基于IC卡数据的长距离公交客流特征分析

围绕长距离公交客流时空特征,基于公交IC卡数据,提出以时间不均衡指数、高峰时间占比、方向不均衡指数、沿线公交资源密度、线路平均里程利用系数5项指标构建评价体系,选取4条京冀长距离公交线路进行案例分析并给出评价雷达图。研究表明:建立的指标体系可有效量化分析评价长距离公交的客流特征,进而对其运营管理提供优化建议。案例计算结果可以看出中心城区长距离公交各项评价指标均小于城区外部公交;815等通勤比重大的跨市域线路公交里程利用率、不均衡性较高,可采用区间车或直达车等调度方式;对于915等资源密度小、里程利用率低的线路,可适当优化线网,调整站点。     

基于公交IC卡数据信息的客流预测方法研究

根据大连市公交IC卡的历史数据绘制公交线路客流曲线,采用有序聚类Fisher算法划分公交峰值区间,在具有典型特征的峰值区间内进行有针对性的公交客流调查,可得到实际客流数据样本。通过将3EIC卡客流数据与随车客流调查数据相结合,建立不同峰值条件下预测客流的回归方程,可实现对不同峰值区间内总体客流量的预测。     

基于公交IC卡数据信息的客流预测方法研究

根据大连市公交IC卡的历史数据绘制公交线路客流曲线,采用有序聚类Fisher算法划分公交峰值区间,在具有典型特征的峰值区间内进行有针对性的公交客流调查,可得到实际客流数据样本.通过将公交IC卡客流数据与随车客流调查数据相结合,建立不同峰值条件下预测客流的回归方程,可实现对不同峰值区间内总体客流量的预测.     

基于IC卡与GPS数据的公交通勤出行特征分析

公交通勤人群是公交客流的重要组成部分,公交通勤出行特征是制定公交优先发展战略、公交规划、优化与运营管理的数据基础.针对传统以"车"为研究对象的碎片化公交通勤出行特征分析方法,基于公交IC卡与GPS数据,从公交乘客"人"角度出发,系统分析提出了公交出行链特征、区间客流不均衡系数、职住平衡水平及线路黏性系数4个维度指标参数计算方法.以重庆市主城区连续5个工作日47条代表性线路的公交乘客为例,对通勤出行特征进行分析,结果表明:重庆市主城区通勤客流换乘次数较少、长线公交客流需求较大、职住平衡水平较高、约1/4的通勤出行者对线路选择具有较强黏性.     

基于IC卡历史数据的公交客流统计方法

随着公交IC卡的普遍使用,基于公交IC卡数据的公交客流统计方法逐步成为主流的统计方法。因国内绝大部分城市均采用上车刷卡的方式,所以需根据用户出行规律进行下车站点的推测。为降低运算复杂程度,现有的IC卡分析算法多采用基于后续公交站点吸引权的概率算法,这种算法既不能判断单个乘客的下车站点,对于总体客流又存在数据准确性问题。为此,本文对于能够形成出行闭环的单日多次出行采用传统方法推测其下车地点;对于未形成闭环的单日出行,则分析相关单个乘客历史类似天日的IC卡刷卡数据,统计出其最可能的下车站点,进而得出总体客流。采用本算法对重庆市某段时间的所有IC卡数据进行处理和统计后,经人工计数的数据对比表明:相较于传统的出行闭环算法和站点吸引权算法,本算法对于公交客流的统计更加准确。     

基于IC卡数据的公交客流特征分析 ——以北京市为例

公交客流特征分析是公共汽(电)车线网规划和优化布局的基础.首先简要介绍基于公交IC卡数据分析公交客流特征的技术.进而以北京市为例,对公交客流的时空特征进行宏观、中观分析,对公交服务水平与城市发展的协调适配性做出评估,指出公共汽(电)车系统面临的挑战.最后,结合公交线网布局、运力配置不合理等问题,提出实现公共交通可持续发展的相关建议.     

基于GPS和IC卡数据的公交出行OD推算方法

主要基于GPS和公交IC卡数据研究推算交通小区公交出行OD的一种方法。将居民公交出行分为闭合型出行链和非连续型公交出行链,通过数据的挖掘融合技术,结合居民公交出行规律推算交通小区的公交OD矩阵,利用站点吸引强度对无明显规律的紊乱出行数据进行修正,提出了基于GPS和公交IC卡数据推算公交出行交通小区OD的方法,并以佛山市中心城区为例验证推算方法的可靠性。研究表明:所得公交出行OD矩阵精度较高。     

基于公交GPS和IC卡数据的综合交通建模新思路

为给我国交通规划模型的研究和开发提供新的方向和思路,结合郑州市综合交通模型的开发实践,探讨了公交GPS和IC卡数据在其中的应用.主要包括:基于公交GPS和IC卡数据的公交OD生成方法、公交客流量模型、非集计模型与动态公交分配模型以及基于公交GPS数据的需求预测组合模型.重点阐述了公交GPS和IC卡数据在上述几个方面的应...     

基于刷卡数据和GPS数据的公交客流特征分析方法

为准确并快速分析城市公交客流特征,提供城市公交专项规划编制的基础数据资料,提出一种采用公交刷卡数据和GPS数据分析公交客流特征的方法.首先,全面总结公交客流数据处理方法和流程,包括客流时间特征、空间特征和公交运营特征;其次,针对实际可能出现的数据缺失情况和传统方法局限性,通过上车站点判断引入时间临近规则、下车站点判断设...     

