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。      

基于出行费用最小化的公交网络优化模型

基于组合优化的角度，提出了优化公交网络设计的非线性０－１规划模型，以所有乘客流的出行时间和要实现公交网络的资金投入为费用目标函数，在满足车站容量限制的条件下，最小化目标函数以获得公交线路的优化决策。     

基于乘客加权平均出行时间最短的公交站距优化模型

在分析公交出行过程和乘客出行链的基础上,提出了以乘客加权平均出行时间最小为优化目标的公交站距优化模型;通过算例,比较分析了运用该模型计算的站距、在约束范围内随机确定的站距及取平均站距下的乘客加权出行时间,验证了该模型的适用性和有效性。     

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。     

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GIS的城市公交出行时间链研究

分析城市公交网络的各种空间实体数据和属性数据,建立了基于GIS的公交网络信息数据库。利用GIS空间分析与决策功能,分析研究乘客公交出行时间链,采用Logit反推模型,结合苏州市公交规划调查数据,回归计算出公交出行时间链各部分权重值。公交出行时间链的研究是公交网络配流及网络优化的理论基础,其权重值的分析计算具有重要的实用意义。     

基于模糊-神经网络的公交出行不确定性研究

为了合理规划公交线路,优化公交路网,提高乘客的舒适性,在交通工程学、模糊理论的指导下,通过对影响公交出行的主要因素定性分析,确定了影响出行生成量的模糊因素;结合对某地公交出行实地调研,分析出影响因素与出行量之间的相互关系规律;并采用空间静态模糊预测方法对调研数据进行处理,从而得到公交出行中快捷、舒适、方便、安全的隶属度,最后结合BP人工神经网络预测出该地区的公交出行生成量,为交通设施的建设提供了理论依据.     

无锡公交“乘客服务群”服务乘客零距离

11月22日,无锡公交全国“敬老文明号”52路驾驶员上站台、进车厢,邀请乘客扫码加入“乘客服务群”。无锡公交创新为民服务举措,在每条公交线路建立“乘客服务群”。公交线路新辟、优化调整,公交惠民服务举措等信息第一时间在群里发布,工作人员在群里实时了解乘客出行需求、听取乘客意见建议、解答乘客咨询,乘客如不慎在公交车上遗失物品,也可在群里发送求助信息,工作人员会及时帮助查找。目前,已建群173个,后期,“乘客服务群”将覆盖无锡公交所有公交线路。     

可变线路公交车辆调度算法优化研究

为提高可变线路公交的调度效率,在建立以服务人数最多和乘客出行时间最小为目标的可变线路公交调度双层规划模型之后,以拒绝=重新插入为思路,分别从减少乘客平均出行时间(算法2)和降低系统拒绝率(算法3)2个方向出发,对简单插入算法(算法1)进行优化,提出2种调度优化算法以提高简单插入算法的精度.通过仿真试验对3种算法进行比较,研究结果表明,乘客出行需求为10人/h时,3种算法不会或偶尔出现拒绝乘客的现象,最大拒绝率分别为11%,3%和0%,平均乘客平均出行时间均在51 min左右;乘客出行需求为15人/h时,3种算法的平均拒绝率分别为6.70%,3.67%和3.28%,方差分别为14.90,12.64和11.91,平均乘客平均出行时间分别为73.49 min,77.50 min和78.73min.与算法1相比,算法2和算法3更能够提高调度效率和保证系统服务质量的稳定;与算法2相比,算法3能够在不明显提高乘客平均出行时间的基础上,进一步降低系统的拒绝率.      

探索有效保障措施,提升公交服务水平

深圳巴士集团开展“心服务．新品质”工程,实施标准服务,考核服务质量;关注乘客需求,创新服务模式：实施绿色公交,展现国企担当;宣传企业文化,与市民展开互动;促使公交服务水平提质升级,满足市民出行需求。     

基于GBAS的公交出行最优路径选择算法

通过对城市公交网络的描述,结合居民公交出行路径选择的特征,提出了以换乘次数最少为首要目标,以出行距离最短为次要目标的基于GBAS(基于图的蚁群系统)的公交出行最优路径选择算法。算法让分群蚂蚁从起点站行走至终点站后,在所有走过的路径中,通过对换乘次数和出行距离进行计算后选择最优路径,并对该路径上的信息素进行加强,其他路径上的信息素进行挥发,经过若干次外循环迭代后,分群蚂蚁会选择信息素最强的路径行走,即为公交出行的最优路径。用一个算例对算法的有效性进行验证。     

