基于多源数据的公交出行特征分析

为准确分析公交消费数据不完整情况下的公交出行特征,基于乘客上车刷卡数据、支付宝扫码数据及公交GPS数据,运用时空匹配法和出行链理论挖掘分析乘客上下车站点、公交线路OD矩阵、出行空间分布特性及消费时间分布特征。实际验证结果表明:1)使用IC卡和支付宝的乘客数量近似相等,使用现金人数较少,约占整体的6%;2)乘客出行次数在2次以下占总数的84%,换乘需求较少,公交可达性较高;3)高峰期消费次数均超过25000次/h,约占全天总数的23%,居民出行目的较为单一,大部分往返于居民区与办公商业区,与实际情况相符。     

公交乘客出行路径优化模型

分别以“换乘次数”最少和“出行时间”最短为优化目标，提出2个公交乘客出行路径优化模型，得到不同的最优线路，供公交乘客选择适合自身的出行路线，并以1个简单的公交网络对模型进行了验算。     

桂林市公交问路系统设计

基于桂林市公交基础信息系统和公交乘客出行的特点,设计开发了桂林市公交问路系统.在坐标地图的基础上,利用Access描述、创建了公交线网的数据存储结构,并采用ASP作为开发工具与Database Server连接访问,实现了对公交线网以图的方式的数据信息管理和查询.系统具有坐标选择和名称选择双重方式的公交线路查询、站台查询及具有最少换乘次数的出行路径查询等功能,为桂林市乘客的公交出行提供准确、及时、优化的公交信息服务和出行辅助计划.      

桂林市公交问路系统设计

基于桂林市公交基础信息系统和公交乘客出行的特点，设计开发了桂林市公交问路系统。在坐标地图的基础上，利用Access描述、创建了公交线网的数据存储结构，并采用ASP作为开发工具与Database Server连接访问，实现了对公交线网以图的方式的数据信息管理和查询。系统具有坐标选择和名称选择双重方式的公交线路查询、站台查询及具有最少换乘次数的出行路径查询等功能，为桂林市乘客的公交出行提供准确、及时、优化的公交信息服务和出行辅助计划。     

基于DEA的接运公交运营绩效评价

为了从换乘者角度评价接运公交的运营绩效,并根据评价结果进行运营管理的优化,以接运公交高峰小时发车数和同步发车数为输入指标,以接运公交实载率和换乘乘客平均候车时间为输出指标建立了DEA综合评价模型。利用C2R模型研究接运公交运营绩效的有效性和依据DEA综合评价模型的投影理论分析接运公交输入剩余和输出亏空,并将C2R模型与C2GS2模型相结合研究接运公交的规模收益。结果表明,目前大部分接运公交运营绩效处于非DEA有效状态,导致该结果的主要因素是其运营调度与轨道交通同步性水平偏低,因此运营管理优化首要目标是实现接运公交与轨道交通的同步运营,并以此为目标优化接运公交高峰小时发车数。     

基于换乘地铁的公交信号优先控制方法研究

针对公交车在临近公交站的交叉路口处的延误导致换乘地铁时间较长的问题,提出基于换乘地铁的交叉口处公交信号优先控制研究的方法.首先分析公交优先与地铁的衔接问题,其次根据历史调查数据运用DBSCAN聚类算法划分时段,然后分析在公交站点处公交车中换乘地铁的平均乘客人数以及非换乘地铁的平均乘客人数,建立优化模型并确定公交车在交叉口处的人均延误公交信号优先控制方法.最后建立交叉口的仿真模型,根据仿真的结果验证本文控制方法,将乘客公交换乘地铁的平均时间缩短了20%,提高了乘客公交换乘地铁的效率.     

基于换乘时间窗的公交区域时刻表优化方法

先进的公共交通系统(APTS)为公交乘客换乘实现最佳衔接提供了基础条件。文中以多条公交线路的区域调度为服务对象,设计了基于换乘时间窗的公交调度策略,建立了以全网络乘客等待时间(换乘乘客等待时间、车内乘客等待时间、非换乘站点乘客候车时间)最短为目标的区域公交发车时刻表模型;采用遗传算法对模型进行求解,并设计算例对模型性能进行验证。结果表明公交线网中协同发车可有效减少换乘乘客的等待时间,基于换乘时间窗的公交调度策略能对区域时刻表作进一步优化。     

