基于小票法的公交线路客流OD分析方法

针对目前常规公交客流OD调查抽样率低,准确率难以保证的缺陷,提出调查公交线路客流OD的小票法,该方法可同时采集各站点的上下客人数及每位乘客的上下车站点等信息。在基于小票法的调查数据的基础上提出一种公交线路OD分析方法,可准确得出公交线路的客流OD,同时还可以得到线路沿途各站点的上下客人数、断面流量等信息。     

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。     

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。     

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。     

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。      

基于公交IC卡刷卡记录的居民出行OD推算方法研究

居民出行OD调查需要耗费巨大的资金和人力,并且常常由于调查的组织不力或者调查人员的不负责而导致调查数据不可信.公交IC卡数据可以准确显示每位持卡人的出行信息,通过对数据进行分析可以获得居民出行OD信息.根据公交IC卡数据的特征,针对不同类型的数据,提出了相应的数据预处理方法,利用处理后的数据使用VBA结合ADO技术推算公交出行的OD矩阵.利用此方法对昆明市公交出行OD进行推算,获得数据精确度较高,可以作为传统的大规模人工OD调查的替代方法.结合推算过程遇到的问题,为公交IC卡数据记录方式提出4条改善建议以使数据能够更准确、更简便地应用于OD推算.      

基于手机定位的公交OD获取方法研究

提出利用移动定位技术获取公交OD方法的思路,阐述了基于手机定位技术的公交OD数据的获取方法及其步骤。在假设条件成立情况下,解决了获取公交OD数据主要面对的问题,并对此提供了可靠依据,进一步证实方法的可行性。通过逐一问题的解决,排除非公交OD数据,从而获得该手机用户在1d当中的公交OD数据。     

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。     

公交线路客流 OD 管流类推估算方法的应用

应用管流类推法(fluid analogy method ,FAM )研究公交线路 OD 矩阵的估算,该方法利用管流概念,将公交线路和乘客分别视为管道和流体,利用乘客在各站上下车人数来估算公交线路 OD 矩阵。将该方法应用于北京市分段计价的公交线路中,通过对比估算结果与实际公交 IC 卡的出行 OD分布,结果表明:在早高峰、晚高峰、全日的 OD 估算误差指数在0.75以上,且早高峰、晚高峰、全日估算的公交乘车站距与实际乘车距离的相关系数分别为0.98,0.98,0.99,验证了 FAM 法在公交线路不同时段 OD 估算中的精度与可靠性,与传统的均衡算法等解析模型相比,该方法简单、高效,且能够得到惟一解,在智能公交实时调度中具有较高的实用价值。      

基于站点上下客人数的公交客流OD反推方法研究

通过公交出行行为特征调查分析,研究了公交乘客出行站数的概率分布.基于公交乘客下车概率,以公交站点上下客人数和路段客流量为约束条件,提出了单条公交线路客流OD矩阵的推算方法,通过实例分析,验证了该方法的可行性和有效性.     

基于重力模型的公交OD矩阵估算方法

完整的OD交通流调查数据及OD矩阵,是开展城市公交线路优化与设计的良好开端,本文以云南省玉溪市为的公交出行OD调查结果为数据基础,首先对调查数据进行分析归类,研究OD矩阵估算方法,用无约束重力模型、双约束重力模型分别生成OD矩阵,选用以距离作为交通阻抗系数、以指数函数为阻抗函数建立双约束重力模型,生成准确度较高的公交OD矩阵。这种OD矩阵的生成方法即可支持改进型的线网优化,同时也支持生成型的线网设计,为公交线路的评价与设计提供决策支持。     

公交网络OD反推在公交线网规划中的应用

针对公交网络OD矩阵数据提取困难状况,提出了一种以修正路段观测流量数据为基础的OD矩阵估算模型,介绍了公交网络OD矩阵估算模型及其在EMME2软件中的实现方法,该方法提高了路段观测数据的有效性,使公交网络OD矩阵的估算结果更可靠.     

