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。     

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。     

基于百度API开源数据的居民出行研究

为弥补传统居民出行调查中存在被调查者对出行时间预估不准和出行距离难以计算的弊端,基于地图开发,设计了网络调查问卷,以获取居民出行起讫点(Origin-Destination,简称OD)和出行方式。根据起讫点进行坐标匹配,在时间最短的原则下,通过百度地图应用程序编程接口(Application Programming Interface,简称API)进行最佳出行路线推测,并融合居民调查数据得到一次出行的完整出行链,对获取的出行链数据进行不同出行方式和出行目的的居民出行特征分析。研究结果表明:(1)平均出行距离、平均出行时间等总体指标与青岛市第3次交通出行调查(2016)中通过公交IC卡计算的结果基本一致,但在具体的分布上有差异;(2)公交车出行的平均出行时间是小汽车的2.5倍,不能满足乘坐公交加步行的时间要控制在开私家车时间的1.5倍之内的深圳公交提速"1.5"战略;(3)非常发性的事务类出行,如单位业务、个人事务,平均出行距离要显著大于通勤类出行,如上班、就学。     

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.     

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.     

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.     

SPSS在居民出行调查中的应用

在对石家庄城乡结合部地区居民出行情况进行调查的基础上,利用SPSS软件提供的交叉列联、多选项和对应分析等功能,对调查数据进行了分析。得到石家庄城乡结合部地区居民出行相关因素的系数,以期为改善该地区的运输组织提供依据。     

基于车载数据的公交服务可靠性分析

随着我国城市规模不断扩大,公交网络日趋庞大和复杂,其服务可靠性容易受到众多不确定性因素的影响,进而影响到居民出行方式的选择。本文从乘客的角度出发,基于公交车载数据,对公交服务可靠性进行研究,提出公交服务可靠性的评价指标、计算方法,分析公交服务可靠性的特征与优化方法。研究成果有助于更客观、真实地反映公交服务的实际情况,为城市公共交通的规划与管理提供依据。     

卫星城居民出行特征及出行方式选择模型研究

卫星城居民出行特征及出行方式选择研究是解决卫星城交通问题的基础和前提。以南宁市浦口区为例,通过Access数据库对居民出行OD调查数据进行处理挖掘,从居民的出行频次、出行目的、出行方式、出行时耗及出行时间分布五方面对卫星城居民出行特征进行研究,总结出浦口区居民出行特征现状;挖掘并量化影响卫星城居民出行方式选择的关键因素,利用浦口区居民出行调查数据,构建居民出行方式选择多项Logit模型,通过SPSS软件进行模型拟合和标定。在模型拟合结果中,以公交车为例进行拟合结果分析,可得到影响选择公交出行的主要因素——性别、年龄以及有无公交IC卡,并通过计算以及模型预测值对模型拟合精度进行校验。结果显示,除非机动车预测效果较差以外,其余预测误差均在可接受范围内。     

基于出行全过程的居民出行模式分析

作为城市交通规划、建设的依据,居民出行调查显得尤为重要。调查数据的挖掘分析可以为交通结构的改善及交通政策的制定提供一定参考。利用西安市居民出行调查样本数据,借助于Classification And Regression Tree算法,分别构建了可达过程与乘车过程的决策树模型。该模型结果表明:到站距离为可达过程出行方式选择的主要影响因素;在乘车过程中,出行距离为出行方式的主要影响因素,远距离出行条件下,居民更愿意选择私家车及"公交+地铁"组合出行方式;近距离出行更倾向于选择公交出行。在此基础上,年龄、是否拥有小汽车、有无公交卡等因素对出行方式的选择产生进一步影响。     

基于多源数据的公交客运廊道识别方法

针对现有廊道识别方法存在的不足,提出一种融合多源数据精确识别公交客运廊道的方法,对城市既有公交客运走廊起讫点进行准确识别。首先,通过手机信令数据刻画居民的全方式出行规律,从公交IC和GPS数据中提取居民的现状公交出行链;其次,构建公交客运廊道判别模型,利用需求客流因子和供给客流因子对城市公交客运走廊的客流集聚效应进行量化分析;最后,以融合了多源数据的总客流因子为判断标准,锁定公交客运廊道的最佳起讫点。研究表明:采用多源数据可以实现对乘客出行特征的精准描述,以此得出的廊道判别结果较常规判断方法更贴近乘客实际出行需求,可为城市客运走廊战略规划提供理论支持。     

上海市中心城区公共交通典型通勤出行链特征分析

基于居民调查与爬取的数据,梳理上海市中心城公共交通为主体的通勤出行链,并分析其主要出行时空区间,从中提取以公共交通为主的4类典型通勤出行链,探究不同公交出行链服务的通勤出行距离分布、出行耗时差异及起讫点在中心城的圈层分布特征。而后采用公交小汽车行程时间比指标,对不同距离区间内典型公交出行链的服务效率及服务竞争力进行评估,为公共交通在新业态重组后的城市交通系统中的重新定位及精准优化提供参考。     

城市居民出行方式选择的结构方程分析

为克服Logit类模型的局限性,以出行链为分析单元,构建了快速城市化进程中居民出行方式选择的结构方程模型．首先,依据已有研究基础及城市化进程中居民出行特征,确定影响居民出行方式选择的3类因素,建立影响因素与出行方式之间的关系结构;在此基础上,构建结构方程模型,利用北京市居民出行调查数据对模型进行辨识与修正,最终得到了个人与家庭属性、土地利用、出行链等各类因素对出行方式的影响方向与程度．研究结果对优化居民出行方式结构、改善城市交通拥堵具有指导意义．     

停车收费对居民出行方式选择的影响分析

停车收费是调节城市居民出行结构,改善城市交通状况的重要政策,不同停车收费标准对居民出行方式改变程度也不相同. 本文结合南京市停车特征调查数据,基于非集计模型理论,建立包括停车费率以及公交票价等多因素的出行方式选择模型,并利用弹性分析方法,研究居民出行方式选择随停车费率变化的趋势,分析出行方式选择对于停车费率以及公交票价变化的敏感性. 研究得出不同费率标准下,小汽车及公交车出行比例的改变程度,确定停车收费价格的敏感区间,并分别得到停车费率和公交票价变化对出行方式改变的弹性. 研究结论可以为大城市合理制定停车收费价格政策提供理论依据.     

提升公交分担率的关键因素研究——基于济南市居民出行意愿调查数据分析

在济南市2011年大规模居民出行调查的基础上,依据个人特征和出行方式在济南市区6个行政区随机抽取6014个居民提前电话预约进行出行意愿调查,分析影响公交分担率的各类因素,为制定相关措施提高公交分担率,实现“公交都市”建设目标和城市可持续发展提供有力支持.     

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.     

ͣ���շѶԾ�����з�ʽѡ���Ӱ�����

停车收费是调节城市居民出行结构,改善城市交通状况的重要政策,不同停车收费标准对居民出行方式改变程度也不相同. 本文结合南京市停车特征调查数据,基于非集计模型理论,建立包括停车费率以及公交票价等多因素的出行方式选择模型,并利用弹性分析方法,研究居民出行方式选择随停车费率变化的趋势,分析出行方式选择对于停车费率以及公交票价变化的敏感性. 研究得出不同费率标准下,小汽车及公交车出行比例的改变程度,确定停车收费价格的敏感区间,并分别得到停车费率和公交票价变化对出行方式改变的弹性. 研究结论可以为大城市合理制定停车收费价格政策提供理论依据.