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.     

集时空聚类和指标筛选的公共交通通勤者识别

通勤者作为公共交通乘客构成的核心部分,其识别提取是此类人群特征分析的前提.本文基于南京市常规公交、轨道交通和公共自行车的刷卡与设施数据,进行公共交通通勤者识别.首先,根据数据信息是否完整,分别采用两步聚类法和线路相似性整合法提取相似性出行;然后,识别职住地,再通过出行天数、单次出发时间差和工作往返出发时间差3项指标完成...     

公交通勤个体出行特征图谱构建及相似性判别

从个体角度获取公共交通通勤乘客出行行为特征,有助于更准确地把握公交总体出行规律,更好地满足乘客的出行需求。基于公共交通刷卡数据与线站数据,针对公交通勤出行个体,借助图谱可视化表达优势,研究形成了以横轴为时间序列轴、纵轴为位置轴、节点大小为方向角度的公共交通通勤乘客出行特征图谱构建方法。在此基础上,选用出行方式、方向、时间和线路等属性指标,采用结构相似度与最长公共子序列相结合的分析方法,实现了图谱相似性判定。以个体乘客一周的公共交通出行数据为例,验证了研究结果的合理性和有效性。研究结果能够直观反映个体出行过程,为出行特征表达与提取提供了新思路。     

基于多源数据的多模式公共交通出行链构建

公共交通乘客出行链构建是公共交通出行需求分析的基础,也是推进城市公共交通系统融合发展和可持续运营的关键.现有研究大多关注单一模式出行链,较少考虑多源数据环境下多模式公共交通出行链构建,无法进行各模式之间的转移和换乘客流特征的分析.基于轨道交通、BRT和公共汽车交通三网融合数据进行乘客出行链构建,数据类型主要有公交IC卡、车载GPS等.具体方法包括基于时间匹配的上车站点推算、基于出行链假设的下车站点匹配和基于换乘规则的个体出行链推算.最后,使用厦门市公共交通数据验证了该方法的有效性,同时讨论了匹配阈值对匹配精度的影响.     

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.     

基于IC卡和稀疏GPS数据的中小城市公交乘客上下车站点推算方法

为有效获取中小城市公交乘客出行信息,挖掘其出行特征,基于公交乘客IC卡数据、稀疏GPS数据和公交站点位置信息等数据,提出一种公交乘客上下车站点推算方法.首先,通过内插法补齐稀疏GPS数据并与公交站点经纬度匹配获得车辆到站时刻,进而匹配乘客的IC卡刷卡时刻,识别乘客上车站点;然后,根据出行链理论划分不同公交出行链,结合乘...     

城市公共交通常乘客通勤出行提取方法

为挖掘公共交通通勤出行精准化特征，从追踪出行链的角度出发，利用公交与轨道多源数据研究常乘客通勤出行提取方法。通过选取潜在职住地设置高频职住地集合，提出公共交通常乘客职住地识别算法，结合出行链起讫站点与职住地空间信息匹配提取通勤出行链，并将常乘客出行分为home-work通勤、work-home通勤和非通勤出行。以北京市“回天地区”公交与轨道出行链数据为例，提取常乘客通勤出行。结果表明：常乘客职住地识别率达到85.9%，常乘客通勤出行和非通勤出行在出行时空分布和出行方式上存在明显差异，通勤出行提取可为北京市面向常乘客开展“预约出行”并分析其出行需求动态特征变化提供依据。     

开创“全支付”新模式助力公交高效运营

随着各地公交IC卡应用的快速发展,更多的公交乘客习惯了刷卡乘车.各地IC卡发行机构发行的公交卡、市民卡、城市一卡通卡、银行发行的金融IC卡、手机NFC已经在各地公共交通支付领域广为应用. 二维码支付在商业领域的广泛应用,形成了大规模的忠实用户,随着二维码支付的技术突破,二维码扫码乘车也将成为乘客出行的主要支付方式.     