基于AVL与IC卡数据的公交换乘判定

基于成都智能公交数据,以乘客IC刷卡数据、公交GPS数据、公交GIS数据、上车站点数据及下车站点数据为基础,对连续出行阶段间是否存在换乘提出判定方法。在前人换乘时间阈值、换乘距离阈值、最大等待时间等条件下,进一步细化对同站换乘、异站换乘的判定,完善公交换乘判定模型,为大规模、程序化利用智能公交数据提供支持。最终换乘结果一定程度证实了本文判定模型的有效性与实际意义。     

基于IC卡数据的武汉市轨道交通客流时空特征

为了精准评估武汉市轨道交通运行现状、科学辅助编制轨道交通线网规划与建设规划、探寻运营组织中的潜在问题,通过对全市公共交通IC卡记录以及地理信息数据的融合与挖掘,从全网、走廊、断面等方面量化分析轨道交通发展历程和客流时空分布特征。在此基础上建立职住辨识模型,用于获取典型居住和就业区域的空间分布信息。基于此分析通勤群体的出行时间、距离、范围、方向不均衡性以及换乘等特征,并通过群体出行规律分析城市空间布局。最后对城市轨道交通发展提出建议:建立多样化运营模式,大力发展公共交通一体化换乘,注重轨道交通沿线土地开发利用和配套设施建设,加强各行政区协同发展和鼓励就近就业等。     

基于IC卡数据的轨道公交接驳特征分析

针对当前轨道接驳研究侧重人工调查或理论分析、利用大数据进行公交接驳准确分析的研究相对较少问题,提出以IC卡数据为数据源的轨道公交接驳比例、接驳距离等相关指标的计算模型,并利用该模型计算北京市现状轨道站点的公交接驳相关指标.基于轨道站点设计阶段所能获取的站点属性信息将北京市轨道站点分为末端站、市区普通站、市区换乘站、郊区普通站、郊区换乘站5类,在该分类结果基础上对北京市轨道公交接驳特征进行分析.基于IC卡数据对轨道公交接驳特征进行准确分析,可为轨道站点的外部接驳设计、接驳公交布设、提高轨道交通服务水平等补充相关数据资料.     

基于公交GPS 和IC 卡数据的乘客人均候车时间估算方法研究

候车是公交出行的重要组成部分，而候车时间是决定公交系统吸引力的关键因素，也是评价城市公交服务水平的指标之一. 目前，获取乘客候车时间的主要途径为问卷调查法和视频采集法. 但是这些方法费时费力，仅能实现小范围典型站点的候车时间的调查，无法快速完成线路甚至线网级别的候车时间采集. 为解决上述问题，本文基于北京公交GPS和IC 卡刷卡数据，采用非时齐泊松过程理论构建了乘客到站模型，并给出了一种离散条件下任意时刻的乘客人均候车时间计算方法，该方法能动态准确的获知不同站点、线路和线网乘客的人均候车时间. 基于此方法本文计算了1 d 内北京公交606 路全线的人均候车时间变化情况，计算结果表明，606 路早晚高峰和中午乘客人均候车时间最短大约在200 s 左右，下午乘客的候车时间较长.     

基于公交GPS和IC卡数据的乘客人均候车时间估算方法研究

候车是公交出行的重要组成部分,而候车时间是决定公交系统吸引力的关键因素,也是评价城市公交服务水平的指标之一. 目前,获取乘客候车时间的主要途径为问卷调查法和视频采集法. 但是这些方法费时费力,仅能实现小范围典型站点的候车时间的调查,无法快速完成线路甚至线网级别的候车时间采集. 为解决上述问题,本文基于北京公交GPS和IC 卡刷卡数据,采用非时齐泊松过程理论构建了乘客到站模型,并给出了一种离散条件下任意时刻的乘客人均候车时间计算方法,该方法能动态准确的获知不同站点、线路和线网乘客的人均候车时间. 基于此方法本文计算了1 d 内北京公交606 路全线的人均候车时间变化情况,计算结果表明,606 路早晚高峰和中午乘客人均候车时间最短大约在200 s 左右,下午乘客的候车时间较长.     

基于公交IC卡数据的OD推算技术研究

公交OD矩阵是进行公交调度和公交线网优化的基础资料.随着公交IC卡技术的广泛应用,如何利用IC卡的数据信息来推算公交OD矩阵以及换乘次数、出行次数等公交出行信息,具有很强的现实意义和实用价值.通过对IC卡统计数据特点的分析,利用数据挖掘技术,分别对公交线路站点OD和区间出行OD的推算方法进行了研究,并进一步研究了如何从IC卡统计数据中得到公交出行的其他信息.分别给出了由IC卡统计数据推算公交线路站点OD和区间出行OD的方法,并提出了基于GIS的公交IC卡数据分析处理系统框架,建立了系统分析流程来实现公交OD的推算.通过分析发现,公交IC卡的数据分析处理最终要建立起能将数据库的处理功能和地理空间的属性特性结合起来的地理信息系统,才能够有效地解决公交OD推算、换乘次数以及出行次数等问题.     

基于公交IC 卡数据的上车站点推算研究

为了分析城市公交乘客的出行特征,本文利用公交IC 卡及GPS数据对公交IC 卡乘客上车站点推算进行研究.针对安装车载GPS设备的车辆,运用GPS数据与IC 卡数据融合算法进行推算;对于无车载GPS设备的情况,为适应一票制IC 卡数据挖掘,对贝叶斯决策树算法进行改进,允许节点跳跃,推算上车站点,并且利用Markov 链特性降低算法的运算复杂度.同时,本文以北京公交数据为例,对提出的两种方法进行验证.结果表明,利用本文提出的方法推算上车站点,3 站之内误差的准确率达到90%以上,算法在兼顾算法精度的同时合理地控制了运算复杂度,可以实际运用于城市公交系统.     

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。