基于站点吸引的公交客流 OD 分布概率模型

在分析公交出行距离和下车站点的用地性质等因素对公交乘客下车概率影响的基础上,全面考虑站点对周边区域换乘的辐射影响,引入了1个新的影响因子---下车站点换乘能力,该因子利用以站点为中心,300 m到500 m为半径,可利用换乘的公交线路条数来表示;综合考虑上述3个影响因子,构建了基于站点吸引的公交客流O D分布概率模型。基于济南市公交IC卡数据,采用C++语言编程实现该模型,得出了公交客流出行的空间分布规律,并采用核查线法验证该模型的可行性和有效性。验证结果表明,该模型OD反推误差可以控制在10%之内,反推精度较高,较好的贴合实际,具有一定的工程应用价值。      

城市外围非高峰时段多线路柔性公交协调调度研究

利用柔性公交灵活度高和成本低的优点,考虑公交线路交互对乘客出行选择的影响,提出了城市外围非高峰时段多线路柔性公交的协调调度。首先阐述了柔性公交的运营模式和适用条件以及柔性公交与定制公交的区别。其次分析了城市外围非高峰时段多线路柔性公交的协调调度问题,并给出了柔性公交协调调度的具体流程。接着以乘客的候车时间、乘客减少的步行时间、乘客增加的乘车时间、公交车的运营成本为指标,考虑常规乘客的候车时间约束和公交车响应预约请求时的综合效益约束,建立了多线路柔性公交协调调度的双层规划模型,其中上层模型以乘客的出行时间最少为目标,下层模型以公交的运营成本最低为目标。然后设计了遗传算法,对公交车响应预约站点时的车上乘客数量进行编码来求解该模型。最后以重庆市180路和396路公交为例设置了预约站点,并在4种预约比例下对多线路柔性公交的协调调度和单线调度进行了对比分析。结果表明:有多条柔性公交线路可响应预约站点时,进行协调调度可减少实时预约乘客的候车时间;有共同目的站点的乘客数量越多,进行多线路柔性公交协调调度时乘客整体减少的出行时间越多;预约站点所有乘客有共同目的站点时,进行多线路柔性公交协调调度能降低公交的运营成本。     

慢行交通衔接常规公交的换乘时间分析

在分析城市常规公交与慢行交通系统特点的基础上,为解决从出行起点到公交车站“最后一公里”问题,利用慢行交通系统衔接常规公交,汇集城市道路网末梢的客流,缩短“最后一公里”的换乘时间;通过对“最后一公里”换乘时间的分析,建立乘客平均候车时间模型,为确定公交车发车间隔提供依据.     

居民公交出行链重复性量化分析及其出行规律研究

作为城市交通的枢纽，公共交通系统承载了大量的居民出行。自动数据采集系统收集的IC卡数据包含了大量的乘客出行信息，通过这些数据可分析居民公交出行规律，进而优化公交服务。引入信息熵及熵率对居民公交出行链重复性进行量化，研究了基于量化指标分析居民公交出行规律的方法。通过出行地点状态标定，将乘客的出行链转化为离散的出行序列；利用信息熵和熵率对出行序列进行量化分析，得到出行重复性与量化指标的关系，即出行序列的信息熵越大，熵率越小，该乘客出行重复性越高，出行规律越强。基于重复性量化处理，以石家庄公交智能卡乘客出行数据为例，分别从群体和个人这2个方面对公交乘客的出行规律进行分析。结果表明，出行链重复性量化指标可以对出行规律的强弱进行直观判断。当乘客出行规律不明显，但信息熵高于样本均值2.53 bits、熵率低于样本均值1.13 bits/事件时，可通过进一步分析挖掘出乘客潜在出行规律。      

Who uses smart card? Understanding public transport payment preference in developing contexts,a case study of Manila's LRT-1

The culture of “tingi-tingi” or sachet economy provides a strong backdrop to better understand the payment mode preference of the riding public in the Philippines. First, the use of single journey tickets (SJT) reflects the purchasing practices amongst the urban poor thereby affecting the promotion and uptake of public transport smart cards. Second, as a glocalization strategy, it can inform what, how, when, and why services that has global uptake can be tailored towards the realities of a differentiated, local market conditions.Categorical principal component analysis (CATPCA) is presented to determine the key variables explaining the likelihood of uptake of smart cards for public transport passengers in the Philippines. The Metro Manila Light Rail Transit Line 1 (LRT-1) presents an appropriate context to examine how the glocalization of smart cards can help improve the quality of public transport services, and to provide planning and policy recommendations on smart card uptake and integrated ticketing, with the end goal of improving public transport provision and management. LRT-1 alongside its change in management, also introduced a new smart card payment system. However, more than half continue to use single journey tickets.The model parameters are estimated using primary survey data collected from LRT-1 passengers. Transit smart card has been widely used around the world and effectively reduces waiting time for passengers who used to purchase paper tickets.The main results of the model reveal that: (1) only groups with high education background, stable income, or with stable job would likely to use smart card; (2) passengers with lower education level, lower income, or with unstable job prefer to use single journey ticket; and (3) the sachet economy is strongly associated with the purchasing practices amongst Filipinos, particularly the urban poor, hence may affect the promotion and uptake of public transit smart cards. These findings may inform changes to the introduction of alternative payment schemes and the planning of public transport policies that recognise the need for an effective glocalization strategy, paving the way towards improved public transport service and provision.     