基于公交IC卡数据的乘客出行分类研究

为得到体现公交乘客出行时空规律的数据,采用基于出行链方法推导出公共汽车乘客的下车站点;建立了描述单个乘客多天出行的完整数据框架;根据乘客参加不同活动所产生的出行时空特征定义了3类出行:通勤类出行、普通类出行和随机类出行,将出行频次与出发时间的标准差作为分类标准对公交乘客出行进行分类。研究表明:39.1%的乘客具有普通类或通勤类出行,生成总客流的76.4%;60.9%的乘客只具有随机类出行,生成总客流的23.6%。通过对乘客出行的分类研究可以更好地掌握乘客公交出行的规律和需求。     

基于时空行为规律挖掘的公交乘客分类方法

应用智能公交系统(APTS)提取个体乘客出行信息，构造了公交出行链，研究了基于时空行为规律挖掘(STBRM)的公交乘客分类方法；应用时间序列表征乘客出行时间特征，利用互相关距离(CCD)算法计算了个体乘客出行时间规律；应用带噪声基于密度的空间聚类(DBSCAN)算法，挖掘了个体乘客的出行空间规律；依据出行强度和出行时空规律，将乘客划分为极少出行、时间规律、空间规律、时空规律和不规律等5个群体；以出行天数、类似上车时间数量和类似上车站点数量为聚类指标，应用K-Means++算法将乘客划分为高规律、中规律和低规律3类，比较了本文提出的STBRM方法和K-Means++聚类方法的分类结果，揭示了2种方法分类结果之间的关系。研究结果表明: 当时段划分长度取5 min，时间规律性判断阈值取3.0时，利用CCD算法识别时间模式规律乘客的效果最佳，与常用的DBSCAN算法相比，识别率提升了14.64%；增加时间窗长度能够提高时间、空间模式规律判定结果的稳定性；时间窗长度达到3周后，空间模式规律的乘客比例下降趋缓，达到6周后趋于稳定；时间窗长度达到2周后，时间模式规律的乘客比例增长趋缓，达到4周后趋于稳定；时间规律、空间规律和时空规律等3类乘客数量仅占总乘客数量的30.4%，但其出行量占到了总出行量的84.7%，公交依赖度很高，应作为公交机构重点保障的对象；本文提出的STBRM方法与K-Means++聚类方法的分类结果具有较强的关联性，规律性极高或极低的群体高度重合。      

���ڳ��⳵OD���ݵij��⳵������������

出租车在城市客运交通中发挥着重要作用，本文在分析出租车OD数据分析一般方法的基础上，构建了出租车出行特征、出行时间分布及出行空间分布的指标体系和分析方法，并以苏州市为例，结合40万余条OD数据，对比分析了工作日、节假日（周末）以及特殊节日（五一黄金周）出租车的出行特征，为出租车运营及城市交通管理提供定量的决策参考依据。     

