单条公交线路的IC卡数据分析处理方法

及时而准确地掌握城市公共交通运营及客流信息,是进行科学合理的公交运营决策和公交网络规划的前提。随着城市公交IC卡的广泛运用,从IC卡信息中提取城市公交客流信息成为又一种公交数据采集方法。通过公交IC卡数据分析处理方法,可以得到实时准确且连续的公交客流信息数据,较之传统的人工调查方法经济实用,数据结果准确度高。以单条公交线路的IC卡信息为例,提出单条公交线路运营及客流信息的分析处理方法,得到包括站点客流、线路客流、断面客流等主要客流指标的分析计算方法。     

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.     

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...     

汉城市与我国公交IC卡系统的比较

本主要介绍汉城市公交IC卡系统的组成、工作原理、扶持政策和我国公交IC卡系统的应用情况，从中总结汉城市公交IC卡系统的特点，通过分析对比为我国城市公交IC卡的发展借鉴经验。     

公交网络最优路径求解算法

求解公交网络最优路径是进行公共交通系统规划的一项关键技术.通过对多种现有算法的分析,利用公交换乘矩阵性质,本文提出了一种求解公交网络最优路径的标准算法.新算法考虑了公交换乘次数、换乘点选择以及出行总成本对求解最优路径的综合影响.通过建立换乘步行时间矩阵,并将过去求解最小换乘次数的换乘矩阵乘法运算变为相应的换乘步行时间矩阵和公交出行时间矩阵的加法运算,得到新算法.新算法可顺利实现在单一OD对、单起点多终点以及任意节点间求解最优路径的转化.文中给出了新算法的详细求解步骤,而且通过一个算例对新算法的有效性进行了验证.     

多源数据驱动的轨道交通与公交换乘特征和服务范围研究

以苏州市轨道交通5号线开通后地面公交的线网优化规划为例,提出基于多源数据的轨道交通和公交换乘客流特征分析方法,并用以划分服务范围.利用轨道交通和公交的IC卡刷卡数据及手机大数据,模型分析轨道交通和公交换乘客流和潜在客流进行换乘的行为,明确轨道交通新开后对公共交通的影响范围,并预测换乘的公共交通供需变化,作为线网调整优化的依据,并在项目应用中得到较好的应用.该模型可用于轨道交通开通后公共交通线网优化的实际工作中.     

《济宁市城区公交发展规划》获批实施

《济宁市城区公交发展规划（2010-2030年）》（以下简称《济宁公交规划》）,于4月18日由市政府发文批准实施。《济宁公交规划》遵循公交优先发展战略定位,对公交场站、换乘枢纽站、公交线网、快速公交、公交专用道以及保障公交发展的政策措施等做出了详细规划。规划年限近期为2015年,远期为2030年。《济宁公交规划》规划了4个对外交通枢纽,22个城市公交枢纽,10个城乡公交换乘枢纽,32个公交首末站;4处公交停保场,2处公交保养场,1处公交大修厂,6处公交加气站,     

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.     

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IC卡数据的公交客流特征分析 ——以北京市为例

公交客流特征分析是公共汽(电)车线网规划和优化布局的基础.首先简要介绍基于公交IC卡数据分析公交客流特征的技术.进而以北京市为例,对公交客流的时空特征进行宏观、中观分析,对公交服务水平与城市发展的协调适配性做出评估,指出公共汽(电)车系统面临的挑战.最后,结合公交线网布局、运力配置不合理等问题,提出实现公共交通可持续发展的相关建议.     

片区城乡公交时刻表编制与车辆调度综合优化

通过构建双层规划模型,综合优化片区城乡公交时刻表编制与车辆调度.其中,上层片区城乡公交车辆调度问题以公交企业综合运营成本最小为目标,实现多线路多车辆多车场的车辆时序指派,采用禁忌搜索算法求解;下层片区城乡公交时刻表优化问题为实现线路在所有换乘节点的换乘总时间及换乘失败惩罚最小,同时确保换乘节点的时刻表协同先后次序,采用运行图与枚举法进行求解;选用慈溪南片城乡公交线路进行实例应用.结果表明,该方法能较好地应用于工程实践中,直观反映片区线路组织的运行计划,进一步满足乘客便捷换乘需求与企业车辆资源的有效配置.     

片区城乡公交时刻表编制与车辆调度综合优化

通过构建双层规划模型,综合优化片区城乡公交时刻表编制与车辆调度.其中,上层片区城乡公交车辆调度问题以公交企业综合运营成本最小为目标,实现多线路多车辆多车场的车辆时序指派,采用禁忌搜索算法求解;下层片区城乡公交时刻表优化问题为实现线路在所有换乘节点的换乘总时间及换乘失败惩罚最小,同时确保换乘节点的时刻表协同先后次序,采用运行图与枚举法进行求解;选用慈溪南片城乡公交线路进行实例应用.结果表明,该方法能较好地应用于工程实践中,直观反映片区线路组织的运行计划,进一步满足乘客便捷换乘需求与企业车辆资源的有效配置.     

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.     

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.     

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。     

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.