基于GBDT算法的地铁IC卡通勤人群识别

随着公交IC卡的应用和普及,从IC卡数据中挖掘通勤用户,为下阶段采取分流措施缓解早晚高峰压力,优化票价制定等具有重要意义。以广州市地铁数据为依托,选取合适的特征属性,提出了一种基于梯度提升树(gradient boosting decision tree,GBDT)机器学习算法为基础的通勤人群识别方法。首先以周工作日的首末次平均刷卡时间、首末次平均刷卡时长、首末次刷卡时长波动程度、刷卡次数总和等5个特征来制定调查问卷的数据格式。然后利用处理过的带标签(通勤/非通勤)的调查问卷数据去训练GBDT分类器模型,测试样本的通勤识别的准确率高达94.16%。最后利用该模型对广州地铁IC卡数据通勤人群进行识别,结果显示广州地铁刷卡数据中通勤人群数量为131万左右,占总地铁刷卡出行人数32%左右。     

基于IC 卡数据的公交通勤熵变模型的构建与应用

建立利用公交IC 卡数据计算公交过剩通勤熵变的框架，对优化城市居民通勤出行距离的难易程度进行定量分析. 结合公交出行的特点，构建基于Wilson 熵模型和双约束重力模型的公交通勤熵变模型；以广州市居民公共交通IC 卡数据为例，对通勤筛选、单元问题及过剩通勤熵变评价等进行探讨. 结果发现，采用约1 km × 1 km的单元格划分是城市公交通勤熵变模型中适合的单元划分方式，公交过剩通勤的熵变能够有效衡量平均通勤距离减少的难易程度和检验改变通勤行为相关政策的有效性.     

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.     

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.     

一种基于宏微观数据嵌套的公交用户细分方法

针对公交用户管理,本文提出一种基于宏微观数据嵌套的公交用户细分方法.该方法能够通过卡号识别及公交出行链信息对照等手段,建立问卷调查受访者与数据库中公交IC卡持卡者之间的匹配链接,即同时获取持卡者公交使用行为在刷卡数据样本总体中的宏观聚类情况,以及问卷调查数据中微观个体的社会属性与意愿信息,形成宏微观数据的互补嵌套,弥补单一数据源分析所面临的不足.在厦门市的实证分析中,数据链接的成功率达到70.5%.最终,结合该融合数据,从公交使用行为模式及态度意愿两个维度对公交用户进行交叉分类,实现公交用户不同组群的细分.     

����APTS���ݵĹ������˿�ͨ��OD�ֲ����Ʒ���

为提高通勤者使用公交出行的比例,有效缓解城市交通拥堵,对应用智能公交系统数据(Advanced Public Transportation Systems,APTS)获得公交通勤出行需求的方法进行研究.采集APTS数据,通过对公交IC卡数据和智能调度系统数据的关联获得公交乘客的上车站点信息.根据早、晚高峰的出行频率判断公交通勤乘客,利用通勤出行的时间和空间特征确定居住地点和工作地点.以此基本思路,提出公交卡乘客通勤OD分布估计算法,并应用海量APTS系统数据对算法进行了试验和分析.最后,通过与基于"出行链"的方法进行比较,分析了算法的精度.本文提出的方法具有精度高、可操作性强的优点,为快速、经济地获取公交通勤OD分布提供了一种新的途径.     

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...     

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.     

基于RFM模型的通勤人群公交忠诚度研究

以上海市通勤人群公交使用情况问卷调查数据为依托,运用营销学领域中识别顾客忠诚度的RFM模型及相关统计学方法,从"行为忠诚"与"态度忠诚"两方面探讨乘客公交忠诚度的界定与划分,并结合公交服务质量,顾客满意度和顾客忠诚度的相关理论,重点分析上海市通勤人群公交忠诚度的分布情况,并在此基础上建立公交忠诚度影响因素分析模型.结果表明,约1/3受访者虽然目前表现出高强度的公交使用行为,但未来有向公共系统外的其他交通方式转移趋势和风险,而公交使用的态度忠诚度主要受年龄、教育背景、轨道交通票价、公交候车时间、行程时间稳定性及公交车厢拥挤程度影响.     

