基于公交IC卡和AVL数据的客流OD推导方法

公交IC卡收费系统和车辆定位系统的广泛应用,为获取公交客流OD提供了新的途径。针对现有公交客流OD推导算法的不足,从上车站点识别和下车站点推导两方面入手,对公交客流OD推导算法进行了改进。为了修正公交IC卡数据时间偏差,提高上车站点识别的准确性,在分析公交乘客上车刷卡行为的基础上,提出了基于AVL数据的公交IC卡数据时间修正方法。根据公交出行链的特性差异,将公交出行链划分为连续链和非连续链两大类,在此基础上,建立了不同公交出行链的下车站点推导模型,优化了下车站点推导流程。以苏州市的公交IC卡和AVL数据为例进行实例研究,通过对推导结果合理性的讨论分析,论证了改进算法的可行性和有效性。实践表明,改进后的公交客流OD推导算法流程清晰,易于程序实现,可以用于公交客流的自动分析。     

基于IC卡数据挖掘获取公交OD矩阵的方法

以广州市羊城通IC卡以及广州市公交系统信息为例子,探讨了实现基于IC卡信息获取公交客流出行特征的方法。在IC卡数据挖掘和统计基础上,对线路站点OD矩阵、区域OD矩阵进行了推算。相比传统的人工统计法。该方法易于实现,能运用到实际中且运算效率高,适用于海量数据的客流出行特征统计分析。     

An Approach on Station ID and Trade Record Match Based on GPS and IC Card Data

一票制(单次刷卡)公交线路IC卡数据中缺少乘客上车站点信息,为获得乘客上车站点信息,需要将IC卡交易数据与公交站点进行匹配.首先根据公交车辆GPS数据和公交IC卡数据分别推算站点间运行时间,建立匹配约束规则完成首次站点匹配,并求得公交车辆GPS系统与公交IC卡收费系统的时间平均偏差值,再将时间平均偏差嵌入数据匹配模型,利用禁忌搜索算法对其他未匹配的交易记录进行二次匹配.为作比较,数据试验还包括仅根据站点间运行时间对GPS和IC卡数据进行匹配,从而找到IC卡交易记录与公交站点对应关系.数据试验表明:在GPS数据较完整的条件下,该方法能够精确实现IC卡交易记录与上车站点的匹配,而对比试验方法的匹配精度为80％,低于本文所研究方法.     

基于天气影响分析的公交客流调查日期确定方法

目前公交客流调查日期的确定往往过于经验性和随机性,不利于调查数据质量的把握。文中通过建立多元回归模型,定量研究了公交日常客流随机波动的天气影响因素,并结合IC卡数据样本特征分析,提出了确定公交客流辅助调查日期的具体方法。该方法在工程实践中得到良好应用,且为相应区域公交规划的调查日期确定提供了参考依据。     

公交客流信息采集技术研究

城市公共交通在我国城市交通中占有重要的地位,公交客流信息是公交调度管理及线网优化的基础。本文介绍了常用的公交客流信息采集方法,其中包括人工调查、公交IC卡、自动乘客计数等系统的技术实现方式及各自特点,提出了适于我国国情的公交客流信息采集技术的选用方法。     

基于在线支付数据的公交客流特征分析方法——以三明市清流县为例

随着IC卡、移动支付等的普及,公交付费方式发生了巨大变革,由此产生的海量数据为全面、准确的把握公交运行特征提供了便利。公交客流特征分析中最重要的步骤在于下车站点的估算,为此提出一种基于乘客上车站点概率分布的估算方法。基于上下车站点等属性,通过统计学方法,可以得到公交分担比例、时间分布、距离分布、线站分布、特定群体公交服务情况等特征,为公交系统规划奠定基础。     

基于公交IC卡刷卡记录的居民出行OD推算方法研究

居民出行OD调查需要耗费巨大的资金和人力,并且常常由于调查的组织不力或者调查人员的不负责而导致调查数据不可信.公交IC卡数据可以准确显示每位持卡人的出行信息,通过对数据进行分析可以获得居民出行OD信息.根据公交IC卡数据的特征,针对不同类型的数据,提出了相应的数据预处理方法,利用处理后的数据使用VBA结合ADO技术推算公交出行的OD矩阵.利用此方法对昆明市公交出行OD进行推算,获得数据精确度较高,可以作为传统的大规模人工OD调查的替代方法.结合推算过程遇到的问题,为公交IC卡数据记录方式提出4条改善建议以使数据能够更准确、更简便地应用于OD推算.      

广州快速公交线路客流特征和换乘效率研究

以广州快速公交(BRT)系统公交线路为研究对象,选择客流时间分布特征、站台集散量、车辆满载率、平均乘距、方向不均衡系数及免费换乘率等指标对客流特征进行计算分析,并针对广州BRT系统半开放、半封闭的特性讨论免费换乘问题,提出了基于IC卡信息匹配乘客出行起讫点的方法,通过获取乘客选择换乘路径信息优化BRT系统运营组织及线路运力配置计划,提升运营管理水平,同时为免费换乘补贴提供决策支持。     

基于GPS与IC卡的公交OD量采集方法

公交OD量是公交调度管理及线网优化的基础。传统的获取公交OD量的方法需要进行大范围的个人出行情况调查，消耗大量人力物力，且数据更新缓慢。随着GPS技术与IC卡在公交系统中的广泛应用，提出了利用公交车GPS定位与乘客IC卡刷卡信息来获取公交OD量的新方法。利用这一方法对广州某段时间的公交车GPS定位和羊城通数据进行了实际分析。试验结果表明这一方法是有效的。     