公交实时信息对乘客出行的影响

以近几年迅速普及的实时公交APP为研究对象,研究公交实时信息对乘客出行产生的影响。通过站点调查(步行调查和候车调查)和跟车调查的数据收集方式,主要调查其对乘客的步行速度、感知候车/乘车时间、实际候车/乘车时间及乘客在候车/乘车时的情绪水平的影响,然后用平均差检验分析调查数据。结果表明:使用实时公交APP和不使用的乘客在步行速度、感知候车和乘车时间及候车和乘车情绪水平等方面存在显著差异;公交实时信息不仅可以降低乘客的感知候车/乘车时间,同时还可以降低乘客的实际候车时间。     

可靠性理论在公交网络分析中的应用

为了研究公交线路的布局及其发车频率两因素对乘客候车难易程度的影响,以公交网络拓扑为基础,借鉴工程可靠性理论,从直达站点对、非直达站点对以及公交网络3个层次提出了乘客候车可靠度概念,建立了相应的计算模型,并设计了可行的计算机程序。其中直达站点对、非直达站点对的乘客候车可靠度指标反映了在给定的公交站点对之间乘客候车难易程度,公交网络乘客候车可靠度反映了所有站点对之间乘客候车难易程度的平均值。乘客候车可靠度图中各站点对之间用线条连接,其宽度表示乘客候车可靠度值大小。该图可反映乘客在站点对之间出行时等候公交车辆难易程度的分布规律。算例证明了乘客候车可靠度及其图形能够为公交网络的定量、定性分析提供依据。     

基于SP调查的乘客站点等待时间意愿研究

研究公交站点乘客等待行为,可了解乘客对于站点公交不准点的心理承受范围和意愿,用于站点时刻表的设计和智能公交调度.通过不同出行目的下的SP问卷调查,得到济南市的样本数据491份.公交延迟到达站点的样本数据分析发现乘客对于公交的延误平均可忍受的等待时间为4. 62 min.对年龄、性别、职业、月收入、上下班时间是否固定等影响因素进行敏感性分析,发现这些影响因素对站点乘客的等待时间没有显著差异.通过对不同出行时段和出行目的的分析发现,不同的出行目的下早高峰、晚高峰、平峰和周末乘客的等待时间差异比较大,公交调度应该在不同时段采取不同的策略.对于公交车提前到达公交站点时间的调研分析发现,80%左右的乘客希望公交仍按照原时刻表发车.基于以上分析总结出了不同可接受度的公交延误范围,以用于公交调度的范围参考.     

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。     

基于拉格朗日松弛算法的自动驾驶公交调度优化研究

为了解决公交实际运营出现的调度方式单一、车辆配合度较差、串车等问题，降低公交运行中人为因素的影响，提高公交系统的运营效率，提出一种考虑乘客动态需求的调度模型，采用自动驾驶环境下的公交运营方式，结合站点实际乘客需求调配车辆，实现了公交车辆利用程度最大和乘客总体等待时间最小的多目标优化。提出的自动驾驶公交调度方法，获取了乘客个体的实时出行需求，同时实现了对车头时距的调控。在模型求解方面，选取拉格朗日松弛算法，最终获得了多目标优化问题的精确解。以北京公交300路快车作为实际案例进行分析，从公交实际运营数据中提取多项参数作为模型的输入，通过拉格朗日松弛算法的求解，得到自动驾驶条件下公交运行时刻表、乘客等待时间、公交承载量、站点上车乘客人数等多项运营指标。通过与公交实际运营状态的对比，论证了采用自动驾驶公交对于改善公交运营现状的可行性。最后将优化结果与公交实际数据进行了对比分析。结果表明：自动驾驶车辆投入公交运营，能够缓解串车问题，同一线路上公交车的载客量分布更为均衡，在同一断面的客流与车头时距的不均衡程度均有所降低；同时高峰时段发车数量减少了20%，公交车的平均承载量提高了21.7%，车辆平均间隔缩短了29.9%。     

基于公交数据的公交乘客上客特征分析

城市公共交通是城市交通的重要组成部分,具有缓解交通拥堵、降低能源消耗、改善生态环境等优势,一直是政府大力支持与提倡优先的出行方式。基于公交的运营数据,提取了每次刷卡数据的上客站点数据,进一步分析出公交网络层面站点上客特征,最后,结合居住人口、工作人口分布,分析出公交乘客上客与空间人口分布的关联性。     

站点驻留时间估计和预测方法研究

针对公交车站点驻留时间存在较大变异性的特点,为了准确地预测公交车在站点的驻留时间,提高公交信号优先控制的效果,首先尝试采用概率模型来对公交车站点驻留时间进行估计和预测,但通过对多个站点的大量数据相关系数的计算和分析发现,下车乘客数和车上的乘客人数之间并不存在一定的线性关系,不完全满足概率模型的假设条件,以此为基础,采用多重线性回归并排除不显著因素,最后采用加权最小二乘回归模型来产生精确的参数估计。文中利用大量的实际调查数据,采用各种统计分析方法验证提出的站点驻留时间估计和预测模型的正确性。     

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。