排序方式: 共有43条查询结果,搜索用时 15 毫秒
31.
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。 相似文献
32.
不同公共交通类型乘客的出行特征存在显著差异,实现公共交通通勤乘客准确辨识,有助于获取精细化的公共交通出行特征,更好地满足不同类型乘客的出行需求.基于北京市公共交通刷卡和线站数据,对公共交通多源数据进行关联匹配并提取出行链.利用北京市连续1个月的公共交通刷卡出行数据,采用多层规划理论构建了个体出行知识图谱,提取了出行天数、出行空间均衡度等7类特征指标.通过RP调查获得乘客出行行为类别.以特征指标为输入,乘客分类为输出,构建了面向公共交通乘客分类的BP神经元网络模型.验证表明,模型平均分类精度为94.5%,Kappa系数为0.879.本文研究有助于准确识别不同类别的公共交通乘客,为优化公共交通运营及公共交通精准化服务提供支撑. 相似文献
33.
公共交通出行者的出行特征是地铁及公交线网规划与运营优化的重要依据。基于多模式刷卡数据,提出城市公共交通系统出行链提取方法,利用存在换乘的出行链调查数据进行验证,提取成功率达 96.1%。基于出行者历史刷卡数据构建了多种机器学习分类器以识别通勤人群,经过精度比较,发现随机森林分类器效果最优,准确度达 99.96%。利用分类器和出行链提取方法,对北京市公共交通系统出行链结构、换乘特征等进行初步分析。该方法可以有效提取分析通勤人群出行特征,为公共交通系统方案的优化提供数据支持。 相似文献
34.
为准确评估老年人公交就医出行的实际可达性,本文基于老年卡数据构建公交出行链,提出基于公交出行链的老年人就医活动推断方法,获取老年人的实际就医出行需求和出行时间。引入公交实时到站数据以反映公交实际运营水平对就医可达性的影响,构建面向出行全过程的实际出行成本矩阵,包括等候时间、乘车时间、换乘时间。考虑不同医院服务供给能力差异构建综合服务能力指标,引入分级服务半径和高斯距离衰减函数,提出基于改进两步移动搜索法的老年人公交就医可达性计算方法。以北京市六环内区域为例进行实证分析,结果表明:老年人公交就医可达性整体呈现由中心向外围递减的趋势,在城市外围区域其分布也存在空间异质性,五环路外的东部和西部区域可达性较好,而北部、东北部区域的可达性相对较差;各区域高峰时段的平均可达性均明显低于平峰时段的平均可达性。本文可为提升老年人就医出行可达性和公交系统适老化水平提供支撑。 相似文献
35.
公共交通个体出行信息的提取对掌握公共交通出行的时空特征,改善居民通勤出行效率具有重要意义.研究从公交刷卡数据、公交定位数据、轨道AFC数据等海量公共交通多源数据的关联匹配与处理方法入手,提出了公共交通出行链信息提取中,换乘关系判断、通勤行为判别及出行起讫点匹配的方法与规则,标定了出行链匹配阈值参数,建立了基于个体出行数据的公共交通通勤出行链提取模型.提取模型的准确度验证表明:出行链结构提取及通勤出行判别的成功率均达到100%,出行阶段起讫点匹配成功率为87.5%,准确性为97.1%,满足了公共交通出行特征提取的需求.该方法为公共交通通勤出行判别及基于个体的微观通勤出行时空特征的深入分析奠定了基础. 相似文献
36.
37.
38.
39.
客运量是表征省际客运需求,开展行业运营管理的基础指标.为增强省际客运行业运营管理水平,提高旅客出行效率和应急保障能力,建立面向省际客运运营管理的年客运量和节假日客运量的多粒度预测模型.在影响因素与省际年客运量关联度分析的基础上,构建基于BP神经网络的年客运量预测模型.考虑特殊节假日的影响特征,提出了指数平滑与季节模型相结合的节假日客运量组合预测模型,实现节假日总客运量、日客运量的预测.以北京的实际数据为例,对预测模型进行精度验证.结果表明,年客运量预测模型的平均相对误差为0.15%,春运期间每日客运量预测模型的平均相对误差为6.7%,能较好地体现客运量在不同阶段的变化趋势,具有良好的稳定性. 相似文献
40.
������ͨ���ָ������ģ���о� 总被引:1,自引:0,他引:1
优先发展公共交通是大城市解决交通拥堵,实现城市交通可持续发展的一项重要措施.居民出行对于公共交通服务快捷性的要求越来越高,掌握公交出行效率的时间变化规律,能帮助出行者合理选择出行时间和出行线路.为了更好地评价公共交通运行效率,本文结合公共交通GPS数据,提出了公共交通快捷指数分析模型,相对于传统评价指标,它能够更科学地反映公交线网运行的真实状况,实现公共交通日常运行的监测和评价.以北京市为例,对公共交通快捷指数进行计算与分析,其结果反映的变化趋势可以较好地刻画不同线路和公交线网运行效率的时变特征和空间差异. 相似文献