����APTS���ݵĹ������˿�ͨ��OD�ֲ����Ʒ���

为提高通勤者使用公交出行的比例,有效缓解城市交通拥堵,对应用智能公交系统数据(Advanced Public Transportation Systems,APTS)获得公交通勤出行需求的方法进行研究.采集APTS数据,通过对公交IC卡数据和智能调度系统数据的关联获得公交乘客的上车站点信息.根据早、晚高峰的出行频率判断公交通勤乘客,利用通勤出行的时间和空间特征确定居住地点和工作地点.以此基本思路,提出公交卡乘客通勤OD分布估计算法,并应用海量APTS系统数据对算法进行了试验和分析.最后,通过与基于"出行链"的方法进行比较,分析了算法的精度.本文提出的方法具有精度高、可操作性强的优点,为快速、经济地获取公交通勤OD分布提供了一种新的途径.     

基于手机信令数据的城市通勤出行特征研究

通勤交通出行特征是研究城市交通规划的重要数据基础,如何有效提取通勤出行特征成为研究城市居民通勤出行的关键。文章通过分析手机信令数据特性和通勤出行特征,利用手机信令数据挖掘的相关技术,建立通勤出行特征提取模型并进行实例研究,与传统的居民出行调查分析进行对比,验证利用手机信令数据进行通勤出行特征研究的可行性。     

基于多源数据的通勤高峰期出行方式分担率预测方法研究

鉴于大城市普遍存在交通拥堵问题,而通勤高峰期间尤为突出,科学合理开展城市交通规划是应对交通拥堵问题有效途径。传统出行方式分担率预测模型是基于人工调查数据,数据获取成本高且样本量有限,难以准确预测其分担率。采用路网数据、公交线网数据、公交站点数据、户籍数据、工作地数据等多源数据,依据交通工具的服务范围和公交站点的吸引范围,根据最短路径算法以及公共交通选择算法,对通勤高峰期居民的出行方式进行预测,从而得出不同出行方式的分担率,获取交通通勤出行分布规律。通过以重庆市主城区为例,进行城市交通通勤典型数据分析,验证了该方法的可靠性及准确性。     

基于多源数据的南昌市岗位类型与出行特征研究

就业岗位是交通需求建模的基础数据,包括不同类型岗位的空间分布及其出行特征.将手机信令大数据与"三调"用地数据、交通模型、"七普"数据、年鉴数据等进行融合分析,实现信令大数据中职住数据、出行数据的精细化扩样及其与地块性质的关联,并进一步对各类就业岗位的出行特征进行研究,包括岗位密度、交通吸引率、通勤距离、通勤速度、交通强...     

疫情下公共交通系统通勤客流测算及优化建议——以北京市为例

在新型冠状病毒肺炎疫情的影响下,北京市的公共交通通勤出行需求显著下降,公共交通系统运营状况与正常情景存在较大差异,亟须科学测算通勤客流的空间分布和数量特征。基于百度地图慧眼提供的时空大数据,针对公共交通通勤出行群体,推算通勤OD分布。借助路径规划算法对每条公共汽车和轨道交通线路的通勤客流强度进行分区段测算。进而使用头尾分割法对公共汽车和轨道交通线路的重要性和保障等级进行划分。最后,提出疫情时期城市公共交通系统运营优化的策略建议。     

基于出行者认知的理想通勤时间研究

理想通勤时间对住址选择及职住关系、通勤出行方式选择和城市土地利用与空间布局等相关研究有重要意义.以昆明市为案例,研究了理想通勤时间的分布及其与实际通勤时间的差异,并基于序次Logistic回归模型分析了影响理想通勤时间的因素.研究结果表明,理想通勤时间在[10,20)min区间所占比例最大,并不总趋于0,这印证了通勤出行具有一定的正效用.71.3%的通勤者对实际通勤时间不满意,期望缩短通勤时间,仍有8.4%的通勤者的理想通勤时间大于实际通勤时间.年龄、性别、受教育程度、家庭年收入、居住区位对理想通勤时间有显著的影响.     

居民低碳通勤出行的主观态度识别及影响分析

基于已有的居民低碳通勤出行SP数据,应用直觉模糊C均值聚类算法对样本进行聚类,识别居民对低碳通勤出行所持有的主观态度类型.构建不同类型居民低碳通勤出行意愿的MIMIC模型,研究持有不同主观态度的群体其行为意愿形成机理的差异性.研究结果表明:居民低碳通勤出行的主观态度可划分为积极、中立、消极三类;主观态度与个体出行方式选择和低碳通勤出行意愿之间均存在相关性;持有不同主观态度的群体,作用于其行为意向的影响因素的构成,影响因素对行为意愿作用的路径,作用强度存在差异性.     

通勤班车出行线路优化研究

基于通勤班车出行者意向调查与分析,掌握班车出行行为特性,建立了基于ML模型的班车出行前端衔接方式选择模型,确定前端衔接时间.并以满足最大出行需求、线路总体通行时间最短的路径寻优双重目标,建立了班车线路优化模型,并通过启发式算法进行求解.研究结果表明,约占78.1%的班车出行者前端衔接时间占总出行时间的比例在0.2～0.5;85%以上的班车出行者希望(容忍)最早出发时间不早于实际出发时间,通过实例验证可通过通勤班车线路的优化设置来提高公共交通出行.     

