基于信令数据的出行强度影响因素分析模型

为探究城市交通出行强度影响因素及不同因素的影响程度,本文从土地利用与交通基础设施建设两方面出发,分析包括土地利用混合指数,职住混合率熵指数,公共交通站点 500 m覆盖率,路网可达性等17个指标与出行强度的相关关系;基于相关系数和拟合优度分析,提取7个与出行强度强相关指标,基于所识别指标构建北京市中心城区出行强度多元回归模型.模型结果表明,职住混合率熵指数对出行强度的影响最为显著,公共交通站点覆盖率对出行强度的影响比道路网密度和可达性更为明显.此外,给出单一土地利用/交通基础设施指标对出行强度拟合结果的离群特征分析方法,用于评估不同区域基础设施供给与交通出行需求之间的平衡关系.     

基于信令数据的出行强度影响因素分析模型

为探究城市交通出行强度影响因素及不同因素的影响程度,本文从土地利用与交通基础设施建设两方面出发,分析包括土地利用混合指数,职住混合率熵指数,公共交通站点 500 m覆盖率,路网可达性等17个指标与出行强度的相关关系;基于相关系数和拟合优度分析,提取7个与出行强度强相关指标,基于所识别指标构建北京市中心城区出行强度多元回归模型.模型结果表明,职住混合率熵指数对出行强度的影响最为显著,公共交通站点覆盖率对出行强度的影响比道路网密度和可达性更为明显.此外,给出单一土地利用/交通基础设施指标对出行强度拟合结果的离群特征分析方法,用于评估不同区域基础设施供给与交通出行需求之间的平衡关系.     

基于出行数据的城市公交网络可达性研究

可达性是评估交通便利程度的有效指标,城市公共交通良好的可达性能够吸引更多人选择这类方式出行.基于公交刷卡、发车时间间隔等多源数据,提出考虑线路和流量的车站等待时间计算方法;利用换乘时间阈值拼接出行数据,获取起讫车站出行时间,建立两阶段机会模型.以北京市为例,评估公交网络实际可达性.研究表明：车站服务可达性和网络可达性均呈现城市中心高、郊区低、沿地铁变化趋势明显的特征,线路越多的车站可达性越高;传统的定值设置方法会低估高可达性车站的可达性水平,考虑流量和线路的等待时间计算方法是有效的.     

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.     

基于道路拥堵信息的公交出行规划系统

针对当前道路拥堵增多的情况,建立了一个基于道路拥堵信息的公交出行规划系统,以引导公众避开拥堵道路。分析道路拥堵状况的指标体系,分别选取路段和交叉口的通行参数指标,并给出一种红绿灯等待灯次的简便算法,提出公交出行规划方案的拥堵指数算法。以嘉兴市为例,采用SQL＋IIS＋ASP＋Android技术构建了C/S架构的基于道路拥堵信息的动态公交出行规划系统。该系统推荐的出行方案能引导用户避开拥堵道路,提高出行效率,减少出行时间,为公众出行提供了更全面的公交出行信息和更便利的信息获取途径。     

基于百度大数据的用地出行率计算方法

为提高交通出行率的准确性和可靠性,打破现有手段获取地块交通出行率存在的局限性,提出一种基于百度大数据的出行率计算方法。通过建立出行停留点识别方法,对城市用地与停留点数据进行匹配,进而论证方法的可行性和准确性。结果表明,基于百度大数据的用地出行率计算方法在特定城市有更高的准确性,且适用于任意地块、任意时段的用地出行率调查。本研究可为城市地块交通出行率的计算提供参考,也为城市管理主体进行管理决策和城市交通规划工作提供技术支撑。     

城市公交投入与公交出行率的关系模型研究

本文以公交车辆拥有率和公交运营线网密度为公交投入变量,以城市居民公交出行比例和居民年均乘公交次数为产出变量,通过对国内不同城市的有关公共交通数据进行二元线性回归,从而得到公交投入和公交出行率之间的数学模型,并以合肥市为例进行模型的应用分析.     

基于活动识别的公交出行行为重构与分析

摸清城市居民的公交通勤出行规律特征,可以更好的为公交运营管理提供支撑.通过挖掘IC卡数据获取公交出行信息是出行行为分析的新手段.根据以活动为基础的出行分析理论,提出以活动区域属性判别为核心的公交出行重构分析方法.通过对公交出行的起讫站点进行空间聚类分析,获取居民的主要活动区域;基于居民多日出行信息及相应出行特征指标,分别对居民的居住和工作区域进行识别;根据出行目的地区域的活动属性,对公交出行链进行重构.以广州市为例,对居民公交出行特征规律进行实证分析.     

