑了真实出行环境下的手机传感器数据特征, 结合高斯滤波预处理数据, 根据轨迹点的时空聚类特性, 用时空聚类算法识别了出行端点和出行时间, 结合轨迹点速度、加速度特征, 利用支持向量机识别了出行方式; 将手机传感器数据与调查问卷、查核线数据对比, 分析了手机传感器数据出行特征识别的准确程度, 验证了出行特征的提取效果。分析结果表明: 手机传感器与问卷调查识别出行链的成功匹配比例为81.66%, 说明手机传感器数据可有效记录出行轨迹; 时空聚类算法参数中核心点空间半径为26.92 m, 最小样本点为129, 时间约束为129 s时, 出行端点识别准确率为93.02%, 出行时间识别准确率为90.84%, 说明手机传感器识别出行端点和出行时间的效果较好; 当支持向量机设置类型为经典支持向量机, 核函数为径向基函数, 惩罚系数为0.797, 核参数为2.260时, 出行方式识别准确率为89.86%, 即利用手机传感器能够有效识别出行方式。可见, 手机传感器数据识别结果合理, 能为手机传感器数据应用于实际出行调查做支撑。      

一种基于手机定位数据的出行行程识别方法

提出并实现了一种基于手机定位轨迹数据的出行行程识别方法.通过速度对轨迹点进行划分,将低于一定速度阈值以下的轨迹点合并为候选停留位置,再利用距离阈值和时间阈值对候选停留位置进行合并,从而确定出真正的停留点,继而自动统计出行次数和出行时间.该方法解决了手机定位数据的定位漂移和抖动的问题,行程识别精度高,识别结果可为交通规划工作提供相关数据,并具有比传统交通调查方法更低的成本和更短的数据更新周期.     

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.     

广州市水上巴士乘客出行特征分析

通过收集广州市水上巴士客流量数据并对乘客进行问卷调查,分析乘客出行次数、时空分布、出行目的、换乘方式和服务反馈等,探讨广州市水上巴士乘客出行的特征及成因,针对水上巴士乘客出行频率低、出行观念多元化和对水上客运服务质量有新要求等问题,提出提高服务质量、合理调整路线、做好宣传工作并寻求多元化经营方式等建议．对于完善“立体化”城市交通体系具有积极的意义。     

基于手机数据的城市交通大区OD分布估计 ——以旧金山市为例

在大数据时代,手机数据因普及率高、采集成本低等优点逐渐受到人们的重视.手机通信运营商在为手机用户提供通信服务的同时会记录每次服务的时空信息,因此利用手机数据可以挖掘出用户的位置信息,并应用于城市居民出行OD分布估计.提出以手机数据为基础对城市交通大区之间OD分布进行估计的方法.利用居民手机数据估计美国旧金山市各交通大区之间的出行分布,并结合居民出行调查数据对估计结果进行检验.结果显示基于手机数据的出行估计具有较高的可靠性.     

���񹫽�����ODԤ���о�

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.     

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。     

多源数据融合驱动的居民出行特征分析方法

结合传统抽样调查数据和交通大数据，研究多源数据融合驱动的居民出行特征分析方法.根据传统入户抽样调查居民的年龄结构、职业、车辆拥有、人口，以及手机信令数据分析出行频次分布等因素进行综合分析，获取居民初步出行特征；基于手机信令、IC、AFC、GPS 等大数据，通过出行时间分布、OD分布和出行方式结构对居民的出行特征进行综合矫正分析；最后，以广州市为例进行实证分析.对比研究传统抽样调查和多元数据融合分析方法可知，传统抽样调查居民出行漏报率为30%，每天出行2次的比例相差39.5%，全方式非通勤出行比例、晚高峰公交和地铁出行比例分别相差7.4%、8.1%和12.6%.结果表明，多源数据融合驱动的居民出行特征分析方法，在总量上有效挖掘居民出行的沉默需求，在时空分布上起到了“削峰填谷”的作用，是一种研究居民出行特征的有效方法.