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。     

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.     

基于公交IC卡数据信息的客流预测方法研究

根据大连市公交IC卡的历史数据绘制公交线路客流曲线,采用有序聚类Fisher算法划分公交峰值区间,在具有典型特征的峰值区间内进行有针对性的公交客流调查,可得到实际客流数据样本.通过将公交IC卡客流数据与随车客流调查数据相结合,建立不同峰值条件下预测客流的回归方程,可实现对不同峰值区间内总体客流量的预测.     

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。     

基于聚类分析的公交线路资源配置时段划分方法——以烟台市为例

为节约公交运营成本、提升其服务质量和效率,需合理配置公交线路资源.鉴于此,基于烟台市公交刷卡数据和移动支付数据,通过数据匹配、合并及扩样等方法进行数据处理,获取完整的公交线路客流信息,分析一天内及周内各天公交客运量的变化特征.在此基础上,以半小时线路客运量为基础,基于有序聚类法进行公交线路资源配置时段划分,并提出对应时段的公交运营调度方法;最后利用贝塔系数法确定配置时段最优分段数.研究发现,烟台市工作日、周末和节假日常规公交线路资源配置可分别划分为5个、4个和3个时间段,聚类结果F检验显著性水平大于0.05且满足客流变化特征,说明有序聚类法能对公交线路资源配置时段进行有效划分.     

基于公交IC卡数据信息的客流预测方法研究

根据大连市公交IC卡的历史数据绘制公交线路客流曲线,采用有序聚类Fisher算法划分公交峰值区间,在具有典型特征的峰值区间内进行有针对性的公交客流调查,可得到实际客流数据样本。通过将3EIC卡客流数据与随车客流调查数据相结合,建立不同峰值条件下预测客流的回归方程,可实现对不同峰值区间内总体客流量的预测。     

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。     

���ڹ���IC�����ݵij������з��������Բ����о�

在公交IC卡数据挖掘中,为了获取乘客流量及流向等信息,需要获知每个班次的运行方向.本文通过对公交IC卡数据的聚类分析,将IC卡数据解析成单班次站点客流数据,利用基于时间序列的相似性测量算法（相关性测量及动态时间扭曲法）,测量单班次数据与经验数据的相似性,从而获取班次运行方向.研究结果表明,在线路客流方向性差别明显时,相似性测量方法精度较高.且经过数据聚类后,相关性测量法与动态时间扭曲法在计算精度与运算速度方面表现相近,适用于客流方向性差别较明显的公交线路.     

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。     

北京市轨道交通线网客流分布及成长规律

为了应对城市轨道交通快速建设带来的客流规模及分布的变化,有必要对线网客流变化趋势及成长规律进行研究。以北京市轨道交通系统IC卡数据为基础,从客流量的空间、时间分布等角度分析轨道交通网络化运营客流特征。分析轨道交通新线开通产生的诱发客流和转移客流,揭示新线开通对既有线路客流分布的影响。最后,从线网规模、线位、线网布局等方面归纳轨道交通线路及线网客流成长的一般规律。     

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...     

小城市近期公交线网优化调整技术

针对小城市公交发展特点,在有限的公共交通资源下,提出可行的线路调整和运营优化方案,对于提高公交服务水平、缓解公交企业运营困难具有重要意义。引入“诊断指标标准值”的概念,提出一种从系统全局角度按照“先主后次、滚动推进、不断优化”的公交线网优化调整方法。以衢州市为例,通过对IC卡、公交出行OD调查数据进行分析,对公交系统存在的主要问题进行总结分析,确定需要进行线路优化调整的对象,结合逐条线路布局与运营优化技术和方法,形成近期优化调整方案。同时,对方案实施层面进行设计,制定实施计划,验证方法的可行性、有效性。     

公交IC卡数据分析处理方法研究

随着科技的不断发展,IC卡技术已经日趋成熟,并且已经全面推广到公交和地铁中。围绕北京公交特性,对公交IC卡的信息采集、分析和应用进行探讨,研究基于现状IC卡信息采集技术的公交客流及出行信息的分析方法,通过实例证明了方法的可行性。     

新冠疫情及建成环境对公交客流量的影响模型

为揭示新冠疫情背景下公交客流量变化的空间影响因素，以疫情前后公交站点层面客流变化量为因变量，以建成环境、病毒感染情况及病毒传播途径等指标为自变量，构建新冠疫情与建成环境对公交客流量共同影响的线性回归(Ordinary Least Squares, OLS)模型与梯度提升回归树(Gradient Boosting Regression Trees, GBRT)模型。以广州市为实证对象，基于公交IC卡数据、兴趣点数据(Point of Interest, POI)及道路网络数据等多源异构数据进行模型实证分析。结果表明：考虑非线性效应的GBRT模型比OLS模型具有更好的拟合度；同时，常规公交站点的公交线路数量(22.02%)和到市中心距离(13.56%)是影响疫情背景下公交客流量变化的最重要因素，片区病毒感染与传播情况对疫情防控常态化时期的公交客流量作用有限，居民日常公交出行已经从疫情的影响下逐渐恢复。