双向传输的智能公交信息采集系统的研发

在分析目前较为常用的公交信息采集和传输技术的基础上,利用GPS定位技术和IC卡技术来进行公交信息采集,包括公交车辆信息和公交客流信息,利用GPRS技术来进行公交信息的传输,提出了基于双向通讯技术的公交信息系统的设计,并给出了系统的软、硬件设计,系统的信息流程图。该系统的应用不仅能使信息中心或调度中心获取准确、即时的公交信息,也能让行驶中的驾驶员获得中心传输而来的有用信息,从而实现两者的双向传输。     

公交IC卡分段收费的实现

公交IC卡使用以来,一直是＂一票制＂,但由于城市建设的发展,城区在扩大,城乡之间的往来越来越紧密,实现公交IC卡的分段收费有着广泛的市场和社会需求。然而,要在原有系统的基础上,实现分段收费,还是会有一定的难度的。文中仅就利用公交IC卡现有系统,实现分段收费的方法加以探讨,得出可行的、可靠的方案来实现公交IC卡分段收费。     

公交线路客流 OD 管流类推估算方法的应用

应用管流类推法(fluid analogy method ,FAM )研究公交线路 OD 矩阵的估算,该方法利用管流概念,将公交线路和乘客分别视为管道和流体,利用乘客在各站上下车人数来估算公交线路 OD 矩阵。将该方法应用于北京市分段计价的公交线路中,通过对比估算结果与实际公交 IC 卡的出行 OD分布,结果表明:在早高峰、晚高峰、全日的 OD 估算误差指数在0.75以上,且早高峰、晚高峰、全日估算的公交乘车站距与实际乘车距离的相关系数分别为0.98,0.98,0.99,验证了 FAM 法在公交线路不同时段 OD 估算中的精度与可靠性,与传统的均衡算法等解析模型相比,该方法简单、高效,且能够得到惟一解,在智能公交实时调度中具有较高的实用价值。      

智能公交系统运营优化数据库建立方法探讨

城市公共交通运输是城市客流运输的主要形式之一,智能公交系统是公共交通的发展趋势.在分析智能公交系统数据处理流程和公共交通客流采集技术的基础上,研究了智能公交客流基本数据采集技术,探讨了常规公交、轨道交通和出租车交通客流的筛选分析方法.     

基于ARMA模型的公交枢纽站客流量预测方法研究

分析了城市公交客流量预测的必要性,提出了运用时间序列模型进行短期预测的方法;以城市公交短期交通特征为基础,设计了公交站点的ARMA短期客流预测模型;研究了单线路公交站点客流传统行为,构建了重点区域的枢纽站总客流实时预测模型,并采用上海市五角场枢纽站客流数据对比验证了文中模型的可行性,提出了枢纽站公交调度的优化建议。     

基于小票法的公交线路客流OD分析方法

针对目前常规公交客流OD调查抽样率低,准确率难以保证的缺陷,提出调查公交线路客流OD的小票法,该方法可同时采集各站点的上下客人数及每位乘客的上下车站点等信息。在基于小票法的调查数据的基础上提出一种公交线路OD分析方法,可准确得出公交线路的客流OD,同时还可以得到线路沿途各站点的上下客人数、断面流量等信息。     

基于公交IC卡的公交换乘数据获取方法研究

城市公共交通系统能否正常和高效地运营不仅取决于道路和车辆等设施条件,更有赖于运营管理手段和技术手段的先进性。传统的人工调查方法耗费巨大的人力物力,而调查结果却很难达到理想效果,所得数据不能动态反映城市公交出行的长期变化趋势。文中以公交Ic卡为切人点,通过对乘客2次刷卡间的时间分析以及利用公交GPS时间点的数据进一步分析乘客换乘所用的时间,判断出乘客2次乘车是换乘行为还是2次出行。     

基于公交数据的公交乘客上客特征分析

城市公共交通是城市交通的重要组成部分,具有缓解交通拥堵、降低能源消耗、改善生态环境等优势,一直是政府大力支持与提倡优先的出行方式。基于公交的运营数据,提取了每次刷卡数据的上客站点数据,进一步分析出公交网络层面站点上客特征,最后,结合居住人口、工作人口分布,分析出公交乘客上客与空间人口分布的关联性。     

城市公交GPS数据与IC卡数据时空特性融合算法

针对部分城市公交GPS数据和IC卡数据无直接联系，且2个系统存在不规律时间偏差，很难关联获取乘客上车数据的问题，进行了时空特性快速匹配数据融合分析。根据公交GPS数据和线路站点位置匹配获得公交运行时刻表，利用运行时刻表与时间修正后的IC卡数据进行遍历计算，采用时间相似度曲线寻找二者对应关系，利用时间平均偏差曲线进行关系验证，并获得2个系统之间的时间修正值。对西安市5条线路总计195辆车3d的相关数据进行试算，其中，191辆车具有明显的识别特征; 通过南宁16条线路已知对应关的344辆车进行算法验证，获得了336辆车的确切对应关系，平均时间修正误差为16.5 s。结果表明:该算法匹配率达97.67%，对于广泛存在的公交GPS数据和IC数据属于不同系统，难以判断刷卡上下车站点的情况，提供了快速高效的方法，扩大了原本不完善公交数据的应用范围，为公共交通出行中个体微观出行行为分析奠定了基础。