Multimode trip information detection using personal trajectory data

Handheld global positioning system (GPS) devices can serve as a new tool to collect an individual's trip information with advantages of low cost, accurate data, and intensive spatial coverage. Various machine learning algorithms have been explored to detected trip train information in previous studies; however, few of them focused on the evaluation and comparison of the performance and applicability of different models. Meanwhile, according to previous studies, car and bus mode detection is a thorny issue due to their similar travel characteristics, and algorithms still need to be well explored and improved to solve this problem. In this article, an innovative method is proposed to detect trip information, including trip modes, mode-changing time and location, and other attributes, from personal trajectory data. The method is a two-step process. A machine learning algorith-based module (including artificial neural network, support vector machine, random forests, and Bayesian network) is firstly used to identify walk, bicycle, and motorized trip modes (bus or car); we thoroughly compared the performance of these four algorithms. Then a second module, using critical points on the GPS trajectories, is further developed to distinguish car and bus mode, incorporated with GIS map information. Field test results show that the proposed machine learning models can all be applied for walk, bicycle, and motorized mode detection with high detection rates exceeding 90%; however, the algorithms work relatively poorly for bus and car mode detection, with results mostly below 75%. The proposed two-step method can greatly improve bus and car mode detection accuracy by 14–30%. As a result, the average mode detection rates for all the four modes are above 90%. Compared with mode detection results by using only the machine learning algorithm, the proposed two-step method has much better performance in both accuracy and consistency.     

居民出行分布预测的改进模型研究

出行分布量与小区间现状出行有关,也与连接两小区间的道路网络及起终点的用地性质有关,传统出行分布预测模型都只考虑了这些因素的某一方面,因而在预测中经常会出现与实际明显不符的预测结果。按照出行个体在选择出行目的地时的行为,将影响出行目的地选择的几个重要因素：现状OD、小区用地性质、出行成本综合考虑,并按照影响方式不同,建立出行分布预测模型。计算实例表明,该模型的预测结果优于传统模型。     

基于成本最优的城乡公交站点布设模型研究

城乡公交站点的优化布设作为城乡公交一体化规划的重要内容,它决定了运营企业的运营成本和公交乘客的出行时间成本。在分析城市公交站点布设模型的基础上,提出了城乡公交经营者的费用成本和公交乘客的时间价值成本的概念,并以两者之和最小化为目标,建立起城乡公交站点的布设模型,并进行了优化。     

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。     

基于乘客密度的12m城市客车座椅数目确定方法

为选用合理的座椅布置来适应运营时段内客流的变化, 提高城市客车服务能力, 调查了坐姿乘客在车厢地板上的平均投影面积, 明确了划分不同运营时段的判别准则, 提出了1种综合考虑坐姿和站立乘客的乘客密度指数, 分析了车上人数和高峰流量系数对座椅数目最优解的影响; 提出了公交线路上采用单一座椅布置情形下的12m城市客车最优座椅数目确定方法, 分析了座椅布置与运营时段之间的匹配方法, 运用西安市7条公交线路的客流数据验证了模型的可行性, 分析了3种常见座椅布置对运营时段和线路属性的适应性。结果表明: 坐姿乘客在车厢地板上的平均投影面积为0.35 m2/人; 高峰客流系数是影响12 m城市客车座椅数目的关键因素; 公交线路单一座椅布置的座椅数目推荐值为21~43座; 控制实际座椅数目与最优解的偏差在2个座位以内且满足通用布置原则要求时, 可使座椅布置适配公交线路的效果达到最佳。      

城市出租车交通分布预测模型

现有交通需求预测方法以居民出行分析为基础,预测得出的出租车交通分布量实质上是载客出租车的交通分布量,因此其预测值比实际值偏小.基于出租车的运行规律,提出了出租车出行概念,将系统中出租车总出行量分解为载客出租车出行量和空驶出租车出行量,并运用Logit概率选择模型,建立了载客出租车出行量与空驶出租车出行量之间的关系,从而得出了总体出租车的交通分布预测方法.该方法既可以模拟城市现状的出租车交通分布状况,也可以对规划年出租车的交通分布进行预测,避免了传统分析方法对空驶出租车交通量的疏漏.