北京市共享单车出行的时空规律与需求预测研究

基于北京市摩拜单车的工作日骑行数据,利用非负矩阵分解算法(NMF)从时间和空间两个维度深入探究共享单车的出行规律,并构建逆序群体稳定性指标(RPSI)改善k值选择过程。利用得到的出行规律,运用MATLAB构建基于非负矩阵分解算法的BP神经网络预测模型,对共享单车的出行需求进行预测,并分别与BP神经网络预测模型和长短期记忆(LSTM)神经网络预测模型的结果进行对比。研究结果表明,共享单车可分为5种基本的出行模式,每个区域的出行都可以由这5种出行模式的线性组合来表达,其中的系数代表了每一种出行模式的强度和随时间变动情况。依据这5种出行模式的时间特征和空间特征,分别确定其出行含义：通勤出行中居住地到地铁站的出行;通勤出行中地铁站到工作地点的最后一公里连接;居民其他的非通勤出行行为,如休闲娱乐活动等;回程通勤出行中从工作地点到地铁站;回程通勤出行中从地铁站到居住区的最后一公里连接。最后,模型预测结果的对比分析显示,本文构建的基于非负矩阵分解算法的BP神经网络预测模型不管是在预测精度还是实际操作便捷性上都优于其他两种预测模型。     

基于号牌识别数据的车辆出行特征分析

为给城市交通精细化管理和科学治堵提供信息支撑,对成都市主城区机动车出行特征进行了探讨。选取了2019年9月成都市三环内全域3032套号牌识别系统数据为例进行挖掘分析,对初始数据进行预处理后,通过机动车出行链分离算法提取机动车出行次数、出行时长等出行强度特征信息,并在此基础上,结合月出行次数、日出行总时长以及交通管理实际对通勤形态、营运形态、短期到访、随机形态共四类车辆进行识别,研究其在路网中的出行特征规律。分析结果能客观反映成都市主城区车辆出行现状,辅助城市交通管理决策。     

基于个体出行数据的公共交通出行链提取方法

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.     

时间地理学视角下职住空间对通勤效率的影响研究——以昆明市双职工家庭为例

家庭职住空间是城市通勤格局形成的重要影响因素,而通勤效率是居民日常出行行为决策的评价标准之一,剖析二者间互动机理是优化城市空间布局及提高交通可达性的关键。基于时间地理学理论建立职住空间与通勤效率研究框架,提出家庭职住空间和通勤效率度量方法,利用2016年昆明市居民出行调查数据,采用结构方程模型探讨职住空间对通勤效率的影响机理。研究表明：职住空间分散的家庭倾向于将非工作活动嵌入通勤链或采用小汽车出行以提高通勤效率,但更高的小汽车拥有水平会增加接送类时空固定性较强的活动,最终导致家庭通勤效率降低;高收入和长住学距离均使家庭的职住空间更加分散,然而高收入促进通勤效率提高,而长住学距离使通勤效率下降;通勤效率具有显著的空间异质性特征,近市中心居住家庭的非工作活动以时空灵活性较强的购物与休闲为主,故而通勤效率较高,郊区居住家庭周边的商业设施较少且非工作活动较为固定,故而通勤效率较低。因此,城市用地布局和住房供给应综合考虑如何降低通勤交通的机动化依赖程度、如何缩短非工作活动的出行时耗以及不同社会经济属性家庭的需求,以逐步提高城市居民的通勤效率。     

通勤出行方式-出行链模式联合选择模型

以单个通勤出行者为研究对象,构造基于广义极值理论的Cross-Nested Logit模型,分析了通勤出行方式和出行链模式联合选择行为.模型以通勤出行方式选择子集和出行链模式选择子集的组合为选择集,描述了在出行者社会经济属性、居住地和工作地区位、工作活动属性影响下的出行方式和出行链模型联合选择行为,能准确刻画两个选择维度之间的相关关系.利用居民出行调查数据完成模型标定.研究表明,通勤出行方式和出行链模式选择之间有显著的相互影响,出行者性别、家庭收入、家庭结构、家庭交通工具、工作活动作息时间、居住地和工作地区位是重要影响因素.当上述因素发生改变时,出行者会优先调整其出行链模式而非出行方式.     

基于高速公路流水数据的通勤车辆特征研究

随着居民利用高速公路进行通勤出行车辆的增加,高速公路缓行和交通拥堵等问题时有发生,特别是在重大节假日期间.目前,解决上述交通问题的主要方法是交通需求管理措施,而实现有针对性的交通需求管理需要对高速公路收费流水数据进行精确的挖掘分析,掌握车辆在高速公路上的运行状态与时空分布特征.本文基于高速公路收费流水数据,借助 K-means++聚类方法识别使用高速公路日常通勤的车辆,进一步分析通勤车辆的出行时空分布特征.从通勤出行的角度,挖掘城市通勤快速出行廊道分布,研究高速公路网与城市道路网络的关系,对提高交通系统效率和缓解交通问题具有重要的意义.     

