基于GBDT算法的地铁IC卡通勤人群识别

随着公交IC卡的应用和普及,从IC卡数据中挖掘通勤用户,为下阶段采取分流措施缓解早晚高峰压力,优化票价制定等具有重要意义。以广州市地铁数据为依托,选取合适的特征属性,提出了一种基于梯度提升树(gradient boosting decision tree,GBDT)机器学习算法为基础的通勤人群识别方法。首先以周工作日的首末次平均刷卡时间、首末次平均刷卡时长、首末次刷卡时长波动程度、刷卡次数总和等5个特征来制定调查问卷的数据格式。然后利用处理过的带标签(通勤/非通勤)的调查问卷数据去训练GBDT分类器模型,测试样本的通勤识别的准确率高达94.16%。最后利用该模型对广州地铁IC卡数据通勤人群进行识别,结果显示广州地铁刷卡数据中通勤人群数量为131万左右,占总地铁刷卡出行人数32%左右。     

基于RFM模型的通勤人群公交忠诚度研究

以上海市通勤人群公交使用情况问卷调查数据为依托,运用营销学领域中识别顾客忠诚度的RFM模型及相关统计学方法,从"行为忠诚"与"态度忠诚"两方面探讨乘客公交忠诚度的界定与划分,并结合公交服务质量,顾客满意度和顾客忠诚度的相关理论,重点分析上海市通勤人群公交忠诚度的分布情况,并在此基础上建立公交忠诚度影响因素分析模型.结果表明,约1/3受访者虽然目前表现出高强度的公交使用行为,但未来有向公共系统外的其他交通方式转移趋势和风险,而公交使用的态度忠诚度主要受年龄、教育背景、轨道交通票价、公交候车时间、行程时间稳定性及公交车厢拥挤程度影响.     

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.     

基于VBA的公交上车刷卡人数统计方法

提出一种基于VBA宏命令,利用公交IC卡和GPS数据来实现各站点刷卡上车人数统计的方法.根据两种数据的特点,以Excel为主要工作平台,通过VBA程序快速地对两者数据进行筛选和利用,逐步实现各站点公交车到站时间的匹配和各站点上车人数的统计.最后利用此方法对丹东市公交线路的往返各站点上车人数进行统计.与传统的公交随车调查结果对比,通过该方法得到的各站点上车人数数据较为准确,可作为传统方法的替代.     

基于粗糙集和贝叶斯分类器的病毒程序检测

在病毒程序检测中将粗糙集与贝叶斯分类器相结合．该方法在粗糙集属性约简的基础上，综合考虑了条件属性和决策属性的依赖性以及条件属性间的依赖性对约简的影响．通过基于依赖性的属性约简，减少对属性变量间独立性的限制，发挥贝叶斯分类器的鲁棒性潜能，优化贝叶斯分类器的特性．实验结果表明，检测率达到97．88％，正确率为97．16％，明显高于传统的基于特征和RIPPER的方法，也高于多贝叶斯方法；虚警率为5．19％，也比上述所有方法均有所降低．     

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.     

基于手机信令数据的居住地人口分布辨识改进方法

针对传统的基于手机信令数据的居住地人口分布分析方法的不足,通过建立一种基于手机信令数据和问卷调查数据的多源数据融合手段,利用有监督机器学习方法,实现对居住地人口分布现状的分析.首先通过问卷调查数据获取志愿者的实际居住地位置及其所使用的通信运营商相关信息,并进行样本筛选.其次,在通信运营商内部机房建立志愿者用户实际居住地...     

基于朴素贝叶斯的城市轨道交通网络客流动态分配模型

为解决传统城市轨道交通网络客流动态分配模型分配均衡度低的问题,提出基于朴素贝叶斯设计城市轨道交通网络客流动态分配模型.通过识别城市轨道交通网络断面客流量,提出城市轨道交通网络客流动态分配的目标函数,标定客流动态分配参数,计算网络客流动态分配量,采用朴素贝叶斯分类方法确定城市轨道交通网络客流动态分配模型.实证表明,设计模型的分配均衡度最小为1.0,远高于对照组,证明此方法可有效缓解传统城市轨道交通网络客流动态分配模型分配均衡度低的问题.     

