基于乘客主观感知的公交客流拥塞量化表征模型

为了综合量化表征公交走廊客流承载设施及工具的空间拥挤性和客流运送时间效率,并科学评价客观技术指标和主观乘客感知对公交系统运行状态的敏感度,提出客流拥塞的概念,并用客流拥塞指数量化表征公交系统运行状态。通过解析客流拥塞与出行时效的关联,并分析公交出行阶段特征,基于“时效延长”思想构建客流拥塞量化表征模型,用于系统量化乘客对出行时间和空间拥挤的主观感知;选取影响出行时效的核心要素作为特征变量（车厢客流密度、站台乘客密度、区间乘车时间和站点候车时间）,采用直观类比打分SP调查法获取数据用于估计模型参数;基于北京西三环公交走廊实测数据,分析全天区间客流拥塞指数时空分布特征和走廊客流拥塞指数动态演化趋势。研究结果表明：北京西三环公交走廊客流拥塞高峰阈值为0.193 9,客流拥塞状态存在明显的方向特征,下行方向客流拥塞高峰状态更显著且持续时间更长;4个特征变量灵敏度系数均值分别为0.449 2,0.165 2,1.427 1和0.408 3,即区间乘车时间为客流拥塞指数最显著的影响因子,而站台乘客密度的影响程度最小,模型识别公交客流拥塞成因的能力得以体现;该模型能够综合全面地反映公交走廊客流拥塞时空分布和动态演化趋势,并能够应用于公交运行状态改善措施研究。     

基于IC卡数据的居民公交乘车距离研究

了解居民公交出行乘车特征、掌握公交出行客流规律是公交规划和运营决策的基础.为了研究不同时段居民公交乘车的分布特性,以北京市分段计价线路公交IC刷卡数据为依据,基于数据挖掘工具分析了居民公交出行乘车的距离特性,并对乘车距离分布进行曲线拟合,结果表明:北京市居民公交乘车距离服从威布尔分布,在置信水平为95%的条件下,平方误差和小于0.01,拟合优度在0.97以上.      

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。     

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。      

宁波市常规公交运行特征分析

常规公交作为一体化城市公共交通体系的重要一环,其运行特征是影响乘客出行方式选择以及公交服务质量的重要因素,研究公交运行特征对于进一步增强公共交通的吸引力,提升公共交通服务质量、缓解交通拥堵等方面具有着重要作用。因此,基于公交GPS数据,对宁波市常规公交运行特征进行了分析,研究结果和建议为提升宁波市常规公交运行效率提供了有益参考。     

基于GPS数据的公交运行状态判别算法研究

利用智能公交系统积累的海量公交GPS数据,把全天调度计划划分为若干不定长的时间窗,通过聚类方法把每个时间窗内的公交运行参数按照影响因素的不同组合进行精细的分类,并进一步研究每个时间窗、每类参数的分布特征,在此基础上提出了公交运行状态的判别算法.通过实例分析,验证了该算法能够有效地进行公交运行状态的判别,其有效性和精度都在可接受的范围之内.     

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。      

基于智汇卡的公交大数据应用研究

论文以基于智汇卡的公交大数据为分析研究对象,对公交大数据在公交服务水平评价以及运营调度方面的应用展开研究。首先分析了智汇卡大数据多源数据特征,并对多源数据进行处理,具体包括:数据的清理、选取、异常值的处理以及智汇卡交易数据与GPS数据的匹配,最后选定数据优质的南京市37路公交作为应用研究对象。运用大数据对37路公交的服务水平进行评价,包括站点可达性、线路可达性、服务便捷性。同时运用大数据分析37路公交的客流特征,制定组合调度形式提高其服务水平。结果表明:运用大数据可以更加科学的进行公交服务水平的评价以及优化公交的调度形式。     