个体对通勤时间的态度和偏好视角下的职住空间失调

研究职住空间失调能够帮助我们更好地理解个体对职住分离的态度和偏好,并有助于在制定政策时考虑通勤者更真实的需求和期望.本次研究采用理想通勤时间和实际通勤时间的匹配程度来度量职住空间失调,并以昆明市为案例进行了实证研究.描述性统计结果表明,大多数通勤者认为他们的职住空间是失调的,有41.04%的通勤者遭受重度空间失调.进一步,基于序次Logistic回归模型分析了职住空间失调的影响因素.结果表明,出行方式、居住区位、年龄、受教育程度和家庭有无小孩对职住空间失调有显著影响.同时,由于个体对通勤时间的态度和偏好的异质性,更长的通勤时间并不总是意味着职住空间更加失调.     

基于IC 卡数据的公交通勤熵变模型的构建与应用

建立利用公交IC 卡数据计算公交过剩通勤熵变的框架,对优化城市居民通勤出行距离的难易程度进行定量分析. 结合公交出行的特点,构建基于Wilson 熵模型和双约束重力模型的公交通勤熵变模型;以广州市居民公共交通IC 卡数据为例,对通勤筛选、单元问题及过剩通勤熵变评价等进行探讨. 结果发现,采用约1 km × 1 km的单元格划分是城市公交通勤熵变模型中适合的单元划分方式,公交过剩通勤的熵变能够有效衡量平均通勤距离减少的难易程度和检验改变通勤行为相关政策的有效性.     

双职工家庭通勤出行长度选择研究

以双职工家庭中夫妇俩通勤出行长度选择为研究对象,建立双变量有序Probit模型,分析了影响通勤出行长度选择的主要因素,揭示了夫妇俩通勤出行选择之间的相互影响模式．模型结果表明年龄、性别、家庭收入、居住环境等因素对双方通勤出行选择的影响方向相同,互补效应在双方的通勤出行长度选择中占主导地位．     

基于高速公路收费数据的车辆分类研究——以重庆市为例

为细化分析高速公路车辆出行特征,提升高速公路管控效率及精细化服务水平,提出"先定义后聚类"的高速公路出行车辆群体分类模型。基于重庆市某高速公路特定通道收费数据,以小客车为研究对象,首先,在分析车辆整体特征的基础上,提取并定义研究时段内单次出行或仅在周末出行的车辆;然后,以自然周为周期,从出行强度、出行时间维度、出行空间维度3方面构建剩余车辆出行量化指标;最后,利用K-means++算法对车辆聚类,综合地域实际背景将出行车辆分为6类,其中70%为"单次出行"或"零星出行"车辆,"通勤"及"营运"车辆只占车辆总数的0.82%,且"通勤"车辆多在20km以内的OD上出行。研究表明,所提出的模型能将高速公路出行车辆有效分类,且各类群体的出行时空分布存在较明显差异,可为针对性的交通需求管理提供合理依据。     

基于车牌照数据的通勤特征车辆识别研究

近几年来,交通拥堵日益成为大中城市最严重的交通问题之一,而由通勤行为 引起的早晚高峰交通拥堵最为突出,严重影响了城市居民的出行和交通系统的运行.因 此,本文从车辆的角度出发,采用上海快速路牌照识别系统采集数据,通过k-means 聚类 数据挖掘方法,提取路网中的通勤特征车辆,并分析了通勤特征车辆在路网中的出行时 空分布.分析得出,在上海快速路网中,占全部检测车辆2.8%的通勤特征车辆在早晚高峰 时提供了高达36%的交通量.在早高峰时段,识别出的通勤特征车辆主要分布路段为中环 外圈、陆家嘴方向、逸仙高架和沪闵高架;晚高峰时段,基本集中在与早高峰的相反方向. 研究结果表明,本文基于车牌照数据的数据挖掘方法,可以有效地提取通勤特征车辆并 研究其出行行为的时空特征,能够为城市交通拥堵问题的缓解和交通需求管理政策的提 出提供辅助决策信息.     

基于高速公路流水数据的通勤车辆特征研究

随着居民利用高速公路进行通勤出行车辆的增加，高速公路缓行和交通拥堵等问题时有发生，特别是在重大节假日期间.目前，解决上述交通问题的主要方法是交通需求管理措施，而实现有针对性的交通需求管理需要对高速公路收费流水数据进行精确的挖掘分析，掌握车辆在高速公路上的运行状态与时空分布特征.本文基于高速公路收费流水数据，借助 K-means++聚类方法识别使用高速公路日常通勤的车辆，进一步分析通勤车辆的出行时空分布特征.从通勤出行的角度，挖掘城市通勤快速出行廊道分布，研究高速公路网与城市道路网络的关系，对提高交通系统效率和缓解交通问题具有重要的意义.