城市智慧公交研究综述与展望

以当前城市智慧公交发展为背景，本文从我国城市智慧公交当前发展现状出发，围绕智慧公交客流特征分析、智慧公交运营研究、智慧公交网络设计与优化、智慧公交服务评估等4个方面对智慧公交的研究现状进行了综述并指出现有研究的重点。在此基础上，对现有研究进一步从智慧公交客流特征分析、智慧公交运营、智慧公交网络设计与优化，以及智慧公共交通服务评估 等4个方面进行了评述，并指出每个方面存在的不足。进一步，本文从乘客特征智能识别与预测、 复杂场景下的智慧公交运营、智慧公交网络设计与优化，以及智慧公交服务评估等4个方面对智慧公交的未来发展趋势进行研究展望，并分别提出了代表性的研究问题。通过总结当前智慧公交的研究不足以及研究展望，本文进一步指出智慧公交的创新性研究和发展，亟需从如下4个方面展开：挖掘乘客全出行链信息，提供一站式智慧公交出行服务；土地利用与交通整合视角下集 成智慧公交基础设施布局优化和公交运营效率提升；基于智慧公交多层级发展需求，构建面向政府、企业、社会用户的立体化公交运营系统评估体系；构建智慧公交一站式出行服务平台。结合当前智慧公交出行的日渐兴起，本文总结了智慧公交当前的研究现状，指出了当前智慧公交研究存在的不足，并展望了智慧公交发展的关键科学问题。研究认为：随着大数据、云计算、自动驾驶、智能网联与新能源汽车等新兴技术和颠覆性技术在城市交通领域的集成应用，对提供多模式智慧公交服务和促进城市可持续发展提供了新思路与新机遇。但是，单凭新技术无法提升智慧公交服务水平和促进城市可持续发展，还需交通系统和管理水平的提升，当前亟需围绕关键问题开展研究。本文同时强调当前研究需进一步加强多学科交叉，突出产学研相结合，为我国智慧公交高质量发展提供强有力的科学支撑。     

公路城际出行链模式划分及其形成机制

为划分公路城际出行链模式并分析其形成机制,本文考虑城市内部换乘过程,解析了公路旅客城际出行过程.利用昆明市1 757份公路旅客出行调查问卷数据,提取了公路城际出行链结构特征.通过测算出行链结构值,提出了公路城际出行链模式的划分方法,将公路客运城际出行链模式划分为Ⅰ、Ⅱ、Ⅲ类并分别获取了其形成机制.结果表明:昆明市公路城际通道的平均运距为237.95 km,公共交通是公路城际出行过程中城市内部换乘的主要交通方式;昆明市公路城际出行链的3类模式占比为13.9∶6.4∶4.7,整体结构较合理;其中,Ⅱ类出行链模式最能体现均衡、稳定的形成机制.对公路城际出行链的形成机制分析发现,收入因素是促使出行链结构合理化的重要动力;造成出行链结构不合理的重要因素是市内出行延误,而非城际通道出行过程.     

���ڹ���IC�����ݵij������з��������Բ����о�

在公交IC卡数据挖掘中,为了获取乘客流量及流向等信息,需要获知每个班次的运行方向.本文通过对公交IC卡数据的聚类分析,将IC卡数据解析成单班次站点客流数据,利用基于时间序列的相似性测量算法（相关性测量及动态时间扭曲法）,测量单班次数据与经验数据的相似性,从而获取班次运行方向.研究结果表明,在线路客流方向性差别明显时,相似性测量方法精度较高.且经过数据聚类后,相关性测量法与动态时间扭曲法在计算精度与运算速度方面表现相近,适用于客流方向性差别较明显的公交线路.     

一种新的公交乘客上车站点确定方法

公交IC卡是一种新的客流信息采集手段,它的广泛使用为公交管理者进行客流分析提供了新的数据源。充分利用公交IC卡刷卡时间信息,根据相邻两站点间的最短刷卡间隔,通过系统聚类法对IC卡刷卡数据按照时间顺序进行聚类分析。在此基础上,将聚类分析的结果与公交运营资料所推算出的车辆到站时间进行时间匹配,确定持卡乘客的上车站点。最后,通过实例验证了该方法的可行性与实用性。     

基于旅客出行意图的航线潜在价值计算模型

传统的航线价值计算通常以统计客流量为主,忽略了旅客偏好对航线潜在价值的影响,因此,本文提出了一种基于旅客出行意图的航线潜在价值计算模型.该模型利用最大似然估计法对旅客舱位偏好进行量化,然后引入出行意图的概念将旅客出行行为进行细分,并利用Gibbs Sampling方法实现出行意图的求解,最终达到航线潜在价值计算的目的.在中国民航旅客订票数据集上的实验表明,本文方法获得的2010年航线价值序列与2011年航线价值序列的相似度要明显高于统计客流量的方法,且对排名前5的高价值航线的挖掘准确率可达100%.