智能型手机应用程序对运具选择行为之影响

因应资通信技术发展,智能型手持设备逐渐普遍,应用程序蓬勃发展改变人类传统行为模式甚巨.其中,运输相关之应用程序多样化发展,功能包含地理信息系统的应用、交通信息的提供、车辆派遣的预约、交通票证的订定、观光游程的设计等.依据台北市交通局统计2013年民众透过智能型手机应用程序查询次数,每月已高达6 000万次以上,实有必要针对运输类应用程序所衍生之效果进行探究.论文主要研讨智能型手机应用程序所提供的交通运输信息对用户旅运行为之运具选择影响,透过问卷调查,进行个体运具选择模式之构建,以分析台北市旅运者在受智能型手机应用程序提供的实时交通信息对于运具选择行为转变之影响,期能了解ITS结合智能型手机应用程序的交通信息服务对于提高公共运输便利性之效益.      

融合XGBoost和图谱修正的公交通勤乘客目的地预测方法

准确把握公共交通通勤乘客的目的地, 有助于明确乘客出行需求, 提升公共交通服务水平。基于北京市1个月的公共交通出行数据和RP调查数据, 通过关联分析乘客公交卡号与公共交通刷卡数据和线站数据, 匹配获得563名通勤乘客完整出行链数据, 并利用关联规则实现302名公交通勤乘客高、中、低出行稳定性辨识。引入XGBoost集成学习算法, 分别以不同公交出行稳定性乘客出行目的地显著影响因素为输入变量, 以下次出行目的地为输出变量, 通过模型参数调优, 分类构建了公共交通通勤个体乘客下次出行目的地预测模型, 高、中、低稳定性乘客出行目的地预测准确率分别为90%, 66.67%和50%。借助个体乘客出行图谱转移概率对模型预测结果进行修正, 将预测准确率分别提升至91.2%, 83.21%和69.5%, 可以有效提升中、低稳定性乘客出行目的地的预测准确性。采用公交都市系统记录的目的地数据对下次出行目的地预测聚合结果进行对比验证, 客流预测值与真值变化梯度的绝对百分误差小于10%。因此, 在划分通勤乘客出行稳定性的基础上, 融合XGBoost和图谱修正的公交通勤乘客目的地预测预测方法具有较高准确性。      

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。     

应对突发大规模流行病的城市常规公交管控策略

公共交通内部相对狭小和密闭的空间，使得乘客间频繁发生近距离接触，是流行病扩散的高危环境。面对诸如新型冠状病毒肺炎这类突发大规模流行病时，交通管理者通常采取的方案是全部公交线路停运，彻底阻断流行病通过公共交通系统传播这一个途径，但是对于公交乘客而言，如果缺乏替代的出行方式，将严重降低其移动性，甚至会影响其基本的生活条件。利用北京市公交IC卡刷卡数据，挖掘乘客的个人出行特征和相互之间的接触特征，构建公交乘客动态接触网络，试验数据统计显示北京公交乘客单次出行与他人的平均接触时间为17 min，通勤乘客工作日与他人平均累计接触123次。利用理论传播模型（SEI和SIS）模拟流行病在公共交通系统内的扩散，对比随机网络分析其特征，发现公交乘客间接触的周期性发生规律显著促进了流行病的快速传播。将乘客传播影响力集计至公交线路，针对常规公交网络设计停运部分线路的运营方案，使用站点间平均邻接距离作为指标，衡量部分停运方案导致的常规公交系统可达性损失。研究对比了停运方案实施前后的流行病扩散规模。研究结果表明，只需要停运小部分线路就能使流行病暴发得到遏制，同时公交系统的整体可达性没有明显下降。     

公交站点IC刷卡计数算法及其Matlab实现

中国大部分城市的公交公司早期并未充分利用信息技术和数据库技术,因此其IC刷卡记录与车辆调度记录很难达到精确性、实时性和关联性的要求。为了最大限度利用这些海量的原始记录,文中针对实际情况,在允许一定误差的前提下,提出了公交站点IC刷卡计数算法,并结合实例使用数学软件Matlab实现此算法。     

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。     

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。