考虑乘客出行体验的需求响应式公交规划

作为传统公交车的有力补充,需求响应式公交的出现为人们提供了解决问题的新思路,它能够即时采集乘客出行需求信息,确定走行路线,提供个性化定制服务。但自需求响应式公交运营以来,步行距离长、候车时间久等问题也日益凸显,极大地影响了乘客的出行体验。文章充分考虑乘客的步行距离及等待时间成本,基于DBSCAN算法、K-means算法,就需求响应式公交合乘站点布设问题进行研究,采用启发式插入算法对建立的软时间窗、多车队模型进行求解。可以实现对具有时间窗空间分散点的聚类及路径规划,对优化需求响应式公交的乘客出行体验,提高车辆上座率具有重要意义。     

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。     

公交出行时空模式的影响因素和效应研究

为揭示公交出行时空模式的影响因素和作用效应,利用智能公交数据获取公交出行时空特征,应用DBSCAN聚类算法挖掘公交出行的时空规律性。以起点建成环境、终点建成环境、出行路径性能、公交运营性能和公交出行强度5个方面的18个指标为自变量,以公交出行时空特征和公交出行时空规律性2个方面的4个指标为因变量构建变量指标体系,融合智能公交、POI等多源数据对指标进行量化计算,建立结构方程模型对公交出行时空模式的影响效应进行分析。研究结果表明：公交出行模式具有时空异质性,平峰时段公交出行距离和出行时长均长于早、晚高峰时段;时间规律性强的公交出行主要发生在高峰时段,空间规律性强的公交出行集中分布在城市中心区;出行路径性能、公交运营性能、起点建成环境、终点建成环境对公交出行的时空特征有显著影响（早高峰影响效应分别为-0.749,-0.413,-0.244,-0.228）;公交出行强度、出行路径性能、起点建成环境和终点建成环境对公交出行的时空规律性有显著影响（早高峰影响效应分别为0.688,0.069,0.022,0.021）;各因素对公交出行时空模式的影响具有时间异质性,平峰时段的影响均大于早、晚高峰时段...     

基于APTS大数据的城市公交出行多维分析模型和方法

智能公交系统(Advanced Public Transportation Systems,APTS)数据具有海量、类型多样等大数据的典型特征,对其进行分析和挖掘可能获得丰富的公交出行特征和规律.构建基于APTS大数据的公交出行多维分析框架,在计算乘客出行时空信息(上车、下车和换乘)的基础上,建立包含4个维度(乘客、时间、空间和行为)的公交出行数据模型,系统提出基于5种联机分析处理方法的公交出行分析内容.应用APTS大数据对模型和方法进行了实验和验证,研究结果表明,该方法能够便捷地分析不同维度、不同粒度的公交出行信息,不仅能够应用于公交乘客出行行为的研究,还能够为城市公交系统的规划和管理提供决策支持.     

基于时空相似度聚类的热点载客路径挖掘

出租车的载客轨迹直接体现了车辆的行驶状态和居民的出行规律,热点载客路径的挖掘为交通管理与规划,居民行为模式发现及出租车载客推荐等具有重要价值. 本文以兰州市3 000 辆出租车载客轨迹为研究对象,提出了基于时空相似性聚类的热点载客路径挖掘算法. 首先,根据出租车的GPS轨迹数据提取出载客轨迹及其核心轨迹;然后,根据提出的相似性度量算法计算核心轨迹的空间相似性、时间相似性及时空相似性,并结合DBSCAN聚类算法对载客轨迹进行聚类;最后,根据聚类结果获取城市热点载客路径的空间分布,并分析了其在工作日和非工作日的差异. 实验结果表明,本文提出的挖掘算法能有效、快速地发现城市热点载客路径的分布.     

基于时空相似度聚类的热点载客路径挖掘

出租车的载客轨迹直接体现了车辆的行驶状态和居民的出行规律,热点载客路径的挖掘为交通管理与规划,居民行为模式发现及出租车载客推荐等具有重要价值. 本文以兰州市3 000 辆出租车载客轨迹为研究对象,提出了基于时空相似性聚类的热点载客路径挖掘算法. 首先,根据出租车的GPS轨迹数据提取出载客轨迹及其核心轨迹;然后,根据提出的相似性度量算法计算核心轨迹的空间相似性、时间相似性及时空相似性,并结合DBSCAN聚类算法对载客轨迹进行聚类;最后,根据聚类结果获取城市热点载客路径的空间分布,并分析了其在工作日和非工作日的差异. 实验结果表明,本文提出的挖掘算法能有效、快速地发现城市热点载客路径的分布.     

