基于公交数据挖掘的乘客上下站点识别

为制定符合客流的线路公交调度方案，增大公交出行吸引力，减少私家车出行碳排放，有必要提出精确的线路乘客上、下车站点识别方法，获取精确客流数据，为公交调度提供精细数据支撑。本文以福州市常规公交多源数据为基础，针对数据缺陷提出系统时间误差修正及站间缺失数据修复的数据预处理方法。在此基础上，提出乘客刷卡时间与公交到离站时间匹配的上车站点识别方法。将乘客出行行为按照是否具有出行规律，提出基于乘客出行规律的乘客下车站点识别方法及综合出行距离、换乘能力、出行吸引强度、周围土地利用性质等因素影响下的乘客站点下车概率识别方法。最后，以福州市125路公交数据为例，将识别数据与实际调查数据对比，验证识别方法的准确性。研究结果可为城市公交客流OD调查提供数据挖掘方法，减少传统调查产生的人力物力，以及为公交企业运营调度提供数据支撑。     

数据不完备下基于特征识别的公交客流短时预测

识别公交客流特征是提高短时预测质量的关键。但由于设备故障、数据收集受限等原因,客流数据属性往往是不完备的,这给特征识别和客流预测带来了挑战。文中以缺少乘客属性数据的长沙市104路公交卡数据为样本,利用卡号与出行时间的关联性识别乘客出行频次,以此作为区分出行特征的变量,将客流总集划分为不同的特征子集,依据子集规模、方差确定变量最佳取值,推断客流特征。与直接预测客流总集相比,文中为每类子集建立季节性差分自回归滑动平均(SARIMA)模型分别进行预测,整合后得出的样本外平均绝对误差改善了36.11%,依据乘客出行特征建立的预测模型拟合度为0.95,可有效识别公交客流特征。     

基于IC卡数据的公交乘客上下站点预测研究

当前一票制的公交IC卡收费系统无法获取乘客的上车站点和下车站点,为公交线路客流量分析造成了一定困难。本文通过充分研究IC卡数据以及GPS数据,构建了以IC卡数据为基础的乘客上下车站点匹配模型,挖掘数据中包含的公交运行特征以及乘客出行特征。模型同时考虑封闭式公交出行链以及非封闭式公交出行链,并采用二分算法以及多概率融合的方法在乘客乘车特征基础上推测乘客的上下车站点,可有效提升公交的高效化运行管理。以承德市7号线路为例进行验证,采用线性回归方程对上下车站点匹配结果进行分析,相关系数高达0.977,校验回归方程系数值为0.978 5。结果表明该模型可实现对公交车乘客上下车站点的有效匹配,具有较好的可靠性。     

基于海量IC卡数据的公交客流时空分析

研究公交客流时空变化规律可以更深入地了解乘客的出行规律和出行需求,从而更好地为公交规划和调度提供服务。本文以厦门市2015年6月13日至26日的公交IC卡数据和车辆GPS数据为数据源研究公交客流的时空分布规律。论文运用Hadoop MapReduce分布式计算框架进行公交客流量的并行计算,从不同日期(工作日、双休日、节假日)和不同用户群体(老人,学生和成人)两个角度以小时为单位探索了公交客流的时间分布特征;在对公交站点的上车人数进行核密度分析的基础上,从站点客流量的总体空间分布及不同时段变化特征两个角度探索公交站点客流的空间分布特征,并以SM城市广场为例进行热点站点客流流向分析。研究发现:厦门市公交客流的时间分布规律呈现M状分布,但有别于北京市公交出行的M状分布,晚高峰的客流量约占早高峰客流量一半;站点客流空间分布规律呈现岛内连片聚集,岛外零星点状分布,岛内站点客流一日内早高峰呈现"入"状分布,随时间而演变为东北—西南走向的"一"状分布; SM城市广场、火车站和中山路商圈一直是全天的公交客流热点区域。     

基于云计算的公交OD矩阵构建方法

OD矩阵作为交通客流数据可视化的重要方法,是公交系统评价和优化的重要依据.提出了一种基于云计算的OD矩阵构建框架,在此框架下利用云计算优异的存取速度及计算性能,实现了对公交历史数据的筛选、预处理、变换、数据挖掘、解释评价等操作.此外,还提出一种综合了追踪乘客出行行为规律和估计站点热度的OD矩阵构建模型来实现对乘客下车站点较为精确的估计.算例分析表明,根据该模型计算得到的各站点下车人数结果能较好地拟合实际出行OD矩阵.     

基于IC卡信息的公交客流Origin-destination反推方法

公交客流起止点(origin-destination,OD)矩阵是公交线路调整和优化的重要依据,通过公交IC(integrated-circuit)卡信息获得的数据研究了公交出行的特征.以公交站点上下客人数为约束条件提出了综合考虑了公交乘客上下车概率与公交站点产生吸引因素的反推模型,实例分析表明该方法能显著提高反推的精度,反推结果更具可靠性.     