基于智能卡数据的轨道与公交复合网络通勤方式选择行为研究

轨道交通网络和常规公交网络作为公共交通系统的主要组成部分，研究乘客在两网复合网络上的方式选择行为有助于提升公共交通系统的协同运营。然而，以往的研究通常只对单个网络出行进行研究，未考虑到出行完整性。针对此不足，基于多源数据融合、轨道与公交网络拓扑融合，提出乘客在公共交通复合网络上的完整出行提取方法；复杂网络中方式选择的本质是路径选择，因此在构建耦合换乘站点的公共交通复合网络基础上，建立5种考虑多种因素组合的多项Logit选择模型，以分析在复合网络中对乘客出行行为影响最显著的因素组合；最后将模型应用于北京市某工作日的公共交通网络及刷卡数据。研究结果表明，基于完整出行的选择模型优于基于出行阶段的选择模型；通勤者在公共交通复合网络上的方式选择行为与考虑在车时间、候车时间、换乘时间、换乘次数的出行总时间及票价因素显著相关，且出行总时间的影响更大；换乘、候车时间对通勤乘客在公共交通复合网络中方式选择的影响较低，通勤者更加偏好出行总时间短的路径。研究结果可为提升轨道与公交的协同程度提供技术支持。     

基于生存分析的小汽车通勤者出发时刻研究

根据生存分析中的加速失效时间模型,对通勤者上班出发时刻选择行为进行研究分析.利用调查数据,建立了小汽车通勤者上班出发时刻选择的Weibull加速失效时间模型,得到了性别、年龄、家庭收入、单位上班时间和出行距离等是影响通勤者上班出发时刻选择的主要因素.结论表明模型的预测误差主要集中在10 min以内,模型的适用性和准确性较好,解决了Cox比例风险模型不能直接预测通勤者出发时刻的问题.     

乘客差异化需求对公交出行满意度的影响

中国对于公交出行满意度的研究主要集中在服务质量指标的制定、乘客意向信息采集等方面,对出行满意度的影响因素缺少深入分析。结合安徽省铜陵市居民公交出行意向调查数据,对通勤乘客和非通勤乘客的公交出行服务需求特征进行分析。在此基础上构建结构方程模型,探究乘客公交出行满意度的影响因素。模型结果表明,通勤乘客更重视公交服务的经济性、便捷性和可达性,而非通勤乘客更重视可靠性和舒适性;经济性和可达性需求对通勤乘客满意度有显著积极影响,而便捷性、可靠性和舒适性需求对所有公交乘客满意度均有显著消极影响。由此,针对两类乘客分别提出提升公交出行满意度的措施。     

城市轨道交通多方式组合出行与接驳设施优化

城市轨道交通出行是典型的多方式组合出行,其出行过程不连续、选择需求复杂、出行体验难以捕捉等特征,制约了轨道交通整体出行效率和满意度提升。以南京市为例,分析轨道交通通勤人群的"接入—轨道交通—接出"全过程出行模式特征。考虑接入与接出过程的关联性,构建轨道交通多方式组合出行行为模型,研究各类接驳设施服务对接入和接出方式选择的影响。从轨道交通的竞争方式——全程小汽车通勤出行角度,调查该人群对不同轨道交通接驳方式设施服务不便性指标的感知评价,提出轨道交通接驳设施优化措施。     

基于Q-learning 的定制公交跨区域路径规划研究

考虑城市大客流通勤者跨区域出行需求，结合城市公交线网中乘客出行密集、客流走向规律等特点，提出一种跨区域定制公交的搭乘方案. 通过改进的Q-learning 模型对公交线路进行优化，为城市通勤者提供更加便捷和高效的出行服务. 通过综合路段拥堵状态、乘客需求及居民小区位置，设定了Q-learning 强化学习的奖惩函数，提升定制公交区域路径的直线系数、满载率、通行时间. 结果表明，所提出的改进方法能够降低通勤者跨区域通行的旅行时间，有效提高髙峰时段定制公交线网的通行效率.     

基于贝叶斯网络的出行选择行为分析

以通勤出行者为研究对象,应用改进K2算法和贝叶斯参数估计方法,以模块化的建模思想,构造了分析通勤出行方式选择和出行链模式安排及其相互作用的贝叶斯网络模型.以互信息指标度量节点间相互依赖关系的强弱,完成网络的修剪.以修剪后的网络为基础,应用敏感性分析讨论了在出行者及其家庭的社会经济属性、活动和出行属性影响下的出行方式和出行链模式安排的变化,及其相互影响.本文的研究为全面分析活动-出行选择行为及其影响因素间的互动响应关系提供了新的思路.     

������ͨ���ܿ�������չ����

作为一种公共交通付费手段的智能卡技术的出现，对于世界各国公交产业的经营人来说不但是可行的，而且有着很好的应用背景。对于公交乘客和营运人来说，公交智能卡的优势已经带来了非常明显的方便性和好处，与传统的付费方式相比（现金支付和月票卡），使用智能卡有较快的上车时间，较低的数据调查成本，更加充分的规划利息，更有效的防止逃票和假票，以及在应用综合收费上较好的扩展能力。本文回归了世界上具有代表性的公交智能卡的应用，并阐述了今后智能卡的发展趋势，同时通过文献回顾，今后的工作将随中国公交智能卡与世界其他国家应用进行比较，以提出对中国公交智能卡发展的建议。     

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。