定制公交线网动态规划方法研究

定制公交是一种新兴的交通运输方式,对于呼吁公共出行、缓解交通压力具有重大意义。对定制公交的站点时空规划、线网优化、APP的开发进行了研究。基于移动互联收集乘客人信息,采用层次聚类法对交通小区进行划分,采用遗传算法对线路进行优化,最后开发APP进行公交与乘客的交互,反馈公交信息,根据乘客提交的出行时间及地点需求,为乘客定制一条公交线路。     

����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.     

考虑车速调控和乘车引导的公交运行优化控制策略

通过有效的精准控制策略提升公交车辆的到站间隔匀整度和运行服务可靠性是改善公交服务质量，提升公交乘客出行满意度的重要途径。首先，本文考虑站点乘客上车需求波动构建公交运行模型；其次，提出基于时间偏差反馈机制的公交区间行驶速度调控策略和基于乘车选择行为模型的公交站点乘客信息引导策略；最后，以最小化乘客出行成本和车头时距偏差为目标，构建融合车速调控和乘车引导的公交运行组合优化控制策略，并设计了求解方法。以北京公交57路为例，设计4种情形的数值仿真对比实验。仿真结果表明，组合控制策略的优化效果最佳，相比于无控制策略，公交运行稳定性提升了47.70%，避免了线路的串车发生，考虑出行时间与拥挤程度的综合成本减少了18.71%。本文还比较了不同乘客收入水平和乘客引导信息服从率下策略的优化效果。结果表明，随着收入水平的提升，信息引导策略对总出行成本降低效果减弱，当乘客引导信息服从率为0.7时，组合控制策略对公交运行和乘客出行的改善效果最显著。本文可以为提升公交运行可靠性和服务质量提供重要支撑。     

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。     

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。     

基于电子支付数据的公交车厢满载率实时估算方法

针对公交监测和调度中要求实时掌握车厢满载率，以及“一票制”无法获取乘客下车信息等问题，构建基于数据驱动的组合模型，在乘客上车时即推断其出行OD站点，进而融合多源数据实现车厢满载率的实时估算。提出以K近邻算法为组合模型的核心，针对K近邻推断率过低等问题，研究在更大空间维度分析乘客出行规律并推断下车站点的方法，有效提升历史数据的利用率和下车站点的推断率；此外，针对偶发型乘客缺少历史规律数据的情况，充分利用站点下车客流量先验概率随机分配，实现电子支付乘客OD的全样本推断。利用跟车调查法对不同线路、不同班次的车厢拥挤度进行验证。结果表明，模型计算结果与实际结果相符，能够反映出不同线路、不同站段之间的车厢拥挤水平变化。     

�������ܵ������ݵĹ���IC���˿��ϳ�վ���жϷ���

为了能够应用公交IC卡数据分析公交乘客的出行特征,对判断公交IC卡乘客上车站点的方法进行研究.以南宁市智能公交系统为例,采集公交IC卡收费系统和公交智能调度系统的运营数据,应用数据仓库技术建立智能公交数据分析平台.通过将智能调度系统数据与公交IC卡收费系统数据进行关联,判断公交IC卡乘客的上车站点,对提出的方法进行精度分析和算法实现,并应用海量的智能公交系统实际数据对算法进行了试验.研究结果表明,本文提出的方法判断公交乘客上车站点的准确率达到98%以上,算法效率满足实际应用需要,该方法能够用于公交系统的规划和管理工作.     

多元数据下的公交站点客流不确定性分析

利用长期收集的公交站点IC卡刷卡数据,基于区间不确定性理论,提出公交上下车站点区间不确定性客流推导方法.首先,将公交IC卡数据和GPS数据与公交站点信息相融合,确定IC卡刷卡的上车站点及其区间不确定性客流;然后,对公交刷卡行为进行分析,考虑乘客个体出行特征、乘客出行距离和站点吸引权重,提出下车站点客流推导概率模型及相应算法,通过区间数处理方法,得到下车站点客流区间值.最后,以2015年11月13日~12月25日深圳市21路公交为期6周的IC卡刷卡数据和GPS数据为例进行实例分析.     