考虑公交车内拥挤的区间公交优化设计

为满足公交客流走廊集聚的需求,研究了全程车和区间车形成的多服务模式公交优化设计问题.针对公交走廊需求特征,利用公交客流起止点(OD)数据,建立了双层优化模型,上层模型以发车频率和公交座位数为主要输出参数的公交设计研究模型,下层模型为经典的随机选择(SUE)模型,应用序列二次规划(SQP)算法求解模型.最后结合相关案例给出了优化算例,案例结果表明,模型具有较强的实用性,能够较好地反映公交车内拥挤对乘客出行成本的影响,能有效地提高公交走廊的运营效率.同时,模型通过输出不同站点上车在各站点能找到座位的概率,优化乘客选择不同公交出行的行为,均衡了公交客流,提高了车辆服务质量.     

基于移动终端的主动预约式智能公交调度系统

针对我国城市近郊区公交系统智能化水平低、居民出行便捷性差等交通现状,在综合分析现有需求响应式交通系统(DRT)特点的基础上,结合互联网主动预约技术与车辆智能定位技术,提出了一种基于移动终端的主动预约式智能公交调度系统。将互联网移动终端、总调度控制中心与公交车辆作为一个整体系统,以乘客预约候车总人数与乘客最长等待时间为决策变量,通过引入相关阈值建立了基于乘客需求的发车间隔优化模型,并给出了发车时间间隔的求解方法。研究结果表明:与常规公交系统相比,基于移动终端的主动预约式智能公交调度系统能够有效地解决我国城市近郊公交运行效率低、乘客候车时间长、出行困难等交通问题,对于提高公交的便捷性与智能化水平具有积极的现实意义。     

智能公交动态调度优化模型

利用先进的技术和设备实现公交的优化调度,充分满足人们的出行需要,是智能公交系统发展的目标.然而近年来中国智能公交发展在一定程度上出现过于追求先进性、忽略实用性、运营效果不理想、动态调度尚待充分开发等问题.结合中国智能公交系统现状,通过对智能公交调度系统和调度特点深入分析,在GPS定位、通信、计算机等技术的支持下,将动态交通状态信息与车辆定位信息有效融合,将智能化算法引入到公交运营调度中,建立了基于实时动态数据,兼顾乘客满意度和企业效益的动态调度优化模型.并且阐述了模型数据的自动采集方法、模型Matlab程式化的解法.结果表明,该模型可以显著提高公交车辆满载率、缩短乘客等车时间和减少车辆总班次,优化调度效果明显.     

基于交通方式选择的公交出行需求预测

在对国内外研究现状分析的基础上，研究立足于影响公交乘客意愿和出行选择的公交服务水平因素分析，应用期望偏好（SP）调查方法得到国内2个城市出行选择行为特征数据，分析国内城市出行者意愿和交通方式选择行为的特征和规律，在此基础上应用慈溪市的数据建立了考虑个人特性和出行时间及成本等选择特性因素的交通方式选择模型，对公交出行需求进行了预测，并结合交通方式选择行为特征调查数据和出行比例预测结果，提出了相应的公交优先发展策略．     

基于朴素贝叶斯分类器的乘客出行属性分析

确定出行目的是探究出行规律的重要环节,而公交智能卡数据中恰恰缺少此部分属性。将出行调查数据与智能卡数据融合,对调查数据中的上、下车时间、出行目的进行提取,基于贝叶斯概率模型对其进行分析;对应智能卡数据集,借助朴素贝叶斯分类器对缺少的出行目的属性加以补充。以石家庄市北国商城公交站为例进行实证分析,并基于不同出行目的,对乘客的日出行次数及每名乘客的出行周变规律进行分析。结果表明,该方法对出行目的估计准确率为85.6%,乘客通勤出行平均每周4.7次,因私出行每周2.9次,归家出行每周3.4次,并给出了相关统计结果。     

基于IC卡的公交枢纽客流特征分析

IC卡数据记录了IC卡的卡号、车辆号、交易日期、交易时间、公交线路编号等信息,通过对IC卡数据的处理以及挖掘分析,能够反映城市居民公交出行的总体特征,同时也能够为公交枢纽预警机制提供数据支持。利用基于IC卡数据的上客客流、落客客流、换乘客流判定方法,结合实际IC卡刷卡数据,分析了公交枢纽客流的时间特征、动态特征以及短时特征,可为公交枢纽客流状态判断提供数据支持,为行业主管部门提升公众出行服务水平提供决策依据,同时也能够对公交枢纽安全预警以及应急管理工作起到关键数据支撑作用。     

