公共交通乘客个体活动链的日相似性研究

刷卡数据为研究公共交通乘客长期出行规律提供了数据基础.利用北京市2018年 4~5月的刷卡数据，通过提取乘客活动地，推断居住地位置和识别活动类型3个步骤构建乘客个体活动链；基于PrefixSpan算法提取普通卡、老年卡、学生卡乘客活动链的频繁序列模式，采 用Levenshtein距离度量3类乘客活动链日维度的相似性.结果表明：每类用户中约70%乘客的频繁活动序列是对称模式；普通卡和学生卡用户的相似性高于老年卡用户，平均值分别为 0.645、0.649和0.530；3类乘客的工作日与非工作日活动链具有明显差异，而工作日之间或非工作日之间具有较高相似性.本文有助于定量解析公共交通乘客的出行活动规律，为科学优化公共交通服务提供依据.     

基于梯度推进决策树的日维度交通指数预测模型

城市交通运行监测和预测是掌握交通运行变化特点,制定缓解交通拥堵策略的重要工作,其结果能为公众提供有效的路况信息,亦为政策措施的制定和效果评估提供重要支撑.有别于传统的短时交通预测,本文提出的预测模型不是针对相邻时段的运行状态预测,而是更长跨度上,针对日级别高峰时段交通运行状态的预测.构建了包含时间周期、特殊天气、节假日、限行、大型活动等因素的多维度影响因素集;以长期历史交通指数构建数据训练集,提出了基于梯度推进决策树的日维度路网状况预测模型.应用最优模型进行验证,结果表明,模型预测精度可达 90%以上,与其他 4种回归模型的对比分析也显示,本文所提出的模型在各项评分中均表现最优,说明其更适合于大样本、多因素的回归分析.本文所提出的日维度预测模型对提升城市路网运行质量、缓解交通拥堵具有重要的应用价值.     

基于特征图谱的区域出租车出行需求分布特征研究

以北京为例,基于出租车计价器数据和GPS数据,提取各活动空间的出租车需求发生、吸引强度,选取载客热点交通小区作为典型居民活动空间.采用主成份分析法实现数据降维,并采用Canopy-K means聚类方法,将典型活动空间划分为6类,包括居住地、就业区、商业娱乐区、旅游景区、交通枢纽区及综合型区域.采用特征图谱表征方法,分析了不同类型活动空间出租车出行需求分布时空特征.研究对于掌握区域出租车出行需求产生和吸引的时空分布特征与预测、改善出租汽车运输服务质量,具有重要的意义.     

公共交通乘客个体活动链的日相似性研究

刷卡数据为研究公共交通乘客长期出行规律提供了数据基础.利用北京市2018年 4~5月的刷卡数据,通过提取乘客活动地,推断居住地位置和识别活动类型3个步骤构建乘客个体活动链;基于PrefixSpan算法提取普通卡、老年卡、学生卡乘客活动链的频繁序列模式,采 用Levenshtein距离度量3类乘客活动链日维度的相似性.结果表明：每类用户中约70%乘客的频繁活动序列是对称模式;普通卡和学生卡用户的相似性高于老年卡用户,平均值分别为 0.645、0.649和0.530;3类乘客的工作日与非工作日活动链具有明显差异,而工作日之间或非工作日之间具有较高相似性.本文有助于定量解析公共交通乘客的出行活动规律,为科学优化公共交通服务提供依据.     

考虑车速调控和乘车引导的公交运行优化控制策略

通过有效的精准控制策略提升公交车辆的到站间隔匀整度和运行服务可靠性是改善公交服务质量，提升公交乘客出行满意度的重要途径。首先，本文考虑站点乘客上车需求波动构建公交运行模型；其次，提出基于时间偏差反馈机制的公交区间行驶速度调控策略和基于乘车选择行为模型的公交站点乘客信息引导策略；最后，以最小化乘客出行成本和车头时距偏差为目标，构建融合车速调控和乘车引导的公交运行组合优化控制策略，并设计了求解方法。以北京公交57路为例，设计4种情形的数值仿真对比实验。仿真结果表明，组合控制策略的优化效果最佳，相比于无控制策略，公交运行稳定性提升了47.70%，避免了线路的串车发生，考虑出行时间与拥挤程度的综合成本减少了18.71%。本文还比较了不同乘客收入水平和乘客引导信息服从率下策略的优化效果。结果表明，随着收入水平的提升，信息引导策略对总出行成本降低效果减弱，当乘客引导信息服从率为0.7时，组合控制策略对公交运行和乘客出行的改善效果最显著。本文可以为提升公交运行可靠性和服务质量提供重要支撑。     

基于网约车轨迹数据的城市路网宏观运行质量评价方法

准确地定量化评价城市路网宏观运行质量是提升交通管理水平的关键,网约车轨迹数据为精确获取路网运行状态提供了良好的数据基础.基于双流模型,考虑路网中要素的关联性,引入畅行指数和适应度指数,评价路网对交通需求变化的响应能力.以高频网约车轨迹数据为基础,提出了基于行程单元的评价指标计算方法.以北京和上海为例,上海市路网运行状态好于北京市路网,上海路网的最大平均行驶速度高于北京约4.5km/h,适应能力高于北京4% ~6%;这2座城市中心城区的畅行程度由内向外逐渐变好,但是中心城区的路网适应性更高.      

重大疫情对乘客公共交通依赖性的影响

深入探究重大疫情对乘客公共交通使用行为和依赖性的影响,有助于针对性地改善公共交通服务质量和供需平衡情况。结合前景理论与计划行为理论,开展重大疫情时期SP/RP出行调查,从出行行为表现维度选取3个指标并利用k-means算法标定公共交通出行群体,从7个层面筛选公共交通依赖性内外部影响指标,采用结构方程模型构建重大疫情对乘客公共交通依赖性影响模型。结果表明,个体属性、出行环境和出行特征潜变量通过改变个体心理因素间接影响乘客公共交通依赖性,反映了乘客公共交通依赖性受主客观影响因素的共同作用;重大疫情下出行意向对公共交通依赖性的正向作用强度为0.36,低于常态化时的影响强度0.51;出行环境的正向影响效应较强,而个体属性影响效应较低且与公共交通态度和主观规范呈负相关性;此外,自行车可用性、是否途径风险区和出行强度影响度几乎不影响乘客公共交通依赖性;而防控政策了解度、主观规范变量和公共交通出行偏好的影响作用显著,反映了重大疫情时期在公共交通市场中社会促进效应与消费心理学中的模糊效应较为明显。      

基于关联分析的乘客公共交通依赖度识别方法

不同乘客在出行过程中对公共交通的依赖程度具有显著差异，精准识别乘客公共交通依赖度，有助于针对性地引导出行者向公共交通方式转移.本文基于多源数据的关联，获取包含个体属性的公共交通出行链，从出行行为和个体属性两方面提出8个依赖度指标，构建二阶聚类模型，识别乘客公共交通依赖度.结果表明：样本按依赖度高低被划分为4类群组；部分高、较高依赖度乘客在出行决策时受限于收入和车辆拥有量，并有向私家车出行转移的趋势；乘客出行习惯行为较个体属性对公共交通依赖度的影响更大.利用平均命中率(AHR)和平均覆盖率(ACR)指标评估个体属性对识别结果的影响，得出结论，个体属性指标间存在耦合关系，且指标缺失量与模型误差具有非线性关系.研究有助于理解公共交通乘客的需求和选择倾向性，为精准改善公共交通服务提供支撑.     

基于个体出行图谱的公共交通通勤行为辨别方法研究

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.     

基于就医活动推断的老年人公交就医可达性研究

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。