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。     

公交IC卡数据分析处理方法研究

随着科技的不断发展,IC卡技术已经日趋成熟,并且已经全面推广到公交和地铁中。围绕北京公交特性,对公交IC卡的信息采集、分析和应用进行探讨,研究基于现状IC卡信息采集技术的公交客流及出行信息的分析方法,通过实例证明了方法的可行性。     

基于公交IC卡数据的公交车辆运行指标计算方法研究

对公交IC卡数据进行聚类分析,设计交易记录与乘车站点的匹配方法,并建立基于公交IC卡数据的公交车辆运行指标算法,针对公交运营中涉及到车辆运行的部分指标进行计算。     

基于数据融合的公交客流规模测算方法

公交客流规模测算往往存在调查成本受限和准确度要求较高的矛盾.提出基于公交IC卡历史数据与人工补充调查数据的数据融合测算方法,以准确推算公交客流规模.首先根据公交线路的基本属性,采用聚类分析方法划分线路类型,从每一类中选择具有代表性的线路.基于IC卡数据分析公交客流时变特征,运用有序样本聚类Fisher算法将线路小时刷卡量进行聚类分析.划分刷卡量相似时段,进而采用优化方法确定调查抽样率,确定相应的调查车辆进行人工补充调查,最终经过数据融合计算获得公交客流规模.基于上海市某辖区IC卡数据进行案例分析,测算得到三类公交线路的日均客流量.     

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.     

单条公交线路的IC卡数据分析处理方法

及时而准确地掌握城市公共交通运营及客流信息,是进行科学合理的公交运营决策和公交网络规划的前提。随着城市公交IC卡的广泛运用,从IC卡信息中提取城市公交客流信息成为又一种公交数据采集方法。通过公交IC卡数据分析处理方法,可以得到实时准确且连续的公交客流信息数据,较之传统的人工调查方法经济实用,数据结果准确度高。以单条公交线路的IC卡信息为例,提出单条公交线路运营及客流信息的分析处理方法,得到包括站点客流、线路客流、断面客流等主要客流指标的分析计算方法。     

动态公交客流预测方法研究

随着公交的大力发展,公交优化要从传统的调度方式向实时调度转变。这就要求公交客流预测要具备短时性和滚动性,即动态预测。现有的公交客流预测方法集中于长期客流数据的预测,缺乏时效,不适用于公交的实时调度。本文给出了一种对公交客流进行动态预测的简单方法。     

基于公交IC卡信息的城市公交满载率指标计算方法

为减少传统城市公交满载率指标测算过程的人力投入并提高指标计算结果的准确性,利用公交IC卡刷卡信息、公交GPS信息、公交站点信息和公交车辆信息,通过各类信息衔接分析,提出了基于公交IC卡的公交满载率指标计算思路。采用MYSQL搭建分析数据库,通过编程代码自动关联识别和快速分析大数据,计算出城市公交线路的满载率指标值。通过案例分析发现,相比传统公交满载率调查方法,基于公交IC卡信息的公交满载率指标计算能找到更精确的最大客流断面、得出更精确的计算结果,并且运算过程更高效,能有效节约人力,可为同类城市测算城市公交满载率指标、分析城市公交乘客的出行特征提供参考。     

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.     

城市公交客流调查数据的修正

城市公交客流调查数据是进行城市公交科学决策的重要依据,特别是乘客OD矩阵更是优化公交调度的重要参考指标.然而公交客流调查数据产生偏差不可避免.对上、下车人数采用权重法进行修正,对乘客起讫点(OD)矩阵数据采用弗尼斯法进行修正,经实例验证是较好的数据修正方法.     

基于IC卡数据的公交线网评价

公共交通是促进城市可持续发展和实现低碳交通的有效措施之一．对公交线网的评价也越来越受到管理和研究人员的重视。为了利用IntegrateCircuit（IC）卡数据获得大量的出行信息,对公交线网的服务水平做出合理的评价．提出了3个指标：流量差异、供需差异、时间差异,用于评价乘客需求和公交线网布局的空间匹配程度。最后,以南宁市为例,将上下班高峰时段的IC卡数据在TransCAD中进行了验证,证明了该方法的科学性和实用性,从而提供了一种从乘客出发的．更加直接的、合理的公交线网评价方法。     

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.     

基于站点实时关联度的短时公交客流预测方法

为探究公交站点之间的关联度并对公交客流进行更精准的实时预测,本文提出基于 Attention的交通预测核心算法(Traffic Forecast Model Based Attention,TFMA),结合数据预处理和 站点信息编码完成基于站点实时关联度的短时公交客流预测方法。该方法首先创新性地提出了 站点实时关联度,可实现对目标站点客流量更精准的预测;其次,在公交站点的编码信息中融入 线路站点信息、客流变化率、天气、日期等关联因素;接着,该方法依靠Attention机制计算站点实 时关联度;核心算法中使用multi-headed机制、增加通道和残差连接进一步提升预测能力;最后, 以苏州市公交数据进行验证。结果显示：在准确率上,对比多元线性回归的53.8%、GRU(Gated Recurrent Unit)的66.9%和LightGBM(Light Gradient Boosting Machine)的81.2%,本文提出的基于 站点实时关联度的短时公交客流预测方法的准确率在90%以上,表明该方法具备优秀的短时公 交客流预测能力。