基于多源数据的公交出行特征分析

为准确分析公交消费数据不完整情况下的公交出行特征,基于乘客上车刷卡数据、支付宝扫码数据及公交GPS数据,运用时空匹配法和出行链理论挖掘分析乘客上下车站点、公交线路OD矩阵、出行空间分布特性及消费时间分布特征。实际验证结果表明:1)使用IC卡和支付宝的乘客数量近似相等,使用现金人数较少,约占整体的6%;2)乘客出行次数在2次以下占总数的84%,换乘需求较少,公交可达性较高;3)高峰期消费次数均超过25000次/h,约占全天总数的23%,居民出行目的较为单一,大部分往返于居民区与办公商业区,与实际情况相符。     

基于统计与假设检验的高速公路交通事故数据分布特性

为了研究高速公路基本路段上交通事故数据的分布特征, 将事故数、伤亡事故数、事故死亡人数与事故受伤人数归类为离散型事故数据, 将事故间隔时间与平均每年每公里事故数归类为连续型事故数据; 对于离散型事故数据, 采用均匀划分法、动态聚类法与滑动窗法划分高速公路统计区段, 运用泊松分布、负二项分布、零堆积泊松分布与零堆积负二项分布对事故数据进行拟合; 对于连续型事故数据, 以收费区间为路段划分标准, 用正态分布、负指数分布进行事故数据拟合; 运用皮尔逊卡方值对各种拟合结果进行拟合优度检验。研究结果表明: 在各种区段上, 事故数均服从负二项分布, 有些情况下会同时服从负二项分布与泊松分布, 伤亡事故数与事故死亡人数主要服从零堆积泊松分布或零堆积负二项分布, 拟合优度检验中的概率均大于0.05;平均每年每公里的事故数比较符合正态分布, 而事故间隔时间则主要服从负指数分布, 拟合优度检验中的概率也均大于0.05;交通事故数据的统计分布特征是建立事故预测模型与事故多发点鉴别的前提条件之一, 而事故间隔时间可作为安全可靠度的度量指标。