顾及换乘距离的城市公交系统出行路径优化研究

由于城市公共交通系统存在明显的线路重复,公交分配模型中对于换乘点一般采用较为粗略的方式进行处理,这导致难以精确地评价最优公交路径。基于GIS空间数据库技术,可以对公交实体要素进行详细表达,为精确计算换乘延误提供了可能。本文以武汉市公交系统为实例研究对象,建立了基于GIS的公交网络数据库,应用可行的基于换乘次数最少的最优路径算法,在ArcGIS中实现了任意两点间的最优路径查询。     

大数据背景下的交通模型发展思考

将传统交通调查和模型与新的信息技术相结合,根据大数据的特征改进交通模型的方法体系,是交通模型发展面临的极大挑战.分析交通大数据对交通模型研发的促进作用,特别是在人口及就业岗位分布、综合交通网络数据和基于交通调查的模型参数等核心数据方面的支撑作用.从相关定义、市场细分以及信息完整性三个方面阐述大数据与交通模型的一致性问题.深入讨论应用大数据改进交通调查技术、4D模型研发、出行分布目的地选择模型、轨道交通出行接驳模型、出行成本校核等交通模型关键技术.通过对比大数据和交通模型的决策分析过程,指出大数据与交通模型互动发展的途径.     

����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.     

便捷低碳出行与优质公共交通体系

“公交都市”倡导的可持续发展理念为公共交通发展指引了方向并得到广泛认可。然而,对“公交都市”理念的误解和在实际行动中的偏离,使得最初的目标往往难以实现。首先分析公交出行分担率的作用和特征,指出建设“公交都市”不应过分看重公交出行分担率的短期提高,公共交通体系的建设应聚焦便捷和低碳目标。提出优质的公共交通体系应是由功能分层清晰、覆盖各层次服务水平要求的多种公共交通方式组合形成一体化体系。最后,以便捷低碳为纲要,从轨道交通系统、公共汽（电）车系统、辅助公交系统三方面探讨构筑优质公共交通体系的途径。     

基于关联分析的乘客公共交通依赖度识别方法

不同乘客在出行过程中对公共交通的依赖程度具有显著差异,精准识别乘客公共交通依赖度,有助于针对性地引导出行者向公共交通方式转移.本文基于多源数据的关联,获取包含个体属性的公共交通出行链,从出行行为和个体属性两方面提出8个依赖度指标,构建二阶聚类模型,识别乘客公共交通依赖度.结果表明：样本按依赖度高低被划分为4类群组;部分高、较高依赖度乘客在出行决策时受限于收入和车辆拥有量,并有向私家车出行转移的趋势;乘客出行习惯行为较个体属性对公共交通依赖度的影响更大.利用平均命中率(AHR)和平均覆盖率(ACR)指标评估个体属性对识别结果的影响,得出结论,个体属性指标间存在耦合关系,且指标缺失量与模型误差具有非线性关系.研究有助于理解公共交通乘客的需求和选择倾向性,为精准改善公共交通服务提供支撑.     

融合多源数据预测高速公路站间旅行时间

为精确预测高速公路站间旅行时间,融合收费数据和微波车检数据开展预测. 首先,基于两种数据源的预测结果,采用决策级融合策略;然后,建立了权重分配预测模 型、BP神经网络预测模型;针对神经网络收敛速度慢,易陷入局部最优的缺陷,基于遗传 算法优化BP神经网络预测模型;最后,利用京哈高速公路北京段收费数据和微波检测器 数据对3 种融合模型进行了验证,对比工作日及非工作日2 种交通流状态下3 种模型的性 能指标.试验结果表明,基于遗传神经网络的融合模型相比其他2 种模型,预测精度及稳 定性均得到了较高的提升,相对误差控制在10%以内,能够更好地满足实际需求.     

多源数据解析城市交通特征与规律

随着信息技术的发展,城市交通领域不断涌现新的数据来源。有效利用这些数据,有助于深刻理解城市功能和交通特征与规律。回顾城市交通分析与建模中常用的多源数据,并着重介绍信息化数据的典型应用,包括手机信令数据、公共汽车信息系统数据、车辆GPS数据、交通检测数据和售票系统数据。基于传统城市交通分析框架下的数据需求,探讨多源数据间的关系与联合应用。提出信息化数据完全取代传统数据既不现实,也不必要;信息化数据的价值发挥在于未来交通分析与建模技术的创新。最后对多源数据的发展与应用方向进行展望。     

大数据驱动的公共交通系统出行方式选择特性研究

掌握出行者选择偏好对于提高公共交通系统吸引力和优化运营策略有重要作用,且数据检测技术的发展使得交通大数据的收集更加便捷.本文以北京市出行大数据为依托,通过分析与建模,挖掘人们在公共交通中的方式选择特性,并探讨如何为交通运营提供决策支持.首先,对原始数据进行预处理、数据清洗与数据集成,获得了模型所需的数据集.然后根据效用函数理论,建立了分层多项Logit模型,并对模型进行求解与验证.最后,基于模型结果得出不同出行群体VOT,进行部分变量的敏感性分析.得出中距离出行者票价敏感性最高,短途出行者速度敏感性最高,6:00-7:00的出行群体票价敏感性最高且速度敏感性最低等结论,可用于支持公共交通运营部门制定最佳运营策略.