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.     

基于压力传感器的出租车客流检测系统

出租车作为城市客运交通系统的重要组成部分,是城市常规公共交通的重要补充,出租车客流是合理确定其投放规模的重要依据。设计一款基于压力传感器的出租车客流检测系统,该系统由主控制器、压力传感器、GPS位置传感器以及电源构成,用以采集出租车在每次营运任务中的乘客数量,并利用GPS位置传感器对乘客出行的起讫点数据进行采集,精确获取出租车出行方式的居民出行数据,为分析出租车利用效率及客流时空分布特性、确定出租车合理投放规模提供可靠的数据支持。     

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。     

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。     

走廊层面交通小区划分方法的优化

基于公交客运走廊划分的交通小区，可为走廊公交线网优化提供更为符合公交乘客出行特征的需求分析和预测基础.本研究针对公交客运走廊特点，将走廊划分为直接影响区和间接影响区，提出分层次的交通小区划分理论.针对走廊不同影响区在需求预测和分析中对结果精度要求的不同，基于大数据选取更加适合公交走廊交通小区划分的聚类指标，提出直接影响区细分和间接影响区合并的划分方法，并通过引入聚类因子初步确定聚类数目和交通小区中心对传统聚类方法进行改进，克服了传统聚类方法随机选取聚类数目和中心而影响聚类精度的不足.最后，基于多源异构大数据对广渠路走廊进行实例验证，结果表明，本研究提出的分层次小区划分方法较传统方法在适用于公交客运走廊需求分析和预测划分精度方面更优.     

城市公交客流调查数据的修正

城市公交客流调查数据是进行城市公交科学决策的重要依据,特别是乘客OD矩阵更是优化公交调度的重要参考指标.然而公交客流调查数据产生偏差不可避免.对上、下车人数采用权重法进行修正,对乘客起讫点(OD)矩阵数据采用弗尼斯法进行修正,经实例验证是较好的数据修正方法.     

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...     

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.     

基于IC卡与GPS数据的公交通勤出行特征分析

公交通勤人群是公交客流的重要组成部分,公交通勤出行特征是制定公交优先发展战略、公交规划、优化与运营管理的数据基础.针对传统以"车"为研究对象的碎片化公交通勤出行特征分析方法,基于公交IC卡与GPS数据,从公交乘客"人"角度出发,系统分析提出了公交出行链特征、区间客流不均衡系数、职住平衡水平及线路黏性系数4个维度指标参数计算方法.以重庆市主城区连续5个工作日47条代表性线路的公交乘客为例,对通勤出行特征进行分析,结果表明:重庆市主城区通勤客流换乘次数较少、长线公交客流需求较大、职住平衡水平较高、约1/4的通勤出行者对线路选择具有较强黏性.     

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。     

租赁车与约租车分属不同业态

<正>近来,我国城市公共客运交通不同业态之间的边界似乎变得模糊起来,让人联想到学科交叉。如有一种传统的划分方法,将轨道交通、常规公交、轮渡、索道、缆车等划分为定线定站交通,出租汽车划分为非定线定站交通。但现在,常规公交也不一定定线定站运营。2013年,北京首先出现"定制公交",许多城市积极跟进。定制公交利用信息平台,根据居民出行调查资料中OD量大的方向和走廊设计线路,在网上招募乘客;乘客在网上报名     

中小城市公交票价体系改革策略

为解决中小城市普遍面临的公交低票价政策导致的市场机制失灵、财政补贴持续增长、服务品质低下、客流不增反降等问题,以佛山市南海区为例,采用乘客OD大数据和公交运营成本规制数据分析结合分析的方法,测算公交营运盈亏平衡里程,提出契合城市发展实际的多元化、差异化公交票制票价方案和公交票价动态调节机制。结果表明,票价优化方案可充分契合乘客出行距离、服务质量等出行特征需求,保证乘客支付费用与享受服务充分匹配,同时可降低财政补贴压力,提升服务品质,保证公交行业可持续发展的动力,支撑南海区本地公交行业及城市转型发展需求。     

考虑运行能效的公交区域时刻表优化

为准确计量公交区域时刻表优化过程中,客流出行与企业运营博弈产生的社会效益,构建兼顾随机客流需求和时刻表运行能效的双层规划模型。从公交乘客出行量与质的角度,分析随机客流需求与时刻表之间的互动关系;依据出行性质将客流需求分层细化,作为下层弹性需求交通网络流模型的输入;考虑客流需求、乘客出行效率及企业运营成本间的波动关系,设计公交区域时刻表运行能效作为上层模型的优化目标;采用Dial-MSA与遗传算法求解双层规划模型。实例计算结果表明,优化后的公交区域时刻表运行能效提高了7.3%。可见,优化后的公交区域时刻表更能满足客流需求,有效地提高时刻表运行能效,更好地实现动态适应性。     

基于公交客流OD反推的公交乘客乘车站数分析

通过对公交出行距离的分析,认为公交出行属于中长距离的出行,出行时间过长或过短的居民,则很少采用公交出行方式.基于此对公交客流进行了调查,并对调查结果进行处理,验证了公交乘客的乘车站数服从偏正态分布.这个结论可应用于公交客流OD反推时的概率修正系数的确定.     

基于SUMO的大型活动三层级公交疏散保障方案仿真

大型活动客流具有短时集聚与疏散的特点,为保障活动结束后场馆附近公交客流的快速有序疏散,构建三层级公交疏散运保体系,包括公交常规线、专用快线和微循环线.按客流量疏散目的地将其分为城市市内的内散客流量和需前往高铁站、飞机场等对外客运枢纽换乘至其他城市的外散客流量.对内散客流量,采用微循环线将乘客运送到公交常规线站点接驳出行;对外散客流量,采用微循环线将乘客运送到专用快线站点,再运送到对外客运枢纽.基于SUMO仿真平台,选择苏州市奥林匹克体育中心体育馆作为大型活动承办场所,仿真三层级公交保障方案下的客流疏散场景,更直观地说明微循环线的作用及其与公交常规线和专用快线的联动特点.     

基于公交客流OD反推的公交乘客乘车站数分析

通过对公交出行距离的分析，认为公交出行属于中长距离的出行，出行时间过长或过短的居民，则很少采用公交出行方式。基于此对公交客流进行了调查，并对调查结果进行处理，验证了公交乘客的乘车站数服从偏正态分布。这个结论可应用于公交客流OD反推时的概率修正系数的确定。