基于差分进化算法SVM的公交通勤乘客识别

通勤乘客是在早晚高峰出行并具有一定出行规律的人群,准确地从公交刷卡数据中识别通勤人群,对采取措施缓解早晚高峰交通拥堵和整个城市公交线网规划和调整具有重要意义。本文以珠海市公交IC卡数据为依托,提出一种基于差分进化算法优化支持向量机(SVM)的公交通勤识别方法。首先通过通勤乘客调查和实际刷卡数据相结合,分析出通勤乘客出行的特征属性;然后采用SVM算法构建分类识别模型,并利用差分进化算法(DE)对SVM进行参数寻优,得到最优识别模型,其识别准确率高达94.28%,优于其他算法模型;最后利用该模型对珠海公交IC卡数据中的通勤人群进行识别,结果显示其公交通勤人数为178 259人,占公交出行总人数的21.47%。     

城市轨道交通换乘常规公交时间优化模型

为探究城市轨道交通换乘常规公交的时间优化模型,以上海市晚高峰时段地铁6号线金桥站换乘874线路公交车为例,利用统计分析软件,分析客流到站时间,得到对数正态分布;并在此基础上建立乘客候车时间模型,运用调查所得数据设置模型各参数值;最后以乘客候车时间最少为目标函数,利用遗传算法求解得到874线路公交车优化后的到站时间.结果表明:利用时间优化模型求得的874线路公交车发车时间与优化前的发车时间相比,乘客的候车时间平均每人节约约52.8 s,有效提高了人们的出行效率.     

人员稀疏地区柔性公交区域特性的研究

传统意义上的公交系统具有固定的路线和时刻表,造成需求量较低的地区调度上的灵活性较差,不能满足人们出行的需求。通过阐述一种新的柔性公交车搭乘方法,融合了传统公交系统的低成本性和需求响应公交的灵活性,在保持原有公交路线行进方向的情况下,采用无返回最近插入算法,拓展了公交路线的宽度,通过减少乘客来去候车时间,减少所有乘客出行的总时间,便于人们出行,对于出行不便者意义重大。     

轨道交通企业定价的博弈分析

针对轨道交通与地面常规公交走向重复,造成公交系统内部客流竞争现象,根据博弈理论建立两种模型,一种假设建立两企业在一条并行线路上各自的竞争收益和票价模型,第二种是常规公交为轨道交通起衔接作用,集散客流时确定的收益和公交“一体化”票价模型。经比较,后一种能使企业达到“双赢”,是优化城市交通出行环境和解决交通问题的一种有效方法。     

基于多源数据融合的高铁枢纽多模式换乘客流分担率估计

为实现高铁客运枢纽换乘客流分担率的精准辨识,研究结合多模式公共交通大数据,提出了一类基于广义出行链的高铁客运枢纽换乘方式选择模型.通过对不同公共交通方式换乘阶段的关联和融合,提取以高铁客运枢纽为端点的个体广义出行链,分析高铁客运枢纽换乘客流的时空分布特征;综合考虑高铁客运枢纽乘客的个体经济社会属性、主观心理因素及其个体...     

基于交通出行行为的郑焦城际公交客流预测

通过统计分析郑焦城际公交乘客的个人属性和出行信息,选择灰色模型对客流进行建模、预测和精度检验,得到模型的平均相对误差为3.98%,精度为96.02%,较好地满足了精度要求。该研究为郑焦城际公交的组织优化提供了理论依据和技术支持。     

空间异质性视角下常规公交客流影响因素

常规公交出行是城市客运体系重要的组成部分,其出行强度明显受城市建成环境的影响作用。以往建模方法未考虑影响因素之间的多尺度空间异质性问题,研究结果均存在一定局限性。以青岛市主城区为研究对象,首先基于公交GPS与IC卡数据提取常规公交客流为研究的因变量,并通过网络地图开放平台获取14个指标作为自变量;其次,通过探索性空间数据分析探究303个研究单元的常规公交客流空间演化特征;最后,分别构建地理加权回归与多尺度地理加权回归模型量化分析建成环境变量对常规公交客流影响的空间异质性。研究结果表明：与地理加权回归模型相比,多尺度地理加权回归模型的对回归结果的解释性更强;学校密度、医院密度、公交线路密度和停车场密度正向影响早晚高峰公交客流量,购物密度、土地利用混合度、距公交站点距离对早晚高峰的常规公交客流均有显著负向影响;公交线路密度、学校密度具有明显的空间异质性,对常规公交客流的影响程度整体上呈现由南向北扩散性递减的趋势。     

基于隐马尔可夫模型的公交乘客出行链识别方法

以公交IC卡数据为基础,结合公交站点周边土地类型及乘客时空转移序列构建隐马尔可夫模型对乘客的出行目的进行识别,继而实现完整乘客公交出行链的提取。采用石家庄某一工作日的公交IC卡数据来实现模型,并与同日期的公交乘客出行调查数据对比,结果表明模型与实际调查结果较为吻合,工作日公交乘客出行链以通勤类出行链为主,总占比达81.87%,通勤活动具有很强的时效性。本文模型为公交IC卡数据的深度研究提供了一定的基础。