基于贝叶斯网络的交通事件持续时间预测

随着数据采集手段的不断提高和相关研究技术的发展,基于数据挖掘的模型逐渐成为交通事件持续时间研究的主要方向。根据荷兰交通部门提供的交通事件采集数据,进行分类和预处理,观察事件持续时间的频数图,并根据相关的研究按照事件典型的类别把采集的数据进行分类。使用主成分分析和逐步回归提取出显著性的影响因子,利用数据挖掘软件WEKA建立贝叶斯网络模型,用数据集中80%的数据进行学习建模,20%的数据作为测试集来检测模型的预测效果,并做出性能评价。实验结果表明,与同类数据集的其他预测方法相比,贝叶斯网络模型对于变数众多,随机性特别大的交通事件,预测精度较高,证明贝叶斯网络模型的算法是具有一定优越性和实用价值。     

基于公交数据挖掘的时刻表排班协同换乘优化

为实现公交换乘协同排班,减少乘客出行换乘时间,本文对公交信息系统的IC卡数据及车辆GPS数据进行数据挖掘,提取换乘信息并对现有的发车排班进行优化.首先,构建了公交运行状态信息提取模型,提取现有的公交运行状态信息.在此基础上,设计了邻域搜索的公交时刻排班优化算法,得到最佳发车排班时刻表.为验证所提出方法的有效性,选取了成都市的56路和3路公交线路的实际数据进行案例验证.结果表明:通过优化排班的方法,在不改变现有的公交供需条件的前提下,可以有效实现协同换乘;与原有的公交服务相比,优化之后的公交服务能够更加贴近出行需求,提升线路之间的换乘衔接效率,从而提高公交服务质量.     

基于贝叶斯网的城市轨道交通乘客满意度评价

以城市轨道交通运营系统为研究对象,从乘客满意度出发,建立城市轨道交通服务乘客满意度指数模型,并确定城市轨道交通服务乘客满意度评价指标体系结构,建立城市轨道交通乘客满意度评价贝叶斯网络模型,并确定贝叶斯网络中各节点的条件概率。最后以重庆市轨道交通服务为例,通过实例计算分析,得出重庆轨道交通服务的几点改善措施。     

基于多源数据融合的干线公交车辆 行程时间预测

为提高城市中心区干线公交车辆行程时间的预测精度,在拟合公交车辆行程时间分布特征的基础上,提出基于多源数据的干线公交行程时间预测模型.对RFID及GPS检测器获取的实际数据进行预处理及分布拟合,其中混合高斯分布函数适用于单路段拟合,对数正态分布适用于多路段的拟合.采用皮尔逊相关性系数对影响行程时间的因素进行相关性分析,其中上游路段前2 个时间窗的平均行程时间的影响最大.分别采用ARIMA、改进的SVM模型对行程时间进行预测,其中改进的SVM模型的平均绝对百分比误差为6.26%,优于ARIMA模型的11.69%,更适用于短距离交叉口间的公交车辆行程时间预测.     

基于多源数据融合的干线公交车辆行程时间预测

为提高城市中心区干线公交车辆行程时间的预测精度，在拟合公交车辆行程时间分布特征的基础上，提出基于多源数据的干线公交行程时间预测模型.对RFID及GPS检测器获取的实际数据进行预处理及分布拟合，其中混合高斯分布函数适用于单路段拟合，对数正态分布适用于多路段的拟合.采用皮尔逊相关性系数对影响行程时间的因素进行相关性分析，其中上游路段前2 个时间窗的平均行程时间的影响最大.分别采用ARIMA、改进的SVM模型对行程时间进行预测，其中改进的SVM模型的平均绝对百分比误差为6.26%，优于ARIMA模型的11.69%，更适用于短距离交叉口间的公交车辆行程时间预测.     

����ɳ�����չ�ij������彻ͨ�ṹ�Ż�

根据中外城市发展的历程与特点，在研究城市交通结构、城市形态、人口密度、城市规模的基础上，以城市交通可持续发展为目标提出从土地利用角度考虑的不同城市交通结构建议值．进而在考虑交通环境、交通资源消耗与交通供求关系的基础上分析面向可持续发展的城市总体交通结构的优化．提出我国正处于交通结构调整时期，大城市、特大城市积极发展公共交通是在可持续发展战略指导下做出的合理决策．     

一种基于宏微观数据嵌套的公交用户细分方法

针对公交用户管理,本文提出一种基于宏微观数据嵌套的公交用户细分方法.该方法能够通过卡号识别及公交出行链信息对照等手段,建立问卷调查受访者与数据库中公交IC卡持卡者之间的匹配链接,即同时获取持卡者公交使用行为在刷卡数据样本总体中的宏观聚类情况,以及问卷调查数据中微观个体的社会属性与意愿信息,形成宏微观数据的互补嵌套,弥补单一数据源分析所面临的不足.在厦门市的实证分析中,数据链接的成功率达到70.5%.最终,结合该融合数据,从公交使用行为模式及态度意愿两个维度对公交用户进行交叉分类,实现公交用户不同组群的细分.