基于HRHN模型的城市常规公交线路客流预测

准确的公交客流预测对于城市公交线网规划设计和线路运营管理有着重要意义.为了提高公交客流预测的准确度,研究出一种基于HRHN模型的公交线路客流预测方法.在Encoder模块中,采用ConvNet对输入特征进行提取,利用RHN对提取到的特征建立时间依赖性关系;在Decoder模块中,历史客流量作为输入,利用RHN模型建立时序的关联性;输出值和特征之间的相互作用通过注意力模型进行分析,从而在Decoder中进行预测.对公交数据进行预处理并获取公交客流量,在考虑客流特性的基础上,结合气候因素,利用特征工程进行公交客流预测的特征选取,并利用HRHN模型对客流进行预测.使用了郑州市1个月的公交客流数据,其中选择前24 d数据进行训练,后7 d数据进行测试.分别预测60号公交线路上行方向和下行方向线路客流,并将HRHN模型预测结果与其他5种模型(ARIMA,BPNN,LSTM,RNN,SVR)进行比较.结果表明,HRHN模型在上行方向线路客流预测、下行方向线路客流预测的MAPE分别为0.1161,0.1444,HRHN模型精度最佳.      

大都市集中功能区客流出行分析及发展策略

以北京市城市交通综合调查数据为依据,从访客来访目的、到达方式、出发区域及出行距离2类空间特征、行人及车辆到发时间分布2类时间特征和停车特征对居住区等4种集中功能区的客流特征进行分析,针对北京市集中功能区现存的问题,从交通设施的配给、停车位的配建、引导市民公交出行等角度提出交通层面的发展策略和改进建议.     

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。     

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.     

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。     

基于蒙特卡罗的城市公交时空可达性模拟研究

公交时空可达性是衡量人们利用公交系统出行的难易程度,模拟公交时空可达性,并分析其影响因素,对于提高交通资源利用效率具有重要意义。提出1种基于蒙特卡罗的城市公交可达性的模拟方法,并研究道路拥堵状态和公交发车间隔对公交可达性的影响。利用等时线模型提出公交可达性的度量方法。将公交出行时空过程划分为候车、乘车、靠站、换乘4个阶段,构建每个阶段的时间模型,从而建立公交可达性的蒙特卡罗模拟模型。模型的参数值均由实际的公交GPS数据标定。建立理想的棋盘状公交路网,并进行不同道路状态下和不同公交发车间隔下的模拟,数值模拟结果表明,在弱作用力下时,可达性增长速度提高了近5倍。      

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。     

厦门市公交系统近期发展特征及对策研究

为保证可比性沿用公交连续性假设概念及算法分析厦门市2018年公共交通数据,通过对比分析2015年分析结果,发现常规公交系统效率提升、满载率居高不下;乘客出行距离更加集中优势区间、换乘习惯正在形成;全市客流集中本岛,本岛客流聚焦局部,岛外客流近湾发展.研究分析表明:常规公交面临轨道成网运营挑战、多元方式出行挑战和服务品质提升挑战;提出借助轨道成网运营契机,发挥常规公交便利高效优势;提出了以做大公共交通客流总量为目标,调整组织方式、深耕优势出行距离区间、构建错位发展的常规公交优势体系的建议.     

基于手机信令数据的区域通道出行特征研究

针对传统OD调查耗时长、费用高、精度低等问题,提出利用手机信令数据建立用户特征提取模型,从用户不同出行状态触发附近基站产生的时空轨迹数据,判定用户状态与时空特征。研究区域通道客流出行次数、方向不均匀性、出行方式等特征指标,并在重庆主城-合川-江津三个区域通道进行实例分析。应用结果表明,该方法基于重庆移动手机信令数据,可定量分析三个区域通道之间的出行特征;相较于传统OD调查,具有费用低和可行性高等优点,可以为未来区域铁路网与公路网的规划布局提供依据。     

基于定位数据的旅游出行链提取方法及客流时空特征分析

旅游交通出行信息的提取为挖掘旅游者出行时空特征提供数据基础,从而对旅游交通规划与设计、旅游客运优化以及多模式旅游交通协调系统构建等提供支持.本研究以客运包车定位数据为基础,利用DBSCAN算法建立了旅游出行停留点识别方法,并基于关联规则技术提出了出行链提取、分类方法.论文以青海省热度排名前三的青海湖,塔尔寺和茶卡盐湖为研究对象,从多时间粒度挖掘了旅游出行者的旅游交通客流月/日变特征和旅游时间分布特征,以及旅客出发时间、抵达时间、景区驻留时间等信息.论文的主要方法及研究结论可为政府主管部门、景区监管部门以及交通运营管理部门提供决策支持.     

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。