基于个体出行图谱的公共交通通勤行为辨别方法研究

不同公共交通类型乘客的出行特征存在显著差异,实现公共交通通勤乘客准确辨识,有助于获取精细化的公共交通出行特征,更好地满足不同类型乘客的出行需求.基于北京市公共交通刷卡和线站数据,对公共交通多源数据进行关联匹配并提取出行链.利用北京市连续1个月的公共交通刷卡出行数据,采用多层规划理论构建了个体出行知识图谱,提取了出行天数、出行空间均衡度等7类特征指标.通过RP调查获得乘客出行行为类别.以特征指标为输入,乘客分类为输出,构建了面向公共交通乘客分类的BP神经元网络模型.验证表明,模型平均分类精度为94.5%,Kappa系数为0.879.本文研究有助于准确识别不同类别的公共交通乘客,为优化公共交通运营及公共交通精准化服务提供支撑.     

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.     

基于就医活动推断的老年人公交就医可达性研究

为准确评估老年人公交就医出行的实际可达性,本文基于老年卡数据构建公交出行链,提出基于公交出行链的老年人就医活动推断方法,获取老年人的实际就医出行需求和出行时间。引入公交实时到站数据以反映公交实际运营水平对就医可达性的影响,构建面向出行全过程的实际出行成本矩阵,包括等候时间、乘车时间、换乘时间。考虑不同医院服务供给能力差异构建综合服务能力指标,引入分级服务半径和高斯距离衰减函数,提出基于改进两步移动搜索法的老年人公交就医可达性计算方法。以北京市六环内区域为例进行实证分析,结果表明：老年人公交就医可达性整体呈现由中心向外围递减的趋势,在城市外围区域其分布也存在空间异质性,五环路外的东部和西部区域可达性较好,而北部、东北部区域的可达性相对较差;各区域高峰时段的平均可达性均明显低于平峰时段的平均可达性。本文可为提升老年人就医出行可达性和公交系统适老化水平提供支撑。     

面向运营管理的多粒度省际客运需求预测方法

客运量是表征省际客运需求,开展行业运营管理的基础指标.为增强省际客运行业运营管理水平,提高旅客出行效率和应急保障能力,建立面向省际客运运营管理的年客运量和节假日客运量的多粒度预测模型.在影响因素与省际年客运量关联度分析的基础上,构建基于BP神经网络的年客运量预测模型.考虑特殊节假日的影响特征,提出了指数平滑与季节模型相结合的节假日客运量组合预测模型,实现节假日总客运量、日客运量的预测.以北京的实际数据为例,对预测模型进行精度验证.结果表明,年客运量预测模型的平均相对误差为0.15%,春运期间每日客运量预测模型的平均相对误差为6.7%,能较好地体现客运量在不同阶段的变化趋势,具有良好的稳定性.