考虑乘客感知的公交驻站和限流组合策略研究

为了预防公交“串车”现象,提高乘客感知满意度,基于预测控制提出一种考虑公交乘客动态感知的驻站与限流组合策略. 建立以公交线路上总乘客感知等待时间最小为优化目标的预测控制决策模型,运用差分进化算法求解目标站点的最小驻站时长和限流人数. 建立元胞自动机仿真模型,对比不考虑乘客感知的驻站、限流、驻站—限流策略与考虑乘客感知的驻站—限流策略的控制效果. 通过5 组情景实验,对比了考虑乘客感知和不考虑乘客感知的驻站—限流策略对线路乘客到达率和下车比例波动性的适应性. 实验结果表明,考虑乘客感知的驻站—限流策略更有利于减少乘客感知等待时间,对线路乘客到达率和下车比例波动性具有较优的适应性.     

考虑乘客感知的公交驻站和限流组合策略研究

为了预防公交“串车”现象,提高乘客感知满意度,基于预测控制提出一种考虑公交乘客动态感知的驻站与限流组合策略. 建立以公交线路上总乘客感知等待时间最小为优化目标的预测控制决策模型,运用差分进化算法求解目标站点的最小驻站时长和限流人数. 建立元胞自动机仿真模型,对比不考虑乘客感知的驻站、限流、驻站-限流策略与考虑乘客感知的驻站-限流策略的控制效果. 通过5 组情景实验,对比了考虑乘客感知和不考虑乘客感知的驻站-限流策略对线路乘客到达率和下车比例波动性的适应性. 实验结果表明,考虑乘客感知的驻站-限流策略更有利于减少乘客感知等待时间,对线路乘客到达率和下车比例波动性具有较优的适应性.     

基于聚类分析的铁路出行旅客类别划分

对铁路出行旅客进行类别划分,是简化旅客乘车选择问题研究的重要策略.根 据成都-武汉段既有线与新线的旅客调查数据,以旅客的各类主体、出行特性作为属性 变量,运用分层聚类法中的凝聚法进行变量聚类,将具有较大相关性的变量--时间价 值与月收入、出行目的与费用来源合并.然后根据简化的旅客属性变量指标集,运用近邻 传播算法对旅客进行样本聚类,并引用CH、Hart 及IGP 等聚类有效性指标确定最佳聚类 数.指标值表明,将铁路出行旅客划分为6 个类别时,具有最好的聚类效果.调查数据中旅 客乘车选择结果亦显示,不同类别的旅客对客运产品的选择有着明显的偏好.     

多模式网络公交OD矩阵的一种推算方法

为了分析轨道交通对常规公交乘客选择出行方式的影响,用Dijkstra算法寻找出行时间最短的路径,在此基础上,以出行时间最短作为出行方式选择的规划目标,使用MATLAB软件,设计了轨道交通影响下的常规公交客流量OD矩阵的算法.与传统的重力模型相比,避免了估计阻抗系数的复杂过程.算例结果表明:为了换乘轨道交通, 43.7%的公交站客流量增至轨道交通出现前的2.73倍; 56.3%的公交客流量被轨道交通替代.      

突发公共卫生事件下应急定制公交线路优化

考虑突发公共卫生事件下的疫情防控要求, 构建了一种应急定制公交线路优化方法; 对城市中已经封闭的小区和路段进行筛查, 并将这些小区和路段设置为应急定制公交禁行区域; 以所有应急定制公交总运行时长最短为目标, 以乘客上座率不超过安全阈值为约束, 同时考虑供需匹配, 构建了突发公共卫生事件下应急定制公交线路优化模型; 设计了遗传算法来求解该模型, 采用三段式混合编码方式进行染色体编码, 3段染色体分别由定制公交停车场编号、上车站点编号和下车站点编号组成, 运用贪婪策略解码染色体; 采用模拟案例验证了模型与算法的可行性, 并将优化结果与正常情况下基于相同客运任务的定制公交线路优化方案进行了对比。研究结果表明: 在完成相同客运任务的情况下, 应急定制公交线路所需车辆数比正常情况下多2辆, 车辆的总运行时长也比正常情况下增加6.997 h; 正常情况下的定制公交线路优化模型不能直接用于突发公共卫生事件场景, 针对应急场景构建的定制公交线路优化模型与算法能从众多备选方案中快速计算得到优化方案, 不仅能满足防疫要求, 还能满足人们的出行需求。